CN111724362A - 一种基于视觉条纹技术的高反面外观检测方法 - Google Patents
一种基于视觉条纹技术的高反面外观检测方法 Download PDFInfo
- Publication number
- CN111724362A CN111724362A CN202010536358.1A CN202010536358A CN111724362A CN 111724362 A CN111724362 A CN 111724362A CN 202010536358 A CN202010536358 A CN 202010536358A CN 111724362 A CN111724362 A CN 111724362A
- Authority
- CN
- China
- Prior art keywords
- phase
- gray code
- folding
- image
- periodic
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000005516 engineering process Methods 0.000 title claims abstract description 13
- 230000000007 visual effect Effects 0.000 title claims abstract description 13
- 230000000737 periodic effect Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000007547 defect Effects 0.000 claims abstract description 18
- 230000035772 mutation Effects 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 230000010363 phase shift Effects 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000007689 inspection Methods 0.000 claims description 3
- 238000010587 phase diagram Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 abstract description 4
- 238000006073 displacement reaction Methods 0.000 abstract description 3
- 239000002184 metal Substances 0.000 abstract description 3
- 239000003973 paint Substances 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种基于视觉条纹技术的高反面外观检测方法，涉及AOI光学自动检测领域，该方法包括以下步骤：步骤一、空域滤波，对反射图像相位进行高通滤波，进行阈值分割，消除非缺陷区域噪声；步骤二、折叠相位提取，最小值法计算反射图像相位，设置防呆程序校正相位突变；步骤三、折叠相位展开，格雷码相位周期级数编码，对格雷码图像进行解码，得到周期级数，结合相移法求取的折叠相位和格雷码解码得到的周期级数求整幅图像的绝对相位，该算法针对大部分高反光表面通用，需求的光源条件简单，由于测量的是位移的导数，对于表面缺陷引起的微小形状突变更为敏感，更加适用于金属烤漆等亮光构件的表面质量检测。
Description
技术领域
本发明涉及AOI光学自动检测领域，具体涉及一种基于视觉条纹技术的高反面外观检测方法。
背景技术
随着工业自动化的快速发展,AOI光学自动检测现已成为制造业确保产品质量的重要检测工具和过程质量控制工具，它的灵活性，可扩展性可以大大提高生产效率和生产的自动化程度。
但是针对类镜面高反射面的检测，一直是行业的痛点，高反射曲面因其具有的镜面特性和曲面特性，极易引起表面眩光并反射周围物体的像，造成观测相机捕捉的图像亮度局部饱和，表面质量信息隐没在周围复杂环境中。
因此传统的视觉检测方式无法针对高反光表面提出一种通用性的检测方案，造成针对每一种产品需要特殊进行设计光学系统，同时检测精度也难以满足生产厂家的要求。
现有技术存在以下两点优点，1.反射条纹图像的解析并还原，摄像机拍摄到的为条纹图像，需要通过算法分析将多个反射图像进行组合解析，最终还原产品表面的实际图像；2.图像解析的过程中会出现图像噪声，图像缺失的问题，需要真实准确的还原产品表面的信息，为了解决上述技术问题，特提出一种新的技术方案。
发明内容
本发明的目的在于提供一种基于视觉条纹技术的高反面外观检测方法，该方法通过计算机视觉条纹测量技术的最大特点是条纹发生容易，条纹宽度、亮度等调节方便，适合于测量的自动化，同时使用条纹光反射到镜面物体，相机接收反射光图像，进而提取反射条纹的相位信息，当镜面物体有缺陷时，相位信息发生突变，从而识别到缺陷信息，该方法通用性强，针对高反光曲面和平面表面可兼容，并可以高度还原缺陷特征，微小缺陷可以很好的得到图像还原，保证缺陷的检测精度。
为实现上述目的，本发明提供如下技术方案：一种基于视觉条纹技术的高反面外观检测方法，该方法包括以下步骤：
步骤一、空域滤波，对反射图像相位进行高通滤波，进行阈值分割，消除非缺陷区域噪声；
步骤二、折叠相位提取，最小值法计算反射图像相位，设置防呆程序校正相位突变；
步骤三、折叠相位展开，格雷码相位周期级数编码，对格雷码图像进行解码，得到周期级数，结合相移法求取的折叠相位和格雷码解码得到的周期级数求整幅图像的绝对相位。
所述的空域滤波是利用高斯函数的二阶导数构造卷积核对反射图像相位进行高通滤波，反射图像缺陷区域存在相位突变,其相位卷积结果较非缺陷区域得到显著增强,再通过阈值分割即可实现消除非缺陷区域反射图像的相位突变和噪声。
所述的折叠相位提取是根据8幅条纹图像进行折叠相位提取，利用最小二值法计算图像反射条纹相位，得到8步相移序列图像对此条纹序列图像放大，可发现相位存在2Π的周期性突变为了消除反射图像随机噪声造成相位产生2Π的周期跳变，设置防呆判断程序，通过判断每一个像素点相位正负号与其周围N个像素点相位正负号是否一致，一致则说明不存在相位跳变，不一致则对该像素点相位取反，局部校正之后的相位图。
所述的折叠相位展开中的格雷码编码法通过多幅格雷码图像进行编码,编码值与折叠相位的周期级数k一一对应与普通二进制编码类似,n位格雷码最多可以编码2^n个码值，以8个周期折叠相位为例,8个格雷码值对应8个周期级数，此情况下,LCD需要显示3幅格雷码序列图像，相机采集的格雷码序列图像经过二值化处理后进行解码,得到周期级数k算法流程，结合相移法求取的折叠相位和格雷码序列图像解码的周期级数可以求得整幅图像连续的绝对相位。
与现有技术相比，本发明的有益效果是：使用条纹光图像解析技术，由相机捕获多张反射条纹光图像，用高通滤波算法初步消除部分图像噪声，使用最小二值化计算图像相位，并增加防呆程序防止相位周期突变，最后通过格雷码编码法对折叠相位进行编码和展开，还原产品原始图像。
该算法针对大部分高反光表面通用，需求的光源条件简单，由于测量的是位移的导数，对于表面缺陷引起的微小形状突变更为敏感，更加适用于金属烤漆等亮光构件的表面质量检测。
附图说明
图1为本发明的光源投射图；
图2为本发明的8步相移序列图。
图3为本发明的2Π的周期性突变图。
图4为本发明的局部校正之后的相位图。
具体实施方式
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。
请参阅各图，本发明提供一种技术方案：一种基于视觉条纹技术的高反面外观检测方法，该方法包括以下步骤：
步骤一、空域滤波，对反射图像相位进行高通滤波，进行阈值分割，消除非缺陷区域噪声；
步骤二、折叠相位提取，最小值法计算反射图像相位，设置防呆程序校正相位突变；
步骤三、折叠相位展开，格雷码相位周期级数编码，对格雷码图像进行解码，得到周期级数，结合相移法求取的折叠相位和格雷码解码得到的周期级数求整幅图像的绝对相位。
该方法采用了反射条纹图像解析还原的新型算法，该算法通过对相机拍摄的条纹图像进行相位提取，相位展开，相位校正的方式对图像进行有序还原，条纹光源与相机形成反射角，光源投射如图1所示条纹图像，经产品表面反射，相机捕捉条纹图像，同时使用程序控制光源分步变换条纹相位，每次变换1/8，最终相机拍摄8幅不同相位反射条纹图像，每幅图像间隔1/8相位。利用高斯函数的二阶导数构造卷积核对反射图像相位进行高通滤波，反射图像缺陷区域存在相位突变,其相位卷积结果较非缺陷区域得到显著增强,再通过阈值分割即可实现消除非缺陷区域反射图像的相位突变和噪声。根据8幅条纹图像进行折叠相位提取：利用最小二值法计算图像反射条纹相位，得到8步相移序列图像如图2对此条纹序列图像放大，可发现相位存在2Π的周期性突变如图3为了消除反射图像随机噪声造成相位产生2Π的周期跳变，设置防呆判断程序，通过判断每一个像素点相位正负号与其周围N(N≤10)个像素点相位正负号是否一致，一致则说明不存在相位跳变，不一致则对该像素点相位取反，局部校正之后的相位图如图4。格雷码编码法通过多幅格雷码图像进行编码,编码值与折叠相位的周期级数k一一对应.与普通二进制编码类似,n位格雷码最多可以编码2^n个码值.以8个周期折叠相位为例,8个格雷码值对应8个周期级数.此情况下,LCD需要显示3幅格雷码序列图像.相机采集的格雷码序列图像经过二值化处理后进行解码,得到周期级数k算法流程。结合相移法求取的折叠相位和格雷码序列图像解码的周期级数可以求得整幅图像连续的绝对相位。
