CN114627194A - Led灯发光状态检测方法及装置 - Google Patents
Led灯发光状态检测方法及装置 Download PDFInfo
- Publication number
- CN114627194A CN114627194A CN202210157889.9A CN202210157889A CN114627194A CN 114627194 A CN114627194 A CN 114627194A CN 202210157889 A CN202210157889 A CN 202210157889A CN 114627194 A CN114627194 A CN 114627194A
- Authority
- CN
- China
- Prior art keywords
- sample
- sample image
- image
- characteristic value
- led lamp
- 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
- 238000001514 detection method Methods 0.000 title claims description 32
- 230000008859 change Effects 0.000 claims abstract description 78
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000010586 diagram Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000009466 transformation Effects 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 56
- 238000000605 extraction Methods 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000000873 masking effect Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000004075 alteration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- RVCKCEDKBVEEHL-UHFFFAOYSA-N 2,3,4,5,6-pentachlorobenzyl alcohol Chemical compound OCC1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl RVCKCEDKBVEEHL-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/76—Arrangements for rearranging, permuting or selecting data according to predetermined rules, independently of the content of the data
- G06F7/78—Arrangements for rearranging, permuting or selecting data according to predetermined rules, independently of the content of the data for changing the order of data flow, e.g. matrix transposition or LIFO buffers; Overflow or underflow handling therefor
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种LED灯发光状态检测方法及装置，其中该方法包括：获取多个样本图像；对多个样本图像进行处理以得到每个样本图像对应的各个通道的变化区域特征图，以及根据每个样本图像对应的各个通道的变化区域特征图得到每个样本图像对应的未变换特征值；对每个样本图像对应的未变换特征值进行计算以得到均值，并根据均值构建旋转矩阵；采用旋转矩阵对均值进行旋转变换得到样本基准特征值；获取待检测样本的未变换特征值，并采用旋转矩阵对未变换特征值进行旋转变换得到待检测样本特征值；最后计算样本基准特征值与待检测样本特征值之间的颜色差和亮度差，以便根据颜色差和亮度差检测待检测样本对应的LED灯是否异常，从而准确检测LED灯的发光状态。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种LED灯发光状态检测方法、一种LED灯发光状态检测装置、以及一种计算机可读存储介质和一种计算机设备。
背景技术
相关技术中，在视觉工装检测PCBA的LED灯是否点亮、缺件、错件或质量缺陷时，通常使用颜色特征提取算法提取特征，以便根据提取的特征检测LED灯是否异常；但是现有的LED特征值提取算法提取的特征值不能够准确反映LED的颜色差异，并且LED灯亮度变化时，无法在特征值数值上体现变化及变化强弱。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种LED灯发光状态检测方法，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种LED灯发光状态检测装置。
为达到上述目的，本发明第一方面实施例提出了一种LED灯发光状态检测方法，该方法包括以下步骤：获取多个样本图像；对所述多个样本图像中的每个样本图像进行处理以得到所述每个样本图像对应的各个通道的变化区域特征图，以及根据所述每个样本图像对应的各个通道的变化区域特征图得到所述每个样本图像对应的未变换特征值；对所述每个样本图像对应的未变换特征值进行计算以得到均值，并根据所述均值构建旋转矩阵；采用所述旋转矩阵对所述均值进行旋转变换，以得到样本基准特征值；获取待检测样本的未变换特征值，并采用所述旋转矩阵对所述未变换特征值进行旋转变换以得到待检测样本特征值；计算所述样本基准特征值与所述待检测样本特征值之间的颜色差和亮度差，以便根据所述颜色差和亮度差检测所述待检测样本对应的LED灯是否异常。
根据本发明实施例的LED灯发光状态检测方法，首先获取多个样本图像；接着对多个样本图像中的每个样本图像进行处理以得到每个样本图像对应的各个通道的变化区域特征图，以及根据每个样本图像对应的各个通道的变化区域特征图得到每个样本图像对应的未变换特征值；再接着对每个样本图像对应的未变换特征值进行计算以得到均值，并根据均值构建旋转矩阵；然后采用旋转矩阵对均值进行旋转变换，以得到样本基准特征值；再然后获取待检测样本的未变换特征值，并采用旋转矩阵对未变换特征值进行旋转变换以得到待检测样本特征值；最后计算样本基准特征值与待检测样本特征值之间的颜色差和亮度差，以便根据颜色差和亮度差检测待检测样本对应的LED灯是否异常；由此，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
另外，根据本发明上述实施例提出的LED灯发光状态检测方法还可以具有如下附加的技术特征：
可选地，对所述多个样本图像中的每个样本图像进行处理以得到所述每个样本图像对应的各个通道的变化区域特征图，以及根据所述每个样本图像对应的各个通道的变化区域特征图得到所述每个样本图像对应的未变换特征值，包括：对所述多个样本图像中的每个样本图像进行灰度化处理，以得到所述每个样本图像对应的灰度图像；获取预设的变化区域，采用拉普拉斯算法根据所述变化区域对所述每个样本图像对应的灰度图像进行处理以得到所述每个样本图像对应的梯度图像；采用IsoData自适应阈值算法对所述每个样本图像对应的梯度图像进行处理以得到所述每个样本图像对应的二值图像；采用所述每个样本图像对应的二值图像对所述每个样本图像对应的各个通道的灰度图像进行掩膜处理以得到所述每个样本图像对应的各个通道的变化区域特征图；对所述每个样本图像对应的各个通道的变化区域特征图进行处理以得到所述每个样本图像对应的未变换特征值。
可选地，对所述每个样本图像对应的各个通道的变化区域特征图进行处理以得到所述每个样本图像对应的未变换特征值，包括：获取所述每个样本图像对应的各个通道的变化区域特征图的灰度信息；将所述每个样本图像对应的各个通道的变化区域特征图的灰度信息除以掩膜面积，以得到所述每个样本图像对应的未变换特征值。
可选地，根据所述均值构建旋转矩阵，包括：对所述均值进行归一化处理；定义三维坐标系的原点为起点，归一化后的结果为终点构造起始方向向量，定义三维坐标系的纵轴为终止方向向量，并计算起始方向向量与终止方向向量的法向量后归一化处理；根据所述法向量计算所述起始方向向量与所述终止方向向量之间的夹角，并根据所述夹角构造四元数；根据所述四元数构建旋转矩阵。
为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有LED灯发光状态检测程序，该LED灯发光状态检测程序被处理器执行时实现如上述的LED灯发光状态检测方法。
根据本发明实施例的计算机可读存储介质，通过存储LED灯发光状态检测程序，这样LED灯发光状态检测程序被处理器执行时实现如上述的LED灯发光状态检测方法，由此，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
为达到上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上述的LED灯发光状态检测方法。
根据本发明实施例的计算机设备，通过存储器存储LED灯发光状态检测程序，这样LED灯发光状态检测被处理器执行时实现如上述的LED灯发光状态检测方法，由此，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
为达到上述目的，本发明第四方面实施例提出了一种LED灯发光状态检测装置，包括：获取模块，所述获取模块用于获取多个样本图像；特征提取模块，所述特征提取模块用于对所述多个样本图像中的每个样本图像进行处理以得到所述每个样本图像对应的各个通道的变化区域特征图，以及根据所述每个样本图像对应的各个通道的变化区域特征图得到所述每个样本图像对应的未变换特征值；构建模块，所述构建模块用于对所述每个样本图像对应的未变换特征值进行计算以得到均值，并根据所述均值构建旋转矩阵；所述特征提取模块还用于对所述均值进行旋转变换，以得到样本基准特征值；所述特征提取模块还用于获取待检测样本的未变换特征值，并采用所述旋转矩阵对所述未变换特征值进行旋转变换以得到待检测样本特征值；检测模块，所述检测模块用于计算所述样本基准特征值与所述待检测样本特征值之间的颜色差和亮度差，以便根据所述颜色差和亮度差检测所述待检测样本对应的LED灯是否异常。
根据本发明实施例提供的LED灯发光状态检测装置，通过获取模块获取多个样本图像；特征提取模块对多个样本图像中的每个样本图像进行处理以得到每个样本图像对应的各个通道的变化区域特征图，以及根据每个样本图像对应的各个通道的变化区域特征图得到每个样本图像对应的未变换特征值；构建模块对每个样本图像对应的未变换特征值进行计算以得到均值，并根据均值构建旋转矩阵；特征提取模块对均值进行旋转变换，以得到样本基准特征值；特征提取模块获取待检测样本的未变换特征值，并采用旋转矩阵对未变换特征值进行旋转变换以得到待检测样本特征值；检测模块计算样本基准特征值与待检测样本特征值之间的颜色差和亮度差，以便根据颜色差和亮度差检测待检测样本对应的LED灯是否异常，由此，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
另外，根据本发明上述实施例提出的LED灯发光状态检测装置还可以具有如下附加的技术特征：
可选地，所述特征提取模块还用于，对所述多个样本图像中的每个样本图像进行灰度化处理，以得到所述每个样本图像对应的灰度图像；获取预设的变化区域采用拉普拉斯算法根据所述变化区域对所述每个样本图像对应的灰度图像进行处理以得到所述每个样本图像对应的梯度图像；采用IsoData自适应阈值算法对所述每个样本图像对应的梯度图像进行处理以得到所述每个样本图像对应的二值图像；采用所述每个样本图像对应的二值图像对所述每个样本图像对应的各个通道的灰度图像进行掩膜处理以得到所述每个样本图像对应的各个通道的变化区域特征图；对所述每个样本图像对应的各个通道的变化区域特征图进行处理以得到所述每个样本图像对应的未变换特征值。
可选地，所述特征提取模块还用于，获取所述每个样本图像对应的各个通道的变化区域特征图的灰度信息；将所述每个样本图像对应的各个通道的变化区域特征图的灰度信息除以掩膜面积，以得到所述每个样本图像对应的未变换特征值。
可选地，所述构建模块还用于，对所述均值进行归一化处理；定义三维坐标系的原点为起点，归一化后的结果为终点构造起始方向向量，定义三维坐标系的纵轴为终止方向向量，并计算起始方向向量与终止方向向量的法向量后归一化处理；根据所述法向量计算所述起始方向向量与所述终止方向向量之间的夹角，并根据所述夹角构造四元数；根据所述四元数构建旋转矩阵。
附图说明
图1为根据本发明实施例的LED灯发光状态检测方法的流程示意图；
图2为根据本发明实施例的样本图像的区域划分示意图，其中，图2(a)为LED成像对应颜色划分示意图，图2(b)为LED灯截面曲线区域划分示意图；
图3为根据本发明实施例的样本图像的处理过程示意图，其中，图3(a)为梯度图，图3(b)为二值图，图3(c)为通道的变化区域特征图；
图4为根据本发明实施例的LED灯发光状态检测方法的数据处理变化过程示意图；
图5为根据本发明实施例的LED灯发光状态检测装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参考图1和图4所示，本发明实施例的LED灯发光状态检测方法包括以下步骤：
步骤101，获取多个样本图像。
作为一个实施例，假设待检测的LED灯为白色，则采集若干个不同位置或者不同亮度的白色LED灯作为多个采集的样本图像。
需要说明的是，可以同时采集不同位置和不同亮度的样本图像，如果包含不同亮度的样本图像，则需要定义一个基准亮度，另外，样本图像需包含整个LED灯，且有一定的黑色背景。
步骤102，对多个样本图像中的每个样本图像进行处理以得到每个样本图像对应的各个通道的变化区域特征图，以及根据每个样本图像对应的各个通道的变化区域特征图得到每个样本图像对应的未变换特征值。
作为一个实施例，对多个样本图像中的每个样本图像进行灰度化处理，以得到每个样本图像对应的灰度图像；获取预设的变化区域，采用拉普拉斯算法根据所述变化区域对每个样本图像对应的灰度图像进行处理以得到每个样本图像对应的梯度图像；采用IsoData自适应阈值算法对每个样本图像对应的梯度图像进行处理以得到每个样本图像对应的二值图像；采用所述每个样本图像对应的二值图像对所述每个样本图像对应的各个通道的灰度图像进行掩膜处理以得到所述每个样本图像对应的各个通道的变化区域特征图；对每个样本图像对应的各个通道的变化区域特征图进行处理以得到每个样本图像对应的未变换特征值。
作为一个实施例，对每个样本图像对应的各个通道的变化区域特征图进行处理以得到每个样本图像对应的未变换特征值，包括：获取每个样本图像对应的各个通道的变化区域特征图的灰度信息；将每个样本图像对应的各个通道的变化区域特征图的灰度信息除以掩膜面积，以得到所述每个样本图像对应的未变换特征值。
作为一个具体实施例，首先通过对样本图像灰度化处理得到灰度图像IGray，计算公式如下：IGray＝[IB,IG,IR]×[0.114 0.587 0.299]T。
然后获取预设的变化区域，如图2(a)所示为LED成像对应颜色划分示意图，LED灯成像通常中心区域会曝光，在数值上为255，随着亮度提升，曝光区域大小也相应提升，四周是暗的，在数值上趋近于0；而实际特征提取时关注的颜色信息主要集中在这两区域之间，即变化区域为多边形和椭圆之间的区域。作为另一种实施例，图2(b)为LED灯截面曲线区域划分示意图，为了进一步观察和分析LED灯成像数值上特点，可视化LED灯成像截面曲线，在特征提取时引入“曲率极大值点”(对应图中各个圆点位置)为分界，当亮度变化时，“曲率极大值点”仍然存在，稳定的“曲率极大值点”，保证了特征提取能稳定；也就是说，特征提取是变化区的特征信息提取；“曲率极大值点”实现三种区域的划分，将截面曲线图分成“亮”区、“变化”区和“暗”区三种区域，特征提取的时候，“亮”区和“暗”区被筛除，仅统计“变化”区的颜色信息作为该LED灯的特征值，与特征定义对应。
接着通过数学导数得到梯度IGradient，并将梯度IGradient自适应阈值处理(实施例使用IsoData法，也可以尝试Otsu、Huang、最大熵等自适应阈值算法)得到掩膜IMask，再使用掩膜IMask对各个通道灰度图Ic进行遮挡处理，c∈{B,G,R}可得到各个通道近似特征定义中变化区域特征图Ifeature，c，c∈{B,G,R}。
其中，数学导数涉及Laplace算子，定义如下式：
用差分近似微分后得到的算子模板G表示为：
使用算子模板G与灰度图IGray卷积得到的梯度图IGradient、梯度图IGradient自适应阈值得到的掩膜图IMask和G通道灰度图IG掩膜处理得到的G通道变化区域特征图Ifeature，G，其中，如图3所示，图3(a)为梯度图，图3(b)为二值图，图3(c)为通道的变化区域特征图。
最后统计通道的变化区域特征图的灰度信息，并除以掩膜面积得到该LED灯未变换特征值的一个通道分量，其中，掩膜图像面积指二值处理后，值为非零区域大小，计算公式如下：
同理完成另外两个通道的处理与灰度信息统计，于是得到一个LED灯的未变换特征值，用FLED＝(fB,fG,fR)表示。
步骤103，对每个样本图像对应的未变换特征值进行计算以得到均值，并根据均值构建旋转矩阵。
作为一个实施例，根据均值构建旋转矩阵，包括：对均值进行归一化处理；定义三维坐标系的原点为起点，归一化后的结果为终点构造起始方向向量，定义三维坐标系的纵轴为终止方向向量，并计算起始方向向量与终止方向向量的法向量后归一化处理；根据法向量计算起始方向向量与终止方向向量之间的夹角，并根据夹角构造四元数；根据四元数构建旋转矩阵。
作为一个具体实施例，首先计算多个LED灯未变换特征值的均值FLED-mean代表多个样本，作为一个示例也可以使用众数或其他反映多个样本整体趋势的值代替，并归一化：
其中，Λ代表省略号；然后以原点O为起点，Fnorm为终点构造起始方向向量，即
同时定义终止方向，并用单位向量表示，实施例定义三维坐标系的纵轴为终止方向，即
计算起始方向与终止方向的法向量
并归一化：
接着计算起始向量与终止向量之间的夹角θ，根据两向量的夹角θ构造四元数Q：
最后由四元数Q构造旋转矩阵R：
步骤104，采用旋转矩阵对均值进行旋转变换，以得到样本基准特征值。
作为一个实施例，采用旋转矩阵R对均值FLED-mean进行旋转变换，得到样本基准特征值Fbase：
需要说明的是，此步骤可得到样本基准特征值Fbase和旋转矩阵R，用于供后续的检测待检测样本时使用。
步骤105，获取待检测样本的未变换特征值，并采用旋转矩阵对未变换特征值进行旋转变换以得到待检测样本特征值。
需要说明的是，获取待检测样本的未变换特征值、采用旋转矩阵对未变换特征值进行旋转变换与上述步骤的方法相同；其中，使用旋转矩阵R对未变换特征值Frt进行旋转变换以得到待检测样本特征值F’rt的计算如下：
步骤106，计算样本基准特征值与待检测样本特征值之间的颜色差和亮度差，以便根据颜色差和亮度差检测待检测样本对应的LED灯是否异常。
作为一个实施例，计算样本基准特征值Fbase＝(fb1,fb2,fb3)与待检测样本特征值F’rt＝(f’1,f’2,f’3)之间的颜色差ΔColor和亮度差ΔLightness，根据终止方向向量定义，推导出三维坐标系中与终止向量方向平行的轴反映亮度变化，另外两维度共同反映颜色变化：
ΔLightness＝|fb3-f’3|
最后输出颜色差值ΔColor、亮度差值ΔLightness作为检测结果。
综上所述，根据本发明实施例的LED灯发光状态检测方法，首先获取多个样本图像；接着对多个样本图像中的每个样本图像进行处理以得到每个样本图像对应的各个通道的变化区域特征图，以及根据每个样本图像对应的各个通道的变化区域特征图得到每个样本图像对应的未变换特征值；再接着对每个样本图像对应的未变换特征值进行计算以得到均值，并根据均值构建旋转矩阵；然后采用旋转矩阵对均值进行旋转变换，以得到样本基准特征值；再然后获取待检测样本的未变换特征值，并采用旋转矩阵对未变换特征值进行旋转变换以得到待检测样本特征值；最后计算样本基准特征值与待检测样本特征值之间的颜色差和亮度差，以便根据颜色差和亮度差检测待检测样本对应的LED灯是否异常；由此，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
另外，本发明还提出了一种计算机可读存储介质，其上存储有LED灯发光状态检测程序，该LED灯发光状态检测程序被处理器执行时实现如上述的LED灯发光状态检测方法。
根据本发明实施例的计算机可读存储介质，通过存储LED灯发光状态检测程序，这样LED灯发光状态检测程序被处理器执行时实现如上述的LED灯发光状态检测方法，由此，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
另外，本发明实施例还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上述的LED灯发光状态检测方法。
根据本发明实施例的计算机设备，通过存储器存储LED灯发光状态检测程序，这样LED灯发光状态检测被处理器执行时实现如上述的LED灯发光状态检测方法，由此，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
图5为根据本发明实施例的LED灯发光状态检测的方框示意图。如图5所示，该图像修复装置包括：获取模块10、特征提取模块20、构建模块30以及检测模块40；
其中，获取模块10用于获取多个样本图像；特征提取模块20用于对多个样本图像中的每个样本图像进行处理以得到每个样本图像对应的各个通道的变化区域特征图，以及根据每个样本图像对应的各个通道的变化区域特征图得到每个样本图像对应的未变换特征值；构建模块30用于对每个样本图像对应的未变换特征值进行计算以得到均值，并根据均值构建旋转矩阵；特征提取模块20还用于对均值进行旋转变换，以得到样本基准特征值；特征提取模块20还用于获取待检测样本的未变换特征值，并采用旋转矩阵对未变换特征值进行旋转变换以得到待检测样本特征值；检测模块40用于计算样本基准特征值与待检测样本特征值之间的颜色差和亮度差，以便根据颜色差和亮度差检测待检测样本对应的LED灯是否异常。
作为一个实施例，特征提取模块20还用于，对多个样本图像中的每个样本图像进行灰度化处理，以得到每个样本图像对应的灰度图像；获取预设的变化区域采用拉普拉斯算法根据所述变化区域对每个样本图像对应的灰度图像进行处理以得到每个样本图像对应的梯度图像；采用IsoData自适应阈值算法对每个样本图像对应的梯度图像进行处理以得到每个样本图像对应的二值图像；采用所述每个样本图像对应的二值图像对所述每个样本图像对应的各个通道的灰度图像进行掩膜处理以得到所述每个样本图像对应的各个通道的变化区域特征图；对每个样本图像对应的各个通道的变化区域特征图进行处理以得到每个样本图像对应的未变换特征值。
作为一个实施例，特征提取模块20还用于，获取每个样本图像对应的各个通道的变化区域特征图的灰度信息；将每个样本图像对应的各个通道的变化区域特征图的灰度信息除以掩膜面积，以得到每个样本图像对应的未变换特征值。
作为一个实施例，构建模块30还用于，对均值进行归一化处理；定义三维坐标系的原点为起点，归一化后的结果为终点构造起始方向向量，定义三维坐标系的纵轴为终止方向向量，并计算起始方向向量与终止方向向量的法向量后归一化处理；根据法向量计算起始方向向量与终止方向向量之间的夹角，并根据夹角构造四元数；根据四元数构建旋转矩阵。
需要说明的是，前述对于LED灯发光状态检测方法的实施例的解释说明同样适用于本实施例的LED灯发光状态检测装置，此处不再赘述。
根据本发明实施例提供的LED灯发光状态检测装置，通过获取模块获取多个样本图像；特征提取模块对多个样本图像中的每个样本图像进行处理以得到每个样本图像对应的各个通道的变化区域特征图，以及根据每个样本图像对应的各个通道的变化区域特征图得到每个样本图像对应的未变换特征值；构建模块对每个样本图像对应的未变换特征值进行计算以得到均值，并根据均值构建旋转矩阵；特征提取模块对均值进行旋转变换，以得到样本基准特征值；特征提取模块获取待检测样本的未变换特征值，并采用旋转矩阵对未变换特征值进行旋转变换以得到待检测样本特征值；检测模块计算样本基准特征值与待检测样本特征值之间的颜色差和亮度差，以便根据颜色差和亮度差检测待检测样本对应的LED灯是否异常，由此，能够将LED灯的颜色相似程度反映在特征值的数学距离上，且当亮度发生变化时，变化强弱可以直观的体现，从而准确检测LED灯的发光状态。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理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数据处理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/或方框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数据处理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/或方框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数据处理设备上，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/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种LED灯发光状态检测方法，其特征在于，包括以下步骤：
获取多个样本图像；
对所述多个样本图像中的每个样本图像进行处理以得到所述每个样本图像对应的各个通道的变化区域特征图，以及根据所述每个样本图像对应的各个通道的变化区域特征图得到所述每个样本图像对应的未变换特征值；
对所述每个样本图像对应的未变换特征值进行计算以得到均值，并根据所述均值构建旋转矩阵；
采用所述旋转矩阵对所述均值进行旋转变换，以得到样本基准特征值；
获取待检测样本的未变换特征值，并采用所述旋转矩阵对所述未变换特征值进行旋转变换以得到待检测样本特征值；
计算所述样本基准特征值与所述待检测样本特征值之间的颜色差和亮度差，以便根据所述颜色差和亮度差检测所述待检测样本对应的LED灯是否异常。
2.如权利要求1所述的LED灯发光状态检测方法，其特征在于，对所述多个样本图像中的每个样本图像进行处理以得到所述每个样本图像对应的各个通道的变化区域特征图，以及根据所述每个样本图像对应的各个通道的变化区域特征图得到所述每个样本图像对应的未变换特征值，包括：
对所述多个样本图像中的每个样本图像进行灰度化处理，以得到所述每个样本图像对应的灰度图像；
获取预设的变化区域，采用拉普拉斯算法根据所述变化区域对所述每个样本图像对应的灰度图像进行处理以得到所述每个样本图像对应的梯度图像；
采用IsoData自适应阈值算法对所述每个样本图像对应的梯度图像进行处理以得到所述每个样本图像对应的二值图像；
采用所述每个样本图像对应的二值图像对所述每个样本图像对应的各个通道的灰度图像进行掩膜处理以得到所述每个样本图像对应的各个通道的变化区域特征图；
对所述每个样本图像对应的各个通道的变化区域特征图进行处理以得到所述每个样本图像对应的未变换特征值。
3.如权利要求2所述的LED灯发光状态检测方法，其特征在于，对所述每个样本图像对应的各个通道的变化区域特征图进行处理以得到所述每个样本图像对应的未变换特征值，包括：
获取所述每个样本图像对应的各个通道的变化区域特征图的灰度信息；
将所述每个样本图像对应的各个通道的变化区域特征图的灰度信息除以掩膜面积，以得到所述每个样本图像对应的未变换特征值。
4.如权利要求1所述的LED灯发光状态检测方法，其特征在于，根据所述均值构建旋转矩阵，包括：
对所述均值进行归一化处理；
定义三维坐标系的原点为起点，归一化后的结果为终点构造起始方向向量，定义三维坐标系的纵轴为终止方向向量，并计算起始方向向量与终止方向向量的法向量后归一化处理；
根据所述法向量计算所述起始方向向量与所述终止方向向量之间的夹角，并根据所述夹角构造四元数；
根据所述四元数构建旋转矩阵。
5.一种计算机可读存储介质，其特征在于，其上存储有LED灯发光状态检测程序，该LED灯发光状态检测程序被处理器执行时实现如权利要求1-4中任一项所述的LED灯发光状态检测方法。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一项所述的LED灯发光状态检测方法。
7.一种LED灯发光状态检测装置，其特征在于，包括：
获取模块，所述获取模块用于获取多个样本图像；
特征提取模块，所述特征提取模块用于对所述多个样本图像中的每个样本图像进行处理以得到所述每个样本图像对应的各个通道的变化区域特征图，以及根据所述每个样本图像对应的各个通道的变化区域特征图得到所述每个样本图像对应的未变换特征值；
构建模块，所述构建模块用于对所述每个样本图像对应的未变换特征值进行计算以得到均值，并根据所述均值构建旋转矩阵；
所述特征提取模块还用于对所述均值进行旋转变换，以得到样本基准特征值；
所述特征提取模块还用于获取待检测样本的未变换特征值，并采用所述旋转矩阵对所述未变换特征值进行旋转变换以得到待检测样本特征值；
检测模块，所述检测模块用于计算所述样本基准特征值与所述待检测样本特征值之间的颜色差和亮度差，以便根据所述颜色差和亮度差检测所述待检测样本对应的LED灯是否异常。
8.如权利要求7所述的LED灯发光状态检测装置，其特征在于，所述特征提取模块还用于，对所述多个样本图像中的每个样本图像进行灰度化处理，以得到所述每个样本图像对应的灰度图像；获取预设的变化区域，采用拉普拉斯算法根据所述变化区域对所述每个样本图像对应的灰度图像进行处理以得到所述每个样本图像对应的梯度图像；采用IsoData自适应阈值算法对所述每个样本图像对应的梯度图像进行处理以得到所述每个样本图像对应的二值图像；采用所述每个样本图像对应的二值图像对所述每个样本图像对应的各个通道的灰度图像进行掩膜处理以得到所述每个样本图像对应的各个通道的变化区域特征图；对所述每个样本图像对应的各个通道的变化区域特征图进行处理以得到所述每个样本图像对应的未变换特征值。
9.如权利要求8所述的LED灯发光状态检测装置，其特征在于，所述特征提取模块还用于，获取所述每个样本图像对应的各个通道的变化区域特征图的灰度信息；将所述每个样本图像对应的各个通道的变化区域特征图的灰度信息除以掩膜面积，以得到所述每个样本图像对应的未变换特征值。
10.如权利要求7所述的LED灯发光状态检测装置，其特征在于，所述构建模块还用于，对所述均值进行归一化处理；定义三维坐标系的原点为起点，归一化后的结果为终点构造起始方向向量，定义三维坐标系的纵轴为终止方向向量，并计算起始方向向量与终止方向向量的法向量后归一化处理；根据所述法向量计算所述起始方向向量与所述终止方向向量之间的夹角，并根据所述夹角构造四元数；根据所述四元数构建旋转矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210157889.9A CN114627194A (zh) | 2022-02-21 | 2022-02-21 | Led灯发光状态检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210157889.9A CN114627194A (zh) | 2022-02-21 | 2022-02-21 | Led灯发光状态检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114627194A true CN114627194A (zh) | 2022-06-14 |
Family
ID=81900845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210157889.9A Pending CN114627194A (zh) | 2022-02-21 | 2022-02-21 | Led灯发光状态检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114627194A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020078285A1 (zh) * | 2018-10-15 | 2020-04-23 | 华为技术有限公司 | 镜头、主动发光模组及终端 |
| CN112529872A (zh) * | 2020-12-11 | 2021-03-19 | 昆山丘钛光电科技有限公司 | 一种摄像头模组的检测方法及装置 |
| WO2021155632A1 (zh) * | 2020-02-03 | 2021-08-12 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2022
- 2022-02-21 CN CN202210157889.9A patent/CN114627194A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020078285A1 (zh) * | 2018-10-15 | 2020-04-23 | 华为技术有限公司 | 镜头、主动发光模组及终端 |
| WO2021155632A1 (zh) * | 2020-02-03 | 2021-08-12 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN112529872A (zh) * | 2020-12-11 | 2021-03-19 | 昆山丘钛光电科技有限公司 | 一种摄像头模组的检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10456009B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
| US10043090B2 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
| US9916666B2 (en) | Image processing apparatus for identifying whether or not microstructure in set examination region is abnormal, image processing method, and computer-readable recording device | |
| US9672610B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
| US10275677B2 (en) | Image processing apparatus, image processing method and program | |
| CN110517265B (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
| US10540765B2 (en) | Image processing device, image processing method, and computer program product thereon | |
| KR20130142118A (ko) | 타이어의 트레드 디자인을 형성하는 기본 패턴을 식별하여 규정하기 위한 방법 | |
| CN108601509B (zh) | 图像处理装置、图像处理方法以及记录有程序的介质 | |
| CN104854620A (zh) | 图像处理装置、图像处理***和程序 | |
| CN109152517B (zh) | 图像处理装置、图像处理装置的控制方法和记录介质 | |
| US20200074631A1 (en) | Systems And Methods For Identifying Implanted Medical Devices | |
| CN111242920A (zh) | 一种生物组织图像检测方法、装置、设备及介质 | |
| JP4901229B2 (ja) | 赤目検出方法および装置並びにプログラム | |
| US10402973B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
| Nirmala et al. | HoG based Naive Bayes classifier for glaucoma detection | |
| CN112070748A (zh) | 金属油管缺陷检测方法和装置 | |
| CN114627194A (zh) | Led灯发光状态检测方法及装置 | |
| CN113658169B (zh) | 图像斑点检测方法、设备、介质及计算机程序产品 | |
| JP2017223512A (ja) | 表面状態診断装置 | |
| CN114565699B (zh) | 一种线束形态表征方法、装置、设备及介质 | |
| CN112712499B (zh) | 一种物体检测方法、装置以及计算机可读存储介质 | |
| JPWO2005057496A1 (ja) | 画像からの対象物検出方法及び対象物検出装置 | |
| Khan et al. | A Discriminative Colour-to-Grayscale Representation for Retinal Vessel Segmentation | |
| CN118212235A (zh) | 一种胶囊内窥镜图像筛选方法及*** |
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 |