CN111583247B - 一种图像二值化处理方法及装置 - Google Patents
一种图像二值化处理方法及装置 Download PDFInfo
- Publication number
- CN111583247B CN111583247B CN202010395711.9A CN202010395711A CN111583247B CN 111583247 B CN111583247 B CN 111583247B CN 202010395711 A CN202010395711 A CN 202010395711A CN 111583247 B CN111583247 B CN 111583247B
- Authority
- CN
- China
- Prior art keywords
- gray
- value
- gray level
- group
- grouping
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 83
- 238000004590 computer program Methods 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 13
- 230000007547 defect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
-
- 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
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像二值化处理方法及装置,所述方法包括以下步骤:步骤1、统计原图像的灰度信息,建立灰度直方图,并基于灰度直方图进行灰度值分组;步骤2、根据灰度值分组结果,建立一阶灰度落差函数,并基于一阶灰度落差函数进行灰度落差分组;步骤3、根据灰度落差分组结果,建立二阶高度落差函数与二阶长度落差函数;步骤4、基于二阶高度落差函数与二阶长度落差函数确定二值化阈值,根据该二值化阈值对原图像进行二值化处理,得到图像I;步骤5、对二值化图像I进行孔洞填充,得到最终的二值化图像。本发明能够对包含屏幕显示区域的原图像进行二值化处理,从而检测出原图像中的屏幕显示区域与背景区域。
Description
技术领域
本发明具体涉及图像二值化处理领域,尤其涉及对包含屏幕显示区域的原图像进行二值化处理的方法及装置。
背景技术
屏幕缺陷检测是屏幕测试中的重要的步骤。传统工艺流程中,该测试主要由人工完成。随着显示面板的需求量大规模增长,以及人力成本的逐年上升,使用人工检测的成本成为显示面板生产企业一项重要的开支。并且人工检测具有主观性和不稳定性,检测标准很难统一,容易造成漏检、误检。
因此,使用自动光学检测代替人工检测成为行业发展的主流。这不仅可以节省人力成本,还可以加快检测速度、提升检测准确度。但是目前屏幕自动光学检测技术,大都是使用白色或其他纯色图像点亮屏幕,观察屏幕显示区域是否有异常,仅对显示纯色图像情况下的屏幕进行检测,会造成某些屏幕显示缺陷的漏检。而对于显示复杂图像情况下的屏幕进行检测,目前技术发展仍存在瓶颈,其中一个瓶颈就是屏幕显示区域与背景区域的分离。
而传统二值化方法会尽量多的保留原图像中前景部分的细节,因而对包含屏幕显示区域的原图像,无法很好地检测出原图像中的屏幕显示区域与背景区域。
针对上述技术问题,有必要提供一种图像二值化处理方法,能够对包含屏幕显示区域的原图像进行二值化处理,较好地检测出图像中的屏幕显示区域与背景区域分离,为屏幕缺陷自动化检测或其它包含屏幕显示区域的图像的处理奠定基础。
发明内容
本发明所解决的技术问题是,针对现有技术的不足,提供一种图像二值化处理方法,能够对包含屏幕显示区域的原图像进行二值化处理,从而检测出原图像中的屏幕显示区域与背景区域。
为了实现上述方案,本发明提供的技术方案为:
一种图像二值化处理方法,包括以下步骤:
步骤1、统计原图像的灰度信息,建立灰度直方图,并基于灰度直方图进行灰度值分组;
步骤2、根据灰度值分组结果,建立一阶灰度落差函数,并基于一阶灰度落差函数进行灰度落差分组;
步骤3、根据灰度落差分组结果,建立二阶高度落差函数与二阶长度落差函数;
步骤4、基于二阶高度落差函数与二阶长度落差函数确定二值化阈值,根据该二值化阈值对原图像进行二值化处理,得到图像I;
