CN111429396B - 一种图像检测方法及装置 - Google Patents

一种图像检测方法及装置 Download PDF

Info

Publication number
CN111429396B
CN111429396B CN201910018374.9A CN201910018374A CN111429396B CN 111429396 B CN111429396 B CN 111429396B CN 201910018374 A CN201910018374 A CN 201910018374A CN 111429396 B CN111429396 B CN 111429396B
Authority
CN
China
Prior art keywords
gradient
pixel point
pixel points
preset
image
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.)
Active
Application number
CN201910018374.9A
Other languages
English (en)
Other versions
CN111429396A (zh
Inventor
黄永祯
于仕琪
徐栋
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.)
Zhongke Shuidi Technology Shenzhen Co ltd
Watrix Technology Beijing Co ltd
Original Assignee
Zhongke Shuidi Technology Shenzhen Co ltd
Watrix Technology Beijing 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 Zhongke Shuidi Technology Shenzhen Co ltd, Watrix Technology Beijing Co ltd filed Critical Zhongke Shuidi Technology Shenzhen Co ltd
Priority to CN201910018374.9A priority Critical patent/CN111429396B/zh
Publication of CN111429396A publication Critical patent/CN111429396A/zh
Application granted granted Critical
Publication of CN111429396B publication Critical patent/CN111429396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种图像检测方法及装置，其中，该方法包括：获取待检测图像；根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心；根据所述目标圆心，在所述待检测图像中定位与所述圆状对象匹配的圆弧区域。本申请实施例能够通过候选圆心对应的像素点的梯度值之和以及待定位圆状对象的周长，直接定位出满足半径条件的圆弧区域，提高圆定位算法的效率和精度。

Description

一种图像检测方法及装置
技术领域
本申请涉及图像处理技术领域，具体而言，涉及一种图像检测方法及装置。
背景技术
在进行元器件检测时，例如检测元器件的尺寸是否符合要求，或检测元器件内部的孔状区域是否符合要求时，一般会用到圆定位算法。在进行元器件筛选或分拣时，也会用到圆定位算法。
目前，在待检测图像中定位预设半径的圆状对象的方法中，都是先检测出待检测图像中的所有圆，然后在得到的圆中筛选出满足预设半径条件的圆状对象，存在检测速度慢的问题；且当出现多个结果时，无法选取出最优的结果，同时，当预设半径的圆状对象包括不同弧长的圆弧区域时，不能准确检测出满足预设半径条件的所有圆弧，存在检测精度低的问题。
发明内容
有鉴于此，本申请实施例的目的在于提供一种图像检测方法及装置，能够通过候选圆心对应的像素点的梯度值之和以及待定位圆状对象的周长，直接定位出满足半径条件的圆弧区域，提高圆定位算法的效率和精度。
第一方面，本申请实施例提供了一种图像检测方法，包括：
获取待检测图像；
根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；
根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；
根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心；
根据所述目标圆心，在所述待检测图像中定位与所述圆状对象匹配的圆弧区域。
结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值，包括：
根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点分别对应的原始梯度值；
在对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整后，得到各个像素点分别对应的梯度值。
结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整，包括：
针对所述原始梯度值小于所述预设梯度范围的最小值的第一类像素点，将各个所述第一类像素点分别对应的原始梯度值调整为所述预设梯度范围的最小值；
针对所述原始梯度值大于所述预设梯度范围的最大值的第二类像素点，将各个所述第二类像素点分别对应的原始梯度值调整为所述预设梯度范围的最大值。
结合第一方面，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心，包括：
针对各个像素点中第i个像素点，i为正整数，以所述第i个像素点为中心，在所述第i个像素点的梯度方向上确定至少一个与所述第i个像素点之间的距离等于所述预设半径的点，确定为所述第i个像素点对应的候选圆心。
结合第一方面，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心，包括：
确定各个所述候选圆心分别对应的像素点的梯度值之和与所述待定位的圆状对象的周长的比值；
将所述比值大于预设阈值的候选圆心确定为所述目标圆心。
第二方面，本申请实施例提供了一种图像检测装置，包括：
图像获取模块，用于获取待检测图像；
梯度获取模块，用于根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；
候选圆心获取模块，用于根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；
目标圆心确定模块，用于根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心；
圆弧区域定位模块，用于根据所述目标圆心，在所述待检测图像中定位与所述圆状对象匹配的圆弧区域。
结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中，所述梯度获取模块，具体用于根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点分别对应的原始梯度值；
在对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整后，得到各个像素点分别对应的梯度值。
结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面的第二种可能的实施方式，其中，所述梯度获取模块，具体用于通过下述方式对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整：
针对所述原始梯度值小于所述预设梯度范围的最小值的第一类像素点，将各个所述第一类像素点分别对应的原始梯度值调整为所述预设梯度范围的最小值；
针对所述原始梯度值大于所述预设梯度范围的最大值的第二类像素点，将各个所述第二类像素点分别对应的原始梯度值调整为所述预设梯度范围的最大值。
结合第二方面，本申请实施例提供了第二方面的第三种可能的实施方式，其中，所述候选圆心获取模块，具体用于针对各个像素点中第i个像素点，i为正整数，以所述第i个像素点为中心，在所述第i个像素点的梯度方向上确定至少一个与所述第i个像素点之间的距离等于所述预设半径的点，确定为所述第i个像素点对应的候选圆心。
结合第二方面，本申请实施例提供了第二方面的第四种可能的实施方式，其中，所述目标圆心确定模块，具体用于确定各个所述候选圆心分别对应的像素点的梯度值之和与所述待定位的圆状对象的周长的比值；
将所述比值大于预设阈值的候选圆心确定为所述目标圆心。
第三方面，本申请实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的第一种可能的实施方式至第四种可能的实施方式中任一种可能的实施方式中的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面的第一种可能的实施方式至第四种可能的实施方式中任一种可能的实施方式中的步骤。
