CN112085709A - 一种图像对比方法及设备 - Google Patents

Abstract

本发明公开了一种图像对比方法及设备，根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对参考图像中的轮廓点信息进行转换处理，根据参考图像中轮廓点转换处理后的第一梯度信息，与对比图像中对比位置信息对应的第二梯度信息，确定该轮廓点对应的重合度；如此，可以根据确定出的重合度，确定对比图像与参考图像之间的相似程度，进而判断出对比图像中的产品是否合格，在应用至流水线的场景时，可以对流水线上的产品进行判断；由于依据轮廓点作为对比特征，可以大大减少设备的运算量，从而提高图像对比的效率，同时该图像对比方法具有较好的抗干扰性，可以不受光照变化和模糊的影响，从而可以大大提高图像对比的效率和准确性。

Description

一种图像对比方法及设备

技术领域

本发明涉及图像处理技术领域，尤指一种图像对比方法及设备。

背景技术

在制造业中，很多产品可以通过流水线作业来制作完成，以提高产品的制作效率，提高工业产能。在流水线作业中，若其中某道工序完成时，需要传送至下一道工序中，其中，在传送至下一道工序之前，需要对已完成的产品的合格率进行检验，将不合格的产品剔除掉，以提高最终产品的合格率，尽可能地减少制作材料的浪费，提高产品的制作效率。

那么，如何确定流水线上的产品是否存在缺陷，是本领域技术人员亟待解决的技术问题。

发明内容

本发明实施例提供了一种图像对比方法及设备，用以确定流水线上的产品是否存在缺陷。

第一方面，本发明实施例提供了一种图像对比方法，包括：

根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对所述参考图像中的轮廓点信息进行转换处理，以使所述对比图像中的图像特征与所述参考图像中的图像特征相匹配；其中所述轮廓点信息包括：轮廓点对应的第一位置信息和第一梯度信息；

确定所述对比图像中各轮廓点的位置信息对应的第二梯度信息；

根据所述参考图像中所述轮廓点转换处理后的第一梯度信息，与所述对比图像中对比位置信息对应的第二梯度信息，确定该所述轮廓点对应的重合度；其中，所述对比位置信息包括：与该所述轮廓点转换处理后的第一位置信息相匹配的所述对比图像中的所述位置信息；

根据确定出的各所述轮廓点对应的重合度，确定所述对比图像与所述参考图像之间的相似程度。

可选地，在本发明实施例中，所述根据确定出的各所述轮廓点对应的重合度，确定所述对比图像与所述参考图像之间的相似程度，包括：

对确定出的各所述轮廓点对应的重合度进行归一化处理；

对归一化处理后的各所述重合度的绝对值进行累加处理，得到相似度，其中所述相似度用于表示所述对比图像与所述参考图像之间的相似程度。

可选地，在本发明实施例中，还包括：

根据确定出的各所述轮廓点对应的重合度，确定所述对比图像中产品的缺陷类型。

可选地，在本发明实施例中，所述根据确定出的各所述轮廓点对应的重合度，确定所述对比图像所表示的产品的缺陷类型，包括：

从确定出的各所述轮廓点对应的重合度中，筛选出重合度大于预设的第一阈值的轮廓点，并将筛选出的所述轮廓点定义为第一特定轮廓点，将其余所述轮廓点定义为第二特定轮廓点；

将所述第一特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第一特定位置信息，将与所述第二特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第二特定位置信息；

根据所述第一特定位置信息对应的第二梯度信息，确定背景参考值和产品参考值；

根据所述第二特定位置信息对应的灰度值、所述背景参考值和所述产品参考值、以及预设的缺陷类型判断规则，确定所述对比图像中产品的缺陷类型。

可选地，在本发明实施例中，所述缺陷类型判断规则包括：

相邻的N个所述第二特定位置信息对应的灰度值与所述背景参考值的差值均在预设的第一范围内时，相邻的N个所述第二特定位置信息对应区域的缺陷类型为破损；

和/或，相邻的M个所述第二特定位置信息对应的灰度值与所述产品参考值的差值均在预设的第二范围内时，相邻的M个所述第二特定位置信息对应区域的缺陷类型为遮挡；

其中，N为不小于预设的第二阈值的整数，M为不小于预设的第三阈值的整数。

可选地，在本发明实施例中，所述根据所述第一特定位置信息对应的第二梯度信息，确定背景参考值和产品参考值，包括：

确定所述对比图像中第一位置对应的灰度值、以及所述对比图像中第二位置对应的灰度值；其中，所述第一位置为：沿着第一方向且距离所述第一特定位置信息预设距离的位置，所述第二位置为：沿着第二方向且距离所述第一特定位置信息所述预设距离的位置，所述第二梯度信息包括梯度方向，所述第一方向为该所述第一特定位置信息对应的梯度方向，所述第一方向与所述第二方向相反；

确定各所述第一位置的灰度值的第一平均值，并将该所述第一平均值确定为所述背景参考值；以及，确定各所述第二位置的灰度值的第二平均值，并将该所述第二平均值确定为所述产品参考值。

可选地，在本发明实施例中，所述根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对所述参考图像中的轮廓点信息进行转换处理，包括：

确定获取到的对比图像的图像特征；

根据确定出的所述对比图像的图像特征、以及预设的参考图像的图像特征，确定所述对比图像与所述参考图像的特征变换量；其中所述特征变换量包括：位置变换量和角度变换量；

根据确定出的所述特征变换量，对所述参考图像中的轮廓点信息进行转换处理。

可选地，在本发明实施例中，所述第一梯度信息和所述第二梯度信息均包括梯度方向；

所述根据所述参考图像中所述轮廓点转换处理后的第一梯度信息，与所述对比图像中对比位置信息对应的第二梯度信息，确定该所述轮廓点对应的重合度，包括：

确定所述参考图像中所述轮廓点转换处理后的第一梯度方向，与所述对比图像中对比位置信息对应的第二梯度方向之间的夹角；

将所述夹角的余弦值确定为该所述轮廓点对应的重合度。

第二方面，本发明实施例提供了一种图像对比设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的所述程序指令，按照获得的程序执行：

根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对所述参考图像中的轮廓点信息进行转换处理，以使所述对比图像中的图像特征与所述参考图像中的图像特征相匹配；其中所述轮廓点信息包括：轮廓点对应的第一位置信息和第一梯度信息；

确定所述对比图像中各轮廓点的位置信息对应的第二梯度信息；

根据所述参考图像中所述轮廓点转换处理后的第一梯度信息，与所述对比图像中对比位置信息对应的第二梯度信息，确定该所述轮廓点对应的重合度；其中，所述对比位置信息包括：与该所述轮廓点转换处理后的第一位置信息相匹配的所述对比图像中的所述位置信息；

根据确定出的各所述轮廓点对应的重合度，确定所述对比图像与所述参考图像之间的相似程度。

可选地，在本发明实施例中，所述处理器还用于：

根据确定出的各所述轮廓点对应的重合度，确定所述对比图像中产品的缺陷类型。

本发明有益效果如下：

本发明实施例提供的一种图像对比方法及设备，可以实现以下效果：

第一，根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对参考图像中的轮廓点信息进行转换处理，在确定出对比图像中各轮廓点的位置信息对应的第二梯度信息时，根据参考图像中轮廓点转换处理后的第一梯度信息，与对比图像中对比位置信息对应的第二梯度信息，确定该轮廓点对应的重合度；如此，可以根据确定出的轮廓点对应的重合度，确定对比图像与参考图像之间的相似程度，进而可以依据参考图像中的产品，判断出对比图像中的产品是否合格，在应用至流水线的场景时，可以对流水线上的产品进行判断，从而可以检测出合格产品，提高产品的质量和制作效率。

第二，由于在图像对比时，依据的是轮廓点的梯度信息确定的重合度，也即依据轮廓点作为对比特征，如此，可以大大减少设备的运算量，从而提高图像对比的效率；并且，还可以应用于对生产节拍要求非常严格的产线环境，或应用于对硬件性能有较高要求的设备之上；同时，该图像对比方法具有较好的抗干扰性，可以不受光照变化和模糊的影响，从而可以大大提高图像对比的效率和准确性，为判断产品是否合格提供有效的数据参考。

附图说明

图1为本发明实施例中提供的一种图像对比方法的流程图；

图2为本发明实施例中提供的轮廓对比区域与匹配区域的关系的示意图；

图3为本发明实施例中提供的第一梯度方向与第二梯度方向之间关系的示意图；

图4为本发明实施例中提供的破损情况的示意图；

图5为本发明实施例中提供的遮挡情况的示意图；

图6为本发明实施例中提供的部分轮廓点的示意图；

图7为本发明实施例中提供的具体实施例的流程图；

图8为本发明实施例中提供的一种图像对比设备的结构示意图。

具体实施方式

下面将结合附图，对本发明实施例提供的一种图像对比方法及设备的具体实施方式进行详细地说明。需要说明的是，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。

本发明实施例提供了一种图像对比方法，如图1所示，包括：

S101、根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对参考图像中的轮廓点信息进行转换处理，以使对比图像中的图像特征与参考图像中的图像特征相匹配；其中轮廓点信息包括：轮廓点对应的第一位置信息和第一梯度信息；

具体地，第一位置信息、以及后面内容提及的位置信息，均可以但不限于为轮廓点的坐标，其中，坐标所在的坐标系可以为图像(如对比图像和/或参考图像)对应的二维坐标系，坐标原点可以但不限于为图像的中心对称点，通过坐标可以表示出各轮廓点的所在位置，以便于后续处理。

并且，第一梯度信息、以及后面内容提及的梯度信息，均可以但不限于为轮廓点所在位置的梯度方向信息，也即，本发明实施例中的图像特征为形状特征时，对应的梯度信息可以为梯度方向信息，根据梯度方向信息，可以对各轮廓点进行转换处理，使得对比图像中产品的位置和角度信息，与参考图像中产品的位置和角度信息匹配，以便于后续确定重合度。

当然，在实际情况中，图像特征还可以设置为点特征，此时，对应的轮廓点信息中可以包括轮廓点的位置信息和向量信息，以便于对轮廓点进行转换处理后，确定轮廓点的重合度。

说明一点，在执行S101之前，可以首先对参考图像进行训练，且训练过程可以包括：

1、模版匹配训练；

在该训练过程中，主要用于确定出参考图像中的图像特征。

2、轮廓对比训练；

在该训练过程中，主要用于确定参考图像中的轮廓点的第一位置信息和第一梯度信息。

通过上述训练过程，可以得到参考图像的图像特征，以及参考图像中的轮廓点信息，从而有利于后续参考图像中的轮廓点信息进行转换处理。

其中，上述两个训练过程的具体实施方式，可以为本领域技术人员所熟知的任何实现上述过程的方式，在此并不限定。

S102、确定对比图像中各轮廓点的位置信息对应的第二梯度信息；

其中，可选地，在本发明实施例中，在确定第二梯度信息时，可以采用以下过程：

过程1：确定对比图像中的轮廓对比区域；

说明一点，在上述S101中进行转换处理时，需要在参考图像和对比图像中分别确定匹配区域，以便于将参考图像和对比图像的产品置于匹配区域内，从而有利于进行转换处理。

在此过程1中提及的轮廓对比区域(如图2中的实线框2所示，图(b)表示对比图像，图(a)表示参考图像)，可以与匹配区域(如图2中的实线框1所示)为同一区域，也可以为不同区域(如图2所示)，可以根据实际情况进行选择，在此并不限定。

并且，轮廓对比区域的形状并不限于矩形(如图2中的实线框2所示)，还可以是其他形状，例如但不限于圆形、三角形或不规则形状等，又或者是多个形状的组合，可以根据需要检测的产品的特点来确定，在此并不限定。

需要强调的是，在后续地处理过程中，仅对轮廓对比区域内的图像进行处理，而对轮廓对比区域之外的图像不进行后续处理，所以在确定轮廓对比区域时，可以根据需要检测的产品的特点来确定，在此并不限定。

过程2：将轮廓对比区域对应的图像转换为灰度图像；

说明一点，若获取到的对比图像就是灰度图像时，过程2这一步骤可以忽略掉；若获取到的对比图像不是灰度图像，过程2这一步骤需要执行。

过程3：对灰度图像进行边缘处理；

其中，在进行边缘处理时，可以包括像素边缘提取和像素边缘方向计算，从而可以有利于确定出各轮廓点的位置和对应的梯度信息。

当然，在进行边缘处理时，针对的并不限于是像素，还可以针对亚像素，也即可以包括亚像素边缘提取和亚像素边缘方向计算。此时，由于可以精确到亚像素，所以可以使得该图像对比方法具有高的检测精度，从而可以满足各种场景的检测要求。

在实际情况中，可以根据实际需要，选择进行像素级别的边缘处理或亚像素级别的边缘处理，以满足不同应用的需要，提高设计的灵活性。

过程4：确定轮廓对比区域中每一个轮廓点的位置信息对应的第二梯度信息。

其中，每一个轮廓点的位置信息对应的第二梯度信息，也可以理解为：

轮廓对比区域中每一个轮廓点所在位置对应的第二梯度信息，以便于后续进行重合度的计算和处理。

S103、根据参考图像中轮廓点转换处理后的第一梯度信息，与对比图像中对比位置信息对应的第二梯度信息，确定该轮廓点对应的重合度；其中，对比位置信息包括：与该轮廓点转换处理后的第一位置信息相匹配的对比图像中的位置信息；

例如，参考图像中的其中一个轮廓点(以下简称为轮廓点A)，在参考图像中位于位置M1，对应的坐标为(x1，y1)，在经过转换处理后轮廓点位于位置M2，对应的坐标为(x2，y2)；那么：

可以将对比图像中的坐标(x2，y2)所表示的位置，看作是对比位置信息，且经过转换处理后轮廓点A的坐标(x2，y2)与对比图像中的坐标(x2，y2)所表示的位置相匹配；

因此，在对比图像中，坐标为(x2，y2)的位置对应的第二梯度信息用T2表示，参考图像中的轮廓点A的第一梯度信息进行转换处理后用T1表示时，轮廓点A的重合度，则可以根据T1和T2进行计算得到。

S104、根据确定出的各轮廓点对应的重合度，确定对比图像与参考图像之间的相似程度。

在本发明实施例中，首先，根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对参考图像中的轮廓点信息进行转换处理，在确定出对比图像中各轮廓点的位置信息对应的第二梯度信息时，根据参考图像中轮廓点转换处理后的第一梯度信息，与对比图像中对比位置信息对应的第二梯度信息，确定该轮廓点对应的重合度；如此，可以根据确定出的轮廓点对应的重合度，确定对比图像与参考图像之间的相似程度，进而可以依据参考图像中的产品，判断出对比图像中的产品是否合格，在应用至流水线的场景时，可以对流水线上的产品进行判断，从而可以检测出合格产品，提高产品的质量和制作效率。

其次，由于在图像对比时，依据的是轮廓点的梯度信息确定的重合度，也即依据轮廓点作为对比特征，如此，可以大大减少设备的运算量，从而提高图像对比的效率；并且，还可以应用于对生产节拍要求非常严格的产线环境，或应用于对硬件性能有较高要求的设备之上；同时，该图像对比方法具有较好的抗干扰性，可以不受光照变化和模糊的影响，从而可以大大提高图像对比的效率和准确性，为判断产品是否合格提供有效的数据参考。

可选地，在本发明实施例中，第一梯度信息和第二梯度信息均包括梯度方向；

根据参考图像中轮廓点转换处理后的第一梯度信息，与对比图像中对比位置信息对应的第二梯度信息，确定该轮廓点对应的重合度，包括：

确定参考图像中轮廓点转换处理后的第一梯度方向，与对比图像中对比位置信息对应的第二梯度方向之间的夹角；

将夹角的余弦值确定为该轮廓点对应的重合度。

其中，若其中一个轮廓点(以下简称为轮廓点A)转换处理后的第一梯度方向用T1表示，对比图像中的对比位置信息对应的第二梯度方向用T2表示，那么，计算轮廓点A的重合度(用S_A表示)时，可以采用以下公式：

其中，θ_A表示第一梯度方向T1与第二梯度方向T2之间的夹角。

如此，通过上述方式，即可计算出轮廓点的重合度，以便于后续根据重合度，判断对比图像与参考图像的相似程度，从而确定出对比图像中的产品是否合格。

在实际情况中，在利用余弦值计算重合度时，以轮廓点A为例，两个梯度方向(如T1和T2)之间的关系，结合图3所示，可能有以下几种情况：

情况1、夹角θ_A小于90°，图(a)所示；

情况2、夹角θ_A等于90°，图(b)所示；

情况3、夹角θ_A接近180°，图(c)所示。

因此，在计算余弦值时，对于情况1和情况2而言，得到的重合度在[0,1]之间，对于情况3而言，得到的重合度在[-1,0]之间，也即对于情况3出现了极性反转的情况，使得重合度小于零。

其中，极性可以理解为：

例如，产品为白色时，白色产品放置在黑色背景上，此时称之为第一种情况；产品为黑色时，黑色产品放置在白色背景上，此时称之为第二种情况；所以第一种情况和第二种情况之间具有相反的极性，极性发生了反转，对应的梯度方向也会发生反转。

为了保证最后得到的结果更加准确，可以忽略掉极性反转的影响，此时：

可选地，在本发明实施例中，根据确定出的各轮廓点对应的重合度，确定对比图像与参考图像之间的相似程度，包括：

对确定出的各轮廓点对应的重合度进行归一化处理；

对归一化处理后的各重合度的绝对值进行累加处理，得到相似度，其中相似度用于表示对比图像与参考图像之间的相似程度。

也就是说，在计算相似度时，在对重合度进行归一化处理之后，取归一化后的重合度的绝对值，以保证归一化后的重合度均大于零，从而消除边缘极性的影响，使得最后的结果避免受到极性反转的影响，提高抗干扰能力，从而提高图像对比的准确度。

在具体实施时，在本发明实施例中，还包括：

根据确定出的各轮廓点对应的重合度，确定对比图像中产品的缺陷类型。

如此，通过对重合度的处理，可以将对比图像中的产品的缺陷类型进行区分和辨别，进一步地实现对提高产品的检测功能，拓展图像对比方法的应用范围。

具体地，在本发明实施例中，根据确定出的各轮廓点对应的重合度，确定对比图像所表示的产品的缺陷类型，包括：

从确定出的各轮廓点对应的重合度中，筛选出重合度大于预设的第一阈值的轮廓点，并将筛选出的轮廓点定义为第一特定轮廓点，将其余轮廓点定义为第二特定轮廓点；

将第一特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第一特定位置信息，将与第二特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第二特定位置信息；

根据第一特定位置信息对应的第二梯度信息，确定背景参考值和产品参考值；

根据第二特定位置信息对应的灰度值、背景参考值和产品参考值、以及预设的缺陷类型判断规则，确定对比图像中产品的缺陷类型。

如此，可以根据第二特定位置信息对应的灰度值、背景参考值和产品参考值、以及预设的缺陷类型判断规则，判断出产品的缺陷类型，以实现对产品的进一步检测，从而提高产品的检测精度。

具体地，在本发明实施例中，缺陷类型判断规则包括：

相邻的N个第二特定位置信息对应的灰度值与背景参考值的差值均在预设的第一范围内时，相邻的N个第二特定位置信息对应区域的缺陷类型为破损；

和/或，相邻的M个第二特定位置信息对应的灰度值与产品参考值的差值均在预设的第二范围内时，相邻的M个第二特定位置信息对应区域的缺陷类型为遮挡；

其中，N为不小于预设的第二阈值的整数，M为不小于预设的第三阈值的整数。

也就是说，若存在彼此相邻的N个第二特定位置的灰度值接近背景参考值时，说明这N个第二特定位置对应的区域表示的内容很可能是背景，若N不小于第二阈值时，可以认为这N个第二特定位置对应的区域的缺陷类型为破损，即这N个第二特定位置对应的区域漏出了背景信息，如图4中的3所指示的区域。

若存在彼此相邻的M个第二特定位置的灰度值接近产品参考值时，说明这M个第二特定位置对应的区域表示的内容很可能是产品，若M不小于第三阈值时，可以认为这M个第二特定位置对应的区域的缺陷类型为遮挡，即可能存在多个产品交叠的情况，如图5中虚线圈4所示的区域。

其中，第二阈值和第三阈值的取值可以设置为相同，当然也可以设置为不同，且第二阈值和第三阈值的具体数值，可以根据实际情况进行设置，在此并不限定。

并且，对于第一范围和第二范围，可以设置为相同，也可以设置为不同，且第一范围和第二范围的具体数值，同样可以根据实际情况进行设置，在此并不限定。

如此，通过上述缺陷类型判断规则，可以根据第二特定位置信息对应的灰度值、以及背景参考值和产品参考值，确定出产品的缺陷类型，从而为产品的进一步判断给出有利的数据参考。

下面对对比图像中产品的缺陷类型的判断过程进行举例说明。

例如，假设轮廓点有10个，这10个轮廓点中，重合度大于第一阈值的轮廓点有4个，分别用A、B、C和D表示，此时可以将这4个轮廓点称之为第一特定轮廓点；这10个轮廓点中，重合度不大于第一阈值的轮廓点有6个，可以将这6个轮廓点称之为第二特定轮廓点；

若假设4个第一特定轮廓点的位置经过转换处理后，在对比图像中相匹配的对比位置分别用A’、B’、C’和D’表示，那么，可以根据位置A’、位置B’、位置C’和D位置’的灰度值，确定背景参考值(用V0表示)和产品参考值(用V1表示)；

确定6个第二特定轮廓点的位置经过转换处理后，在对比图像中相匹配的6个第二特定位置，若假设第二阈值和第三阈值均为4时，那么：

如果6个第二特定位置中，存在彼此相邻的4个及以上的第二特定位置的灰度值与背景参考值V0的差值均在第一范围内时，说明这彼此相邻的4个及以上的第二特定位置的灰度值较接近背景参考值V0，所以可以确定这彼此相邻的4个及以上的第二特定位置对应的区域为背景，也即这彼此相邻的4个及以上的第二特定位置对应的区域的缺陷为破损；

或者，如果6个第二特定位置中，存在彼此相邻的4个及以上的第二特定位置的灰度值与产品参考值V1的差值均在第二范围内时，说明这彼此相邻的4个及以上的第二特定位置的灰度值较接近产品参考值V1，所以可以确定这彼此相邻的4个及以上的第二特定位置对应的区域为产品，也即这彼此相邻的4个及以上的第二特定位置对应的区域的缺陷为遮挡；

又或者，如果6个第二特定位置中，存在彼此相邻的2个的第二特定位置的灰度值与背景参考值V0的差值均在第一范围内时，由于2小于4，所以不能判断出彼此相邻的2个的第二特定位置对应的区域的缺陷类型，此时，可以认为彼此相邻的2个的第二特定位置可能为噪点或干扰，若要确定缺陷类型，还需要进一步地判断。

具体地，在本发明实施例中，根据第一特定位置信息对应的第二梯度信息，确定背景参考值和产品参考值，包括：

确定对比图像中第一位置对应的灰度值、以及对比图像中第二位置对应的灰度值；其中，第一位置为：沿着第一方向且距离第一特定位置信息预设距离的位置，第二位置为：沿着第二方向且距离第一特定位置信息预设距离的位置，第二梯度信息包括梯度方向，第一方向为该第一特定位置信息对应的梯度方向，第一方向与第二方向相反；

确定各第一位置的灰度值的第一平均值，并将该第一平均值确定为背景参考值；以及，确定各第二位置的灰度值的第二平均值，并将该第二平均值确定为产品参考值。

例如，以图6所示为例，图中示出了四个位置，分别用A、B、C和D表示，且假使第一特定位置仅包括位置A和位置D时，对于位置A而言：

位置A对应的梯度方向为F1所示的方向，方向F2为与方向F1相反的方向，且方向F1表示从产品指向背景，方向F2表示从背景指向产品；此时：位置A对应的第一位置为：沿着方向F1且与位置A距离预设距离H0的位置，用A’表示，位置A对应的第二位置为：沿着方向F2且与位置A距离预设距离H0的位置，用A”表示；

同理，位置D对应的梯度方向为F3所示的方向，方向F4为与方向F3相反的方向，且方向F3表示从产品指向背景，方向F4表示从背景指向产品；所以对于位置D而言：位置D对应的第一位置为：沿着方向F3且与位置D距离预设距离H0的位置，用D’表示，位置D对应的第二位置为：沿着方向F4且与位置D距离预设距离H0的位置，用D”表示；

此时，计算位置A对应的第一位置A’对应的灰度值、以及位置D对应的第一位置D’对应的灰度值的第一平均值，该第一平均值可以确定为背景参考值；同理，计算位置A对应的第二位置A”对应的灰度值、以及位置D对应的第二位置D”对应的灰度值的第二平均值，该第二平均值可以确定为产品参考值。

其中，预设距离H0的取值，可以根据实际需要进行设置，在此并不限定。

如此，通过上述方式确定背景参考值和产品参考值，可以有利于后续对产品的缺陷类型进行判断，由于是根据对比图像中的灰度值确定的背景参考值和产品参考值，且计算的是平均值，所以可以提高背景参考值和产品参考值的准确度，减少误差造成的影响，从而提高缺陷类型的判断准确性。

在具体实施时，在本发明实施例中，根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对参考图像中的轮廓点信息进行转换处理，可以包括以下过程：

过程1、确定获取到的对比图像的图像特征；

过程2、根据确定出的对比图像的图像特征、以及预设的参考图像的图像特征，确定对比图像与参考图像的特征变换量；其中特征变换量包括：位置变换量和角度变换量；

其中，在执行此过程2时，在确定对比图像中的图像特征，以及在确定参考图像的图像特征时，均可以采用以下方式：

1、确定图像中的匹配区域，如图2中的实线框1所示；

2、提取匹配区域中的图像特征。

对于匹配区域的选取，可以包括前述内容中提及的轮廓对比区域(如图2中的实线框2所示)，也可以与轮廓对比区域相同，且匹配区域的形状可以为矩形(如图2所示)，还可以为其他形状，可以根据实际需要进行设置，在此并不限定。

在确定出对比图像中的图像特征，以及在确定参考图像的图像特征时，可以根据图像特征，确定出对比图像中的图像特征与参考图像中的图像特征之间的位置关系和角度关系，从而可以确定出特征变换量。

过程3、根据确定出的特征变换量，对参考图像中的轮廓点信息进行转换处理。

例如，以参考图像中的某一个点(如点P)为例，若根据图像特征，确定出参考图像中的点P与对比图像中的点P’对应匹配时，可以确定出点P与点P’之间的坐标偏移量，若点P的坐标信息为(mx_p，my_p)，那么坐标偏移量可以用(ox，oy)来表示，点P的坐标信息经过转换后得到点P’的坐标信息，用(mx_p’，my_p’)，因此：

mx_p’＝(mx_p-ox)*cos(θ)-(my_p-oy)*sin(θ)+mx_p；

my_p’＝(mx_p-ox)*sin(θ)+(my_p-oy)*cos(θ)+mx_p；

并且，点P对应的梯度信息(如梯度方向)也需要按照θ做旋转，若旋转的梯度方向为(dx_p，dy_p)，旋转后的梯度方向为(dx_p’，dy_p’)，因此：

dx_p’＝dx_p*cos(θ)-dy_p*sin(θ)；

dy_p’＝dx_p*sin(θ)+dy_p*cos(θ)；

通过上述处理，可以实现轮廓点信息的转换处理，即对轮廓点的位置信息和梯度信息进行转换处理，以便于后续根据转换处理后的结果，对对比图像中的产品进行判断，从而实现对产品的检测。

下面结合具体实施例，对本发明实施例提供的上述图像对比过程进行解释和说明。

结合图7所示。

S701、确定获取到的对比图像中的图像特征；

S702、根据确定出的对比图像中的图像特征、以及预设的参考图像的图像特征，确定对比图像与参考图像的特征变换量；其中特征变换量包括：位置变换量和角度变换量；

S703、根据确定出的特征变换量，对参考图像中的轮廓点信息进行转换处理，以使对比图像中的图像特征与参考图像中的图像特征相匹配；其中轮廓点信息包括：轮廓点对应的第一位置信息和第一梯度信息；

S704、确定对比图像中各轮廓点的位置信息对应的第二梯度信息；

S705、根据参考图像中轮廓点转换处理后的第一梯度信息，与对比图像中对比位置信息对应的第二梯度信息，确定该轮廓点对应的重合度；

S706、根据确定出的各轮廓点对应的重合度，确定对比图像与参考图像之间的相似程度，判断对比图像中的产品是否合格；

其中，在判断对比图像中的产品是否合格时，可以根据确定出的各轮廓点对应的重合度，确定出用于表示对比图像与参考图像之间的相似程度的相似度，那么：

在相似度大于预设阈值时，则可以确定对比图像中的产品合格；

或者，在相似度不大于预设阈值时，则可以确定对比图像中的产品不合格。

其中，预设阈值的取值，可以根据实际需要、以及所要达到的检测精度的高低进行设置，在此并不限定。

S707、从确定出的各轮廓点对应的重合度中，筛选出重合度大于预设的第一阈值的轮廓点，并将筛选出的轮廓点定义为第一特定轮廓点，将其余轮廓点定义为第二特定轮廓点；

S708、将第一特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第一特定位置信息，将第二特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第二特定位置信息；

S709、根据第一特定位置信息对应的第二梯度信息，确定背景参考值和产品参考值；

S710、根据第二特定位置信息对应的灰度值、背景参考值和产品参考值、以及预设的缺陷类型判断规则，确定对比图像中产品的缺陷类型。

基于同一发明构思，本发明实施例提供了一种图像对比设备，该设备的实现原理与前述一种图像对比方法的实现原理类似，该设备的具体实施方式可以参见前述方法的具体实施例，重复之处不再赘述。

具体地，本发明实施例提供的一种图像对比设备，如图8所示，包括：

存储器801，用于存储程序指令；

处理器802，用于调用存储器801中存储的程序指令，按照获得的程序执行：

根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对参考图像中的轮廓点信息进行转换处理，以使对比图像中的图像特征与参考图像中的图像特征相匹配；其中轮廓点信息包括：轮廓点对应的第一位置信息和第一梯度信息；

确定对比图像中各轮廓点的位置信息对应的第二梯度信息；

根据参考图像中轮廓点转换处理后的第一梯度信息，与对比图像中对比位置信息对应的第二梯度信息，确定该轮廓点对应的重合度；其中，对比位置信息包括：与该轮廓点转换处理后的第一位置信息相匹配的对比图像中的位置信息；

根据确定出的各轮廓点对应的重合度，确定对比图像与参考图像之间的相似程度。

可选地，在本发明实施例中，处理器802具体用于：

对确定出的各轮廓点对应的重合度进行归一化处理；

对归一化处理后的各重合度的绝对值进行累加处理，得到相似度，其中相似度用于表示对比图像与参考图像之间的相似程度。

可选地，在本发明实施例中，处理器802还用于：

根据确定出的各轮廓点对应的重合度，确定对比图像中产品的缺陷类型。

可选地，在本发明实施例中，处理器802具体用于：

从确定出的各轮廓点对应的重合度中，筛选出重合度大于预设的第一阈值的轮廓点，并将筛选出的轮廓点定义为第一特定轮廓点，将其余轮廓点定义为第二特定轮廓点；

将第一特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第一特定位置信息，将与第二特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第二特定位置信息；

根据第一特定位置信息对应的第二梯度信息，确定背景参考值和产品参考值；

根据第二特定位置信息对应的灰度值、背景参考值和产品参考值、以及预设的缺陷类型判断规则，确定对比图像中产品的缺陷类型。

可选地，在本发明实施例中，处理器802具体用于：

确定对比图像中第一位置对应的灰度值、以及对比图像中第二位置对应的灰度值；其中，第一位置为：沿着第一方向且距离第一特定位置信息预设距离的位置，第二位置为：沿着第二方向且距离第一特定位置信息预设距离的位置，第二梯度信息为包括梯度方向，第一方向为该第一特定位置信息对应的梯度方向，第一方向与第二方向相反；

确定各第一位置的灰度值的第一平均值，并将该第一平均值确定为背景参考值；以及，确定各第二位置的灰度值的第二平均值，并将该第二平均值确定为产品参考值。

可选地，在本发明实施例中，处理器802具体用于：

确定获取到的对比图像的图像特征；

根据确定出的对比图像的图像特征、以及预设的参考图像的图像特征，确定对比图像与参考图像的特征变换量；其中特征变换量包括：位置变换量和角度变换量；

根据确定出的特征变换量，对参考图像中的轮廓点信息进行转换处理。

可选地，在本发明实施例中，第一梯度信息和第二梯度信息均包括梯度方向；

处理器802具体用于：

确定参考图像中轮廓点转换处理后的第一梯度方向，与对比图像中对比位置信息对应的第二梯度方向之间的夹角；

将夹角的余弦值确定为该轮廓点对应的重合度。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种图像对比方法，其特征在于，包括：

根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对所述参考图像中的轮廓点信息进行转换处理，以使所述对比图像中的图像特征与所述参考图像中的图像特征相匹配；其中所述轮廓点信息包括：轮廓点对应的第一位置信息和第一梯度信息；

确定所述对比图像中各轮廓点的位置信息对应的第二梯度信息；

根据所述参考图像中所述轮廓点转换处理后的第一梯度信息，与所述对比图像中对比位置信息对应的第二梯度信息，确定该所述轮廓点对应的重合度；其中，所述对比位置信息包括：与该所述轮廓点转换处理后的第一位置信息相匹配的所述对比图像中的所述位置信息；

根据确定出的各所述轮廓点对应的重合度，确定所述对比图像与所述参考图像之间的相似程度。

2.如权利要求1所述的图像对比方法，其特征在于，所述根据确定出的各所述轮廓点对应的重合度，确定所述对比图像与所述参考图像之间的相似程度，包括：

对确定出的各所述轮廓点对应的重合度进行归一化处理；

对归一化处理后的各所述重合度的绝对值进行累加处理，得到相似度，其中所述相似度用于表示所述对比图像与所述参考图像之间的相似程度。

3.如权利要求1所述的图像对比方法，其特征在于，还包括：

根据确定出的各所述轮廓点对应的重合度，确定所述对比图像中产品的缺陷类型。

4.如权利要求3所述的图像对比方法，其特征在于，所述根据确定出的各所述轮廓点对应的重合度，确定所述对比图像所表示的产品的缺陷类型，包括：

从确定出的各所述轮廓点对应的重合度中，筛选出重合度大于预设的第一阈值的轮廓点，并将筛选出的所述轮廓点定义为第一特定轮廓点，将其余所述轮廓点定义为第二特定轮廓点；

将与所述第一特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第一特定位置信息，将与所述第二特定轮廓点转换处理后的第一位置信息相匹配的对比位置信息确定为第二特定位置信息；

根据所述第一特定位置信息对应的第二梯度信息，确定背景参考值和产品参考值；

根据所述第二特定位置信息对应的灰度值、所述背景参考值和所述产品参考值、以及预设的缺陷类型判断规则，确定所述对比图像中产品的缺陷类型。

5.如权利要求4所述的图像对比方法，其特征在于，所述缺陷类型判断规则包括：

相邻的N个所述第二特定位置信息对应的灰度值与所述背景参考值的差值均在预设的第一范围内时，相邻的N个所述第二特定位置信息对应区域的缺陷类型为破损；

和/或，相邻的M个所述第二特定位置信息对应的灰度值与所述产品参考值的差值均在预设的第二范围内时，相邻的M个所述第二特定位置信息对应区域的缺陷类型为遮挡；

其中，N为不小于预设的第二阈值的整数，M为不小于预设的第三阈值的整数。

6.如权利要求4所述的图像对比方法，其特征在于，所述根据所述第一特定位置信息对应的第二梯度信息，确定背景参考值和产品参考值，包括：

确定所述对比图像中第一位置对应的灰度值、以及所述对比图像中第二位置对应的灰度值；其中，所述第一位置为：沿着第一方向且距离所述第一特定位置信息预设距离的位置，所述第二位置为：沿着第二方向且距离所述第一特定位置信息所述预设距离的位置，所述第二梯度信息包括梯度方向，所述第一方向为该所述第一特定位置信息对应的梯度方向，所述第一方向与所述第二方向相反；

确定各所述第一位置的灰度值的第一平均值，并将该所述第一平均值确定为所述背景参考值；以及，确定各所述第二位置的灰度值的第二平均值，并将该所述第二平均值确定为所述产品参考值。

7.如权利要求1所述的图像对比方法，其特征在于，所述根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对所述参考图像中的轮廓点信息进行转换处理，包括：

确定获取到的对比图像的图像特征；

根据确定出的所述对比图像的图像特征、以及预设的参考图像的图像特征，确定所述对比图像与所述参考图像的特征变换量；其中所述特征变换量包括：位置变换量和角度变换量；

根据确定出的所述特征变换量，对所述参考图像中的轮廓点信息进行转换处理。

8.如权利要求1所述的图像对比方法，其特征在于，所述第一梯度信息和所述第二梯度信息均包括梯度方向；

所述根据所述参考图像中所述轮廓点转换处理后的第一梯度信息，与所述对比图像中对比位置信息对应的第二梯度信息，确定该所述轮廓点对应的重合度，包括：

确定所述参考图像中所述轮廓点转换处理后的第一梯度方向，与所述对比图像中对比位置信息对应的第二梯度方向之间的夹角；

将所述夹角的余弦值确定为该所述轮廓点对应的重合度。

9.一种图像对比设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的所述程序指令，按照获得的程序执行：

根据获取到的对比图像的图像特征、以及预设的参考图像的图像特征，对所述参考图像中的轮廓点信息进行转换处理，以使所述对比图像中的图像特征与所述参考图像中的图像特征相匹配；其中所述轮廓点信息包括：轮廓点对应的第一位置信息和第一梯度信息；

确定所述对比图像中各轮廓点的位置信息对应的第二梯度信息；

根据所述参考图像中所述轮廓点转换处理后的第一梯度信息，与所述对比图像中对比位置信息对应的第二梯度信息，确定该所述轮廓点对应的重合度；其中，所述对比位置信息包括：与该所述轮廓点转换处理后的第一位置信息相匹配的所述对比图像中的所述位置信息；

根据确定出的各所述轮廓点对应的重合度，确定所述对比图像与所述参考图像之间的相似程度。

10.如权利要求9所述的图像对比设备，其特征在于，所述处理器还用于：

根据确定出的各所述轮廓点对应的重合度，确定所述对比图像中产品的缺陷类型。

Images