TWI771255B - 瑕疵檢測方法及裝置、電腦設備及儲存介質 - Google Patents
瑕疵檢測方法及裝置、電腦設備及儲存介質 Download PDFInfo
- Publication number
- TWI771255B TWI771255B TW110149785A TW110149785A TWI771255B TW I771255 B TWI771255 B TW I771255B TW 110149785 A TW110149785 A TW 110149785A TW 110149785 A TW110149785 A TW 110149785A TW I771255 B TWI771255 B TW I771255B
- Authority
- TW
- Taiwan
- Prior art keywords
- threshold
- color difference
- difference value
- pixel
- sample images
- Prior art date
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申請涉及圖像處理,提供一種瑕疵檢測方法、裝置、電腦設備及存儲介質。所述方法包括:獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像,基於測試樣本圖像及多張正樣本圖像對應的畫素點,得到畫素差值,根據多張正樣本圖像生成色差閾值並結合畫素差值生成複數特徵連通區域,根據多張正樣本圖像的圖像雜訊生成第一閾值,根據每個特徵連通區域中畫素點的數量及第一閾值,從複數特徵連通區域中篩選目標區域,根據多張負樣本圖像的瑕疵畫素點生成第二閾值,根據目標區域面積及第二閾值,確定檢測結果。本申請能夠提高瑕疵檢測的準確性。
Description
本申請涉及圖像處理技術領域,尤其涉及一種瑕疵檢測方法及裝置、電腦設備及儲存介質。
在現有的瑕疵檢測方式中,存在無法抵抗合理誤差的問題,例如,合理誤差可以包括:輕微的顏色色差、生成產品圖像時產生的背景雜音,從而導致瑕疵檢測的準確率不高。
鑒於以上內容,有必要提供一種瑕疵檢測方法及裝置、電腦設備及儲存介質,提高瑕疵檢測的準確性。
一種瑕疵檢測方法,所述瑕疵檢測方法包括:
獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像;
基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值;
根據所述多張正樣本圖像生成色差閾值;
根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域;
根據所述多張正樣本圖像的圖像雜訊生成第一閾值;
根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域;
根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值;
根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果。
根據本申請優選實施例,所述根據所述多張正樣本圖像生成色差閾值包括:
將任意兩張正樣本圖像中對應的畫素點的畫素值進行相減運算處理,得到色差值;
統計所述多張正樣本圖像中具有相同色差值的畫素點數量;
將所述色差值作為橫座標,及將所述色差值對應的畫素點數量作為縱座標生成色差長條圖;
根據預設值從所述色差長條圖的座標值中選取複數連續色差值,並將相互連續的連續色差值確定為同一集合,得到複數特徵集合;
統計每個特徵集合中的元素數量;
將最多的元素數量對應的特徵集合確定為目標色差值集合;
從所述目標色差值集合中篩選出最大色差值作為所述色差閾值。
根據本申請可選實施例,所述根據所述多張正樣本圖像的圖像雜訊生成第一閾值包括:
將除所述目標色差值集合外的每個特徵集合確定為背景色差值集合;
從所述多張正樣本圖像中篩選與所述背景色差值集合中的色差值對應的畫素點作為雜訊畫素點;
根據相鄰的雜訊畫素點生成複數第一連通區域;
統計每個第一連通區域中雜訊畫素點的數量,得到所述圖像雜訊;
篩選取值最大的圖像雜訊作為所述第一閾值。
根據本申請可選實施例,所述根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域包括:
將大於所述色差閾值的畫素差值確定為目標差值;
從所述測試樣本圖像中篩選與所述目標差值對應的畫素點作為目標畫素點;
根據相鄰的目標畫素點生成所述複數特徵連通區域;
將小於或者等於所述色差閾值的畫素差值確定為背景差值,從所述測試樣本圖像中篩選與所述背景差值對應的畫素點作為背景畫素點,所述背景畫素點處於任意兩個特徵連通區域之間。
根據本申請可選實施例,所述根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域包括:
統計每個特徵連通區域中畫素點的數量,得到第一數量;
將大於所述第一閾值的第一數量所對應的特徵連通區域確定為所述目標區域。
根據本申請可選實施例,所述根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值包括:
獲取每張負樣本圖像的每個畫素點的第一畫素值,並獲取對應的正樣本圖像的對應畫素點的第二畫素值;
計算所述第一畫素值與所述第二畫素值的差值,得到負樣本差值;
將大於所述色差閾值的負樣本差值確定為瑕疵差值,從所述多張負樣本圖像中篩選與所述瑕疵差值對應的畫素點作為所述瑕疵畫素點;
根據相鄰的瑕疵畫素點生成所述複數第二連通區域;
將小於或者等於所述色差閾值的負樣本差值確定為特徵差值,從所述多張負樣本圖像中篩選出與所述特徵差值對應的畫素點作為特徵畫素點,所述特徵畫素點處於任意兩個第二連通區域之間;
統計每個第二連通區域中畫素點的數量,得到第二數量;
將大於所述第一閾值的第二數量所對應的第二連通區域確定為瑕疵區域;
計算所述瑕疵區域的面積,得到第一瑕疵面積;
將所述第一瑕疵面積中的最小值作為所述第二閾值。
根據本申請可選實施例,所述根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果包括:
根據所述目標區域中的所有畫素點計算所述目標區域的面積,得到第二瑕疵面積;
若所述第二瑕疵面積大於所述第二閾值,將所述檢測結果確定為瑕疵樣本;
若所述第二瑕疵面積小於或者等於所述第二閾值,將所述檢測結果確定為無瑕疵樣本。
本申請還提供一種瑕疵檢測裝置,所述瑕疵檢測裝置包括:
獲取單元,用於獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像;
確定單元,用於基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值;
生成單元,用於根據所述多張正樣本圖像生成色差閾值;
所述生成單元,還用於根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域;
所述生成單元,還用於根據所述多張正樣本圖像的圖像雜訊生成第一閾值;
篩選單元,用於根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域;
所述生成單元,還用於根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值;
所述確定單元,還用於根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果。
本申請還提供一種電腦設備,所述電腦設備包括:
儲存器,儲存至少一個指令;及
處理器,執行所述儲存器中儲存的指令以實現所述瑕疵檢測方法。
本申請還提供一種電腦可讀儲存介質,所述電腦可讀儲存介質中儲存有至少一個指令,所述至少一個指令被電腦設備中的處理器執行以實現所述瑕疵檢測方法。
由以上技術方案可以看出,本申請透過所述多張正樣本圖像的圖像雜訊計算出所述第一閾值,並根據所述第一閾值從所述測試樣本圖像中篩選出所述目標區域,由於所述目標區域中包含了一定的合理誤差,因此,透過結合所述多張負樣本圖像的瑕疵畫素點確定出的第二閾值,能夠避免所述測試圖像中合理誤差對瑕疵檢測的影響,從而能夠提高所述測試樣本圖像的檢測準確性。
為了使本申請的目的、技術方案和優點更加清楚,下面結合附圖和具體實施例對本申請進行詳細描述。
如圖1所示,是本申請瑕疵檢測方法的較佳實施例的應用環境圖。攝像裝置2與電腦設備1相通信,所述攝像裝置2可以是攝像頭,也可以是實現拍攝的其它裝置
如圖2所示,是本申請瑕疵檢測方法的較佳實施例的流程圖。根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。
所述瑕疵檢測方法應用於一個或者複數電腦設備1中,所述電腦設備1是一種能夠按照事先設定或儲存的指令,自動進行數值計算和/或 資訊處理的設備,其硬體包括但不限於微處理器、專用積體電路(Application Specific Integrated Circuit,ASIC)、 可程式設計閘陣列(Field-Programmable Gate Array,FPGA)、 數位訊號處理器(Digital Signal Processor,DSP)、 嵌入式設備等。
所述電腦設備1可以是任何一種可與用戶進行人機交互的電腦產品,例如,個人電腦、平板電腦、智慧手機、個人數位助理(Personal Digital Assistant,PDA)、遊戲機、互動式網路電視(Internet Protocol Television,IPTV)、智慧式穿戴式設備等。
所述電腦設備1還可以包括網路設備和/或使用者設備。其中,所述網路設備包括,但不限於單個網路伺服器、複數網路伺服器組成的伺服器組或基於雲計算(Cloud Computing)的由大量主機或網路伺服器構成的雲。
所述電腦設備1所處的網路包括但不限於網際網路、廣域網路、都會區網路、區域網路、虛擬私人網路(Virtual Private Network,VPN)等。
步驟S10,獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像。
在本申請的至少一個實施例中,所述正樣本為無瑕疵樣本,所述多張正樣本圖像可表示無瑕疵圖像。所述多張正樣本圖像可用於計算色差閾值和第一閾值的圖像,計算過程在下文進行詳細介紹。
在本申請的至少一個實施例中,所述負樣本為瑕疵樣本,所述多張負樣本圖像可表示瑕疵圖像。所述多張負樣本圖像可用於計算第二閾值的圖像,計算過程在下文進行詳細介紹。
在本申請的至少一個實施例中,所述測試樣本圖像是指需要進行檢測的樣本的圖像。利用所述瑕疵檢測方法,可透過對所述測試樣本圖像的識別與檢測,從而判斷所述測試樣本是否為瑕疵樣本或無瑕疵樣本。
在本申請的至少一個實施例中,所述電腦設備獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像包括:
所述電腦設備控制所述攝像裝置以相同的位置和角度拍攝複數正樣本、負樣本與測試樣本,並得到所述多張正樣本圖像、所述多張負樣本圖像及所述測試樣本圖像。所述多張正樣本圖像、所述多張負樣本圖像及所述測試樣本圖像形狀尺寸相同。
步驟S11,基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值。
在本申請的至少一個實施例中,所述畫素差值是指所述測試樣本圖像中的畫素點對應的畫素值與所述多張正樣本圖像中的畫素點對應的畫素值之間的差值,用於表示兩個對應的畫素點的畫素值之間的差距。
在本申請的至少一個實施例中,所述電腦設備基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值包括:
所述電腦設備獲取所述測試樣本圖像中的畫素點對應的畫素值作為第一畫素值,獲取所述多張正樣本圖像中對應畫素點的畫素值作為第二畫素值。所述電腦設備計算所述第一畫素值與所述第二畫素值的差值,得到所述畫素差值。
步驟S12,根據所述多張正樣本圖像生成色差閾值。
在本申請的至少一個實施例中,所述色差閾值是指所述多張正樣本圖像中雜訊對應的畫素點的最大數量,用於區分所述測試樣本圖像中的目標畫素點與背景畫素點。
在本申請的至少一個實施例中,所述電腦設備根據所述多張正樣本圖像生成色差閾值包括:
所述電腦設備將任意兩張正樣本圖像中對應的畫素點的畫素值進行相減運算處理,得到色差值。所述電腦設備統計所述多張正樣本圖像中具有相同色差值的畫素點數量。所述電腦設備將所述色差值作為橫座標,及將所述色差值對應的畫素點數量作為縱座標,生成色差長條圖。所述電腦設備根據預設值從所述色差長條圖中的座標值中選取複數連續色差值,並將相互連續的連續色差值確定為同一集合,得到複數特徵集合。
所述電腦設備統計每個特徵集合中的元素數量,將最多的元素數量對應的特徵集合確定為目標色差值集合,從所述目標色差值集合中篩選出最大色差值作為所述色差閾值。
其中,所述多張正樣本圖像中的畫素點包括雜訊畫素點和背景畫素點。
所述預設值可以自訂設置,本申請不作限制。
例如,當預設值為0,所述長條圖中色差值0對應的畫素點數量為2,色差值1對應的畫素點數量為3,色差值2對應的畫素點數量為4,色差值3對應的畫素點數量為5,色差值4對應的畫素點數量為2,色差值5對應的畫素點數量為3,色差值6對應的畫素點數量為0,色差值7對應的畫素點數量為1,色差值8對應的畫素點數量為2,所述色差值9對應的畫素點數量為2,色差值10對應的畫素點數量為0,則得到特徵集合A {色差值0,色差值1,色差值2,色差值3,色差值4,色差值5}和特徵集合B={色差值7,色差值8,色差值9},所述特徵集合A中包含的元素數量大於所述特徵集合B中包含的元素數量,因此所述特徵集合A為目標色差值集合,則將所述特徵集合A中最大的色差值5確定為所述色差閾值。
具體地,所述座標值包括縱座標值及橫座標值,所述電腦設備根據預設值從所述色差長條圖中的座標值中選取複數連續色差值,並將相互連續的連續色差值確定為同一集合,得到複數特徵集合包括:
將每個縱座標值分別與所述預設值相比較,當縱座標值大於或者等於所述預設值時,選取所述縱座標值對應的橫座標值,得到複數色差值。如上文所述,所述橫座標值為色差值。
從所述複數色差值中選取連續色差值,並將相互連續的連續色差值確定為同一集合,得到複數特徵集合。
透過上述實施方式,能夠獲得所述多張正樣本圖像中背景畫素點的最大色差值,並將所述最大色差值作為所述色差閾值。
步驟S13,根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域。
在本申請的至少一個實施例中,所述複數特徵連通區域是指所述測試樣本圖像中由相鄰的目標畫素點連接成的複數連通區域。
在本申請的至少一個實施例中,所述電腦設備根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域包括:
所述電腦設備將大於所述色差閾值的畫素差值確定為目標差值,從所述測試樣本圖像中篩選與所述目標差值對應的畫素點作為目標畫素點。所述電腦設備根據相鄰的目標畫素點生成所述複數特徵連通區域。所述電腦設備將小於或者等於所述色差閾值的畫素差值確定為背景差值,從所述測試樣本圖像中篩選與所述背景差值對應的畫素點作為背景畫素點。所述背景畫素點處於任意兩個特徵連通區域之間。
其中,所述測試樣本圖像中的畫素點包括背景畫素點和目標畫素點。所述背景畫素點處於任意兩個特徵連通區域之間。
如圖3所示,是本申請瑕疵檢測方法的較佳實施例的特徵連通區域生成的示意圖流程圖。當所述色差閾值為5,若畫素差值大於所述色差閾值5,將畫素差值確定為目標差值,將所述目標差值在測試樣本圖像上的畫素點確定為目標畫素點,並將所述目標畫素點標記為“1”。若畫素差值小於或者等於所述色差閾值5,則將畫素差值確定為背景差值,將所述背景差值在測試樣本圖像上的畫素點確定為背景畫素點,並將所述背景畫素點標記為“0”。如此,在所述測試樣本圖像中將所述目標畫素點與所述背景畫素點區分開,相鄰的目標畫素點生成所述複數特徵連通區域,背景畫素點處於任意兩個特徵連通區域之間。
透過上述實施方式,用“0”標記所述測試樣本圖像中的所述背景畫素點,用“1”標記所述測試樣本圖像中的所述目標畫素點,所述目標畫素點與所述背景畫素點得以區分,相鄰的目標畫素點生成所述複數特徵連通區域,因此,能夠準確篩選出所述測試樣本圖像中的所述複數特徵連通區域。
步驟S14,根據所述多張正樣本圖像的圖像雜訊生成第一閾值。
在本申請的至少一個實施例中,將所述多張正樣本圖像的圖像雜訊中的最大值作為所述第一閾值。
在本申請的至少一個實施例中,所述圖像雜訊可以包括,但不限於:輕微的顏色色差、生成產品圖像時產生的背景雜音。
在本申請的至少一個實施例中,所述電腦設備根據所述多張正樣本圖像的圖像雜訊生成第一閾值包括:
所述電腦設備將除所述目標色差值集合外的每個特徵集合確定為背景色差值集合,從所述多張正樣本圖像中篩選與所述背景色差值集合中的色差值對應的畫素點作為雜訊畫素點,進一步地,所述電腦設備根據相鄰的雜訊畫素點生成複數第一連通區域,統計每個第一連通區域中雜訊畫素點的數量,得到所述圖像雜訊,並篩選取值最大的圖像雜訊作為所述第一閾值。
其中,所述雜訊畫素點是指所述多張正樣本圖像中與所述背景色差值集合中的色差值對應的畫素點。
透過上述實施方式,能夠篩選出所述多張正樣本圖像中最大的圖像雜訊,並將所述最大的圖像雜訊作為第一閾值,所述第一閾值用於從所述複數特徵連通區域中篩選出目標區域。
步驟S15,根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域。
在本申請的至少一個實施例中,所述目標區域是指包含畫素點的數量大於所述第一閾值的特徵連通區域。
在本申請的至少一個實施例中,所述電腦設備根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域包括:
所述電腦設備統計每個特徵連通區域中畫素點的數量,得到第一數量,進一步地,所述電腦設備將所述第一數量大於所述第一閾值所對應的特徵連通區域確定為目標區域。
透過上述實施方式,從所述複數特徵連通區域中篩選出所述目標區域,能夠進一步確定出所述測試樣本圖像中的合理誤差,提高了所述測試樣本圖像的檢測準確性。
步驟S16,根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值。
在本申請的至少一個實施例中,根據所述多張負樣本圖像中每個第二連通區域瑕疵畫素點的數量及所述第一閾值確定瑕疵區域,並將所述瑕疵區域面積的最小值作為所述第二閾值。
在本申請的至少一個實施例中,所述電腦設備根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值包括:
所述電腦設備獲取每張負樣本圖像的第三畫素值,並獲取每張正樣本圖像的第四畫素值,計算所述第三畫素值與所述第四畫素值的差值,得到負樣本差值,進一步地,所述電腦設備將大於所述色差閾值的負樣本差值確定為瑕疵差值,從所述多張負樣本圖像中篩選與所述瑕疵差值對應的畫素點作為瑕疵畫素點,所述電腦設備根據相鄰的瑕疵畫素點生成所述複數第二連通區域。所述電腦設備將小於或者等於所述色差閾值的負樣本差值確定為特徵差值,從所述多張負樣本圖像中篩選與所述特徵差值對應的畫素點作為特徵畫素點,所述特徵畫素點處於任意兩個第二連通區域之間。所述電腦設備統計每個第二連通區域中畫素點的數量,得到第二數量。所述電腦設備將所述第二數量大於所述第一閾值所對應的第二連通區域確定為瑕疵區域,並計算所述瑕疵區域的面積,得到第一瑕疵面積,篩選所述第一瑕疵面積中的最小值作為所述第二閾值。
其中,所述多張負樣本圖像中的畫素點包括特徵畫素點和瑕疵畫素點,所述特徵畫素點處於任意兩個第二連通區域之間。
在本申請的至少一個實施例中,所述瑕疵畫素點是指在所述多張負樣本圖像中與所述瑕疵差值對應的畫素點。
在本申請的至少一個實施例中,所述第二連通區域是指所述多張負樣本圖像中相鄰的瑕疵畫素點生成的區域。
在本申請的至少一個實施例中,所述第一瑕疵面積表示畫素點的數量大於所述第一閾值的第二連通區域的面積。
透過上述實施方式,根據所述色差閾值及所述第一閾值能夠準確獲得所述多張負樣本圖像中所述瑕疵區域的最小面積,並將所述最小面積作為第二閾值。
步驟S17,根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果。
在本申請的至少一個實施例中,所述檢測結果包括所述測試樣本圖像中測試樣本為瑕疵樣本及所述測試樣本圖像中測試樣本為無瑕疵樣本。
在本申請的至少一個實施例中,所述電腦設備根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果包括:
所述電腦設備根據所述目標區域中的所有畫素點計算所述目標區域的面積,得到第二瑕疵面積,若所述第二瑕疵面積大於所述第二閾值,所述電腦設備確定所述測試樣本為瑕疵樣本,或者,若所述第二瑕疵面積小於或者等於所述第二閾值,所述電腦設備確定所述測試樣本為無瑕疵樣本。
透過上述實施方式,能夠準確檢測出所述測試樣本圖像中的測試樣本是否是瑕疵樣本並輸出相應的檢測結果。
由以上技術方案可以看出,本申請透過所述多張正樣本圖像的圖像雜訊計算出所述第一閾值,並根據所述第一閾值從所述測試樣本圖像中篩選出所述目標區域,由於所述目標區域中包含了一定的合理誤差,因此,透過結合所述多張負樣本圖像的瑕疵畫素點確定出的第二閾值,能夠避免所述測試圖像中合理誤差對瑕疵檢測的影響,從而能夠提高所述測試樣本圖像的檢測準確性。
如圖4所示,是本申請瑕疵檢測的較佳實施例的功能模組圖。所述瑕疵檢測裝置11包括獲取單元110、確定單元111、生成單元112、篩選單元113。本申請所稱的模組/單元是指一種能夠被處理器13所獲取,並且能夠完成固定功能的一系列電腦程式段,其儲存在儲存器12中。在本實施例中,關於各模組/單元的功能將在後續的實施例中詳述。
獲取單元110獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像。
在本申請的至少一個實施例中,所述正樣本為無瑕疵樣本,所述多張正樣本圖像可表示無瑕疵圖像。所述多張正樣本圖像可用於計算色差閾值和第一閾值的圖像,計算過程在下文進行詳細介紹。
在本申請的至少一個實施例中,所述負樣本為瑕疵樣本,所述多張負樣本圖像可表示瑕疵圖像。所述多張負樣本圖像可用於計算第二閾值的圖像,計算過程在下文進行詳細介紹。
在本申請的至少一個實施例中,所述測試樣本圖像是指需要進行檢測的樣本的圖像。利用所述瑕疵檢測方法,可透過對所述測試樣本圖像的識別與檢測,從而判斷所述測試樣本是否為瑕疵樣本或無瑕疵樣本。
在本申請的至少一個實施例中,所述獲取單元110獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像包括:
所述獲取單元110控制所述攝像裝置以相同的位置和角度拍攝複數正樣本、負樣本與測試樣本,並得到所述多張正樣本圖像、所述多張負樣本圖像及所述測試樣本圖像。所述多張正樣本圖像、所述多張負樣本圖像及所述測試樣本圖像形狀尺寸相同。
確定單元111基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值。
在本申請的至少一個實施例中,所述畫素差值是指所述測試樣本圖像中的畫素點對應的畫素值與所述多張正樣本圖像中的畫素點對應的畫素值之間的差值,用於表示兩個對應的畫素點的畫素值之間的差距。
在本申請的至少一個實施例中,所述確定單元111基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值包括:
所述確定單元111獲取所述測試樣本圖像中的畫素點對應的畫素值作為第一畫素值,獲取所述多張正樣本圖像中對應畫素點的畫素值作為第二畫素值。所述確定單元111計算所述第一畫素值與所述第二畫素值的差值,得到所述畫素差值。
生成單元112根據所述多張正樣本圖像生成色差閾值。
在本申請的至少一個實施例中,所述色差閾值是指所述多張正樣本圖像中雜訊對應的畫素點的最大數量,用於區分所述測試樣本圖像中的目標畫素點與背景畫素點。
在本申請的至少一個實施例中,所述生成單元112根據所述多張正樣本圖像生成色差閾值包括:
所述生成單元112將任意兩張正樣本圖像中對應的畫素點的畫素值進行相減運算處理,得到色差值。所述生成單元112統計所述多張正樣本圖像中具有相同色差值的畫素點數量。所述生成單元112將所述色差值作為橫座標,及將所述色差值對應的畫素點數量作為縱座標,生成色差長條圖。所述生成單元112根據預設值從所述色差長條圖中的座標值中選取複數連續色差值,並將相互連續的連續色差值確定為同一集合,得到複數特徵集合。
所述生成單元112統計每個特徵集合中的元素數量,將所述元素數量最大的特徵集合確定為目標色差值集合,從所述目標色差值集合中篩選出最大色差值作為所述色差閾值。
其中,所述多張正樣本圖像中的畫素點包括雜訊畫素點和背景畫素點。
所述預設值可以自訂設置,本申請不作限制。
例如,當預設值為0,所述長條圖中色差值0對應的畫素點數量為2,色差值1對應的畫素點數量為3,色差值2對應的畫素點數量為4,色差值3對應的畫素點數量為5,色差值4對應的畫素點數量為2,色差值5對應的畫素點數量為3,色差值6對應的畫素點數量為0,色差值7對應的畫素點數量為1,色差值8對應的畫素點數量為2,所述色差值9對應的畫素點數量為2,色差值10對應的畫素點數量為0,則得到特徵集合A {色差值0,色差值1,色差值2,色差值3,色差值4,色差值5}和特徵集合B={色差值7,色差值8,色差值9},所述特徵集合A中包含的元素數量大於所述特徵集合B中包含的元素數量,因此所述特徵集合A為目標色差值集合,則將所述特徵集合A中最大的色差值5確定為所述色差閾值。
具體地,所述座標值包括縱座標值及橫座標值,所述生成單元112根據預設值從所述色差長條圖中的座標值中選取複數連續色差值,並將相互連續的連續色差值確定為同一集合,得到複數特徵集合包括:
將每個縱座標值分別與所述預設值相比較,當縱座標值大於或者等於所述預設值時,選取所述縱座標值對應的橫座標值,得到複數色差值。如上文所述,所述橫座標值為色差值。
從所述複數色差值中選取連續色差值,並將相互連續的連續色差值確定為同一集合,得到複數特徵集合。
透過上述實施方式,能夠獲得所述多張正樣本圖像中背景畫素點的最大色差值,並將所述最大色差值作為所述色差閾值。
所述生成單元112根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域。
在本申請的至少一個實施例中,所述複數特徵連通區域是指所述測試樣本圖像中由相鄰的目標畫素點連接成的複數連通區域。
在本申請的至少一個實施例中,所述生成單元112根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域包括:
所述生成單元112將大於所述色差閾值的畫素差值確定為目標差值,從所述測試樣本圖像中篩選與所述目標差值對應的畫素點作為目標畫素點。所述生成單元112根據相鄰的目標畫素點生成所述複數特徵連通區域。
其中,所述測試樣本圖像中的畫素點包括背景畫素點和目標畫素點。所述背景畫素點處於任意兩個特徵連通區域之間。
如圖3所示,是本申請瑕疵檢測方法的較佳實施例的特徵連通區域生成的示意圖。當所述色差閾值為5,若畫素差值大於所述色差閾值5,將畫素差值確定為目標差值,將所述目標差值在測試樣本圖像上的畫素點確定為目標畫素點,並將所述目標畫素點標記為“1”。若畫素差值小於或者等於所述色差閾值5,則將畫素差值確定為背景差值,將所述背景差值在測試樣本圖像上的畫素點確定為背景畫素點,並將所述背景畫素點標記為“0”。如此,在所述測試樣本圖像中將所述目標畫素點與所述背景畫素點區分開,相鄰的目標畫素點生成所述複數特徵連通區域,背景畫素點處於任意兩個特徵連通區域之間。
透過上述實施方式,用“0”標記所述測試樣本圖像中的所述背景畫素點,用“1”標記所述測試樣本圖像中的所述目標畫素點,所述目標畫素點與所述背景畫素點得以區分,相鄰的目標畫素點生成所述複數特徵連通區域,因此,能夠準確篩選出所述測試樣本圖像中的所述複數特徵連通區域。
所述生成單元112根據所述多張正樣本圖像的圖像雜訊生成第一閾值。
在本申請的至少一個實施例中,將所述多張正樣本圖像的圖像雜訊中的最大值作為所述第一閾值。
在本申請的至少一個實施例中,所述圖像雜訊可以包括,但不限於:輕微的顏色色差、生成產品圖像時產生的背景雜音。
在本申請的至少一個實施例中,所述生成單元112根據所述多張正樣本圖像的圖像雜訊生成第一閾值包括:
所述生成單元112將除所述目標色差值集合外的每個特徵集合確定為背景色差值集合,從所述多張正樣本圖像中篩選與所述背景色差值集合中的色差值對應的畫素點作為雜訊畫素點,進一步地,所述生成單元112根據相鄰的雜訊畫素點生成複數第一連通區域,統計每個第一連通區域中雜訊畫素點的數量,得到所述圖像雜訊,並篩選取值最大的圖像雜訊作為所述第一閾值。
其中,所述雜訊畫素點是指所述多張正樣本圖像中與所述背景色差值集合中的色差值對應的畫素點。
透過上述實施方式,能夠篩選出所述多張正樣本圖像中最大的圖像雜訊,並將所述最大的圖像雜訊作為第一閾值,所述第一閾值用於從所述複數特徵連通區域中篩選出目標區域。
篩選單元113根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域。
在本申請的至少一個實施例中,所示目標區域是指包含畫素點的數量大於所述第一閾值的特徵連通區域。
在本申請的至少一個實施例中,所述篩選單元113根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域包括:
所述篩選單元113統計每個特徵連通區域中畫素點的數量,得到第一數量,進一步地,所述篩選單元113將所述第一數量大於所述第一閾值所對應的特徵連通區域確定為目標區域。
透過上述實施方式,從所述複數特徵連通區域中篩選出所述目標區域,能夠進一步確定出所述測試樣本圖像中的合理誤差,提高了所述測試樣本圖像的檢測準確性。
所述生成單元112根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值。
在本申請的至少一個實施例中,根據所述多張負樣本圖像中每個第二連通區域瑕疵畫素點的數量及所述第一閾值確定瑕疵區域,並將所述瑕疵區域面積的最小值作為所述第二閾值。
在本申請的至少一個實施例中,所述生成單元112根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值包括:
所述生成單元112獲取每張負樣本圖像的第三畫素值,並獲取每張正樣本圖像的第四畫素值,計算所述第三畫素值與所述第四畫素值的差值,得到負樣本差值,進一步地,所述生成單元112將小於或者等於所述色差閾值的負樣本差值確定為特徵差值,從所述多張負樣本圖像中篩選與所述特徵差值對應的畫素點作為特徵畫素點,將大於所述色差閾值的負樣本差值確定為瑕疵差值,從所述多張負樣本圖像中篩選與所述瑕疵差值對應的畫素點作為瑕疵畫素點,更進一步地,所述生成單元112根據相鄰的瑕疵畫素點生成所述複數第二連通區域,所述生成單元112統計每個第二連通區域中畫素點的數量,得到第二數量。所述生成單元112將所述第二數量大於所述第一閾值所對應的第二連通區域確定為瑕疵區域,並計算所述瑕疵區域的面積,得到第一瑕疵面積,篩選所述第一瑕疵面積中的最小值作為所述第二閾值。
其中,所述多張負樣本圖像中的畫素點包括特徵畫素點和瑕疵畫素點,所述特徵畫素點處於任意兩個第二連通區域之間。
在本申請的至少一個實施例中,所述瑕疵畫素點是指在所述多張負樣本圖像中與所述瑕疵差值對應的畫素點。
在本申請的至少一個實施例中,所述第二連通區域是指所述多張負樣本圖像中相鄰的瑕疵畫素點生成的區域。
在本申請的至少一個實施例中,所述第一瑕疵面積表示畫素點的數量大於所述第一閾值的第二連通區域的面積。
透過上述實施方式,根據所述色差閾值及所述第一閾值能夠準確獲得所述多張負樣本圖像中所述瑕疵區域的最小面積,並將所述最小面積作為第二閾值。
所述確定單元111根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果。
在本申請的至少一個實施例中,所述檢測結果包括所述測試樣本圖像中測試樣本為瑕疵樣本及所述測試樣本圖像中測試樣本為無瑕疵樣本。
在本申請的至少一個實施例中,所述確定單元111根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果包括:
所述確定單元111根據所述目標區域中的所有畫素點計算所述目標區域的面積,得到第二瑕疵面積,若所述第二瑕疵面積大於所述第二閾值,所述確定單元111確定所述測試樣本為瑕疵樣本,或者,若所述第二瑕疵面積小於或者等於所述第二閾值,所述確定單元111確定所述測試樣本為無瑕疵樣本。
透過上述實施方式,能夠準確檢測出所述測試樣本圖像中的測試樣本是否瑕疵樣本並輸出相應的檢測結果。
由以上技術方案可以看出,本申請透過所述多張正樣本圖像的圖像雜訊計算出所述第一閾值,並根據所述第一閾值從所述測試樣本圖像中篩選出所述目標區域,由於所述目標區域中包含了一定的合理誤差,因此,透過結合所述多張負樣本圖像的瑕疵畫素點確定出的第二閾值,能夠避免所述測試圖像中合理誤差對瑕疵檢測的影響,從而能夠提高所述測試樣本圖像的檢測準確性。
如圖5所示,是本申請實現瑕疵檢測方法的較佳實施例的電腦設備的結構示意圖。
在本申請的一個實施例中,所述電腦設備1包括,但不限於,儲存器12、處理器13,以及儲存在所述儲存器12中並可在所述處理器13上運行的電腦程式,例如瑕疵檢測程式。
本領域技術人員可以理解,所述示意圖僅僅是電腦設備1的示例,並不構成對電腦設備1的限定,可以包括比圖示更多或更少的部件,或者組合某些部件,或者不同的部件,例如所述電腦設備1還可以包括輸入輸出設備、網路接入設備、匯流排等。
所述處理器13可以是中央處理單元(Central Processing Unit,CPU),還可以是其他通用處理器、數位訊號處理器 (Digital Signal Processor,DSP)、專用積體電路 (Application Specific Integrated Circuit,ASIC)、現場可程式設計閘陣列 (Field-Programmable Gate Array,FPGA) 或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等,所述處理器13是所述電腦設備1的運算核心和控制中心,利用各種介面和線路連接整個電腦設備1的各個部分,及獲取所述電腦設備1的作業系統以及安裝的各類應用程式、程式碼等。
所述處理器13獲取所述電腦設備1的作業系統以及安裝的各類應用程式。所述處理器13獲取所述應用程式以實現上述各個瑕疵檢測方法實施例中的步驟,例如圖2所示的步驟。
示例性的,所述電腦程式可以被分割成一個或複數模組/單元,所述一個或者複數模組/單元被儲存在所述儲存器12中,並由所述處理器13獲取,以完成本申請。所述一個或複數模組/單元可以是能夠完成特定功能的一系列電腦程式指令段,該指令段用於描述所述電腦程式在所述電腦設備1中的獲取過程。例如,所述電腦程式可以被分割成獲取單元110、確定單元111、生成單元112、篩選單元113。
所述儲存器12可用於儲存所述電腦程式和/或模組,所述處理器13透過運行或獲取儲存在所述儲存器12內的電腦程式和/或模組,以及調用儲存在儲存器12內的資料,實現所述電腦設備1的各種功能。所述儲存器12可主要包括儲存程式區和儲存資料區,其中,儲存程式區可儲存作業系統、至少一個功能所需的應用程式(比如聲音播放功能、圖像播放功能等)等;儲存資料區可儲存根據電腦設備的使用所創建的資料等。此外,儲存器12可以包括非易失性儲存器,例如硬碟、儲存器、插接式硬碟,智慧儲存卡(Smart Media Card, SMC),安全數位(Secure Digital, SD)卡,快閃儲存器卡(Flash Card)、至少一個磁碟儲存器件、快閃儲存器器件、或其他非易失性固態儲存器件。
所述儲存器12可以是電腦設備1的外部儲存器和/或內部儲存器。進一步地,所述儲存器12可以是具有實物形式的儲存器,如儲存器條、TF卡(Trans-flash Card)等等。
所述電腦設備1集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時,可以儲存在一個電腦可讀取儲存介質中。基於這樣的理解,本申請實現上述實施例方法中的全部或部分流程,也可以透過電腦程式來指令相關的硬體來完成,所述的電腦程式可儲存於一電腦可讀儲存介質中,該電腦程式在被處理器獲取時,可實現上述各個方法實施例的步驟。
其中,所述電腦程式包括電腦程式代碼,所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可獲取檔或某些中間形式等。所述電腦可讀介質可以包括:能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、隨身碟、移動硬碟、磁碟、光碟、電腦儲存器、唯讀儲存器(ROM,Read-Only Memory)。
結合圖2,所述電腦設備1中的所述儲存器12儲存複數指令以實現一種瑕疵檢測方法,所述處理器13可獲取所述複數指令從而實現:獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像;基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值;根據所述多張正樣本圖像生成色差閾值;根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域;根據所述多張正樣本圖像的圖像雜訊生成第一閾值;根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域;根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值;根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果。
具體地,所述處理器13對上述指令的具體實現方法可參考圖2對應實施例中相關步驟的描述,在此不贅述。
在本申請所提供的幾個實施例中,應該理解到,所揭露的系統,裝置和方法,可以透過其它的方式實現。例如,以上所描述的裝置實施例僅僅是示意性的,例如,所述模組的劃分,僅僅為一種邏輯功能劃分,實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的,作為模組顯示的部件可以是或者也可以不是物理單元,即可以位於一個地方,或者也可以分佈到複數網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外,在本申請各個實施例中的各功能模組可以集成在一個處理單元中,也可以是各個單元單獨物理存在,也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現,也可以採用硬體加軟體功能模組的形式實現。
因此,無論從哪一點來看,均應將實施例看作是示範性的,而且是非限制性的,本申請的範圍由所附請求項而不是上述說明限定,因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附關聯圖標記視為限制所涉及的請求項。
此外,顯然“包括”一詞不排除其他單元或步驟,單數不排除複數。本申請中陳述的複數單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一、第二等詞語用來表示名稱,而並不表示任何特定的順序。
最後應說明的是,以上實施例僅用以說明本申請的技術方案而非限制,儘管參照較佳實施例對本申請進行了詳細說明,本領域的普通技術人員應當理解,可以對本申請的技術方案進行修改或等同替換,而不脫離本申請技術方案的精神和範圍。
S10~S17:步驟
11:瑕疵檢測裝置
110:獲取單元
111:確定單元
112:生成單元
113:篩選單元
1:電腦設備
12:儲存器
13:處理器
圖1是本申請瑕疵檢測方法的較佳實施例的應用環境圖。
圖2是本申請瑕疵檢測方法的較佳實施例的流程圖。
圖3是本申請瑕疵檢測方法的較佳實施例的特徵連通區域生成的示意圖。
圖4是本申請瑕疵檢測的較佳實施例的功能模組圖。
圖5是本申請實現瑕疵檢測方法的較佳實施例的電腦設備的結構示意圖。
無。
S10~S17:步驟
Claims (10)
- 一種瑕疵檢測方法,應用於電腦設備,其中,所述瑕疵檢測方法包括: 獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像; 基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值; 根據所述多張正樣本圖像生成色差閾值; 根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域; 根據所述多張正樣本圖像的圖像雜訊生成第一閾值; 根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域; 根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值; 根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果。
- 如請求項1所述的瑕疵檢測方法,其中,所述根據所述多張正樣本圖像生成色差閾值包括: 將任意兩張正樣本圖像中對應的畫素點的畫素值進行相減運算處理,得到色差值; 統計所述多張正樣本圖像中具有相同色差值的畫素點數量; 將所述色差值作為橫座標,及將所述色差值對應的畫素點數量作為縱座標生成色差長條圖; 根據預設值從所述色差長條圖的座標值中選取複數連續色差值,並將相互連續的連續色差值確定為同一集合,得到複數特徵集合; 統計每個特徵集合中的元素數量; 將最多的元素數量對應的特徵集合確定為目標色差值集合; 從所述目標色差值集合中篩選出最大色差值作為所述色差閾值。
- 如請求項2所述的瑕疵檢測方法,其中,所述根據所述多張正樣本圖像的圖像雜訊生成第一閾值包括: 將除所述目標色差值集合外的每個特徵集合確定為背景色差值集合; 從所述多張正樣本圖像中篩選與所述背景色差值集合中的色差值對應的畫素點作為雜訊畫素點; 根據相鄰的雜訊畫素點生成複數第一連通區域; 統計每個第一連通區域中雜訊畫素點的數量,得到所述圖像雜訊; 篩選取值最大的圖像雜訊作為所述第一閾值。
- 如請求項1所述的瑕疵檢測方法,其中,所述根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域包括: 將大於所述色差閾值的畫素差值確定為目標差值; 從所述測試樣本圖像中篩選與所述目標差值對應的畫素點作為目標畫素點; 根據相鄰的目標畫素點生成所述複數特徵連通區域; 將小於或者等於所述色差閾值的畫素差值確定為背景差值,從所述測試樣本圖像中篩選與所述背景差值對應的畫素點作為背景畫素點,所述背景畫素點處於任意兩個特徵連通區域之間。
- 如請求項1所述的瑕疵檢測方法,其中,所述根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域包括: 統計每個特徵連通區域中畫素點的數量,得到第一數量; 將大於所述第一閾值的第一數量所對應的特徵連通區域確定為所述目標區域。
- 如請求項1所述的瑕疵檢測方法,其中,所述根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值包括: 獲取每張負樣本圖像的每個畫素點的第一畫素值,並獲取對應的正樣本圖像的對應畫素點的第二畫素值; 計算所述第一畫素值與所述第二畫素值的差值,得到負樣本差值; 將大於所述色差閾值的負樣本差值確定為瑕疵差值,從所述多張負樣本圖像中篩選與所述瑕疵差值對應的畫素點作為所述瑕疵畫素點; 根據相鄰的瑕疵畫素點生成所述複數第二連通區域; 將小於或者等於所述色差閾值的負樣本差值確定為特徵差值,從所述多張負樣本圖像中篩選出與所述特徵差值對應的畫素點作為特徵畫素點,所述特徵畫素點處於任意兩個第二連通區域之間; 統計每個第二連通區域中畫素點的數量,得到第二數量; 將大於所述第一閾值的第二數量所對應的第二連通區域確定為瑕疵區域; 計算所述瑕疵區域的面積,得到第一瑕疵面積; 將所述第一瑕疵面積中的最小值作為所述第二閾值。
- 如請求項1所述的瑕疵檢測方法,其中,所述根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果包括: 根據所述目標區域中的所有畫素點計算所述目標區域的面積,得到第二瑕疵面積; 若所述第二瑕疵面積大於所述第二閾值,將所述檢測結果確定為瑕疵樣本; 若所述第二瑕疵面積小於或者等於所述第二閾值,將所述檢測結果確定為無瑕疵樣本。
- 一種瑕疵檢測裝置,其中,所述瑕疵檢測裝置包括: 獲取單元,用於獲取多張正樣本圖像、多張負樣本圖像以及測試樣本圖像; 確定單元,用於基於所述測試樣本圖像中的畫素點,確定在所述多張正樣本圖像中對應的畫素點以及相應的畫素差值; 生成單元,用於根據所述多張正樣本圖像生成色差閾值; 所述生成單元,還用於根據所述色差閾值及所述畫素差值生成所述測試樣本圖像的複數特徵連通區域; 所述生成單元,還用於根據所述多張正樣本圖像的圖像雜訊生成第一閾值; 篩選單元,用於根據每個特徵連通區域中畫素點的數量及所述第一閾值,從所述複數特徵連通區域中篩選目標區域; 所述生成單元,還用於根據所述多張負樣本圖像的瑕疵畫素點生成第二閾值; 所述確定單元,還用於根據所述目標區域的面積及所述第二閾值,確定所述測試樣本圖像對應的測試樣本的檢測結果。
- 一種電腦設備,其中,所述電腦設備包括: 儲存器,儲存至少一個指令;及 處理器,獲取所述儲存器中儲存的指令以實現如請求項1至7中任意一項所述的瑕疵檢測方法。
- 一種電腦可讀儲存介質,其中:所述電腦可讀儲存介質中儲存有至少一個指令,所述至少一個指令被電腦設備中的處理器獲取以實現如請求項1至7中任意一項所述的瑕疵檢測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110149785A TWI771255B (zh) | 2021-12-31 | 2021-12-31 | 瑕疵檢測方法及裝置、電腦設備及儲存介質 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110149785A TWI771255B (zh) | 2021-12-31 | 2021-12-31 | 瑕疵檢測方法及裝置、電腦設備及儲存介質 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI771255B true TWI771255B (zh) | 2022-07-11 |
TW202328974A TW202328974A (zh) | 2023-07-16 |
Family
ID=83439538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110149785A TWI771255B (zh) | 2021-12-31 | 2021-12-31 | 瑕疵檢測方法及裝置、電腦設備及儲存介質 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI771255B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150278597A1 (en) * | 2013-02-21 | 2015-10-01 | Applied Materials Israel Ltd. | System, method and computer program product for defect detection based on multiple references |
US20170177962A1 (en) * | 2014-09-22 | 2017-06-22 | Fujifilm Corporation | Image recording device, image defect detection device, and image defect detection method |
CN108960255A (zh) * | 2018-06-28 | 2018-12-07 | 西安工程大学 | 基于颜色相似性和位置聚集性的显著性织物疵点检测方法 |
CN110197180A (zh) * | 2019-05-30 | 2019-09-03 | 新华三技术有限公司 | 字符缺陷检测方法、装置及设备 |
-
2021
- 2021-12-31 TW TW110149785A patent/TWI771255B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150278597A1 (en) * | 2013-02-21 | 2015-10-01 | Applied Materials Israel Ltd. | System, method and computer program product for defect detection based on multiple references |
US20170177962A1 (en) * | 2014-09-22 | 2017-06-22 | Fujifilm Corporation | Image recording device, image defect detection device, and image defect detection method |
CN108960255A (zh) * | 2018-06-28 | 2018-12-07 | 西安工程大学 | 基于颜色相似性和位置聚集性的显著性织物疵点检测方法 |
CN110197180A (zh) * | 2019-05-30 | 2019-09-03 | 新华三技术有限公司 | 字符缺陷检测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
TW202328974A (zh) | 2023-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230214989A1 (en) | Defect detection method, electronic device and readable storage medium | |
US20230214981A1 (en) | Method for detecting appearance defects of a product and electronic device | |
WO2014044158A1 (zh) | 一种图像中的目标物体识别方法及装置 | |
Su et al. | A novel forgery detection algorithm for video foreground removal | |
CN107909569B (zh) | 一种花屏检测方法、花屏检测装置及电子设备 | |
WO2018133101A1 (zh) | 图像前景检测装置及方法、电子设备 | |
WO2021082819A1 (zh) | 一种图像生成方法、装置及电子设备 | |
TWI420124B (zh) | 邊緣檢測裝置以及應用於邊緣檢測裝置的運算電路 | |
CN112634201A (zh) | 目标检测方法、装置和电子设备 | |
TW201911230A (zh) | 監控方法、計算裝置及電腦可讀存儲介質 | |
TWI771255B (zh) | 瑕疵檢測方法及裝置、電腦設備及儲存介質 | |
US20080181524A1 (en) | Image evaluation method, apparatus, and program | |
TWI792827B (zh) | 產品外觀缺陷檢測方法、電腦設備及儲存介質 | |
TWI755250B (zh) | 植物生長曲線確定方法、裝置、電子設備及存儲媒體 | |
CN114677319A (zh) | 干细胞分布确定方法、装置、电子设备及存储介质 | |
TWI810945B (zh) | 瑕疵檢測方法、電腦設備及儲存介質 | |
CN114764833A (zh) | 植物生长曲线确定方法、装置、电子设备及介质 | |
CN111832534A (zh) | 设备的检测方法和装置 | |
TWI807854B (zh) | 瑕疵偵測方法、電腦設備及儲存介質 | |
TWI765475B (zh) | 圖像瑕疵檢測方法、裝置、電腦裝置及介質 | |
TWI748823B (zh) | 細胞數量檢測方法、裝置、電子設備及存儲媒體 | |
TW202349346A (zh) | 多尺度自編碼器生成方法、電腦設備及儲存介質 | |
TWI762152B (zh) | 植物高度確定方法、裝置、電腦裝置及介質 | |
TWI840833B (zh) | 多尺度自編碼器生成方法、電腦設備及儲存介質 | |
TWI755176B (zh) | 細胞密度分類方法及裝置、電子裝置及存儲介質 |