CN113763333A - 一种亚像素定位方法、定位系统及存储介质 - Google Patents
一种亚像素定位方法、定位系统及存储介质 Download PDFInfo
- Publication number
- CN113763333A CN113763333A CN202110948270.5A CN202110948270A CN113763333A CN 113763333 A CN113763333 A CN 113763333A CN 202110948270 A CN202110948270 A CN 202110948270A CN 113763333 A CN113763333 A CN 113763333A
- Authority
- CN
- China
- Prior art keywords
- pixel
- characteristic
- positioning
- coordinate
- convex hull
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000010586 diagram Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000004807 localization Effects 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000737 periodic effect Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 10
- 239000007787 solid Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based 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
- G06T2207/10—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及图像处理技术领域,尤其是涉及一种亚像素定位方法、定位系统及存储介质。其中亚像素定位方法包括:设计具有周期性显示的定位图、将定位图映射显示于待测品、通过高分辨率相机采集显示于待测品的定位图的图像画面、对图像画面进行预处理以及计算获取图像画面中特征信息的第一特征坐标,通过显示于待测品的具有不同的特征信息的定位图,并对包含特征信息的定位图进行分析,可以有效的将异常信息剔出,由此可提高特征信息的像素定位精度。而且还可通过改进凸包算法排除区别于特征信息的异常点;并根据凸包算法等计算出的特征信息的特征坐标,采用插值算法计算像素坐标。
Description
技术领域
本申请涉及图像处理技术领域,尤其是涉及一种亚像素定位方法、定位系统及存储介质。
背景技术
采用光学检测设备对显示屏面板、PCB板等产品进行检测,便于对存在缺陷不良等目标图形的产品进行分析、修复等操作,以提高产品的生产良品率。检测时,将通过光学采样获取的图形画面进行传统图像处理,计算获取可显示于待测品的目标图形的位置。其中传统图像处理方式有高斯降噪图像处理、均匀性增强图像处理、二值化图像处理或形态学处理等。
但获取的图形画面容易受检测环境干扰,图形画面中容易出现区别于目标图形的异常信息,比如目标图形可能出现多异常点问题,采用传统图像处理方式获取的目标图形容易包括异常点,影响目标图形的定位精度。
发明内容
为了提高目标图形的定位精度,本申请提供一种亚像素定位方法。
第一方面,本申请提供的一种亚像素定位方法,采用如下的技术方案:
一种亚像素定位方法,包括:
根据待测品的特性,设计定位图;所述定位图包括特征信息;所述特征信息为以第一纯色画面为背景,并规则阵列分布第二纯色图形;所述第一纯色画面与所述第二纯色图形的颜色不同;所述第二纯色图形按周期分布至少有两种;
映射定位图,使定位图显示于待测品;
获取显示于待测品的定位图的图像画面;
对图像画面进行预处理;
计算获取图像画面中特征信息的第一特征坐标;
根据第一特征坐标,计算获取像素坐标。
通过采用上述技术方案,像素是面阵摄像机成像面的最小单位,像相邻素中心之间的距离有几个至十几个微米不等。为了最大限度利用图像信息来提高分辨率,在微观上定义两个物理像素之间的存有亚像素,亚像素是通过计算方法得出的。亚像素精度是指相邻两像素之间细分情况。因此通过计算亚像素的像素坐标,可以改善特征信息的定位精度。
本申请亚像素定位方法中具有不同特征信息中至少有两种第二纯色图形,不同定位图周期性显示,可使存在于待测品的缺陷不良等目标图形得以显示清楚。
通过显示于待测品的具有不同的特征信息的定位图,并对这些定位图结合进行分析,可以有效的将异常点剔除出图像画面,并借助定位图中的特征信息计算获取第一特征坐标,通过第一特征坐标进一步计算包括目标图形的像素坐标,由此可提高特目标图形的像素定位精度。
可选的,其中一种所述第二纯色图形中心为单色单亮点或者为中心间隔分布两种颜色单点。
通过采用上述技术方案,单色单亮点的第二纯色图形与中心间隔分布两种颜色单点的第二纯色图形,均与第一纯色画面均有明显区别,有助于使存在于待测品的缺陷不良等目标图形显示,并在获取的图像画面中清楚显现;而且规律分布的第二纯色图形有助于计算获取第一坐标。
可选的,其中一种所述第二纯色图形中心为单色单亮点,另一种所述第二纯色图形中心间隔分布两种颜色单点。
通过采用上述技术方案,其中两种第二纯色图形为中心为单色单亮点和中心间隔分布两种颜色单点,差异较小,可使区别于目标图形的异常点显现区别;而且至少两种不同的第二纯色图形规律分布,可提高通过第一特征坐标的计算获取效率
可选的,所述根据第一特征坐标,计算获取像素坐标,包括:
对获取的第一特征坐标进行排异,获取正确数量的第二特征坐标;
根据第二特征坐标,计算获取像素坐标。
通过采用上述技术方案,排除图像画面中的异常信息,可便于对特性图形的特征坐标进行统计与定位,高效、稳定定位目标图形的位置;由此获取的第二特征坐标的精度高于第一特征坐标的精度。
可选的,所述对获取的第一特征坐标进行排异,获取正确数量的第二特征坐标包括:
将第一特征坐标集汇集成点集S(p1,…pn),获取凸包(px,…pm),m<n;
计算点集S中各点到凸包相邻点构成直线的距离d;
设定距离阈值Td;
统计点集S中满足距离阈值要求的点,d<Td;
统计点集S中满足距离阈值要求,且对应凸包中各直线的点的数量N(n1,…nm);
设定数量阈值Tn;
获取凸包中的异常点;异常点为N中满足N<Tn的点;
删除点集S中对应的凸包中的异常点,将剩余的点汇集成新的点集S;
迭代计算,获取目标凸包;
修正目标凸包,获取位于凸包边界上的第二特征坐标。
通过采用上述技术方案,采用凸算法获取可有效排除图像画面中的异常点。具体的通过分级多次运算,依次计算低精度坐标、高精度坐标,然后对异常点进行剔除,通常将可能确实少的点通过凸包边界的直接补充,从而可以获取位于目标凸包边界的特征点坐标,即可获取较高精度的第二特征坐标。
可选的,所述修正目标凸包,获取位于凸包边界上的第二特征坐标,包括:
修正目标凸包,以凸包中任意两点连成直线作为边,以距离最远点为对边,围成四边形,通过对比四边形面积和点集S在四条边上的数量;
筛选四条边上点数量最多的四边形,则围成该四边形的点视为最终凸包上的点;
根据围成四边形的点,向内线性插值,获取凸包边界上的第二特征坐标。
通过采用上述技术方案,对目标凸包进一步修正,可修正为四边形也可以修正为其他规则图形。修正后的目标凸包集中了较高精度的点集S,然后通过向内线性插值,可精准计算位于凸包边界上的第二特征坐标。
可选的,所述根据第一特征坐标,计算获取像素坐标,还包括:
提升第二特征坐标的定位精度,获取第三特征坐标;
根据第三特征坐标,计算获取像素坐标。
通过采用上述技术方案,通过获取更高精度的第三特征坐标,有助于进一步提高计算获取的像素坐标的精度。
可选的,所述根据第一特征坐标,计算获取像素坐标还包括:以第三特征坐标为种子坐标,通过双线性插值算法,计算像素坐标。
通过采用上述技术方案,采用双线性插值算法,可在两个方向分别进行一维线性插值,获取采样点内部任意位置的坐标,可更有效获取特征点在设定坐标系中的坐标位置,即获取像素定位,提高目标图形的定位精度,有效对抗检测环境中的引入旋转或噪声等异常因素。
第二方面,本申请提供的一种亚像素定位系统,采用如下的技术方案:
一种亚像素定位系统,包括:
设计模块,根据待测品的特性,设计定位图;所述定位图包括特征信息;所述特征信息为以第一纯色画面为背景,并规则阵列分布第二纯色图形;所述第一纯色画面与所述第二纯色图形的颜色不同;所述第二纯色图形按周期分布至少有两种;
映射模块,用于映射定位图,使定位图显示于待测品;
第一获取模块,用于获取显示于待测品的定位图的图像画面;
处理模块,用于对图像画面进行预处理;以及
第二获取模块,用于计算获取图像画面中特征信息的第一特征坐标;
像素获取模块,用于根据第一特征坐标,计算获取像素坐标。
通过采用上述技术方案,使用时,先通过设计模块根据待测品的特性,设计包括特征信息的定位图;然后通过映射模块将定位图显示于待测品,使定位图与待测品中可能存在的缺陷不良等的目标图形显现;接着通过第一获取模块获取包括目标图形与定位图的图像画面,由处理模块、第二获取模块及像素获取模块利用定位图的特征信息逐步计算获取像素坐标,由此可更准确获取到目标图形的定位精度。
第三方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种亚像素定位方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过显示于待测产品的具有不同的特征信息的定位图,借助定位图的特征信息,逐步提高精度获取像素坐标,可有利于提高目标图形的定位精度;
2.采用分级运算,删除异常点、补充特殊图形中的少点,计算高精度坐标。
附图说明
图1是本申请亚像素定位方法流程框图;
图2是本申请定位图;
图3是图2中A部放大图,主要体现第二纯色图形;
图4是本申请亚像素定位方法中提高像素坐标精度的一种流程框图;
图5是本申请凸包算法示意图;
图6是本申请步骤A100的流程框图;
图7是本申请凸包算法迭代过程示意图;
图8是本申请亚像素定位方法提高像素坐标精度的另一种流程框图;
图9是本申请双线性插值算法示意图;
图10是本申请亚像素定位系统的原理框图;
图11是本申请亚像素定位系统中像素获取模块的原理框图。
具体实施方式
以下结合附图1-11对本申请作进一步详细说明。
本申请实施例公开一种亚像素定位方法。
本申请亚像素定位方法应用的待测品可以为LED屏、LCD或模组等显示屏,也可以为PCB板、金属工件或其他因可能于表面的划痕而影响使用性能的工件。
使用时,根据待测品产生定位图,可利用待测品自身特性,将定位图显示于待测品,获取包括定位图及待测品中目标图形的图像画面,以便于对获取的图像画面进行分析与处理。
其中,显示屏可借助背光结构通电点亮,方便定位图映射;而工件可利用其他投影设备投射、映射定位图,使定位图显示于工件。
本实施例中,待测品以显示屏为例进行阐述说明,可用于对显示屏中存在的缺陷不良等目标图形进行亚像素定位,提高检测精度;具体的缺陷不良可以是Mura类不良、划痕、色不均等。
参照图1,亚像素定位方法,包括以下步骤:
S100,根据待测品的特性,设计定位图;
定位图包括特征信息;特征信息为以第一纯色画面为背景,并规则阵列分布第二纯色图形;第一纯色画面与第二纯色图形的颜色不同;第二纯色图形按周期分布至少有两种。
具体的,具体的待测品显示屏的特性可以为分辨率信息、驱动映射信息等。
第一纯色画面与第二纯色图形的颜色可以为由RGBW或RGB混合而成的任意两种纯色画面,第二纯色图形可以为矩形框、圆形、三角形、五边形或其他规则或不规则的图形。
第二纯色图形按周期分布至少有两种;不同的第二纯色图形可以为不同图形,也可以是不同颜色。
在一个实施例中,为了提高定位图中特征信息定位功能,两种具有明显差异的第二纯色图形,这样便于定位图的特征信息突出。
具体的,一种第二纯色图形中心为单色单亮点;另一种第二纯色图形中心间隔分布两种颜色单点。本实施例中,第二纯色图形有两种,包括两种第二纯色图形的特征信息可以按周期分布设置。
参考图2、图3,本实施例中,第一纯色画面可为全白色画面,均匀分布点阵信息,点阵信息的周围显示空白,形成包含单点的第二纯色图形;第二纯色图形为黑色矩形框。第二纯色图形有两种,一种为包含RGB中一种颜色的单点,另一种为包含另外两种颜色的双点。
S200,映射定位图,使定位图显示于待测品;
具体的,定位图经过映射,可以在显示屏中被正常点亮。
S300,获取显示于待测品的定位图的图像画面;
具体的,采用相机采集正常曝光后的定位图,这些定位图映射显示于待测品,因此采集的图像画面包括了存在于待测品的缺陷不良等目标图形。
相机可为高分辨率相机,高分辨率的工业相机可采集高精度的待测品显示的图像画面,方便后续的图像画面处理。
S400,对图像画面进行预处理;
具体的,对图像画面进行一系列的预处理,预处理方式可以传统图像处理方式,如高斯降噪图像处理、均匀性增强图像处理、二值化图像处理或形态学处理等,由此可以将图像画面中部分异常点剔除,使图像画面中的特征信息和/或目标图形更清晰。
S500,计算获取图像画面中特征信息的第一特征坐标;
具体的,通过定位图的部分特征信息进行算法处理与分析,可获取第一特征坐标,便于对包含目标特征的图案画面进行定位。
S600,根据第一特征坐标,计算获取像素坐标。
具体的,本申请通过定位图的特征信息,计算构建位于图案画面的坐标(即第一特征坐标),然后通过该第一特征坐标可以进一步计算获取像素坐标;由此可根据需求计算获取所有的像素坐标,也可以计算获取局部的像素坐标,用于为了提高图像画面中各个像素的定位精度,提高对目标图形的定位精度。
参考图4,在一个实施例中,步骤S600根据第一特征坐标,计算获取像素坐标包括:
A100,对获取的第一特征坐标进行排异,获取正确数量的二特征坐标。
具体的,受较多异常点影响,计算获取的第一特征坐标精度可能不高,由此可以通过排除影响第一特征坐标的异常信息,可便于对第一特征坐标进行统计与定位达到排异效果,高效、稳定定位目标图形的位置,由此获取精度高于第一特征坐标精度的第二特征坐标。
A200,根据第二特征坐标,计算获取像素坐标。
具体的,通过更高精度的第二特征坐标获取计算的像素坐标精度也将更高,即可进一步提高图像处理精度。
参考图5、图6,步骤A100,对获取的第一特征坐标进行排异,获取正确数量的二特征坐标包括以下子步骤:
A101,将第一特征坐标集汇集成点集S(p1,…pn),获取凸包(px,…pm),m<n;
具体的,在一个实数向量空间V中,对于给定集合X,所有包含X的凸集的交集S被称为X的凸包。X的凸包可以用X内所有点(X1,X2,…,Xn)的线性组合来构造。在二维欧几里得空间中,凸包可想象为一条刚好包着所有点的不规则多边形。通俗理解为,点集最外围的点(不包含向内凹陷的点)相连构成的闭合图形。
A102,计算点集S中各点到凸包相邻点构成直线的距离d;
A103,设定距离阈值Td;
具体的,距离阈值Td可根据待测品的特性及已测产品的测试数据统计,进行设定。
A104,统计点集S中满足距离阈值要求的点,d<Td;
A105,统计点集S中满足距离阈值要求,且对应凸包中各直线的点的数量N(n1,…nm);
具体的,参考图5,P10与P12形成的直线具有点的数量N为5。
A106,设定数量阈值Tn;
具体的,数量阈值Tn可根据待测品的特性及可能存在的特征信息的点进行设定。
A107,获取凸包中的异常点;异常点为N中满足N<Tn的点;
具体的,统计N中满足N<Tn的点,即可获取凸包中的异常点。
A108,删除点集S中对应的凸包中的异常点,将剩余的点汇集成新的点集S;
A109,迭代计算,获取目标凸包;
具体的,参考图7,可迭代计算步骤S601~S608,分级计算,由低精度到高精度逐渐排除异常点。
A110,修正目标凸包,获取位于凸包边界上的第一特征坐标。
具体的,可根据实际需要对目标凸包进行修正,可以将目标凸包修正为规则图形,也可以修正为不规则图形,以使得通过改进凸包算法获取的目标凸包能够包含第一特征坐标,获取高精度的第一特征坐标。
进一步的,步骤A110修正目标凸包,获取位于凸包边界上的第一特征坐标,包括:
A1101,修正目标凸包,以凸包中任意两点连成直线作为边,以距离最远点为对边,围成四边形,通过对比四边形面积和点集S在四条边上的数量;
A1102,筛选四条边上点数量最多的四边形,则围成该四边形的点视为最终凸包上的点;
A1103,根据围成四边形的点,向内线性插值,获取凸包边界上的第一特征坐标。
具体的,对目标凸包进一步修正,可修正为四边形也可以修正为其他规则图形。修正后的目标凸包集中了较高精度的点集S,然后通过向内线性插值,可精准计算位于凸包边界上的第一特征坐标。
由此可通过凸包算法排异。
参考图8,为了便于进一步对获取到的图像画面中像素进行定位,在另一个实施例中,步骤S600根据第一特征坐标,计算获取像素坐标还包括:
A100,对获取的第一特征坐标进行排异,获取正确数量的二特征坐标。
具体的,受较多异常点影响,计算获取的第一特征坐标精度可能不高,由此可以通过排除影响第一特征坐标的异常信息,可便于对第一特征坐标进行统计与定位达到排异效果,高效、稳定定位目标图形的位置,由此获取精度高于第一特征坐标精度的第二特征坐标。
步骤A100具体操作可参考上述通过凸包算法排异方法。
B100,提升第二特征坐标的定位精度,获取第三特征坐标;
具体的,可采用搜索领域极值算法等提升第二特征坐标的精度。
