CN117764964A - 一种交叉划痕处理方法、装置、电子设备及存储介质 - Google Patents
一种交叉划痕处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117764964A CN117764964A CN202311815165.XA CN202311815165A CN117764964A CN 117764964 A CN117764964 A CN 117764964A CN 202311815165 A CN202311815165 A CN 202311815165A CN 117764964 A CN117764964 A CN 117764964A
- Authority
- CN
- China
- Prior art keywords
- skeleton
- target
- scratch
- cross
- scratches
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title claims description 23
- 238000013139 quantization Methods 0.000 claims abstract description 197
- 239000011159 matrix material Substances 0.000 claims abstract description 170
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000004891 communication Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 19
- 230000035772 mutation Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 238000013077 scoring method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 31
- 230000000694 effects Effects 0.000 description 17
- 230000007547 defect Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000000203 mixture Substances 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Processing (AREA)
Abstract
本发明实施例公开了一种交叉划痕处理方法、装置、电子设备及存储介质,方法包括:对包括待处理交叉划痕的待处理图片计算初始连通域,并对初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域;对目标连通域提取划痕骨架,并根据划痕骨架从备选待处理交叉划痕中确定目标交叉划痕;对目标交叉划痕计算骨架连通线;对骨架连通线中的各像素点进行梯度量化处理,得到骨架连通线的梯度量化矩阵;根据骨架连通线的梯度量化矩阵从各骨架连通线中确定目标交叉划痕的目标划痕骨架连通线;根据目标交叉划痕的目标划痕骨架连通线对目标交叉划痕进行拆解处理。本发明实施例的技术方案能够提高交叉划痕处理的效率和准确率。
Description
技术领域
本发明实施例涉及图像处理、计算机视觉和质量检测等技术领域,尤其涉及一种交叉划痕处理方法、装置、电子设备及存储介质。
背景技术
工业产品中的缺陷来源主要有两个方面,一是生产原材料存在缺陷,二是生产过程中机器造成的。因此,这些缺陷存在偶然性与聚集性,一种缺陷可能很久都不会出现,例如划痕缺陷,一旦出现就是批量性问题。
工业产品的外观检测中,划痕缺陷的形态表现为细条状。当生产机器出现故障时,产品上可能出现聚集性划痕。划痕的判断依据通常是根据单条划痕的长度,若干交叉的划痕给视觉领域中划痕长度测量带来了不小的挑战。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:随着智能制造业的发展,工业生产效率大大地提高,高速生产线已经不适合用低效的工人目检的方式来进行缺陷检测。同时,随着计算机视觉技术等人工智能技术的发展,AOI(Automated OpticalInspection,自动光学检测)技术被广泛应用于产品的缺陷检测领域,但是目前的计算机视觉技术等人工智能技术通常只用于检测单一的划痕问题,对于交叉类型的划痕尚没有较好的检测解决方案。
发明内容
本发明实施例提供一种交叉划痕处理方法、装置、电子设备及存储介质,能够提高交叉划痕处理的效率和准确率。
根据本发明的一方面,提供了一种交叉划痕处理方法,包括:
对包括待处理交叉划痕的待处理图片计算初始连通域,并对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域;
对所述目标连通域提取划痕骨架,并根据所述划痕骨架从所述备选待处理交叉划痕中确定目标交叉划痕;
对所述目标交叉划痕计算骨架连通线;
对所述骨架连通线中的各像素点进行梯度量化处理,得到所述骨架连通线的梯度量化矩阵;
根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线;
根据所述目标交叉划痕的目标划痕骨架连通线对所述目标交叉划痕进行拆解处理。
根据本发明的另一方面,提供了一种交叉划痕处理装置,包括:
目标连通域获取模块,用于对包括待处理交叉划痕的待处理图片计算初始连通域,并对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域;
目标交叉划痕确定模块,用于对所述目标连通域提取划痕骨架,并根据所述划痕骨架从所述备选待处理交叉划痕中确定目标交叉划痕;
骨架连通线计算模块,用于对所述目标交叉划痕计算骨架连通线;
梯度量化矩阵获取模块,用于对所述骨架连通线中的各像素点进行梯度量化处理,得到所述骨架连通线的梯度量化矩阵;
目标划痕骨架连通线确定模块,用于根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线;
目标交叉划痕拆解模块,用于根据所述目标交叉划痕的目标划痕骨架连通线对所述目标交叉划痕进行拆解处理。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的交叉划痕处理方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的交叉划痕处理方法。
本发明实施例通过对包括待处理交叉划痕的待处理图片计算初始连通域,并对初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域,进一步对目标连通域提取划痕骨架,并根据划痕骨架从备选待处理交叉划痕中确定目标交叉划痕。在确定目标交叉划痕后,对目标交叉划痕计算骨架连通线,并对骨架连通线中的各像素点进行梯度量化处理,得到骨架连通线的梯度量化矩阵。在得到骨架连通线的梯度量化矩阵之后,即可根据骨架连通线的梯度量化矩阵从各骨架连通线中确定目标交叉划痕的目标划痕骨架连通线,以根据目标交叉划痕的目标划痕骨架连通线对目标交叉划痕进行拆解处理。上述技术方案提供了一种快速处理交叉划痕的方式,可以解决现有通过人工处理交叉划痕的方法存在的效率和准确率较低等问题,能够提高交叉划痕处理的效率和准确率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种交叉划痕处理方法的流程图;
图2是本发明实施例二提供的一种交叉划痕处理方法的流程图;
图3是本发明实施例二提供的一种对待处理图片计算得到初始连通域的效果示意图;
图4是本发明实施例二提供的一种对初始连通域筛选得到目标连通域的效果示意图;
图5是本发明实施例二提供的一种划痕骨架的效果示意图;
图6是本发明实施例二提供的一种局部划痕骨架的放大效果示意图;
图7是本发明实施例二提供的一种计算各骨架连通域中的端点的效果示意图;
图8是本发明实施例二提供的一种八连通分析方法的效果示意图;
图9是本发明实施例二提供的一种目标交叉划痕的效果示意图;
图10是本发明实施例二提供的一种通过单调递归的方式计算骨架连通线的效果示意图;
图11是本发明实施例二提供的一种梯度量化矩阵的组成结构示意图;
图12是本发明实施例二提供的一种梯度跳变矩阵的组成结构示意图;
图13是本发明实施例二提供的一种连通线的结构示意图;
图14是本发明实施例二提供的一种连通线中部分像素点的梯度量化矩阵和梯度跳变矩阵的结构示意图;
图15为本发明实施例二提供的一种梯度量化矩阵和梯度跳变矩阵平滑处理后的结构示意图;
图16是本发明实施例二提供的一种不同骨架连通线对应平滑梯度量化跳变矩阵的组成结构示意图;
图17是本发明实施例三提供的一种交叉划痕处理装置的示意图;
图18为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明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。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单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,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单元。
实施例一
图1是本发明实施例一提供的一种交叉划痕处理方法的流程图,本实施例可适用于根据梯度量化矩阵快速识别交叉划痕的骨架连通线以对交叉划痕进行拆解处理的情况,该方法可以由交叉划痕处理装置来执行,该装置可以由软件和/或硬件的方式来实现,并一般可集成在电子设备中,该电子设备可以是终端设备,也可以是服务器设备,只要能够用于处理图像数据以实施交叉划痕连接处理方法即可,本发明实施例并不对电子设备的具体设备类型进行限定。相应的,如图1所示,该方法包括如下操作:
S110、对包括待处理交叉划痕的待处理图片计算初始连通域,并对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域。
其中,待处理交叉划痕可以是待处理图片中包括的呈交叉状态的划痕。待处理图片可以是需要进行交叉划痕连接处理的图片。初始连通域可以是基于待处理图片首次计算得到的连通域。连通域(Connected Component)一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。备选待处理交叉划痕可以是通过连通域初步筛选的可能为交叉划痕类型的划痕。目标连通域可以是初步判断的,可能存在待处理交叉划痕的连通域。
可选的,可以获取拍摄的产品图片,如果产品图片中存在交叉的划痕,则可以将该产品图片作为待处理图片。在获取到待处理图片之后,即可对待处理图片中存在的缺陷进行连通区域分割,找出待处理图片中的各个连通区域并进行标记,作为初始连通域。在得到各个初始连通域后,可以通过连通域相关特性剔除不可能包含交叉划痕的连通域,实现对初始连通域的过滤处理,得到备选待处理交叉划痕匹配的目标连通域。可以理解的是,如果目标连通域有多个,则通过根据交叉划痕对应连通域的特性对各初始连通域过滤处理得到目标连通域后,其中一个或多个目标连通域可能存在待处理交叉划痕。
可选的,也还可以在获取到待处理图片之后,首先对待处理图片进行动态二值化处理,得到待处理图片匹配的动态二值化响应图,再根据动态二值化响应图计算初始连通域,并对初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域。其中,动态二值化响应图可以是对待处理图片进行动态二值化处理后得到的图片。所谓动态二值化处理,可以理解为对待处理图片的各个局部图片按照各自的阈值动态地进行二值化处理。
