CN115526854A - 一种基于二进制条纹的镜面缺陷检测方法、设备及介质 - Google Patents
一种基于二进制条纹的镜面缺陷检测方法、设备及介质 Download PDFInfo
- Publication number
- CN115526854A CN115526854A CN202211162504.4A CN202211162504A CN115526854A CN 115526854 A CN115526854 A CN 115526854A CN 202211162504 A CN202211162504 A CN 202211162504A CN 115526854 A CN115526854 A CN 115526854A
- Authority
- CN
- China
- Prior art keywords
- image
- binary
- stripe
- detected
- white
- 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
- 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
- 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
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于二进制条纹的镜面缺陷检测方法、设备及介质,方法包括以下步骤:获取待检测物体二进制黑白条纹图像;对二进制黑白条纹图像进行图像预处理,得到横条纹对比度图像和竖条纹对比度图像;对横条纹对比度图像和竖条纹对比度图像分别进行自适应阈值分割,得到二值化图像;从二值化图像中获取待检测物体的缺陷信息。本发明通过二进制编码结构光黑白条纹投影,可以减少获取待检测物体表面的图像模糊程度;同时通过生成横竖条纹对比图并应用自适应阈值分割算法,消除了图像中水波纹的影响。本发明所使用图像处理算法本身并不复杂,轻便高效,广泛应用于镜面物体表面的缺陷检测中。
Description
技术领域
本发明涉及图像识别领域,尤其是一种基于二进制条纹的镜面缺陷检测方法、设备及介质。
背景技术
在工业生产中,产品表面缺陷的质量检测是一个十分重要的环节,随着社会的发展,人们对工业产品质量的需求也越来越高,如何对其表面进行缺陷进行检测一直是当代制造商的难题。对于使用类镜面和镜面外壳的产品来说,在其制造生产加工和运输过程中,物体表面会出现麻点、划伤、冷料、碰伤等缺陷,会对产品的质量、美观、使用舒适度产生巨大影响。因此需要对加工以及运输过程中的产品进行缺陷检测以此来判断产品是否合格以及如何对它们进行下一步处理。
产品缺陷检测的方法主要有机器视觉检测法、人工检测法以及显微检测法等,其中机器视觉检测具有无接触、无破坏性、速度快等特点,受到生产商的青睐。而机器视觉检测针对镜面及类镜面产品外壳的检测手段主要是基于屏幕投影正弦条纹,通过对正弦条纹进行调制从而获取缺陷目标。然而在基于屏幕投影正弦条纹的检测手段中,由于相机要聚焦于物体表面以使缺陷更加清晰,而投影条纹由于反射关系的缘故需要设置二倍焦距,这样通过正弦条纹求解的最终结果极易出现水波纹(Moire pattern,摩尔纹),影响机器视觉检测的效果。
发明内容
有鉴于此,本发明实施例提供一种基于二进制条纹的镜面缺陷检测方法、设备及介质。
本发明的第一方面提供了一种基于二进制条纹的镜面缺陷检测方法,包括以下步骤:
获取待检测物体二进制黑白条纹图像;
对二进制黑白条纹图像进行图像预处理,得到横条纹对比度图像和竖条纹对比度图像;
对横条纹对比度图像和竖条纹对比度图像分别进行自适应阈值分割,得到二值化图像;
从二值化图像中获取待检测物体的缺陷信息。
进一步地,所述获取待检测物体二进制黑白条纹图像,具体通过屏幕投影系统完成;
所述屏幕投影系统包括平台、屏幕、摄像头和数据处理终端;
所述数据处理终端连接摄像头和屏幕,所述屏幕位于平台上方,所述摄像头指向平台;
所述平台用于安放待检测物体;
所述屏幕用于产生二进制黑白条纹光线,将所述二进制黑白条纹光线投影在待检测物体的表面上;
所述摄像头用于拍摄待检测物体表面;
所述数据处理终端用于确定屏幕产生的二进制黑白条纹光线参数信息,并对摄像头拍摄的待检测物体表面进行整合,得到二进制黑白条纹图像。
进一步地,所述屏幕产生的二进制黑白条纹光线覆盖整个待检测物体表面。
进一步地,所述屏幕投影系统通过以下步骤获取待检测物体二进制黑白条纹图像:
数据处理终端根据以下公式确定二进制黑白条纹光线:
式中x,y为投影中图像像素坐标位置、0和255为图像灰度值、f为频率,N为预设定值参数;其中,所述二进制黑白条纹光线的间隔通过调节频率f确定;
屏幕产生二进制黑白条纹光线,将二进制黑白条纹光线投影在待检测物体表面上;
摄像头拍摄待检测物体表面,将待检测拍摄物体表面传输至数据处理终端,至少得到第一二进制黑白条纹图像、第二二进制黑白条纹图像、第三二进制黑白条纹图像和第四二进制黑白条纹图像。
进一步地,所述对二进制黑白条纹图像进行图像预处理,得到横条纹对比度图像和竖条纹对比度图像,具体通过以下公式完成:
I(x)=|I'x1-I'x3|+|I'x2-I'x4|+||I'x1-I'x3|-|I'x2-I'x4||
I(y)=|I'y1-I'y3|+|I'y2-I'y4|+||I'y1-I'y3|-|I'y2-I'y4||
式中,I’x1和I’y1为第一待检测物体表面的横条纹图像和竖条纹图像;I’x2和I’y2为第二待检测物体表面的横条纹图像和竖条纹图像;I’x3和I’y3为第三待检测物体表面的横条纹图像和竖条纹图像;I’x4和I’y4为第四待检测物体表面的横条纹图像和竖条纹图像;I(x)为横条纹对比度图像;I(y)为竖条纹对比度图像。
进一步地,所述自适应阈值分割,具体包括以下步骤:
获取对比度图像,所述对比度图像包括横条纹对比度图像和竖条纹对比度图像;
将对比度图像划分为若干个窗口,获取各个窗口的灰度值;
计算对比度图像窗口的灰度均值;
使用各个窗口的灰度值与灰度均值相减,筛选出灰度差大于预设分割节点的窗口,完成自适应阈值分割过程。
进一步地,所述二值化图像通过以下公式获取:
式中x,y为投影中图像像素坐标位置,I(x,y)为二值化图像。
进一步地,所述缺陷信息包括麻点、划伤、冷料、碰伤。
本发明的第二方面公开了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现一种基于二进制条纹的镜面缺陷检测方法。
本发明的第三方面公开了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现一种基于二进制条纹的镜面缺陷检测方法。
本发明的实施例具有如下方面有益效果:本发明所要求保护一种基于二进制条纹的镜面缺陷检测方法、设备及介质,通过二进制编码结构光黑白条纹投影,可以减少获取待检测物体表面的图像模糊程度;同时通过生成横竖条纹对比图并应用自适应阈值分割算法,消除了图像中水波纹的影响。本发明所使用图像处理算法本身并不复杂,轻便高效,广泛应用于镜面物体表面的缺陷检测中。
本发明的附加方面和优点将在下面的描述部分中给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1是现有技术中对镜面外壳拍摄产生水波纹的示意图;
图2是本发明一种基于二进制条纹的镜面缺陷检测方法、设备及介质基本流程图;
图3是本发明一种基于二进制条纹的镜面缺陷检测方法、设备及介质的屏幕投影系统结构示意图;
图4是本发明一种基于二进制条纹的镜面缺陷检测方法、设备及介质的一种待检测物体示意图;
图5、图6是本发明一种基于二进制条纹的镜面缺陷检测方法、设备及介质中将二进制条纹图像覆盖于待检测物体表面示意图;
图7是本发明一种基于二进制条纹的镜面缺陷检测方法、设备及介质中提取对比度图像示意图;
图8是本发明一种基于二进制条纹的镜面缺陷检测方法、设备及介质中进行自适应阈值分割得到二值化图像的示意图;
附图标记:1-屏幕、2-摄像头、3-平台、4-数据处理终端。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
现有技术中,对产品表面缺陷的检测通常是采用机器视觉检测技术,即通过CCD等设备获取工件图像,基于产品图像对产品表面的麻点、划伤、冷料、碰伤以及缺损等进行检测。在使用机器视觉检测产品缺陷的过程中,机器使用CCD采集产品表面,由于感光元件像素的空间频率与影像中条纹的空间频率接近,则容易在拍摄的产品表面产生水波纹,其效果如图1所示。水波纹会干扰机器学习算法对产品表面缺陷的检测,使得检测精度下降。
由此,本发明提出一种基于二进制条纹的镜面缺陷检测方法、设备及介质,旨在机器视觉检测中克服水波纹的影响。
本实施例介绍了一种基于二进制条纹的镜面缺陷检测方法,如图2所示,主要包括以下步骤:
S1.获取待检测物体二进制黑白条纹图像;
S2.对二进制黑白条纹图像进行图像预处理,得到横条纹对比度图像和竖条纹对比度图像;
S3.对横条纹对比度图像和竖条纹对比度图像分别进行自适应阈值分割,得到二值化图像;
S4.从二值化图像中获取待检测物体的缺陷信息。
步骤S1中,获取待检测物体二进制黑白条纹图像,具体通过屏幕投影系统完成。
屏幕投影系统的组成参考图3,包括屏幕1、摄像头2、平台3和数据处理终端4。其中,数据处理终端4与屏幕1和摄像头2连接。屏幕1用于产生二进制黑白条纹光线,将二进制黑白条纹光线覆盖于待检测物体表面;摄像头2用于拍摄覆盖二进制黑白条纹光线的待检测物体表面;产品作为待检测物体安放在平台3上,屏幕1的尺寸大于平台3,使得屏幕所投影的二进制黑白条纹光线能够将待检测物体表面全部覆盖;数据处理终端4用于确定屏幕1产生的二进制黑白条纹光线参数信息,并对摄像头2拍摄的待检测物体表面进行整合,得到二进制黑白条纹图像。
本实施例中数据处理终端4根据以下公式确定二进制黑白条纹光线:
式中x,y为投影中图像像素坐标位置、0和255为图像灰度值、f为频率,N为预设定值参数;其中,二进制黑白条纹光线的间隔通过调节频率f确定。
具体地,公式中x,y分别投影为图像像素坐标位置由屏幕分辨率决定。如当屏幕分辨率为1920X1080则投影条纹x和y分别设置为1920,1080。公式中中0和255为图像灰度值,所生成二进制编码条纹为灰度图。n分别设置为0,1,2,3则分别产生Ix1,Ix2,Ix3,Ix4。公式中I(x,y)为最终产生二进制黑白条纹,N为预设参数,设置为4。f表示频率,f=1/T,T为二进制黑白条纹的周期,f大小可以决定生成二进制黑白条纹的宽度。在一部分实施例中,如果生成二进制黑白条纹过细,则由于弧形物体可能产生散焦现象,会影响图像的后续处理。在另一部分实施例中,如果生成二进制黑白条纹过宽,则又可能影响图像的对比度。因此公式中f取值需谨慎选取。
以图4的待检测物体表面为例,摄像头2所采集二进制黑白条纹图像参考图5和图6。
其中,图5所示横二进制图案黑白条纹可以通过将上述公式中的x换成y生成获得。经过多次试验发现,将N值设定为4,即采集的二进制黑白条纹图像为四张时,可以完美消除待检测物体表面的水波纹现象。同时仅采集单方向的二进制黑白条纹图像会出现对垂直于条纹缺陷产生漏检的问题,因此本实施例选用两个方向的二进制黑白条纹图像进行缺陷检测,以解决此问题。
步骤S2中,对二进制黑白条纹图像进行图像预处理,得到横条纹对比度图像和竖条纹对比度图像,具体通过以下公式完成:
I(x)=|I'x1-I'x3|+|I'x2-I'x4|+||I'x1-I'x3|-|I'x2-I'x4||
I(y)=|I'y1-I'y3|+|I'y2-I'y4|+||I'y1-I'y3|-|I'y2-I'y4||
式中,I’x1和I’y1为第一待检测物体表面的横条纹图像和竖条纹图像;I’x2和I’y2为第二待检测物体表面的横条纹图像和竖条纹图像;I’x3和I’y3为第三待检测物体表面的横条纹图像和竖条纹图像;I’x4和I’y4为第四待检测物体表面的横条纹图像和竖条纹图像;I(x)为横条纹对比度图像;I(y)为竖条纹对比度图像。
本实施例中,使用上述公式对摄像头拍照获得的二进制黑白条纹图像的灰度值进行相减绝对值处理。即可获得如图7所示的对比度图像。
步骤S3中,自适应阈值分割,具体包括以下步骤:
S3-1.获取对比度图像,对比度图像包括横条纹对比度图像和竖条纹对比度图像;
S3-2.将对比度图像划分为若干个窗口,获取各个窗口的灰度值;
S3-3.计算对比度图像窗口的灰度均值;
S3-4.使用各个窗口的灰度值与灰度均值相减,筛选出灰度差大于预设分割节点的窗口,完成自适应阈值分割过程。
本实施例中,窗口的大小一般根据缺陷大小来进行确定,如果缺陷范围较大就选择较大的窗口,缺陷范围较小就选择较小的窗口。由于待检测物体背景的灰度值一直处于变化状态,因此仅对局部窗口使用阈值分割。
窗口均值通过计算图像中所以窗口灰度值的平均值获得。分割节点的取值根据对比度图像中的缺陷强弱来判定;对于含有较弱缺陷的对比度图像,分割节点一般取较小的值;缺陷强弱根据人眼能明显看出的缺陷和要仔细分别才能看出的缺陷进行判定。本实施例中背景和缺陷灰度值相差16以下为弱缺陷。
步骤S3中,二值化图像通过以下公式获取:
式中x,y为投影中图像像素坐标位置,I(x,y)为二值化图像。对图4所示待检测物体得到的二值化图像参考图8。
步骤S4中,在步骤S3得到二值化图像基础上,通过人工判断待检测图像表面具体的缺陷类型。本实施例能够筛选的缺陷类型包括麻点、划伤、冷料和碰伤,并以此进一步判断产品是否合格。
本发明提出了一种基于二进制条纹的镜面缺陷检测方法、设备及介质,通过二进制黑白条纹,减少了由于聚焦问题带来的影响;通过投影横竖条纹,消除特殊方向缺陷漏检的情况;通过提出的阈值分割算法,解决了水波纹的影响,成功增加了缺陷的对比度,使缺陷易于分割检测,具有较好的实用性。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于二进制条纹的镜面缺陷检测方法,其特征在于,包括以下步骤:
获取待检测物体二进制黑白条纹图像;
对二进制黑白条纹图像进行图像预处理,得到横条纹对比度图像和竖条纹对比度图像;
对横条纹对比度图像和竖条纹对比度图像分别进行自适应阈值分割,得到二值化图像;
从二值化图像中获取待检测物体的缺陷信息。
2.根据权利要求1所述的一种基于二进制条纹的镜面缺陷检测方法,其特征在于,所述获取待检测物体二进制黑白条纹图像,具体通过屏幕投影系统完成;
所述屏幕投影系统包括平台、屏幕、摄像头和数据处理终端;
所述数据处理终端连接摄像头和屏幕,所述屏幕位于平台上方,所述摄像头指向平台;
所述平台用于安放待检测物体;
所述屏幕用于产生二进制黑白条纹光线,将所述二进制黑白条纹光线投影在待检测物体的表面上;
所述摄像头用于拍摄待检测物体表面;
所述数据处理终端用于确定屏幕产生的二进制黑白条纹光线参数信息,并对摄像头拍摄的待检测物体表面进行整合,得到二进制黑白条纹图像。
3.根据权利要求2所述的一种基于二进制条纹的镜面缺陷检测方法,其特征在于,所述屏幕产生的二进制黑白条纹光线覆盖整个待检测物体表面。
5.根据权利要求4所述的一种基于二进制条纹的镜面缺陷检测方法,其特征在于,所述对二进制黑白条纹图像进行图像预处理,得到横条纹对比度图像和竖条纹对比度图像,具体通过以下公式完成:
I(x)=|I'x1-I'x3|+|I'x2-I'x4|+||I'x1-I'x3|-|I'x2-I'x4||
I(y)=|I'y1-I'y3|+|I'y2-I'y4|+||I'y1-I'y3|-|I'y2-I'y4||
式中,I’x1和I’y1为第一待检测物体表面的横条纹图像和竖条纹图像;I’x2和I’y2为第二待检测物体表面的横条纹图像和竖条纹图像;I’x3和I’y3为第三待检测物体表面的横条纹图像和竖条纹图像;I’x4和I’y4为第四待检测物体表面的横条纹图像和竖条纹图像;I(x)为横条纹对比度图像;I(y)为竖条纹对比度图像。
6.根据权利要求1所述的一种基于二进制条纹的镜面缺陷检测方法,其特征在于,所述自适应阈值分割,具体包括以下步骤:
获取对比度图像,所述对比度图像包括横条纹对比度图像和竖条纹对比度图像;
将对比度图像划分为若干个窗口,获取各个窗口的灰度值;
计算对比度图像窗口的灰度均值;
使用各个窗口的灰度值与灰度均值相减,筛选出灰度差大于预设分割节点的窗口,完成自适应阈值分割过程。
8.根据权利要求1-7任一项所述的一种基于二进制条纹的镜面缺陷检测方法,其特征在于,所述缺陷信息包括麻点、划伤、冷料、碰伤。
9.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162504.4A CN115526854A (zh) | 2022-09-23 | 2022-09-23 | 一种基于二进制条纹的镜面缺陷检测方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211162504.4A CN115526854A (zh) | 2022-09-23 | 2022-09-23 | 一种基于二进制条纹的镜面缺陷检测方法、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115526854A true CN115526854A (zh) | 2022-12-27 |
Family
ID=84699240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211162504.4A Pending CN115526854A (zh) | 2022-09-23 | 2022-09-23 | 一种基于二进制条纹的镜面缺陷检测方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115526854A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116165205A (zh) * | 2022-12-28 | 2023-05-26 | 广州市斯睿特智能科技有限公司 | 表面反射图像采集方法、系统、装置及存储介质 |
-
2022
- 2022-09-23 CN CN202211162504.4A patent/CN115526854A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116165205A (zh) * | 2022-12-28 | 2023-05-26 | 广州市斯睿特智能科技有限公司 | 表面反射图像采集方法、系统、装置及存储介质 |
CN116165205B (zh) * | 2022-12-28 | 2024-02-02 | 广州市斯睿特智能科技有限公司 | 表面反射图像采集方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9773302B2 (en) | Three-dimensional object model tagging | |
CN107607040B (zh) | 一种适用于强反射表面的三维扫描测量装置及方法 | |
CN108369650B (zh) | 标识校准图案的可能特征点的方法 | |
KR100805486B1 (ko) | 디스플레이의 다각도 계측 시스템 및 방법 | |
CN112200790B (zh) | 布料缺陷检测方法、设备和介质 | |
CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
CN115526854A (zh) | 一种基于二进制条纹的镜面缺陷检测方法、设备及介质 | |
CN116228780A (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
CN113781393B (zh) | 屏幕缺陷检测方法、装置、设备及存储介质 | |
JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
Xue | Blind image deblurring: a review | |
CN117274258A (zh) | 主板图像的缺陷检测方法、系统、设备及存储介质 | |
CN116563157A (zh) | 一种基于深度学习的面向空间卫星低照度图像增强方法 | |
CN113840136B (zh) | 一种相机安装精度的检测方法和装置 | |
CN114885095A (zh) | 图像采集控制方法及设备、图像采集系统和可读存储介质 | |
CN114972084A (zh) | 一种图像对焦准确度评价方法及系统 | |
Simpkins et al. | Robust grid registration for non-blind PSF estimation | |
CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
Lasang et al. | CFA-based motion blur removal using long/short exposure pairs | |
CN116542974B (zh) | 一种基于多尺度网格化的覆铜板表面缺陷检测方法 | |
CN113034553A (zh) | 图像配准算法的评估方法、终端及存储介质 | |
CN116165205B (zh) | 表面反射图像采集方法、系统、装置及存储介质 | |
CN108830867A (zh) | 基于直线边缘特征的稳像方法、系统 | |
CN117876470B (zh) | 一种透明光学透镜激光条中心线提取方法及系统 | |
Zhao et al. | A review on 3D measurement of highly reflective objects using structured light projection |
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 |