CN114549533B - 模板图像存储方法、装置、设备及存储介质 - Google Patents
模板图像存储方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114549533B CN114549533B CN202210455929.8A CN202210455929A CN114549533B CN 114549533 B CN114549533 B CN 114549533B CN 202210455929 A CN202210455929 A CN 202210455929A CN 114549533 B CN114549533 B CN 114549533B
- Authority
- CN
- China
- Prior art keywords
- value
- template image
- sequence
- difference
- pixel point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000007547 defect Effects 0.000 claims abstract description 156
- 239000000463 material Substances 0.000 claims abstract description 50
- 230000002950 deficient Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 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
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了模板图像存储方法、装置、设备及存储介质,该方法包括:获取待检测产品的缺陷比对模板图像,并确定缺陷比对模板图像中各像素点对应的第一等差灰度值数列;确定第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及第一首项值对应的像素点的第一像素坐标;根据第一首项值、第一公差值和第一项数,构建模板图像灰度值素材库;构建第一首项值、第一公差值和第一项数三者与第一像素坐标的关联文件,以能够根据关联文件和模板图像灰度值素材库还原缺陷比对模板图像。本发明减少了存储空间的占用,节约了存储资源。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种模板图像存储方法、装置、设备及存储介质。
背景技术
产品缺陷检测在产品的生产中尤为重要,目前随着图像识别技术的逐渐成熟,通过将图像识别技术引入到产品缺陷检测中,不仅提高了产品缺陷的检测效率和准确率,还大大节省了人力。通常进行产品缺陷的检测前期,需要事先预存大量不同缺陷类型的缺陷产品图像模板作为产品缺陷检测的检测标准,从而方便后期将采集的产品图像与缺陷产品图像模板进行比对,以判断所检测的产品是否存在缺陷。在产品缺陷类型众多时,事先预存的缺陷产品图像模板数量庞大,造成存储资源占用较多。
发明内容
本发明实施例通过提供一种模板图像存储方法、装置、设备及存储介质,旨在解决在产品缺陷类型众多时,事先预存的缺陷产品图像模板数量庞大,造成存储资源占用较多的技术问题。
本发明实施例提供了一种模板图像存储方法,所述模板图像存储方法,包括:
获取待检测产品的缺陷比对模板图像,并确定所述缺陷比对模板图像中各像素点对应的第一等差灰度值数列;
确定所述第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及所述第一首项值对应的像素点的第一像素坐标;
根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库;
构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件,以能够根据所述关联文件和所述模板图像灰度值素材库还原所述缺陷比对模板图像。
在一实施例中,所述确定所述缺陷比对模板图像中各像素点对应的第一等差灰度值数列的步骤包括:
获取所述缺陷比对模板图像中各像素点的灰度值,并确定所述各像素点的第二像素坐标;
将所述各像素点的灰度值与预设灰度图像的预设灰度值作差,得到所述各像素点对应的第一差值序列;
按照所述各像素点的第二像素坐标的顺序,从所述第一差值序列中提取所述各像素点对应的第二差值序列;其中,所述第二差值序列的序列长度小于或者等于所述第一差值序列的序列长度,且所述第二差值序列中相邻两个数值的差值相等;
将所述各像素点对应的第二差值序列确定为所述各像素点对应的第一等差灰度值数列。
在一实施例中,所述根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库的步骤包括:
获取所述第一首项值、所述第一公差值和所述第一项数中之一对应的第二等差灰度值数列;
确定所述第二等差灰度值数列对应的第二首项值、第二公差值以及第二项数;
将所述第二首项值、所述第二公差值以及所述第二项数存储至所述模板图像灰度值素材库。
在一实施例中,所述根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库的步骤,还包括:
对所述第一首项值、所述第一公差值和所述第一项数进行去重处理;
将去重后的所述第一首项值、所述第一公差值和所述第一项数存储至所述模板图像灰度值素材库。
在一实施例中,所述获取待检测产品的缺陷比对模板图像的步骤包括:
获取缺陷产品对应的多个原始外观图像;
对多个所述原始外观图像进行去重处理,得到模板图像;
在确定所述模板图像中所述缺陷产品的实物图像发生倾斜时,对所述模板图像进行调整,以对所述实物图像进行校正;
将调整后的所述模板图像作为所述缺陷比对模板图像。
在一实施例中,所述获取待检测产品的缺陷比对模板图像的步骤,还包括:
获取缺陷产品对应的原始外观图像;
从所述原始外观图像中提取所述缺陷产品的实物图像,并将所述提取的所述实物图像作为所述缺陷比对模板图像。
在一实施例中,所述构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件步骤之后,还包括:
在接收到所述待检测产品的缺陷检测指令时,根据所述关联文件从所述模板图像灰度值素材库中,提取所述第一像素坐标对应的所述第一首项值、所述第一公差值和所述第一项数;
根据所述第一首项值、所述第一公差值、所述第一项数和预设等差数列公式构建所述第一等差灰度值数列;
根据所述第一等差灰度值数列,还原所述缺陷比对模板图像中各像素点的灰度值;
根据所述各像素点的灰度值,还原所述缺陷比对模板图像。
此外,为实现上述目的,本发明还提供了一种模板图像存储装置,所述模板图像存储装置包括:
数列获取模块,用于获取待检测产品的缺陷比对模板图像,并确定所述缺陷比对模板图像中各像素点对应的第一等差灰度值数列;
数据获取模块,用于确定所述第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及所述第一首项值对应的像素点的第一像素坐标;
素材构建模块,用于根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库;
文件构建模块,用于构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件,以能够根据所述关联文件和所述模板图像灰度值素材库还原所述缺陷比对模板图像。
此外,为实现上述目的,本发明还提供了一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模板图像存储程序,所述模板图像存储程序被所述处理器执行时实现上述的模板图像存储方法的步骤。
此外,为实现上述目的,本发明还提供了一种存储介质,其上存储有模板图像存储程序,所述模板图像存储程序被处理器执行时实现上述的模板图像存储方法的步骤。
本发明实施例中提供的一种模板图像存储方法、装置、设备及存储介质的技术方案,至少具有如下技术效果或优点:
由于采用了获取待检测产品的缺陷比对模板图像,并确定缺陷比对模板图像中各像素点对应的第一等差灰度值数列,确定第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及第一首项值对应的像素点的第一像素坐标,根据第一首项值、第一公差值和第一项数,构建模板图像灰度值素材库,构建第一首项值、第一公差值和第一项数三者与第一像素坐标的关联文件,以能够根据关联文件和模板图像灰度值素材库还原缺陷比对模板图像的技术方案,解决了在产品缺陷类型众多时,事先预存的缺陷产品图像模板数量庞大,造成存储资源占用较多的技术问题,本发明通过以等差数列的首项、公差、项数的形式对缺陷比对模板图像进行存储,减少了存储空间的占用,节约了存储资源。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的结构示意图;
图2为本发明模板图像存储方法的一实施例的流程示意图;
图3为缺陷比对模板图像的一种示意图;
图4为本发明第一等差灰度值数列的确定流程示意图;
图5为本发明模板图像存储方法中步骤S230的一种具体流程示意图;
图6为本发明模板图像存储方法中步骤S230的另一种具体流程示意图;
图7为本发明模板图像存储装置的功能模块图。
具体实施方式
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示,图1为本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图1即可为终端设备的硬件运行环境的结构示意图。
如图1所示,该终端设备可以包括:处理器1001,例如CPU,存储器1005,用户接口1003,网络接口1004,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端设备结构并不构成对终端设备限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及模板图像存储程序。其中,操作系统是管理和控制终端设备硬件和软件资源的程序,模板图像存储程序以及其它软件或程序的运行。
在图1所示的终端设备中,用户接口1003主要用于连接终端,与终端进行数据通信;网络接口1004主要用于后台服务器,与后台服务器进行数据通信;处理器1001可以用于调用存储器1005中存储的模板图像存储程序。
在本实施例中,终端设备包括:存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器上运行的模板图像存储程序,其中:
处理器1001调用存储器1005中存储的模板图像存储程序时,执行以下操作:
获取待检测产品的缺陷比对模板图像,并确定所述缺陷比对模板图像中各像素点对应的第一等差灰度值数列;
确定所述第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及所述第一首项值对应的像素点的第一像素坐标;
根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库;
构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件,以能够根据所述关联文件和所述模板图像灰度值素材库还原所述缺陷比对模板图像。
处理器1001调用存储器1005中存储的模板图像存储程序时,还执行以下操作:
获取所述缺陷比对模板图像中各像素点的灰度值,并确定所述各像素点的第二像素坐标;
将所述各像素点的灰度值与预设灰度图像的预设灰度值作差,得到所述各像素点对应的第一差值序列;
按照所述各像素点的第二像素坐标的顺序,从所述第一差值序列中提取所述各像素点对应的第二差值序列;其中,所述第二差值序列的序列长度小于或者等于所述第一差值序列的序列长度,且所述第二差值序列中相邻两个数值的差值相等;
将所述各像素点对应的第二差值序列确定为所述各像素点对应的第一等差灰度值数列。
处理器1001调用存储器1005中存储的模板图像存储程序时,还执行以下操作:
获取所述第一首项值、所述第一公差值和所述第一项数中之一对应的第二等差灰度值数列;
确定所述第二等差灰度值数列对应的第二首项值、第二公差值以及第二项数;
将所述第二首项值、所述第二公差值以及所述第二项数存储至所述模板图像灰度值素材库。
处理器1001调用存储器1005中存储的模板图像存储程序时,还执行以下操作:
对所述第一首项值、所述第一公差值和所述第一项数进行去重处理;
将去重后的所述第一首项值、所述第一公差值和所述第一项数存储至所述模板图像灰度值素材库。
处理器1001调用存储器1005中存储的模板图像存储程序时,还执行以下操作:
获取缺陷产品对应的多个原始外观图像;
对多个所述原始外观图像进行去重处理,得到模板图像;
在确定所述模板图像中所述缺陷产品的实物图像发生倾斜时,对所述模板图像进行调整,以对所述实物图像进行校正;
将调整后的所述模板图像作为所述缺陷比对模板图像。
处理器1001调用存储器1005中存储的模板图像存储程序时,还执行以下操作:
获取缺陷产品对应的原始外观图像;
从所述原始外观图像中提取所述缺陷产品的实物图像,并将所述提取的所述实物图像作为所述缺陷比对模板图像。
处理器1001调用存储器1005中存储的模板图像存储程序时,还执行以下操作:
在接收到所述待检测产品的缺陷检测指令时,根据所述关联文件从所述模板图像灰度值素材库中,提取所述第一像素坐标对应的所述第一首项值、所述第一公差值和所述第一项数;
根据所述第一首项值、所述第一公差值、所述第一项数和预设等差数列公式构建所述第一等差灰度值数列;
根据所述第一等差灰度值数列,还原所述缺陷比对模板图像中各像素点的灰度值;
根据所述各像素点的灰度值,还原所述缺陷比对模板图像。
本发明实施例提供了模板图像存储方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图2所示,在本发明的一实施例中,本发明的模板图像存储方法,包括以下步骤:
步骤S210:获取待检测产品的缺陷比对模板图像,并确定所述缺陷比对模板图像中各像素点对应的第一等差灰度值数列。
本实施例中,工厂在批量生产产品时,需要对所生产的产品进行外观质量检测,通过外观检测以判断所生产的产品的外观质量是否合格,需要进行外观质量检测的产品即为待检测产品。缺陷比对模板图像可以理解为外观存在缺陷的产品的图像,缺陷比对模板图像中包括产品外观上的划痕、破洞、凸起缺陷、掉漆等其他缺陷。缺陷比对模板图像是事先采集并存储起来的外观缺陷图像,其用于与待检测产品的产品外观图像进行对比,以判断产品外观图像中是否存在缺陷比对模板图像中的缺陷,也就是检测待检测产品的外观上是否存在缺陷;例如,检测待检测产品的外观上是否存在划痕、破洞、凸起缺陷、掉漆等其他缺陷。
值得注意的是,所述待检测产品的外观图案的颜色是具有规律的,外观图案的颜色存在规律,则拍摄的产品图像中各像素点的灰度值排序也是存在规律的。待检测产品的外观上色后的图案颜色与待检测产品的外观没有上颜色之前,二者颜色是不一样的。例如,图3是一种缺陷比对模板图像,可以看出待检测产品的外观图案是黑白交替的,图中100表示缺陷比对模板图像,200表示缺陷比对模板图像中的缺陷区域,缺陷区域200中的颜色与图中其他区域的颜色不一样,其他区域是没有缺陷的,则其他没有区域对应的外观图案的颜色也是具有规律的。
获取待检测产品的缺陷比对模板图像之后,确定出缺陷比对模板图像中各像素点对应的第一等差灰度值数列。所述各像素点对应的第一等差灰度值数列可以理解为,可以是每行中各像素点对应的第一等差灰度值数列,也可以是列中各像素点对应的第一等差灰度值数列。第一等差灰度值数列可以理解为等差数列,其中,对于一张缺陷比对模板图像,该缺陷比对模板图像中存在多个第一等差灰度值数列。第一等差灰度值数列中的数值均与像素点的灰度值相关,例如,第一等差灰度值数列中的每个数值为每行或列中对应的像素点的灰度值。例如,第一等差灰度值数列为255,255,255,255,255;又例如,第一等差灰度值数列为0,0,0,0,0;等等。
步骤S220:确定所述第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及所述第一首项值对应的像素点的第一像素坐标。
由于等差数列的性质,如果已知等差数列的首项、项数和公差,整个等差数列就可以计算出来,那么得到缺陷比对模板图像中各像素点对应的第一等差灰度值数列之后,可以计算出第一等差灰度值数列对应的第一首项值、第一公差值和第一项数,即通过第一首项值、第一公差值和第一项数可以还原出第一等差灰度值数列。
得到缺陷比对模板图像中各像素点对应的第一等差灰度值数列之后,第一等差灰度值数列中每个数值的排列顺序就是每个像素点在缺陷比对模板图像中的排列顺序,每个像素点在缺陷比对模板图像中的排列顺序可以通过像素点的像素坐标表示,像素坐标包括行坐标和列坐标;为了便于区分,所述像素坐标称为第一像素坐标。例如,其中一个第一等差灰度值数列包括5个数值,这5个数值中的第1数值-第5数值与缺陷比对模板图像中左上角的第1个像素点-第5个像素点的排列顺序对应,则第1数值-第5数值与缺陷比对模板图像中左上角的第1个像素点-第5个像素点的排列顺序相同,分别是:第1行第1列,第1行第2列,第1行第3列,第1行第4列,第1行第5列。
由于第一等差灰度值数列中的数值与像素点的第一像素坐标是对应相同的,且各像素点的第一像素坐标是连续的,当第一等差灰度值数列对应的第一首项值确定之后,只需通过第一首项值对应的第一像素坐标和第一项数便可以确定出其他像素点的第一像素坐标。例如,其中一个第一等差灰度值数列包括5个数值,这5个数值中的第1数值对应的第一像素坐标是第1行第1列,基于此,可以计算出其他4个数值的对应的第一像素坐标,即分别是第1行第2列,第1行第3列,第1行第4列,第1行第5列。
步骤S230:根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库。
模板图像灰度值素材库是预先设置的,得到第一等差灰度值数列对应的第一首项值、第一公差值和第一项数之后,将第一首项值、第一公差值和第一项数存储到模板图像灰度值素材库中,从而实现模板图像灰度值素材库的构建。相对于将整个缺陷比对模板图像存储起来,存储整个缺陷比对模板图像需要存储所有像素点的灰度值,而本发明通过将第一首项值、第一公差值和第一项数存储到模板图像灰度值素材库中,大大减少了模板图像灰度值素材库存储空间的占用,节约了存储资源。
步骤S240:构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件,以能够根据所述关联文件和所述模板图像灰度值素材库还原所述缺陷比对模板图像。
将第一首项值、第一公差值和第一项数存储到模板图像灰度值素材库中之后,构建第一首项值、第一公差值和第一项数三者与第一像素坐标的关联文件,所述关联文件可以将第一首项值、第一公差值和第一项数三者与第一像素坐标关联起来,后续如果需要获取缺陷比对模板图像时,通过读取关联文件就可以从模板图像灰度值素材库中提取到第一像素坐标关联的第一首项值、第一公差值和第一项数。然后通过提取的第一首项值、第一公差值和第一项数还原出第一等差灰度值数列,接着通过第一等差灰度值数列还原出对应的缺陷比对模板图像的各像素点的灰度值,最后,根据各像素点的灰度值和各像素点的第一像素坐标还原出缺陷比对模板图像。
本实施例根据上述技术方案,由于采用了获取待检测产品的缺陷比对模板图像,并确定缺陷比对模板图像中各像素点对应的第一等差灰度值数列,确定第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及第一首项值对应的像素点的第一像素坐标,根据第一首项值、第一公差值和第一项数,构建模板图像灰度值素材库,构建第一首项值、第一公差值和第一项数三者与第一像素坐标的关联文件,以能够根据关联文件和模板图像灰度值素材库还原缺陷比对模板图像的技术方案,通过以等差数列的首项、公差、项数的形式对缺陷比对模板图像进行存储,减少了存储空间的占用,节约了存储资源。
如图4所示,基于上述实施例,确定所述缺陷比对模板图像中各像素点对应的第一等差灰度值数列包括以下步骤:
步骤S2111:获取所述缺陷比对模板图像中各像素点的灰度值,并确定所述各像素点的第二像素坐标;
步骤S2112:将所述各像素点的灰度值与预设灰度图像的预设灰度值作差,得到所述各像素点对应的第一差值序列;
步骤S2113:按照所述各像素点的第二像素坐标的顺序,从所述第一差值序列中提取所述各像素点对应的第二差值序列;其中,所述第二差值序列的序列长度小于或者等于所述第一差值序列的序列长度,且所述第二差值序列中相邻两个数值的差值相等;
步骤S2114:将所述各像素点对应的第二差值序列确定为所述各像素点对应的第一等差灰度值数列。
在获取所述缺陷比对模板图像之后,缺陷比对模板图像中各像素点的灰度值是已知的,即可以获取到缺陷比对模板图像中各像素点的灰度值。获取到缺陷比对模板图像中各像素点的灰度值之后,各像素点的像素坐标也是已知的,为了便于区别所述像素坐标称为第二像素坐标,则各像素点的第二像素坐标也可以获取到。预设灰度图像上预先设置的,预设灰度图像的灰度值称为预设灰度值,预设灰度值是127,即预设灰度图像中所有像素点的灰度值均是127。
在获取到缺陷比对模板图像中各像素点的灰度值之后,将缺陷比对模板图像中各像素点的灰度值与预设灰度值作差得到各像素点对应的差值,各像素点对应的差值组成各像素点对应的第一差值序列。所述第一差值序列可以是缺陷比对模板图像中所有像素点的灰度值与预设灰度值之间差值的序列,也可以是缺陷比对模板图像中每行或每列中所有像素点的灰度值与预设灰度值之间差值的序列。通过将缺陷比对模板图像中各像素点的灰度值与预设灰度值作差,可以减小第一等差灰度值数列中的数值大小,降低计算难度。
得到第一差值序列之后,按照各像素点的第二像素坐标的顺序从第一差值序列中提取各像素点对应的第二差值序列,第二差值序列是指等差数列。考虑到第一差值序列可能整个序列就是等差数列,或者第一差值序列中可能包括的第二差值序列是等差数列,则具体按照等差数列公式检测出第一差值序列中存在的第二差值序列。进而,提取到的第二差值序列的序列长度小于或者等于第一差值序列的序列长度,且第二差值序列中相邻两个数值的差值相等。按照等差数列公式检测出第一差值序列中存在的第二差值序列之后,提取所述第二差值序列,提取到的第二差值序列即为各像素点对应的第一等差灰度值数列。
如图5所示,基于上述实施例,步骤S230包括以下步骤:
步骤S2311:获取所述第一首项值、所述第一公差值和所述第一项数中之一对应的第二等差灰度值数列;
步骤S2312:确定所述第二等差灰度值数列对应的第二首项值、第二公差值以及第二项数;
步骤S2313:将所述第二首项值、所述第二公差值以及所述第二项数存储至所述模板图像灰度值素材库。
得到第一等差灰度值数列对应的第一首项值、第一公差值和第一项数之后,第一首项值、第一公差值和第一项数中任意一个也可以形成数列,即第一首项值形成首项数列,第一公差值形成公差数列,第一项数形成项数数列,考虑到首项数列、公差数列以及项数数列中的任意一个或者全部也可能存在等差数列,即按照等差数列公式检测出首项数列、公差数列以及项数数列中的任意一个或者全部包括的等差数列,该等差数列即为所述第一首项值、所述第一公差值和所述第一项数中之一对应的第二等差灰度值数列。
得到第二等差灰度值数列之后,通过等差数列公式确定出第二等差灰度值数列对应的第二首项值、第二公差值以及第二项数,然后将第二首项值、第二公差值以及第二项数存储到模板图像灰度值素材库中,从而进一步的减少模板图像灰度值素材存储空间的占用,节约了存储资源。
当需要还原缺陷比对模板图像时,通过第二首项值、第二公差值以及第二项数还原出首项数列、公差数列以及项数数列中的任意一个或者全部,然后通过首项数列、公差数列以及项数数列中的任意一个或者全部,从而得到第一首项值、第一公差值和第一项数,然后通过第一首项值、第一公差值和第一项数还原出第一等差灰度值数列,接着通过第一等差灰度值数列还原出对应的缺陷比对模板图像的各像素点的灰度值,最后,根据各像素点的灰度值和各像素点的第一像素坐标还原出缺陷比对模板图像。
如图6所示,基于上述实施例,步骤S230还包括以下步骤:
步骤S2321:对所述第一首项值、所述第一公差值和所述第一项数进行去重处理;
步骤S2322:将去重后的所述第一首项值、所述第一公差值和所述第一项数存储至所述模板图像灰度值素材库。
得到第一等差灰度值数列对应的第一首项值、第一公差值和第一项数之后,考虑到第一首项值、第一公差值和第一项数中任意一个存在重复的数值,对重复的数值进行存储也会增加存储空间的占用。基于此,对第一首项值、第一公差值和第一项数进行去重处理,从而过滤掉第一首项值、第一公差值和第一项数中任意一个存在对重复数值,第一首项值、第一公差值和第一项数中保留的数值就是需要存储的,即将去重后的第一首项值、第一公差值和第一项数存储至模板图像灰度值素材库中,从而进一步的减少模板图像灰度值素材存储空间的占用,节约了存储资源。
其中,在将去重后的第一首项值、第一公差值和第一项数存储至模板图像灰度值素材库中时,还需要标记出过滤掉的重复数值是哪些,从而建立去重后的第一首项值、第一公差值和第一项数与过滤掉的重复数值的对应关系。在后续还原缺陷比对模板图像时,根据第一首项值、第一公差值和第一项数以及第一首项值、第一公差值和第一项数与过滤掉的重复数值的对应关系,还原出所有的第一首项值、第一公差值和第一项,然后通过原出的所有的第一首项值、第一公差值和第一项,还原出第一等差灰度值数列,接着通过第一等差灰度值数列还原出对应的缺陷比对模板图像的各像素点的灰度值,最后,根据各像素点的灰度值和各像素点的第一像素坐标还原出缺陷比对模板图像。
可选的,获取待检测产品的缺陷比对模板图像包括以下步骤:
获取缺陷产品对应的多个原始外观图像;
对多个所述原始外观图像进行去重处理,得到模板图像;
在确定所述模板图像中所述缺陷产品的实物图像发生倾斜时,对所述模板图像进行调整,以对所述实物图像进行校正;
将调整后的所述模板图像作为所述缺陷比对模板图像。
所述缺陷产品是指存在不同的缺陷类型的产品。在前期准备缺陷比对模板图像时,需要采集不同缺陷产品对应的多个原始外观图像,每种缺陷会采集多个图像,如果将采集的所有图像进行存储,会增大存储空间的占用。基于此,获取到缺陷产品对应的多个原始外观图像之后,对多个原始外观图像进行去重处理,过滤掉重复图像,保留下来的原始外观图像就是所述模板图像,即所述模板图像是被存储的对象。其中,原始外观图像包括缺陷产品的实物图像和背景图像,背景图像例如是放置缺陷产品的平台。
考虑到,在采集原始外观图像时,采集装置(摄像头)倾斜或放置缺陷产品时,缺陷产品放置倾斜,从而导致采集的原始外观图像中实物图像发生了倾斜,从而导致后续通过存储的缺陷比对模板图像进行缺陷比对检测时,无法准确的进行图像之间的比对。基于此,在得到模板图像之后,检测模板图像中缺陷产品的实物图像是否发生倾斜,如果是,则对模板图像进行调整,以对实物图像进行校正,将调整后的模板图像作为缺陷比对模板图像,从而提高后续缺陷检测的准确性。如果否,则将模板图像作为缺陷比对模板图像。
可选的,获取待检测产品的缺陷比对模板图像还包括以下步骤:
获取缺陷产品对应的原始外观图像;
从所述原始外观图像中提取所述缺陷产品的实物图像,并将所述提取的所述实物图像作为所述缺陷比对模板图像。
由于,原始外观图像包括缺陷产品的实物图像和背景图像,如果将原始外观图像作为缺陷比对模板图像进行存储,缺陷比对模板图像的存储大小是比较大的,在后续通过存储的缺陷比对模板图像进行缺陷比对检测时,比对的是缺陷比对模板图像中的实物图像。基于此,可以仅对实物图像进行存储,即从原始外观图像中提取缺陷产品的实物图像,并将提取的所述实物图像作为缺陷比对模板图像,从而降低了缺陷比对模板图像的存储大小,有利于节约存储空间。
可选的,基于上述实施例,构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件之后,还包括以下步骤:
在接收到所述待检测产品的缺陷检测指令时,根据所述关联文件从所述模板图像灰度值素材库中,提取所述第一像素坐标对应的所述第一首项值、所述第一公差值和所述第一项数;
根据所述第一首项值、所述第一公差值、所述第一项数和预设等差数列公式构建所述第一等差灰度值数列;
根据所述第一等差灰度值数列,还原所述缺陷比对模板图像中各像素点的灰度值;
根据所述各像素点的灰度值,还原所述缺陷比对模板图像。
所述缺陷检测指令是产品检测人员输入的,用于指示进行待检测产品的缺陷检测。在接收到待检测产品的缺陷检测指令时,从模板图像灰度值素材库中获取缺陷比对模板图像,然后通过缺陷比对模板图像与待检测产品的检测图像进行比对,以检测待检测产品是否存在缺陷。从模板图像灰度值素材库中获取缺陷比对模板图像即为还原缺陷比对模板图像的过程,具体是读取关联文件,从模板图像灰度值素材库中提取到第一像素坐标关联的第一首项值、第一公差值和第一项数;然后通过提取的第一首项值、第一公差值、第一项数和预设等差数列公式还原出第一等差灰度值数列,实现第一等差灰度值数列的构建;接着通过第一等差灰度值数列还原出对应的缺陷比对模板图像的各像素点的灰度值;最后,根据各像素点的灰度值和各像素点的第一像素坐标还原出缺陷比对模板图像,如此实现了缺陷比对模板图像的获取。
如图7所示,本发明提供的一种模板图像存储装置,所述模板图像存储装置包括:
数列获取模块310,用于获取待检测产品的缺陷比对模板图像,并确定所述缺陷比对模板图像中各像素点对应的第一等差灰度值数列;
数据获取模块320,用于确定所述第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及所述第一首项值对应的像素点的第一像素坐标;
素材构建模块330,用于根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库;
文件构建模块340,用于构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件,以能够根据所述关联文件和所述模板图像灰度值素材库还原所述缺陷比对模板图像。
本发明模板图像存储装置具体实施方式与上述模板图像存储方法各实施例基本相同,在此不再赘述。
进一步的,本发明还提供了一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模板图像存储程序,所述模板图像存储程序被所述处理器执行时实现上述的模板图像存储方法的步骤。
进一步的,本发明还提供了一种存储介质,其上存储有模板图像存储程序,所述模板图像存储程序被处理器执行时实现上述的模板图像存储方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种模板图像存储方法,其特征在于,所述模板图像存储方法包括:
获取待检测产品的缺陷比对模板图像中各像素点的灰度值,并确定所述各像素点的第二像素坐标;
将所述各像素点的灰度值与预设灰度图像的预设灰度值作差,得到所述各像素点对应的第一差值序列;
按照所述各像素点的第二像素坐标的顺序,从所述第一差值序列中提取所述各像素点对应的第二差值序列;其中,所述第二差值序列的序列长度小于或者等于所述第一差值序列的序列长度,且所述第二差值序列中相邻两个数值的差值相等;
将所述各像素点对应的第二差值序列确定为所述各像素点对应的第一等差灰度值数列;
确定所述第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及所述第一首项值对应的像素点的第一像素坐标;
根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库;
构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件,以能够根据所述关联文件和所述模板图像灰度值素材库还原所述缺陷比对模板图像。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库的步骤包括:
获取所述第一首项值、所述第一公差值和所述第一项数中之一对应的第二等差灰度值数列;
确定所述第二等差灰度值数列对应的第二首项值、第二公差值以及第二项数;
将所述第二首项值、所述第二公差值以及所述第二项数存储至所述模板图像灰度值素材库。
3.如权利要求1所述的方法,其特征在于,所述根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库的步骤,还包括:
对所述第一首项值、所述第一公差值和所述第一项数进行去重处理;
将去重后的所述第一首项值、所述第一公差值和所述第一项数存储至所述模板图像灰度值素材库。
4.如权利要求1所述的方法,其特征在于,所述获取待检测产品的缺陷比对模板图像的步骤包括:
获取缺陷产品对应的多个原始外观图像;
对多个所述原始外观图像进行去重处理,得到模板图像;
在确定所述模板图像中所述缺陷产品的实物图像发生倾斜时,对所述模板图像进行调整,以对所述实物图像进行校正;
将调整后的所述模板图像作为所述缺陷比对模板图像。
5.如权利要求1所述的方法,其特征在于,所述获取待检测产品的缺陷比对模板图像的步骤,还包括:
获取缺陷产品对应的原始外观图像;
从所述原始外观图像中提取所述缺陷产品的实物图像,并将所述提取的所述实物图像作为所述缺陷比对模板图像。
6.如权利要求1所述的方法,其特征在于,所述构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件步骤之后,还包括:
在接收到所述待检测产品的缺陷检测指令时,根据所述关联文件从所述模板图像灰度值素材库中,提取所述第一像素坐标对应的所述第一首项值、所述第一公差值和所述第一项数;
根据所述第一首项值、所述第一公差值、所述第一项数和预设等差数列公式构建所述第一等差灰度值数列;
根据所述第一等差灰度值数列,还原所述缺陷比对模板图像中各像素点的灰度值;
根据所述各像素点的灰度值,还原所述缺陷比对模板图像。
7.一种模板图像存储装置,其特征在于,所述模板图像存储装置包括:
数列获取模块,用于获取待检测产品的缺陷比对模板图像中各像素点的灰度值,并确定所述各像素点的第二像素坐标;将所述各像素点的灰度值与预设灰度图像的预设灰度值作差,得到所述各像素点对应的第一差值序列;按照所述各像素点的第二像素坐标的顺序,从所述第一差值序列中提取所述各像素点对应的第二差值序列;其中,所述第二差值序列的序列长度小于或者等于所述第一差值序列的序列长度,且所述第二差值序列中相邻两个数值的差值相等;将所述各像素点对应的第二差值序列确定为所述各像素点对应的第一等差灰度值数列;
数据获取模块,用于确定所述第一等差灰度值数列对应的第一首项值、第一公差值、第一项数以及所述第一首项值对应的像素点的第一像素坐标;
素材构建模块,用于根据所述第一首项值、所述第一公差值和所述第一项数,构建模板图像灰度值素材库;
文件构建模块,用于构建所述第一首项值、所述第一公差值和所述第一项数三者与所述第一像素坐标的关联文件,以能够根据所述关联文件和所述模板图像灰度值素材库还原所述缺陷比对模板图像。
8.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模板图像存储程序,所述模板图像存储程序被所述处理器执行时实现如权利要求1-6中任一项所述的模板图像存储方法的步骤。
9.一种存储介质,其特征在于,其上存储有模板图像存储程序,所述模板图像存储程序被处理器执行时实现权利要求1-6中任一项所述的模板图像存储方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210455929.8A CN114549533B (zh) | 2022-04-28 | 2022-04-28 | 模板图像存储方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210455929.8A CN114549533B (zh) | 2022-04-28 | 2022-04-28 | 模板图像存储方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549533A CN114549533A (zh) | 2022-05-27 |
CN114549533B true CN114549533B (zh) | 2022-09-06 |
Family
ID=81667391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210455929.8A Active CN114549533B (zh) | 2022-04-28 | 2022-04-28 | 模板图像存储方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549533B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744274A (zh) * | 2021-11-08 | 2021-12-03 | 深圳市巨力方视觉技术有限公司 | 产品外观缺陷检测方法、装置及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL129203A (en) * | 1999-03-28 | 2002-07-25 | Univ Ramot | System and method for compressing figures |
CN107767428B (zh) * | 2017-11-06 | 2021-12-03 | 贵阳朗玛信息技术股份有限公司 | 通信系统dicom图像的绘制方法及装置 |
CN109036244B (zh) * | 2018-07-25 | 2021-09-14 | 昆山国显光电有限公司 | 曲面显示屏的Mura补偿方法、装置及计算机设备 |
CN109996077B (zh) * | 2019-01-08 | 2020-12-29 | 武汉精立电子技术有限公司 | 一种适用于显示面板检测的逻辑图像解压方法 |
-
2022
- 2022-04-28 CN CN202210455929.8A patent/CN114549533B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744274A (zh) * | 2021-11-08 | 2021-12-03 | 深圳市巨力方视觉技术有限公司 | 产品外观缺陷检测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114549533A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
CN111045924B (zh) | 用户界面视觉验收的处理方法、装置及设备 | |
CN114266773B (zh) | 显示面板缺陷定位方法、装置、设备及存储介质 | |
CN1323369C (zh) | 图像识别装置和方法以及图像识别装置的示教装置和方法 | |
CN113012096B (zh) | 显示屏子像素定位及亮度提取方法、设备以及存储介质 | |
CN112651966A (zh) | 一种基于acyolov4_csp的印刷电路板微小缺陷检测方法 | |
CN106203454A (zh) | 证件版式分析的方法及装置 | |
CN113240673B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN113781396B (zh) | 屏幕缺陷检测方法、装置、设备和存储介质 | |
CN117173172B (zh) | 一种基于机器视觉的硅胶成型效果检测方法及系统 | |
CN114677567B (zh) | 模型训练方法、装置、存储介质及电子设备 | |
CN111476759B (zh) | 一种屏幕表面检测方法、装置、终端及存储介质 | |
CN115423755A (zh) | 晶圆微加工结构缺陷检测方法及其装置、设备、介质 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN105678301A (zh) | 一种自动识别并分割文本图像的方法、系统及装置 | |
CN114549533B (zh) | 模板图像存储方法、装置、设备及存储介质 | |
CN113920057A (zh) | 一种产品指示灯颜色的识别方法、装置及系统 | |
CN110955603B (zh) | 自动化测试方法、装置、电子设备及计算机可读存储介质 | |
CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN115526859A (zh) | 生产缺陷识别的方法、分布式处理平台、设备及存储介质 | |
CN114693554A (zh) | 一种大数据图像处理方法及系统 | |
TWI748184B (zh) | 瑕疵檢測方法、電子裝置及電腦可讀存儲介質 | |
CN114547356B (zh) | 模板图像存储方法、装置、设备及存储介质 | |
CN105843972B (zh) | 产品属性信息的比对方法及装置 | |
CN110672631A (zh) | 面板缺陷拍照方法和面板缺陷拍照装置 |
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 |