CN111507974B - 缺陷检测方法、装置、缺陷检测设备及计算机存储介质 - Google Patents

缺陷检测方法、装置、缺陷检测设备及计算机存储介质 Download PDF

Info

Publication number
CN111507974B
CN111507974B CN202010324609.XA CN202010324609A CN111507974B CN 111507974 B CN111507974 B CN 111507974B CN 202010324609 A CN202010324609 A CN 202010324609A CN 111507974 B CN111507974 B CN 111507974B
Authority
CN
China
Prior art keywords
image
frequency
defect
low
defect detection
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
CN202010324609.XA
Other languages
English (en)
Other versions
CN111507974A (zh
Inventor
朱姗姗
彭奕文
王佳
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.)
Guangzhou Roushi Intelligent Technology Co ltd
Original Assignee
Guangzhou Roushi Intelligent 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 Guangzhou Roushi Intelligent Technology Co ltd filed Critical Guangzhou Roushi Intelligent Technology Co ltd
Priority to CN202010324609.XA priority Critical patent/CN111507974B/zh
Publication of CN111507974A publication Critical patent/CN111507974A/zh
Application granted granted Critical
Publication of CN111507974B publication Critical patent/CN111507974B/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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

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 Processing (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种缺陷检测方法、装置、缺陷检测设备及计算机存储介质，所述缺陷检测方法包括：输入图像，并对所述图像进行多次小波变换；分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；对所述目标图像集进行后处理，以获取缺陷重构图，对各低频图像进行基于曲面拟合的缺陷检测，并利用相应高频图像进行缺陷重构，实现对形态各异，位置随机的缺陷进行有效检测，通过先采用小波变换的多尺度分析，实现对大小不同的缺陷进行有效检测，提高了缺陷检测的精准度与准确性。

Description

缺陷检测方法、装置、缺陷检测设备及计算机存储介质
技术领域
本发明涉及缺陷检测领域，尤其涉及一种缺陷检测方法、装置、缺陷检测设备及计算机存储介质。
背景技术
缺陷成像系统主要包括：相机，镜头和光源。系统根据客户的具体需求，选用合适的相机，镜头和光源对缺陷进行成像。而缺陷自动检测部分，是整个视觉检测系统的大脑，其中利用图像处理技术对缺陷进行自动检测，是整个系统的核心，目前尽管各种检测算法不断出现，但在实际应用中仍然与满足实际应用的需求尚有一定差距，通常由于缺陷形态各异、大小不一等造成检测结果不准确，存在误差的后果。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种缺陷检测方法、装置、缺陷检测设备及计算机存储介质，旨在解决目前缺陷检测中对产品缺陷检测不精确，检测结果不准确的技术问题。
为实现上述目的，本发明提供一种缺陷检测方法，所述缺陷检测方法包括以下步骤：
输入图像，并对所述图像进行多次小波变换；
分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；
对所述目标图像集进行后处理，以获取缺陷重构图。
优选地，对所述低频图像进行曲面拟合的缺陷检测，以获取缺陷图像；
基于所述低频图像对应的三个方向的高频图像，对所述缺陷图像进行重构，以获取缺陷重构图。
优选地，对所述低频图像进行预处理，以获取所述低频图像对应的待检测区域；
对所述待检测区域进行扩展，以获取扩展区域；
对所述待检测区域与所述扩展区域进行曲面拟合，以获取缺陷图像。
优选地，对所述待检测区域进行曲面拟合，以获取第一拟合结果；
对所述扩展区域进行曲面拟合，以获取第二拟合结果；
基于所述第一拟合结果与所述第二拟合结果，获取缺陷图像。
优选地，对所述低频图像进行灰度化处理，以获取第一灰度图像；
对所述第一灰度图像进行低通滤波处理，以获取第二灰度图像；
获取所述第二灰度图像的灰度分布3D图；
基于所述灰度分布3D图，获取所述低频图像对应的缺陷区域。
优选地，获取所述低频图像对应的三个方向的高频图像的高频系数；
基于所述高频系数对所述缺陷图像进行小波逆变换，以获取缺陷重构图。
优选地，获取多次小波变换对应的缺陷重构图集；
分别对所述缺陷重构图集中每一张缺陷重构图进行像素选择，以获取像素点灰度值集；
获取所述像素点灰度值集中像素点灰度值最大的目标像素点灰度值，并将所述目标像素点灰度值作为缺陷输出值。
此外，为实现上述目的，本发明还提供一种缺陷检测装置，所述缺陷检测装置包括：
输入模块：输入图像，并对所述图像进行多次小波变换；
获取模块：分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；
处理模块：对所述目标图像集进行后处理，以获取缺陷重构图。
此外，为实现上述目的，本发明还提供一种缺陷检测设备，所述缺陷检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的缺陷检测程序，所述缺陷检测程序被所述处理器执行时实现以上所述的缺陷检测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机存储介质，所述计算机存储介质上存储有缺陷检测程序，所述缺陷检测程序被处理器执行时实现以上所述的缺陷检测方法的步骤。
本发明提出的缺陷检测方法，通过输入图像，并对图像进行多次小波变换，分别获取多次小波变换中每次小波变换对应的目标图像集，其中，目标图像集包括低频图像与低频图像对应的三个方向的高频图像，最后对目标图像集进行后处理，以获取缺陷重构图，具体地，对低频图像进行曲面拟合的缺陷检测，以获取缺陷图像，然后基于低频图像对应的三个方向的高频图像，对缺陷图像进行重构，以获取缺陷重构图，对各低频图像进行基于曲面拟合的缺陷检测，并利用相应高频图像进行缺陷重构，实现对形态各异，位置随机的缺陷进行有效检测，通过先采用小波变换的多尺度分析，实现对大小不同的缺陷进行有效检测，提高了缺陷检测的精准度与准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的缺陷检测设备结构示意图；
图2为本发明缺陷检测方法第一实施例的流程示意图；
图3为本发明缺陷检测方法一实施例中一场景示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的缺陷检测设备结构示意图。
如图1所示，该缺陷检测设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，缺陷检测设备还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向；当然，移动缺陷检测设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的缺陷检测设备结构并不构成对缺陷检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及缺陷检测程序。
在图1所示的缺陷检测设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的缺陷检测程序。
在本实施例中，缺陷检测装置包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的缺陷检测程序，其中，处理器1001调用存储器1005中存储的缺陷检测程序时，并执行以下操作：
输入图像，并对所述图像进行多次小波变换；
分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；
对所述目标图像集进行后处理，以获取缺陷重构图。
进一步地，处理器1001可以调用存储器1005中存储的缺陷检测程序，还执行以下操作：
对所述低频图像进行曲面拟合的缺陷检测，以获取缺陷图像；
基于所述低频图像对应的三个方向的高频图像，对所述缺陷图像进行重构，以获取缺陷重构图。
进一步地，处理器1001可以调用存储器1005中存储的缺陷检测程序，还执行以下操作：
对所述低频图像进行预处理，以获取所述低频图像对应的待检测区域；
对所述待检测区域进行扩展，以获取扩展区域；
对所述待检测区域与所述扩展区域进行曲面拟合，以获取缺陷图像。
进一步地，处理器1001可以调用存储器1005中存储的缺陷检测程序，还执行以下操作：
对所述待检测区域进行曲面拟合，以获取第一拟合结果；
对所述扩展区域进行曲面拟合，以获取第二拟合结果；
基于所述第一拟合结果与所述第二拟合结果，获取缺陷图像。
进一步地，处理器1001可以调用存储器1005中存储的缺陷检测程序，还执行以下操作：
对所述低频图像进行灰度化处理，以获取第一灰度图像；
对所述第一灰度图像进行低通滤波处理，以获取第二灰度图像；
获取所述第二灰度图像的灰度分布3D图；
基于所述灰度分布3D图，获取所述低频图像对应的待检测区域。
进一步地，处理器1001可以调用存储器1005中存储的缺陷检测程序，还执行以下操作：
获取所述低频图像对应的三个方向的高频图像的高频系数；
基于所述高频系数对所述缺陷图像进行小波逆变换，以获取缺陷重构图。
进一步地，处理器1001可以调用存储器1005中存储的缺陷检测程序，还执行以下操作：
获取多次小波变换对应的缺陷重构图集；
分别对所述缺陷重构图集中每一张缺陷重构图进行像素选择，以获取像素点灰度值集；
获取所述像素点灰度值集中像素点灰度值最大的目标像素点灰度值，并将所述目标像素点灰度值作为缺陷输出值。
本发明还提供一种缺陷检测方法，参照图2，图2为本发明缺陷检测方法第一实施例的流程示意图。
步骤S10，输入图像，并对所述图像进行多次小波变换；
在本实施例中，在对产品进行缺陷检测时，缺陷检测系统主要分为两大部分，缺陷成像子系统与缺陷检测子系统，其中，缺陷成像子系统主要包括相机及光源，即在产品在缺陷检测系统的运输过程中，运输平台上方的相机以及光源，其中，可选地，为了获取更加全面精准的产品图像，光源可程对对称结构，产品在缺陷检测系统的运输过程中，基于光源以及相机采集产品图像，接着再将图像作为输入值输入至缺陷检测子系统中，在缺陷检测子系统中输入图像之后，基于缺陷检测子系统的预先设置的缺陷检测算法对输入的图像进行处理，具体地，对输入的图像进行多次小波变换，其中，小波变换的次数为预先设置好的次数，且次数可灵活设置，可选地，对输入的图像进行哈尔小波变换，具体地，先设置小波变换的次数，接着获取输入的图像，之后根据预设的小波基函数对输入的图像进行二维离散小波分解，即可获取图像的多尺度方向上对应的小波能量，即水平方向、垂直方向以及对角方向对应的小波能量。
步骤S20，分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；
在本实施例中，分别获取多次小波变换中每次小波变换对应的目标图像集，具体地，对输入图像进行Haar小波变换，假设小波变换的次数为k，则可以得图像集{LLi，LHi，HLi，HHi}，其中i＝1，2，3，...，k。其中，LLi为第i次小波变换得到的低频图像，LHi为第i次小波变换得到的水平方向的高频图像，HLi为第i次小波变换得到的垂直方向的高频图像，HHi为第i次小波变换得到的对角方向的高频图像。
具体地，在对输入图像进行小波变换时，通过小波变换可以把图像分解为小波系数，即分解为1个低频子带系数，3个高频子带系数，进一步地，再通过小波逆变换，基于1个低频子带系数和3个高频子带系数，可重构1个对应的低频图像。
需要说明的是，在每一次对输入的图像进行小波变换之后，可获取1个低频子带系数与该低频子带系数映射的3个高频子带系数，本实施例中，采用DWT(离散小波逆变换)对1个低频子带系数与该低频子带系数映射的3个高频子带系数进行融合以重构1个对应的低频图像，可选地，还采用NSCT(域内结合边缘特征和自适应逆变换)进行重构，进一步地，在通过小波变换可以把图像分解为小波系数，即分解为1个低频子带系数，3个高频子带系数之后，还可先对小波系数进行去噪后，再通过逆变换进行重构，具体地，在获取1个低频子带系数与该低频子带系数映射的3个高频子带系数之后，采用双边滤波方法对低频子带系数进行噪声抑制处理，并采用阈值方法对高频子带系数进行噪声抑制处理之后，再通过逆变换进行重构，以获取去噪之后的重构图像。
步骤S30，对所述目标图像集进行后处理，以获取缺陷重构图。
在本实施例中，在获取目标图像之后，对目标图像进行后处理，以获取缺陷重构图。可选地，基于缺陷重构模型获取缺陷重构图，还可对目标图像，进行小波逆变换，以获取目标图像对应的缺陷重构图，在本实施例中，采用曲面拟合对目标图像进行后处理，以获取缺陷重构图。
具体地，步骤S30包括，
步骤S31，对所述低频图像进行曲面拟合的缺陷检测，以获取缺陷图像；
步骤S32，基于所述低频图像对应的三个方向的高频图像，对所述缺陷图像进行重构，以获取缺陷重构图。
该步骤中，可以理解地，在本实施例中，采用的是曲面拟合的缺陷检测，以获取缺陷重构图，具体地，先对低频图像进行曲面拟合的缺陷检测，以获取低频图像中存在的缺陷图像，接着在获取缺陷图像之后，基于低频图像对应的三个方向的高频图像，对缺陷图像进行重构，以获取缺陷重构图。
具体地，步骤S32包括，
步骤S321，获取所述低频图像对应的三个方向的高频图像的高频系数；
步骤S322，基于所述高频系数对所述缺陷图像进行小波逆变换，以获取缺陷重构图。
该步骤中，在获取到缺陷图像之后，获取低频图像对应的三个方向的高频图像的高频系数，并基于高频系数对缺陷图像进行小波逆变换，以获取缺陷重构图。
进一步地，步骤S30之后，还包括，
步骤S40，获取多次小波变换对应的缺陷重构图集；
步骤S50，分别对所述缺陷重构图集中每一张缺陷重构图进行像素选择，以获取像素点灰度值集。
该步骤中，在进行多次小波变换之后，获取多次小波变换对应的缺陷重构图集，接着分别对缺陷重构图集中每一张缺陷重构图进行像素选择，以获取像素点灰度值集。
进一步地，步骤S50之后，还包括，
步骤S60，获取所述像素点灰度值集中像素点灰度值最大的目标像素点灰度值，并将所述目标像素点灰度值作为缺陷输出值。
该步骤中，在获取像素点灰度值集之后，获取像素点灰度值集中像素点灰度值最大的目标像素点灰度值，并将目标像素点灰度值作为输出值输出
本实施例提出的缺陷检测方法，通过输入图像，并对图像进行多次小波变换，分别获取多次小波变换中每次小波变换对应的目标图像集，其中，目标图像集包括低频图像与低频图像对应的三个方向的高频图像，最后对目标图像进行后处理，以获取缺陷重构图，具体地，对低频图像进行曲面拟合的缺陷检测，以获取缺陷图像，然后基于低频图像对应的三个方向的高频图像，对缺陷图像进行重构，以获取缺陷重构图，本发明先采用小波变换的多尺度缺陷检测，进行图像的去噪预处理，接着在采用曲面拟合的缺陷检测，提高了缺陷检测的精准度与准确性。
基于第一实施例，提出本发明方法的第二实施例，在本实施例中，步骤S31包括，
步骤S311，对所述低频图像进行预处理，以获取所述低频图像对应的待检测区域；
步骤S312，对所述待检测区域进行扩展，以获取扩展区域；
步骤S313，对所述待检测区域与所述扩展区域进行曲面拟合，以获取缺陷图像。
在本实施例中，在获取到低频图像之后，对低频图像进行预处理，以获取低频图像对应的缺陷区域，在本实施例中，采用灰度化对低频图像进行预处理，具体地，步骤S311还包括，
步骤S3111，对所述低频图像进行灰度化处理，以获取第一灰度图像；
步骤S3112，对所述第一灰度图像进行低通滤波处理，以获取第二灰度图像；
步骤S3113，获取所述第二灰度图像的灰度分布3D图；
步骤S3114，基于所述灰度分布3D图，获取所述低频图像对应的待检测区域。
在本实施例中，在获取低频图像之后，对低频图像进行灰度化处理，以获取低频图像对应的第一灰度图像，在输入低频图像之后，对低频图像进行灰度化处理，获取对应的第一灰度图像，接着在对第一灰度图像进行低通滤波处理，可选地，先对第一灰度图像进行低通滤波处理，接着继续进行锐化处理，以获取差异性增强的第二灰度图像，可以理解地，对第一灰度图像进行低通滤波处理，以去除噪声之后，在进行锐化处理，可突出低频图像缺陷的特征，之后获取第二灰度图像的灰度分布3D图，如图3，图3为本实施例中又一场景示意图，如图3，图3中平稳区域为不存在缺陷的正常区域，图3中凸起部位即为缺陷区域，基于灰度分布3D图，即可明显的获取低频图像对应的待检测区域。
在基于灰度分布3D图之后，获取到低频图像对应的待检测区域之后，对待检测区域进行扩展，具体地，假设待检测的大小为m*n，为了确定待检测区域的缺陷区域，需要估算正常图像的灰度分布情况，因此，在本实施例中对待检测区域m*n进行扩展，扩展后的区域为w*h，其中w>m，h>n；对缺陷区域进行扩展，以获取扩展区域之后，对缺陷区域与扩展区域进行曲面拟合，以获取缺陷图像。
具体地，步骤S313，对缺陷区域与扩展区域进行曲面拟合，以获取缺陷图像的步骤包括，
步骤S3131，对所述待检测区域进行曲面拟合，以获取第一拟合结果；
步骤S3132，对所述扩展区域进行曲面拟合，以获取第二拟合结果；
步骤S3133，基于所述第一拟合结果与所述第二拟合结果，获取缺陷图像。
该步骤中，在获取待检测区域和扩展区域之后，分别对待检测区域和扩展区域进行曲面拟合，以获取相应的第一拟合结果与第二拟合结果，最后在基于第一拟合结果与第二拟合结果的差异，获取缺陷图像，具体地，比如待检测区域的大小为m*n，则在m*n范围内对曲面进行拟合，则待检测区域对应的第一拟合结果为D(x,y)＝a1x2+b1x+c1y2+d1y+e1，接着再w*h范围内对扩展区域进行曲面拟合，扩展区域对应的第二拟合结果为B(x,y)＝a2x2+b2x+c2y2+d2y+e2，最后在根据第一拟合结果与第二拟合结果的差异，获取缺陷图像，具体地，获取黑色缺陷的计算方式为：Rdark＝B(x,y)—D(x,y)，获取白色缺陷的计算方式为Rbright＝B(x,y)—D(x,y)最后基于以上黑色缺陷与白色缺陷，获取最终的缺陷图像。
本实施例提出的缺陷检测方法，通过对各低频图像进行基于曲面拟合的缺陷检测，并利用相应高频图像进行缺陷重构，实现对形态各异，位置随机的缺陷进行有效检测，通过先采用小波变换的多尺度分析，实现对大小不同的缺陷进行有效检测，提高了缺陷检测的精准度与准确性。
此外，本发明实施例还提出一种缺陷检测装置，所述缺陷检测装置包括：
输入模块：输入图像，并对所述图像进行多次小波变换；
获取模块：分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；
处理模块：对所述目标图像集进行后处理，以获取缺陷重构图。
此外，本发明实施例还提出一种计算机存储介质，所述计算机存储介质上存储有缺陷检测程序，所述缺陷检测程序被处理器执行时实现如下操作：输入图像，并对所述图像进行多次小波变换；
分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；
对所述目标图像集进行后处理，以获取缺陷重构图。
进一步地，所述缺陷检测程序被处理器执行时还实现如下操作：
对所述低频图像进行曲面拟合的缺陷检测，以获取缺陷图像；
基于所述低频图像对应的三个方向的高频图像，对所述缺陷图像进行重构，以获取缺陷重构图。
进一步地，所述缺陷检测程序被处理器执行时还实现如下操作：
对所述低频图像进行预处理，以获取所述低频图像对应的待检测区域；
对所述待检测区域进行扩展，以获取扩展区域；
对所述待检测区域与所述扩展区域进行曲面拟合，以获取缺陷图像。
进一步地，所述缺陷检测程序被处理器执行时还实现如下操作：
对所述待检测区域进行曲面拟合，以获取第一拟合结果；
对所述扩展区域进行曲面拟合，以获取第二拟合结果；
基于所述第一拟合结果与所述第二拟合结果，获取缺陷图像。
进一步地，所述缺陷检测程序被处理器执行时还实现如下操作：
对所述低频图像进行灰度化处理，以获取第一灰度图像；
对所述第一灰度图像进行低通滤波处理，以获取第二灰度图像；
获取所述第二灰度图像的灰度分布3D图；
基于所述灰度分布3D图，获取所述低频图像对应的待检测区域。
进一步地，所述缺陷检测程序被处理器执行时还实现如下操作：
获取所述低频图像对应的三个方向的高频图像的高频系数；
基于所述高频系数对所述缺陷图像进行小波逆变换，以获取缺陷重构图。
进一步地，所述缺陷检测程序被处理器执行时还实现如下操作：
获取多次小波变换对应的缺陷重构图集；
分别对所述缺陷重构图集中每一张缺陷重构图进行像素选择，以获取像素点灰度值集；
获取所述像素点灰度值集中像素点灰度值最大的目标像素点灰度值，并将所述目标像素点灰度值作为缺陷输出值。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台缺陷检测设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种缺陷检测方法，其特征在于，所述缺陷检测方法包括以下步骤：
输入图像，并对所述图像进行多次小波变换；
分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；
对所述目标图像集进行后处理，以获取缺陷重构图；
其中，所述输入图像，并对所述图像进行多次小波变换的步骤，包括：
输入图像，并根据预设小波基函数对所述图像进行预设变换次数的小波变换，以获取低频子带系数和三个高频子带系数；
相应的，所述输入图像，并对所述图像进行多次小波变换的步骤之后，还包括：
通过双边滤波方法对所述低频子带系数进行噪声抑制处理，并通过阈值方法对各高频子带系数进行噪声抑制处理；
在处理完成时，通过离散小波逆变换对所述低频子带系数和所述低频子带系数映射的高频子带系数进行融合，以重构对应的低频图像；
所述对所述目标图像集进行后处理，以获取缺陷重构图的步骤包括：
对所述低频图像进行预处理，以获取所述低频图像对应的待检测区域；
对所述待检测区域进行扩展，以获取扩展区域；
对所述待检测区域与所述扩展区域分别进行曲面拟合，以获取缺陷图像；
基于所述低频图像对应的三个方向的高频图像，对所述缺陷图像进行重构，以获取缺陷重构图。
2.如权利要求1所述的缺陷检测方法，其特征在于，所述对所述待检测区域与所述扩展区域分别进行曲面拟合，以获取缺陷图像的步骤包括：
对所述待检测区域进行曲面拟合，以获取第一拟合结果；
对所述扩展区域进行曲面拟合，以获取第二拟合结果；
基于所述第一拟合结果与所述第二拟合结果，获取缺陷图像。
3.如权利要求1所述的缺陷检测方法，其特征在于，所述对所述低频图像进行预处理，以获取所述低频图像对应的待检测区域的步骤包括：
对所述低频图像进行灰度化处理，以获取第一灰度图像；
对所述第一灰度图像进行低通滤波处理，以获取第二灰度图像；
获取所述第二灰度图像的灰度分布3D图；
基于所述灰度分布3D图，获取所述低频图像对应的待检测区域。
4.如权利要求1所述的缺陷检测方法，其特征在于，所述基于所述低频图像对应的三个方向的高频图像，对所述缺陷图像进行重构，以获取缺陷重构图的步骤包括：
获取所述低频图像对应的三个方向的高频图像的高频系数；
基于所述高频系数对所述缺陷图像进行小波逆变换，以获取缺陷重构图。