步骤5、对二值化图像I进行孔洞填充,得到最终的二值化图像。
进一步地,所述步骤1中,将灰度直方图用灰度函数h(x)表示,其中自变量x表示灰度值,x=0,1,…,255;h(x)的值表示原图像中灰度值等于x的像素点的个数;基于灰度直方图进行灰度值分组即将灰度值0~255按顺序划分为多个分组,灰度值分组序号分为记为1,2,…,N,N为划分得到的灰度值分组个数,具体划分方法为:根据灰度函数h(x),将相邻且对应的h(x)值符合递减规律的多个x取值分为一组,将其它x取值分别单独作为一组。
进一步的,所述步骤2中,记一阶灰度落差函数为g(n);其中自变量n表示灰度值分组序号;g(n)的取值方法如下:
1)若第n个灰度值分组内只有一个灰度值,则相应的g(n)赋值为正无穷大;
2)若第n个灰度值分组内有多个灰度值,则相应的g(n)的取值等于该分组内第一个和最后一个灰度值对应的h(x)值之差。
进一步的,基于一阶灰度落差函数g(n)进行灰度落差分组即将灰度值分组序号1~N按顺序划分为多个分组,灰度落差分组序号分为记为1,2,…,M,M为划分得到的灰度落差分组个数,具体划分方法为:根据一阶灰度落差函数g(n),将相邻且对应的g(n)值符合递减规律的多个n取值分为一组,将其它n取值分别单独作为一组。
进一步的,所述步骤3中,记二阶高度落差函数为K(m)、二阶长度落差函数为L(m);这两个函数的自变量m表示灰度落差分组序号;
K(m)的取值方法如下:
1)若第m个灰度落差分组内只有一个灰度值分组序号,则相应的K(m)赋值为0;
2)若第m个灰度落差分组内有多个灰度值分组序号,且其中第一个灰度值分组序号对应的g(n)值不等于正无穷,则相应的K(m)的取值等于该分组内第一个和最后一个灰度值分组序号对应的g(n)之差;
3)若第m个灰度落差分组内有多个灰度值分组序号,且其中第一个灰度值分组序号对应的g(n)值等于正无穷,则相应的K(m)的取值等于该分组内第二个和最后一个灰度值分组序号对应的g(n)之差;
L(m)的取值等于第m个分组内灰度值分组序号的个数。
进一步的,所述步骤4中,确定二值化阈值具体包括以下步骤:
步骤4.1、分别确定二阶高度落差函数K(m)与二阶长度落差函数L(m)的最大值与次大值;并分别计算两者的最大值与次大值之间的差距,选择差距较大的函数为最终的二阶落差函数;
步骤4.2、确定二阶落差函数最大值对应的取值,即灰度落差分组序号值;
步骤4.3、确定步骤4.2中灰度落差分组序号值对应的灰度落差分组内最后一个灰度值分组序号;
步骤4.4、确定步骤4.3中灰度值分组序号对应的灰度值分组内最后一个灰度值,将其作为二值化阈值。
进一步的,设kmax为K(m)最大值,kmid为K(m)次大值;lmax为L(m)最大值,lmid为L(m)次大值,根据以下公式计算kmax与kmid、lmax与lmid之间的差距ksub、lsub:
进一步的,所述步骤5中,对二值化图像I进行孔洞填充即将图像I中被白色像素点完全包围的黑色像素点替换成白色像素点。
最终的二值化图像中,白色区域即原图像中的屏幕显示区域,黑色区域即原图像中的背景区域。
一种图像二值化处理装置,包括以下模块:
灰度值分组模块,用于统计原图像的灰度信息,建立灰度直方图,并基于灰度直方图进行灰度值分组;
灰度落差分组,用于根据灰度值分组结果,建立一阶灰度落差函数,并基于一阶灰度落差函数进行灰度落差分组;
二阶高度落差函数构建模块,用于根据灰度落差分组结果,建立二阶高度落差函数与二阶长度落差函数;
二值化阈值确定及二值化处理模块,用于基于二阶高度落差函数与二阶长度落差函数确定二值化阈值,根据该二值化阈值对原图像进行二值化处理,得到图像I;
孔洞填充模块,用于对二值化图像I进行孔洞填充,得到最终的二值化图像。
一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现上述图像二值化处理方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述图像二值化处理方法。
有益效果:
本发明提供的上述技术方案,能够对包含屏幕显示区域的原图像进行二值化处理,从而检测出原图像中的屏幕显示区域与背景区域,进行原图像中屏幕显示区域与背景区域的分离。且不同于传统二值化算法会尽量多的保留前景部分细节,本发明上述技术方案对于屏幕显示区域保留细节较少,从而能更好地分离出原图像的屏幕显示区域与背景区域,有利于后续图像处理,能用于屏幕缺陷自动化检测或其它包含屏幕显示区域的图像的处理中,处理效果好。
附图说明
图1为本发明实施例1的流程图;
图2为本发明实施例1中的原图像(测试图像);
图3为本发明实施例1中的灰度直方图;
图4为本发明实施例1中的一阶灰度落差函数;
具体实施方式
下面结合附图和具体实施按例,对本发明进行详细的描述。本实施案例仅为本发明的一个实施例而不包括全部实施方案。
实施例1:
本实施例公开了一种图像二值化处理方法,如图1所示,包括建立灰度直方图并对自变量分组、建立一阶灰度落差函数并对自变量分组、建立二阶高度落差函数及二阶长度落差函数、确定落差幅度与二值化阈值、二值化图像孔洞填充。具体步骤如下:
S1:图2所示为一幅用于屏幕缺陷检测的灰度图像。统计图2中原图像所有像素点的灰度值,计算灰度值等于x的像素点数量,建立灰度直方图,如图3所示。使用灰度函数h(x)表示灰度直方图,其中自变量x为整数,取值范围为0~255,函数值h(x)表示原图像中灰度值等于x的像素点的个数。将自变量x的所有取值按从小到大的顺序划分为N个灰度值分组,在第n个灰度值分组内,若只有一个灰度值(元素),则an=bn,否则,灰度函数h(x)值永远满足:
h(x+1)-h(x)≤0(an≤x≤bn且an≠bn);
其中an为第n个灰度值分组中第一个灰度值,bn为第n个灰度值分组中最后一个灰度值。
将各个灰度值分组内第一个灰度值按组序排列成一维数组A[N],最后一个灰度值按组序排列成一维数组B[N]:
A[N]={a1,a2,a3......aN}
B[N]={b1,b2,b3......bN}
S2:如图4所示,利用S1所划分的灰度值分组建立一阶灰度落差函数g(n)。g(n)的取值方法如下:
将一阶灰度落差函数g(n)的自变量n(灰度值分组序号)的所有取值按从小到大的顺序划分为的M个灰度落差分组,在第m个灰度落差分组内,若只有一个灰度值分组序号(元素),则cm=dm,否则,一阶灰度落差函数g(n)值永远满足:
g(n+1)-g(n)≤0(cm≤n≤dm且cm≠dm)
其中cm为第m个灰度落差分组中第一个灰度值分组序号,dm为第m个灰度落差分组中最后一个灰度值分组序号。em为第m组的第二个自变量值。
将各个灰度落差分组内第一个自变量值按组序排列成一维数组C[M],最后一个自变量值按组序排列成一维数组D[M],第二个自变量值按组序排列成一维数组E[M],若该组只有一个元素,则em=+∞。
C[M]={c1,c2,c3......cM}
D[M]={d1,d2,d3......dM}
E[M]={e1,e2,e3......eM}
S3:利用S2所划分的灰度落差分组建立二阶高度落差函数K(m)与长度落差函数L(m)。K(m)与L(m)的取值方法如下:
L(m)=cm-dm+1
S4:首先,对二阶高度落差函数K(m)和二阶长度落差函数L(m)的所有函数值进行降序排列,设kmax为K(m)最大值,kmid为K(m)次大值;lmax为L(m)最大值,lmid为L(m)次大值;之后计算各自最大值与次大值之间的差距,即分别计算kmax与kmid、lmax与lmid之间的差距:
若ksub≥lsub,则选择K(m)作为最终的二阶落差函数,否则,选择L(m)作为最终的二阶落差函数;然后确定二阶落差函数最大值对应的自变量取值,即灰度落差分组序号值;再根据该灰度落差分组序号值对应的灰度落差分组中的最后一个灰度值分组序号确定对应的灰度值分组序号;最后,根据确定灰度值分组序号对应的灰度值分组中最后一个灰度值为二值化阈值T,即:
使用二值化阈值T,对图2进行二值化处理,当图像中某个像素的灰度值大于等于T时赋值为1,小于T时赋值为0,得到二值化图像I。
S5:对S4得到的二值化图像I进行孔洞填充,图像I中被白色像素点(取值为1)完全包围的黑色像素点(取值为0)为孔洞,使用广度优先算法对孔洞进行搜索,然后将找到的所有孔洞使用白色像素点替代,完成图像二值化处理,最终得到二值化图像。
实施例2:
本实施例公开了一种图像二值化装置,包括以下模块:
灰度值分组模块,用于统计原图像的灰度信息,建立灰度直方图,并基于灰度直方图进行灰度值分组;
灰度落差分组,用于根据灰度值分组结果,建立一阶灰度落差函数,并基于一阶灰度落差函数进行灰度落差分组;
二阶高度落差函数构建模块,用于根据灰度落差分组结果,建立二阶高度落差函数与二阶长度落差函数;