B200,根据第三特征坐标,计算获取像素坐标。
具体的,通过更高精度的第三特征坐标获取计算的像素坐标精度也将更高,即可进一步提高图像处理精度。
进一步的,步骤S600根据第一特征坐标,计算获取像素坐标还包括:以第三特征坐标为种子坐标,计算获取特征信息的亚像素坐标为:通过双线性插值算法,计算像素坐标。
具体的,双线性插值算法是在两个方向分别进行一维线性插值,获取采样点内部任意位置的坐标。采样点就是从一类点集中挑选出的部分点,作为种子点;比如从上述凸包点集中选择部分特征点为采样点。
参考图9,假定未知函数f,已知函数f在Q11(x1,y1)、Q12(x1,y2)、Q21(x2,y1)、Q22(x2,y2)的值,求f在P(x,y)的值。已知Q11、Q12、Q21、Q22在A、B两个坐标系下的值,另外根据A坐标系下P的值,计算B坐标系下P的值,具体计算过程分解如下:
求解f(R1):
求解f(R2):
在y轴方向插值:
整理:
基于同一发明构思,本实施例还公开一种亚像素定位系统。
参考图10,一种亚像素定位系统,包括设计模块、映射模块、第一获取模块、处理模块、第二获取模块和像素获取模块。
设计模块用于根据待测品的特性,设计定位图。定位图包括特征信息;特征信息为以第一纯色画面为背景,并规则阵列分布第二纯色图形;第一纯色画面与第二纯色图形的颜色不同;第二纯色图形按周期分布至少有两种。
映射模块用于映射定位图,使定位图显示于待测品。
第一获取模块用于获取显示于待测品的定位图的图像画面。
处理模块用于对图像画面进行预处理。
第二获取模块用于计算获取图像画面中特征信息的第一特征坐标。
像素获取模块,用于根据第一特征坐标,计算获取像素坐标。
使用时,使用时,先通过设计模块根据待测品的特性,设计生产可周期性变化显示的定位图案包括特征信息的定位图;然后通过映射模块将设计完成的定位图案定位图显示于待测品,使定位图案定位图与待测品中可能存在的缺陷不良等的特征信息目标图形重叠显现;接着通过第一获取模块获取包括目标图形特征信息与定位图案定位图的图像画面,由处理模块、第二获取模块及像素获取模块利用定位图的特征信息逐步计算获取像素坐标,由此可通过特征坐标可更准确获取到目标图形的定位精度。
参考图11,在另一实施例中,像素获取模块包括排异子模块和获取子模块。
排异子模块用于对获取的第一特征信息的特征坐标进行排异,获取正确数量的第二特征坐标;并根据第二特征坐标,计算获取像素坐标。
具体的,可以通过上述步骤A101~ A110实现对获取的第一特征坐标进行排异。
获取子模块用于提升第二特征坐标的定位精度,获取第三特征坐标;根据第三特征坐标,计算获取像素坐标。
通过更高精度的第三特征坐标获取计算的像素坐标精度也将更高,即可进一步提高图像处理精度。
基于上述同一发明构思,本申请实施例提供一种计算机可读存储介质,包括能够被处理器加载执行时实现一种亚像素定位方法中的各个步骤。
计算机可读存储介质例如包括:U 盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,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,即将装置的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。上述描述的定位系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的定位系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个定位系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元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,本申请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全部或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)或处理器(processor)执行本申请各个实施例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、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上,以上实施例仅用以对本申请的技术方案进行了详细介绍,但以上实施例的说明只是用于帮助理解本申请的方法及其核心思想,不应理解为对本申请的限制。本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种亚像素定位方法,其特征在于,包括:
根据待测品的特性,设计定位图;所述定位图包括特征信息;所述特征信息为以第一纯色画面为背景,并规则阵列分布第二纯色图形;所述第一纯色画面与所述第二纯色图形的颜色不同;所述第二纯色图形按周期分布至少有两种;
映射定位图,使定位图显示于待测品;
获取显示于待测品的定位图的图像画面;
对图像画面进行预处理;
计算获取图像画面中特征信息的第一特征坐标;
根据第一特征坐标,计算获取像素坐标。
2.根据权利要求1所述的亚像素定位方法,其特征在于:其中一种所述第二纯色图形中心为单色单亮点或者为中心间隔分布两种颜色单点。
3.根据权利要求2所述的亚像素定位方法,其特征在于:其中一种所述第二纯色图形中心为单色单亮点,另一种所述第二纯色图形中心间隔分布两种颜色单点。
4.根据权利要求1所述的亚像素定位方法,其特征在于:所述根据第一特征坐标,计算获取像素坐标包括:
对获取的第一特征坐标进行排异,获取正确数量的第二特征坐标;根据第二特征坐标,计算获取像素坐标。
5.根据权利要求4所述的亚像素定位方法,其特征在于:所述对获取的第一特征坐标进行排异,获取正确数量的第二特征坐标包括:
将第一特征坐标集汇集成点集S(p1,…pn),获取凸包(px,…pm),m<n;
计算点集S中各点到凸包相邻点构成直线的距离d;
设定距离阈值Td;
统计点集S中满足距离阈值要求的点,d<Td;
统计点集S中满足距离阈值要求,且对应凸包中各直线的点的数量N(n1,…nm);
设定数量阈值Tn;
获取凸包中的异常点;异常点为N中满足N<Tn的点;
删除点集S中对应的凸包中的异常点,将剩余的点汇集成新的点集S;
迭代计算,获取目标凸包;
修正目标凸包,获取位于凸包边界上的第二特征坐标。
6.根据权利要求5所述的亚像素定位方法,其特征在于:所述修正目标凸包,获取位于凸包边界上的第二特征坐标,包括:
修正目标凸包,以凸包中任意两点连成直线作为边,以距离最远点为对边,围成四边形,通过对比四边形面积和点集S在四条边上的数量;
筛选四条边上点数量最多的四边形,则围成该四边形的点视为最终凸包上的点;
根据围成四边形的点,向内线性插值,获取凸包边界上的第二特征坐标。
7.根据权利要求1所述的亚像素定位方法,其特征在于:所述根据第一特征坐标,计算获取像素坐标还包括:
提升第二特征坐标的定位精度,获取第三特征坐标;
根据第三特征坐标,计算获取像素坐标。
8.根据权利要求7所述的亚像素定位方法,其特征在于:所述根据第一特征坐标,计算获取像素坐标还包括:
以第三特征坐标为种子坐标,通过双线性插值算法,计算像素坐标。
9.一种亚像素定位系统,其特征在于,包括:
设计模块,根据待测品的特性,设计定位图;所述定位图包括特征信息;所述特征信息为以第一纯色画面为背景,并规则阵列分布第二纯色图形;所述第一纯色画面与所述第二纯色图形的颜色不同;所述第二纯色图形按周期分布至少有两种;
映射模块,用于映射定位图,使定位图显示于待测品;
第一获取模块,用于获取显示于待测品的定位图的图像画面;
处理模块,用于对图像画面进行预处理;以及
第二获取模块,用于计算获取图像画面中特征信息的第一特征坐标;
像素获取模块,用于根据第一特征坐标,计算获取像素坐标。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至8中任一项所述的一种亚像素定位方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948270.5A CN113763333B (zh) | 2021-08-18 | 2021-08-18 | 一种亚像素定位方法、定位系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948270.5A CN113763333B (zh) | 2021-08-18 | 2021-08-18 | 一种亚像素定位方法、定位系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763333A true CN113763333A (zh) | 2021-12-07 |
