CN114998186A - 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 - Google Patents

基于图像处理的铜始极片表面结疤缺陷检测方法及系统 Download PDF

Info

Publication number
CN114998186A
CN114998186A CN202210345085.1A CN202210345085A CN114998186A CN 114998186 A CN114998186 A CN 114998186A CN 202210345085 A CN202210345085 A CN 202210345085A CN 114998186 A CN114998186 A CN 114998186A
Authority
CN
China
Prior art keywords
image block
pixel point
association
target pixel
image
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
Application number
CN202210345085.1A
Other languages
English (en)
Other versions
CN114998186B (zh
Inventor
冯春丽
许美香
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Hennly Machinery Equipment Co ltd
Original Assignee
Nantong Hennly Machinery Equipment Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong Hennly Machinery Equipment Co ltd filed Critical Nantong Hennly Machinery Equipment Co ltd
Priority to CN202210345085.1A priority Critical patent/CN114998186B/zh
Publication of CN114998186A publication Critical patent/CN114998186A/zh
Application granted granted Critical
Publication of CN114998186B publication Critical patent/CN114998186B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/30136—Metal
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理领域，具体为一种基于图像处理的铜始极片表面结疤缺陷检测方法及系统，该方法包括：获取增强后的铜始极片图像：每个图像块依次为目标图像块，目标图像块中每个像素点依次为目标像素点，获取目标图像块的关联图像块，基于目标像素点的初始灰度值和每个关联图像块的灰度映射函数，得到关联映射值；根据关联图像块的过度增强度和关联图像块与目标像素点的关联程度计算每个关联映射值的关联权重；基于关联权重，对关联映射值进行加权求和，获取关联修正值；基于关联修正值对目标像素点的均衡化映射值进行修正；本发明获取的增强图像的增强效果更好，基于增强后的铜始极片图像获取的表面结疤缺陷检测结果的准确性更高。

Description

基于图像处理的铜始极片表面结疤缺陷检测方法及系统
技术领域
本发明涉及图像处理领域，具体涉及一种基于图像处理的铜始极片表面结疤缺陷检测方法及系统。
背景技术
铜始极片作为有色冶金行业的重要中间产品之一，其表面质量的优劣将影响最终产品的性能和质量。基于图像处理进行铜始极片表面缺陷检测的方法，对铜始极片图像的质量要求较高，利用现有的直方图均衡化图像增强算法对铜始极片图像进行图像增强，会导致一些噪声被过度放大，出现类似于马赛克的效果。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于图像处理的铜始极片表面结疤缺陷检测方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于图像处理的铜始极片表面结疤缺陷检测方法，该方法包括以下具体步骤：
对铜始极片图像进行分块，得到若干图像块；对每个图像块进行局部直方图均衡化处理，获取每个图像块的灰度映射函数、过度增强度以及图像块中每个像素点的均衡化映射值；
获取增强后的铜始极片图像：每个图像块依次为目标图像块，目标图像块中每个像素点依次为目标像素点，获取目标图像块的若干关联图像块，基于目标像素点的初始灰度值和每个关联图像块的灰度映射函数，得到若干关联映射值；根据关联图像块的过度增强度以及关联图像块与目标像素点的关联程度计算每个关联映射值的关联权重；基于关联权重，对关联映射值进行加权求和，获取关联修正值；基于关联修正值对目标像素点的均衡化映射值进行修正；
基于增强后的铜始极片图像进行表面结疤缺陷检测。
进一步地，每个图像块的过度增强度的获取具体为：
Figure BDA0003576089820000011
g表示图像块的过度增强度，p(m)为图像块中均衡化映射值为m的像素个数占比。
进一步地，根据关联图像块的过度增强度以及关联图像块与目标像素点的关联程度计算每个关联映射值的关联权重，具体为：
GL＝w*(1+eg)
g为关联映射值对应关联图像块的过度增强度，w为关联映射值对应关联图像块与目标像素点的关联程度；GL为关联映射值的关联指标，对关联指标进行归一化得到所述关联权重。
进一步地，关联图像块与目标像素点的关联程度的获取具体为：
以目标像素点的坐标为均值，根据目标像素点所属目标图像块的过度增强度确定方差构建二维高斯分布函数；过度增强度与方差呈反比；
关联图像块中所有像素的坐标对应的二维高斯分布函数值的和为关联图像块与目标像素点的关联程度。
进一步地，基于关联修正值对目标像素点的均衡化映射值进行修正，具体为：
M＝af+(1-a)F′
f为目标像素点的均衡化映射值，F′为目标像素点对应的关联修正值；a为目标像素点的修正权重；M为对目标像素点的均衡化映射值进行修正后得到的灰度值。
进一步地，目标像素点的修正权重的获取具体为：
目标像素点所属目标图像块内所有像素的坐标对应的二维高斯分布函数值的和为目标像素点的修正权重。
第二方面，本发明另一个实施例提供了一种基于图像处理的铜始极片表面结疤缺陷检测系统，该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于图像处理的铜始极片表面结疤缺陷检测方法的步骤。
本发明实施例至少具有如下有益效果：本发明对目标图像块中目标像素点的均衡化映射值进行修正时，考虑了关联图像块中信息与目标像素点的相关性，以及关联图像块经过局部直方图均衡化处理后所得结果的好坏，进而有选择的利用关联映射值，更好的对目标像素点的均衡化映射值进行修正；因此，按照本发明中的方法获取的增强图像的增强效果更好，有助于后续铜始极片表面结疤缺陷的检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明方法实施例的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理的铜始极片表面结疤缺陷检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
铜始极片影响最终产品的性能和质量，一般通过图像处理进行缺陷检测，但图像处理的方法对采集图像的质量要求较高，通常的直方图均衡化不能局部增强，且可能出现块效应和过度增强现象。因此，本发明的目的是对局部直方图均衡化算法进行改进，基于改进后的算法进行图像增强，进而基于增强图像进行铜始极片表面缺陷的检测。
下面结合附图具体的说明本发明所提供的一种基于图像处理的铜始极片表面结疤缺陷检测方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的铜始极片表面结疤缺陷检测方法的步骤流程图，该方法包括以下步骤：
对铜始极片图像进行分块，得到若干图像块；对每个图像块进行局部直方图均衡化处理，获取每个图像块的灰度映射函数、过度增强度以及图像块中每个像素点的均衡化映射值；
获取增强后的铜始极片图像：每个图像块依次为目标图像块，目标图像块中每个像素点依次为目标像素点，获取目标图像块的若干关联图像块，基于目标像素点的初始灰度值和每个关联图像块的灰度映射函数，得到若干关联映射值；根据关联图像块的过度增强度以及关联图像块与目标像素点的关联程度计算每个关联映射值的关联权重；基于关联权重，对关联映射值进行加权求和，获取关联修正值；基于关联修正值对目标像素点的均衡化映射值进行修正；
基于增强后的铜始极片图像进行表面结疤缺陷检测。
下面对上述步骤进行具体展开：
步骤S1，对铜始极片图像进行分块，得到若干图像块；对每个图像块进行局部直方图均衡化处理，获取每个图像块的灰度映射函数、过度增强度以及图像块中每个像素点的均衡化映射值。
基于图像处理进行铜始极片的结疤缺陷检测，能够快速且准确的分选不良铜始极片。由于铜始极片表面质量的优劣影响最终产品的性能和质量，因此对检测的精细程度提出了较高要求，这就要求用于检测的图像的质量较高，即细节处对比度高并且特征明显。
实施例中选择合适的相机，从铜始极片正上方采集图像，获取铜始极片图像，具体的，对采集图像进行灰度化处理，得到铜始极片图像。
直方图均衡化算法可以改善图像的亮度和对比度，进而达到增强图像的目的。直方图均衡化是一种全局方法，适用于整个图像的增强，但无法保证期望的局部增强，导致增强图像中小区域的一些像素的影响在全局变换的计算中可能被忽略。针对上述全局方法的缺陷提出了局部直方图均衡化。基于局部直方图均衡化的算法特点，局部直方图均衡化算法很容易适应局部增强，因此，本发明对铜始极片图像进行分块，得到若干图像块；对每个图像块进行局部直方图均衡化处理，获取每个图像块的灰度映射函数，基于每个图像块的灰度映射函数可以得到铜始极片图像中每个像素点的均衡化映射值；进而，基于每个图像块中像素的均衡化映射值获取每个图像块的过度增强度。其中，对于每个图像块中的每个像素点，将该像素点的初始灰度值代入该图像块对应的灰度映射函数中，得到该像素点的均衡化映射值；所述初始灰度值为铜始极片图像中该像素点的像素值。
但局部直方图均衡化算法存在两个缺陷：1、当各子块的直方图均衡函数差异较大，输出图像中难以避免块效应；2、当窗口内像素点近似一样时，即直方图只有一个灰度级，那么这样得到的映射关系就会是一种“阶跃”的曲线，使变换后图像过度增强，一些噪声就可能被过度放大，出现类似于马赛克的效果。因此，本发明还计算了直方图均衡化后每个图像块的过度增强度，优选地，每个图像块的过度增强度的获取具体为：
Figure BDA0003576089820000041
g表示图像块的过度增强度，p(m)为图像块中灰度值为m的像素个数占比；g的取值范围为[0,1]，g值越小，越接近0，图像块内像素的灰度值越单一，说明图像块的增强效果越差。
步骤S2，获取增强后的铜始极片图像：每个图像块依次为目标图像块，目标图像块中每个像素点依次为目标像素点，获取目标图像块的若干关联图像块，基于目标像素点的初始灰度值和每个关联图像块的灰度映射函数，得到若干关联映射值；根据关联图像块的过度增强度以及关联图像块与目标像素点的关联程度计算每个关联映射值的关联权重；基于关联权重，对关联映射值进行加权求和，获取关联修正值；基于关联修正值对目标像素点的均衡化映射值进行修正。
下面以一个图像块中的一个像素点为例，该图像块为目标图像块，所述一个像素点为目标像素点，说明对目标像素点的均衡化映射值进行修正的具体过程：
(1)获取目标图像块的若干关联图像块，基于目标像素点的初始灰度值和每个关联图像块的灰度映射函数，得到若干关联映射值；优选地，实施例中目标图像块周围24个图像块为目标图像块的关联图像块；对每个图像块进行局部直方图均衡化后，可以得到每个图像块的灰度映射函数，灰度映射函数的具体获取过程是公知的，本发明不再详细说明，将目标像素点的灰度值依次代入每个关联图像块的灰度映射函数中，得到若干关联映射值，即每个关联图像块对应一个关联映射值，优选地，实施例中得到24个关联映射值。
(2)根据关联图像块的过度增强度以及关联图像块与目标像素点的关联程度计算每个关联映射值的关联权重，具体地：
GL＝w*(1+eg)
g为关联映射值对应关联图像块的过度增强度，w为关联映射值对应关联图像块与目标像素点的关联程度；GL为关联映射值的关联指标，对关联指标进行归一化得到所述关联权重。
引入关联图像块的目的是使目标像素点均衡化映射值的修正结果更倾向于纹理丰富的区域，使得最后能够获得更多、更合理的铜始极片的纹理结构，有助于提高后续缺陷检测结果的准确性。
优选地，关联图像块与目标像素点的关联程度w的获取具体为：以目标像素点的坐标为均值，根据目标像素点所属目标图像块的过度增强度确定方差构建二维高斯分布函数；过度增强度与方差呈反比；关联图像块中所有像素的坐标对应的二维高斯分布函数值的和为关联图像块与目标像素点的关联程度；具体地，二维高斯分布函数服从(μ1,μ2,σ1,σ2,ρ)，其中，目标像素点的图像坐标为(x,y)，目标像素点所属目标图像块的过度增强度为g，则μ1＝x，μ2＝y，σ1＝σ2＝4-2g，ρ＝0；关联程度w值越大说明关联图像块内的像素点出现在该二维高斯分布函数上的概率值就越大，也就表示关联图像块与目标像素点的关联程度越大，对目标像素点的均衡化映射值进行修正时越依赖与关联图像块。
(3)基于关联权重，对关联映射值进行加权求和，获取关联修正值，具体地：
Figure BDA0003576089820000051
h′为关联修正值，wk为第k个关联映射值对应关联图像块与目标像素点的关联程度，gk为第k个关联映射值对应关联图像块的过度增强度，Fk为第k个关联映射值，共有K个关联映射值，实施例中K值为24；GLk为第k个关联映射值的关联指标，
Figure BDA0003576089820000052
表示对关联指标进行归一化处理后得到的第k个关联映射值的关联权重。
(4)基于关联修正值对目标像素点的均衡化映射值进行修正，具体地：
M＝af+(1-a)F′
f为目标像素点的均衡化映射值，F′为目标像素点对应的关联修正值；a为目标像素点的修正权重；M为对目标像素点的均衡化映射值进行修正后得到的灰度值。其中，目标像素点所属目标图像块内所有像素的坐标对应的二维高斯分布函数值的和为目标像素点的修正权重a，a表示目标图像块内所有像素点出现的概率，a值越大，说明目标像素点与周围的关联图像块的关联性越小，或者受周围关联图像块的影响就越小，也说明目标图像块内的像素点近似相同的情况越多，目标图像块内的像素点越可能构成连通域，那么目标像素点的均衡化结果就以目标图像块的均衡化结果为主。本发明通过引入权重a使得目标像素点不忽略当前目标图像块内的灰度分布情况，保证目标像素点的均衡化修正结果不会引入太多周围的像素点的均衡化信息、避免当前目标图像块均衡化之后的灰度分布掺杂过多噪声而失去当前目标图像块所应具有的纹理信息，即考虑周围关联图像块的均衡化结果又不丢失当前目标图像块的均衡化结果，避免把没有纹理的区域强行加入纹理，确保缺陷检测的准确性。
按照上述方法，可对每个图像块中的每个像素点的均衡化映射值进行修正，最终得到增强图像。
步骤S3，基于增强后的铜始极片图像进行表面结疤缺陷检测。
一种实施方式中利用DNN网络，通过语义分割的方式对增强后的铜始极片图像进行表面结疤缺陷检测，具体地，将增强后的铜始极片图像输入DNN网络中，输出与输入图像等大结疤缺陷遮罩，结疤缺陷遮罩中值为1的像素为结疤像素，值为0的像素为其他正常铜始极片像素；结疤缺陷遮罩与增强后的铜始极片图像进行乘操作，获取结疤缺陷图像。
另一种实施方式中利用分类网络对增强后的铜始极片图像进行处理，判断铜始极片表面是否存在结疤缺陷，或获取铜始极片表面结疤缺陷的结疤缺陷等级。
基于与上述方法实施例相同的发明构思，本发明一个实施例提供了一种基于图像处理的铜始极片表面结疤缺陷检测系统，该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于图像处理的铜始极片表面结疤缺陷检测方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于图像处理的铜始极片表面结疤缺陷检测方法，其特征在于，该方法包括：
对铜始极片图像进行分块，得到若干图像块；对每个图像块进行局部直方图均衡化处理，获取每个图像块的灰度映射函数、过度增强度以及图像块中每个像素点的均衡化映射值；
获取增强后的铜始极片图像：每个图像块依次为目标图像块，目标图像块中每个像素点依次为目标像素点，获取目标图像块的若干关联图像块，基于目标像素点的初始灰度值和每个关联图像块的灰度映射函数，得到若干关联映射值；根据关联图像块的过度增强度以及关联图像块与目标像素点的关联程度计算每个关联映射值的关联权重；基于关联权重，对关联映射值进行加权求和，获取关联修正值；基于关联修正值对目标像素点的均衡化映射值进行修正；
基于增强后的铜始极片图像进行表面结疤缺陷检测。
2.如权利要求1所述的方法，其特征在于，每个图像块的过度增强度的获取具体为：
Figure FDA0003576089810000011
g表示图像块的过度增强度，p(m)为图像块中均衡化映射值为m的像素个数占比。
3.如权利要求2所述的方法，其特征在于，根据关联图像块的过度增强度以及关联图像块与目标像素点的关联程度计算每个关联映射值的关联权重，具体为：
GL＝w*(1+eg)
g为关联映射值对应关联图像块的过度增强度，w为关联映射值对应关联图像块与目标像素点的关联程度；GL为关联映射值的关联指标，对关联指标进行归一化得到所述关联权重。
4.如权利要求3所述的方法，其特征在于，关联图像块与目标像素点的关联程度的获取具体为：
以目标像素点的坐标为均值，根据目标像素点所属目标图像块的过度增强度确定方差构建二维高斯分布函数；过度增强度与方差呈反比；
关联图像块中所有像素的坐标对应的二维高斯分布函数值的和为关联图像块与目标像素点的关联程度。
5.如权利要求4所述的方法，其特征在于，基于关联修正值对目标像素点的均衡化映射值进行修正，具体为：
M＝af+(1-a)F′
f为目标像素点的均衡化映射值，F′为目标像素点对应的关联修正值；a为目标像素点的修正权重；M为对目标像素点的均衡化映射值进行修正后得到的灰度值。
6.如权利要求5所述的方法，其特征在于，目标像素点的修正权重的获取具体为：
目标像素点所属目标图像块内所有像素的坐标对应的二维高斯分布函数值的和为目标像素点的修正权重。
7.一种基于图像处理的铜始极片表面结疤缺陷检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述方法的步骤。
CN202210345085.1A 2022-03-31 2022-03-31 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 Active CN114998186B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210345085.1A CN114998186B (zh) 2022-03-31 2022-03-31 基于图像处理的铜始极片表面结疤缺陷检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210345085.1A CN114998186B (zh) 2022-03-31 2022-03-31 基于图像处理的铜始极片表面结疤缺陷检测方法及系统

Publications (2)

Publication Number Publication Date
CN114998186A true CN114998186A (zh) 2022-09-02
CN114998186B CN114998186B (zh) 2023-11-28

Family

ID=83023758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210345085.1A Active CN114998186B (zh) 2022-03-31 2022-03-31 基于图像处理的铜始极片表面结疤缺陷检测方法及系统

Country Status (1)

Country Link
CN (1) CN114998186B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117078677A (zh) * 2023-10-16 2023-11-17 江西天鑫冶金装备技术有限公司 一种用于始极片的缺陷检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853497A (zh) * 2010-02-25 2010-10-06 杭州海康威视软件有限公司 一种图像增强方法和装置
CN103200421A (zh) * 2013-04-07 2013-07-10 北京理工大学 一种基于Curvelet变换和相位一致的无参考图像质量评价方法
CN104282004A (zh) * 2014-06-30 2015-01-14 湖南大学 一种基于可扩展分段直方图自适应均衡化方法
CN109146826A (zh) * 2018-06-27 2019-01-04 华南理工大学 一种图像增强方法及装置
CN111565261A (zh) * 2020-06-02 2020-08-21 厦门美图之家科技有限公司 图像处理方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853497A (zh) * 2010-02-25 2010-10-06 杭州海康威视软件有限公司 一种图像增强方法和装置
CN103200421A (zh) * 2013-04-07 2013-07-10 北京理工大学 一种基于Curvelet变换和相位一致的无参考图像质量评价方法
CN104282004A (zh) * 2014-06-30 2015-01-14 湖南大学 一种基于可扩展分段直方图自适应均衡化方法
CN109146826A (zh) * 2018-06-27 2019-01-04 华南理工大学 一种图像增强方法及装置
CN111565261A (zh) * 2020-06-02 2020-08-21 厦门美图之家科技有限公司 图像处理方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
STARK: "Adaptive image contrast enhancement using generalizations of histogram equalization", 《IEEE》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117078677A (zh) * 2023-10-16 2023-11-17 江西天鑫冶金装备技术有限公司 一种用于始极片的缺陷检测方法及系统
CN117078677B (zh) * 2023-10-16 2024-01-30 江西天鑫冶金装备技术有限公司 一种用于始极片的缺陷检测方法及系统

Also Published As

Publication number Publication date
CN114998186B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN109767439B (zh) 一种自适应窗口的多尺度差异与双边滤波的目标检测方法
US8090214B2 (en) Method for automatic detection and correction of halo artifacts in images
CN112819772B (zh) 一种高精度快速图形检测识别方法
CN109658424B (zh) 一种改进的鲁棒二维otsu阈值图像分割方法
CN102156996B (zh) 一种图像边缘检测的方法
CN111161222B (zh) 一种基于视觉显著性的印刷辊筒缺陷检测方法
CN113034452B (zh) 一种焊件轮廓检测方法
CN112215856B (zh) 图像分割的阈值确定方法、装置、终端及存储介质
CN109903294B (zh) 图像处理方法、装置、电子设备及可读存储介质
CN108133463B (zh) 一种直方图均衡化图像的降噪方法及系统
CN109035287B (zh) 前景图像提取方法和装置、运动车辆识别方法和装置
WO2021118463A1 (en) Defect detection in image space
CN111429372A (zh) 一种增强低对比度图像边缘检测效果的方法
CN111369570B (zh) 一种视频图像的多目标检测跟踪方法
CN114298985B (zh) 缺陷检测方法、装置、设备及存储介质
CN109101985A (zh) 一种基于自适应邻域测试的图像误匹配点对剔除方法
CN114998186A (zh) 基于图像处理的铜始极片表面结疤缺陷检测方法及系统
CN112288726B (zh) 一种井下带式输送机带面异物检测方法
CN116843584B (zh) 一种图像数据优化增强方法
CN117333518A (zh) 激光扫描图像匹配方法、系统及计算机设备
CN115511737A (zh) 基于语义分割的红外图像增强方法
CN115423765A (zh) 一种基于模板图像的晶粒缺陷量化分割方法
CN110705568B (zh) 一种图像特征点提取的优化方法
CN110910332B (zh) 一种视觉slam系统动态模糊处理方法
CN108961290B (zh) 一种基于Otsu的Ratio算子自适应图像边缘检测方法

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