CN111640094A - 检测图像边缘差异消除方法及装置 - Google Patents
检测图像边缘差异消除方法及装置 Download PDFInfo
- Publication number
- CN111640094A CN111640094A CN202010435097.4A CN202010435097A CN111640094A CN 111640094 A CN111640094 A CN 111640094A CN 202010435097 A CN202010435097 A CN 202010435097A CN 111640094 A CN111640094 A CN 111640094A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- detected
- standard
- difference
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000007547 defect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种检测图像边缘差异消除方法及装置，涉及图像处理领域，通过获取标准标签图的标准灰度图，以及待检标签图的待检灰度图；根据所述标准灰度图和所述待检灰度图，获取灰度差图；根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果，提高了标签识别结果的准确性。本发明在标准标签图的基础上，直接把待检标签需要检测的部分取出来，然后利用取出来的数据进行检测比对，可以较大程度的减少边缘差异误差，提高标签识别结果的准确性。另外，本发明可以不再依赖于最高质量的图像，能够适应一般相机拍摄的图像效果，可适配市场上常见的工业检测用相机，特别是可使用国产相机，可以大幅降低相机采购成本。
Description
技术领域
本发明涉及图像处理技术，尤其涉及一种检测图像边缘差异消除方法及装置。
背景技术
标签智能检测的原理是通过机器视觉对标签图像进行检查，找出瑕疵标签并判断是否为合格标签。
在实际运行过程中，由于震动、光线、阴影、套印等各种外界因素，标签图像在边缘位置更容易出现差异，这些差异由于面积大、成片出现，很容易被系统识别为瑕疵，从而导致标签识别结果准确性较低，形成大量的误判。
发明内容
本发明实施例提供一种检测图像边缘差异消除方法及装置，提高了标签识别结果的准确性。
本发明实施例的第一方面，提供一种检测图像边缘差异消除方法，包括：
获取标准标签图的标准灰度图，以及待检标签图的待检灰度图；
根据所述标准灰度图和所述待检灰度图，获取灰度差图；
根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果。
可选地，在第一方面的一种可能实现方式中，所述根据所述标准灰度图和所述待检灰度图，获取灰度差图，包括：
对所述标准灰度图和所述待检灰度图进行配准处理，获取配准灰度图；
根据所述配准灰度图，获取所述灰度差图。
可选地，在第一方面的一种可能实现方式中，所述对所述标准灰度图和所述待检灰度图进行配准处理，获取配准灰度图，包括：
获取所述标准灰度图和所述待检灰度图的可辨识区；
以所述标准灰度图为基准，根据所述可辨识区对所述待检灰度图进行平移和/或旋转处理，获取所述配准灰度图。
可选地，在第一方面的一种可能实现方式中，所述根据所述配准灰度图，获取所述灰度差图，包括：
对所述配准灰度图进行计算绝对值差值处理，获取所述灰度差图。
可选地，在第一方面的一种可能实现方式中，在所述根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果之前，还包括：
对所述灰度差图进行去噪处理。
可选地，在第一方面的一种可能实现方式中，所述对所述灰度差图进行去噪处理，包括：
根据预设的色差阈值，对所述灰度差图中的图像点进行剔除处理。
可选地，在第一方面的一种可能实现方式中，在所述根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果之前，还包括：
获取所述标准标签图的边缘形态二值图；
根据所述边缘形态二值图，获取标准裁剪范围；
根据所述标准裁剪范围，对所述灰度差图进行裁剪处理。
可选地，在第一方面的一种可能实现方式中，所述获取所述标准标签图的边缘形态二值图，包括：
对所述所述标准标签图进行滤波处理，获取标准边缘灰度图；
根据预设的大津算法模型对所述标准边缘灰度图处理，获取二值化阈值；
根据所述二值化阈值对所述标准边缘灰度图处理，获取标准二值图；
对所述标准二值图进行放大、腐蚀处理，获取所述边缘形态二值图。
可选地，在第一方面的一种可能实现方式中，所述获取标准标签图的标准灰度图，以及待检标签图的待检灰度图，包括：
获取标准标签图的标准RGB彩色图，对所述标准RGB彩色图进行图像颜色处理，获取所述标准灰度图；
获取待检标签图的待检RGB彩色图，对所述待检RGB彩色图进行图像颜色处理，获取所述待检灰度图。
本发明实施例的第二方面，提供一种检测图像边缘差异消除装置，包括：
图像模块，用于获取标准标签图的标准灰度图，以及待检标签图的待检灰度图；
差值模块，用于根据所述标准灰度图和所述待检灰度图，获取灰度差图；
检测模块，用于根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果。
本发明实施例的第三方面，提供一种检测图像边缘差异消除设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行本发明第一方面及第一方面各种可能涉及的所述方法。
本发明实施例的第四方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能涉及的所述方法。
本发明提供的检测图像边缘差异消除方法及装置，通过获取标准标签图的标准灰度图，以及待检标签图的待检灰度图；根据所述标准灰度图和所述待检灰度图，获取灰度差图；根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果，提高了标签识别结果的准确性。本发明在标准标签图的基础上，直接把待检标签需要检测的部分取出来，然后利用取出来的数据进行检测比对，可以较大程度的减少边缘差异误差，提高标签识别结果的准确性。另外，本发明可以不再依赖于最高质量的图像，能够适应一般相机拍摄的图像效果，可适配市场上常见的工业检测用相机，特别是可使用国产相机，可以大幅降低相机采购成本。
附图说明
图1是本发明实施例提供的一种检测图像边缘差异消除方法的流程示意图；
图2是本发明实施例提供的标准标签的示意图；
图3是本发明实施例提供的待检测标签的示意图；
图4是本发明实施例提供的灰度差图的示意图；
图5是本发明实施例提供的另一种检测图像边缘差异消除方法的流程示意图；
图6是本发明实施例提供的一种检测图像边缘差异消除装置的结构示意图；
图7是本发明实施例提供的一种检测图像边缘差异消除设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，而不是全部的实施例。基于本发明中的实施例，本领域普通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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
参见图1，是本发明实施例提供的一种检测图像边缘差异消除方法的流程示意图，图1所示方法的执行主体可以是软件和/或硬件装置。本申请的执行主体可以包括但不限于以下中的至少一个：用户设备、网络设备等。其中，用户设备可以包括但不限于计算机、智能手机、个人数字助理(Personal Digital Assistant，简称：PDA)及上述提及的电子设备等。网络设备可以包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机。本实施例对此不做限制。包括步骤S101至步骤S103，具体如下：
S101，获取标准标签图的标准灰度图，以及待检标签图的待检灰度图。
具体地，为了方便后续对待检标签图和标准标签图的处理，需要将待检标签图和标准标签图转换成灰度图，例如，可以减少后续的处理量，或者可以提高处理的准确率。
可以理解的，参加图2，是本发明实施例提供的标准标签的示意图，标准标签图即根据标准的、无瑕疵的标签获取到的。参加图3，是本发明实施例提供的待检测标签的示意图，待检标签图即根据等待检测的标签获取到的，例如，标准标签图和待检标签图可以是根据相机拍摄后处理得到的。
其中，获取所述标准灰度图可以是先获取标准标签图的标准RGB彩色图，对标准RGB彩色图进行图像颜色处理，获取所述标准灰度图。获取所述待检灰度图可以是先获取待检标签图的待检RGB彩色图，对所述待检RGB彩色图进行图像颜色处理，获取所述待检灰度图。
S102，根据所述标准灰度图和所述待检灰度图，获取灰度差图。
具体地，利用待检灰度图和标准灰度图之间处理，得到需要的灰度差图。可以理解，由于标准灰度图是不变的，是一个比对基准，灰度差图是指将待检灰度图与标准灰度图之间不同提取出来所得到的。参加图4，是本发明实施例提供的灰度差图的示意图。即，实现对待检灰度图处理的转换，后续利用对灰度差图的处理即可实现对待检标签的检测。
S103，根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果。
具体地，由于灰度差图所代表的是待检灰度图与标准灰度图之间的不同数据，即直接把待检标签需要检测的部分取出来，然后利用取出来的数据进行检测比对，整个检测比对过程中，与待检测标签的边缘数据无关，可以较大程度的减少边缘差异误差，提高标签识别结果的准确性。
上述实施例提供的检测图像边缘差异消除方法，通过获取标准标签图的标准灰度图，以及待检标签图的待检灰度图；根据所述标准灰度图和所述待检灰度图，获取灰度差图；根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果，提高了标签识别结果的准确性。本发明在标准标签图的基础上，直接把待检标签需要检测的部分取出来，然后利用取出来的数据进行检测比对，可以较大程度的减少边缘差异误差，提高标签识别结果的准确性。另外，本发明可以不再依赖于最高质量的图像，能够适应一般相机拍摄的图像效果，可适配市场上常见的工业检测用相机，特别是可使用国产相机，可以大幅降低相机采购成本。
在上述实施例的基础上步骤S102(根据所述标准灰度图和所述待检灰度图，获取灰度差图)的具体实现方式可以是：
