CN111899215B - 一种光学元件体缺陷的提取方法 - Google Patents
一种光学元件体缺陷的提取方法 Download PDFInfo
- Publication number
- CN111899215B CN111899215B CN202010543080.0A CN202010543080A CN111899215B CN 111899215 B CN111899215 B CN 111899215B CN 202010543080 A CN202010543080 A CN 202010543080A CN 111899215 B CN111899215 B CN 111899215B
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- light
- layer
- optical element
- 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
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
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种光学元件体缺陷的提取方法,包括:(1)采用两台激光光源发出光线,分别经过分光镜和反射镜,照射光学元件内部,经过内部体缺陷散射后在CCD处成像;(2)针对光学元件内不同层次扫描得到的体缺陷二维图像,计算相邻两层之间光斑外接矩形的交并比,判断是否为同一个体缺陷;(3)进行预处理,并设置灰度阈值进行二值化;(4)划分感兴趣区域,并建立滑窗对其遍历进行逐点扫描;(5)计算滑窗处的清晰度,对实验中光斑图案进行判别并去除不清晰部分;(6)结合附近层次体缺陷扫描二维图像计算亮斑的外接矩形长宽比,如果超出阈值,则作为体缺陷剔除,得到真正的体缺陷图像。本发明方法检测效果好,速度快,抗干扰能力强。
Description
技术领域
本发明属于光学技术领域,尤其是涉及一种光学元件体缺陷的提取方法。
背景技术
随着光学领域的全面发展,高精度的光学系统越来越多地应用于人类社会的方方面面,光学元件作为其中的核心部分,其加工质量决定了光学系统的准确性和安全性。除了在元件表面由于加工不当产生的麻点划痕以外,元件内部的体缺陷也是评价光学元件质量好坏的重要标准,这些体缺陷一般是在光学元件凝固成型的过程中,没有及时将气泡排出,液体固化的时候留在材料内部产生的。光学元件的体缺陷由于其复杂的结构,会对经过它的激光进行调制,使得激光束发生光束偏转,影响成像质量;如果是强激光束,会在光学元件缺陷处产生能量变化。光学元件对能量发生强烈吸收并转换成热能,使部分元件迅速升温,当温度过高时,元件本身会产生开裂或者爆炸等。所以准确地检测光学元件内部缺陷,评估光学元件质量,在高功率激光的光学系统中非常重要。
目前针对表面缺陷检测发展时间较长,已经形成业内较为成熟的检测系统,但是针对体缺陷的检测还无法完全做到定量检测,针对体缺陷尺寸的精确检测是光学元件体缺陷检测的发展目标,进而能够实现对体缺陷的有效评价。
在光学元件内部,激光入射照在体缺陷处,其散射光经过CCD对体缺陷成像,控制物面针对体缺陷的逐层扫描。在缺陷两端处经过成像系统会产生由于离焦造成的模糊光斑,它们并非是由体缺陷本身对光进行散射产生的像,不能够代表体缺陷本身的形貌,所以对于所得到的扫描图像,应将这一部分去除,得到只有体缺陷的图像,实现对光学元件内部体缺陷的有效检测,但是这部分光斑由于其亮度高,部分相对清晰,对体缺陷的提取造成了较大的困难,因此需要一套在将暗场成像系统下拍摄到的体缺陷进行准确提取的算法。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种光学元件体缺陷的提取方法,可以实现对光学元件内部体缺陷的有效明确检测。
本发明的技术方案如下:
一种光学元件体缺陷的提取方法,包括:
(1)采用两台出射光线横截面为矩形的激光光源分别发出光线,依次经过分光镜、反射镜照射入光学元件内部,交汇并形成各部分均匀的方形光斑对光学元件内部均匀照明,光束经过光学元件内部体缺陷散射后进入光学显微镜和CCD,得到待测光学元件体缺陷的二维图像;
