CN115797233A - 图像灰度校正方法、视觉检测方法及装置 - Google Patents

Abstract

本发明的实施例提供了一种图像灰度校正方法、视觉检测方法、图像灰度校正装置、视觉检测装置、电子设备及存储介质。该图像灰度校正方法包括：获取待校正图像；获取参考图像，参考图像通过以下方式得到：获取多张模板图像，模板图像是针对灰度均匀的参考物并且与待校正图像是在同一图像采集场景下获取的；对多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像，参考图像中的像素值根据多张模板图像中的对应位置的像素值得到；将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像。由此，可以采用更简单的方法对图像进行校正，实用性更强，适用性更广。

Description

图像灰度校正方法、视觉检测方法及装置

技术领域

本发明涉及图像处理技术领域，更具体地涉及一种图像灰度校正方法、一种视觉检测方法、一种图像灰度校正装置、一种视觉检测装置、一种电子设备和一种存储介质。

背景技术

在理想情况下，当图像采集装置采集灰度均匀的目标对象的图像时，所获得的图像中的所有像素的灰度值在理论上应该是相同的。然而，在实际情况下，可能由于图像采集场景的光照不均匀、图像采集装置的镜片中心和镜片边缘的响应不一致或成像器件各像素响应不一致等问题，导致实际获得的图像中的各像素的灰度值出现较大差异。

对于上述问题，现有技术中大多采用两点校正法对获得的图像进行校正。具体他，两点校正法需要相机首先对暗场进行一次曝光，得到暗场图像以及待校正图像中每个像素的偏移。接着，在均匀光照条件下，采集灰度均匀的物体的图像，得到均匀场图像。最后，利用均匀场图像中每个像素的灰度值减去暗场图像中对应像素的灰度值，以获得待校正图像的增益。由此，利用偏移和增益可以对待校正图像进行图像校正。

然而，在上述两点校正法中，对暗场进行曝光以及在均匀光照条件下采集图像都是必要操作。而在实际情况下，光照情况往往不能完全满足均匀光照的条件。在这种情况下成像的物体的灰度值的均匀性也很难保证。进而对图像校正结果的准确性造成了一定影响。

因此，亟需一种新的图像校正方法以至少部分地解决上述技术问题。

发明内容

考虑到上述问题而提出了本发明。根据本发明的第一方面，提供了一种图像灰度校正方法。该图像灰度校正方法包括：获取待校正图像；获取参考图像，其中，参考图像通过以下方式得到：获取多张模板图像，模板图像是针对灰度均匀的参考物并且与待校正图像是在同一图像采集场景下获取的；对多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像，参考图像中的像素值根据多张模板图像中的对应位置的像素值得到；将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像。

示例性地，对多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像，包括：对多张模板图像中的对应位置的像素值求平均值或者加权平均值，以消除参考物本身带来的噪声，得到参考图像。

示例性地，将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像，包括：将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值相减，以获得预校正图像；对预校正图像进行图像拉伸，以获得校正后图像。

示例性地，对预校正图像进行图像拉伸，以获得校正后图像，包括通过以下方式中的任意一种或多种实现：将预校正图像的所有像素的灰度值均增加一个预设灰度值，以作为校正后图像中的对应像素的灰度值；将预校正图像的所有像素的灰度值乘以一个预设系数，以作为校正后图像中的对应像素的灰度值；分别求取预校正图像的所有像素的灰度值的平方值，以作为校正后图像中的对应像素的灰度值。

示例性地，将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像，包括：根据待校正图像的像素的灰度值的取值范围，将取值范围中最大数值与参考图像中的每一个像素的灰度值相减，以获得灰度值差值；将待校正图像中的每一个像素的灰度值与灰度值差值相乘，以获得灰度值乘积，其中，待校正图像中的每一个像素与参考图像中的每一个像素一一对应；将每一个灰度值乘积分别除以参考图像中的所有像素的灰度值的平均值或特定数值，以作为校正后图像中的对应像素的灰度值。

示例性地，获取多张模板图像包括：移动参考物，以针对分别出现在图像采集装置视野内不同区域的参考物采集模板图像。

示例性地，方法还包括：在对多张模板图像中的对应位置的像素值求平均值或者加权平均值之前，对多张模板图像执行滤波操作。

示例性地，参考物的材质与待校正图像中的目标对象的材质相同。

根据本发明的第二方面，提供了一种视觉检测方法。该视觉检测方法包括：利用如上的图像灰度校正方法对待校正图像进行校正，以获得校正后图像；对校正后图像进行视觉检测，以获得视觉检测结果。

根据本发明的第三方面，还提供了一种图像灰度校正装置。该图像灰度校正装置包括图像获取模块以及第一处理模块。

图像获取模块，用于获取待校正图像和多张模板图像；

第一处理模块，用于对多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像，参考图像中的像素值根据多张模板图像中的对应位置的像素值得到；以及将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像；其中，模板图像是针对灰度均匀的参考物并且与待校正图像是在同一图像采集场景下获取的。

示例性地，图像获取模块包括可移动载台和图像采集装置；其中，可移动载台的移动方向垂直于图像采集装置的轴线，可移动载台用于携载参考物沿移动方向移动；图像采集装置用于采集待校正图像并且在参考物沿移动方向移动时针对分别出现在图像采集装置视野内不同区域的参考物采集模板图像；第一处理模块还用于对多张模板图像中的对应位置的像素值求平均值或者加权平均值，以消除参考物本身带来的噪声，得到参考图像。

根据本发明的第四方面，还提供了一种视觉检测装置。该视觉检测装置包括如上所述的图像灰度校正装置和第二处理模块，其中，第二处理模块用于对校正后图像进行视觉检测，以获得视觉检测结果。

根据本发明的第五方面，还提供一种电子设备，设备包括：存储器，用于存储计算机程序；处理器，用于执行计算机程序，以使设备执行如上所述的图像灰度校正方法和/或视觉检测方法。

根据本发明的第六方面，还提供了一种存储介质，在存储介质上存储了程序指令，程序指令在运行时用于执行如上所述的图像灰度校正方法和/或如上所述的视觉检测方法。

根据上述技术方案，可以在更少限制条件的情况下，采用更简单的方法对图像进行校正。由于限制条件更少，所以实用性更强，适用性更广。同时，该方法不仅容易实现，并且执行速度更快，资源消耗更少。此外，待校正图像与模板图像是利用同一图像采集场景下采集的，有效减小了图像采集场景例如周围环境以及图像采集装置等因素对图像校正的影响，保证了校正效果的准确性与可靠性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1示出了根据本发明一个实施例的图像灰度校正方法的示意性流程图；

图2示出了根据本发明一个实施例的得到校正后图像的示意性流程图；

图3示出了根据本发明另一个实施例的得到校正后图像的示意性流程图；

图4示出了根据本发明一个实施例的图像灰度校正装置的示意性框图；

图5示出了根据本发明一个实施例的视觉检测装置的示意性框图；以及

图6示出了根据本发明一个实施例的电子设备的示意性框图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

为了解决上述技术问题，根据本发明的第一方面，提供了一种图像灰度校正方法。图1示出了根据本发明一个实施例的图像灰度校正方法100的示意性流程图。如图1所示，该图像灰度校正方法100可以包括以下步骤。

步骤S110，获取待校正图像。

示例性地，待校正图像可以是任意目标对象的图像，目标对象可以是例如陶瓷、晶圆等。待校正图像可以是静态图像，也可以是动态视频中的任一视频帧。待校正图像可以是图像采集装置采集到的原始图像，也可以是图像获取模块经由用户输入获得的对原始图像进行预处理之后的图像，其中预处理可以包括对原始图像进行滤波等操作。

步骤S120，获取参考图像。其中，参考图像可以通过以下步骤得到。

步骤S121，获取多张模板图像，模板图像是针对灰度均匀的参考物并且与待校正图像是在同一图像采集场景下获取的。

示例性地，参考物的材质可以与待校正图像中的目标对象的材质相同。

例如，参考物可以是陶瓷白板，也可以是其他灰度均匀的物品，例如专业的白平衡纸。优选地，可以根据不同的目标对象的材质选择与其相同材质的参考物。由此，可以避免由于材质不同而影响图像灰度值出现差异，保证图像灰度校正结果的准确性。

可以理解，图像采集场景可以包括图像采集装置、图像采集地点、图像采集时间以及图像采集的周边环境等。优选地，采集模板图像的图像采集装置与上述步骤S110中获取待校正图像的图像采集装置是同一个图像采集装置。同时，模板图像与待校正图像是在相同的图像采集地点、相近的图像采集时间、相同的光照条件下采集到的。

示例性地，获取多张模板图像还可以包括：移动参考物，以针对分别出现在图像采集装置视野内不同区域的参考物采集模板图像。

在一个实施例中，图像获取模块可以包括可移动载台和图像采集装置。其中，可移动载台的移动方向垂直于图像采集装置的轴线。可移动载台可以携载参考物沿移动方向移动。图像采集装置可以采集待校正图像并且在参考物沿移动方向移动时针对参考物的不同区域分别采集模板图像。例如，参考物可以是陶瓷白板。陶瓷白板位于可移动载台上，可移动载台可以沿着垂直于图像采集装置的轴线的方向移动。将陶瓷白板放置到可移动载台上，然后使可移动载台携带着陶瓷白板沿图像采集装置的轴线方向移动。在可移动载台的移动过程中，图像采集装置在其视野范围内可以针对可移动载台上的陶瓷白板不断拍照，从而得到位于图像采集装置视野范围内的不同区域的关于陶瓷白板的多张模板图像。

在上述技术方案中，针对分别出现在图像采集装置视野内不同区域的参考物采集模板图像，由此可以避免图像采集装置的镜头上存在固定异物而使模板图像的灰度值不均匀的情况，同时也可以消除随机噪声的影响，保证所获取的模板图像的可靠性与有效性，进而保障图像灰度校正结果。

步骤S122，对多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像。参考图像中的像素值根据多张模板图像中的对应位置的像素值得到。

可以利用任何现有的或未来的可以消除参考物本身带来的噪声的图像处理方法对多张模板图像进行处理，在此不对处理方法进行限定。其中，无论采用何种图像处理方法，参考图像中的像素值与多张模板图像中的像素值均是一一对应，并且可以根据多张模板图像中的像素值得到参考图像中对应位置的像素值。

步骤S130，将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像。

示例性地，数值运算可以包括将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值相加；也可以包括将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值相减；还可以包括将待校正图像中的每一个像素的灰度值乘以一个特定的系数后再与参考图像中的对应像素的灰度值相加等数值运算。可以理解，上述数值运算的方法仅仅是示例性的，并不意味着对数值运算的限定，实际上，任何可以消除图像采集场景带来的噪声的影响的数值运算方法均在本申请的保护范围之内。进而，消除图像采集场景带来的噪声后的图像即为校正后的图像。

根据上述技术方案，可以在更少限制条件的情况下，采用更简单的方法对图像进行校正。由于限制条件更少，所以实用性更强，适用性更广。同时，该方法不仅容易实现，并且执行速度更快，资源消耗更少。此外，待校正图像与模板图像是利用同一图像采集场景下采集的，有效减小了图像采集场景例如周围环境以及图像采集装置等因素对图像校正的影响，保证了校正效果的准确性与可靠性。

示例性地，步骤S122对多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像可以包括：对多张模板图像中的对应位置的像素值求平均值或者加权平均值，以消除参考物本身带来的噪声，得到参考图像。

在一个实施例中，假设图像采集装置采集了12张模板图像，模板图像的尺寸与待校正图像的尺寸相同，即每张模板图像中像素点的个数与每张待校正图像中像素点的个数相同。例如，每张模板图像均具有1000×1000个像素。其中a₁₁表示第一行第一列的位置对应的像素，a₁₂表示第一行第二列的位置对应的像素，a₂₁表示第二行第一列的位置对应的像素，依次类推。可以将第1张模板图像中a₁₁位置像素的灰度值、第2张模板图像中a₁₁位置像素的灰度值、...、第12张模板图像中a₁₁位置像素的灰度值，依次相加求和并将所得和除以模板图像的总个数，即12，由此可以得到多张模板图像中a₁₁位置像素的灰度值的平均值，以作为参考图像中a₁₁位置像素的灰度值。参考图像中其他位置像素的灰度值也可以通过类似的方式得到。通过计算得到参考图像中各个位置像素的灰度值，进而可以获得参考图像。类似地，将模板图像中各个位置的像素的灰度值乘以对应的权重系数后，依次相加求和并将获得的和再除以模板图像的总个数，即12，由此可以得到多张模板图像中a₁₁位置像素的灰度值的加权平均值，以作为参考图像中中a₁₁位置像素的灰度值。参考图像中其他位置像素的灰度值也可以通过类似的方式得到。

在上述技术方案中，通过对多张模板图像中的对应位置的像素值求平均值或者加权平均值，进而得到参考图像。由此，可以消除参考物本身的噪声对图像的影响，进而保证图像灰度校正结果的准确性。

示例性地，图像灰度校正方法还可以包括：在对多张模板图像中的对应位置的像素值求平均值或者加权平均值之前，对多张模板图像执行滤波操作。

具体地，针对多张模板图像，可以采用高斯滤波、均值滤波、中值滤波、加权值滤波等方式，对多张模板图像进行平滑操作，然后再做均值计算。由此，可以避免由于参考物表面具有颗粒等而导致采集到的模板图像的对比度较强且存在噪声，进而影响计算参考图像的灰度值的精度。

图2示出了根据本发明一个实施例的步骤S130将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像示意性流程图。如图2所示，上述步骤S130还可以包括以下步骤。

步骤S131，将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值相减，以获得预校正图像。

示例性地，基于上述步骤S110获取的待校正图像以及步骤S120获取的参考图像均具有1000×1000个像素。将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值相减具体可以包括：将待校正图像中a₁₁位置像素的灰度值减去参考图像中a₁₁位置像素的灰度值，可以获得预校正图像中a₁₁位置像素的灰度值。将待校正图像中a₁₂位置像素的灰度值减去参考图像中a₁₂位置像素的灰度值，可以获得预校正图像中a₁₂位置像素的灰度值。预校正图像中其他位置像素的灰度值也可以通过类似的方式得到。通过计算得到预校正图像中各个位置像素的灰度值，可以获得预校正图像。

步骤S132，对预校正图像进行图像拉伸，以获得校正后图像。

示例性地，基于上述步骤S131获取的预校正图像，可以进行图像拉伸。图像拉伸可以包括线性拉伸、非线性拉伸以及灰度级分割等。在此不对图像拉伸的方法进行具体限定，任何现有的或未来的可以实现图像拉伸的方法均在本申请的保护范围之内。

在上述技术方案中，将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值相减，获得预校正图像。由此可以消除图像采集装置的镜头上的固定噪声以及光照不均对灰度值造成的差异与干扰。对预校正图像进行图像拉伸后获得校正后图像，由此可以恢复预校正图像的灰度，即增强预校正图像的对比度，由此可以使得校正后的图像中的轮廓更加清晰，画面显示更为鲜明。

示例性地，对预校正图像进行图像拉伸，以获得校正后图像，包括通过以下三种方式中的任意一种或多种实现。

方式一，将预校正图像的所有像素的灰度值均增加一个预设灰度值，以作为校正后图像中的对应像素的灰度值。

在第一个实施例中，根据上述步骤S132中获取的预校正图像，可以对预校正图像中每个像素都增加一个预设灰度值，从而得到校正后图像中对应位置的像素的灰度值。预设灰度值可以是用户根据期望设定的灰度值。例如，对于预校正图像中a₁₁位置的像素的灰度值是50，增加一个预设灰度值50后可以得到校正后图像中的对应像素的灰度值是100。校正后图像中其他位置像素的灰度值也可以通过类似的方式得到。通过计算得到校正后图像中各个位置像素的灰度值，可以获得校正后图像。

方式二，将预校正图像的所有像素的灰度值乘以一个预设系数，以作为校正后图像中的对应像素的灰度值。

在第二个实施例中，根据上述步骤S132中获取的预校正图像，可以对预校正图像中每个像素都乘以一个预设系数，从而得到校正后图像中对应位置的像素的灰度值。预设系数可以是用户根据期望设定的系数。例如，对于预校正图像中a₁₁位置的像素的灰度值是50，乘以一个预设系数1.5后可以得到校正后图像中的对应像素的灰度值是75。校正后图像中其他位置像素的灰度值也可以通过类似的方式得到。通过计算得到校正后图像中各个位置像素的灰度值，可以获得校正后图像。

方式三，分别求取预校正图像的所有像素的灰度值的平方值，以作为校正后图像中的对应像素的灰度值。

在第三个实施例中，根据上述步骤S132中获取的预校正图像，可以对预校正图像中每个像素的灰度值求取平方值，从而得到校正后图像中对应位置的像素的灰度值。例如，对于预校正图像中a₁₁位置的像素的灰度值是15，对当前像素的灰度值求平方后可以得到校正后图像中的对应像素的灰度值是225。校正后图像中其他位置像素的灰度值也可以通过类似的方式得到。通过计算得到校正后图像中各个位置像素的灰度值，可以获得校正后图像。

在上述技术方案中，通过对预校正图像的所有像素的灰度值均增加预设灰度值、乘以预设系数，或者分别求取预校正图像的所有像素的灰度值的平方值的方式，可以获得校正后图像中的对应像素的灰度值。由此可以提高预校正图像质量，增强预校正图像对比度，上述方案简单容易实现。

图3示出了根据本发明另一个实施例的步骤S130将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像示意性流程图。如图3所示，上述步骤S130还可以包括以下步骤。

步骤S133，根据待校正图像的像素的灰度值的取值范围，将取值范围中最大数值与参考图像中的每一个像素的灰度值相减，以获得灰度值差值。

示例性地，基于上述步骤S110获取的待校正图像以及步骤S120获取的参考图像均具有1000×1000个像素。待校正图像的像素的灰度值的取值范围可以是0-255，在当前取值范围内最大数值是255，则将最大数值(即255)与参考图像中每一个像素的灰度值相减可以获得灰度值差值。具体地，255与参考图像中a₁₁位置像素的灰度值相减，可以获得a₁₁位置像素的灰度值差值。255与参考图像中a₁₂位置像素的灰度值相减，可以获得a₁₂位置像素的灰度值差值。其他位置像素的灰度值差值也可以通过类似的方式得到。

步骤S134，将待校正图像中的每一个像素的灰度值与灰度值差值相乘，以获得灰度值乘积，其中，待校正图像中的每一个像素与参考图像中的每一个像素一一对应。

例如，待校正图像中a₁₁位置像素的灰度值乘以上述步骤S133中a₁₁位置像素的灰度值差值，可以获得当前a₁₁位置像素的灰度值乘积。待校正图像中a₁₂位置像素的灰度值乘以上述步骤S133中a₁₂位置像素的灰度值差值，可以获得当前a₁₂位置像素的灰度值乘积。其他位置像素的灰度值乘积可以通过类似的方式得到。待校正图像中的每一个像素与参考图像中的每一个像素一一对应。

步骤S135，将每一个灰度值乘积分别除以参考图像中的所有像素的灰度值的平均值或特定数值，以作为校正后图像中的对应像素的灰度值。

示例性地，将每一个灰度值乘积分别除以参考图像中的所有像素的灰度值的平均值或特定数值，可以理解，所有像素的灰度值的平均值可以通过将所有像素的灰度值求和并将所获得的和除以所有像素的个数(即1000×1000)得到。其中特定数值可以根据用户需求设置，例如特定数值可以是100。以将每一个灰度值乘积分别除以参考图像中的所有像素的灰度值的特定数值为例进行说明：将上述步骤S134中a₁₁位置像素的灰度值乘积除以参考图像中的特定数值(即100)，可以获得校正后图像中a₁₁位置像素的灰度值。将上述步骤S134中a₁₂位置像素的灰度值乘积除以参考图像中的特定数值(即100)，可以获得校正后图像中a₁₂位置像素的灰度值。校正后图像中其他位置像素的灰度值也可以通过类似的方式得到。通过计算得到校正后图像中各个位置像素的灰度值，可以获得校正后图像。

可以理解，上述步骤S131、S132和步骤S133、S134、S135属于确定校正后图像中的对应像素的灰度值的两个不同方案，在实际执行时，步骤S131、S132和步骤S133、S134、S135之间不存在先后执行顺序。

在上述技术方案中，将待校正图像中的每一个像素的灰度值与灰度值差值相乘获得灰度值乘积后，对于每一个灰度值乘积分别除以参考图像中的所有像素的灰度值的平均值或特定数值，然后作为校正后图像中的对应像素的灰度值。由此，在该方案中无需对图像进行拉伸即可获得校正后的图像，算法简单容易实现，并且还可以保证所获得的校正后图像的准确性，即保证图像灰度校正结果的准确性和可靠性。

根据本发明的第二方面，还提供了一种视觉检测方法。该视觉检测方法可以包括：利用如上所述的图像灰度校正方法对待校正图像进行校正，以获得校正后图像。对校正后图像进行视觉检测，以获得视觉检测结果。

图像灰度校正方法在前文已经进行了详细的阐述，为了简洁在此不再赘述。基于图像灰度校正方法可以获得校正后的图像，针对校正后的图像中的像素分布、亮度、颜色等信息，可以将图像信号转变成数字信号，然后对这些信号进行运算来抽取目标的特征，进而获得视觉检测结果。具体地，视觉检测可以包括缺陷检测，利用针对晶圆进行缺陷检测。

根据本发明的第三方面，还提供了一种图像灰度校正装置。图4示出了根据本发明一个实施例的图像灰度校正装置400的示意性框图。如图4所示，该图像灰度校正装置400包括图像获取模块410和第一处理模块420。图像获取模块410，用于获取待校正图像和多张模板图像。第一处理模块420，用于对多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像，参考图像中的像素值根据多张模板图像中的对应位置的像素值得到；以及将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像。其中，模板图像是针对灰度均匀的参考物并且与待校正图像是在同一图像采集场景下获取的。

示例性地，图像获取模块410还可以包括可移动载台和图像采集装置。其中，可移动载台的移动方向垂直于图像采集装置的轴线，可移动载台用于携载参考物沿移动方向移动。图像采集装置用于采集待校正图像并且在参考物沿移动方向移动时针对分别出现在图像采集装置视野内不同区域的参考物采集模板图像。第一处理模块还用于对多张模板图像中的对应位置的像素值求平均值或者加权平均值，以消除参考物本身带来的噪声，得到参考图像。

示例性地，图像灰度校正装置400还可以包括参考图像获取模块。参考图像获取模块可以用于对多张模板图像中的对应位置的像素值求平均值或者加权平均值，以消除参考物本身带来的噪声，得到参考图像。

示例性地，图像灰度校正装置400还可以包括噪声消除模块。噪声消除模块可以用于将待校正图像中的每一个像素的灰度值与参考图像中的对应像素的灰度值相减，以获得预校正图像；对预校正图像进行图像拉伸，以获得校正后图像。

示例性地，噪声消除模块还可以包括图像拉伸模块。图像拉伸模块可以用于将预校正图像的所有像素的灰度值均增加一个预设灰度值，以作为校正后图像中的对应像素的灰度值；将预校正图像的所有像素的灰度值乘以一个预设系数，以作为校正后图像中的对应像素的灰度值；分别求取预校正图像的所有像素的灰度值的平方值，以作为校正后图像中的对应像素的灰度值。

示例性地，图像灰度校正模块400还可以包括校正图像获取模块。校正图像获取模块可以用于根据待校正图像的像素的灰度值的取值范围，将取值范围中最大数值与参考图像中的每一个像素的灰度值相减，以获得灰度值差值；将待校正图像中的每一个像素的灰度值与灰度值差值相乘，以获得灰度值乘积，其中，待校正图像中的每一个像素与参考图像中的每一个像素一一对应；将每一个灰度值乘积分别除以参考图像中的所有像素的灰度值的平均值或特定数值，以作为校正后图像中的对应像素的灰度值。

根据本发明的第四方面，还提供了一种视觉检测装置500。图5示出了根据本发明一个实施例的视觉检测装置500的示意性框图。如图5所示，该视觉检测装置包括如上所述的图像灰度校正装置400和第二处理模块510，其中，第二处理模块510用于对校正后图像进行视觉检测，以获得视觉检测结果。优选地，第二处理模块510可以与第一处理模块420是同一处理器。

根据本发明的第五方面，还提供一种电子设备。图6示出根据本申请一个实施例的电子设备600的示意性框图。如图6所示，该电子设备600包括处理器610和存储器620。其中，存储器620用于存储计算机程序，以使电子设备600执行上述图像灰度校正方法和/或视觉检测方法。

根据本发明的第六方面，还提供一种存储介质。在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行如上所述的图像灰度校正方法和/或视觉检测方法。存储介质例如可以包括平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。

本领域普通技术人员通过阅读上述有关图像灰度校正方法和视觉检测方法的相关描述，可以理解上述图像灰度校正装置和视觉检测装置、存储介质的具体实现方案及其有益效果，为了简洁，在此不再赘述。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的图像灰度校正装置和视觉检测装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。

Claims (14)

1.一种图像灰度校正方法，其特征在于，包括：

获取待校正图像；

获取参考图像，其中，所述参考图像通过以下方式得到：

获取多张模板图像，所述模板图像是针对灰度均匀的参考物并且与所述待校正图像是在同一图像采集场景下获取的；

对所述多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像，所述参考图像中的像素值根据多张模板图像中的对应位置的像素值得到；

将所述待校正图像中的每一个像素的灰度值与所述参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像。

2.如权利要求1所述的方法，其特征在于，所述对所述多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像，包括：

对所述多张模板图像中的对应位置的像素值求平均值或者加权平均值，以消除参考物本身带来的噪声，得到所述参考图像。

3.如权利要求1或2所述的方法，其特征在于，所述将所述待校正图像中的每一个像素的灰度值与所述参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像，包括：

将所述待校正图像中的每一个像素的灰度值与所述参考图像中的对应像素的灰度值相减，以获得预校正图像；

对所述预校正图像进行图像拉伸，以获得所述校正后图像。

4.如权利要求3所述的方法，其特征在于，所述对所述预校正图像进行图像拉伸，以获得所述校正后图像，包括通过以下方式中的任意一种或多种实现：

将所述预校正图像的所有像素的灰度值均增加一个预设灰度值，以作为所述校正后图像中的对应像素的灰度值；

将所述预校正图像的所有像素的灰度值乘以一个预设系数，以作为所述校正后图像中的对应像素的灰度值；

分别求取所述预校正图像的所有像素的灰度值的平方值，以作为所述校正后图像中的对应像素的灰度值。

5.如权利要求1或2所述的方法，其特征在于，所述将所述待校正图像中的每一个像素的灰度值与所述参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像，包括：

根据所述待校正图像的像素的灰度值的取值范围，将所述取值范围中最大数值与所述参考图像中的每一个像素的灰度值相减，以获得灰度值差值；

将所述待校正图像中的每一个像素的灰度值与所述灰度值差值相乘，以获得灰度值乘积，其中，所述待校正图像中的每一个像素与所述参考图像中的每一个像素一一对应；

将每一个灰度值乘积分别除以所述参考图像中的所有像素的灰度值的平均值或特定数值，以作为所述校正后图像中的对应像素的灰度值。

6.如权利要求1或2所述的方法，其特征在于，所述获取多张模板图像包括：

移动所述参考物，以针对分别出现在图像采集装置视野内不同区域的参考物采集模板图像。

7.如权利要求1或2所述的方法，其特征在于，所述方法还包括：

在所述对所述多张模板图像中的对应位置的像素值求平均值或者加权平均值之前，对所述多张模板图像执行滤波操作。

8.如权利要求1或2所述的方法，其特征在于，所述参考物的材质与所述待校正图像中的目标对象的材质相同。

9.一种视觉检测方法，其特征在于，包括：

利用如权利要求1至8任一项所述的图像灰度校正方法对所述待校正图像进行校正，以获得所述校正后图像；

对所述校正后图像进行视觉检测，以获得视觉检测结果。

10.一种图像灰度校正装置，其特征在于，包括：

图像获取模块，用于获取待校正图像和多张模板图像；

第一处理模块，用于对所述多张模板图像进行处理，以消除参考物本身带来的噪声，得到参考图像，所述参考图像中的像素值根据多张模板图像中的对应位置的像素值得到；以及将所述待校正图像中的每一个像素的灰度值与所述参考图像中的对应像素的灰度值进行数值运算，以消除图像采集场景带来的噪声，得到校正后图像；其中，所述模板图像是针对灰度均匀的参考物并且与所述待校正图像是在同一图像采集场景下获取的。

11.如权利要求10所述的图像灰度校正装置，其特征在于，所述图像获取模块包括可移动载台和图像采集装置；其中，所述可移动载台的移动方向垂直于所述图像采集装置的轴线，

所述可移动载台用于携载所述参考物沿所述移动方向移动；

所述图像采集装置用于采集所述待校正图像并且在所述参考物沿所述移动方向移动时针对分别出现在所述图像采集装置视野内不同区域的参考物采集模板图像；

所述第一处理模块还用于对所述多张模板图像中的对应位置的像素值求平均值或者加权平均值，以消除参考物本身带来的噪声，得到所述参考图像。

12.一种视觉检测装置，其特征在于，包括如权利要求10或11所述的图像灰度校正装置和第二处理模块，其中，所述第二处理模块用于对所述校正后图像进行视觉检测，以获得视觉检测结果。

13.一种电子设备，其特征在于，所述设备包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，以使所述设备执行如权利要求1至8任一项所述的图像灰度校正方法和/或权利要求9所述的视觉检测方法。

14.一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行如权利要求1至8任一项所述的图像灰度校正方法和/或权利要求9所述的视觉检测方法。

Images