对所述标准灰度图和所述待检灰度图进行配准处理，获取配准灰度图；根据所述配准灰度图，获取所述灰度差图。
具体地，为了提高灰度差图的准确性，需要将标准灰度图和待检灰度图配准，即将标准灰度图和待检灰度图对齐后再进行提取不同数据，得到的灰度差图所代表的数据会更加准确。
其中，对所述标准灰度图和所述待检灰度图进行配准处理，获取配准灰度图的实施方式可以是：
获取所述标准灰度图和所述待检灰度图的可辨识区；以所述标准灰度图为基准，根据所述可辨识区对所述待检灰度图进行平移和/或旋转处理，获取所述配准灰度图。
具体地，可辨识区例如可以是标准灰度图和待检灰度图上的字母、颜色、数字、汉字等区域，在找到可辨识区后，以标准灰度图为基准，对待检灰度图进行移动处理，例如可以是进行平移和/或旋转处理，使得标准灰度图和待检灰度图上的可辨识区最大程度的对准，来获取到配准灰度图。
可以理解，配准灰度图实现的是将标准灰度图和待检灰度图在同一区域内的图像图形的地理坐标最大限度的相匹配。在后续提取差异点时，得到数据的准确性会较高。
在上述的基础上，对所述配准灰度图进行计算绝对值差值处理，获取所述灰度差图可以是：
对所述配准灰度图进行计算绝对值差值处理，获取所述灰度差图。
具体地，可以根据标准灰度图和待检灰度图的像素点之间的差值的绝对值来找到差异，利用差异得到灰度差图。也可以采用其他提取差异的实施方式，本实施例对此不作限制，在此不再赘述。
在实际应用中，由于一些微小的瑕疵或者差异可以忽略不计，即该微小的瑕疵或者差异不影响标签的检测结果，因此，需要对这些微小的瑕疵或者差异进行去除处理，在进行最后的比对时，这些微小的瑕疵或者差异就不必比对，具体如下：
参见图5，是本发明实施例提供的另一种检测图像边缘差异消除方法的流程示意图，包括步骤S501至步骤S504，具体如下：
S501，获取标准标签图的标准灰度图，以及待检标签图的待检灰度图。
S502，根据所述标准灰度图和所述待检灰度图，获取灰度差图。
S503，对所述灰度差图进行去噪处理。
具体地，可以根据预设的色差阈值，对所述灰度差图中的图像点进行剔除处理。例如，预设的色差阈值可以是10，在灰度差图中的图像点的色差值为2时，可以将此图像点剔除，实现对灰度差图的去噪处理。在进行最后的比对时，这些微小的瑕疵或者差异就不必比对，减少了比对的工作量，提高了检测效率。
S504，根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果。
本实施例中步骤S501、S502与步骤S504，与图1所述实施例中的步骤S101-S103相同，其实现原理和技术效果类似，此处不再赘述。
在图1和图5所述实施例的基础上，由于待检灰度图的大小等数据不确定，在所述标准灰度图和所述待检灰度图进行配准后，得到的配准灰度图可能超过了标准标签的尺寸，因此在所述根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果之前，需要对灰度差图进行裁剪处理，具体如下：
获取所述标准标签图的边缘形态二值图；根据所述边缘形态二值图，获取标准裁剪范围；根据所述标准裁剪范围，对所述灰度差图进行裁剪处理。
具体地，为了获取到标准裁剪范围，需要先对标准标签图进行处理，来提取到标准标签图的范围。然后再利用该标准裁剪范围，对灰度差图进行裁剪处理，得到标准的灰度差图。
其中，获取所述标准标签图的边缘形态二值图，可以是：
对所述标准标签图进行滤波处理，获取标准边缘灰度图；根据预设的大津算法模型对所述标准边缘灰度图处理，获取二值化阈值；根据所述二值化阈值对所述标准边缘灰度图处理，获取标准二值图；对所述标准二值图进行放大、腐蚀处理，获取所述边缘形态二值图。
具体地，可以对标准标签图进行高斯滤波、中值滤波等处理，得到标准边缘灰度图。由预设的大津算法模型计算该边缘图像的二值化阈值，得到标准二值图；对二值图进行形态学运算，即通过放大、腐蚀等处理，得到标准的边缘形态二值图。
参见图6，是本发明实施例提供的一种检测图像边缘差异消除装置的结构示意图，该检测图像边缘差异消除装置60，包括：
图像模块61，用于获取标准标签图的标准灰度图，以及待检标签图的待检灰度图；
差值模块62，用于根据所述标准灰度图和所述待检灰度图，获取灰度差图；
检测模块63，用于根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果。
图6所示实施例的装置对应地可用于执行图1所示方法实施例中的步骤，其实现原理和技术效果类似，此处不再赘述。
参见图7，是本发明实施例提供的一种检测图像边缘差异消除设备的硬件结构示意图，该检测图像边缘差异消除设备70包括：处理器71、存储器72和计算机程序；其中
存储器72，用于存储所述计算机程序，该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器71，用于执行所述存储器存储的计算机程序，以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器72既可以是独立的，也可以跟处理器71集成在一起。
当所述存储器72是独立于处理器71之外的器件时，所述设备还可以包括：
总线73，用于连接所述存储器72和处理器71。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种检测图像边缘差异消除方法，其特征在于，包括：
获取标准标签图的标准灰度图，以及待检标签图的待检灰度图；
根据所述标准灰度图和所述待检灰度图，获取灰度差图；
根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述标准灰度图和所述待检灰度图，获取灰度差图，包括：
对所述标准灰度图和所述待检灰度图进行配准处理，获取配准灰度图；
根据所述配准灰度图，获取所述灰度差图。
3.根据权利要求2所述的方法，其特征在于，所述对所述标准灰度图和所述待检灰度图进行配准处理，获取配准灰度图，包括：
获取所述标准灰度图和所述待检灰度图的可辨识区；
以所述标准灰度图为基准，根据所述可辨识区对所述待检灰度图进行平移和/或旋转处理，获取所述配准灰度图。
4.根据权利要求2所述的方法，其特征在于，所述根据所述配准灰度图，获取所述灰度差图，包括：
对所述配准灰度图进行计算绝对值差值处理，获取所述灰度差图。
5.根据权利要求1所述的方法，其特征在于，在所述根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果之前，还包括：
对所述灰度差图进行去噪处理。
6.根据权利要求5所述的方法，其特征在于，所述对所述灰度差图进行去噪处理，包括：
根据预设的色差阈值，对所述灰度差图中的图像点进行剔除处理。
7.根据权利要求1或6所述的方法，其特征在于，在所述根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果之前，还包括：
获取所述标准标签图的边缘形态二值图；
根据所述边缘形态二值图，获取标准裁剪范围；
根据所述标准裁剪范围，对所述灰度差图进行裁剪处理。
8.根据权利要求7所述的方法，其特征在于，所述获取所述标准标签图的边缘形态二值图，包括：
对所述标准标签图进行滤波处理，获取标准边缘灰度图；
根据预设的大津算法模型对所述标准边缘灰度图处理，获取二值化阈值；
根据所述二值化阈值对所述标准边缘灰度图处理，获取标准二值图；
对所述标准二值图进行放大、腐蚀处理，获取所述边缘形态二值图。
9.根据权利要求1所述的方法，其特征在于，所述获取标准标签图的标准灰度图，以及待检标签图的待检灰度图，包括：
获取标准标签图的标准RGB彩色图，对所述标准RGB彩色图进行图像颜色处理，获取所述标准灰度图；
获取待检标签图的待检RGB彩色图，对所述待检RGB彩色图进行图像颜色处理，获取所述待检灰度图。
10.一种检测图像边缘差异消除装置，其特征在于，包括：
图像模块，用于获取标准标签图的标准灰度图，以及待检标签图的待检灰度图；
差值模块，用于根据所述标准灰度图和所述待检灰度图，获取灰度差图；
检测模块，用于根据所述灰度差图对所述待检标签图进行检测处理，获取检测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010435097.4A CN111640094A (zh) | 2020-05-21 | 2020-05-21 | 检测图像边缘差异消除方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010435097.4A CN111640094A (zh) | 2020-05-21 | 2020-05-21 | 检测图像边缘差异消除方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111640094A true CN111640094A (zh) | 2020-09-08 |
Family
ID=72331471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010435097.4A Pending CN111640094A (zh) | 2020-05-21 | 2020-05-21 | 检测图像边缘差异消除方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111640094A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113284092A (zh) * | 2021-04-28 | 2021-08-20 | 中国地质大学（武汉） | 基于特征匹配的结构面剪切破坏区域自动判识方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509300A (zh) * | 2011-11-18 | 2012-06-20 | 深圳市宝捷信科技有限公司 | 一种缺陷检测方法及系统 |
| CN105260733A (zh) * | 2015-09-11 | 2016-01-20 | 北京百度网讯科技有限公司 | 用于处理图像信息的方法和装置 |
| CN105654511A (zh) * | 2015-12-29 | 2016-06-08 | 浙江大学 | 一种弱小运动目标快速检测与跟踪方法 |
| CN106247969A (zh) * | 2016-09-21 | 2016-12-21 | 哈尔滨工业大学 | 一种基于机器视觉的工业磁芯元件的形变检测方法 |