5.如权利要求1所述的缺陷检测方法，其特征在于，所述对所述目标图像集进行后处理，以获取缺陷重构图的步骤之后，还包括：
获取多次小波变换对应的缺陷重构图集；
分别对所述缺陷重构图集中每一张缺陷重构图进行像素选择，以获取像素点灰度值集；
获取所述像素点灰度值集中像素点灰度值最大的目标像素点灰度值，并将所述目标像素点灰度值作为缺陷输出值。
6.一种缺陷检测装置，其特征在于，所述缺陷检测装置包括：
输入模块：输入图像，并对所述图像进行多次小波变换；
获取模块：分别获取多次小波变换中每次小波变换对应的目标图像集，其中，所述目标图像集包括低频图像与所述低频图像对应的三个方向的高频图像；
处理模块：对所述目标图像集进行后处理，以获取缺陷重构图；
其中，所述输入模块：输入图像，并根据预设小波基函数对所述图像进行预设变换次数的小波变换，以获取低频子带系数和三个高频子带系数；通过双边滤波方法对所述低频子带系数进行噪声抑制处理，并通过阈值方法对各高频子带系数进行噪声抑制处理；在处理完成时，通过离散小波逆变换对所述低频子带系数和所述低频子带系数映射的高频子带系数进行融合，以重构对应的低频图像；
所述处理模块：对所述低频图像进行预处理，以获取所述低频图像对应的待检测区域；对所述待检测区域进行扩展，以获取扩展区域；对所述待检测区域与所述扩展区域分别进行曲面拟合，以获取缺陷图像；基于所述低频图像对应的三个方向的高频图像，对所述缺陷图像进行重构，以获取缺陷重构图。
7.一种缺陷检测设备，其特征在于，所述缺陷检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的缺陷检测程序，所述缺陷检测程序被所述处理器执行时实现如权利要求1至5中任一项所述的缺陷检测方法的步骤。
8.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有缺陷检测程序，所述缺陷检测程序被处理器执行时实现如权利要求1至5中任一项所述的缺陷检测方法的步骤。
CN202010324609.XA 2020-04-22 2020-04-22 缺陷检测方法、装置、缺陷检测设备及计算机存储介质 Active CN111507974B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010324609.XA CN111507974B (zh) 2020-04-22 2020-04-22 缺陷检测方法、装置、缺陷检测设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010324609.XA CN111507974B (zh) 2020-04-22 2020-04-22 缺陷检测方法、装置、缺陷检测设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN111507974A CN111507974A (zh) 2020-08-07
CN111507974B true CN111507974B (zh) 2023-10-24

Family

ID=71877949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010324609.XA Active CN111507974B (zh) 2020-04-22 2020-04-22 缺陷检测方法、装置、缺陷检测设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN111507974B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI769633B (zh) * 2020-12-22 2022-07-01 鴻海精密工業股份有限公司 圖像瑕疵檢測方法、裝置、電腦裝置及介質
CN112918956A (zh) * 2021-02-20 2021-06-08 陆伟凤 一种基于图像识别技术的垃圾分类系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1793898A (zh) * 2005-12-09 2006-06-28 重庆大学 一种用于锚杆锚固系统的无损探伤检测方法
CN106556940A (zh) * 2016-11-10 2017-04-05 武汉精测电子技术股份有限公司 一种tft‑lcd屏自动光学检测中的背景抑制方法
CN108986074A (zh) * 2018-06-12 2018-12-11 中国矿业大学 一种基于分块稀疏算法的煤矿井下图像处理方法
CN109727233A (zh) * 2018-12-18 2019-05-07 武汉精立电子技术有限公司 一种lcd缺陷检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1793898A (zh) * 2005-12-09 2006-06-28 重庆大学 一种用于锚杆锚固系统的无损探伤检测方法
CN106556940A (zh) * 2016-11-10 2017-04-05 武汉精测电子技术股份有限公司 一种tft‑lcd屏自动光学检测中的背景抑制方法
CN108986074A (zh) * 2018-06-12 2018-12-11 中国矿业大学 一种基于分块稀疏算法的煤矿井下图像处理方法
CN109727233A (zh) * 2018-12-18 2019-05-07 武汉精立电子技术有限公司 一种lcd缺陷检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Hong-Dar Lin.Detection of Surface Flaws on Textured Led Lenses using Wavelet Packet Transform Based Partial Least Squares Techniques.《International Journal of Innovative Computing, Information & Control》.2019,第905-21页. *
娄训志.一种基于小波变换去噪的活塞环图像检测技术.《湖北工业大学学报》.2010,第25卷(第5期),第23-25页. *
张军.基于形态学和小波变换的瓷砖缺陷边缘检测.《计算机仿真》.2019,第36卷(第1期),第462-465页. *
张昱.基于多项式曲面拟合的TFT-LCD斑痕缺陷自动检测技术.《光电工程》.2006,第33卷(第10期),第108-114页. *
郭兴旺;董淑琴.基于小波变换的红外热波无损检测融合算法.光学技术.2008,(第05期),第659-663页. *

Also Published As

Publication number Publication date
CN111507974A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
US8908989B2 (en) Recursive conditional means image denoising
US20030219172A1 (en) Method and system for estimating sharpness metrics based on local edge kurtosis
CN109410192B (zh) 一种多纹理分级融合的织物缺陷检测方法及其装置
CN111507974B (zh) 缺陷检测方法、装置、缺陷检测设备及计算机存储介质
KR20150027291A (ko) 광류 추적 방법 및 장치
US9277148B2 (en) Maximizing perceptual quality and naturalness of captured images
US20100266212A1 (en) Estimating Vanishing Points in Images
CN109035167B (zh) 对图像中的多个人脸进行处理的方法、装置、设备和介质
CN108241855B (zh) 图像生成方法和装置
CN107767358B (zh) 一种图像中物体模糊度确定方法和装置
CN114926374B (zh) 一种基于ai的图像处理方法、装置、设备及可读存储介质
CN108447058B (zh) 一种图像质量评价方法及系统
Huang et al. Blind noisy image quality assessment using block homogeneity
CN110689486A (zh) 图像的处理方法、装置、设备及计算机可存储介质
US9286664B2 (en) System and method for blind image deconvolution
CN109961060B (zh) 用于生成人群密度信息的方法和装置
CN114581433B (zh) 一种获取金属球腔内表面形貌检测图像的方法及系统
CN113317759A (zh) 一种基于云计算技术的皮肤质量检测系统
CN112767260A (zh) 图像质量提升方法、装置、计算机设备和存储介质
CN113658294B (zh) 图像处理方法、装置及存储介质
CN112950597B (zh) 一种失真图像质量评价方法、装置、计算机设备及存储介质
CN116664449B (zh) 一种卫星图像的处理方法
CN116843690B (zh) 图像质量评估方法、设备及系统
CN112215033B (zh) 车辆全景环视图像的生成方法、装置、系统及存储介质
CN111724332B (zh) 一种适用于密闭腔体检测的图像增强方法及系统

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