CN115330763A - 一种医用纱布缺陷检测方法 - Google Patents
一种医用纱布缺陷检测方法 Download PDFInfo
- Publication number
- CN115330763A CN115330763A CN202211247479.XA CN202211247479A CN115330763A CN 115330763 A CN115330763 A CN 115330763A CN 202211247479 A CN202211247479 A CN 202211247479A CN 115330763 A CN115330763 A CN 115330763A
- Authority
- CN
- China
- Prior art keywords
- sub
- image
- gray
- images
- template
- 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
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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06T2207/10004—Still image; Photographic image
Abstract
本发明公开了一种医用纱布缺陷检测方法,涉及图像处理技术领域;包括:获取医用纱布的灰度图像的频谱图;获取灰度图像的模板尺寸的变化范围;将灰度图像分割为多个尺寸相同的子图像;获取每个子图像的规则方向度;获取每个子图像的结构稳定度;获取灰度图像中每个子图像的子模板的尺寸;根据每个子图像的子模板的尺寸对每个子图像选取子模板;获取子图像与子图像的子模板的匹配程度,根据匹配程度获取每个子图像的缺陷区域;本发明解决了相关技术中,在对医用纱布缺陷检测时存在漏检和检测,以及检测精度和检测效率低下的技术问题。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种医用纱布缺陷检测方法。
背景技术
医用纱布是传统的医疗防护用品,主要作用是为了包扎伤口,以及在手术过程中清理伤口的血污。一般出厂的医用纱布成品有两种供应方式,一种是非无菌方式,另一种是无菌方式。无菌方式包装的医用纱布可以直接使用,而以非无菌方式包装的纱布必须经高温高压蒸汽或环氧乙烷等方法消毒后方可使用。
随着医疗水平的提高,医用纱布的使用越来越广泛。医用纱布的质量影响着使用者的人身安全保障,而在医用纱布的生产制造过程中,很容易造成医用纱布的缺经、断纬等问题。现有的医用纱布缺陷检测是通过人工目视检测,这样通常不仅会存在误检和漏检的情况,而且检测精度和检测效率低下。
利用图像处理技术检测医用纱布缺陷相比传统的人工检测速度更快,而且检测精度更高;然而传统的图像处理技术采用的为固定的模板尺寸,对于图像中的相同结构的图像区域,使用固定模板不仅增加了缺陷检测的时间和后期的计算量,而且对医用纱布缺陷的检测精确度低下,无法满足对布匹快速、精确的检测要求。
发明内容
本发明的目的是提供一种医用纱布缺陷检测方法,以解决相关技术中,在对医用纱布缺陷检测时存在漏检和检测,以及检测精度和检测效率低下的技术问题;有鉴于此,本发明通过以下技术方案予以实现。
一种医用纱布缺陷检测方法,包括以下步骤:
获取医用纱布的灰度图像;对所述灰度图像进行傅里叶变换获取频谱图;
根据所述频谱图的尺寸、频谱图中频点之间的距离和所述灰度图像的尺寸获取灰度图像的模板尺寸的变化范围;
将所述灰度图像分割为多个尺寸相同的子图像;
通过滑窗对每个子图像进行滑动遍历,获取每个滑窗内中心像素点与其余像素点的灰度相似度;
根据灰度相似度获取每个滑窗内与中心像素点相似的像素点;
获取每个中心像素点与相似像素点的方向夹角;
根据每个子图像中的每个中心像素点与相似像素点的方向夹角获取每个子图像的规则方向度;
根据所述灰度图像中每个子图像与其余子图像的结构相似度获取所述灰度图像中每个子图像的结构稳定度;
根据所述灰度图像中每个子图像的规则方向度和结构稳定度,以及所述灰度图像的模板尺寸的变化范围获取每个子图像的子模板的尺寸;
根据每个子图像的子模板的尺寸获取每个子图像的标准医用纱布的子模板;根据每个子模板与该子模板对应的子图像的匹配程度获取所述灰度图像中每个子图像的缺陷区域。
优选地,所述滑窗内中心像素点与其余像素点的灰度相似度通过下式确定:
更优选地,所述子图像的规则方向度通过下式确定:
优选地,获取所述灰度图像中每个所述子图像的结构稳定度的过程为:
从所述灰度图像的第一个子图像开始对所述灰度图像中的其余子图像进行遍历,依次获取第一个子图像与其余子图像之间的结构相似度;设定结构相似度阈值,根据所述结构相似度阈值从所述灰度图像中标记除第一个子图像的子图像;根据所述结构相似度获取所述第一个子图像的结构稳定度;
选取第一个标记的子图像对灰度图像中的其余未标记的子图像进行遍历,根据所述结构相似度阈值从未标记的子图像中标记子图像,并获取所述第一个标记的子图像的结构稳定度;
选取第二个标记的子图像对灰度图像中的其余未标记的子图像进行遍历,根据所述结构相似度阈值从未标记的子图像中标记子图像,并获取所述第二个标记的子图像的结构稳定度;直至标记的子图像对所述灰度图像中的未标记的子图像全部遍历完成,并获得每个标记的子图像的结构稳定度;
全部遍历完成后所述灰度图像包含标记的子图像和未标记的子图像;将全部未标记的子图像的结构稳定度用所述灰度图像中第一个子图像的结构稳定度代替,由此获得所述灰度图像中每个子图像的结构稳定度。
更优选地,所述第一个子图像的结构稳定度通过下式确定:
更优选地,所述标记的子图像的结构稳定度通过下式确定:
更优选地,所述结构相似度通过下式确定:
式中,为子图像与子图像的结构相似度;为子图像中像素点灰度值得平均值;为子图像中像素点的灰度值的平均值;为子图像中像素点的灰度值的方差;为子图像中像素点的灰度值的方差;为子图像中像素点的灰度值与子图像中像素点的灰度值的协方差;和为常数,且,,,为子图像所在的灰度图像的像素点灰度值的最大值;,。
更优选地,所述子图像的子模板的尺寸通过下式确定:
更优选地,所述子模板与该子模板对应的子图像的匹配程度通过下式确定:
式中,为第个子模板与该子模板对应的子图像的匹配程度;表示第个子模板,表示第个子图像;为第个子图像的子模板的宽;为第子图像的子模板的长;为第个子模板中坐标为的像素点的灰度值;为第个子图像中坐标为的像素点的灰度值。
更优选地,根据每个子模板与该子模板对应的子图像的匹配程度获取所述灰度图像中每个子图像的缺陷区域的过程中还包括:设定匹配程度阈值,获取子模板与该子模板对应的子图像的匹配程度;当所述匹配程度大于匹配程度阈值时,所述匹配程度对应的子图像的像素点为缺陷区域。
与现有技术相比,本发明的有益效果是:
本发明提供了一种医用纱布缺陷检测方法,该方法通过获取医用纱布的灰度图像;对灰度图像进行傅里叶变换获取频谱图;根据频谱图的尺寸、频谱图中频点之间的距离和灰度图像的尺寸获取灰度图像的模板尺寸的变化范围;本发明确定灰度图像的模板尺寸的变化范围后,可根据灰度图像的模板尺寸的变化范围对每个子图像的子模板的尺寸进行范围限定,使得每个子图像的子模板的尺寸在灰度图像的模板尺寸的变化范围,以保证对医用纱布缺陷检测的精确性。
本发明还通过将灰度图像分割为多个尺寸相同的子图像;通过滑窗对每个子图像进行滑动遍历,获取每个滑窗内中心像素点与其余像素点的灰度相似度;根据灰度相似度获取每个滑窗内与中心像素点相似的像素点;获取每个中心像素点与相似像素点的方向夹角;根据每个子图像中的每个中心像素点与相似像素点的方向夹角获取每个子图像的规则方向度;根据灰度图像中每个子图像与其余子图像的结构相似度获取灰度图像中每个子图像的结构稳定度;根据灰度图像中每个子图像的规则方向度和结构稳定度,以及灰度图像的模板尺寸的变化范围获取每个子图像的子模板的尺寸;根据每个子图像的子模板的尺寸获取每个子图像的标准医用纱布的子模板;根据每个子模板与该子模板对应的子图像的匹配程度获取灰度图像中每个子图像的缺陷区域;本发明在获得了每个子图像的子模板的尺寸后,对每个每个子图像进行模板匹配,并获取每个每个子图像中的缺陷像素点,所有子图像中的缺陷像素点组成的区域则为医用纱布中的缺陷区域,相比与相关技术中使用固定的模板尺寸对医用纱布进行缺陷检测,本发明的自适应子模板具有检测精度和检测效率更高的特点;本发明解决了相关技术中,在对医用纱布缺陷检测时存在漏检和检测,以及检测精度和检测效率低下的技术问题。
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,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地介绍,显而易见地,下面描述中的附图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为本发明实施提供的医用纱布缺陷检测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
实施例
本实施例提供了一种医用纱布缺陷检测方法,如图1所示,方法包括:
本实施例中的图像数据采集平台包括高分辨率CCD相机、医用纱布卷张紧传动装置、支架平台、光源和图像数据传输系统;
对获取的医用纱布图像进行灰度处理和平滑去噪处理获取灰度图像;对灰度图像进行傅里叶变换获取频谱图,并对频谱图进行阈值分割方法获取频谱图的二值图像;对二值进行连通域检测获取二值图像中的多个连通域;获取每个连通域的中心点,每个中心点为频谱图的频点;频谱图的所有频点通过频谱图的中心点对称分布;
以频谱图的中心点为对称点,获取频谱图中水平方向每对频点的距离;获取水平方向每对频点的距离的最大值和最小值,根据最大值和最小值获取灰度图像的模板的宽的取值范围;灰度图像的模板的宽的取值范围通过下式确定:
式中,为灰度图像的模板的宽的最小值,表示最小值;为灰度图像的模板的宽的最大值,表示最大值;为频谱图中水平方向每对频点的距离的最小值,表示最小值;为频谱图中水平方向每对频点的距离的最大值,表示最大值;为频谱图的横向尺寸,表示频谱图,表示横向尺寸;为灰度图像的横向尺寸,表示频谱图,表示横向尺寸;表示频谱图中水平方向每对频点的距离的最小值与频谱图的横向尺寸的比值,对频谱图中水平方向每对频点的距离的最小值与频谱图的横向尺寸的比值乘以灰度图像的横向尺寸,可确定灰度图像的模板的宽的最小值;表示频谱图中水平方向每对频点的距离的最大值与频谱图的横向尺寸的比值,对频谱图中水平方向每对频点的距离的最大值与频谱图的横向尺寸的比值乘以灰度图像的横向尺寸,可确定灰度图像的模板的宽的最大值;
获取频谱图中竖直方向每对频点的距离;获取竖直方向每对频点的距离的最大值和最小值,根据最大值和最小值获取灰度图像的模板的长的取值范围;灰度图像的模板的长的取值范围通过下式确定:
式中,为灰度图像的模板的长的最小值,表示最小值;为灰度图像的模板的长的最大值,表示最大值;为频谱图中竖直方向每对频点的距离的最小值;为频谱图中竖直方向每对频点的距离的最大值;为频谱图的纵向尺寸,表示频谱图,表示纵向尺寸;为灰度图像的纵向尺寸,表示频谱图,表示纵向尺寸;表示频谱图中竖直方向每对频点的距离的最小值与频谱图的横向尺寸的比值,对频谱图中竖直方向每对频点的距离的最小值与频谱图的横向尺寸的比值乘以灰度图像的纵向尺寸,可确定灰度图像的模板的长的最小值;表示频谱图中竖直方向每对频点的距离的最大值与频谱图的横向尺寸的比值,对频谱图中竖直方向每对频点的距离的最大值与频谱图的横向尺寸的比值乘以灰度图像的纵向尺寸,可确定灰度图像的模板的长的最大值;
需要说明的是,在频谱图中随着频率降低,对称的频点越靠近频谱中心,在医用纱布的灰度图中纬向和经向是有规律分布的,可以看作横向正弦波和纵向正弦波的组合,而对于不同型号的医用纱布,其对应的纬向和经向距离不同,因此通过对医用纱布的频谱图分析,越密集的医用纱布的纬向对应着频谱图中纵向的对称频点越远;越密集的医用纱布的经向对应着频谱图中横向的对称频点越远,因此,通过此特性,本实施例获得了灰度图的模板尺寸的变化范围;
式中,为第个像素点滑动窗口的中心像素点与像素点滑动窗口中除中心点以外的第个像素点的灰度相似度;为第个像素点矩阵滑动窗口的中心像素点灰度值;表示第个像素点矩阵滑动窗口中除中心点以外的第个像素点的灰度值;表示第个像素点矩阵滑动窗口的中心像素点灰度值与第个像素点矩阵滑动窗口中除中心点以外的第个像素点的灰度值的差值;中加1是避免值等于0;获取的倒数得到,并将灰度相似度的范围确定到0到1之间;
设置灰度相似度阈值,比较第个像素点滑动窗口的中心像素点与像素点滑动窗口中除中心点以外的第个像素点的灰度相似度与灰度相似度阈值的大小,当第个像素点滑动窗口的中心像素点与像素点滑动窗口中除中心点以外的第个像素点的灰度相似度大于灰度相似度阈值时,则将第个像素点滑动窗口除中心点以外的第个像素点标记为初始相似像素点;在第个像素点滑动窗口获取全部初始相似像素点,并将全部初始相似像素点中与第个像素点滑动窗口的中心像素点的灰度相似度最大的初始相似像素点作为第个像素点滑动窗口的中心像素点的相似像素点;
将第个像素点滑动窗口的中心像素点与第个像素点滑动窗口的中心像素点的相似像素点两点之间相连,获取第个像素点滑动窗口的中心像素点与第个像素点滑动窗口的中心像素点的相似像素点之间连线的距离;并获取连线的距离的方向与灰度图像的水平方向的夹角;连线的距离的方向在灰度图像的水平方向的夹角通过下式确定:
式中,为第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角;为第个像素点滑动窗口的中心像素点的坐标;为第个像素点滑动窗口的中心像素点的相似像素点的坐标;表示反正切函数;
为第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角;为第个像素点滑动窗口的中心像素点的坐标;为第个像素点滑动窗口的中心像素点的相似像素点的坐标;表示反正切函数;
获得了第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角和第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角后,还需要根据第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角和第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角的值的大小,获取第个像素点滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角;第个像素点滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角通过下式确定:
式中,为第个像素点滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角;为第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角;为第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角;
根据第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角和第个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角的值的大小,获得了第个像素点滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角;将子图像中的第个像素点滑动窗口依次从左到右和从上到下滑动,的像素点矩阵滑动窗口在子图像中每次滑动一个像素点单位,的像素点矩阵滑动窗口在单个子图像中每滑动一次获取的像素点矩阵滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角,依次获得子图像中每个的像素点矩阵滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角,根据每个的像素点矩阵滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角获取子图像的规则方向度;依次获得每个子图像的规则方向度;子图像的规则方向度通过下式确定:
式中,为第个子图像的规则方向度; 为第个子图像中像素点矩阵滑动窗口的个数;为第个像素点矩阵滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角;表示双曲正切函数;表示第个子图像内所有像素点矩阵滑动窗口内的像素点连线之间连线夹角的均值,根据均值来表征子图像内像素点之间连线与医用纱布的经线和纬线的偏差;
需要说明的是,考虑到采集的医用纱布图像中存在规则的非缺陷区域以及不规则的缺陷区域;在规则的非缺陷区域图像中医用纱布纹理走向以及灰度变化相似方向是相同的,即存在梯度变化的方向仅为经向方向(90°和270°方向)和纬向方向(0°和180°方向);而对于不规则的缺陷区域图像中,其纹理走向以及灰度变化相似方向是随机的;对于规则的非缺陷区域图像中纬向走向的图像的像素点的灰度变化相似方向是与纬向走向相同的,即纬向走向的像素点是灰度相似的;对于医用纱布本身像素点灰度变化相似方向是与经向走向相同的,即经向走向的像素点是灰度相似的。因此,为了加快模板匹配所用的时间,减少模板匹配过程中的计算量,通过获取第个子图像内规则方向度来确定当前子图像内需要的子模板大小;其中,规则方向度越大,需要的子模板越小,子图像内模板匹配的时间就越少;规则方向度越小,需要的子模板越大,子图像内模板匹配的时间就越多;
S103,本实施例中将灰度图像分割成了A子图像,并获得了每个子图像的规则方向度;本步骤需要进一步获取每个子图像的结构稳定度;并根据子图像的规则方向度和结构稳定度获取子图像的子模板的大小;为了减少获取每个子图像时的计算量,本实施例采用以下的遍历方式获取灰度图像中每个子图像的结构稳定度;
从灰度图像的第一个子图像开始对灰度图像中的其余子图像进行从左到右和从上到下的遍历,依次获取第一个子图像与其余子图像之间的结构相似度;结构相似度通过下式确定:
式中,为子图像与子图像的结构相似度;为子图像中像素点灰度值得平均值;为子图像中像素点的灰度值的平均值;为子图像中像素点的灰度值的方差;为子图像中像素点的灰度值的方差;为子图像中像素点的灰度值与子图像中像素点的灰度值的协方差;和为常数,且,,,为子图像所在的灰度图像的像素点灰度值的最大值;,;表示子图像中像素点的灰度值的平均值与子图像中像素点的灰度值的平均值的和;表示子图像中像素点的灰度值的方差与子图像中像素点的灰度值的方差的和;中通过了子图像与子图像中像素点的灰度值的平均值和像素点的灰度值的方差对应关系确定了子图像与子图像的结构相似度;
依次可获得灰度图像中第一个子图像与其余子图像的结构相似度;设定结构相似度阈值,根据结构相似度阈值从灰度图像中标记除第一个子图像的子图像;结构相似度阈值为0.6;当灰度图像中的第一个子图像与除第一子图像外其余单个图像的结构相似度小于0.6时,对该单个子图像进行标记;依次完成对其余满足结构相似度小于0.6的单个子图像的标记;
根据灰度图像中第一个子图像与其余子图像的结构相似度获取第一个子图像的结构稳定度;第一个子图像的结构稳定度通过下式确定:
式中,为第一个子图像的结构稳定度,下标表示未标记的第一个子图像;为第一个子图像与第个子图像的结构相似度;为第1个子图像,表示未标记;为第个子图像,表示未标记;为子图像的个数;中通过第一个子图像与其余子图像的结构相似度,以及灰度图像中除第一个子图像外的其余子图像的个数确定灰度图像中第一个子图像的结构稳定度;
选取第二个标记的子图像对灰度图像中的其余未标记的子图像进行遍历,根据结构相似度阈值从未标记的子图像中标记子图像,并获取第二个标记的子图像的结构稳定度;直至标记的子图像对灰度图像中的未标记的子图像全部遍历完成,并获得每个标记的子图像的结构稳定度;标记的子图像的结构稳定度通过下式确定:
式中,为第个标记的子图像的结构稳定,下标表示第个标记的子图像;为第个标记的子图像与第个未标记的子图像的结构相似度;为第个标记的子图像;为第个未标记的子图像;为灰度图像中子图像的个数;中通过第个标记的子图像与其余未标记的子图像的结构相似度,以及灰度图像中除第个标记的子图像外的其余子图像的个数确定灰度图像中第个标记的子图像的结构稳定度;
需要说明的是,为了防止灰度图像中的第一个子图像为缺陷图像,对使用灰度图像中的第一个子图像遍历后进行标记的子图像的总数需要进行限定,规定灰度图像中第一个子图像遍历后进行标记的子图像的总数,其中为灰度图像中第一个子图像遍历后进行标记的子图像的总数,为灰度图像中的子图像的总数;当灰度图像中第一个子图像遍历后进行标记的子图像的总数不满足时,选取灰度图像中的第二个子图像代替第一个子图像进行遍历操作;如第二个子图像遍历后进行标记的子图像的总数仍不满足 时,选择第三个子图像进行重复操作,直到选择的子图像遍历后标记的子图像的总数仍满足 时为止;
全部遍历完成后,灰度图像包含标记的子图像和未标记的子图像;将全部未标记的子图像的结构稳定度用灰度图像中第一个子图像的结构稳定度代替,由此获得灰度图像中每个子图像的结构稳定度;根据每个子图像的规则方向度和结构稳定度,以及灰度图像的模板尺寸的变化范围可获得灰度图像中每个子图像的子模板的尺寸;子图像的子模板的尺寸通过下式确定:
式中,为第子图像的子模板的宽;为第子图像的子模板的长;为灰度图像的模板的宽的最小值;为灰度图像的模板的长的最小值;为第子图像的规则方向度;为第子图像的结构稳定度;和表示超参数,用于调整模板步长值,且,,为第子图像的宽,为第子图像的长,表示对的值向上取整,表示对的值向上取整;表示对灰度图像的模板的宽的最小值进行步长调整,表示步长调整值;表示对灰度图像的模板的长的最小值进行步长调整,表示步长调整值;通过对对灰度图像的模板的宽和长进行步长调整可确定每个子图像的自适应模板的大小;
S104,根据每个子图像的模板的尺寸对每个子图像选取子模板;使用每个子图像的子模板对每个子图像进行扫描,获取子图像与子图像的子模板的匹配程度;子图像与子图像的子模板的匹配程度通过下式确定:
式中,为第个子模板与该子模板对应的子图像的匹配程度;表示第个子模板,表示第个子图像;为第个子图像的子模板的宽;为第子图像的子模板的长;为第个子模板中坐标为的像素点的灰度值;为第个子图像中坐标为的像素点的灰度值;表示第个子图像的子模板的规格大小;表示第个子模板中坐标为的像素点的灰度值与第个子图像中坐标为的像素点的灰度值的差值;根据差值可确定每个子图像中的缺陷像素点;
设定匹配程度阈值,根据匹配程度与匹配程度阈值获取子图像的缺陷区域;本实施例设定匹配程度阈值为0.6,当匹配程度大于0.6时,匹配程度对应的子图像的像素点为缺陷区域;依次获取灰度图像中每个子图像的缺陷区域,由此完成对医用纱布的缺陷检测。
综上,本实施例提供了一种医用纱布缺陷检测方法,包括:获取医用纱布的灰度图像的频谱图;获取灰度图像的模板尺寸的变化范围;将灰度图像分割为多个尺寸相同的子图像,在每个子图像中建立滑窗;获取每个滑窗的中心像素点与相似像素点的方向夹角;获取每个子图像的规则方向度;获取灰度图像中每个子图像的结构稳定度;根据子图像的规则方向度和结构稳定度,以及灰度图像的模板尺寸的变化范围获取灰度图像中每个子图像的子模板的尺寸;根据每个子图像的子模板的尺寸对每个子图像选取子模板;获取子图像与子图像的子模板的匹配程度,根据匹配程度获取每个子图像的缺陷区域;本发明解决了相关技术中,在对医用纱布缺陷检测时存在漏检和检测,以及检测精度和检测效率低下的技术问题。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种医用纱布缺陷检测方法,其特征在于,包括以下步骤:
获取医用纱布的灰度图像;对所述灰度图像进行傅里叶变换获取频谱图;
根据所述频谱图的尺寸、频谱图中频点之间的距离和所述灰度图像的尺寸获取灰度图像的模板尺寸的变化范围;
将所述灰度图像分割为多个尺寸相同的子图像;
通过滑窗对每个子图像进行滑动遍历,获取每个滑窗内中心像素点与其余像素点的灰度相似度;
根据灰度相似度获取每个滑窗内与中心像素点相似的像素点;
获取每个中心像素点与相似像素点的方向夹角;
根据每个子图像中的每个中心像素点与相似像素点的方向夹角获取每个子图像的规则方向度;
根据所述灰度图像中每个子图像与其余子图像的结构相似度获取所述灰度图像中每个子图像的结构稳定度;
根据所述灰度图像中每个子图像的规则方向度和结构稳定度,以及所述灰度图像的模板尺寸的变化范围获取每个子图像的子模板的尺寸;
根据每个子图像的子模板的尺寸获取每个子图像的标准医用纱布的子模板;根据每个子模板与该子模板对应的子图像的匹配程度获取所述灰度图像中每个子图像的缺陷区域。
4.根据权利要求1所述的医用纱布缺陷检测方法,其特征在于,获取所述灰度图像中每个所述子图像的结构稳定度的过程为:
从所述灰度图像的第一个子图像开始对所述灰度图像中的其余子图像进行遍历,依次获取第一个子图像与其余子图像之间的结构相似度;设定结构相似度阈值,根据所述结构相似度阈值从所述灰度图像中标记除第一个子图像的子图像;根据所述结构相似度获取所述第一个子图像的结构稳定度;
选取第一个标记的子图像对灰度图像中的其余未标记的子图像进行遍历,根据所述结构相似度阈值从未标记的子图像中标记子图像,并获取所述第一个标记的子图像的结构稳定度;
选取第二个标记的子图像对灰度图像中的其余未标记的子图像进行遍历,根据所述结构相似度阈值从未标记的子图像中标记子图像,并获取所述第二个标记的子图像的结构稳定度;直至标记的子图像对所述灰度图像中的未标记的子图像全部遍历完成,并获得每个标记的子图像的结构稳定度;
全部遍历完成后所述灰度图像包含标记的子图像和未标记的子图像;将全部未标记的子图像的结构稳定度用所述灰度图像中第一个子图像的结构稳定度代替,由此获得所述灰度图像中每个子图像的结构稳定度。
10.根据权利要求9所述的医用纱布缺陷检测方法,其特征在于,根据每个子模板与该子模板对应的子图像的匹配程度获取所述灰度图像中每个子图像的缺陷区域的过程中还包括:设定匹配程度阈值,获取子模板与该子模板对应的子图像的匹配程度;当所述匹配程度大于匹配程度阈值时,所述匹配程度对应的子图像的像素点为缺陷区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211247479.XA CN115330763B (zh) | 2022-10-12 | 2022-10-12 | 一种医用纱布缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211247479.XA CN115330763B (zh) | 2022-10-12 | 2022-10-12 | 一种医用纱布缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115330763A true CN115330763A (zh) | 2022-11-11 |
CN115330763B CN115330763B (zh) | 2023-03-24 |
Family
ID=83914012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211247479.XA Active CN115330763B (zh) | 2022-10-12 | 2022-10-12 | 一种医用纱布缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115330763B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132593A (zh) * | 2023-10-25 | 2023-11-28 | 济宁华晟服装股份有限公司 | 一种抗周期纹理影响的布匹粗糙度检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643294A (zh) * | 2021-10-14 | 2021-11-12 | 江苏祥顺布业有限公司 | 基于频谱分析的纺织品缺陷自适应检测方法 |
CN115170576A (zh) * | 2022-09-09 | 2022-10-11 | 山东中发新材料科技有限公司 | 基于机器视觉的铝管表面缺陷检测方法 |
CN115311290A (zh) * | 2022-10-12 | 2022-11-08 | 南通市通州区精华电器有限公司 | 一种精密仪器金属零部件缺陷检测方法 |
-
2022
- 2022-10-12 CN CN202211247479.XA patent/CN115330763B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643294A (zh) * | 2021-10-14 | 2021-11-12 | 江苏祥顺布业有限公司 | 基于频谱分析的纺织品缺陷自适应检测方法 |
CN115170576A (zh) * | 2022-09-09 | 2022-10-11 | 山东中发新材料科技有限公司 | 基于机器视觉的铝管表面缺陷检测方法 |
CN115311290A (zh) * | 2022-10-12 | 2022-11-08 | 南通市通州区精华电器有限公司 | 一种精密仪器金属零部件缺陷检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132593A (zh) * | 2023-10-25 | 2023-11-28 | 济宁华晟服装股份有限公司 | 一种抗周期纹理影响的布匹粗糙度检测方法 |
CN117132593B (zh) * | 2023-10-25 | 2024-03-26 | 济宁华晟服装股份有限公司 | 一种抗周期纹理影响的布匹粗糙度检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115330763B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200364849A1 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
CN111402226A (zh) | 一种基于级联卷积神经网络的表面疵点检测方法 | |
CN109409290B (zh) | 一种温度表检定读数自动识别系统及方法 | |
CN115330763A (zh) | 一种医用纱布缺陷检测方法 | |
JP2012515332A5 (zh) | ||
US10210605B2 (en) | Method and device for detecting boundary of region on display motherboard | |
CN108765388B (zh) | 食道内窥oct图像层次结构的自动分割方法和系统 | |
CN111415349B (zh) | 一种基于图像处理技术的涤纶长丝毛丝检测方法 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
JP5806786B1 (ja) | 画像認識装置 | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN107156902A (zh) | 一种烟支外观质量在线检测装置 | |
CN114881960A (zh) | 基于特征增强的布匹直线型缺陷检测方法和系统 | |
CN107862689A (zh) | 皮革表面明显破损自动识别方法及计算机可读存储介质 | |
CN110414521A (zh) | 一种变电站内变压器油位计示数识别方法 | |
CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
CN109099835A (zh) | 基于手机影像的电力线夹测量方法及其系统 | |
Han et al. | Identification and measurement of convolutions in cotton fiber using image analysis | |
CN105699386B (zh) | 一种采用接触式图像传感器的自动验布标记方法 | |
CN105701833B (zh) | 消化道胶囊内窥镜视频钩虫图像计算机自动检测方法 | |
CN109084721B (zh) | 用于确定半导体器件中的目标结构的形貌参数的方法和设备 | |
CN110533657A (zh) | 一种液晶屏外观检测方法 | |
CN105741250B (zh) | 基于二次插值法的自动验布机走布速度不匀的图像矫正方法 | |
CN112509095B (zh) | 一种oct图像错位校正方法 | |
CN104992432B (zh) | 多模图像配准方法 |
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 |