CN111008952A - 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法 - Google Patents

应用于法布里-珀罗干涉成像的物体内部缺陷检测方法 Download PDF

Info

Publication number
CN111008952A
CN111008952A CN201911007287.XA CN201911007287A CN111008952A CN 111008952 A CN111008952 A CN 111008952A CN 201911007287 A CN201911007287 A CN 201911007287A CN 111008952 A CN111008952 A CN 111008952A
Authority
CN
China
Prior art keywords
image
filtering
characteristic value
filtered image
filtered
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911007287.XA
Other languages
English (en)
Inventor
吴嵩波
谭彰
徐慧
张静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Lanzhuo Industrial Internet Information Technology Co ltd
Original Assignee
Zhejiang Lanzhuo Industrial Internet Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Lanzhuo Industrial Internet Information Technology Co ltd filed Critical Zhejiang Lanzhuo Industrial Internet Information Technology Co ltd
Priority to CN201911007287.XA priority Critical patent/CN111008952A/zh
Publication of CN111008952A publication Critical patent/CN111008952A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/41—Refractivity; Phase-affecting properties, e.g. optical path length
    • G01N21/45—Refractivity; Phase-affecting properties, e.g. optical path length using interferometric methods; using Schlieren methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本申请适用于缺陷检测领域，提供应用于法布里‑珀罗干涉成像的物体内部缺陷检测方法，通过获取待检测区域的原始图像并二值化；根据设置的亮度阈值对二值化的原始图像进行过滤，滤出大于亮度阈值的像素点；并限定第一特征值，对过滤图像中每个像素相邻区域进行过滤操作，滤除不符合第一特征值的图像，得到二次过滤图像；通过限定第二特征值，对二次过滤图像进行过滤，过滤出符合第二特征值的图像，最终得到三次过滤图像，通过噪声平缓处理和边缘提取操作后获得最终检测图像，实现对内部缺陷的准确检测。

Description

应用于法布里-珀罗干涉成像的物体内部缺陷检测方法
技术领域
本申请属于缺陷检测领域，尤其涉及应用于法布里-珀罗干涉成像的物体内部缺陷检测方法。
背景技术
随着图像处理技术的迅速发展，图像在物体的缺陷检测方面取得了广泛的应用。物体缺陷检测成像主要分为表面缺陷检测成像和内部缺陷检测成像，其中内部缺陷检测成像的主要手段为超声波检测成像和本方法中的法布里-珀罗干涉仪检测成像。因此，需要对仪器成像进行缺陷的检测，便于企业对缺陷产品进行后续操作。
内部缺陷检测主要通过超声波或者法布里-珀罗干涉仪进行成像后，进行人工缺陷检测。
超声波的成像相较于法布里-珀罗干涉仪的成像，会比较模糊而且分辨率低，而且超声波的成像收到外界干扰较大，现有的对于法布里-珀罗干涉仪的成像的处理是进行人工缺陷检测，所需时间较长且错误率较高。
发明内容
为了解决现有技术中存在的缺点和不足，本申请提供应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，所述检测方法包括：
获取待检测区域的原始图像，并对原始图像进行二值化；
设置亮度阈值，依据所述亮度阈值对原始图像进行过滤，滤出大于亮度阈值的像素点，并得到过滤图像；
限定过滤的第一特征值，对过滤图像中每个像素的相邻区域进行过滤操作，滤除符合第一特征值的图像，得到二次过滤图像；
限定过滤的第二特征值，对二次过滤图像进行过滤，过滤出符合第二特征值的图像得到三次过滤图像。
优选的是，所述三次过滤图像通过噪声平缓处理和边缘提取操作后获得检测图像。
优选的是，所述第一特征值为面积小于30像素。
优选的是，所述第一特征值为长宽比大于2。
优选的是，所述第一特征值为长宽比小于0.5。
优选的是，所述第一特征值为至少两个空洞的区域。
优选的是，所述第二特征值为面积大于50像素的区域。
优选的是，所述自动检测方法包括：
获取待检测区域的原始图像，并对原始图像进行二值化；
设置亮度阈值为50，依据所述亮度阈值对原始图像进行过滤，滤出大于亮度阈值的像素点得到过滤图像；
设置第一特征值为面积小于30像素，长宽比大于2或者小于0.5，特征值为对过滤图像中每个像素的相邻区域进行过滤操作，得到二次过滤图像；
限定过滤的第二特征值为面积大于50像素的区域，对二次过滤图像进行过滤，挑选出得到三次过滤图像；
通过噪声平缓处理和边缘提取操作后获得检测图像。
本申请提供的技术方案带来的有益效果是：相较于超声波成像，法布里珀罗干涉仪的成像会更加清晰且分辨率高，减少了所受到的外界干扰；相较于现有的法布里珀罗干涉仪人工缺陷检测，自动检测方法所需的时间较短且错误率极低；针对现有内部缺陷检测的缺点，通过对缺陷检测图像进行关注区域定位，并对关注区域缺陷进行检测的操作，省去了对整体检测的繁琐步骤。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请自动检测方法实施例的流程图；
图2为法布里-珀罗干涉仪成像；
图3为通过阈值操作后的过滤图像；
图4为经过相邻区域过滤操作后的二次过滤图像；
图5为经过剩余区域过滤操作后的三次过滤图像；
图6为经过噪声平缓处理和边缘提取操作后的缺陷检测图像y。
具体实施方式
为使本申请的结构和优点更加清楚，下面将结合附图对本申请的结构作进一步地描述。
法布里珀罗干涉仪是一种检测微小距离变化的高精度测量仪器，通过两块具有很小楔角的平板玻璃，相对两面互相平行，并涂有高反射率涂层，两板间用殷钢环隔离并固定。入射光在相对两面上反复反射和折射后产生多束相干反射光和透射光，透射光束在透镜的焦面上叠加，形成等倾圆环状干涉条纹。这种间距固定不变的干涉仪常称作标准具。
实施例一
如图1所示，从法布里-珀罗干涉仪采集到的成像x，利用成像x中要提取的目标区域与其背景在灰度特性上的差异，将成像x看作具有不同灰度级的两类区域，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。
对二值图像中每个像素的相邻区域进行过滤操作，通过设置亮度阈值为50，过滤出大于亮度50的像素点得到过滤图像；
对过滤图像再次进行过滤操作，设置第一特征值，过滤面积小于30像素的区域得到二次过滤图像；
对于二次过滤图像进行过滤操作，只保留面积大于50像素的区域得到三次过滤图像。
实施例二
将从法布里-珀罗干涉仪采集到的成像x1，利用成像x1中要提取的目标区域与其背景在灰度特性上的差异，将成像x1看作具有不同灰度级的两类区域，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。
对二值图像中每个像素的相邻区域进行过滤操作，通过设置亮度阈值为50，过滤出大于亮度50的像素点得到过滤图像；
对过滤图像再次进行过滤操作，设置第一特征值，过滤面积长宽比大于2的区域得到二次过滤图像；
对于二次过滤图像进行过滤操作，只保留面积大于50像素的区域得到三次过滤图像。
实施例三
如图2所示，将从法布里-珀罗干涉仪采集到的成像x2，利用成像x2中要提取的目标区域与其背景在灰度特性上的差异，将成像x2看作具有不同灰度级的两类区域，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。
对二值图像中每个像素的相邻区域进行过滤操作，通过设置亮度阈值为50，过滤出大于亮度50的像素点得到过滤图像，如图3所示；
对过滤图像再次进行过滤操作，设置第一特征值，过滤长宽比小于0.5的区域得到二次过滤图像，如图4所示；
对于二次过滤图像进行过滤操作，只保留面积大于50像素的区域得到三次过滤图像如图5所示。
