CN113781406A - 电子元器件的划痕检测方法、装置及计算机设备 - Google Patents
电子元器件的划痕检测方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN113781406A CN113781406A CN202110960485.9A CN202110960485A CN113781406A CN 113781406 A CN113781406 A CN 113781406A CN 202110960485 A CN202110960485 A CN 202110960485A CN 113781406 A CN113781406 A CN 113781406A
- Authority
- CN
- China
- Prior art keywords
- electronic component
- image
- component image
- pixel
- scratch
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000000638 solvent extraction Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 39
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 230000002829 reductive effect Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 12
- 238000005192 partition Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000903 blocking effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000005316 response function Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000011800 void material Substances 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种电子元器件的划痕检测方法、装置及计算机设备。所述方法包括：获取待检测的电子元器件图像；对电子元器件图像进行分块，得到多个电子元器件图像块；根据每个电子元器件图像块的像素灰度值，确定每个电子元器件图像块的局部阈值；根据所获取的多个局部阈值，确定电子元器件图像的分割阈值；比较每个电子元器件图像块的像素灰度值与分割阈值，根据所得到的比较结果确定电子元器件图像中的划痕区域。采用本方法能够提高在电子元器件图像对比度低时分割划痕区域的准确率，从而提高划痕识别的准确率。
Description
技术领域
本申请涉及电子元器件外观检测技术领域，特别是涉及一种电子元器件的划痕检测方法、装置、计算机设备及计算机可读存储介质。
背景技术
近年来，通讯电子设备、汽车电子设备、消费类电子设备等正向小型化、薄型化和高可靠性的方向发展。电子元器件作为上述电子设备的基础，获得了越来越广泛的应用。为了确保电子元器件的品质，需要对电子元器件的外观进行缺陷检测。
电子元器件的外观缺陷检测包括表面划痕检测。传统技术中，可以采用基于全局阈值分割的划痕缺陷检测方法对电子元器件进行检测。基于全局阈值分割的划痕缺陷检测方法采用统一的全局阈值对所采集的整个电子元器件图像进行区域分割，并将全局阈值分割后的图像直接作为最终的划痕提取结果。但是，基于全局阈值分割的划痕缺陷检测方法难以从低对比度的电子元器件图像中分割出前景区域(例如划痕区域)和背景区域(除划痕区域外的其他区域)，使得电子元器件的表面划痕检测存在准确率低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够在电子元器件图像对比度低的情况下，提升电子元器件表面划痕检测准确率的电子元器件的划痕检测方法、装置、计算机设备及计算机可读存储介质。
第一方面，本申请实施例提供一种电子元器件的划痕检测方法，所述方法包括：
获取待检测的电子元器件图像；
对所述电子元器件图像进行分块，得到多个电子元器件图像块；
根据每个所述电子元器件图像块的像素灰度值，确定每个所述电子元器件图像块的局部阈值；
根据所获取的多个所述局部阈值，确定所述电子元器件图像的分割阈值；
比较每个所述电子元器件图像块的所述像素灰度值与所述分割阈值，根据所得到的比较结果确定所述电子元器件图像中的划痕区域。
在其中一个实施例中，所述获取待检测的电子元器件图像，包括：
获取原始图像；
获取所述原始图像在多个颜色通道上颜色分量的加权和，根据所述加权和生成所述原始图像的灰度图像；
根据所述灰度图像的像素灰度级得到局部直方图，根据所述局部直方图对所述灰度图像进行增强处理，得到增强后的所述灰度图像；
对增强后的所述灰度图像进行滤波降噪处理，得到降噪后的所述灰度图像；
从降噪后的所述灰度图像中提取待检测的电子元器件所在位置的区域，得到所述电子元器件图像。
在其中一个实施例中，所述从降噪后的所述灰度图像中提取待检测的电子元器件所在位置的区域，得到所述电子元器件图像，包括：
获取所述电子元器件的角点信息，以及所述电子元器件的外边界信息；
根据所述角点信息和所述外边界信息，确定所述电子元器件的多个顶点位置；
获取多个所述顶点位置形成的区域，作为所述电子元器件所在位置的区域；
提取所述电子元器件所在位置的区域，得到所述电子元器件图像。
在其中一个实施例中，所述获取所述电子元器件的角点信息，包括：
对于降噪后的所述灰度图像中的每个像素点，以每个所述像素点为中心生成与每个所述像素点对应的窗口，获取存在于所述窗口内的像素点的第一像素灰度值；
向预设方向移动所述窗口，获取存在于移动后的所述窗口内的像素点的第二像素灰度值；
根据所述第一像素灰度值以及所述第二像素灰度值，确定所述电子元器件的所述角点信息。
在其中一个实施例中，获取所述电子元器件的外边界信息，包括：
获取所述电子元器件外边界上多个像素点的位置信息；
根据存在于所述外边界上的像素点的位置信息，确定对应的参数空间内的直线信息；
根据所述直线信息确定所述电子元器件的外边界信息。
在其中一个实施例中，每个所述电子元器件图像块的像素灰度值的数量包括多个；
所述根据每个所述电子元器件图像块的像素灰度值，确定每个所述电子元器件图像块的局部阈值，包括：
根据每个所述电子元器件图像块中属于每个所述像素灰度值的像素点数量，确定每个所述像素灰度值的概率；
根据每个所述像素灰度值的概率，确定每个所述电子元器件图像块的目标阈值；
根据所述目标阈值在所述像素灰度值范围内的取值结果，确定每个所述电子元器件图像块的所述局部阈值。
在其中一个实施例中，所述比较每个所述电子元器件图像块的所述像素灰度值与所述分割阈值，根据所得到的比较结果确定所述电子元器件图像中的划痕区域，包括：
获取每个所述电子元器件图像块中所述像素灰度值大于所述分割阈值的区域，作为所述电子元器件图像的所述划痕区域。
在其中一个实施例中，所述根据所得到的比较结果确定所述电子元器件图像中的划痕区域之后，还包括：
采用对称结构图像对所述电子元器件图像进行卷积处理，消除所述电子元器件图像中的目标区域，得到初始划痕图像，所述目标区域包括空洞区域；
改变所述初始划痕图像中划痕区域的显示状态，得到目标划痕图像。
第二方面，本申请实施例提供一种电子元器件的划痕检测装置，所述装置包括：
图像预处理模块，用于获取待检测的电子元器件图像，对所述电子元器件图像进行分块，得到多个电子元器件图像块；
阈值分割模块，用于根据每个所述电子元器件图像块的像素灰度值，确定每个所述电子元器件图像块的局部阈值；根据每个所述电子元器件图像块的所述局部阈值，确定所述电子元器件图像的分割阈值；
划痕识别模块，用于比较每个所述电子元器件图像块的所述像素灰度值与所述分割阈值，根据所得到的比较结果确定所述电子元器件图像中的划痕区域。
第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项实施例中的步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项实施例中的步骤。
上述电子元器件的划痕检测方法、装置、计算机设备及计算机可读存储介质，通过对电子元器件图像进行分块，得到多个电子元器件图像块，再通过每个电子元器件图像块的像素灰度值确定每个电子元器件图像块的局部阈值，根据多个局部阈值确定分割阈值，利用分割阈值确定电子元器件图像的划痕区域，通过对电子元器件图像进行分块阈值处理，可以提高在电子元器件图像对比度低时分割划痕区域的准确率，从而提高划痕识别的准确率。
附图说明
为了更清楚地说明本说明书实施方式或现有技术中的技术方案，下面将对实施方式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说明书中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中电子元器件的划痕检测方法的流程示意图；
图2为一个实施例中获取待检测的电子元器件图像步骤的流程示意图；
图2a为一个实施例中原始图像分别经普通直方图均衡和自适应直方图均衡化后的对比示意图；
图2b为一个实施例中滤波降噪处理前和滤波降噪处理后的对比示意图；
图3为一个实施例中提取电子元器件所在位置区域步骤的流程示意图；
图4为一个实施例中确定电子元器件图像块的局部阈值步骤的流程示意图；
图5为一个实施例中采用对称结构图像对电子元器件图像进行卷积处理步骤的示意图；
图6为一个实施例中电子元器件的划痕检测方法的流程示意图；
图6a为一个实施例中电子元器件图像分块步骤的示意图；
图6b为一个实施例中识别划痕区域的图像的示意图；
图6c为一个实施例中形态学处理后的图像的示意图；
图7为一个实施例中电子元器件的划痕检测装置的结构示意图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处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。
需要说明的是，本公开的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请提供的电子元器件的划痕检测方法，可以应用于计算机设备中。计算机设备可以是终端，或者服务器，或者终端和服务器组成的系统。计算机设备中至少部署有对图像块进行处理以得到图像块的局部阈值的第一阈值确定逻辑，以及对图像块的局部阈值进行处理以得到图像的分割阈值的第二阈值确定逻辑。具体地，计算机设备在获取待检测的电子元器件图像后，对电子元器件图像进行分块，得到多个电子元器件图像块。然后，通过第一阈值确定逻辑根据每个电子元器件图像块的像素灰度值，确定每个电子元器件图像块的局部阈值。再通过第二阈值确定逻辑根据所获取的多个局部阈值确定电子元器件图像的分割阈值。计算机设备比较每个电子元器件图像块的像素灰度值与分割阈值，根据所得到的比较结果确定电子元器件图像中的划痕区域。
其中，上述终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统。
在一个实施例中，如图1所示，提供了一种电子元器件的划痕检测方法，本实施例以该方法应用于终端进行举例说明，该方法包括以下步骤：
步骤S102，获取待检测的电子元器件图像。
其中，待检测的电子元器件图像指需要进行划痕检测的电子元器件图像。电子元器件图像可以是预先存储于本地数据库或者服务器中的图像；也可以是图像采集设备实时采集的图像；还可以是计算机设备扫描上传的图像。图像采集设备可以为摄像头、摄像机、扫描仪以及其他带有拍照功能的设备(手机、平板电脑等)。
具体地，对待测试的电子元器件图像进行测试的请求可以是用户按需手动触发的，例如用户在应用界面上手动点击触发测试请求；也可以是终端自动触发的，例如终端检测到待检测的电子元器件图像的上传，自动触发测试请求。终端响应于测试请求，获取待检测的电子元器件图像。
步骤S104，对电子元器件图像进行分块，得到多个电子元器件图像块。
具体地，终端在获取电子元器件图像块后，按照预先配置的图像分块方式对电子元器件图像进行分块，得到多个电子元器件图像块。其中，对电子元器件图像进行分块的图像分块方式可以依实际需求配置，例如，将电子元器件图像分为大小相等的多个形状规则的电子元器件图像块；或者，将电子元器件图像分为大小不等的形状规则的多个电子元器件图像块；或者，将电子元器件图像分为大小不等的形状不规则的多个电子元器件图像块；在此不做具体限定。
步骤S106，根据电子元器件图像块的像素灰度值，确定每个电子元器件图像块的局部阈值。
其中，电子元器件图像块的像素灰度值可以用于表征电子元器件图像块中单个像素点的亮度。像素灰度值的数量可以为多个，但是不排除为一个的情况。像素点是构成图像的最小单元。
电子元器件图像块的局部阈值可以用于表征电子元器件图像块中的前景区域与背景区域之间的差异程度，例如，可以为能够使前景区域与背景区域的灰度值方差最大的灰度值。前景区域和背景区域为一个相对概念，例如，前景区域为划痕区域，背景区域可以是除划痕区域外的其他区域。
具体地，终端中预先部署有第一阈值确定逻辑。在获取多个电子元器件图像块后，针对每个电子元器件图像块执行以下处理：终端获取电子元器件图像块中多个像素点的像素灰度值，根据第一阈值确定逻辑得到电子元器件图像块的局部阈值。其中，第一阈值确定逻辑包括：通过预设的第一运算方式对所获取的多个像素点的像素灰度值进行聚类处理，得到电子元器件图像块的目标阈值。示例性地，获取多个像素点的像素灰度值的加权和作为电子元器件图像块的目标阈值；或者，获取多个像素点的像素灰度值的概率，根据像素灰度值的概率确定电子元器件图像块的目标阈值。然后，终端根据所得到的多个目标阈值，确定电子元器件图像块的局部阈值。例如，从所得到的多个目标阈值中随机选择一个作为电子元器件图像块的局部阈值；或者，根据多个目标阈值在像素灰度值范围内的取值结果确定电子元器件图像块的局部阈值。
步骤S108，根据每个电子元器件图像块的局部阈值，确定电子元器件图像的分割阈值。
其中，电子元器件图像的分割阈值可以用于表征电子元器件图像中的前景区域与背景区域之间的差异程度。
具体地，终端中预先部署有第二阈值确定逻辑。终端在对每个电子元器件图像块处理得到对应的局部阈值后，通过第二阈值确定逻辑根据所得到的多个局部阈值得到电子元器件图像的分割阈值。其中，第二阈值确定逻辑可以为获取多个局部阈值的平均值作为电子元器件图像的分割阈值；或者，根据多个局部阈值的比较结果确定电子元器件图像的分割阈值等。
步骤S110，比较每个电子元器件图像块的像素灰度值与分割阈值，根据所得到的比较结果确定电子元器件图像中的划痕区域。
具体地，终端确定电子元器件图像块中每个像素点所属的像素灰度值。将电子元器件图像块中每个像素点的像素灰度值与分割阈值进行比较。获取像素点的像素灰度值大于分割阈值的区域，作为划痕区域；获取像素点的像素灰度值小于或者等于分割阈值的区域，作为划痕区域外的背景区域。
上述电子元器件的划痕检测方法中，通过对电子元器件图像进行分块，得到多个电子元器件图像块，再通过每个电子元器件图像块的像素灰度值确定每个电子元器件图像块的局部阈值，根据多个局部阈值确定分割阈值，利用分割阈值确定电子元器件图像的划痕区域，通过对电子元器件图像进行分块阈值处理，可以提高在电子元器件图像对比度低时分割划痕区域的准确率，从而提高划痕识别的准确率。
在一个实施例中，待检测的电子元器件图像可以是对原始图像进行预处理后得到的图像。如图2所示，步骤S102，获取待检测的电子元器件图像，具体可以通过以下步骤实现：
步骤S202，获取原始图像。
其中，原始图像包括但不限于图像采集设备实时采集到的图像、提前采集并在需要时上传至终端的图像、数据库中存储的图像。
步骤S204，获取原始图像在多个颜色通道上颜色分量的加权和，根据加权和生成原始图像的灰度图像。
其中，颜色通道可以用于表征保存图像颜色信息的通道，可以采用RGB(Red GreenBlue，红色、绿色、蓝色)的通道。颜色分量可以用于表征颜色在对应的颜色通道上的颜色数值。颜色分量的加权和可以用于表征多个颜色分量乘以对应的颜色权值相加得到的数值。灰度图像可以用于表征图像中的每个像素只有一个采样颜色的图像。
具体地，终端在获取原始图像后，获取原始图像在RGB通道上的颜色分量。获取预先配置的与每个颜色分量对应的权值，并根据每个颜色分量以及对应的权值计算颜色分量的加权和，得到每个像素点的灰度值。将每个像素点的灰度值赋给原始图像上的每个像素点，生成灰度图像。
可以通过以下公式得到多个颜色通道上颜色分量的加权和：
Gray(i,j)＝0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j)
其中，Gray(i,j)为灰度图像中的像素点的灰度值，0.299为红色分量的权值，R(i,j)为原始图像中的像素点的红色分量值，0.578为绿色分量的权值，G(i,j)为原始图像中的像素点的绿色分量值，0.114为蓝色分量的权值，B(i,j)为原始图像中的像素点的蓝色分量值。
步骤S206，根据灰度图像的像素灰度级得到局部直方图，根据局部直方图对灰度图像进行增强处理，得到增强后的灰度图像。
其中，局部直方图可以用于反映图像上灰度级与出现这种灰度级的概率之间的关系的直方图。增强处理可以是指通过重新分布灰度图像的像素灰度值来改变图像对比度，在本实施例中，增强处理可以基于自适应直方图均衡化(Adaptive HistogramEqualization,AHE)实现。
具体地，对灰度图像上的每一个像素点，可以采用以像素点为中心的大小相同的滑动窗口在灰度图像上逐行移动，获取滑动窗口内的像素点的像素灰度级。根据该像素灰度级生成局部直方图。通过以下公式计算直方图均衡化后对应的像素灰度值，使用均衡化后的像素灰度值替换灰度图像上对应像素点的像素灰度值，得到增强后的灰度图像。
g(x0,y0)＝T(f(x0,y0))
其中，g(x0,y0)为均衡化后对应的像素灰度值，f(x0,y0)为灰度图像中的像素点的像素灰度值，T为均衡参数。
图2a示出了原始图像分别经普通直方图均衡和自适应直方图均衡化后的对比示意图。如图2a所示，采用自适应直方图均衡化能够通过重新分布亮度来改变图像对比度从而消除光照不均对原始图像的影响，同时解决了传统直方图均衡由于整体亮度的提升导致局部图像细节变得模糊的问题。
步骤S208，对增强后的灰度图像进行滤波降噪处理，得到降噪后的灰度图像。
其中，滤波降噪处理可以用于过滤特定频段的信号，减少噪声。
具体地，终端可以通过滤波器对增强后的灰度图像进行滤波降噪处理。其中，滤波器包括但不仅限于均值滤波器，高斯滤波器，中值滤波器。图2b示例性示出了通过3×3的中值滤波器对灰度图像进行滤波处理的对比示意图。如图2b所示，滤波降噪处理能够很好的改善图像的噪声情况。
步骤S210，提取待检测的电子元器件所在位置的区域，得到电子元器件图像。
具体地，终端对滤波降噪后的灰度图像进行检测，确定该灰度图像上电子元器件所在位置的区域。将电子元器件所在位置的区域裁剪出来，得到电子元器件图像。
本实施例中，通过生成与原始图像对应的灰度图像，能够消除多个颜色相互联系对分割带来的不利影响。通过使用局部直方图对灰度图像进行增强处理，能够消除光照不均对原始图像的影响。通过对增强处理后的灰度图像进行滤波降噪处理，能够平滑图像噪声。通过从滤波处理后的灰度图像中提取待检测的电子元器件所在位置的区域作为电子元器件图像，能够减少后续处理流程中的工作量。
在一个实施例中，如图3所示，步骤S210，提取待检测的电子元器件所在位置的区域，得到电子元器件图像，具体可以通过以下步骤实现：
步骤S302，获取电子元器件图像的角点信息以及外边界信息。
其中，角点指两条线的交点，标识两条边方向改变的地方。角点信息可以使用角点的位置信息表征。外边界信息可以使用电子元器件外边界上像素点的位置信息表征。
具体地，终端在得到滤波处理后的灰度图像后，首先，根据该灰度图像上的每个像素点生成以像素点为中心的窗口，并获取存在于窗口内的像素点的第一像素灰度值。终端向预设方向(例如，同时向x和y两个方向)移动窗口，获取移动后的窗口内的像素点的第二像素灰度值。生成第一像素灰度值和第二像素灰度值之间的像素灰度变化值。
可以通过以下公式得到像素灰度变化值：
其中，E(u,v)为窗口的像素灰度变化值，对于一个角点来说，E(u,v)通常很大；(u,v)为窗口在各个方向上移动所造成的像素点的灰度值变化量；(x,y)为灰度图像上的每一个像素点的坐标；w(x,y)为窗口函数；I(x,y)为第一像素灰度值，I(x+u,y+v)为第二像素灰度值。
然后，确定每一个窗口对应的角点响应函数值。对于E(u,v)可以用泰勒展开得到：
其中，M为像素点的灰度二阶矩阵，灰度值变化的大小取决于矩阵M，R为角点响应函数值，λ1和λ2为矩阵M的特征值。
可以通过以下公式得到每一个窗口对应的角点响应函数值R：
R＝det(M)-k(trace(M))2
det(M)＝λ1λ2
trace(M)＝λ1+λ2
其中，det(M)是矩阵M的行列式，trace(M)是矩阵M的轨迹，k为常数，可以通过多次试验分析得到，例如，采用(0.04,0.06)之间中的任意值。
最后，根据每个窗口对应的角点响应函数值，确定窗口的得分，即将窗口的角点响应函数值作为该窗口的得分。比较窗口的得分与阈值。当窗口的得分大于阈值时，确定窗口中心对应的像素点为角点，并获取角点信息。其中，阈值可以为每个窗口的最大像素灰度值。
然而，通过上述内容虽然得到了许多角点，但是所得到的许多角点中存在许多“废点”。其中，“废点”分为两种：电子元器件轮廓外的点，以及电子元器件轮廓内的点。基于此，可以采用通过基于霍夫变换对电子元器件外边界上多个像素点的位置信息(可以使用位置坐标表征)进行处理，基于霍夫变换的轮廓表示来剔除第一种废点。霍夫变换是基于表决原理的参数估计方法，该过程在一个参数空间中通过计算累计结果的局部最大值，该最大值对应到图像空间得到一个符合特定形状的集合，即为霍夫变换的结果。
在笛卡尔坐标系中，假设经过像素点(xi,yi)的直线表示为：
yi＝kxi+b
其中，(xi,yi)为像素点的位置坐标，k为通过像素点(xi,yi)的直线的斜率，b为通过像素点(xi,yi)的直线的截距。
通过像素点的直线有无数条，现将(xi,yi)视为常数，将k和b看作变量，这样就有x-y平面变换到了k-b参数平面。如果图像坐标x-y空间中有另一像素点且与共线，则其在参数k-b空间对应直线信息表示为：
b＝-x′ik+y′i
其中，(x′i,y′i)为与像素点(xi,yi)共线的另一像素点。
根据上述参数空间中的直线上斜率和截距的极大值信息，确定外边界上像素点集合的位置信息，得到外边界信息。即，在参数空间中的一条直线上的所有点对应电子元器件图像中过某像素点的所有直线，所以在参数空间所有相交于一点的直线分别对应图像空间中的一个像素点，而这些像素点共线。据此，能够拟合边缘点集合的曲线方程，从而检测出符合实际情况的形状轮廓，作为外边界信息。
步骤S304，根据角点信息和外边界信息，确定电子元器件的多个顶点位置。
其中，顶点是指位于电子元器件外边界上的角点。具体地，终端比较所得到的角点信息与外边界信息中的每个点信息，将点信息与角点信息相同的点作为电子元器件图像的顶点。
步骤S306，获取多个顶点位置形成的区域，作为电子元器件所在位置的区域。
步骤S308，提取电子元器件所在位置的区域，得到电子元器件图像。
具体地，终端在得到多个顶点后，将相邻两个顶点进行连接得到多个顶点形成的区域，作为电子元器件所在位置的区域。终端将该区域从灰度图像中裁剪出来，得到电子元器件图像。
本实施例中，通过确定电子元器件的角点信息与外边界信息，剔除灰度图像上位于电子元器件外部的角点信息，提高识别电子元器件的精确度。
在一个实施例中，如图4所示，步骤S106，根据每个电子元器件图像块的像素灰度值，确定每个电子元器件图像块的局部阈值，具体可以通过以下步骤实现：
步骤S402，根据电子元器件图像块中属于每个像素灰度值的像素点数量，确定每个像素灰度值的概率。
具体地，终端将电子元器件图像块的像素值分为多个等级，作为电子元器件图像块的像素灰度值。获取电子元器件图像块中像素值属于每个像素灰度值的像素点数量。根据每个像素灰度值的像素点数量计算得到每个像素灰度值的概率。可以通过以下公式得到每个像素灰度值的概率：
MN＝n0+n1+…+ni+…+nL-1
其中，MN为大小为M×N的图像的像素点总数，ni为像素灰度值为i的像素点个数，L为像素灰度值的个数，Pi为像素灰度值为i的概率。
步骤S404，根据每个像素灰度值的概率，确定每个电子元器件图像块的目标阈值。
具体地，概率满足
且Pi≥0。若目标阈值为T，根据像素点的像素灰度值分为[0,T]的背景区域F1和[T+1,L-1]的划痕区域F2。P1(T)和P2(T)为F1和F2中的概率，可以通过以下公式得到：
其中，T为目标阈值，P1(T)为像素灰度值为[0,T]的背景区域F1的概率，P2(T)为像素灰度值为[T+1,L-1]的划痕区域F2的概率。
继续获取背景区域F1和划痕区域F2的图像平均灰度值：
θ＝P1(T)(K1(T)-KG)2+P2(T)(K2(T)-KG)2＝P1(T)P2(T)(K1(T)-K2(T))2
其中，K1(T)为区域F1的图像平均灰度值，K2(T)为区域F2的图像平均灰度值，θ为平均方差。
步骤S406，根据目标阈值在像素灰度值范围内的取值结果，确定每个电子元器件图像块的局部阈值。
具体地，获取像素灰度值范围内使得平均方差最大的目标阈值，作为电子元器件图像块的局部阈值。即，使T在[0,L-1]在范围内依次取值，采用使θ最大的T值作为局部阈值。
本实施例中，通过对每个电子元器件图像块获取其局部阈值，能够保留每个电子元器件图像块的细节，避免边缘失真及划痕初始轮廓损失，可以确保划痕区域的识别完整性。
在一个实施例中，在根据所得到的比较结果确定电子元器件图像中的划痕区域之后，终端还可以对已确定划痕区域的电子元器件图像进行形态学处理。具体包括：采用对称结构图像对电子元器件图像进行卷积处理，消除电子元器件图像中的目标区域，得到初始划痕图像；改变初始划痕图像中划痕区域的显示状态，得到目标划痕图像。
其中，目标区域可以为图像中的空洞区域。对称结构图像可以是指原点位于中心的几何形状对称的图像，对称结构图像的大小包括但不仅限于3×3(图像尺寸)、5×5、7×7等。
具体地，在确定电子元器件图像中的划痕区域之后，终端将对称结构图像的中心置于电子元器件图像上的每一个像素点上，遍历所有被对称结构图像覆盖的其它像素点，将电子元器件图像上每个像素点的像素值和对称结构图像的像素值做卷积运算；获取卷积结果不为0的区域，将该区域的像素值更改为像素最大值255，即将划痕区域突出显示；获取卷积结果为0的区域，将该区域的像素值更改为像素最小值0，即将背景区域的轮廓膨胀；最终，得到目标划痕图像。图5示例性示出了采用对称结构图像对电子元器件图像进行卷积处理的步骤。如图5所示，结构A为电子元器件图像(为灰度图像)中的部分区域；结构B为对称结构图像，图像大小为3×3；结构C为初始划痕图像中的部分区域。
在卷积处理后，终端还可以按照预设的显示方式配置初始划痕图像中划痕区域的显示状态，得到显示划痕区域的目标划痕图像。其中，预设的显示方式可以但不限于是区分划痕区域与背景区域的显示颜色(例如将划痕区域显示为红色，将背景区域显示为黑色)、使用预设标记标识出划痕区域(例如，在划痕区域处表示箭头)等。
在本实施例中，通过对电子元器件图像进行形态学处理，能够消除电子元器件图像中的空洞区域，降低错误分割率。此外，还会使划痕缺陷更加明显，从而可以提升划痕区域的识别度。
在一个实施例中，如图6所示，提供一种电子元器件的划痕检测方法，包括：
步骤S602，获取摄像头实时采集到的原始图像，生成对应的灰度图像。
具体地，获取原始图像在RGB通道上的颜色分量，设定颜色分量的权值，按照上述实施例所述的内容计算颜色分量的加权和，将颜色分量的加权和作为像素点的灰度值赋给原始图像上的每个像素点，生成灰度图像。
步骤S604，对灰度图像进行增强滤波处理。其中，增强滤波处理包括但不仅限于图像增强处理和滤波降噪处理。图像增强处理和滤波降噪处理的具体实现方式可以参照上述实施例，在此不做具体阐述。
步骤S606，从增强滤波处理后的灰度图像中提取电子元器件图像。
具体地，可以按照上述实施例所述的内容获取角点信息以及外边界信息。根据角点信息与外边界信息确定电子元器件图像的顶点。连接相邻两个顶点得到多个顶点位置形成的区域，作为电子元器件所在位置的区域。裁剪电子元器件所在位置的区域，得到电子元器件图像。
步骤S608，对电子元器件图像进行分块，得到多个电子元器件图像块。图6a示例性示出了对电子元器件图像进行分块的示意图。如图6a所示，首先将电子元器件图像调整为200×200像素尺寸，再将调整后电子元器件图像分为5×5＝25个形状规则且形状相同的电子元器件图像块，每个电子元器件图像块的像素尺寸为40×40。
步骤S610，根据电子元器件图像块的像素灰度值的概率，得到电子元器件图像块的局部阈值。
具体地，确定多个像素灰度值(即像素灰度等级)。获取电子元器件图像块中属于每个像素灰度值的像素点数量。按照上述实施例所述的内容得到每个像素灰度值的概率。根据每个像素灰度值的概率，确定每个电子元器件图像块的目标阈值。获取像素灰度值范围内使平均方差最大的目标阈值，作为电子元器件图像块的局部阈值。
步骤S612，比较电子元器件图像块的局部阈值确定电子元器件图像的分割阈值。
具体地，比较多个电子元器件图像块的局部阈值，通过以下公式得到分割阈值：
Tbest＝max[T1,T2,…,Ti]
其中，Tbest为分割阈值，Ti为局部阈值。
步骤S614，比较每个电子元器件图像块的像素灰度值与分割阈值，根据比较结果确定划痕区域。
具体地，采用分割阈值对电子元器件图像进行分割，当电子元器件图像块中像素点的像素灰度值大于分割阈值时，将该像素点的像素灰度值变更为255，识别为划痕区域；当电子元器件图像块中像素点的像素灰度值小于或者等于分割阈值时，将该像素点的像素灰度值变更为0，识别为划痕区域外的背景区域。图6b示例性示出了一种识别划痕区域的图像的示意图。可以通过以下公式确定划痕区域：
其中，L(xi,yi)为变更后的电子元器件图像上像素点的像素灰度值，I(xi,yi)为变更前的电子元器件图像块上对应像素点的像素灰度值，Tbest为分割阈值。
步骤S616，形态学处理。其中，形态学处理包括采用对称结构图像对电子元器件图像进行卷积处理，改变划痕区域的显示状态等。卷积处理和改变划痕区域的显示状态的具体实现方式可以参照上述实施例，在此不作具体阐述。图6c示例性示出了一种形态学处理后将划痕区域显示为红色的图像。
本实施例中，通过将原始图像转换为灰度图像，对灰度图像进行直方图增强和滤波降噪处理，提取电子元器件所在位置区域作为电子元器件图像，对电子元器件图像进行分块，对得到的多个电子元器件图像块获取局部阈值，再比较每个局部阈值得到分割阈值，对分割阈值处理后的电子元器件图像进行卷积处理，能够消除噪声和光照不均对电子元器件图像的干扰，提高对低对比度区域的分割准确率，降低对图像中的微小瑕疵的错误识别率。
应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不是必然在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序不是必然依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于上述所述的电子元器件的划痕检测方法实施例的描述，本公开实施例还提供电子元器件的划痕检测装置。所述装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本公开实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
在一个实施例中，如图7所示，提供了一种电子元器件的划痕检测装置700，包括：图像预处理模块702、阈值分割模块704和划痕识别模块706。
其中：图像预处理模块702，用于获取待检测的电子元器件图像，对电子元器件图像进行分块，得到多个电子元器件图像块。阈值分割模块704，用于根据每个电子元器件图像块的像素灰度值，确定每个电子元器件图像块的局部阈值；根据每个电子元器件图像块的局部阈值，确定电子元器件图像的分割阈值。划痕识别模块706，用于比较每个电子元器件图像块的像素灰度值与分割阈值，根据所得到的比较结果确定电子元器件图像中的划痕区域。
在一个实施例中，图像预处理模块702，包括：原始图像获取单元，用于获取原始图像；灰度图像生成单元，用于获取原始图像在多个颜色通道上颜色分量的加权和，根据加权和生成原始图像的灰度图像；图像增强单元，用于根据灰度图像的像素灰度级得到局部直方图，根据局部直方图对灰度图像进行增强处理，得到增强后的灰度图像；滤波降噪单元，用于对增强后的灰度图像进行滤波降噪处理，得到降噪后的灰度图像；图像提取单元，用于从降噪后的灰度图像中提取待检测的电子元器件所在位置的区域，得到电子元器件图像；图像分块单元，用于对电子元器件图像进行分块，得到多个电子元器件图像块。
在一个实施例中，图像提取单元，包括：信息获取子单元，用于获取电子元器件的角点信息，以及电子元器件的外边界信息；顶点确定子单元，用于根据角点信息和外边界信息，确定电子元器件的多个顶点位置；区域提取子单元，用于获取多个顶点位置形成的区域，作为电子元器件所在位置的区域；提取电子元器件所在位置的区域，得到电子元器件图像。
在一个实施例中，信息获取子单元，包括：角点获取子单元，用于对于降噪后的灰度图像中的每个像素点，以每个像素点为中心生成与每个像素点对应的窗口，获取存在于窗口内的像素点的第一像素灰度值；向预设方向移动窗口，获取存在于移动后的窗口内的像素点的第二像素灰度值；根据第一像素灰度值以及第二像素灰度值，确定电子元器件的角点信息。
在一个实施例中，信息获取子单元，还包括：外边界获取子单元，用于获取电子元器件外边界上多个像素点的位置信息；根据存在于外边界上的像素点的位置信息，确定对应的参数空间内的直线信息；根据直线信息确定电子元器件的外边界信息。
在一个实施例中，每个电子元器件图像块的像素灰度值的数量包括多个，阈值分割模块704，包括：
根据每个电子元器件图像块中属于每个像素灰度值的像素点数量，确定每个像素灰度值的概率；根据每个像素灰度值的概率，确定每个电子元器件图像块的目标阈值；根据目标阈值在像素灰度值范围内的取值结果，确定每个电子元器件图像块的局部阈值。
在一个实施例中，阈值分割模块704，还包括：比较多个电子元器件图像块的局部阈值，根据比较结果确定电子元器件图像的分割阈值。
在一个实施例中，划痕识别模块706，包括：获取每个电子元器件图像块中像素灰度值大于分割阈值的区域，作为电子元器件图像的划痕区域。
在一个实施例中，电子元器件的划痕检测装置700还包括：形态学处理模块，用于采用对称结构图像对电子元器件图像进行卷积处理，消除电子元器件图像中的目标区域，得到初始划痕图像，所述目标区域包括空洞区域；改变初始划痕图像中划痕区域的显示状态，得到目标划痕图像。
关于电子元器件的划痕检测装置的具体限定可以参见上文中对于电子元器件的划痕检测方法的限定，在此不再赘述。上述电子元器件的划痕检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统、计算机程序和数据库的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的数据库用于存储电子元器件的原始图像数据。该计算机程序被处理器执行时以实现一种电子元器件的划痕检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种电子元器件的划痕检测方法，其特征在于，所述方法包括：
获取待检测的电子元器件图像；
对所述电子元器件图像进行分块，得到多个电子元器件图像块；
根据每个所述电子元器件图像块的像素灰度值，确定每个所述电子元器件图像块的局部阈值；
根据所获取的多个所述局部阈值，确定所述电子元器件图像的分割阈值；
比较每个所述电子元器件图像块的所述像素灰度值与所述分割阈值，根据所得到的比较结果确定所述电子元器件图像中的划痕区域。
2.根据权利要求1所述的方法，其特征在于，所述获取待检测的电子元器件图像，包括：
获取原始图像；
获取所述原始图像在多个颜色通道上颜色分量的加权和，根据所述加权和生成所述原始图像的灰度图像；
根据所述灰度图像的像素灰度级得到局部直方图，根据所述局部直方图对所述灰度图像进行增强处理，得到增强后的所述灰度图像；
对增强后的所述灰度图像进行滤波降噪处理，得到降噪后的所述灰度图像；
从降噪后的所述灰度图像中提取待检测的电子元器件所在位置的区域，得到所述电子元器件图像。
3.根据权利要求2所述的方法，其特征在于，所述从降噪后的所述灰度图像中提取待检测的电子元器件所在位置的区域，得到所述电子元器件图像，包括：
获取所述电子元器件的角点信息，以及所述电子元器件的外边界信息；
根据所述角点信息和所述外边界信息，确定所述电子元器件的多个顶点位置；
获取多个所述顶点位置形成的区域，作为所述电子元器件所在位置的区域；
提取所述电子元器件所在位置的区域，得到所述电子元器件图像。
4.根据权利要求3所述的方法，其特征在于，所述获取所述电子元器件的角点信息，包括：
对于降噪后的所述灰度图像中的每个像素点，以每个所述像素点为中心生成与每个所述像素点对应的窗口，获取存在于所述窗口内的像素点的第一像素灰度值；
向预设方向移动所述窗口，获取存在于移动后的所述窗口内的像素点的第二像素灰度值；
根据所述第一像素灰度值以及所述第二像素灰度值，确定所述电子元器件的所述角点信息。
5.根据权利要求3所述的方法，其特征在于，获取所述电子元器件的外边界信息，包括：
获取所述电子元器件外边界上多个像素点的位置信息；
根据存在于所述外边界上的像素点的位置信息，确定对应的参数空间内的直线信息；
根据所述直线信息确定所述电子元器件的外边界信息。
6.根据权利要求1所述的方法，其特征在于，每个所述电子元器件图像块的像素灰度值的数量包括多个；
所述根据每个所述电子元器件图像块的像素灰度值，确定每个所述电子元器件图像块的局部阈值，包括：
根据每个所述电子元器件图像块中属于每个所述像素灰度值的像素点数量，确定每个所述像素灰度值的概率；
根据每个所述像素灰度值的概率，确定每个所述电子元器件图像块的目标阈值；
根据所述目标阈值在所述像素灰度值范围内的取值结果，确定每个所述电子元器件图像块的所述局部阈值。
7.根据权利要求1中所述的方法，其特征在于，所述比较每个所述电子元器件图像块的所述像素灰度值与所述分割阈值，根据所得到的比较结果确定所述电子元器件图像中的划痕区域，包括：
获取每个所述电子元器件图像块中所述像素灰度值大于所述分割阈值的区域，作为所述电子元器件图像的所述划痕区域。
8.根据权利要求1～7任一项所述的方法，其特征在于，所述根据所得到的比较结果确定所述电子元器件图像中的划痕区域之后，还包括：
采用对称结构图像对所述电子元器件图像进行卷积处理，消除所述电子元器件图像中的目标区域，得到初始划痕图像，所述目标区域包括空洞区域；
改变所述初始划痕图像中划痕区域的显示状态，得到目标划痕图像。
9.一种电子元器件的划痕检测装置，其特征在于，所述装置包括：
图像预处理模块，用于获取待检测的电子元器件图像，对所述电子元器件图像进行分块，得到多个电子元器件图像块；
阈值分割模块，用于根据每个所述电子元器件图像块的像素灰度值，确定每个所述电子元器件图像块的局部阈值；根据每个所述电子元器件图像块的所述局部阈值，确定所述电子元器件图像的分割阈值；
划痕识别模块，用于比较每个所述电子元器件图像块的所述像素灰度值与所述分割阈值，根据所得到的比较结果确定所述电子元器件图像中的划痕区域。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110960485.9A CN113781406B (zh) | 2021-08-20 | 2021-08-20 | 电子元器件的划痕检测方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110960485.9A CN113781406B (zh) | 2021-08-20 | 2021-08-20 | 电子元器件的划痕检测方法、装置及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113781406A true CN113781406A (zh) | 2021-12-10 |
| CN113781406B CN113781406B (zh) | 2024-04-02 |
Family
ID=78838447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110960485.9A Active CN113781406B (zh) | 2021-08-20 | 2021-08-20 | 电子元器件的划痕检测方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781406B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114998313A (zh) * | 2022-07-18 | 2022-09-02 | 山东海鑫达石油机械有限公司 | 基于视觉定位的流体输送管管口毛刺识别定位方法 |
| CN115984280A (zh) * | 2023-03-20 | 2023-04-18 | 广东仁懋电子有限公司 | 基于igbt器件的表痕分析方法、装置、设备及介质 |
| CN116563282A (zh) * | 2023-07-10 | 2023-08-08 | 东莞市博思特数控机械有限公司 | 一种基于机器视觉的钻削刀具检测方法及系统 |
| CN116935493A (zh) * | 2023-09-13 | 2023-10-24 | 成都市青羊大数据有限责任公司 | 一种教育管理系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106920233A (zh) * | 2017-02-24 | 2017-07-04 | 中国人民解放军国防科学技术大学 | 基于图像处理的划痕检测方法、装置及电子设备 |
| CN107993223A (zh) * | 2017-11-27 | 2018-05-04 | 歌尔股份有限公司 | 划痕检测方法、装置和电子设备 |
| CN108550138A (zh) * | 2018-03-14 | 2018-09-18 | 浙江大学山东工业技术研究院 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
| CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
| CN111444921A (zh) * | 2020-03-25 | 2020-07-24 | 浙江华睿科技有限公司 | 划痕缺陷检测方法、装置、计算设备和存储介质 |
-
2021
- 2021-08-20 CN CN202110960485.9A patent/CN113781406B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106920233A (zh) * | 2017-02-24 | 2017-07-04 | 中国人民解放军国防科学技术大学 | 基于图像处理的划痕检测方法、装置及电子设备 |
| CN107993223A (zh) * | 2017-11-27 | 2018-05-04 | 歌尔股份有限公司 | 划痕检测方法、装置和电子设备 |
| CN108550138A (zh) * | 2018-03-14 | 2018-09-18 | 浙江大学山东工业技术研究院 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
| CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
| CN111444921A (zh) * | 2020-03-25 | 2020-07-24 | 浙江华睿科技有限公司 | 划痕缺陷检测方法、装置、计算设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 段双林: "基于机器视觉的电镀插件外观质量检测关键技术研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 3, pages 2 - 4 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114998313A (zh) * | 2022-07-18 | 2022-09-02 | 山东海鑫达石油机械有限公司 | 基于视觉定位的流体输送管管口毛刺识别定位方法 |
| CN115984280A (zh) * | 2023-03-20 | 2023-04-18 | 广东仁懋电子有限公司 | 基于igbt器件的表痕分析方法、装置、设备及介质 |
| CN116563282A (zh) * | 2023-07-10 | 2023-08-08 | 东莞市博思特数控机械有限公司 | 一种基于机器视觉的钻削刀具检测方法及系统 |
| CN116563282B (zh) * | 2023-07-10 | 2023-10-27 | 东莞市博思特数控机械有限公司 | 一种基于机器视觉的钻削刀具检测方法及系统 |
| CN116935493A (zh) * | 2023-09-13 | 2023-10-24 | 成都市青羊大数据有限责任公司 | 一种教育管理系统 |
| CN116935493B (zh) * | 2023-09-13 | 2024-01-02 | 成都市青羊大数据有限责任公司 | 一种教育管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113781406B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
| CN113781402B (zh) | 芯片表面划痕缺陷的检测方法、装置和计算机设备 | |
| CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
| CN110766679B (zh) | 镜头脏污检测方法、装置及终端设备 | |
| CN111161222B (zh) | 一种基于视觉显著性的印刷辊筒缺陷检测方法 | |
| CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
| CN105046254A (zh) | 字符识别方法及装置 | |
| CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
| CN113379723B (zh) | 不规则溢胶口检测方法、装置、设备和存储介质 | |
| CN112464829B (zh) | 一种瞳孔定位方法、设备、存储介质及视线追踪系统 | |
| CN113469921B (zh) | 图像缺陷修复方法、系统、计算机设备及存储介质 | |
| CN111539238B (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
| CN110414649B (zh) | Dm码的定位方法、装置、终端及存储介质 | |
| CN109035167B (zh) | 对图像中的多个人脸进行处理的方法、装置、设备和介质 | |
| CN113609984A (zh) | 一种指针式仪表读数识别方法、装置及电子设备 | |
| CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN113282905A (zh) | 一种登录测试方法及装置 | |
| CN116188379A (zh) | 边缘缺陷检测方法、装置、电子设备及存储介质 | |
| CN111898408A (zh) | 一种快速人脸识别方法及装置 | |
| CN110751623A (zh) | 基于联合特征的缺陷检测方法、装置、设备及存储介质 | |
| CN115797314A (zh) | 零件表面缺陷检测方法、系统、设备及存储介质 | |
| CN114638793A (zh) | 一种屏幕老化程度检测方法及装置 | |
| CN114723728A (zh) | 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统 | |
| CN114937003A (zh) | 一种针对玻璃面板的多类型缺陷检测系统和方法 | |
| CN114494052A (zh) | 书本计数方法、装置、计算机设备和存储介质 |
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 |