CN116823788A - 一种激光场镜脏污检测方法、检测系统和脏污识别装置 - Google Patents
一种激光场镜脏污检测方法、检测系统和脏污识别装置 Download PDFInfo
- Publication number
- CN116823788A CN116823788A CN202310810326.XA CN202310810326A CN116823788A CN 116823788 A CN116823788 A CN 116823788A CN 202310810326 A CN202310810326 A CN 202310810326A CN 116823788 A CN116823788 A CN 116823788A
- Authority
- CN
- China
- Prior art keywords
- image
- screening
- gray
- area
- region
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000012216 screening Methods 0.000 claims abstract description 175
- 238000004891 communication Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 9
- 238000011109 contamination Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 abstract description 2
- 238000003860 storage Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003466 welding Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种激光场镜脏污检测方法,包括以下步骤:获取脏污图像;将所述脏污图像转化为灰度图像;对所述灰度图像进行二值化和前景区域连通处理,得到初筛前景图像;对所述初筛前景图像进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到清晰脏污区域;移除所述灰度图像的清晰脏污区域,留下背景图像;对所述背景图像进行局部阈值筛选,得到模糊脏污区域;将所述清晰脏污区域与模糊脏污区域合并,得到检测结果。这种激光场镜脏污检测方法,能够快速根据激光场镜的照片判断激光场镜上脏污的所在位置,为后续的清理工作提供辅助。
Description
技术领域
本发明涉及机器视觉检测领域,特别是涉及一种激光场镜脏污检测方法、检测系统和脏污识别装置。
背景技术
激光场镜是一种精密光学元件,被广泛运用在各种机器视觉领域。当激光场镜被应用在智能焊接领域时,由于焊接会产生焊渣颗粒,焊渣颗粒吸附在激光场镜表面会影响通过激光场镜拍摄的图像质量。
如何对激光场镜表面的脏污进行检测,以保证后续拍摄的图像质量,是本领域需要解决的技术问题。
发明内容
基于此,本发明的目的在于,提供一种快捷方便且能够实现较好的检测效果的激光场镜脏污检测方法。
一种激光场镜脏污检测方法,包括以下步骤:
S1,获取脏污图像;
S2,将所述脏污图像转化为灰度图像;
S3,对所述灰度图像进行二值化和前景区域连通处理,得到初筛前景图像;
S4,对所述初筛前景图像进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到清晰脏污区域;
S5,移除所述灰度图像的清晰脏污区域,留下背景图像;
S6,对所述背景图像进行局部阈值筛选,得到模糊脏污区域;
S7,将所述清晰脏污区域与模糊脏污区域合并,得到检测结果。
这种激光场镜脏污检测方法,能够快速根据激光场镜的照片判断激光场镜上脏污的所在位置,为后续的清理工作提供辅助。
进一步地,所述步骤S4包括以下步骤:
S41,对所述初筛前景图像进行灰度平均值筛选,得到第二前景图像;
S42,对所述第二前景图像进行灰度最大值筛选,得到第三前景图像;
S43,对所述第三前景图像进行面积筛选,得到清晰脏污区域;
其中,所述灰度平均值筛选通过以下方法进行:将图像中每个连通区域的灰度平均值与一设定的灰度平均值区间比较,若连通区域的灰度平均值位于所述灰度平均值区间内,则选中该连通区域;
所述灰度最大值筛选通过以下方法进行:将图像中每个连通区域的灰度最大值与一设定的灰度最大值区间比较,若连通区域的灰度最大值位于所述灰度最大值区间内,则选中该连通区域;
所述面积筛选通过以下方法进行:将图像中每个连通区域的面积与一设定的面积区间比较,若连通区域的面积位于所述面积区间内,则选中该连通区域。
进一步地,所述步骤S6包括以下步骤:
S61,对所述背景图像进行滤波,得到滤波图像;
S62,对比所述滤波图像和背景图像的差异,得到模糊脏污区域;
所述步骤S62具体为:令所述滤波图像与背景图像灰度值相减,得到差异图像;通过局部阈值提取算法,对所述差异图像进行边缘提取,得到模糊区域;根据所述模糊区域裁剪所述背景图像,得到模糊区域图像;对所述模糊区域图像再次进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到模糊脏污区域。
进一步地,所述步骤S2包括以下步骤:
S21,在所述脏污图像上划定一感兴趣区域,得到感兴趣区域图像;
S22,对所述感兴趣区域图像进行对比度增强,得到增强图像;
S23,计算所述增强图像的灰度,并移除灰度小于灰度阈值的数据,得到灰度图像。
进一步地,所述步骤S3具体为:通过自动阈值选取算法,对所述灰度图像进行二值化处理,分割出若干背景区域和前景区域;对所述前景区域进行区域连通处理,得到第一前景集合;根据所述第一前景集合裁剪所述灰度图像,获得初筛前景图像;所述自动阈值选取算法在处理图像时自动选择一个合适的阈值将图像分割为前景和背景。
一种激光场镜脏污检测系统,其特征在于:包括相机和脏污识别装置;所述相机拍摄激光场镜的脏污图像,并将所述脏污图像传输给所述脏污识别装置;所述脏污识别装置,包括:
脏污图像获取模块,用于获取脏污图像;
灰度图像获取模块,用于将所述脏污图像转化为灰度图像;
初步筛选模块,用于对所述灰度图像进行二值化和前景区域连通处理,得到初筛前景图像;
二次筛选模块,用于对所述初筛前景图像进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到清晰脏污区域;
背景图像获取模块,用于移除所述灰度图像的清晰脏污区域,留下背景图像;
局部阈值筛选模块,用于对所述背景图像进行局部阈值筛选,得到模糊脏污区域;
结果输出模块,用于将所述清晰脏污区域与模糊脏污区域合并,得到检测结果。
进一步地,所述二次筛选模块包括:灰度平均值筛选单元、灰度最大值筛选单元和面积筛选单元;
所述灰度平均值筛选单元,用于对所述初筛前景图像进行灰度平均值筛选,得到第二前景图像;其中,所述灰度平均值筛选为将图像中每个连通区域的灰度平均值与一设定的灰度平均值区间比较,若连通区域的灰度平均值位于所述灰度平均值区间内,则选中该连通区域
所述灰度最大值筛选单元,用于对所述第二前景图像进行灰度最大值筛选,得到第三前景图像;其中,所述灰度最大值筛选为将图像中每个连通区域的灰度最大值与一设定的灰度最大值区间比较,若连通区域的灰度最大值位于所述灰度最大值区间内,则选中该连通区域;
所述面积筛选单元,用于对所述第三前景图像进行面积筛选,得到清晰脏污区域;其中,所述面积筛选为将图像中每个连通区域的面积与一设定的面积区间比较,若连通区域的面积位于所述面积区间内,则选中该连通区域。
进一步地,所述局部阈值筛选模块包括:滤波单元和局部阈值提取单元;
所述滤波单元,用于对所述背景图像进行滤波,得到滤波图像;
所述局部阈值提取单元,用于令所述滤波图像与背景图像灰度值相减,得到差异图像;通过局部阈值提取算法,对所述差异图像进行边缘提取,得到模糊区域;根据所述模糊区域裁剪所述背景图像,得到模糊区域图像;对所述模糊区域图像再次进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到模糊脏污区域。
一种脏污识别装置,包括:
脏污图像获取模块,用于获取脏污图像;
灰度图像获取模块,用于将所述脏污图像转化为灰度图像;
初步筛选模块,用于对所述灰度图像进行二值化和前景区域连通处理,得到初筛前景图像;
二次筛选模块,用于对所述初筛前景图像进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到清晰脏污区域;
背景图像获取模块,用于移除所述灰度图像的清晰脏污区域,留下背景图像;
局部阈值筛选模块,用于对所述背景图像进行局部阈值筛选,得到模糊脏污区域;
结果输出模块,用于将所述清晰脏污区域与模糊脏污区域合并,得到检测结果。
进一步地,所述二次筛选模块包括:灰度平均值筛选单元、灰度最大值筛选单元和面积筛选单元;
所述灰度平均值筛选单元,用于对所述初筛前景图像进行灰度平均值筛选,得到第二前景图像;其中,所述灰度平均值筛选为将图像中每个连通区域的灰度平均值与一设定的灰度平均值区间比较,若连通区域的灰度平均值位于所述灰度平均值区间内,则选中该连通区域
所述灰度最大值筛选单元,用于对所述第二前景图像进行灰度最大值筛选,得到第三前景图像;其中,所述灰度最大值筛选为将图像中每个连通区域的灰度最大值与一设定的灰度最大值区间比较,若连通区域的灰度最大值位于所述灰度最大值区间内,则选中该连通区域;
所述面积筛选单元,用于对所述第三前景图像进行面积筛选,得到清晰脏污区域;其中,所述面积筛选为将图像中每个连通区域的面积与一设定的面积区间比较,若连通区域的面积位于所述面积区间内,则选中该连通区域。
为了更好地理解和实施,下面结合附图详细说明本发明。
附图说明
图1为本发明的激光场镜脏污检测系统示意图;
图2为本发明的脏污识别装置的模块示意图;
图3为图2所示的脏污识别装置所执行的激光场镜脏污检测方法流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例方式作进一步地详细描述。
请参阅图1,图1为本发明的激光场镜脏污检测系统示意图。
本发明的激光场镜脏污检测系统包括:光源2、相机3和脏污识别装置。所述光源2对准所述激光场镜1以提供亮光。所述相机3正对所述激光场镜1以拍摄脏污图像,并将所述脏污图像传输给所述脏污识别装置。所述脏污识别装置检测出激光场镜1上的脏污区域并将检测结果传输给上位机。
请参阅图2和图3,图2为脏污识别装置的模块示意图,图3为图2所示的脏污识别装置所执行的激光场镜脏污检测方法流程图。
具体地,所述脏污识别装置,包括脏污图像获取模块G1、灰度图像获取模块G2、初步筛选模块G3、二次筛选模块G4、背景图像获取模块G5、局部阈值筛选模块G6和结果输出模块G7。
其中,所述脏污图像获取模块G1,用于执行步骤S1:获取脏污图像。
所述灰度图像获取模块G2,用于执行步骤S2:将所述脏污图像转化为灰度图像。其中,所述灰度图像获取模块G2包括感兴趣区域获取单元、对比度增强单元、灰度处理单元。
具体地,所述感兴趣区域获取单元,用于执行步骤S21:在所述脏污图像上划定一感兴趣区域,得到感兴趣区域图像。之所以划定感兴趣区域,是因为产品每次到达的拍照位置是相对固定的,每张图像需要检测的区域位置基本保持不变,因此划定感兴趣区域可以减少工作量。具体到激光场镜脏污检测领域,在激光场镜边缘可能出现金属反光,导致图像出现形似脏污的光斑,不划定感兴趣区域会影响检测准确度。感兴趣区域的形状和大小需要与激光场镜相匹配,在本实施例中,由于激光场镜是圆形,因此感兴趣区域也为圆形。
所述对比度增强单元,用于执行步骤S22:对所述感兴趣区域图像进行对比度增强,得到增强图像。对比度增强是通过横向参数与纵向参数构成的矩阵以及一个对比度因子来调节图像对比度。对比度增强的具体参数,在软件界面中根据现场的打光情况手动设置,使脏污前景和背景能够较明显地区别开来。
所述灰度处理单元,用于执行步骤S23:计算所述增强图像的灰度,并移除灰度小于灰度阈值的数据,得到灰度图像。由于脏污前景的亮度比较亮,在灰度直方图上基本位于灰度45%以上的区段,因此在本实施例中,所述灰度阈值设定为45%。移除灰度位于0%至45%之间的数据可以去除大部分不包含脏污的背景。
所述初步筛选模块G3,用于执行步骤S3:对所述灰度图像进行二值化和前景区域连通处理,得到初筛前景图像。具体地,步骤S3通过自动阈值选取算法,对所述灰度图像进行二值化处理,分割出若干背景区域和前景区域;对所述前景区域进行区域连通处理,得到第一前景集合;根据所述第一前景集合裁剪所述灰度图像,获得初筛前景图像。所述自动阈值选取算法在处理不同亮度的图像时自动选择一个合适的阈值将图像分割为前景和背景,无需手动选择阈值。
所述二次筛选模块G4,用于执行步骤S4:对所述初筛前景图像进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到清晰脏污区域。其中,所述二次筛选模块包括灰度平均值筛选单元、灰度最大值筛选单元和面积筛选单元。
具体地,所述灰度平均值筛选单元,用于执行步骤S41:对所述初筛前景图像进行灰度平均值筛选,得到第二前景图像。其中,所述灰度平均值筛选通过以下方法进行:将图像中每个连通区域的灰度平均值与一设定的灰度平均值区间比较,若连通区域的灰度平均值位于所述灰度平均值区间内,则选中该连通区域,否则不选中该连通区域。
所述步骤S41具体为:设定一灰度平均值区间;计算所述初筛前景图像中每个连通区域的灰度平均值,将每个连通区域的灰度平均值与所述灰度平均值区间相比较;若该连通区域的灰度平均值位于所述灰度平均值区间内,则选中该连通区域;若该连通区域的灰度平均值位于所述灰度平均值区间外,则不选中该连通区域;遍历所述初筛前景图像中的每个连通区域后,所有被选中的连通区域组成第二前景图像。
具体地,所述灰度最大值筛选单元,用于执行步骤S42:对所述第二前景图像进行灰度最大值筛选,得到第三前景图像。其中,所述灰度最大值筛选通过以下方法进行:将图像中每个连通区域的灰度最大值与一设定的灰度最大值区间比较,若连通区域的灰度最大值位于所述灰度最大值区间内,则选中该连通区域,否则不选中该连通区域。
所述步骤S42具体为:设定一灰度最大值区间;计算所述第二前景图像中每个连通区域的灰度最大值,将每个连通区域的灰度最大值与所述灰度最大值区间相比较;若该连通区域的灰度最大值位于所述灰度最大值区间内,则选中该连通区域;若该连通区域的灰度最大值位于所述灰度最大值区间外,则不选中该连通区域;遍历所述第二前景图像中的每个连通区域后,所有被选中的连通区域组成第三前景图像。在本实施例中,所述最大值灰度区间的上限设置为255,下限设置为180。
具体地,所述面积筛选单元,用于执行步骤S43:对所述第三前景图像进行面积筛选,得到清晰脏污区域。其中,所述面积筛选通过以下方法进行:将图像中每个连通区域的面积与一设定的面积区间比较,若连通区域的面积位于所述面积区间内,则选中该连通区域,否则不选中该连通区域。
所述步骤S43具体为:设定面积区间;计算所述第三前景图像中每个连通区域的面积;将每个连通区域的面积与所述面积区间相比较,若该连通区域的面积位于所述面积区间内,则选中该连通区域;若该连通区域的面积位于所述面积区间外,则不选中该连通区域;遍历所述第三前景图像中的每个连通区域后,所有被选中的连通区域组成清晰脏污区域。由于金属反光造成的光斑往往面积较大,而脏污造成的光斑面积相对较小,面积极小的区域又往往是噪声,因此进行面积筛选能够有效消除金属反光和噪声的造成的误差。
所述背景图像获取模块G5,用于执行步骤S5:移除所述灰度图像的清晰脏污区域,留下背景图像。所述步骤S5具体为:对所述清晰脏污区域进行微小膨胀,得到膨胀前景区域;对所述膨胀前景区域取补集,得到背景区域;根据所述背景区域对所述灰度图像进行裁剪,得到背景图像。之所以对清晰脏污区域先膨胀再取补集,是为了避免直接取补集导致背景图像中留有一些不明显的脏污边缘信息,影响后续局部阈值筛选的效果。
所述局部阈值筛选模块G6,用于执行步骤S6:对所述背景图像进行局部阈值筛选,得到模糊脏污区域。其中,所述局部阈值筛选模块G6包括滤波单元和局部阈值提取单元。
具体地,所述滤波单元,用于执行步骤S61:对所述背景图像进行滤波,得到滤波图像。所述步骤S61具体为:选取一个与脏污大小相近的卷积核,对所述背景图像进行均值滤波,得到滤波图像。在其他实施例中,可以选择其他滤波方式,比如中值滤波和高斯滤波。
具体地,所述局部阈值提取单元,用于执行步骤S62:对比所述滤波图像和背景图像的差异,得到模糊脏污区域。所述步骤S62具体为:令所述滤波图像与背景图像灰度值相减,得到差异图像;通过局部阈值提取算法,对所述差异图像进行边缘提取,得到模糊区域;根据所述模糊区域裁剪所述背景图像,得到模糊区域图像;对所述模糊区域图像再次进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到模糊脏污区域。所述局部阈值提取算法,通过检测图像在物体边缘处的灰度值变化来分割图像,适用于分割物体边缘较模糊的图像。
所述结果输出模块G7,用于执行步骤S7:将所述清晰脏污区域与模糊脏污区域合并,得到检测结果。
相对于现有技术,本发明的激光场镜脏污检测方法,解决了如何自动检测激光场镜表面脏污以保证后续拍摄的图像质量的问题,快捷方便,且能够以较少的算力成本实现较好的检测效果。
基于本实施例提供的一种激光场镜脏污检测方法,本实施例还提供了一种计算机设备,所述计算机设备可以是服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备,其包括:
处理器;
存储器,用于存储由所述处理器执行的计算机程序;
其中,所述处理器执行所述计算机程序时实现本发明所述的激光场镜脏污检测方法。
本实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现本发明实施例所述的激光场镜脏污检测方法。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.一种激光场镜脏污检测方法,包括以下步骤:
S1,获取脏污图像;
S2,将所述脏污图像转化为灰度图像;
S3,对所述灰度图像进行二值化和前景区域连通处理,得到初筛前景图像;
S4,对所述初筛前景图像进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到清晰脏污区域;
S5,移除所述灰度图像的清晰脏污区域,留下背景图像;
S6,对所述背景图像进行局部阈值筛选,得到模糊脏污区域;
S7,将所述清晰脏污区域与模糊脏污区域合并,得到检测结果。
2.根据权利要求1所述的激光场镜脏污检测方法,其特征在于:
所述步骤S4包括以下步骤:
S41,对所述初筛前景图像进行灰度平均值筛选,得到第二前景图像;
S42,对所述第二前景图像进行灰度最大值筛选,得到第三前景图像;
S43,对所述第三前景图像进行面积筛选,得到清晰脏污区域;
其中,所述灰度平均值筛选通过以下方法进行:将图像中每个连通区域的灰度平均值与一设定的灰度平均值区间比较,若连通区域的灰度平均值位于所述灰度平均值区间内,则选中该连通区域;
所述灰度最大值筛选通过以下方法进行:将图像中每个连通区域的灰度最大值与一设定的灰度最大值区间比较,若连通区域的灰度最大值位于所述灰度最大值区间内,则选中该连通区域;
所述面积筛选通过以下方法进行:将图像中每个连通区域的面积与一设定的面积区间比较,若连通区域的面积位于所述面积区间内,则选中该连通区域。
3.根据权利要求2所述的激光场镜脏污检测方法,其特征在于:
所述步骤S6包括以下步骤:
S61,对所述背景图像进行滤波,得到滤波图像;
S62,对比所述滤波图像和背景图像的差异,得到模糊脏污区域;
所述步骤S62具体为:令所述滤波图像与背景图像灰度值相减,得到差异图像;通过局部阈值提取算法,对所述差异图像进行边缘提取,得到模糊区域;根据所述模糊区域裁剪所述背景图像,得到模糊区域图像;对所述模糊区域图像再次进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到模糊脏污区域。
4.根据权利要求3所述的激光场镜脏污检测方法,其特征在于:
所述步骤S2具体为:在所述脏污图像上划定一感兴趣区域,得到感兴趣区域图像;对所述感兴趣区域图像进行对比度增强,得到增强图像;计算所述增强图像的灰度,并移除灰度小于灰度阈值的数据,得到灰度图像。
5.根据权利要求4所述的激光场镜脏污检测方法,其特征在于:
所述步骤S3具体为:通过自动阈值选取算法,对所述灰度图像进行二值化处理,分割出若干背景区域和前景区域;对所述前景区域进行区域连通处理,得到第一前景集合;根据所述第一前景集合裁剪所述灰度图像,获得初筛前景图像;所述自动阈值选取算法在处理图像时自动选择一个合适的阈值将图像分割为前景和背景。
6.一种激光场镜脏污检测系统,其特征在于:包括相机和脏污识别装置;所述相机拍摄激光场镜的脏污图像,并将所述脏污图像传输给所述脏污识别装置;所述脏污识别装置,包括:
脏污图像获取模块,用于获取脏污图像;
灰度图像获取模块,用于将所述脏污图像转化为灰度图像;
初步筛选模块,用于对所述灰度图像进行二值化和前景区域连通处理,得到初筛前景图像;
二次筛选模块,用于对所述初筛前景图像进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到清晰脏污区域;
背景图像获取模块,用于移除所述灰度图像的清晰脏污区域,留下背景图像;
局部阈值筛选模块,用于对所述背景图像进行局部阈值筛选,得到模糊脏污区域;
结果输出模块,用于将所述清晰脏污区域与模糊脏污区域合并,得到检测结果。
7.根据权利要求6所述的激光场镜脏污检测系统,其特征在于:
所述二次筛选模块包括:灰度平均值筛选单元、灰度最大值筛选单元和面积筛选单元;
所述灰度平均值筛选单元,用于对所述初筛前景图像进行灰度平均值筛选,得到第二前景图像;其中,所述灰度平均值筛选为将图像中每个连通区域的灰度平均值与一设定的灰度平均值区间比较,若连通区域的灰度平均值位于所述灰度平均值区间内,则选中该连通区域
所述灰度最大值筛选单元,用于对所述第二前景图像进行灰度最大值筛选,得到第三前景图像;其中,所述灰度最大值筛选为将图像中每个连通区域的灰度最大值与一设定的灰度最大值区间比较,若连通区域的灰度最大值位于所述灰度最大值区间内,则选中该连通区域;
所述面积筛选单元,用于对所述第三前景图像进行面积筛选,得到清晰脏污区域;其中,所述面积筛选为将图像中每个连通区域的面积与一设定的面积区间比较,若连通区域的面积位于所述面积区间内,则选中该连通区域。
8.根据权利要求7所述的激光场镜脏污检测系统,其特征在于:
所述局部阈值筛选模块包括:滤波单元和局部阈值提取单元;
所述滤波单元,用于对所述背景图像进行滤波,得到滤波图像;
所述局部阈值提取单元,用于令所述滤波图像与背景图像灰度值相减,得到差异图像;通过局部阈值提取算法,对所述差异图像进行边缘提取,得到模糊区域;根据所述模糊区域裁剪所述背景图像,得到模糊区域图像;对所述模糊区域图像再次进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到模糊脏污区域。
9.一种脏污识别装置,包括:
脏污图像获取模块,用于获取脏污图像;
灰度图像获取模块,用于将所述脏污图像转化为灰度图像;
初步筛选模块,用于对所述灰度图像进行二值化和前景区域连通处理,得到初筛前景图像;
二次筛选模块,用于对所述初筛前景图像进行灰度平均值筛选、灰度最大值筛选和面积筛选,得到清晰脏污区域;
背景图像获取模块,用于移除所述灰度图像的清晰脏污区域,留下背景图像;
局部阈值筛选模块,用于对所述背景图像进行局部阈值筛选,得到模糊脏污区域;
结果输出模块,用于将所述清晰脏污区域与模糊脏污区域合并,得到检测结果。
10.根据权利要求9所述的脏污识别装置,其特征在于:
所述二次筛选模块包括:灰度平均值筛选单元、灰度最大值筛选单元和面积筛选单元;
所述灰度平均值筛选单元,用于对所述初筛前景图像进行灰度平均值筛选,得到第二前景图像;其中,所述灰度平均值筛选为将图像中每个连通区域的灰度平均值与一设定的灰度平均值区间比较,若连通区域的灰度平均值位于所述灰度平均值区间内,则选中该连通区域
所述灰度最大值筛选单元,用于对所述第二前景图像进行灰度最大值筛选,得到第三前景图像;其中,所述灰度最大值筛选为将图像中每个连通区域的灰度最大值与一设定的灰度最大值区间比较,若连通区域的灰度最大值位于所述灰度最大值区间内,则选中该连通区域;
所述面积筛选单元,用于对所述第三前景图像进行面积筛选,得到清晰脏污区域;其中,所述面积筛选为将图像中每个连通区域的面积与一设定的面积区间比较,若连通区域的面积位于所述面积区间内,则选中该连通区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310810326.XA CN116823788A (zh) | 2023-07-03 | 2023-07-03 | 一种激光场镜脏污检测方法、检测系统和脏污识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310810326.XA CN116823788A (zh) | 2023-07-03 | 2023-07-03 | 一种激光场镜脏污检测方法、检测系统和脏污识别装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116823788A true CN116823788A (zh) | 2023-09-29 |
Family
ID=88123879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310810326.XA Pending CN116823788A (zh) | 2023-07-03 | 2023-07-03 | 一种激光场镜脏污检测方法、检测系统和脏污识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823788A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830303A (zh) * | 2024-03-04 | 2024-04-05 | 山东山大鸥玛软件股份有限公司 | 一种网评图像检测方法、系统、电子设备及存储介质 |
-
2023
- 2023-07-03 CN CN202310810326.XA patent/CN116823788A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830303A (zh) * | 2024-03-04 | 2024-04-05 | 山东山大鸥玛软件股份有限公司 | 一种网评图像检测方法、系统、电子设备及存储介质 |
CN117830303B (zh) * | 2024-03-04 | 2024-05-28 | 山东山大鸥玛软件股份有限公司 | 一种网评图像检测方法、系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612781B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
US8073286B2 (en) | Detection and correction of flash artifacts from airborne particulates | |
CN111627009A (zh) | 一种屏幕检测方法、装置及头戴显示设备 | |
US7103208B2 (en) | Detecting and classifying blemishes on the transmissive surface of an image sensor package | |
US20090052795A1 (en) | System and method for auto-focusing an image | |
CN111027546B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
JP2010534432A (ja) | ノイズ除去機能付きのデジタル画像処理増強システム及び方法 | |
JP2015511310A (ja) | ウエハ検査のためのセグメント化 | |
CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
CN101464418A (zh) | 缺陷检测方法以及缺陷检测装置 | |
CN110660072B (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN116823788A (zh) | 一种激光场镜脏污检测方法、检测系统和脏污识别装置 | |
WO2021217642A1 (zh) | 红外图像处理方法、装置及可移动平台 | |
US20170178296A1 (en) | Focus detection | |
CN114913112A (zh) | 晶圆双边缘检测方法和装置及设备 | |
CN111415365B (zh) | 图像检测方法及装置 | |
CN117197108A (zh) | 光学变焦图像质量评估方法、系统、计算机装置及介质 | |
US20230030689A1 (en) | Systems and methods for quantifying light flares in images | |
CN111179182A (zh) | 图像的处理方法及装置、存储介质及处理器 | |
CN113112432A (zh) | 自动识别图像条带的方法 | |
CN111161211A (zh) | 一种图像检测方法及装置 | |
CN115661125B (zh) | 基于格雷码结构光的类镜面结构表面缺陷检测方法及系统 | |
CN113286079B (zh) | 图像对焦方法、装置、电子设备及可读存储介质 | |
CN111738973A (zh) | 用于摄像模组质检的污点测试方法、装置、系统及存储介质 | |
KR102578312B1 (ko) | 홀로그램 기반 대상체 3차원 계측 장치 및 방법 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: Zhong Guo Address after: Room 101-301, Building 3, No. 9, Huijiang South 2nd Road, Dashi Street, Panyu District, Guangzhou City, Guangdong Province, 5114300 Applicant after: Guangzhou Yihong Intelligent Equipment Co.,Ltd. Address before: Room 101-301, Building 3, No. 9, Huijiang South 2nd Road, Dashi Street, Panyu District, Guangzhou City, Guangdong Province, 5114300 Applicant before: GUANGZHOU EHOLLY INTELLIGENT EQUIPMENT Co.,Ltd. Country or region before: Zhong Guo |