CN110310341B - 颜色算法中默认参数的生成方法、装置、设备和存储介质 - Google Patents

颜色算法中默认参数的生成方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN110310341B
CN110310341B CN201910590500.8A CN201910590500A CN110310341B CN 110310341 B CN110310341 B CN 110310341B CN 201910590500 A CN201910590500 A CN 201910590500A CN 110310341 B CN110310341 B CN 110310341B
Authority
CN
China
Prior art keywords
color
image
region
interest
default parameters
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.)
Active
Application number
CN201910590500.8A
Other languages
English (en)
Other versions
CN110310341A (zh
Inventor
王思远
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.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology 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 Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201910590500.8A priority Critical patent/CN110310341B/zh
Publication of CN110310341A publication Critical patent/CN110310341A/zh
Application granted granted Critical
Publication of CN110310341B publication Critical patent/CN110310341B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种颜色算法中默认参数的生成方法、装置、设备和存储介质，其中该方法包括：获取待测图像；对待测图像进行图像分割，得到目标图像；确定目标图像中的感兴趣区域；对感兴趣区域进行颜色分析，得到待测图像的默认参数。本发明实施例提供的技术方案，采用图像处理方法对不同的待测图像进行分析，确定其中的感兴趣区域，并生成默认参数，可以简化后续颜色算法的参数调整过程，减少参数设置工作量，进而缩短了程式制作时间，尤其对于缺乏程式制作经验的操作人员来说，具有重要的参考价值。

Description

颜色算法中默认参数的生成方法、装置、设备和存储介质
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种颜色算法中默认参数的生成方法、装置、设备和存储介质。
背景技术
自动光学检测(Automated Optical Inspection，AOI)是基于光学原理来对印制电路板(Printed Circuit Board，PCB)板卡焊接生产中遇到的常见缺陷进行检测的设备。检测前先制作相应的PCB板程式作为检测标准，待板卡流入设备后，设备对板卡拍照并与做好的标准程式进行对比，判断被检板卡是否合格。颜色算法是AOI中最基本也是最常用的一种算法，检测时，依据预先设定好的算法参数，得到被测图像上满足条件的区域，判断被测图像是否合格。
制作AOI中PCB板程式时，颜色算法的参数设置相对比较繁琐，尤其当需要修改的器件框数目较大时，参数修改是一个及其耗费时间及人力的过程，因此，颜色算法具备合适的默认参数显得尤为重要。现有技术中，默认参数如图1所示，图1为现有技术中颜色算法的参数设置界面，图中主要分为亮度部分11和色盘部分12两部分，亮度部分11通过设置上下亮度阈值来确定待测图像中感兴趣区域的亮度范围，色盘部分12通过拉动色盘上的点和线到合适位置来选取被测图像中感兴趣区域的颜色分布，图中色盘部分12由不同的颜色构成，图中的红橙黄绿蓝靛紫仅仅为一个示例。对于不同的待测图像，颜色算法的默认参数固定不变，如图1亮度范围固定为0-255，色盘分布固定为区域13，自适应能力弱，灵活性差，几乎每一个器件框都需要进行参数调整。此外，对于没有程式制作经验的人来说，默认参数不具有参考价值，只能通过不断调整和尝试来选择合适的参数，耗时长。
发明内容
本发明实施例提供一种颜色算法中默认参数的生成方法、装置、设备和存储介质，以优化颜色算法中默认参数的设置方案，减少参数设置工作量。
第一方面，本发明实施例提供了一种颜色算法中默认参数的生成方法，包括：
获取待测图像；
对所述待测图像进行图像分割，得到目标图像；
确定所述目标图像中的感兴趣区域；
对所述感兴趣区域进行颜色分析，得到所述待测图像的默认参数。
第二方面，本发明实施例还提供了一种颜色算法中默认参数的生成装置，该装置包括：
图像获取模块，用于获取待测图像；
分割模块，用于对所述待测图像进行图像分割，得到目标图像；
感兴趣区域模块，用于确定所述目标图像中的感兴趣区域；
参数模块，用于对所述感兴趣区域进行颜色分析，得到所述待测图像的默认参数。
进一步的，所述分割模块具体用于：
通过聚类算法对所述待测图像进行图像分割，得到目标图像。
进一步的，所述感兴趣区域模块具体用于：
根据所述目标图像中前景区域和背景区域的像素数量的对比结果，确定所述感兴趣区域。
进一步的，所述感兴趣区域模块具体用于：
根据所述目标图像中前景区域和背景区域分别与目标图像中心的距离，确定所述感兴趣区域。
进一步的，所述参数模块包括：
分析单元，用于对所述感兴趣区域进行颜色分析，得到所述感兴趣区域的亮度信息和色盘信息；
参数确定单元，用于根据所述亮度信息和所述色盘信息，得到所述默认参数。
进一步的，所述分析单元具体用于：
统计所述感兴趣区域内全部像素的颜色信息，并转换至HSV颜色空间，得到所述亮度信息和所述色盘信息。
进一步的，所述参数确定单元具体用于：
根据所述亮度信息确定亮度阈值，所述亮度阈值包括亮度的最大阈值和最小阈值；
根据所述色盘信息确定色盘的取点位置；
将所述亮度阈值与所述色盘的取点位置确定的色盘区域确定为所述默认参数。
第三方面，本发明实施例还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的颜色算法中默认参数的生成方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的颜色算法中默认参数的生成方法。
本发明实施例通过获取待测图像，对待测图像进行图像分割，得到目标图像，确定目标图像中的感兴趣区域，对感兴趣区域进行颜色分析，得到待测图像的默认参数。本发明实施例提供的技术方案，采用图像处理方法对不同的待测图像进行分析，确定其中的感兴趣区域，并生成默认参数，可以简化后续颜色算法的参数调整过程，减少参数设置工作量，进而缩短了程式制作时间，尤其对于缺乏程式制作经验的操作人员来说，具有重要的参考价值。
附图说明
图1为现有技术中颜色算法的参数设置界面；
图2为本发明实施例一中的颜色算法中默认参数的生成方法的流程图；
图3为本发明实施例一中的颜色算法中参数调整示意图；
图4为本发明实施例一中的参数调整后待测图像的示意图；
图5为本发明实施例一中的待测图像的示意图；
图6为本发明实施例一中的目标图像的示意图；
图7为本发明实施例一中的色盘分布图；
图8为本发明实施例二中的颜色算法中默认参数的生成方法的流程图；
图9为本发明实施例二中的默认参数的示意图；
图10为本发明实施例二中的默认参数下的待测图像的示意图；
图11为本发明实施例三中的颜色算法中默认参数的生成装置的结构示意图；
图12为本发明实施例四中的设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图2为本发明实施例一中的颜色算法中默认参数的生成方法的流程图，本实施例可适用于颜色算法中生成默认参数的情况，该方法可以由颜色算法中默认参数的生成装置执行，该装置可以采用软件和/或硬件的方式实现，该装置可配置于设备中，例如该设备可以为智能手机、电脑或平板电脑等等。
本实施例中，颜色算法是自动光学检测(Automated Optical Inspection，AOI)中最基本也是最常用的一种算法，检测时，依据预先设定好的算法参数，得到被测图像上满足条件的区域，判断被测图像是否合格。参见图3，图3为本发明实施例一中的颜色算法中参数调整示意图，图中的亮度部分21的亮度范围为113-161，表示待测图像中感兴趣区域的亮度范围，色盘部分22中的点和线组成的三角形区域23为待测图像中感兴趣区域的颜色分布，图中色盘部分22由不同的颜色构成，图中的红橙黄绿蓝靛紫仅仅为一个示例，具体颜色在图中未示出。图4为本发明实施例一中的参数调整后待测图像的示意图，图中方框中内的图像为待测图像，方框内的“0001”部分为满足图3中的亮度范围和颜色分布的感兴趣区域。
如图2所示，该方法具体可以包括：
S110、获取待测图像。
其中，待测图像可以为在自动光学检测中需要进行检测的图像。颜色算法中默认参数的生成装置可以通过设定程序或算法获取待测图像，待测图像的具体格式和来源本实施例中不作限定，例如可以从互联网中获取待测图像，也可以通过图像采集装置采集得到待测图像等等。
S120、对待测图像进行图像分割，得到目标图像。
其中，图像分割可以是利用图像的灰度、颜色、纹理、形状等特征，把图像分成若干个互不重叠的区域，并使这些特征在同一区域内呈现相似性，在不同的区域之间存在明显的差异性。本实施例中具体采用的图像分割方法可以根据实际情况进行设定，例如可以采用基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
具体的，颜色算法中默认参数的生成装置可以通过聚类算法对待测图像进行图像分割，得到目标图像。其中，聚类算法可以根据实际情况进行设定，本实施例中不作限定，例如本实施例中可以采用k均值(k-means)聚类算法。本实施例中可以通过颜色聚类或者亮度聚类实现待测图像的图像分割，将待测图像划分为前景区域和背景区域两部分，得到目标图像。
示例性的，图5为本发明实施例一中的待测图像的示意图，图6为本发明实施例一中的目标图像的示意图，如图5和图6所示，待测图像中的前景区域为镜像的数字“211”，背景区域为白色，图5中待测图像的颜色未显示。
S130、确定目标图像中的感兴趣区域。
其中，感兴趣区域(Region Of Interest，ROI)可以为目标图像中需要进行处理或者检测的区域。
具体的，确定目标图像中的感兴趣区域，可以包括：根据目标图像中前景区域和背景区域的像素数量的对比结果，确定感兴趣区域。统计目标图像中前景区域和背景区域的像素数量，若前景区域的像素数量小于背景区域的像素数量，则感兴趣区域为前景区域，反之，感兴趣区域为背景区域。例如，图6中的前景区域即镜像的数字“211”为感兴趣区域。
S140、对感兴趣区域进行颜色分析，得到待测图像的默认参数。
具体的，颜色算法中默认参数的生成装置确定感兴趣区域之后，可以对感兴趣区域进行颜色分析，得到感兴趣区域的亮度信息和色盘信息；根据亮度信息和色盘信息，得到默认参数。
进一步的，对感兴趣区域进行颜色分析，得到感兴趣区域的亮度信息和色盘信息，可以包括：统计感兴趣区域内全部像素的颜色信息，并转换至HSV颜色空间，得到亮度信息和色盘信息。其中，HSV(Hue，Saturation，Value)颜色空间是根据颜色的直观特性创建的颜色空间，这个模型中颜色的参数包括色调(H)、饱和度(S)和明度(V)。色调和饱和度可以表示色盘信息，明度为亮度信息。例如，对图6中的感兴趣区域进行颜色分析，得到的色盘信息如图7所示，图7为本发明实施例一中的色盘分布图，图中色盘分布如黑色点所示，黑色实线为色盘分布的凸包线。
进一步的，根据亮度信息和色盘信息，得到默认参数，可以包括：根据亮度信息确定亮度阈值，亮度阈值包括亮度的最大阈值和最小阈值；根据色盘信息确定色盘的取点位置；将亮度阈值与色盘的取点位置确定的色盘区域确定为默认参数。可选地，得到亮度信息和色盘信息之后，可以先通过滤波和优化进行处理。然后根据亮度信息计算出亮度阈值，根据色盘信息计算出色盘的取点位置，默认参数即为亮度阈值和色盘的取点位置确定的色盘区域。
本发明实施例通过获取待测图像，对待测图像进行图像分割，得到目标图像，确定目标图像中的感兴趣区域，对感兴趣区域进行颜色分析，得到待测图像的默认参数。本发明实施例提供的技术方案，采用图像处理方法对不同的待测图像进行分析，确定其中的感兴趣区域，并生成默认参数，可以简化后续颜色算法的参数调整过程，减少参数设置工作量，进而缩短了程式制作时间，尤其对于缺乏程式制作经验的操作人员来说，具有重要的参考价值。
实施例二
图8为本发明实施例二中的颜色算法中默认参数的生成方法的流程图。本实施例在上述实施例的基础上，进一步优化了上述颜色算法中默认参数的生成方法。相应的，如图8所示，本实施例的方法具体包括：
S210、获取待测图像。
S220、通过聚类算法对待测图像进行图像分割，得到目标图像。
S230、确定目标图像中的感兴趣区域。
具体的，确定目标图像中的感兴趣区域，可以包括：根据目标图像中前景区域和背景区域的像素数量的对比结果，确定感兴趣区域，或者，根据目标图像中前景区域和背景区域分别与目标图像中心的距离，确定感兴趣区域。
统计目标图像中前景区域和背景区域的像素数量，若前景区域的像素数量小于背景区域的像素数量，则感兴趣区域为前景区域，反之，感兴趣区域为背景区域。
确定目标图像中前景区域中心距离目标图像中心的距离，以及和背景区域中心距离目标图像中心的距离，若前景区域中心距离目标图像中心的距离小于背景区域中心距离目标图像中心的距离，则感兴趣区域为前景区域，反之，感兴趣区域为背景区域。即将比较靠近目标图像中心的区域确定为感兴趣区域。
S240、对感兴趣区域进行颜色分析，得到感兴趣区域的亮度信息和色盘信息。
具体的，统计感兴趣区域内全部像素的颜色信息，并转换至HSV颜色空间，得到亮度信息和色盘信息。
S250、根据亮度信息和色盘信息，得到默认参数。
具体的，根据亮度信息和色盘信息，得到默认参数，可以包括：根据亮度信息确定亮度阈值，亮度阈值包括亮度的最大阈值和最小阈值；根据色盘信息确定色盘的取点位置；将亮度阈值与色盘的取点位置确定的色盘区域确定为默认参数。
示例性的，参见图9和图10，图9为本发明实施例二中的默认参数的示意图，图10为本发明实施例二中的默认参数下的待测图像的示意图，图9中默认参数中亮度部分31中亮度范围为105-189，亮度的最小阈值为105，最大阈值为189，色盘部分32中4个取点位置组成的不规则四边形区域33为色盘区域，即表示待测图像中感兴趣区域的颜色分布，图中色盘部分32由不同的颜色构成，图中的红橙黄绿蓝靛紫仅仅为一个示例，具体颜色在图中未示出。
本发明实施例通过获取待测图像，对待测图像进行图像分割，得到目标图像，确定目标图像中的感兴趣区域，对感兴趣区域进行颜色分析，得到待测图像的默认参数。本发明实施例提供的技术方案，采用图像处理方法对不同的待测图像进行分析，确定其中的感兴趣区域，并生成默认参数，可以简化后续颜色算法的参数调整过程，减少参数设置工作量，进而缩短了程式制作时间，尤其对于缺乏程式制作经验的操作人员来说，具有重要的参考价值。
实施例三
图11为本发明实施例三中的颜色算法中默认参数的生成装置的结构示意图，本实施例可适用于颜色算法中生成默认参数的情况。本发明实施例所提供的颜色算法中默认参数的生成装置可执行本发明任意实施例所提供的颜色算法中默认参数的生成方法，具备执行方法相应的功能模块和有益效果。该装置具体可以包括：
图像获取模块310，用于获取待测图像；
分割模块320，用于对待测图像进行图像分割，得到目标图像；
感兴趣区域模块330，用于确定目标图像中的感兴趣区域；
参数模块340，用于对感兴趣区域进行颜色分析，得到待测图像的默认参数。
本发明实施例通过获取待测图像，对待测图像进行图像分割，得到目标图像，确定目标图像中的感兴趣区域，对感兴趣区域进行颜色分析，得到待测图像的默认参数。本发明实施例提供的技术方案，采用图像处理方法对不同的待测图像进行分析，确定其中的感兴趣区域，并生成默认参数，可以简化后续颜色算法的参数调整过程，减少参数设置工作量，进而缩短了程式制作时间，尤其对于缺乏程式制作经验的操作人员来说，具有重要的参考价值。
进一步的，分割模块320具体用于：
通过聚类算法对待测图像进行图像分割，得到目标图像。
进一步的，感兴趣区域模块330具体用于：
根据目标图像中前景区域和背景区域的像素数量的对比结果，确定感兴趣区域。
进一步的，感兴趣区域模块330具体用于：
根据目标图像中前景区域和背景区域分别与目标图像中心的距离，确定感兴趣区域。
进一步的，参数模块340包括：
分析单元，用于对感兴趣区域进行颜色分析，得到感兴趣区域的亮度信息和色盘信息；
参数确定单元，用于根据亮度信息和色盘信息，得到默认参数。
进一步的，分析单元具体用于：
统计感兴趣区域内全部像素的颜色信息，并转换至HSV颜色空间，得到亮度信息和色盘信息。
进一步的，参数确定单元具体用于：
根据亮度信息确定亮度阈值，亮度阈值包括亮度的最大阈值和最小阈值；
根据色盘信息确定色盘的取点位置；
将亮度阈值与色盘的取点位置确定的色盘区域确定为默认参数。
本发明实施例所提供的颜色算法中默认参数的生成装置可执行本发明任意实施例所提供的颜色算法中默认参数的生成方法，具备执行方法相应的功能模块和有益效果。
实施例四
图12为本发明实施例四中的设备的结构示意图。图12示出了适于用来实现本发明实施方式的示例性设备412的框图。图12显示的设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图12所示，设备412以通用终端的形式表现。设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同***组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及***组件互连(Peripheral Component Interconnect，PCI)总线。
设备412典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***434可以用于读写不可移动的、非易失性磁介质(图12未显示，通常称为“硬盘驱动器”)。尽管图12中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储装置428中，这样的程序模块442包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
设备412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信，还可与一个或者多个使得用户能与该设备412交互的终端通信，和/或与使得该设备412能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图12所示，网络适配器420通过总线418与设备412的其它模块通信。应当明白，尽管图中未示出，可以结合设备412使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)***、磁带驱动器以及数据备份存储***等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的颜色算法中默认参数的生成方法，该方法包括：
获取待测图像；
对待测图像进行图像分割，得到目标图像；
确定目标图像中的感兴趣区域；
对感兴趣区域进行颜色分析，得到待测图像的默认参数。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的颜色算法中默认参数的生成方法，该方法包括：
获取待测图像；
对待测图像进行图像分割，得到目标图像；
确定目标图像中的感兴趣区域；
对感兴趣区域进行颜色分析，得到待测图像的默认参数。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种颜色算法中默认参数的生成方法，其特征在于，包括：
获取待测图像；
对所述待测图像进行图像分割，得到目标图像；
确定所述目标图像中的感兴趣区域；
对所述感兴趣区域进行颜色分析，得到所述待测图像的默认参数，所述默认参数为根据亮度信息和色盘信息确定的色盘区域。
2.根据权利要求1所述的方法，其特征在于，对所述待测图像进行图像分割，得到目标图像，包括：
通过聚类算法对所述待测图像进行图像分割，得到目标图像。
3.根据权利要求1所述的方法，其特征在于，确定所述目标图像中的感兴趣区域，包括：
根据所述目标图像中前景区域和背景区域的像素数量的对比结果，确定所述感兴趣区域。
4.根据权利要求1所述的方法，其特征在于，确定所述目标图像中的感兴趣区域，包括：
根据所述目标图像中前景区域和背景区域分别与目标图像中心的距离，确定所述感兴趣区域。
5.根据权利要求1所述的方法，其特征在于，对所述感兴趣区域进行颜色分析，得到所述待测图像的默认参数，包括：
对所述感兴趣区域进行颜色分析，得到所述感兴趣区域的亮度信息和色盘信息；
根据所述亮度信息和所述色盘信息，得到所述默认参数。
6.根据权利要求5所述的方法，其特征在于，对所述感兴趣区域进行颜色分析，得到所述感兴趣区域的亮度信息和色盘信息，包括：
统计所述感兴趣区域内全部像素的颜色信息，并转换至HSV颜色空间，得到所述亮度信息和所述色盘信息。
7.根据权利要求5所述的方法，其特征在于，根据所述亮度信息和所述色盘信息，得到所述默认参数，包括：
根据所述亮度信息确定亮度阈值，所述亮度阈值包括亮度的最大阈值和最小阈值；
根据所述色盘信息确定色盘的取点位置；
将所述亮度阈值与所述色盘的取点位置确定的色盘区域确定为所述默认参数。
8.一种颜色算法中默认参数的生成装置，其特征在于，包括：
图像获取模块，用于获取待测图像；
分割模块，用于对所述待测图像进行图像分割，得到目标图像；
感兴趣区域模块，用于确定所述目标图像中的感兴趣区域；
参数模块，用于对所述感兴趣区域进行颜色分析，得到所述待测图像的默认参数，所述默认参数为根据亮度信息和色盘信息确定的色盘区域。
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的颜色算法中默认参数的生成方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的颜色算法中默认参数的生成方法。
CN201910590500.8A 2019-07-02 2019-07-02 颜色算法中默认参数的生成方法、装置、设备和存储介质 Active CN110310341B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910590500.8A CN110310341B (zh) 2019-07-02 2019-07-02 颜色算法中默认参数的生成方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910590500.8A CN110310341B (zh) 2019-07-02 2019-07-02 颜色算法中默认参数的生成方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110310341A CN110310341A (zh) 2019-10-08
CN110310341B true CN110310341B (zh) 2021-09-24

Family

ID=68079630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910590500.8A Active CN110310341B (zh) 2019-07-02 2019-07-02 颜色算法中默认参数的生成方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110310341B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223016A (zh) * 2021-05-13 2021-08-06 上海西虹桥导航技术有限公司 一种植物秧苗的图像分割方法、装置、电子设备和介质
CN116843892B (zh) * 2023-08-02 2024-04-26 深圳市名通科技股份有限公司 Aoi场景轮廓识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101807289A (zh) * 2010-03-15 2010-08-18 深圳市中钞科信金融科技有限公司 一种用于分布式图像处理***的建模方法
CN105303579A (zh) * 2015-11-11 2016-02-03 广州视源电子科技股份有限公司 一种电路板的检测方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8090184B2 (en) * 2008-07-23 2012-01-03 Seiko Epson Corporation Fault detection of a printed dot-pattern bitmap
CN102221554A (zh) * 2011-04-06 2011-10-19 天津科技大学 一种印刷品质量和缺陷检测方法
US20150246549A1 (en) * 2014-02-28 2015-09-03 Ricoh Company, Ltd. Replaceable Ink Cartridge with Reusable Memory
US9984459B2 (en) * 2015-04-15 2018-05-29 Kabushiki Kaisha Topcon OCT angiography calculation with optimized signal processing
CN105184793B (zh) * 2015-09-02 2018-01-16 广东电网有限责任公司汕尾供电局 一种电能表样品外观及pcb板元件检测方法
CN105957065A (zh) * 2016-04-21 2016-09-21 广州视源电子科技股份有限公司 元件漏检方法和***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101807289A (zh) * 2010-03-15 2010-08-18 深圳市中钞科信金融科技有限公司 一种用于分布式图像处理***的建模方法
CN105303579A (zh) * 2015-11-11 2016-02-03 广州视源电子科技股份有限公司 一种电路板的检测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Novel Approach of Standard Data Base Generation for Defect Detection in Bare PCB;Mukesh Kumar et al.;《International Conference on Computing, Communication and Automation (ICCCA2015)》;20150706;第11-15页 *
PCB自动光学检测***基础算法研究;宋昀岑;《中国博士学位论文全文数据库 信息科技辑》;20160315(第03期);第I135-155、8-33页 *

Also Published As

Publication number Publication date
CN110310341A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
CN110544258B (zh) 图像分割的方法、装置、电子设备和存储介质
US9740967B2 (en) Method and apparatus of determining air quality
CN110189336B (zh) 图像生成方法、***、服务器及存储介质
CN108229485B (zh) 用于测试用户界面的方法和装置
CN108564082B (zh) 图像处理方法、装置、服务器和介质
CN108764352B (zh) 重复页面内容检测方法和装置
CN110310341B (zh) 颜色算法中默认参数的生成方法、装置、设备和存储介质
WO2021164328A1 (zh) 图像生成方法、设备及存储介质
JP2018018173A (ja) 画像処理装置、画像処理方法、コンピュータプログラム
CN112750162A (zh) 一种目标识别定位方法和装置
CN113609984A (zh) 一种指针式仪表读数识别方法、装置及电子设备
CN113785181A (zh) Oled屏幕点缺陷判定方法、装置、存储介质及电子设备
CN111462221A (zh) 待侦测物体阴影面积提取方法、装置、设备及存储介质
CN114298985B (zh) 缺陷检测方法、装置、设备及存储介质
CN111724396A (zh) 图像分割方法及装置、计算机可读存储介质、电子设备
CN108900895B (zh) 一种对视频流的目标区域的屏蔽方法及其装置
CN114066862A (zh) 一种基于色域和轮廓特征的指示器识别方法及***
CN111311500A (zh) 一种对图像进行颜色还原的方法和装置
CN111815748A (zh) 一种动画处理方法、装置、存储介质及电子设备
CN116993654A (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
US20220207724A1 (en) Method of determining a distribution of stem cells in a cell image, electronic device, and storage medium
CN113034449B (zh) 目标检测模型训练方法、装置及通信设备
CN115861801A (zh) 指针式仪表识别方法、***、电子设备及可读存储介质
CN115115596A (zh) 电子元器件检测方法、装置及自动质检设备
CN109141457A (zh) 导航评估方法、装置、计算机设备和存储介质

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
GR01 Patent grant
GR01 Patent grant