本申请实施例提供的图像检测方法及装置，在定位待检测图像中的圆弧区域时，首先根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；然后根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心；最后根据所述目标圆心，在所述待检测图像中定位与所述圆状对象匹配的圆弧区域。由此可见，本申请实施例能够通过候选圆心对应的像素点的梯度值之和以及待定位圆状对象的周长，直接定位出满足半径条件的圆弧区域，提高圆定位算法的效率和精度。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例所提供的一种图像检测方法的流程图；
图2示出了本申请实施例所提供的一种图像检测装置的结构示意图；
图3示出了本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
目前，在待检测图像中定位预设半径的圆状对象的方法中，都是先检测出待检测图像中的所有圆，然后在得到的圆中筛选出满足预设半径条件的圆状对象，存在检测速度慢的问题；且当出现多个结果时，无法选取出最优的结果，同时，当预设半径的圆状对象包括不同弧长的圆弧区域时，不能准确检测出满足预设半径条件的所有圆弧，存在检测精度低的问题。基于此，本申请提供的一种图像检测方法及装置，能够通过候选圆心对应的像素点的梯度值之和以及待定位圆状对象的周长，直接定位出满足半径条件的圆弧区域，提高圆定位算法的效率和精度。
本申请可以应用于任何一个在图像中检测圆形区域的应用环境。例如在工件检测领域，在对工件中的圆弧区域或者圆孔区域进行精度检测时，例如会对圆弧或圆孔做瑕疵分析、尺寸是否合格、是否有毛刺、位置是否有偏差等等，都可以使用本申请提供的图像检测方法在待检测图像中定位出需要检测的圆弧或圆孔；再例如在物体分拣领域，例如将不同大小的硬币进行分类分拣时，也可以使用本申请提供的图像检测方法在待检测图像中定位出需要分拣的某类大小的硬币。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种图像检测方法进行详细介绍。
参见图1所示，本申请实施例所提供的图像检测方法包括S101～S105：
S101：获取待检测图像。
待检测图像中包括待定位的圆状对象，圆状对象可以根据具体的应用场景不同而不同，例如可以是圆孔、圆弧、圆形物体等。
S102：根据待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值。
具体实现的时候，针对各个像素点中第ij个像素点，i、j为正整数，i表示第i行，j表示第j列，第ij个像素点的水平方向的水平梯度可以通过下述公式(1)计算得到：
公式(1)：GHij＝Vi,j+1-Vi,j-1
其中，GHij为第ij个像素点水平方向的水平梯度值，Vi,j+1为第ij个像素点右边的像素点的像素值，Vi,j-1为第ij个像素点左边的像素点的像素值。
第ij个像素点的垂直方向的垂直梯度可以通过下述公式(2)计算得到：
公式(2)：GVij＝Vi+1,j-Vi-1,j
其中，GVij为第ij个像素点垂直方向的垂直梯度值，Vi+1,j为第ij个像素点下方的像素点的像素值，Vi-1,j为第ij个像素点上方的像素点的像素值。
第ij个像素点的梯度值通过下述公式(3)计算得到：
公式(2)：
其中，Gij为第ij个像素点的梯度值。
第ij个像素点的梯度方向根据水平梯度和垂直梯度，以及向量合成方法确定。
在一种可能的场景下，图像中可能存在噪声，有些噪声的梯度值过大或过小，为了防止梯度值过大或过小的噪声对后续处理过程产生较大的误差影响，可选地，本申请实施例将上述过程得到的各个像素点的梯度值作为原始梯度值，然后对各个像素点的原始梯度值做梯度值调整处理，将各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值调整到预设梯度范围内，预设梯度范围可以根据具体情况设定，例如可以设置为[-127，127]，从而得到各个像素点分别对应的梯度值。
具体的，本申请实施例可以通过下述方式对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整：
针对原始梯度值小于预设梯度范围的最小值的第一类像素点，将各个第一类像素点分别对应的原始梯度值调整为预设梯度范围的最小值；
针对原始梯度值大于预设梯度范围的最大值的第二类像素点，将各个第二类像素点分别对应的原始梯度值调整为预设梯度范围的最大值。
可以理解，上述调整方式只是一种可能的调整方式，本领域技术人员也可以根据具体情况采用不同的调整方式，都在本申请的保护范围内。
通过上述过程得到各个像素点的梯度方向和梯度值之后，本申请实施例提供的图像检测方法执行下述步骤S103：
S103：根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心。
由于圆周上各像素点的切线的法线都经过圆心，理论上像素点的梯度方向在法线上，因此，圆周上各像素点的梯度方向所在的直线交于圆心。
具体实现的时候，针对各个像素点中第i个像素点，i为正整数，以第i个像素点为中心，在第i个像素点的梯度方向上确定至少一个与第i个像素点之间的距离等于预设半径的点，确定为第i个像素点对应的候选圆心。
S104：根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心。
当使用本申请实施例提供的图像检测方法检测圆状对象时，可能每次要检测的圆状对象的半径不同，为了能够在每次使用过程中筛选目标圆心的时候，可以使用一个统一的阈值来筛选目标圆心，使得使用过程更加方便。如果使用现有技术中的投票的方式筛选目标圆心，投票的结果即为目标圆心对应的像素点个数，而不同半径的圆的像素点个数可能相差很大，因此针对不同半径的圆状对象的检测过程，每次使用时都需要重新设置投票阈值，使用过程很不方便。
而对于图像分辨率一定的情况下，半径越大的圆对应的周长越大、像素点个数越多，理论上，圆周上每个像素点的梯度值基本一样，圆心对应的所有像素点的梯度之和与像素点的个数成比例，像素点的个数又与周长呈一定比例，因此梯度之和与周长呈一定比例。为了能够在每次使用过程中筛选目标圆心的时候，可以使用一个统一的阈值来筛选目标圆心，本申请实施例采用下述方式筛选目标圆心：
确定各个候选圆心分别对应的像素点的梯度值之和与待定位的圆状对象的周长的比值；
将比值大于预设阈值的候选圆心确定为目标圆心。
这样根据像素点的梯度值之和与待定位的圆状对象的周长的比值，可以设置统一的预设阈值，例如当用于检测固定周长为10的整圆时，目标圆心对应的所有像素点的梯度之和为100，那么梯度之和与周长的比值为10，此时可以将预设阈值设置成9，当候选圆心对应的梯度之和与周长之比大于9时，则该候选圆心为目标圆心；当用于检测固定周长为20的整圆时，目标圆心对应的所有像素点的梯度之和为200，那么梯度之和与周长的比值还为10，此时还可以用9作为预设阈值。可见，本申请提供的图像检测方法在用于检测不同半径的圆状对象时，可以采用一个统一的阈值来确定目标圆心，使用比较方便。
需要注意的是，上述描述过程中的预设阈值是针对整圆来设置的，在另外的可能的场景下，在待检测图像中，既有与预设半径对应的整圆，还有可能有与预设半径对应的部分圆弧。此时，为了能够既检测出整圆，又检测出部分圆弧，提高检测精度，在设置预设阈值的时候，可以根据统计学的规律来设定预设阈值。例如如果部分圆弧为四分之一圆，则该四分之一圆弧的圆心对应的所有像素点的梯度之和为整圆的四分之一，因此对于需要检测四分之一圆弧的情况，可以将用于检测整圆的预设阈值的四分之一作为用于检测四分之一圆弧的预设阈值。通过按统计学的规律调整预设阈值的方式，可以在待检测图像中既检测出与预设半径对应的整圆，还能检测出与预设半径对应的部分圆弧，提高检测精度。
可以理解，因为周长与半径和直径呈比例关系，还可以根据梯度之和与半径的比值或梯度之和与直径的比值设置预设阈值，都在本申请的保护范围内。
通过上述过程得到目标圆心之后，本申请实施例提供的图像检测方法执行下述步骤S105：
S105：根据目标圆心，在待检测图像中定位与圆状对象匹配的圆弧区域。
此处，圆弧区域可以为整圆，也可以为部分圆弧。
可选地，本申请实施例可以通过下述两种方式的任意一种方式在待检测图像中定位与圆状对象匹配的圆弧区域：
方式一：
根据目标圆心，在待检测图像中定位出与目标圆心对应的所有像素点，作为与圆状对象匹配的圆弧区域。
方式二：
根据目标圆心，在待检测图像中使用以目标圆心为原点、预设半径为半径的圆，将与圆状对象匹配的圆弧区域标注出来。
本申请实施例提供的图像检测方法，在定位待检测图像中的圆弧区域时，首先根据待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；然后根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心；最后根据目标圆心，在待检测图像中定位与圆状对象匹配的圆弧区域。由此可见，本申请实施例能够通过候选圆心对应的像素点的梯度值之和以及待定位圆状对象的周长，直接定位出满足半径条件的圆弧区域，提高圆定位算法的效率和精度。
基于同一发明构思，本申请实施例中还提供了与图像检测方法对应的图像检测装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述图像检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参见图2所示，本申请实施例所提供的图像检测装置，包括：
图像获取模块21，用于获取待检测图像；
梯度获取模块22，用于根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；
候选圆心获取模块23，用于根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；
目标圆心确定模块24，用于根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心；
圆弧区域定位模块25，用于根据所述目标圆心，在所述待检测图像中定位与所述圆状对象匹配的圆弧区域。
可选地，所述梯度获取模块22，具体用于根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点分别对应的原始梯度值；
在对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整后，得到各个像素点分别对应的梯度值。
可选地，所述梯度获取模块22，具体用于通过下述方式对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整：
针对所述原始梯度值小于所述预设梯度范围的最小值的第一类像素点，将各个所述第一类像素点分别对应的原始梯度值调整为所述预设梯度范围的最小值；
针对所述原始梯度值大于所述预设梯度范围的最大值的第二类像素点，将各个所述第二类像素点分别对应的原始梯度值调整为所述预设梯度范围的最大值。
可选地，所述候选圆心获取模块23，具体用于针对各个像素点中第i个像素点，i为正整数，以所述第i个像素点为中心，在所述第i个像素点的梯度方向上确定至少一个与所述第i个像素点之间的距离等于所述预设半径的点，确定为所述第i个像素点对应的候选圆心。
可选地，所述目标圆心确定模块24，具体用于确定各个所述候选圆心分别对应的像素点的梯度值之和与所述待定位的圆状对象的周长的比值；
将所述比值大于预设阈值的候选圆心确定为所述目标圆心。
本申请实施例提供的图像检测装置，在定位待检测图像中的圆弧区域时，首先根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；然后根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；根据各个候选圆心分别对应的像素点的梯度值之和，以及待定位的圆状对象的周长，从各个候选圆心中筛选出目标圆心；最后根据所述目标圆心，在所述待检测图像中定位与所述圆状对象匹配的圆弧区域。由此可见，本申请实施例能够通过候选圆心对应的像素点的梯度值之和以及待定位圆状对象的周长，直接定位出满足半径条件的圆弧区域，提高圆定位算法的效率和精度。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述图像检测方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述图像检测方法，从而能够通过候选圆心对应的像素点的梯度值之和以及待定位圆状对象的周长，直接定位出满足半径条件的圆弧区域，提高圆定位算法的效率和精度。
对应于本申请实施例提供的图像检测方法，本申请实施例还提供了一种计算机设备，如图3所示，该设备包括存储器1000、处理器2000及存储在该存储器1000上并可在该处理器2000上运行的计算机程序，其中，上述处理器2000执行上述计算机程序时实现上述图像检测方法的步骤。
具体地，上述存储器1000和处理器2000能够为通用的存储器和处理器，这里不做具体限定，当处理器2000运行存储器1000存储的计算机程序时，能够执行上述图像检测方法，从而能够通过候选圆心对应的像素点的梯度值之和以及待定位圆状对象的周长，直接定位出满足半径条件的圆弧区域，提高圆定位算法的效率和精度。
本申请实施例所提供的图像检测方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种图像检测方法，其特征在于，包括：
获取待检测图像；
根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；
根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；
确定各个所述候选圆心分别对应的像素点的梯度值之和与所述待定位的圆状对象的周长的比值；其中，所述待定位的圆状对象的周长为圆周或者圆弧的周长；
将所述比值大于预设阈值的候选圆心确定为目标圆心；
根据所述目标圆心，在所述待检测图像中定位与所述圆状对象匹配的圆弧区域。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值，包括：
根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点分别对应的原始梯度值；
在对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整后，得到各个像素点分别对应的梯度值。
3.根据权利要求2所述的方法，其特征在于，所述对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整，包括：
针对所述原始梯度值小于所述预设梯度范围的最小值的第一类像素点，将各个所述第一类像素点分别对应的原始梯度值调整为所述预设梯度范围的最小值；
针对所述原始梯度值大于所述预设梯度范围的最大值的第二类像素点，将各个所述第二类像素点分别对应的原始梯度值调整为所述预设梯度范围的最大值。
4.根据权利要求1所述的方法，其特征在于，所述根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心，包括：
针对各个像素点中第i个像素点，i为正整数，以所述第i个像素点为中心，在所述第i个像素点的梯度方向上确定至少一个与所述第i个像素点之间的距离等于所述预设半径的点，确定为所述第i个像素点对应的候选圆心。
5.一种图像检测装置，其特征在于，包括：
图像获取模块，用于获取待检测图像；
梯度获取模块，用于根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点的梯度方向和梯度值；
候选圆心获取模块，用于根据各个像素点的梯度方向和待定位的圆状对象的预设半径，确定各个像素点分别对应的候选圆心；
目标圆心确定模块，用于确定各个所述候选圆心分别对应的像素点的梯度值之和与所述待定位的圆状对象的周长的比值；其中，所述待定位的圆状对象的周长为圆周或者圆弧的周长；将所述比值大于预设阈值的候选圆心确定为所述目标圆心圆弧区域定位模块，用于根据所述目标圆心，在所述待检测图像中定位与所述圆状对象匹配的圆弧区域。
6.根据权利要求5所述的装置，其特征在于，所述梯度获取模块，具体用于根据所述待检测图像中各个像素点的水平方向的水平梯度和垂直方向的垂直梯度，确定各个像素点分别对应的原始梯度值；
在对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整后，得到各个像素点分别对应的梯度值。
7.根据权利要求6所述的装置，其特征在于，所述梯度获取模块，具体用于通过下述方式对各个像素点中原始梯度值不在预设梯度范围内的像素点的原始梯度值进行调整：
针对所述原始梯度值小于所述预设梯度范围的最小值的第一类像素点，将各个所述第一类像素点分别对应的原始梯度值调整为所述预设梯度范围的最小值；
针对所述原始梯度值大于所述预设梯度范围的最大值的第二类像素点，将各个所述第二类像素点分别对应的原始梯度值调整为所述预设梯度范围的最大值。
8.根据权利要求5所述的装置，其特征在于，所述候选圆心获取模块，具体用于针对各个像素点中第i个像素点，i为正整数，以所述第i个像素点为中心，在所述第i个像素点的梯度方向上确定至少一个与所述第i个像素点之间的距离等于所述预设半径的点，确定为所述第i个像素点对应的候选圆心。
CN201910018374.9A 2019-01-09 2019-01-09 一种图像检测方法及装置 Active CN111429396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910018374.9A CN111429396B (zh) 2019-01-09 2019-01-09 一种图像检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910018374.9A CN111429396B (zh) 2019-01-09 2019-01-09 一种图像检测方法及装置

Publications (2)

Publication Number Publication Date
CN111429396A CN111429396A (zh) 2020-07-17
CN111429396B true CN111429396B (zh) 2023-08-22

Family

ID=71546598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910018374.9A Active CN111429396B (zh) 2019-01-09 2019-01-09 一种图像检测方法及装置

Country Status (1)

Country Link
CN (1) CN111429396B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112802018B (zh) * 2021-03-31 2021-08-06 深圳棱镜空间智能科技有限公司 分段圆形工件的完整性检测方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240252A (zh) * 2014-09-22 2014-12-24 电子科技大学 一种机器视觉棒材高温钢坯表面裂纹检测算法
EP2911093A2 (en) * 2014-02-22 2015-08-26 Xiaomi Inc. Method and device for detecting straight line
CN105891233A (zh) * 2016-05-26 2016-08-24 福州大学 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法
CN106530347A (zh) * 2016-09-28 2017-03-22 吴晓军 一种稳定的高性能圆特征检测方法
CN107516325A (zh) * 2017-08-22 2017-12-26 上海理工大学 基于亚像素边缘的圆心检测方法
CN107748882A (zh) * 2017-11-23 2018-03-02 海信集团有限公司 一种车道线检测方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2911093A2 (en) * 2014-02-22 2015-08-26 Xiaomi Inc. Method and device for detecting straight line
CN104240252A (zh) * 2014-09-22 2014-12-24 电子科技大学 一种机器视觉棒材高温钢坯表面裂纹检测算法
CN105891233A (zh) * 2016-05-26 2016-08-24 福州大学 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法
CN106530347A (zh) * 2016-09-28 2017-03-22 吴晓军 一种稳定的高性能圆特征检测方法
CN107516325A (zh) * 2017-08-22 2017-12-26 上海理工大学 基于亚像素边缘的圆心检测方法
CN107748882A (zh) * 2017-11-23 2018-03-02 海信集团有限公司 一种车道线检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡竞 ; 庞全 ; .一种强粘连细胞图像的分割方法与实现研究.机械制造.(第04期),全文. *

Also Published As

Publication number Publication date
CN111429396A (zh) 2020-07-17

Similar Documents

Publication Publication Date Title
US11854173B2 (en) System and method for finding lines in an image with a vision system
CN112288723B (zh) 缺陷检测方法、装置、计算机设备及存储介质
CN109086734B (zh) 一种对人眼图像中瞳孔图像进行定位的方法及装置
CN103617625B (zh) 一种图像匹配方法及图像匹配装置
CN106530194B (zh) 一种疑似侵权产品图片的检测方法及装置
US9092697B2 (en) Image recognition system and method for identifying similarities in different images
EP3182067A1 (en) Method and apparatus for determining spacecraft attitude by tracking stars
US9111165B2 (en) Method and system for filtering detection patterns in a QR code
EP3384430B1 (en) Method for identification of characteristic points of a calibration pattern within a set of candidate points in an image of the calibration pattern
US10275682B2 (en) Information processing apparatus, information processing method, and storage medium
CN110443159A (zh) 数字识别方法、装置、电子设备及存储介质
CN107645510B (zh) 一种地区安全防范能力的计算方法、设备和可读存储介质
JP2011257963A (ja) 画像処理装置、その処理方法及びプログラム
KR20160115853A (ko) 이미지 내 타원형 구조들을 감지하기 위한 방법 및 장치
CN111429396B (zh) 一种图像检测方法及装置
CN113111513A (zh) 传感器配置方案确定方法、装置、计算机设备及存储介质
CN111192324A (zh) 线段交点位置的确定方法、装置及可读存储介质
CN104881670B (zh) 一种用于sar方位角估计的快速目标提取方法
JP2011100222A (ja) 画像処理装置および画像処理方法
CN115661131B (zh) 一种图像识别方法、装置、电子设备及存储介质
CN103927765A (zh) 用于定位图像中条码区域的方法和装置
CN111753719A (zh) 一种指纹识别方法及装置
CN107480710B (zh) 特征点匹配结果处理方法和装置
CN109325945B (zh) 图像处理方法、装置、电子设备及储存介质
CN111429399B (zh) 一种直线检测方法及装置

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