该方法使用条纹光图像解析技术，由相机捕获多张反射条纹光图像，用高通滤波算法初步消除部分图像噪声，使用最小二值化计算图像相位，并增加防呆程序防止相位周期突变，最后通过格雷码编码法对折叠相位进行编码和展开，还原产品原始图像。该算法针对大部分高反光表面通用，需求的光源条件简单，由于测量的是位移的导数，对于表面缺陷引起的微小形状突变更为敏感，更加适用于金属烤漆等亮光构件的表面质量检测。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于视觉条纹技术的高反面外观检测方法，其特征在于：该方法包括以下步骤：
步骤一、空域滤波，对反射图像相位进行高通滤波，进行阈值分割，消除非缺陷区域噪声；
步骤二、折叠相位提取，最小值法计算反射图像相位，设置防呆程序校正相位突变；
步骤三、折叠相位展开，格雷码相位周期级数编码，对格雷码图像进行解码，得到周期级数，结合相移法求取的折叠相位和格雷码解码得到的周期级数求整幅图像的绝对相位。
2.根据权利要求1所述的基于视觉条纹技术的高反面外观检测方法，其特征在于：所述的空域滤波是利用高斯函数的二阶导数构造卷积核对反射图像相位进行高通滤波，反射图像缺陷区域存在相位突变,其相位卷积结果较非缺陷区域得到显著增强,再通过阈值分割即可实现消除非缺陷区域反射图像的相位突变和噪声。
3.根据权利要求1所述的基于视觉条纹技术的高反面外观检测方法，其特征在于：所述的折叠相位提取是根据8幅条纹图像进行折叠相位提取，利用最小二值法计算图像反射条纹相位，得到8步相移序列图像对此条纹序列图像放大，可发现相位存在2Π的周期性突变为了消除反射图像随机噪声造成相位产生2Π的周期跳变，设置防呆判断程序，通过判断每一个像素点相位正负号与其周围N个像素点相位正负号是否一致，一致则说明不存在相位跳变，不一致则对该像素点相位取反，局部校正之后的相位图。
4.跟权利要求1所述的基于视觉条纹技术的高反面外观检测方法，其特征在于：所述的折叠相位展开中的格雷码编码法通过多幅格雷码图像进行编码,编码值与折叠相位的周期级数k一一对应与普通二进制编码类似,n位格雷码最多可以编码2^n个码值，以8个周期折叠相位为例,8个格雷码值对应8个周期级数，此情况下,LCD需要显示3幅格雷码序列图像，相机采集的格雷码序列图像经过二值化处理后进行解码,得到周期级数k算法流程，结合相移法求取的折叠相位和格雷码序列图像解码的周期级数可以求得整幅图像连续的绝对相位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010536358.1A CN111724362A (zh) | 2020-06-12 | 2020-06-12 | 一种基于视觉条纹技术的高反面外观检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010536358.1A CN111724362A (zh) | 2020-06-12 | 2020-06-12 | 一种基于视觉条纹技术的高反面外观检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111724362A true CN111724362A (zh) | 2020-09-29 |
Family
ID=72566536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010536358.1A Pending CN111724362A (zh) | 2020-06-12 | 2020-06-12 | 一种基于视觉条纹技术的高反面外观检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111724362A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113028989A (zh) * | 2021-03-05 | 2021-06-25 | 苏州天准软件有限公司 | 物体的三维信息获取方法及装置 |
| CN114719781A (zh) * | 2022-06-08 | 2022-07-08 | 广东工业大学 | 一种三维测量方法及相关装置 |
| CN115661125A (zh) * | 2022-11-16 | 2023-01-31 | 南京云创大数据科技股份有限公司 | 基于格雷码结构光的类镜面结构表面缺陷检测方法及系统 |
-
2020
- 2020-06-12 CN CN202010536358.1A patent/CN111724362A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113028989A (zh) * | 2021-03-05 | 2021-06-25 | 苏州天准软件有限公司 | 物体的三维信息获取方法及装置 |
