CN112802015A - 基于模板匹配的工业颗粒连片制品图像切割方法、装置 - Google Patents
基于模板匹配的工业颗粒连片制品图像切割方法、装置 Download PDFInfo
- Publication number
- CN112802015A CN112802015A CN202110331219.XA CN202110331219A CN112802015A CN 112802015 A CN112802015 A CN 112802015A CN 202110331219 A CN202110331219 A CN 202110331219A CN 112802015 A CN112802015 A CN 112802015A
- Authority
- CN
- China
- Prior art keywords
- particle
- image
- central position
- images
- industrial
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种基于模板匹配的工业颗粒连片制品图像切割方法、装置。所述方法包括:获取待分割工业颗粒连片制品图像;通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。采用本方法能够对复杂工业颗粒连片制品图像的颗粒图像进行准确切割。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种基于模板匹配的工业颗粒连片制品图像切割方法、装置。
背景技术
在生产线生产的工业颗粒连片制品,是将多个颗粒连成一片生产出来连片制品,例如,LED封装芯片的封装连片。LED是一种常用的发光器件,也称为发光二极管;与传统灯具相比,LED节能灯具有环保、颜色范围覆盖广、响应速度快等特点;在各种需要光源的场景中,LED灯已经发挥着重要的作用,如汽车信号灯、交通信号灯、室外大屏幕、显示器等。生产出来的LED封装芯片的连片上包含成百上千个LED封装芯片,每个LED封装芯片非常小,甚至1毫米不到,这对品质检测工位要求非常高,往往需要人在显微镜下观察,这个过程不仅耗时而且成本极高。
现有通过图像的方式来对工业颗粒连片制品进行质量检测,在检测过程中需要将工业颗粒连片制品中每个颗粒通过图像处理的方式分割从出来。例如,由于现在LED生产工艺通常都是批量生产,一次性生产多个LED组装成连片,例如16*35一片,就是一片上有16行35列个LED的排列,这个连片上的每个LED都是要检测的,为了对拍摄到的LED进行逐个检测,需要获取整个LED连片图片,然后对整个LED连片的图片分割成一个个单颗LED的图像进行检测。
现有基于阈值的分割方法来实现颗粒图像的分割,其主要原理是通过一个或几个阈值将图像的灰度直方图分成几个类,并认为图像中灰度值在同一类中的像素属于同一物体。或者,基于边缘检测的分割方法来实现颗粒图像的分割,其主要原理是利用颗粒图像的边缘的灰度值变化比较大将不同的物体分割出来。
然而,现有对颗粒图像的分割方法只适用于完整清晰的颗粒图像,对边界模糊的或不规则的颗粒图像切割准确度低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提供边界模糊的或不规则的颗粒图像切割准确率的基于模板匹配的工业颗粒连片制品图像切割方法、装置。
一种基于模板匹配的工业颗粒连片制品图像切割方法,所述方法包括:
获取待分割工业颗粒连片制品图像;
通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;
对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;
根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
在其中一个实施例中,所述通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置,包括:获取待分割工业颗粒连片制品图像中与所述颗粒模板小图相同尺寸的待匹配区域;计算所述待匹配区域与所述颗粒模板小图的相似度;在所述相似度高于预设值时,获取所述待匹配区域的中心位置作为颗粒图像的中心位置。
在其中一个实施例中,在通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置之前,包括:获取所述待分割工业颗粒连片制品图像对应的颗粒模板小图。
在其中一个实施例中,所述对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置,包括:所述对具有多个中心位置的所述颗粒图像通过圆检测方法,获得所述颗粒图像的修正中心位置。
在其中一个实施例中,所述对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置,包括:计算所述颗粒图像的多个中心位置的重心,获得所述颗粒图像的修正中心位置。
一种基于模板匹配的工业颗粒连片制品图像切割装置,所述装置包括:
图像获取模块,用于获取待分割工业颗粒连片制品图像;
匹配模块,用于通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;
合并模块,用于对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;
矩形区域计算模块,用于根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
在其中一个实施例中,所述匹配模块包括:待匹配区域获取单元,用于获取待分割工业颗粒连片制品图像中与所述颗粒模板小图相同尺寸的待匹配区域;相似度计算单元,用于计算所述待匹配区域与所述颗粒模板小图的相似度;中心位置获取单元,用于在所述相似度高于预设值时,获取所述待匹配区域的中心位置作为颗粒图像的中心位置。
在其中一个实施例中,所述基于模板匹配的工业颗粒连片制品图像切割装置,还包括:模板小图获取模块,用于获取所述待分割工业颗粒连片制品图像对应的颗粒模板小图。
在其中一个实施例中,所述合并模块,还用于所述对具有多个中心位置的所述颗粒图像通过圆检测方法,获得所述颗粒图像的修正中心位置。
在其中一个实施例中,所述合并模块,还用于计算所述颗粒图像的多个中心位置的重心,获得所述颗粒图像的修正中心位置。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待分割工业颗粒连片制品图像;
通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;
对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;
根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待分割工业颗粒连片制品图像;
通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;
对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;
根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
上述基于模板匹配的工业颗粒连片制品图像切割方法、装置、计算机设备和存储介质,通过颗粒模板小图从待分割工业颗粒连片制品图像匹配出颗粒图像的中心位置,再根据中心位置计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像,匹配方法简单,能够快速准确的获得颗粒切割图像;同时,对具有多个中心位置的所述颗粒图像进行中心位置合并,能够有效去除噪点,可以对边缘模糊或不规则的复杂工业颗粒连片制品图像进行颗粒图像切割。
附图说明
图1为一个实施例中基于模板匹配的工业颗粒连片制品图像切割方法的应用环境图;
图2为一个实施例中基于模板匹配的工业颗粒连片制品图像切割方法的流程示意图;
图3为一个实施例中颗粒图像的多个中心位置和多个中心位置合并后的示意图;
图4为一个实施例中根据中心位置计算的矩形包围区域示意图;
图5为一个实施例中基于模板匹配的工业颗粒连片制品图像切割装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于模板匹配的工业颗粒连片制品图像切割方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。终端102采集待分割工业颗粒连片制品图像,终端102将待分割工业颗粒连片制品图像发送至服务器104;服务器104接收待分割工业颗粒连片制品图像;通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。其中,终端102可以但不限于是各种工业相机、带有摄像头的图像采集设备,服务器104可以用个人计算机、独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于模板匹配的工业颗粒连片制品图像切割方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S110,获取待分割工业颗粒连片制品图像。
其中,工业颗粒连片制品图像为根据工业颗粒连片制品拍摄的图像。其中,工业颗粒连片制品包括通过LED封装芯片或者晶圆封装芯片的连片,本实施例中所述颗粒可为LED封装芯片或晶圆封装芯片。
S120,通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置。
其中,颗粒模板小图为从待分割工业颗粒连片制品图像手动截取的单个颗粒图像。颗粒模板小图与颗粒图像的尺寸相同。
具体的,将模板图像在待分割工业颗粒连片制品图像上滑动逐一对比,通过统计的方法(如方差匹配)进行匹配,得到待分割工业颗粒连片制品图像每个位置匹配的相似度。图像匹配的算法包括MAD,SAD,SSD等。
S130,对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置。
其中,在进行图像匹配时,一个颗粒图像可能匹配到多个中心位置,但实际上颗粒图像只有一个真正的中心位置,其它的中心位置是由于颗粒图像边缘不规则或者模糊导致匹配错误出现的噪点。具体的,可以通过将多个中心位置合并,提取多个中心位置的合并中心,作为所述颗粒图像的修正中心位置。
例如,如图3(a)所示,一个颗粒图像匹配到2个中心位置,取两个中心位置的中点作为所述颗粒图像的修正中心位置(如图3(b)所示)。
S140,根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
其中,预设矩形包围区域的长宽可以根据需要设定,例如根据颗粒模板小图的尺寸进行设定。所示颗粒切割图像为切割出来的颗粒图像,如图4所示,白色矩形包围的区域为颗粒切割图像。
具体的,根据所述颗粒图像的中心位置或修正中心位置,和预设矩形包围区域的长、宽,计算以所述中心位置或修正中心位置为中心垂直线段和水平线段的位置,水平线段等于预设矩形包围区域的长,垂直线段等于预设矩形包围区域的宽,在水平线段的两个端点分别画出平行于垂直线段的预设矩形包围区域短边,在垂直线段的两个端点分别画出平行于水平线段的预设矩形包围区域长边,两条长边和两条短边围城预设矩形包围区域。
上述基于模板匹配的工业颗粒连片制品图像切割方法中,通过颗粒模板小图从待分割工业颗粒连片制品图像匹配出颗粒图像的中心位置,再根据中心位置计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像,匹配方法简单,能够快速准确的获得颗粒切割图像;同时,对具有多个中心位置的所述颗粒图像进行中心位置合并,能够有效去除噪点,可以对边缘模糊或不规则的复杂工业颗粒连片制品图像进行颗粒图像切割。
在其中一个实施例中,所述通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置,包括:获取待分割工业颗粒连片制品图像中与所述颗粒模板小图相同尺寸的待匹配区域;计算所述待匹配区域与所述颗粒模板小图的相似度;在所述相似度高于预设值时,获取所述待匹配区域的中心位置作为颗粒图像的中心位置。
其中,待匹配区域可以为待分割工业颗粒连片制品图像中任意一个区域,可以通过根据颗粒模板小图的尺寸在待分割工业颗粒连片制品图像逐一互动获取待匹配区域。计算所述待匹配区域与所述颗粒模板小图的相似度,可以通过所述待匹配区域与所述颗粒模板小图每个像素计算像素值方差,将像素值方差作为相似度。其中,预设值可以根据需要进行设定,例如,将99%作为预设值。
在其中一个实施例中,在通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置之前,包括:获取所述待分割工业颗粒连片制品图像对应的颗粒模板小图。其中,每个所述待分割工业颗粒连片制品图像中的颗粒的型号相同,可以根据待分割工业颗粒连片制品图像中的颗粒的型号来选择对应的颗粒模板小图。例如,待分割工业颗粒连片制品图像中的颗粒的型号为A,则选取颗粒型号为A的颗粒模板小图。
在其中一个实施例中,所述对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置,包括:所述对具有多个中心位置的所述颗粒图像通过圆检测方法,获得所述颗粒图像的修正中心位置。
其中,圆检测方法包括霍夫(Hough)圆检测方法、轮廓跟踪方法等。在颗粒模板小图匹配时,如果待分割工业颗粒连片制品图像比较完整清晰,分割结果通常比较完美,一个颗粒图像只有一个中心位置,但实际应用中由于光线等复杂因素的影响,得到的待分割工业颗粒连片制品图像的颗粒图像边界可能会有不规则、模糊的情形,进而导致同一个颗粒图像匹配出了多个可能的中心位置,也就是在正确的中心位置有一个非常贴近的噪点;例如,颗粒图像包括两个中心位置,由于两个中心非常接近,将其区分开来就很困难,在本实施例中,在和待分割工业颗粒连片制品图像相同大小的一张黑色图像上,于每一个匹配出的中心位置绘制一个白色的圆点,由此,两个非常接近的中心位置所对应的圆点就形成了一个圆团(图3(a)所示),利用霍夫(Hough)圆检测方法,识别圆团的中心,得到将正确的中心位置和噪点形成的圆团识别为一个平均后的单一中心,能够便捷达到去噪的效果。
在其中一个实施例中,所述对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置,包括:计算所述颗粒图像的多个中心位置的重心,获得所述颗粒图像的修正中心位置。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种基于模板匹配的工业颗粒连片制品图像切割装置,包括:图像获取模块210、匹配模块220、合并模块230和矩形区域计算模块240,其中:
图像获取模块210,用于获取待分割工业颗粒连片制品图像。
匹配模块220,用于通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置。
合并模块230,用于对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置。
矩形区域计算模块240,用于根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
在其中一个实施例中,所述匹配模块220包括:待匹配区域获取单元,用于获取待分割工业颗粒连片制品图像中与所述颗粒模板小图相同尺寸的待匹配区域;相似度计算单元,用于计算所述待匹配区域与所述颗粒模板小图的相似度;中心位置获取单元,用于在所述相似度高于预设值时,获取所述待匹配区域的中心位置作为颗粒图像的中心位置。
在其中一个实施例中,所述基于模板匹配的工业颗粒连片制品图像切割装置还包括:模板小图获取模块,用于获取所述待分割工业颗粒连片制品图像对应的颗粒模板小图。
在其中一个实施例中,所述合并模块230,还用于所述对具有多个中心位置的所述颗粒图像通过圆检测方法,获得所述颗粒图像的修正中心位置。
在其中一个实施例中,所述合并模块230,还用于计算所述颗粒图像的多个中心位置的重心,获得所述颗粒图像的修正中心位置。
关于基于模板匹配的工业颗粒连片制品图像切割装置的具体限定可以参见上文中对于基于模板匹配的工业颗粒连片制品图像切割方法的限定,在此不再赘述。上述基于模板匹配的工业颗粒连片制品图像切割装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储颗粒模板小图数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于模板匹配的工业颗粒连片制品图像切割方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待分割工业颗粒连片制品图像;
通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;
对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;
根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取所述待分割工业颗粒连片制品图像对应的颗粒模板小图。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待分割工业颗粒连片制品图像;
通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;
对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;
根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取所述待分割工业颗粒连片制品图像对应的颗粒模板小图。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于模板匹配的工业颗粒连片制品图像切割方法,其特征在于,所述方法包括:
获取待分割工业颗粒连片制品图像;
通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;
对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;
根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
2.根据权利要求1所述的方法,其特征在于,所述通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置,包括:
获取待分割工业颗粒连片制品图像中与所述颗粒模板小图相同尺寸的待匹配区域;
计算所述待匹配区域与所述颗粒模板小图的相似度;
在所述相似度高于预设值时,获取所述待匹配区域的中心位置作为颗粒图像的中心位置。
3.根据权利要求1所述的方法,其特征在于,在通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置之前,包括:
获取所述待分割工业颗粒连片制品图像对应的颗粒模板小图。
4.根据权利要求1所述的方法,其特征在于,对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置,包括:
所述对具有多个中心位置的所述颗粒图像通过圆检测方法,获得所述颗粒图像的修正中心位置。
5.根据权利要求1所述的方法,其特征在于,所述对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置,包括:
计算所述颗粒图像的多个中心位置的重心,获得所述颗粒图像的修正中心位置。
6.一种基于模板匹配的工业颗粒连片制品图像切割装置,其特征在于,所述装置包括:
图像获取模块,用于获取待分割工业颗粒连片制品图像;
匹配模块,用于通过颗粒模板小图对所述待分割工业颗粒连片制品图像进行匹配,获得每个颗粒图像的中心位置;
合并模块,用于对具有多个中心位置的所述颗粒图像进行中心位置合并,获得所述颗粒图像的修正中心位置;
矩形区域计算模块,用于根据每个所述颗粒图像的中心位置或修正中心位置,计算预设矩形包围区域,获得所述颗粒图像的颗粒切割图像;其中,所述颗粒图像的中心位置或修正中心位置为所述预设矩形包围区域的中心位置。
7.根据权利要求6所述的装置,其特征在于,所述匹配模块包括:
待匹配区域获取单元,用于获取待分割工业颗粒连片制品图像中与所述颗粒模板小图相同尺寸的待匹配区域;
相似度计算单元,用于计算所述待匹配区域与所述颗粒模板小图的相似度;
中心位置获取单元,用于在所述相似度高于预设值时,获取所述待匹配区域的中心位置作为颗粒图像的中心位置。
8.根据权利要求6所述的装置,其特征在于,还包括:模板小图获取模块,用于获取所述待分割工业颗粒连片制品图像对应的颗粒模板小图。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010380863.1A CN111553912A (zh) | 2020-05-08 | 2020-05-08 | 基于模板匹配的工业颗粒连片制品图像切割方法、装置 |
CN2020103808631 | 2020-05-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112802015A true CN112802015A (zh) | 2021-05-14 |
Family
ID=72004461
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010380863.1A Withdrawn CN111553912A (zh) | 2020-05-08 | 2020-05-08 | 基于模板匹配的工业颗粒连片制品图像切割方法、装置 |
CN202110331219.XA Pending CN112802015A (zh) | 2020-05-08 | 2021-03-29 | 基于模板匹配的工业颗粒连片制品图像切割方法、装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010380863.1A Withdrawn CN111553912A (zh) | 2020-05-08 | 2020-05-08 | 基于模板匹配的工业颗粒连片制品图像切割方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN111553912A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114486918A (zh) * | 2022-02-15 | 2022-05-13 | 凌云光技术股份有限公司 | 一种自适应产品外观缺陷定位方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113148342A (zh) * | 2021-03-13 | 2021-07-23 | 丁梦洁 | 基于差异分析的机械控制平台及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105185302A (zh) * | 2015-08-28 | 2015-12-23 | 西安诺瓦电子科技有限公司 | 单色图像间灯点位置偏差修正方法及其应用 |
US20180286074A1 (en) * | 2015-09-30 | 2018-10-04 | Nec Corporation | Image processing device, image processing method and storage medium |
CN110163866A (zh) * | 2019-04-01 | 2019-08-23 | 上海卫莎网络科技有限公司 | 一种图像处理方法、电子设备及计算机可读存储介质 |
CN110390682A (zh) * | 2019-09-19 | 2019-10-29 | 视睿(杭州)信息科技有限公司 | 一种模板自适应的图像分割方法、系统和可读存储介质 |
-
2020
- 2020-05-08 CN CN202010380863.1A patent/CN111553912A/zh not_active Withdrawn
-
2021
- 2021-03-29 CN CN202110331219.XA patent/CN112802015A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105185302A (zh) * | 2015-08-28 | 2015-12-23 | 西安诺瓦电子科技有限公司 | 单色图像间灯点位置偏差修正方法及其应用 |
US20180286074A1 (en) * | 2015-09-30 | 2018-10-04 | Nec Corporation | Image processing device, image processing method and storage medium |
CN110163866A (zh) * | 2019-04-01 | 2019-08-23 | 上海卫莎网络科技有限公司 | 一种图像处理方法、电子设备及计算机可读存储介质 |
CN110390682A (zh) * | 2019-09-19 | 2019-10-29 | 视睿(杭州)信息科技有限公司 | 一种模板自适应的图像分割方法、系统和可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114486918A (zh) * | 2022-02-15 | 2022-05-13 | 凌云光技术股份有限公司 | 一种自适应产品外观缺陷定位方法及系统 |
CN114486918B (zh) * | 2022-02-15 | 2023-11-10 | 凌云光技术股份有限公司 | 一种自适应产品外观缺陷定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111553912A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11227405B2 (en) | Determining positions and orientations of objects | |
US10192107B2 (en) | Object detection method and object detection apparatus | |
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
US7639878B2 (en) | Shadow detection in images | |
EP1805715B1 (en) | A method and system for processing video data | |
US20130120125A1 (en) | Method and system for lane departure warning | |
CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
US10748023B2 (en) | Region-of-interest detection apparatus, region-of-interest detection method, and recording medium | |
US20160314368A1 (en) | System and a method for the detection of multiple number-plates of moving cars in a series of 2-d images | |
CN112669344B (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
CN112802015A (zh) | 基于模板匹配的工业颗粒连片制品图像切割方法、装置 | |
CA2844705A1 (en) | Image processing method and apparatus for elimination of depth artifacts | |
CN113252695B (zh) | 一种基于图像处理的塑封薄膜缺陷检测方法及检测装置 | |
CN108229232B (zh) | 批量扫描二维码的方法和批量扫描二维码的装置 | |
CN111079613A (zh) | 姿势识别方法和装置、电子设备及存储介质 | |
CN110390682B (zh) | 一种模板自适应的图像分割方法、系统和可读存储介质 | |
CN113936023A (zh) | 一种强光条件下的粮仓走道板边沿直线检测方法 | |
CN111695374B (zh) | 监控视角中斑马线区域的分割方法、系统、介质及设备 | |
CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
CN114724119B (zh) | 车道线提取方法、检测设备及存储介质 | |
CN115880365A (zh) | 一种双工位自动螺丝拧装检测方法、系统及装置 | |
JP2019053719A (ja) | 車両検出装置及び方法 | |
WO2017091060A1 (en) | A system and method for detecting objects from image | |
TW201944353A (zh) | 物件影像辨識系統及物件影像辨識方法 | |
CN109543565B (zh) | 一种数量确定方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210514 |