CN111931651A - 一种视觉检测图像处理系统及其处理方法 - Google Patents
一种视觉检测图像处理系统及其处理方法 Download PDFInfo
- Publication number
- CN111931651A CN111931651A CN202010799912.5A CN202010799912A CN111931651A CN 111931651 A CN111931651 A CN 111931651A CN 202010799912 A CN202010799912 A CN 202010799912A CN 111931651 A CN111931651 A CN 111931651A
- Authority
- CN
- China
- Prior art keywords
- image
- images
- gray level
- visual inspection
- layering
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 18
- 238000011179 visual inspection Methods 0.000 title claims description 15
- 238000003672 processing method Methods 0.000 title claims description 12
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims 1
- 239000002994 raw material Substances 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视觉检测图像处理系统,包括两个不同角度的图像采集器,用于采集被测对象不同角度的图像;图像分层模块,用于图像进行分层处理;图像融合模块,用于对图像层进行融合得到待检测图像;图像检测模块,用于对待检测图像进行检测,得到检测结果。本发明能够改进现有技术的不足,在不增加图像分辨率的前提下实现图像的高精度检测。
Description
技术领域
本发明涉及视觉检测技术领域,尤其是一种视觉检测图像处理系统及其处理方法。
背景技术
视觉检测是一种利用图像智能化识别技术对被测对象进行自动化检测的方式。现有技术中,如果想要提高检测精度就需要提高被测图像的分辨率,而高分辨率的图像在处理过程中会大大增加运算量,导致图像处理延时。
发明内容
本发明要解决的技术问题是提供一种视觉检测图像处理系统及其处理方法,能够解决现有技术的不足,在不增加图像分辨率的前提下实现图像的高精度检测。
为解决上述技术问题,本发明所采取的技术方案如下。
一种视觉检测图像处理系统,包括,
两个不同角度的图像采集器,用于采集被测对象不同角度的图像;
图像分层模块,用于图像进行分层处理;
图像融合模块,用于对图像层进行融合得到待检测图像;
图像检测模块,用于对待检测图像进行检测,得到检测结果。
一种上述的视觉检测图像处理系统的处理方法,包括以下步骤:
A、两个图像采集器分别采集到被测对象两个不同角度的图像;
B、图像分层模块分别对两个不同角度的图像进行分层处理;
C、图像融合模块对图像层进行融合得到待检测图像;
D、图像检测模块对待检测图像进行检测,得到检测结果。
作为优选,步骤A中,两个图像采集器的拍摄角度夹角为25°。。
作为优选,步骤B中,对图像进行分层处理包括以下步骤,
B1、设立至少三个不同灰度范围的过滤器,将原始图像输入过滤器得到对应灰度范围的灰度图像;
B2、将灰度图像转化为二值图像,将同一原始图像得到的不同的二值图像进行比对,将图像出现变化且变化范围大于设定阈值的位置设定为第一标记位置;将两个原始图像经过同一过滤器得到的灰度图像转化成的二值图像进行比对,将图像出现变化且变化范围大于设定阈值的位置设定为第二标记位置;
B3、将全部的第一标记位置和第二标记位置转移至对应的灰度图像上,对于每个原始图像选择一张由其转化而成的标记位置总数最少的灰度图像,发送至图像融合模块。
作为优选,步骤C中,对图像层进行融合包括以下步骤,
C1、计算由图像分层模块得到的两张灰度图像中的第一标记位置的像素值方差,分别计算两张灰度图像中的方差平均值,将两个方差平均值进行线性变化,得到两张灰度图像的权重因子;
C2、以第二标记位置为基准,对两张灰度图像进行线性变换,使两张灰度图像上的第二标记位置完全重合;
C3、使用步骤C1得到的权重因子对步骤C2得到的两张灰度图像进行加权融合。
作为优选,步骤C2中,对灰度图像进行分割,分割后的每个图像块中均包含一部分第二标记位置,对每个图像块进行独立的线性变化,然后将图像块进行拼接复原灰度图像,对拼接位置进行平滑处理。
采用上述技术方案所带来的有益效果在于:本发明通过使用两个不同拍摄角度图像进行合成,实现对被测物体的特征进行加强。在进行图像分层融合的过程中,本发明开创性的使用两组标记位置设计图像融合过程,不仅避免了对于图像多次遍历处理,节约运算时间,而且可以准确定位图像特征点位置,实现对图像特征的加强,从而在检测过程中提高图像特征的检测准确度。
附图说明
图1是本发明一个具体实施方式的原理图。
具体实施方式
参照图1,本发明一个具体实施方式包括,
两个不同角度的图像采集器1,用于采集被测对象不同角度的图像;
图像分层模块2,用于图像进行分层处理;
图像融合模块3,用于对图像层进行融合得到待检测图像;
图像检测模块4,用于对待检测图像进行检测,得到检测结果。
一种上述的视觉检测图像处理系统的处理方法,包括以下步骤:
A、两个图像采集器1分别采集到被测对象两个不同角度的图像;
B、图像分层模块2分别对两个不同角度的图像进行分层处理;
C、图像融合模块3对图像层进行融合得到待检测图像;
D、图像检测模块4对待检测图像进行检测,得到检测结果。
步骤A中,两个图像采集器1的拍摄角度夹角为25°。
步骤B中,对图像进行分层处理包括以下步骤,
B1、设立至少三个不同灰度范围的过滤器,将原始图像输入过滤器得到对应灰度范围的灰度图像;
B2、将灰度图像转化为二值图像,将同一原始图像得到的不同的二值图像进行比对,将图像出现变化且变化范围大于设定阈值的位置设定为第一标记位置;将两个原始图像经过同一过滤器得到的灰度图像转化成的二值图像进行比对,将图像出现变化且变化范围大于设定阈值的位置设定为第二标记位置;
B3、将全部的第一标记位置和第二标记位置转移至对应的灰度图像上,对于每个原始图像选择一张由其转化而成的标记位置总数最少的灰度图像,发送至图像融合模块3。
步骤C中,对图像层进行融合包括以下步骤,
C1、计算由图像分层模块2得到的两张灰度图像中的第一标记位置的像素值方差,分别计算两张灰度图像中的方差平均值,将两个方差平均值进行线性变化,得到两张灰度图像的权重因子;
C2、以第二标记位置为基准,对两张灰度图像进行线性变换,使两张灰度图像上的第二标记位置完全重合;
C3、使用步骤C1得到的权重因子对步骤C2得到的两张灰度图像进行加权融合。
步骤C2中,对灰度图像进行分割,分割后的每个图像块中均包含一部分第二标记位置,对每个图像块进行独立的线性变化,然后将图像块进行拼接复原灰度图像,对拼接位置进行平滑处理。
经过对比试验,使用本发明的图像处理方法可以在图像分辨率在200ppi的情况下可达到传统单一图像遍历式检测分辨率为450ppi图像的准确度。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种视觉检测图像处理系统,其特征在于:包括,
两个不同角度的图像采集器(1),用于采集被测对象不同角度的图像;
图像分层模块(2),用于图像进行分层处理;
图像融合模块(3),用于对图像层进行融合得到待检测图像;
图像检测模块(4),用于对待检测图像进行检测,得到检测结果。
2.一种权利要求1所述的视觉检测图像处理系统的处理方法,其特征在于包括以下步骤:
A、两个图像采集器(1)分别采集到被测对象两个不同角度的图像;
B、图像分层模块(2)分别对两个不同角度的图像进行分层处理;
C、图像融合模块(3)对图像层进行融合得到待检测图像;
D、图像检测模块(4)对待检测图像进行检测,得到检测结果。
3.根据权利要求2所述的视觉检测图像处理系统的处理方法,其特征在于:步骤A中,两个图像采集器(1)的拍摄角度夹角为25°。
4.根据权利要求3所述的视觉检测图像处理系统的处理方法,其特征在于:步骤B中,对图像进行分层处理包括以下步骤,
B1、设立至少三个不同灰度范围的过滤器,将原始图像输入过滤器得到对应灰度范围的灰度图像;
B2、将灰度图像转化为二值图像,将同一原始图像得到的不同的二值图像进行比对,将图像出现变化且变化范围大于设定阈值的位置设定为第一标记位置;将两个原始图像经过同一过滤器得到的灰度图像转化成的二值图像进行比对,将图像出现变化且变化范围大于设定阈值的位置设定为第二标记位置;
B3、将全部的第一标记位置和第二标记位置转移至对应的灰度图像上,对于每个原始图像选择一张由其转化而成的标记位置总数最少的灰度图像,发送至图像融合模块(3)。
5.根据权利要求4所述的视觉检测图像处理系统的处理方法,其特征在于:步骤C中,对图像层进行融合包括以下步骤,
C1、计算由图像分层模块(2)得到的两张灰度图像中的第一标记位置的像素值方差,分别计算两张灰度图像中的方差平均值,将两个方差平均值进行线性变化,得到两张灰度图像的权重因子;
C2、以第二标记位置为基准,对两张灰度图像进行线性变换,使两张灰度图像上的第二标记位置完全重合;
C3、使用步骤C1得到的权重因子对步骤C2得到的两张灰度图像进行加权融合。
6.根据权利要求5所述的视觉检测图像处理系统的处理方法,其特征在于:步骤C2中,对灰度图像进行分割,分割后的每个图像块中均包含一部分第二标记位置,对每个图像块进行独立的线性变化,然后将图像块进行拼接复原灰度图像,对拼接位置进行平滑处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010799912.5A CN111931651B (zh) | 2020-08-11 | 2020-08-11 | 一种视觉检测图像处理系统及其处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010799912.5A CN111931651B (zh) | 2020-08-11 | 2020-08-11 | 一种视觉检测图像处理系统及其处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111931651A true CN111931651A (zh) | 2020-11-13 |
CN111931651B CN111931651B (zh) | 2024-01-30 |
Family
ID=73307487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010799912.5A Active CN111931651B (zh) | 2020-08-11 | 2020-08-11 | 一种视觉检测图像处理系统及其处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931651B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899841A (zh) * | 2015-06-15 | 2015-09-09 | 惠仁望都医疗设备科技有限公司 | 一种核磁共振图像的生成计算方法 |
CN106780537A (zh) * | 2017-01-11 | 2017-05-31 | 山东农业大学 | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 |
CN107650122A (zh) * | 2017-07-31 | 2018-02-02 | 宁夏巨能机器人股份有限公司 | 一种基于3d视觉识别的机器人手爪定位系统及其定位方法 |
CN108322724A (zh) * | 2018-02-06 | 2018-07-24 | 上海兴芯微电子科技有限公司 | 图像立体匹配方法以及双目视觉设备 |
CN110097548A (zh) * | 2019-05-08 | 2019-08-06 | 北华航天工业学院 | 一种基于机器视觉的钻孔缺陷检测系统及其检测方法 |
CN110189328A (zh) * | 2019-06-11 | 2019-08-30 | 北华航天工业学院 | 一种卫星遥感图像处理系统及其处理方法 |
US20200034996A1 (en) * | 2017-10-18 | 2020-01-30 | Tencent Technology (Shenzhen) Company Limited | Image processing method, apparatus, terminal, and storage medium |
CN111260645A (zh) * | 2020-02-20 | 2020-06-09 | 中国科学院自动化研究所 | 基于分块分类深度学习的篡改图像检测方法及系统 |
-
2020
- 2020-08-11 CN CN202010799912.5A patent/CN111931651B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899841A (zh) * | 2015-06-15 | 2015-09-09 | 惠仁望都医疗设备科技有限公司 | 一种核磁共振图像的生成计算方法 |
CN106780537A (zh) * | 2017-01-11 | 2017-05-31 | 山东农业大学 | 一种基于图像处理的方格蔟蚕茧筛选装置及方法 |
CN107650122A (zh) * | 2017-07-31 | 2018-02-02 | 宁夏巨能机器人股份有限公司 | 一种基于3d视觉识别的机器人手爪定位系统及其定位方法 |
US20200034996A1 (en) * | 2017-10-18 | 2020-01-30 | Tencent Technology (Shenzhen) Company Limited | Image processing method, apparatus, terminal, and storage medium |
CN108322724A (zh) * | 2018-02-06 | 2018-07-24 | 上海兴芯微电子科技有限公司 | 图像立体匹配方法以及双目视觉设备 |
CN110097548A (zh) * | 2019-05-08 | 2019-08-06 | 北华航天工业学院 | 一种基于机器视觉的钻孔缺陷检测系统及其检测方法 |
CN110189328A (zh) * | 2019-06-11 | 2019-08-30 | 北华航天工业学院 | 一种卫星遥感图像处理系统及其处理方法 |
CN111260645A (zh) * | 2020-02-20 | 2020-06-09 | 中国科学院自动化研究所 | 基于分块分类深度学习的篡改图像检测方法及系统 |
Non-Patent Citations (6)
Title |
---|
JUNHONG WANG 等: "Application research of visual processing technology in the industrial production line", 《APPLIED MECHANICS AND MATERIALS》, vol. 563, pages 338 - 341 * |
SEIICHI UCHIDA 等: "Image processing and recognition for biological images", 《DEVELOPMENT, GROWTH & DIFFERENTIATION》, vol. 55, no. 04, pages 523 - 549, XP071143680, DOI: 10.1111/dgd.12054 * |
SON CHANG-HWAN 等: "Layer-Based Approach for Image Pair Fusion", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》, vol. 25, no. 06, pages 2866 - 2881, XP011611545, DOI: 10.1109/TIP.2016.2556618 * |
刘清 等: "基于多特征融合的图像检索方法研究", 《电脑与电信》, no. 10, pages 4 - 9 * |
王亮 等: "基于多阈值分割的红外与可见光图像融合", 《光电子技术》, vol. 32, no. 04, pages 278 - 283 * |
蔡李美 等: "基于分层图像融合的虚拟视点绘制算法", 《计算机工程》, vol. 47, no. 04, pages 204 - 210 * |
Also Published As
Publication number | Publication date |
---|---|
CN111931651B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11551341B2 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN110363158B (zh) | 一种基于神经网络的毫米波雷达与视觉协同目标检测与识别方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN103759758B (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
CN111402226A (zh) | 一种基于级联卷积神经网络的表面疵点检测方法 | |
CN107590498A (zh) | 一种基于字符分割级联二分类器的自适应汽车仪表检测方法 | |
CN111998910B (zh) | 一种多级水尺水位视觉测量方法及测量系统 | |
CN108711148B (zh) | 一种基于深度学习的轮胎缺陷智能检测方法 | |
CN108764234B (zh) | 一种基于巡检机器人的液位仪表读数识别方法 | |
CN110929710B (zh) | 一种基于视觉的仪表指针读数自动识别方法与系统 | |
CN114663436A (zh) | 一种基于深度学习的跨尺度缺陷检测方法 | |
CN107392849B (zh) | 基于图像细分的靶标识别与定位方法 | |
CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
CN110910378A (zh) | 一种基于深度融合网络的双模态图像能见度检测方法 | |
CN110689512B (zh) | 一种孔内全景视频环状图像快速拼接融合成图方法 | |
CN111738229B (zh) | 一种指针表盘刻度的自动读取方法 | |
CN111368906A (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
CN111383194A (zh) | 一种基于极坐标的相机畸变图像校正方法 | |
CN106056121A (zh) | 基于sift图像特征匹配的卫星装配工件快速识别方法 | |
CN113554667A (zh) | 一种基于图像识别的三维位移检测方法及装置 | |
CN115222819A (zh) | 一种基于机场大范围场景下多模信息参照的相机自标定和目标追踪方法 | |
CN104966283A (zh) | 图像分层配准方法 | |
CN111931651A (zh) | 一种视觉检测图像处理系统及其处理方法 | |
CN115661446A (zh) | 基于深度学习的指针式仪表示数自动读取系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |