CN108288260A - 实时浓淡补正的图像预处理方法 - Google Patents
实时浓淡补正的图像预处理方法 Download PDFInfo
- Publication number
- CN108288260A CN108288260A CN201810089383.2A CN201810089383A CN108288260A CN 108288260 A CN108288260 A CN 108288260A CN 201810089383 A CN201810089383 A CN 201810089383A CN 108288260 A CN108288260 A CN 108288260A
- Authority
- CN
- China
- Prior art keywords
- value
- image
- defect
- deep
- processing method
- 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 19
- 238000007781 pre-processing Methods 0.000 title claims abstract description 14
- 230000007547 defect Effects 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims 3
- 238000005286 illumination Methods 0.000 description 5
- 238000005498 polishing Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000750 progressive 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及机器视觉技术领域,特别涉及一种图像预处理的方法。1.实时浓淡补正的图像预处理方法,其特征在于所述图像预处理方法包括以下步骤:a.设置基准图像和待处理图像;b.指定所要抽取缺陷的大小和处理方向;c.选择所要作为缺陷抽取的对象;d.选定一个对比值,设定一个阈值,对待处理图像的对比值和标准图像的基准值进行差分计算,所得差分计算的结果中滤去绝对值小于所述阈值的缺陷点;e.对步骤d处理所得的图像设定增益值,提高对比度;f.设置一个阶调值,指定过滤阶调值或阶调值以下的干扰成分。本发明采用的技术方案检测结果准确,误判率低。
Description
技术领域
本发明涉及机器视觉技术领域,特别涉及一种图像预处理的方法。
背景技术
在机器视觉领域中,最难实现的就是产品外观类检测项目。其主要原因有以下三种:打光不均匀,产品表面反光不一致,环境光干扰。从而导致相机取到的图片打光质量参差不齐,继而使得相机软件处理起来困难重重。最终导致相机很多误判(把合格品判为不合格品),漏判(把不合格品判为合格品)。前者会导致良品率很低,影响客户产能;后者就是致命的,会导致不合格品直接流到客户那边,如果引起质量缺陷导致发生事故,会发生不可挽回的损失。
发明内容
机器视觉***中,每个像素根据光强度传送256 级数据(8 位)。在进行单色(黑白)处理时,黑色被认作“ 0”,白色被认作“ 255”,从而允许将每个像素接受的光强度转换为数值数据。也就是说,图像的所有像素均为0(黑色)到255(白色)之间的值。例如,灰色包含一半黑色一半白色,它将被转换为“ 127”。使用机器视觉抓取的图像数据是组成图像的像素数据的集合,并且像素数据被再现为256 级对比度数据。图像数据通过各个值在0 到255 之间的像素表现出来。所谓图像处理,就是通过下列各种计算方法计算每个像素的数值数据以找出图像特征的处理过程。按照以上的原理,如果产品表面光照度一致的话,图像的灰度值都会在某一个值集中。反之,光照不均匀的话,灰度值会比较分散。如果打光不均匀或者环境光有干扰,这样每次每次拍摄相机取到的图片,图像的每个像素点的灰度值实际都是在不断变化的,但是我们一开始设定的二值化的阈值是不变的,这样就会导致在阈值附近的灰度值的像素一会儿转变为白色(255),一会儿转变为黑色(0),进而导致误判和漏判。
为解决上述问题,本发明提供一种实时浓淡补正的图像预处理方法,取消工件表面由于光照原因导致的图像产生的阴影部分或者是光照不均匀部分。本发明采用以下技术方案:
实时浓淡补正的图像预处理方法,其特征在于所述图像预处理方法包括以下步骤:
a.设置基准图像和待处理图像;
b.指定所要抽取缺陷的大小和处理方向;
c.选择所要作为缺陷抽取的对象;
d.选定一个对比值,设定一个阈值,对待处理图像的对比值和标准图像的基准值进行差分计算,所得差分计算的结果中滤去绝对值小于所述阈值的缺陷点;
e.对步骤d处理所得的图像设定增益值,提高对比度;
f.设置一个阶调值,指定过滤阶调值或阶调值以下的干扰成分。
优选的是,所述缺陷的大小为4-200像素点,所述处理方向包括X轴方向,Y轴方向,以及XY轴方向。
优选的是,所述作为缺陷抽取的对象包括:明、暗、明暗。所述明:用于只抽取比背景还明亮的缺陷;所述暗:用于只抽取比背景还暗的缺陷;所述明暗用于抽取明、暗两者的缺陷。
优选的是,所述基准值、对比值、阶调值均为0-255范围内的灰度值。
优选的是,所述对比值、基准值为抽取范围内图像灰度浓度值的平均值。
优选的是,所述对比值、基准值为抽取范围内图像灰度值浓度的中央值。
优选的是,所述对比值、基准值为一定大小的阴影曲面。
进一步优选的是,所述处理方向上抽取缺陷大小时可间隔抽取。这样可以对图像进行高速处理,处理速度更快。
有益效果:
本发明采用的技术方案中,对待处理图像和基准图像进行差分计算,可消除背景循序渐进的浓淡变化(阴影)。消除变动着的背景的浓淡变化,只抽取对比度急剧变化的部分。而不只是单纯的二值化来区分背景变化。这样就不会造成在阈值附近的灰度值的像素一会儿转变为白色(255),一会儿转变为黑色(0),进而导致误判和漏判的现象产生。同时,通过设定增益值,提高对比度,能够凸显相应的缺陷,检测到一般检测***难以分辨的缺陷。
具体实施方式
下面将结合具体实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,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它实施例,都属于本发明的保护的范围。
本发明提出一种实时浓淡补正的图像预处理方法,取消工件表面由于光照原因导致的阴影部分或者是光照不均匀部分。本发明采用以下技术方案:
实时浓淡补正的图像预处理方法,其特征在于所述图像预处理方法包括以下步骤:
a.设置基准图像和待处理图像;
b.指定所要抽取缺陷的大小和处理方向;
c.选择所要作为缺陷抽取的对象;
d.选定一个对比值,设定一个阈值,对待处理图像的对比值和标准图像的基准值进行差分计算,所得差分计算的结果中滤去绝对值小于所述阈值的缺陷点;
e.对步骤d处理所得的图像设定增益值,提高对比度;
f.设置一个阶调值,指定过滤阶调值或阶调值以下的干扰成分。
优选的是,所述缺陷的大小为4-200像素点,所述处理方向包括X轴方向,Y轴方向,以及XY轴方向。
优选的是,所述作为缺陷抽取的对象包括:明、暗、明暗。所述明:用于只抽取比背景还明亮的缺陷;所述暗:用于只抽取比背景还暗的缺陷;所述明暗用于抽取明、暗两者的缺陷。
所述基准值、对比值、阶调值均为0-255范围内的灰度值。
本发明的另一种实施例中所述对比值、基准值可以为为抽取范围内图像灰度浓度值的平均值。
本发明的再一种实施例中所述对比值、基准值可以为抽取范围内图像灰度值浓度的中央值。
本发明的第三实施例中,所述对比值、基准值可以为一定大小的阴影曲面。
进一步优选的是,所述处理方向上抽取缺陷大小时可间隔抽取。这样可以对图像进行高速处理,处理速度更快。
综上所述,本发明采用的技术方案中,对待处理图像和基准图像进行差分计算,可消除背景循序渐进的浓淡变化(阴影)。消除变动着的背景的浓淡变化,只抽取对比度急剧变化的部分。而不只是单纯的二值化来区分背景变化。这样就不会造成在阈值附近的灰度值的像素一会儿转变为白色(255),一会儿转变为黑色(0),进而导致误判和漏判的现象产生。同时,通过设定增益值,提高对比度,能够凸显相应的缺陷,检测到一般检测***难以分辨的缺陷。
Claims (8)
1.实时浓淡补正的图像预处理方法,其特征在于所述图像预处理方法包括以下步骤:
设置基准图像和待处理图像;
指定所要抽取缺陷的大小和处理方向;
选择所要作为缺陷抽取的对象;
选定一个对比值,设定一个阈值,对待处理图像的对比值和标准图像的基准值进行差分计算,所得差分计算的结果中滤去绝对值小于所述阈值的缺陷点;
对步骤d处理所得的图像设定增益值,提高对比度;
设置一个阶调值,指定过滤阶调值或阶调值以下的干扰成分。
2.如权利要求1所述的实时浓淡补正的图像预处理方法,其特征在于所述缺陷的大小为4-200像素点,所述处理方向包括X轴方向,Y轴方向,以及XY轴方向。
3.如权利要求1所述的实时浓淡补正的图像预处理方法,其特征在于所述作为缺陷抽取的对象包括:明、暗、明暗。
4.如权利要求1所述的实时浓淡补正的图像预处理方法,其特征在于所述基准值、对比值、阶调值均为0-255范围内的灰度值。
5.如权利要求1所述的实施浓淡补正的图像预处理方法,其特征在于所述对比值、基准值为抽取范围内图像灰度浓度值的平均值。
6.如权利要求1所述的实时浓淡补正的图像与处理方法,其特征在于所述对比值、基准值为抽取范围内图像灰度值浓度的中央值。
7.如权利要求1所述的实时浓淡补正的图像与处理方法,其特征在于所述对比值、基准值为一定大小的阴影曲面。
8.如权利要求7所述的实时浓淡补正的图像与处理方法,其特征在于在所述处理方向上抽取缺陷大小时可间隔抽取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810089383.2A CN108288260A (zh) | 2018-01-30 | 2018-01-30 | 实时浓淡补正的图像预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810089383.2A CN108288260A (zh) | 2018-01-30 | 2018-01-30 | 实时浓淡补正的图像预处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108288260A true CN108288260A (zh) | 2018-07-17 |
Family
ID=62836260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810089383.2A Pending CN108288260A (zh) | 2018-01-30 | 2018-01-30 | 实时浓淡补正的图像预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108288260A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665251A (zh) * | 2019-03-08 | 2020-09-15 | 苏州元承科技有限公司 | 一种表面缺陷视觉检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393422A (zh) * | 2011-08-22 | 2012-03-28 | 江苏省产品质量监督检验研究院 | 基于超声tofd的缺陷离线判别方法 |
JP2015504536A (ja) * | 2011-11-23 | 2015-02-12 | スリーエム イノベイティブ プロパティズ カンパニー | 非対称ディフューザーを備えた光学スタック |
CN107194919A (zh) * | 2017-05-18 | 2017-09-22 | 南京大学 | 基于规律纹理背景重建的手机屏幕缺陷检测方法 |
CN107622277A (zh) * | 2017-08-28 | 2018-01-23 | 广东工业大学 | 一种基于贝叶斯分类器的复杂曲面缺陷分类方法 |
-
2018
- 2018-01-30 CN CN201810089383.2A patent/CN108288260A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393422A (zh) * | 2011-08-22 | 2012-03-28 | 江苏省产品质量监督检验研究院 | 基于超声tofd的缺陷离线判别方法 |
JP2015504536A (ja) * | 2011-11-23 | 2015-02-12 | スリーエム イノベイティブ プロパティズ カンパニー | 非対称ディフューザーを備えた光学スタック |
CN107194919A (zh) * | 2017-05-18 | 2017-09-22 | 南京大学 | 基于规律纹理背景重建的手机屏幕缺陷检测方法 |
CN107622277A (zh) * | 2017-08-28 | 2018-01-23 | 广东工业大学 | 一种基于贝叶斯分类器的复杂曲面缺陷分类方法 |
Non-Patent Citations (1)
Title |
---|
候润石 等: ""基于局部曲面重构的焊缝X射线图像缺陷分割技术"", 《2008远东无损检测新技术论坛优秀论文选登》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111665251A (zh) * | 2019-03-08 | 2020-09-15 | 苏州元承科技有限公司 | 一种表面缺陷视觉检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022062812A1 (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
Xu et al. | Fast image dehazing using improved dark channel prior | |
CN105158258B (zh) | 一种基于计算机视觉的竹条表面缺陷检测方法 | |
CN104749184B (zh) | 自动光学检测方法和*** | |
CN105453153B (zh) | 交通灯检测 | |
CN102385753B (zh) | 一种基于光照分类的自适应图像分割方法 | |
CN111289538A (zh) | 基于机器视觉的pcb板元件检测***及检测方法 | |
CN104135660A (zh) | 一种摄像模组脏污检测方法及检测*** | |
CN107490582A (zh) | 一种流水线工件检测*** | |
CN106780464A (zh) | 一种基于改进阈值分割的织物疵点检测方法 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN101615241B (zh) | 一种证件照片的筛选方法 | |
CN105812618B (zh) | 一种运动检测方法及运动检测装置 | |
CN108520260B (zh) | 瓶装口服液中可见异物的识别方法 | |
CN107490583A (zh) | 一种基于机器视觉的夹片缺陷检测方法 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及*** | |
CN102901735B (zh) | 利用计算机对工件缺损、裂变、变形进行自动检测的*** | |
CN106057700B (zh) | 一种太阳能电池片的边红片的检测方法 | |
CN111665251A (zh) | 一种表面缺陷视觉检测方法 | |
CN114419011A (zh) | 一种棉花异性纤维在线检测方法及*** | |
CN110412055A (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
CN109472779A (zh) | 一种基于形态结构的纱线外观特征参数提取与分析方法 | |
CN108288260A (zh) | 实时浓淡补正的图像预处理方法 | |
CN106093051A (zh) | 基于机器视觉的纸卷切面毛刺检测方法及装置 | |
CN104282013B (zh) | 一种用于前景目标检测的图像处理方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180717 |