最后将过滤后的区域进行噪声平滑操作，对平滑后的区域进行边缘提取操作具体步骤如下。
向计算机输入待去噪图像，读取待去噪图像的所有像素点，根据每个像素点的奇异值大小判断该点是否为明显噪声点。
像素点的奇异值有一个范围，如果像素点的奇异值超出该范围，则该像素点为明显噪声点；如果像素点的奇异值落在该范围内，则该像素点不是明显像素点。针对不同的图像，奇异值的范围有所不同，该范围的具体数值是本领域技术人员在具体实验时容易获得的。一般来说，图像像素点的奇异值是2左右的数值，超过2则表明该像素值变小了，需要调大；小于2则表明该像素值变大了，需要调小。本申请判断像素点是否为明显噪声点的奇异值范围是1.8至2.5，根据不同带噪图像，该范围需要调整，如果像素点的奇异值大小不在此范围内，则该点是明显噪声点，否则，该点不是明显噪声点。
利用待去噪图像的奇异矩阵，计算像素点的奇异度，利用像素点的奇异度，对像素点像素值进行调整，调整后的像素点的像素值为该像素点的原像素值与该像素点的奇异度的乘积。
获取明显噪声点的相似点集合。该步骤需要确定相似点搜索尺度，本实施例的搜索尺度定义为[k1,k2]，k1、k2分别为平面图像上横向和纵向的像素点个数。
判断明显噪声点的相似点的方法如下：计算待去噪图像的多重分形谱矩阵，读取搜索范围内的一个像素点，计算该像素点的多重分形谱值与明显噪声点的多重分形谱值的差值；如果该差值小于阈值，则该像素点是明显噪声点的相似点；
需要说明的是，上述的阈值是本领域技术人员在实验中容易获得的。一般来说，阈值的范围大于0.05小于0.1，本实施例选用的阈值为0.08，本实施例在该阈值下去噪效果最好。
根据相似点的奇异值判断该点是否为明显噪声点，如果是明显噪声点，则该点不能作为明显噪声点的相似点；
将加入到明显噪声点的相似点集合，判断搜索尺度内是否还有待求证相似点，如果搜索尺度内所有像素点均已判断；
如果相似点集合不为空，则使用相似点集合中的所有像素点，通过中值算法或者均值算法，对明显噪声点的像素值进行估计；
如果待去噪图像的所有像素点均已调整完，则去噪结束，如图6所示。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本申请的实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，其特征在于，所述检测方法包括：
获取待检测区域的原始图像，并对原始图像进行二值化；
设置亮度阈值，依据所述亮度阈值对原始图像进行过滤，滤出大于亮度阈值的像素点，并得到过滤图像；
限定过滤的第一特征值，对过滤图像中每个像素的相邻区域进行过滤操作，滤除符合第一特征值的图像，得到二次过滤图像；
限定过滤的第二特征值，对二次过滤图像进行过滤，过滤出符合第二特征值的图像得到三次过滤图像。
2.根据权利要求1所述的应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，其特征在于，所述三次过滤图像通过噪声平缓处理和边缘提取操作后获得检测图像。
3.根据权利要求1所述的应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，其特征在于，所述第一特征值为面积小于30像素。
4.根据权利要求1所述的应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，其特征在于，所述第一特征值为长宽比大于2。
5.根据权利要求1所述的应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，其特征在于，所述第一特征值为长宽比小于0.5。
6.根据权利要求1所述的应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，其特征在于，所述第一特征值为至少两个空洞的区域。
7.根据权利要求1所述的应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，其特征在于，所述第二特征值为面积大于50像素的区域。
8.如权利要求1至7任一项所述的应用于法布里-珀罗干涉成像的物体内部缺陷检测方法，其特征在于，所述自动检测方法包括：
获取待检测区域的原始图像，并对原始图像进行二值化；
设置亮度阈值为50，依据所述亮度阈值对原始图像进行过滤，滤出大于亮度阈值的像素点得到过滤图像；
设置第一特征值为面积小于30像素，长宽比大于2或者小于0.5，特征值为对过滤图像中每个像素的相邻区域进行过滤操作，得到二次过滤图像；
限定过滤的第二特征值为面积大于50像素的区域，对二次过滤图像进行过滤，挑选出得到三次过滤图像；
通过噪声平缓处理和边缘提取操作后获得检测图像。
CN201911007287.XA 2019-10-22 2019-10-22 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法 Pending CN111008952A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911007287.XA CN111008952A (zh) 2019-10-22 2019-10-22 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911007287.XA CN111008952A (zh) 2019-10-22 2019-10-22 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法

Publications (1)

Publication Number Publication Date
CN111008952A true CN111008952A (zh) 2020-04-14

Family

ID=70111498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911007287.XA Pending CN111008952A (zh) 2019-10-22 2019-10-22 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法

Country Status (1)

Country Link
CN (1) CN111008952A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113421261A (zh) * 2021-08-23 2021-09-21 金成技术有限公司 一种基于图像处理的结构件生产过程缺陷检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003167529A (ja) * 2001-11-30 2003-06-13 Seiko Epson Corp 画面欠陥検出方法及び装置並びに画面欠陥検出のためのプログラム
CN104616275A (zh) * 2013-11-04 2015-05-13 北京兆维电子(集团)有限责任公司 一种缺陷检测方法和装置
CN108230321A (zh) * 2018-01-19 2018-06-29 深圳市亿图视觉自动化技术有限公司 缺陷检测方法及装置
CN110007493A (zh) * 2019-03-28 2019-07-12 凌云光技术集团有限责任公司 液晶显示屏中碎亮点检测方法
CN110211112A (zh) * 2019-05-31 2019-09-06 华中科技大学 一种基于过滤选择性搜索的铸缺陷检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003167529A (ja) * 2001-11-30 2003-06-13 Seiko Epson Corp 画面欠陥検出方法及び装置並びに画面欠陥検出のためのプログラム
CN104616275A (zh) * 2013-11-04 2015-05-13 北京兆维电子(集团)有限责任公司 一种缺陷检测方法和装置
CN108230321A (zh) * 2018-01-19 2018-06-29 深圳市亿图视觉自动化技术有限公司 缺陷检测方法及装置
CN110007493A (zh) * 2019-03-28 2019-07-12 凌云光技术集团有限责任公司 液晶显示屏中碎亮点检测方法
CN110211112A (zh) * 2019-05-31 2019-09-06 华中科技大学 一种基于过滤选择性搜索的铸缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
沈功田: "《中国无损检测2025科技发展战略》", 30 April 2017, 中国质检出版社 *
王世豪等: "玻璃表面缺陷检测算法研究", 《东莞理工学院学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113421261A (zh) * 2021-08-23 2021-09-21 金成技术有限公司 一种基于图像处理的结构件生产过程缺陷检测方法
CN113421261B (zh) * 2021-08-23 2021-11-05 金成技术有限公司 一种基于图像处理的结构件生产过程缺陷检测方法

Similar Documents

Publication Publication Date Title
CN114723681B (zh) 一种基于机器视觉的混凝土裂缝缺陷检测方法
CN110866924A (zh) 一种线结构光中心线提取方法及存储介质
CN108682012B (zh) 一种基于线扫激光的3d曲面玻璃表面平整性缺陷检测方法
CN109580630A (zh) 一种机械零部件缺陷的视觉检测方法
CN113570605A (zh) 一种基于液晶显示面板的缺陷检测方法和系统
CN109631798B (zh) 一种基于π相移方法的三维面形垂直测量方法
CN111354047B (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN110569857A (zh) 一种基于质心距离计算的图像轮廓角点检测方法
CN114370820B (zh) 光谱共焦位移传感器的峰值提取方法、检测方法及系统
CN116563262A (zh) 基于多模态的建筑裂缝检测算法
CN111008952A (zh) 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法
CA3206206A1 (en) Device and method for correspondence analysis in images
CN117372338A (zh) 一种镜面缺陷检测方法、装置、设备及可读存储介质
CN111968143A (zh) 基于关联成像的边缘图像提取方法及系统
CN113970560B (zh) 一种基于多传感融合的缺陷三维检测方法
WO2019238583A1 (en) Deflectometric techniques
KR101826711B1 (ko) ToF 카메라의 깊이맵 보정 방법
US20220222804A1 (en) Euv mask inspection device, euv mask inspection method, non-transitory computer-readable medium storing euv mask inspection program, and euv mask inspection system
CN113554688B (zh) 一种基于单目视觉的o型密封圈尺寸测量方法
CN115330832A (zh) 一种基于计算机视觉的输电铁塔全自由度位移监测系统和方法
CN114387387A (zh) 高反射率表面彩色三维重建方法、系统、终端及介质
CN109949245B (zh) 十字激光检测定位方法、装置、存储介质及计算机设备
CN109781153B (zh) 物理参数估计方法、装置和电子设备
CN111179248A (zh) 一种透明平滑曲面缺陷识别方法及检测装置
CN106530278B (zh) 用于点源哈特曼波前探测器的点光斑检测与背景噪声特征估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200414

RJ01 Rejection of invention patent application after publication