CN117575950A - 一种图像预处理方法、装置、设备及其存储介质 - Google Patents
一种图像预处理方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN117575950A CN117575950A CN202311566959.7A CN202311566959A CN117575950A CN 117575950 A CN117575950 A CN 117575950A CN 202311566959 A CN202311566959 A CN 202311566959A CN 117575950 A CN117575950 A CN 117575950A
- Authority
- CN
- China
- Prior art keywords
- image
- software
- scientific computing
- acquiring
- computing software
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000007781 pre-processing Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000003708 edge detection Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 235000012431 wafers Nutrition 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 235000020061 kirsch Nutrition 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 235000012434 pretzels Nutrition 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像预处理方法、装置、设备及其存储介质，涉及图像处理技术领域。所述方法包括：获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；获取初始图像；基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。本申请通过开源软件对需要利用Halcon软件进行测量的初始图像进行预处理。相对于直接采用Halcon软件进行预处理，其使用费用较低，也即能够降低生产成本。
Description
技术领域
本申请涉及图像处理技术领域，具体为一种图像预处理方法、装置、设备及其存储介质。
背景技术
Halcon软件是一款功能强大的机器视觉软件，其旨在提供先进的计算机视觉技术，被广泛的应用于工业自动化、质量控制、机器人视觉和医疗图像等领域。Halcon软件具有广泛的图像处理和分析功能，可以帮助用户解决复杂的视觉任务。它支持各种图像输入设备，包括相机、激光扫描仪和其他图像采集设备。通过使用Halcon软件，用户可以对图像进行预处理、特征提取、形状识别、匹配和测量等操作。Halcon软件的强大之处在于其先进的图像处理算法和丰富的库函数。它提供了多种工具和方法，如边缘检测、滤波、分割、模板匹配、3D视觉等，使用户能够灵活地处理不同类型和复杂度的图像数据。此外，Halcon软件还提供了直观而强大的编程界面，使用户可以使用标准的编程语言(如C++、C#、Python等)进行开发和定制。用户可以根据自己的需求编写自定义的图像处理算法和应用程序，实现高度定制化的机器视觉解决方案。总之，Halcon软件是一款专业而全面的机器视觉软件，具备强大的图像处理和分析功能，可广泛应用于各个领域的视觉任务。它为用户提供了一种高效、灵活和可定制的方式来处理和分析图像数据，帮助他们实现精确的图像识别、检测和测量等应用。
在半导体领域中，经常需要采用Halcon软件对半导体晶圆高倍镜图像进行检测。但是采用Halcon软件对上述图像进行检测时，需要采用Halcon软件对图像进行预处理，提升图像算法Halcon软件量测精度，提升半导体制造领域良率水平。但是采用Halcon软件对图像进行预处理的费用较高，为了降低生产成本，亟需一种低成本的且能够与Halcon软件相适配的图像预处理方法。
发明内容
本申请的目的在于提供一种图像预处理方法、装置、设备及其存储介质，以解决现有技术中采用Halcon软件对图像进行预处理成本较高的技术问题。
为实现上述目的，本申请提供如下技术方案：
第一方面，本申请的技术方案提出一种图像预处理方法，所述方法包括：
获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；
获取初始图像；
基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。
作为本申请技术方案中一个具体的方案，所述基于所述科学计算软件和所述初始图像，获取目标图像包括：
基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像；
基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像；
基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像；
基于所述第三图像，获取目标图像。
作为本申请技术方案中一个具体的方案，所述基于所述第三图像，获取目标图像包括：
基于所述科学计算软件增强所述第三图像的对比度，获取第四图像；
基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像；
基于所述第五图像，获取目标图像。
第二方面，本申请的技术方案提出一种图像预处理装置，该装置包括：
获取模块，用于获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；
以及，获取初始图像；
处理模块，用于基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。
作为本申请技术方案中一个具体的方案，所述处理模块还用于，基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像；
以及，基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像；
以及，基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像；
以及，基于所述第三图像，获取目标图像。
作为本申请技术方案中一个具体的方案，所述处理模块还用于，基于所述科学计算软件增强所述第三图像的对比度，获取第四图像；
以及，基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像；
以及，基于所述第五图像，获取目标图像。
第三方面，本申请的技术方案提出一种图像预处理设备，该设备包括：
数据读取器，用于获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；
以及，获取初始图像；
处理器，用于基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。
作为本申请技术方案中一个具体的方案，所述处理器还用于，基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像；
以及，基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像；
以及，基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像；
以及，基于所述第三图像，获取目标图像。
作为本申请技术方案中一个具体的方案，所述处理器还用于，基于所述科学计算软件增强所述第三图像的对比度，获取第四图像；
以及，基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像；
以及，基于所述第五图像，获取目标图像。
第四方面，本申请的技术方案提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面中任一项所述的图像预处理方法。
与现有技术相比，本申请的有益效果是：
通过开源软件对需要利用Halcon软件进行测量的初始图像进行预处理。相对于直接采用Halcon软件进行预处理，其使用费用较低，也即能够降低生产成本。
附图说明
图1为本申请实施例所提出的一种图像预处理方法的流程图；
图2为本申请实施例所提出的一种图像预处理装置的结构示意图；
图3为本申请实施例所提出的一种图像预处理设备的结构示意图；
图4为本申请实施例所提出的一种初始图像；
图5为图4中初始图像经过一次均值滤波后的图像；
图6为图4中初始图像经过两次均值滤波后的图像；
图7为图4中初始图像经过三次均值滤波后的图像；
图8为图7中图像经过sobel算子锐化后的图像；
图9为图8中图像经过拉普拉斯算子锐化后的图像；
图10为图9中图像的灰度图；
图11为图10中图像经过Sobel算子处理后的图像；
图12为图11中图像经过Roberts算子边缘处理后的图像；
图13为图12中图像经过Prewitt算子边缘处理后的图像；
图14为图13中图像经过Laplacian算子边缘处理后的图像；
图15为图14中图像经过Canny算子边缘处理后的图像；
图16为图15中图像经过Gaussian&Canny算子边缘处理后的图像；
图17为图16中图像经过梯度法进行增亮处理的图像；
图18为初始图像经过高斯噪声处理的图像；
图19为初始图像经过椒盐噪声处理的图像。
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，都属于本申请保护的范围。
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，都属于本申请保护的范围。
本申请实施例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，例如下文中所提出的第一图像和第二图像，其属于不同的图像。应该理解这样使用的处理模块在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，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模块，本申请实施例中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行，另外，所显示的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，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本申请实施例中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本申请实施例方案的目的。
为了解决背景技术中的技术问题，本申请的实施例提出一种图像预处理方法，具体的，如图1所示，所述方法包括：
步骤S100：获取科学计算软件。
具体的，科学计算软件是一种专门用于科学研究和工程计算的工具，可以帮助用户解决各种复杂的数学问题、进行数值模拟和分析数据。这类软件通常包括数值计算、符号计算、图形可视化、编程语言、文本处理等功能，可以满足科学家和工程师在各个领域的需求。科学计算软件通常用于以下方面，数值计算：包括求解各种数学问题，如代数方程、微分方程、积分方程等，以及进行统计分析和数据处理等；符号计算：包括求解各种符号数学问题，如代数方程、微分方程、积分方程等的解析解，以及进行符号运算和公式推导等；图形可视化：包括绘制各种图形和图像，如函数图像、数据图像、模拟图像等，以及进行图像处理和可视化分析等；编程语言：包括编写各种程序和脚本，如计算程序、模拟程序、数据分析程序等，以及进行程序调试和优化等；文本处理：包括处理各种文本文件，如Word文档、Excel表格、PDF文件等，以及进行文本分析和信息提取等。
由背景技术可知，在本申请的实施例中，所述科学计算软件用于图像处理，也就是说，在本申请的实施例中可以是任意能够对图像进行处理的软件。为了降低，科学计算软件的使用成本，所述科学计算软件为开源软件(OpenSourceSoftware，OSS)。具体的，开源软件是一种源代码可以任意获取的计算机软件，这种软件的版权持有人在软件协议的规定之下保留一部分权利并允许用户学习、修改、增进提高这款软件的质量。开源软件常被公开和合作地开发。也就是说，相对于付费的Halcon软件，开源软件能够降低使用成本，也即降低生产成本。
由前文可知，在本申请的实施例中，可以采用任意的科学计算软件并采用下文中的图像处理步骤对初始图像进行预处理。例如，可以采用Scilab软件、Matlab软件、Spyder软件或者Python软件等。容易理解的是，由于开源的并且能够对图像处理的软件众多，因此在本申请下文实施例的步骤中，难以一一对利用上述软件对图像预处理的步骤进行列举赘述。在本申请的下文实施例中，仅以Matlab软件对图像预处理的方法进行说明。容易理解的是，在本申请的实施例中，下文中的图像处理步骤，可以仅由Matlab软件完成，也可以由上述任意一个软件或者多个软件进行组合完成，后续不做列举赘述。
步骤S200：获取初始图像。
具体的，在本申请的实施例中，初始图像是指任意需要利用Halcon软件进行检测的半导体晶圆高倍镜图像。容易理解的是，在本申请的实施例中，对初始图像的获取方式不做任何限制。例如，初始图像可以由任意晶圆检测设备拍摄获取，晶圆检测设备包括：晶圆检测显微镜；也可以由数据库中进行获取，或者从存储设备中直接读取等。
步骤S300：基于所述科学计算软件和所述初始图像，获取目标图像。
由本申请的背景技术可知，只要基于科学计算软件对初始图像进行预处理，获得目标图像，使得目标图像能够基于Halcon软件进行测量即可。因此在本申请的实施例中，可以采用任意的方法基于科学计算软件对初始图像进行预处理，只需要所述目标图像用于输入Halcon软件进行测量即可。
作为本申请的一个实施例中，步骤S300,基于所述科学计算软件和所述初始图像，获取目标图像包括：
步骤S310：基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像。
具体的，图4为本申请实施例中的一种初始图像，初始图像一般呈“回”字型。合适的滤波可以提升图像边缘量测“回”字标记线条的量测精度。在本申请的实施例中，可以采用任意的方式对初始图像进行滤波，例如：中值滤波或者均值滤波等。
在本申请一个具体的实施例中，如图5所示，可以采用Matlab软件imfilter命令对初始图像进行均值滤波。在本申请的实施例中对初始图像进行均值滤波的次数不做任何限制，例如：可以采用Matlab软件对初始图像进行一次均值滤波(如图5所示)；也可以采用Matlab软件对初始图像进行两次均值滤波(如图6所示)；还可以采用Matlab软件对初始图像进行三次均值滤波(如图7所示)。
步骤S320：基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像。
具体的，合适的锐化，可以突出“回”字标记线条，提高量测精度。在本申请的实施例中，可以采用任意的算子对第一图像进行锐化处理。例如，可以利用Matlab软件中的fspecial('sobel')和fspecial('laplacian')命令对第一图像进行sobel算子锐化(如图8所示)和拉普拉斯算子锐化(如图9所示)。
步骤S330：基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像。
需要清楚的是，前文中的均值滤波是一种线性滤波方法，其将每个像素周围的像素值取平均值作为该像素的值，可以有效去除高斯噪声等随机噪声，但是会模糊图像的细节和边缘信息。在本申请的实施例中，对图像平滑处理的主要目的是去除或衰减图像中的噪声和假轮廓。其主要目的有两个，第一、模糊作用，提取较大目标前，去除太小的细节，将目标内的小间断连接起来，第二、消除噪声，改善图像质量，降低干扰平滑滤波对图像的低频分量增强，同时削弱高频分量，用于消除图像中的随机噪声，起到平滑作用。
在本申请的一个实施例中，如图10至图16所示，可以采用Matlab软件自带的edge函数对第二图像进行平滑处理:
具体的，在本申请的实施例中，分别采用Roberts算子、Sobel算子，prewitt算子、kirsch算子和Robinson算子对第二图像进行一阶平滑处理。然后再采用Laplacian算子、canny算子、Marr-Hildreth边缘检测、高斯拉普拉斯(LoG)边缘检测、高斯差分(DoG)边缘检测对第二图像进行二阶平滑处理。具体的，本申请实施例中的平滑处理原理为，首先对第二图像进行最佳平滑处理，最大程度地抑制噪声，然后再对平滑后的图像求取边缘。
步骤S340：基于所述第三图像，获取目标图像。
具体的，在本申请的实施例中，可以将上述步骤所获取的第三图像直接作为目标图像输入Halcon软件中进行测量。
在本申请的一个实施例中，为了更进一步的提升Halcon软件测量的准确性。步骤S340，基于所述第三图像，获取目标图像包括：
步骤S341：基于所述科学计算软件增强所述第三图像的对比度，获取第四图像。
需要清楚的是，增强第三图像的对比度，其目的是使得标记线条变亮，从而能够便于Halcon软件进行识别，以提高准确性。容易理解的是，在本申请的实施例中，可以采用任意方式提升第三图像的对比度，以获取四图像。
在本申请的一个实施例中，如图17所示，采用梯度法，设置阈值参数，获取梯度，梯度提取使得边缘变黑，背景变黑，线条增亮，提高对比度。
步骤S342：基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像。
在本申请的实施例中，可以采用任意的方式对第四图像进行降噪，以获取第五图像。在本申请的一个实施例中，采用Matlab软件进行noise处理，使边缘检测图像增强，以获取第五图像。
步骤S343：基于所述第五图像，获取目标图像。
在本申请的实施例中，第五图像即为目标图像。
为了验证，本申请方法的有效性，对图4的初始图像分别添加高斯噪声和椒盐噪声，得到的图像分别如图18所示以及图19所示。采用上述方法对图18和图19进行处理，获得第一实验图像和第二实验图像。将初始图像、第一实验图像和第二实验图像分别输入Halcon软件中进行测量，所获得的测量结果一致，说明本申请实施例所提出的图像预处理方法有效。
需要清楚的是，本申请实施例所提出的图像预处理方法，通过开源软件对需要利用Halcon软件进行测量的初始图像进行预处理。相对于直接采用Halcon软件进行预处理，其使用费用较低，也即能够降低生产成本。
在介绍完本申请实施例所提出的一种图像预处理方法之后，下面介绍本申请实施例所提出的一种图像预处理装置，具体的，如图2所示，该图像预处理装置10包括：
获取模块12，用于获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；
以及，获取初始图像；
处理模块11，用于基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。
作为本申请一个具体的实施例，所述处理模块11还用于，基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像；
以及，基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像；
以及，基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像；
以及，基于所述第三图像，获取目标图像。
作为本申请一个具体的实施例，所述处理模块11还用于，基于所述科学计算软件增强所述第三图像的对比度，获取第四图像；
以及，基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像；
以及，基于所述第五图像，获取目标图像。
需要清楚的是，本申请实施例所提出的图像预处理装置，通过开源软件对需要利用Halcon软件进行测量的初始图像进行预处理。相对于直接采用Halcon软件进行预处理，其使用费用较低，也即能够降低生产成本。
在介绍完本申请实施例所提出的一种图像预处理装置之后，下面介绍本申请实施例所提出的一种图像预处理设备，具体的，如图3所示，该图像预处理设备20包括：
数据读取器22，用于获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；
以及，获取初始图像；
处理器21，用于基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。
作为本申请一个具体的实施例，所述处理器21还用于，基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像；
以及，基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像；
以及，基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像；
以及，基于所述第三图像，获取目标图像。
作为本申请一个具体的实施例，所述处理器21还用于，基于所述科学计算软件增强所述第三图像的对比度，获取第四图像；
以及，基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像；
以及，基于所述第五图像，获取目标图像。
需要清楚的是，本申请实施例所提出的图像预处理设备，通过开源软件对需要利用Halcon软件进行测量的初始图像进行预处理。相对于直接采用Halcon软件进行预处理，其使用费用较低，也即能够降低生产成本。
在介绍完本申请实施例所提出的一种图像预处理设备之后，下面介绍本申请实施例所提出的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述中任一项实施例所述的图像预处理方法。
需要清楚的是，本申请中的计算机可读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。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
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，可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的方法，装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的设备，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，所述模块的划分，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。
所述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，在本申请实施例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。所述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。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
尽管已经示出和描述了本申请的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本申请的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种图像预处理方法，其特征在于，所述方法包括：
获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；
获取初始图像；
基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。
2.根据权利要求1所述的图像预处理方法，其特征在于，所述基于所述科学计算软件和所述初始图像，获取目标图像包括：
基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像；
基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像；
基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像；
基于所述第三图像，获取目标图像。
3.根据权利要求2所述的图像预处理方法，其特征在于，所述基于所述第三图像，获取目标图像包括：
基于所述科学计算软件增强所述第三图像的对比度，获取第四图像；
基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像；
基于所述第五图像，获取目标图像。
4.一种图像预处理装置，其特征在于，包括：
获取模块，用于获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；
以及，获取初始图像；
处理模块，用于基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。
5.根据权利要求4所述的图像预处理装置，其特征在于，所述处理模块还用于，基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像；
以及，基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像；
以及，基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像；
以及，基于所述第三图像，获取目标图像。
6.根据权利要求5所述的图像预处理装置，其特征在于，所述处理模块还用于，基于所述科学计算软件增强所述第三图像的对比度，获取第四图像；
以及，基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像；
以及，基于所述第五图像，获取目标图像。
7.一种图像预处理设备，其特征在于，包括：
数据读取器，用于获取科学计算软件，所述科学计算软件用于图像处理，且所述科学计算软件为开源软件；
以及，获取初始图像；
处理器，用于基于所述科学计算软件和所述初始图像，获取目标图像；所述目标图像用于输入Halcon软件进行测量。
8.根据权利要求7所述的图像预处理设备，其特征在于，所述处理器还用于，基于所述科学计算软件对所述初始图像进行滤波处理，获取第一图像；
以及，基于所述科学计算软件对所述第一图像进行锐化处理，获取第二图像；
以及，基于所述科学计算软件对所述第二图像进行平滑处理，获取第三图像；
以及，基于所述第三图像，获取目标图像。
9.根据权利要求8所述的图像预处理设备，其特征在于，所述处理器还用于，基于所述科学计算软件增强所述第三图像的对比度，获取第四图像；
以及，基于所述科学计算软件对所述第四图像进行降噪处理，获取第五图像；
以及，基于所述第五图像，获取目标图像。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的图像预处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311566959.7A CN117575950A (zh) | 2023-11-22 | 2023-11-22 | 一种图像预处理方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311566959.7A CN117575950A (zh) | 2023-11-22 | 2023-11-22 | 一种图像预处理方法、装置、设备及其存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117575950A true CN117575950A (zh) | 2024-02-20 |
Family
ID=89863863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311566959.7A Pending CN117575950A (zh) | 2023-11-22 | 2023-11-22 | 一种图像预处理方法、装置、设备及其存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117575950A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530279A (zh) * | 2016-10-15 | 2017-03-22 | 扬州奥泰光电生物技术有限公司 | 一种图像处理方法及系统 |
| CN108399610A (zh) * | 2018-03-20 | 2018-08-14 | 上海应用技术大学 | 一种融合rgb图像信息的深度图像增强方法 |
| WO2020097836A1 (zh) * | 2018-11-15 | 2020-05-22 | 深圳市欢太科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN115841632A (zh) * | 2022-10-28 | 2023-03-24 | 中国科学院上海高等研究院 | 输电线路提取方法、装置以及双目测距方法 |
| CN116883336A (zh) * | 2023-06-28 | 2023-10-13 | 广东利元亨智能装备股份有限公司 | 图像处理方法、装置、计算机设备及介质 |
-
2023
- 2023-11-22 CN CN202311566959.7A patent/CN117575950A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530279A (zh) * | 2016-10-15 | 2017-03-22 | 扬州奥泰光电生物技术有限公司 | 一种图像处理方法及系统 |
| CN108399610A (zh) * | 2018-03-20 | 2018-08-14 | 上海应用技术大学 | 一种融合rgb图像信息的深度图像增强方法 |
| WO2020097836A1 (zh) * | 2018-11-15 | 2020-05-22 | 深圳市欢太科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN115841632A (zh) * | 2022-10-28 | 2023-03-24 | 中国科学院上海高等研究院 | 输电线路提取方法、装置以及双目测距方法 |
| CN116883336A (zh) * | 2023-06-28 | 2023-10-13 | 广东利元亨智能装备股份有限公司 | 图像处理方法、装置、计算机设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 李颖;: "数字图像处理中Matlab的应用", 甘肃广播电视大学学报, no. 02, 15 June 2010 (2010-06-15) * |
| 素馨堂: "图像去噪、滤波、锐化、边缘检测案例（matlab程序）", pages 2 - 3, Retrieved from the Internet <URL:https://blog.csdn.net/m0_57943157/article/details/131480507> * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dirnberger et al. | NEFI: Network extraction from images | |
| Hoshyar et al. | The beneficial techniques in preprocessing step of skin cancer detection system comparing | |
| Abbas et al. | A feature‐preserving hair removal algorithm for dermoscopy images | |
| LaTorre et al. | Segmentation of neuronal nuclei based on clump splitting and a two-step binarization of images | |
| Narayanaswamy et al. | 3-D image pre-processing algorithms for improved automated tracing of neuronal arbors | |
| CN110458772B (zh) | 一种基于图像处理的点云滤波方法、装置和存储介质 | |
| CN112950685B (zh) | 一种红外与可见光图像配准方法、系统及存储介质 | |
| CN107085838B (zh) | 全息图噪声的去除方法及装置 | |
| Ben Abdallah et al. | Noise-estimation-based anisotropic diffusion approach for retinal blood vessel segmentation | |
| Ravikumar et al. | Digital image processing-a quick review | |
| Jiménez et al. | Improved automatic centerline tracing for dendritic and axonal structures | |
| Koehoorn et al. | Effcient and effective automated digital hair removal from dermoscopy images | |
| Devi et al. | Analysis & evaluation of Image filtering Noise reduction technique for Microscopic Images | |
| Rey-Villamizar et al. | Large-scale automated image analysis for computational profiling of brain tissue surrounding implanted neuroprosthetic devices using Python | |
| Choudhary et al. | Curvelet and fast marching method‐based technique for efficient artifact detection and removal in dermoscopic images | |
| Reddy et al. | Canny scale edge detection | |
| Angulo et al. | Method for edges detection in digital images through the use of cellular automata | |
| Carasso | Singular integrals, image smoothness, and the recovery of texture in image deblurring | |
| Qu et al. | Research on improved black widow algorithm for medical image denoising | |
| Zhang et al. | Image denoising using total variation model guided by steerable filter | |
| CN117575950A (zh) | 一种图像预处理方法、装置、设备及其存储介质 | |
| Zheng | Design of intelligent manufacturing product identification and detection system based on machine vision | |
| Gambaruto | Processing the image gradient field using a topographic primal sketch approach | |
| Sengupta et al. | Segmentation of skin lesion images using fudge factor based techniques | |
| WO2019120792A1 (en) | Apparatus, method and computer program for processing a piecewise-smooth signal |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Hu Weixiong Inventor after: Qin Xuefei Inventor after: Ren Xiaojing Inventor after: Wen Renhua Inventor before: Hu Weixiong Inventor before: Qin Xuefei Inventor before: Ren Xiaojing Inventor before: Wen Renhua |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 201306 Building 1 and building 2, No. 333, Haiyang 1st Road, Lingang New District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Meijie photoelectric technology (Shanghai) Co.,Ltd. Address before: 200131 Building 1 and building 2, No. 333, Haiyang 1st Road, Lingang New Area, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant before: Meijie photoelectric technology (Shanghai) Co.,Ltd. Country or region before: China |