CN105321179A - 面向工业产品表面缺陷检测的二值图像连通域标记方法 - Google Patents
面向工业产品表面缺陷检测的二值图像连通域标记方法 Download PDFInfo
- Publication number
- CN105321179A CN105321179A CN201510657968.6A CN201510657968A CN105321179A CN 105321179 A CN105321179 A CN 105321179A CN 201510657968 A CN201510657968 A CN 201510657968A CN 105321179 A CN105321179 A CN 105321179A
- Authority
- CN
- China
- Prior art keywords
- pixel
- connected domain
- current
- foreground
- image
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
面向工业产品表面缺陷检测的二值图像连通域标记方法,首先,获得产品表面的灰度图像并进行去噪处理,将灰度图像转为二值化图像,其次,对二值图像按照从左至右、从上到下每三行扫描一次的顺序进行第一次扫描,每次标记三个像素,在标记的同时,随时合并等价连通域、记录连通域的代表标号,最后,对标记后的图像进行第二次扫描,在第二次扫描图像时,用各连通域的代表标号复写对应连通域中的每一个像素,整个过程最大限度地减少了重复检查像素的次数,从而提高二值图像连通域标记算法的效率,提高了产品表面缺陷检测的效率,满足了工业产品表面缺陷检测对速度的要求,具有效率高、实用性强的特点。
Description
技术领域
本发明属于工业产品表面缺陷检测技术领域,特别涉及一种面向工业产品表面缺陷检测的二值图像连通域标记方法。
背景技术
在工业生产过程中,人们希望能在高速生产线上同步无损检测产品的质量,比如,在千米/分的造纸机上检测产品上是否有纸病,在高速印刷机上检测印刷产品的质量是否达到标准,在高速电路板生产线上自动检测布线是否有断裂和短路等。在这些情况下,检测图像中的目标、提取它们的物体特征是不可或缺的处理。
提取图像中的目标及其特征,首先要通过二值化手段将图像中的像素区分为目标像素和背景像素。由于同一目标的像素通常具有连通性,一般通过连通域标记来分离图像中不同的目标,进而提取它们的特征并进行模式识别。所以,连通域标记处理是提取图像中各个目标物体特征的前提,是图像模式识别领域里极为重要的基本处理之一。
常见的连通域标记算法是两次扫描像素法,该方法对于图像中符合某种连通规则(4邻域连通和8邻域连通)的像素用相同的标号表示出来。这一方法常常需要处理大量重复标记,逻辑复杂、效率较低,而工业产品缺陷检测实时性要求比较高,因此无法满足工业生产的需求。
发明内容
为了克服上述现有技术的不足,本发明的目的在于提出一种面向工业产品表面缺陷检测的二值图像连通域标记方法,能够有效地避免对图像的重复扫描次数,提高二值图像连通域标记算法的效率,提高工业产品表面缺陷检测的效率,满足工业产品表面缺陷检测对速度的需求,具有效率高、实用性强的特点。
为了实现上述目的,本发明采用的技术方案是:
面向工业产品表面缺陷检测的二值图像连通域标记方法,步骤如下:
步骤一:
通过工业摄像机获得产品表面的灰度图像,利用中值滤波技术,对灰度图像进行去噪处理,利用动态多阈值方法将灰度图像转为二值化图像;
步骤二:
对二值图像按照从左至右、从上到下每三行扫描一次的顺序进行第一次扫描,每次标记三个像素,在标记的同时,随时合并等价连通域、记录连通域的代表标号;
步骤三:
对上述步骤二标记后的图像进行第二次扫描,在第二次扫描图像时,用各连通域的代表标号复写对应连通域中的每一个像素,使每一个连通域中的每个像素具有唯一的一个标号,以达到目标像素分离的目的,为后续物体特征的提取做准备。
所述步骤二中做第一次扫描时像素的标记方法如下:
按预定顺序扫描二值图像中的像素的灰度值,若当前像素的灰度值为0,则设该点为背景像素,不做任何处理;若当前像素的灰度值为255,表明当前像素为前景像素,需要进行标记处理;标号变量初始值为1,随着不同连通域的出现,标号变量值依次增加1。
所述当前三个待标记像素依次用p1、p2、p3表示,对当前三个待标记的像素p1、p2、p3进行标记的步骤如下:
(1)首先用当前像素左邻的三个工作窗中的像素l1、l2、l3标记当前的三个像素;当l1、l2、l3中的任意一个像素是前景像素时,就可选用前景像素的标号标记当前被处理的标号;当l1和l3是前景像素而l2是背景像素时,这时l1和l3原本不在一个连通域中,当p2是前景像素时,p2将它们连在一起形成一个连通域,此时需要合并等价连通域操作;如果p1像素为背景像素,当前三个像素的标记处理结束时,进入下一组像素的标记处理;当p1为前景像素或者l1、l2、l3均为背景像素时,转至步骤(2)进行处理;
(2)r1、r2、r3这三个像素位于当前扫描行的上一行,均为标记过的像素,其中,r2是第一个作用于当前操作的像素,根据r2的三种状态可将当前像素的标记处理分三种情况进行:
1)r2为前景像素,如果当前像素为待标记像素,用r2的标号标记p1和p2、p3两个像素;工作窗中的六个像素和当前三个像素处在一个连通域中,不需要处理等价连通域问题;
2)r2为背景像素,检查r3的状态完成当前像素的标记处理;如果r3为前景像素,用r3的标号标记当前待标记的像素,当l1为前景像素时,因为属于两个不同连通域的像素l1和r3被p1连接形成一个连通域,所以需要合并等价连通域操作;如果r3为背景像素,依据r1的状态标记当前待处理像素,r1同样具有三种可能的状态,且无论r1是否属于前景像素,均不需要合并等价连通域,如果p1为待标记的前景像素,r1是前景像素时,用r1的标号标记p1,否则赋给p1一个新的标号;
3)r2为未知像素,此时需要检查r2,如果r2是前景像素,后续的处理过程同步骤1),否则r2为背景像素,后续的处理过程同步骤2);至此当前的三个像素p1、p2、p3标记结束,进入下一组像素的标记过程。
与现有技术相比,本发明具有以下有益效果:
本发明对比于现有的二次扫描算法,在第一次扫描过程中借助工作窗最大限度地使用已有像素的标记结果标记当前像素,并将一次扫描标记一个像素扩展到一次扫描标记三个像素的处理,另提出了标记状态转换,指明了每一次标记结束后下一个工作窗的状态,简化了算法的实现过程,提高算法的运行效率;在标记的过程中,记录了每一个连通域的代表标号,并在标记过程中合并等价连通域,这样在二次扫描过程中可以直接用代表标号复写每一个前景像素的标号,整个过程最大限度地减少了重复检查像素的次数,从而提高二值图像连通域标记算法的效率,提高了产品表面缺陷检测的效率,满足了工业产品表面缺陷检测对速度的要求,具有效率高、实用性强的特点。
附图说明
图1为本发明连通域标记方法的工作窗图。
图2为同时标记三个像素的状态图,共16种,其中,f代表前景像素,b代表背景像素,-代表无意义像素,?代表未知像素。
具体实施方式
下面结合附图对本发明作进一步详细说明。
参见图1,面向工业产品表面缺陷检测的二值图像连通域标记方法,包括以下步骤:
步骤一:
通过CCD摄像机获得待检工业产品表面的原始灰度图像,对原始图像选用3*3的滤波窗口进行中值滤波,以去除噪声的影响,对原始灰度图像进行二值化分割,这里结合工业产品表面灰度图像的特征,选用动态多阈值方法进行二值化分割。
步骤二:
对二值图像按从左到右、从上而下每三行扫描一次的顺序进行扫描,并做出初步的标记;具体来讲,处理过程如下:
按预定顺序扫描二值图像中的像素的灰度值,若当前像素的灰度值为0,则设该点为背景点,不做任何处理;若当前像素的灰度值为255,则需要根据所在工作窗(工作窗如图1所示)中像素的标记情况对其进行标记;标号变量值初始化为1,随着不同连通域的出现,标号变量值依次增加1。
当前三个待标记像素依次用p1、p2、p3表示,处理当前三个待标记像素时,借助已经标记的六个邻接像素标记它们,由这六个邻接像素形成的区域称作工作窗,这六个像素分别是位于扫描行的上一行的三个像素和位于当前待标记的三个像素左侧的三个像素,位于扫描行的上一行的三个像素从左到右依次用r1、r2、r3表示,位于当前待标记的三个像素左侧的三个像素自上而下依次用l1、l2、l3表示,l1、l2、l3这三个像素是在前一个标记处理中被标记的像素,每个像素是否为前景像素是已知的,可以直接根据它们的标记结果直接对当前像素进行标记。
具体来讲,对当前三个待标记的像素p1、p2、p3进行标记的步骤如下:
(1)首先用当前像素左邻的三个工作窗中的像素l1、l2、l3标记当前的三个像素;当l1、l2、l3中的任意一个像素是前景像素时,就可选用前景像素的标号标记当前被处理的标号;特殊情况,当l1和l3是前景像素而l2是背景像素时,这时l1和l3原本不在一个连通域中,当被处理像素p2是前景像素时,p2将l1和l3连在一起形成一个连通域,此时需要合并等价连通域操作;如果p1像素为背景像素,当前三个像素的标记处理结束时,进入下一组像素的标记处理;当p1为前景像素或者l1、l2、l3均为背景像素时,转至步骤(2)进行处理;
(2)r1、r2、r3这三个像素位于当前扫描行的上一行,均为标记过的像素,其中,r2是第一个作用于当前操作的像素,根据r2的三种状态可将当前像素的标记处理分三种情况进行:
1)r2为前景像素,如果当前像素为待标记像素,用r2的标号标记p1和p2、p3两个像素;工作窗中的六个像素和当前三个像素处在一个连通域中,不需要处理等价连通域问题;
2)r2为背景像素,检查r3的状态完成当前像素的标记处理;如果r3为前景像素,用r3的标号标记当前待标记的像素,当l1为前景像素时,因为属于两个不同连通域的像素l1和r3被p1连接形成一个连通域,所以需要合并等价连通域操作;如果r3为背景像素,依据r1的状态标记当前待处理像素,r1同样具有三种可能的状态,且无论r1是否属于前景像素,均不需要合并等价连通域,如果p1为待标记的前景像素,r1是前景像素时,用r1的标号标记p1,否则赋给p1一个新的标号;
3)r2为未知像素,此时需要检查r2,如果r2是前景像素,后续的处理过程同步骤1),否则r2为背景像素,后续的处理过程同步骤2);至此当前的三个像素p1、p2、p3标记结束,进入下一组像素的标记过程。
所述r1、r2、r3这三个像素位于当前扫描行的上一行,均为标记过的像素,但是对于当前的标记任务而言,r3一定是未知的,需要经过检查才能知道其为前景像素与否,r1和r2是上一个标记处理工作窗中的两个像素,根据它们在上一个标记过程中的操作,可能有三种状态:1)前景像素,2)背景像素,3)未知状态,其中未知状态表示对某像素进行查看才能知道该像素是前景像素还是背景像素,如果是前景像素,该像素是一个已被标记的像素;r1还有一个状态为无意义像素,此状态说明该像素不对标记结果产生任何意义;对于这个3个像素,如果它们为未知状态,就意味着需要对其进行检查,以确定是前景像素还是背景像素。
步骤三:
对上述步骤二标记后的图像进行第二次扫描,在第二次扫描图像时,用各连通域的代表标号复写对应连通域中的每一个像素,使每一个连通域中的每个像素具有唯一的一个标号,以达到目标像素分离的目的,为后续物体特征的提取做准备。
参见图2,所有可能的标记过程状态转换表:
在上述的(1)和(2)处理结束转入下一组像素的标记处理,当前处理的三个像素p1、p2、p3是新的工作窗中的三个像素l1、l2、l3,r2、r3是新的工作窗中的r1、r2;r3的右邻像素是新的工作窗中的r3。可见新的工作窗的状态在前一组像素标记结束后就确定下来了。因为l1、l2、l3、r1、r2、r3这六个像素的状态的不同,新的工作窗有不同的状态,根据我们对工作窗中六个像素状态的分析,发现共有16种可能的状态,即就是16种不同的工作窗。应用每一个工作窗处理完当前三个像素的标记后,标记过程转入16种状态中的一种继续下一组像素的标记。
标记过程中重要的一步,合并等价标记方法是借助合并集合的方法实现的,是一种非常快速处理的方法,能够提高二值图像连通域标记算法的效率。
Claims (3)
1.面向工业产品表面缺陷检测的二值图像连通域标记方法,其特征在于,步骤如下:
步骤一:
通过工业摄像机获得产品表面的灰度图像,利用中值滤波技术,对灰度图像进行去噪处理,利用动态多阈值方法将灰度图像转为二值化图像;
步骤二:
对二值图像按照从左至右、从上到下每三行扫描一次的顺序进行第一次扫描,每次标记三个像素,在标记的同时,随时合并等价连通域、记录连通域的代表标号;
步骤三:
对上述步骤二标记后的图像进行第二次扫描,在第二次扫描图像时,用各连通域的代表标号复写对应连通域中的每一个像素,使每一个连通域中的每个像素具有唯一的一个标号,以达到目标像素分离的目的,为后续物体特征的提取做准备。
2.根据权利要求1所述的面向工业产品表面缺陷检测的二值图像连通域标记方法,其特征在于,所述步骤二中做第一次扫描时像素的标记方法如下:
按预定顺序扫描二值图像中的像素的灰度值,若当前像素的灰度值为0,则设该点为背景像素,不做任何处理;若当前像素的灰度值为255,表明当前像素为前景像素,需要进行标记处理;标号变量初始值为1,随着不同连通域的出现,标号变量值依次增加1。
3.根据权利要求1所述的面向工业产品表面缺陷检测的二值图像连通域标记方法,其特征在于,所述当前三个待标记像素依次用p1、p2、p3表示,对当前三个待标记的像素p1、p2、p3进行标记的步骤如下:
(1)首先用当前像素左邻的三个工作窗中的像素l1、l2、l3标记当前的三个像素;当l1、l2、l3中的任意一个像素是前景像素时,就可选用前景像素的标号标记当前被处理的标号;当l1和l3是前景像素而l2是背景像素时,这时l1和l3原本不在一个连通域中,当p2是前景像素时,p2将它们连在一起形成一个连通域,此时需要合并等价连通域操作;如果p1像素为背景像素,当前三个像素的标记处理结束时,进入下一组像素的标记处理;当p1为前景像素或者l1、l2、l3均为背景像素时,转至步骤(2)进行处理;
(2)r1、r2、r3这三个像素位于当前扫描行的上一行,均为标记过的像素,其中,r2是第一个作用于当前操作的像素,根据r2的三种状态可将当前像素的标记处理分三种情况进行:
1)r2为前景像素,如果当前像素为待标记像素,用r2的标号标记p1和p2、p3两个像素;工作窗中的六个像素和当前三个像素处在一个连通域中,不需要处理等价连通域问题;
2)r2为背景像素,检查r3的状态完成当前像素的标记处理;如果r3为前景像素,用r3的标号标记当前待标记的像素,当l1为前景像素时,因为属于两个不同连通域的像素l1和r3被p1连接形成一个连通域,所以需要合并等价连通域操作;如果r3为背景像素,依据r1的状态标记当前待处理像素,r1同样具有三种可能的状态,且无论r1是否属于前景像素,均不需要合并等价连通域,如果p1为待标记的前景像素,r1是前景像素时,用r1的标号标记p1,否则赋给p1一个新的标号;
3)r2为未知像素,此时需要检查r2,如果r2是前景像素,后续的处理过程同步骤1),否则r2为背景像素,后续的处理过程同步骤2);至此当前的三个像素p1、p2、p3标记结束,进入下一组像素的标记过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510657968.6A CN105321179A (zh) | 2015-10-12 | 2015-10-12 | 面向工业产品表面缺陷检测的二值图像连通域标记方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510657968.6A CN105321179A (zh) | 2015-10-12 | 2015-10-12 | 面向工业产品表面缺陷检测的二值图像连通域标记方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105321179A true CN105321179A (zh) | 2016-02-10 |
Family
ID=55248494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510657968.6A Pending CN105321179A (zh) | 2015-10-12 | 2015-10-12 | 面向工业产品表面缺陷检测的二值图像连通域标记方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105321179A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761271A (zh) * | 2016-03-16 | 2016-07-13 | 武汉大学 | 核安全壳表面缺陷自动检测方法及*** |
CN106204590A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记处理的纸病检测方法 |
CN106203336A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记的矿井巷道灯识别方法 |
CN110517282A (zh) * | 2019-08-07 | 2019-11-29 | 哈尔滨工业大学 | 一种二值图像连通域标记方法 |
CN111487192A (zh) * | 2020-04-26 | 2020-08-04 | 天津海融科技有限公司 | 一种基于人工智能的机器视觉表面缺陷检测装置及方法 |
CN112150438A (zh) * | 2020-09-23 | 2020-12-29 | 创新奇智(青岛)科技有限公司 | 断线检测方法、装置、电子设备及存储介质 |
CN113469921A (zh) * | 2021-09-06 | 2021-10-01 | 深圳市创世易明科技有限公司 | 图像缺陷修复方法、***、计算机设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060274940A1 (en) * | 2005-05-10 | 2006-12-07 | Tomoaki Ozaki | Image processing apparatus and method of image processing capable of effective labeling |
CN103400125A (zh) * | 2013-07-08 | 2013-11-20 | 西安交通大学 | 一种图像连通域双次扫描双重标记方法 |
-
2015
- 2015-10-12 CN CN201510657968.6A patent/CN105321179A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060274940A1 (en) * | 2005-05-10 | 2006-12-07 | Tomoaki Ozaki | Image processing apparatus and method of image processing capable of effective labeling |
CN103400125A (zh) * | 2013-07-08 | 2013-11-20 | 西安交通大学 | 一种图像连通域双次扫描双重标记方法 |
Non-Patent Citations (1)
Title |
---|
LIFENG HE ET AL: "Configuration-Transition-Based Connected-Component Labeling", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761271A (zh) * | 2016-03-16 | 2016-07-13 | 武汉大学 | 核安全壳表面缺陷自动检测方法及*** |
CN105761271B (zh) * | 2016-03-16 | 2019-03-19 | 武汉大学 | 核安全壳表面缺陷自动检测方法及*** |
CN106204590A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记处理的纸病检测方法 |
CN106203336A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记的矿井巷道灯识别方法 |
CN110517282A (zh) * | 2019-08-07 | 2019-11-29 | 哈尔滨工业大学 | 一种二值图像连通域标记方法 |
CN111487192A (zh) * | 2020-04-26 | 2020-08-04 | 天津海融科技有限公司 | 一种基于人工智能的机器视觉表面缺陷检测装置及方法 |
CN112150438A (zh) * | 2020-09-23 | 2020-12-29 | 创新奇智(青岛)科技有限公司 | 断线检测方法、装置、电子设备及存储介质 |
CN112150438B (zh) * | 2020-09-23 | 2023-01-20 | 创新奇智(青岛)科技有限公司 | 断线检测方法、装置、电子设备及存储介质 |
CN113469921A (zh) * | 2021-09-06 | 2021-10-01 | 深圳市创世易明科技有限公司 | 图像缺陷修复方法、***、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105321179A (zh) | 面向工业产品表面缺陷检测的二值图像连通域标记方法 | |
US11417124B2 (en) | System for real-time automated segmentation and recognition of vehicle's license plates characters from vehicle's image and a method thereof | |
CN101533474B (zh) | 基于视频图像的字符和图像识别***和方法 | |
CN103258201B (zh) | 一种融合全局和局部信息的表格线提取方法 | |
US8965123B2 (en) | System and method for processing image for identifying alphanumeric characters present in a series | |
CN107389693B (zh) | 一种基于机器视觉的印刷品缺陷自动检测方法 | |
CN102360419B (zh) | 计算机扫描阅读管理方法及*** | |
CN109241973B (zh) | 一种纹理背景下的字符全自动软分割方法 | |
CN105424709A (zh) | 一种基于图像标记的水果表面缺陷检测方法 | |
CN108805862B (zh) | 一种基于改进结构相似度的标签鉴别方法 | |
CN103310211A (zh) | 一种基于图像处理的填注标记识别方法 | |
CN106203336A (zh) | 一种基于灰度图像标记的矿井巷道灯识别方法 | |
JP2000184202A (ja) | 走査により生成した画像上における垂直方向に並んだパタ―ンを除去するための画像処理システム | |
Shirai et al. | Removal of background patterns and signatures for magnetic ink character recognition of checks | |
CN106204590A (zh) | 一种基于灰度图像标记处理的纸病检测方法 | |
US8000535B2 (en) | Methods and systems for refining text segmentation results | |
CN107256549B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
Shi et al. | Removing rule-lines from binary handwritten arabic document images using directional local profile | |
CN104021385B (zh) | 基于模板匹配及曲线拟合的视频字幕细化方法 | |
CN108205678B (zh) | 一种含有亮斑干扰的铭牌文字识别处理方法 | |
Mangla et al. | An end detection algorithm for segmentation of broken and touching characters in handwritten Gurumukhi word | |
CN106161829B (zh) | 图像处理设备和方法 | |
CN103200364B (zh) | 基于标记特征的摄像机升降格特效拍摄方法 | |
Chaudhari et al. | Document image binarization using threshold segmentation | |
CN111738146A (zh) | 一种重叠果实快速分离识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160210 |
|
WD01 | Invention patent application deemed withdrawn after publication |