CN113724183A - 可读存储介质、支架缺陷位置获取方法及装置 - Google Patents

可读存储介质、支架缺陷位置获取方法及装置 Download PDF

Info

Publication number
CN113724183A
CN113724183A CN202010444102.8A CN202010444102A CN113724183A CN 113724183 A CN113724183 A CN 113724183A CN 202010444102 A CN202010444102 A CN 202010444102A CN 113724183 A CN113724183 A CN 113724183A
Authority
CN
China
Prior art keywords
pixel coordinate
defect
stent
coordinate
image
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
CN202010444102.8A
Other languages
English (en)
Other versions
CN113724183B (zh
Inventor
黄弯弯
吕文尔
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.)
Shanghai Weiwei Medical Technology Co ltd
Original Assignee
Shanghai Weiwei Medical Technology 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 Shanghai Weiwei Medical Technology Co ltd filed Critical Shanghai Weiwei Medical Technology Co ltd
Priority to CN202010444102.8A priority Critical patent/CN113724183B/zh
Publication of CN113724183A publication Critical patent/CN113724183A/zh
Application granted granted Critical
Publication of CN113724183B publication Critical patent/CN113724183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种可读存储介质、支架缺陷位置获取方法及装置，包括：对待测图像进行二值化处理，以获取二值化图像；对所述二值化图像进行形态学操作，并以所述支架的轴向为横向坐标轴，统计进行形态学操作后的所述二值化图像的每一列的白色像素点个数；基于统计的结果建立坐标映射表，所述坐标映射表反映所述支架的横向像素坐标和所述支架的位置标签之间的映射关系；根据所述支架的缺陷所对应的横向像素坐标及所述坐标映射表，获取所述缺陷的位置标签并输出，以用于识别所述缺陷在所述支架中的实际位置。如此，在人工对支架的缺陷进行核查时，即可根据输出的位置标签，快速找到缺陷的位置。

Description

可读存储介质、支架缺陷位置获取方法及装置
技术领域
本发明涉及医疗器械检测技术领域，特别涉及一种可读存储介质、支架缺陷位置获取方法及装置。
背景技术
支架是在血管里植入支架撑开狭窄，堵塞的血管，多用于冠状动脉硬化，心肌梗塞，脑梗塞等心脑血管疾病。支架能有效的促进血液的正常流动，促进血管再塑功能的恢复，能有效的防止血管弹性回缩，有些支架还能防止血管再次收缩，堵塞。主要分为冠脉支架、脑支架、肾动脉支架、大动脉支架等。
支架治疗临床疾病的疗效是有目共睹的，也越来越多的病人选择支架啊介入治疗，因此支架质量的重要性关注度越来越高。支架的缺陷检测在质检环节必不可少，而且也是尤其重要。
目前来说支架的缺陷检测主要是人工检查，在显微镜下观察检测为主。此外，随着现代工业化生产的改革，机器视觉进行缺陷检测也开始兴起。但是目前机器视觉的可靠性不是很高，经常会出现误判。在此状况下，质检员需要将机器视觉检测出的缺陷进行再次检查判断，但是因为有些缺陷需要在显微镜下进行放大观察，在对缺陷进行放大观察时，若质检员并不知晓缺陷的实际位置，则需要反复观察，直至找到缺陷，这极大降低了检测效率，也使机器视觉检测失去了意义。因此，有必要将机器视觉检测出的缺陷在支架中的位置进行标注，方便质检员很容易在显微镜下进行查找缺陷。
发明内容
本发明的目的在于提供一种可读存储介质、支架缺陷位置获取方法及装置，以使在对支架的缺陷进行核查时，能够快速识别所述缺陷在所述支架中的实际位置。
为解决上述技术问题，本发明提供一种支架缺陷位置获取方法，所述支架包括多个节杆和多个连接件，多个所述节杆沿所述支架的轴向依次排布，所述连接件连接相邻的两个所述节杆，所述支架缺陷位置获取方法包括：
对待检样品成像以获取待测图像；
根据所述待测图像建立图像坐标系，所述图像坐标系以所述支架的轴向为横向坐标轴；
对所述待测图像进行二值化处理，以获取所述支架的二值化图像；
对所述二值化图像进行形态学操作，统计进行形态学操作后的所述二值化图像的每一列的白色像素点个数，以及基于统计的结果建立坐标映射表，所述坐标映射表反映所述支架的横向像素坐标与所述支架的位置标签之间的映射关系；
根据所述支架的缺陷所对应的横向像素坐标及所述坐标映射表，获取所述缺陷的位置标签并输出，以用于识别所述缺陷在所述支架表面的实际位置。
可选的，在所述的支架缺陷位置获取方法中，所述基于统计的结果计算所述坐标映射表的方法包括：
根据统计的结果获得第一折线图；
根据所述第一折线图上的每两个相邻的波峰点及位于相邻波峰点之间的波谷点所对应的横向像素坐标，获取不同第一位置标签的所述节杆以及不同第二位置标签的所述连接件所对应的横向像素坐标范围，以形成所述坐标映射表。
可选的，在所述的支架缺陷位置获取方法中，所述基于统计的结果计算所述坐标映射表的方法包括：
对统计的结果进行阈值化处理；
根据阈值化处理的结果获得第二折线图；
根据所述第二折线图的最大值和零值所对应的横向像素坐标范围，获取不同第一位置标签的所述节杆和不同第二位置标签的所述连接件所对应的横向像素坐标范围，以形成所述坐标映射表。
可选的，在所述的支架缺陷位置获取方法中，所述形态学操作包括：依次进行腐蚀操作和膨胀操作。
可选的，在所述的支架缺陷位置获取方法中，至少部分所述连接件具有特征弯曲部，在获取所述支架的二值化图像之后，所述支架缺陷位置获取方法还包括：
统计所述二值化图像的每一列的白色像素点个数，并基于统计的结果以及所述二值化图像判断所述特征弯曲部的弯曲方向，进而以确定所述支架的摆放方式并输出。
可选的，在所述的支架缺陷位置获取方法中，所述基于统计的结果以及所述二值化图像判断所述特征弯曲部的弯曲方向的方法包括：
根据统计的结果获得第三折线图；
根据所述第三折线图上的波峰点所对应的横向像素坐标，获取具有所述特征弯曲部的所述连接件的起点横向像素坐标、终点横向像素坐标以及中点横向像素坐标；
比较所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标，与所述中间点横向像素坐标所对应的纵向像素坐标的大小；
根据比较的结果判断所述特征弯曲部的弯曲方向。
可选的，在所述的支架缺陷位置获取方法中，所述根据比较的结果判断所述特征弯曲部的弯曲方向的方法包括：
若所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标小于所述中间点横向像素坐标所对应的纵向像素坐标，则判定为所述特征弯曲部呈第一形状弯曲；
若所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标大于所述中间点横向像素坐标所对应的纵向像素坐标，则判定为所述特征弯曲部呈第二形状弯曲；
其中，所述第一形状和所述第二形状的弯曲方向相反。
可选的，在所述的支架缺陷位置获取方法中，在获取所述二值化图像之后，所述支架缺陷位置获取方法还包括：
选择所述二值化图像的待处理区域；以及，
在统计所述二值化图像的白色像素点个数时，仅统计所述待处理区域的每一列的白色像素点个数。
可选的，在所述的支架缺陷位置获取方法中，获取所述二值化图像时所采用的阈值范围为100～255。
基于同一思想，本发明还提供一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的支架缺陷位置获取方法。
基于同一思想，本发明还提供一种支架缺陷位置获取装置，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器运行时，执行如上所述的支架缺陷位置获取方法。
本发明提供的支架缺陷位置获取方法及可读存储介质与现有技术相比具有如下优点：
根据支架图像，自动建立图像坐标与支架位置标签的映射关系，并根据缺陷的图像坐标，自动获取缺陷所在位置的位置标签并输出；如此，便使得在对支架的缺陷进行核查时，能够基于支架的位置标签快速识别所述缺陷在所述支架中的位置。
进一步的，根据支架图像，自动识别支架的摆放方式并输出，如此，便使得在对支架的缺陷进行核查时，能够基于支架的摆放方式和缺陷所在位置的位置标签更加快速地识别所述缺陷在所述支架中的位置。
附图说明
图1-1为本发明实施例中一种支架正摆放的示意图；
图1-2为本发明实施例中一种支架倒摆放的示意图；
图2为本发明实施例中提供的一种支架缺陷位置获取方法的流程图；
图3为本发明实施例中支架的灰度图；
图4为本发明实施例中支架的二值化图像；
图5为本发明实施例中对支架的二值化图像进行形态学操作的图像；
图6为本发明实施例中第二折线图；
图7为本发明实施例提供的另一种支架缺陷位置获取方法的流程图；
图8为本发明实施例中第三折线图；
其中，各附图标记说明如下：
11-节杆；12-连接件。
具体实施方式
以下结合附图和具体实施例对本发明提出的可读存储介质、支架缺陷位置获取方法及装置作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。
请参考图1-1，以血管支架为例，该支架包括多个节杆11和连接件12，所述节杆11的数量为多个，多个所述节杆11沿支架的轴向依次排布，所述连接件12连接相邻的两个所述节杆11。
由于多个所述节杆11沿轴向依次排布，因此，所述节杆11和所述连接件12的排布顺序构成了其自身的位置标签，且所述节杆11可采用第一位置标签，所述连接件12可采用第二位置标签，以进行区分。例如，按照图1所示，从左到右，所述节杆11的位置标签可分别为：1、2、3、4、5…，而所述连接12件的位置标签可分别为：L1、L2、L3、L4、L5…。
有鉴于此，本实施例提供一种支架缺陷位置获取方法，如图2所示，所述支架缺陷位置获取方法包括以下步骤：
S1，对待检测样品成像以获得待测图像，根据所述待测图像建立图像坐标系，所述图像坐标系以所述支架的轴向为横向坐标轴，对所述图像坐标系进行二值化处理，以获取所述支架的二值化图像；
S2，对所述待测图像进行形态学操作；
S3，统计进行形态学操作后的所述二值化图像的每一列的白色像素点个数；
S4，基于统计的结果建立坐标映射表，所述坐标映射表反映所述支架的横向像素坐标与所述支架的位置标签之间的映射关系；
S5，根据所述支架的缺陷所对应的横向像素坐标及所述坐标映射表，获取所述缺陷的位置标签并输出，以用于识别所述缺陷在所述支架表面的实际位置。
即，根据支架图像，自动建立图像横向像素坐标与支架位置标签的映射关系，并根据缺陷对应的横向像素坐标，自动获取缺陷所在位置的位置标签，无需人工进行判断。进而，在人工对支架的缺陷进行核查时，可根据输出的位置标签，快速找到缺陷在支架表面的实际位置。例如，通过以上各步骤，输出缺陷所处位置的位置标签为3，即表示缺陷位于第三根所述节杆上，那么在人工核查时，直接对第三根所述节杆进行核查即可，而不需要来回反复查看，因此检测效率得到很大程度的提升。
以下对上述各步骤进行详细说明。
步骤S1中，首先，可先构建机器视觉系统，对支架进行整体视觉成像，获取所述支架的彩色图像。所述机器视觉系统可采用工业相机(也可使用其他成像设备)、远心镜头以及设计的好的打光对支架的表面进行完整的视觉成像，也可以使用图像接拼技术对其拼接后成像，使支架呈现在同一张图像中，并且图像清晰，相机的分辨率较佳地达到2000万以上。成像得到的彩色图像的大小与相机的设计的分辨率有关，一般的，可选用图像大小为16000*2934。
然后，请参考图3，将该彩色图像转换为灰度图，并以所述支架的轴向为横向坐标轴，建立所述灰度图的图像坐标系。图3所示仅示意出对应于所述彩色图像的部分区域。
接着，请参考图4，对所述灰度图进行二值化处理，以得到二值化图像。所述二值化图像中，支架与背景完全分离开来，为后续步骤提供便利。在进行二值化处理时以得到所述二值化图像时，较佳的，所采用的阈值范围为100～255，例如采用阈值为230。
步骤S2中，所述形态学操作包括依次进行腐蚀操作和膨胀操作。所述腐蚀操作和所述膨胀操作的具体内核(Kernel)大小与所述支架的粗细有关，在此不做过多说明，只需理解，经过所述形态学操作，如图5所示，所述节杆和所述连接件的明暗进一步区分开来。如此，便可使得在以所述支架的轴向为横向，统计每一列的白色像素点个数时，所述节杆和所述连接件的白色像素点个数能够有较大程度的区分，从而使得能够基于白色像素点个数，得到相应所述节杆和所述连接件的横向像素坐标范围。
步骤S4中，基于统计的结果计算所述坐标映射表时，具体可采用如下方法：根据统计的结果获得第一折线图(所述第一未折线图在本申请中未图示，但其波形与图8所示波形类似)，根据所述第一折线图上的每两个相邻的波峰点及位于相邻波峰点之间的波谷点所对应的横向像素坐标，获取不同第一位置标签的所述节杆和不同第二位置标签的所述连接件所对应的横向像素坐标范围，以形成所述坐标映射表。
例如，参考图8，根据波峰点A和波峰点B所对应的横向像素坐标可得到位置标签为1的所述节杆对应的横向像素坐标范围为【0，500】，根据波峰点B、波谷点a以及波峰点C得到位置标签为L1的所述节杆对应的横向像素坐标范围为【501，800】，以此类推，得到各所述节杆和各所述连接件相应位置标签所对应的横向像素坐标范围，具体如表1所示。那么若图像上缺陷的横向像素坐标为865，由于865介于【801，1300】之间，即可知晓该缺陷位于位置标签为2的所述节杆上，因此步骤S5输出位置结果为：位置标签2。
表1
横向像素坐标范围 支架实际位置标签
【0，500】 1
【501，800】 1L
【801，1300】 2
【1301，1600】 2L
【1601，2100】 3
… …
图8所示为二值化图像的白色像素点的统计个数，在进行形态学操作之后，A/B/C与a点所对应的白色像素点的数值区别应当更为明显。另外，图8仅示意出了所述支架图像的一部分，而在得到所述第一折线图时，所述第一折线图时应当示意出整个图像的白色像素点的统计个数，以使得基于所述第一折线图形成的所述坐标映射表，能够找到所有缺陷所处位置的位置标签。
在另一实施例中，基于统计的结果计算所述坐标映射表时，还可采用如下优化方案。
首先，对统计的结果进行阈值化处理。其中，所述阈值化处理所采用的阈值，可基于所述支架的所述节杆和所述连接杆的粗细、大小等参数进行设置，以使得经过阈值化处理，对应于所述节杆的每一列的白色像素点个数统一为一固定值，而对应于所述连接件的每一列的白色像素点个数统一为0。
接着，如图6所示，根据阈值化处理的结果获得第二折线图；根据所述第二折线图的最大值(即所述固定值)和零值所对应的横向像素坐标范围，获取不同第一位置标签的所述节杆和不同第二位置标签的所述连接件所对应的横向像素坐标范围，以形成所述坐标映射表。
例如，如图6中所示，根据最大值1000所对应的横坐范围，可得到位置标签为1的所述节杆对应的横向像素坐标范围为【0，500】，位置标签为2所述的节杆对应的横向像素坐标范围为【801，1300】，以此类推，得到各所述节杆相应位置标签所对应的横向像素坐标范围；根据零值所对应的横坐范围，可得到位置标签为L1的所述节杆对应的横向像素坐标范围为【501，800】，位置标签为L2的所述节杆对应的横向像素坐标范围为【1301，1600】，以此类推，得到各所述连接件相应位置标签所对应的横向像素坐标范围，具体如表1所示。那么若图像上缺陷的横向像素坐标为865，因为865介于【801，1300】之间，即可知晓该缺陷位于位置标签为2的所述节杆上，因此步骤S5输出位置结果为：位置标签2。
请继续参考图1-1，对于一些支架，所述连接件12可能具有特征弯曲部，当所述支架以不同的形式摆放时，所述特征弯曲部的弯曲方向相反。例如，如图1-1所示，当所述支架正摆放(第一端在左，第二端在右)时，所述特征弯曲部呈现u型，而如图1-2所示，当将所述支架倒摆放(第一端在右，第二端在左)摆放时，相应的所述特征弯曲部呈现n型。
有鉴于此，在获取所述支架的二值化图像之后，如图7所示，本实施提供的所述支架缺陷位置获取方法还包括如下步骤：
S2'，以所述支架的轴向为横向，统计所述二值化图像的每一列的白色像素点个数；
S3'，基于统计的结果以及所述二值化图像判断所述特征弯曲部的弯曲方向，进而以确定所述支架的摆放方式并输出。
即，根据支架图像，自动识别支架的摆放方式，无需人工进行判断。进而，在人工对支架的缺陷进行核查时，即可根据输出的位置标签和支架的摆放方式，更加快速找到缺陷的位置。
例如，如前文所述，若输出的位置标签为3，即表示缺陷位于第三根所述节杆上，那么在人工核查时，直接对第三根所述节杆进行核查即可，但若在人工核查时所述支架的摆放方式与在得到缺陷所在位置标签时所述支架的摆放方式相反，则有可能，缺陷所在第三根节杆变成了倒数第三根，那么只有当核查发现第三根节杆没有缺陷之后，再通过人工调整所述支架的摆放方式，缺陷才能够被观察到，如此，也会影响检查效率。
而本实施例，基于支架本身结构的特点，通过支架的图像自动识别支架的摆放方式并输出，使得在进行人工核查时，可选择采用一致的摆放方式，或者选择相反顺序数标签，故而可避免因为摆放方式的不一样而影响检查，从而进一步提升了检测效率。
本实施例中，较佳的，在获取所述二值化图像之后，所述支架缺陷位置获取方法还包括：选择所述二值化图像的待处理(ROI)区域；以及，在统计所述二值化图像的白色像素点个数时，仅统计所述ROI区域的每一列的白色像素点个数。如此，可减小计算量。所述ROI区域的选择与所述支架的设计有关，所述ROI区域至少应涵盖具有所述特征弯曲部的所述连接件以及相邻两根所述节杆，图8所示，示意出了ROI区域的每一列的白色像素点个数。
进一步的，所述基于统计的结果以及所述二值化图像判断所述特征弯曲部的弯曲方向的方法具体可包括：如图8所示，根据统计的结果获得第三折线图；根据所述第三折线图上的波峰点所对应的横向像素坐标，获取具有所述特征弯曲部的所述连接件的起点横向像素坐标、终点横向像素坐标以及中点横向像素坐标；比较所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标，与所述中间点横向像素坐标所对应的纵向像素坐标的大小；根据比较的结果判断所述特征弯曲部的弯曲方向，若所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标小于所述中间点横向像素坐标所对应的纵向像素坐标，则判定为所述特征弯曲部呈第一形状弯曲；若所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标大于所述中间点横向像素坐标所对应的纵向像素坐标，则判定为所述特征弯曲部呈第二形状弯曲；所述第一形状和所述第二形状的弯曲方向相反。
需要说明的是，图1-1所示，以所述第一形状为u型，所述第二形状为n型做出示例，但所述第一形状和所述第二形状的具体形状不应构成为本申请的限制，只需所述第一形状和第二形状的弯曲方向能够因所述支架摆放方式相反而正好相反即可，例如所述第一形状还可为∨型，所述第二形状还可以为∧型。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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特征可以以计算机程序的形式体现出来，该计算机程序可以存储在可读存储介质中，如ROM/RAM、磁碟、光盘等。故而，本发明实施例还提供一种可读存储介质，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现本发明实施例或者实施例的某些部分所述的支架缺陷位置获取方法。
本发明实施例还提供一种支架缺陷位置获取装置，所述支架缺陷位置获取装置包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，执行本发明实施例或者实施例的某些部分所述的支架缺陷位置获取方法。综上所述，本发明提供的支架缺陷位置获取方法和可读存储介质，根据支架图像，自动建立图像坐标与支架位置标签的映射关系，并根据缺陷的图像坐标，自动获取缺陷所在位置的位置标签并输出；如此，便使得在对支架的缺陷进行核查时，能够基于支架的位置标签识别所述缺陷在所述支架中的位置。
进一步的，本发明提供的支架缺陷位置获取方法和可读存储介质，根据支架图像，自动识别支架的摆放方式并输出，如此，便使得在对支架的缺陷进行核查时，能够基于支架的摆放方式和缺陷所在位置的位置标签更加快速地识别所述缺陷在所述支架中的位置。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。

Claims (11)

1.一种支架缺陷位置获取方法，所述支架包括多个节杆和多个连接件，多个所述节杆沿所述支架的轴向依次排布，所述连接件连接相邻的两个所述节杆，其特征在于，所述支架缺陷位置获取方法包括：
对待检样品成像以获得待测图像；
根据所述待测图像建立图像坐标系，所述图像坐标系以所述支架的轴向为横向坐标轴；
对所述待测图像进行二值化处理，以获取所述支架的二值化图像；
对所述二值化图像进行形态学操作，统计进行形态学操作后的所述二值化图像的每一列的白色像素点个数，以及基于统计的结果建立坐标映射表，所述坐标映射表反映所述支架的横向像素坐标与所述支架的位置标签之间的映射关系；
根据所述支架的缺陷所对应的横向像素坐标及所述坐标映射表，获取所述缺陷的位置标签并输出，以用于识别所述缺陷在所述支架表面的实际位置。
2.如权利要求1所述的支架缺陷位置获取方法，其特征在于，所述基于统计的结果计算所述坐标映射表的方法包括：
根据统计的结果获得第一折线图；
根据所述第一折线图上的每两个相邻的波峰点及位于相邻波峰点之间的波谷点所对应的横向像素坐标，获取不同第一位置标签的所述节杆以及不同第二位置标签的所述连接件所对应的横向像素坐标范围，以形成所述坐标映射表。
3.如权利要求1所述的支架缺陷位置获取方法，其特征在于，所述基于统计的结果计算所述坐标映射表的方法包括：
对统计的结果进行阈值化处理；
根据阈值化处理的结果获得第二折线图；
根据所述第二折线图的最大值和零值所对应的横向像素坐标范围，获取不同第一位置标签的所述节杆和不同第二位置标签的所述连接件所对应的横向像素坐标范围，以形成所述坐标映射表。
4.如权利要求1所述的支架缺陷位置获取方法，其特征在于，所述形态学操作包括：依次进行腐蚀操作和膨胀操作。
5.如权利要求1所述的支架缺陷位置获取方法，其特征在于，至少部分所述连接件具有特征弯曲部，在获取所述支架的二值化图像之后，所述支架缺陷位置获取方法还包括：
统计所述二值化图像的每一列的白色像素点个数，并基于统计的结果以及所述二值化图像判断所述特征弯曲部的弯曲方向，进而以确定所述支架的摆放方式并输出。
6.如权利要求5所述的支架缺陷位置获取方法，其特征在于，所述基于统计的结果以及所述二值化图像判断所述特征弯曲部的弯曲方向的方法包括：
根据统计的结果获得第三折线图；
根据所述第三折线图上的波峰点所对应的横向像素坐标，获取具有所述特征弯曲部的所述连接件的起点横向像素坐标、终点横向像素坐标以及中点横向像素坐标；
比较所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标，与所述中间点横向像素坐标所对应的纵向像素坐标的大小；
根据比较的结果判断所述特征弯曲部的弯曲方向。
7.如权利要求6所述的支架缺陷位置获取方法，其特征在于，所述根据比较的结果判断所述特征弯曲部的弯曲方向的方法包括：
若所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标小于所述中间点横向像素坐标所对应的纵向像素坐标，则判定为所述特征弯曲部呈第一形状弯曲；
若所述起点横向像素坐标或所述终点横向像素坐标所对应的纵向像素坐标大于所述中间点横向像素坐标所对应的纵向像素坐标，则判定为所述特征弯曲部呈第二形状弯曲；
其中，所述第一形状和所述第二形状的弯曲方向相反。
8.如权利要求5所述的支架缺陷位置获取方法，其特征在于，在获取所述二值化图像之后，所述支架缺陷位置获取方法还包括：
选择所述二值化图像的待处理区域；以及，
在统计所述二值化图像的白色像素点个数时，仅统计所述待处理区域的每一列的白色像素点个数。
9.如权利要求1所述的支架缺陷位置获取方法，其特征在于，获取所述二值化图像时所采用的阈值范围为100～255。
10.一种可读存储介质，其特征在于，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至9中任一项所述的支架缺陷位置获取方法。
11.一种支架缺陷位置获取装置，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器运行时，执行权利要求1至9中任一项所述的支架缺陷位置获取方法。
CN202010444102.8A 2020-05-22 2020-05-22 可读存储介质、支架缺陷位置获取方法及装置 Active CN113724183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010444102.8A CN113724183B (zh) 2020-05-22 2020-05-22 可读存储介质、支架缺陷位置获取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010444102.8A CN113724183B (zh) 2020-05-22 2020-05-22 可读存储介质、支架缺陷位置获取方法及装置

Publications (2)

Publication Number Publication Date
CN113724183A true CN113724183A (zh) 2021-11-30
CN113724183B CN113724183B (zh) 2024-01-23

Family

ID=78671359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010444102.8A Active CN113724183B (zh) 2020-05-22 2020-05-22 可读存储介质、支架缺陷位置获取方法及装置

Country Status (1)

Country Link
CN (1) CN113724183B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020176623A1 (en) * 2001-03-29 2002-11-28 Eran Steinberg Method and apparatus for the automatic real-time detection and correction of red-eye defects in batches of digital images or in handheld appliances
US20070160283A1 (en) * 2006-01-11 2007-07-12 Orbotech Ltd System and method for inspecting workpieces having microscopic features
US20070186671A1 (en) * 2004-07-19 2007-08-16 Unversity Of Virginia Patent Foundation High mast inspection system, equipment and method
CN101836099A (zh) * 2007-08-27 2010-09-15 夏普株式会社 显示控制装置、检查系统、显示控制方法、程序以及记录有该程序的计算机可读取的记录介质
CN106097361A (zh) * 2016-06-20 2016-11-09 昆山国显光电有限公司 一种缺陷区域检测方法及装置
CN107356608A (zh) * 2017-07-21 2017-11-17 中国工程物理研究院激光聚变研究中心 大口径熔石英光学元件表面微缺陷快速暗场检测方法
CN110411346A (zh) * 2019-08-12 2019-11-05 哈尔滨工业大学 一种非球面熔石英元件表面微缺陷快速定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020176623A1 (en) * 2001-03-29 2002-11-28 Eran Steinberg Method and apparatus for the automatic real-time detection and correction of red-eye defects in batches of digital images or in handheld appliances
US20070186671A1 (en) * 2004-07-19 2007-08-16 Unversity Of Virginia Patent Foundation High mast inspection system, equipment and method
US20070160283A1 (en) * 2006-01-11 2007-07-12 Orbotech Ltd System and method for inspecting workpieces having microscopic features
CN101836099A (zh) * 2007-08-27 2010-09-15 夏普株式会社 显示控制装置、检查系统、显示控制方法、程序以及记录有该程序的计算机可读取的记录介质
CN106097361A (zh) * 2016-06-20 2016-11-09 昆山国显光电有限公司 一种缺陷区域检测方法及装置
CN107356608A (zh) * 2017-07-21 2017-11-17 中国工程物理研究院激光聚变研究中心 大口径熔石英光学元件表面微缺陷快速暗场检测方法
CN110411346A (zh) * 2019-08-12 2019-11-05 哈尔滨工业大学 一种非球面熔石英元件表面微缺陷快速定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WANGZHE DU ET AL.: "Approaches for improvement of the X-ray image defect detection of automobile casting aluminum parts based on deep learning", 《NDT & E INTERNATIONAL》 *
高扬清: "CRH动车轮对相控阵探伤缺陷识别算法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN113724183B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
US10529093B2 (en) Guidewire detection systems, methods, and apparatuses
US9858659B2 (en) Pattern inspecting and measuring device and program
US7970189B2 (en) Method of automatic extraction of the pulmonary artery tree from 3D medical images
JP5305821B2 (ja) 医用画像処理装置及び医用画像診断装置
CN113837985B (zh) 用于血管造影图像处理的训练方法和装置、自动处理方法和装置
WO2021208739A1 (zh) 眼底彩照图像血管评估方法、装置、计算机设备和介质
CN106846347B (zh) 基于oct的支架植入术前的分析系统及分析方法
CN110176013B (zh) 血管分割方法、装置、电子设备及存储介质
CN116236150A (zh) 基于眼底图像的动静脉血管图像分割方法
JP2005038409A (ja) 図形処理方法、装置およびプログラム
CN113436131A (zh) 缺陷检测方法、装置、电子设备和存储介质
JP2016205876A (ja) 画像認識装置
CN113313715B (zh) 心脏动脉血管的分割方法、分割装置、设备和介质
CN113724183A (zh) 可读存储介质、支架缺陷位置获取方法及装置
JP3265595B2 (ja) 画像処理方法およびその装置
CN111242969A (zh) 边界节点的确定方法、网格划分方法及医疗设备
JPH07210655A (ja) 眼科用画像処理装置
CN111062942B (zh) 血管分叉的检测方法、装置及医疗设备
CN111696113B (zh) 用于监视生物过程的方法和系统
CN109875595B (zh) 一种颅内血管状态检测方法及装置
JP2019003575A (ja) 画像分析装置及び鉄道設備部品の保守管理方法
JP5155938B2 (ja) パターン輪郭検出方法
CN108090900B (zh) 一种基于ivoct图像的分叉血管自动识别方法
CN113344895A (zh) 高精度的眼底血管管径测量方法、装置、介质和设备
CN113344892A (zh) 一种医学影像处理装置、方法、介质及电子设备

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