CN110490864A - 图像的自适应缺陷检测方法 - Google Patents
图像的自适应缺陷检测方法 Download PDFInfo
- Publication number
- CN110490864A CN110490864A CN201910779680.4A CN201910779680A CN110490864A CN 110490864 A CN110490864 A CN 110490864A CN 201910779680 A CN201910779680 A CN 201910779680A CN 110490864 A CN110490864 A CN 110490864A
- Authority
- CN
- China
- Prior art keywords
- exposure mask
- image
- value
- pixel
- testing 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000007689 inspection Methods 0.000 title claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 12
- 230000004087 circulation Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 12
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000013039 cover film Substances 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001839 systemic circulation Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
本发明公开了一种图像的自适应缺陷检测方法,包括以下步骤:1)对待测图像生成大小相同的掩膜图,初始掩膜值为0,统计待测图像均值μ0和标准差σ0,确定系数M;2)判断各像素的灰度值是否大于μ0+M×σ0或小于μ0‑M×σ0,是则掩膜值置为1;3)统计掩膜值为0部分在待测图像中的均值μi和标准差σi,再将待测图像上在掩膜值为1对应部分的像素的灰度值置为均值μi,得到图像I;4)同上方法生成掩膜图I并判断;5)i+1,重复步骤3)、4),直到掩膜值均为0;6)将所有掩膜值为1的区域合并显示,得到最终的缺陷掩膜图。该方法避免了因阈值设置不合理造成的误检或漏检,可有效实现各尺度的缺陷检测与识别。
Description
技术领域
本发明涉及图像检测领域,具体涉及一种图像的自适应缺陷检测方法。
背景技术
图像检测技术是目前广泛应用的视觉检测方法,对于底色单一的图片,检测其表面的异常点,通常采用设定阈值,再识别出图中异常值的方法,这种异常点在产品上即为缺陷。但是单一阈值的设定,往往不能准确检测出图像上的所有异常点。这是因为若阈值设定过大会漏掉小尺寸的异常,而阈值设定过小又会误检出大量无效区域。
发明内容
为了解决上述技术问题,本发明提供一种图像的自适应缺陷检测方法,其能有效解决缺陷识别时阈值难以确定的问题,避免了因阈值设置不合理造成的误检或漏检,可有效实现各尺度的缺陷检测与识别。
为此,本发明的技术方案如下:
一种图像的自适应缺陷检测方法,包括以下步骤:
1)对待测图像生成大小相同的掩膜图,设定掩膜图中各像素的初始掩膜值为0,统计所述待测图像各像素灰度值的均值μ0和标准差σ0,确定系数M;
所述待测图像为底色单一且均匀的图像;
2)判断所述待测图像中各像素的灰度值是否大于μ0+M×σ0或小于μ0-M×σ0,如果是,那么将掩膜图对应位置的掩膜值置为1;
3)统计所述掩膜图中掩膜值为0的部分在待测图像中所对应像素的灰度值均值μi和标准差σi,再将待测图像上在掩膜图中掩膜值为1的部分的像素的灰度值置为均值μi,得到图像I;i取值为正整数;I=i;
4)生成与所述图像I大小相同的掩膜图I,设定所述掩膜图I的初始掩膜值为0,判断图像I中各像素的灰度值是否大于μi+M×σi或小于μi-M×σi,如果是,那么将掩膜图I对应位置的掩膜值置为1;
5)i+1,以步骤4)中的掩膜图I和图像I替换步骤3)中计算灰度值均值μi和标准差σi所用到的掩膜图和待测图像,重复步骤3)、4),直到掩膜图中所有掩膜值均为0;
6)将多次循环中掩膜值为1的区域合并显示,得到最终的缺陷掩膜图。由此掩膜图可获知待测图像上的缺陷区域。
进一步,步骤5)的循环终止条件还为预先设定的最大循环次数或者相邻两次循环后得到的掩膜图相同。
进一步,M=1~5。
进一步,所述待测图像为相位、梯度、曲率的差分或卷积图,以及调制图。
本申请提供的图像的自适应缺陷检测方法通过循环多次设定检测阈值,可有效解决缺陷识别时阈值难以确定的问题,避免了因阈值设置不合理造成的误检或漏检,可有效实现各尺度的缺陷检测与识别。
附图说明
图1为采用现有方法固定阈值偏大时的检测效果图;
图2为采用现有方法固定阈值偏小时的检测效果图;
图3为具体实施方式中步骤2)得到的掩膜图;
图4为具体实施方式中第1个循环后得到的掩膜图;
图5为具体实施方式中第2个循环后得到的掩膜图;
图6为具体实施方式中第3个循环后得到的掩膜图;
图7为具体实施例方法最终得到的最终缺陷掩膜图。
注:图1、2和3~7所处理的原图为同一张。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种图像的自适应缺陷检测方法,包括以下步骤:
1)对待测图像生成大小相同的掩膜图,设定掩膜图中各像素的初始掩膜值为0,统计待测图像各像素灰度值的均值μ0和标准差σ0,确定系数M;
待测图像为底色单一且均匀的图像;例如汽车漆面、手机屏等镜面/类镜面图像;
待测图像为相位、梯度、曲率的差分或卷积图,以及调制图,附图3~7中使用的原图为缺陷调制后的相位差分图;
2)判断待测图像中各像素的灰度值是否大于μ0+M×σ0或小于μ0-M×σ0,如果是,那么将掩膜图对应位置的掩膜值置为1;优选,M=1~5,此处选择M=3,得到第一张掩膜图,图3;
3)统计掩膜图中掩膜值为0的部分在待测图像中所对应像素的灰度值均值μi和标准差σi,再将待测图像上在掩膜图中掩膜值为1的部分的像素的灰度值置为均值μi,得到图像I;i取值为正整数;I=i;