二值化阈值确定及二值化处理模块,用于基于二阶高度落差函数与二阶长度落差函数确定二值化阈值,根据该二值化阈值对原图像进行二值化处理,得到图像I;
孔洞填充模块,用于对二值化图像I进行孔洞填充,得到最终的二值化图像。
所述装置中各个模块实现其功能的原理参见实施例1中相应步骤的实现方法。
实施例3:
本实施例公开了一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现上述实施例1中的图像二值化处理方法。
实施例4:
本实施例公开了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例1中的图像二值化处理方法。
Claims (8)
1.一种图像二值化处理方法,其特征在于,包括以下步骤:
步骤1、统计原图像的灰度信息,建立灰度直方图,并基于灰度直方图进行灰度值分组;
其中,将灰度直方图用灰度函数h(x)表示,其中自变量x表示灰度值,x=0,1,…,255;h(x)的值表示原图像中灰度值等于x的像素点的个数;
步骤2、根据灰度值分组结果,建立一阶灰度落差函数,并基于一阶灰度落差函数进行灰度落差分组;
所述步骤2中,记一阶灰度落差函数为g(n);其中自变量n表示灰度值分组序号;g(n)的取值方法如下:
1)若第n个灰度值分组内只有一个灰度值,则相应的g(n)赋值为正无穷大;
2)若第n个灰度值分组内有多个灰度值,则相应的g(n)的取值等于该分组内第一个和最后一个灰度值对应的h(x)值之差;
步骤3、根据灰度落差分组结果,建立二阶高度落差函数与二阶长度落差函数;
所述步骤3中,记二阶高度落差函数为K(m)、二阶长度落差函数为L(m);这两个函数的自变量m表示灰度落差分组序号;
K(m)的取值方法如下:
1)若第m个灰度落差分组内只有一个灰度值分组序号,则相应的K(m)赋值为0;
2)若第m个灰度落差分组内有多个灰度值分组序号,且其中第一个灰度值分组序号对应的g(n)值不等于正无穷,则相应的K(m)的取值等于该分组内第一个和最后一个灰度值分组序号对应的g(n)之差;
3)若第m个灰度落差分组内有多个灰度值分组序号,且其中第一个灰度值分组序号对应的g(n)值等于正无穷,则相应的K(m)的取值等于该分组内第二个和最后一个灰度值分组序号对应的g(n)之差;
L(m)的取值等于第m个分组内灰度值分组序号的个数;
步骤4、基于二阶高度落差函数与二阶长度落差函数确定二值化阈值,根据该二值化阈值对原图像进行二值化处理,得到图像I;
步骤5、对二值化图像I进行孔洞填充,得到最终的二值化图像。
2.根据权利要求1所述的图像二值化处理方法,其特征在于,基于灰度直方图进行灰度值分组即将灰度值0~255按顺序划分为多个分组,灰度值分组序号分为记为1,2,…,N,N为划分得到的灰度值分组个数,具体划分方法为:根据灰度函数h(x),将相邻且对应的h(x)值符合递减规律的多个x取值分为一组,将其它x取值分别单独作为一组。
3.根据权利要求1所述的图像二值化处理方法,其特征在于,基于一阶灰度落差函数g(n)进行灰度落差分组即将灰度值分组序号1~N按顺序划分为多个分组,灰度落差分组序号分为记为1,2,…,M,M为划分得到的灰度落差分组个数,具体划分方法为:根据一阶灰度落差函数g(n),将相邻且对应的g(n)值符合递减规律的多个n取值分为一组,将其它n取值分别单独作为一组。
4.根据权利要求1所述的图像二值化处理方法,其特征在于,所述步骤4中,确定二值化阈值具体包括以下步骤:
步骤4.1、分别确定二阶高度落差函数K(m)与二阶长度落差函数L(m)的最大值与次大值;并分别计算两者的最大值与次大值之间的差距,选择差距较大的函数为最终的二阶落差函数;
步骤4.2、确定二阶落差函数最大值对应的取值,即灰度落差分组序号值;
步骤4.3、确定步骤4.2中灰度落差分组序号值对应的灰度落差分组内最后一个灰度值分组序号;
步骤4.4、确定步骤4.3中灰度值分组序号对应的灰度值分组内最后一个灰度值,将其作为二值化阈值。
5.根据权利要求4所述的图像二值化处理方法,其特征在于,设kmax为K(m)最大值,kmid为K(m)次大值;lmax为L(m)最大值,lmid为L(m)次大值,根据以下公式计算kmax与kmid、lmax与lmid之间的差距ksub、lsub:
6.一种图像二值化处理装置,包括以下模块:
灰度值分组模块,用于统计原图像的灰度信息,建立灰度直方图,并基于灰度直方图进行灰度值分组;