| CN107492091A (zh) * | 2017-07-06 | 2017-12-19 | 东莞理工学院 | 基于机器视觉的标签外观检测方法及终端设备 |
| CN110097046A (zh) * | 2019-03-11 | 2019-08-06 | 上海肇观电子科技有限公司 | 一种文字检测方法及装置、设备和计算机可读存储介质 |
-
2020
- 2020-05-21 CN CN202010435097.4A patent/CN111640094A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509300A (zh) * | 2011-11-18 | 2012-06-20 | 深圳市宝捷信科技有限公司 | 一种缺陷检测方法及系统 |
| CN105260733A (zh) * | 2015-09-11 | 2016-01-20 | 北京百度网讯科技有限公司 | 用于处理图像信息的方法和装置 |
| CN105654511A (zh) * | 2015-12-29 | 2016-06-08 | 浙江大学 | 一种弱小运动目标快速检测与跟踪方法 |
| CN106247969A (zh) * | 2016-09-21 | 2016-12-21 | 哈尔滨工业大学 | 一种基于机器视觉的工业磁芯元件的形变检测方法 |
| CN107492091A (zh) * | 2017-07-06 | 2017-12-19 | 东莞理工学院 | 基于机器视觉的标签外观检测方法及终端设备 |
| CN110097046A (zh) * | 2019-03-11 | 2019-08-06 | 上海肇观电子科技有限公司 | 一种文字检测方法及装置、设备和计算机可读存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113284092A (zh) * | 2021-04-28 | 2021-08-20 | 中国地质大学（武汉） | 基于特征匹配的结构面剪切破坏区域自动判识方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107492091B (zh) | 基于机器视觉的标签外观检测方法及终端设备 | |
| CN109165538B (zh) | 基于深度神经网络的条形码检测方法及装置 | |
| CN107480585B (zh) | 基于dpm算法的目标检测方法 | |
| CN109919002B (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
| CN111507324B (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
| CN112861656B (zh) | 商标相似性检测方法、装置、电子设备和存储介质 | |
| CN112991374B (zh) | 基于Canny算法的边缘增强方法、装置、设备及存储介质 | |
| CN113780484B (zh) | 工业产品缺陷检测方法和装置 | |
| CN116168351B (zh) | 电力设备巡检方法及装置 | |
| CN114581646A (zh) | 文本识别方法、装置、电子设备及存储介质 | |
| CN111126296A (zh) | 水果定位方法及装置 | |
| CN111640094A (zh) | 检测图像边缘差异消除方法及装置 | |
| CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
| CN117036342B (zh) | 一种芯片缺陷识别方法及系统 | |
| CN109871779B (zh) | 掌纹识别的方法及电子设备 | |
| CN113393430A (zh) | 用于风机叶片缺陷检测的热成像图像增强训练方法和装置 | |
| CN111598090B (zh) | 印刷电路板上标记的识别方法、装置、设备及存储介质 | |
| CN112818983A (zh) | 一种利用图片相识度判断字符倒置的方法 | |
| CN114266719B (zh) | 一种基于霍夫变换的产品检测方法 | |
| CN112183540B (zh) | 标签参数的提取方法和装置、存储介质、电子装置 | |
| CN115423765A (zh) | 一种基于模板图像的晶粒缺陷量化分割方法 | |
| CN109815791B (zh) | 基于血管的身份识别方法和装置 | |
| CN109934215B (zh) | 一种身份证识别方法 | |
| CN113505784A (zh) | 甲片自动标注解析方法及装置、电子设备及存储介质 | |
| CN108960222B (zh) | 图像二值化方法、装置、设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200908 |
|
| RJ01 | Rejection of invention patent application after publication |