4)生成与图像I大小相同的掩膜图I,设定掩膜图I的初始掩膜值为0,判断图像I中各像素的灰度值是否大于μi+M×σi或小于μi-M×σi,如果是,那么将掩膜图I对应位置的掩膜值置为1;
5)i+1,以步骤4)中的掩膜图I和图像I替换步骤3)中计算灰度值均值μi和标准差σi所用到的掩膜图和待测图像,重复步骤3)、4),直到掩膜图中所有掩膜值均为0;i=1时,掩膜图1为图4;i=2时,掩膜图1为图5;i=3时,掩膜图1为图6;
6)将多次循环中掩膜值为1的区域合并显示,得到最终的缺陷掩膜图,如图7所示。由此掩膜图可获知待测图像上的缺陷区域。可见,相对于图2所采用现有固定阈值的方法,图7并不存在图2右下角的杂点。
为了防止程序错误导致循环不能终止,步骤5)的循环终止条件还为预先设定的最大循环次数或者相邻两次循环后得到的掩膜图相同。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的,也不是想要把本发明限制为所公开的精确形式,显然,根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用,从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。
Claims (4)
1.一种图像的自适应缺陷检测方法,其特征在于包括以下步骤:
1)对待测图像生成大小相同的掩膜图,设定掩膜图中各像素的初始掩膜值为0,统计所述待测图像各像素灰度值的均值μ0和标准差σ0,确定系数M;
所述待测图像为底色单一且均匀的图像;
2)判断所述待测图像中各像素的灰度值是否大于μ0+M×σ0或小于μ0-M×σ0,如果是,那么将掩膜图对应位置的掩膜值置为1;
3)统计所述掩膜图中掩膜值为0的部分在待测图像中所对应像素的灰度值均值μi和标准差σi,再将待测图像上在掩膜图中掩膜值为1的部分的像素的灰度值置为均值μi,得到图像I;i取值为正整数;I=i;
4)生成与所述图像I大小相同的掩膜图I,设定所述掩膜图I的初始掩膜值为0,判断图像I中各像素的灰度值是否大于μi+M×σi或小于μi-M×σi,如果是,那么将掩膜图I对应位置的掩膜值置为1;
5)i+1,以步骤4)中的掩膜图I和图像I替换步骤3)中计算灰度值均值μi和标准差σi所用到的掩膜图和待测图像,重复步骤3)、4),直到掩膜图中所有掩膜值均为0;
6)将多次循环中掩膜值为1的区域合并显示,得到最终的缺陷掩膜图。
2.如权利要求1所述图像的自适应缺陷检测方法,其特征在于:步骤5)的循环终止条件还为预先设定的最大循环次数或者相邻两次循环后得到的掩膜图相同。
3.如权利要求1所述图像的自适应缺陷检测方法,其特征在于:M=1~5。
4.如权利要求1所述图像的自适应缺陷检测方法,其特征在于:所述待测图像为相位、梯度、曲率的差分或卷积图,以及调制图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779680.4A CN110490864B (zh) | 2019-08-22 | 2019-08-22 | 图像的自适应缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910779680.4A CN110490864B (zh) | 2019-08-22 | 2019-08-22 | 图像的自适应缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110490864A true CN110490864A (zh) | 2019-11-22 |
CN110490864B CN110490864B (zh) | 2021-09-21 |
Family
ID=68552984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910779680.4A Active CN110490864B (zh) | 2019-08-22 | 2019-08-22 | 图像的自适应缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490864B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127415A (zh) * | 2019-12-19 | 2020-05-08 | 信利(仁寿)高端显示科技有限公司 | 一种基于准分子激光退火的Mura的量化方法 |
CN112598647A (zh) * | 2020-12-24 | 2021-04-02 | 凌云光技术股份有限公司 | 一种弧形面渐变背景下弱线缺陷的检测方法 |
CN113284148A (zh) * | 2021-07-23 | 2021-08-20 | 苏州高视半导体技术有限公司 | 一种屏幕灰尘过滤方法 |
CN113888537A (zh) * | 2021-12-03 | 2022-01-04 | 深圳市网旭科技有限公司 | 掩模提取方法、装置、设备及存储介质 |
CN116452582A (zh) * | 2023-06-13 | 2023-07-18 | 季华实验室 | 类镜面表面数据检测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381374B1 (en) * | 1998-10-30 | 2002-04-30 | General Electric Company | Histogram analysis method for defective pixel identification |
CN107703715A (zh) * | 2016-08-08 | 2018-02-16 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的修复方法 |
CN108460757A (zh) * | 2018-02-11 | 2018-08-28 | 深圳市鑫信腾科技有限公司 | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 |
US20190096057A1 (en) * | 2017-05-11 | 2019-03-28 | Jacob Nathaniel Allen | Object inspection system and method for inspecting an object |
CN109916922A (zh) * | 2019-04-02 | 2019-06-21 | 易思维(杭州)科技有限公司 | 镜面/类镜面物体的缺陷检测方法 |
-
2019
- 2019-08-22 CN CN201910779680.4A patent/CN110490864B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381374B1 (en) * | 1998-10-30 | 2002-04-30 | General Electric Company | Histogram analysis method for defective pixel identification |
CN107703715A (zh) * | 2016-08-08 | 2018-02-16 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的修复方法 |
US20190096057A1 (en) * | 2017-05-11 | 2019-03-28 | Jacob Nathaniel Allen | Object inspection system and method for inspecting an object |
CN108460757A (zh) * | 2018-02-11 | 2018-08-28 | 深圳市鑫信腾科技有限公司 | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 |
CN109916922A (zh) * | 2019-04-02 | 2019-06-21 | 易思维(杭州)科技有限公司 | 镜面/类镜面物体的缺陷检测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127415A (zh) * | 2019-12-19 | 2020-05-08 | 信利(仁寿)高端显示科技有限公司 | 一种基于准分子激光退火的Mura的量化方法 |
CN111127415B (zh) * | 2019-12-19 | 2023-07-25 | 信利(仁寿)高端显示科技有限公司 | 一种基于准分子激光退火的Mura的量化方法 |
CN112598647A (zh) * | 2020-12-24 | 2021-04-02 | 凌云光技术股份有限公司 | 一种弧形面渐变背景下弱线缺陷的检测方法 |
CN113284148A (zh) * | 2021-07-23 | 2021-08-20 | 苏州高视半导体技术有限公司 | 一种屏幕灰尘过滤方法 |
CN113284148B (zh) * | 2021-07-23 | 2021-10-15 | 苏州高视半导体技术有限公司 | 一种屏幕灰尘过滤方法 |
CN113888537A (zh) * | 2021-12-03 | 2022-01-04 | 深圳市网旭科技有限公司 | 掩模提取方法、装置、设备及存储介质 |
CN116452582A (zh) * | 2023-06-13 | 2023-07-18 | 季华实验室 | 类镜面表面数据检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110490864B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490864A (zh) | 图像的自适应缺陷检测方法 | |
CN111246204B (zh) | 一种基于相对亮度偏差的脏污检测方法和装置 | |
CN108683907B (zh) | 光学模组像素缺陷检测方法、装置及设备 | |
CN103413311B (zh) | 一种基于边缘的模糊检测方法 | |
CN109257582A (zh) | 一种投影设备的校正方法和装置 | |
CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
CN105744268A (zh) | 摄像头遮挡检测方法及装置 | |
CN107490582A (zh) | 一种流水线工件检测*** | |
CN104200792B (zh) | 一种显示医疗图像时定位灰阶图像区域的方法及装置 | |
CN105069453A (zh) | 一种图像校正方法及装置 | |
CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
CN105303573B (zh) | 金针类元件的引脚检测方法和*** | |
CN104966348B (zh) | 一种票据图像要素完整性检测方法及*** | |
CN109801322A (zh) | 一种漏光检测方法及装置 | |
CN111031311A (zh) | 成像质量检测方法、装置、电子设备及可读存储介质 | |
CN104749801B (zh) | 高精度自动光学检测方法和*** | |
CN105761256B (zh) | 图像的亚像素边缘直线获取方法及装置 | |
CN110309843A (zh) | 一种电力设备图像中多类部件的自动识别方法 | |
CN110418124A (zh) | 投影图像检测方法、装置、设备及计算机可读存储介质 | |
CN103020949A (zh) | 人脸图像检测方法 | |
CN108805144A (zh) | 基于形态学矫正的弹孔识别方法及***、报靶设备 | |
CN106157301B (zh) | 一种用于图像边缘检测的阈值自确定方法及装置 | |
CN109716355A (zh) | 微粒边界识别 | |
CN114674826A (zh) | 基于布匹的视觉检测方法及检测*** | |
CN104463812B (zh) | 修复在拍摄时受到雨滴干扰的视频图像的方法 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee after: Yi Si Si (Hangzhou) Technology Co.,Ltd. Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |