CN111062893A - 一种图像处理方法及电子设备 - Google Patents
一种图像处理方法及电子设备 Download PDFInfo
- Publication number
- CN111062893A CN111062893A CN201911391991.XA CN201911391991A CN111062893A CN 111062893 A CN111062893 A CN 111062893A CN 201911391991 A CN201911391991 A CN 201911391991A CN 111062893 A CN111062893 A CN 111062893A
- Authority
- CN
- China
- Prior art keywords
- data
- image
- detected
- image data
- processing method
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000003287 optical effect Effects 0.000 claims abstract description 14
- 238000001035 drying Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 5
- 238000007689 inspection Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G06T5/70—
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法。所述图像处理方法包括:对待测图像进行光学检测,获取图像数据;基于所述图像数据获取所述待测图像中待检测区域的特征分布直方图;基于所述特征分布直方图对所述图像数据进行分类;基于所述分类对所述图像数据进行去燥处理。本发明提供的图像处理方法基于特征分布直方图对所述图像数据进行去燥处理,从而实现了对图像中干扰噪点的去除,提高了光学检测的准确度。
Description
技术领域
本发明属于图像处理领域,尤其涉及一种图像处理方法及电子设备。
背景技术
目前,光学检测已经成为各种生产制造中检验产品外观的重要检测手段。然而,由于待检测产品自身材质、结构存在的不平整等产品问题,以及检测照明度不够等检测环境问题,使得光学检测的监测效果受到一定的限制。例如,在对笔记本电脑进行光学检测时,由于笔记本本身材料材质凹凸不平,光照角度变化,摆放位置发生变化等问题,会在拍摄的图片中留下很多不规则的噪点,严重干扰待测内容的提取。
发明内容
本发明提供一种图像处理方法。所述图像处理方法包括:对待测图像进行光学检测,获取图像数据;基于所述图像数据获取所述待测图像中待检测区域的特征分布直方图;基于所述特征分布直方图对所述图像数据进行分类;基于所述分类对所述图像数据进行去燥处理。
可选地,在所述步骤基于所述图像数据获取所述待测图像中待检测区域的特征分布直方图之后,所述图像处理方法包括:依据预设检测规则,设定所述待测图像中的各待测目标物的定义。
可选地,所述步骤基于所述特征分布直方图对所述图像数据进行分类包括:根据所述特征分布直方图与所述待测目标物的定义,对所述图像数据进行分类,获取背景层数据及目标物层数据。
可选地,所述步骤基于所述分类对所述图像数据进行去燥处理包括:遍历所述图像数据中所述待检测区域的数据,删除其中介于所述背景层数据与所述目标物层数据之间的干扰数据;基于删除干扰数据后的图像数据,完成图像去燥处理。
可选地,所述步骤基于所述图像数据获取所述待测图像中待检测区域的特征分布直方图包括:基于所述图像数据分析所述待检测区域的灰度数据和梯度数据,并基于所述灰度数据和梯度数据获取所述特征分布直方图。
可选地,所述预设检测规则为:与各检测场景对应的预设有效检测目标物。
可选地,所述步骤根据所述特征分布直方图与所述待测目标物的定义,对所述图像数据进行分类,获取背景层数据及目标物层数据进一步包括:根据特征分布直方图中的灰度变化及梯度变化,以及所述待测目标物的连通域面积和周长,对所述图像数据进行分类,获取所述背景层数据以及所述目标物层数据。
可选地,所述背景层数据包括所述图像数据中的背景像素特征信息,而所述目标物层数据包括所述目标物像素特征信息。
可选地,所述步骤遍历所述图像数据中所述待检测区域的数据,删除其中介于所述背景层数据与所述目标物层数据之间的干扰数据包括:遍历所述图像数据中所述待检测区域的数据,删除所述待检测区域的数据中介于所述背景像素特征信息以及所述目标物像素特征信息之间的干扰数据。
本发明另一方面提供一种电子设备,其特征在于,所述电子设备包括:至少一处理器,用于实现各程序;至少一存储器,用于存储至少一个程序;所述至少一个程序被所述至少一处理器执行时,所述电子设备实现以上所述图像处理方法。
本发明提供的图像处理方法,通过获取待测图像中的特征分布直方图,并基于所述特征分布直方图对所述图像数据进行分类,进而基于所述分类对所述图像数据进行去燥处理,从而实现了对图像中干扰噪点的去除,提高了光学检测的准确度。
附图说明
图1为待处理的光学检测图像的示意图。
图2为本发明实施例提供的图像处理方法的流程图。
图3为所述图像处理方法处理后的光学检测图像的示意图。
图4为本发明实施例提供的采用所述图像处理方法的电子设备的示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1所示为待处理的光学检测图像100的示意图。图像100是在对笔记本电脑进行光学检测后形成的图片影像。由于检测中笔记本电脑自身以及检测环境存在干扰因素,导致图像100中存在很多不规则的噪点。从而导致图像待检测区域110中的待检测目标物112识别不清楚,难以准确提取相应内容。
因此,需要采用本发明实施例提供的图像处理方法对图像100进行去燥处理,以便能获得清楚的图像内容。图2为本发明实施例提供的图像处理方法的流程图。所述交通管理方法包括以下步骤202-214。
步骤302,对待测图像进行光学检测,获取图像数据。在本实施例中,可对图像100进行相应的处理,获取图像数据,以便进行后续数据处理。
步骤304,基于获取的图像数据,获取图像中待检测区域的特征分布直方图。在本实施例中,可以基于图像数据分析待检测区域110中的灰度数据和梯度数据,进而基于灰度数据和梯度数据获取相应的特征分布直方图。
步骤306,依据预设检测规则,设定待测图像中的各待测目标物的定义。预设检测规则为各种检测场景对应的预设检测目标物的定义,如有些场景将印刷字符预设为检测目标物,而有些则除去印刷字符以外的划痕或污染物作为检测目标物。在本实施例中,图像待检测区域110的预设检测规则是将印刷字符作为预设检测目标物的定义。其中,待检测目标物112为印刷字符O。
步骤308,根据特征分布直方图与各待测目标物的定义,对图像数据进行分类,获取背景层数据及目标物层数据。实际处理时,通过分析特征分布直方图中的灰度变化及梯度变化,以及待测目标物的连同域的面积和周长,对图像数据进行分类,从而可以获取背景层数据以及目标物层数据。其中,背景层数据包括图像数据中的背景像素特征信息,目标物层数据包括图像数据中的目标物像素特征信息。在本实施例中,待测目标物112只有一个,即印刷字符O。
步骤310,遍历图像数据中待检测区域的数据,删除其中介于背景层数据与目标物层数据之间的干扰数据。实际处理时,主要删除待检测区域的数据中介于背景像素特征信息以及目标物像素特征信息之间的干扰数据。
步骤312,基于删除干扰数据后的图像数据,完成图像去燥处理。
图3所示为经过图像处理方法处理后的光学检测图像200。从图中可以看出,图像200中的干扰噪点已经被去除,而目标物212也清晰的呈现在图像200中。因此,本发明实施例提供的图像处理方法,通过获取待测图像中的特征分布直方图,并基于所述特征分布直方图对所述图像数据进行分类,进而基于所述分类对所述图像数据进行去燥处理,从而实现了对图像中干扰噪点的去除,提高了光学检测的准确度。
图4为本发明实施例提供的电子设备900的示意图。电子设备900采用本发明的图像处理方法。电子设备900包括处理器910及存储器20。其中,处理器910用于实现各程序。存储器920用于存储至少一个程序,所述至少一个程序被处理器910执行时,存储器920可实现本发明提供的图像处理方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
对待测图像进行光学检测,获取图像数据;
基于所述图像数据获取所述待测图像中待检测区域的特征分布直方图;
基于所述特征分布直方图对所述图像数据进行分类;
基于所述分类对所述图像数据进行去燥处理。
2.根据权利要求1所述图像处理方法,其特征在于,在所述步骤基于所述图像数据获取所述待测图像中待检测区域的特征分布直方图之后,所述图像处理方法包括:
依据预设检测规则,设定所述待测图像中的各待测目标物的定义。
3.根据权利要求2所述图像处理方法,其特征在于,所述步骤基于所述特征分布直方图对所述图像数据进行分类包括:
根据所述特征分布直方图与所述待测目标物的定义,对所述图像数据进行分类,获取背景层数据及目标物层数据。
4.根据权利要求3所述图像处理方法,其特征在于,所述步骤基于所述分类对所述图像数据进行去燥处理包括:
遍历所述图像数据中所述待检测区域的数据,删除其中介于所述背景层数据与所述目标物层数据之间的干扰数据;
基于删除干扰数据后的图像数据,完成图像去燥处理。
5.根据权利要求4所述图像处理方法,所述步骤基于所述图像数据获取所述待测图像中待检测区域的特征分布直方图包括:
基于所述图像数据分析所述待检测区域的灰度数据和梯度数据,并基于所述灰度数据和梯度数据获取所述特征分布直方图。
6.根据权利要求5所述图像处理方法,其特征在于,所述预设检测规则为:与各检测场景对应的预设有效检测目标物。
7.根据权利要求6所述图像处理方法,其特征在于,所述步骤根据所述特征分布直方图与所述待测目标物的定义,对所述图像数据进行分类,获取背景层数据及目标物层数据进一步包括:
根据特征分布直方图中的灰度变化及梯度变化,以及所述待测目标物的连通域面积和周长,对所述图像数据进行分类,获取所述背景层数据以及所述目标物层数据。
8.根据权利要求7所述图像处理方法,其特征在于,所述背景层数据包括所述图像数据中的背景像素特征信息,而所述目标物层数据包括所述目标物像素特征信息。
9.根据权利要求8所述图像处理方法,其特征在于,所述步骤遍历所述图像数据中所述待检测区域的数据,删除其中介于所述背景层数据与所述目标物层数据之间的干扰数据包括:
遍历所述图像数据中所述待检测区域的数据,删除所述待检测区域的数据中介于所述背景像素特征信息以及所述目标物像素特征信息之间的干扰数据。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一处理器,用于实现各程序;
至少一存储器,用于存储至少一个程序;
所述至少一个程序被所述至少一处理器执行时,所述电子设备实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911391991.XA CN111062893B (zh) | 2019-12-30 | 2019-12-30 | 一种图像处理方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911391991.XA CN111062893B (zh) | 2019-12-30 | 2019-12-30 | 一种图像处理方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111062893A true CN111062893A (zh) | 2020-04-24 |
CN111062893B CN111062893B (zh) | 2022-02-08 |
Family
ID=70303033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911391991.XA Active CN111062893B (zh) | 2019-12-30 | 2019-12-30 | 一种图像处理方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062893B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710425A (zh) * | 2009-12-25 | 2010-05-19 | 南京航空航天大学 | 基于图像灰度梯度和灰度统计直方图的自适应预分割方法 |
CN103593670A (zh) * | 2013-10-14 | 2014-02-19 | 浙江工业大学 | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 |
US20140105457A1 (en) * | 2011-07-05 | 2014-04-17 | Hexagon Technology Center Gmbh | Method for providing target point candidates for selecting a target point |
CN104637057A (zh) * | 2015-02-04 | 2015-05-20 | 昆明理工大学 | 一种基于遗传算法的灰度-梯度熵多阈值快速分割方法 |
CN108550131A (zh) * | 2018-04-12 | 2018-09-18 | 浙江理工大学 | 基于特征融合稀疏表示模型的sar图像车辆检测方法 |
CN108564124A (zh) * | 2018-04-13 | 2018-09-21 | 山东农业大学 | 一种基于支持向量机的稻瘟病菌孢子显微图像检测识别方法 |
-
2019
- 2019-12-30 CN CN201911391991.XA patent/CN111062893B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710425A (zh) * | 2009-12-25 | 2010-05-19 | 南京航空航天大学 | 基于图像灰度梯度和灰度统计直方图的自适应预分割方法 |
US20140105457A1 (en) * | 2011-07-05 | 2014-04-17 | Hexagon Technology Center Gmbh | Method for providing target point candidates for selecting a target point |
CN103593670A (zh) * | 2013-10-14 | 2014-02-19 | 浙江工业大学 | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 |
CN104637057A (zh) * | 2015-02-04 | 2015-05-20 | 昆明理工大学 | 一种基于遗传算法的灰度-梯度熵多阈值快速分割方法 |
CN108550131A (zh) * | 2018-04-12 | 2018-09-18 | 浙江理工大学 | 基于特征融合稀疏表示模型的sar图像车辆检测方法 |
CN108564124A (zh) * | 2018-04-13 | 2018-09-21 | 山东农业大学 | 一种基于支持向量机的稻瘟病菌孢子显微图像检测识别方法 |
Non-Patent Citations (5)
Title |
---|
WANGMENG ZUO ET AL.: "Gradient Histogram Estimation and Preservation for Texture Enhanced Image Denoising", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
刘俊 等: "一种基于梯度的直方图阈值图像分割改进方法", 《计算机与数字工程》 * |
吴一全 等: "平均灰度级-梯度二维直方图最大相关阈值分割", 《小型微型计算机系统》 * |
胡勇: "基于图像处理的试纸识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
胡金: "焊接机器人视觉伺服关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111062893B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
CN108896278B (zh) | 一种滤光片丝印缺陷检测方法、装置及终端设备 | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
JP6794737B2 (ja) | 情報処理装置、情報処理方法、プログラムおよび検査システム | |
JP6099479B2 (ja) | ひび割れ検出方法 | |
CN109671078B (zh) | 一种产品表面图像异常检测方法及装置 | |
JP5852919B2 (ja) | ひび割れ検出方法 | |
CN114332026A (zh) | 一种铭牌表面划痕缺陷的视觉检测方法及装置 | |
CN111126393A (zh) | 车辆外观改装判断方法、装置、计算机设备及存储介质 | |
JP2018128309A (ja) | ひび割れ検出方法 | |
CN107909554B (zh) | 图像降噪方法、装置、终端设备及介质 | |
KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
KR101677070B1 (ko) | 형태학적 영상 처리와 레이블링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
CN116402742A (zh) | 一种汽车钣金件表面缺陷的视觉检测方法及系统 | |
CN116188379A (zh) | 边缘缺陷检测方法、装置、电子设备及存储介质 | |
Tang et al. | Surface inspection system of steel strip based on machine vision | |
US20220126345A1 (en) | Stamping line defect quality monitoring systems and methods of monitoring stamping line defects | |
CN111062893B (zh) | 一种图像处理方法及电子设备 | |
CN111583225A (zh) | 缺陷检测方法、装置及存储介质 | |
Chen et al. | An effective image segmentation method for noisy low-contrast unbalanced background in Mura defects using balanced discrete-cosine-transfer (BDCT) | |
JP7008408B2 (ja) | ひび割れ検出方法 | |
Prabha et al. | Defect detection of industrial products using image segmentation and saliency | |
CN115690089A (zh) | 一种微弱缺陷检测用的图像增强前处理方法及系统 | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
JP2013200238A (ja) | 画像検査方法および画像検査装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |