CN111508017A - 一种弱对比度定位标记中心的方法和系统 - Google Patents

Abstract

本发明公开了一种弱对比度定位标记中心的方法和系统，包括以下步骤：首先对图像的红色分量进行边缘提取，得到边缘图像，然后对边缘图像进行高斯滤波和二值化，得到二值化图像，接着对二值化图像进行膨胀运算并去除噪声，得到去噪图像，最后对该弱对比度定位标记中心进行计算。本发明在视觉检测系统具有精度高，速度快，稳定性好的特点。本发明精度达到亚素级别，结果较为可靠，在视觉检测行业应用较多；本发明对类似具有对称性并对比度较弱的图像均适用。

Description

一种弱对比度定位标记中心的方法和系统

技术领域

本发明属于计算机视觉检测技术领域，具体涉及一种弱对比度定位标记中心的方法和系统。

背景技术

随着科学技术的不断发展和进步，计算机视觉检测技术具有快速高效、精度高和集成性等优点，被广泛应用在高度自动化的制造业。近些年来，特别在TFT-LCD面板检测行业快速发展的时代，各种自动光学检测设备应运而生。面对激烈的市场竞争，提升出货速度，自动光学检测设备必须高效运行。尤其TFT-LCD面板在自动光学检测设备上必须快速和精确的定位，对提高检测效率和精度具有重要作用。根据产品特点，自动光学检测设备一般使用TFT-LCD面板上特定标记定位。早期制程比较简单，在自动光学检测设备上，获得TFT-LCD面板的标记图像对比度较大，产品定位方法较快速和精准。例如，中国发明专利申请号CN200980102910.8公开了一种检查装置以及检查方法，通过复杂的硬件辅助装置和调整光的角度获取面板标识图像，用面板识别标记来检查部件与实际安装位置的偏移量的方法，从而实现对部件安装位置检查和调整。

上述检查方法的缺陷是因为识别标记所处位置复杂，标记容易受到附近噪声干扰，不易获取理想的标识图像。对比度较弱标记图像轮廓不清晰，噪声干扰大，所述检查方法影响标记的位置精度。而且检查过程复杂，效率低下。

发明内容：

基于目前方法的局限性和精度低的问题，本发明提出了一种弱对比度定位标记中心的方法。本发明采用边缘提取，图像二值化和创建游程码后过滤噪声，计算边界有效位置，实现定位标记中心的高精度计算，并达到亚像素级别，提高定位标记中心的精度。

具体的，本发明提供了一种弱对比度定位标记中心的方法，包括以下步骤：

根据定位标记图像红色分量图像提取所述定位标记图像的边界；

高斯滤波及图像二值化；

图像膨胀运算及去除噪声；

计算定位标记图像的中心。

优选的，所述根据定位标记图像红色分量提取所述定位标记图像的边界过程如下：

获取定位标记图像的红色分量图像，根据图像RGB的分量比例来计算，RGB的分量比例分别为：0.299，0.587，0.114；

提取定位标记图像边缘使用3X3的Sobel滤波器。

优选的，所述高斯滤波及图像二值化，包括步骤如下：

对提取的边缘图像进行高斯滤波，去除图像信号噪声，核的大小为3X3；

计算图像二值化的阈值，首先计算图像的灰度直方图，按照图像面积以一定的比例过滤高频信号，当达到设定的面积时，记录此时对应的直方图的灰阶值M。然后计算图像的均值N，将灰阶值M和均值N的平均值作为图像二值化的最终阈值，最后将图像二值化。

优选的，所述图像膨胀运算及去除噪声，包括以下步骤：

对二值图像进行膨胀处理；

去除噪声，计算二值图像的游程码，并根据设定的合并半径，计算合并后区域的聚集特征。对于每个聚集的区域宽度和高度都小于30个像素判断为噪声点，并将该区域的像素点灰阶全部设置为0。

优选的，所述计算定位标记图像的中心方法如下：

按照行统计二值图像灰阶为255的像素数量，对每行灰阶为255像素数量按照从大到小的顺序进行排列，获取这些行灰阶为255像素数量的最大值，如果行的像素数量超过最大值的60％，保留行的坐标，对保留的行坐标求平均值，该平均值就是定位标记图像中心的竖向坐标。

按照列统计二值图像灰阶为255的像素数量，对每列灰阶为255像素数量按照从大到小的顺序进行排列，获取这些列灰阶为255像素数量的最大值，如果列的像素数量超过最大值的60％，保留列的坐标，对保留的列坐标求平均值，该平均值就是定位标记图像中心的横向坐标。根据本发明的另一个方面，本发明还提供了一种弱对比度定位标记中心的系统，包括：

提取图像边界模块，用于红色分量图像提取定位标记图像的边界；

图像二值化模块，用于将高斯滤波去除噪声后的所述定位标记图像的边界图像进行二值化；

图像去噪模块，用于去除稀疏的离散点，保留定位标记图像的边缘信息；

计算定位标记的中心模块，用于计算定位标记中心的横向和纵向位置。

根据本发明的另一个方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序，所述处理器执行所述程序，以实现如上所述的弱对比度定位标记中心的方法。

根据本发明的另一个方面，一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现如上所述的弱对比度定位标记中心的方法。

与现有技术相比，本发明的有益效果是：通过提取红色分量图像实现定位标记图像的边界提取，高斯滤波后二值化，图像膨胀运算再次去除噪声点，最后用边界点平均坐标获得定位标记中心位置，精度达到亚素级别，结果较为可靠，在视觉检测行业应用较多；本发明对类似具有对称性并对比度较弱的图像均适用。本发明在视觉检测系统具有精度高，速度快，稳定性好的特点。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明的一种弱对比度定位标记中心的方法实施流程图。

图2为本发明的弱对比度定位标记图像实例。

图3为本发明的弱对比度定位标记图像提取边界效果图。

图4为本发明的弱对比度定位标记图像二值化效果图。

图5为本发明的弱对比度定位标记图像去除噪声效果图。

图6为本发明的弱对比度定位标记图像中心的最终效果图。

图7为本发明的弱对比度定位标记图像的系统结构图。

具体实施方式：

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例1

如图1所示，本发明的目标是获取一种弱对比度定位标记的中心。计算过程如下：

1.用定位标记图像红色分量图像提取图像(如图2所示的图像)的边界如图3：

A)获取图像的红色分量，根据图像RGB的分量比例来计算，RGB的分量比例分别为：0.299，0.587，0.114。

B)提取定位标记图像边缘使用3X3的Sobel滤波器，横向和竖向滤波器如下：

2.高斯滤波及图像二值化如图4：

A)高斯滤波使用3X3的核，滤波器如下：

B)计算图像二值化的阈值。首先计算图像的灰度直方图，按照图像面积以一定的比例过滤高频信号，当达到设定的面积时，记录此时对应的直方图的灰阶值M。然后计算出图像的均值N，将灰阶值M和均值N的平均值作为二值化的最终阈值，最后将图像二值化。

3.图像膨胀运算及去除噪声如图5：

A)对二值图像进行膨胀处理；

B)去除噪声，计算二值图像的游程码，设定的合并半径为2个像素，计算合并后区域的聚集特征。对于每个聚集的区域宽度和高度都小于30个像素判断为噪声点，并将该区域的像素点灰阶全部设置为0。

4.计算定位标记图像的中心方法如图6：

A)按照行统计二值图像灰阶为255的像素数量，对每行灰阶为255像素数量按照从大到小的顺序进行排列，获取这些行灰阶为255像素数量的最大值，如果行的像素数量超过最大值的60％，保留行的坐标，对保留的行坐标求平均值，该平均值就是定位标记图像中心的竖向坐标。

B)按照列统计二值图像灰阶为255的像素数量，对每列灰阶为255像素数量按照从大到小的顺序进行排列，获取这些列灰阶为255像素数量的最大值，如果列的像素数量超过最大值的60％，保留列的坐标，对保留的列坐标求平均值，该平均值就是定位标记图像中心的横向坐标。

本实施例的有益效果是通过提取红色分量图像实现定位标记图像的边界提取，高斯滤波后二值化，图像膨胀运算再次去除噪声点，最后用边界点平均坐标获得定位标记中心位置，精度达到亚素级别，结果较为可靠，在视觉检测行业应用较多；本发明对类似具有对称性并对比度较弱的图像均适用。

实施例2

本实施例提供一种弱对比度定位标记中心的系统，如图7所示，包括：

提取图像边界模块100，用于提取的红色分量图像寻找定位标记图像的边界；

图像二值化模块200，用于将高斯去除噪声后的图像进行二值化；

图像去噪模块300，用于去除稀疏的离散点，保留定位标记图像边缘有用信息；

计算定位标记图像的中心模块400，用于计算定位标记图像中心的横向和纵向坐标。

本实施例的有益效果是通过提取红色分量图像实现定位标记图像的边界提取，高斯滤波后二值化，图像膨胀运算再次去除噪声点，最后用边界点平均坐标获得定位标记中心位置，精度达到亚素级别，结果较为可靠，在视觉检测行业应用较多；本发明对类似具有对称性并对比度较弱的图像均适用。

实施例3

本实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序，所述处理器执行所述程序，以实现如实施例1所述的弱对比度定位标记中心的方法。

实施例4

本实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现如实施例1所述的弱对比度定位标记中心的方法。

需要说明的是：

在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明较佳的具体实施方式，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，可轻易想到的变化或替换，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 (8)

1.一种弱对比度定位标记中心的方法，其特征在于，包括以下步骤：

根据定位标记图像的红色分量提取所述定位标记图像的边界；

高斯滤波及图像二值化；

图像膨胀运算及去除噪声；

计算定位标记的中心。

2.根据权利要求1所述的一种弱对比度定位标记中心的方法，其特征在于：

所述根据定位标记图像的红色分量提取所述定位标记图像的边界过程如下：

从采集的定位标记图像中获取红色分量图像，红色、绿色和蓝色分量按照一定的比例分配，然后用Sobel算子对红色分量图像进行边界提取。

3.根据权利要求1所述的一种弱对比度定位标记中心的方法，其特征在于：

所述高斯滤波及图像二值化的过程如下：

对提取的边界的图像做高斯滤波，去除噪声；

计算图像二值化的阈值；首先计算图像的灰度直方图，按照图像面积以一定的比例过滤高频信号，当达到设定的面积时，记录此时对应的灰度直方图中的灰阶值M；然后计算图像的均值N，将灰阶值M和均值N的平均值作为图像二值化的最终阈值，最后将图像二值化。

4.根据权利要求1所述的一种弱对比度定位标记中心的方法，其特征在于：

所述图像膨胀运算，并去除噪声的过程如下：

对二值图像进行膨胀处理，连接边缘；

去除噪声，计算二值图像的游程码，并根据设定的合并半径，计算合并后区域的聚集特征，对于每个聚集的区域高度和宽度都小于30个像素判断为噪声点，将该区域的像素点灰阶全部设置为0。

5.根据权利要求1所述的一种弱对比度定位标记中心的方法，其特征在于：

所述计算定位标记中心的方法如下：

按照行统计二值图像灰阶为255的像素数量，对每行灰阶为255像素数量按照从大到小的顺序进行排列，获取这些行灰阶为255像素数量的最大值，如果行的像素数量超过最大值的60％，保留行的坐标，对保留的行坐标求平均值，该平均值为定位标记图像中心的竖向坐标；

按照列统计二值图像灰阶为255的像素数量，对每列灰阶为255像素数量按照从大到小的顺序进行排列，获取这些列灰阶为255像素数量的最大值，如果列的像素数量超过最大值的60％，保留列的坐标，对保留的列坐标求平均值，该平均值为定位标记图像中心的横向坐标。

6.一种弱对比度定位标记中心的系统，其特征在于，包括：

提取图像边界模块，用于根据定位标记图像的红色分量提取定位标记图像的边界；

图像二值化模块，用于将高斯滤波去除噪声后的所述定位标记图像的边界图像进行二值化；

图像去噪模块，用于去除稀疏的离散点，保留定位标记图像的边缘信息；

计算定位标记的中心模块，用于计算定位标记中心的横向和纵向位置。

7.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述的存储器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求的1-5中任一所述的弱对比度定位标记中心的方法。

8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以实现如权利要求1-5中任一所述的弱对比度定位标记中心的方法。

Images