在本发明的一个可选实施例中,所述对待处理图片进行动态二值化处理,得到所述待处理图片匹配的动态二值化响应图,可以包括:确定切片配置信息;其中,所述切片配置信息包括切片形状和切片移动步长;根据所述切片配置信息对所述待处理图片进行遍历切片,得到多个切片局部图片;对各所述切片局部图片包括的像素点计算灰度均值;将各所述切片局部图片的灰度均值作为各所述切片局部图片的二值化阈值,并根据各所述切片局部图片的二值化阈值对各所述切片局部图片进行二值化处理,得到多个二值化切片局部图片;对各所述二值化切片局部图片进行拼接处理,得到所述待处理图片匹配的动态二值化响应图。
其中,切片配置信息可以是用于对待处理图片进行动态二值化处理的参考配置信息。切片形状可以是对待处理图片进行切片处理的形状,为了保证对待处理图片的遍历处理,切片形状例如可以是矩形或正方形等。只要能够对待处理图片进行切片处理,且切片得到的局部图片进行拼接能够覆盖整个待处理图片即可,本发明实施例并不对切片形状的具体形状类型进行限定。切片移动步长也即对切片形状进行移动的步长,具体的步长值可以根据实际需求配置,本发明实施例并不对切片移动步长的具体数值进行限定。切片局部图片也即利用切片形状按照切片移动步长逐步对待处理图片进行切片处理后得到的待处理图片的局部图片。可以理解的是,切片局部图片的数量通常为多个。灰度均值可以是切片局部图片包括的像素点的灰度值的平均值。二值化阈值也即才可进行二值化处理的阈值。二值化切片局部图片可以是对切片局部图片进行二值化处理后得到的图片。
在本发明实施例中,可以采用固定的矩形或正方形作为切片形状,并设置适当的切片移动步长对待处理图片进行遍历切片。在一个具体的例子中,切片形状的长和宽可以根据待处理图片中划痕的检测规格长度确定。例如,假设划痕的检测规格长度为len,则切片形状的长和宽可以设为5*len,横向和纵向的切片移动步长可以设为len/2。
相应的,根据切片配置信息对待处理图片进行遍历切片得到多个切片局部图片后,即可对各个切片局部图片计算灰度均值。可选的,可以采用下述公式计算切片局部图片的灰度均值:
其中,Mean表示切片局部图片的灰度均值,r表示切片形状的长度,c表示切片形状的宽度。G(xi,yj)表示该切片局部图片内像素点(xi,yj)的灰度值,函数sort()表示对切片局部图片内所有像素点灰度值进行排序,d为大于0且小于1的常数。示例性的,当d取值为0.6时,该公式的物理含义是去除切片局部图片内前20%和后20%的像素值,将剩下的60%的像素点计算像素灰度均值,能有效规避异常干扰点对灰度均值的影响。
在得到各切片局部图片的灰度均值之后,即可把求得的灰度均值当作二值化阈值对对应的切片局部图片进行二值化处理。每个切片局部图片采用本图片计算得到的灰度均值进行二值化处理,例如图片中当前像素点的灰度值小于或等于灰度均值时,将当前像素点的灰度值设置为0;图片中当前像素点的灰度值大于灰度均值时,将当前像素点的灰度值设置为255。对于整张待处理图片来说,每个切片局部图片求得的灰度均值都不一定相同,所以每个切片局部图片对应的二值化阈值都是动态变化的。
S120、对所述目标连通域提取划痕骨架,并根据所述划痕骨架从所述备选待处理交叉划痕中确定目标交叉划痕。
其中,划痕骨架可以是对划痕线条进行骨架提取得到的骨架信息,可以反应划痕的结构特征。目标交叉划痕可以是确认为存在交叉关系的划痕类型。也即,目标交叉划痕可以为从待处理图片中筛选过滤后得到的待处理交叉划痕。
为了进一步对划痕进行分析,在计算得到目标连通域之后,可以对目标连通域提取划痕骨架,并根据提取的划痕骨架根据交叉划痕的特性进行分析,如进行端点数据分析等,以根据各划痕骨架的分析结果,从各备选待处理交叉划痕的划痕骨架中进一步筛选过滤出目标交叉划痕。
S130、对所述目标交叉划痕计算骨架连通线。
其中,骨架连通线可以是由目标交叉划痕的各个端点所构成的曲线或直线段。
示例性的,假设目标交叉划痕存在端点M和端点N,则可以从M端点开始到N端点结束的线称为MN连通线。
可以理解的是,目标交叉划痕有多个端点,每两个端点之间都可以构建形成一条连通线,因此,目标交叉划痕最终会得到多个连通线。设n为目标交叉划痕的端点数,则目标交叉划痕计算得到的连通线个数num为:
可以理解的是,由于骨架连通线是基于目标交叉划痕计算得到的各端点之间的连通线,因此可以有效反应目标交叉划痕中各划痕之间的结构特性。
S140、对所述骨架连通线中的各像素点进行梯度量化处理,得到所述骨架连通线的梯度量化矩阵。
其中,梯度量化矩阵可以是由各个梯度量化值所构成的矩阵。可选的,梯度量化矩阵可以是行矩阵。
在本发明实施例中,在得到目标交叉划痕的骨架连通线之后,即可对骨架连通线中包括的各像素点进行梯度量化处理。所谓梯度量化处理,也即对骨架连通线中包括的各像素点之间进行梯度计算,得到多个梯度的量化值。每两个像素点之间可以计算得到一个梯度的量化值,像素点之间计算得到的梯度的量化值可以反应两个像素点之间的像素值变化趋势。相应的,骨架连通线中的每两个相邻的像素点均可以计算得到一个梯度的量化值,各梯度的量化值按顺序进行排列,即可得到骨架连通线的梯度量化矩阵。骨架连通线的梯度量化矩阵可以将骨架连通线反应的目标交叉划痕中各划痕之间的结构特性通过数值的方式体现出来。
可选的,梯度的量化值可以通过固定值、两个像素点之间像素值差值的正切值或两个像素点之间像素值差值的归一化值来度量,只要能够反应每两个相邻的像素点之间的像素值变化趋势即可,本发明实施例并不对梯度的量化值的具体度量方式进行限定。
S150、根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线。
其中,目标划痕骨架连通线可以是构成目标交叉划痕中各个单条划痕的骨架连通线。也即,各目标划痕骨架连通线进行交叉得到目标交叉划痕的骨架连通线。
可以理解的是,由于骨架连通线的梯度量化矩阵是根据骨架连通线中每两个相邻像素点之间的梯度的量化值构成。因此,梯度量化矩阵可以反应骨架连通线中各像素点的梯度量化趋势。通过对各骨架连通线的梯度量化矩阵所反应的梯度量化趋势进行分析,可以从各骨架连通线中筛选出单条的目标划痕骨架连通线。
通常情况下,当两个骨架连通线对应的梯度量化矩阵中各矩阵元素值变化趋势一致时,可以认为该两个骨架连通线属于同一条划痕的线段。反之,当两个骨架连通线对应的梯度量化矩阵中各矩阵元素值变化趋势不一致时,可以认为该两个骨架连通线不属于同一条划痕。
由此可见,本发明实施例通过对骨架连通线的梯度量化矩阵进行分析,可以快速定位各骨架连通线中各像素点的变化规律,结合交叉划痕的判断规则,即可快速筛选定位交叉划痕中的各个单条的划痕,提高了对交叉划痕的识别效率和精度,进而可以提高交叉划痕拆解处理的效率和准确率。
S160、根据所述目标交叉划痕的目标划痕骨架连通线对所述目标交叉划痕进行拆解处理。
相应的,在确定目标交叉划痕的各个单条划痕对应的目标划痕骨架连通线之后,即可利用目标划痕骨架连通线对目标交叉划痕的各个单条划痕进行拆解处理,从而将目标交叉划痕拆解形成多条完整的单条划痕。
在一个具体的应用场景中,对交叉划痕拆解形成的完整单条划痕可以用于准确计算单条划痕的长度,有利于追踪定位引起产品划痕的问题根源,从而提高产品的生产质量。上述交叉划痕处理方法可以广泛应用于工业缺陷检测的应用场景中,拆解得到的单条划痕有利于快速定位生产机器的故障。
本发明实施例通过对包括待处理交叉划痕的待处理图片计算初始连通域,并对初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域,进一步对目标连通域提取划痕骨架,并根据划痕骨架从备选待处理交叉划痕中确定目标交叉划痕。在确定目标交叉划痕后,对目标交叉划痕计算骨架连通线,并对骨架连通线中的各像素点进行梯度量化处理,得到骨架连通线的梯度量化矩阵。在得到骨架连通线的梯度量化矩阵之后,即可根据骨架连通线的梯度量化矩阵从各骨架连通线中确定目标交叉划痕的目标划痕骨架连通线,以根据目标交叉划痕的目标划痕骨架连通线对目标交叉划痕进行拆解处理。上述技术方案提供了一种快速处理交叉划痕的方式,可以解决现有通过人工处理交叉划痕的方法存在的效率和准确率较低等问题,能够提高交叉划痕处理的效率和准确率。
实施例二
图2是本发明实施例二提供的一种交叉划痕处理方法的流程图,本实施例以上述实施例为基础进行具体化,在本实施例中,给出了对初始连通域进行过滤处理、确定目标交叉划痕、计算骨架连通线、对骨架连通线中的各像素点进行梯度量化处理以及确定目标交叉划痕的目标划痕骨架连通线的多种具体可选的实现方式。相应的,如图2所示,本实施例的方法可以包括:
S210、对包括待处理交叉划痕的待处理图片计算初始连通域,并对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域。
在本发明的一个可选实施例中,所述对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域,可以包括:计算各所述初始连通域的连通域面积;计算所述初始连通域的连通域面积和所述初始连通域的目标包围矩形面积之间的面积比值;根据所述面积比值与预设连通域面积占比阈值之间的大小关系,从各所述初始连通域中筛选得到所述备选待处理交叉划痕匹配的目标连通域。
其中,连通域面积可以是初始连通域中实际包括的有效像素点的数量。有效像素点可以理解为划痕、噪声点或团状痕迹等包括的像素点。目标包围矩形面积可以是初始连通域的最小包围矩形。相应的,目标包围矩形面积可以是目标包围矩形中包括的所有像素点的数量。预设连通域面积占比阈值可以是预设的面积比值阈值,用于对初始连通域计算筛选目标连通域。
图3是本发明实施例二提供的一种对待处理图片计算得到初始连通域的效果示意图。图4是本发明实施例二提供的一种对初始连通域筛选得到目标连通域的效果示意图。在一个具体的例子中,对待处理图片进行动态二值化处理后,可以得到如图3所示的二值化图像。进一步的,对图片计算初始连通域,图3中有交叉条状划痕、团状缺陷与弯曲划痕等三种不同类型的缺陷图像,因此可以分别计算得到3个不同的初始连通域。其中,交叉划痕和弯曲区域的面积相对较小,但组成它的连通域的最小包围矩形的面积相对较大,根据这个特性,可以剔除团状区域。
具体的,可以计算各初始连通域的连通域面积,也即连通域中包括的实际有效像素的数量,并计算初始连通域的连通域面积和初始连通域的目标包围矩形面积之间的面积比值,从而利用面积比值与预设连通域面积占比阈值之间的大小关系,从各初始连通域中筛选得到备选待处理交叉划痕匹配的目标连通域。
可选的,可以基于公式:Size/(w*h)<ratio,从各初始连通域中筛选得到备选待处理交叉划痕匹配的目标连通域。其中,Size为连通域面积即连通域中包含的有效像素点的数量,w是连通域对应目标包围矩形面积如最小包围矩形的宽,h是连通域对应目标包围矩形面积如最小包围矩形的高,ratio为预设连通域面积占比阈值。也即,当计算得到的面积比值大于预设连通域面积占比阈值时,可以认为该初始连通域中不存在交叉划痕。可选的,ratio的取值可以0.3等。示例性的,图3所示的初始连通域进行过滤后可以剔除干扰区域后,得到如图4所示的效果。
S220、对所述目标连通域提取划痕骨架,对所述划痕骨架计算骨架连通域,并计算各所述骨架连通域中的端点。
其中,骨架连通域可以是对划痕骨架计算得到的连通域。
S230、根据各所述骨架连通域中端点的数量从所述备选待处理交叉划痕中确定所述目标交叉划痕。
相应的,在筛选得到目标连通域之后,可以对目标连通域进行骨架提取操作。骨架提取是图像处理中一种形态学算法,相当于对划痕瘦身,提取到的划痕骨架都用单个像素点连接而成。图5是本发明实施例二提供的一种划痕骨架的效果示意图,图6是本发明实施例二提供的一种局部划痕骨架的放大效果示意图。在一个具体的例子中,如图4、图5和图6所示,对图4所示的划痕提取划痕骨架,可以得到如图5所示的划痕骨架效果。进一步的,对图5所示的划痕骨架进行放大处理,得到如图6所示的局部划痕骨架的放大效果。如图6所示,划痕骨架的所有线段都由单个像素点组成。
在提取得到划痕骨架后,进一步对划痕骨架再次进行连通域求解,以剔除单条划痕的干扰。具体操作可以包括:对划痕骨架计算骨架连通域,并计算各骨架连通域中的端点。一般的,交叉划痕由多条单条划痕组成,因此通常会包括多个端点。据此,可以根据各骨架连通域中包括的端点的数量从备选待处理交叉划痕中剔除非交叉划痕,确定目标交叉划痕。
图7是本发明实施例二提供的一种计算各骨架连通域中的端点的效果示意图。在一个具体的例子中,如图5和图7所示,图中交叉划痕共有A、B、C和D等共4个端点,而单条弯曲划痕则只有E和F2个端点。因此,可以将只有2个端点的单条弯曲划痕排除,得到划痕AD和划痕BC构成的目标交叉划痕。
可选的,可以采用八连通分析的方法计算各骨架连通域中的端点。图8是本发明实施例二提供的一种八连通分析方法的效果示意图。在一个具体的例子中,如图7和图8所示,对骨架连通域里的每个点进行八连通分析,如果当前像素点的八连通范围内只有一个点与之相连,则当前像素点就是端点,如图7中点A。如果当前像素点的八连通范围内有多个点与之相连,则当前像素点是非端点,如图7中的点O。
如图7所示,通过根据各骨架连通域中包括的端点的数量从备选待处理交叉划痕中剔除非交叉划痕,可以确定如图9所示的目标交叉划痕。
S240、确定所述目标交叉划痕的各个划痕端点,对各个划痕端点采用单调递归的方式计算所述骨架连通线。
相应的,在确定目标交叉划痕后,即可对各个划痕端点采用单调递归的方式计算骨架连通线。
图10是本发明实施例二提供的一种通过单调递归的方式计算骨架连通线的效果示意图。在一个具体的例子中,如图10所示,端点A、B、C及D和中间交点O。其中,A'、B'、C'及D'分别为曲线AO、BO、CO和DO上除O点外离O点最近的点。假设从端点A开始计算骨架连通线,当连通点经过点A'到点O时,它的下一个点只能是B'、C'、D'中某一个点,直到到达点B、C或D结束,整个过程中不跳点不重复,因此图10中共有AB、AC、AD、BC、BD以及CD共6条骨架连通线。
S250、确定梯度量化处理的目标梯度量化函数,根据所述目标梯度量化函数对所述骨架连通线的各个像素点进行梯度量化处理,得到各所述骨架连通线中像素点集的梯度量化值。
其中,目标梯度量化函数可以用于计算每两个像素点之间的梯度量化值。
在本发明实施例中,在对骨架连通线的各个像素点进行梯度量化处理时,为了方便分析,将梯度进一步量化为反正切函数,用弧度表示,具体的目标梯度量化函数可以为:
其中,gradient表示求得的梯度量化值,点P(Px,Py)与点Q(Qx,Qy)可以是在同一条骨架连通线里间隔k(k=2,3,4,5...,一般取4)的两个像素点。以图7中的骨架连通线BC为例,假设该骨架连通线里包含了m个点,那么该骨架连通线可以求得(m-k)个梯度的反正切值作为梯度量化值。
S260、根据各所述骨架连通线中像素点集的梯度量化值生成所述骨架连通线的梯度量化矩阵。
图11是本发明实施例二提供的一种梯度量化矩阵的组成结构示意图。在一个具体的例子中,对图7中骨架连通线BC中各像素点计算得到梯度量化值后,依次对该骨架连通线中像素点集的梯度量化值按顺序进行排序,即可得到如图11所示的骨架连通线BC的梯度量化矩阵。其中,图11仅示意了梯度量化矩阵的部分数据内容。由图11可知,梯度量化矩阵的矩阵元素值的变化趋势可以反应骨架连通线中像素点集的梯度量化趋势。
在本发明的一个可选实施例中,在所述根据各所述骨架连通线中像素点集的梯度量化值生成所述骨架连通线的梯度量化矩阵之后,还可以包括:根据所述骨架连通线的梯度量化矩阵生成所述骨架连通线的梯度量化跳变矩阵;在确定所述梯度量化跳变矩阵中存在目标跳变幅度梯度量化值的情况下,对所述梯度量化跳变矩阵进行平滑处理,得到平滑梯度量化跳变矩阵。
其中,梯度量化跳变矩阵可以是依次对梯度量化矩阵中相邻两矩阵元素计算得到的梯度量化跳变值所构成的矩阵。目标跳变幅度梯度量化值可以是梯度量化跳变矩阵中相邻两个变化幅度较大的矩阵元素值。平滑梯度量化跳变矩阵可以是对梯度量化跳变矩阵进行平滑处理后得到矩阵。
为了更直观地显示梯度量化矩阵的变化趋势,可以对梯度量化矩阵中每相邻两个矩阵元素中后者减去前者,计算得到梯度跳变矩阵。图12是本发明实施例二提供的一种梯度跳变矩阵的组成结构示意图。在一个具体的例子中,可以对图11所示的梯度量化矩阵计算得到如图12所示的梯度跳变矩阵。从图12中可看出梯度跳变矩阵中各矩阵元素的跳变值都接近0,至少没有超过π/2的幅度,也反映出该梯度跳变矩阵对应的像素点在曲线BC中是一条平滑的线。
由此可见,当梯度跳变矩阵中元素变化不大时,可认为对应的该段曲线是平滑的。但是,由于采用了反正切值量化梯度,而正切函数本身就是不连续的,因此可能导致平滑的曲线也会有极大的跳变值。图13是本发明实施例二提供的一种连通线的结构示意图,图14是本发明实施例二提供的一种连通线中部分像素点的梯度量化矩阵和梯度跳变矩阵的结构示意图。在一个具体的例子中,如图13和图14所示,点J、K以及L分别是连通线GH上的点,当采用上述求解gradient的公式作为目标梯度量化函数计算梯度量化值时,量化点J、K和点K、L之间的梯度变化时,会发现梯度跳变矩阵中跳变幅度比较大,跳幅接近π。
考虑到正切函数的定义域不连续的问题,得到梯度跳变矩阵后,可以检测梯度跳变矩阵中是否存在目标跳变幅度梯度量化值,例如可以将与相邻矩阵元素跳变超过π/2的目标矩阵元素作为目标跳变幅度梯度量化值。如果确定存在目标跳变幅度梯度量化值,则可以从第1个矩阵元素到目标矩阵元素为止,对其中的每个矩阵元素值加上π或减去-π后,替换原位置的矩阵元素值,实现对梯度跳变矩阵的平滑处理。
可选的,可以基于如下公式对梯度跳变矩阵进行平滑处理:
其中,Vn是梯度跳变矩阵中第n个矩阵元素的值,Vm和Vm+1是相邻且跳变超过π/2的两个矩阵元素的值。上述公式的含义是:当第(m+1)个矩阵元素减去第m个矩阵元素的值大于π/2,则将梯度跳变矩阵中第1到m个矩阵元素加上π;当第(m+1)个矩阵元素减去第m个矩阵元素的值小于-π/2,则将梯度跳变矩阵中第1到m个矩阵元素减去π。
图15为本发明实施例二提供的一种梯度量化矩阵和梯度跳变矩阵平滑处理后的结构示意图。在一个具体的例子中,如图13、图14和图15所示,对图14所示的矩阵进行平滑处理后得到的梯度量化矩阵和梯度跳变矩阵的变化趋势中均可以看出,曲线JKL实际上也是一条平滑的曲线。
在本发明实施例中,可选的,为了使梯度量化值的结果连续,还可以基于如下公式确定目标梯度量化函数为:
/>
其中,Ri表示最终采用的目标梯度量化函数。上述公式的含义是:当第j个梯度量化值接近-π/2但始终大于-π/2时,则从第1个到第j个梯度量化值分别加上π,否则不变。
需要说明的是,当采用Ri作为目标梯度量化函数时,后续则无需对梯度量化矩阵或梯度量化跳变矩阵进行平滑处理。
S270、根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线。
在本发明的一个可选实施例中,所述根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线,可以包括:根据所述平滑梯度量化跳变矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线。
可选的,如果梯度量化矩阵未进行跳变处理和平滑处理,则可以直接对骨架连通线的梯度量化矩阵进行数据分析,以从各骨架连通线中确定目标交叉划痕的目标划痕骨架连通线。如果梯度量化矩阵经过跳变处理生成了梯度量化跳变矩阵,则可以对骨架连通线的梯度量化跳变矩阵进行数据分析,以从各骨架连通线中确定目标交叉划痕的目标划痕骨架连通线。如果梯度量化矩阵经过跳变处理和平滑处理得到平滑梯度量化跳变矩阵,则可以对骨架连通线的平滑梯度量化跳变矩阵进行数据分析,以从各骨架连通线中确定目标交叉划痕的目标划痕骨架连通线。
在本发明的一个可选实施例中,所述根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线,可以包括:确定所述梯度量化矩阵的相邻梯度量化值之间的量化值突变差值。在确定所述量化值突变差值小于预设量化值突变差值的情况下,确定所述梯度量化矩阵对应的骨架连通线为所述目标划痕骨架连通线。
其中,量化值突变差值可以是相邻两个梯度量化值之间的差值。预设量化值突变差值可以根据实际需求设定,本发明实施例并不对预设量化值突变差值的具体数值进行限定。
可选的,在得到梯度量化矩阵后,可以依次计算梯度量化矩阵中各相邻梯度量化值之间的量化值突变差值,并对量化值突变差值依次进行判断。如果某个或多个量化值突变差值大于或等于预设量化值突变差值,则表明该梯度量化矩阵对应的骨架连通线并不属于目标划痕骨架连通线。如果各量化值突变差值均小于预设量化值突变差值,则表明该梯度量化矩阵对应的骨架连通线属于目标划痕骨架连通线。
可选的,如果梯度量化矩阵经过了跳变处理和/或平滑处理,还可以以平滑处理后的梯度量化矩阵、梯度量化跳变矩阵或平滑梯度量化跳变矩阵为依据,判断矩阵中相邻梯度量化值之间的量化值突变差值是否超过预设量化值突变差值。如果对应矩阵中相邻梯度量化值之间的量化值突变差值均没有超过预设量化值突变差值,表明该矩阵对应的骨架连通线属于目标划痕骨架连通线。
对于交叉的划痕,有多个骨架连通线就能求出多个梯度矩阵。图16是本发明实施例二提供的一种不同骨架连通线对应平滑梯度量化跳变矩阵的组成结构示意图。在一个具体的例子中,图10中AD和AB两条骨架连通线的梯度量化跳变矩阵经过平滑操作后,可以得到图16所示的点O前后部分对应的平滑梯度量化跳变矩阵。从图16中2个平滑梯度量化跳变矩阵可以看出,骨架连通线AD在点O前后对应的矩阵中矩阵元素值变化比较平缓,而骨架连通线AB在点O前后部分中相邻的矩阵元素值存在突变,如-0.01和-3.27之间存在突变。因此,可以确定AD是一条划痕而AB不是一条划痕。同理,图10中AC、BD和CD不是一条划痕,而BC是一条划痕。
S280、根据所述目标交叉划痕的目标划痕骨架连通线对所述目标交叉划痕进行拆解处理。
上述技术方案,在计算得到待处理图片中目标交叉划痕对应的骨架连通线之后,利用多种可选的目标梯度量化函数计算生成骨架连通线的梯度量化矩阵,进一步根据的相邻梯度量化值之间的量化值突变差值,筛选定位目标划痕骨架连通线,可以实现快速识别判断目标交叉划痕的各条划痕,进而通过目标交叉划痕的目标划痕骨架连通线对目标交叉划痕进行拆解处理,能够提高交叉划痕处理的效率和准确率。
需要说明的是,以上各实施例中各技术特征之间的任意排列组合也属于本发明的保护范围。
实施例三
图17是本发明实施例三提供的一种交叉划痕处理装置的示意图,如图17所示,所述装置包括:目标连通域获取模块310、目标交叉划痕确定模块320、骨架连通线计算模块330、梯度量化矩阵获取模块340、目标划痕骨架连通线确定模块350以及目标交叉划痕拆解模块360,其中:
目标连通域获取模块310,用于对包括待处理交叉划痕的待处理图片计算初始连通域,并对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域;
目标交叉划痕确定模块320,用于对所述目标连通域提取划痕骨架,并根据所述划痕骨架从所述备选待处理交叉划痕中确定目标交叉划痕;
骨架连通线计算模块330,用于对所述目标交叉划痕计算骨架连通线;
梯度量化矩阵获取模块340,用于对所述骨架连通线中的各像素点进行梯度量化处理,得到所述骨架连通线的梯度量化矩阵;
目标划痕骨架连通线确定模块350,用于根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线;
目标交叉划痕拆解模块360,用于根据所述目标交叉划痕的目标划痕骨架连通线对所述目标交叉划痕进行拆解处理。
本发明实施例通过对包括待处理交叉划痕的待处理图片计算初始连通域,并对初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域,进一步对目标连通域提取划痕骨架,并根据划痕骨架从备选待处理交叉划痕中确定目标交叉划痕。在确定目标交叉划痕后,对目标交叉划痕计算骨架连通线,并对骨架连通线中的各像素点进行梯度量化处理,得到骨架连通线的梯度量化矩阵。在得到骨架连通线的梯度量化矩阵之后,即可根据骨架连通线的梯度量化矩阵从各骨架连通线中确定目标交叉划痕的目标划痕骨架连通线,以根据目标交叉划痕的目标划痕骨架连通线对目标交叉划痕进行拆解处理。上述技术方案提供了一种快速处理交叉划痕的方式,可以解决现有通过人工处理交叉划痕的方法存在的效率和准确率较低等问题,能够提高交叉划痕处理的效率和准确率。
可选的,目标连通域获取模块310具体用于:计算各所述初始连通域的连通域面积;计算所述初始连通域的连通域面积和所述初始连通域的目标包围矩形面积之间的面积比值;根据所述面积比值与预设连通域面积占比阈值之间的大小关系,从各所述初始连通域中筛选得到所述备选待处理交叉划痕匹配的目标连通域。
可选的,目标交叉划痕确定模块320具体用于:对所述划痕骨架计算骨架连通域,并计算各所述骨架连通域中的端点;根据各所述骨架连通域中端点的数量从所述备选待处理交叉划痕中确定所述目标交叉划痕。
可选的,骨架连通线计算模块330具体用于:确定所述目标交叉划痕的各个划痕端点;对各个划痕端点采用单调递归的方式计算所述骨架连通线。
可选的,梯度量化矩阵获取模块340具体用于:确定梯度量化处理的目标梯度量化函数;根据所述目标梯度量化函数对所述骨架连通线的各个像素点进行梯度量化处理,得到各所述骨架连通线中像素点集的梯度量化值;根据各所述骨架连通线中像素点集的梯度量化值生成所述骨架连通线的梯度量化矩阵。
可选的,梯度量化矩阵获取模块340具体用于:根据所述骨架连通线的梯度量化矩阵生成所述骨架连通线的梯度量化跳变矩阵;在确定所述梯度量化跳变矩阵中存在目标跳变幅度梯度量化值的情况下,对所述梯度量化跳变矩阵进行平滑处理,得到平滑梯度量化跳变矩阵;目标划痕骨架连通线确定模块350具体用于:根据所述平滑梯度量化跳变矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线。
可选的,目标交叉划痕拆解模块360具体用于:确定所述梯度量化矩阵的相邻梯度量化值之间的量化值突变差值;在确定所述量化值突变差值小于预设量化值突变差值的情况下,确定所述梯度量化矩阵对应的骨架连通线为所述目标划痕骨架连通线。
上述交叉划痕处理装置可执行本发明任意实施例所提供的交叉划痕处理方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的交叉划痕处理方法。
由于上述所介绍的交叉划痕处理装置为可以执行本发明实施例中的交叉划痕处理方法的装置,故而基于本发明实施例中所介绍的交叉划痕处理方法,本领域所属技术人员能够了解本实施例的交叉划痕处理装置的具体实施方式以及其各种变化形式,所以在此对于该交叉划痕处理装置如何实现本发明实施例中的交叉划痕处理方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中交叉划痕处理方法所采用的装置,都属于本申请所欲保护的范围。
实施例四
图18示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图18所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如交叉划痕处理方法。
在一些实施例中,交叉划痕处理方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的交叉划痕处理方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行交叉划痕处理方法。
可选的,交叉划痕处理方法可以包括:对包括待处理交叉划痕的待处理图片计算初始连通域,并对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域;对所述目标连通域提取划痕骨架,并根据所述划痕骨架从所述备选待处理交叉划痕中确定目标交叉划痕;对所述目标交叉划痕计算骨架连通线;对所述骨架连通线中的各像素点进行梯度量化处理,得到所述骨架连通线的梯度量化矩阵;根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线;根据所述目标交叉划痕的目标划痕骨架连通线对所述目标交叉划痕进行拆解处理。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
Claims (10)
1.一种交叉划痕处理方法,其特征在于,包括:
对包括待处理交叉划痕的待处理图片计算初始连通域,并对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域;
对所述目标连通域提取划痕骨架,并根据所述划痕骨架从所述备选待处理交叉划痕中确定目标交叉划痕;
对所述目标交叉划痕计算骨架连通线;
对所述骨架连通线中的各像素点进行梯度量化处理,得到所述骨架连通线的梯度量化矩阵;
根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线;
根据所述目标交叉划痕的目标划痕骨架连通线对所述目标交叉划痕进行拆解处理。
2.根据权利要求1所述的方法,其特征在于,所述对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域,包括:
计算各所述初始连通域的连通域面积;
计算所述初始连通域的连通域面积和所述初始连通域的目标包围矩形面积之间的面积比值;
根据所述面积比值与预设连通域面积占比阈值之间的大小关系,从各所述初始连通域中筛选得到所述备选待处理交叉划痕匹配的目标连通域。
3.根据权利要求1所述的方法,其特征在于,所述根据所述划痕骨架从所述备选待处理交叉划痕中确定目标交叉划痕,包括:
对所述划痕骨架计算骨架连通域,并计算各所述骨架连通域中的端点;
根据各所述骨架连通域中端点的数量从所述备选待处理交叉划痕中确定所述目标交叉划痕。
4.根据权利要求1所述的方法,其特征在于,所述对所述目标交叉划痕计算骨架连通线,包括:
确定所述目标交叉划痕的各个划痕端点;
对各个划痕端点采用单调递归的方式计算所述骨架连通线。
5.根据权利要求1所述的方法,其特征在于,所述对所述骨架连通线中的各像素点进行梯度量化处理,得到所述骨架连通线的梯度量化矩阵,包括:
确定梯度量化处理的目标梯度量化函数;
根据所述目标梯度量化函数对所述骨架连通线的各个像素点进行梯度量化处理,得到各所述骨架连通线中像素点集的梯度量化值;
根据各所述骨架连通线中像素点集的梯度量化值生成所述骨架连通线的梯度量化矩阵。
6.根据权利要求5所述的方法,其特征在于,在所述根据各所述骨架连通线中像素点集的梯度量化值生成所述骨架连通线的梯度量化矩阵之后,还包括:
根据所述骨架连通线的梯度量化矩阵生成所述骨架连通线的梯度量化跳变矩阵;
在确定所述梯度量化跳变矩阵中存在目标跳变幅度梯度量化值的情况下,对所述梯度量化跳变矩阵进行平滑处理,得到平滑梯度量化跳变矩阵;
所述根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线,包括:
根据所述平滑梯度量化跳变矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线。
7.根据权利要求1所述的方法,其特征在于,所述根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线,包括:
确定所述梯度量化矩阵的相邻梯度量化值之间的量化值突变差值;
在确定所述量化值突变差值小于预设量化值突变差值的情况下,确定所述梯度量化矩阵对应的骨架连通线为所述目标划痕骨架连通线。
8.一种交叉划痕处理装置,其特征在于,包括:
目标连通域获取模块,用于对包括待处理交叉划痕的待处理图片计算初始连通域,并对所述初始连通域进行过滤处理,得到备选待处理交叉划痕匹配的目标连通域;
目标交叉划痕确定模块,用于对所述目标连通域提取划痕骨架,并根据所述划痕骨架从所述备选待处理交叉划痕中确定目标交叉划痕;
骨架连通线计算模块,用于对所述目标交叉划痕计算骨架连通线;
梯度量化矩阵获取模块,用于对所述骨架连通线中的各像素点进行梯度量化处理,得到所述骨架连通线的梯度量化矩阵;
目标划痕骨架连通线确定模块,用于根据所述骨架连通线的梯度量化矩阵从各所述骨架连通线中确定所述目标交叉划痕的目标划痕骨架连通线;
目标交叉划痕拆解模块,用于根据所述目标交叉划痕的目标划痕骨架连通线对所述目标交叉划痕进行拆解处理。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一所述的交叉划痕处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一所述的交叉划痕处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311815165.XA CN117764964A (zh) | 2023-12-26 | 2023-12-26 | 一种交叉划痕处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311815165.XA CN117764964A (zh) | 2023-12-26 | 2023-12-26 | 一种交叉划痕处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117764964A true CN117764964A (zh) | 2024-03-26 |
Family
ID=90317966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311815165.XA Pending CN117764964A (zh) | 2023-12-26 | 2023-12-26 | 一种交叉划痕处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117764964A (zh) |
-
2023
- 2023-12-26 CN CN202311815165.XA patent/CN117764964A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581463B (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
CN115205291B (zh) | 一种电路板检测方法、装置、设备和介质 | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
CN114119466A (zh) | 铝箔表面缺陷检测方法、装置、设备及计算机存储介质 | |
CN115272290A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN115331132A (zh) | 一种汽车零件的检测方法、装置、电子设备和存储介质 | |
CN115294060A (zh) | 电器设备的外观缺陷检测方法、装置、电子设备及介质 | |
CN115272381B (zh) | 一种金属线分割方法、装置、电子设备及存储介质 | |
CN117764964A (zh) | 一种交叉划痕处理方法、装置、电子设备及存储介质 | |
CN112907518B (zh) | 检测方法、装置、设备、存储介质及程序产品 | |
CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
CN115205163A (zh) | 一种标识图像的处理方法、装置、设备及存储介质 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
CN115358992A (zh) | 一种光斑检测方法、装置、电子设备以及存储介质 | |
CN117764961A (zh) | 一种断开划痕连接处理方法、装置、电子设备及存储介质 | |
CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN117593780B (zh) | 一种皱纹深度指数确定方法、装置、电子设备及存储介质 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN115187585A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN116934739A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN118014971A (zh) | 光伏组件的表面缺陷检测方法、装置、设备及存储介质 | |
CN116596941A (zh) | 一种图像分割方法、装置、设备及存储介质 | |
CN117474849A (zh) | 一种复合滤棒中各基棒长度测量方法、装置、设备及介质 | |
CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 |
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 |