CN116862826A - 印刷缺陷检测方法、装置、电子设备和存储介质 - Google Patents

印刷缺陷检测方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN116862826A
CN116862826A CN202210303692.1A CN202210303692A CN116862826A CN 116862826 A CN116862826 A CN 116862826A CN 202210303692 A CN202210303692 A CN 202210303692A CN 116862826 A CN116862826 A CN 116862826A
Authority
CN
China
Prior art keywords
defect
image
segmentation threshold
target
threshold value
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
Application number
CN202210303692.1A
Other languages
English (en)
Inventor
魏佳琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN202210303692.1A priority Critical patent/CN116862826A/zh
Publication of CN116862826A publication Critical patent/CN116862826A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30144—Printing quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本公开是关于一种印刷缺陷检测方法、装置、电子设备和存储介质。其中，该方法包括：获取待检测缺陷印刷图像和对应的目标模板图像；根据待检测缺陷印刷图像和目标模板图像生成差分图像，并对差分图像进行滤波处理以获得滤波图像。根据滤波图像获取缺陷对比度，并根据缺陷对比度与预设的分割阈值确定目标分割阈值；基于目标分割阈值对滤波图像进行阈值分割，以获得二值图像；基于目标分割阈值，对二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。本公开根据滤波图像获取缺陷对比度，根据该缺陷对比度与预设的分割阈值确定目标分割阈值。基于不同的分割方式，选择对应的形态学运算方式和缺陷判断处理，可以提高印刷缺陷检测的准确度。

Description

印刷缺陷检测方法、装置、电子设备和存储介质
技术领域
本公开涉及机器视觉检测领域，尤其涉及一种印刷缺陷检测方法、装置、电子设备和存储介质。
背景技术
在工业生产过程中，产品包装以及标签上的印刷内容对产品外观展示以及产品信息的传递起到关键作用。因此，对产品进行印刷缺陷检测是产品出厂前的关键环节，其主要检测内容包括错印、多墨、漏墨、烫金不良、颜色偏色等印刷问题。然而，生产环境差异以及印刷品外观差异等问题会严重影响到印刷缺陷检测结果的准确度。
发明内容
为克服相关技术中存在的问题，本公开提供一种印刷缺陷检测方法、装置、电子设备和存储介质。
根据本公开实施例的第一方面，提供一种印刷缺陷检测方法，包括：
获取待检测缺陷印刷图像和对应的目标模板图像；
根据所述待检测缺陷印刷图像和所述目标模板图像生成差分图像，并对所述差分图像进行滤波处理以获得滤波图像；
根据所述滤波图像获取缺陷对比度，并根据所述缺陷对比度与预设的分割阈值确定目标分割阈值；基于所述目标分割阈值对所述滤波图像进行阈值分割，以获得二值图像；
基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。
可选地，在本公开一些实施例中，所述根据所述待检测缺陷印刷图像和所述目标模板图像生成差分图像，包括：分别将所述待检测缺陷印刷图像和所述目标模板图像进行颜色空间转换得到第一单通道图像和第二单通道图像；将所述第一单通道图像和第二单通道图像进行目标在位检测，以确定所述目标的位置信息；基于所述目标的位置信息，将所述第一单通道图像和第二单通道图像进行差分运算，获得所述差分图像。
可选地，在本公开一些实施例中，所述根据所述滤波图像获取缺陷对比度，并根据所述缺陷对比度与预设的分割阈值确定目标分割阈值，包括：确定所述滤波图像中的像素最大值；将所述像素最大值与所述分割阈值进行比对，确定所述目标分割阈值。
可选地，在本公开一些实施例中，所述将所述像素最大值与所述分割阈值进行比对，确定所述目标分割阈值，包括：响应于所述像素最大值小于所述分割阈值，基于预设的阈值系数调整所述分割阈值，并将调整后的分割阈值确定为目标分割阈值；或者，响应于所述像素最大值大于或等于所述分割阈值，将所述分割阈值确定为所述目标分割阈值。
可选地，在本公开一些实施例中，所述基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域，包括：响应于所述目标分割阈值为原分割阈值，基于第一形态学运算方式对所述二值图像进行形态学运算以获得第一连通区域图像；对所述第一连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；基于所述各候选缺陷区域的属性信息与预设的缺陷阈值，从所述各候选缺陷区域确定出缺陷区域。
可选地，在本公开一些实施例中，所述基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域，还包括：响应于所述目标分割阈值为非原分割阈值，基于第二形态学运算方式对所述二值图像进行形态学运算以获得第二连通区域图像；对所述第二连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；根据所述各候选缺陷区域的属性信息，确定候选缺陷区域总面积；将所述候选缺陷区域总面积与所述缺陷阈值进行比对以获得比对结果，并基于所述比对结果确定缺陷区域。
可选地，在本公开一些实施例中，所述印刷缺陷检测方法还包括：提取所述缺陷区域的特征信息；基于所述特征信息检测所述缺陷区域的缺陷类别。
根据本公开实施例的第二方面，提供一种印刷缺陷检测装置，包括：
第一获取模块，用于获取待检测缺陷印刷图像和对应的目标模板图像；
生成模块，用于根据所述待检测缺陷印刷图像和所述目标模板图像生成差分图像，并对所述差分图像进行滤波处理以获得滤波图像；
确定模块，用于根据所述滤波图像获取缺陷对比度，并根据所述缺陷对比度与预设的分割阈值确定目标分割阈值；
第二获取模块，用于基于所述目标分割阈值对所述滤波图像进行阈值分割，以获得二值图像；
第三获取模块，用于基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。
可选地，在本公开一些实施例中，所述生成模块具体用于：分别将所述待检测缺陷印刷图像和所述目标模板图像进行颜色空间转换得到第一单通道图像和第二单通道图像；将所述第一单通道图像和第二单通道图像进行目标在位检测，以确定所述目标的位置信息；基于所述目标的位置信息，将所述第一单通道图像和第二单通道图像进行差分运算，获得所述差分图像。
可选地，在本公开一些实施例中，所述确定模块具体用于：确定所述滤波图像中的像素最大值；将所述像素最大值与所述分割阈值进行比对，确定所述目标分割阈值。
可选地，在本公开一些实施例中，所述确定模块还用于：响应于所述像素最大值小于所述分割阈值，基于预设的阈值系数调整所述分割阈值，并将调整后的分割阈值确定为目标分割阈值；或者，响应于所述像素最大值大于或等于所述分割阈值，将所述分割阈值确定为所述目标分割阈值。
可选地，在本公开一些实施例中，所述第三获取模块具体用于：响应于所述目标分割阈值为原分割阈值，基于第一形态学运算方式对所述二值图像进行形态学运算以获得第一连通区域图像；对所述第一连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；基于所述各候选缺陷区域的属性信息与预设的缺陷阈值，从所述各候选缺陷区域确定出缺陷区域。
可选地，在本公开一些实施例中，所述第三获取模块还用于：响应于所述目标分割阈值为非原分割阈值，基于第二形态学运算方式对所述二值图像进行形态学运算以获得第二连通区域图像；对所述第二连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；根据所述各候选缺陷区域的属性信息，确定候选缺陷区域总面积；将所述候选缺陷区域总面积与所述缺陷阈值进行比对以获得比对结果，并基于所述比对结果确定缺陷区域。
可选地，在本公开一些实施例中，所述印刷缺陷检测装置还包括：提取模块，用于提取所述缺陷区域的特征信息；检测模块，用于基于所述特征信息检测所述缺陷区域的缺陷类别。
根据本公开实施例的第三方面，提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；其中，所述指令被所述处理器执行，以使所述处理器能够执行前述第一方面所述的印刷缺陷检测方法。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行前述第一方面所述的印刷缺陷检测方法。
本公开的实施例提供的技术方案可以包括以下有益效果：根据滤波图像获取缺陷对比度，根据该缺陷对比度与预设的分割阈值确定目标分割阈值。基于不同的分割方式，选择对应的形态学运算方式和缺陷判断处理，可以提高印刷缺陷检测的准确度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种印刷缺陷检测方法的流程图。
图2是根据一示例性实施例示出的一种印刷缺陷检测方法的流程图。
图3是根据一示例性实施例示出的一种印刷缺陷检测方法的流程图。
图4是根据一示例性实施例示出的一种印刷缺陷检测方法的流程图。
图5是根据一示例性实施例示出的一种印刷缺陷检测装置的结构示意图。
图6是根据一示例性实施例示出的一种印刷缺陷检测装置的结构示意图。
图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本公开提供了一种印刷缺陷检测方法、装置、电子设备和存储介质，以提高印刷缺陷检测的准确度。
图1是根据一示例性实施例示出的一种印刷缺陷检测方法的流程图，如图1所示，该印刷缺陷检测方法包括以下步骤。
在步骤101中，获取待检测缺陷印刷图像和对应的目标模板图像。
在步骤102中，根据待检测缺陷印刷图像和目标模板图像生成差分图像，并对差分图像进行滤波处理以获得滤波图像。
在一种实现方式中，可对待检测缺陷印刷图像与目标模板图像进行灰度匹配或者特征点匹配算法进行目标在位检测，以确定目标的位置信息。基于目标的位置信息，将待检测缺陷印刷图像与目标模板图像进行配准，并对配准后的图像进行差分计算，生成差分图像。可选地，在本公开实施例中，可对差分图像进行中值滤波处理，以获得滤波图像。
在步骤103中，根据滤波图像获取缺陷对比度，并根据缺陷对比度与预设的分割阈值确定目标分割阈值。
可选地，缺陷对比度可以是滤波图像中的像素最大值。在一种实现方式中，可将滤波图像中的像素最大值与预设的分割阈值进行比对，以确定目标分割阈值。作为一种示例，当像素最大值小于预设的分割阈值时，对该预设的分割阈值进行下调处理，比如减少该分割阈值的大小，并将调整后的分割阈值确定为目标分割阈值；当像素最大值大于或等于预设的分割阈值时，将该预设的分割阈值确定为目标分割阈值。
在步骤104中，基于目标分割阈值对滤波图像进行阈值分割，以获得二值图像。
在步骤105中，基于目标分割阈值，对二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。
需要说明的是，对于基于不同分割方式对滤波图像进行阈值分割所获得的二值图像，可采用不同的形态学运算进行形态学处理，以降低由于边缘误差产生的伪缺陷过检和低对比度缺陷漏检的可能。在一种实现方式中，对于基于原分割阈值进行阈值分割的分割方式而获得的二值图像，可进行腐蚀处理；对于基于下调处理后的非原分割阈值进行阈值分割的分割方式而获得的二值图像，可进行特殊几何结构元腐蚀或者开运算处理。
此外，对于基于不同分割方式获得的二值图像，除采用相应的形态学运算处理外，还需要对经过形态学运算处理后的图像进行相应的缺陷判断处理，以减少待检测缺陷印刷图像出现分散分布的小面积缺陷时出现的漏检问题。
根据本公开实施例的印刷缺陷检测方法，根据滤波图像获取缺陷对比度，根据该缺陷对比度与预设的分割阈值确定目标分割阈值。基于不同的分割方式，选择对应的形态学运算方式和缺陷判断处理，可以提高印刷缺陷检测的准确度。
在本公开的实施例中，为了进一步提高印刷缺陷检测的准确度，在待检测缺陷印刷图像与目标模板图像进行匹配获得差分图像的过程中，可将待检测缺陷印刷图像与目标模板图像进行颜色空间匹配，将经过颜色空间转换的待检测缺陷印刷图像与目标模板图像进行匹配，生成差分图像。可选地，图2是根据一示例行实施例示出的一种印刷缺陷检测方法的流程图，如图2所示，该印刷缺陷检测方法包括以下步骤。
在步骤201中，获取待检测缺陷印刷图像和对应的目标模板图像。
在步骤202中，分别将待检测缺陷印刷图像和目标模板图像进行颜色空间转换得到第一单通道图像和第二单通道图像。
可选地，在本公开的实施例中，可以分别将待检测缺陷印刷图像和目标模板图像转换到HSV(Hue,Saturation,Value，色相、饱和度、明度)颜色空间的图像第一单通道图像和第二单通道图像。此外，还可以是Lab颜色空间转换、RGB颜色空间转换等，本公开对此不作限定。
在步骤203中，将第一单通道图像和第二单通道图像进行目标在位检测，以确定目标的位置信息。
在步骤204中，基于目标的位置信息，将第一单通道图像和第二单通道图像进行差分运算，获得差分图像，并对差分图像进行滤波处理以获得滤波图像。
在步骤205中，根据滤波图像获取缺陷对比度，并根据缺陷对比度与预设的分割阈值确定目标分割阈值。
在步骤206中，基于目标分割阈值对滤波图像进行阈值分割，以获得二值图像。
在步骤207中，基于目标分割阈值，对二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。
需要说明的是，在本公开的实施例中，步骤201、步骤205-步骤207可以分别采用本公开的各实施例中的任一种方式实现，本公开并不对此作出限定，也不再赘述。
