CN113111868A - 一种字符缺陷检测方法、系统、装置及存储介质 - Google Patents
一种字符缺陷检测方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN113111868A CN113111868A CN202110280434.1A CN202110280434A CN113111868A CN 113111868 A CN113111868 A CN 113111868A CN 202110280434 A CN202110280434 A CN 202110280434A CN 113111868 A CN113111868 A CN 113111868A
- Authority
- CN
- China
- Prior art keywords
- image information
- image
- character
- template
- gray
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 66
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- 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
- G06V10/70—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种字符缺陷检测方法、系统、装置及存储介质,方法包括:获取预设的第一图像信息,对第一图像信息进行颜色空间转换得到单通道的第二图像信息,进而对第二图像信息进行局部阈值分割处理得到第三图像信息;对第二图像信息和第三图像信息进行交集处理,得到多个字符图像,并根据字符图像创建模板图像;获取待检测的第四图像信息,对第四图像信息进行颜色空间转换得到单通道的第五图像信息;采用序贯相似性检测算法对第五图像信息和模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型。本发明在提高字符缺陷检测的准确度的同时,可以减小计算量,提高了字符缺陷检测的效率。本发明可广泛应用于图像处理技术领域。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种字符缺陷检测方法、系统、装置及存储介质。
背景技术
现有技术中,字符缺陷检测大多采用基于边缘特征的模板匹配。模板匹配的基本思想是让模板在目标图像中做平移运动,将模板左上角和待检测的图像左上角重合,每移动一个像素,计算模板与待匹配图像的相似度,遍历结束之后,将符合阈值的位置认定为最佳匹配位置。但是随着字符图像分辨率的提高,图像匹配的时间会增加,匹配准确度也存在差异,甚至会发生匹配失效的情况,从而导致字符缺陷检测的效率并不高,结果也不准确。
发明内容
本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
为此,本发明实施例的一个目的在于提供一种准确、高效的字符缺陷检测方法。
本发明实施例的另一个目的在于提供一种字符缺陷检测系统。
为了达到上述技术目的,本发明实施例所采取的技术方案包括:
第一方面,本发明实施例提供了一种字符缺陷检测方法,包括以下步骤:
获取预设的第一图像信息,对所述第一图像信息进行颜色空间转换得到单通道的第二图像信息,进而对所述第二图像信息进行局部阈值分割处理得到第三图像信息;
对所述第二图像信息和所述第三图像信息进行交集处理,得到多个字符图像,并根据所述字符图像创建模板图像;
获取待检测的第四图像信息,对所述第四图像信息进行颜色空间转换得到单通道的第五图像信息;
采用序贯相似性检测算法对所述第五图像信息和所述模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型。
进一步地,在本发明的一个实施例中,所述对所述第二图像信息进行局部阈值分割处理得到第三图像信息这一步骤,其具体包括:
确定所述第二图像信息的各像素点在预设邻域内的第一灰度均值和第一标准方差,并根据所述第一灰度均值和所述第一标准方差确定各像素点的第一特征阈值;
根据所述第一特征阈值对所述第二图像信息进行局部阈值分割处理得到第三图像信息。
进一步地,在本发明的一个实施例中,所述第一灰度均值为:
其中,m(x,y)表示像素点(x,y)在r邻域内的第一灰度均值,r表示预设邻域,g(i,j)表示像素点(i,j)的灰度值;
所述第一标准方差为:
其中,s(x,y)表示像素点(x,y)在r邻域内的第一标准方差,g(x,y)表示像素点(x,y)的灰度值,N表示r领域内像素点的数量;
所述第一特征阈值为:
T(x,y)=m(x,y)+k·s(x,y)
其中,T(x,y)表示像素点(x,y)的第一特征阈值,k表示预先设定的修正值。
进一步地,在本发明的一个实施例中,所述对所述第二图像信息和所述第三图像信息进行交集处理,得到多个字符图像,并根据所述字符图像创建模板图像这一步骤,其具体包括:
对所述第二图像信息进行二值化处理得到第六图像信息,并对所述第三图像信息进行二值化处理得到第七图像信息;
确定第六图像信息中灰度值不为0的第一区域,并确定第七图像信息中灰度值不为0的第二区域;
确定所述第一区域与所述第二区域重合的部分为字符区域;
根据所述字符区域对所述第二图像信息进行裁剪,得到多个字符图像,并根据所述字符图像创建模板图像。
进一步地,在本发明的一个实施例中,所述采用序贯相似性检测算法对所述第五图像信息和所述模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型这一步骤,其具体包括:
在所述第五图像信息上移动所述模板图像得到被所述模板图像覆盖的多个子图;
依次计算各个子图中像素点与所述模板图像中像素点的绝对误差,并得到绝对误差累计值,当所述绝对误差累计值大于预设的第二特征阈值时,放弃当前子图的匹配计算并进入下一子图的匹配计算;
确定各个子图与所述模板图像的匹配度,从而根据所述匹配度确定缺陷字符的位置和缺陷类型。
进一步地,在本发明的一个实施例中,所述绝对误差的计算公式为:
其中,T(s,t)表示模板图像中像素点(s,t)的灰度值,Si,j(s,t)表示子图Si,j中像素点(s,t)的灰度值,子图Si,j的下标i和j表示子图Si,j左上角在第五图像信息中的坐标,表示子图Si,j中所有像素点的第二灰度均值,表示模板图像中所有像素点的第三灰度均值,ε(i,j,s,t)表示子图Si,j中像素点(s,t)与模板图像中像素点(s,t)的绝对误差。
进一步,在本发明的一个实施例中,所述第二灰度均值的计算公式为:
所述第三灰度均值的计算公式为:
第二方面,本发明实施例提供了一种字符缺陷检测系统,包括:
阈值分割处理模块,用于获取预设的第一图像信息,对所述第一图像信息进行颜色空间转换得到单通道的第二图像信息,进而对所述第二图像信息进行局部阈值分割处理得到第三图像信息;
模板图像创建模块,用于对所述第二图像信息和所述第三图像信息进行交集处理,得到多个字符图像,并根据所述字符图像创建模板图像;
颜色空间转换模块,用于获取待检测的第四图像信息,对所述第四图像信息进行颜色空间转换得到单通道的第五图像信息;
匹配检测模块,用于采用序贯相似性检测算法对所述第五图像信息和所述模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型。
第三方面,本发明实施例提供了一种字符缺陷检测装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现上述的一种字符缺陷检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,所述处理器可执行的程序在由处理器执行时用于执行上述的一种字符缺陷检测方法。
本发明的优点和有益效果将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到:
本发明实施例获取预设的包含多个字符的第一图像信息,对第一图像信息进行颜色空间转换得到单通道的第二图像信息,再进行局部阈值分割处理得到第三图像信息,然后通过交集处理得到多个字符图像,根据字符图像创建用于模板匹配的模板图像,获取待检测的第四图像信息并进行颜色空间转换得到第五图像信息,采用序贯相似性检测算法对第五图像信息和模板图像进行模板匹配,从而可以根据匹配结果确定缺陷字符的位置和缺陷类型。本发明实施例根据局部阈值分割处理后的图像进行交集处理得到模板图像,并采用序贯相似性检测算法进行模板匹配,在提高字符缺陷检测的准确度的同时,可以尽早地终止待检测图像中不匹配位置上的计算,从而减小计算量,降低了对系统算力的要求,提高了运算速度,进而提高了字符缺陷检测的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面对本发明实施例中所需要使用的附图作以下介绍,应当理解的是,下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例,对于本领域的技术人员来说,在无需付出创造性劳动的前提下,还可以根据这些附图获取到其他附图。
图1为本发明实施例提供的一种字符缺陷检测方法的步骤流程图;
图2为本发明实施例提供的一种字符缺陷检测系统的结构框图;
图3为本发明实施例提供的一种字符缺陷检测装置的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在本发明的描述中,多个的含义是两个或两个以上,如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
参照图1,本发明实施例提供了一种字符缺陷检测方法,具体包括以下步骤:
S101、获取预设的第一图像信息,对第一图像信息进行颜色空间转换得到单通道的第二图像信息,进而对第二图像信息进行局部阈值分割处理得到第三图像信息;
具体地,第一图像信息为预设的包含多个字符的图像,通过颜色空间转换处理可以得到单通道图像,然后通过局部阈值分割处理去除噪声,便于后续从中提取出单个字符的图像。
进一步作为可选的实施方式,对第二图像信息进行局部阈值分割处理得到第三图像信息这一步骤,其具体包括:
确定第二图像信息的各像素点在预设邻域内的第一灰度均值和第一标准方差,并根据第一灰度均值和第一标准方差确定各像素点的第一特征阈值;
根据第一特征阈值对第二图像信息进行局部阈值分割处理得到第三图像信息。
进一步作为可选的实施方式,第一灰度均值为:
其中,m(x,y)表示像素点(x,y)在r邻域内的第一灰度均值,r表示预设邻域,g(i,j)表示像素点(i,j)的灰度值;
第一标准方差为:
其中,s(x,y)表示像素点(x,y)在r邻域内的第一标准方差,g(x,y)表示像素点(x,y)的灰度值,N表示r领域内像素点的数量;
第一特征阈值为:
T(x,y)=m(x,y)+k·s(x,y)
其中,T(x,y)表示像素点(x,y)的第一特征阈值,k表示预先设定的修正值。
S102、对第二图像信息和第三图像信息进行交集处理,得到多个字符图像,并根据字符图像创建模板图像;
具体地,图像的交集处理用于二值化图像,其可以描述为A∩B=min(a,b),其中,a表示图像A中某一像素点的灰度值,b表示图像B中与a相对应的像素点的灰度值,交集处理即在对应位置的像素点的灰度值相同时取相同的灰度值,否则就取0。通过对第二图像信息和第三图像信息进行交集处理可以得到字符分割明显的字符区域,从而可以获取多个字符图像用于创建模板图像。步骤S102具体包括以下步骤:
S1021、对第二图像信息进行二值化处理得到第六图像信息,并对第三图像信息进行二值化处理得到第七图像信息;
S1022、确定第六图像信息中灰度值不为0的第一区域,并确定第七图像信息中灰度值不为0的第二区域;
S1023、确定第一区域与第二区域重合的部分为字符区域;
S1024、根据字符区域对第二图像信息进行裁剪,得到多个字符图像,并根据字符图像创建模板图像。
具体地,二值化处理后的第六图像信息和第七图像信息中,像素点的灰度值为255或者0,当且仅当第六图像信息与第七图像信息对应位置上的像素点的灰度值均为255时,将该像素点作为字符区域的像素点,从而可以的到字符分割明显的字符区域,然后裁剪得到字符图像,并创建模板图像。
S103、获取待检测的第四图像信息,对第四图像信息进行颜色空间转换得到单通道的第五图像信息;
具体地,与前述对第一图像信息的颜色空间转换处理类似,对待检测的第四图像信息也进行颜色空间转换处理,便于后续进行模板匹配。
S104、采用序贯相似性检测算法对第五图像信息和模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型。
具体地,传统的模板匹配算法的基本搜索策略是遍历性的,为了找到最优匹配点,传统方法均必须在搜索区域内的每一个像素点上进行区域相关匹配计算,图像相关匹配的数据量和计算量很大,匹配速度较慢,序贯相似性检测算法是针对传统模板匹配算法提出的一种高效的图像匹配算法,具体算法是先初步搜索,再精搜索,搜索的范围一步一步减小。步骤S104具体包括以下步骤:
S1041、在第五图像信息上移动模板图像得到被模板图像覆盖的多个子图;
S1042、依次计算各个子图中像素点与模板图像中像素点的绝对误差,并得到绝对误差累计值,当绝对误差累计值大于预设的第二特征阈值时,放弃当前子图的匹配计算并进入下一子图的匹配计算;
S1043、确定各个子图与模板图像的匹配度,从而根据匹配度确定缺陷字符的位置和缺陷类型。
具体地,本发明实施例通过人为设定第二特征阈值,对各个子图中像素点与模板图像像素点的绝对误差进行累计,当累计值达到第二特征阈值时,立即中止当前子图的计算,并记录此时的累计次数,从而达到减小计算量,达到提高运算速度的目的。通过各子图与模板图像的匹配,可以检测缺陷字符的位置以及缺陷类型,如字符缺少、字符错误、字符间距过大等。
进一步作为可选的实施方式,绝对误差的计算公式为:
其中,T(s,t)表示模板图像中像素点(s,t)的灰度值,Si,j(s,t)表示子图Si,j中像素点(s,t)的灰度值,子图Si,j的下标i和j表示子图Si,j左上角在第五图像信息中的坐标,表示子图Si,j中所有像素点的第二灰度均值,表示模板图像中所有像素点的第三灰度均值,ε(i,j,s,t)表示子图Si,j中像素点(s,t)与模板图像中像素点(s,t)的绝对误差。
进一步作为可选的实施方式,第二灰度均值的计算公式为:
第三灰度均值的计算公式为:
以上对本发明实施例的方法步骤进行了说明。本发明实施例获取预设的包含多个字符的第一图像信息,对第一图像信息进行颜色空间转换得到单通道的第二图像信息,再进行局部阈值分割处理得到第三图像信息,然后通过交集处理得到多个字符图像,根据字符图像创建用于模板匹配的模板图像,获取待检测的第四图像信息并进行颜色空间转换得到第五图像信息,采用序贯相似性检测算法对第五图像信息和模板图像进行模板匹配,从而可以根据匹配结果确定缺陷字符的位置和缺陷类型。本发明实施例根据局部阈值分割处理后的图像进行交集处理得到模板图像,并采用序贯相似性检测算法进行模板匹配,在提高字符缺陷检测的准确度的同时,可以尽早地终止待检测图像中不匹配位置上的计算,从而减小计算量,降低了对系统算力的要求,提高了运算速度,进而提高了字符缺陷检测的效率。
参照图2,本发明实施例提供了一种字符缺陷检测系统,包括:
阈值分割处理模块,用于获取预设的第一图像信息,对第一图像信息进行颜色空间转换得到单通道的第二图像信息,进而对第二图像信息进行局部阈值分割处理得到第三图像信息;
模板图像创建模块,用于对第二图像信息和第三图像信息进行交集处理,得到多个字符图像,并根据字符图像创建模板图像;
颜色空间转换模块,用于获取待检测的第四图像信息,对第四图像信息进行颜色空间转换得到单通道的第五图像信息;
匹配检测模块,用于采用序贯相似性检测算法对第五图像信息和模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图3,本发明实施例提供了一种字符缺陷检测装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当上述至少一个程序被上述至少一个处理器执行时,使得上述至少一个处理器实现上述的一种字符缺陷检测方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的程序,该处理器可执行的程序在由处理器执行时用于执行上述一种字符缺陷检测方法。
本发明实施例的一种计算机可读存储介质,可执行本发明方法实施例所提供的一种字符缺陷检测方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的上述描述中,参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于上述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种字符缺陷检测方法,其特征在于,包括以下步骤:
获取预设的第一图像信息,对所述第一图像信息进行颜色空间转换得到单通道的第二图像信息,进而对所述第二图像信息进行局部阈值分割处理得到第三图像信息;
对所述第二图像信息和所述第三图像信息进行交集处理,得到多个字符图像,并根据所述字符图像创建模板图像;
获取待检测的第四图像信息,对所述第四图像信息进行颜色空间转换得到单通道的第五图像信息;
采用序贯相似性检测算法对所述第五图像信息和所述模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型。
2.根据权利要求1所述的一种字符缺陷检测方法,其特征在于,所述对所述第二图像信息进行局部阈值分割处理得到第三图像信息这一步骤,其具体包括:
确定所述第二图像信息的各像素点在预设邻域内的第一灰度均值和第一标准方差,并根据所述第一灰度均值和所述第一标准方差确定各像素点的第一特征阈值;
根据所述第一特征阈值对所述第二图像信息进行局部阈值分割处理得到第三图像信息。
4.根据权利要求1所述的一种字符缺陷检测方法,其特征在于,所述对所述第二图像信息和所述第三图像信息进行交集处理,得到多个字符图像,并根据所述字符图像创建模板图像这一步骤,其具体包括:
对所述第二图像信息进行二值化处理得到第六图像信息,并对所述第三图像信息进行二值化处理得到第七图像信息;
确定第六图像信息中灰度值不为0的第一区域,并确定第七图像信息中灰度值不为0的第二区域;
确定所述第一区域与所述第二区域重合的部分为字符区域;
根据所述字符区域对所述第二图像信息进行裁剪,得到多个字符图像,并根据所述字符图像创建模板图像。
5.根据权利要求1所述的一种字符缺陷检测方法,其特征在于,所述采用序贯相似性检测算法对所述第五图像信息和所述模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型这一步骤,其具体包括:
在所述第五图像信息上移动所述模板图像得到被所述模板图像覆盖的多个子图;
依次计算各个子图中像素点与所述模板图像中像素点的绝对误差,并得到绝对误差累计值,当所述绝对误差累计值大于预设的第二特征阈值时,放弃当前子图的匹配计算并进入下一子图的匹配计算;
确定各个子图与所述模板图像的匹配度,从而根据所述匹配度确定缺陷字符的位置和缺陷类型。
8.一种字符缺陷检测系统,其特征在于,包括:
阈值分割处理模块,用于获取预设的第一图像信息,对所述第一图像信息进行颜色空间转换得到单通道的第二图像信息,进而对所述第二图像信息进行局部阈值分割处理得到第三图像信息;
模板图像创建模块,用于对所述第二图像信息和所述第三图像信息进行交集处理,得到多个字符图像,并根据所述字符图像创建模板图像;
颜色空间转换模块,用于获取待检测的第四图像信息,对所述第四图像信息进行颜色空间转换得到单通道的第五图像信息;
匹配检测模块,用于采用序贯相似性检测算法对所述第五图像信息和所述模板图像进行模板匹配,并根据匹配结果确定缺陷字符的位置和缺陷类型。
9.一种字符缺陷检测装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种字符缺陷检测方法。
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种字符缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110280434.1A CN113111868B (zh) | 2021-03-16 | 2021-03-16 | 一种字符缺陷检测方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110280434.1A CN113111868B (zh) | 2021-03-16 | 2021-03-16 | 一种字符缺陷检测方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113111868A true CN113111868A (zh) | 2021-07-13 |
CN113111868B CN113111868B (zh) | 2023-08-18 |
Family
ID=76711377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110280434.1A Active CN113111868B (zh) | 2021-03-16 | 2021-03-16 | 一种字符缺陷检测方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113111868B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610776A (zh) * | 2021-07-16 | 2021-11-05 | 广州大学 | 一种夹心饼干的缺陷检测方法、装置及存储介质 |
CN113611075A (zh) * | 2021-07-30 | 2021-11-05 | 东风商用车有限公司 | 牵引车火灾监测方法、装置、设备及可读存储介质 |
CN114091620A (zh) * | 2021-12-01 | 2022-02-25 | 常州市宏发纵横新材料科技股份有限公司 | 一种模板匹配检测方法、计算机设备及存储介质 |
CN114418899A (zh) * | 2022-03-28 | 2022-04-29 | 深圳市嘉年印务有限公司 | 一种自彩印的自适应修复方法、系统及可读存储介质 |
CN114445405A (zh) * | 2022-04-07 | 2022-05-06 | 中导光电设备股份有限公司 | 一种圆孔均匀性检测的方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
CN109003257A (zh) * | 2018-06-14 | 2018-12-14 | 深圳市华汉伟业科技有限公司 | 一种光学字符验证方法 |
CN110264445A (zh) * | 2019-05-30 | 2019-09-20 | 西安交通大学 | 分块模板匹配结合形态学处理的电池丝印质量检测方法 |
CN111060527A (zh) * | 2019-12-30 | 2020-04-24 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
CN111126383A (zh) * | 2019-12-06 | 2020-05-08 | 广州烽火众智数字技术有限公司 | 车牌检测方法、系统、装置及存储介质 |
CN111474184A (zh) * | 2020-04-17 | 2020-07-31 | 河海大学常州校区 | 基于工业机器视觉的aoi字符缺陷检测方法和装置 |
-
2021
- 2021-03-16 CN CN202110280434.1A patent/CN113111868B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
CN109003257A (zh) * | 2018-06-14 | 2018-12-14 | 深圳市华汉伟业科技有限公司 | 一种光学字符验证方法 |
CN110264445A (zh) * | 2019-05-30 | 2019-09-20 | 西安交通大学 | 分块模板匹配结合形态学处理的电池丝印质量检测方法 |
CN111126383A (zh) * | 2019-12-06 | 2020-05-08 | 广州烽火众智数字技术有限公司 | 车牌检测方法、系统、装置及存储介质 |
CN111060527A (zh) * | 2019-12-30 | 2020-04-24 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
CN111474184A (zh) * | 2020-04-17 | 2020-07-31 | 河海大学常州校区 | 基于工业机器视觉的aoi字符缺陷检测方法和装置 |
Non-Patent Citations (2)
Title |
---|
严萍;曾金明;: "一种有效的车牌字符分割方法――模板匹配―垂直投影结合的车牌字符分割方法", 渭南师范学院学报, no. 02, pages 1 - 4 * |
陈功明;李锋;: "包装彩盒检测中定位核提取算法", 计算机工程与设计, no. 11, pages 1 - 3 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610776A (zh) * | 2021-07-16 | 2021-11-05 | 广州大学 | 一种夹心饼干的缺陷检测方法、装置及存储介质 |
CN113610776B (zh) * | 2021-07-16 | 2023-08-15 | 广州大学 | 一种夹心饼干的缺陷检测方法、装置及存储介质 |
CN113611075A (zh) * | 2021-07-30 | 2021-11-05 | 东风商用车有限公司 | 牵引车火灾监测方法、装置、设备及可读存储介质 |
CN114091620A (zh) * | 2021-12-01 | 2022-02-25 | 常州市宏发纵横新材料科技股份有限公司 | 一种模板匹配检测方法、计算机设备及存储介质 |
CN114091620B (zh) * | 2021-12-01 | 2022-06-03 | 常州市宏发纵横新材料科技股份有限公司 | 一种模板匹配检测方法、计算机设备及存储介质 |
CN114418899A (zh) * | 2022-03-28 | 2022-04-29 | 深圳市嘉年印务有限公司 | 一种自彩印的自适应修复方法、系统及可读存储介质 |
CN114445405A (zh) * | 2022-04-07 | 2022-05-06 | 中导光电设备股份有限公司 | 一种圆孔均匀性检测的方法和系统 |
CN114445405B (zh) * | 2022-04-07 | 2022-07-26 | 中导光电设备股份有限公司 | 一种圆孔均匀性检测的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113111868B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113111868A (zh) | 一种字符缺陷检测方法、系统、装置及存储介质 | |
RU2678485C1 (ru) | Способ сегментации и распознавания символов | |
EP3617938B1 (en) | Lane line processing method and device | |
CN113205145B (zh) | 基于归一化互相关的模板匹配方法、系统、装置及介质 | |
CN111223083B (zh) | 表面划痕检测神经网络的构建方法、系统、装置及介质 | |
CN113610774A (zh) | 一种玻璃划痕缺陷检测方法、系统、装置及存储介质 | |
CN111027546A (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
CN112881407A (zh) | 一种led芯片的焊接质量检测方法、系统、装置及介质 | |
CN111444964B (zh) | 一种基于自适应roi划分的多目标快速图像匹配方法 | |
CN112883795B (zh) | 一种基于深度神经网络的表格快速自动提取方法 | |
CN113128554B (zh) | 一种基于模板匹配的目标定位方法、系统、装置及介质 | |
US9077926B2 (en) | Image processing method and image processing apparatus | |
CN113610773A (zh) | 一种垫片孔洞质量检测方法、系统、装置及存储介质 | |
CN111126383A (zh) | 车牌检测方法、系统、装置及存储介质 | |
CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
CN113610772B (zh) | 易拉罐瓶底喷码缺陷检测方法、系统、装置及存储介质 | |
JP2008011135A (ja) | 画像処理装置および画像処理プログラム | |
CN109064420B (zh) | 一种多层pcb截面图像工艺参数提取方法 | |
CN113450316B (zh) | 一种金属表面字符缺陷检测方法、系统、装置及存储介质 | |
CN112800824B (zh) | 扫描文件的处理方法、装置、设备及存储介质 | |
CN112784737B (zh) | 结合像素分割和线段锚的文本检测方法、系统及装置 | |
WO2021174506A1 (zh) | 图像边缘检测方法、装置以及图像信号处理器 | |
CN112837329A (zh) | 一种藏文古籍文档图像二值化方法及系统 | |
CN116563048B (zh) | 一种财务报销方法、系统及计算机 | |
CN109271986B (zh) | 一种基于Second-Confirm的数字识别方法 |
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 |