CN113034447B - 一种边缘缺陷检测方法和装置 - Google Patents

Abstract

本申请公开了一种边缘缺陷检测方法和装置，其中方法包括：根据目标的原始图像，确定轮廓线；从轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建原始图像的子图像；对各子图像分别进行处理，得到相应的检测图像，其中，检测图像中的第一类像素点表征缺陷部分，检测图像中的第二类像素点表征非缺陷部分；根据检测图像确定目标的缺陷检测结果。该技术方案的有益效果在于，使得每个检测图像中目标边缘部分所占的比例增大，能够提高检测精度，降低过杀率和误检率，同时这种检测方式的效率较高，减少了目标中心部分的干扰，减少了计算资源的消耗。

Description

一种边缘缺陷检测方法和装置

技术领域

本申请涉及计算机视觉领域，尤其涉及一种边缘缺陷检测方法和装置。

背景技术

头戴式设备中的视野很小，显示器将视觉信息投射到非常靠近人眼的位置，涵盖用户的全角度视野，与人眼之间的这种接近度也放大了用户在远距离下观看时通常无法察觉的显示器缺陷。这些细微的显示器缺陷和异常可能包括：亮度或色彩不均匀、线和像素缺陷等等。

对于在显示器边缘处的线和像素缺陷，现有技术并没有较好的检测方法，存在较多的过杀和误检。

发明内容

本申请实施例提供了一种边缘缺陷检测方法和装置，以提高检测精度，降低过杀率和误检率。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供了一种边缘缺陷检测方法，包括：根据目标的原始图像，确定轮廓线；从轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建原始图像的子图像；对各子图像分别进行处理，得到相应的检测图像，其中，检测图像中的第一类像素点表征缺陷部分，检测图像中的第二类像素点表征非缺陷部分；根据检测图像确定目标的缺陷检测结果。

在一些实施例中，边缘缺陷检测方法中，根据目标的原始图像，确定轮廓线包括：生成原始图像的二值化图像；对原始图像的二值化图像进行边缘检测，确定表征目标边缘的边缘像素点；基于各边缘像素点的邻接关系确定轮廓线。

在一些实施例中，边缘缺陷检测方法中，基于各边缘像素点的邻接关系确定轮廓线包括：若两个边缘像素点相互邻接，则将该两个边缘像素点放入同一集合中，并将该两个边缘像素点标记为已使用，得到若干个集合；根据每个集合确定一条候选线；若候选线只有一条，则将其作为轮廓线；否则，根据各候选线所构成图形的几何特征确定轮廓线。

在一些实施例中，边缘缺陷检测方法中，从轮廓线中选取部分轮廓点包括：根据各轮廓点的序列顺序，以预设的序列间隔从轮廓线中选取轮廓点。

在一些实施例中，边缘缺陷检测方法中，对各子图像分别进行处理，得到相应的检测图像包括：根据轮廓线确定各子图像中的有效像素点；根据各有效像素点的灰度值确定各子图像的二值化阈值；根据各二值化阈值对相应的子图像进行处理，得到相应的检测图像。

在一些实施例中，边缘缺陷检测方法中，根据轮廓线确定各子图像中的有效像素点包括：对轮廓线进行修正，得到修正轮廓线；计算子图像中的每个像素点与原始图像中修正轮廓线上各点之间的距离；根据距离确定子图像中的有效像素点。

在一些实施例中，边缘缺陷检测方法中，对轮廓线进行修正，得到修正轮廓线包括：从轮廓线上选择多组像素点，其中每组像素点中，各像素点的序列间隔为预设数值；对每组像素点，根据像素点的序列关系确定多对像素点，计算各对像素点形成直线的斜率，若各斜率的乘积小于预设阈值，则根据该组像素点中第一个像素点和最后一个像素点，对轮廓线进行修正。

在一些实施例中，边缘缺陷检测方法中，根据轮廓线确定各子图像中的有效像素点包括：若子图像中不存在灰度值为第一指定值的像素点，则使子图像中各有效像素点的灰度值保持不变，将子图像中无效像素点的灰度值置为第一指定值；若子图像中存在灰度值为第一指定值的像素点，则生成相应子图像的掩模图像，使掩模图像中取第一值的各点与相应子图像中的各有效像素点相对应。

在一些实施例中，边缘缺陷检测方法中，根据各有效像素点的灰度值确定各子图像的二值化阈值包括：根据确定的有效像素点的灰度值，利用最大类间方差法确定子图像的全局阈值；利用滑动窗口法确定子图像的多个子区域，利用每个子区域中各有效像素点的灰度值，计算相应子区域的局部阈值；根据全局阈值和各局部阈值确定子图像的二值化阈值。

第二方面，本申请实施例还提供了一种边缘缺陷检测装置，包括：轮廓单元，用于根据目标的原始图像，确定轮廓线；子图像单元，用于从轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建原始图像的子图像；检测图像单元，用于对各子图像分别进行处理，得到相应的检测图像，其中，检测图像中的第一类像素点表征缺陷部分，检测图像中的第二类像素点表征非缺陷部分；检测单元，用于根据检测图像确定目标的缺陷检测结果。

在一些实施例中，边缘缺陷检测装置中，轮廓单元，用于生成原始图像的二值化图像；对原始图像的二值化图像进行边缘检测，确定表征目标边缘的边缘像素点；基于各边缘像素点的邻接关系确定轮廓线。

在一些实施例中，边缘缺陷检测装置中，轮廓单元，用于若两个边缘像素点相互邻接，则将该两个边缘像素点放入同一集合中，并将该两个边缘像素点标记为已使用，得到若干个集合；根据每个集合确定一条候选线；若候选线只有一条，则将其作为轮廓线；否则，根据各候选线所构成图形的几何特征确定轮廓线。

在一些实施例中，边缘缺陷检测装置中，子图像单元，用于根据各轮廓点的序列顺序，以预设的序列间隔从轮廓线中选取轮廓点。

在一些实施例中，边缘缺陷检测装置中，检测图像单元，用于根据轮廓线确定各子图像中的有效像素点；根据各有效像素点的灰度值确定各子图像的二值化阈值；根据各二值化阈值对相应的子图像进行处理，得到相应的检测图像。

在一些实施例中，边缘缺陷检测装置中，检测图像单元，用于对轮廓线进行修正，得到修正轮廓线；计算子图像中的每个像素点与原始图像中修正轮廓线上各点之间的距离；根据距离确定子图像中的有效像素点。

在一些实施例中，边缘缺陷检测装置中，检测图像单元，用于从轮廓线上选择多组像素点，其中每组像素点中，各像素点的序列间隔为预设数值；对每组像素点，根据像素点的序列关系确定多对像素点，计算各对像素点形成直线的斜率，若各斜率的乘积小于预设阈值，则根据该组像素点中第一个像素点和最后一个像素点，对轮廓线进行修正。

在一些实施例中，边缘缺陷检测装置中，检测图像单元，用于若子图像中不存在灰度值为第一指定值的像素点，则使子图像中各有效像素点的灰度值保持不变，将子图像中无效像素点的灰度值置为第一指定值；若子图像中存在灰度值为第一指定值的像素点，则生成相应子图像的掩模图像，使掩模图像中取第一值的各点与相应子图像中的各有效像素点相对应。

在一些实施例中，边缘缺陷检测装置中，检测图像单元，用于根据各有效像素点的灰度值确定各子图像的二值化阈值包括：根据确定的有效像素点的灰度值，利用最大类间方差法确定子图像的全局阈值；利用滑动窗口法确定子图像的多个子区域，利用每个子区域中各有效像素点的灰度值，计算相应子区域的局部阈值；根据全局阈值和各局部阈值确定子图像的二值化阈值。

第三方面，本申请实施例还提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行如上任一的边缘缺陷检测方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储一个或多个程序，一个或多个程序当被包括多个应用程序的电子设备执行时，使得电子设备执行如上任一的边缘缺陷检测方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：在根据目标的原始图像确定轮廓线后，通过从中选取部分轮廓点，进而构建原始图像的子图像并得到检测图像，使得每个检测图像中目标边缘部分所占的比例增大，能够提高检测精度，降低过杀率和误检率，同时这种检测方式的效率较高，减少了目标中心部分的干扰，减少了计算资源的消耗。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了根据本申请一个实施例的一种边缘缺陷检测方法的流程示意图；

图2示出了一种边缘缺陷的示意图；

图3示出了与图2对应的轮廓线的示意图；

图4示出了与图2对应的修正轮廓线的示意图；

图5示出了根据本申请一个实施例的一种边缘缺陷检测装置的结构示意图；

图6示出了根据本申请一个实施例的一种电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，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，都属于本申请保护的范围。

考虑到边缘缺陷容易与背景混淆，利用目标的原始图像很难直接捕捉到边缘特征，本申请提出了利用物体轮廓线，确定原始图像的子图像并进一步确定检测图像，使得检测图像中去除了物体中心部分，凸显了边缘部分，从而提升了检测精度。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1示出了根据本申请一个实施例的一种边缘缺陷检测方法的流程示意图。如图1所示，该方法包括：

步骤S110，根据目标的原始图像，确定轮廓线。

本申请中的目标可以是显示器屏幕等光学模组，也可以是其他具有边缘检测需求的物体，如各类工件，本申请对此不做限制。轮廓线是指在图像中能够表征目标外部轮廓的线，一般为一条。

这里还需要说明的是，在进行目标检测的过程中，经常会对原始图像进行各类处理，但是得到的图像与原始图像或者大小完全相同，或者存在一定的转换关系，即各图像中的图像坐标可以通过坐标转换来实现。

本申请中确定的轮廓线，可以是在原始图像中确定，也可以在对原始图像进行处理后的其他图像中确定，总之，轮廓线由一系列有着序列关系的轮廓点构成，这些轮廓点的坐标都可以是原始图像中的坐标，也可以是对原始图像经过处理的其他图像中的坐标。

步骤S120，从轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建原始图像的子图像。

在一些实施例中也可以选取全部的轮廓点来构建子图像，但是这就会造成多个子图像之间存在大量重复的部分，不仅降低检测效率，也增加了计算资源的不必要利用。

可以在原始图像中选取与各选取的轮廓点对应的部分，作为子图像，例如每个选取的轮廓点可以对应得到一幅子图像。具体地，可以以每个选取的轮廓点为中心，根据预设的边长得到正方形的子图像。

步骤S130，对各子图像分别进行处理，得到相应的检测图像，其中，检测图像中的第一类像素点表征缺陷部分，检测图像中的第二类像素点表征非缺陷部分。

步骤S140，根据检测图像确定目标的缺陷检测结果。如果检测图像中没有第一类像素点，说明目标的相应部分不存在缺陷，否则，可以根据第一类像素点确定缺陷的面积和对应的图像坐标区间。汇总根据各检测图像得到的缺陷检测结果，就得到了目标的缺陷检测结果。

可见，图1所示的方法，使得每个检测图像中目标边缘部分所占的比例增大，能够提高检测精度，降低过杀率和误检率，同时这种检测方式的效率较高，减少了目标中心部分的干扰，减少了计算资源的消耗。

在一些实施例中，边缘缺陷检测方法中，步骤S110根据目标的原始图像，确定轮廓线包括：生成原始图像的二值化图像；对原始图像的二值化图像进行边缘检测，确定表征目标边缘的边缘像素点；基于各边缘像素点的邻接关系确定轮廓线。

在一些实施例中，可以使用canny算子等边缘检测算子，对原始图像的二值化图像进行边缘检测，具体的步骤在此不进行详述。在边缘检测后，就得到了多个边缘点，可以根据这些边缘点的邻接关系来确定轮廓线。

在一些实施例中，边缘缺陷检测方法中，基于各边缘像素点的邻接关系确定轮廓线包括：若两个边缘像素点相互邻接，则将该两个边缘像素点放入同一集合中，并将该两个边缘像素点标记为已使用，得到若干个集合；根据每个集合确定一条候选线；若候选线只有一条，则将其作为轮廓线；否则，根据各候选线所构成图形的几何特征确定轮廓线。

例如，边缘点的灰度为255，非边缘点的灰度为0。在进行轮廓线的确定时，可以通过如下方式实现：

步骤一，获取一个边缘点为I1，其灰度值为255，那么将I1作为链表头加入到轮廓C0，同时将I1的灰度值设为128，从而标记出该边缘点是已放入到链表中的像素点(当然，在其他实施例中也可以将其标记为255和0之外的其他值)，以边缘点I1为起点，将I1上下左右及左上、右上、左下、右下八个方向上的像素点分别添加到待判断组里。从待判断组中选取一个像素点，例如选取I1上面的像素点I2，若I2的像素值也为255，那么将I2也加入到轮廓C0的链表里，同时将I2的灰度值设为128。

步骤二、如果I2被判断为属于轮廓C0的像素点，那么按照步骤一判断I2上、下、左、右、左上、右上、左下、右下8个方向的点是否属于轮廓C0的像素点。如果属于进行标记。

步骤三：如果I2这个方向上再也找不到属于轮廓C0的像素点的时候，那么重复步骤一，步骤二，判断剩下的7个方向，直到再也找不到属于轮廓C0的像素点了，那么该轮廓C0检测完成。

步骤四、再次遍历原始图像的二值化图像，找到未被标记的、灰度值为255的像素点作为轮廓C1的链表头，按照步骤一，步骤二，步骤三，检测轮廓C1，以此类推，检测完所有的边缘，根据得到的轮廓链表C0、C1……也就确定了相应的候选线。

在一些情况下，会剩余一些不与其他边缘点相邻接的边缘点，这些边缘点显然不能够构成轮廓线。那么对应上述步骤一至四的实施例，可能会得到若干个只包含链表头的链表，那么直接舍弃这些链表即可。

在理想情况下，候选线仅有一条，即仅得到一个集合(链表)，即通过步骤一至步骤三就能够得到目标的轮廓线。在执行步骤四的情况下，往往还会得到很多小轮廓，例如由于原始图像的拍摄原因，在二值化图像的局部能够检测出较多相邻接的边缘点，其中一些边缘点也能够围成闭合图形，但显然这些闭合图形并不是目标。因此，可以通过图形的几何特征确定轮廓线，例如设定一个面积阈值，只有候选线构成的图形的面积大于该面积阈值，该候选线才能真正作为目标的轮廓线。

在一些实施例中，边缘缺陷检测方法中，步骤S120从轮廓线中选取部分轮廓点包括：根据各轮廓点的序列顺序，以预设的序列间隔从轮廓线中选取轮廓点。

结合前面示出的例子，轮廓线上的各轮廓点可以保存为一个轮廓链表，各轮廓点实际就是该轮廓链表的各个节点，如node1、node2、node3…其中1、2、3……可以认为是每个轮廓点在序列中的编号，那么在一些实施例中，序列间隔可以是指编号的间隔，例如node1与node2的编号间隔为1。这样按照预设的序列间隔从轮廓线中选取轮廓点，再进一步构建子图像，可以既减少后续检测的子图像数量，又可以避免遗漏。

考虑到轮廓线能够构成一个闭合图形，以编号做间隔可能会在图形的拐角位置产生子图像的重叠，因此在一些实施例中，序列间隔还可以是轮廓点的像素间隔。当然，具体如何确定序列间隔，可以根据实际需求来选择。

在以预设的序列间隔从轮廓线中选取轮廓点时，具体地，可以从轮廓线中选择轮廓点，作为基准点，然后按照序列顺序，依次判断各轮廓点与该基准点是否满足预设的序列间隔，在得到满足预设的序列间隔的轮廓点后，将其作为新的基准点，以此类推，直至判断完轮廓线中的所有轮廓点。

例如，可以创建一个数组G，将轮廓链表F的一个节点node1存入到G中，判断下一个节点node2到node1的距离，如果小于n个像素(即以n个像素作为预设的序列间隔)，则舍弃，再取下一个节点node3，判断到node1的距离……直到得到nodeX，其中nodeX与node1之间的距离不小于n个像素，然后把nodeX存入到G中。

然后，再筛选出在nodeX之后，满足间距不小于n各像素的的下一个节点nodeY，存入G中，以此类推，遍历完F所有节点。其中，n可以根据实际需求来确定。

在一些实施例中，边缘缺陷检测方法中，对各子图像分别进行处理，得到相应的检测图像包括：根据轮廓线确定各子图像中的有效像素点；根据各有效像素点的灰度值确定各子图像的二值化阈值；根据各二值化阈值对相应的子图像进行处理，得到相应的检测图像。

轮廓线之外的像素点并不能表征目标，而是表征拍摄目标时的背景，并不能为缺陷检测提供较多帮助，因此，可以将轮廓线内侧的像素点作为有效像素点，再根据各有效像素点的灰度值确定各子图像的二值化阈值，从而对子图像进行二值化处理。二值化后的图像仅包含两类像素点(如果不存在缺陷，那图像中只有一种灰度值)，因此能够更方便、准确地进行缺陷检测。

在一些实施例中，边缘缺陷检测方法中，根据轮廓线确定各子图像中的有效像素点包括：对轮廓线进行修正，得到修正轮廓线；计算子图像中的每个像素点与原始图像中修正轮廓线上各点之间的距离；根据距离确定子图像中的有效像素点。

图2示出了一种边缘缺陷的示意图。如图2所示，缺陷在图中呈现尖角状，由于该缺陷恰好位于边缘处，确定的轮廓线通常如图3所示。而实际上，该处若无缺陷，轮廓线应当如图4所示。

因此，如果不对轮廓线进行修正，那么就会导致缺陷部分落在轮廓外侧，导致漏检。

另外，由于边缘缺陷容易与背景相混淆，因此在本申请的实施例中采取了确定有效像素点的方式，将修正轮廓线所构成图形内部的像素点作为有效像素点，例如图2中，灰色部分是无缺陷部分，黑色尖角缺陷与黑色背景容易混为一体，但是在划分有效像素点后，由于黑色背景在修正轮廓线外侧，不是有效像素点，而修正轮廓线内侧的灰色像素点和黑色像素点是有效像素点，那么根据有效像素点就可以很方便地进行缺陷检测，基本不会漏检了。

进一步地，由于子图像中呈现的仅仅是部分轮廓线，很难直接判断一个像素点在轮廓线内侧还是外侧，因此，本申请提出了计算距离的方式，通过计算子图像中的每个像素点与原始图像中修正轮廓线上各点之间的距离，来确定每个像素点在轮廓线内侧还是外侧。

例如，子图像是基于点(i,j)为中心的50*50(像素)的正方形，点(i,j)参照前述实施例，可以是数组G中的像素点，(i,j)为其在原始图像坐标系中的坐标。

子图像中，每个像素点在子图像坐标系中的坐标为(x,y)，则每个像素点的矫正坐标(X,Y)可以通过如下方式确定：X＝x+i-25，Y＝y+j-25。

由此，可以计算子图像中每个像素点到修正轮廓线上所有轮廓点的距离，对每个像素点，可以确定修正轮廓线中距离该像素点距离最大的轮廓点node_f_max，以及距离该像素点距离最小的轮廓点node_f_min。

根据node_f_max和node_f_min可以确定一个坐标区间，例如以该两个点作为直径，可以确定一个圆形，则得到的坐标区间是该圆形对应的坐标区间。

如果像素点在该坐标区间内，说明该像素点在轮廓线内侧，是有效像素点，否则，说明该像素点在轮廓线外侧，是无效像素点。

为解决轮廓线修正的问题，可以利用平滑等多种方式来实现，下面给出了一种示例：在一些实施例中，边缘缺陷检测方法中，对轮廓线进行修正，得到修正轮廓线包括：从轮廓线上选择多组像素点，其中每组像素点中，各像素点的序列间隔为预设数值；对每组像素点，根据像素点的序列关系确定多对像素点，计算各对像素点形成直线的斜率，若各斜率的乘积小于预设阈值，则根据该组像素点中第一个像素点和最后一个像素点，对轮廓线进行修正。

具体地，可以使用一个大小为M*M(像素)的滑动窗口在轮廓线上滑动，每滑动一次，计算在窗口内所有的轮廓点node(i)与node(i+m)(m可按需确定)这两点的斜率K1，及node(i+m)与node(i+2*m)这两个点的斜率K2，计算K＝K1*K2。换句话说，就是每次选取一组三个像素点node(i)、node(i+m)和node(i+2*m)，其中node(i)就是这一组中的第一个像素点，node(i+2*m)就是这一组中最后一个像素点。

如果K<T(T为可按需确定的预设阈值)，以node(i)到node(i+2*m)两个点为端点的线段上的点替代F上node(i+1)～node(i+2*m-1)的点，完成对轮廓F的修正。以此类推，遍历完F所有结点。

另外，还可以把node(i+m)存入G，也就是说，若各斜率的乘积小于预设阈值，则从该组像素点中选取像素点，根据该选取的像素点构建原始图像的子图像。

在一些实施例中，边缘缺陷检测方法中，根据轮廓线确定各子图像中的有效像素点包括：若子图像中不存在灰度值为第一指定值的像素点，则使子图像中各有效像素点的灰度值保持不变，将子图像中无效像素点的灰度值置为第一指定值；若子图像中存在灰度值为第一指定值的像素点，则生成相应子图像的掩模图像，使掩模图像中取第一值的各点与相应子图像中的各有效像素点相对应。

其中，第一指定值可以是255，若子图像中存在灰度值为255的像素点，则说明可能在原始图像拍摄时存在过度曝光，对于这种情况，可以采用生成mask(掩模图像)的方式来指导后续的二值化。而对于图2的示例，由于其不存在灰度值为255的像素点，因此，可以使其中各有效像素点的灰度值保持不变，也就是灰色区域和黑色尖角的灰度值保持不变，而将子图像中无效像素点，也就是外部黑色背景的灰度值置为255，这样，就使得缺陷部分与正常部分和背景区分开来，在二值化时可以仅根据缺陷部分生成第一类像素点。

而对于子图像中存在灰度值为255的像素点的情况，可能存在前景部分的有效像素点的灰度值也为255的情况，如果直接在子图像中利用上述的方式进行标记，则可能丢失有效像素点，因此，可以采用mask来标记有效像素点，例如mask中取值为0的点对应于在轮廓线内侧的有效像素点，mask中取值为1的点对应于在轮廓线外侧的无效像素点。

在一些实施例中，边缘缺陷检测方法中，根据各有效像素点的灰度值确定各子图像的二值化阈值包括：根据确定的有效像素点的灰度值，利用最大类间方差法确定子图像的全局阈值；利用滑动窗口法确定子图像的多个子区域，利用每个子区域中各有效像素点的灰度值，计算相应子区域的局部阈值；根据全局阈值和各局部阈值确定子图像的二值化阈值。

具体地，可以随机初始化一个阈值t，将子图像中的有效像素点分割为前景a和背景b，然后分别计算前景、背景区域中有效像素点的个数，从而确定有效像素点的占比，分别记为Pa，Pb；然后，分别计算前景、背景区域中有效像素的灰度值均值，分别记为Ua，Ub；通过如下公式类间方差L：

L＝Pa*(Ua-U)*(Ua-U)+Pb*(Ub-U)*(Ub-U)，其中U是整幅子图像的有效像素点的灰度值均值；

然后将阈值t从0～255遍历，找出使得类间方差最大的阈值T，作为子图像的全局阈值。

然后，通过设置滑动窗口，每滑动一次，同样使用最大类间方差法计算出局部阈值T_rect。

最后，通过如下方式计算出每个像素点(x,y)的二值化阈值T_all(x,y)，即各子图像的二值化阈值实际是一个集合，包含了该子图像中各像素点的二值化阈值：

T_all(x,y)＝T*weight+T_rect(x,y)*(1-weight)；

其中，weight为预设的权重值。

根据T_all(x,y)完成对子图像的二值化，得到二值化的检测图像，其中，灰度值为255的点为缺陷点，其它为背景点，灰度值为0。无效像素点在检测图像中的灰度值均设为0。

基于同样的思路，本申请实施例还提供了一种边缘缺陷检测装置，可以实现如上任一的边缘检测方法。

具体地，图5示出了根据本申请一个实施例的边缘缺陷检测装置的结构示意图。如图5所示，边缘缺陷检测装置500包括：

轮廓单元510，用于根据目标的原始图像，确定轮廓线。

本申请中的目标可以是显示器屏幕等光学模组，也可以是其他具有边缘检测需求的物体，如各类工件，本申请对此不做限制。轮廓线是指在图像中能够表征目标外部轮廓的线，一般为一条。

这里还需要说明的是，在进行目标检测的过程中，经常会对原始图像进行各类处理，但是得到的图像与原始图像或者大小完全相同，或者存在一定的转换关系，即各图像中的图像坐标可以通过坐标转换来实现。

本申请中确定的轮廓线，可以是在原始图像中确定，也可以在对原始图像进行处理后的其他图像中确定，总之，轮廓线由一系列有着序列关系的轮廓点构成，这些轮廓点的坐标都可以是原始图像中的坐标，也可以是对原始图像经过处理的其他图像中的坐标。

子图像单元520，用于从轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建原始图像的子图像。

在一些实施例中也可以选取全部的轮廓点来构建子图像，但是这就会造成多个子图像之间存在大量重复的部分，不仅降低检测效率，也增加了计算资源的不必要利用。

可以在原始图像中选取与各选取的轮廓点对应的部分，作为子图像，例如每个选取的轮廓点可以对应得到一幅子图像。

检测图像单元530，用于对各子图像分别进行处理，得到相应的检测图像，其中，检测图像中的第一类像素点表征缺陷部分，检测图像中的第二类像素点表征非缺陷部分。

检测单元540，用于根据检测图像确定目标的缺陷检测结果。

可见，图5所示的装置，使得每个检测图像中目标边缘部分所占的比例增大，能够提高检测精度，降低过杀率和误检率，同时这种检测方式的效率较高，减少了目标中心部分的干扰，减少了计算资源的消耗。

在一些实施例中，边缘缺陷检测装置中，轮廓单元510，用于生成原始图像的二值化图像；对原始图像的二值化图像进行边缘检测，确定表征目标边缘的边缘像素点；基于各边缘像素点的邻接关系确定轮廓线。

在一些实施例中，边缘缺陷检测装置中，轮廓单元510，用于若两个边缘像素点相互邻接，则将该两个边缘像素点放入同一集合中，并将该两个边缘像素点标记为已使用，得到若干个集合；根据每个集合确定一条候选线；若候选线只有一条，则将其作为轮廓线；否则，根据各候选线所构成图形的几何特征确定轮廓线。

在一些实施例中，边缘缺陷检测装置中，子图像单元520，用于根据各轮廓点的序列顺序，以预设的序列间隔从轮廓线中选取轮廓点。

在一些实施例中，边缘缺陷检测装置中，检测图像单元530，用于根据轮廓线确定各子图像中的有效像素点；根据各有效像素点的灰度值确定各子图像的二值化阈值；根据各二值化阈值对相应的子图像进行处理，得到相应的检测图像。

在一些实施例中，边缘缺陷检测装置中，检测图像单元530，用于对轮廓线进行修正，得到修正轮廓线；计算子图像中的每个像素点与原始图像中修正轮廓线上各点之间的距离；根据距离确定子图像中的有效像素点。

在一些实施例中，边缘缺陷检测装置中，检测图像单元530，用于从轮廓线上选择多组像素点，其中每组像素点中，各像素点的序列间隔为预设数值；对每组像素点，根据像素点的序列关系确定多对像素点，计算各对像素点形成直线的斜率，若各斜率的乘积小于预设阈值，则根据该组像素点中第一个像素点和最后一个像素点，对轮廓线进行修正。

在一些实施例中，边缘缺陷检测装置中，检测图像单元530，用于若子图像中不存在灰度值为第一指定值的像素点，则使子图像中各有效像素点的灰度值保持不变，将子图像中无效像素点的灰度值置为第一指定值；若子图像中存在灰度值为第一指定值的像素点，则生成相应子图像的掩模图像，使掩模图像中取第一值的各点与相应子图像中的各有效像素点相对应。

在一些实施例中，边缘缺陷检测装置中，检测图像单元530，用于根据各有效像素点的灰度值确定各子图像的二值化阈值包括：根据确定的有效像素点的灰度值，利用最大类间方差法确定子图像的全局阈值；利用滑动窗口法确定子图像的多个子区域，利用每个子区域中各有效像素点的灰度值，计算相应子区域的局部阈值；根据全局阈值和各局部阈值确定子图像的二值化阈值。

能够理解，上述边缘缺陷检测装置，能够实现前述实施例中提供的由边缘缺陷检测服务器执行的边缘缺陷检测方法的各个步骤，关于边缘缺陷检测方法的相关阐释均适用于边缘缺陷检测装置，此处不再赘述。

图6是本申请的一个实施例电子设备的结构示意图。请参考图6，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成边缘缺陷检测装置。图6中示出的边缘缺陷检测装置不构成本申请对边缘缺陷检测装置数量的限制。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

根据目标的原始图像，确定轮廓线；从轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建原始图像的子图像；对各子图像分别进行处理，得到相应的检测图像，其中，检测图像中的第一类像素点表征缺陷部分，检测图像中的第二类像素点表征非缺陷部分；根据检测图像确定目标的缺陷检测结果。

上述如本申请图1所示实施例揭示的边缘缺陷检测装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备还可执行图1中边缘缺陷检测装置执行的方法，并实现边缘缺陷检测装置在图5所示实施例的功能，本申请实施例在此不再赘述。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中边缘缺陷检测装置执行的方法，并具体用于执行：

根据目标的原始图像，确定轮廓线；从轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建原始图像的子图像；对各子图像分别进行处理，得到相应的检测图像，其中，检测图像中的第一类像素点表征缺陷部分，检测图像中的第二类像素点表征非缺陷部分；根据检测图像确定目标的缺陷检测结果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种边缘缺陷检测方法，包括：

根据目标的原始图像，确定轮廓线；

从所述轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建所述原始图像的子图像；

对各子图像分别进行处理，得到相应的检测图像，其中，所述检测图像中的第一类像素点表征缺陷部分，所述检测图像中的第二类像素点表征非缺陷部分，

所述对各子图像分别进行处理，得到相应的检测图像包括：

根据所述轮廓线确定各子图像中的有效像素点；

根据确定的有效像素点的灰度值，利用最大类间方差法确定子图像的全局阈值；

利用滑动窗口法确定所述子图像的多个子区域，利用每个子区域中各有效像素点的灰度值，计算相应子区域的局部阈值；

根据所述全局阈值和各局部阈值确定所述子图像的二值化阈值；

根据各二值化阈值对相应的子图像进行处理，得到相应的检测图像；

根据所述检测图像确定所述目标的缺陷检测结果。

2.如权利要求1所述的方法，其特征在于，所述根据目标的原始图像，确定轮廓线包括：

生成所述原始图像的二值化图像；

对所述原始图像的二值化图像进行边缘检测，确定表征目标边缘的边缘像素点；

基于各边缘像素点的邻接关系确定所述轮廓线。

3.如权利要求2所述的方法，其特征在于，所述基于各边缘像素点的邻接关系确定所述轮廓线包括：

若两个边缘像素点相互邻接，则将该两个边缘像素点放入同一集合中，并将该两个边缘像素点标记为已使用，得到若干个集合；

根据每个集合确定一条候选线；

若候选线只有一条，则将其作为轮廓线；否则，根据各候选线所构成图形的几何特征确定轮廓线。

4.如权利要求1所述的方法，其特征在于，所述从所述轮廓线中选取部分轮廓点包括：

根据各轮廓点的序列顺序，以预设的序列间隔从轮廓线中选取轮廓点。

5.如权利要求1所述的方法，其特征在于，所述根据所述轮廓线确定各子图像中的有效像素点包括：

对所述轮廓线进行修正，得到修正轮廓线；

计算子图像中的每个像素点与所述原始图像中修正轮廓线上各点之间的距离；

根据所述距离确定子图像中的有效像素点。

6.如权利要求5所述的方法，其特征在于，所述对所述轮廓线进行修正，得到修正轮廓线包括：

从所述轮廓线上选择多组像素点，其中每组像素点中，各像素点的序列间隔为预设数值；

对每组像素点，根据像素点的序列关系确定多对像素点，计算各对像素点形成直线的斜率，若各斜率的乘积小于预设阈值，则根据该组像素点中第一个像素点和最后一个像素点，对所述轮廓线进行修正。

7.如权利要求1所述的方法，其特征在于，所述根据所述轮廓线确定各子图像中的有效像素点包括：

若子图像中不存在灰度值为第一指定值的像素点，则使所述子图像中各有效像素点的灰度值保持不变，将所述子图像中无效像素点的灰度值置为第一指定值；

若子图像中存在灰度值为第一指定值的像素点，则生成相应子图像的掩模图像，使所述掩模图像中取第一值的各点与相应子图像中的各有效像素点相对应。

8.一种边缘缺陷检测装置，包括：

轮廓单元，用于根据目标的原始图像，确定轮廓线；

子图像单元，用于从所述轮廓线中选取部分轮廓点，根据选取的轮廓点分别构建所述原始图像的子图像；

检测图像单元，用于对各子图像分别进行处理，得到相应的检测图像，其中，所述检测图像中的第一类像素点表征缺陷部分，所述检测图像中的第二类像素点表征非缺陷部分，

所述对各子图像分别进行处理，得到相应的检测图像包括：

根据所述轮廓线确定各子图像中的有效像素点；

根据确定的有效像素点的灰度值，利用最大类间方差法确定子图像的全局阈值；

利用滑动窗口法确定所述子图像的多个子区域，利用每个子区域中各有效像素点的灰度值，计算相应子区域的局部阈值；

根据所述全局阈值和各局部阈值确定所述子图像的二值化阈值；

根据各二值化阈值对相应的子图像进行处理，得到相应的检测图像；

检测单元，用于根据所述检测图像确定所述目标的缺陷检测结果。

Images