CN112598689A - 一种纹理背景下弱线的提取方法 - Google Patents

一种纹理背景下弱线的提取方法 Download PDF

Info

Publication number
CN112598689A
CN112598689A CN202011589330.0A CN202011589330A CN112598689A CN 112598689 A CN112598689 A CN 112598689A CN 202011589330 A CN202011589330 A CN 202011589330A CN 112598689 A CN112598689 A CN 112598689A
Authority
CN
China
Prior art keywords
skeleton
line
mainline
main line
initial
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
Application number
CN202011589330.0A
Other languages
English (en)
Other versions
CN112598689B (zh
Inventor
康照川
周钟海
赵严
姚毅
杨艺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Luster LightTech Co Ltd
Original Assignee
Luster LightTech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Luster LightTech Co Ltd filed Critical Luster LightTech Co Ltd
Priority to CN202011589330.0A priority Critical patent/CN112598689B/zh
Publication of CN112598689A publication Critical patent/CN112598689A/zh
Application granted granted Critical
Publication of CN112598689B publication Critical patent/CN112598689B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30121CRT, LCD or plasma display

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种纹理背景下弱线的提取方法,通过动态阈值提取初始弱线骨架;获取初始弱线骨架中初始主线骨架和其方向角度;以初始主线骨架的中心为圆心,根据预设选择范围获取第一备选主线骨架和其方向角度,预设选择范围为以预设距离为半径的圆;获取初始主线骨架和第一备选主线骨架的第一相对角度;选择第一相对角度最小的第一备选主线骨架为第一待选主线骨架,合并第一待选主线骨架和初始主线骨架得到中间主线骨架;以中间主线骨架的两端为圆心,根据预设选择范围获取第二备选主线骨架;当第二备选主线骨架的数量为零时,中间主线骨架为最终主线骨架;连接最终主线骨架;实现在纹理背景下,获得和实际尺寸、形态相当的完整弱线。

Description

一种纹理背景下弱线的提取方法
技术领域
本申请涉及图像处理领域,尤其涉及一种纹理背景下弱线的提取方法。
背景技术
显示屏的线状缺陷检测通常需要提取线状缺陷精细轮廓,以便根据线状缺陷的形态和尺寸来判断该显示屏是否为合格。
目前,当线状缺陷为明显线时,显示屏的纹理背景与明显线的对比度较高,可通过边缘检测或者线检测直接提取出明显线,常见的边缘检测包括Canny、Reberts、sobel、prewitt、laplacian等,线检测包括基于Hough变换检测直线和曲线检测、基于Radon变换的直线检测、基于三次样条拟合的曲线检测;而当线状缺陷为弱线时,显示屏的纹理背景与弱线的对比度较低,部分弱线和纹理背景融合,存在部分重叠而难以区分,先通过使用纹理抑制消除纹理背景干扰,再通过边缘检测或者线检测提取弱线。
然而,现有的弱线提取方法,导致弱线提取不完整、出现断裂,且弱线的形态多样,断裂的情况不同,进而使得弱线提取的测量尺寸、形态与实际尺寸、形态存在偏差,影响显示屏的检测准确度。
发明内容
本申请提供了一种纹理背景下弱线的提取方法,以解决显示屏的线状缺陷检测中弱线提取方法导致弱线提取不完整、出现断裂,弱线提取的测量尺寸、形态与实际尺寸、形态存在偏差的技术问题。
为了达到上述目的,本申请实施例采用以下技术方案:
提供一种纹理背景下弱线的提取方法,所述提取方法包括:
通过动态阈值提取初始弱线骨架,所述初始弱线骨架为纹理抑制后图像中断裂的弱线;
获取所述初始弱线骨架中初始主线骨架和所述初始主线骨架的方向角度,所述初始主线骨架为所述初始弱线骨架中尺寸最大的骨架;
以初始主线骨架的中心为圆心,根据预设选择范围获取第一备选主线骨架和所述第一备选主线骨架的方向角度,所述预设选择范围为以预设距离为半径的圆;
获取所述初始主线骨架和所述第一备选主线骨架的第一相对角度,所述第一相对角度为所述初始主线骨架的方向角度和所述第一备选主线骨架的方向角度的差值;
选择所述第一相对角度最小的第一备选主线骨架为第一待选主线骨架,合并所述第一待选主线骨架和所述初始主线骨架得到中间主线骨架;
以所述中间主线骨架的两端为圆心,根据预设选择范围获取第二备选主线骨架和所述第二备选主线骨架的方向角度;
当第二备选主线骨架的数量为零时,所述中间主线骨架为最终主线骨架;
连接所述最终主线骨架,得到完整的弱线。
在一种可能的方式中,连接所述最终主线骨架,得到完整的弱线,包括:
选择所述最终主线骨架中的第一主线骨架;
确定和所述第一主线骨架连接的相邻主线骨架,所述相邻主线骨架在所述最终主线骨架中与所述第一主线骨架两端距离最近;
当所述相邻主线骨架的个数大于零时,所述相邻主线骨架靠近所述第一主线骨架的一端和所述第一主线骨架通过连接线连接;
在所述连接线的垂直方向,以所述最终主线骨架的线宽为宽度,进行膨胀操作,得到完整的弱线。
在一种可能的方式中,当所述相邻主线骨架的个数等于零时,所述第一主线骨架为完整的弱线。
在一种可能的方式中,所述获取初始弱线骨架之前,还包括:
获取待检测图像,所述待检测图像为显示屏的图像;
对所述待检测图像纹理抑制,得到纹理抑制后图像。
在一种可能的方式中,获取所述纹理抑制后图像中背景灰度;根据所述背景灰度与所述初始弱线骨架灰度的差值确定所述动态阈值,所述动态阈值的宽度大于弱线的宽度。
在一种可能的方式中,当第二备选主线骨架的数量大于零时,获取所述中间主线骨架的方向角度;
获取所述中间主线骨架和所述第二备选主线骨架的第二相对角度;所述第二相对角度为所述中间主线骨架的方向角度和所述第二备选主线骨架的方向角度的差值;
选择所述第二相对角度最小的第二备选主线骨架为第二待选主线骨架,合并所述第二待选主线骨架和所述中间主线骨架得到最终主线骨架。
本申请提供一种纹理背景下弱线的提取方法,包括通过动态阈值提取初始弱线骨架,所述初始弱线骨架为纹理抑制后图像中断裂的弱线;获取所述初始弱线骨架中初始主线骨架和所述初始主线骨架的方向角度,所述初始主线骨架为所述初始弱线骨架中尺寸最大的骨架;以初始主线骨架的中心为圆心,根据预设选择范围获取第一备选主线骨架和所述第一备选主线骨架的方向角度,所述预设选择范围为以预设距离为半径的圆;获取所述初始主线骨架和所述第一备选主线骨架的第一相对角度,所述第一相对角度为所述初始主线骨架的方向角度和所述第一备选主线骨架的方向角度的差值;选择所述第一相对角度最小的第一备选主线骨架为第一待选主线骨架,合并所述第一待选主线骨架和所述初始主线骨架得到中间主线骨架;以所述中间主线骨架的两端为圆心,根据预设选择范围获取第二备选主线骨架和所述第二备选主线骨架的方向角度;当第二备选主线骨架的数量为零时,所述中间主线骨架为最终主线骨架;连接所述最终主线骨架,得到完整的弱线;实现在纹理背景下,获得和实际尺寸、形态相当的完整弱线。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请为明显线的线状缺陷示意图;
图2为本申请为弱线的线状缺陷示意图;
图3为本申请弱线去纹理图像后示意图;
图4为本申请提取的弱线不完整的示意图;
图5为本申请实施例一种纹理背景下弱线的提取方法的流程图;
图6为本申请实施例一种纹理背景下弱线的提取方法中纹理背景下弱线示意图;
图7为本申请实施例一种纹理背景下弱线的提取方法中纹理抑制后的弱线示意图;
图8为本申请实施例一种纹理背景下弱线的提取方法中提取初始弱线骨架示意图;
图9为本申请实施例又一种初始弱线骨架示意图;
图10为本申请图9获得的最终主线骨架示意图;
图11为本申请对图10主线骨架连接说明示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本申请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。此外,术语“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。
如图1所示,线状缺陷均为明显线,显示屏的纹理背景与明显线的对比度较高,可通过边缘检测或者线检测直接提取出明显线,常见的边缘检测包括Canny、Reberts、sobel、prewitt、laplacian等,线检测包括基于Hough变换检测直线和曲线检测、基于Radon变换的直线检测、基于三次样条拟合的曲线检测。
如图2所示,线状缺陷均为弱线时,显示屏的纹理背景与弱线的对比度较低,受显示屏纹理背景干扰,部分弱线和纹理背景融合,会出现如图2中(a)断裂或者如图2中(b)线状缺陷变弱或者如图2中(c)线状缺陷与背景融合等情况,使用边缘检测或者线检测时,难以区分弱线和纹理背景,使得弱线提取不完整,导致弱线提取的测量尺寸与实际尺寸存在偏差。
当线的对比度较低时,背景和缺陷的灰度存在重叠,使用边缘检测或者线检测算法检测时将难以区分缺陷和背景,通常的处理办法是使用纹理抑制算法消除背景的干扰,弱线图像对应的去纹理图像如图3所示,图3中(d)对应图2中(a),图3中(e)对应图2中(b),图3中(f)对应图2中(c)。
由于弱线的对比度较低,直接通过线检测算法,提取的缺陷不完整,导致线状缺陷出现断裂,弱线检测结果如图4所示,图4中(g)对应图3中(d),图4中(h)对应图3中(e),图4中(i)对应图3中(f)。
下面结合附图对本申请做进一步详细描述:
本申请实施例提供一种纹理背景下弱线的提取方法,用于图像处理领域,参照图5所示,所述提取方法包括如下步骤:
获取待检测图像,如图6所示,通过彩色相机获取被检测显示屏的图像。对所述待检测图像纹理抑制,得到纹理抑制后图像。获取所述纹理抑制后图像中背景的灰度,如图7所示,图像纹理抑制的作用是消除或者减弱复杂的纹理对线状缺陷提取的干扰,增强线状缺陷和背景的对比度。弱线受背景干扰变得十分模糊,在进行纹理抑制后缺陷在背景中清晰可见。
S100、通过动态阈值提取初始弱线骨架,所述初始弱线骨架为纹理抑制后图像中断裂的弱线;获取所述纹理抑制后图像中背景灰度;根据所述背景灰度与所述初始弱线骨架灰度的差值确定所述动态阈值,所述动态阈值的宽度大于弱线的宽度。如图8所示,所述初始弱线骨架为断裂的弱线;在纹理抑制后图像中弱线的灰度低于背景的灰度,利用这个特征提取线缺陷,使用动态阈值提取线缺陷,所述背景灰度与所述初始弱线骨架灰度的差值确定所述动态阈值;动态阈值的模板尺寸大小影响缺陷的提取轮廓,线缺陷呈现为线状,宽度相对较小,动态阈值的模板尺寸要大于线的宽度,使用动态阈值初步提取线缺陷的结果。
S200、获取所述初始弱线骨架中初始主线骨架和所述初始主线骨架的方向角度,所述初始主线骨架为所述初始弱线骨架中尺寸最大的骨架。
S300、以初始主线骨架的中心为圆心,根据预设选择范围获取第一备选主线骨架和所述第一备选主线骨架的方向角度,所述预设选择范围为以预设距离为半径的圆。
S400、获取所述初始主线骨架和所述第一备选主线骨架的第一相对角度,所述第一相对角度为所述初始主线骨架的方向角度和所述第一备选主线骨架的方向角度的差值。
S500、选择所述第一相对角度最小的第一备选主线骨架为第一待选主线骨架,合并所述第一待选主线骨架和所述初始主线骨架得到中间主线骨架。
S600、以所述中间主线骨架的两端为圆心,根据预设选择范围获取第二备选主线骨架和所述第二备选主线骨架的方向角度。
当第二备选主线骨架的数量大于零时,获取所述中间主线骨架的方向角度;获取所述中间主线骨架和所述第二备选主线骨架的第二相对角度;所述第二相对角度为所述中间主线骨架的方向角度和所述第二备选主线骨架的方向角度的差值;选择所述第二相对角度最小的第二备选主线骨架为第二待选主线骨架,合并所述第二待选主线骨架和所述中间主线骨架得到最终主线骨架。
S700、当第二备选主线骨架的数量为零时,所述中间主线骨架为最终主线骨架。
以直线为例展示确定最终主线骨架的思路,初始弱线骨架包含分支,如图9所示。初始弱线骨架A被分为4段,附近存在A1、A2和A3三个分支,确定骨架A需要排除A1、A2和A3的干扰。从图9中可知4段方向相同,3个分支与呈一定的角度;断口位置至少存在两个线段,通过上述方法,得到图10所示的最终主线骨架。
S800、连接所述最终主线骨架,得到完整的弱线。包括选择所述最终主线骨架中的第一主线骨架;确定和所述第一主线骨架连接的相邻主线骨架,所述相邻主线骨架在所述最终主线骨架中与所述第一主线骨架两端距离最近;当所述相邻主线骨架的个数大于零时,所述相邻主线骨架靠近所述第一主线骨架的一端和所述第一主线骨架通过连接线连接;在所述连接线的垂直方向,以所述最终主线骨架的线宽为宽度,进行膨胀操作,得到完整的弱线。当所述相邻主线骨架的个数等于零时,所述第一主线骨架为完整的弱线。
对于图10的最终主线骨架进行连接操作,如图11所示,选择第一主线骨架,其两端点的坐标为A1,A2;分别以A1,A2为中心,选择距离较近的相邻主线骨架RegionB1,RegionB2;确定待连接骨架RegionB1、RegionB2对应侧的端点坐标B1,B2;连接对应的端点坐标,即连接A1和B1,A2和B2;在所述连接线的垂直方向,以所述最终主线骨架的线宽为宽度,进行膨胀操作;直到最终主线骨架中所有的骨架均连接,得到完整的弱线。
初始主线骨架决定了选择待选主线骨架的初始位置,如果初始主线骨架选择成了某分支有可能导致最终主线骨架确定出现错误。通常情况下初始主线骨架是初始弱线骨架中面积尺寸最大的,但是分支骨架的面积也可能大于或者等于初始主线骨架的情况,当面积判定不准确时需要采用其他特征来约束初始主线骨架和分支骨架。
本实施例还通过骨架主体区域与初始主线骨架、分支骨架的关系来判定最终的选择情况。考虑情况如下:
弱线属于直线,则初始主线骨架属于初始弱线骨架的一部分,与主体区域的方向一致或者存在较小夹角,而且初始主线骨架与主体区域之间的夹角较小;分支骨架与主体区域的方向夹角相对较大,可以利用初始主线骨架与主体区域的夹角以及待连接的骨架之间的夹角来确定最终主线骨架。
弱线属于曲线,则初始主线骨架也属于初始弱线骨架的一部分,但是主体区域的方向与初始主线骨架方向角度可能关系不确定;通过局部的角度确定初始主线骨架、分支骨架的与主体区域的关系,除此之外还通过分支骨架和初始主线骨架确定的最终主线骨架进行判定,正确的初始主线骨架与主体区域的差别是分支骨架,分支骨架分布在初始主线骨架的两侧;而通过分支骨架确定的初始主线骨架会既包含分支骨架也包含初始主线骨架,初始主线骨架和分支骨架的特征不明显,利用该特征确定曲线类的初始主线骨架的选择。
本申请提供一种纹理背景下弱线的提取方法,包括通过动态阈值提取初始弱线骨架,所述初始弱线骨架为纹理抑制后图像中断裂的弱线;获取所述初始弱线骨架中初始主线骨架和所述初始主线骨架的方向角度,所述初始主线骨架为所述初始弱线骨架中尺寸最大的骨架;以初始主线骨架的中心为圆心,根据预设选择范围获取第一备选主线骨架和所述第一备选主线骨架的方向角度,所述预设选择范围为以预设距离为半径的圆;获取所述初始主线骨架和所述第一备选主线骨架的第一相对角度,所述第一相对角度为所述初始主线骨架的方向角度和所述第一备选主线骨架的方向角度的差值;选择所述第一相对角度最小的第一备选主线骨架为第一待选主线骨架,合并所述第一待选主线骨架和所述初始主线骨架得到中间主线骨架;以所述中间主线骨架的两端为圆心,根据预设选择范围获取第二备选主线骨架和所述第二备选主线骨架的方向角度;当第二备选主线骨架的数量为零时,所述中间主线骨架为最终主线骨架;连接所述最终主线骨架,得到完整的弱线;实现在纹理背景下,获得和实际尺寸、形态相当的完整弱线。
以上内容仅为说明本申请的技术思想,不能以此限定本申请的保护范围,凡是按照本申请提出的技术思想,在技术方案基础上所做的任何改动,均落入本申请权利要求书的保护范围之内。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。

Claims (6)

1.一种纹理背景下弱线的提取方法,其特征在于,所述提取方法包括:
通过动态阈值提取初始弱线骨架,所述初始弱线骨架为纹理抑制后图像中断裂的弱线;
获取所述初始弱线骨架中初始主线骨架和所述初始主线骨架的方向角度,所述初始主线骨架为所述初始弱线骨架中尺寸最大的骨架;
以初始主线骨架的中心为圆心,根据预设选择范围获取第一备选主线骨架和所述第一备选主线骨架的方向角度,所述预设选择范围为以预设距离为半径的圆;
获取所述初始主线骨架和所述第一备选主线骨架的第一相对角度,所述第一相对角度为所述初始主线骨架的方向角度和所述第一备选主线骨架的方向角度的差值;
选择所述第一相对角度最小的第一备选主线骨架为第一待选主线骨架,合并所述第一待选主线骨架和所述初始主线骨架得到中间主线骨架;
以所述中间主线骨架的两端为圆心,根据预设选择范围获取第二备选主线骨架和所述第二备选主线骨架的方向角度;
当第二备选主线骨架的数量为零时,所述中间主线骨架为最终主线骨架;
连接所述最终主线骨架,得到完整的弱线。
2.根据权利要求1所述的一种纹理背景下弱线的提取方法,其特征在于,连接所述最终主线骨架,得到完整的弱线,包括:
选择所述最终主线骨架中的第一主线骨架;
确定和所述第一主线骨架连接的相邻主线骨架,所述相邻主线骨架在所述最终主线骨架中与所述第一主线骨架两端距离最近;
当所述相邻主线骨架的个数大于零时,所述相邻主线骨架靠近所述第一主线骨架的一端和所述第一主线骨架通过连接线连接;
在所述连接线的垂直方向,以所述最终主线骨架的线宽为宽度,进行膨胀操作,得到完整的弱线。
3.根据权利要求2所述的一种纹理背景下弱线的提取方法,其特征在于,当所述相邻主线骨架的个数等于零时,所述第一主线骨架为完整的弱线。
4.根据权利要求1所述的一种纹理背景下弱线的提取方法,其特征在于,所述获取初始弱线骨架之前,还包括:
获取待检测图像,所述待检测图像为显示屏的图像;
对所述待检测图像纹理抑制,得到纹理抑制后图像。
5.根据权利要求1所述的一种纹理背景下弱线的提取方法,其特征在于,获取所述纹理抑制后图像中背景灰度;根据所述背景灰度与所述初始弱线骨架灰度的差值确定所述动态阈值,所述动态阈值的宽度大于弱线的宽度。
6.根据权利要求1所述的一种纹理背景下弱线的提取方法,其特征在于,当第二备选主线骨架的数量大于零时,获取所述中间主线骨架的方向角度;
获取所述中间主线骨架和所述第二备选主线骨架的第二相对角度;所述第二相对角度为所述中间主线骨架的方向角度和所述第二备选主线骨架的方向角度的差值;
选择所述第二相对角度最小的第二备选主线骨架为第二待选主线骨架,合并所述第二待选主线骨架和所述中间主线骨架得到最终主线骨架。
CN202011589330.0A 2020-12-29 2020-12-29 一种纹理背景下弱线的提取方法 Active CN112598689B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011589330.0A CN112598689B (zh) 2020-12-29 2020-12-29 一种纹理背景下弱线的提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011589330.0A CN112598689B (zh) 2020-12-29 2020-12-29 一种纹理背景下弱线的提取方法

Publications (2)

Publication Number Publication Date
CN112598689A true CN112598689A (zh) 2021-04-02
CN112598689B CN112598689B (zh) 2024-05-17

Family

ID=75203100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011589330.0A Active CN112598689B (zh) 2020-12-29 2020-12-29 一种纹理背景下弱线的提取方法

Country Status (1)

Country Link
CN (1) CN112598689B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1538547A1 (en) * 2003-12-03 2005-06-08 Prime Vision Method and device for extracting skeletal data from image data
WO2008066055A1 (fr) * 2006-11-29 2008-06-05 Sharp Kabushiki Kaisha Dispositif de détection de défaut linéaire, dispositif de fabrication de substrat semi-conducteur, procédé de détection de défaut linéaire, procédé de fabrication de substrat semi-conducteur, programme pour amener un ordinateur à fonctionner en tant que d
US20130129205A1 (en) * 2010-11-24 2013-05-23 Jue Wang Methods and Apparatus for Dynamic Color Flow Modeling
US20160321797A1 (en) * 2015-05-01 2016-11-03 Corning Incorporated Imaging-based methods for detecting and measuring defects in extruded cellular ceramic articles
CN106157310A (zh) * 2016-07-06 2016-11-23 南京汇川图像视觉技术有限公司 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法
CN110208973A (zh) * 2019-06-28 2019-09-06 苏州精濑光电有限公司 一种液晶显示屏合格性的检测方法
CN111553929A (zh) * 2020-05-12 2020-08-18 重庆邮电大学 基于融合网络的手机屏幕缺陷分割方法、装置及设备
KR102152436B1 (ko) * 2019-03-04 2020-09-04 광운대학교 산학협력단 3차원 포인트 클라우드 기반의 동적 3차원 모델 생성을 위한 뼈대 정보 처리 시스템 및 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1538547A1 (en) * 2003-12-03 2005-06-08 Prime Vision Method and device for extracting skeletal data from image data
WO2008066055A1 (fr) * 2006-11-29 2008-06-05 Sharp Kabushiki Kaisha Dispositif de détection de défaut linéaire, dispositif de fabrication de substrat semi-conducteur, procédé de détection de défaut linéaire, procédé de fabrication de substrat semi-conducteur, programme pour amener un ordinateur à fonctionner en tant que d
US20130129205A1 (en) * 2010-11-24 2013-05-23 Jue Wang Methods and Apparatus for Dynamic Color Flow Modeling
US20160321797A1 (en) * 2015-05-01 2016-11-03 Corning Incorporated Imaging-based methods for detecting and measuring defects in extruded cellular ceramic articles
CN106157310A (zh) * 2016-07-06 2016-11-23 南京汇川图像视觉技术有限公司 基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法
KR102152436B1 (ko) * 2019-03-04 2020-09-04 광운대학교 산학협력단 3차원 포인트 클라우드 기반의 동적 3차원 모델 생성을 위한 뼈대 정보 처리 시스템 및 방법
CN110208973A (zh) * 2019-06-28 2019-09-06 苏州精濑光电有限公司 一种液晶显示屏合格性的检测方法
CN111553929A (zh) * 2020-05-12 2020-08-18 重庆邮电大学 基于融合网络的手机屏幕缺陷分割方法、装置及设备

Also Published As

Publication number Publication date
CN112598689B (zh) 2024-05-17

Similar Documents

Publication Publication Date Title
CN105913415B (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
US5627912A (en) Inspection method of inclination of an IC
CN112577969B (zh) 一种基于机器视觉的缺陷检测方法以及缺陷检测系统
CN106803244A (zh) 缺陷识别方法及系统
CN107239742B (zh) 一种仪表指针刻度值计算方法
CN114549835B (zh) 一种基于深度学习的指针式仪表矫正识别方法及装置
US7978904B2 (en) Pattern inspection apparatus and semiconductor inspection system
CN111968144A (zh) 一种图像边缘点获取方法及装置
CN109886952B (zh) 一种屏幕缺陷点检测方法及其装置、计算机可读介质
CN109886960A (zh) 基于机器视觉的玻璃边缘缺陷检测的方法
CN113077437B (zh) 工件质量检测方法及其系统
CN111539927B (zh) 汽车塑料组合件紧固卡扣缺装检测装置的检测方法
CN110569857A (zh) 一种基于质心距离计算的图像轮廓角点检测方法
CN105205803A (zh) 显示面板缺陷检测方法
CN112598647A (zh) 一种弧形面渐变背景下弱线缺陷的检测方法
CN116452580B (zh) 一种笔记本外观质量检测方法
CN108074263B (zh) 视觉定位方法和系统
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN117152145B (zh) 一种基于图像的板卡工艺检测方法及装置
CN106778844B (zh) 隧道内裂缝匹配方法和系统
CN112598689A (zh) 一种纹理背景下弱线的提取方法
JP4249966B2 (ja) プリント配線基板の検査方法及び検査装置
JP2002140713A (ja) 画像処理方法およびその装置
CN111353974A (zh) 一种检测影像边界缺陷的方法及装置
CN112308842B (zh) 一种基于印刷品图像的定位核自动提取方法

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