CN113763333B CN113763333B (zh) | 2024-02-13 |
Family
ID=78790231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110948270.5A Active CN113763333B (zh) | 2021-08-18 | 2021-08-18 | 一种亚像素定位方法、定位系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763333B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080034720A (ko) * | 2006-10-17 | 2008-04-22 | 현대자동차주식회사 | Dlt 알고리즘을 이용한 영상왜곡 보정방법 |
CN102881027A (zh) * | 2012-07-26 | 2013-01-16 | 方正国际软件有限公司 | 一种图像中确定区域四边形的检测方法及系统 |
US20130120431A1 (en) * | 2011-11-16 | 2013-05-16 | Renesas Electronics Corporation | Image processing apparatus, image processing method, and program product |
CN105787912A (zh) * | 2014-12-18 | 2016-07-20 | 南京大目信息科技有限公司 | 一种基于分类的阶跃型边缘亚像素定位方法 |
CN109003258A (zh) * | 2018-06-15 | 2018-12-14 | 广东工业大学 | 一种高精度亚像素圆形零件测量方法 |
CN111199198A (zh) * | 2019-12-27 | 2020-05-26 | 深圳市优必选科技股份有限公司 | 一种图像目标定位方法、图像目标定位装置及移动机器人 |
CN111415314A (zh) * | 2020-04-14 | 2020-07-14 | 北京神工科技有限公司 | 一种基于亚像素级视觉定位技术的分辨率修正方法及装置 |
CN111882530A (zh) * | 2020-07-15 | 2020-11-03 | 苏州佳智彩光电科技有限公司 | 一种亚像素定位图生成方法、定位方法及装置 |
CN111932504A (zh) * | 2020-07-20 | 2020-11-13 | 苏州佳智彩光电科技有限公司 | 一种基于边缘轮廓信息的亚像素定位方法及装置 |
CN112434632A (zh) * | 2020-12-01 | 2021-03-02 | 康佳集团股份有限公司 | 一种图形识别方法、智能终端及存储介质 |
-
2021
- 2021-08-18 CN CN202110948270.5A patent/CN113763333B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080034720A (ko) * | 2006-10-17 | 2008-04-22 | 현대자동차주식회사 | Dlt 알고리즘을 이용한 영상왜곡 보정방법 |
US20130120431A1 (en) * | 2011-11-16 | 2013-05-16 | Renesas Electronics Corporation | Image processing apparatus, image processing method, and program product |
CN102881027A (zh) * | 2012-07-26 | 2013-01-16 | 方正国际软件有限公司 | 一种图像中确定区域四边形的检测方法及系统 |
CN105787912A (zh) * | 2014-12-18 | 2016-07-20 | 南京大目信息科技有限公司 | 一种基于分类的阶跃型边缘亚像素定位方法 |
CN109003258A (zh) * | 2018-06-15 | 2018-12-14 | 广东工业大学 | 一种高精度亚像素圆形零件测量方法 |
CN111199198A (zh) * | 2019-12-27 | 2020-05-26 | 深圳市优必选科技股份有限公司 | 一种图像目标定位方法、图像目标定位装置及移动机器人 |
CN111415314A (zh) * | 2020-04-14 | 2020-07-14 | 北京神工科技有限公司 | 一种基于亚像素级视觉定位技术的分辨率修正方法及装置 |
CN111882530A (zh) * | 2020-07-15 | 2020-11-03 | 苏州佳智彩光电科技有限公司 | 一种亚像素定位图生成方法、定位方法及装置 |
CN111932504A (zh) * | 2020-07-20 | 2020-11-13 | 苏州佳智彩光电科技有限公司 | 一种基于边缘轮廓信息的亚像素定位方法及装置 |
CN112434632A (zh) * | 2020-12-01 | 2021-03-02 | 康佳集团股份有限公司 | 一种图形识别方法、智能终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113763333B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103345755B (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
KR20190028794A (ko) | GPU 기반 TFT-LCD Mura 결함 탐지 방법 | |
CN114494045B (zh) | 一种基于机器视觉的大型直齿轮几何参数测量系统及方法 | |
US20050007364A1 (en) | Method for sorting ununiformity of liquid crystal display panel sorting apparatus, and information recorded medium with recorded program for executing this sorting | |
JP2014523524A (ja) | 全原画像を使用した欠陥検出システムおよび方法 | |
CN110276750A (zh) | 一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法 | |
CN109829948A (zh) | 摄像机标定板、标定方法以及摄像机 | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
CN112669280B (zh) | 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法 | |
CN111882530A (zh) | 一种亚像素定位图生成方法、定位方法及装置 | |
CN115861351A (zh) | 边缘检测方法、缺陷检测方法及检测装置 | |
CN117576219A (zh) | 大广角鱼眼镜头单次拍摄图像的相机标定设备及标定方法 | |
CN101897196A (zh) | 确定多组件显示器的空隙漫射器的位置 | |
CN108876747B (zh) | 一种oled绘素的提取方法及装置 | |
CN113989384A (zh) | 相机标定方法、裁切数据生成方法、装置、设备及介质 | |
CN110223356A (zh) | 一种基于能量生长的单目相机全自动标定方法 | |
CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
CN113763333B (zh) | 一种亚像素定位方法、定位系统及存储介质 | |
CN115546016B (zh) | Pcb的2d和3d图像的采集和处理方法及相关装置 | |
US8824768B1 (en) | Fertilization test method and apparatus | |
CN108564571B (zh) | 图像区域选取方法及终端设备 | |
CN114705824B (zh) | 一种金属元件产品缺陷检测方法及系统 | |
TW200842339A (en) | Mura detection method and system | |
CN113554688A (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |