CN117745552A - 自适应图像增强方法、装置及电子设备 - Google Patents

自适应图像增强方法、装置及电子设备 Download PDF

Info

Publication number
CN117745552A
CN117745552A CN202311809240.1A CN202311809240A CN117745552A CN 117745552 A CN117745552 A CN 117745552A CN 202311809240 A CN202311809240 A CN 202311809240A CN 117745552 A CN117745552 A CN 117745552A
Authority
CN
China
Prior art keywords
image
gray level
histogram
detected
normalized histogram
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
CN202311809240.1A
Other languages
English (en)
Inventor
唐铭志
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.)
Luster LightTech Co Ltd
Original Assignee
Luster LightTech 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 Luster LightTech Co Ltd filed Critical Luster LightTech Co Ltd
Priority to CN202311809240.1A priority Critical patent/CN117745552A/zh
Publication of CN117745552A publication Critical patent/CN117745552A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)

Abstract

本申请公开了一种自适应图像增强方法、装置及电子设备,属于图像处理技术领域。方法包括:对待检测图像的像素进行统计分析,得到待检测图像的直方图;直方图表示待检测图像中各灰度级的像素数量;对直方图进行归一化处理,得到归一化直方图;归一化直方图表示各个灰度级别出现的概率;将归一化直方图中高度大于预设警戒值的部分裁剪并加入至归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;基于调整后的归一化直方图将待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。本申请通过预设的警戒值来限制归一化直方图的高度,实现自适应增强来适应各种不同程度的缺陷,以提高缺陷检测的效果。

Description

自适应图像增强方法、装置及电子设备
技术领域
本申请属于图像处理技术领域,尤其涉及一种自适应图像增强方法、装置及电子设备。
背景技术
工业视觉检测是利用计算机视觉技术对工业生产过程中的产品进行自动检测和分析的过程。通过自动化的视觉检测系统,可以实现对产品进行快速、准确和连续的检测,避免人为因素带来的误差,同时提高生产线的效率和稳定性。
现有的工业视觉检测技术,通常通过固定参数来增强缺陷与背景之间的差异,来实现产品缺陷的检测。
但随着缺陷数量的增多,存在同一个相机角度下检测多种缺陷的情况,会同时拍摄到强弱不一的缺陷,由于不同参数对于不同程度的缺陷增强效果不一样,因此常规的图像增强手段,无法在批量检测中适应各种缺陷,导致检测缺陷的效果较差。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种自适应图像增强方法、装置及电子设备,通过对图像进行自适应增强来适应各种不同程度的缺陷,以提高缺陷检测的效果。
第一方面,本申请提供了一种自适应图像增强方法,其特征在于,包括:
对待检测图像的像素进行统计分析,得到所述待检测图像的直方图;所述直方图表示所述待检测图像中各灰度级的像素数量;
对所述直方图进行归一化处理,得到归一化直方图;所述归一化直方图表示各个灰度级别出现的概率;
将所述归一化直方图中高度大于预设警戒值的部分裁剪并加入至所述归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;
基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。
根据本申请的自适应图像增强方法,通过对待检测图像的像素进行统计分析,得到所述待检测图像的直方图;所述直方图表示所述待检测图像中各灰度级的像素数量;对所述直方图进行归一化处理,得到归一化直方图;所述归一化直方图表示各个灰度级别出现的概率;将所述归一化直方图中高度大于预设警戒值的部分裁剪并加入至所述归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。本申请实施例通过统计分析得到待检测图像的直方图,并在对直方图归一化后通过预设的警戒值来限制归一化直方图的高度,针对同一图像中的不同程度的缺陷,能够防止图像的灰度级过于集中而导致的图像增强后出现缺陷过曝的现象,然后针对调整后的直方图进行映射,能够有效地增强图像的对比度,使得图像中的细节更加清晰,从而实现自适应增强来适应各种不同程度的缺陷,以提高缺陷检测的效果。
根据本申请的一个实施例,所述对待检测图像的像素进行统计分析,得到所述待检测图像的直方图,包括:
获取目标图像;
基于产品在所述目标图像中的位置绘制增强区域,将所述增强区域作为所述待检测图像;
对待检测图像的像素进行统计分析,得到所述待检测图像的直方图。
该实施例通过在目标图像上绘制增强区域,只对绘制的区域进行增强操作,而无需对非检测区进行增强,从而提高检测效率。
根据本申请的一个实施例,所述对待检测图像的像素进行统计分析,得到所述待检测图像的直方图,包括:
对所述待检测图像进行切分,得到尺寸相同的多个子图像;
分别对多个子图像的像素进行统计分析,得到各个子图像的直方图。
在该实施例中,由于在实际采集图像过程中,存在倾斜打光或其他不可抗因素的影响,图像经常存在灰度不均的情况,为了防止影响到增强效果,通过对图像进行切分操作,将待检测图像切分成小块,使得每个小块图像中的灰度差异减小,从而提高图像增强的效果。
根据本申请的一个实施例,所述基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像,包括:
基于各个子图像对应的调整后的归一化直方图,将各个子图像中的各个灰度级别映射到目标灰度级别,得到增强后的子图像;
对所述待检测图像中处于相邻位置的任意两个子图像的边缘进行双线性插值操作,对子图像的其他边缘进行线性差值操作,以将各个子图像合并得到增强后的图像。
在该实施例中,针对切分后的每个子图像进行归一化直方图调整以及映射操作以增强图像,在对这些子图像进行增强后,还需要将这些子图像进行融合以得到待检测图像对应的增强后的图像,通过在处理相邻位置的子图像边缘时,使用双线性插值可以更好地保持图像的连续性和平滑度,因为边缘处的像素值变化较大,而对于其他地方,使用线性插值可能已经足够准确,同时也可以减少计算复杂度,因此选择线性插值,从而实现在保持图像质量的同时提高计算效率。
根据本申请的一个实施例,所述基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像,包括:
基于调整后的归一化直方图中各个灰度级别出现的概率计算得到表示各个灰度级别的累积概率的累积直方图;
基于所述累积概率对所述累积直方图的各个灰度级进行线性映射,得到各个灰度级对应的目标灰度级别;
将所述目标灰度级别对所述待检测图像中的各个灰度级别进行替换,得到增强后的图像。
在该实施例中,通过根据利用调整后的归一化直方图计算出每个灰度级别的累积概率分布,使得在对累积直方图的各个灰度级进行线性映射时,能够使概率相近的值被映射为相同的值,从而能够让待检测图像演变为灰度分布更加均匀的图像,使得图像的对比度更强,图像中的细节更加清晰。
根据本申请的一个实施例,所述基于所述累积概率对所述累积直方图的各个灰度级进行线性映射,得到各个灰度级对应的目标灰度级别,包括:
根据公式
对所述累积直方图的各个灰度级进行线性映射;
其中,s表示灰度级i对应的映射值,即表示灰度级i对应的目标灰度级,L表示表示映射的灰度级数,P(i)表示灰度级i在所述待检测图像中出现的概率,r表示所述待检测图像中的灰度级。
根据本申请的一个实施例,所述方法还包括:
基于预设的灰度阈值对增强后的图像进行二值化处理,得到增强后的图像的背景区域和前景区域;
识别前景区域中不同的连通区域;
筛选出符合预设条件的连通区域作为缺陷区域。
在该实施例中,通过对增强后的图像进行二值化处理,从而能够在前景区域中识别连通区域,符合预设条件的连通区域即为缺陷区域,该方式可以检测各种形状的缺陷,而且对于不规则形状的缺陷也有一定的鲁棒性。
第二方面,本申请提供了一种自适应图像增强装置,其特征在于,包括:
统计模块,用于对待检测图像的像素进行统计分析,得到所述待检测图像的直方图;所述直方图表示所述待检测图像中各灰度级的像素数量;
归一化模块,用于对所述直方图进行归一化处理,得到归一化直方图;所述归一化直方图表示各个灰度级别出现的概率;
裁剪模块,用于将所述归一化直方图中高度大于预设警戒值的部分裁剪并加入至所述归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;
映射模块,用于基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。
根据本申请的自适应图像增强装置,通过对待检测图像的像素进行统计分析,得到所述待检测图像的直方图;所述直方图表示所述待检测图像中各灰度级的像素数量;对所述直方图进行归一化处理,得到归一化直方图;所述归一化直方图表示各个灰度级别出现的概率;将所述归一化直方图中高度大于预设警戒值的部分裁剪并加入至所述归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。本申请实施例通过统计分析得到待检测图像的直方图,并在对直方图归一化后通过预设的警戒值来限制归一化直方图的高度,针对同一图像中的不同程度的缺陷,能够防止图像的灰度级过于集中而导致的图像增强后出现缺陷过曝的现象,然后针对调整后的直方图进行映射,能够有效地增强图像的对比度,使得图像中的细节更加清晰,从而实现自适应增强来适应各种不同程度的缺陷,以提高缺陷检测的效果。
第三方面,本申请提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的自适应图像增强方法。
第四方面,本申请提供了一种非暂态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第一方面所述的自适应图像增强方法。
第五方面,本申请提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如上述第一方面所述的自适应图像增强方法。
第六方面,本申请提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的自适应图像增强方法。
本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
根据本申请的自适应图像增强方法,通过对待检测图像的像素进行统计分析,得到所述待检测图像的直方图;所述直方图表示所述待检测图像中各灰度级的像素数量;对所述直方图进行归一化处理,得到归一化直方图;所述归一化直方图表示各个灰度级别出现的概率;将所述归一化直方图中高度大于预设警戒值的部分裁剪并加入至所述归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。本申请实施例通过统计分析得到待检测图像的直方图,并在对直方图归一化后通过预设的警戒值来限制归一化直方图的高度,针对同一图像中的不同程度的缺陷,能够防止图像的灰度级过于集中而导致的图像增强后出现缺陷过曝的现象,然后针对调整后的直方图进行映射,能够有效地增强图像的对比度,使得图像中的细节更加清晰,从而实现自适应增强来适应各种不同程度的缺陷,以提高缺陷检测的效果。
进一步的,在一些实施例中,通过在目标图像上绘制增强区域,只对绘制的区域进行增强操作,而无需对非检测区进行增强,从而提高检测效率。
更进一步的,在一些实施例中,由于在实际采集图像过程中,存在倾斜打光或其他不可抗因素的影响,图像经常存在灰度不均的情况,为了防止影响到增强效果,通过对图像进行切分操作,将待检测图像切分成小块,使得每个小块图像中的灰度差异减小,从而提高图像增强的效果。
更进一步的,在一些实施例中,针对切分后的每个子图像进行归一化直方图调整以及映射操作以增强图像,在对这些子图像进行增强后,还需要将这些子图像进行融合以得到待检测图像对应的增强后的图像,通过在处理相邻位置的子图像边缘时,使用双线性插值可以更好地保持图像的连续性和平滑度,因为边缘处的像素值变化较大,而对于其他地方,使用线性插值可能已经足够准确,同时也可以减少计算复杂度,因此选择线性插值,从而实现在保持图像质量的同时提高计算效率。
更进一步的,在一些实施例中,通过根据利用调整后的归一化直方图计算出每个灰度级别的累积概率分布,使得在对累积直方图的各个灰度级进行线性映射时,能够使概率相近的值被映射为相同的值,从而能够让待检测图像演变为灰度分布更加均匀的图像,使得图像的对比度更强,图像中的细节更加清晰。
再进一步的,在一些实施例中,通过对增强后的图像进行二值化处理,从而能够在前景区域中识别连通区域,符合预设条件的连通区域即为缺陷区域,该方式可以检测各种形状的缺陷,而且对于不规则形状的缺陷也有一定的鲁棒性。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是现有技术针对不同程度缺陷的增强效果图像;
图2是本申请实施例提供的自适应图像增强方法的流程示意图;
图3是本申请实施例直方图切分部分均分后的直方图示意图;
图4是本申请实施例对待检测图像进行切分操作的示意图;
图5是本申请实施例增强效果对比图像;
图6是本申请实施例提供的自适应图像增强装置的结构示意图;
图7是本申请实施例提供的电子设备的结构示意图。
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地描述,显然,所描述的实施例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获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不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,以便本申请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,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
工业视觉检测技术可以利用相机或其他传感器来获取产品的图像或视频,然后通过图像处理和分析算法来检测和识别产品的缺陷、形状、尺寸等特征。
现有的工业视觉检测技术,较为常用的是通过固定参数来增强缺陷与背景之间的差异,来实现产品缺陷的检测。具体的,在图像处理中,可以通过调整一些固定的参数,比如对比度、亮度、锐度等,来增强产品图像中缺陷与背景之间的差异。这样可以使缺陷更容易被检测和识别出来。
然而,随着缺陷数量的增加,可能会出现在同一个相机角度下需要检测多种不同的缺陷的情况。此外,这些缺陷可能存在强弱不一的情况,使得常规的图像增强手段可能无法适应不同类型的缺陷,在批量检测中可能会出现问题。针对不同程度缺陷的图像,如果通过固定参数来增强缺陷与背景之间的差异,来实现产品缺陷的检测,其效果是不一样的。举例来说,当图像尺寸相同,缺陷程度不同的两张缺陷,用相同的增强参数对缺陷增强,对弱缺陷效果微弱,其对应的效果如图1所示。
图1中的a)部分为具有若缺陷的原图像,c)部分为具有正常缺陷的原图像,b)部分为a)部分通过固定参数图像增强后得到的图像,d)部分为b)部分通过相同的固定参数图像增强后得到的图像。可知,当增强参数适合正常缺陷时,此参数就不适用于弱缺陷,同理,当增强弱缺陷时,其参数可能会造成正常的缺陷或背景过曝,从而影响缺陷的检出。
本申请考虑到如果能够分析待检测图像的直方图分布,然后对待检测图像的直方图分布进行适应性调整,从而防止包含不同程度缺陷的图像被过度增强,则有望避免现有技术中通过固定参数来增强缺陷与背景之间的差异的检测方式,无法在批量检测中适应各种缺陷,导致检测缺陷的效果较差的问题。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的自适应图像增强方法、装置及电子设备进行详细地说明。
其中,自适应图像增强方法可应用于终端,具体可由,终端中的硬件或软件执行。
该终端包括但不限于具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话或平板电脑等便携式通信设备。还应当理解的是,在某些实施例中,该终端可以不是便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
以下各个实施例中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和控制杆的一个或多个其它物理用户接口设备。
本申请实施例提供的自适应图像增强方法,该自适应图像增强方法的执行主体可以为电子设备或者电子设备中能够实现该自适应图像增强方法的功能模块或功能实体,本申请实施例提及的电子设备包括但不限于手机、平板电脑、电脑、相机和可穿戴设备等,下面以电子设备作为执行主体为例对本申请实施例提供的自适应图像增强方法进行说明。
如图2所示,该自适应图像增强方法包括:步骤210、步骤220、步骤230和步骤240。
步骤210、对待检测图像的像素进行统计分析,得到待检测图像的直方图;直方图表示待检测图像中各灰度级的像素数量。
在本申请实施例中,可以将应用自适应图像增强方法的电子设备视为自适应图像增强的设备(简称为增强设备)。增强设备可设置有用于采集图像的图像采集模块如相机或摄像头。当然,还可以是,增强设备通过接收与其进行通信的设备发送的包括有目标产品的图像而得到待检测图像,其中待检测图像可以是与增强设备进行通信的设备通过自身的相机或摄像头而采集到的包括有目标产品的图像。
当然,待检测图像也可以是对采集图像的设备采集到的目标图像经过一定处理的图像,而不必然是采集图像的设备直接采集到的图像。例如,采集图像的设备在采集到包括有目标产品的目标图像后,可以基于产品在目标图像中的位置绘制增强区域,将增强区域作为待检测图像。
具体的,在检测和识别产品的缺陷过程中,通常需要对图像进行增强操作,增强缺陷与背景差异,以便于更好的检测和识别缺陷。然而,一张图像中的像素很多,而缺陷通常只占有图像的一小部分,如果对图像中所有的位置进行增强,无疑会浪费计算资源;或者,在一些情况下,只需要检测图像中固定位置是否存在缺陷,例如产品的某个位置存在缺陷的可能性比较大,后续只需检测该产品的这个位置是否存在缺陷,如果对图像中所有的位置进行增强,也会浪费计算资源。在不用对图像进行全局增强的情况下,可以先确定需要增强的区域,例如技术人员根据需要基于产品的位置提前绘制的区域,例如产品的某个位置、图像的固定位置等等,通过绘制增强区域,将增强区域所在的位置作为待检测图像,然后对待检测图像的像素进行统计分析,得到待检测图像的直方图。
该实施例通过在目标图像上绘制增强区域,只对绘制的区域进行增强操作,而无需对非检测区进行增强,从而提高检测效率。
图像的直方图是对图像中像素值出现频率的统计图表,它显示了图像中每个像素值的数量或频率。直方图可以帮助了解图像的对比度、亮度分布以及颜色分布等信息。
在本申请实施例中,直方图可以表示待检测图像中各灰度级的像素数量。如果待检测图像为灰度图,则可以遍历待检测图像中的每个像素,将灰度值0-255按照每5个值为一个灰度级,或者每10个值、每15个值,或者是其他任意灰度值范围为一个灰度级,统计每个灰度级的像素数量,将灰度级和对应的数量或频率绘制成直方图。横轴表示灰度级,纵轴表示对应的频率或数量。也可以直接统计每个灰度值的像素数量,将灰度值和对应的数量或频率绘制成直方图,此时所得到的直方图表示待检测图像中各灰度值的像素数量。
当然,如果待检测图像为彩色图像,可以先将彩色图像转换为灰度图像后,再遍历灰度图像中的每个像素,统计每个灰度级的像素数量,将灰度级和对应的数量或频率绘制成直方图。
在一些实施例中,可以使用图像处理软件(如Python中的OpenCV、Matplotlib库)来计算和绘制图像的直方图。
步骤220、对直方图进行归一化处理,得到归一化直方图;归一化直方图表示各个灰度级别出现的概率。
将待检测图像的直方图归一化的作用是为了将每个灰度级别的像素数量转换为概率分布,这样可以更好地反映图像中不同灰度级别的分布情况,有助于后续的处理步骤。
在本申请实施例中,首先,可以每个灰度级别的像素数量除以总像素数量,得到每个灰度级别的概率分布,使归一化后的直方图取值范围变为[0,1]。具体的,可以根据公式:
各灰度级归一化=(直方图灰度级范围)/像素数*各灰度级像素数
计算得到归一化后的直方图。
步骤230:将归一化直方图中高度大于预设警戒值的部分裁剪并加入至归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值。
归一化直方图的横坐标为灰度级,纵坐标为每个灰度级别出现的概率,归一化直方图的高度越高则说明该灰度级别出现的概率越大,该灰度级过于集中,会使后续映射过程中该灰度级被拉伸后,导致增强后的图像的灰度分布不均匀,不同强度的缺陷产生过曝的现象,使得图像增强的效果不好。
在本申请实施例中,通过对归一化直方图中过高的部分进行裁剪,以限制归一化直方图的高度,从而避免产生过曝的现象。具体的,可以预先设定一个警戒值,将归一化直方图中高度大于预设警戒值的部分进行裁剪,为了减少像素的缺失,还可以将裁剪的部分加入到未被裁剪的部分,如图3所示,可以将被裁减的部分均匀分布到直方图的其他部分,使得调整后的归一化直方图的高度小于或等于预设警戒值。
其中,优选的,预设的警戒值可以设置为0.8-0.9中的任意值。当然,预设的警戒值还可以为其他值,例如0.7-0.8中的任意值,0.9-0.95中的任意值等等,本领域技术人员可以根据需要设置不同的警戒值,本申请实施例对此不作限定。
步骤240、基于调整后的归一化直方图将待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。
在本申请实施例中,在得到调整后的归一化直方图后,可以根据调整后的归一化直方图计算每个灰度级别的累积概率分布,然后对每个灰度级别的累积概率分布进行线性映射,将待检测图像中的每个灰度级别映射到一个新的灰度级别(即目标灰度级别),从而得到增强后的图像。
根据本申请的自适应图像增强方法,通过对待检测图像的像素进行统计分析,得到待检测图像的直方图;直方图表示待检测图像中各灰度级的像素数量;对直方图进行归一化处理,得到归一化直方图;归一化直方图表示各个灰度级别出现的概率;将归一化直方图中高度大于预设警戒值的部分裁剪并加入至归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;基于调整后的归一化直方图将待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。本申请实施例通过统计分析得到待检测图像的直方图,并在对直方图归一化后通过预设的警戒值来限制归一化直方图的高度,针对同一图像中的不同程度的缺陷,能够防止图像的灰度级过于集中而导致的图像增强后出现缺陷过曝的现象,然后针对调整后的直方图进行映射,能够有效地增强图像的对比度,使得图像中的细节更加清晰,从而实现自适应增强来适应各种不同程度的缺陷,以提高缺陷检测的效果。
在一些实施例中,对待检测图像的像素进行统计分析,得到待检测图像的直方图,包括:
对待检测图像进行切分,得到尺寸相同的多个子图像;
分别对多个子图像的像素进行统计分析,得到各个子图像的直方图。
在实际采集图像过程中,存在倾斜打光或其他不可抗因素的影响,图像经常存在灰度不均的情况,为了防止影响到增强效果,会对图像进行切分操作,将待检测图像切分成相同大小的小块,若图像刚好符合切分尺寸,能切分成相同大小的小块,如图4所示。若不能被能切分成相同大小的小块,则需要对原图进行扩充,填充部分的灰度值用均值代替,然后对填充后的图像进行切分操作。
在该实施例中,由于在实际采集图像过程中,存在倾斜打光或其他不可抗因素的影响,图像经常存在灰度不均的情况,为了防止影响到增强效果,通过对图像进行切分操作,将待检测图像切分成小块,使得每个小块图像中的灰度差异减小,在后续图像增强过程中能够防止灰度值差异大的部分被进一步拉伸扩大差异,从而提高图像增强的效果。
在一些实施例中,基于调整后的归一化直方图将待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像,包括:
基于各个子图像对应的调整后的归一化直方图,将各个子图像中的各个灰度级别映射到目标灰度级别,得到增强后的子图像;
对待检测图像中处于相邻位置的任意两个子图像的边缘进行双线性插值操作,对子图像的其他边缘进行线性差值操作,以将各个子图像合并得到增强后的图像。
在该实施例中,如果在前面步骤中对待检测图像进行了切分操作,后续步骤中则针对切分后得到的子图像进行处理,例如对各个子图像的像素进行统计分析,得到各个子图像的直方图,然后对各个子图像的直方图进行归一化处理,得到各个子图像的归一化直方图,并为每个子图像对应的归一化直方图设置相同或不同的警戒值,以对各个子图像的归一化直方图进行裁剪,得到各个子图像对应的调整后的归一化直方图。
接着针对每个子图像对应的调整后的归一化直方图,分别进行映射,得到每个子图像对应的增强图像。最后,通过双线性插值和线性插值的方式合并每个子图像对应的增强图像,得到待检测图像对应的增强图像。
在该实施例中,针对切分后的每个子图像进行归一化直方图调整以及映射操作以增强图像,在对这些子图像进行增强后,还需要将这些子图像进行融合以得到待检测图像对应的增强后的图像,通过在处理相邻位置的子图像边缘时,使用双线性插值可以更好地保持图像的连续性和平滑度,因为边缘处的像素值变化较大,而对于其他地方,使用线性插值可能已经足够准确,同时也可以减少计算复杂度,因此选择线性插值,从而实现在保持图像质量的同时提高计算效率。
在一些实施例中,基于调整后的归一化直方图将待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像,包括:
基于调整后的归一化直方图中各个灰度级别出现的概率计算得到表示各个灰度级别的累积概率的累积直方图;
基于累积概率对累积直方图的各个灰度级进行线性映射,得到各个灰度级对应的目标灰度级别;
将目标灰度级别对待检测图像中的各个灰度级别进行替换,得到增强后的图像。
具体的,累积直方图是指在直方图中每个灰度级别的概率累积值,表示各个灰度级别的累积概率。计算得到累积直方图的步骤如下:首先,根据调整后的归一化直方图,得到每个灰度级别的概率分布;然后,计算概率分布的累积和,得到每个灰度级别的累积概率,例如调整后的归一化直方图的灰度级别包括0、1、2、3、4、5、6、7,其对应的概率分别为0.18、0.18、0.12、0.10、0.12、0.06、0.06、0.16,则计算得到的累积直方图中,灰度级0对应的累积概率为0.18,灰度级1对应的累积概率为灰度级0对应的累积概率加灰度级1对应的概率,即0.18加0.18等于0.36,灰度级2对应的累积概率为度级1对应的累积概率加灰度级2对应的概率,即0.36加0.12等于0.48,以此类推,计算得到每个灰度级别的累积概率。
然后,根据累积概率对累积直方图的各个灰度级进行线性映射,得到各个灰度级对应的目标灰度级别。以上述累积直方图为例,在上述累积直方图中,灰度级别为0、1、2、3、4、5、6、7对应的累积概率分别为0.18、0.36、0.48、0.58、0.70、0.76、0.82、0.98。将累积概率分别乘以映射的灰度级数,使得到的数值在区间0-255内,例如映射的灰度级数为8,则将累积概率分别乘以映射的灰度级数,四舍五入得到每个灰度级别对应的目标灰度级别为1、3、4、5、6、6、7、8,然后将目标灰度级别对待检测图像中的各个灰度级别进行替换,得到增强后的图像,即增强后的图像的灰度级为1、3、4、5、6、7、8,对应的概率分别为0.18、0.18、0.12、0.10、0.12+0.06、0.06、0.16。
再例如,例如映射的灰度级数为50,则将累积概率分别乘以映射的灰度级数,四舍五入得到每个灰度级别对应的目标灰度级别为9、18、24、29、35、38、41、49,然后将目标灰度级别对待检测图像中的各个灰度级别进行替换,得到增强后的图像,即增强后的图像的灰度级为1、3、4、5、6、7、8,对应的概率分别为0.18、0.18、0.12、0.10、0.12+0.06、0.06、0.16。
可以看出,使用不同的映射的灰度级数能够对原来的直方图达到不同的拉伸效果,可以使概率相近的值被映射为相同的值,例如上述累积直方图中,灰度级别为5和6,经过映射的灰度级数8的值进行映射后对应的目标灰度级均为6;可以选择不同的映射的灰度级数,使得映射后的灰度值分布具有不同程度的均匀效果。当然,映射的灰度级数也可以是其他值,但需要保证将累积概率分别乘以映射的灰度级数,使得到的数值在区间0-255内。
在一些实施例中,基于累积概率对累积直方图的各个灰度级进行线性映射,得到各个灰度级对应的目标灰度级别,包括:
根据公式
对累积直方图的各个灰度级进行线性映射;
其中,s表示灰度级i对应的映射值,即表示灰度级i对应的目标灰度级,L表示表示映射的灰度级数,P(i)表示灰度级i在待检测图像中出现的概率,r表示待检测图像中的灰度级。
增强后的图像如图5所示,图5中的a)部分为具有弱缺陷的原图像,d)部分为具有正常缺陷的原图像,b)部分为a)部分通过固定参数图像增强后得到的图像,e)部分为d)部分通过相同的固定参数图像增强后得到的图像,c)部分为a)部分通过本申请的自适应图像增强方法增强后得到的图像,f)部分为d)部分通过本申请的自适应图像增强方法增强后得到的图像。可以看出,本申请的自适应图像增强方法增强后得到的图像对于正常缺陷、弱缺陷等不同程度的缺陷均具有较好的图像增强效果,使得不同程度的缺陷均能够在图像增强后清晰的展现。
在该实施例中,通过根据利用调整后的归一化直方图计算出每个灰度级别的累积概率分布,使得在对累积直方图的各个灰度级进行线性映射时,能够使概率相近的值被映射为相同的值,从而能够让待检测图像演变为灰度分布更加均匀的图像,使得图像的对比度更强,图像中的细节更加清晰。
在一些实施例中,方法还包括:
基于预设的灰度阈值对增强后的图像进行二值化处理,得到增强后的图像的背景区域和前景区域;
识别前景区域中不同的连通区域;
筛选出符合预设条件的连通区域作为缺陷区域。
在该实施例中,灰度阈值的选择可以基于图像的灰度分布和目标区域的特点,通过实验预先确定一个固定阈值;也可以根据图像自身的特性来确定动态阈值,通常是通过计算图像的局部均值或局部方差来得到动态阈值。本领域技术人员可以根据实际需求选择固定阈值或者动态阈值的方式进行二值化处理。
接着,使用预设的灰度阈值对检测区域进行二值化处理,将检测区域中的目标区域(比如缺陷)和背景分离出来。这样可以得到一个二值图像,其中目标区域被标记为前景(通常是白色),背景被标记为背景(通常是黑色)。
然后对前景区域进行连通区域分析,以识别出图像中的不同连通区域。其中,连通区域是指图像中由相邻像素组成的区域,这些像素在空间上相连通,形成一个整体。以一个示例进行说明,在将检测区域转换成二值化图像之后,可以将前景区域中的像素标记为1,背景区域中的像素标记为0,然后从图像的左上角开始,按行扫描图像中的每个像素,对于值为1的像素,检查其各个方向上相邻的像素是否已经被重新标记,果相邻像素中有已经被标记的像素,那么将当前像素标记为与相邻像素相同的标记,如果相邻像素中没有被标记的像素,那么将当前像素标记为一个新的标记,继续扫描图像的下一行,重复上述步骤,直到整个图像都被扫描完毕,相同标记的像素点属于同一个连通区域,如此可以识别出图像中不同的连通区域。
最后,根据缺陷的特征(比如大小、形状等),筛选出符合条件的连通区域作为缺陷区域。这可以通过设置一些阈值或者规则来实现,比如筛选出面积大于一定阈值的连通区域作为缺陷。
在该实施例中,通过对增强后的图像进行二值化处理,从而能够在前景区域中识别连通区域,符合预设条件的连通区域即为缺陷区域,该方式可以检测各种形状的缺陷,而且对于不规则形状的缺陷也有一定的鲁棒性。
本申请实施例提供的自适应图像增强方法,执行主体可以为自适应图像增强装置。本申请实施例中以自适应图像增强装置执行自适应图像增强方法为例,说明本申请实施例提供的自适应图像增强装置。
本申请实施例还提供一种自适应图像增强装置。
如图6所示,该深度学习模型推理加速装置包括:
统计模块610,用于对待检测图像的像素进行统计分析,得到待检测图像的直方图;直方图表示待检测图像中各灰度级的像素数量;
归一化模块620,用于对直方图进行归一化处理,得到归一化直方图;归一化直方图表示各个灰度级别出现的概率;
裁剪模块630,用于将归一化直方图中高度大于预设警戒值的部分裁剪并加入至归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;
映射模块640,用于基于调整后的归一化直方图将待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。
根据本申请的自适应图像增强装置,通过对待检测图像的像素进行统计分析,得到待检测图像的直方图;直方图表示待检测图像中各灰度级的像素数量;对直方图进行归一化处理,得到归一化直方图;归一化直方图表示各个灰度级别出现的概率;将归一化直方图中高度大于预设警戒值的部分裁剪并加入至归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;基于调整后的归一化直方图将待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。本申请实施例通过统计分析得到待检测图像的直方图,并在对直方图归一化后通过预设的警戒值来限制归一化直方图的高度,针对同一图像中的不同程度的缺陷,能够防止图像的灰度级过于集中而导致的图像增强后出现缺陷过曝的现象,然后针对调整后的直方图进行映射,能够有效地增强图像的对比度,使得图像中的细节更加清晰,从而实现自适应增强来适应各种不同程度的缺陷,以提高缺陷检测的效果。
在一些实施例中,统计模块610,还用于:
获取目标图像;
基于产品在目标图像中的位置绘制增强区域,将增强区域作为待检测图像;
对待检测图像的像素进行统计分析,得到待检测图像的直方图。
在一些实施例中,统计模块610,还用于:
对待检测图像进行切分,得到尺寸相同的多个子图像;
分别对多个子图像的像素进行统计分析,得到各个子图像的直方图。
在一些实施例中,映射模块640,还用于:
基于各个子图像对应的调整后的归一化直方图,将各个子图像中的各个灰度级别映射到目标灰度级别,得到增强后的子图像;
对待检测图像中处于相邻位置的任意两个子图像的边缘进行双线性插值操作,对子图像的其他边缘进行线性差值操作,以将各个子图像合并得到增强后的图像。
在一些实施例中,映射模块640,还用于:
基于调整后的归一化直方图中各个灰度级别出现的概率计算得到表示各个灰度级别的累积概率的累积直方图;
基于累积概率对累积直方图的各个灰度级进行线性映射,得到各个灰度级对应的目标灰度级别;
将目标灰度级别对待检测图像中的各个灰度级别进行替换,得到增强后的图像。
在一些实施例中,映射模块640,还用于:
根据公式
对累积直方图的各个灰度级进行线性映射;
其中,s表示灰度级i对应的映射值,即表示灰度级i对应的目标灰度级,L表示表示映射的灰度级数,P(i)表示灰度级i在待检测图像中出现的概率,r表示待检测图像中的灰度级。
在一些实施例中,装置还包括:
识别模块,用于基于预设的灰度阈值对增强后的图像进行二值化处理,得到增强后的图像的背景区域和前景区域;识别前景区域中不同的连通区域;筛选出符合预设条件的连通区域作为缺陷区域。
本申请实施例中的自适应图像增强装置可以是电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、移动上网装置(Mobile Internet Device,MID)、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、机器人、可穿戴设备、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,还可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的自适应图像增强装置可以为具有操作系统的装置。该操作系统可以为微软(Windows)操作系统,可以为安卓(Android)操作系统,可以为IOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
在一些实施例中,如图7所示,本申请实施例还提供一种电子设备700,包括处理器701、存储器702及存储在存储器702上并可在处理器701上运行的计算机程序,该程序被处理器701执行时实现上述自适应图像增强方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述的移动电子设备和非移动电子设备。
本申请实施例还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述自适应图像增强方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,处理器为上述实施例中的电子设备中的处理器。可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例还提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述自适应图像增强方法。
其中,处理器为上述实施例中的电子设备中的处理器。可读存储介质,包括计算机可读存储介质,如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现上述基于自适应图像增强方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本申请的实施例,本领域的普通技术人员可以理解:在不脱离本申请的原理和宗旨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,本申请的范围由权利要求及其等同物限定。

Claims (10)

1.一种自适应图像增强方法,其特征在于,包括:
对待检测图像的像素进行统计分析,得到所述待检测图像的直方图;所述直方图表示所述待检测图像中各灰度级的像素数量;
对所述直方图进行归一化处理,得到归一化直方图;所述归一化直方图表示各个灰度级别出现的概率;
将所述归一化直方图中高度大于预设警戒值的部分裁剪并加入至所述归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;
基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。
2.根据权利要求1所述的方法,其特征在于,所述对待检测图像的像素进行统计分析,得到所述待检测图像的直方图,包括:
获取目标图像;
基于产品在所述目标图像中的位置绘制增强区域,将所述增强区域作为所述待检测图像;
对待检测图像的像素进行统计分析,得到所述待检测图像的直方图。
3.根据权利要求1所述的方法,其特征在于,所述对待检测图像的像素进行统计分析,得到所述待检测图像的直方图,包括:
对所述待检测图像进行切分,得到尺寸相同的多个子图像;
分别对多个子图像的像素进行统计分析,得到各个子图像的直方图。
4.根据权利要求3所述的方法,其特征在于,所述基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像,包括:
基于各个子图像对应的调整后的归一化直方图,将各个子图像中的各个灰度级别映射到目标灰度级别,得到增强后的子图像;
对所述待检测图像中处于相邻位置的任意两个子图像的边缘进行双线性插值操作,对子图像的其他边缘进行线性差值操作,以将各个子图像合并得到增强后的图像。
5.根据权利要求1所述的方法,其特征在于,所述基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像,包括:
基于调整后的归一化直方图中各个灰度级别出现的概率计算得到表示各个灰度级别的累积概率的累积直方图;
基于所述累积概率对所述累积直方图的各个灰度级进行线性映射,得到各个灰度级对应的目标灰度级别;
将所述目标灰度级别对所述待检测图像中的各个灰度级别进行替换,得到增强后的图像。
6.根据权利要求5所述的方法,其特征在于,所述基于所述累积概率对所述累积直方图的各个灰度级进行线性映射,得到各个灰度级对应的目标灰度级别,包括:
根据公式
对所述累积直方图的各个灰度级进行线性映射;
其中,s表示灰度级i对应的映射值,即表示灰度级i对应的目标灰度级,L表示表示映射的灰度级数,P(i)表示灰度级i在所述待检测图像中出现的概率,r表示所述待检测图像中的灰度级。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于预设的灰度阈值对增强后的图像进行二值化处理,得到增强后的图像的背景区域和前景区域;
识别前景区域中不同的连通区域;
筛选出符合预设条件的连通区域作为缺陷区域。
8.一种自适应图像增强装置,其特征在于,包括:
统计模块,用于对待检测图像的像素进行统计分析,得到所述待检测图像的直方图;所述直方图表示所述待检测图像中各灰度级的像素数量;
归一化模块,用于对所述直方图进行归一化处理,得到归一化直方图;所述归一化直方图表示各个灰度级别出现的概率;
裁剪模块,用于将所述归一化直方图中高度大于预设警戒值的部分裁剪并加入至所述归一化直方图中未被裁剪的部分,以使调整后的归一化直方图的高度小于或等于预设警戒值;
映射模块,用于基于调整后的归一化直方图将所述待检测图像中的各个灰度级别映射到目标灰度级别,得到增强后的图像。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
CN202311809240.1A 2023-12-26 2023-12-26 自适应图像增强方法、装置及电子设备 Pending CN117745552A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311809240.1A CN117745552A (zh) 2023-12-26 2023-12-26 自适应图像增强方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311809240.1A CN117745552A (zh) 2023-12-26 2023-12-26 自适应图像增强方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN117745552A true CN117745552A (zh) 2024-03-22

Family

ID=90252602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311809240.1A Pending CN117745552A (zh) 2023-12-26 2023-12-26 自适应图像增强方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN117745552A (zh)

Similar Documents

Publication Publication Date Title
CN110766679B (zh) 镜头脏污检测方法、装置及终端设备
CN110148130B (zh) 用于检测零件缺陷的方法和装置
CN109242853B (zh) 一种基于图像处理的pcb缺陷智能检测方法
WO2017121018A1 (zh) 二维码图像处理的方法和装置、终端、存储介质
CN115908269A (zh) 视觉缺陷检测方法、装置、存储介质和计算机设备
WO2013148566A1 (en) Image blur detection
CN111161222B (zh) 一种基于视觉显著性的印刷辊筒缺陷检测方法
CN108898132B (zh) 一种基于形状上下文描述的太赫兹图像危险品识别方法
CN113469921B (zh) 图像缺陷修复方法、系统、计算机设备及存储介质
CN111598801B (zh) 一种用于微弱Mura缺陷的识别方法
CN117351011B (zh) 屏幕缺陷检测方法、设备和可读存储介质
CN113537037A (zh) 路面病害识别方法、系统、电子设备及存储介质
WO2024016632A1 (zh) 亮点定位方法、亮点定位装置、电子设备及存储介质
CN116152261B (zh) 一种印刷制品质量的视觉检测系统
CN114723728A (zh) 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统
CN114937003A (zh) 一种针对玻璃面板的多类型缺陷检测系统和方法
JP2005165387A (ja) 画面のスジ欠陥検出方法及び装置並びに表示装置
CN116703925B (zh) 一种轴承缺陷检测方法、装置、电子设备及存储介质
Tabatabaei et al. A novel method for binarization of badly illuminated document images
CN116958058A (zh) 镜头脏污检测方法、装置及图像检测设备
CN110930358A (zh) 一种基于自适应算法的太阳能面板图像处理方法
CN114418848B (zh) 视频处理方法、装置、存储介质及电子设备
CN112801963B (zh) 一种视频图像遮挡检测方法及系统
CN115049713A (zh) 图像配准方法、装置、设备及可读存储介质
CN117745552A (zh) 自适应图像增强方法、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