CN117372338A - 一种镜面缺陷检测方法、装置、设备及可读存储介质 - Google Patents
一种镜面缺陷检测方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN117372338A CN117372338A CN202311197466.0A CN202311197466A CN117372338A CN 117372338 A CN117372338 A CN 117372338A CN 202311197466 A CN202311197466 A CN 202311197466A CN 117372338 A CN117372338 A CN 117372338A
- Authority
- CN
- China
- Prior art keywords
- image
- images
- raw
- mirror
- channel
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 93
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000003384 imaging method Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 41
- 238000004891 communication Methods 0.000 claims description 13
- 238000003705 background correction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 241000219739 Lens Species 0.000 description 43
- 239000000428 dust Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method 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
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种镜面缺陷检测方法、装置、设备及可读存储介质,具体实现方案为:获取搭载有待检测镜头的成像模组所采集的RAW图;将RAW图分离为四个单通道图像,对各单通道图像进行均值滤波处理;将各滤波后图像与相应的单通道图像进行减法运算,得到差值图像,对各差值图像进行二值化处理;根据各二值化差值图像获取相应的图像连通域,将所有通道的图像连通域映射至RAW图进行合并;若合并连通域的像素点总数量大于或等于预设阈值,则根据合并连通域的图像位置信息输出镜面缺陷检测结果。本申请采用计算机视觉方式进行镜面缺陷检测,不需要复杂的检测仪器且不需要依赖于人工来识别镜面缺陷,有效降低了检测成本及检测工作量,并提高了检测准确性。
Description
【技术领域】
本申请涉及检测技术领域,尤其涉及镜头检测技术领域,可应用于镜头的镜面缺陷检测场景。具体的,本申请公开了一种镜面缺陷检测方法、装置、设备及可读存储介质。
【背景技术】
随着智能终端技术的不断发展,人们对于终端成像组件的成像质量的要求也越来越高,成像组件的成像质量与软件和硬件均息息相关,也即不但依赖于图像处理单元后期(ISP,Image Signal Processing)的图像处理过程,还和镜头等硬件的质量也有着重要的关系。然而,在成像组件的镜头的制造加工过程中不可避免的会存在一些加工误差,以及在后续装配测试过程中也较为容易使镜面沾染灰尘或污渍,这些均会造成成像质量下降。
为了提高镜头的成品率和工厂出货效率,通常需要在镜头出厂前进行镜面缺陷检测,相关技术中所采用的镜片缺陷检测方式通常是在显微镜下进对镜面进行人工识别与检测,这种方式一方面需要借助于复杂的检测仪器,检测成本较高,另一方面需要依赖于人工识别,检测工作量较大且检测准确性较低。
值得注意的是,在此部分中描述的技术不一定是之前已经设想到或采用的技术。除非另有指明,否则不应假定此部分中描述的任何技术仅因其包括在此部分中就被认为为现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
【发明内容】
本申请提供了一种镜面缺陷检测方法、装置、设备及可读存储介质,至少能够解决相关技术中所提供的镜面缺陷检测方式的检测成本较高、检测工作量较大且检测准确性较低的问题。
为解决上述技术问题,本申请第一方面提供了一种镜面缺陷检测方法,包括:获取搭载有待检测镜头的成像模组所采集的RAW图;将所述RAW图分离为四个单通道图像,以及对各所述单通道图像进行均值滤波处理,得到滤波后图像;将各所述滤波后图像与相应的所述单通道图像进行减法运算,得到差值图像,以及对各所述差值图像进行二值化处理,得到二值化差值图像;根据各所述二值化差值图像获取相应的第一图像连通域,以及将所有通道的所述第一图像连通域映射至所述RAW图进行合并,得到对应于所述RAW图的合并连通域;若所述合并连通域所包括的像素点的总数量大于或等于预设第一阈值,则根据所述合并连通域的图像位置信息输出对应于所述待检测镜头的第一镜面缺陷检测结果。
为解决上述技术问题,本申请第二方面提供了一种镜面缺陷检测装置,包括:图像获取模块,用于获取搭载有待检测镜头的成像模组所采集的RAW图;滤波处理模块,用于将所述RAW图分离为四个单通道图像,以及对各所述单通道图像进行均值滤波处理,得到滤波后图像;二值化处理模块,用于将各所述滤波后图像与相应的所述单通道图像进行减法运算,得到差值图像,以及对各所述差值图像进行二值化处理,得到二值化差值图像;连通域获取模块,用于根据各所述二值化差值图像获取相应的第一图像连通域,以及将所有通道的所述第一图像连通域映射至所述RAW图进行合并,得到对应于所述RAW图的合并连通域;结果输出模块,用于若所述合并连通域所包括的像素点的总数量大于或等于预设第一阈值,则根据所述合并连通域的图像位置信息输出对应于所述待检测镜头的第一镜面缺陷检测结果。
本申请第三方面提供了一种电子设备,包括:存储器以及处理器,其中,所述处理器用于执行存储在所述存储器上的计算机程序;所述处理器执行计算机程序时,实现上述本申请第一方面提供的镜面缺陷检测方法中的各步骤。
本申请第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时,实现上述本申请第一方面提供的镜面缺陷检测方法中的各步骤。
由上可见,根据本申请提供的镜面缺陷检测方法、装置、设备及可读存储介质,获取搭载有待检测镜头的成像模组所采集的RAW图;将RAW图分离为四个单通道图像,对各单通道图像进行均值滤波处理;将各滤波后图像与相应的单通道图像进行减法运算,得到差值图像,对各差值图像进行二值化处理;根据各二值化差值图像获取相应的图像连通域,将所有通道的图像连通域映射至RAW图进行合并,得到对应于RAW图的合并连通域;若合并连通域所包括的像素点的总数量大于或等于预设阈值,则根据合并连通域的图像位置信息输出对应于待检测镜头的镜面缺陷检测结果。通过本申请的实施,采用计算机视觉方式进行镜面缺陷检测,不需要复杂的检测仪器且不需要依赖于人工来识别缺陷,有效降低了检测成本及检测工作量,并提高了检测准确性。
应当理解,本部分所描述的内容并非旨在标识本申请的关键或重要特征,也不用于限制本申请的范围。本申请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】
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述共同用于解释实施例的示例性实施方式。所示出的附图仅出于示例性目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1为本申请一实施例提供的一种镜面缺陷检测方法的基本流程示意图;
图2为本申请一实施例提供的一种图像区域划分示意图;
图3为本申请一实施例提供的一种灰尘检测结果的示意图;
图4为本申请一实施例提供的一种平整度缺陷检测结果的示意图;
图5为本申请一实施例提供的另一种图像区域划分示意图;
图6为本申请一实施例提供的一种基于大于0的图像数据的伪彩色图像;
图7为本申请一实施例提供的一种基于小于0的图像数据的伪彩色图像;
图8为本申请一实施例提供的一种基于图像梯度的伪彩色图像;
图9为本申请一实施例提供的一种镜面灰尘检测方法的细化流程示意图;
图10为本申请一实施例提供的一种镜面平整度缺陷检测方法的细化流程示意图;
图11为本申请一实施例提供的另一种镜面平整度缺陷检测方法的细化流程示意图;
图12为本申请一实施例提供的一种镜面缺陷检测装置的功能模块示意图;
图13为本申请一实施例提供的电子设备的硬件结构示意图。
【具体实施方式】
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。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。
应当说明的是,在本申请实施例的描述中,术语“第一”、“第二”等仅用于描述目的,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一个或者更多个该特征。在本申请实施例的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
为了解决相关技术中所提供的镜面缺陷检测方式的检测成本较高、检测工作量较大且检测准确性较低的问题,本申请一实施例提供了一种镜面缺陷检测方法,如图1为本实施例提供的镜面缺陷检测方法的基本流程图,该镜面缺陷检测方法包括以下的步骤:
步骤101、获取搭载有待检测镜头的成像模组所采集的RAW图。
具体的,尽管相关技术中提供了一种采用独立成像设备对被检测镜头进行成像后再进行图像分析来对待检测镜头进行缺陷检测的方案,但是该方案仅能检测出镜头内部的缺陷,并不能实现镜面缺陷检测。为了克服该缺陷,本实施例根据镜头可以搭载模组成像的特性,设计搭载有待检测镜头的成像模组来拍摄图像,并以此作为基础来检测镜面缺陷。应当理解的是,RAW图是指未经处理的原始相位数据,记录的是CMOS或者CCD图像传感器捕捉到的光信号转换为数字信号的原始数据。
步骤102、将RAW图分离为四个单通道图像,以及对各单通道图像进行均值滤波处理,得到滤波后图像。
具体的,本实施例将RAW图按照R、Gr、Gb、B四个通道进行分离,然后分别对四个通道进行图像处理。首先,本实施例分别对各通道图像进行均值滤波处理,均值滤波是一种典型的线性滤波算法,实现原理是在图像上对目标像素声明一个模板,再用模板中的全体像素的平均值来代替原来的像素值,均值滤波可以帮助实现消除图像的尖锐噪声,是一种低通滤波器,可以实现图像平滑的功能。
步骤103、将各滤波后图像与相应的单通道图像进行减法运算,得到差值图像,以及对各差值图像进行二值化处理,得到二值化差值图像。
具体的,本实施例将滤波后的图像与原图像相减生成差值图像。生成的每个通道的差值图像能很好地反映出图像的变化,没有变化的图像区域为0。虽然差值图像可反映出图像的变化,但是仍不够明显,从而本实施例进一步对差值图像进行图像二值化处理,图像的二值化处理就是将图像上的像素点的灰度值设置为0或255,这样将使整个图像呈现出明显的黑白效果,在数字图像处理中,二值图像占有非常重要的地位,图像的二值化处理可使使图像中数据量大为减少,从而能凸显出目标的轮廓。
步骤104、根据各二值化差值图像获取相应的第一图像连通域,以及将所有通道的第一图像连通域映射至RAW图进行合并,得到对应于RAW图的合并连通域。
具体的,本实施例检测各二值化差值图像中的有效点,然后根据有效点来获取单通道图像的连通域,接下来再将各单通道的连通域检测结果进行合并,得到RAW图上的连通域。值得注意的是,本实施例的连通域是指具有连通性的多个特定像素点所组成的图像区域。
在本实施例的一些实施方式中,上述根据各二值化差值图像获取相应的第一图像连通域的步骤,包括:将二值化差值图像划分为不同图像区域;针对不同图像区域分别分配相应的比较阈值;将二值化差值图像中,像素取值小于或等于相应比较阈值的多个像素点所连通的图像区域确定为第一图像连通域。
具体的,在实际应用中,镜头不同区域的物理特性有所不同,从而成像特性也有所不同,本实施例为了提高检测的准确性,将图像划分为不同区域,并针对不同图像区域设定不同比较阈值来进行有效点获取,也即在判断不同图像区域的像素点是否为有效点时,将像素点所处区域相应的比较阈值作为参考,若像素取值小于或等于该比较阈值,即为有效点,由此保证所获取的连通域的准确性。
在本实施例的一些实施方式中,上述将二值化差值图像划分为不同图像区域的步骤,包括:根据图像尺寸以及预设边缘系数选取二值化差值图像的边缘图像区域;将二值化差值图像上除边缘图像区域之外的图像区域确定为中间图像区域。
具体的,本实施例所划分的图像区域优选的包括边缘图像区域和中间图像区域,如图2所示为本实施例提供的一种图像区域划分示意图,图2中A表示中间图像区域,B表示边缘图像区域。边缘图像区域和中间图像区域的大小可以通过预设边缘系数来设定,边缘系数为可以根据应用场景灵活设定的值,例如边缘系数relativeBorder=5,图像尺寸为1600*1200,则有1600*5%=80、1200*5%=60,也即将左右边界各向内80个像素、上下边界各向内60个像素所限定的区域为边缘图像区域。
步骤105、若合并连通域所包括的像素点的总数量大于或等于预设第一阈值,则根据合并连通域的图像位置信息输出对应于待检测镜头的第一镜面缺陷检测结果。
具体的,本实施例的第一镜面缺陷检测结果用于指示镜面灰尘区域的坐标位置和尺寸。在本实施例中,对RAW图的合并连通域进行像素点数量统计,对于像素点数量大于或等于预设阈值的合并连通域,确定该连通域对应的镜面位置存在灰尘,为不合格镜面区域。如图3所示为本实施例提供的一种灰尘检测结果的示意图,图中圆圈标示为镜面灰尘所处区域,[POD]表示灰尘检测项目,[4042,1611,12,11]为镜面灰尘区域的坐标位置,[size22]为镜面灰尘尺寸,通过本实施例输出的检测结果,可以直观地指示出镜头的镜面缺陷。
在本实施例的一些实施方式中,上述获取搭载有待检测镜头的成像模组所采集的RAW图的步骤之后,还包括:获取RAW图相应的Y通道图像;对Y通道图像进行阴影校正处理,得到相应的阴影校正后图像;根据阴影校正后图像的像素取值确定第一有效像素点;若处于同一第二图像连通域中的第一有效像素点的总数量大于或等于预设第二阈值,则根据第二图像连通域的图像位置信息输出对应于待检测镜头的第二镜面缺陷检测结果。
具体的,在实际应用中,镜头的镜面不是一个平面而是一个带有弧度曲面,这也意味着对于镜面加工的精度要求极高,在加工过程中难免存在镜面平整度误差,如果镜面出现突出或者凹陷会导致光线导入图像传感器出现误差,由此出现不该出现的阴影或者高亮情况。在本实施例中,还进一步基于前述RAW图提供了一种镜面平整度检测方法,首先,获取Y通道均值,也即计算出Y通道图像,然后,对Y通道图像进行阴影校正处理(LSC,LensShading Correction),以消除镜头由于光学折射率不均匀所导致的镜头周围出现阴影。阴影校正的具体实现方式为确定采样频率,对降维后的图像进行采样,对每一列数据进行数据拟合,对行数据进行数据拟合,最后生成拟合曲面,经拟合后的曲面与原数据进行计算处理最终得到阴影校正后的图像。接下来,本实施例确定阴影校正后图像检测有效点,再针对有效点进行形态学处理,即检测连通域,最后筛选出有效点数量大于或等于预设阈值的连通域,依此输出具有平整度缺陷的镜面缺陷检测结果。值得注意的是,本实施例的第二镜面缺陷检测结果用于指示镜面不平整区域的坐标位置。如图4所示为本实施例提供的一种平整度缺陷检测结果的示意图,图中虚线框标示为存在平整度缺陷的镜面区域,[POG]表示平整度缺陷检测项目,[2592,2146,934,959]为平整度缺陷区域的坐标位置,通过本实施例输出的检测结果,可以直观地指示出镜头的平整度缺陷。
在本实施例的一些实施方式中,上述根据阴影校正后图像的像素取值确定第一有效像素点的步骤,包括:将阴影校正后图像分离为像素取值大于0的第一图像和像素取值小于0的第二图像;分别将第一图像和第二图像中像素取值大于或等于相应比较阈值的像素点确定为第一有效像素点。
具体的,本实施例分离阴影校正后图像中大于0与小于0的数据,得到两张分离后图像,根据阈值分别判定两张分离后图像中超过阈值的有效点。应当说明的是,对于不同的图像区域,使用不同的阈值进行有效点判定,同理,本实施例可以参考前述relativeBorder系数来进行区域划分,在此不再赘述。
在本实施例一些实施方式中,上述获取RAW图相应的Y通道图像的步骤之后,还包括:计算Y通道图像中所有像素点的梯度值;基于梯度值从所有像素点中确定第二有效像素点;若处于同一第三图像连通域中的第二有效像素点的总数量大于或等于预设第三阈值,则根据第三图像连通域的图像位置信息输出对应于待检测镜头的第三镜面缺陷检测结果。
具体的,本实施例还可以基于图像梯度来进行镜面平整度缺陷检测,首先,本实施例计算Y通道图像的梯度,图像梯度计算可以使用Sobel算子实现,Sobel理论基础如下:如果出现一个图像边缘,那么图像的灰度就会有一定的变化,方便起见,假设由黑渐变为白代表一个边界,那么对其灰度进行分析,在边缘的灰度函数就是一个一次函数y=kx,对其求一阶导数的结果就是其斜率k,也即图像边缘的一阶导数是一个常数,而由于非边缘的一阶导数为零,这样通过求一阶导数就能初步判断图像边缘,通常是X方向和Y方向的导数,也就是梯度,通过这种方式来获得图像边缘。本实施例根据图像梯度来判定图像中有效点,再针对有效点进行形态学处理,即检测连通域,最后筛选出有效点数量大于或等于预设阈值的连通域,依此输出具有平整度缺陷的镜面缺陷检测结果。值得注意的是,本实施例的第三镜面缺陷检测结果同样用于指示镜面不平整区域的坐标位置。
在本实施例一些实施方式中,上述基于梯度值从所有像素点中确定第二有效像素点的步骤,包括:将Y通道图像划分为边缘图像区域以及中间图像区域;将边缘图像区域划分为边图像区域和角图像区域,将中间图像区域划分为中心图像区域和中心图像区域之外的中部图像区域;针对边图像区域、角图像区域、中心图像区域以及中部图像区域分别分配相应的比较阈值;基于各图像区域中像素点的梯度值与相应比较阈值的比较结果,从所有像素点中确定第二有效像素点。
具体的,区别于前述灰尘检测方案所采用的区域划分方式,本实施例在此将图像划分为边图像区域、角图像区域、中心图像区域以及中部图像区域,四个区域分别分配不同的比较阈值,如图5所示为本实施例提供的另一种图像区域划分示意图,图5中①表示中心图像区域,②表示中部图像区域,③表示边图像区域,④表示角图像区域。
应当说明的是,为了更好的指示缺陷检测结果,提高缺陷细节的辨识度,本实施例还进一步对镜面缺陷检测结果进行伪彩色处理,输出各镜面缺陷检测结果相应的伪彩色图像。伪彩色处理是根据一定的准则将单色图像转化为彩色分布的图像,由于人眼对彩色图像的分辨能力远远高于对灰色的分辨能力,所以将灰度转化为彩色表示,可以提高对图像细节的分辨能力。如图6所示为本实施例提供的一种基于大于0的图像数据的伪彩色图像,如图7所示为本实施例提供的一种基于小于0的图像数据的伪彩色图像;如图8所示为本实施例提供的一种基于图像梯度的伪彩色图像。对图像做伪彩色处理能够提高人眼对于图像细节的分辨能力,达到图像增强的目的。
为了更好的理解本申请,本申请一实施例提供了一种细化的镜面灰尘检测方法,图9为本实施例提供的一种细化的镜面灰尘检测方法的流程示意图,该镜面灰尘检测方法包括:
步骤901、获取搭载有待检测镜头的成像模组所采集的RAW图;
步骤902、将RAW图分离为四个单通道图像,以及对各单通道图像进行均值滤波处理,得到滤波后图像;
步骤903、将各滤波后图像与相应的单通道图像进行减法运算,得到差值图像,以及对各差值图像进行二值化处理,得到二值化差值图像;
步骤904、根据图像尺寸以及预设边缘系数选取二值化差值图像的边缘图像区域;
步骤905、将二值化差值图像上除边缘图像区域之外的图像区域确定为中间图像区域;
步骤906、针对不同图像区域分别分配相应的比较阈值;
步骤907、将二值化差值图像中,像素取值小于或等于相应比较阈值的多个像素点所连通的图像区域确定为图像连通域;
步骤908、将所有通道的图像连通域映射至RAW图进行合并,得到对应于RAW图的合并连通域;
步骤909、若合并连通域所包括的像素点的总数量大于或等于预设阈值,则根据合并连通域的图像位置信息输出对应于待检测镜头的镜面灰尘检测结果。
接下来,本申请一实施例提供了一种细化的镜面平整度缺陷检测方法,图10为本实施例提供的一种细化的镜面平整度缺陷检测方法的流程示意图,该镜面平整度缺陷检测方法包括:
步骤1001、获取搭载有待检测镜头的成像模组所采集的RAW图;
步骤1002、获取RAW图相应的Y通道图像;
步骤1003、对Y通道图像进行阴影校正处理,得到相应的阴影校正后图像;
步骤1004、将阴影校正后图像分离为像素取值大于0的第一图像和像素取值小于0的第二图像;
步骤1005、分别将第一图像和第二图像中像素取值大于或等于相应比较阈值的像素点确定为有效像素点;
步骤1006、若处于同一图像连通域中的有效像素点的总数量大于或等于预设阈值,则根据图像连通域的图像位置信息输出对应于待检测镜头的镜面平整度缺陷检测结果;
步骤1007、对镜面平整度缺陷检测结果进行伪彩色处理,输出相应的伪彩色图像。
最后,本申请一实施例还提供了另一种细化的镜面平整度缺陷检测方法,图10为本实施例提供的另一种细化的镜面平整度缺陷检测方法的流程示意图,该镜面平整度缺陷检测方法包括:
步骤1101、获取搭载有待检测镜头的成像模组所采集的RAW图;
步骤1102、获取RAW图相应的Y通道图像;
步骤1103、计算Y通道图像中所有像素点的梯度值;
步骤1104、将Y通道图像划分为边缘图像区域以及中间图像区域;
步骤1105、将边缘图像区域划分为边图像区域和角图像区域,将中间图像区域划分为中心图像区域和中心图像区域之外的中部图像区域;
步骤1106、针对边图像区域、角图像区域、中心图像区域以及中部图像区域分别分配相应的比较阈值;
步骤1107、基于各图像区域中像素点的梯度值与相应比较阈值的比较结果,从所有像素点中确定有效像素点;
步骤1108、若处于同一图像连通域中的有效像素点的总数量大于或等于预设阈值,则根据图像连通域的图像位置信息输出对应于待检测镜头的镜面平整度缺陷检测结果;
步骤1109、对镜面平整度缺陷检测结果进行伪彩色处理,输出相应的伪彩色图像。
应当理解的是,上述各方法实施例中各步骤的序号的大小并不意味着步骤执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成唯一限定。
图12为本申请一实施例提供的一种镜面缺陷检测装置的功能模块示意图,可应用于前述镜面缺陷检测方法,该镜面缺陷检测装置主要包括:
图像获取模块1201,用于获取搭载有待检测镜头的成像模组所采集的RAW图;
滤波处理模块1202,用于将RAW图分离为四个单通道图像,以及对各单通道图像进行均值滤波处理,得到滤波后图像;
二值化处理模块1203,用于将各滤波后图像与相应的单通道图像进行减法运算,得到差值图像,以及对各差值图像进行二值化处理,得到二值化差值图像;
连通域获取模块1204,用于根据各二值化差值图像获取相应的第一图像连通域,以及将所有通道的第一图像连通域映射至RAW图进行合并,得到对应于RAW图的合并连通域;
结果输出模块1205,用于若合并连通域所包括的像素点的总数量大于或等于预设第一阈值,则根据合并连通域的图像位置信息输出对应于待检测镜头的第一镜面缺陷检测结果。
在本实施例一些实施方式中,该镜面缺陷检测装置还包括:校正处理模块、确定模块,上述获取模块还用于获取RAW图相应的Y通道图像;校正处理模块用于对Y通道图像进行阴影校正处理,得到相应的阴影校正后图像;确定模块用于根据阴影校正后图像的像素取值确定第一有效像素点;上述结果输出模块还用于若处于同一第二图像连通域中的第一有效像素点的总数量大于或等于预设第二阈值,则根据第二图像连通域的图像位置信息输出对应于待检测镜头的第二镜面缺陷检测结果。
在本实施例一些实施方式中,该镜面缺陷检测装置还包括:梯度计算模块,用于计算Y通道图像中所有像素点的梯度值;上述确定模块还用于基于梯度值从所有像素点中确定第二有效像素点;上述结果输出模块还用于若处于同一第三图像连通域中的第二有效像素点的总数量大于或等于预设第三阈值,则根据第三图像连通域的图像位置信息输出对应于待检测镜头的第三镜面缺陷检测结果。
应当说明的是,前述实施例中的镜面缺陷检测方法均可基于本实施例提供的镜面缺陷检测装置实现,所属领域的普通技术人员可以清楚的了解到,为描述的方便和简洁,本实施例中所描述的镜面缺陷检测装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
基于本申请实施例所提供的上述技术方案,获取搭载有待检测镜头的成像模组所采集的RAW图;将RAW图分离为四个单通道图像,对各单通道图像进行均值滤波处理;将各滤波后图像与相应的单通道图像进行减法运算,得到差值图像,对各差值图像进行二值化处理;根据各二值化差值图像获取相应的图像连通域,将所有通道的图像连通域映射至RAW图进行合并,得到对应于RAW图的合并连通域;若合并连通域所包括的像素点的总数量大于或等于预设阈值,则根据合并连通域的图像位置信息输出对应于待检测镜头的镜面缺陷检测结果。通过本申请的实施,采用计算机视觉方式进行镜面缺陷检测,不需要复杂的检测仪器且不需要依赖于人工来识别缺陷,有效降低了检测成本及检测工作量,并提高了检测准确性。
请参阅图13,图13为本申请一实施例提供的一种电子设备。该电子设备可用于实现前述实施例中的镜面缺陷检测方法。如图13所示,该电子设备主要包括:
存储器1301、处理器1302以及总线1303,存储器1301、处理器1302通过总线1303连接。存储器1301上存储有可在处理器1302上运行的计算机程序,处理器1302执行该计算机程序时,实现前述实施例中的镜面缺陷检测方法。其中,处理器的数量可以是一个或多个。
存储器1301可以是高速随机存取记忆体(RAM,Random Access Memory)存储器,也可为非不稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1301用于存储可执行程序代码,处理器1302与存储器1301耦合。
进一步的,本申请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可以是设置于上述各实施例中的电子设备中,该计算机可读存储介质可以是前述图13所示实施例中的存储器。
该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现前述实施例中的镜面缺陷检测方法。进一步的,该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的可读存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本申请所提供的镜面缺陷检测方法、装置、设备及可读存储介质的描述,对于本领域的技术人员,依据本申请实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种镜面缺陷检测方法,其特征在于,包括:
获取搭载有待检测镜头的成像模组所采集的RAW图;
将所述RAW图分离为四个单通道图像,以及对各所述单通道图像进行均值滤波处理,得到滤波后图像;
将各所述滤波后图像与相应的所述单通道图像进行减法运算,得到差值图像,以及对各所述差值图像进行二值化处理,得到二值化差值图像;
根据各所述二值化差值图像获取相应的第一图像连通域,以及将所有通道的所述第一图像连通域映射至所述RAW图进行合并,得到对应于所述RAW图的合并连通域;
若所述合并连通域所包括的像素点的总数量大于或等于预设第一阈值,则根据所述合并连通域的图像位置信息输出对应于所述待检测镜头的第一镜面缺陷检测结果。
2.根据权利要求1所述的镜面缺陷检测方法,其特征在于,所述根据各所述二值化差值图像获取相应的第一图像连通域的步骤,包括:
将所述二值化差值图像划分为不同图像区域;
针对不同所述图像区域分别分配相应的比较阈值;
将所述二值化差值图像中,像素取值小于或等于相应所述比较阈值的多个像素点所连通的图像区域确定为第一图像连通域。
3.根据权利要求2所述的镜面缺陷检测方法,其特征在于,所述将所述二值化差值图像划分为不同图像区域的步骤,包括:
根据图像尺寸以及预设边缘系数选取所述二值化差值图像的边缘图像区域;
将所述二值化差值图像上除所述边缘图像区域之外的图像区域确定为中间图像区域。
4.根据权利要求1所述的镜面缺陷检测方法,其特征在于,所述获取搭载有待检测镜头的成像模组所采集的RAW图的步骤之后,还包括:
获取所述RAW图相应的Y通道图像;
对所述Y通道图像进行阴影校正处理,得到相应的阴影校正后图像;
根据所述阴影校正后图像的像素取值确定第一有效像素点;
若处于同一第二图像连通域中的所述第一有效像素点的总数量大于或等于预设第二阈值,则根据所述第二图像连通域的图像位置信息输出对应于所述待检测镜头的第二镜面缺陷检测结果。
5.根据权利要求4所述的镜面缺陷检测方法,其特征在于,所述获取所述RAW图相应的Y通道图像的步骤之后,还包括:
计算所述Y通道图像中所有像素点的梯度值;
基于所述梯度值从所有所述像素点中确定第二有效像素点;
若处于同一第三图像连通域中的所述第二有效像素点的总数量大于或等于预设第三阈值,则根据所述第三图像连通域的图像位置信息输出对应于所述待检测镜头的第三镜面缺陷检测结果。
6.根据权利要求4所述的镜面缺陷检测方法,其特征在于,所述根据所述阴影校正后图像的像素取值确定第一有效像素点的步骤,包括:
将所述阴影校正后图像分离为像素取值大于0的第一图像和像素取值小于0的第二图像;
分别将所述第一图像和第二图像中像素取值大于或等于相应比较阈值的像素点确定为第一有效像素点。
7.根据权利要求5所述的镜面缺陷检测方法,其特征在于,所述基于所述梯度值从所有所述像素点中确定第二有效像素点的步骤,包括:
将所述Y通道图像划分为边缘图像区域以及中间图像区域;
将所述边缘图像区域划分为边图像区域和角图像区域,将所述中间图像区域划分为中心图像区域和所述中心图像区域之外的中部图像区域;
针对所述边图像区域、所述角图像区域、所述中心图像区域以及所述中部图像区域分别分配相应的比较阈值;
基于各图像区域中像素点的所述梯度值与相应比较阈值的比较结果,从所有所述像素点中确定第二有效像素点。
8.一种镜面缺陷检测装置,其特征在于,包括:
图像获取模块,用于获取搭载有待检测镜头的成像模组所采集的RAW图;
滤波处理模块,用于将所述RAW图分离为四个单通道图像,以及对各所述单通道图像进行均值滤波处理,得到滤波后图像;
二值化处理模块,用于将各所述滤波后图像与相应的所述单通道图像进行减法运算,得到差值图像,以及对各所述差值图像进行二值化处理,得到二值化差值图像;
连通域获取模块,用于根据各所述二值化差值图像获取相应的第一图像连通域,以及将所有通道的所述第一图像连通域映射至所述RAW图进行合并,得到对应于所述RAW图的合并连通域;
结果输出模块,用于若所述合并连通域所包括的像素点的总数量大于或等于预设第一阈值,则根据所述合并连通域的图像位置信息输出对应于所述待检测镜头的第一镜面缺陷检测结果。
9.一种电子设备,其特征在于,包括:存储器以及处理器;
所述处理器用于执行存储在所述存储器上的计算机程序;
所述处理器执行所述计算机程序时,实现权利要求1至7中任意一项所述镜面缺陷检测方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现权利要求1至7中的任意一项所述镜面缺陷检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311197466.0A CN117372338A (zh) | 2023-09-15 | 2023-09-15 | 一种镜面缺陷检测方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311197466.0A CN117372338A (zh) | 2023-09-15 | 2023-09-15 | 一种镜面缺陷检测方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117372338A true CN117372338A (zh) | 2024-01-09 |
Family
ID=89393725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311197466.0A Pending CN117372338A (zh) | 2023-09-15 | 2023-09-15 | 一种镜面缺陷检测方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117372338A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117593651A (zh) * | 2024-01-18 | 2024-02-23 | 四川交通职业技术学院 | 一种隧道裂纹分割识别方法 |
-
2023
- 2023-09-15 CN CN202311197466.0A patent/CN117372338A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117593651A (zh) * | 2024-01-18 | 2024-02-23 | 四川交通职业技术学院 | 一种隧道裂纹分割识别方法 |
CN117593651B (zh) * | 2024-01-18 | 2024-04-05 | 四川交通职业技术学院 | 一种隧道裂纹分割识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
CN110675346B (zh) | 适用于Kinect的图像采集与深度图增强方法及装置 | |
JP4054184B2 (ja) | 欠陥画素補正装置 | |
CN102479383B (zh) | 椒盐噪声去除方法及装置 | |
US8712114B2 (en) | Elegant solutions for fingerprint image enhancement | |
CN111080661A (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
KR20150046113A (ko) | 어레이 카메라를 사용하여 포착된 영상에서의 시차 검출 및 보정을 위한 시스템 및 방법 | |
KR20150116833A (ko) | 에지-보존 잡음 억제 기능을 갖는 이미지 프로세서 | |
CN117372338A (zh) | 一种镜面缺陷检测方法、装置、设备及可读存储介质 | |
CN110852997A (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
CN105787912B (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
KR20210090159A (ko) | 초해상도 이미지를 생성하기 위한 방법 및 관련 디바이스 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN110490872B (zh) | 加工设备的异物检测方法和系统 | |
CN115205223A (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN111063029A (zh) | 地图构建方法、装置、计算机可读存储介质及机器人 | |
JP4244046B2 (ja) | 画像処理方法および画像処理装置 | |
US7646892B2 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
CN113658153B (zh) | 一种轮廓数据特征点检测方法及装置 | |
CN115034988A (zh) | 一种基于rgbd相机的两阶段主体点云滤波方法 | |
CN115272362A (zh) | 一种数字病理全场图像有效区域分割方法、装置 | |
CN114025089A (zh) | 一种视频图像采集抖动处理方法及系统 | |
CN109949245B (zh) | 十字激光检测定位方法、装置、存储介质及计算机设备 | |
CN112801112B (zh) | 一种图像二值化处理方法、装置、介质及设备 |
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 |