| CN114719781A (zh) * | 2022-06-08 | 2022-07-08 | 广东工业大学 | 一种三维测量方法及相关装置 |
| US11823405B1 (en) | 2022-06-08 | 2023-11-21 | Guangdong University Of Technology | Three-dimensional measurement method and related apparatus |
| CN115661125A (zh) * | 2022-11-16 | 2023-01-31 | 南京云创大数据科技股份有限公司 | 基于格雷码结构光的类镜面结构表面缺陷检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111724362A (zh) | 一种基于视觉条纹技术的高反面外观检测方法 | |
| US11310467B2 (en) | Object inspection system and method for inspecting an object | |
| Zhang et al. | 3-D shape measurement based on complementary Gray-code light | |
| CN109557101B (zh) | 一种非标高反射曲面工件的缺陷检测装置及方法 | |
| Liu et al. | Automatic inspection system of surface defects on optical IR-CUT filter based on machine vision | |
| JP5806786B1 (ja) | 画像認識装置 | |
| CN115479557A (zh) | 一种基于相移偏折术的高反射物体表面缺陷检测 | |
| CN108645871A (zh) | 一种基于条纹反射的3d曲面玻璃缺陷检测方法 | |
| JP2006284471A (ja) | パターン検査方法及びパターン検査装置並びにパターン検査用プログラム | |
| TW202200993A (zh) | 檢查裝置、檢查方法及檢查程式 | |
| CN112782179A (zh) | 一种产品反光表面缺陷检测方法及系统 | |
| Chen et al. | Scene adaptive structured light using error detection and correction | |
| JP2007017364A (ja) | シルエット抽出装置及び該方法並びに３次元形状データ生成装置及び該方法 | |
| Mathai et al. | Transparent object reconstruction based on compressive sensing and super-resolution convolutional neural network | |
| Wedowski et al. | Dynamic deflectometry: A novel approach for the on-line reconstruction of specular freeform surfaces | |
| EP3582183B1 (en) | Deflectometric techniques | |
| JP2004325096A (ja) | 格子パターン投影法における画像処理方法、画像処理装置及び計測装置 | |
| CN115100110A (zh) | 一种偏光镜片缺陷检测方法、装置、设备及可读存储介质 | |
| CN115393290A (zh) | 边缘缺陷检测方法、装置及设备 | |
| Fang et al. | One-shot monochromatic symbol pattern for 3D reconstruction using perfect submap coding | |
| CN116402819B (zh) | 类镜面缺陷检测方法、装置、电子设备及存储介质 | |
| Feng et al. | Automatic exposure control method for 3D shape measurement of specular surface based on digital fringe projection | |
| CN108759720B (zh) | 光滑表面面型测量方法 | |
| CN118071692A (zh) | 用于类镜面物体表面缺陷检测的成像方法、电子设备、介质 | |
| CN117291922B (zh) | 一种不锈钢多级泵叶轮缺陷视觉检测方法 |
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 |