CN114581433A - 一种获取金属球腔内表面形貌检测图像的方法及系统 - Google Patents
一种获取金属球腔内表面形貌检测图像的方法及系统 Download PDFInfo
- Publication number
- CN114581433A CN114581433A CN202210283633.2A CN202210283633A CN114581433A CN 114581433 A CN114581433 A CN 114581433A CN 202210283633 A CN202210283633 A CN 202210283633A CN 114581433 A CN114581433 A CN 114581433A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- detected
- area
- acquiring
- 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 44
- 239000002184 metal Substances 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000005286 illumination Methods 0.000 claims abstract description 91
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 21
- 238000010606 normalization Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012876 topography Methods 0.000 claims description 12
- 229920006395 saturated elastomer Polymers 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 4
- 208000001491 myopia Diseases 0.000 claims description 4
- 230000004379 myopia Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- -1 electrical Substances 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/10068—Endoscopic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
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)
- Image Processing (AREA)
Abstract
本发明公开了一种获取金属球腔内表面形貌检测图像的方法及系统，方法包括以下步骤：获取在不同照度下的待检测区图像中的第一分割线坐标；基于第一分割线坐标和预设的第二分割线坐标将不同照度下的待检测区图像分隔成多个子区域；计算各子区域在所有照度下的权重因子；基于权重因子计算待检测区图像在所有照度下的权重值；基于权重值获取待检测区图像在所有照度下的融合图像；对融合图像依次进行高斯模糊和归一化处理以得到待检测区的形貌检测图像。本发明的目的在于提供一种获取金属球腔内表面形貌检测图像的方法及系统，解决因高反射带区与漫反射区所需照明强度不同导致形貌检测图像的成像对比度极差的问题。
Description
技术领域
本发明涉及形貌检测技术领域，尤其涉及一种获取金属球腔内表面形貌检测图像的方法及系统。
背景技术
金属球腔广泛应用于航空、汽车、船舶、电气、电子、化学、电力、煤气、原子能以及土木建筑等现代核心工业的各个部门。在上述各个部门中，大多设备要求金属球腔表面为光滑曲面，然而由于腐蚀和压力应变等原因，金属球腔的表面在使用和存储过程中，容易出现腐蚀、变形和裂纹等现象，从而超出设备要求的阈值，影响设备和部件的性能。因此需要对金属球腔的表面形貌进行检测。
由于金属反射率较高，而球腔内表面由于曲面结构的原因，采用内窥等技术对金属球腔内表面进行形貌检测时，容易出现反射率不均匀的现象，导致在成像检测视场内，出现强反射带与漫反射区，在强反射带区，由于照明与成像模块形成镜面反射，该区大多数光线进入探测器，使得探测器容易饱和，因此为实现该区的高分辨率形貌检测，需要降低照明强度；而漫反射区对应的像元仅仅为该区的漫反射光线，本身就只有少量照明光线进入探测器，在降低照明强度后会导致漫反射区照度不足，从而导致最终获取的形貌检测图像的成像对比度极差，进而影响后续对金属球腔内表面的形貌检测精度。
发明内容
本发明的目的在于提供一种获取金属球腔内表面形貌检测图像的方法及系统，解决因高反射带区与漫反射区所需照明强度不同导致形貌检测图像的成像对比度极差的问题。
本发明通过下述技术方案实现：
本申请实施例的第一个方面提供了一种获取金属球腔内表面形貌检测图像的方法，包括以下步骤：
获取在不同照度下的待检测区图像中的第一分割线坐标，所述第一分割线坐标为所述待检测区图像中的高反射带区与漫反射区的分界线坐标；
基于所述第一分割线坐标和预设的第二分割线坐标将不同照度下的所述待检测区图像分隔成多个子区域；
计算各个所述子区域在所有照度下的权重因子；
基于所述权重因子计算所述待检测区图像在所有照度下的权重值；
基于所述权重值获取所述待检测区图像在所有照度下的融合图像；
对所述融合图像进行高斯模糊处理以获取平滑融合图像；
对所述平滑融合图像进行归一化处理，以得到待检测区的形貌检测图像。
优选地，所述获取在不同照度下的待检测区图像中的第一分割线坐标包括以下步骤：
基于图像分割技术从一区分割计算图中提取高亮度区，所述区分割计算图为不同照度下的所述待检测区图像中无饱和区的一张；
计算所述高亮度区在所述区分割计算图中的坐标位置；
基于所述坐标位置从余下的所述待检测区图像中提取出对应的所述高亮度区；
基于孔洞填充以及闭运算对所有的所述高亮度区进行处理，以获取在不同照度下的所述待检测区图像中的所述高反射带区和所述漫反射区；
从任意一张所述待检测区图像中提取出所述高反射带区和所述漫反射区的分界线坐标作为所述第一分割线坐标。
优选地，所述基于所述第一分割线坐标和预设的第二分割线坐标将不同照度下的所述待检测区图像分隔成多个子区域包括以下子步骤：
基于预设的所述第二分割线坐标将不同照度下的所述待检测区图像分隔成多个子区域；
基于所述第一分割线坐标将同时包含所述高反射带区与所述漫反射区的所述子区域分割成两个子区域。
优选地，所述权重因子为：
其中，Wi表示第i个子区域在所有照度下的权重因子，umax表示探测器的饱和灰度值，
表示第i个子区域在所有照度下的平均灰度值，σ表示第i个子区域在所有照度下的灰度均方差，i为正整数。
优选地，所述权重值为：
其中，W(x，y)表示所述待检测区图像中在所有照度下的权重值，Wi表示第i个子区域在所有照度下的权重因子，Gi表示所述待检测区图像中的像素以所在子区域为中心，区半高宽为方差的高斯函数。
优选地，所述融合图像为：
A(x，y)＝∑W(x，y)I(x，y)
其中，A(x，y)表示所述融合图像，W(x，y)表示所述待检测区图像中在所有照度下的权重值，I(x，y)表示原始图像的灰度图。
优选地，所述平滑融合图像为：
H(x，y)＝A(x，y)*exp(-γ(x，y))
其中，H(x，y)表示所述平滑融合图像，A(x，y)表示所述融合图像，γ(x，y)表示光源近视函数。
本申请实施例的第二个方面提供了一种获取金属球腔内表面形貌检测图像的系统，包括：
获取模块，用于获取在不同照度下的待检测区图像中的第一分割线坐标，所述第一分割线坐标为所述待检测区图像中的高反射带区与漫反射区的分界线坐标；
分割模块，用于基于所述第一分割线坐标和预设的第二分割线坐标将不同照度下的所述待检测区图像分隔成多个子区域；
第一计算模块，用于计算各个所述子区域在所有照度下的权重因子；
第二计算模块，用于基于所述权重因子计算所述待检测区图像在所有照度下的权重值；
融合模块，用于基于所述权重值获取所述待检测区图像在所有照度下的融合图像；
处理模块，用于对所述融合图像进行高斯模糊处理以获取平滑融合图像；
归一化模块，用于对所述平滑融合图像进行归一化处理，以得到待检测区的形貌检测图像。
本申请实施例的第三个方面提供了一种电子装置，包括处理器和存储器；
所述存储器，用于存储所述处理器可执行指令；
所述处理器，被配置为执行如上所述的一种获取金属球腔内表面形貌检测图像的方法。
本申请实施例的第四个方面提供了一种计算机可读存储介质，包括存储的计算机程序，所述计算机程序运行时执行如上所述的一种获取金属球腔内表面形貌检测图像的方法。
本发明与现有技术相比，具有如下的优点和有益效果：
通过采集不同照度下的金属球腔内表面图像来获取高反射带区的高分辨率形貌和漫反射区的高分辨率形貌，并进行不同照度下金属球腔内表面图像的合成，以使得获取的金属球腔内表面的形貌检测图像既可以包括高反射带区的高分辨率形貌又可以包括漫反射区的高分辨率形貌，从而解决因高反射带区与漫反射区所需照明强度不同导致形貌检测图像的成像对比度极差的问题。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的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申请的一些实施例，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为本发明获取金属球腔内表面形貌检测图像的流程示意图；
图2为本发明高反射带区和漫反射区的示意图；
图3为本发明将待检测区图像分隔成多个子区域的示意图；
图4为本发明金属球腔内表面形貌检测图像的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
本实施例提供了一种获取金属球腔内表面形貌检测图像的方法，如图1所示，包括以下步骤：
S1：获取在不同照度下的待检测区图像中的第一分割线坐标，其中，第一分割线坐标指的是待检测区图像中的高反射带区与漫反射区的分界线坐标；
本实施例以k个不同的照度为例进行说明，包括以下步骤：(1)固定好内窥镜与金属球腔内表面的待检测区域的相对位置；(2)调节内窥镜的照明光源强度，每调节一次照明光源强度则采集一张待检测区域的内窥图像，共调解k次照明光源强度以采集k张待检测区的内窥图像；(3)在k张内窥图像中选取一张无饱和区的内窥图像作为区分割计算图，并采用阈值分割法提取该区分割计算图中的高亮度区，本申请实施例采用最大类间方差法确定阈值分割法的阈值；(4)计算该高亮度区在该区分割计算图中的坐标位置；(5)基于该坐标位置从余下的k-1张内窥图像中提取出对应的高亮度区；(6)对高亮度区进行孔洞填充以及闭运算，从而获取内窥图像中的高反射带区和漫反射区；其中，高反射带区指的是进行孔洞填充以及闭运算处理后的高亮度区，漫反射区则是余下的区域，如图2所示；(7)从任意一张内窥图像中提取出高反射带区和漫反射区的分界线坐标作为第一分割线坐标。
在本步骤中，虽然采集的待检测区是固定的，但是由于采集的照度不同，若分别对每一张内窥图像都用阈值分割法提取高亮度区，则会存在每张内窥图像中提取的高亮度区不相同的情况，从而在后续操作中引起误差；基于此，本实施例中通过先选取一张较好的内窥图像进行高亮度区提取，然后根据该高亮度区在该内窥图像中的位置坐标从余下的内窥图像中提取对应的高亮度区，以保证所有的高亮度区对应的图像内容是一致的，从而使得从任意一张内窥图像中提取的第一分割线坐标可以代表所有内窥图像中的高反射区与漫反射区的分界线。
S2：基于第一分割线坐标和预设的第二分割线坐标将不同照度下的待检测区图像分隔成多个子区域，如图3所示；
具体地，包括以下子步骤：
基于预设的第二分割线坐标将不同照度下的待检测区图像分隔成多个子区域；
基于第一分割线坐标将同时包含高反射带区与漫反射区的子区域分割成两个子区域。
在本申请实施例中，通过第二分割线坐标将一张完整的内窥图像拆分成各个小的子区域，通过第一分割线坐标将高反射带区与漫反射区分隔开来，从而便于在后续处理中，可以分别对高反射带区与漫反射区在所有照度下进行优化，以获取具有高分辨率形貌的高反射带区与漫反射区。
S3：按下式计算各子区域在所有照度下的权重因子；
其中，Wi表示第i个子区域在所有照度下的权重因子，umax表示探测器的饱和灰度值，
表示第i个子区域在所有照度下的平均灰度值，σ表示第i个子区域在所有照度下的灰度均方差，i为正整数；
S4：基于权重因子计算待检测区图像在所有照度下的权重值；
其中，W(x，y)表示待检测区图像中在所有照度下的权重值，Wi表示第i个子区域在所有照度下的权重因子，Gi表示待检测区图像中的像素以所在子区域为中心，区半高宽为方差的高斯函数；
在本步骤中，通过高斯函数消除各个子区域边缘的锯齿，从而消除边缘效应；使得进行图像融合时，融合后的图像看起来更加平滑
S5：基于权重值获取待检测区图像在所有照度下的融合图像；
A(x，y)＝∑W(x，y)I(x，y)
其中，A(x，y)表示融合图像，W(x，y)表示待检测区图像中在所有照度下的权重值，I(x，y)表示原始图像的灰度图；
S6：对融合图像进行处理高斯模糊处理以获取平滑融合图像；
H(x，y)＝A(x，y)*exp(-γ(x，y))
其中，H(x，y)表示所述平滑融合图像，A(x，y)表示所述融合图像，γ(x，y)表示光源近视函数。
S7：对平滑融合图像进行归一化处理，以得到待检测区的形貌检测图像，如图4所示。
相较于现有技术中通过调节照明强度最大程度减少对强反射带与漫反射区的影响，以获取较好的金属球腔形貌检测图，本实施例分别通过采集不同照度下的金属球腔内表面图像来获取高反射带区的高分辨率形貌和漫反射区的高分辨率形貌，并进行不同照度下金属球腔内表面图像的合成，从而使得获取的金属球腔的形貌检测图像既可以包括高反射带区的高分辨率形貌又可以包括漫反射区的高分辨率形貌，从而解决因高反射带区与漫反射区所需照明强度不同导致形貌检测图像的成像对比度极差的问题；同时本申请实施例所提供的方法无需反复调节照明强度，降低了操作人员的操作难度；此外，现有技术中的光照强度是否合适由操作员进行主观判断，存在极大的误差性，而本申请实施例所提供的方法不存在上述问题，可以保证获取的形貌检测图像的精度。
实施例2
本实施例提供了一种获取金属球腔内表面形貌检测图像的系统，包括：
获取模块，用于获取在不同照度下的待检测区图像中的第一分割线坐标，第一分割线坐标为待检测区图像中的高反射带区与漫反射区的分界线坐标；
具体地，本实施例中的获取模块包括：
第一提取单元，用于基于图像分割技术从一区分割计算图中提取(标记)出高亮度区，区分割计算图为不同照度下的待检测区图像中无饱和区的一张；
计算单元，用于计算高亮度区在区分割计算图中的坐标位置；
第二提取单元，用于基于坐标位置从余下的待检测区图像中提取(标记)出对应的高亮度区；
处理单元，用于基于孔洞填充以及闭运算对所有的高亮度区进行处理，以获取在不同照度下的待检测区图像中的高反射带区和漫反射区；
第三提取单元，用于从任意一张待检测区图像中提取出高反射带区和漫反射区的分界线坐标作为第一分割线坐标。
分割模块，用于基于第一分割线坐标和预设的第二分割线坐标将不同照度下的待检测区图像分隔成多个子区域；
具体地，本实施例中的分割模块包括：
第一分割单元，用于基于预设的第二分割线坐标将不同照度下的待检测区图像分隔成多个子区域；
第二分割单元，用于基于第一分割线坐标将同时包含高反射带区与漫反射区的子区域分割成两个子区域。
第一计算模块，用于根据下式计算各个子区域在所有照度下的权重因子：
其中，Wi表示第i个子区域在所有照度下的权重因子，umax表示探测器的饱和灰度值，
表示第i个子区域在所有照度下的平均灰度值，σ表示第i个子区域在所有照度下的灰度均方差，i为正整数；
第二计算模块，用于根据下式计算待检测区图像在所有照度下的权重值：
其中，W(x，y)表示待检测区图像中在所有照度下的权重值，Wi表示第i个子区域在所有照度下的权重因子，Gi表示待检测区图像中的像素以所在子区域为中心，区半高宽为方差的高斯函数；
融合模块，用于根据下式获取待检测区图像在所有照度下的融合图像：
A(x，y)＝∑W(x，y)I(x，y)
其中，A(x，y)表示融合图像，W(x，y)表示待检测区图像中在所有照度下的权重值，I(x，y)表示。
处理模块，用于对融合图像进行处理高斯模糊处理以获取平滑融合图像；
本实施例中的平滑融合图像为：
H(x，y)＝A(x，y)*exp(-γ(x，y))
其中，H(x，y)表示平滑融合图像，A(x，y)表示融合图像，γ(x，y)表示光源近视函数；
归一化模块，用于对平滑融合图像进行归一化处理，以得到待检测区的形貌检测图像。
实施例3
本实施例提供了一种电子装置，包括处理器和存储器；
存储器，用于存储处理器可执行指令；
处理器，被配置为执行如实施例1所提供的一种获取金属球腔内表面形貌检测图像的方法。
实施例4
本实施例提供了一种计算机可读存储介质，包括存储的计算机程序，计算机程序运行时执行如实施例1所提供的一种获取金属球腔内表面形貌检测图像的方法。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例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，本申请实施例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。
本申请实施例是参照根据本申请实施例的方法、终端设备(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终端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终端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终端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终端设备上，使得在计算机或其他可编程终端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终端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。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做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申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种获取金属球腔内表面形貌检测图像的方法及系统，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，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；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种获取金属球腔内表面形貌检测图像的方法，其特征在于，包括以下步骤：
获取在不同照度下的待检测区图像中的第一分割线坐标，所述第一分割线坐标为所述待检测区图像中的高反射带区与漫反射区的分界线坐标；
基于所述第一分割线坐标和预设的第二分割线坐标将不同照度下的所述待检测区图像分隔成多个子区域；
计算各个所述子区域在所有照度下的权重因子；
基于所述权重因子计算所述待检测区图像在所有照度下的权重值；
基于所述权重值获取所述待检测区图像在所有照度下的融合图像；
对所述融合图像进行高斯模糊处理以获取平滑融合图像；
对所述平滑融合图像进行归一化处理，以得到待检测区的形貌检测图像。
2.根据权利要求1所述的一种获取金属球腔内表面形貌检测图像的方法，其特征在于，所述获取在不同照度下的待检测区图像中的第一分割线坐标包括以下步骤：
基于图像分割技术从一区分割计算图中提取高亮度区，所述区分割计算图为不同照度下的所述待检测区图像中无饱和区的一张；
计算所述高亮度区在所述区分割计算图中的坐标位置；
基于所述坐标位置从余下的所述待检测区图像中提取出对应的所述高亮度区；
基于孔洞填充以及闭运算对所有的所述高亮度区进行处理，以获取在不同照度下的所述待检测区图像中的所述高反射带区和所述漫反射区；
从任意一张所述待检测区图像中提取出所述高反射带区和所述漫反射区的分界线坐标作为所述第一分割线坐标。
3.根据权利要求2所述的一种获取金属球腔内表面形貌检测图像的方法，其特征在于，所述基于所述第一分割线坐标和预设的第二分割线坐标将不同照度下的所述待检测区图像分隔成多个子区域包括以下子步骤：
基于预设的所述第二分割线坐标将不同照度下的所述待检测区图像分隔成多个子区域；
基于所述第一分割线坐标将同时包含所述高反射带区与所述漫反射区的所述子区域分割成两个子区域。
4.根据权利要求1-3中任意一项所述的获取金属球腔内表面形貌检测图像的方法，其特征在于，所述权重因子为：
其中，Wi表示第i个所述子区域在所有照度下的权重因子，umax表示探测器的饱和灰度值，
表示第i个所述子区域在所有照度下的平均灰度值，σ表示第i个所述子区域在所有照度下的灰度均方差，i为正整数。
5.根据权利要求1-3中任意一项所述的一种获取金属球腔内表面形貌检测图像的方法，其特征在于，所述权重值为：
其中，W(x，y)表示所述待检测区图像在所有照度下的权重值，Wi表示第i个所述子区域在所有照度下的权重因子，Gi表示所述待检测区图像中的像素以所在的所述子区域为中心，所述子区域的半高宽为方差的高斯函数。
6.根据权利要求1-3中任意一项所述的一种获取金属球腔内表面形貌检测图像的方法，其特征在于，所述融合图像为：
A(x，y)＝∑W(x，y)I(x，y)
其中，A(x，y)表示所述融合图像，W(x，y)表示所述待检测区图像在所有照度下的权重值，I(x，y)表示原始图像的灰度图。
7.根据权利要求1-3中任意一项所述的一种获取金属球腔内表面形貌检测图像的方法，其特征在于，所述平滑融合图像为：
H(x，y)＝A(x，y)*exp(-γ(x，y))
其中，H(x，y)表示所述平滑融合图像，A(x，y)表示所述融合图像，γ(x，y)表示光源近视函数。
8.一种获取金属球腔内表面形貌检测图像的系统，其特征在于，包括：
获取模块，用于获取在不同照度下的待检测区图像中的第一分割线坐标，所述第一分割线坐标为所述待检测区图像中的高反射带区与漫反射区的分界线坐标；
分割模块，用于基于所述第一分割线坐标和预设的第二分割线坐标将不同照度下的所述待检测区图像分隔成多个子区域；
第一计算模块，用于计算各个所述子区域在所有照度下的权重因子；
第二计算模块，用于基于所述权重因子计算所述待检测区图像在所有照度下的权重值；
融合模块，用于基于所述权重值获取所述待检测区图像在所有照度下的融合图像；
处理模块，用于对所述融合图像进行高斯模糊处理以获取平滑融合图像；
归一化模块，用于对所述平滑融合图像进行归一化处理，以得到待检测区的形貌检测图像。
9.一种电子装置，其特征在于，包括处理器和存储器；
所述存储器，用于存储所述处理器可执行指令；
所述处理器，被配置为执行如权利要求1-7中任意一项所述的一种获取金属球腔内表面形貌检测图像的方法。
10.一种计算机可读存储介质，其特征在于，包括存储的计算机程序，所述计算机程序运行时执行如权利要求1-7中任意一项所述的一种获取金属球腔内表面形貌检测图像的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210283633.2A CN114581433B (zh) | 2022-03-22 | 2022-03-22 | 一种获取金属球腔内表面形貌检测图像的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210283633.2A CN114581433B (zh) | 2022-03-22 | 2022-03-22 | 一种获取金属球腔内表面形貌检测图像的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114581433A true CN114581433A (zh) | 2022-06-03 |
| CN114581433B CN114581433B (zh) | 2023-09-19 |
Family
ID=81782244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210283633.2A Active CN114581433B (zh) | 2022-03-22 | 2022-03-22 | 一种获取金属球腔内表面形貌检测图像的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114581433B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115272258A (zh) * | 2022-08-03 | 2022-11-01 | 无锡九霄科技有限公司 | 基于机器视觉的金属圆柱面缺陷检测方法、系统和介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001289788A (ja) * | 2000-04-10 | 2001-10-19 | Nissan Motor Co Ltd | 表面欠陥検査装置 |
| US20090059204A1 (en) * | 2007-08-27 | 2009-03-05 | Harris Kevin M | Method and apparatus for inspecting objects using multiple images having varying optical properties |
| US20090169112A1 (en) * | 2007-12-26 | 2009-07-02 | Sony Corporation | Image processing device and method, and program |
| JP2009250653A (ja) * | 2008-04-02 | 2009-10-29 | Nikon Corp | 表面検査方法および装置 |
| US20090279807A1 (en) * | 2007-02-13 | 2009-11-12 | Katsuhiro Kanamorl | System, method and apparatus for image processing and image format |
| CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
| CN108805859A (zh) * | 2018-04-20 | 2018-11-13 | 深圳博脑医疗科技有限公司 | 一种图像检测方法、图像检测装置及终端设备 |
| US20200191723A1 (en) * | 2018-12-14 | 2020-06-18 | Seiko Epson Corporation | Defect detecting device and defect detecting method |
| CN111340752A (zh) * | 2019-12-04 | 2020-06-26 | 京东方科技集团股份有限公司 | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 |
| WO2021120695A1 (zh) * | 2019-12-20 | 2021-06-24 | 北京迈格威科技有限公司 | 图像分割方法、装置、电子设备及可读存储介质 |
| CN113343976A (zh) * | 2021-05-13 | 2021-09-03 | 武汉大学 | 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法 |
| WO2022000397A1 (zh) * | 2020-07-02 | 2022-01-06 | 潍坊学院 | 低照度图像增强方法、装置及计算机设备 |
-
2022
- 2022-03-22 CN CN202210283633.2A patent/CN114581433B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001289788A (ja) * | 2000-04-10 | 2001-10-19 | Nissan Motor Co Ltd | 表面欠陥検査装置 |
| US20090279807A1 (en) * | 2007-02-13 | 2009-11-12 | Katsuhiro Kanamorl | System, method and apparatus for image processing and image format |
| US20090059204A1 (en) * | 2007-08-27 | 2009-03-05 | Harris Kevin M | Method and apparatus for inspecting objects using multiple images having varying optical properties |
| US20090169112A1 (en) * | 2007-12-26 | 2009-07-02 | Sony Corporation | Image processing device and method, and program |
| JP2009250653A (ja) * | 2008-04-02 | 2009-10-29 | Nikon Corp | 表面検査方法および装置 |
| CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
| CN108805859A (zh) * | 2018-04-20 | 2018-11-13 | 深圳博脑医疗科技有限公司 | 一种图像检测方法、图像检测装置及终端设备 |
| US20200191723A1 (en) * | 2018-12-14 | 2020-06-18 | Seiko Epson Corporation | Defect detecting device and defect detecting method |
| CN111340752A (zh) * | 2019-12-04 | 2020-06-26 | 京东方科技集团股份有限公司 | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 |
| WO2021120695A1 (zh) * | 2019-12-20 | 2021-06-24 | 北京迈格威科技有限公司 | 图像分割方法、装置、电子设备及可读存储介质 |
| WO2022000397A1 (zh) * | 2020-07-02 | 2022-01-06 | 潍坊学院 | 低照度图像增强方法、装置及计算机设备 |
| CN113343976A (zh) * | 2021-05-13 | 2021-09-03 | 武汉大学 | 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法 |
Non-Patent Citations (5)
| Title |
|---|
| LIMEI SONG 等: "Three-dimensional measurement with reflection suppression based on high-dynamic range images", 《JOURNAL OF ELECTRONIC IMAGING》, vol. 28, no. 1, pages 013010 - 1 * |
| YONGTAE DO 等: "Vision-based surface defect inspection of metal balls", 《MEASUREMENT SCIENCE AND TECHNOLOGY》, pages 1 - 5 * |
| 孙杰: "基于图像融合的水下图像清晰化方法", 《兵器装备工程学报》, vol. 40, no. 9, pages 193 - 197 * |
| 杨鹏斌 等: "基于结构光的高反物体三维形貌测量方法", 《中国激光》, vol. 46, no. 2, pages 0204004 - 1 * |
| 栗琳: "基于视觉的高反射球面缺陷快速检测关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》, pages 140 - 26 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115272258A (zh) * | 2022-08-03 | 2022-11-01 | 无锡九霄科技有限公司 | 基于机器视觉的金属圆柱面缺陷检测方法、系统和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114581433B (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104517110B (zh) | 一种二维码图像的二值化方法及系统 | |
| US8879847B2 (en) | Image processing device, method of controlling image processing device, and program for enabling computer to execute same method | |
| CN107220931B (zh) | 一种基于灰度级映射的高动态范围图像重建方法 | |
| CN106846362B (zh) | 一种目标检测跟踪方法和装置 | |
| CN107172354B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
| WO2018051459A1 (ja) | 物体検出装置および物体検出方法 | |
| US8406561B2 (en) | Methods and systems for estimating illumination source characteristics from a single image | |
| US8396285B2 (en) | Estimating vanishing points in images | |
| JP2018010621A (ja) | 画像の背景差分に用いられる背景モデルを更新する方法及び装置 | |
| JP2002503840A (ja) | 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定 | |
| US8983199B2 (en) | Apparatus and method for generating image feature data | |
| US11747284B2 (en) | Apparatus for optimizing inspection of exterior of target object and method thereof | |
| WO2014168587A1 (en) | Method and system for processing an input image | |
| CN107301408B (zh) | 人体掩膜提取方法及装置 | |
| CN110572636B (zh) | 摄像头脏污检测方法、装置、存储介质及电子设备 | |
| CN111161222A (zh) | 一种基于视觉显著性的印刷辊筒缺陷检测方法 | |
| JP2012048484A (ja) | 画像処理装置、画像処理方法及びプログラム | |
| CN110428394B (zh) | 用于目标移动侦测的方法、装置及计算机存储介质 | |
| CN111985427A (zh) | 活体检测方法、设备及可读存储介质 | |
| US8571343B2 (en) | Methods and systems for document-image correction | |
| CN112037287A (zh) | 相机标定方法、电子设备及存储介质 | |
| CN114926374B (zh) | 一种基于ai的图像处理方法、装置、设备及可读存储介质 | |
| CN114937050A (zh) | 绿幕抠图方法、装置及电子设备 | |
| CN116503388A (zh) | 缺陷检测方法、装置及存储介质 | |
| CN114581433A (zh) | 一种获取金属球腔内表面形貌检测图像的方法及系统 |
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 |