CN115311237A - 一种图像检测方法、装置及电子设备 - Google Patents
一种图像检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115311237A CN115311237A CN202210972173.4A CN202210972173A CN115311237A CN 115311237 A CN115311237 A CN 115311237A CN 202210972173 A CN202210972173 A CN 202210972173A CN 115311237 A CN115311237 A CN 115311237A
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- edge sub
- sub
- target
- 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.)
- Pending
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
-
- 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
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06T2207/30144—Printing quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种图像检测方法、装置及电子设备;所述方法包括:确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像;所述模板图像与所述待测图像对应;对所述第一边缘子图像进行处理,得到第一目标边缘子图像;对所述第二边缘子图像进行处理,得到第二目标边缘子图像;基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷。本申请提供的图像检测方法,可以使边缘图像在受到边缘干扰信息的干扰,以及边缘图像在内折出现缺失的情况下,实现了边缘图像的准确检测,减少了边缘图像的误检率,提高了边缘图像检测的效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像检测方法、装置及电子设备。
背景技术
目前,在现有技术对包装箱检测的过程中,由于印刷图像在边缘位置处发生内折使边缘处出现图像缺失,造成大量印刷图像被误检,生产线效率低下,生产线无法正常流线的问题。目前,现有技术中对边缘图像的检测效果较差,提高边缘图像的检测准确率,是保证印刷纸箱的贴合质量和生产线正常流线的关键。
发明内容
本申请实施例提供一种图像检测方法、装置及电子设备,可以使边缘图像在受到边缘干扰信息的干扰、以及边缘图像因为内折出现缺失的情况下,实现准确检测,减少了边缘图像的误检率,提高了边缘图像检测的效率。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种图像匹配方法,包括:
确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像;所述模板图像与所述待测图像对应;
对所述第一边缘子图像进行处理,得到第一目标边缘子图像;
对所述第二边缘子图像进行处理,得到第二目标边缘子图像;
基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷。
在上述方案中,所述确定模板图像中的第一边缘子图像,包括:
将所述模板图像中的印刷内容区域分割为多个印刷区域;
确定边缘位置的印刷区域为所述第一边缘子图像。
在上述方案中,所述确定待测图像中与所述第一边缘子图像对应的第二边缘子图像,包括:
基于色彩空间透视匹配算法,确定所述待测图像中与所述第一边缘子图像相似性最高的印刷区域为所述第二边缘子图像。
在上述方案中,所述对所述第一边缘子图像进行处理,得到第一目标边缘子图像,包括:
去除所述第一边缘子图像中的边缘干扰信息;
将去除所述边缘干扰信息的所述第一边缘子图像进行二值化处理,得到所述第一目标边缘子图像。
在上述方案中,所述对所述第二边缘子图像进行处理,得到第二目标边缘子图像,包括:
去除所述第二边缘子图像中的边缘干扰信息;
将去除所述边缘干扰信息的所述第二边缘子图像进行二值化处理,得到所述第二目标边缘子图像。
在上述方案中,所述基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷,包括:
将所述第一目标边缘子图像和所述第二目标边缘子图像进行异或操作,得到边缘缺陷二值图像;
基于所述边缘缺陷二值图像确定所述第二边缘子图像是否存在缺陷。
在上述方案中,所述基于所述边缘缺陷二值图像确定所述第二边缘子图像是否存在缺陷,包括:
若所述边缘缺陷二值图像的像素点中非0像素值的个数大于预设的缺陷判定阈值,则确定所述第二边缘子图像为缺陷图像。
在上述方案中,所述方法还包括:
确定所述模板图像中除所述第一边缘子图像以外的独立的印刷区域为第一非边缘子图像;
确定所述待测图像中与所述第一非边缘子图像对应的第二非边缘子图像为第二非边缘子图像,所述模板图像与所述待测图像对应;
将所述第一非边缘子图像进行二值化处理,得到第一目标非边缘子图像;
将所述第二非边缘子图像进行二值化处理,得到第二目标非边缘子图像;
将所述第一目标非边缘子图像与所述第二目标非边缘子图像进行异或操作,得到非边缘缺陷二值图像;
若所述非边缘缺陷二值图像的像素点中非0像素值的个数大于预设的缺陷判定阈值时,则确定所述第二非边缘子图像为缺陷图像。
第二方面,本申请实施例提供一种图像检测装置,所述图像检测装置包括:
边缘图像确定模块,用于确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像;所述模板图像与所述待测图像对应;
边缘图像处理模块,用于对所述第一边缘子图像进行处理,得到第一目标边缘子图像;对所述第二边缘子图像进行处理,得到第二目标边缘子图像;
边缘缺陷图像检测模块,用于基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷。
第三方面,本申请实施例提供一种电子设备,所述电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例提供的图像检测方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行本申请实施例提供的图像检测方法。
本申请实施例提供的图像检测方法,确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像;所述模板图像与所述待测图像对应;对所述第一边缘子图像进行处理,得到第一目标边缘子图像;对所述第二边缘子图像进行处理,得到第二目标边缘子图像;基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷。本申请提供的图像检测方法,通过对边缘图像的处理,可以使边缘图像在受到边缘干扰信息的干扰,以及边缘图像在内折出现缺失的情况下,实现了边缘图像的准确检测,减少了边缘图像的误检率,提高了边缘图像检测的效率。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的图像检测方法的一种可选处理流程示意图;
图2是本申请实施例提供的边缘图像的边缘干扰信息示意图;
图3是本申请实施例提供的边缘图像的误检效果图;
图4是本申请实施例提供的图像检测方法的印刷内容区域匹配效果示意图;
图5是本申请实施例提供的系统工作流程的示意图;
图6是本申请实施例提供的图像检测装置的一种可选结构示意图;
图7是本申请实施例提供的一种电子设备的示意性框图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
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申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
将介绍本申请实施例提供的一种图像检测方法,参见图1,图1是本申请实施例提供的图像检测方法的一种可选处理流程示意图,下面将结合图1示出的步骤S101-S103并结合图2-图4进行说明。
步骤S101,确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像;所述模板图像与所述待测图像对应。
在一些实施例中,模板图像通常是一个与待测图像一比一的pdf格式(PortableDocument Format,可携带文档格式)的素材文档,模板图像与待测图像是一一对应的关系,模板图像中的图像与待测图像中的图像一一对应,模板图像可以用来检测待测图像是否存在印刷问题。
在一些包装箱的印刷图像检测场景中,由于包装箱边缘处内折的工艺问题,部分印刷图像在边缘位置处会因随箱体内折无法完整显示,生产检测设备在对图像进行检测时,会将大量在边缘处存在内折而印刷合格的印刷图像检测为印刷不合格的印刷图像。若发生大量误检,工厂生产无法正常流线。图2是本申请实施例提供的边缘图像的边缘干扰信息示意图。如图2所示,图2中右侧边缘处和下侧边缘处位于矩形框位置的印刷区域,由于边缘阴影、边缘线等边缘干扰信息以及且图像边缘处由于内折出现缺失,容易被生产检测设备检测为印刷区域不合格。其中,边缘干扰信息具体指边缘图像在边缘处发生内折时,在边缘位置处出现图像信息缺失信息。这些图像缺失信息虽然是工艺中的正常现象,却会对检测设备造成干扰,导致检测设备将边缘处内折图像检测为边缘图像印刷失误。
在一些场景中,常用的图像检测方法可以是基于Blob(Binary large object,二进制的大型对象)分析,将图像分割得到前景区域和背景区域,然后进行连通区域检测以及基于图像面积、周长重心等特征的分析,从而得到一些重要的几何特征,例如,区域面积、中心点坐标、质心坐标、最小外接矩形、主轴等。但是基于Blob分析的图像缺陷检测方法,对于图2中的边缘位置处由于边缘阴影、边缘线等边缘干扰信息以及存在内折缺失的边缘图像却检测效果较差,容易产生大量缺陷误判,如图3所示。
图3示出了本申请实施例提供的边缘图像的误检效果图。如图3所示,处于图3下侧边缘的矩形框位置的印刷区域被生产检测设备检测成印刷不合格的图像,打上了fail(错误)的标签。而我们通过观察可以确定,这两个位于边缘位置处的印刷区域是印刷并没有任何漏印、错印等方面的印刷问题。这部分印刷区域没有完全显示是由于图像在边缘处内折的工艺问题导致生产检测设备检测出现了失误。
在一些场景中,基于深度学习的图边缘图像检测方法,也可以检测图2所示的边缘位置的印刷图像缺陷,但需要大量的数据样本,同时这些数据样本需要人工进行标注,且样本越大,人工标注的工作量就越大,基于深度学习的边缘图像检测模型的训练周期也越长。
因此,如何实现准确检测边缘图像,避免因边缘部分内折缺失产生的误检,以及减少人力成本,提高检测效率,是保证印刷纸箱贴合质量合格同时保证正常流线的关键步骤。
在一些实施例中,可以确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像。
在一些应用场景中,可以先确定模板图像中的第一边缘子图像,再基于第一边缘子图像确定第二边缘子图像。
其中,确定第一边缘子图像和第二边缘图像的过程可以为:可以提取模板图像中的印刷内容区域,并将模板图像中的印刷内容区域区域分割为多个独立的印刷区域,将位于模板图像边缘位置的印刷区域确定为第一边缘子图像。
使用基于色彩空间透视匹配算法,将第一边缘子图像进行不同尺寸的透视变换、缩放、平移等操作,得到改变后的第一边缘子图像;将改变后的第一边缘子图像与待测图像上每一个独立的印刷区域进行纹理比对,获取第一边缘子图像与待测图像上每一个独立的印刷区域之间的相似性,当相似性最高时,即得到待测图像中与第一边缘子图像匹配的独立的印刷区域,将匹配得到的独立的印刷区域确定为第二边缘子图像。
在一些应用场景中,也可以先确定待测图像中独立的印刷区域中的第二边缘子图像,再确定模板图像中第一边缘子图像。
其中,确定第一边缘子图像和第二边缘子图像的过程可以为:提取模板图像中的印刷内容区域,并将模板图像中的印刷内容区域分割为多个独立的印刷区域,可以从中选择一个印刷区域的子图像,基于色彩空间透视匹配算法将模板图像中的子图像进行不同尺寸的透视变换、缩放、平移等操作,得到改变后的子图像;将改变后的子图像与待测图像上每一个独立的印刷区域进行纹理比对,获取子图像与待测图像上每一个独立的印刷区域之间的相似性,当相似性最高时,即得到待测图像中与子图像匹配的独立的印刷区域,若待测图像中与子图像匹配得到的独立的印刷区域的位置处于待测图像的边缘位置,则将模板图像中的子图像确定为第一边缘子图像,将待测图像中匹配得到的独立的印刷区域确定为第二边缘子图像。
在一些实施例中,边缘图像类别可以有四种:左侧边缘图像、右侧边缘图像、上侧边缘图像和下侧边缘图像。
其中,第一边缘子图像的边缘图像的边缘图像类别和第二边缘子图像的边缘图像可以基于位置信息判定。
位置信息可以表示为lable_location(x,y,width,height)。其中,x表示为第一边缘子图像的左上角顶点在模板图像上x轴方向的坐标值,y表示为第一边缘子图像的左上角顶点在模板图像上y轴方向的坐标值,width表示为第一边缘子图像的宽度值,height表示为第一边缘子图像的长度值。
如公式(1)所示,其中,x表示为第一边缘子图像左上角顶点在x轴方向的坐标值,y表示为第一边缘子图像左上角顶点在y轴方向的坐标值,width表示为第一边缘子图像的宽度值,height表示为第一边缘子图像的高度值,cols表示为待测边缘图像的宽度值,T表示为边缘判定阈值。第一边缘子图像的边缘图像类型的可以用参数信息flag_edge_image表示。若第一边缘子图像是左侧边缘图像,则第一边缘子图像的参数信息flag_edge_image的值设为1;若第一边缘子图像是右侧边缘图像,则第一边缘子图像的参数信息flag_edge_image的值设为2;若第一边缘子图像是上侧边缘图像,则第一边缘子图像的参数信息flag_edge_image的值设为3;若第一边缘子图像是下侧边缘图像,则第一边缘子图像的参数信息flag_edge_image的值设为4。
步骤S102,对所述第一边缘子图像进行处理,得到第一目标边缘子图像;对所述第二边缘子图像进行处理,得到第二目标边缘子图像。
在一些实施例中,基于确定的第一边缘子图像和第二边缘子图像,对第一边缘子图像和第二边缘子图像分别进行去除边缘干扰信息的处理。如公式(2)、公式(3)所示。在公式(2)和公式(3)中,lable_process[i]可以表示为第i个第二边缘子图像lable[i]去除边缘干扰信息之后的对应的图像,lable_match_process[i]可以表示为第i个第一边缘子图像lable_match[i]去除边缘干扰信息之后的对应的图像。Rect(x,y,w,h)可以表示为裁剪矩形框,其中参数值x可以表示裁剪矩形框左上角在x轴方向的坐标值,参数值y可以表示剪裁矩形框左上角在y轴方向的坐标值,参数值w可以表示裁剪矩形框的宽度指,参数值h可以表示裁剪矩形框的高度值。RT可以表示裁剪偏移阈值,可以默认为20像素。
将第一边缘子图像和第二边缘子图像的边缘干扰信息去除之后,可以得到去除边缘干扰信息的第一边缘子图像和去除边缘干扰信息的第二边缘子图像。
通过对边缘图像基于位置信息进行类别划分,可以针对不同类别的边缘图像进行不同的处理,可以减少边缘干扰信息带来的边缘图像的误检率,对边缘图像的准确检测具有很大的帮助。
步骤S103,基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷。
在一些实施例中,可以将去除边缘干扰信息的第一边缘子图像进行二值化处理,得到第一边缘子图像经过二值化提取之后的第一目标边缘子图像;将去除边缘干扰信息的第二边缘子图像进行二值化处理,得到第二边缘子图像经过二值化提取之后的第二目标边缘子图像。其中,第i个第一目标边缘子图像可以表示为bin_lable,第i个第二目标边缘子图像可以表示为bin_match_process[i]。
在一些实施例中,可以基于第一目标边缘子图像和第二目标边缘子图像,确定第二边缘子图像是否存在缺陷。
其中,确定第二边缘子图像是否存在缺陷的过程为:将第一目标边缘子图像和第二目标边缘子图像进行异或操作,得到边缘缺失二值图像,如公式(4)所示,其中,bin_defect[i]可以表示为第i个边缘缺失二值图像。
若得到的边缘缺失二值图像的像素点中,非0像素值的像素点的个数大于预设的缺陷判定阈值,则确定第二边缘子图像为缺陷图像。
通过对第一边缘子图像和第二边缘子图像分别进行二值化处理,以及对第一目标边缘子图像和第二目标边缘子图像进行异或操作,可以很快的判断第二边缘子图像是否为缺陷图像,提高了边缘图像的检测效率。
在一些场景中,若第二边缘子图像检测为缺陷图像,则确定第二边缘子图像存在印刷不合格的问题,则确定待测图像存在印刷问题,质量不合格。
基于上述步骤S101-步骤S103的图像检测方法,得到的印刷内容区域匹配效果示意图如图4所示,图4是本申请实施例提供的边缘图像的检测方法的印刷区域内容匹配效果示意图。从图4中可以确定,与图3下侧边缘中对应的检测为fail(错误)的边缘图像,在图4中检测为pass(通过)。通过本申请的图像检测方法检测正确。可以确定,通过本申请的图像检测方法,可以实现对边缘由于内折而出现正常缺失的边缘图像的准确检测,避免了边缘图像的误检,提高了边缘图像的检测准确率。
下面说明本申请的图像检测方法也可以检测待测图像中除第二边缘子图像以外的非第二边缘子图像是否为缺陷图像。
在一些实施例中,可以确定模板图像中除第一边缘子图像以外的独立的印刷区域为第一非边缘子图像;确定待测图像中除第二边缘子图像以外的独立的印刷区域为第二非边缘子图像。
相应的,确定第一非边缘子图像和确定第二非边缘子图像也可以有两种方式。
在一些应用场景中,可以先确定模板图像中的第一非边缘子图像,再基于第一非边缘子图像确定第二非边缘子图像。
其中,确定第一非边缘子图像和第二非边缘子图像的过程可以为:可以提取模板图像中的印刷内容区域,并将模板图像中的印刷内容区域区域分割为多个独立的印刷区域,将不是位于模板图像边缘位置的印刷区域确定为第一非边缘子图像。
使用基于色彩空间透视匹配算法,将第一非边缘子图像进行不同尺寸的透视变换、缩放、平移等操作,得到改变后的第一非边缘子图像;将改变后的第一非边缘子图像与待测图像上每一个独立的印刷区域进行纹理比对,获取第一非边缘子图像与待测图像上每一个独立的印刷区域之间的相似性,当相似性最高时,即得到待测图像中与第一非边缘子图像匹配的独立的印刷区域,将匹配得到的独立的印刷区域确定为第二非边缘子图像。
在一些应用场景中,也可以先确定模板图像的印刷区域中的第二非边缘子图像,再确定模板图像中第一非边缘子图像。
其中,确定第一非边缘子图像和第二非边缘子图像的过程可以为:提取模板图像中的印刷内容区域,并将模板图像中的印刷内容区域分割为多个独立的印刷区域,可以从中选择一个印刷区域的子图像,基于色彩空间透视匹配算法将模板图像中的子图像进行不同尺寸的透视变换、缩放、平移等操作,得到改变后的子图像;将改变后的子图像与待测图像上每一个独立的印刷区域进行纹理比对,获取子图像与待测图像上每一个独立的印刷区域之间的相似性,当相似性最高时,即得到待测图像中与子图像匹配的独立的印刷区域,若待测图像中与子图像匹配得到的独立的印刷区域的位置不是处于待测图像的边缘位置,则将模板图像中的子图像确定为第一非边缘子图像,将待测图像中匹配得到的独立的印刷区域确定为第二非边缘子图像。
在一些实施例中,第一非边缘子图像和第二非边缘子图像也可以使用参数信息flag_edge_image表示,可以将flag_edge_image的值设为0。如公式(5)所示。
flag_edge_image=0,if(x>T,y>T,x+width<cols-T,y+height<rows-T) (5)
在一些实施例中,为了与公式(2)-(4)对应,lable_1[i]可以表示为第i个第二非边缘子图像,lable_match_1[i]可以表示为第i个第一非边缘子图像,lable_process_1[i]可以表示为第i个第二非边缘子图像lable_1[i]去除边缘干扰信息之后的图像,lable_match_process_1[i]可以表示为第i个第一非边缘子图像lable_match_1[i]去除边缘干扰信息之后的图像;Rect(x,y,w,h)可以表示为裁剪矩形框,其中参数值x可以表示裁剪矩形框左上角在x轴方向的坐标值,参数值y可以表示剪裁矩形框左上角在y轴方向的坐标值,参数值w可以表示裁剪矩形框的宽度指,参数值h可以表示裁剪矩形框的高度值。RT可以表示裁剪偏移阈值,可以默认为20像素。如公式(6)-公式(7)所示,不需要对第二非边缘子图像和第一边缘非子图像进行去除边缘干扰信息。
lable_process_1[i]=lable_1[i] (6)
lable_match_process_1[i]=lable_match_1[i] (7)
在一些实施例中,可以将确定的第一非边缘子图像进行二值化处理,得到第一目标非边缘子图像;将确定的第二非边缘子图像进行二值化处理,得到第二目标非边缘子图像。其中,第i个第一目标非边缘子图像可以表示为bin_lable_1[i],第i个第二目标非边缘子图像可以表示为bin_match_process_1[i]。
在一些实施例中,可以将第一目标非边缘子图像和第二目标非边缘子图像进行异或操作,得到非边缘缺陷二值图像,如公式(8)所示。其中,bin_defect_1[i]可以表示为第i个边缘缺失二值图像。
在一些实施例中,若非边缘缺陷二值图像的像素点中非0像素值的像素点的个数大于预设的缺陷判定阈值时,则确定第二非边缘子图像为缺陷图像。
在一些场景中,若第二非边缘子图像检测为缺陷图像,则确定第二非边缘图像存在印刷不合格的问题,则确定待测图像存在印刷问题,质量不合格。
在一些场景中,若第二边缘子图像和第二非边缘子图均检测为印刷合格的图像,则确定待测图像不存在印刷问题,质量合格。
下面说明本申请实施例提供的系统工作流程。参见图5,图5是本申请实施例提供的系统工作流程的示意图。
步骤501,确定模板图像中的第一边缘子图像和第一非边缘子图像、待测图像中的第二边缘子图像和第二非边缘子图像。
在一些应用场景中,可以将模板图像的印刷区域分割为多个独立的印刷区域,将位于模板图像中边缘位置的独立的印刷区域确定为第一边缘子图像,将没有位于边缘位置的独立的印刷区域确定为第一非边缘子图像。
再基于色彩空间匹配算法,将第一边缘子图像在待测图像的印刷区域进行匹配,将相似度最高的印刷区域确定为第二边缘子图像;将第一边缘非子图像在待测图像的印刷区域进行匹配,将相似度最高的印刷区域确定为第二非边缘子图像。
在一些应用场景中,也可以将模板图像的印刷区域分割为多个独立的印刷区域,基于色彩空间匹配算法,将模板图像中的一个独立的印刷区域在待测图像上进行匹配,若与之相似度最高的印刷区域位于待测图像的边缘位置,则将模板图像上的独立的印刷区域确定为第一边缘子图像,将待测图像中与之对应的独立的印刷区域确定为第二边缘子图像;若与之相似度最高的印刷区域没有位于待测图像的边缘位置,则将模板图像上的独立的印刷区域确定为第一非边缘子图像,将待测图像中与之对应的独立的印刷区域确定为第二非边缘子图像。
步骤502,将第一边缘子图像和第二边缘子图像去除边缘干扰信息,第一非边缘子图像和第二非边缘子图像不需要去除边缘干扰信息。
在一些实施例中,边缘图像类别边缘图像类别可以有四种:左侧边缘图像、右侧边缘图像、上侧边缘图像和下侧边缘图像。
若第一边缘子图像和第二边缘子图像是左侧边缘图像,则去除左侧边缘干扰信息;若第一边缘子图像和第二边缘子图像是右侧边缘图像,则去除右侧边缘干扰信息;若第一边缘子图像和第二边缘子图像是上侧边缘图像,则去除上侧边缘干扰信息;若第一边缘子图像和第二边缘子图像是下侧边缘图像,则去除下侧边缘干扰信息。
步骤503,提取子图像的二值图像。将步骤502中去除边缘干扰信息之后的第一边缘子图像进行二值化处理,得到第一目标边缘子图像;将步骤502中去除边缘干扰信息之后的第二边缘子图像进行二值化处理,得到第二目标边缘子图像;将步骤502中的第一非边缘子图像进行二值化处理,得到第一目标非边缘子图像;将步骤502中的第二非边缘子图像进行二值化处理,得到第二目标非边缘子图像。
步骤504,获取缺陷图像。将步骤502获取的第一目标边缘子图像与第二目标边缘子图像相对应的图像进行异或操作,得到边缘缺陷二值图像;将步骤502获取的第一目标非边缘子图像与第二目标非边缘子图像相对应的进行异或操作,得到非边缘缺陷二值图像。基于边缘缺陷二值图像和非边缘缺陷二值图像中非0像素值的像素点的个数,判断待测图像是否为缺陷图像。若其中非0像素值的像素点的个数大于预设的缺陷判断阈值,则确定待测图像为缺陷图像。
若边缘缺陷二值图像和非边缘缺陷二值图像中至少有一个检测为缺陷图像,则确定待测图像存在印刷问题,质量不合格;
若边缘缺陷二值图像和非边缘缺陷二值图像都检测为印刷合格的图像,则确定待测图像不存在印刷问题,质量合格。
图6为本申请实施例提供的图像检测装置的一种可选装置结构示意图,图像检测装置600包括边缘图像确定模块601、边缘图像处理模块602和边缘缺陷图像检测模块603。其中,
边缘图像确定模块601,用于确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像;所述模板图像与所述待测图像对应;
边缘图像处理模块602,用于对所述第一边缘子图像进行处理,得到第一目标边缘子图像;对所述第二边缘子图像进行处理,得到第二目标边缘子图像;
边缘缺陷图像检测模块603,用于基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷。
在一些实施例中,边缘图像确定模块601用于:将所述模板图像中的印刷内容区域分割为多个印刷区域;确定边缘位置的印刷区域为所述第一边缘子图像;基于色彩空间透视匹配算法,确定所述待测图像中与所述第一边缘子图像相似性最高的印刷区域为所述第二边缘子图像。
在一些实施例中,边缘图像处理模块602用于:去除所述第一边缘子图像中的边缘干扰信息;将去除所述边缘干扰信息的所述第一边缘子图像进行二值化处理,得到所述第一目标边缘子图像;去除所述第二边缘子图像中的边缘干扰信息;将去除所述边缘干扰信息的所述第二边缘子图像进行二值化处理,得到所述第二目标边缘子图像。
在一些实施例中,边缘缺陷图像检测模块603用于:将所述第一目标边缘子图像和所述第二目标边缘子图像进行异或操作,得到边缘缺陷二值图像;基于所述边缘缺陷二值图像确定所述第二边缘子图像是否存在缺陷;若所述边缘缺陷二值图像的像素点中非0像素值的个数大于预设的缺陷判定阈值,则确定所述第二边缘子图像为缺陷图像。
在一些实施例中,图像检测装置600还用于:确定所述模板图像中除所述第一边缘子图像以外的独立的印刷区域为第一非边缘子图像;确定所述待测图像中与所述第一非边缘子图像对应的第二非边缘子图像为第二非边缘子图像,所述模板图像与所述待测图像对应;将所述第一非边缘子图像进行二值化处理,得到第一目标非边缘子图像;将所述第二非边缘子图像进行二值化处理,得到第二目标非边缘子图像;将所述第一目标非边缘子图像与所述第二目标非边缘子图像进行异或操作,得到非边缘缺陷二值图像;若所述非边缘缺陷二值图像的像素点中非0像素值的个数大于预设的缺陷判定阈值时,则确定所述第二非边缘子图像为缺陷图像。
需要说明的是,本申请实施例的图像检测装置与上述图像检测方法实施例的描述是类似的,具有同方法实施例相似的有益效果,因此不做赘述。对于本申请实施例提供的图像检测装置中未尽的技术细节,可以根据图1至图5中任一附图的说明而理解。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备700用于实施本公开实施例的图像检测方法。在一些可选实施例中,电子设备700可以通过运行计算机程序来实现本申请实施例提供的图像检测方法,例如,计算机程序可以是操作系统中的软件模块;可以是本地(Native)应用程序(Application,APP),即需要在操作系统中安装才能运行的程序;也可以是小程序,即只需要下载到浏览器环境中就可以运行的程序;还可以是能够嵌入至任意APP中的小程序。总而言之,上述计算机程序可以是任意形式的应用程序、模块或插件。
在实际应用中,电子设备700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,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器,其中,云技术(Cloud Technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。电子设备700可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能电视、智能手表等,但并不局限于此。
电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备、车载终端和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如图像检测方法。例如,在一些可选实施例中,图像检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些可选实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的图像检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为图像检测方法。
本申请实施例提供一种存储有可执行指令的计算机可读存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本申请实施例提供的图像检测方法。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
本申请是参照根据本申请实施例的方法、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图像检测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图像检测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图像检测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。
应理解,在本申请的各种实施例中,各实施过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
以上,仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本申请的保护范围之内。
Claims (11)
1.一种图像检测方法,其特征在于,所述方法包括:
确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像;所述模板图像与所述待测图像对应;
对所述第一边缘子图像进行处理,得到第一目标边缘子图像;
对所述第二边缘子图像进行处理,得到第二目标边缘子图像;
基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷。
2.根据权利要求1所述的方法,其特征在于,所述确定模板图像中的第一边缘子图像,包括:
将所述模板图像中的印刷内容区域分割为多个印刷区域;
确定边缘位置的印刷区域为所述第一边缘子图像。
3.根据权利要求1所述的方法,其特征在于,所述确定待测图像中与所述第一边缘子图像对应的第二边缘子图像,包括:
基于色彩空间透视匹配算法,确定所述待测图像中与所述第一边缘子图像相似性最高的印刷区域为所述第二边缘子图像。
4.根据权利要求1所述的方法,其特征在于,所述对所述第一边缘子图像进行处理,得到第一目标边缘子图像,包括:
去除所述第一边缘子图像中的边缘干扰信息;
将去除所述边缘干扰信息的所述第一边缘子图像进行二值化处理,得到所述第一目标边缘子图像。
5.根据权利要求1所述的方法,其特征在于,所述对所述第二边缘子图像进行处理,得到第二目标边缘子图像,包括:
去除所述第二边缘子图像中的边缘干扰信息;
将去除所述边缘干扰信息的所述第二边缘子图像进行二值化处理,得到所述第二目标边缘子图像。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷,包括:
将所述第一目标边缘子图像和所述第二目标边缘子图像进行异或操作,得到边缘缺陷二值图像;
基于所述边缘缺陷二值图像确定所述第二边缘子图像是否存在缺陷。
7.根据权利要求6所述的方法,其特征在于,所述基于所述边缘缺陷二值图像确定所述第二边缘子图像是否存在缺陷,包括:
若所述边缘缺陷二值图像的像素点中非0像素值的个数大于预设的缺陷判定阈值,则确定所述第二边缘子图像为缺陷图像。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括:
确定所述模板图像中除所述第一边缘子图像以外的独立的印刷区域为第一非边缘子图像;
确定所述待测图像中与所述第一非边缘子图像对应的第二非边缘子图像为第二非边缘子图像,所述模板图像与所述待测图像对应;
将所述第一非边缘子图像进行二值化处理,得到第一目标非边缘子图像;
将所述第二非边缘子图像进行二值化处理,得到第二目标非边缘子图像;
将所述第一目标非边缘子图像与所述第二目标非边缘子图像进行异或操作,得到非边缘缺陷二值图像;
若所述非边缘缺陷二值图像的像素点中非0像素值的个数大于预设的缺陷判定阈值时,则确定所述第二非边缘子图像为缺陷图像。
9.一种图像检测装置,其特征在于,所述装置包括:
边缘图像确定模块,用于确定模板图像中的第一边缘子图像,以及确定待测图像中与所述第一边缘子图像对应的第二边缘子图像;所述模板图像与所述待测图像对应;
边缘图像处理模块,用于对所述第一边缘子图像进行处理,得到第一目标边缘子图像;对所述第二边缘子图像进行处理,得到第二目标边缘子图像;
边缘缺陷图像检测模块,用于基于所述第一目标边缘子图像和所述第二目标边缘子图像确定所述第二边缘子图像是否存在缺陷。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行权利要求1-8任一项所述的图像检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210972173.4A CN115311237A (zh) | 2022-08-12 | 2022-08-12 | 一种图像检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210972173.4A CN115311237A (zh) | 2022-08-12 | 2022-08-12 | 一种图像检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115311237A true CN115311237A (zh) | 2022-11-08 |
Family
ID=83863216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210972173.4A Pending CN115311237A (zh) | 2022-08-12 | 2022-08-12 | 一种图像检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115311237A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116482113A (zh) * | 2023-04-24 | 2023-07-25 | 广东绿之彩科技股份有限公司 | 一种基于神经网络的印刷品外观缺陷检测工艺 |
-
2022
- 2022-08-12 CN CN202210972173.4A patent/CN115311237A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116482113A (zh) * | 2023-04-24 | 2023-07-25 | 广东绿之彩科技股份有限公司 | 一种基于神经网络的印刷品外观缺陷检测工艺 |
CN116482113B (zh) * | 2023-04-24 | 2024-01-26 | 广东绿之彩科技股份有限公司 | 一种基于神经网络的印刷品外观缺陷检测工艺 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340796B (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN105046254A (zh) | 字符识别方法及装置 | |
US20180253852A1 (en) | Method and device for locating image edge in natural background | |
CN111310826B (zh) | 样本集的标注异常检测方法、装置及电子设备 | |
CN112101386B (zh) | 文本检测方法、装置、计算机设备和存储介质 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN112597940B (zh) | 证件图像识别方法、装置及存储介质 | |
CN115908988B (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
CN112464785A (zh) | 一种目标检测方法、装置、计算机设备及存储介质 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN115311237A (zh) | 一种图像检测方法、装置及电子设备 | |
CN112241739A (zh) | 识别文本错误的方法、装置、设备和计算机可读介质 | |
CN115063614A (zh) | 一种图像匹配方法、装置及电子设备 | |
CN111241974B (zh) | 票据信息获取方法、装置、计算机设备和存储介质 | |
CN108182677B (zh) | 印前对版检测方法、装置及计算机可读存储介质 | |
CN115546219A (zh) | 检测板式生成方法、板卡缺陷检测方法、装置及产品 | |
CN115578362A (zh) | 电极涂层的缺陷检测方法、装置、电子设备及介质 | |
CN112861861B (zh) | 识别数码管文本的方法、装置及电子设备 | |
CN114663418A (zh) | 图像处理的方法及装置、存储介质及电子设备 | |
CN114399657A (zh) | 车辆检测模型训练方法、装置、车辆检测方法及电子设备 | |
CN113902890A (zh) | 用于视觉概念检测的自监督数据增强方法、系统、设备 | |
CN113780269A (zh) | 图像识别方法、装置、计算机系统及可读存储介质 | |
CN113538449A (zh) | 一种图像矫正方法、装置、服务器及存储介质 | |
CN114782433B (zh) | 一种键帽检测方法、装置及电子设备 | |
CN114140391B (zh) | 基于机器视觉实现板载显示屏模块快速检测的方法 |
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 |