CN111931651B - 一种视觉检测图像处理***及其处理方法 - Google Patents

一种视觉检测图像处理***及其处理方法 Download PDF

Info

Publication number
CN111931651B
CN111931651B CN202010799912.5A CN202010799912A CN111931651B CN 111931651 B CN111931651 B CN 111931651B CN 202010799912 A CN202010799912 A CN 202010799912A CN 111931651 B CN111931651 B CN 111931651B
Authority
CN
China
Prior art keywords
image
images
gray
layering
module
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
CN202010799912.5A
Other languages
English (en)
Other versions
CN111931651A (zh
Inventor
王俊红
***
张航
李宗睿
焦智
杜朋
薛建峰
王楠
王宇然
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.)
North China Institute of Aerospace Engineering
Original Assignee
North China Institute of Aerospace Engineering
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 North China Institute of Aerospace Engineering filed Critical North China Institute of Aerospace Engineering
Priority to CN202010799912.5A priority Critical patent/CN111931651B/zh
Publication of CN111931651A publication Critical patent/CN111931651A/zh
Application granted granted Critical
Publication of CN111931651B publication Critical patent/CN111931651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种视觉检测图像处理***，包括两个不同角度的图像采集器，用于采集被测对象不同角度的图像；图像分层模块，用于图像进行分层处理；图像融合模块，用于对图像层进行融合得到待检测图像；图像检测模块，用于对待检测图像进行检测，得到检测结果。本发明能够改进现有技术的不足，在不增加图像分辨率的前提下实现图像的高精度检测。

Description

一种视觉检测图像处理***及其处理方法
技术领域
本发明涉及视觉检测技术领域，尤其是一种视觉检测图像处理***及其处理方法。
背景技术
视觉检测是一种利用图像智能化识别技术对被测对象进行自动化检测的方式。现有技术中，如果想要提高检测精度就需要提高被测图像的分辨率，而高分辨率的图像在处理过程中会大大增加运算量，导致图像处理延时。
发明内容
本发明要解决的技术问题是提供一种视觉检测图像处理***及其处理方法，能够解决现有技术的不足，在不增加图像分辨率的前提下实现图像的高精度检测。
为解决上述技术问题，本发明所采取的技术方案如下。
一种视觉检测图像处理***，包括，
两个不同角度的图像采集器，用于采集被测对象不同角度的图像；
图像分层模块，用于图像进行分层处理；
图像融合模块，用于对图像层进行融合得到待检测图像；
图像检测模块，用于对待检测图像进行检测，得到检测结果。
一种上述的视觉检测图像处理***的处理方法，包括以下步骤：
A、两个图像采集器分别采集到被测对象两个不同角度的图像；
B、图像分层模块分别对两个不同角度的图像进行分层处理；
C、图像融合模块对图像层进行融合得到待检测图像；
D、图像检测模块对待检测图像进行检测，得到检测结果。
作为优选，步骤A中，两个图像采集器的拍摄角度夹角为25°。。
作为优选，步骤B中，对图像进行分层处理包括以下步骤，
B1、设立至少三个不同灰度范围的过滤器，将原始图像输入过滤器得到对应灰度范围的灰度图像；
B2、将灰度图像转化为二值图像，将同一原始图像得到的不同的二值图像进行比对，将图像出现变化且变化范围大于设定阈值的位置设定为第一标记位置；将两个原始图像经过同一过滤器得到的灰度图像转化成的二值图像进行比对，将图像出现变化且变化范围大于设定阈值的位置设定为第二标记位置；
B3、将全部的第一标记位置和第二标记位置转移至对应的灰度图像上，对于每个原始图像选择一张由其转化而成的标记位置总数最少的灰度图像，发送至图像融合模块。
作为优选，步骤C中，对图像层进行融合包括以下步骤，
C1、计算由图像分层模块得到的两张灰度图像中的第一标记位置的像素值方差，分别计算两张灰度图像中的方差平均值，将两个方差平均值进行线性变化，得到两张灰度图像的权重因子；
C2、以第二标记位置为基准，对两张灰度图像进行线性变换，使两张灰度图像上的第二标记位置完全重合；
C3、使用步骤C1得到的权重因子对步骤C2得到的两张灰度图像进行加权融合。
作为优选，步骤C2中，对灰度图像进行分割，分割后的每个图像块中均包含一部分第二标记位置，对每个图像块进行独立的线性变化，然后将图像块进行拼接复原灰度图像，对拼接位置进行平滑处理。
采用上述技术方案所带来的有益效果在于：本发明通过使用两个不同拍摄角度图像进行合成，实现对被测物体的特征进行加强。在进行图像分层融合的过程中，本发明开创性的使用两组标记位置设计图像融合过程，不仅避免了对于图像多次遍历处理，节约运算时间，而且可以准确定位图像特征点位置，实现对图像特征的加强，从而在检测过程中提高图像特征的检测准确度。
附图说明
图1是本发明一个具体实施方式的原理图。
具体实施方式
参照图1，本发明一个具体实施方式包括，
两个不同角度的图像采集器1，用于采集被测对象不同角度的图像；
图像分层模块2，用于图像进行分层处理；
图像融合模块3，用于对图像层进行融合得到待检测图像；
图像检测模块4，用于对待检测图像进行检测，得到检测结果。
一种上述的视觉检测图像处理***的处理方法，包括以下步骤：
A、两个图像采集器1分别采集到被测对象两个不同角度的图像；
B、图像分层模块2分别对两个不同角度的图像进行分层处理；
C、图像融合模块3对图像层进行融合得到待检测图像；
D、图像检测模块4对待检测图像进行检测，得到检测结果。
步骤A中，两个图像采集器1的拍摄角度夹角为25°。
步骤B中，对图像进行分层处理包括以下步骤，
B1、设立至少三个不同灰度范围的过滤器，将原始图像输入过滤器得到对应灰度范围的灰度图像；
B2、将灰度图像转化为二值图像，将同一原始图像得到的不同的二值图像进行比对，将图像出现变化且变化范围大于设定阈值的位置设定为第一标记位置；将两个原始图像经过同一过滤器得到的灰度图像转化成的二值图像进行比对，将图像出现变化且变化范围大于设定阈值的位置设定为第二标记位置；
B3、将全部的第一标记位置和第二标记位置转移至对应的灰度图像上，对于每个原始图像选择一张由其转化而成的标记位置总数最少的灰度图像，发送至图像融合模块3。
步骤C中，对图像层进行融合包括以下步骤，
C1、计算由图像分层模块2得到的两张灰度图像中的第一标记位置的像素值方差，分别计算两张灰度图像中的方差平均值，将两个方差平均值进行线性变化，得到两张灰度图像的权重因子；
C2、以第二标记位置为基准，对两张灰度图像进行线性变换，使两张灰度图像上的第二标记位置完全重合；
C3、使用步骤C1得到的权重因子对步骤C2得到的两张灰度图像进行加权融合。
步骤C2中，对灰度图像进行分割，分割后的每个图像块中均包含一部分第二标记位置，对每个图像块进行独立的线性变化，然后将图像块进行拼接复原灰度图像，对拼接位置进行平滑处理。
经过对比试验，使用本发明的图像处理方法可以在图像分辨率在200ppi的情况下可达到传统单一图像遍历式检测分辨率为450ppi图像的准确度。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (2)

1.一种视觉检测图像处理方法，其特征在于：所述方法基于一种视觉检测图像处理***来实现，所述处理***包括，
两个不同角度的图像采集器(1)，用于采集被测对象不同角度的图像；
图像分层模块(2)，用于图像进行分层处理；
图像融合模块(3)，用于对图像层进行融合得到待检测图像；
图像检测模块(4)，用于对待检测图像进行检测，得到检测结果；
所述处理方法包括以下步骤：
A、两个图像采集器(1)分别采集到被测对象两个不同角度的图像；
B、图像分层模块(2)分别对两个不同角度的图像进行分层处理；
C、图像融合模块(3)对图像层进行融合得到待检测图像；
D、图像检测模块(4)对待检测图像进行检测，得到检测结果；
所述步骤B中，对图像进行分层处理包括以下步骤：
B1、设立至少三个不同灰度范围的过滤器，将原始图像输入过滤器得到对应灰度范围的灰度图像；
B2、将灰度图像转化为二值图像，将同一原始图像得到的不同的二值图像进行比对，将图像出现变化且变化范围大于设定阈值的位置设定为第一标记位置；将两个原始图像经过同一过滤器得到的灰度图像转化成的二值图像进行比对，将图像出现变化且变化范围大于设定阈值的位置设定为第二标记位置；
B3、将全部的第一标记位置和第二标记位置转移至对应的灰度图像上，对于每个原始图像选择一张由其转化而成的标记位置总数最少的灰度图像，发送至图像融合模块(3)；
所述步骤C中，对图像层进行融合包括以下步骤：
C1、计算由图像分层模块(2)得到的两张灰度图像中的第一标记位置的像素值方差，分别计算两张灰度图像中的方差平均值，将两个方差平均值进行线性变化，得到两张灰度图像的权重因子；
C2、以第二标记位置为基准，对两张灰度图像进行线性变换，使两张灰度图像上的第二标记位置完全重合；
C3、使用步骤C1得到的权重因子对步骤C2得到的两张灰度图像进行加权融合；
所述步骤C2中，对灰度图像进行分割，分割后的每个图像块中均包含一部分第二标记位置，对每个图像块进行独立的线性变化，然后将图像块进行拼接复原灰度图像，对拼接位置进行平滑处理。
2.根据权利要求1所述的视觉检测图像处理方法，其特征在于：所述步骤A中，两个图像采集器(1)的拍摄角度夹角为25°。
CN202010799912.5A 2020-08-11 2020-08-11 一种视觉检测图像处理***及其处理方法 Active CN111931651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010799912.5A CN111931651B (zh) 2020-08-11 2020-08-11 一种视觉检测图像处理***及其处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010799912.5A CN111931651B (zh) 2020-08-11 2020-08-11 一种视觉检测图像处理***及其处理方法

Publications (2)

Publication Number Publication Date
CN111931651A CN111931651A (zh) 2020-11-13
CN111931651B true CN111931651B (zh) 2024-01-30

Family

ID=73307487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010799912.5A Active CN111931651B (zh) 2020-08-11 2020-08-11 一种视觉检测图像处理***及其处理方法

Country Status (1)

Country Link
CN (1) CN111931651B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899841A (zh) * 2015-06-15 2015-09-09 惠仁望都医疗设备科技有限公司 一种核磁共振图像的生成计算方法
CN106780537A (zh) * 2017-01-11 2017-05-31 山东农业大学 一种基于图像处理的方格蔟蚕茧筛选装置及方法
CN107650122A (zh) * 2017-07-31 2018-02-02 宁夏巨能机器人股份有限公司 一种基于3d视觉识别的机器人手爪定位***及其定位方法
CN108322724A (zh) * 2018-02-06 2018-07-24 上海兴芯微电子科技有限公司 图像立体匹配方法以及双目视觉设备
CN110097548A (zh) * 2019-05-08 2019-08-06 北华航天工业学院 一种基于机器视觉的钻孔缺陷检测***及其检测方法
CN110189328A (zh) * 2019-06-11 2019-08-30 北华航天工业学院 一种卫星遥感图像处理***及其处理方法
CN111260645A (zh) * 2020-02-20 2020-06-09 中国科学院自动化研究所 基于分块分类深度学习的篡改图像检测方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019075666A1 (zh) * 2017-10-18 2019-04-25 腾讯科技（深圳）有限公司 图像处理方法、装置、终端及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899841A (zh) * 2015-06-15 2015-09-09 惠仁望都医疗设备科技有限公司 一种核磁共振图像的生成计算方法
CN106780537A (zh) * 2017-01-11 2017-05-31 山东农业大学 一种基于图像处理的方格蔟蚕茧筛选装置及方法
CN107650122A (zh) * 2017-07-31 2018-02-02 宁夏巨能机器人股份有限公司 一种基于3d视觉识别的机器人手爪定位***及其定位方法
CN108322724A (zh) * 2018-02-06 2018-07-24 上海兴芯微电子科技有限公司 图像立体匹配方法以及双目视觉设备
CN110097548A (zh) * 2019-05-08 2019-08-06 北华航天工业学院 一种基于机器视觉的钻孔缺陷检测***及其检测方法
CN110189328A (zh) * 2019-06-11 2019-08-30 北华航天工业学院 一种卫星遥感图像处理***及其处理方法
CN111260645A (zh) * 2020-02-20 2020-06-09 中国科学院自动化研究所 基于分块分类深度学习的篡改图像检测方法及***

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Application research of visual processing technology in the industrial production line;Junhong Wang 等;《Applied Mechanics and Materials》;第563卷;338-341 *
Image processing and recognition for biological images;Seiichi Uchida 等;《Development, growth & differentiation》;第55卷(第04期);523-549 *
Layer-Based Approach for Image Pair Fusion;Son Chang-Hwan 等;《IEEE Transactions on Image Processing》;第25卷(第06期);2866-2881 *
基于分层图像融合的虚拟视点绘制算法;蔡李美 等;《计算机工程》;第47卷(第04期);204-210 *
基于多特征融合的图像检索方法研究;刘清 等;《电脑与电信》(第10期);4-9 *
基于多阈值分割的红外与可见光图像融合;王亮 等;《光电子技术》;第32卷(第04期);278-283 *

Also Published As

Publication number Publication date
CN111931651A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
US11551341B2 (en) Method and device for automatically drawing structural cracks and precisely measuring widths thereof
CN108921176B (zh) 一种基于机器视觉的指针式仪表定位与识别方法
CN107203990B (zh) 一种基于模板匹配与图像质量评估的标贴破损检测方法
CN109003258B (zh) 一种高精度亚像素圆形零件测量方法
CN105913415B (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
CN102175700B (zh) 数字x射线图像焊缝分割和缺陷检测方法
CN111402226A (zh) 一种基于级联卷积神经网络的表面疵点检测方法
CN111998910B (zh) 一种多级水尺水位视觉测量方法及测量***
CN105160652A (zh) 基于计算机视觉的手机外壳检验装置与方法
CN107392849B (zh) 基于图像细分的靶标识别与定位方法
CN107358628B (zh) 基于靶标的线阵图像处理方法
CN106996748A (zh) 一种基于双目视觉的轮径测量方法
CN111260788A (zh) 一种基于双目视觉的配电柜开关状态识别方法
CN112465809A (zh) 一种基于图像识别的模具缺陷检测方法、计算机可读存储介质及装置
CN108571928A (zh) 一种基于机器视觉的夹片锚具尺寸缺陷检测方法
CN106709952A (zh) 一种显示屏幕的自动标定方法
CN109614868A (zh) 汽车轮胎花纹图像直线识别***
CN104966283A (zh) 图像分层配准方法
CN117232396B (zh) 一种高速生产线产品质量视觉检测***及方法
CN113705564A (zh) 一种指针式仪表识别读数方法
CN111539951B (zh) 一种陶瓷砂轮头轮廓尺寸视觉检测方法
CN111931651B (zh) 一种视觉检测图像处理***及其处理方法
CN111784779A (zh) 基于卷积神经网络和嵌套轮廓识别的棋盘格图像识别定位***及方法
CN116958092A (zh) 一种基于改进立体匹配算法的输电线路弧垂快速测量方法
CN107650122B (zh) 一种基于3d视觉识别的机器人手爪定位***及其定位方法

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