CN116165205B - 表面反射图像采集方法、系统、装置及存储介质 - Google Patents
表面反射图像采集方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN116165205B CN116165205B CN202211694773.5A CN202211694773A CN116165205B CN 116165205 B CN116165205 B CN 116165205B CN 202211694773 A CN202211694773 A CN 202211694773A CN 116165205 B CN116165205 B CN 116165205B
- Authority
- CN
- China
- Prior art keywords
- stripe
- picture
- fitting
- vertical
- vertical stripe
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000000737 periodic effect Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 abstract description 13
- 230000007547 defect Effects 0.000 abstract description 11
- 230000000007 visual effect Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- 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
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8829—Shadow projection or structured background, e.g. for deflectometry
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种表面反射图像采集方法、系统、装置及存储介质，涉及视觉检测技术领域。本申请通过基于不同周期的竖条纹光线，依次采集多张被测物体的竖条纹图片，然后基于不同周期的横条纹光线，依次采集多张被测物体的横条纹图片，对多张被测物体的竖条纹图片和多张横条纹图片进行拟合后，得到能够反映细节信息的表面反射图像。将横条纹图片与竖条纹图片进行拟合，能够避免由于个别划痕缺陷的方向平行于条纹，导致后续缺陷信息被识别为条纹信息，从而影响后续视觉检测结果。
Description
技术领域
本发明涉及视觉检测技术领域，尤其涉及一种表面反射图像采集方法、系统、装置及存储介质。
背景技术
视觉检测技术是利用工业相机代替人眼睛去完成识别、测量、定位等功能。一般视觉检测系统由相机、镜头、光源组合合成，可以代替人工完成条码字符、裂痕、包装、表面图层是否完整、凹陷等检测，使用视觉检测系统能有效的提高生产流水线的检测速度和精度，大大提高产量和质量，降低人工成本，同时防止因为人眼疲劳而产生的误判。
在视觉检测方面通过条纹反射技术采集金属表面图片，通过神经网络算法或者几何算法对条纹反射图片进行分析得到金属表面凹陷、凸起或者其他表面缺陷。反射条纹光检测系统包括计算机、投影屏和CCD照相机，利用正弦函数在计算机中生成正弦条纹图像数据文件，在屏幕上产生出黑白相间的正弦条纹图案投射到被测物体上，通过CCD照相机拍摄获得被测物体表面的黑白条纹图像，送至计算机处理，可得到图像的相对相位图，测量表面的斜率等数据，进而实现缺陷检测。目前的采集的黑白条纹图像精度不高，不能反映细小颗粒或者划痕等比较细微的缺陷，影响对被测物体表面的缺陷检测效果。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种表面反射图像采集方法、系统、装置及存储介质，能够提高条纹反射图像的采集精度。
一方面，本发明实施例提供了一种表面反射图像采集方法，包括以下步骤：
根据不同的第一条纹周期信号产生不同周期的竖条纹光线；
基于不同周期的竖条纹光线，依次采集多张被测物体的竖条纹图片；
根据不同的第二条纹周期信号产生不同周期的横条纹光线；
基于不同周期的横条纹光线，依次采集多张被测物体的横条纹图片；
拟合多张所述竖条纹图片和多张所述横条纹图片，得到表面反射图像。
根据本发明一些实施例，所述拟合多张所述竖条纹图片和多张所述横条纹图片，得到表面反射图像包括以下步骤：
拟合多张所述竖条纹图片，得到竖条纹拟合图；
拟合多张所述横条纹图片，得到横条纹拟合图；
采用加权算法叠加所述竖条纹拟合图和所述横条纹拟合图，得到表面反射图像。
根据本发明一些实施例，所述拟合多张所述竖条纹图片，得到竖条纹拟合图包括以下步骤：
将所述竖条纹图片中的每一个像素的灰度值与阈值进行比较，提取竖条纹二值化图像；
提取多张按照条纹周期从大到小排列的所述竖条纹二值化图像中相同像素的值，依次组成每一个像素位的第一二进制字符串；
将所述第一二进制字符串转换为十进制并进行归一化处理，得到竖条纹拟合图中每一个像素的第一灰度值。
根据本发明一些实施例，拟合多张所述横条纹图片，得到横条纹拟合图包括以下步骤：
将所述横条纹图片中的每一个像素的灰度值与阈值进行比较，提取横条纹二值化图像；
提取多张按照条纹周期从大到小排列的所述横条纹二值化图像中相同像素的值，依次组成每一个像素位的第二二进制字符串；
将所述第二二进制字符串转换为十进制并进行归一化处理，得到横条纹拟合图中每一个像素的第二灰度值。
根据本发明一些实施例，所述阈值通过以下步骤获得：
基于全曝光光线，采集被测物体的全白反射图像；
基于非曝光光线，采集被测物体的全黑反射图像；
对于同一个像素，根据所述全白反射图像的灰度值和所述全黑反射图像的灰度值确定每一个像素对应的阈值。
根据本发明一些实施例，所述第一灰度值表示为：
h1＝(255/2N1-1)×V1；
其中，N1表示竖条纹二值化图像的数量，V1为第一二进制字符串的十进制值，V1的取值范围为[0,2N1-1]；
所述第二灰度值表示为：
h2＝(255/2N2-1)×V2；
其中，N2表示横条纹二值化图像的数量，V2为第二二进制字符串的十进制值，V2的取值范围为[0,2N2-1]。
根据本发明一些实施例，所述竖条纹图片或者所述横条纹图片中黑色条纹和白色条纹相间，所述黑色条纹的宽度等于所述白色条纹的宽度；
前一张竖条纹图片的黑色条纹的宽度为下一张竖条纹图片的黑色条纹的宽度的两倍，前一张横条纹图片的黑色条纹的宽度为下一张横条纹图片的黑色条纹的宽度的两倍。
另一方面，本发明实施例还提供一种表面反射图像采集系统，包括：
第一模块，用于根据不同的第一条纹周期信号产生不同周期的竖条纹光线；
第二模块，用于基于不同周期的竖条纹光线，依次采集多张被测物体的竖条纹图片；
第三模块，用于根据不同的第二条纹周期信号产生不同周期的横条纹光线；
第四模块，用于基于不同周期的横条纹光线，依次采集多张被测物体的横条纹图片；
第五模块，用于拟合多张所述竖条纹图片和多张所述横条纹图片，得到表面反射图像。
另一方面，本发明实施例还提供一种表面反射图像采集装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如前面所述的表面反射图像采集方法。
另一方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如前面所述的表面反射图像采集方法。
本发明上述的技术方案至少具有如下优点或有益效果之一：通过基于不同周期的竖条纹光线，依次采集多张被测物体的竖条纹图片，然后基于不同周期的横条纹光线，依次采集多张被测物体的横条纹图片，对多张被测物体的竖条纹图片和多张横条纹图片进行拟合后，得到能够反映细节信息的表面反射图像。将横条纹图片与竖条纹图片进行拟合，能够避免由于个别划痕缺陷的方向平行于条纹，导致后续缺陷信息被识别为条纹信息，从而影响后续视觉检测结果。
附图说明
图1是本发明实施例提供的表面反射图像采集方法流程图；
图2是本发明实施例提供的所采用的不同条纹光线示意图；
图3是本发明实施例提供的条纹参数示意图；
图4是本发明实施例提供的由多张竖条纹图片拟合得到的竖条纹拟合图示意图；
图5是本发明实施例提供的由多张横条纹图片拟合得到的横条纹拟合图示意图；
图6是本发明实施例提供的由多张竖条纹图片拟合得到竖条纹拟合图过程示意图；
图7是本发明实施例提供的表面反射图像采集装置示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或者类似的标号表示相同或者类似的原件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、左、右等指示的方位或者位置关系为基于附图所示的方位或者位置关系，仅是为了便于描述本发明和简化描述，而不是指示或者暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
本发明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或者暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明实施例提供了一种表面反射图像采集方法，可以应用于反射条纹光检测系统中。反射条纹光检测系统包括计算机、投影屏和CCD照相机，计算利用正弦函数生成表征正弦条纹图像数据的条纹周期信号，通过投影屏在屏幕上产生相应的黑白相间正弦条纹图案并投射到被测物体上，然后通过CCD照相机拍摄获得被测物体表面的黑白条纹图像，黑白条纹图像被送至计算机进一步处理。
参照图1，本发明实施例的表面反射图像采集方法包括但不限于步骤S110、步骤S120、步骤S130、步骤S140和步骤S150。
步骤S110，根据不同的第一条纹周期信号产生不同周期的竖条纹光线；
步骤S120，基于不同周期的竖条纹光线，依次采集多张被测物体的竖条纹图片；
步骤S130，根据不同的第二条纹周期信号产生不同周期的横条纹光线；
步骤S140，基于不同周期的横条纹光线，依次采集多张被测物体的横条纹图片；
步骤S150，拟合多张竖条纹图片和多张横条纹图片，得到表面反射图像。
在本实施例中，第一条纹周期信号用于产生对应周期的竖条纹光线，第一条纹周期信号可以是正弦信号，计算机将正弦信号转换为竖条纹图像数据时，可以将正弦信号的正半周转换为白色竖条纹，将正弦信号的负半周转换为黑色竖条纹，正弦信号的周期越小，白色竖条纹和黑色竖条纹周期越小，条纹越窄，白色竖条纹和黑色竖条纹越密集。第二条纹周期信号用于产生对应周期的横条纹光线，第二条纹周期信号同样可以是正弦信号，计算机将正弦信号转换为横条纹图片数据时，可以将正弦信号的正半周转换为白色横条纹，将正弦信号的负半周转换为黑色横条纹，正弦信号的周期越小，白色横条纹和黑色横条纹周期越小，条纹越窄，白色横条纹和黑色横条纹越密集。示例性地，本实施例中投射到被测物体上的条纹光线如图2所示，光线1和光线2分别为全曝光和非曝光光线，对应采集到被测物体的全白反射图像和全黑反射图像，全白反射图像和全黑反射图像用于后续二值化图像处理过程中的自适应判断阈值的确定。光线3和光线4为相同周期，不同相位的竖条纹光线。光线4～光线10为周期依次递减的竖条纹光线。光线11和光线12为相同周期，不同相位的横条纹光线。光线12～光线18为周期依次递减的横条纹光线。通过将光线3～光线18下采集到的对应图片进行拟合，得到表面反射图像。
可以理解的是，第一条纹周期信号或者第二条纹周期信号可以是正弦信号，也可以是余弦信号，本发明实施例不作具体限制，能够体现条纹周期变化即可。
在一些实施例中，竖条纹图片或者横条纹图片中黑色条纹和白色条纹相间，黑色条纹的宽度等于白色条纹的宽度。前一张竖条纹图片的黑色条纹的宽度为下一张竖条纹图片的黑色条纹的宽度的两倍，前一张横条纹图片的黑色条纹的宽度为下一张横条纹图片的黑色条纹的宽度的两倍。以图2中的光线3～光线10对应的图像为例，条纹参数如图3所示。图3中的参数单位均为像素，序号4的图像参数表明，水平方向从第512列(相位)像素开始生成1024像素宽度的黑色条纹，随之生成等像素宽度的白色条纹。即W＝1024/2(n-4)，(n>3)，W为条纹宽度，n为条纹次序。条纹依据上述公式从粗到细变化，变化的次数越多之后拟合的精度越高。最小宽度条纹的可以根据图像视野中能够看到最小的条纹来确定。
根据本发明一些具体实施例，步骤S150中，拟合多张竖条纹图片和多张横条纹图片，得到表面反射图像这一步骤，包括但不限于以下步骤：
步骤S210，拟合多张竖条纹图片，得到竖条纹拟合图；
步骤S220，拟合多张横条纹图片，得到横条纹拟合图；
步骤S230，采用加权算法叠加竖条纹拟合图和横条纹拟合图，得到表面反射图像。
在本实施例中，多张竖条纹图片以及拟合后的竖条纹拟合图如图4所示，多张横条纹图片以及拟合后的横条纹拟合图如图5所示。表面反射图像由竖条纹拟合图和横条纹拟合图相加得到。本实施例中将竖条纹拟合和横条纹拟合图叠加，能够避免由于个别缺陷(如划痕)的方向可能平行与条纹，导致缺陷信息被误判成条纹信息而出现缺陷不明显、拟合精度低的情况。表面反射图像的各像素点的灰度值如下：
g’＝(g1+g2)×Mult+Add；
g1表示为竖条纹拟合图的像素灰度值，g2表示横条纹拟合图的像素灰度值，Mult为图像权重，此处为0.5，Add为图像增量，此处为0。
根据本发明一些具体实施例，步骤S210中，拟合多张竖条纹图片，得到竖条纹拟合图这一步骤，包括但不限于以下步骤：
步骤S310，将竖条纹图片中的每一个像素的灰度值与阈值进行比较，提取竖条纹二值化图像；
步骤S320，提取多张按照条纹周期从大到小排列的竖条纹二值化图像中相同像素的值，依次组成每一个像素的第一二进制字符串；
步骤S330，将第一二进制字符串转换为十进制并进行归一化处理，得到竖条纹拟合图中每一个像素的第一灰度值。
在本实施例中，参照图6，将竖条纹图片中的每一个像素的灰度值与对应像素的阈值进行比较，当像素的灰度值大于阈值，则该像素取值为1，当像素的灰度值小于阈值，则像素取值为0，对多张竖条纹图片的每一个像素进行相同的操作，得到多张竖条纹二值化图像。从多张按照条纹周期从大到小排列的竖条纹二值化图像中提取相同像素点的值，按照图像顺序组成每一个像素的二进制字符串，再将二进制字符串转换成相应的十进制值V1，V1的取值范围为[0,2N1-1]，而一般灰度图像的取值范围为[0,255]，因此，需要对得到的十进制值进行归一化处理，得到竖条纹拟合图中每一个像素的第一灰度值，第一灰度值表示为：
h1＝(255/2N1-1)×V1；
其中，N1表示竖条纹二值化图像的数量，N1取值越大，灰度变化阶梯越小，图像拟合越精细。
根据本发明一些具体实施例，步骤S220中，拟合多张横条纹图片，得到横条纹拟合图这一步骤，包括但不限于以下步骤：
步骤S410，将横条纹图片中的每一个像素的灰度值与阈值进行，提取横条纹二值化图像；
步骤S420，提取多张按照条纹周期从大到小排列的横条纹二值化图像中相同像素的值，依次组成每一个像素的第二二进制字符串；
步骤S430，将第二二进制字符串转换为十进制并进行归一化处理，得到横条纹拟合图中每一个像素的第二灰度值。
在本实施例中，将横条纹图片中的每一个像素的灰度值与对应像素的阈值进行比较，当像素的灰度值大于阈值，则该像素取值为1，当像素的灰度值小于阈值，则像素取值为0，对多张横条纹图片的每一个像素进行相同的操作，得到多张横条纹二值化图像。从多张按照条纹周期从大到小排列的横条纹二值化图像中提取相同像素点的值，按照图像顺序依次组成每一个像素的二进制字符串，再将二进制字符串转换成相应的十进制值V2，V2的取值范围为[0,2N2-1]，而一般灰度图像的取值范围为[0,255]，因此，需要对得到的十进制值进行归一化处理，得到横条纹拟合图中每一个像素的第二灰度值，第二灰度值表示为：
h2＝(255/2N2-1)×V2；
其中，N2表示横条纹二值化图像的数量。
根据本发明一些具体实施例，步骤S310或者步骤步骤S410中所用到的阈值通过以下步骤获得：
步骤S510，基于全曝光光线，采集被测物体的全白反射图像；
步骤S520，基于非曝光光线，采集被测物体的全黑反射图像；
步骤S530，对于同一个像素，根据全白反射图像的像素值和全黑反射图像的像素值确定每一个像素位对应的阈值。
具体地，在将采集到的图像转换为二值化图像的过程中，条纹投射暗的像素采用“0”表示，投射亮的像素采用“1”表示。若采用常规的固定阈值，比如灰度值为125判定为亮，灰度值为125以下判定为暗，则不具有通用性，无法适用多种材质，如同样的结构光打在黑色物体便面的亮度比白色物体表面亮度低。因此，本实施例在提取二值化图像之前，先基于全曝光光线和基于非曝光光线采集被测物体的全白反射图像和全黑反射图像，可得到图像每个像素每个像素的最高灰度值和最低灰度值，然后基于每个像素的最高灰度值和最低灰度值自适应改变对应像素的阈值，实现二值化图像的准确提取。
此外，将全白反射图像和全黑反射图像做差值，得到的图像可以用来定位条纹照射位置，只对该区域的图像进行处理，方便减少后期计算量和误判。
本发明实施例还提供一种表面反射图像采集系统，包括：
第一模块，用于根据不同的第一条纹周期信号产生不同周期的竖条纹光线；
第二模块，用于基于不同周期的竖条纹光线，依次采集多张被测物体的竖条纹图片；
第三模块，用于根据不同的第二条纹周期信号产生不同周期的横条纹光线；
第四模块，用于基于不同周期的横条纹光线，依次采集多张被测物体的横条纹图片；
第五模块，用于拟合多张所述竖条纹图片和多张所述横条纹图片，得到表面反射图像。
可以理解的是，上述表面反射图像采集方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述表面反射图像采集方法实施例相同，并且达到的有益效果与上述表面反射图像采集方法实施例所达到的有益效果也相同。
参照图7，图7是本发明一个实施例提供的表面反射图像采集装置的示意图。本发明实施例的表面反射图像采集装置包括一个或多个控制处理器和存储器，图7中以一个控制处理器及一个存储器为例。
控制处理器和存储器可以通过总线或者其他方式连接，图7中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于控制处理器远程设置的存储器，这些远程存储器可以通过网络连接至该表面反射图像采集装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本领域技术人员可以理解，图7中示出的装置结构并不构成对表面反射图像采集装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
实现上述实施例中应用于表面反射图像采集装置的表面反射图像采集方法所需的非暂态软件程序以及指令存储在存储器中，当被控制处理器执行时，执行上述实施例中应用于表面反射图像采集装置的表面反射图像采集方法。
此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，可使得上述一个或多个控制处理器执行上述方法实施例中的表面反射图像采集方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
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 (5)
1.一种表面反射图像采集方法，其特征在于，包括以下步骤：
根据不同的第一条纹周期信号产生不同周期的竖条纹光线；
基于不同周期的竖条纹光线，依次采集多张被测物体的竖条纹图片；
根据不同的第二条纹周期信号产生不同周期的横条纹光线；
基于不同周期的横条纹光线，依次采集多张被测物体的横条纹图片；
拟合多张所述竖条纹图片，得到竖条纹拟合图，包括：将所述竖条纹图片中的每一个像素的灰度值与阈值进行比较，提取竖条纹二值化图像；提取多张按照条纹周期从大到小排列的所述竖条纹二值化图像中相同像素的值，依次组成每一个像素的第一二进制字符串；将所述第一二进制字符串转换为十进制并进行归一化处理，得到竖条纹拟合图中每一个像素的第一灰度值；
拟合多张所述横条纹图片，得到横条纹拟合图，包括：将所述横条纹图片中的每一个像素的灰度值与阈值进行比较，提取横条纹二值化图像；提取多张按照条纹周期从大到小排列的所述横条纹二值化图像中相同像素的值，依次组成每一个像素的第二二进制字符串；将所述第二二进制字符串转换为十进制并进行归一化处理，得到横条纹拟合图中每一个像素的第二灰度值；
采用加权算法叠加所述竖条纹拟合图和所述横条纹拟合图，得到表面反射图像；
其中，所述第一灰度值表示为：
；
其中，表示竖条纹二值化图像的数量，/>为第一二进制字符串的十进制值，/>的取值范围为/>；
所述第二灰度值表示为：
；
其中，表示横条纹二值化图像的数量，/>为第二二进制字符串的十进制值，/>的取值范围为/>；
所述竖条纹图片或者所述横条纹图片中黑色条纹和白色条纹相间，所述黑色条纹的宽度等于所述白色条纹的宽度；
前一张竖条纹图片的黑色条纹的宽度为下一张竖条纹图片的黑色条纹的宽度的两倍，前一张横条纹图片的黑色条纹的宽度为下一张横条纹图片的黑色条纹的宽度的两倍。
2.根据权利要求1所述的表面反射图像采集方法，其特征在于，所述阈值通过以下步骤获得：
基于全曝光光线，采集被测物体的全白反射图像；
基于非曝光光线，采集被测物体的全黑反射图像；
对于同一个像素，根据所述全白反射图像的灰度值和所述全黑反射图像的灰度值确定每一个像素对应的阈值。
3.一种表面反射图像采集系统，其特征在于，包括：
第一模块，用于根据不同的第一条纹周期信号产生不同周期的竖条纹光线；
第二模块，用于基于不同周期的竖条纹光线，依次采集多张被测物体的竖条纹图片；
第三模块，用于根据不同的第二条纹周期信号产生不同周期的横条纹光线；
第四模块，用于基于不同周期的横条纹光线，依次采集多张被测物体的横条纹图片；
第五模块，用于拟合多张所述竖条纹图片，得到竖条纹拟合图；拟合多张所述横条纹图片，得到横条纹拟合图；采用加权算法叠加所述竖条纹拟合图和所述横条纹拟合图，得到表面反射图像；
拟合多张所述竖条纹图片，得到竖条纹拟合图，包括：将所述竖条纹图片中的每一个像素的灰度值与阈值进行比较，提取竖条纹二值化图像；提取多张按照条纹周期从大到小排列的所述竖条纹二值化图像中相同像素的值，依次组成每一个像素的第一二进制字符串；将所述第一二进制字符串转换为十进制并进行归一化处理，得到竖条纹拟合图中每一个像素的第一灰度值；
拟合多张所述横条纹图片，得到横条纹拟合图，包括：将所述横条纹图片中的每一个像素的灰度值与阈值进行比较，提取横条纹二值化图像；提取多张按照条纹周期从大到小排列的所述横条纹二值化图像中相同像素的值，依次组成每一个像素的第二二进制字符串；将所述第二二进制字符串转换为十进制并进行归一化处理，得到横条纹拟合图中每一个像素的第二灰度值；
所述第一灰度值表示为：
；
其中，表示竖条纹二值化图像的数量，/>为第一二进制字符串的十进制值，/>的取值范围为/>；
所述第二灰度值表示为：
；
其中，表示横条纹二值化图像的数量，/>为第二二进制字符串的十进制值，/>的取值范围为/>；
所述竖条纹图片或者所述横条纹图片中黑色条纹和白色条纹相间，所述黑色条纹的宽度等于所述白色条纹的宽度；
前一张竖条纹图片的黑色条纹的宽度为下一张竖条纹图片的黑色条纹的宽度的两倍，前一张横条纹图片的黑色条纹的宽度为下一张横条纹图片的黑色条纹的宽度的两倍。
4.一种表面反射图像采集装置，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如权利要求1至2任一项所述的表面反射图像采集方法。
5.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序被由所述处理器执行时用于实现如权利要求1至2任一项所述的表面反射图像采集方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211694773.5A CN116165205B (zh) | 2022-12-28 | 2022-12-28 | 表面反射图像采集方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211694773.5A CN116165205B (zh) | 2022-12-28 | 2022-12-28 | 表面反射图像采集方法、系统、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116165205A CN116165205A (zh) | 2023-05-26 |
| CN116165205B true CN116165205B (zh) | 2024-02-02 |
Family
ID=86412480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211694773.5A Active CN116165205B (zh) | 2022-12-28 | 2022-12-28 | 表面反射图像采集方法、系统、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116165205B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110274907A (zh) * | 2018-03-15 | 2019-09-24 | 广西师范大学 | 基于扇形条纹的镜平面缺陷检测系统及方法 |
| CN111693549A (zh) * | 2020-05-14 | 2020-09-22 | 西安电子科技大学 | 一种手机盖板玻璃缺陷检测与分类方法 |
| CN214749731U (zh) * | 2021-05-28 | 2021-11-16 | 东莞康视达自动化科技有限公司 | 一种具备多种光路高速切换的分时线扫光源 |
| CN114941999A (zh) * | 2022-07-22 | 2022-08-26 | 南京信息工程大学 | 一种用于结构光投影的二进制编码条纹设计方法 |
| CN115526854A (zh) * | 2022-09-23 | 2022-12-27 | 嘉兴市敏硕智能科技有限公司 | 一种基于二进制条纹的镜面缺陷检测方法、设备及介质 |
-
2022
- 2022-12-28 CN CN202211694773.5A patent/CN116165205B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110274907A (zh) * | 2018-03-15 | 2019-09-24 | 广西师范大学 | 基于扇形条纹的镜平面缺陷检测系统及方法 |
| CN111693549A (zh) * | 2020-05-14 | 2020-09-22 | 西安电子科技大学 | 一种手机盖板玻璃缺陷检测与分类方法 |
| CN214749731U (zh) * | 2021-05-28 | 2021-11-16 | 东莞康视达自动化科技有限公司 | 一种具备多种光路高速切换的分时线扫光源 |
| CN114941999A (zh) * | 2022-07-22 | 2022-08-26 | 南京信息工程大学 | 一种用于结构光投影的二进制编码条纹设计方法 |
| CN115526854A (zh) * | 2022-09-23 | 2022-12-27 | 嘉兴市敏硕智能科技有限公司 | 一种基于二进制条纹的镜面缺陷检测方法、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 王一丁 等.《工业图像处理》.西安电子科技大学出版社,2018,第94页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116165205A (zh) | 2023-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11430103B2 (en) | Method for image processing, non-transitory computer readable storage medium, and electronic device | |
| CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
| US8957984B2 (en) | Ghost artifact detection and removal in HDR image processsing using multi-scale normalized cross-correlation | |
| JP2015511310A (ja) | ウエハ検査のためのセグメント化 | |
| CN116503388B (zh) | 缺陷检测方法、装置及存储介质 | |
| CN110197180B (zh) | 字符缺陷检测方法、装置及设备 | |
| CN113538603B (zh) | 一种基于阵列产品的光学检测方法、系统和可读存储介质 | |
| CN110889403A (zh) | 文本检测方法以及相关装置 | |
| CN109191516B (zh) | 结构光模组的旋转纠正方法、装置及可读存储介质 | |
| CN115830004A (zh) | 表面缺陷检测方法、装置、计算机设备和存储介质 | |
| CN108346138B (zh) | 一种基于图像处理的表面缺陷检测方法及系统 | |
| CN113034447A (zh) | 一种边缘缺陷检测方法和装置 | |
| CN111031359B (zh) | 视频播放方法、装置、电子设备和计算机可读存储介质 | |
| CN108107611B (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
| CN113785181A (zh) | Oled屏幕点缺陷判定方法、装置、存储介质及电子设备 | |
| CN114612418A (zh) | 一种鼠标外壳表面缺陷检测方法及装置、系统、电子设备 | |
| CN116165205B (zh) | 表面反射图像采集方法、系统、装置及存储介质 | |
| JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
| 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 | |
| JP4272438B2 (ja) | 表面欠陥検査装置におけるシェーディング補正方法 | |
| CN114339203A (zh) | 相机性能检测方法、设备和存储介质 | |
| JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 | |
| CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
| CN113326749A (zh) | 目标检测方法、装置以及存储介质、电子设备 | |
| JP2021190515A (ja) | ワーク取り残し判定システム |
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 |