CN116363140B - 一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质 - Google Patents

Abstract

本申请涉及图像处理领域，公开了一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质，在获取待检测样本图像之后进行预处理，得到梯度图;计算像素点(x,y)的锐度增强指数WS(x, y)，并确定出待检测样本图像中的划痕像素点及其关联像素点，得到经过像素点(x,y)的划痕边长L(x,y)；计算像素点(x,y)的增强系数D(x,y)以对待检测样本图像中的像素点(x,y)进行增强处理，从而识别出待检测样本图像中的缺陷。本申请处理方式考虑到了背景光线对增强程度的影响，并基于构建窗口锐度增强指数，更准确的描述划痕缺陷像素点实现对不同像素点不同程度、准确的增强，对中硼硅玻璃划痕的检测更精确。

Description

一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质

技术领域

本申请涉及图像处理领域，具体涉及一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质。

背景技术

中硼硅玻璃是目前最先进的玻璃材料之一，在太阳能、高铁列车等领域有广泛的应用，然而，中硼硅玻璃的制品中难免会存在各种缺陷，如划痕等，如果不及时发现和处理，将会直接影响产品的使用寿命和性能。

目前，常用的中硼硅玻璃缺陷检测方法有手工检查、仪器检测和机器视觉检测。然而，手工检查需要大量的人力物力，效率低下；仪器检测成本较高，且难以满足现场快速检测的需求；机器视觉检测虽然能够提高检测效率，但在实际应用过程中，存在噪音干扰和复杂背景干扰等问题，导致检测精度和效率较低。针对此类问题可以使用图像增强算法对中硼硅玻璃图像中的缺陷部分进行增强，进而更准确的得到缺陷部分，而目前常用的增强方法对图像处理过程中存在过度增强导致图像失真、噪声增强等问题。

发明内容

本申请实施例提供一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质，能够对不同像素点不同程度的、准确的增强，从而能够更精准的检测出中硼硅玻璃中的缺陷。

本申请实施例提供的中硼硅玻璃缺陷的检测方法，包括：

获取待检测样本图像，对所述待检测样本图像进行预处理，得到所述待检测样本的梯度图;

对所述梯度图中任一像素点(x,y)构建窗口，计算像素点(x,y)的锐度增强指数WS(x,y)，

其中，表示在所述梯度图中，梯度值小于像素点(x,y)梯度值的像素点所占 的比例；表示在所述窗口中梯度值小于像素点(x,y)梯度值的像素点所占的比例；

基于所述锐度增强指数WS(x,y)，确定出所述待检测样本图像中的划痕像素点及所述划痕像素点的关联像素点；根据所述划痕像素点和与之对应的关联相像素点，得到经过像素点(x,y)的划痕边长L(x,y)；

通过所述窗口的锐度增强指数WS(x,y)与所述划痕边长L(x,y)，计算像素点(x,y)的增强系数D(x,y)：其中，m为所述窗口的边长；

通过所述增强系数D(x,y)对所述待检测样本图像中的像素点(x,y)进行增强处理，得到所述待检测样本图像的增强图像，进而识别出所述待检测样本图像中的缺陷。

相应的，本申请实施例还提供的一种中硼硅玻璃缺陷的检测系统，包括处理处理模块，所述处理模块用于执行如上述任一项所述的中硼硅玻璃缺陷的检测方法。

相应的，本申请实施例还提供的一种中硼硅玻璃缺陷的检测装置，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时，执行如上述任一项所述的中硼硅玻璃缺陷的检测方法。

相应的，本申请实施例还提供一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序被处理器加载以执行本申请实施例提供的任一种中硼硅玻璃缺陷的检测方法。

本申请实施例在采用获取待检测样本图像之后，对所述待检测样本图像进行预处理，得到待检测样本的梯度图;通过对梯度图中任一像素点(x,y)构建窗口，计算像素点(x,y)的锐度增强指数WS(x,y)，然后基于锐度增强指数WS(x,y)，确定出待检测样本图像中的划痕像素点及划痕像素点的关联像素点；根据划痕像素点和与之对应的关联相像素点，得到经过像素点(x,y)的划痕边长L(x,y)；通过窗口的锐度增强指数WS(x,y)与划痕边长L(x,y)，计算像素点(x,y)的增强系数D(x,y)：最后通过增强系数D(x,y)对待检测样本图像中的像素点(x,y)进行增强处理，得到所述待检测样本图像的增强图像，进而识别出所述待检测样本图像中的缺陷。本申请对待检测样本图像进行预处理，考虑到了背景光线对增强程度的影响，进而得到梯度图，并基于此构建窗口锐度增强指数，更准确的描述划痕缺陷像素点，同时考虑到划痕长度对增强程度的影响，基于窗口锐度增强指数与划痕长度构建增强系数，实现对不同像素点不同程度的、准确的增强，进而在后续步骤中进行阈值分割时，得到更精确的划痕，对中硼硅玻璃划痕进行更精确的检测。

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是本申请实施例提供的中硼硅玻璃缺陷的检测方法的流程图；

图2是本申请实施例提供的中硼硅玻璃获取待检测样本图像；

图3是本申请实施例中以任一像素点(x,y)为中心构建的窗口的示意图；

图4是本申请实施例提供的划痕像素点与关联像素点之间关系示意图；

图5是本申请实施例提供的硼硅玻璃获取待检测样装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。

本申请实施例提供一种中硼硅玻璃缺陷的检测方法、系统、装置以及存储介质。该中硼硅玻璃缺陷的检测装置可以集成在计算机设备中。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

实施例一，请参阅图1，图1是本申请一实施例提供的中硼硅玻璃缺陷的检测方法的流程示意图。该中硼硅玻璃缺陷的检测方法可以包括：

101、获取待检测样本图像，对所述待检测样本图像进行预处理，得到所述待检测样本的梯度图。

本申请提供的实施例中可以使用数字摄像机拍摄得到原始的中硼硅玻璃高清图像，如图2所示。所得图像为RGB图像，在图像的获取过程中，由于噪声会影响图像质量，因此本发明对中硼硅玻璃RGB图像进行去噪处理等预处理，进而得到待检测样本的梯度图。可以采用先将待检测样本图像灰度化计算各像素点梯度，梯度计算可采用Sobel算子，从而得到梯度图的方式。也可以根据情况选择其他方式得到梯度图。本申请中也可以根据实际情况选择其他方式得到上述待检测样本的图像。

102、对所述梯度图中任一像素点(x,y)构建窗口，计算像素点(x,y)的锐度增强指数WS(x,y)。

其中，表示在所述梯度图中，梯度值小于像素点(x,y)梯度值的像素点所占 的比例；表示在所述窗口中梯度值小于像素点(x,y)梯度值的像素点所占的比例；

以计算梯度图中像素点(x,y)的增强系数为例，具体步骤如下：

本申请由梯度图计算其中任一像素点(x,y)的锐度增强指数。具体地，可以以任一 像素点(x,y)中心构建窗口，如图3所示。窗口大小可以为m×m，像素点(x,y)的梯度值越大， 表示该像素点的高频程度越大，像素点(x,y)的梯度值越小，表示该像素点的高频程度越 小。在梯度图中，将小于梯度值g(x,y)的像素点所占梯度图中所以像素点之和的比例记为；在窗口中，将小于梯度值g(x,y)的像素点所占比例记为。其中，g(x,y)为像素 点(x,y)的梯度值。可选地，窗口边长m通常取经验值31个像素点，当然也可以根据情况取其 他数值。

当较大、较小时，较大表明像素点(x,y)在梯度图中越可能属 于高频像素点，较小表明此时窗口中的像素点高频成分所占比例较大，则对像素点 (x,y)的增强程度应当较大；当较大、较大时，较大表明像素点(x,y)在 梯度图中越可能属于高频像素点，较大表明此时窗口中的像素点高频成分所占比例 较小，则对像素点(x,y)的增强程度可以适当减小；当较小、较小时，较 小表明像素点(x,y)在梯度图中越可能属于低频像素点，较小表明此时窗口中的像 素点高频成分所占比例较大，为更明显的区分高频部分与低频部分，对该像素点的增强程 度应当较大；当较小、较大时，较小表明像素点(x,y)在梯度图中越可能 属于低频像素点，较大表明此时窗口中的像素点高频成分所占比例较小，则对该像 素点的增强程度可以适当减小。据此可以构建窗口锐度增强指数，其计算公式如下：

其中， WS(x,y)表示像素点(x,y)的窗口锐度增强指数，其值越大，表明像素点(x,y)在窗口中的高频比例与在梯度图像中的高频比例差异越大，增强程度越大；其值越小，表明像素点(x,y)在窗口中的高频比例与在梯度图像中的高频比例差异越小，增强程度越小。

需要说明的是：这里的较大较小是为了说明趋势，R大r小是什么情况，R小r大是什么情况，并没有根据R、r的大小进行分类，所以不需要用数值定义大小关系，就是说大小是相对的。例如，像素点(x1,y1)的R1大于像素点(x2,y2)的R1，像素点(x1,y1)的r1小于像素点(x2,y2)的r1，那像素点(x1,y1)计算出来的增强系数就比像素点(x2,y2)的增强系数大。

请参阅图2中的像素点H，即箭头所指位置，可以看出该像素点属于轻微划痕像素点，该像素点在梯度图中的梯度值相对较大，但由于划痕较为轻微，故梯度值不会特别大，即对应的R1相对较大。在窗口中，只有该像素点所处的轻微划痕及背景区域，即在窗口中，r1较大，即该像素点存在一定的梯度，在窗口和梯度图中都相对容易识别，对该像素点的增强程度不需要特别大。

103、基于所述锐度增强指数WS(x,y)，确定出所述待检测样本图像中的划痕像素点及所述划痕像素点的关联像素点；根据所述划痕像素点和与之对应的关联相像素点，得到经过像素点(x,y)的划痕边长L(x,y)。

在本申请提供的另一实施例中，通过最大熵法获取所述待检测样本图像中的任一像素点(x,y)的锐度增强指数的阈值；

获取所述梯度图中锐度增强指数小于所述阈值的像素点占所述梯度图中所有像 素点的比值，记为比例阈值；

若≥，则将像素点(x,y)标记为所述待检测样本图像中的划痕像素点。

本申请提供的实施例中对于待检测样本图像中每个像素点可以计算得到一个窗 口锐度增强指数，对图像中每个像素点的窗口锐度增强指数使用最大熵法得到阈值，将图 像中窗口锐度增强指数小于阈值的像素点所占比例记为梯度比例阈值，当梯度图中小 于梯度值g(x,y)的像素点所占比例大于等于梯度比例阈值时，即≥时，则 将像素点(x,y)视为高频像素点，即划痕像素点。按照连接规则，将与像素点(x,y)相似的像 素点连接，构成划痕边缘；当梯度图像中小于梯度值g(x,y)的像素点所占比例小于梯度比 例阈值时，即时，则将像素点(x,y)视为低频像素点，即玻璃像素点，则 不需要进行划痕像素点的连接步骤。

在本申请提供的另一实施例中，确定划痕像素点的关联像素点的方法包括：

获取所述划痕像素点与其8个邻域像素点的关联弹性；

将所述关联弹性大于预设关联弹性阈值的邻域像素点标记为所述划痕像素点的关联像素点。

具体地，在进行划痕像素点及关联的像素点连接时，可以采用一定的规则判断出某个像素点是否需要连接，即判断一个像素点是否为关联像素点。连接规则如下：

其中，SE(x,y)表示划痕像素点(x,y)与其8邻域像素点的关联弹性。如图4所 示，min、MIN分别表示划痕像素点(x,y)与像素点的梯度值在窗口与梯度图中的梯度 最小值，max、MAX分别表示划痕像素点(x,y)与像素点的梯度值在窗口与梯度图中的 梯度最大值，g(x,y)是梯度图像D中像素点(x,y)的梯度值，g(xi,yi)是以像素点(x,y)为中 心的窗口W中，第i个邻域像素点的梯度值，当像素点(x,y)与像素点的梯度值在窗口 与排序结果的次序位置越近，其中窗口的排序结果表示窗口内像素点的梯度值按照从小到 大的顺序排序得到的结果，像素点(x,y)在窗口排序结果的次序位置表示像素点(x,y)的梯 度值在排序结果中的序号，即与大小越接近，与大小越接近，与越接近1，关联弹性值越接近于1，划痕像素点与像素点越相似，像 素点越可能属于划痕像素点；划痕像素点(x,y)与像素点的梯度值在窗口与图 像中的位置越远，与越远离0，越大，且变化 速率较大，即变化较明显，分母会迅速变小，对应的关联弹性值越接近0，划痕像素点(x,y) 与像素点越不相似，像素点越不可能属于划痕像素点。

可选地，取关联弹性阈值为0.75，当划痕像素点(x,y)与像素点的关联 弹性大于等于关联弹性阈值时，则将像素点与划痕像素点(x,y)进行连接；当划痕像 素点(x,y)与像素点的关联弹性小于关联弹性阈值时，则不将像素点与划痕像 素点(x,y)进行连接。当所有划痕像素点8邻域内均不存在符合关联条件的像素点时，终止 关联，至此，得到窗口内的划痕边缘。

通过计算相邻两个划痕边缘像素点的欧式距离，求和得到经过像素点(x,y)的划痕边长L(x,y)，划痕边长越长，则对像素点(x,y)的增强程度越大，划痕边缘越短，对其增强程度越小；若像素点(x,y)为非划痕像素点，为方便计算，取划痕边长为定值1。

104、通过所述窗口的锐度增强指数WS(x,y)与所述划痕边长L(x,y)，计算像素点(x,y)的增强系数D(x,y)。

其中，m为所述窗口的边长。

其中，表示像素点的增强系数，是像素点的窗口锐度增强 指数，表示经过像素点的划痕长度，m表示窗口边长，为避免划痕长度较长使增强 系数过大，故用划痕长度除以窗口边长。窗口锐度增强指数越大、划痕长度越长，表明需要 对该像素点的增强程度越大；窗口锐度增强指数越小、划痕长度越短，则对该像素点的增强 程度越小。

105、通过所述增强系数D(x,y)对所述待检测样本图像中的像素点(x,y)进行增强处理，得到所述待检测样本图像的增强图像，进而识别出所述待检测样本图像中的缺陷。

本申请提供的实施例中通过增强系数待检测样本图像预处理后的图像进行图像增强，得到增强图像。通过上述步骤可以得到分别以各像素点为中心、m×m窗口内的增强系数，可以选，使用自动色彩均衡（ACE）算法对待检测样本图像预处理后的图像中各像素点进行增强，得到中硼硅增强图像。从而更好的识别出待检测样本中的缺陷。

本申请对待检测样本图像进行预处理，考虑到了背景光线对增强程度的影响，进而得到梯度图，并基于此构建窗口锐度增强指数，更准确的描述划痕缺陷像素点，同时考虑到划痕长度对增强程度的影响，基于窗口锐度增强指数与划痕长度构建增强系数，实现对不同像素点不同程度的、准确的增强，进而在后续步骤中进行阈值分割时，得到更精确的划痕，对中硼硅玻璃划痕进行更精确的检测。

进一步地，在本申请提供的另一实施例中，所述对所述待检测样本图像进行预处理，得到所述待检测样本的梯度图，包括：

对所述待检测样本图像进行去噪处理，得到所述待检测样本图像的灰度图和颜色空间图;

将所述灰度图和所述颜色空间图融合，得到融合图;

计算所述融合图中各像素点的梯度值，得到所述待检测样本的梯度图。

进一步地，所述将所述灰度图和所述颜色空间图融合，得到融合图，包括：

获取所述颜色空间图的V通道分量；

将所述V通道分量与所述灰度图进行加权，得到所述融合图。

本申请提供的实施例中对中硼硅玻璃RGB图像进行去噪处理，常见的去噪方法包括：高斯滤波去噪、双边滤波去噪、均值滤波去噪等。例如利用双边滤波技术对中硼硅玻璃RGB图像进行预处理，双边滤波为公知技术，具体过程不再赘述。将去噪后的中硼硅玻璃RGB图像转换为灰度图像，得到灰度图；将去噪后的中硼硅玻璃RGB图像转换为颜色空间图,(Hue, Saturation, Value,HSV)，以下为HSV图。

将灰度图与HSV图中V通道分量加权得到融合图，进而得到梯度图。

传统的ACE算法没有考虑到背景光线的不均匀性，可能导致图像中某些区域的像素点过度增强或增强效果不够理想，据此本申请将亮度与灰度值结合计算增强系数，实现对像素点较合理的增强，具体操作步骤如下：

步骤1.将灰度图与HSV图中V通道分量加权得到融合图。在HSV颜色空间中，V通道的值表示图像中像素点的明暗程度，其取值范围为0-100%，由于中硼硅玻璃中的划痕通常比较粗糙，在光的照射下，有更多的光线被反射和散射，故划痕部分的亮度通常高于平整部分的亮度，在灰度图像中，光照强度越大，颜色越接近白色，对应的灰度值越大。据此本发明将灰度图与HSV图中V通道分量进行加权融合，得到融合图，其计算公式如下：

其中，f(x,y)表示融合图中第x行第y列像素点的融合像素值，表示灰度图中像 素点灰度值的权重，其大小通常取经验值0.45。表示灰度图中第x行第y列像素点的 灰度值，表示HSV图中V通道分量的权重，其大小通常取经验值0.55。表示HSV图第x 行第y列像素点的V通道分量，GR表示灰度图中的灰度级，通常取经验值256，用于将V通道分 量与灰度值升为同一量级。通过上述步骤对各像素点进行融合，得到融合图。

步骤2. 计算融合图中各像素点的梯度，得到梯度图。在融合图中，为避免一个或少量几个噪点对周围像素点的污染，扩大噪点范围，本发明采取如下方法计算各像素点的梯度，以像素点(x,y)为例：

分别计算像素点(x,y)的融合像素值与其8邻域内各像素点的融合像素值之差，得到8个灰度差值，8个灰度差值均小于0时，则将最大的灰度差值取绝对值作为像素点(x,y)的梯度值；只要存在一个灰度差值大于等于0时，则将最大的灰度差值作为像素点(x,y)的梯度值。例如：第一种情况：8个灰度差值均小于0的情况，8个灰度差值分别为-1,-3，-5，-10,-7，-4，-8，-2，则将1作为像素点(x,y)的梯度值。第二种情况：至少存在一个灰度差值大于等于0：如-1,3，-5，-10,-7，-4，-8，2，则将最大的灰度差值作为这个像素点的灰度值，即，将3作为像素点(x,y)的梯度值。

为避免出现一个或少量几个噪点对周围几个像素点的梯度值造成影响。通过上述步骤计算融合图中各像素点的梯度值，得到梯度图。

本申请提供的实施例中考虑到了背景光线对增强程度的影响，经过预处理后得到梯度图，能够是后续中硼硅玻璃图像中缺陷的识别更加精确。

在本申请提供的另一实施例中得到所述增强图像之后，识别出所述待检测样本图像中的缺陷包括：

对所述增强图像进行平滑处理，并将其中的划痕进行连接；

通过预设方法对平滑处理后的增强图像进行分割，从而识别出其中的缺陷部分。

本申请中在进行缺陷识别时，可将增强图像使用形态学腐蚀膨胀算子将图像中的划痕进行平滑处理，将断断续续的划痕进行连接，使用大津阈值分割法对中硼硅玻璃增强图像进行分割，得到中硼硅玻璃增强图像中的缺陷部分，实现对中硼硅玻璃缺陷的精确检测。其中形态学腐蚀膨胀算子与大津阈值分割法为公知技术，本发明不再赘述。

为了便于更好地实施本申请实施例提供的中硼硅玻璃缺陷的检测方法，在一实施例中还提供了一种中硼硅玻璃缺陷的检测系统，包括处理模块，处理模块用于执行本申请实施例提供的中硼硅玻璃缺陷的检测方法，其中名词的含义与上述中硼硅玻璃缺陷的检测方法中相同，具体实现细节可以参考方法实施例中的说明。

本申请对待检测样本图像进行预处理，考虑到了背景光线对增强程度的影响，进而得到梯度图，并基于此构建窗口锐度增强指数，更准确的描述划痕缺陷像素点，同时考虑到划痕长度对增强程度的影响，基于窗口锐度增强指数与划痕长度构建增强系数，实现对不同像素点不同程度的、准确的增强，进而在后续步骤中进行阈值分割时，得到更精确的划痕，对中硼硅玻璃划痕进行更精确的检测。

为了便于更好地实施本申请施例提供的中硼硅玻璃缺陷的检测方法，在一实施例中还提供了一种中硼硅玻璃缺陷的检测装置。其中名词的含义与上述中硼硅玻璃缺陷的检测方法中相同，具体实现细节可以参考方法实施例中的说明。

该中硼硅玻璃缺陷的检测装置具体可以集成在终端设备中，如图5所示，该中硼硅玻璃缺陷的检测装置可以包括：

该终端设备可以包括一个或者一个以上处理核心的处理器1001、一个或一个以上计算机可读存储介质（也可以称为存储介质）的存储器1002、电源1003和输入单元1004等部件。本领域技术人员可以理解，图5中示出的终端设备结构并不构成对终端设备的限定，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。其中：

处理器1001是该终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器1002内的软件程序和/或模块，以及调用存储在存储器1002内的数据，执行终端设备的各种功能和处理数据，从而对终端设备进行整体监控。可选的，处理器1001可包括一个或多个处理核心；优选的，处理器1001可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和计算机程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1001中。

存储器1002可用于存储软件程序以及模块，处理器1001通过运行存储在存储器1002的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器1002可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的计算机程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据云服务器的使用所创建的数据等。此外，存储器1002可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器1002还可以包括存储器控制器，以提供处理器1001对存储器1002的访问。

终端设备还包括给各个部件供电的电源1003，优选的，电源1003可以通过电源管理系统与处理器1001逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源1003还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该终端设备还可包括输入单元1004，该输入单元1004可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，终端设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，终端设备中的处理器1001会按照如下的指令，将一个或一个以上的计算机程序的进程对应的可执行文件加载到存储器1002中，并由处理器1001来运行存储在存储器1002中的计算机程序，从而实现各种功能，如下：

获取待检测样本图像，对所述待检测样本图像进行预处理，得到所述待检测样本的梯度图;

对所述梯度图中任一像素点(x,y)构建窗口，计算像素点(x,y)的锐度增强指数WS(x,y)，

其中，表示在所述梯度图中，梯度值小于像素点(x,y)梯度值的像素点所占 的比例；表示在所述窗口中梯度值小于像素点(x,y)梯度值的像素点所占的比例；

基于所述锐度增强指数WS(x,y)，确定出所述待检测样本图像中的划痕像素点及所述划痕像素点的关联像素点；根据所述划痕像素点和与之对应的关联相像素点，得到经过像素点(x,y)的划痕边长L(x,y)；

通过所述窗口的锐度增强指数WS(x,y)与所述划痕边长L(x,y)，计算像素点(x,y)的增强系数D(x,y)：其中，m为所述窗口的边长；

通过所述增强系数D(x,y)对所述待检测样本图像中的像素点(x,y)进行增强处理，得到所述待检测样本图像的增强图像，进而识别出所述待检测样本图像中的缺陷。

根据本申请的一个方面，提供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。终端设备的处理器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，使得该云服务器执行上述实施例中各种可选实现方式中提供的方法。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过计算机程序来完成，或通过计算机程序控制相关的硬件来完成，该计算机程序可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种存储介质，其中存储有计算机程序，该计算机程序，能够被处理器进行加载，以执行本申请实施例所提供的任一种物联网设备绑定方法。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器（ROM，ReadOnlyMemory）、随机存取记忆体（RAM，Random Access Memory）、磁盘或光盘等。

由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种物联网设备绑定方法中的步骤，因此，可以实现本申请实施例所提供的任一种物联网设备绑定方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种中硼硅玻璃缺陷的检测方法、系统、装置和存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种中硼硅玻璃缺陷的检测方法，其特征在于，包括：

获取待检测样本图像，对所述待检测样本图像进行预处理，得到所述待检测样本的梯度图;

对所述梯度图中任一像素点(x,y)构建窗口，计算像素点(x,y)的锐度增强指数WS(x,y)，

其中，表示在所述梯度图中，梯度值小于像素点(x,y)梯度值的像素点所占的比例；/>表示在所述窗口中梯度值小于像素点(x,y)梯度值的像素点所占的比例；

基于所述锐度增强指数WS(x,y)，确定出所述待检测样本图像中的划痕像素点及所述划痕像素点的关联像素点；根据所述划痕像素点和与之对应的关联相像素点，得到经过像素点(x,y)的划痕边长L(x,y)；

通过所述窗口的锐度增强指数WS(x,y)与所述划痕边长L(x,y)，计算像素点(x,y)的增强系数D(x,y)：其中，m为所述窗口的边长；

通过所述增强系数D(x,y)对所述待检测样本图像中的像素点(x,y)进行增强处理，得到所述待检测样本图像的增强图像，进而识别出所述待检测样本图像中的缺陷；

确定划痕像素点的关联像素点的方法包括：

获取所述划痕像素点与其8个邻域像素点的关联弹性；

将所述关联弹性大于预设关联弹性阈值的邻域像素点标记为所述划痕像素点的关联像素点；

其中，关联弹性的确定过程包括：

其中，SE(x,y)表示划痕像素点(x,y)与其8邻域像素点的关联弹性，/>表示在梯度图中，梯度值小于像素点(x,y)梯度值的像素点所占的比例；/>表示在像素点(x,y)为中心构建窗口中，梯度值小于像素点(x,y)梯度值的像素点所占的比例；表示在梯度图中，梯度值小于像素点/>梯度值的像素点所占的比例；表示在像素点/>为中心构建窗口中，梯度值小于像素点/>梯度值的像素点所占的比例。

2.根据权利要求1所述的中硼硅玻璃缺陷的检测方法，其特征在于，所述对所述待检测样本图像进行预处理，得到所述待检测样本的梯度图，包括：

对所述待检测样本图像进行去噪处理，得到所述待检测样本图像的灰度图和颜色空间图;

将所述灰度图和所述颜色空间图融合，得到融合图;

计算所述融合图中各像素点的梯度值，得到所述待检测样本的梯度图。

3.根据权利要求2所述的中硼硅玻璃缺陷的检测方法，其特征在于，所述将所述灰度图和所述颜色空间图融合，得到融合图，包括：

获取所述颜色空间图的V通道分量；

将所述V通道分量与所述灰度图进行加权，得到所述融合图。

4.根据权利要求3所述的中硼硅玻璃缺陷的检测方法，其特征在于，按照如下公式将所述V通道分量与所述灰度图进行加权：

其中：其中表示融合图中第x行第y列像素点的融合像素值；/>表示灰度图中像素点灰度值的权重；/>表示灰度图中第x行第y列像素点的灰度值；/>表示颜色空间图中V通道分量的权重；/>表示颜色空间图中第x行第y列像素点的V通道分量；GR表示灰度图中的灰度级。

5.根据权利要求2所述的中硼硅玻璃缺陷的检测方法，其特征在于，所述计算所述融合图中各像素点的梯度，得到所述待检测样本的梯度图，包括：

获取所述融合图中像素点(x,y)的融合像素值及其与所述像素点(x,y)8个邻域内各像素点的融合像素值之差，得到8个灰度差值；

若所述8个灰度差值均小于0，则将所述8个灰度差值中最大的灰度差值的绝对值作为像素点(x,y)的梯度值；

若所述8个灰度差值中存在一个灰度差值大于等于0，则将其中最大的灰度差值作为像素点(x,y)的梯度值；

由所述融合图中各像素点的梯度值，构成所述梯度图。

6.根据权利要求1所述的中硼硅玻璃缺陷的检测方法，其特征在于，所述基于所述锐度增强指数WS(x,y)，确定出划痕像素点，包括：

通过最大熵法获取所述待检测样本图像中的任一像素点(x,y)的锐度增强指数的阈值；

获取所述梯度图中锐度增强指数小于所述阈值的像素点占所述梯度图中所有像素点的比值，记为比例阈值；

若≥/>，则将像素点(x,y)标记为所述待检测样本图像中的划痕像素点。

7.一种中硼硅玻璃缺陷的检测系统，其特征在于，包括处理模块，所述处理模块用于执行如权利要求1-6任一项所述的中硼硅玻璃缺陷的检测方法。

8.一种中硼硅玻璃缺陷的检测装置，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时，执行如权利要求1-6任一项所述的中硼硅玻璃缺陷的检测方法。

9.一种存储介质，其特征在于，所述存储介质用于存储计算机程序，所述计算机程序被处理器加载，以执行权利要求1至6任一项所述的中硼硅玻璃缺陷的检测方法。