其中,将灰度直方图用灰度函数h(x)表示,其中自变量x表示灰度值,x=0,1,…,255;h(x)的值表示原图像中灰度值等于x的像素点的个数;
灰度落差分组,用于根据灰度值分组结果,建立一阶灰度落差函数,并基于一阶灰度落差函数进行灰度落差分组;
其中,记一阶灰度落差函数为g(n);其中自变量n表示灰度值分组序号;g(n)的取值方法如下:
1)若第n个灰度值分组内只有一个灰度值,则相应的g(n)赋值为正无穷大;
2)若第n个灰度值分组内有多个灰度值,则相应的g(n)的取值等于该分组内第一个和最后一个灰度值对应的h(x)值之差;
二阶高度落差函数构建模块,用于根据灰度落差分组结果,建立二阶高度落差函数与二阶长度落差函数;
其中,记二阶高度落差函数为K(m)、二阶长度落差函数为L(m);这两个函数的自变量m表示灰度落差分组序号;
K(m)的取值方法如下:
1)若第m个灰度落差分组内只有一个灰度值分组序号,则相应的K(m)赋值为0;
2)若第m个灰度落差分组内有多个灰度值分组序号,且其中第一个灰度值分组序号对应的g(n)值不等于正无穷,则相应的K(m)的取值等于该分组内第一个和最后一个灰度值分组序号对应的g(n)之差;
若第m个灰度落差分组内有多个灰度值分组序号,且其中第一个灰度值分组序号对应的g(n)值等于正无穷,则相应的K(m)的取值等于该分组内第二个和最后一个灰度值分组序号对应的g(n)之差;
L(m)的取值等于第m个分组内灰度值分组序号的个数;
二值化阈值确定及二值化处理模块,用于基于二阶高度落差函数与二阶长度落差函数确定二值化阈值,根据该二值化阈值对原图像进行二值化处理,得到图像I;
孔洞填充模块,用于对二值化图像I进行孔洞填充,得到最终的二值化图像。
7.一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现权利要求1~5中任一项所述的图像二值化处理方法。
8.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1~5中任一项所述的图像二值化处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395711.9A CN111583247B (zh) | 2020-05-12 | 2020-05-12 | 一种图像二值化处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395711.9A CN111583247B (zh) | 2020-05-12 | 2020-05-12 | 一种图像二值化处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583247A CN111583247A (zh) | 2020-08-25 |
CN111583247B true CN111583247B (zh) | 2023-11-03 |
Family
ID=72112651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010395711.9A Active CN111583247B (zh) | 2020-05-12 | 2020-05-12 | 一种图像二值化处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583247B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000065587A (ko) * | 1999-04-07 | 2000-11-15 | 윤종용 | 고립점 노이즈를 제거한 국부 이치화 방법 |
EP1282076A2 (en) * | 2001-07-31 | 2003-02-05 | Canon Kabushiki Kaisha | Self-adaptive binarization of digital images |
JP2009200573A (ja) * | 2008-02-19 | 2009-09-03 | Fuji Xerox Co Ltd | 画像処理装置及び画像処理プログラム |
CN101916444A (zh) * | 2010-08-23 | 2010-12-15 | 南京信息工程大学 | 基于形态学和蚁群算法的医学细胞边缘检测方法 |