根据本公开实施例的印刷缺陷检测方法，将待检测缺陷印刷图像与目标模板图像进行进行颜色空间匹配，可不受目标大小或像素数量影响，提高待检测缺陷印刷图像与目标模板图像间的匹配精度，有效降低由于印刷图像亮度、颜色变化引起的低匹配问题，且不增加多余的时间成本，在提高印刷缺陷检测的准确性的同时，不会降低检测效率。此外，根据滤波图像获取缺陷对比度，根据该缺陷对比度与预设的分割阈值确定目标分割阈值。基于不同的分割方式，选择对应的形态学运算方式和缺陷判断处理，可以提高印刷缺陷检测的准确度。
图3是根据一示例性实施例示出的一种印刷缺陷检测方法的流程图，如图3所示，该印刷缺陷检测方法包括以下步骤。
在步骤301中，获取待检测缺陷印刷图像和对应的目标模板图像。
在步骤302中，根据待检测缺陷印刷图像和目标模板图像生成差分图像，并对差分图像进行滤波处理以获得滤波图像。
在步骤303中，确定滤波图像中的像素最大值。
在步骤304中，判断像素最大值是否小于预设的分割阈值。在像素最大值大于或等于预设的分割阈值时，则执行步骤305；在像素最大值小于预设的分割阈值时，则执行步骤310。
在步骤305中，将分割阈值确定为目标分割阈值。
也就是说，在滤波图像中的像素最大值大于或等于预设的分割阈值时，不需要对预设的分割阈值进行调整，直接使用预设的分割阈值对滤波图像进行阈值分割即可。
在步骤306中，基于目标分割阈值对滤波图像进行阈值分割，以获得二值图像。
在步骤307中，基于第一形态学运算方式对二值图像进行形态学运算以获得第一连通区域图像。
在滤波图像中的像素最大值大于或等于预设的分割阈值时，第一形态学运算方式主要针对目标均匀度不一致造成的误检问题增加腐蚀处理。基于对应的第一形态学运算方式对二值图像进行形态学运算以获得第一连通区域图像。
在步骤308中，对第一连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息。
在步骤309中，基于各候选缺陷区域的属性信息与预设的缺陷阈值，从各候选缺陷区域确定出缺陷区域。
在步骤310中，基于预设的阈值系数调整分割阈值，并将调整后的分割阈值确定为目标分割阈值。
也就是说，在滤波图像中的像素最大值小于预设的分割阈值时，需要基于预设的阈值系数调整分割阈值。作为一种示例，可通过公式(1)调整分割阈值。
Thresh＝Thresh0*r (1)
其中，Thresh为调整后的分割阈值，Thresh0为预设的分割阈值，r为预设的阈值系数。可选地，该阈值系数可以为0～1之间的数值。其中该阈值系数的大小可以是由大量实验而得到的经验值，或者还可以根据实际情况决定，在此不做具体限定。
在步骤311中，基于目标分割阈值对滤波图像进行阈值分割，以获得二值图像。
在步骤312中，基于第二形态学运算方式对二值图像进行形态学运算以获得第二连通区域图像。
在滤波图像中的像素最大值小于预设的分割阈值时，第二形态学运算方式主要针对印刷目标不一致，差分图像由于边缘误差产生的伪缺陷过检问题和低对比度缺陷漏检问题，增加特殊几何结构元腐蚀或开运算处理。基于对应的第二形态学运算方式对二值图像进行形态学运算以获得第二连通区域图像。
在步骤313中，对第二连通区域图像进行连通区域分析，确定各候选缺陷区域的属性信息。
在步骤314中，将候选区域总面积与缺陷阈值进行比对以获得比对结果，并基于比对结果确定缺陷区域。
需要说明的是，在在滤波图像中的像素最大值小于预设的分割阈值时，对候选缺陷区域面积进行求和获得候选区域总面积，并将候选区域总面积与缺陷阈值进行比对，如果候选区域总面积超过缺陷阈值，则印刷产品为缺陷品，进而确定缺陷区域。如果候选区域型面积未超过缺陷阈值，则可确定该印刷产品不是缺陷品。通过计算候选区域总面积确定缺陷区域，可减少待检测缺陷印刷图像出现分散分布的小面积印刷缺陷时出现的漏检问题。
需要说明的是，在本公开的实施例中，步骤301-步骤303可以分别采用本公开的各实施例中的任一种方式实现，本公开并不对此作出限定，也不再赘述。
根据本公开实施例的印刷缺陷检测方法，根据滤波图像获取缺陷对比度，根据该缺陷对比度与预设的分割阈值确定目标分割阈值。基于不同的分割方式，选择对应的形态学运算方式和缺陷判断处理，可以减少由于边缘误差产生的伪缺陷过检问题和低对比度缺陷漏检问题，以及减少待检测缺陷印刷图像出现分散分布的小面积印刷缺陷时出现的漏检问题，进一步提高印刷缺陷检测的准确度。
图4是根据一示例性实施例示出的一种印刷缺陷检测方法的流程图，如图4所示，该印刷缺陷检测方法包括以下步骤。
在步骤401中，获取待检测缺陷印刷图像和对应的目标模板图像。
在步骤402中，根据待检测缺陷印刷图像和目标模板图像生成差分图像，并对差分图像进行滤波处理以获得滤波图像。
在步骤403中，根据滤波图像获取缺陷对比度，并根据缺陷对比度与预设的分割阈值确定目标分割阈值。
在步骤404中，基于目标分割阈值对滤波图像进行阈值分割，以获得二值图像。
在步骤405中，基于目标分割阈值，对二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。
在步骤406中，提取缺陷区域的特征信息。
在步骤407中，基于特征信息检测缺陷区域的缺陷类别。
在本公开的实施例中，获得缺陷区域后，通过提取缺陷区域的特征信息，检测缺陷区域的缺陷类别，如错印、多墨、漏墨等缺陷类别。
需要说明的是，在本公开的实施例中，步骤401-步骤405可以分别采用本公开的各实施例中的任一种方式实现，本公开并不对此作出限定，也不再赘述。
根据本公开实施例的印刷缺陷检测方法，根据滤波图像获取缺陷对比度，根据该缺陷对比度与预设的分割阈值确定目标分割阈值。基于不同的分割方式，选择对应的形态学运算方式和缺陷判断处理，可以提高印刷缺陷检测的准确度。在获得缺陷区域后，通过提取缺陷区域的特征信息，进一步确定印刷缺陷的缺陷类别，提高了印刷缺陷检测的精度。
图5是根据以示例性实施例示出的一种印刷缺陷检测装置的结构示意图。如图5所示，该印刷缺陷检测装置包括：第一获取模块501、生成模块502、确定模块503、第二获取模块504和第三获取模块505。
其中，第一获取模块501，用于获取待检测缺陷印刷图像和对应的目标模板图像。
生成模块502，用于根据所述待检测缺陷印刷图像和所述目标模板图像生成差分图像，并对所述差分图像进行滤波处理以获得滤波图像。
确定模块503，用于根据所述滤波图像获取缺陷对比度，并根据所述缺陷对比度与预设的分割阈值确定目标分割阈值。
第二获取模块504，用于基于所述目标分割阈值对所述滤波图像进行阈值分割，以获得二值图像。
第三获取模块505，用于基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。
在本公开一些实施例中，生成模块502具体用于：分别将所述待检测缺陷印刷图像和所述目标模板图像进行颜色空间转换得到第一单通道图像和第二单通道图像；将所述第一单通道图像和第二单通道图像进行目标在位检测，以确定所述目标的位置信息；基于所述目标的位置信息，将所述第一单通道图像和第二单通道图像进行差分运算，获得所述差分图像。
在本公开一些实施例中，确定模块503具体用于：确定所述滤波图像中的像素最大值；将所述像素最大值与所述分割阈值进行比对，确定所述目标分割阈值。
在本公开一些实施例中，确定模块503还用于：响应于所述像素最大值小于所述分割阈值，基于预设的阈值系数调整所述分割阈值，并将调整后的分割阈值确定为目标分割阈值；或者，响应于所述像素最大值大于或等于所述分割阈值，将所述分割阈值确定为所述目标分割阈值。
在本公开一些实施例中，第三获取模块505具体用于：响应于所述目标分割阈值为原分割阈值，基于第一形态学运算方式对所述二值图像进行形态学运算以获得第一连通区域图像；对所述第一连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；基于所述各候选缺陷区域的属性信息与预设的缺陷阈值，从所述各候选缺陷区域确定出缺陷区域。
在本公开一些实施例中，第三获取模块505还用于：响应于所述目标分割阈值为非原分割阈值，基于第二形态学运算方式对所述二值图像进行形态学运算以获得第二连通区域图像；对所述第二连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；根据所述各候选缺陷区域的属性信息，确定候选缺陷区域总面积；将所述候选缺陷区域总面积与所述缺陷阈值进行比对以获得比对结果，并基于所述比对结果确定缺陷区域。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已在有关印刷缺陷检测方法的实施例中进行了详细描述，此处将不做阐述说明。
根据本公开实施例的印刷缺陷检测装置，将待检测缺陷印刷图像与目标模板图像进行颜色空间匹配，可不受目标大小或像素数量影响，提高待检测缺陷印刷图像与目标模板图像间的匹配精度，有效降低由于印刷图像亮度、颜色变化引起的低匹配问题，且不增加多余的时间成本，在提高印刷缺陷检测的准确性的同时，不会降低检测效率。此外，基于不同的分割方式，选择对应的形态学运算方式和缺陷判断处理，可以减少由于边缘误差产生的伪缺陷过检问题和低对比度缺陷漏检问题，以及减少待检测缺陷印刷图像出现分散分布的小面积印刷缺陷时出现的漏检问题，进一步提高印刷缺陷检测的准确度。
图6是根据以示例性实施例示出的一种印刷缺陷检测装置的结构示意图。如图6所示，该印刷缺陷检测装置还包括：提取模块606和检测模块607。具体地，提取模块606，用于提取所述缺陷区域的特征信息；检测模块607，用于基于所述特征信息检测所述缺陷区域的缺陷类别。
其中，图6中601-605与图5中501-505具有相同功能和结构。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已在有关印刷缺陷检测方法的实施例中进行了详细描述，此处将不做阐述说明。
根据本公开实施例的印刷缺陷检测装置，根据滤波图像获取缺陷对比度，根据该缺陷对比度与预设的分割阈值确定目标分割阈值。基于不同的分割方式，选择对应的形态学运算方式和缺陷判断处理，可以提高印刷缺陷检测的准确度。在获得缺陷区域后，通过提取缺陷区域的特征信息，进一步确定印刷缺陷的缺陷类别，提高了印刷缺陷检测的精度。
图7是根据一示例性实施例示出的一种印刷缺陷检测装置700的框图。例如，装置700可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图7，电子设备700可以包括以下一个或多个组件：处理组件702，存储器704，电力组件706，多媒体组件708，音频组件710，输入/输出(I/O)的接口712，传感器组件714，以及通信组件716。
处理组件702通常控制电子设备700的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。例如，处理组件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在设备700的操作。这些数据的示例包括用于在电子设备700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件706为电子设备700的各种组件提供电力。电力组件706可以包括电源管理系统，一个或多个电源，及其他与为电子设备700生成、管理和分配电力相关联的组件。
多媒体组件708包括在所述电子设备700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件708包括一个前置摄像头和/或后置摄像头。当设备700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当电子设备700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。
I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器，用于为电子设备700提供各个方面的状态评估。例如，传感器组件714可以检测到设备700的打开/关闭状态，组件的相对定位，例如所述组件为电子设备700的显示器和小键盘，传感器组件714还可以检测电子设备700或电子设备700一个组件的位置改变，用户与电子设备700接触的存在或不存在，电子设备700方位或加速/减速和电子设备700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件716被配置为便于电子设备700和其他设备之间有线或无线方式的通信。电子设备700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由电子设备700的处理器720执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被电子设备1000的处理器720执行以完成上述方法。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本公开旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (16)

1.一种印刷缺陷检测方法，其特征在于，包括：
获取待检测缺陷印刷图像和对应的目标模板图像；
根据所述待检测缺陷印刷图像和所述目标模板图像生成差分图像，并对所述差分图像进行滤波处理以获得滤波图像；
根据所述滤波图像获取缺陷对比度，并根据所述缺陷对比度与预设的分割阈值确定目标分割阈值；
基于所述目标分割阈值对所述滤波图像进行阈值分割，以获得二值图像；
基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。
2.如权利要求1所述的方法，其特征在于，所述根据所述待检测缺陷印刷图像和所述目标模板图像生成差分图像，包括：
分别将所述待检测缺陷印刷图像和所述目标模板图像进行颜色空间转换得到第一单通道图像和第二单通道图像；
将所述第一单通道图像和第二单通道图像进行目标在位检测，以确定所述目标的位置信息；
基于所述目标的位置信息，将所述第一单通道图像和第二单通道图像进行差分运算，获得所述差分图像。
3.如权利要求1所述的方法，其特征在于，所述根据所述滤波图像获取缺陷对比度，并根据所述缺陷对比度与预设的分割阈值确定目标分割阈值，包括：
确定所述滤波图像中的像素最大值；
将所述像素最大值与所述分割阈值进行比对，确定所述目标分割阈值。
4.如权利要求3所述的方法，其特征在于，所述将所述像素最大值与所述分割阈值进行比对，确定所述目标分割阈值，包括：
响应于所述像素最大值小于所述分割阈值，基于预设的阈值系数调整所述分割阈值，并将调整后的分割阈值确定为目标分割阈值；
或者，响应于所述像素最大值大于或等于所述分割阈值，将所述分割阈值确定为所述目标分割阈值。
5.如权利要求1所述的方法，其特征在于，所述基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域，包括：
响应于所述目标分割阈值为原分割阈值，基于第一形态学运算方式对所述二值图像进行形态学运算以获得第一连通区域图像；
对所述第一连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；
基于所述各候选缺陷区域的属性信息与预设的缺陷阈值，从所述各候选缺陷区域确定出缺陷区域。
6.如权利要求5所述的方法，其特征在于，所述基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域，还包括：
响应于所述目标分割阈值为非原分割阈值，基于第二形态学运算方式对所述二值图像进行形态学运算以获得第二连通区域图像；
对所述第二连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；
根据所述各候选缺陷区域的属性信息，确定候选缺陷区域总面积；
将所述候选缺陷区域总面积与所述缺陷阈值进行比对以获得比对结果，并基于所述比对结果确定缺陷区域。
7.如权利要求1至6中任一项所述的方法，其特征在于，还包括：
提取所述缺陷区域的特征信息；
基于所述特征信息检测所述缺陷区域的缺陷类别。
8.一种印刷缺陷检测装置，其特征在于，包括：
第一获取模块，用于获取待检测缺陷印刷图像和对应的目标模板图像；
生成模块，用于根据所述待检测缺陷印刷图像和所述目标模板图像生成差分图像，并对所述差分图像进行滤波处理以获得滤波图像；
确定模块，用于根据所述滤波图像获取缺陷对比度，并根据所述缺陷对比度与预设的分割阈值确定目标分割阈值；
第二获取模块，用于基于所述目标分割阈值对所述滤波图像进行阈值分割，以获得二值图像；
第三获取模块，用于基于所述目标分割阈值，对所述二值图像进行形态学运算和缺陷判断处理以获得缺陷区域。
9.如权利要求8所述的装置，其特征在于，所述生成模块具体用于：
分别将所述待检测缺陷印刷图像和所述目标模板图像进行颜色空间转换得到第一单通道图像和第二单通道图像；
将所述第一单通道图像和第二单通道图像进行目标在位检测，以确定所述目标的位置信息；
基于所述目标的位置信息，将所述第一单通道图像和第二单通道图像进行差分运算，获得所述差分图像。
10.如权利要求8所述的装置，其特征在于，所述确定模块具体用于：
确定所述滤波图像中的像素最大值；
将所述像素最大值与所述分割阈值进行比对，确定所述目标分割阈值。
11.如权利要求10所述的装置，其特征在于，所述确定模块还用于：
响应于所述像素最大值小于所述分割阈值，基于预设的阈值系数调整所述分割阈值，并将调整后的分割阈值确定为目标分割阈值；
或者，响应于所述像素最大值大于或等于所述分割阈值，将所述分割阈值确定为所述目标分割阈值。
12.如权利要求8所述的装置，其特征在于，所述第三获取模块具体用于：
响应于所述目标分割阈值为原分割阈值，基于第一形态学运算方式对所述二值图像进行形态学运算以获得第一连通区域图像；
对所述第一连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；
基于所述各候选缺陷区域的属性信息与预设的缺陷阈值，从所述各候选缺陷区域确定出缺陷区域。
13.如权利要求12所述的装置，其特征在于，所述第三获取模块还用于：
响应于所述目标分割阈值为非原分割阈值，基于第二形态学运算方式对所述二值图像进行形态学运算以获得第二连通区域图像；
对所述第二连通区域图像进行连通域分析，确定各候选缺陷区域的属性信息；
根据所述各候选缺陷区域的属性信息，确定候选缺陷区域总面积；
将所述候选缺陷区域总面积与所述缺陷阈值进行比对以获得比对结果，并基于所述比对结果确定缺陷区域。
14.如权利要求8至13中任一项所述的装置，其特征在于，所述装置还包括：
提取模块，用于提取所述缺陷区域的特征信息；
检测模块，用于基于所述特征信息检测所述缺陷区域的缺陷类别。
15.一种电子设备，其他特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；其中，所述指令被所述处理器执行，以使所述处理器能够执行权利要求1-7中任一项所述的方法。
16.一种计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行权利要求1-7中任一项所述的方法。
CN202210303692.1A 2022-03-24 2022-03-24 印刷缺陷检测方法、装置、电子设备和存储介质 Pending CN116862826A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210303692.1A CN116862826A (zh) 2022-03-24 2022-03-24 印刷缺陷检测方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210303692.1A CN116862826A (zh) 2022-03-24 2022-03-24 印刷缺陷检测方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN116862826A true CN116862826A (zh) 2023-10-10

Family

ID=88230924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210303692.1A Pending CN116862826A (zh) 2022-03-24 2022-03-24 印刷缺陷检测方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN116862826A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118379279A (zh) * 2024-06-21 2024-07-23 杭州汇萃智能科技有限公司 印刷图案缺陷检测方法、系统和可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118379279A (zh) * 2024-06-21 2024-07-23 杭州汇萃智能科技有限公司 印刷图案缺陷检测方法、系统和可读存储介质

Similar Documents

Publication Publication Date Title
RU2639668C2 (ru) Способ и устройство для идентификации области
EP3163504B1 (en) Method, device and computer-readable medium for region extraction
CN107977659B (zh) 一种文字识别方法、装置及电子设备
CN107480665B (zh) 文字检测方法、装置及计算机可读存储介质
US10216976B2 (en) Method, device and medium for fingerprint identification
US20170124419A1 (en) Method, apparatus, and computer-readable storage medium for area identification
CN105631803B (zh) 滤镜处理的方法和装置
CN111666941B (zh) 一种文本检测方法、装置及电子设备
EP3208742B1 (en) Method and apparatus for detecting pressure
CN108416337A (zh) 提醒用户清洁镜头的方法及装置
CN112927122A (zh) 水印去除方法、装置及存储介质
CN112200040A (zh) 遮挡图像检测方法、装置及介质
CN105678296B (zh) 确定字符倾斜角度的方法及装置
CN113920465A (zh) 片尾识别方法、装置、电子设备及存储介质
CN106372663B (zh) 构建分类模型的方法及装置
CN112241652A (zh) 指纹识别方法和装置
CN106469446B (zh) 深度图像的分割方法和分割装置
US10438377B2 (en) Method and device for processing a page
CN116862826A (zh) 印刷缺陷检测方法、装置、电子设备和存储介质
CN113569215A (zh) 一种指纹解锁方法、装置及存储介质
CN103955684B (zh) 字符提取方法、装置及终端
CN113255412B (zh) 文档图像的处理方法、装置及介质
CN115937629B (zh) 模板图像的更新方法、更新装置、可读存储介质及芯片
CN109002493A (zh) 指纹数据库更新方法、装置、终端及存储介质
CN112836696B (zh) 一种文字数据的检测方法、装置及电子设备

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