CN113674180B - 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 - Google Patents

磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN113674180B
CN113674180B CN202110828050.9A CN202110828050A CN113674180B CN 113674180 B CN113674180 B CN 113674180B CN 202110828050 A CN202110828050 A CN 202110828050A CN 113674180 B CN113674180 B CN 113674180B
Authority
CN
China
Prior art keywords
image
defect
connected domain
probability map
coefficient
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.)
Active
Application number
CN202110828050.9A
Other languages
English (en)
Other versions
CN113674180A (zh
Inventor
黄茜
邹海
胡志辉
朱轲信
乔腾
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202110828050.9A priority Critical patent/CN113674180B/zh
Publication of CN113674180A publication Critical patent/CN113674180A/zh
Application granted granted Critical
Publication of CN113674180B publication Critical patent/CN113674180B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G06T5/70—
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Abstract

本发明公开了一种磨砂平面低对比度缺陷检测方法、装置、设备和存储介质，所述方法包括：获取原始图像并进行预处理，得到预处理后图像；对所述预处理后图像进行去光照不均处理，得到处理后图像；对所述处理后图像进行扩散处理，得到去噪图像；根据所述去噪图像，计算缺陷概率图；根据所述缺陷概率图，确定缺陷区域集合。本发明通过对预处理后图像进行去光照不均处理，去除了光照不均对线阵图像的影响；本发明提供的方法能够较好且较快地检测出磨砂平面的低对比度缺陷。

Description

磨砂平面低对比度缺陷检测方法、装置、设备和存储介质
技术领域
本发明涉及缺陷检测技术领域，特别是涉及一种磨砂平面低对比度缺陷检测方法、装置、设备和存储介质。
背景技术
表面缺陷检测是保证产品质量的一个重要步骤，也是产品生产中一个重要环节，目前大多产品的表面缺陷检测还需人工进行，已成为全自动化生产的一个障碍。
虽然目前已有不少光滑平面自动检测算法，但与光滑平面不同，磨砂平面图像一般具有较大的噪声干扰，大部分轻微缺陷存在对比度较低的问题，目前缺陷方法难以快速准确的定位缺陷位置。另外考虑到空间分辨率，对于大平面的检测一般会采用线阵相机进行拍摄。因此针对线阵相机拍摄的磨砂平面图像，研究一种高效、准确的低对比度缺陷自动检测算法，具有重要的研究意义和实用价值。
发明内容
为了解决上述现有技术的不足，本发明提供了一种磨砂平面低对比度缺陷检测方法、装置、设备和存储介质，该方法通过对预处理后图像进行去光照不均处理，去除了光照不均对线阵图像的影响；通过使用该方法能够较好、较快的检测出磨砂平面的缺陷区域集合。
本发明的第一个目的在于提供一种磨砂平面低对比度缺陷检测方法。
本发明的第二个目的在于提供一种磨砂平面低对比度缺陷检测装置。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种磨砂平面低对比度缺陷检测方法，所述方法包括：
获取原始图像并进行预处理，得到预处理后图像；
对所述预处理后图像进行去光照不均处理，得到处理后图像；
对所述处理后图像进行扩散处理，得到缺陷概率图；
根据所述缺陷概率图，确定缺陷区域集合。
进一步的，所述预处理后图像为It；
所述对所述预处理后图像进行去光照不均处理，得到处理后图像，具体包括：设It的第i列图像为It(i)，统计It(i)的直方图hi(j)；其中，jk表示第i列中hi(j)像素个数为第k多所对应的灰度值，则It(i)的主要灰度值为：
对ma(i)进行均值滤波，得到平滑后的灰度列变化曲线fma(i)；
设处理后图像的第i列图像为/>则/>为：
进一步的，所述对所述处理后图像进行扩散处理，得到缺陷概率图，具体包括：
对所述处理后图像进行扩散处理，得到去噪图像；
根据所述去噪图像，得到缺陷概率图。
进一步的，所述处理后图像为
所述对所述处理后图像进行扩散处理，得到去噪图像，具体包括：
令q＝0；
统计在坐标(x，y)处四个方向的梯度，计算公式如下：
根据上述四个方向的梯度，计算相应的扩散系数：
其中，K为梯度拉伸系数；a∈[0，1]，为边缘增强系数；i＝1，2，3，4；
根据扩散系数，计算为：
q＝q+1；
若q＜Q，则返回统计在坐标(x，y)处四个方向的梯度，并继续执行后续操作；否则，/>作为去噪图像；其中，Q为第一设定阈值。
进一步的，所述根据所述去噪图像，得到缺陷概率图，具体包括：
根据所述去噪图像得到平滑后图像If(x，y)；
对于图像If(x，y)中任意一点的位置对应的坐标(x，y)：
根据平滑后图像If，计算局部灰度差，如下式：
根据局部灰度差，计算领邻域相关性系数，如下式：
其中，ct为预设控制系数，i＝-2，-1，1，2，j＝-2，-1，1，2；
根据领邻域相关性系数，计算局部一致性，如下式：
其中，权值系数σ为高斯函数的方差，cw为归一化系数，保证∑i， jwi，j＝1；
根据局部一致性，计算缺陷概率图，如下式：
G(x，y)＝R(x，y)×A(x，y)。
进一步的，所述根据所述缺陷概率图，确定缺陷区域集合，具体包括：
用第二设定阈值Tb对缺陷概率图G(x，y)进行二值化，得到二值图Bb(x，y)，如下式：
遍历二值图中的每一个连通域li，根据缺陷概率图，将符合条件的连通域放到集合L中；其中，所述二值图为Bb(x，y)；
G(x，y)＝-G(x，y)；
用第三设定阈值Td对缺陷概率图G(x，y)进行二值化，得到二值图Bd(x，y)，如下式：
遍历二值图中的每一个连通域li，根据缺陷概率图，将符合条件的连通域放到集合L中；其中，所述二值图为Bd(x，y)。
进一步的，所述遍历二值图中的每一个连通域li，根据缺陷概率图，将符合条件的连通域放到集合L中；具体包括：
统计所述缺陷概率图G(x，y)在连通域li区域内所有像素的灰度平均值hi；
计算所述连通域li的面积areai；
根据所述连通域li，得到所述连通域li的最小外接矩形；
所述最小外接矩形的长边长度为majli，短边长度为minli；
根据所述连通域li的面积areai和最小外接矩形的边长，计算连通域li区域为缺陷区域的概率，如下式：
若pi＞Tq，则将连通域li放到集合L中，其中，Tq为第四设定阈值。
进一步的，所述获取原始图像并进行预处理，得到预处理后图像，具体为：
对获取的原始图像进行归一化处理，得到归一化灰度图像，作为预处理后图像。
本发明的第二个目的可以通过采取如下技术方案达到：
一种磨砂平面低对比度缺陷检测装置，所述装置包括：
第一处理模块，用于获取原始图像并进行预处理，得到预处理后图像；
第二处理模块，用于对所述预处理后图像进行去光照不均处理，得到处理后图像；
第三处理模块，用于对所述处理后图像进行扩散处理，得到缺陷概率图；
确定模块，用于根据所述缺陷概率图，确定缺陷区域集合。
本发明的第三个目的可以通过采取如下技术方案达到：
一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的磨砂平面低对比度缺陷检测方法。
本发明的第四个目的可以通过采取如下技术方案达到：
一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的磨砂平面低对比度缺陷检测方法。
本发明相对于现有技术具有如下的有益效果：
1、在不影响缺陷的前提下，本发明可以去除光照不均对线阵图像的影响。
2、本发明通过非线性扩散，计算邻域相关性系数获得缺陷概率图，以及通过连通域的面积和最小外接矩形的边长确定缺陷区域的概率，可以较好、较快地检测出磨砂平面低对比度缺陷。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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示出的结构获得其他的附图。
图1为本发明实施例1的磨砂平面低对比度缺陷检测方法的流程图。
图2为本发明实施例1的获取的原始图像的示意图。
图3为本发明实施例1的去除光照不均后的结果示意图。
图4为本发明实施例1的进行扩散处理后的效果示意图。
图5(a)-7(a)为本发明实施例1的获取的原始图像的示意图。
图5(b)-7(b)为图5(a)-7(a)对应的缺陷检测结果示意图。
图8为本发明实施例2的磨砂平面低对比度缺陷检测装置的结构框图。
图9为本发明实施例3的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，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作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。应当理解，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。
实施例1：
如图1所示，本实施例提供了一种磨砂平面低对比度缺陷检测方法，包括以下步骤：
S101、获取原始图像并进行预处理，得到预处理后图像。
使用相机拍摄磨砂表面，获取磨砂表面带有缺陷区域的图像，即为获取的原始图像，如图2所示。
对获取的原始图像进行归一化处理，得到归一化灰度图像It，图像It作为预处理后图像。
归一化是把灰度图像中每个像素点的值除以255，使每个像素值都在0到1之间。
本实施例中使用的相机为线阵相机，线阵相机获得灰度图像。
S102、对预处理后图像进行去光照不均处理，得到处理后图像。
对It进行去光照不均处理，得到图像Ic，如图3所示，具体步骤如下：
(1)设It的第i列图像为It(i)，对每一个i，统计It(i)的直方图hi(j)，其中，为归一化灰度值，hi(j)表示在It的第i列中灰度值为j的像素个数。
(2)对于每一个i，用jk表示hi(j)像素个数为第k多所对应的灰度值(如：j1为像素个数最多(即hi(j)最大)所对应的j的灰度值，j2为像素个数第二多(即hi(j)第二大)所对应的j的灰度值，以此类推)，则It(i)的主要灰度值：
(3)对ma进行均值滤波，得到平滑后的灰度列变化曲线fma。
本实施例中，滤波核维数为50。
(4)设去光照不均后图像的第i列图像为/>则
通过本实施例可以发现，图2中右边较亮，若不进行去光照不均处理，而是直接找缺陷，容易把右边明亮部分也识别为缺陷。
S103、对处理后图像进行扩散处理，得到去噪图像。
对处理后图像进行各向异性扩散处理，得到去噪图像/>具体步骤如下：
(1)令迭代次数q＝0。
(2)统计在坐标(x，y)处的四个方向的梯度：
(3)计算相应的扩散系数：
其中，K为梯度拉伸系数，a∈[0，1]为边缘增强系数。
本实施例中，K＝0.03，a＝0.1。
(4)计算：
(5)令q＝q+1，若q＜Q，则返回(3-2)，否则，输出作为去噪图像，如图4所示。
Q为经验值，本实施例中取10。
S104、根据去噪图像，计算缺陷概率图。
计算缺陷概率图G(x，y)，具体步骤包括：
(1)对进行均值滤波，得到平滑后的图像If。
本实施列中，滤波核维数为101×101。
坐标(x，y)表示图像If中任意一点的位置对应的坐标值。
(2)对于每一个坐标(x，y)，计算局部灰度差
(3)对于每一个坐标(x，y)，计算邻域相关性系数：
其中，ct为预设控制系数，i＝-2，-1，1，2，j＝-2，-1，1，2；
本实施例中，ct＝0.25。
(4)对于每一个坐标(x，y)，计算局部一致性：
其中，权值系数σ为高斯函数的方差，cw为归一化系数，用来保证∑i，jwi，j＝1。
本实施例中，σ＝3。
(5)对于每一个坐标(x，y)，计算缺陷概率图：
G(x，y)＝R(x，y)×A(x，y)。
S105、根据缺陷概率图，确定缺陷区域集合。
(1)用阈值Tb对缺陷概率图G进行二值化，得到二值图：
Tb为用户自设定值。
本实施例中，Tb＝0.008。
(2)遍历Bb的每一个连通域li，根据缺陷概率图，将符合条件的连通域放到集合L中，具体步骤如下：
(2-1)统计缺陷概率图G在连通域li区域内所有像素的灰度平均值hi。
(2-2)计算连通域li的面积areai、连通域li最小外接矩形的长边长度majli和短边长度minli。
(2-3)计算连通域li区域为缺陷区域的概率：
(2-4)如果pi＞Tq，则将连通域li放到集合L中。
Tq为用户自设定值。
本实施例中，阈值Tq＝0.09。
(3)令G＝-G，并用阈值Td对新的缺陷概率图G进行二值化，得到二值图：
Td为用户自设定值。
本实施例中，Td＝0.008。
(4)遍历Bd的每一个连通域li，根据缺陷概率图，将符合条件的连通域放到集合L中，具体与步骤(2)一致。
本实施例中，获取的原始图像如图5(a)-7(a)所示，得到的对应的缺陷检测结果图如图5(b)-7(b)所示。
本领域技术人员可以理解，实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，相应的程序可以存储于计算机可读存储介质中。
应当注意，尽管在附图中以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例2：
如图8所示，本实施例提供了一种磨砂平面低对比度缺陷检测装置，该装置包括第一处理模块801、第二处理模块802、第三处理模块803和确定模块804，其中：
第一处理模块801，用于获取原始图像并进行预处理，得到预处理后图像；
第二处理模块802，用于对所述预处理后图像进行去光照不均处理，得到处理后图像；
第三处理模块803，用于对所述处理后图像进行扩散处理，得到缺陷概率图；
确定模块804，用于根据所述缺陷概率图，确定缺陷区域集合
本实施例中各个模块的具体实现可以参见上述实施例1，在此不再一一赘述；需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
实施例3：
本实施例提供了一种计算机设备，该计算机设备可以为计算机，如图9所示，其通过系统总线901连接的处理器902、存储器、输入装置903、显示器904和网络接口905，该处理器用于提供计算和控制能力，该存储器包括非易失性存储介质906和内存储器907，该非易失性存储介质906存储有操作系统、计算机程序和数据库，该内存储器907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，处理器902执行存储器存储的计算机程序时，实现上述实施例1的磨砂平面低对比度缺陷检测方法，如下：
获取原始图像并进行预处理，得到预处理后图像；
对所述预处理后图像进行去光照不均处理，得到处理后图像；
对所述处理后图像进行扩散处理，得到缺陷概率图；
根据所述缺陷概率图，确定缺陷区域集合。
实施例4：
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，实现上述实施例1的磨砂平面低对比度缺陷检测方法，如下：
获取原始图像并进行预处理，得到预处理后图像；
对所述预处理后图像进行去光照不均处理，得到处理后图像；
对所述处理后图像进行扩散处理，得到缺陷概率图；
根据所述缺陷概率图，确定缺陷区域集合。
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
综上所述，本发明通过获取原始图像并进行预处理，得到预处理后图像；对预处理后图像进行去光照不均处理，再进行各向异性扩散处理，得到去噪图像；根据去噪图像，通过计算，确定缺陷区域集合。本发明提供的方法能够以较快的速度检测出磨砂平面的低对比度缺陷。
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (8)

1.一种磨砂平面低对比度缺陷检测方法，其特征在于，所述方法包括：
获取原始图像并进行预处理，得到预处理后图像；
对所述预处理后图像进行去光照不均处理，得到处理后图像；
对所述处理后图像进行扩散处理，得到去噪图像；根据所述去噪图像，得到缺陷概率图；
根据所述缺陷概率图，确定缺陷区域集合；
其中，所述根据所述去噪图像，得到缺陷概率图，具体包括：
根据所述去噪图像得到平滑后图像If(x,y)；
对于图像If(x,y)中任意一点的位置对应的坐标(x,y)：
根据平滑后图像If，计算局部灰度差，如下式：
根据局部灰度差，计算领邻域相关性系数，如下式：
其中，ct为预设控制系数，i＝-2，-1，1，2，j＝-2，-1，1，2；
根据领邻域相关性系数，计算局部一致性，如下式：
其中，权值系数σ为高斯函数的方差，cw为归一化系数，保证∑i,jwi,j＝1；
根据局部一致性，计算缺陷概率图，如下式：
G(x,y)＝R(x,y)×A(x,y)。
2.根据权利要求1所述的磨砂平面低对比度缺陷检测方法，其特征在于，所述预处理后图像为It；
所述对所述预处理后图像进行去光照不均处理，得到处理后图像，具体包括：
设It的第i列图像为It(i)，统计It(i)的直方图hi(j)；其中，
jk表示第i列中hi(j)像素个数为第k多所对应的灰度值，则It(i)的主要灰度值为：
对ma(i)进行均值滤波，得到平滑后的灰度列变化曲线fma(i)；
设处理后图像的第i列图像为/>则/>为：
3.根据权利要求1所述的磨砂平面低对比度缺陷检测方法，其特征在于，所述处理后图像为
所述对所述处理后图像进行扩散处理，得到去噪图像，具体包括：
令q＝0；
统计在坐标(x,y)处四个方向的梯度，计算公式如下：
根据上述四个方向的梯度，计算相应的扩散系数：
其中，K为梯度拉伸系数；a∈[0,1]，为边缘增强系数；i＝1,2,3,4；
根据扩散系数，计算为：
q＝q+1；
若q<Q，则返回统计在坐标(x,y)处四个方向的梯度，并继续执行后续操作；否则，作为去噪图像；其中，Q为第一设定阈值。
4.根据权利要求1所述的磨砂平面低对比度缺陷检测方法，其特征在于，所述根据所述缺陷概率图，确定缺陷区域集合，具体包括：
用第二设定阈值Tb对缺陷概率图G(x,y)进行二值化，得到二值图Bb(x,y)，如下式：
遍历二值图中的每一个连通域li，根据缺陷概率图，将符合条件的连通域放到集合L中；其中，所述二值图为Bb(x,y)；
G(x,y)＝-G(x,y)；
用第三设定阈值Td对缺陷概率图G(x,y)进行二值化，得到二值图Bd(x,y)，如下式：
遍历二值图中的每一个连通域li，根据缺陷概率图，将符合条件的连通域放到集合L中；其中，所述二值图为Bd(x,y)。
5.根据权利要求4所述的磨砂平面低对比度缺陷检测方法，其特征在于，所述遍历二值图中的每一个连通域li，根据缺陷概率图，将符合条件的连通域放到集合L中；具体包括：
统计所述缺陷概率图G(x,y)在连通域li区域内所有像素的灰度平均值hi；
计算所述连通域li的面积areai；
根据所述连通域li，得到所述连通域li的最小外接矩形；
所述最小外接矩形的长边长度为majli，短边长度为minli；
根据所述连通域li的面积areai和最小外接矩形的边长，计算连通域li区域为缺陷区域的概率，如下式：
若pi>Tq，则将连通域li放到集合L中，其中，Tq为第四设定阈值。
6.根据权利要求1-5任一项所述的磨砂平面低对比度缺陷检测方法，其特征在于，所述获取原始图像并进行预处理，得到预处理后图像，具体为：
对获取的原始图像进行归一化处理，得到归一化灰度图像，作为预处理后图像。
7.一种磨砂平面低对比度缺陷检测装置，其特征在于，所述装置包括：
第一处理模块，用于获取原始图像并进行预处理，得到预处理后图像；
第二处理模块，用于对所述预处理后图像进行去光照不均处理，得到处理后图像；
第三处理模块，用于对所述处理后图像进行扩散处理，得到去噪图像；根据所述去噪图像，得到缺陷概率图；
确定模块，用于根据所述缺陷概率图，确定缺陷区域集合；
其中，所述根据所述去噪图像，得到缺陷概率图，具体包括：
根据所述去噪图像得到平滑后图像If(x,y)；
对于图像If(x,y)中任意一点的位置对应的坐标(x,y)：
根据平滑后图像If，计算局部灰度差，如下式：
根据局部灰度差，计算领邻域相关性系数，如下式：
其中，ct为预设控制系数，i＝-2，-1，1，2，j＝-2，-1，1，2；
根据领邻域相关性系数，计算局部一致性，如下式：
其中，权值系数σ为高斯函数的方差，cw为归一化系数，保证∑i,jwi,j＝1；
根据局部一致性，计算缺陷概率图，如下式：
G(x,y)＝R(x,y)×A(x,y)。
8.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-6任一项所述的磨砂平面低对比度缺陷检测方法。
CN202110828050.9A 2021-07-22 2021-07-22 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 Active CN113674180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110828050.9A CN113674180B (zh) 2021-07-22 2021-07-22 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110828050.9A CN113674180B (zh) 2021-07-22 2021-07-22 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN113674180A CN113674180A (zh) 2021-11-19
CN113674180B true CN113674180B (zh) 2023-10-10

Family

ID=78539958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110828050.9A Active CN113674180B (zh) 2021-07-22 2021-07-22 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN113674180B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708325A (zh) * 2022-03-31 2022-07-05 南通华烨塑料工业有限公司 一种基于橡胶喷霜缺陷的橡胶生产问题快速定位方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101588459A (zh) * 2009-06-26 2009-11-25 北京交通大学 一种视频抠像处理方法
CN103268608A (zh) * 2013-05-17 2013-08-28 清华大学 基于近红外激光散斑的深度估计方法及装置
CN103309146A (zh) * 2012-03-16 2013-09-18 香港城市大学 用于显示三维和二维图像的多模式投影仪显示屏幕的自动切换
CN108154510A (zh) * 2018-01-17 2018-06-12 深圳市亿图视觉自动化技术有限公司 产品表面缺陷检测方法、装置及计算机可读存储介质
CN108230321A (zh) * 2018-01-19 2018-06-29 深圳市亿图视觉自动化技术有限公司 缺陷检测方法及装置
CN109142366A (zh) * 2018-06-13 2019-01-04 广东拓斯达科技股份有限公司 球形外壳缺陷检测方法、装置及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101588459A (zh) * 2009-06-26 2009-11-25 北京交通大学 一种视频抠像处理方法
CN103309146A (zh) * 2012-03-16 2013-09-18 香港城市大学 用于显示三维和二维图像的多模式投影仪显示屏幕的自动切换
CN103268608A (zh) * 2013-05-17 2013-08-28 清华大学 基于近红外激光散斑的深度估计方法及装置
CN108154510A (zh) * 2018-01-17 2018-06-12 深圳市亿图视觉自动化技术有限公司 产品表面缺陷检测方法、装置及计算机可读存储介质
CN108230321A (zh) * 2018-01-19 2018-06-29 深圳市亿图视觉自动化技术有限公司 缺陷检测方法及装置
CN109142366A (zh) * 2018-06-13 2019-01-04 广东拓斯达科技股份有限公司 球形外壳缺陷检测方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN113674180A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN109191387B (zh) 一种基于巴特沃斯滤波器的红外图像去噪方法
Yang et al. Research and analysis of Image edge detection algorithm Based on the MATLAB
CN108898132B (zh) 一种基于形状上下文描述的太赫兹图像危险品识别方法
CN114332026A (zh) 一种铭牌表面划痕缺陷的视觉检测方法及装置
CN109255792B (zh) 一种视频图像的分割方法、装置、终端设备及存储介质
CN116703909B (zh) 一种电源适配器生产质量智能检测方法
Alazzawi Edge detection-application of (first and second) order derivative in image processing: communication
Ma et al. An automatic detection method of Mura defects for liquid crystal display
CN113674180B (zh) 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质
CN111091107A (zh) 一种人脸区域边缘检测方法、装置及存储介质
CN115439523A (zh) 一种半导体器件引脚尺寸检测方法、设备及存储介质
CN115393216A (zh) 基于偏振特性与大气传输模型的图像去雾方法和装置
CN113971669A (zh) 应用于管道损伤识别的三维检测系统
CN107478656B (zh) 基于机器视觉的纸浆搅拌效果检测评价方法、装置、系统
CN111415365B (zh) 图像检测方法及装置
CN116958127A (zh) 基于图像特征的硅片质量评估方法
Tabatabaei et al. A novel method for binarization of badly illuminated document images
CN111311610A (zh) 图像分割的方法及终端设备
CN117522863B (zh) 基于图像特征的集成箱体质量检测方法
CN116309562B (zh) 一种板卡缺陷识别方法及系统
CN112581411B (zh) 一种图像去雾的方法及终端
CN117764989B (zh) 一种视觉辅助的显示屏缺陷检测方法
CN115841632A (zh) 输电线路提取方法、装置以及双目测距方法
Liu et al. A microscopic image enhancement algorithm and its implementation on mobile platforms
Lv Partial differential equations for image processing applications

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