CN116503407B - 图像中异物区域的检测方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种图像中异物区域的检测方法、装置及电子设备，本发明涉及图像处理技术领域。该方法包括：获取待检测图像，确定待检测图像中的候选异物区域；确定候选异物区域的轮廓信息，基于轮廓信息确定候选异物区域对应的区域参数；其中，区域参数包括候选异物区域的像素信息和区域形状信息；基于候选异物区域对应的区域参数，从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高，过程繁琐的问题，实现了对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

Description

图像中异物区域的检测方法、装置及电子设备

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像中异物区域的检测方法、装置及电子设备。

背景技术

随着人们生活水平和科技发展水平的日益提高,人们获取信息和购买食品的方式和渠道越来越多样化，同时，对于食品安全问题的关注度及知识需求度也变得更高。为提高食品质量安全，食品异物检测也越来越多地应用在食品生产产线。

目前主要通过采集包含食品和异物的图像，通过两种食品异物检测算法对食品异物进行检测：传统算法、深度学习算法。深度学习算法精度高，但采集图像、图像标注花费大量人工，对于一些常规的异物检测，显然开发成本过高；传统算法特指通过寻找图像上异物的特征信息，设计算法，识别出异物，该方法针对不同的异物需变换不同组参数，开发过程繁琐。因此，如何对现有的食品异物检测方法进行改进是目前亟待解决的问题。

发明内容

本发明提供了一种图像中异物区域的检测方法、装置及电子设备，以实现对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

根据本发明的一方面，提供了一种图像中异物区域的检测方法，包括：

获取待检测图像，确定所述待检测图像中的候选异物区域；

确定所述候选异物区域的轮廓信息，基于所述轮廓信息确定所述候选异物区域对应的区域参数；其中，所述区域参数包括所述候选异物区域的像素信息和区域形状信息；

基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域。

根据本发明的另一方面，提供了一种图像中异物区域的检测装置，包括：

候选异物区域确定模块，用于获取待检测图像，确定所述待检测图像中的候选异物区域；

区域参数信息确定模块，用于确定所述候选异物区域的轮廓信息，基于所述轮廓信息确定所述候选异物区域对应的区域参数；其中，所述区域参数包括所述候选异物区域的像素信息和区域形状信息；

目标异物区域确定模块，用于基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的图像中异物区域的检测方法。

根据本发明的另一方面，提供了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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像中异物区域的检测方法。

本发明实施例的技术方案，通过获取待检测图像，确定待检测图像中的候选异物区域；确定候选异物区域的轮廓信息，基于轮廓信息确定候选异物区域对应的区域参数；其中，区域参数包括候选异物区域的像素信息和区域形状信息；基于候选异物区域对应的区域参数，从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高，过程繁琐的问题，实现了对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明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为本发明实施例一提供了一种图像中异物区域的检测方法的流程图。

图2为本发明实施例二提供的一种图像中异物区域的检测方法的流程图。

图3为本发明实施例三提供的一种图像中异物区域的检测方法的流程图。

图4为本发明实施例四提供的一种图像中异物区域的检测方法的流程图。

图5为本发明实施例五提供的一种图像中异物区域的检测方法的流程图。

图6为异物检测平台的初始显示界面。

图7为选择完待检测图像后的异物检测平台的界面图。

图8为经过梯度计算后的异物检测平台界面图。

图9为经过灰度计算后的异物检测平台界面图。

图10为计算出候选异物区域的界面图。

图11为候选的异物区域的显示图。

图12为本发明实施例六提供的一种图像中异物区域的检测装置的结构示意图。

图13示出了可以用来实施本发明的实施例的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供了一种图像中异物区域的检测方法的流程图，本实施例可适用于对图像中异物区域进行识别的情况，该方法可以由图像中异物区域的检测装置来执行，该图像中异物区域的检测装置可以采用硬件和/或软件的形式实现，该图像中异物区域的检测装置可配置于电子设备中。如图1所示，该方法包括：

S110、获取待检测图像，确定所述待检测图像中的候选异物区域。

其中，待检测图像指的是任意需要进行异物识别检测的图像，示例性的，如果要对食品中的异物进行识别检测，可以通过摄像装置，拍摄食品对应的图像，并将该图像作为待检测图像；候选异物区域指的是待检测图像中，可能存在异物的区域。梯度阈值和灰度阈值指的是用户预先设置的梯度值和灰度值。

在本发明实施例中，可以通过摄像装置拍摄图像，作为待检测图像，还可以是通过网络下载或者上传相应的图像作为待检测图像。可以理解的是，在待检测图像中，包含正常视频的像素，也可能存在有异物对应像素。基于此，可以确定图像中可能是异物的区域，作为候选异物区域。

在上述技术方案的基础上，所述确定所述待检测图像中的候选异物区域，包括：确定所述待检测图像对应的梯度效果图和灰度效果图，基于所述梯度效果图和所述灰度效果图确定所述待检测图像中的候选异物区域。

其中，梯度效果图指的是包含待检测图像中像素梯度信息的图像，灰度效果图指的是包含待检测图像中像素灰度信息的图像。

具体而言，可以通过梯度确定算法，例如索贝尔算法，对待检测图像处理，确定待检测图像中各像素点对应的梯度值，生成包含梯度值信息的效果图，作为所述梯度效果图；基于灰度确定算法，例如阈值二值化算法对待检测图像处理，得到各像素点的灰度值，进而生成包含灰度值信息的效果图，作为灰度效果图。这样可以基于梯度效果图和灰度效果图中所包含的梯度信息和灰度信息，确定待检测图像中的候选异物区域，因为异物对应的像素的灰度信息和梯度信息，与图像中食品对应的像素灰度信息和梯度信息是不同的。

在上述技术方案的基础上，所述确定所述待检测图像对应的梯度效果图和灰度效果图，包括：确定所述待检测图像中各像素点对应的梯度值，基于各像素点的所述梯度值和与所述梯度值对应的第一梯度条件确定所述待检测图像对应的梯度效果图；确定所述待检测图像中各像素点对应的灰度值，基于各像素点的所述灰度值和与所述灰度值对应的第一灰度条件确定所述待检测图像对应的灰度效果图。

其中，第一梯度条件可以是设置的梯度阈值，第一灰度条件可以是设置的灰度阈值。

确定梯度效果图和灰度效果图的方式可以是：先确定待检测图像中每个像素点的梯度值，并根据第一梯度条件对应的梯度阈值，判断待检测图像中每个像素点的梯度值是否大于梯度阈值。进而，将待检测图像中梯度值大于梯度阈值的像素点保留，删除小于梯度阈值的像素点，即可得到梯度效果图。

进一步的，确定每个像素点的灰度值，并根据第一梯度条件对应的灰度阈值，判断判断待检测图像中每个像素点的灰度值是否小于灰度阈值，进一步，将待检测图像中灰度值小于预设阈值的像素点保留，删除灰度值大于预设阈值的像素点，即可得到灰度效果图。可以理解的是，通常待检测图像中异物对应的像素点的梯度值是大于图像中其他区域像素点的梯度值，异物对应的像素点的灰度值是小于图像中其他区域像素点的灰度值。在设置灰度阈值和梯度阈值时，可以参考图像中大多数像素点的灰度值和梯度值。例如，可以找到与待检测图像为相同内容，但不包括异物的图像作为参考图像，并确定参考图像中像素点梯度平均值和灰度平均值，将梯度平均值和灰度平均值作为所述待检测图像的灰度阈值和梯度阈值。其中，灰度阈值和梯度阈值，可以通过用户在客户端上进行设置，也可以调整。

在上述技术方案的基础上，所述基于所述梯度效果图和所述灰度效果图确定所述待检测图像中的候选异物区域，包括：将所述梯度效果图与所述灰度效果图进行与运算，得到所述待检测图像中的目标像素点；基于所述目标像素点确定所述待检测图像对应的候选异物区域。

其中，目标像素点指的是灰度值满足灰度阈值，并且梯度值满足梯度阈值的像素点。

可以理解的是，梯度效果图和灰度效果图中，分别包含了符合梯度阈值的像素点以及符合灰度阈值的像素点，为了筛选出同时符合灰度阈值和梯度阈值的像素点，可以将梯度效果图和灰度效果图作与运算，得到的像素点即为目标像素点。进而，将目标像素点所在的区域作为待检测图像中的候选异物区域。

S120、确定所述候选异物区域的轮廓信息，基于所述轮廓信息确定所述候选异物区域对应的区域参数。

其中，区域参数包括候选异物区域的像素信息和区域形状信息，像素信息指的是像素的梯度值和灰度值，区域形状信息可以是候选异物区域的属于什么形状的，或者候选异物区域的具体尺寸。

具体的，异物区域的轮廓信息可以通过轮廓识别算法，对待检测图像中的候选异物的区域的轮廓进行确定，进而确定该候选异物区域对应的区域参数，如在区域内包含的像素的信息，以及该区域的大小、尺寸或者形状。

S130、基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域。

其中，目标异物区域指的是最终确定出的，异物对应的像素点在待检测图像中所处的区域或者位置。

在本发明实施例中，在确定了候选异物区域对应的区域参数之后，可以判断候选异物区域对应的参数是否符合异物的标准。例如，候选异物区域对应的区域参数为A，用户可以设置对应的参数标准范围是为[A，C]，可见区域参数是处于参数范围的，就可以将该候选异物区域作为目标异物区域，也就是目标异物区域在待检测图像中的位置与异物在食品中的位置是相对应。在检测确定目标异物区域的位置后，可以据此找到异物在食品中的位置，并进行剔除或者挑拣出来，保证食品的安全。

本发明实施例的技术方案，通过获取待检测图像，确定待检测图像中的候选异物区域；确定候选异物区域的轮廓信息，基于轮廓信息确定候选异物区域对应的区域参数；其中，区域参数包括候选异物区域的像素信息和区域形状信息；基于候选异物区域对应的区域参数，从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高，过程繁琐的问题，实现了对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

实施例二

图2为本发明实施例二提供的一种图像中异物区域的检测方法的流程图，在前述实施例的基础上，对点状异物对应的区域进行检测识别的过程进行了详细说明，具体的显示方式可以参见本实施例的具体内容；其中，与上述实施例相同或者相应的技术术语在此不再赘述。如图2所示，该方法包括：

S210、获取待检测图像，确定所述待检测图像中的候选异物区域。

S220、确定所述候选异物区域的轮廓信息。

S230、基于所述轮廓信息确定所述候选异物区域对应的区域形状信息，基于所述区域形状信息确定所述候选异物区域的异物类型。

其中，异物类型指的是候选异物区域属于什么类型的异物，例如，异物类型可以是点状异物、线状异物以及块状异物等等，在此不做具体限制。

具体的，可以根据候选异物区域对应的形状信息，判断候选异物区域与哪一异物类型相匹配。例如，根据候选异物区域对应的形状信息，可以得到候选异物区域边界线的弧度均是大于一定弧度值，那么可以认为该候选异物区域是圆形状异物。

S240、基于所述候选异物区域对应的像素信息和所述轮廓信息确定所述候选异物区域中像素点的数量和最大灰度值。

其中，像素点的数量可以是候选异物区域内有效像素点的数量，最大灰度值可以是预先设置的灰度值。

具体的，可以对候选异物区域内有效像素点的数量进行识别，确定出具体有多少个有效像素点，并根据候选异物区域内像素点的灰度值，将灰度值最大的像素点的灰度值作为该候选异物区域对应的最大灰度值。

S250、若所述异物类型为点状异物，所述候选异物区域中的像素点数量满足第一数量条件，且所述最大灰度值满足第一最大灰度条件，则确定所述候选异物区域为目标点状异物区域。

具体的，如果异物类型为点状异物，需要对候选异物区域内的像素点数量、像素点的最大灰度值进行判断。用户可以基于经验预先设置好点状异物对应的像素点数量阈值和最大灰度值阈值，将像素点数量阈值作为第一数量条件，将最大灰度阈值作为第一最大灰度条件。如果候选异物区域对应像素点数量满足第一数量条件，最大灰度值满足第一最大灰度条件，可以确定当前候选异物区域是与点状异物相对应的，此时就可以将候选异物区域作为目标点状异物区域。

本发明实施例的技术方案，通过获取待检测图像，确定待检测图像中的候选异物区域；确定候选异物区域的轮廓信息，基于轮廓信息确定候选异物区域对应的区域参数；其中，区域参数包括候选异物区域的像素信息和区域形状信息；基于候选异物区域对应的区域参数，从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高，过程繁琐的问题，实现了对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

实施例三

图3为本发明实施例三提供的一种图像中异物区域的检测方法的流程图，在前述实施例的基础上，对线状异物对应的区域进行检测识别的过程进行了详细说明，具体的显示方式可以参见本实施例的具体内容；其中，与上述实施例相同或者相应的技术术语在此不再赘述。如图3所示，该方法包括：

S310、获取待检测图像，确定所述待检测图像中的候选异物区域。

S320、确定所述候选异物区域的轮廓信息。

S330、基于所述轮廓信息确定所述候选异物区域对应的区域形状信息，基于所述区域形状信息确定所述候选异物区域的异物类型。

S340、基于所述候选异物区域对应的像素信息和所述轮廓信息确定所述候选异物区域中像素点的数量和最大灰度值。

S350、若所述异物类型为线状异物，则基于所述区域形状信息确定所述候选异物区域对应的长度信息。

其中，线状异物指的是形状为线型的异物，长度信息可以是候选异物区域的长度值，例如，可以将异物区域内，像素点之间的最长距离作为候选异物区域的长度信息。

具体的，长度信息可以基于区域形状信息，区域形状信息包括了候选异物区域的尺寸，基于此可以确定候选异物区域的长度。

S360、当所述候选异物区域中的像素点数量满足第二数量条件，所述最大灰度值满足第二最大灰度条件，并且所述长度信息满足第一长度条件时，确定所述候选异物区域为目标线状异物区域。

具体的，如果异物类型为线状异物，需要对候选异物区域内的像素点数量、像素点的最大灰度值以及长度值进行判断。用户可以基于经验预先设置好线状异物对应的像素点数量阈值和最大灰度值阈值以及最小长度阈值等，将像素点数量阈值作为第二数量条件，将最大灰度阈值作为第二最大灰度条件，将长度阈值作为第一长度条件。如果候选异物区域对应像素点数量满足第二数量条件，最大灰度值满足第二最大灰度条件，且长度信息满足第一长度条件时，可以确定当前候选异物区域是与点状异物相对应的，此时就可以将候选异物区域作为目标线状异物区域。

本发明实施例的技术方案，通过获取待检测图像，确定待检测图像中的候选异物区域；确定候选异物区域的轮廓信息，基于轮廓信息确定候选异物区域对应的区域参数；其中，区域参数包括候选异物区域的像素信息和区域形状信息；基于候选异物区域对应的区域参数，从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高，过程繁琐的问题，实现了对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

实施例四

图4为本发明实施例四提供的一种图像中异物区域的检测方法的流程图，在前述实施例的基础上，对块状异物对应的区域进行检测识别的过程进行了详细说明，具体的显示方式可以参见本实施例的具体内容；其中，与上述实施例相同或者相应的技术术语在此不再赘述。如图4所示，该方法包括：

S410、获取待检测图像，确定所述待检测图像中的候选异物区域。

S420、确定所述候选异物区域的轮廓信息。

S430、基于所述轮廓信息确定所述候选异物区域对应的区域形状信息，基于所述区域形状信息确定所述候选异物区域的异物类型。

S440、基于所述候选异物区域对应的像素信息和所述轮廓信息确定所述候选异物区域中像素点的数量和最大灰度值。

S450、若所述异物类型为块状异物，则基于所述区域形状信息确定所述候选异物区域对应的面积信息。

其中，面积信息指的是候选异物区域对应的面积大小。

S460、当所述候选异物区域中的像素点数量满足第三数量条件，所述最大灰度值满足第三最大灰度条件，并且所述面积信息满足第一面积条件时，确定所述候选异物区域为目标块状异物区域。

具体的，如果异物类型为块状异物，需要对候选异物区域内的像素点数量、像素点的最大灰度值以及面积进行判断。用户可以基于经验预先设置好块状异物对应的像素点数量阈值和最大灰度值阈值以及最小面积阈值等，将像素点数量阈值作为第三数量条件，将最大灰度阈值作为第三最大灰度条件，将面积阈值作为第一面积条件如果候选异物区域对应像素点数量满足第三数量条件，最大灰度值满足第三最大灰度条件，且长度信息满足第一面积条件时，可以确定当前候选异物区域是与块状异物相对应的，此时就可以将候选异物区域作为目标块状异物区域。

本发明实施例的技术方案，通过获取待检测图像，确定待检测图像中的候选异物区域；确定候选异物区域的轮廓信息，基于轮廓信息确定候选异物区域对应的区域参数；其中，区域参数包括候选异物区域的像素信息和区域形状信息；基于候选异物区域对应的区域参数，从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高，过程繁琐的问题，实现了对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

实施例五

图5为本发明实施例五提供的一种图像中异物区域的检测方法的流程图，本实施例为上述实施例的优先实施例，具体的显示方式可以参见本实施例的具体内容；其中，与上述实施例相同或者相应的技术术语在此不再赘述。如图5所示，该方法包括：

S510、选择待检测图像。

在本发明实施例中，可以研发对图像中异物区域进行检测平台，作为异物检测平台。如图6所示，为异物检测平台的初始显示界面，在该界面中用户可以上传或者选择需要进行异物检测的待检测图像。如图7所示，为选择完待检测图像后的异物检测平台的界面图。

S520、在公共参数中设置梯度阈值，并进行梯度计算。

如图8所示，为经过梯度计算后的异物检测平台界面图，可以在该页面设置梯度阈值，异物检测平台对待检测图像进行梯度计算，并显示梯度计算的效果图。本发明的梯度计算采用的索贝尔算子（Sobel operator，Sobel）。

S530、在公共参数中设置灰度阈值，并进行灰度计算。

如图9所示，为经过灰度计算后的异物检测平台界面图，可以在该页面设置灰度阈值，异物检测平台对待检测图像进行灰度计算，并显示灰度计算的效果图。本发明的灰度计算采用的阈值二值化。

S540、计算候选异物区域。

将灰度图和梯度图做一个与运算，结果图显示在界面上，如图10，为计算出候选异物区域的界面图。

S550、根据异物类型分为块状、线状、点状。

对图像进行轮廓检测，对符合条件的轮廓通过算法进行分类，将其分为线状、块状、点状，并用不同形状将其区分开，如图11所示，为候选的异物区域的显示图。矩形框为块状异物，图11能够看出，块状异物全部识别到，圆框为点状异物，图中存在一些误判，通过设置点状有效像素数，过滤掉略小的干扰，所有异物全部检出，如图11所示。

需要说明的是，本发明实施例中，针对不同的异物类型，调整对应的参数来限制异物的形状和面积，进行面积和形状筛选异物区域，至此完成异物的检测。

块状：块状参数有异物面积的最大、最小值，块状异物的灰度阈值，块状的有效像素数；线状：线状参数有线状异物的灰度阈值，线状有效像素数，线状的长度阈值；点状：点状参数有点状的最大灰度，点状的有效像素数。

本发明提供了一种针对食品异物检测的通用的、模块化的、便于试验及分析的算法平台，根据异物检测任务设置多种形式的参数选择，利用平台提供的显示界面可以方便地比较不同参数条件下的图像处理效果；并能够通过平台提供的一键导出参数功能将参数以yaml格式保存。实验表明，平台可以有针对性地改变流程的结构、基础算法及其参数，从而选择出最优的处理算法流程结构和最佳的参数设置，不但方便了用户在实验方面的探讨，而且也减少了软件的开发时间。

本发明实施例的技术方案，通过获取待检测图像，确定待检测图像中的候选异物区域；确定候选异物区域的轮廓信息，基于轮廓信息确定候选异物区域对应的区域参数；其中，区域参数包括候选异物区域的像素信息和区域形状信息；基于候选异物区域对应的区域参数，从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高，过程繁琐的问题，实现了对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

实施例六

图12为本发明实施例六提供的一种图像中异物区域的检测装置的结构示意图。如图12所示，该装置包括：

候选异物区域确定模块610，用于获取待检测图像，确定所述待检测图像中的候选异物区域；

区域参数信息确定模块620，用于确定所述候选异物区域的轮廓信息，基于所述轮廓信息确定所述候选异物区域对应的区域参数；其中，所述区域参数包括所述候选异物区域的像素信息和区域形状信息；

目标异物区域确定模块630，用于基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域。

本发明实施例的技术方案，通过获取待检测图像，确定待检测图像中的候选异物区域；确定候选异物区域的轮廓信息，基于轮廓信息确定候选异物区域对应的区域参数；其中，区域参数包括候选异物区域的像素信息和区域形状信息；基于候选异物区域对应的区域参数，从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高，过程繁琐的问题，实现了对图像中异物区域的检测，提高检测的准确度，减少检测的复杂程度。

可选的，所述候选异物区域确定模块610，包括：

效果图确定模块，用于确定所述待检测图像对应的梯度效果图和灰度效果图，基于所述梯度效果图和所述灰度效果图确定所述待检测图像中的候选异物区域。

可选的，所述效果图确定模块，包括：

梯度效果图确定模块，用于确定所述待检测图像中各像素点对应的梯度值，基于各像素点的所述梯度值和与所述梯度值对应的第一梯度条件确定所述待检测图像对应的梯度效果图；

灰度效果图确定模块，用于确定所述待检测图像中各像素点对应的灰度值，基于各像素点的所述灰度值和与所述灰度值对应的第一灰度条件确定所述待检测图像对应的灰度效果图。

可选的，所述候选异物区域确定模块610，包括：

目标像素点确定单元，用于将所述梯度效果图与所述灰度效果图进行与运算，得到所述待检测图像中的目标像素点；

候选异物区域确定单元，用于基于所述目标像素点确定所述待检测图像对应的候选异物区域。

可选的，所述区域参数信息确定模块620，包括：

异物类型确定模块，用于基于所述轮廓信息确定所述候选异物区域对应的区域形状信息，基于所述区域形状信息确定所述候选异物区域的异物类型；

数量及灰度值确定模块，用于基于所述候选异物区域对应的像素信息和所述轮廓信息确定所述候选异物区域中像素点的数量和最大灰度值。

可选的，所述目标异物区域确定模块630，包括：

点状异物确定模块，用于若所述异物类型为点状异物，所述候选异物区域中的像素点数量满足第一数量条件，且所述最大灰度值满足第一最大灰度条件，则确定所述候选异物区域为目标点状异物区域。

可选的，所述目标异物区域确定模块630，包括：

线状异物确定模块，用于若所述异物类型为线状异物，则基于所述区域形状信息确定所述候选异物区域对应的长度信息；

当所述候选异物区域中的像素点数量满足第二数量条件，所述最大灰度值满足第二最大灰度条件，并且所述长度信息满足第一长度条件时，确定所述候选异物区域为目标线状异物区域。

可选的，所述目标异物区域确定模块630，包括：

块状异物确定模块，具体用于：若所述异物类型为块状异物，则基于所述区域形状信息确定所述候选异物区域对应的面积信息；

当所述候选异物区域中的像素点数量满足第三数量条件，所述最大灰度值满足第三最大灰度条件，并且所述面积信息满足第一面积条件时，确定所述候选异物区域为目标块状异物区域。

本发明实施例所提供的图像中异物区域的检测装置可执行本发明任意实施例所提供的图像中异物区域的检测方法，具备执行方法相应的功能模块和有益效果。

实施例七

图13示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图13所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如图像中异物区域的检测方法。

在一些实施例中，图像中异物区域的检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的图像中异物区域的检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行图像中异物区域的检测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (6)

1.一种图像中异物区域的检测方法，其特征在于，包括：

获取待检测图像，确定所述待检测图像中的候选异物区域；

确定所述候选异物区域的轮廓信息，基于所述轮廓信息确定所述候选异物区域对应的区域参数；其中，所述区域参数包括所述候选异物区域的像素信息和区域形状信息；

基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域；

所述确定所述待检测图像中的候选异物区域，包括：

确定所述待检测图像对应的梯度效果图和灰度效果图，基于所述梯度效果图和所述灰度效果图确定所述待检测图像中的候选异物区域；

其中，所述目标异物区域包括：目标点状异物区域、目标线状异物区域以及目标块状异物区域中的至少一种；

所述确定所述待检测图像对应的梯度效果图和灰度效果图，包括：

确定所述待检测图像中各像素点对应的梯度值，基于各像素点的所述梯度值和与所述梯度值对应的第一梯度条件确定所述待检测图像对应的梯度效果图；

确定所述待检测图像中各像素点对应的灰度值，基于各像素点的所述灰度值和与所述灰度值对应的第一灰度条件确定所述待检测图像对应的灰度效果图；

所述基于所述梯度效果图和所述灰度效果图确定所述待检测图像中的候选异物区域，包括：

将所述梯度效果图与所述灰度效果图进行与运算，得到所述待检测图像中的目标像素点；

基于所述目标像素点确定所述待检测图像对应的候选异物区域；

所述基于所述轮廓信息确定所述候选异物区域对应的区域参数，包括：

基于所述轮廓信息确定所述候选异物区域对应的区域形状信息，基于所述区域形状信息确定所述候选异物区域的异物类型；

基于所述候选异物区域对应的像素信息和所述轮廓信息确定所述候选异物区域中像素点的数量和最大灰度值；

其中，针对不同的所述异物类型，调整与所述异物类型对应的参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域；

其中，所述像素信息包括像素数量、像素灰度值，所述轮廓信息包括面积信息和长度信息。

2.根据权利要求1所述的方法，其特征在于，所述基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域，包括：

若所述异物类型为点状异物，所述候选异物区域中的像素点数量满足第一数量条件，且所述最大灰度值满足第一最大灰度条件，则确定所述候选异物区域为目标点状异物区域。

3.根据权利要求1所述的方法，其特征在于，所述基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域，包括：

若所述异物类型为线状异物，则基于所述区域形状信息确定所述候选异物区域对应的长度信息；

当所述候选异物区域中的像素点数量满足第二数量条件，所述最大灰度值满足第二最大灰度条件，并且所述长度信息满足第一长度条件时，确定所述候选异物区域为目标线状异物区域。

4.根据权利要求1所述的方法，其特征在于，所述基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域，包括：

若所述异物类型为块状异物，则基于所述区域形状信息确定所述候选异物区域对应的面积信息；

当所述候选异物区域中的像素点数量满足第三数量条件，所述最大灰度值满足第三最大灰度条件，并且所述面积信息满足第一面积条件时，确定所述候选异物区域为目标块状异物区域。

5.一种图像中异物区域的检测装置，其特征在于，包括：

候选异物区域确定模块，用于获取待检测图像，确定所述待检测图像中的候选异物区域；

区域参数信息确定模块，用于确定所述候选异物区域的轮廓信息，基于所述轮廓信息确定所述候选异物区域对应的区域参数；其中，所述区域参数包括所述候选异物区域的像素信息和区域形状信息；

目标异物区域确定模块，用于基于所述候选异物区域对应的区域参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域；

所述候选异物区域确定模块，包括：

效果图确定模块，用于确定所述待检测图像对应的梯度效果图和灰度效果图，基于所述梯度效果图和所述灰度效果图确定所述待检测图像中的候选异物区域；

其中，所述目标异物区域包括：目标点状异物区域、目标线状异物区域以及目标块状异物区域中的至少一种；

所述效果图确定模块，包括：

梯度效果图确定模块，用于确定所述待检测图像中各像素点对应的梯度值，基于各像素点的所述梯度值和与所述梯度值对应的第一梯度条件确定所述待检测图像对应的梯度效果图；

灰度效果图确定模块，用于确定所述待检测图像中各像素点对应的灰度值，基于各像素点的所述灰度值和与所述灰度值对应的第一灰度条件确定所述待检测图像对应的灰度效果图；

所述候选异物区域确定模块，包括：

目标像素点确定单元，用于将所述梯度效果图与所述灰度效果图进行与运算，得到所述待检测图像中的目标像素点；

候选异物区域确定单元，用于基于所述目标像素点确定所述待检测图像对应的候选异物区域；

所述基于所述轮廓信息确定所述候选异物区域对应的区域参数，包括：

基于所述轮廓信息确定所述候选异物区域对应的区域形状信息，基于所述区域形状信息确定所述候选异物区域的异物类型；

基于所述候选异物区域对应的像素信息和所述轮廓信息确定所述候选异物区域中像素点的数量和最大灰度值；

其中，针对不同的所述异物类型，调整与所述异物类型对应的参数，从所述候选异物区域中确定出所述待检测图像对应的目标异物区域；

其中，所述像素信息包括像素数量、像素灰度值，所述轮廓信息包括面积信息和长度信息。

6.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的图像中异物区域的检测方法。