JP2013020617A (ja) * | 2011-07-08 | 2013-01-31 | Fujitsu Ltd | グレースケール文字画像正規化装置及び方法 |
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
WO2014029334A1 (zh) * | 2012-08-22 | 2014-02-27 | 山东新北洋信息技术股份有限公司 | 纸币鉴别方法和装置 |
CN104636118A (zh) * | 2013-11-10 | 2015-05-20 | 航天信息股份有限公司 | 基于光平衡的qr二维码自适应二值化处理方法和装置 |
JP2015111088A (ja) * | 2013-12-06 | 2015-06-18 | 花王株式会社 | 粉粒体質量検査装置 |
CN110400290A (zh) * | 2019-07-02 | 2019-11-01 | 广州大学 | 一种太阳能电池片色差的检测方法、装置及存储介质 |
CN110555852A (zh) * | 2019-07-29 | 2019-12-10 | 同济大学 | 基于灰度直方图的单牙及其牙髓分割方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551859B (zh) * | 2008-03-31 | 2012-01-04 | 夏普株式会社 | 图像辨别装置及图像检索装置 |
US8351699B2 (en) * | 2008-12-18 | 2013-01-08 | Accusoft Corporation | Methods and apparatus for auto image binarization |
CN103679129A (zh) * | 2012-09-21 | 2014-03-26 | 中兴通讯股份有限公司 | 一种图像中的目标物体识别方法及装置 |
-
2020
- 2020-05-12 CN CN202010395711.9A patent/CN111583247B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000065587A (ko) * | 1999-04-07 | 2000-11-15 | 윤종용 | 고립점 노이즈를 제거한 국부 이치화 방법 |
EP1282076A2 (en) * | 2001-07-31 | 2003-02-05 | Canon Kabushiki Kaisha | Self-adaptive binarization of digital images |
JP2009200573A (ja) * | 2008-02-19 | 2009-09-03 | Fuji Xerox Co Ltd | 画像処理装置及び画像処理プログラム |
CN101916444A (zh) * | 2010-08-23 | 2010-12-15 | 南京信息工程大学 | 基于形态学和蚁群算法的医学细胞边缘检测方法 |
JP2013020617A (ja) * | 2011-07-08 | 2013-01-31 | Fujitsu Ltd | グレースケール文字画像正規化装置及び方法 |
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
WO2014029334A1 (zh) * | 2012-08-22 | 2014-02-27 | 山东新北洋信息技术股份有限公司 | 纸币鉴别方法和装置 |
CN104636118A (zh) * | 2013-11-10 | 2015-05-20 | 航天信息股份有限公司 | 基于光平衡的qr二维码自适应二值化处理方法和装置 |
JP2015111088A (ja) * | 2013-12-06 | 2015-06-18 | 花王株式会社 | 粉粒体質量検査装置 |
CN110400290A (zh) * | 2019-07-02 | 2019-11-01 | 广州大学 | 一种太阳能电池片色差的检测方法、装置及存储介质 |
CN110555852A (zh) * | 2019-07-29 | 2019-12-10 | 同济大学 | 基于灰度直方图的单牙及其牙髓分割方法 |
Non-Patent Citations (4)
Title |
---|
Detection of Impurity and Bubble Defects in Tire X-Ray Image Based on Improved Extremum Filter and Locally Adaptive-threshold Binaryzation;Xiunan Zheng etal;2018 International Conference on Security, Pattern Analysis, and Cybernetics;全文 * |
一种基于灰度直方图的遥感影像阴影自动检测方法;于东方;殷建平;张国敏;;计算机工程与科学(第12期);全文 * |
基于改进双边滤波的Ki nect深度图像空洞修复算法研究;李应彬 等;工业控制计算机;全文 * |
基于灰度直方图拟合曲线的数字图像多阈值分割技术研究;梁忠伟;叶邦彦;彭锐涛;徐兰英;;航空精密制造技术(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111583247A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7978903B2 (en) | Defect detecting method and defect detecting device | |
CN111402226A (zh) | 一种基于级联卷积神经网络的表面疵点检测方法 | |
US6683974B1 (en) | Image defect detection apparatus and image defect detection method | |
KR100241504B1 (ko) | 표시 스크린 검사 방법 | |
US20080281548A1 (en) | Method and System for Automatic Defect Detection of Articles in Visual Inspection Machines | |
WO2010023791A1 (ja) | 欠陥検査方法及び装置 | |
JP5718781B2 (ja) | 画像分類装置および画像分類方法 | |
CN110620887B (zh) | 图像生成装置和图像生成方法 | |
CN109462999B (zh) | 通过数据平衡基于学习的视觉检查方法以及利用其的视觉检查装置 | |
CN111724335A (zh) | 检测方法及检测系统 | |
CN110781913A (zh) | 一种拉链布带缺陷检测方法 | |
JP4143660B2 (ja) | 画像解析方法、画像解析装置、検査装置、画像解析プログラムおよびコンピュータ読み取り可能な記録媒体 | |
JP3907874B2 (ja) | 欠陥検査方法 | |
KR20210086303A (ko) | 딥러닝 기반 패턴 검사 장치 및 그 장치를 이용한 검사 방법 | |
CN111583247B (zh) | 一种图像二值化处理方法及装置 | |
CN116503340A (zh) | 一种micro oled面板缺陷检测方法、装置以及设备 | |
CN115937555A (zh) | 一种基于标准化流模型的工业缺陷检测算法 | |
CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
CN112767397B (zh) | 工件的检测方法、工件检测设备及存储介质 | |
CN115546140A (zh) | 一种显示面板检测方法、系统及电子装置 | |
CN110672631B (zh) | 面板缺陷拍照方法和面板缺陷拍照装置 | |
JP3127598B2 (ja) | 画像中の濃度変動構成画素抽出方法および濃度変動塊判定方法 | |
CN113870255B (zh) | Mini LED产品缺陷检测方法及相关设备 | |
WO2022172470A1 (ja) | 画像検査装置、画像検査方法及び学習済みモデル生成装置 | |
CN111292300B (zh) | 显示面板的亮点不良的检测方法和设备、可读存储介质 |
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 |