CN114119609A - 图像污点浓度的检测方法、装置、设备及存储介质 - Google Patents
图像污点浓度的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114119609A CN114119609A CN202210083594.1A CN202210083594A CN114119609A CN 114119609 A CN114119609 A CN 114119609A CN 202210083594 A CN202210083594 A CN 202210083594A CN 114119609 A CN114119609 A CN 114119609A
- Authority
- CN
- China
- Prior art keywords
- image
- stain
- target
- surrounding frame
- concentration
- 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 40
- 238000001514 detection method Methods 0.000 claims abstract description 111
- 238000005192 partition Methods 0.000 claims abstract description 18
- 238000000638 solvent extraction Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 6
- 230000002411 adverse Effects 0.000 abstract description 5
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000008676 import Effects 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
- 238000012797 qualification Methods 0.000 description 1
- 150000003839 salts Chemical class 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
-
- 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 by the use of local operators
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Abstract
本申请公开了一种图像污点浓度的检测方法、装置、设备及存储介质,通过对目标污点图像进行图像分区,得到目标检测图像,目标检测图像包括多个图像区域,以有效规避图像画面不均匀和暗角严重对检测结果的不利影响,降低对产品图像的成像要求;以及确定目标检测图像的污点包围框,若污点包围框处于目标检测图像的多个第一目标图像区域,则计算污点包围框在每个第一目标图像区域内的污点平均亮度;最后根据污点平均亮度与第一目标图像区域的区域平均亮度,确定污点包围框的污点浓度,以能够针对任何产品图像进行污点浓度检测,而无需调整检测算法和大量产品进行验证,提高污点浓度检测的通用性。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像污点浓度的检测方法、装置、设备及存储介质。
背景技术
在摄像设备等产品进行验收时,需要对产品图像进行污点检测,以保证产品合格率。传统方式是通过人眼主观判断图像污点是否合格,但人工判断存在误判和人员一致性差异的问题。
目前,通过计算图像污点浓度,以采用污点浓度进行阈值判断。但是,对于不同产品的污点浓度检测时,需要重新调整检测算法,并通过大量产品验证算法准确性,其通用性差;并且现有污点浓度检测方式对图像的成像要求高,不利于大规模产品图像的污点浓度检测。
发明内容
本申请提供了一种图像污点浓度的检测方法、装置、设备及存储介质,以解决图像污点浓度检测方式存在通用性差的技术问题。
为了解决上述技术问题,本申请实施例提供了一种图像污点浓度的检测方法,包括:
对目标污点图像进行图像分区,得到目标检测图像,目标检测图像包括多个图像区域;
确定目标检测图像的污点包围框;
若污点包围框处于目标检测图像的多个第一目标图像区域,则计算污点包围框的污点平均亮度;
根据污点平均亮度与第一目标图像区域的区域平均亮度,确定污点包围框的污点浓度。
本实施例通过对目标污点图像进行图像分区,得到目标检测图像,目标检测图像包括多个图像区域,以有效规避图像画面不均匀和暗角严重对检测结果的不利影响,降低对产品图像的成像要求;以及确定目标检测图像的污点包围框,若污点包围框处于目标检测图像的多个第一目标图像区域,则计算污点包围框在每个第一目标图像区域内的污点平均亮度,从而能够进行污点跨区识别,以能够实现后续对污点浓度进行跨区计算;最后根据污点平均亮度与第一目标图像区域的区域平均亮度,确定污点包围框的污点浓度,以能够针对任何产品图像进行污点浓度检测,而无需调整检测算法和大量产品进行验证,提高污点浓度检测的通用性。
在一实施例中,若污点包围框处于目标检测图像的多个第一目标图像区域,则计算污点包围框在每个第一目标图像区域内的污点平均亮度之前,还包括:
确定污点包围框的位置坐标是否在多个图像区域的坐标范围内;
若污点包围框的位置坐标同时在多个图像区域的坐标范围内,则判定污点包围框处于目标检测图像的多个第一目标图像区域。
在一实施例中,确定污点包围框的位置坐标是否在多个图像区域的坐标范围内之后,还包括:
若污点包围框的位置坐标未同时在多个图像区域的坐标范围内,则确定污点包围框所在的第二目标图像区域;
根据污点平均亮度与第二目标图像区域的区域平均亮度,确定污点包围框的污点浓度。
在一实施例中,根据污点平均亮度与第一目标图像区域的区域平均亮度,确定污点包围框的污点浓度,包括:
对于每个第一目标图像区域,确定污点包围框的污点平均亮度与第一目标图像区域的区域平均亮度之间的亮度差值,得到多个第一目标图像区域对应的亮度差值;
对多个亮度差值进行均值运算,得到污点包围框的污点浓度。
在一实施例中,对目标污点图像进行图像分区,得到目标检测图像,包括:
根据预设分区模板,对目标污点图像进行图像分区,得到目标检测图像,预设分区模板的尺寸与目标污点图像的尺寸相同,目标检测图像的图像区域划分为16个区域。
在一实施例中,对目标污点图像进行图像分区,得到目标检测图像之前,包括:
获取产品污点图像,对产品污点图像进行灰度图转换和降噪处理,得到目标污点图像。
在一实施例中,确定目标检测图像的污点包围框,包括:
基于预设的污点检测模型,对目标检测图像进行污点检测,输出目标检测图像的污点包围框。
第二方面,本申请实施例提供一种图像污点浓度的检测装置,包括:
分区模块,用于对目标污点图像进行图像分区,得到目标检测图像,目标检测图像包括多个图像区域;
第一确定模块,用于确定目标检测图像的污点包围框;
计算模块,用于若污点包围框处于目标检测图像的多个第一目标图像区域,则计算污点包围框的污点平均亮度;
第二确定模块,用于根据污点平均亮度与第一目标图像区域的区域平均亮度,确定污点包围框的污点浓度。
第三方面,本申请实施例提供一种计算机设备,包括处理器和存储器,存储器用于存储计算机程序,计算机程序被处理器执行时实现如第一方面的图像污点浓度的检测方法的步骤。
第四方面,本申请实施例提供一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现如第一方面的图像污点浓度的检测方法的步骤。
需要说明的是,上述第二方面至第四方面的有益效果请参见上述第一方面的相关描述,在此不再赘述。
附图说明
图1为本申请实施例提供的图像污点浓度的检测方法的流程示意图;
图2为本申请实施例提供的图像区域的示意图;
图3为本申请实施例提供的污点检测界面示意图;
图4为本申请实施例提供的图像污点浓度的检测装置的结构示意图;
图5为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
如相关技术记载,目前,通过计算图像污点浓度,以采用污点浓度进行阈值判断。但是,对于不同产品的污点浓度检测时,需要重新调整检测算法,并通过大量产品验证算法准确性,其通用性差;并且现有污点浓度检测方式对图像的成像要求高,不利于大规模产品图像的污点浓度检测。
为此,本申请实施例提供一种图像污点浓度的检测方法、装置、设备及存储介质,通过对目标污点图像进行图像分区,得到目标检测图像,所述目标检测图像包括多个图像区域,以有效规避图像画面不均匀和暗角严重对检测结果的不利影响,降低对产品图像的成像要求;以及确定所述目标检测图像的污点包围框,若所述污点包围框处于所述目标检测图像的多个第一目标图像区域,则计算所述污点包围框在每个所述第一目标图像区域内的污点平均亮度,从而能够进行污点跨区识别,以能够实现后续对污点浓度进行跨区计算;最后根据所述污点平均亮度与所述第一目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度,以能够针对任何产品图像进行污点浓度检测,而无需调整检测算法和大量产品进行验证,提高污点浓度检测的通用性。
请参照图1,图1为本申请实施例提供的一种图像污点浓度的检测方法的流程示意图。本申请实施例的图像污点浓度的检测方法能够应用于计算机设备,该计算机设备包括但不限于智能手机、平板电脑、笔记本电脑、桌上型计算机、物理服务器和云端服务器等设备。如图1所示,本实施例的图像污点浓度的检测方法包括步骤S101至步骤S104,详述如下:
步骤S101,对目标污点图像进行图像分区,得到目标检测图像,所述目标检测图像包括多个图像区域。
在本步骤中,目标污点图像为摄像设备等产品采集的产品图像进行预处理后得到的污点图像,其可以预先对产品图像进行预处理后存储于预设存储空间,以被计算机设备进行污点浓度检测时调用。图像分区为将图像划分多个区域的过程,通过对目标污点图像进行图像分区,得到目标检测图像,能够有效规避图像画面不均匀和暗角严重对检测结果的不利影响,降低对产品图像的成像要求,提高污点浓度检测的通用性。
可选地,根据目标污点图像的图像尺寸,按照图像尺寸与图像区域之间的预设比例对目标污点图像进行图像分区,得到目标检测图像。
可选地,如图2所示,根据预设分区模板,对所述目标污点图像进行图像分区,得到所述目标检测图像,所述预设分区模板的尺寸与所述目标污点图像的尺寸相同,所述目标检测图像的图像区域包括16个区域。
在本可选实施例中,预设分区模板设有多个图像分区。通过将目标污点图像进行尺寸变换,以使目标污点图像的尺寸与预设分区模板的尺寸相同,再将预设分区模板叠加到模板污点图像,以实现对模板污点图像进行图像分区。
可选地,16个区域面积大小可按需调整。
步骤S102,确定所述目标检测图像的污点包围框。
在本步骤中,污点包围框为包围污点的图像区域,其可以由用户框选,也可以通过目标检测算法检测得到。
可选地,所述确定所述目标检测图像的污点包围框,包括:基于预设的污点检测模型,对所述目标检测图像进行污点检测,输出所述目标检测图像的污点包围框。在本可选实施例中,污点检测模型为基于目标检测算法构建并训练得到的智能模型,例如YOLOv5算法等。
步骤S103,若所述污点包围框处于所述目标检测图像的多个第一目标图像区域,则计算所述污点包围框的污点平均亮度。
在本步骤中,对污点包围框进行跨区识别,若污点同时处于多个图像区域,则将污点所在图像区域作为第一目标图像区域,并计算污点包围框在所述第一目标图像区域内的部分的污点平均亮度。通过跨区识别能够准确计算污点包围框的污点平均亮度,从而能够提高污点浓度的检测准确度。
步骤S104,根据所述污点平均亮度与所述第一目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度。
在本步骤中,通过每个第一目标图像区域内的像素亮度,计算每个第一目标图像区域的区域平均亮度,通过污点包围框内的像素亮度,计算污点包围框的污点平均亮度,再根据所述污点平均亮度与所述第一目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度,以能够针对任何产品图像进行污点浓度检测,而无需调整检测算法和大量产品进行验证,提高污点浓度检测的通用性。
可选地,对于每个所述第一目标图像区域,确定所述污点包围框的污点平均亮度与所述第一目标图像区域的区域平均亮度之间的亮度差值,得到多个所述第一目标图像区域对应的亮度差值;对多个所述亮度差值进行均值运算,得到所述污点包围框的污点浓度。
在本可选实施例中,污点浓度=(污点平均亮度-第一目标图像区域1的区域平均亮度)+(污点平均亮度-第一目标图像区域2的区域平均亮度)+…+(污点平均亮度-第一目标图像区域n的区域平均亮度)/n。
可选地,对于每个所述第一目标图像区域,计算污点包围框在第一目标图像区域内的污点平均亮度;确定所述污点平均亮度与所述第一目标图像区域的区域平均亮度之间的亮度差值,得到多个所述第一目标图像区域对应的亮度差值;对多个所述亮度差值进行均值运算,得到所述污点包围框的污点浓度。
可以理解的是,对于本可选实施例,污点平均亮度为污点包围框分别在每个目标图像区域内的污点平均亮度,能够进一步有效规避污点平均亮度受图像不均匀的不利影响,提高污点浓度检测的准确度。
在一实施例中,在图1所示实施例的基础上,所述若所述污点包围框处于所述目标检测图像的多个第一目标图像区域,则计算所述污点包围框在每个所述第一目标图像区域内的污点平均亮度之前,还包括:
确定所述污点包围框的位置坐标是否在多个所述图像区域的坐标范围内;
若所述污点包围框的位置坐标同时在多个所述图像区域的坐标范围内,则判定所述污点包围框处于所述目标检测图像的多个第一目标图像区域。
在本实施例中,位置坐标可以是像素坐标,由于污点包围框和图像区域均包含多个像素点,所以位置坐标为像素坐标集合,通过确定污点包围框的像素坐标集合与多个图像区域的像素坐标集合是否存在交集,若是,则判定污点包围框跨越多个区域,若否,则判定污点包围框仅在一个图像区域内,并将与污点包围框的像素坐标集合存在交集的图像区域作为第二图像区域。
在一实施例中,在图1所示实施例的基础上,所述确定所述污点包围框的位置坐标是否在多个所述图像区域的坐标范围内之后,还包括:
若所述污点包围框的位置坐标未同时在多个所述图像区域的坐标范围内,则确定所述污点包围框所在的第二目标图像区域;
根据所述污点平均亮度与所述第二目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度。
在本实施例中,污点浓度=(污点平均亮度-第二目标图像区域的区域平均亮度)。
在一实施例中,在图1所示实施例的基础上,所述对目标污点图像进行图像分区,得到目标检测图像之前,包括:获取产品污点图像,对所述产品污点图像进行图像处理,得到所述目标污点图像。
在本实施例中,图像处理包括灰度图转换和图片降噪处理。通过对产品污点图像进行降噪处理,以消除噪点对亮度计算的影响,提高计算结果的精确度。
可选地,图像处理还包括将原图转换为YCbCr格式图像,提取图像Y分量,得到灰度图像,消除颜色偏差导致每个产品计算出来的浓度差异。
可选地,对产品污点图像进行5×5像素的高斯滤波处理,实现图像平滑。
可选地,对产品污点图像进行5×5像素的中值滤波处理,以去除图像的椒盐噪声。
作为示例而非限定,图3所示了图像污点浓度的检测方法的一种应用场景界面,通过“导入图片选项”将产品污点图像导入到应用软件,并在应用软件的“图片显示区域”显示产品污点图像,通过“浓度设定”设定污点浓度阈值,框选污点区域,点击“计算”,则计算机设备开始对产品污点图像进行污点浓度检测,并与污点浓度阈值进行对比,最终输出污点检测结果。
为了执行上述方法实施例对应的图像污点浓度的检测方法,以实现相应的功能和技术效果。参见图4,图4示出了本申请实施例提供的一种图像污点浓度的检测装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的图像污点浓度的检测装置,包括:
分区模块401,用于对目标污点图像进行图像分区,得到目标检测图像,所述目标检测图像包括多个图像区域;
第一确定模块402,用于确定所述目标检测图像的污点包围框;
计算模块403,用于若所述污点包围框处于所述目标检测图像的多个第一目标图像区域,则计算所述污点包围框的污点平均亮度;
第二确定模块404,用于根据所述污点平均亮度与所述第一目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度。
在一实施例中,所述图像污点浓度的检测装置,还包括:
第三确定模块,用于确定所述污点包围框的位置坐标是否在多个所述图像区域的坐标范围内;
判定模块,用于若所述污点包围框的位置坐标同时在多个所述图像区域的坐标范围内,则判定所述污点包围框处于所述目标检测图像的多个第一目标图像区域。
在一实施例中,所述图像污点浓度的检测装置,还包括:
第四确定模块,用于若所述污点包围框的位置坐标未同时在多个所述图像区域的坐标范围内,则确定所述污点包围框所在的第二目标图像区域;
第五确定模块,用于根据所述污点平均亮度与所述第二目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度。
在一实施例中,所述第二确定模块404,包括:
确定单元,用于对于每个所述第一目标图像区域,确定所述污点包围框的污点平均亮度与所述第一目标图像区域的区域平均亮度之间的亮度差值,得到多个所述第一目标图像区域对应的亮度差值;
运算单元,用于对多个所述亮度差值进行均值运算,得到所述污点包围框的污点浓度。
在一实施例中,所述分区模块401,包括:
分区单元,用于根据预设分区模板,对所述目标污点图像进行图像分区,得到所述目标检测图像,所述预设分区模板的尺寸与所述目标污点图像的尺寸相同,所述目标检测图像的图像区域包括16个区域。
在一实施例中,所述图像污点浓度的检测装置,包括:
预处理模块,用于获取产品污点图像,对所述产品污点图像进行灰度图转换和降噪处理,得到所述目标污点图像。
在一实施例中,所述第一确定模块402,包括:
检测模块,用于基于预设的污点检测模型,对所述目标检测图像进行污点检测,输出所述目标检测图像的污点包围框。
上述的图像污点浓度的检测装置可实施上述方法实施例的图像污点浓度的检测方法。上述方法实施例中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容,在本实施例中,不再进行赘述。
图5为本申请一实施例提供的计算机设备的结构示意图。如图5所示,该实施例的计算机设备5包括:至少一个处理器50(图5中仅示出一个)处理器、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52,所述处理器50执行所述计算机程序52时实现上述任意方法实施例中的步骤。
所述计算机设备5可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器50、存储器51。本领域技术人员可以理解,图5仅仅是计算机设备5的举例,并不构成对计算机设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),该处理器50还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述计算机设备5的内部存储单元,例如计算机设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述计算机设备5的外部存储设备,例如所述计算机设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在计算机设备上运行时,使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,可以理解的是,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
所述功能如果以软件功能模块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终端设备执行本申请各个实施例所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。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围。特别指出,对于本领域技术人员来说,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像污点浓度的检测方法,其特征在于,包括:
对目标污点图像进行图像分区,得到目标检测图像,所述目标检测图像包括多个图像区域;
确定所述目标检测图像的污点包围框;
若所述污点包围框处于所述目标检测图像的多个第一目标图像区域,则计算所述污点包围框的污点平均亮度;
根据所述污点平均亮度与所述第一目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度。
2.如权利要求1所述的图像污点浓度的检测方法,其特征在于,所述若所述污点包围框处于所述目标检测图像的多个第一目标图像区域,则计算所述污点包围框的污点平均亮度之前,还包括:
确定所述污点包围框的位置坐标是否在多个所述图像区域的坐标范围内;
若所述污点包围框的位置坐标同时在多个所述图像区域的坐标范围内,则判定所述污点包围框处于所述目标检测图像的多个第一目标图像区域。
3.如权利要求2所述的图像污点浓度的检测方法,其特征在于,所述确定所述污点包围框的位置坐标是否在多个所述图像区域的坐标范围内之后,还包括:
若所述污点包围框的位置坐标未同时在多个所述图像区域的坐标范围内,则确定所述污点包围框所在的第二目标图像区域;
根据所述污点平均亮度与所述第二目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度。
4.如权利要求1所述的图像污点浓度的检测方法,其特征在于,所述根据所述污点平均亮度与所述第一目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度,包括:
对于每个所述第一目标图像区域,确定所述污点包围框的污点平均亮度与所述第一目标图像区域的区域平均亮度之间的亮度差值,得到多个所述第一目标图像区域对应的亮度差值;
对多个所述亮度差值进行均值运算,得到所述污点包围框的污点浓度。
5.如权利要求1所述的图像污点浓度的检测方法,其特征在于,所述对目标污点图像进行图像分区,得到目标检测图像,包括:
根据预设分区模板,对所述目标污点图像进行图像分区,得到所述目标检测图像,所述预设分区模板的尺寸与所述目标污点图像的尺寸相同,所述目标检测图像的图像区域包括16个区域。
6.如权利要求1所述的图像污点浓度的检测方法,其特征在于,所述对目标污点图像进行图像分区,得到目标检测图像之前,包括
获取产品污点图像,对所述产品污点图像进行灰度图转换和降噪处理,得到所述目标污点图像。
7.如权利要求1所述的图像污点浓度的检测方法,其特征在于,所述确定所述目标检测图像的污点包围框,包括:
基于预设的污点检测模型,对所述目标检测图像进行污点检测,输出所述目标检测图像的污点包围框。
8.一种图像污点浓度的检测装置,其特征在于,包括:
分区模块,用于对目标污点图像进行图像分区,得到目标检测图像,所述目标检测图像包括多个图像区域;
第一确定模块,用于确定所述目标检测图像的污点包围框;
计算模块,用于若所述污点包围框处于所述目标检测图像的多个第一目标图像区域,则计算所述污点包围框的污点平均亮度;
第二确定模块,用于根据所述污点平均亮度与所述第一目标图像区域的区域平均亮度,确定所述污点包围框的污点浓度。
9.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的图像污点浓度的检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,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如权利要求1至7任一项所述的图像污点浓度的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210083594.1A CN114119609B (zh) | 2022-01-25 | 2022-01-25 | 图像污点浓度的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210083594.1A CN114119609B (zh) | 2022-01-25 | 2022-01-25 | 图像污点浓度的检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114119609A true CN114119609A (zh) | 2022-03-01 |
CN114119609B CN114119609B (zh) | 2022-04-26 |
Family
ID=80360898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210083594.1A Active CN114119609B (zh) | 2022-01-25 | 2022-01-25 | 图像污点浓度的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114119609B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130163863A1 (en) * | 2011-12-26 | 2013-06-27 | Fujitsu Limited | Image processing apparatus, image processing method, and recording medium |
KR20140067394A (ko) * | 2012-11-26 | 2014-06-05 | 엘지디스플레이 주식회사 | 표시장치의 얼룩 검출 장치 및 방법 |
CN106412573A (zh) * | 2016-10-26 | 2017-02-15 | 歌尔科技有限公司 | 一种检测镜头污点的方法和装置 |
CN111246204A (zh) * | 2020-03-24 | 2020-06-05 | 昆山丘钛微电子科技有限公司 | 一种基于相对亮度偏差的脏污检测方法和装置 |
CN111465353A (zh) * | 2018-11-22 | 2020-07-28 | 佳能医疗系统株式会社 | 医用图像处理装置、医用图像处理方法及存储介质 |
CN112106061A (zh) * | 2018-03-30 | 2020-12-18 | 加利福尼亚大学董事会 | 使用深度学习对未标记荧光图像进行数字染色的方法和系统 |
CN112561913A (zh) * | 2021-02-23 | 2021-03-26 | 武汉精创电子技术有限公司 | 一种显示面板mura缺陷样本数据的生成方法及装置 |
-
2022
- 2022-01-25 CN CN202210083594.1A patent/CN114119609B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130163863A1 (en) * | 2011-12-26 | 2013-06-27 | Fujitsu Limited | Image processing apparatus, image processing method, and recording medium |
KR20140067394A (ko) * | 2012-11-26 | 2014-06-05 | 엘지디스플레이 주식회사 | 표시장치의 얼룩 검출 장치 및 방법 |
CN106412573A (zh) * | 2016-10-26 | 2017-02-15 | 歌尔科技有限公司 | 一种检测镜头污点的方法和装置 |
CN112106061A (zh) * | 2018-03-30 | 2020-12-18 | 加利福尼亚大学董事会 | 使用深度学习对未标记荧光图像进行数字染色的方法和系统 |
CN111465353A (zh) * | 2018-11-22 | 2020-07-28 | 佳能医疗系统株式会社 | 医用图像处理装置、医用图像处理方法及存储介质 |
CN111246204A (zh) * | 2020-03-24 | 2020-06-05 | 昆山丘钛微电子科技有限公司 | 一种基于相对亮度偏差的脏污检测方法和装置 |
CN112561913A (zh) * | 2021-02-23 | 2021-03-26 | 武汉精创电子技术有限公司 | 一种显示面板mura缺陷样本数据的生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114119609B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11182885B2 (en) | Method and apparatus for implementing image enhancement, and electronic device | |
US10187546B2 (en) | Method and device for correcting document image captured by image pick-up device | |
EP3306562B1 (en) | Image processing method and device | |
CN113126937B (zh) | 一种显示终端调整方法及显示终端 | |
CN107622504B (zh) | 用于处理图片的方法和装置 | |
CN110399842B (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
US9286653B2 (en) | System and method for increasing the bit depth of images | |
WO2019128495A1 (zh) | 图像清晰度检测方法、装置、存储介质及电子设备 | |
CN111368717A (zh) | 视线确定方法、装置、电子设备和计算机可读存储介质 | |
US20120320433A1 (en) | Image processing method, image processing device and scanner | |
WO2019134505A1 (zh) | 图像虚化方法、存储介质及电子设备 | |
CN112396050B (zh) | 图像的处理方法、设备以及存储介质 | |
CN111311482A (zh) | 背景虚化方法、装置、终端设备及存储介质 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN111192190A (zh) | 消除图像水印的方法、装置及电子设备 | |
CN110765799A (zh) | 客户端扫码识别方法、装置、设备及存储介质 | |
CN108960012B (zh) | 特征点检测方法、装置及电子设备 | |
US11017557B2 (en) | Detection method and device thereof | |
WO2017128646A1 (zh) | 一种图像处理的方法及装置 | |
CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN114119609B (zh) | 图像污点浓度的检测方法、装置、设备及存储介质 | |
CN111222446A (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN108810407B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
US9077963B2 (en) | Systems and methods for generating a depth map and converting two-dimensional data to stereoscopic data | |
CN111784607A (zh) | 图像色调映射方法、装置、终端设备及存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: Floor 25, Block A, Zhongzhou Binhai Commercial Center Phase II, No. 9285, Binhe Boulevard, Shangsha Community, Shatou Street, Futian District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Youjia Innovation Technology Co.,Ltd. Address before: 518051 401, building 1, Shenzhen new generation industrial park, No. 136, Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong Province Patentee before: SHENZHEN MINIEYE INNOVATION TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |