CN114331951A - 图像检测方法、装置、计算机、可读存储介质及程序产品 - Google Patents

Abstract

本申请实施例公开了一种图像检测方法、装置、计算机、可读存储介质及程序产品，该方法包括：获取待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行掩码过滤处理，得到掩码图像；对掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点，从掩码图像中获取第一匹配像素点在掩码图像中的第一位置信息，以及第二匹配像素点在掩码图像中的第二位置信息，根据第一位置信息及第二位置信息确定第一匹配像素点与第二匹配像素点之间的位置差异值；从掩码图像中识别目标对象的对象边缘线，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。采用本申请，可以提高图像检测的效率及准确性。

Description

图像检测方法、装置、计算机、可读存储介质及程序产品

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像检测方法、装置、计算机、可读存储介质及程序产品。

背景技术

金属注塑成型(Metal Injection Molding，MIM)是较新的一种金属部件制造法，是传统的塑料注塑成型法和金属粉末冶金法相融合的一种复合技术。通过使用模具注塑，机械加工上比较难做到的精细、精密零件、复杂形状及三维形状等的部件也可以制作出来，该MIM的使用也逐渐变多，例如，该MIM产品覆盖包含交通行业、医疗行业、以及计算机类(Computer)、通信类(Communication)和消费类电子产品(ConsumerElectronic)等3c电子等多个行业，因此，对于MIM产品的变形缺陷的检测识别，就极为重要。目前，一般是通过卷积神经网络(Convolutional Neural Networks，CNN)对MIM产品进行检测，以得到该MIM产品的变形缺陷检测结果。然而，当变形缺陷的数据量较少时，CNN网络容易过拟合，没有较好的泛化能力和识别能力，导致图像检测的效率及准确性较低。

发明内容

本申请实施例提供了一种图像检测方法、装置、计算机、可读存储介质及程序产品，可以提高图像检测的准确性及检测效率。

本申请实施例一方面提供了一种图像检测方法，该方法包括：

对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行掩码过滤处理，得到掩码图像；

对掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点；第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值；

对掩码图像进行像素点位置提取，得到第一匹配像素点在掩码图像中的第一位置信息，以及第二匹配像素点在掩码图像中的第二位置信息，根据第一位置信息及第二位置信息进行像素位置匹配，确定第一匹配像素点与第二匹配像素点之间的位置差异值；

从掩码图像中对目标对象进行边缘识别，得到目标对象的对象边缘线，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。

本申请实施例一方面提供了一种图像检测装置，该装置包括：

梯度获取模块，用于对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息；

图像过滤模块，用于根据图像梯度信息对待检测图像进行掩码过滤处理，得到掩码图像；

位置获取模块，用于对掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点；第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值；

该位置获取模块，还用于对掩码图像进行像素点位置提取，得到第一匹配像素点在掩码图像中的第一位置信息，以及第二匹配像素点在掩码图像中的第二位置信息；

差异获取模块，用于根据第一位置信息及第二位置信息进行像素位置匹配，确定第一匹配像素点与第二匹配像素点之间的位置差异值；

边缘线获取模块，用于从掩码图像中对目标对象进行边缘识别，得到目标对象的对象边缘线；

标准检测模块，用于若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。

其中，该梯度获取模块，包括：

图像去噪单元，用于对待检测图像进行滤波去噪处理，得到去噪图像；

幅值获取单元，用于获取边缘差分算子，采用边缘差分算子对去噪图像进行边缘差分处理，得到去噪图像的像素梯度幅值；

梯度生成单元，用于将像素梯度幅值组成待检测图像的图像梯度信息。

其中，该图像去噪单元，包括：

像素卷积子单元，用于获取卷积核模板，获取待检测图像的图像像素值，对卷积核模板与图像像素值进行像素卷积处理，得到去噪像素值；

去噪生成子单元，用于将去噪像素值组成去噪图像。

其中，边缘差分算子包括纵向差分算子及横向差分算子；

该幅值获取单元，包括：

算子获取子单元，用于获取纵向差分算子及横向差分算子；

差分处理子单元，用于采用纵向差分算子对去噪图像进行边缘差分处理，得到纵向梯度幅值，采用横向差分算子对去噪图像进行边缘差分处理，得到横向梯度幅值；

梯度融合子单元，用于对纵向梯度幅值与横向梯度幅值进行梯度融合处理，得到去噪图像的像素梯度幅值。

其中，该图像过滤模块，包括：

边界过滤单元，用于根据图像梯度信息对待检测图像进行边界过滤处理，得到过滤图像；

二值转换单元，用于对过滤图像进行边缘二值转换处理，得到二值图像；

区域识别单元，用于识别二值图像中目标对象所在的对象区域；

像素过滤单元，用于基于对象区域对二值图像进行像素过滤，得到掩码图像。

其中，该边界过滤单元，包括：

幅值获取子单元，用于从图像梯度信息中，获取组成待检测图像的N个待检测像素点的像素梯度幅值；N为正整数；

像素更新子单元，用于获取第i个待检测像素点的邻域像素点的像素梯度幅值，若第i个待检测像素点的像素梯度幅值小于邻域像素点的像素梯度幅值，则将第i个待检测像素点的图像像素值更新为无效像素值；i为正整数，i小于或等于N；

过滤确定子单元，用于将更新后的待检测图像确定为过滤图像。

其中，该二值转换单元，包括：

像素获取子单元，用于获取过滤图像所包括的N个过滤像素点分别对应的过滤像素值；N为正整数；

第一更新子单元，用于将过滤像素值小于第一像素阈值的过滤像素点的过滤像素值，更新为第一默认像素值；将过滤像素值大于第二像素阈值的过滤像素点的过滤像素值，更新为第二默认像素值；

第二更新子单元，用于将过滤像素值大于或等于第一像素阈值，且小于或等于第二像素阈值的过滤像素点记作中间像素点，获取中间像素点的连通邻域像素点，根据连通邻域像素点更新中间像素点的像素值；连通邻域像素点是指与中间像素点相邻的像素点；

二值确定子单元，用于将更新后的过滤图像确定为二值图像。

其中，区域识别单元，包括：

横向投影子单元，用于对二值图像进行像素逐行投影，得到每一个图像行分别对应的行投影值，将行投影值最大的图像行确定为基准行，对基准行进行行数扩展，得到横向区域；

纵向投影子单元，用于对二值图像进行像素逐列投影，得到每一个图像列分别对应的列投影值，将列投影值最大的图像列确定为基准列，对基准列进行列数扩展，得到纵向区域；

图像划分子单元，用于基于横向区域与纵向区域，将二值图像划分为M个子区域；

区域确定子单元，用于获取每个子区域中对应第二默认像素值的区域像素点的分布零散度，将分布零散度大于或等于对象分布阈值的子区域，确定为目标对象所在的对象区域；M为正整数，第二默认像素值是指大于第二像素阈值的像素值。

其中，该区域识别单元，包括：

候选检测子单元，用于采用对象检测模型识别待检测图像中的目标对象，得到目标对象所对应的对象候选框，基于对象候选框确定二值图像中目标对象所在的对象区域。

其中，该像素过滤单元，具体用于：

将二值图像中，位于背景区域的像素点的像素值更新为第一默认像素值，将更新后的二值图像确定为掩码图像；背景区域是指二值图像中除对象区域之外的区域。

其中，该位置获取模块，包括：

边缘点获取单元，用于获取掩码图像中，像素值属于边缘像素范围的至少两个边缘像素点；

匹配点获取单元，用于对至少两个边缘像素点进行坐标筛选处理，确定至少两个边缘像素点中的第一匹配像素点及第二匹配像素点；第一匹配像素点是指至少两个边缘像素点中在掩码图像对应的纵向坐标最小的像素点，第二匹配像素点是指至少两个边缘像素点中在掩码图像对应的纵向坐标最大的像素点；

第一位置确定单元，用于以第一匹配像素点为起点沿第一方向依次获取K个第一扩展像素点，对K个第一扩展像素点所在的第一像素列分别进行横向坐标匹配处理，确定第一匹配像素点在掩码图像中的第一位置信息；

第二位置确定单元，用于以第二匹配像素点为起点沿第二方向依次获取K个第二扩展像素点，对K个第二扩展像素点所在的第二像素列分别进行横向坐标匹配处理，确定第二匹配像素点在掩码图像中的第二位置信息；第一方向与第二方向为相反方向，K为正整数。

其中，该边缘线获取模块，包括：

边缘识别单元，用于获取掩码图像中，像素值属于边缘像素范围的至少两个边缘像素点；

目标获取单元，用于对至少两个边缘像素点进行像素分布解析，得到至少两个边缘像素点分别对应的第三像素列，对每个第三像素列进行边缘检测，得到每个第三像素列对应的目标边缘点；目标边缘点为所在的第三像素列中横向坐标最小的边缘像素点；

检测确定单元，用于对目标边缘线进行线性检测，从目标边缘点中确定检测边缘点，将检测边缘点组成目标对象的对象边缘线；对象边缘线的斜率小于或等于边缘斜率阈值。

其中，该检测确定单元，包括：

曲线确定子单元，用于获取每个目标边缘点对应的极坐标曲线，从极坐标曲线中确定目标极坐标曲线；目标极坐标曲线与d个极坐标曲线之间存在交点，d为大于或等于直线确定阈值的正整数；

基准确定子单元，用于基于目标极坐标曲线及目标极坐标曲线所对应的目标边缘点，确定边缘基准线；

边缘连接子单元，用于将位于边缘基准线上的目标边缘点确定为检测边缘点，对检测边缘点进行连接，得到目标对象的对象边缘线。

其中，该检测确定单元，包括：

斜率获取子单元，用于对目标边缘点进行边缘点组合，获取目标边缘点中的相邻边缘点对，计算相邻边缘点对所对应的边缘斜率，基于边缘斜率确定检测边缘点；检测边缘点组成的相邻边缘点对所对应的边缘斜率均小于边缘斜率阈值；

线生成子单元，用于将检测边缘点组成目标对象的对象边缘线。

其中，标准对象条件包括位置差异阈值及标准对象长度阈值；该装置还包括：

标准确定模块，用于若位置差异值小于或等于位置差异阈值，且对象边缘线的长度大于或等于标准对象长度阈值，则确定位置差异值及对象边缘线满足标准对象条件；

异常确定模块，用于若位置差异值大于位置差异阈值，或者对象边缘线的长度小于标准对象长度阈值，则确定位置差异值及对象边缘线不满足标准对象条件。

其中，标准对象条件包括对象异常阈值；该装置还包括：

质量获取模块，用于根据第一检测参数与第二检测参数生成检测函数，将检测函数中的第一检测参数的值确定为位置差异值，将检测函数中的第二检测参数确定为对象边缘线的长度，得到检测函数对应的对象检测质量；

该异常确定模块，用于若对象检测质量大于对象异常阈值，则确定位置差异值及对象边缘线不满足标准对象条件；

该标准确定模块，用于若对象检测质量小于或等于对象异常阈值，则确定位置差异值及对象边缘线满足标准对象条件。

本申请实施例一方面提供了一种计算机设备，包括处理器、存储器、输入输出接口；

处理器分别与存储器和输入输出接口相连，其中，输入输出接口用于接收数据及输出数据，存储器用于存储计算机程序，处理器用于调用该计算机程序，以使包含该处理器的计算机设备执行本申请实施例一方面中的图像检测方法。

本申请实施例一方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，该计算机程序适于由处理器加载并执行，以使得具有该处理器的计算机设备执行本申请实施例一方面中的图像检测方法。

本申请实施例一方面提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请实施例一方面中的各种可选方式中提供的方法。换句话说，该计算机指令被处理器执行时实现本申请实施例一方面中的各种可选方式中提供的方法。

实施本申请实施例，将具有如下有益效果：

在本申请实施例中，通过对目标对象的待检测图像进行检测，获取该待检测图像的图像梯度信息，对待检测图像进行过滤处理，使得可以对该待检测图像中的边缘点进行初步的过滤筛选，从待检测图像本身的像素点进行过滤，使得对待检测图像的过滤过程可以量化并且客观，不会受到图像的语义信息等的干扰，可以在一定程度上提高图像检测的准确性及效率。而且，基于目标对象的特性，从得到的掩码图像中识别第一匹配像素点及第二匹配像素点，作为检测目标对象的基准点，对两者的相对位置进行检测，并对目标对象的边缘线进行检测，实现对目标对象的平整度及轮廓线的检测，使得可以基于目标对象的对象特性对目标对象进行检测，再加上检测过程的客观性，提高了图像检测的准确性及效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种图像检测的网络交互架构图；

图2是本申请实施例提供的一种图像检测场景示意图；

图3是本申请实施例提供的一种图像检测的方法流程图；

图4a是本申请实施例提供的一种图像位置方向示意图；

图4b是本申请实施例提供的另一种图像位置方向示意图；

图5是本申请实施例提供了一种可选的图像检测的方法流程图；

图6是本申请实施例提供的一种基于投影的对象区域确定场景示意图；

图7是本申请实施例提供的一种区域调整场景示意图；

图8是本申请实施例提供的一种闭操作处理场景示意图；

图9是本申请实施例提供的一种位置获取场景示意图；

图10是本申请实施例提供的一种目标边缘点获取场景示意图；

图11是本申请实施例提供的一种图像检测装置示意图；

图12是本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请实施例中，请参见图1，图1是本申请实施例提供的一种图像检测的网络交互架构图，本申请实施例可以由计算机设备实现。其中，计算机设备103可以获取需要进行检测的目标对象的待检测图像102，该待检测图像102可以是指通过采集设备101所采集到的用于表示目标对象的图像，计算机设备103可以对该待检测图像102进行图像检测，获取用于表征目标对象的基准点的第一匹配像素点及第二匹配像素点，基于第一匹配像素点与第二匹配像素点的相对位置关系，确定目标对象的基准点之间的位置差异值，该基准点是指可以用于表示该目标对象中具有标志性含义的像素点，例如，该目标对象是一个直条形产品，该基准点可以是该直条形产品的端点，即，目标对象的端点等。进一步的，计算机设备103还可以从掩码图像中获取目标对象的对象边缘线，基于该对象边缘线对目标对象的轮廓等进行检测，其中，第一匹配像素点、第二匹配像素点及对象边缘线均是基于待检测图像102中的像素点识别出的，与该待检测图像102中所包含的语义信息等的关联性较小，使得对待检测图像102的检测更为客观。计算机设备103可以通过位置差异值及对象边缘线对目标对象进行标准化检测，确定该目标对象的对象检测结果。可选的，计算机设备103可以将该对象检测结果发送至终端设备104，以使终端设备104确定该待检测图像102所指示的目标对象的对象处理结果，该对象处理结果包括对象保留结果、对象丢弃结果及对象修复结果等。其中，该采集设备101、计算机设备103及终端设备104中的任意两个设备可以是同一个设备，也可以是不同的设备，例如，采集设备101与计算机设备103可以是相同的设备，也可以是不同的设备；计算机设备103与终端设备104可以是相同的设备，也可以是不同的设备；采集设备101与终端设备104可以是相同的设备，也可以是不同的设备。换句话说，该采集设备101、计算机设备103及终端设备104也可以是同一个设备。

具体的，请参见图2，图2是本申请实施例提供的一种图像检测场景示意图。如图2所示，计算机设备获取到待检测图像201，获取该待检测图像201的图像梯度信息，基于该图像梯度信息对该待检测图像201进行过滤处理，得到掩码图像202，从该掩码图像202中识别第一匹配像素点2021及第二匹配像素点2022。获取第一匹配像素点2021在掩码图像202中的第一位置信息，获取第二匹配像素点2022在掩码图像202中的第二位置信息，根据第一位置信息及第二位置信息确定第一匹配像素点2021与第二匹配像素点2022之间的位置差异值。从掩码图像202中获取目标对象的对象边缘线2023。其中，该位置差异值与对象边缘线2023的获取顺序不做限制，可以并行获取位置差异值及对象边缘线2023；也可以先获取位置差异值，再获取对象边缘线2023；或者先获取对象边缘线2023，再获取位置差异值。进一步地，计算机设备可以检测该位置差异值及对象边缘线2023是否满足标准对象条件，若满足标准对象条件，则确定该目标对象为标准对象，若不满足该标准对象条件，则确定该目标对象为异常对象。由于目标对象与该目标对象的周围环境差异一般较大，通过获取该待检测图像201的图像梯度信息，确定该待检测图像201中的像素点的变化，以对该待检测图像201进行过滤处理，以初步过滤该目标对象的部分边缘点，减少目标对象的识别干扰信息，进而提高图像检测的准确性。

可以理解的是，本申请实施例中所提及的计算机设备包括但不限于终端设备或服务器；采集设备可以是具备图像采集功能的终端设备或服务器，或者由终端设备及服务器组成的***。换句话说，计算机设备可以是服务器或终端设备，也可以是服务器和终端设备组成的***。其中，以上所提及的终端设备可以是一种电子设备，包括但不限于手机、平板电脑、台式电脑、笔记本电脑、掌上电脑、车载设备、增强现实/虚拟现实(AugmentedReality/Virtual Reality，AR/VR)设备、头盔显示器、智能电视、可穿戴设备、智能音箱、数码相机、摄像头及其他具备网络接入能力的移动互联网设备(mobile internet device，MID)，或者火车、轮船、飞行等场景下的终端设备等。其中，以上所提及的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、车路协同、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

可选的，本申请实施例中所涉及的数据可以存储在计算机设备中，或者可以基于云存储技术或区块链网络对该数据进行存储，在此不做限制。

进一步地，请参见图3，图3是本申请实施例提供的一种图像检测的方法流程图。如图3所示，以一个待检测图像为例进行描述，换句话说，在图3所描述的方法实施例中，该图像检测过程包括如下步骤：

步骤S301，对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行掩码过滤处理，得到掩码图像。

在本申请实施例中，计算机设备可以获取待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行过滤处理，得到掩码图像，具体的，可以对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行掩码过滤处理，得到掩码图像。或者，计算机设备可以对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行边界过滤处理，得到过滤图像；对过滤图像进行边缘二值转换处理，得到二值图像，识别二值图像中目标对象所在的对象区域，基于该对象区域对二值图像进行像素过滤，得到掩码图像。或者，计算机设备可以对待检测图像进行滤波去噪处理，得到去噪图像，对去噪图像进行边缘差分处理，得到去噪图像的图像梯度信息，根据图像梯度信息对该去噪图像进行掩码过滤处理，得到掩码图像。

计算机设备可以对待检测图像进行滤波去噪处理，得到去噪图像；获取边缘差分算子，采用边缘差分算子对去噪图像进行边缘差分处理，得到去噪图像的像素梯度幅值，将像素梯度幅值组成待检测图像的图像梯度信息。其中，算子是一个函数空间到函数空间上的映射，对任何函数进行某一项操作都可以认为是一个算子，该边缘差分算子是一种用于检测图像中的对象边缘的算子，包括但不限于罗伯茨(Robert)算子、索贝尔(Sobel)算子、Prewitt算子及Canny算子等。其中，Robert算子是一种利用局部差分算子寻找边缘的算子，采用对角线方向相邻两像素之差近似梯度幅值检测边缘；Sobel算子是把图像中每个像素的上下左右四领域的灰度值加权差，在边缘处达到极值从而检测边缘，用来运算图像亮度函数的梯度之近似值，包括用于检测水平边缘的横向差分算子及用于检测垂直边缘的纵向差分算子等；Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，可以在图像空间利用两个方向模板与图像进行邻域卷积得到，该两个方向模板分别用于检测水平边缘及垂直边缘等；Canny算子是一种多级边缘检测算法，产生的边缘较细，准确性较高。

可选的，计算机设备可以获取待检测图像所对应的目标对象所属的目标对象类型，获取该目标对象类型对应的算子类型，基于该算子类型获取边缘差分算子，采用边缘差分算子对去噪图像进行边缘差分处理，得到去噪图像的像素梯度幅值，将像素梯度幅值组成待检测图像的图像梯度信息。可选的，一个目标对象类型可以对应一个或至少两个算子类型，若目标对象类型对应一个算子类型，则计算机设备可以将该算子类型确定为目标算子类型，基于该目标算子类型获取边缘差分算子，采用边缘差分算子对去噪图像进行边缘差分处理，得到去噪图像的像素梯度幅值，将像素梯度幅值组成待检测图像的图像梯度信息；若目标对象类型对应至少两个算子类型，则计算机设备可以获取至少两个算子类型中的任意一个或多个算子类型，作为该目标对象类型所对应的目标算子类型，基于该目标算子类型获取边缘差分算子，采用边缘差分算子对去噪图像进行边缘差分处理，得到去噪图像的像素梯度幅值，将像素梯度幅值组成待检测图像的图像梯度信息。其中，该算子类型包括但不限于Robert算子类型、Sobel算子类型、Prewitt算子类型及Canny算子类型等。其中，对象类型用于表示对应的对象的边缘特性，即，目标对象类型用于表示目标对象的边缘特性，例如，目标对象的边缘特性为灰度渐变或噪声较多时，该目标对象类型可以是灰度渐变型或噪声干扰型等，计算机设备可以获取该目标对象类型所对应的目标算子类型，以使属于该目标算子类型的边缘差分算子可以较好的实现对具备该目标对象类型的图像的边缘检测。

可选的，若计算机设备直接获取待检测图像的图像梯度信息，则计算机设备可以获取边缘差分算子，采用边缘差分算子对待检测图像进行边缘差分处理，得到待检测图像的像素梯度幅值，将像素梯度幅值组成待检测图像的图像梯度信息。其中，该采用边缘差分算子获取待检测图像的像素梯度幅值的过程，可以参见上述采用边缘差分算子获取去噪图像的像素梯度幅值的过程。

进一步地，计算机设备可以基于图像梯度信息对该待检测图像进行掩码过滤处理，得到掩码图像。具体的，该图像梯度信息包括每个待检测像素点的像素梯度幅值，计算机设备可以获取待检测图像中每个待检测像素点的像素梯度幅值，与该待检测像素点的邻域像素点的像素梯度幅值之间的大小关系，基于该大小关系对待检测图像进行掩码过滤处理，得到掩码图像。可选的，计算机设备若基于图像梯度信息对去噪图像等进行过滤处理，则也可以参见基于图像梯度信息对待检测图像的过滤处理过程等，在此不再进行赘述。

可选的，计算机设备可以对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行边界过滤处理，得到过滤图像；对过滤图像进行边缘二值转换处理，得到二值图像，识别二值图像中目标对象所在的对象区域，基于该对象区域对二值图像进行像素过滤，得到掩码图像。其中，计算机设备可以从图像梯度信息中，获取组成待检测图像的N个待检测像素点的像素梯度幅值；N为正整数；获取第i个待检测像素点的邻域像素点的像素梯度幅值，若第i个待检测像素点的像素梯度幅值小于邻域像素点的像素梯度幅值，则将第i个待检测像素点的图像像素值更新为无效像素值；i为正整数，i小于或等于N；将更新后的待检测图像确定为过滤图像。可选的，该无效像素值可以是一个小于第一像素阈值的像素值，其中，该无效像素值可以与第一默认像素值相同，也可以与第一默认像素值不同。

步骤S302，对掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点，对掩码图像进行像素点位置提取，得到第一匹配像素点在掩码图像中的第一位置信息，以及第二匹配像素点在掩码图像中的第二位置信息。

在本申请实施例中，计算机设备可以获取目标对象的基准点信息，基于该基准点信息对掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点，该第一匹配像素点与第二匹配像素点相当于该目标对象的基准点。其中，该基准点信息用于表示目标对象的基准点的信息，基准点是指目标对象中具备位置需求的边缘点，例如，目标对象需要是一个直线型产品，则该目标对象的基准点可以是该目标对象的边缘点中的端点，在目标对象处于标准视角下时，该基准点需要保持在相同的纵坐标下，或相同的横坐标下等。换句话说，在采集该目标对象的待检测图像时，可以采用标准视角获取该待检测图像。可选的，计算机设备也可以获取该待检测图像所对应的采集视角，获取该采集视角所对应的基准点信息，基于基准点信息从掩码图像中识别第一匹配像素点及第二匹配像素点。进一步地，计算机设备可以对掩码图像进行像素点位置提取，得到第一匹配像素点在掩码图像中的第一位置信息，以及第二匹配像素点在掩码图像中的第二位置信息。其中，第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值。

步骤S303，根据第一位置信息及第二位置信息进行像素位置匹配，确定第一匹配像素点与第二匹配像素点之间的位置差异值。

在本申请实施例中，计算机设备可以对第一位置信息与第二位置信息进行像素位置匹配，得到第一位置信息与第二位置信息之间的目标差异值，将该目标差异值确定为该第一匹配像素点与第二匹配像素点之间的位置差异值。可选的，计算机设备可以获取采集视角所对应的位置匹配方向，获取第一位置信息与第二位置信息在位置匹配方向处的目标差异值，将该目标差异值确定为第一匹配像素点与第二匹配像素点之间的位置差异值。可选的，该位置匹配方向可以是横向方向、纵向方向及横向顺时针旋转45°等，其中，横向方向及纵向方向等是基于待检测图像所确定的，其中，位置匹配方向可以包括基准方向及匹配角度等。

举例来说，请参见图4a至图4b所示，其中，图4a是本申请实施例提供的一种图像位置方向示意图，如图4a所示，假定掩码图像401的大小为160*90，该掩码图像401的四条边分别为边401A、边401B、边401C及边401D。如图4a所示，以掩码图像401中边401A及边401D的交汇点作为图像坐标系的坐标原点(0，0)，以边401D作为坐标横轴，以边401A作为坐标纵轴，此时横向方向可以是指坐标横轴所指示的方向，纵向反向可以是指坐标纵轴所指示的方向，其中，也可以将待检测图像401的其他顶点作为坐标原点，在此不做赘述。或者，如图4b所示，图4b是本申请实施例提供的另一种图像位置方向示意图，以该掩码图像401的中心位置作为图像坐标系的坐标原点(0，0)，创建如图4b中所示坐标横轴和坐标纵轴组成的图像坐标系，此时横向方向可以是指坐标横轴所指示的方向，纵向反向可以是指坐标纵轴所指示的方向。其中，该横向方向及纵向方向的确定方式并不仅限于上述图4a至图4b的方式。

步骤S304，从掩码图像中对目标对象进行边缘识别，得到目标对象的对象边缘线。

在本申请实施例中，计算机设备可以从掩码图像中识别目标对象的对象边缘线，具体的，计算机设备可以从掩码图像中，获取像素值属于边缘像素范围的至少两个边缘像素点，基于各个边缘像素点之间的相对位置关系，从至少两个边缘像素点中确定检测边缘点，将检测边缘点组成目标对象的对象边缘线，其中，该对象边缘线的斜率小于或等于边缘斜率阈值。

步骤S305，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。

在本申请实施例中，计算机设备可以获取标准对象条件，若该位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象，即可以认为标准对象是针对该目标对象的对象检测结果，或者可以确定该目标对象的对象检测结果为对象标准结果；若位置差异值及对象边缘线不满足标准对象条件，则确定目标对象为异常对象，即可以认为异常对象是针对目标对象的对象检测结果，或者可以确定该目标对象的对象检测结果为对象异常结果。可选的，计算机设备可以基于该对象检测结果确定针对目标对象的对象处理结果；或者，计算机设备可以将该目标对象的对象检测结果发送至终端设备，以使终端设备可以基于该对象检测结果确定针对目标对象的对象处理结果。可选的，若该目标对象的对象检测结果为对象标准结果，则确定针对该目标对象的对象处理结果为对象保留结果；若该目标对象的对象检测结果为对象异常结果，则确定针对该目标对象的对象处理结果为对象丢弃结果或对象修复结果。可选的，若该目标对象的对象检测结果为对象异常结果，则计算机设备可以获取该目标对象的对象异常度；若对象异常度大于或等于丢弃异常阈值，则将针对该目标对象的对象处理结果确定为对象丢弃结果；若该对象异常度小于丢弃异常阈值，则将针对目标对象的对象处理结果确定为对象修复结果等。

在本申请实施例中，计算机设备可以对目标对象的待检测图像进行图像检测，获取该待检测图像的图像梯度信息，基于该图像梯度信息对待检测图像进行过滤处理，得到掩码图像，以基于待检测图像自身的像素信息，实现对待检测图像的过滤处理，可以较好地识别出用于表示目标对象的像素点，提高对目标对象的识别效率及准确性。进一步，基于目标对象的对象特性，获取可以作为该目标对象的基准点的第一匹配像素点及第二匹配像素点，基于第一匹配像素点与第二匹配像素点之间的位置差异值，作为用于检测目标对象的标准性的一种检测指标；基于目标对象的对象特性，识别目标对象的对象边缘线，将对象边缘线作为用于检测目标对象的标准性的另一种检测指标，实现对目标对象的轮廓等的检测。通过对目标对象的多个检测指标进行评估，得到该目标对象的对象检测结果，实现对目标对象的标准化检测，在该过程中，与模型的训练及预测等的关联性较弱，可以更好地适用于数据量少的情景，具有较好的泛化性。

进一步地，请参见图5，图5是本申请实施例提供的一种可选的图像检测的方法流程图。如图5所示，以多次过滤为例，即得到过滤图像，该图像检测过程包括如下步骤：

步骤S501，对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息。

在本申请实施例中，计算机设备可以获取待检测图像的图像梯度信息。或者，计算机设备可以对待检测图像进行滤波去噪处理，得到去噪图像；获取边缘差分算子，采用边缘差分算子对去噪图像进行边缘差分处理，得到去噪图像的像素梯度幅值，将像素梯度幅值组成待检测图像的图像梯度信息。具体的，计算机设备可以获取卷积核模板，获取待检测图像的图像像素值，对卷积核模板与图像像素值进行像素卷积处理，得到去噪像素值；将去噪像素值组成去噪图像。其中，在对目标对象进行检测时，该目标对象可以是金属部件等，由于金属部件的表面可能会不平滑，环境中也可能会存在粉尘或镜头噪声等，可以先对待检测图像进行去噪处理，得到去噪图像。具体的计算机设备可以获取去噪超参数，根据去噪超参数生成卷积核模板，其中，该去噪超参数可以包括但不限于卷积核尺度及卷积参数等。该卷积核模板是指用于对待检测图像进行去噪处理的卷积核，如高斯卷积核模板、中值卷积核模板或维纳卷积核模板等，在此不做限制。可选的，可以将该卷积核模板记作G(x'，y')，举例来说，假定该卷积核模板为高斯卷积核模板，则该高斯卷积核模板可以参见公式①所示：

在公式①中，该去噪超参数可以包括卷积核标准差σ及卷积核尺度，计算机设备可以基于去噪超参数生成卷积核模板，将卷积核模板与图像像素值进行卷积处理，得到去噪像素值，具体可以认为是将卷积核模板作为像素权重，基于该卷积核模板对第j个待检测像素点的图像像素值，及第j个待检测像素点的邻域像素点的图像像素值进行加权处理，得到第j个去噪像素值，将第j个待检测像素点的像素值更新为第j个去噪像素值，进而更新每个待检测像素点的像素值，得到去噪图像。其中，j为正整数，第j个待检测像素点的邻域像素点是指与第j个待检测像素点相邻的待检测像素点。其中，该卷积处理过程可以参见公式②所示：

F(j)＝H(j)*G(x′，y′) ②

其中，在公式②中，H(j)用于表示待检测图像H中的第j个待检测像素点的图像像素值，该卷积核模板G(x′，y′)相当于一个卷积窗口，计算机设备可以将该卷积核模板在待检测图像H中进行移动，对每个待检测像素点的图像像素值进行卷积，得到各个待检测像素点对应的去噪像素值，其中，F(j)用于表示第j个待检测像素点对应的去噪像素值。“*”用于表示卷积处理。举例来说，该卷积核模板的卷积核尺度为3*3，则计算机设备可以以第j个待检测像素点作为卷积中心点，获取该第j个待检测像素点所对应的邻域像素点，将该卷积核模板作为第j个待检测像素点及第j个待检测像素点所对应的邻域像素点的权重，对第j个待检测像素点的图像像素值，以及第j个待检测像素点所对应的邻域像素点的图像像素值进行加权求和，得到第j个待检测像素点的去噪像素值。

进一步地，计算机设备可以获取目标对象所对应的目标算子类型，获取该目标算子类型对应的边缘差分算子，采用该边缘差分算子对去噪图像进行边缘差分处理，得到去噪图像的像素梯度幅值。其中，该像素梯度幅值的获取过程可以参见公式③所示：

d_i(x，y)＝F(x，y)*Ope_i(x，y) ③

其中，在公式③中，下角标i用于表示去噪图像中的第i个去噪像素点，Ope_i(x，y)用于表示边缘差分算子，(x，y)用于表示去噪图像中的第x行第y列的去噪像素点，即，第i个去噪像素点，采用边缘差分算子与第i个去噪像素点的去噪像素值进行梯度计算，得到第i个去噪像素点的像素梯度幅值。

可选的，以Sobel算子类型为例，该边缘差分算子包括纵向差分算子及横向差分算子。计算机设备可以获取纵向差分算子及横向差分算子；采用纵向差分算子对去噪图像进行边缘差分处理，得到纵向梯度幅值，采用横向差分算子对去噪图像进行边缘差分处理，得到横向梯度幅值；对纵向梯度幅值与横向梯度幅值进行梯度融合处理，得到去噪图像的像素梯度幅值，例如，将纵向梯度幅值与横向梯度幅值之和，确定为去噪图像的像素梯度幅值。具体的，计算机设备可以基于公式③，采用纵向差分算子对去噪图像进行边缘差分处理，得到纵向梯度幅值，记作d_y；基于公式③，采用横向差分算子对去噪图像进行边缘差分处理，得到横向梯度幅值，记作d_x；假定将纵向梯度幅值与横向梯度幅值之和，确定为去噪图像的像素梯度幅值，该像素梯度幅值的确定方式可以参见公式④所示：

M(x，y)＝d_x(x，y)+d_y(x，y) ④

其中，在公式④中，将纵向梯度幅值d_y(x，y)与横向梯度幅值d_x(x，y)进行幅值融合，得到去噪图像的像素梯度幅值M(x，y)。

可选的，若边缘差分算子的数量为一，则基于公式③直接得到去噪图像的像素梯度幅值。

举例来说，假定该横向差分算子为Ope_x，该横向差分算子假定为

采用横向差分算子对去噪图像进行边缘差分处理，得到横向梯度幅值，记作d_x(x，y)＝F(x，y)*Ope_x(x，y)；假定该纵向差分算子为Ope_y，该纵向差分算子假定为

采用纵向差分算子对去噪图像进行边缘差分处理，得到纵向梯度幅值，记作d_y(x，y)＝F(x，y)*Ope_y(x，y)。

步骤S502，根据图像梯度信息对待检测图像进行边界过滤处理，得到过滤图像。

在本申请实施例中，其中，该图像梯度信息包括组成待检测图像的N个待检测像素点的像素梯度幅值，计算机设备可以对N个待检测像素点的像素梯度幅值进行非极大值抑制，得到过滤图像。具体的，计算机设备可以从图像梯度信息中，获取组成待检测图像的N个待检测像素点的像素梯度幅值；N为正整数。获取第i个待检测像素点的邻域像素点的像素梯度幅值，若第i个待检测像素点的像素梯度幅值小于邻域像素点的像素梯度幅值，则将第i个待检测像素点的图像像素值更新为无效像素值；i为正整数，i小于或等于N。将更新后的待检测图像确定为过滤图像。

可选的，若计算机设备在步骤S501中，获取去噪图像的图像梯度信息，则该图像梯度信息包括组成去噪图像的N个去噪像素点的像素梯度幅值，可以对N个去噪像素点的像素梯度幅值进行非极大值抑制，得到过滤图像。具体可以参见上述对待检测图像进行边界过滤处理的过程，在此不再进行赘述。

步骤S503，对过滤图像进行边缘二值转换处理，得到二值图像。

在本申请实施例中，计算机设备可以获取过滤图像所包括的N个过滤像素点分别对应的过滤像素值；N为正整数。将过滤像素值小于第一像素阈值的过滤像素点的过滤像素值，更新为第一默认像素值；将过滤像素值大于第二像素阈值的过滤像素点的过滤像素值，更新为第二默认像素值。将过滤像素值大于或等于第一像素阈值，且小于或等于第二像素阈值的过滤像素点记作中间像素点，获取中间像素点的连通邻域像素点，根据连通邻域像素点更新中间像素点的像素值；连通邻域像素点是指与中间像素点相邻的像素点，其中，该连通邻域像素点可以是与中间像素点相邻的四连通邻域像素点，也可以是与中间像素点相邻的八连通邻域像素点等，在此不做限制。可选的，计算机设备可以获取连通邻域像素点更新后的像素值，基于连通邻域像素点更新后的像素值更新中间像素点的像素值；具体的，若在该连通邻域像素点中，更新后的像素值为第一默认像素值的像素点的数量，大于更新后的像素值为第二默认像素值的像素点的数量，则将中间像素点的像素值确定为第一默认像素值；若在该连通邻域像素点中，更新后的像素值为第一默认像素值的像素点的数量，小于更新后的像素值为第二默认像素值的像素点的数量，则将中间像素点的像素值确定为第二默认像素值；若在该连通邻域像素点中，更新后的像素值为第一默认像素值的像素点的数量，等于更新后的像素值为第二默认像素值的像素点的数量，则可以基于二值转换配置更新中间像素点的像素值，该二值转换配置用于指示在连通邻域像素点中，像素值为第一默认像素值的像素点的数量，与像素值为第二默认像素值的像素点的数量相同时，将该中间像素点的像素值更新为第一默认像素值，还是第二默认像素值。将更新后的过滤图像确定为二值图像。

步骤S504，识别二值图像中目标对象所在的对象区域，基于对象区域对二值图像进行像素过滤，得到掩码图像。

在本申请实施例中，一种对象区域确定方式下，计算机设备可以对二值图像进行像素逐行投影，得到每一个图像行分别对应的行投影值，将行投影值最大的图像行确定为基准行，对基准行进行行数扩展，得到横向区域，其中，行数扩展是指以基准行为基础，依次获取基准行的相邻图像行，以增加得到的图像行的数量，使得横向区域包括且不止包括该基准行；对二值图像进行像素逐列投影，得到每一个图像列分别对应的列投影值，将列投影值最大的图像列确定为基准列，对基准列进行列数扩展，得到纵向区域，其中，列数扩展是指以基准列为基础，依次获取基准列的相邻图像列，以增加得到的图像列的数量，使得纵向区域包括且不止包括该基准列。基于横向区域与纵向区域，将二值图像划分为M个子区域，获取每个子区域中对应第二默认像素值的区域像素点的分布零散度，将分布零散度大于或等于对象分布阈值的子区域，确定为目标对象所在的对象区域；M为正整数，第二默认像素值是指大于第二像素阈值的像素值。

举例来说，请参见图6，图6是本申请实施例提供的一种基于投影的对象区域确定场景示意图。如图6所示，假定该二值图像是宽为w，高为h的图像，计算机设备可以对该二值图像601进行像素逐行投影，得到每一个图像行分别对应的行投影值，其中，该行投影值的确定方式可以参见公式⑤所示：

其中，在公式⑤中，该B(x，y)用于表示二值图像，J_x用于表示在第x个图像行对应的行投影值，即，可以将第x个图像行中，从第0列至第w列的像素点的像素值进行求和，得到第x个图像行的行投影值。同理，该列投影值的确定方式可以参见公式⑥所示：

其中，在公式⑥中，该B(x，y)用于表示二值图像，J_y用于表示在第y个图像列对应的列投影值，即，可以将第y个图像列中，从第0行至第h行的像素点的像素值进行求和，得到第y个图像列的列投影值。

进一步地，计算机设备可以将行投影值最大的图像行确定为基准行，对该基准行进行行数扩展，得到横向区域，具体的，可以以该基准行为中心线，获取第一图像行及第二图像行，将第一图像行、基准行及第二图像行组成横向区域6021，第一图像行的行标识小于基准行对应的行标识，第二图像行的行标识大于基准行的行标识，行标识用于表示对应的图像行在二值图像中所对应的行位置，例如，第5个图像行的行标识为5，其中，第一图像行与基准行相邻，第一图像行包括一个或至少两个图像行，第二图像行与基准行相邻，第二图像行包括一个或至少两个图像行。

同理，计算机设备可以将列投影值最大的图像列确定为基准列，对该基准列进列列数扩展，得到横向区域，具体的，可以以该基准列为中心线，获取第一图像列及第二图像列，将第一图像列、基准列及第二图像列组成纵向区域6022，第一图像列的列标识小于基准列对应的列标识，第二图像列的列标识大于基准列的列标识，列标识用于表示对应的图像列在二值图像中所对应的列位置，例如，第5个图像列的列标识为5，其中，第一图像列与基准列相邻，第一图像列包括一个或至少两个图像列，第二图像列与基准列相邻，第二图像列包括一个或至少两个图像列。基于横向区域6021及纵向区域6022，将二值图像601划分为M个子区域，该M个子区域包括子区域602a、子区域602b、子区域602c、子区域602d、横向区域6021与纵向区域6022的交叉区域、横向区域6021被交叉区域截断后得到的子区域，以及纵向区域6022被交叉区域截断后的子区域等。获取每个子区域中对应第二默认像素值的区域像素点的分布零散度，将该分布零散度大于或等于对象分布阈值的子区域，确定为目标对象的对象区域，其中，该分布零散度可以用于表示子区域中，对应第二默认像素值的区域像素点之间的距离或数量等。

可选的，可以将分布零散度大于或等于对象分布阈值的子区域，确定为候选子区域，基于该候选子区域中的区域像素点的分布零散度，从候选子区域中确定目标对象的对象区域。具体可以参见图7，图7是本申请实施例提供的一种区域调整场景示意图。如图7所示，将二值图像701划分为M个子区域，该M个子区域包括子区域701a、子区域701b、子区域701c、子区域701d、横向区域7011与纵向区域7012的交叉区域、横向区域7011被交叉区域截断后得到的子区域，以及纵向区域7012被交叉区域截断后的子区域等。假定基于每个子区域中对应第二默认像素值的区域像素点的分布零散度，确定候选子区域702，该候选子区域702是通过横向区域7011被交叉区域截断后得到的子区域。由于该候选子区域702中存在部分区域没有对应第二默认像素值的区域像素点，因此，可以基于该候选子区域702中对应第二默认像素值的区域像素点的分布零散度，从候选子区域702中确定目标对象的对象区域703。

一种对象区域确定方式下，计算机设备可以采用对象检测模型对待检测图像中的目标对象进行对象识别检测，得到目标对象所对应的对象候选框，基于对象候选框在二值图像中所对应的区域，确定二值图像中目标对象所在的对象区域。

一种对象区域确定方式下，计算机设备可以获取目标对象所对应的对象采集方向，从二值图像中获取横向区域及纵向区域，基于对象采集方向，从横向区域及纵向区域中确定目标采集区域，基于目标采集区域中对应第二默认像素值的像素点的分布零散度，对目标采集区域进行区域筛选，得到目标对象所在的对象区域。

进一步地，计算机设备可以基于对象区域对二值图像进行像素过滤，得到掩码图像，具体的，可以将二值图像中，位于背景区域的像素点的像素值更新为第一默认像素值，将更新后的二值图像确定为掩码图像；背景区域是指二值图像中除对象区域之外的区域。可选的，计算机设备可以将二值图像中，位于背景区域的像素点的像素值更新为第一默认像素值，对对象区域中的像素点进行闭操作处理，将更新后的二值图像确定为掩码图像，例如图8所示，图8是本申请实施例提供的一种闭操作处理场景示意图，如图8所示，计算机设备可以对二值图像801中，位于背景区域8011的像素点的像素值更新为第一默认像素值，对对象区域8012中的像素点进行闭操作处理，将更新后的二值图像确定为掩码图像802。其中，闭操作处理是指对图像进行先膨胀后腐蚀的处理过程，用于填充物体内细小空洞，连接邻近物体，并平滑边界。

步骤S505，对掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点，对掩码图像进行像素点位置提取，得到第一匹配像素点在掩码图像中的第一位置信息，以及第二匹配像素点在掩码图像中的第二位置信息。

在本申请实施例中，计算机设备可以对掩码图像进行像素点匹配识别处理，以从掩码图像中识别第一匹配像素点及第二匹配像素点，该第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值。

具体的，计算机设备可以获取掩码图像中，像素值属于边缘像素范围的至少两个边缘像素点，其中，由于掩码图像是基于二值图像得到的，该边缘像素范围可以是第二默认像素值。对至少两个边缘像素点进行坐标筛选处理，确定至少两个边缘像素点中的第一匹配像素点及第二匹配像素点；第一匹配像素点是指至少两个边缘像素点中在掩码图像对应的纵向坐标最小的像素点，第二匹配像素点是指至少两个边缘像素点中在掩码图像对应的纵向坐标最大的像素点。具体的，该第一匹配像素点的获取方式可以参见公式⑦-1所示：

在公式⑦-1中，L_y表示第一匹配像素点，Mask(x，y)用于表示掩码图像，其中，在该公式中，假定该边缘像素范围为第二默认像素值，假定该第二默认像素值为1，“Mask(x，y)＝＝1”用于表示在掩码图像中，属于边缘像素范围的至少两个边缘像素点。argmin用于表示在至少两个边缘像素点中，具有最小的纵向坐标y的像素点。

其中，第二匹配像素点的获取方式可以参见公式⑦-2所示：

在公式⑦-1中，R_y表示第二匹配像素点，Mask(x，y)用于表示掩码图像，其中，在该公式中，假定该第二默认像素值为1，“Mask(x，y)＝＝1”用于表示在掩码图像中，属于边缘像素范围的至少两个边缘像素点。argmax用于表示在至少两个边缘像素点中，具有最大的纵向坐标y的像素点。

进一步可选的，计算机设备可以以第一匹配像素点为起点沿第一方向依次获取K个第一扩展像素点，对K个第一扩展像素点所在的第一像素列分别进行横向坐标匹配处理，确定第一匹配像素点在掩码图像中的第一位置信息。具体的，可以以第一匹配像素点为起点沿第一方向依次获取K个第一扩展像素点，获取K个第一扩展像素点在掩码图像中分别对应的第一像素列，获取每个第一像素列中所包括的边缘像素点的边缘横向坐标，将每个第一像素列所对应的最小的边缘横向坐标确定为第一横向坐标，以实现对K个第一扩展像素点所在的第一像素列的横向坐标匹配处理，将K个第一像素列分别对应的第一横向坐标的均值，确定为第一匹配像素点在掩码图像中的第一位置信息。以第二匹配像素点为起点沿第二方向依次获取K个第二扩展像素点，对K个第二扩展像素点所在的第二像素列分别进行横向坐标匹配处理，确定第二匹配像素点在掩码图像中的第二位置信息；第一方向与第二方向为相反方向，K为正整数。以第二匹配像素点为起点沿第二方向依次获取K个第二扩展像素点，获取K个第二扩展像素点在掩码图像中分别对应的第二像素列，获取每个第二像素列中所包括的边缘像素点的边缘横向坐标，将每个第二像素列所对应的最小的边缘横向坐标确定为第二横向坐标，以实现对K个第二扩展像素点所在的第二像素列的横向坐标匹配处理，将K个第二像素列分别对应的第二横向坐标的均值，确定为第二匹配像素点在掩码图像中的第二位置信息；第一方向与第二方向为相反方向，K为正整数。例如，该第一方向可以是列标识由小到大的方向，第二方向可以是列标识由大到小的方向。

举例来说，请参见图9，图9是本申请实施例提供的一种位置获取场景示意图。如图9所示，在掩码图像901中，以第一匹配像素点9011沿第一方向9021依次获取K个第一扩展像素点，获取K个第一扩展像素点在掩码图像901中分别对应的第一像素列9031，获取每个第一像素列中所包括的边缘像素点的边缘横向坐标，将每个第一像素列所对应的最小的边缘横向坐标确定为第一横向坐标，将K个第一像素列分别对应的第一横向坐标的均值，确定为第一匹配像素点在掩码图像中的第一位置信息。其中，该第一位置信息的确定方式可以参见公式⑧-1所示：

其中，在公式⑧-1中，以第一匹配像素点L_y为起点，获取K个第一像素列中，每个第一像素列所对应的最小边缘横向坐标，记作该第一像素列的第一横向坐标。如公式⑧-1所示，K个第一像素列包括第L_y列至第(L_y+K)列，在第L_y列，获取最小的边缘横向坐标，确定为第L_y列的第一横向坐标；在第(L_y+1)列，获取最小的边缘横向坐标，确定为第(L_y+1)列的第一横向坐标；…；在第(L_y+K)列，获取最小的边缘横向坐标，确定为第(L_y+K)列的第一横向坐标，通过上述过程，得到K个第一像素列分别对应的第一横向坐标，将K个第一像素列分别对应的第一横向坐标的均值，确定为第一匹配像素点在掩码图像中的第一位置信息h1。

在掩码图像901中，以第二匹配像素点9012沿第二方向9022依次获取K个第二扩展像素点，获取K个第二扩展像素点在掩码图像901中分别对应的第二像素列9032，获取每个第二像素列中所包括的边缘像素点的边缘横向坐标，将每个第二像素列所对应的最小的边缘横向坐标确定为第二横向坐标，将K个第二像素列分别对应的第二横向坐标的均值，确定为第二匹配像素点在掩码图像中的第二位置信息。其中，该第二位置信息的确定方式可以参见公式⑧-2所示：

其中，在公式⑧-2中，以第二匹配像素点R_y为起点，获取K个第二像素列中，每个第二像素列所对应的最小边缘横向坐标，记作该第二像素列的第二横向坐标。如公式⑧-2所示，K个第二像素列包括第L_y列至第(L_y-K)列，在第L_v列，获取最小的边缘横向坐标，确定为第L_y列的第二横向坐标；在第(L_y-1)列，获取最小的边缘横向坐标，确定为第(L_y-1)列的第二横向坐标；...；在第(L_y-K)列，获取最小的边缘横向坐标，确定为第(L_y-K)列的第二横向坐标，通过上述过程，得到K个第二像素列分别对应的第二横向坐标，将K个第二像素列分别对应的第二横向坐标的均值，确定为第二匹配像素点在掩码图像中的第二位置信息h2。

步骤S506，根据第一位置信息及第二位置信息进行像素位置匹配，确定第一匹配像素点与第二匹配像素点之间的位置差异值。

在本申请实施例中，计算机设备可以将第一位置信息与第二位置信息的差值，确定为第一匹配像素点与第二匹配像素点之间的位置差异值。该位置差异值可以参见公式⑨所示：

score1＝h1-h2 ⑨

在公式⑨中，score1用于表示位置差异值。可选的，计算机设备可以将第一位置信息与第二位置信息的差值的绝对值，确定为第一匹配像素点与第二匹配像素点之间的位置差异值。

步骤S507，从掩码图像中对目标对象进行边缘识别，得到目标对象的对象边缘线。

在本申请实施例中，计算机设备可以获取掩码图像中，像素值属于边缘像素范围的至少两个边缘像素点。对至少两个边缘像素点进行像素分布解析，得到至少两个边缘像素点分别对应的第三像素列，也就是说，获取至少两个边缘像素点分别在掩码图像中分布的图像列进行解析，将至少两个边缘像素点所处的图像列确定为第三像素列；对每个第三像素列进行边缘检测，得到每个第三像素列对应的目标边缘点；目标边缘点为所在的第三像素列中横向坐标最小的边缘像素点。对目标边缘线进行线性检测，从目标边缘点中确定检测边缘点，将检测边缘点组成目标对象的对象边缘线；对象边缘线的斜率小于或等于边缘斜率阈值。可选的，可以参见图10，图10是本申请实施例提供的一种目标边缘点获取场景示意图，如图10所示，计算机设备可以获取第三像素列中横向坐标最小的边缘像素点，记作候选边缘像素点1002，沿第三方向1003，对每个候选边缘像素点进行扩展P个像素，得到每个第三像素列对应的目标像素点，则此时，该目标像素点是指区域1004中所包括的边缘像素点，第三方向1003可以是行标识由小到大的方向，通过对候选边缘像素点进行扩展，可以减少边缘被截断的情况。

进一步地，计算机设备可以获取每个目标边缘点对应的极坐标曲线，从极坐标曲线中确定目标极坐标曲线；目标极坐标曲线与d个极坐标曲线之间存在交点，d为大于或等于直线确定阈值的正整数。该极坐标曲线可以认为是一条正弦曲线，该极坐标曲线用于表示通过对应的目标边缘点的直线在极坐标下的表示，即，可以表示通过对应的目标边缘点的所有直线。获取每个极坐标曲线与其他极坐标曲线之间的曲线交叉点数量，将曲线交叉点数量大于或等于直线确定阈值的极坐标曲线确定为目标极坐标曲线。也就是说，若目标极坐标曲线与d个极坐标曲线之间存在交点，即曲线交叉点数量为d，则表示该目标极坐标曲线所对应的目标边缘点至少存在一条直线，可以包括d个目标边缘点。基于目标极坐标曲线及目标极坐标曲线所对应的目标边缘点，确定边缘基准线；将位于边缘基准线上的目标边缘点确定为检测边缘点，对检测边缘点进行连接，得到目标对象的对象边缘线。可选的，计算机设备可以直接基于累计概率霍夫变换或标准概率霍夫变换，从目标边缘点中检测目标对象所对应的对象边缘线。

其中，在对目标边缘线进行线性检测，从目标边缘点中确定检测边缘点，将检测边缘点组成目标对象的对象边缘线时，计算机设备还可以对目标边缘点进行边缘点组合，获取目标边缘点中的相邻边缘点对，计算相邻边缘点对所对应的边缘斜率，基于边缘斜率确定检测边缘点。检测边缘点组成的相邻边缘点对所对应的边缘斜率均小于边缘斜率阈值；将检测边缘点组成目标对象的对象边缘线。

步骤S508，检测目标对象是否满足标准对象条件。

在本申请实施例中，一种标准检测方式下，标准对象条件包括位置差异阈值及标准对象长度阈值。若位置差异值小于或等于位置差异阈值，且对象边缘线的长度大于或等于标准对象长度阈值，则确定位置差异值及对象边缘线满足标准对象条件，执行步骤S509；若位置差异值大于位置差异阈值，或者对象边缘线的长度小于标准对象长度阈值，则确定位置差异值及对象边缘线不满足标准对象条件，执行步骤S510。

一种标准检测方式下，该标准对象条件包括对象异常阈值。根据第一检测参数与第二检测参数生成检测函数，将检测函数中的第一检测参数的值确定为位置差异值，将检测函数中的第二检测参数确定为对象边缘线的长度，得到检测函数对应的对象检测质量，也就是说，该第一检测参数用于表示对目标对象进行检测的一种指标，第二检测参数用于表示对目标对象检测的一种指标，该对象检测质量用于表示该目标对象的异常程度。若对象检测质量大于对象异常阈值，则确定位置差异值及对象边缘线不满足标准对象条件，执行步骤S510；若对象检测质量小于或等于对象异常阈值，则确定位置差异值及对象边缘线满足标准对象条件，执行步骤S509。

步骤S509，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。

在本申请实施例中，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象，确定对目标对象的对象处理结果为对象保留结果。

步骤S510，若位置差异值及对象边缘线不满足标准对象条件，则确定目标对象为异常对象。

在本申请实施例中，若位置差异值及对象边缘线不满足标准对象条件，则确定目标对象为异常对象，确定对目标对象的对象处理结果为对象丢弃结果或对象修复结果。

其中，本申请可以应用于对MIM产品的异常检测中，即，目标对象为MIM产品，基于上述过程，确定该MIM产品的对象检测结果，基于对象检测结果确定对MIM产品的对象处理结果。

在本申请实施例中，获取待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行过滤处理，得到掩码图像；从掩码图像中识别第一匹配像素点及第二匹配像素点，获取第一匹配像素点在掩码图像中的第一位置信息，获取第二匹配像素点在掩码图像中的第二位置信息，根据第一位置信息及第二位置信息确定第一匹配像素点与第二匹配像素点之间的位置差异值；第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值；从掩码图像中获取目标对象的对象边缘线，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。通过对目标对象的待检测图像进行检测，获取该待检测图像的图像梯度信息，对待检测图像进行过滤处理，使得可以对该待检测图像中的边缘点进行初步的过滤筛选，从待检测图像本身的像素点进行过滤，使得对待检测图像的过滤过程可以量化并且客观，不会受到图像的语义信息等的干扰，可以在一定程度上提高图像检测的准确性及效率。而且，基于目标对象的特性，从得到的掩码图像中识别第一匹配像素点及第二匹配像素点，作为检测目标对象的基准点，对两者的相对位置进行检测，并对目标对象的边缘线进行检测，实现对目标对象的平整度及轮廓线的检测，使得可以基于目标对象的对象特性对目标对象进行检测，再加上检测过程的客观性，提高了图像检测的准确性及效率。

进一步地，请参见图11，图11是本申请实施例提供的一种图像检测装置示意图。该图像检测装置可以是运行于计算机设备中的一个计算机程序(包括程序代码等)，例如该图像检测装置可以为一个应用软件；该装置可以用于执行本申请实施例提供的方法中的相应步骤。如图11所示，该图像检测装置1100可以用于图3所对应实施例中的计算机设备，具体的，该装置可以包括：梯度获取模块11、图像过滤模块12、位置获取模块13、差异获取模块14、边缘线获取模块15及标准检测模块16。

梯度获取模块11，用于对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息；

图像过滤模块12，用于根据图像梯度信息对待检测图像进行掩码过滤处理，得到掩码图像；

位置获取模块13，用于对掩码图像进行像素点匹配识别处理，得到掩码图像中的第一匹配像素点及第二匹配像素点；第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值；

该位置获取模块，还用于对掩码图像进行像素点位置提取，得到第一匹配像素点在掩码图像中的第一位置信息，以及第二匹配像素点在掩码图像中的第二位置信息；

差异获取模块14，用于根据第一位置信息及第二位置信息进行像素位置匹配，确定第一匹配像素点与第二匹配像素点之间的位置差异值；

边缘线获取模块15，用于从掩码图像中对目标对象进行边缘识别，得到目标对象的对象边缘线；

标准检测模块16，用于若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。

其中，该梯度获取模块11，包括：

图像去噪单元111，用于对待检测图像进行滤波去噪处理，得到去噪图像；

幅值获取单元112，用于获取边缘差分算子，采用边缘差分算子对去噪图像进行边缘差分处理，得到去噪图像的像素梯度幅值；

梯度生成单元113，用于将像素梯度幅值组成待检测图像的图像梯度信息。

其中，该图像去噪单元111，包括：

像素卷积子单元1111，用于获取卷积核模板，获取待检测图像的图像像素值，对卷积核模板与图像像素值进行像素卷积处理，得到去噪像素值；

去噪生成子单元1112，用于将去噪像素值组成去噪图像。

其中，边缘差分算子包括纵向差分算子及横向差分算子；

该幅值获取单元112，包括：

算子获取子单元1121，用于获取纵向差分算子及横向差分算子；

差分处理子单元1122，用于采用纵向差分算子对去噪图像进行边缘差分处理，得到纵向梯度幅值，采用横向差分算子对去噪图像进行边缘差分处理，得到横向梯度幅值；

梯度融合子单元1123，用于对纵向梯度幅值与横向梯度幅值进行梯度融合处理，得到去噪图像的像素梯度幅值。

其中，该图像过滤模块12，包括：

边界过滤单元121，用于根据图像梯度信息对待检测图像进行边界过滤处理，得到过滤图像；

二值转换单元122，用于对过滤图像进行边缘二值转换处理，得到二值图像；

区域识别单元123，用于识别二值图像中目标对象所在的对象区域；

像素过滤单元124，用于基于对象区域对二值图像进行像素过滤，得到掩码图像。

其中，该边界过滤单元121，包括：

幅值获取子单元1211，用于从图像梯度信息中，获取组成待检测图像的N个待检测像素点的像素梯度幅值；N为正整数；

像素更新子单元1212，用于获取第i个待检测像素点的邻域像素点的像素梯度幅值，若第i个待检测像素点的像素梯度幅值小于邻域像素点的像素梯度幅值，则将第i个待检测像素点的图像像素值更新为无效像素值；i为正整数，i小于或等于N；

过滤确定子单元1213，用于将更新后的待检测图像确定为过滤图像。

其中，该二值转换单元122，包括：

像素获取子单元1221，用于获取过滤图像所包括的N个过滤像素点分别对应的过滤像素值；N为正整数；

第一更新子单元1222，用于将过滤像素值小于第一像素阈值的过滤像素点的过滤像素值，更新为第一默认像素值；将过滤像素值大于第二像素阈值的过滤像素点的过滤像素值，更新为第二默认像素值；

第二更新子单元1223，用于将过滤像素值大于或等于第一像素阈值，且小于或等于第二像素阈值的过滤像素点记作中间像素点，获取中间像素点的连通邻域像素点，根据连通邻域像素点更新中间像素点的像素值；连通邻域像素点是指与中间像素点相邻的像素点；

二值确定子单元1224，用于将更新后的过滤图像确定为二值图像。

其中，区域识别单元123，包括：

横向投影子单元1231，用于对二值图像进行像素逐行投影，得到每一个图像行分别对应的行投影值，将行投影值最大的图像行确定为基准行，对基准行进行行数扩展，得到横向区域；

纵向投影子单元1232，用于对二值图像进行像素逐列投影，得到每一个图像列分别对应的列投影值，将列投影值最大的图像列确定为基准列，对基准列进行列数扩展，得到纵向区域；

图像划分子单元1233，用于基于横向区域与纵向区域，将二值图像划分为M个子区域；

区域确定子单元1234，用于获取每个子区域中对应第二默认像素值的区域像素点的分布零散度，将分布零散度大于或等于对象分布阈值的子区域，确定为目标对象所在的对象区域；M为正整数，第二默认像素值是指大于第二像素阈值的像素值。

其中，该区域识别单元123，包括：

候选检测子单元1235，用于采用对象检测模型识别待检测图像中的目标对象，得到目标对象所对应的对象候选框，基于对象候选框确定二值图像中目标对象所在的对象区域。

其中，该像素过滤单元124，具体用于：

将二值图像中，位于背景区域的像素点的像素值更新为第一默认像素值，将更新后的二值图像确定为掩码图像；背景区域是指二值图像中除对象区域之外的区域。

其中，该位置获取模块13，包括：

边缘点获取单元131，用于获取掩码图像中，像素值属于边缘像素范围的至少两个边缘像素点；

匹配点获取单元132，用于对至少两个边缘像素点进行坐标筛选处理，确定至少两个边缘像素点中的第一匹配像素点及第二匹配像素点；第一匹配像素点是指至少两个边缘像素点中在掩码图像对应的纵向坐标最小的像素点，第二匹配像素点是指至少两个边缘像素点中在掩码图像对应的纵向坐标最大的像素点；

第一位置确定单元133，用于以第一匹配像素点为起点沿第一方向依次获取K个第一扩展像素点，对K个第一扩展像素点所在的第一像素列分别进行横向坐标匹配处理，确定第一匹配像素点在掩码图像中的第一位置信息；

第二位置确定单元134，用于以第二匹配像素点为起点沿第二方向依次获取K个第二扩展像素点，对K个第二扩展像素点所在的第二像素列分别进行横向坐标匹配处理，确定第二匹配像素点在掩码图像中的第二位置信息；第一方向与第二方向为相反方向，K为正整数。

其中，该边缘线获取模块15，包括：

边缘识别单元151，用于获取掩码图像中，像素值属于边缘像素范围的至少两个边缘像素点；

目标获取单元152，用于对至少两个边缘像素点进行像素分布解析，得到至少两个边缘像素点分别对应的第三像素列，对每个第三像素列进行边缘检测，得到每个第三像素列对应的目标边缘点；目标边缘点为所在的第三像素列中横向坐标最小的边缘像素点；

检测确定单元153，用于对目标边缘线进行线性检测，从目标边缘点中确定检测边缘点，将检测边缘点组成目标对象的对象边缘线；对象边缘线的斜率小于或等于边缘斜率阈值。

其中，该检测确定单元153，包括：

曲线确定子单元1531，用于获取每个目标边缘点对应的极坐标曲线，从极坐标曲线中确定目标极坐标曲线；目标极坐标曲线与d个极坐标曲线之间存在交点，d为大于或等于直线确定阈值的正整数；

基准确定子单元1532，用于基于目标极坐标曲线及目标极坐标曲线所对应的目标边缘点，确定边缘基准线；

边缘连接子单元1533，用于将位于边缘基准线上的目标边缘点确定为检测边缘点，对检测边缘点进行连接，得到目标对象的对象边缘线。

其中，该检测确定单元153，包括：

斜率获取子单元1534，用于对目标边缘点进行边缘点组合，获取目标边缘点中的相邻边缘点对，计算相邻边缘点对所对应的边缘斜率，基于边缘斜率确定检测边缘点；检测边缘点组成的相邻边缘点对所对应的边缘斜率均小于边缘斜率阈值；

线生成子单元1535，用于将检测边缘点组成目标对象的对象边缘线。

其中，标准对象条件包括位置差异阈值及标准对象长度阈值；该装置1100还包括：

标准确定模块17，用于若位置差异值小于或等于位置差异阈值，且对象边缘线的长度大于或等于标准对象长度阈值，则确定位置差异值及对象边缘线满足标准对象条件；

异常确定模块18，用于若位置差异值大于位置差异阈值，或者对象边缘线的长度小于标准对象长度阈值，则确定位置差异值及对象边缘线不满足标准对象条件。

其中，标准对象条件包括对象异常阈值；该装置1100还包括：

质量获取模块19，用于根据第一检测参数与第二检测参数生成检测函数，将检测函数中的第一检测参数的值确定为位置差异值，将检测函数中的第二检测参数确定为对象边缘线的长度，得到检测函数对应的对象检测质量；

该异常确定模块18，用于若对象检测质量大于对象异常阈值，则确定位置差异值及对象边缘线不满足标准对象条件；

该标准确定模块17，用于若对象检测质量小于或等于对象异常阈值，则确定位置差异值及对象边缘线满足标准对象条件。

本申请实施例提供了一种图像检测装置，该装置可以获取待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行过滤处理，得到掩码图像；从掩码图像中识别第一匹配像素点及第二匹配像素点，获取第一匹配像素点在掩码图像中的第一位置信息，获取第二匹配像素点在掩码图像中的第二位置信息，根据第一位置信息及第二位置信息确定第一匹配像素点与第二匹配像素点之间的位置差异值；第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值；从掩码图像中获取目标对象的对象边缘线，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。通过对目标对象的待检测图像进行检测，获取该待检测图像的图像梯度信息，对待检测图像进行过滤处理，使得可以对该待检测图像中的边缘点进行初步的过滤筛选，从待检测图像本身的像素点进行过滤，使得对待检测图像的过滤过程可以量化并且客观，不会受到图像的语义信息等的干扰，可以在一定程度上提高图像检测的准确性及效率。而且，基于目标对象的特性，从得到的掩码图像中识别第一匹配像素点及第二匹配像素点，作为检测目标对象的基准点，对两者的相对位置进行检测，并对目标对象的边缘线进行检测，实现对目标对象的平整度及轮廓线的检测，使得可以基于目标对象的对象特性对目标对象进行检测，再加上检测过程的客观性，提高了图像检测的准确性及效率。

参见图12，图12是本申请实施例提供的一种计算机设备的结构示意图。如图12所示，本申请实施例中的计算机设备可以包括：一个或多个处理器1201、存储器1202和输入输出接口1203。该处理器1201、存储器1202和输入输出接口1203通过总线1204连接。存储器1202用于存储计算机程序，该计算机程序包括程序指令，输入输出接口1203用于接收数据及输出数据，如用于计算机设备与采集设备之间进行数据交互，或者用于计算机设备与终端设备之间进行数据交互；处理器1201用于执行存储器1202存储的程序指令。

其中，该处理器1201可以执行如下操作：

对待检测图像进行边缘差分处理，得到待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行掩码过滤处理，得到掩码图像；

对掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点；第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值；

对掩码图像进行像素点位置提取，得到第一匹配像素点在掩码图像中的第一位置信息，以及第二匹配像素点在掩码图像中的第二位置信息，根据第一位置信息及第二位置信息进行像素位置匹配，确定第一匹配像素点与第二匹配像素点之间的位置差异值；

从掩码图像中对目标对象进行边缘识别，得到目标对象的对象边缘线，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。

在一些可行的实施方式中，该处理器1201可以是中央处理单元(centralprocessing unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

该存储器1202可以包括只读存储器和随机存取存储器，并向处理器901和输入输出接口1203提供指令和数据。存储器1202的一部分还可以包括非易失性随机存取存储器。例如，存储器1202还可以存储设备类型的信息。

具体实现中，该计算机设备可通过其内置的各个功能模块执行如该图3或图5中各个步骤所提供的实现方式，具体可参见该图3或图5中各个步骤所提供的实现方式，在此不再赘述。

本申请实施例通过提供一种计算机设备，包括：处理器、输入输出接口、存储器，通过处理器获取存储器中的计算机程序，执行该图5中所示方法的各个步骤，进行图像检测操作。本申请实施例实现了获取待检测图像的图像梯度信息，根据图像梯度信息对待检测图像进行过滤处理，得到掩码图像；从掩码图像中识别第一匹配像素点及第二匹配像素点，获取第一匹配像素点在掩码图像中的第一位置信息，获取第二匹配像素点在掩码图像中的第二位置信息，根据第一位置信息及第二位置信息确定第一匹配像素点与第二匹配像素点之间的位置差异值；第一匹配像素点的像素值及第二匹配像素点的像素值均属于边缘像素范围，第一匹配像素点与第二匹配像素点之间的距离大于对象尺度阈值；从掩码图像中获取目标对象的对象边缘线，若位置差异值及对象边缘线满足标准对象条件，则确定目标对象为标准对象。通过对目标对象的待检测图像进行检测，获取该待检测图像的图像梯度信息，对待检测图像进行过滤处理，使得可以对该待检测图像中的边缘点进行初步的过滤筛选，从待检测图像本身的像素点进行过滤，使得对待检测图像的过滤过程可以量化并且客观，不会受到图像的语义信息等的干扰，可以在一定程度上提高图像检测的准确性及效率。而且，基于目标对象的特性，从得到的掩码图像中识别第一匹配像素点及第二匹配像素点，作为检测目标对象的基准点，对两者的相对位置进行检测，并对目标对象的边缘线进行检测，实现对目标对象的平整度及轮廓线的检测，使得可以基于目标对象的对象特性对目标对象进行检测，再加上检测过程的客观性，提高了图像检测的准确性及效率。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序适于由该处理器加载并执行图3或图5中各个步骤所提供的图像检测方法，具体可参见该图3或图5中各个步骤所提供的实现方式，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。作为示例，计算机程序可被部署为在一个计算机设备上执行，或者在位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行。

该计算机可读存储介质可以是前述任一实施例提供的图像检测装置或者该计算机设备的内部存储单元，例如计算机设备的硬盘或内存。该计算机可读存储介质也可以是该计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(smart media card，SMC)，安全数字(secure digital，SD)卡，闪存卡(flash card)等。进一步地，该计算机可读存储介质还可以既包括该计算机设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该计算机设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图3或图5中的各种可选方式中所提供的方法，实现了对目标对象的待检测图像进行检测，获取该待检测图像的图像梯度信息，对待检测图像进行过滤处理，使得可以对该待检测图像中的边缘点进行初步的过滤筛选，从待检测图像本身的像素点进行过滤，使得对待检测图像的过滤过程可以量化并且客观，不会受到图像的语义信息等的干扰，可以在一定程度上提高图像检测的准确性及效率。而且，基于目标对象的特性，从得到的掩码图像中识别第一匹配像素点及第二匹配像素点，作为检测目标对象的基准点，对两者的相对位置进行检测，并对目标对象的边缘线进行检测，实现对目标对象的平整度及轮廓线的检测，使得可以基于目标对象的对象特性对目标对象进行检测，再加上检测过程的客观性，提高了图像检测的准确性及效率。

本申请实施例的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、装置、产品或设备固有的其他步骤单元。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在该说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例提供的方法及相关装置是参照本申请实施例提供的方法流程图和/或结构示意图来描述的，具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程图像检测设备的处理器以产生一个机器，使得通过计算机或其他可编程图像检测设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程图像检测设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程图像检测设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。

本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。

以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (19)

1.一种图像检测方法，其特征在于，所述方法包括：

对待检测图像进行边缘差分处理，得到所述待检测图像的图像梯度信息，根据所述图像梯度信息对所述待检测图像进行掩码过滤处理，得到掩码图像；

对所述掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点；所述第一匹配像素点的像素值及所述第二匹配像素点的像素值均属于边缘像素范围，所述第一匹配像素点与所述第二匹配像素点之间的距离大于对象尺度阈值；

对所述掩码图像进行像素点位置提取，得到所述第一匹配像素点在所述掩码图像中的第一位置信息，以及所述第二匹配像素点在所述掩码图像中的第二位置信息，根据所述第一位置信息及所述第二位置信息进行像素位置匹配，确定所述第一匹配像素点与所述第二匹配像素点之间的位置差异值；

从所述掩码图像中对所述目标对象进行边缘识别，得到所述目标对象的对象边缘线，若所述位置差异值及所述对象边缘线满足标准对象条件，则确定所述目标对象为标准对象。

2.如权利要求1所述的方法，其特征在于，所述对待检测图像进行边缘差分处理，得到所述待检测图像的图像梯度信息，包括：

对所述待检测图像进行滤波去噪处理，得到去噪图像；

获取边缘差分算子，采用所述边缘差分算子对所述去噪图像进行边缘差分处理，得到所述去噪图像的像素梯度幅值，将所述像素梯度幅值组成所述待检测图像的图像梯度信息。

3.如权利要求2所述的方法，其特征在于，所述对所述待检测图像进行滤波去噪处理，得到去噪图像，包括：

获取卷积核模板，获取所述待检测图像的图像像素值，对所述卷积核模板与所述图像像素值进行像素卷积处理，得到去噪像素值；

将所述去噪像素值组成去噪图像。

4.如权利要求2所述的方法，其特征在于，所述边缘差分算子包括纵向差分算子及横向差分算子；

所述获取边缘差分算子，采用所述边缘差分算子对所述去噪图像进行边缘差分处理，得到所述去噪图像的像素梯度幅值，包括：

获取所述纵向差分算子及所述横向差分算子；

采用所述纵向差分算子对所述去噪图像进行边缘差分处理，得到纵向梯度幅值，采用所述横向差分算子对所述去噪图像进行边缘差分处理，得到横向梯度幅值；

对所述纵向梯度幅值与所述横向梯度幅值进行梯度融合处理，得到所述去噪图像的像素梯度幅值。

5.如权利要求1所述的方法，其特征在于，所述根据所述图像梯度信息对所述待检测图像进行掩码过滤处理，得到掩码图像，包括：

根据所述图像梯度信息对所述待检测图像进行边界过滤处理，得到过滤图像；

对所述过滤图像进行边缘二值转换处理，得到二值图像，识别所述二值图像中目标对象所在的对象区域，基于所述对象区域对所述二值图像进行像素过滤，得到掩码图像。

6.如权利要求5所述的方法，其特征在于，所述根据所述图像梯度信息对所述待检测图像进行边界过滤处理，得到过滤图像，包括：

从所述图像梯度信息中，获取组成所述待检测图像的N个待检测像素点的像素梯度幅值；N为正整数；

获取第i个待检测像素点的邻域像素点的像素梯度幅值，若所述第i个待检测像素点的像素梯度幅值小于所述邻域像素点的像素梯度幅值，则将所述第i个待检测像素点的图像像素值更新为无效像素值；i为正整数，i小于或等于N；

将更新后的待检测图像确定为过滤图像。

7.如权利要求5所述的方法，其特征在于，所述对所述过滤图像进行边缘二值转换处理，得到二值图像，包括：

获取所述过滤图像所包括的N个过滤像素点分别对应的过滤像素值；N为正整数；

将所述过滤像素值小于第一像素阈值的过滤像素点的过滤像素值，更新为第一默认像素值；将所述过滤像素值大于第二像素阈值的过滤像素点的过滤像素值，更新为第二默认像素值；

将所述过滤像素值大于或等于所述第一像素阈值，且小于或等于所述第二像素阈值的过滤像素点记作中间像素点，获取所述中间像素点的连通邻域像素点，根据所述连通邻域像素点更新所述中间像素点的像素值；所述连通邻域像素点是指与所述中间像素点相邻的像素点；

将更新后的过滤图像确定为二值图像。

8.如权利要求5所述的方法，其特征在于，所述识别所述二值图像中目标对象所在的对象区域，包括：

对所述二值图像进行像素逐行投影，得到每一个图像行分别对应的行投影值，将所述行投影值最大的图像行确定为基准行，对所述基准行进行行数扩展，得到横向区域；

对所述二值图像进行像素逐列投影，得到每一个图像列分别对应的列投影值，将所述列投影值最大的图像列确定为基准列，对所述基准列进行列数扩展，得到纵向区域；

基于所述横向区域与所述纵向区域，将所述二值图像划分为M个子区域，获取每个子区域中对应第二默认像素值的区域像素点的分布零散度，将所述分布零散度大于或等于对象分布阈值的子区域，确定为目标对象所在的对象区域；M为正整数，所述第二默认像素值是指大于第二像素阈值的像素值。

9.如权利要求5所述的方法，其特征在于，所述基于所述对象区域对所述二值图像进行像素过滤，得到掩码图像，包括：

将所述二值图像中，位于背景区域的像素点的像素值更新为第一默认像素值，将更新后的二值图像确定为掩码图像；所述背景区域是指所述二值图像中除所述对象区域之外的区域。

10.如权利要求1所述的方法，其特征在于，所述对所述掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点，包括：

获取所述掩码图像中，像素值属于所述边缘像素范围的至少两个边缘像素点；

对所述至少两个边缘像素点进行坐标筛选处理，确定所述至少两个边缘像素点中的第一匹配像素点及第二匹配像素点；所述第一匹配像素点是指所述至少两个边缘像素点中在所述掩码图像对应的纵向坐标最小的像素点，所述第二匹配像素点是指所述至少两个边缘像素点中在所述掩码图像对应的纵向坐标最大的像素点；

所述对所述掩码图像进行像素点位置提取，得到所述第一匹配像素点在所述掩码图像中的第一位置信息，以及所述第二匹配像素点在所述掩码图像中的第二位置信息，包括：

以所述第一匹配像素点为起点沿第一方向依次获取K个第一扩展像素点，对所述K个第一扩展像素点所在的第一像素列分别进行横向坐标匹配处理，确定所述第一匹配像素点在所述掩码图像中的第一位置信息；

以所述第二匹配像素点为起点沿第二方向依次获取K个第二扩展像素点，对所述K个第二扩展像素点所在的第二像素列分别进行横向坐标匹配处理，确定所述第二匹配像素点在所述掩码图像中的第二位置信息；所述第一方向与所述第二方向为相反方向，K为正整数。

11.如权利要求1所述的方法，其特征在于，所述从所述掩码图像中对所述目标对象进行边缘识别，得到所述目标对象的对象边缘线，包括：

获取所述掩码图像中，像素值属于所述边缘像素范围的至少两个边缘像素点；

对所述至少两个边缘像素点进行像素分布解析，得到所述至少两个边缘像素点分别对应的第三像素列，对每个第三像素列进行边缘检测，得到每个第三像素列对应的目标边缘点；所述目标边缘点为所在的第三像素列中横向坐标最小的边缘像素点；

对所述目标边缘线进行线性检测，从所述目标边缘点中确定检测边缘点，将所述检测边缘点组成所述目标对象的对象边缘线；所述对象边缘线的斜率小于或等于边缘斜率阈值。

12.如权利要求11所述的方法，其特征在于，所述对所述目标边缘线进行线性检测，从所述目标边缘点中确定检测边缘点，将所述检测边缘点组成所述目标对象的对象边缘线，包括：

获取每个目标边缘点对应的极坐标曲线，从极坐标曲线中确定目标极坐标曲线；所述目标极坐标曲线与d个极坐标曲线之间存在交点，d为大于或等于直线确定阈值的正整数；

基于所述目标极坐标曲线及所述目标极坐标曲线所对应的目标边缘点，确定边缘基准线；

将位于所述边缘基准线上的目标边缘点确定为检测边缘点，对所述检测边缘点进行连接，得到所述目标对象的对象边缘线。

13.如权利要求11所述的方法，其特征在于，所述对所述目标边缘线进行线性检测，从所述目标边缘点中确定检测边缘点，将所述检测边缘点组成所述目标对象的对象边缘线，包括：

对所述目标边缘点进行边缘点组合，获取所述目标边缘点中的相邻边缘点对，计算所述相邻边缘点对所对应的边缘斜率，基于所述边缘斜率确定检测边缘点；所述检测边缘点组成的相邻边缘点对所对应的边缘斜率均小于所述边缘斜率阈值；

将所述检测边缘点组成所述目标对象的对象边缘线。

14.如权利要求1所述的方法，其特征在于，所述标准对象条件包括位置差异阈值及标准对象长度阈值；所述方法还包括：

若所述位置差异值小于或等于所述位置差异阈值，且所述对象边缘线的长度大于或等于所述标准对象长度阈值，则确定所述位置差异值及所述对象边缘线满足标准对象条件；

若所述位置差异值大于所述位置差异阈值，或者所述对象边缘线的长度小于所述标准对象长度阈值，则确定所述位置差异值及所述对象边缘线不满足标准对象条件。

15.如权利要求1所述的方法，其特征在于，所述标准对象条件包括对象异常阈值；所述方法还包括：

根据第一检测参数与第二检测参数生成检测函数，将所述检测函数中的所述第一检测参数的值确定为所述位置差异值，将所述检测函数中的所述第二检测参数确定为所述对象边缘线的长度，得到所述检测函数对应的对象检测质量；

若所述对象检测质量大于所述对象异常阈值，则确定所述位置差异值及所述对象边缘线不满足标准对象条件；

若所述对象检测质量小于或等于所述对象异常阈值，则确定所述位置差异值及所述对象边缘线满足标准对象条件。

16.一种图像检测装置，其特征在于，所述装置包括：

梯度获取模块，用于对待检测图像进行边缘差分处理，得到所述待检测图像的图像梯度信息；

图像过滤模块，用于根据所述图像梯度信息对所述待检测图像进行掩码过滤处理，得到掩码图像；

位置获取模块，用于对所述掩码图像进行像素点匹配识别处理，得到第一匹配像素点及第二匹配像素点；所述第一匹配像素点的像素值及所述第二匹配像素点的像素值均属于边缘像素范围，所述第一匹配像素点与所述第二匹配像素点之间的距离大于对象尺度阈值；

所述位置获取模块，还用于对所述掩码图像进行像素点位置提取，得到所述第一匹配像素点在所述掩码图像中的第一位置信息，以及所述第二匹配像素点在所述掩码图像中的第二位置信息；

差异获取模块，用于根据所述第一位置信息及所述第二位置信息进行像素位置匹配，确定所述第一匹配像素点与所述第二匹配像素点之间的位置差异值；

边缘线获取模块，用于从所述掩码图像中对所述目标对象进行边缘识别，得到所述目标对象的对象边缘线；

标准检测模块，用于若所述位置差异值及所述对象边缘线满足标准对象条件，则确定所述目标对象为标准对象。

17.一种计算机设备，其特征在于，包括处理器、存储器、输入输出接口；

所述处理器分别与所述存储器和所述输入输出接口相连，其中，所述输入输出接口用于接收数据及输出数据，所述存储器用于存储计算机程序，所述处理器用于调用所述计算机程序，以使得所述计算机设备执行权利要求1-15任一项所述的方法。

18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于由处理器加载并执行，以使得具有所述处理器的计算机设备执行权利要求1-15任一项所述的方法。

19.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1-15任一项所述的方法。

Images