(2)对体缺陷各层次进行扫描并分别成像,得到体缺陷不同层次处的二维图像;逐层图像进行初步的二值化后,针对每相邻两张图中光斑外接矩形的交并比,判断相邻两层的光斑是否属于同一个体缺陷,如果属于同一个体缺陷,则继续下一步处理;如果不属于,则上一层为一个体缺陷的最后一层,后一层为下一个体缺陷的第一层。得到包含体缺陷的所有层数的二维缺陷图;
(3)根据CCD成像的离焦、对焦各个区域的光信号强度不同,使用阈值法提取每个体缺陷灰度图中灰度较强光斑,并将成像最弱的离焦部分首先剔除掉;
(4)然后在剩余部分灰度较高区域划分出感兴趣区域,在其中的每层二维图像中设置3*3大小的滑窗,在滑窗中使用多种清晰度评价算子分别逐点计算清晰度数值;
(5)根据投票法判断滑窗处的清晰度,剔除部分清晰度较弱的离焦区域;
(6)对剩余的感兴趣区域,逐层计算亮斑的外接矩形长宽比,判断真实体缺陷光斑的位置,并将真实体缺陷光斑两端由于离焦产生的模糊光斑剔除,剩余的多层二维图像则为纯净的体缺陷扫描图像;
其中,判断真实体缺陷光斑的位置规则为:根据对同一个体缺陷逐层扫描之后的多层图像,靠近一端的一层二维图像中光斑外接矩形的长宽比较大,靠近另一端二维图像中光斑外接矩形的长宽比较小,这两端的二维图像的中间部分为真实体缺陷光斑。
采用本发明的方法进行体缺陷检测的过程中,步骤(1)中,所述分光镜、反射镜的工作波长相同,均为400-700nm,包含了激光光源的出射光波长。
步骤(2)中,将逐层图像进行初步的二值化,根据两层之间光斑的交并比,选择合适阈值,当交并比大于0.7时,认为上下两层光斑属于同一个体缺陷。
步骤(3)中,使用阈值法提取每个体缺陷灰度图中灰度较强光斑的具体步骤为:
针对多层二维图像,将属于同一个体缺陷的区域统计灰度值,取灰度阈值,如下式所示。
其中Gthre为本步骤中使用的灰度阈值,Gmax为这一区域中像素灰度最大值,Gave为这一区域中像素灰度的平均值,Gmin为这一区域中像素灰度的最小值。
由此筛选出较暗的离焦及多余光斑,首先将这部分进行初步剔除,剩余部分离焦和所有的聚焦区域。
步骤(4)的具体过程为:
(4-1)将剩余图像进行二值化,得到多个连通域,将每个连通域的横纵坐标区间作为所提取矩形感兴趣区域的边缘;
(4-2)在步骤(2)得到的灰度图中从感兴趣区域的左上角开始进行窗口滑动,步长为1进行扫描,一直滑动到窗口的右下角;
(4-3)在每个窗口内部使用多种清晰度评价算子逐点计算清晰度数值,并与全局图像的清晰度进行比较。
步骤(4)中,清晰度评价算子选择Tenengrad评价函数、Laplacian评价函数和基于频率域的双高斯混合模型进行共同判定;
其中,Tenengrad评价函数是基于Sobel算子的清晰度评价函数,其利用Sobel算子计算水平和垂直方向的梯度值,数学表达式如下:
Laplacian评价函数是基于Laplacian算子的清晰度评价函数,其数学表达式如下:
ILaplacian=∑Height∑Weight{4f(x,y)-f(x,y+1)-f(x,y-1)-f(x+1,y)-f(x-1,y)}2
其中,f(x,y)为Laplacian算子卷积的图像中某一像素点的灰度值。
基于频率域的双高斯混合模型是通过分析频谱曲线得到图像的清晰度,使用双高斯混合模型拟合图像的梯度密度分布曲线,双高斯函数的表达式如下:
G=pG0(x,μ0,σ0)+qG1(x,μ1,σ1)
其中,G0和G1均为高斯分布。对于一个高斯分布,μ为高斯分布尖峰位置的坐标,σ为标准方差。在上式中,σ值越大,代表梯度分布范围越广,说明图像中存在越多的锐利边缘;σ值越小,代表梯度分布的范围越窄,说明图像中的锐利边缘越少,较为模糊;p、q为对应的拟合系数;采用双高斯函数评价图像的清晰度时,首先需要计算图像中的梯度密度分布,采用双高斯函数进行曲线拟合,计算出其中的p、q、μ0、σ0、μ1、σ1,最后根据衡量锐利边缘的G1高斯函数的方差σ1来衡量图像的清晰度情况。
步骤(5)的具体过程为:
将滑窗中的三种清晰度数值与全局图像进行对比,设置合适阈值,对于上述的清晰度判断阈值,当Tenengrad评价函数和Laplacian评价函数针对全局图像的评价数值分别是局部图像评价数值的0.6-0.7倍时,双高斯混合模型中,局部图像的方差σ1是全局图像的1.3倍左右时,可以发现局部图相对较清晰。分别判断滑窗内部是否为对焦清晰图像,如果是,则投票数加1,如果票数较超过评价函数种类的一半,本算法中即为2,则最终认为滑窗处为对焦清晰图像,并将其以外的光斑部分剔除。
与现有技术相比,本发明具有以下有益效果:
1、通常光学元件内部的体缺陷和一般的离焦光斑在图像中有比较明显的区分,但是对于部分特殊形状的体缺陷,其两端的部分离焦光斑亮度高清晰度大,与对焦好的图像区别不大,但是经过多张实验图片及理论分析之后能够辨别当前图片上的清晰环状光斑是否为所需要的体缺陷散射成像图。经过相应的图像处理步骤,体缺陷提取的准确性较直接根据当前图片识别真实缺陷有了很大的提升。
2、本算法简单、步骤少,速度较快,具有很大的工程应用价值。不仅能够推动光学元件内部体缺陷检测的发展,也可以提升精密光学系统的精度,已经在中国工程物理研究院投入使用。
附图说明
图1为本发明实施例中采用的显微成像装置示意图;
图2为本发明实施例中真实缺陷提取去除前后软件界面对比示意图;
图3为本发明一种光学元件体缺陷的提取方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细描述,需要指出的是,以下所述实施例旨在便于对本发明的理解,而对其不起任何限定作用。
如图1所示,为本发明中光学元件体缺陷检测所用到的显微成像装置,激光器1发出532nm的绿光,经过整形器2之后被整形成横截面为大小5mm×1mm的矩形平行光,分别经过起偏器3和1/4波片4之后成为圆偏振光,经过分光镜7,分成两束光线s光和p光,然后分别经过1/4反射镜6和1/4反射镜8,分别从两个方向照射进光学元件9的内部,再次经过1/4全反射镜10和1/4全反射镜11,然后经过分光镜13后进入光阱12被吸收。同理,激光器17发出同样的一束激光,经过中心对称的路径和相同的元件,经过整形器16、起偏器15,1/4波片14,再经过分光镜13分成两束光,经过1/4全反射镜10和1/4全反射镜11从另外的两个方向照射入光学元件9的内部,与激光器1形成的两束光线一起在被检测区域形成均匀方形光斑照射光学元件内部体缺陷,最后被光阱5吸收。三维空间上垂直于四条光线形成的面,正对被检测的正方形区域,依次放置物镜和CCD,接收体缺陷散射产生的散射光,对缺陷成像。
如图2所示,图中,(a)为光斑去除之前的图像,(b)为光斑去除之后的图像,在图中可以发现部分较为明亮的离焦并非实际的体缺陷,但是由于其灰度大清晰度高,难以使用一般的方法将其区分并去除,本方法参照仿真的结果及上下层图像的特点,结合光学元件内部体缺陷本身的三维结构特征判定离焦区域并做去除,最终得到体缺陷的散射光成像。在软件中有两种框,一种用于圈出真正的体缺陷,另一种用于圈出所有的光斑,如图左侧的光斑,在(b)图中排除了一种矩形框,即认为这一光斑并非真正的体缺陷,说明这部分被程序认为是成像过程中离焦引起的多余光斑并已去除,而不被提取图像特征并显示在对应的输出表格中。
如图3所示,一种光学元件体缺陷的提取方法,包括如下步骤:
步骤1,对体缺陷各层次进行扫描并分别成像,得到体缺陷不同层次处的二维图像。二值化后,针对每张图中光斑之间的交并比得到相邻两层的光斑是否属于同一个体缺陷。
步骤2,根据CCD成像的离焦、对焦各个区域的光信号强度不同,首先根据每个体缺陷的灰度,使用合适的灰度阈值,将成像最弱的离焦部分首先剔除掉。
步骤3,对剩余部分灰度较高区域设定为感兴趣区域,在其中的每层二维图像中设置3*3大小的滑窗,在滑窗中使用多种清晰度评价算子分别逐点计算清晰度数值。
步骤4,根据投票法判断滑窗处的清晰度,首先剔除部分清晰度较弱的离焦区域。
步骤5,根据对同一个体缺陷逐层扫描之后的多层图像,靠近一端的一层二维图像中光斑的长宽比较大,靠近另一端的二维图像中光斑的长宽比较小,这两端的二维图像的中间部分为真正的体缺陷,两侧到这两张二维图像之间均为由于离焦产生的较弱光斑,也就是本步骤中所要去掉的多余光斑。逐层计算亮斑的外接矩形长宽比,判断是否为真实体缺陷光斑的两端,如果是,则将两端的成像过程中的离焦光斑剔除,剩余的多层二维图像则为纯净的体缺陷扫描图像。
以上所述的实施例对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的具体实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换,均应包含在本发明的保护范围之内。
Claims (4)
1.一种光学元件体缺陷的提取方法,其特征在于,包括:
(1)采用两台出射光线横截面为矩形的激光光源分别发出光线,依次经过分光镜、反射镜照射入光学元件内部,交汇并形成各部分均匀的方形光斑对光学元件内部均匀照明,光束经过光学元件内部体缺陷散射后进入光学显微镜和CCD,得到待测光学元件体缺陷的二维图像;
(2)对体缺陷各层次进行扫描并分别成像,得到体缺陷不同层次处的二维图像;逐层图像进行初步的二值化后,针对每相邻两张图中光斑外接矩形的交并比,判断相邻两层的光斑是否属于同一个体缺陷,如果属于同一个体缺陷,则继续下一步处理;如果不属于,则上一层为上一个体缺陷的最后一层,后一层为下一个体缺陷的第一层,得到包含体缺陷的所有层数的二维缺陷图;
(3)根据CCD成像的离焦、对焦各个区域的光信号强度不同,使用阈值法提取每个体缺陷灰度图中灰度强的光斑,并将成像最弱的离焦部分首先剔除掉;
使用阈值法提取每个体缺陷灰度图中灰度强的光斑具体步骤为:
针对多层二维图像,将属于同一个体缺陷的区域统计灰度值,取灰度阈值,公式如下:
其中,Gthre为本步骤中使用的灰度阈值,Gmax为这一区域中像素灰度最大值,Gave为这一区域中像素灰度的平均值,Gmin为这一区域中像素灰度的最小值;
由此筛选出较暗的离焦及多余光斑,首先将这部分进行初步剔除,剩余部分离焦和所有的聚焦区域;
(4)然后在剩余部分灰度高的区域划分出感兴趣区域,在其中的每层二维图像中设置3*3大小的滑窗,在滑窗中使用多种清晰度评价算子分别逐点计算清晰度数值;
(5)根据投票法判断滑窗处的清晰度,剔除部分清晰度较弱的离焦区域;具体过程为:
选择Tenengrad评价函数、Laplacian评价函数和基于频率域的双高斯混合模型进行共同判定;将滑窗中的三种清晰度数值与全局图像进行对比,设置阈值分别判断滑窗内部是否为对焦清晰图像,如果是,则投票数加1,如果票数超过评价函数种类的一半,则最终认为滑窗处为对焦清晰图像,并将其以外的光斑部分剔除;
设置阈值分别判断滑窗内部是否为对焦清晰图像的具体方法为:
当Tenengrad评价函数和Laplacian评价函数针对全局图像的评价数值分别是局部图像评价数值的0.6-0.7倍时,判断滑窗内部是否为对焦清晰图像;双高斯混合模型中,在局部图像的方差σ1是全局图像的1.3倍时,判断滑窗内部是否为对焦清晰图像;
(6)对剩余的感兴趣区域,逐层计算亮斑的外接矩形长宽比,判断真实体缺陷光斑的位置,并将真实体缺陷光斑两端由于离焦产生的模糊光斑剔除,剩余的多层二维图像则为纯净的体缺陷扫描图像;
其中,判断真实体缺陷光斑的位置规则为:根据对同一个体缺陷逐层扫描之后的多层图像,靠近一端的一层二维图像中光斑外接矩形的长宽比较大,靠近另一端二维图像中光斑外接矩形的长宽比较小,这两端的二维图像的中间部分为真实体缺陷光斑。
2.根据权利要求1所述的光学元件体缺陷的提取方法,其特征在于,步骤(1)中,所述分光镜、反射镜的工作波长相同,均为400-700nm,包含了激光光源的出射光波长。
3.根据权利要求1所述的光学元件体缺陷的提取方法,其特征在于,步骤(4)的具体过程为:
(4-1)将剩余图像进行二值化,得到多个连通域,将每个连通域的横纵坐标区间作为所提取矩形感兴趣区域的边缘;
(4-2)在步骤(2)得到的灰度图中从感兴趣区域的左上角开始进行窗口滑动,步长为1进行扫描,一直滑动到窗口的右下角;
(4-3)在每个窗口内部使用多种清晰度评价算子逐点计算清晰度数值,并与全局图像的清晰度进行比较。
4.根据权利要求3所述的光学元件体缺陷的提取方法,其特征在于,步骤(4)中,清晰度评价算子选择Tenengrad评价函数、Laplacian评价函数和基于频率域的双高斯混合模型进行共同判定;
其中,Tenengrad评价函数是基于Sobel算子的清晰度评价函数,其利用Sobel算子计算水平和垂直方向的梯度值,数学表达式如下:
Laplacian评价函数是基于Laplacian算子的清晰度评价函数,其数学表达式如下:
ILaplacian=∑Height∑Weight{4f(x,y)-f(x,y+1)-f(x,y-1)-f(x+1,y)-f(x-1,y)}2
式中,f(x,y)为Laplacian算子卷积的图像中某一像素点的灰度值;
基于频率域的双高斯混合模型是通过分析频谱曲线得到图像的清晰度,使用双高斯混合模型拟合图像的梯度密度分布曲线,双高斯函数的表达式如下:
G=pG0(x,μ0,σ0)+qG1(x,μ1,σ1)
式中,G0和G1均为高斯分布,对于一个高斯分布,μ为高斯分布尖峰位置的坐标,σ为标准方差;在上式中,σ值越大,代表梯度分布范围越广,说明图像中存在越多的锐利边缘;σ值越小,代表梯度分布的范围越窄,说明图像中的锐利边缘越少,较为模糊;p、q为对应的拟合系数;采用双高斯函数评价图像的清晰度时,首先需要计算图像中的梯度密度分布,采用双高斯函数进行曲线拟合,计算出其中的p、q、μ0、σ0、μ1、σ1,最后根据衡量锐利边缘的G1高斯函数的方差σ1来衡量图像的清晰度情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010543080.0A CN111899215B (zh) | 2020-06-15 | 2020-06-15 | 一种光学元件体缺陷的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010543080.0A CN111899215B (zh) | 2020-06-15 | 2020-06-15 | 一种光学元件体缺陷的提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899215A CN111899215A (zh) | 2020-11-06 |
CN111899215B true CN111899215B (zh) | 2023-04-25 |
Family
ID=73207385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010543080.0A Active CN111899215B (zh) | 2020-06-15 | 2020-06-15 | 一种光学元件体缺陷的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899215B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822877B (zh) * | 2021-11-17 | 2022-02-22 | 武汉中导光电设备有限公司 | Aoi设备显微镜缺陷检测图片质量评价方法及系统 |
CN114113110B (zh) * | 2021-11-26 | 2023-10-13 | 博迈科海洋工程股份有限公司 | 一种基于机器视觉的天然气管线保温层缺陷检测方法 |
CN115979597B (zh) * | 2023-02-13 | 2024-01-12 | 杭州简并激光科技有限公司 | 一种激光水平仪锥镜的缺陷检测方法 |
CN117232790B (zh) * | 2023-11-07 | 2024-02-02 | 中国科学院长春光学精密机械与物理研究所 | 基于二维散射实现光学元件表面缺陷的评估方法及系统 |
CN117232791B (zh) * | 2023-11-07 | 2024-02-09 | 智翼博智能科技(苏州)有限公司 | 一种光学膜表面瑕疵缺陷智能检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8358830B2 (en) * | 2010-03-26 | 2013-01-22 | The Boeing Company | Method for detecting optical defects in transparencies |
CN104062233B (zh) * | 2014-06-26 | 2015-06-03 | 浙江大学 | 精密表面缺陷散射三维显微成像装置 |
US10444160B2 (en) * | 2014-09-18 | 2019-10-15 | Zhejiang University | Surface defects evaluation system and method for spherical optical components |
CN111208064A (zh) * | 2020-03-06 | 2020-05-29 | 中国工程物理研究院激光聚变研究中心 | 一种光学元件亚表面缺陷快速检测装置和检测方法 |
-
2020
- 2020-06-15 CN CN202010543080.0A patent/CN111899215B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111899215A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899215B (zh) | 一种光学元件体缺陷的提取方法 | |
JP7026719B2 (ja) | 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング | |
KR101947843B1 (ko) | 검사 장치를 이용한 윤곽 기반 결함 검출 | |
RU2011130930A (ru) | Способ неразрушающего контроля механической детали | |
JP4408298B2 (ja) | 検査装置及び検査方法 | |
CN112326685B (zh) | 一种光学元件激光诱导损伤在线检测装置和检测方法 | |
CN112639451B (zh) | 晶圆的检查方法及检查装置 | |
CN111344559A (zh) | 缺陷检测方法及缺陷检测系统 | |
CN106895793A (zh) | 双模式深度测量的方法与装置 | |
US10923317B2 (en) | Detecting defects in a logic region on a wafer | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN111879789A (zh) | 金属表面缺陷检测方法及系统 | |
JPH09152322A (ja) | 表面品質検査方法及び表面品質検査装置 | |
JP2010151824A (ja) | パターン検査方法及びその装置 | |
CN111344553B (zh) | 曲面物体的缺陷检测方法及检测系统 | |
Aminzadeh et al. | In-situ quality inspection of laser powder-bed fusion using high-resolution visual camera images | |
JP2002243647A (ja) | 試料表面の欠損の検出及び分析方法 | |
CN114383522A (zh) | 一种测量反光差异工件表面间隙、面差的方法 | |
CN112581424A (zh) | 一种光学元件表面与亚表面缺陷的分类提取方法 | |
JP2009283977A (ja) | 検査装置及び検査方法 | |
CN116754568B (zh) | 一种基于暗场成像过焦扫描的层叠缺陷分离方法及装置 | |
Wang et al. | The Abnormities Extraction Method of Uneven Illumination Images for Devices Detections | |
KR102410896B1 (ko) | 이미지 센서 기반 객체 분류 방법 및 장치 | |
JP2008153258A (ja) | ステンシルマスクの検査方法および装置 | |
JPH02190707A (ja) | 表面欠陥の検査方法及び装置 |
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 |