CN114862846A - 一种筛分方法、装置、设备及存储介质 - Google Patents
一种筛分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114862846A CN114862846A CN202210778017.4A CN202210778017A CN114862846A CN 114862846 A CN114862846 A CN 114862846A CN 202210778017 A CN202210778017 A CN 202210778017A CN 114862846 A CN114862846 A CN 114862846A
- Authority
- CN
- China
- Prior art keywords
- gray value
- original image
- image function
- determining
- pixel point
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 53
- 230000000007 visual effect Effects 0.000 claims abstract description 53
- 238000002310 reflectometry Methods 0.000 claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 64
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 241000532123 Setia Species 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 239000000047 product Substances 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000007789 sealing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000011324 bead Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910000679 solder Inorganic materials 0.000 description 3
- 239000000084 colloidal system Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003292 glue Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001131 transforming 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及视觉与图像处理技术领域,具体涉及一种筛分方法、装置、设备及存储介质,该筛分方法包括以下步骤:获取待检测对象的原始图像函数,所述原始图像函数表征各像素点坐标值与原始灰度值之间的映射关系,以及各像素点坐标值对应的最亮通道灰度值;根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率;根据检测对象的原始图像函数、最亮通道灰度值和反射率,确定待检测对象的视觉图像函数,所述视觉图像函数表征各像素点坐标值与视觉灰度值之间的映射关系;根据检测对象的视觉图像函数,筛分被检测对象。能够解决现有技术中采用人工分拣的形式对PCB板进行筛分,会导致人工工作量大,且准确率不高的问题。
Description
技术领域
本发明涉及视觉与图像处理技术领域,具体涉及一种筛分方法、装置、设备及存储介质。
背景技术
LED(发光二极管)显示屏产品目前市场前景一片兴旺,各种各样的LED类型产品百花齐放。正装、倒装、Mini LED、Micro LED以及COB等不同类型的LED产品,均存在一个共同的特征,不同拼接屏之间灯珠面的产品外观决定着最终产品的成品外观。
当灯珠间距较大时,可采用贴面罩的方法来确保产品外观颜色的一致性,但随着像素与分辨率的不断提高,灯珠间距不断减小,已没有足够的空间贴面罩。当灯珠间距小于1.5 mm时,PCB板(印制电路板)的阻焊面将成为显示屏产品的第一直接外观面。阻焊油墨厚度及颜色受到PCB制程中各种因素的影响,在实际生产中存在颜色差异,导致产品在拼接成成品后外观出现颜色深浅不一的色块。阻焊颜色的一致性已成为LED及COB、PCB的关键管控项目,不同颜色的PCB板拼在一起有明显的墨色差异,墨色是指PCB在进行封装过程中由于胶体颜色和胶体的厚度造成颜色上的差异。
现有的方法中是采用人工分拣的形式对产品进行筛分,来降低PCB板拼在一起的墨色差异,但是这种筛分方式,会导致人工工作量大,并且准确率不高的问题。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种筛分方法、装置、设备及存储介质,能够解决现有技术中采用人工分拣的形式对产品进行筛分,会导致人工工作量大,且准确率不高的问题。
为达到以上目的,本发明采取的技术方案是:
一方面,本发明提供一种筛分方法,包括以下步骤:
获取待检测对象的原始图像函数,所述原始图像函数表征各像素点坐标值与原始灰度值之间的映射关系,以及各像素点坐标值对应的最亮通道灰度值;
根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率,所述反射率用于表征像素点的反射光强度与入射光强度之比;
根据检测对象的原始图像函数、最亮通道灰度值和反射率,确定待检测对象的视觉图像函数,所述视觉图像函数表征各像素点坐标值与视觉灰度值之间的映射关系;
根据检测对象的视觉图像函数,筛分被检测对象。
在一些可选的方案中,所述的根据检测对象的视觉图像函数,筛分被检测对象,包括:
根据检测对象的原始图像函数,确定检测对象墨色的参数;
根据检测对象墨色的参数,将检测对象按设定参数范围值进行筛分。
在一些可选的方案中,所述的根据像素点的视觉灰度值,确定检测对象墨色的参数,包括:
对检测对象中各像素点的视觉灰度值进行RGB转HSV的颜色空间转换;
根据检测对象中各像素点的HSV颜色空间参数,确定PCB板墨色的亮度值和色度值。
在一些可选的方案中,在确定检测对象墨色的亮度值和色度值时,先将各像素点的HSV颜色空间参数中的无效数据去除。
在一些可选的方案中,所述检测对象的原始图像通过彩色相机获取,在通过彩色相机获取检测对象的原始图像时,彩色相机采用正视和/或者侧视的方式获取原始图像。
在一些可选的方案中,当彩色相机采用正视和侧视的方式获取原始图像时,分别确定正视和侧视原始图像对应的墨色参数后,将正视和侧视原始图像对应的墨色参数按设定权重比例作为最终检测对象的墨色参数。
在一些可选的方案中,所述的根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率,包括:
根据公式,确定各像素点的反射率,其
中,ω为0~1之间的可变系数,为以坐标x像素点为中心设定范围内像素点集合,为集合内的第i个子集,C表示R、G和B三个通道,为第i个子集内所有像素点R、
G和B三个通道中各个通道的平均灰度值,为坐标x像素点的最亮通道灰度值。
第二方面,本发明提供一种筛分装置,包括:
原始图像参数获取模块,其用于获取待检测对象的原始图像函数,所述原始图像函数表征各像素点坐标值与原始灰度值之间的映射关系,以及各像素点坐标值对应的最亮通道灰度值;
反射率确定模块,其用于根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率;
原始图像参数确定模块,其用于根据各像素点的图像灰度值、最亮通道灰度值和反射率,确定各像素点的视觉灰度值;
筛分模块,其用于根据检测对象的原始图像函数,筛分被检测对象。
第三方面,本发明提供一种计算机设备,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现任一上述筛分方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现任一上述筛分方法的步骤。
与现有技术相比,本发明的优点在于:利用检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率,再检测对象的原始图像函数、最亮通道灰度值和反射率,确定待检测对象的视觉图像函数,从而筛分被检测对象。本方法对检测对象原始图像表面的视觉干扰因素进行处理,去除视觉干扰因素,还原检测对象的视觉图像函数,该视觉图像更接近人眼的视觉效果,可快速对检测对象的进行分等,极大的提高了检测效率和准确性,并替代人工。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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为本发明实施例中筛分方法的流程图;
图2为本发明实施例中筛分方法的执行步骤图;
图3为本发明实施例中计算机设备的结构示意框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请的一部分实施例,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做出创造性劳动的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。
以下结合附图对本发明的实施例作进一步详细说明。
如图1和图2所示,本发明提供一种筛分方法,包括以下步骤:
S1:获取待检测对象的原始图像函数,所述原始图像函数表征各像素点坐标值与原始灰度值之间的映射关系,以及各像素点坐标值对应的最亮通道灰度值。
在一些可选的实施例中,检测对象的原始图像通过彩色相机获取,在通过彩色相机获取检测对象的原始图像时,彩色相机采用正视和/或者侧视的方式获取原始图像。
在本实施中,正视拍摄时,相机位于PCB板的法线方向,相机的两侧对称设有两个光源;正视拍摄时,相机和一光源位于PCB板法线的对称两侧,一般相机与法线之间的夹角为取30°。
S2:根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率,其中,所述反射率用于表征像素点的反射光强度与入射光强度之比。。
在一些可选的实施例中,根据公式,确定各
像素点的反射率,其中,ω为0~1之间的可变系数,为以坐标x像素点为中心设定
范围内像素点集合,为集合内的第i个子集,C表示R、G和B三个通道,为第i
个子集内所有像素点R、G和B三个通道中各个通道的平均灰度值,为坐标x像素点的最
亮通道灰度值。本例中,所有子集的并集为,i=1,…,2,…,n,n为子集的个数,ω
取值为0.9,表示第i个子集内所有像素点R、G和B三个通道中各个通道的平均灰度
值与坐标x像素点的最亮通道灰度值的比值,表示子集中三个通道平均灰度
值与坐标x像素点的最亮通道灰度值最小的比值,表示所有子集中
最小的值。
需要说明的是,以上求解像素点的反射率的方式仅为一种示例,本领域技术人员可以依据需求选择反射率的其他计算方式。
为获取人眼真实看到的检测对象墨色信息,需要算法对表面的干扰因素去除,得到去除干扰后的效果,即人眼真实看到的检测对象效果,由此模拟人眼创建去除干扰模型:
原始图像=视觉图像*反射率+干扰信号*(1-反射率)。
对应的模型公式为:
O(x)=E(x)*r(x)+T*(1-r(x));
将模型公式变形得到:
将变形后的模型公式两边求两次最小值计算得到:
S3:根据检测对象的原始图像函数、最亮通道灰度值和反射率,确定待检测对象的视觉图像函数,所述视觉图像函数表征各像素点坐标值与视觉灰度值之间的映射关系。
在一些可选的实施例中,根据将去除干扰模型公式O(x)=E(x)*r(x)+T*(1-r(x)),
得到各像素点的视觉灰度值的求解公式,E(x)=,其中,检测对象的原
始图像函数为根据拍摄到的图片转化而来,针对PCB板即有封胶特性真实图像的原始图像
函数,各像素点的视觉灰度值E(x)为经过转化后得到的模拟人眼视觉的灰度值,即去封胶
后的图像。
S4:根据检测对象的视觉图像函数,筛分被检测对象。
在一些可选的实施例中,步骤S4包括:
S41:根据检测对象的原始图像函数,确定检测对象墨色的参数。
步骤S41具体包括:
S411:对检测对象中各像素点的视觉灰度值进行RGB转HSV的颜色空间转换。
S421:根据检测对象中各像素点的HSV颜色空间参数,确定PCB板墨色的亮度值和色度值。
在本实施例中,以检测对象为PCB板为例,在确定PCB板墨色的亮度值和色度值时,先将各像素点的HSV颜色空间参数中的无效数据去除。在求解处各个像素点对应的PCB板墨色的亮度值和色度值后,对各个素点对应的PCB板墨色的亮度值和色度值求均值,作为后续的判断依据。
获得去除封胶后的图像,即各像素点的视觉灰度值后,即可提取PCB板板墨色的亮、色度信息,对去除封胶后的RGB图像进行颜色空间转换,转换成比较直观的HSV空间,转换后的颜色信息更符合人眼看到的结果,基于该颜色空间提取PCB板墨色的亮、色度数据。
S42:根据检测对象墨色的参数,将检测对象按设定参数范围值进行筛分。
在本实施中,以检测对象为PCB板为例,设定参数范围值根据PCB板板墨色的亮、色度信息设定,基本可按照灰度等级划分,即黑、灰和白等。
在一些可选的实施例中,当彩色相机采用正视和侧视的方式获取原始图像时,分别确定正视和侧视原始图像对应的墨色参数后,将正视和侧视原始图像对应的墨色参数按设定权重比例作为最终检测对象的墨色参数。
在本实施例中,检测对象为PCB板,在通过彩色相机对PCB板进行拍照获取PCB板的原始图像时,为了实现快速的筛分检测对象,,可单独采用正视或者侧视的方式获取原始图像,这样就是模拟人眼正视或者侧视的方式看屏幕。
当然,为了实现准确的筛分检测对象,也可以采用正视和侧视两种方式均获取原始图像,在拍摄时采用两组彩色相机搭配定倍镜头,正视拍一次,侧视拍一次。通过模拟人眼对产品的分辨方法,对产品进行两次拍摄,分别进行计算,在不同角度获取其墨色参数,最终的结果按照权重加权比例求和。
本例中,利用检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率,再检测对象的原始图像函数、最亮通道灰度值和反射率,确定待检测对象的视觉图像函数,从而筛分被检测对象。本方法对检测对象原始图像表面的视觉干扰因素进行处理,去除视觉干扰因素,还原检测对象的视觉图像函数,该视觉图像更接近人眼的视觉效果,可快速对检测对象的进行分等,极大的提高了检测效率和准确性,并替代人工。
本发明还提供一种筛分装置,包括:原始图像参数获取模块、反射率确定模块、原始图像参数确定模块和筛分模块。其中,原始图像参数获取模块用于获取待检测对象的原始图像函数,所述原始图像函数表征各像素点坐标值与原始灰度值之间的映射关系,以及各像素点坐标值对应的最亮通道灰度值;反射率确定模块用于根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率;原始图像参数确定模块用于根据各像素点的图像灰度值、最亮通道灰度值和反射率,确定各像素点的视觉灰度值;筛分模块用于根据检测对象的原始图像函数,筛分被检测对象。
在本实施例中,该装置利用利用检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率,再检测对象的原始图像函数、最亮通道灰度值和反射率,确定待检测对象的视觉图像函数,从而筛分被检测对象。本方法对检测对象原始图像表面的视觉干扰因素进行处理,去除视觉干扰因素,还原检测对象的视觉图像函数,该视觉图像更接近人眼的视觉效果,可快速对检测对象的进行分等,极大的提高了检测效率和准确性,并替代人工。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和各模块及单元的具体工作过程,可以参考前述实施例中的对应过程,在此不再赘述。
如图3所示,本发明还提供一种计算机设备,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现上述任一筛分方法的步骤。
上述实施例提供的筛分装置可以实现为一种计算机程序的形式,该计算机程序可以在如图3所示的计算机设备上运行。
请参阅图3,图3为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为终端。
如图3所示,该计算机设备包括通过***总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作***和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种筛分方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种筛分方法和。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,处理器可以是中央处理单元 (Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。其中,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。
其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
获取待检测对象的原始图像函数,所述原始图像函数表征各像素点坐标值与原始灰度值之间的映射关系,以及各像素点坐标值对应的最亮通道灰度值;根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率;根据检测对象的原始图像函数、最亮通道灰度值和反射率,确定待检测对象的视觉图像函数,所述视觉图像函数表征各像素点坐标值与视觉灰度值之间的映射关系;根据检测对象的视觉图像函数,筛分被检测对象。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序中包括程序指令,所述程序指令被执行时所实现的筛分方法可参照本申请的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
需要说明的是,在本申请中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种筛分方法,其特征在于,包括以下步骤:
获取待检测对象的原始图像函数,所述原始图像函数表征各像素点坐标值与原始灰度值之间的映射关系,以及各像素点坐标值对应的最亮通道灰度值;
根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率,所述反射率用于表征像素点的反射光强度与入射光强度之比;
根据检测对象的原始图像函数、最亮通道灰度值和反射率,确定待检测对象的视觉图像函数,所述视觉图像函数表征各像素点坐标值与视觉灰度值之间的映射关系;
根据检测对象的视觉图像函数,筛分被检测对象。
2.如权利要求1所述的筛分方法,其特征在于,所述的根据检测对象的视觉图像函数,筛分被检测对象,包括:
根据检测对象的原始图像函数,确定检测对象墨色的参数;
根据检测对象墨色的参数,将检测对象按设定参数范围值进行筛分。
3.如权利要求2所述的筛分方法,其特征在于,所述的根据像素点的视觉灰度值,确定检测对象墨色的参数,包括:
对检测对象中各像素点的视觉灰度值进行RGB转HSV的颜色空间转换;
根据检测对象中各像素点的HSV颜色空间参数,确定PCB板墨色的亮度值和色度值。
4.如权利要求3所述的筛分方法,其特征在于,在确定检测对象墨色的亮度值和色度值时,先将各像素点的HSV颜色空间参数中的无效数据去除。
5.如权利要求2所述的筛分方法,其特征在于,所述检测对象的原始图像通过彩色相机获取,在通过彩色相机获取检测对象的原始图像时,彩色相机采用正视和/或者侧视的方式获取原始图像。
6.如权利要求3所述的筛分方法,其特征在于,当彩色相机采用正视和侧视的方式获取原始图像时,分别确定正视和侧视原始图像对应的墨色参数后,将正视和侧视原始图像对应的墨色参数按设定权重比例作为最终检测对象的墨色参数。
8.一种筛分装置,其特征在于,包括:
原始图像参数获取模块,其用于获取待检测对象的原始图像函数,所述原始图像函数表征各像素点坐标值与原始灰度值之间的映射关系,以及各像素点坐标值对应的最亮通道灰度值;
反射率确定模块,其用于根据检测对象的原始图像函数和最亮通道灰度值,确定各像素点的反射率;
原始图像参数确定模块,其用于根据各像素点的图像灰度值、最亮通道灰度值和反射率,确定各像素点的视觉灰度值;
筛分模块,其用于根据检测对象的原始图像函数,筛分被检测对象。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至7中任一项所述筛分方法的步骤。
10.一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上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述筛分方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778017.4A CN114862846B (zh) | 2022-07-04 | 2022-07-04 | 一种筛分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778017.4A CN114862846B (zh) | 2022-07-04 | 2022-07-04 | 一种筛分方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114862846A true CN114862846A (zh) | 2022-08-05 |
CN114862846B CN114862846B (zh) | 2022-10-25 |
Family
ID=82627053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210778017.4A Active CN114862846B (zh) | 2022-07-04 | 2022-07-04 | 一种筛分方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862846B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116703909A (zh) * | 2023-08-07 | 2023-09-05 | 威海海泰电子有限公司 | 一种电源适配器生产质量智能检测方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8411990B1 (en) * | 2009-08-28 | 2013-04-02 | Adobe Systems Incorporated | System and method for decomposing an image into reflectance and shading components |
CN103955927A (zh) * | 2014-04-26 | 2014-07-30 | 江南大学 | 一种基于激光视觉的角焊缝自动跟踪方法 |
CN105043722A (zh) * | 2015-07-28 | 2015-11-11 | 哈尔滨工程大学 | 一种反射镜反射率的测量方法 |
CN106469450A (zh) * | 2016-08-31 | 2017-03-01 | 华南理工大学 | 一种印刷品墨斑的检测方法及装置 |
CN108830846A (zh) * | 2018-06-12 | 2018-11-16 | 南京航空航天大学 | 一种高分辨率全波段超光谱遥感图像仿真方法 |
CN110647781A (zh) * | 2018-06-07 | 2020-01-03 | 中国农业大学 | 一种基于谱图融合的农作物生长信息获取方法及装置 |
DE102019107807A1 (de) * | 2018-07-24 | 2020-01-30 | Samsung Electronics Co., Ltd. | Zeitauflösender bildsensor zur entfernungsmessung und 2d-grauskalenbildgebung |
CN111121722A (zh) * | 2019-12-13 | 2020-05-08 | 南京理工大学 | 结合激光点阵和偏振视觉的双目三维成像方法 |
CN111366560A (zh) * | 2020-03-26 | 2020-07-03 | 北京印刷学院 | 一种印品视觉清晰度的检测与表征方法 |
CN112488998A (zh) * | 2020-11-19 | 2021-03-12 | 安徽农业大学 | 一种基于条纹投影的苹果果梗和花萼检测方法 |
CN114511781A (zh) * | 2022-01-28 | 2022-05-17 | 中国人民解放军空军军医大学 | 无人机搭载多光谱相机对伪装人员识别的方法、装置及介质 |
CN114663755A (zh) * | 2022-03-10 | 2022-06-24 | 上海味伊思技术有限公司 | 用于半导体晶圆粗糙度智能检测的神经网络训练方法 |
-
2022
- 2022-07-04 CN CN202210778017.4A patent/CN114862846B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8411990B1 (en) * | 2009-08-28 | 2013-04-02 | Adobe Systems Incorporated | System and method for decomposing an image into reflectance and shading components |
CN103955927A (zh) * | 2014-04-26 | 2014-07-30 | 江南大学 | 一种基于激光视觉的角焊缝自动跟踪方法 |
CN105043722A (zh) * | 2015-07-28 | 2015-11-11 | 哈尔滨工程大学 | 一种反射镜反射率的测量方法 |
CN106469450A (zh) * | 2016-08-31 | 2017-03-01 | 华南理工大学 | 一种印刷品墨斑的检测方法及装置 |
CN110647781A (zh) * | 2018-06-07 | 2020-01-03 | 中国农业大学 | 一种基于谱图融合的农作物生长信息获取方法及装置 |
CN108830846A (zh) * | 2018-06-12 | 2018-11-16 | 南京航空航天大学 | 一种高分辨率全波段超光谱遥感图像仿真方法 |
DE102019107807A1 (de) * | 2018-07-24 | 2020-01-30 | Samsung Electronics Co., Ltd. | Zeitauflösender bildsensor zur entfernungsmessung und 2d-grauskalenbildgebung |
CN111121722A (zh) * | 2019-12-13 | 2020-05-08 | 南京理工大学 | 结合激光点阵和偏振视觉的双目三维成像方法 |
CN111366560A (zh) * | 2020-03-26 | 2020-07-03 | 北京印刷学院 | 一种印品视觉清晰度的检测与表征方法 |
CN112488998A (zh) * | 2020-11-19 | 2021-03-12 | 安徽农业大学 | 一种基于条纹投影的苹果果梗和花萼检测方法 |
CN114511781A (zh) * | 2022-01-28 | 2022-05-17 | 中国人民解放军空军军医大学 | 无人机搭载多光谱相机对伪装人员识别的方法、装置及介质 |
CN114663755A (zh) * | 2022-03-10 | 2022-06-24 | 上海味伊思技术有限公司 | 用于半导体晶圆粗糙度智能检测的神经网络训练方法 |
Non-Patent Citations (2)
Title |
---|
MOHAMMAD ALDIBAJA 等: "A Robust Strategy of Map Quality Assessment for Autonomous Driving based on LIDAR Road-Surface Reflectance", 《2021 IEEE/SICE INTERNATIONAL SYMPOSIUM ON SYSTEM INTEGRATION (SII)》 * |
裴爽: "高反射率工件尺寸测量与表面缺陷检测方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116703909A (zh) * | 2023-08-07 | 2023-09-05 | 威海海泰电子有限公司 | 一种电源适配器生产质量智能检测方法 |
CN116703909B (zh) * | 2023-08-07 | 2023-10-27 | 威海海泰电子有限公司 | 一种电源适配器生产质量智能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114862846B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100446184B1 (ko) | 컬러화상의 영역분할 | |
CN109408008B (zh) | 影像辨识***及其信息显示方法 | |
US20110057943A1 (en) | Balancing Luminance Disparity in a Display by Multiple Projectors | |
CN111031311B (zh) | 成像质量检测方法、装置、电子设备及可读存储介质 | |
CN109068025A (zh) | 一种镜头阴影校正方法、***及电子设备 | |
CN114299070B (zh) | 一种显示屏mura缺陷的检测方法及相关装置 | |
CN104883504A (zh) | 开启智能终端上高动态范围hdr功能的方法及装置 | |
CN112446864A (zh) | 瑕疵检测方法、装置、设备和存储介质 | |
CN114862846B (zh) | 一种筛分方法、装置、设备及存储介质 | |
CN105223208A (zh) | 一种电路板检测模板及其制作方法、电路板检测方法 | |
CN111311500A (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN113177939A (zh) | 一种灯板检测方法、装置、电子设备及存储介质 | |
CN111105365A (zh) | 一种纹理影像的色彩校正方法、介质、终端和装置 | |
US20240046836A1 (en) | Image processing methods and apparatuses, electronic devices and storage media | |
CN107682645A (zh) | 图像处理方法和装置 | |
CN109348219B (zh) | 一种不同结构下图像转换的方法及图像转换装置 | |
WO2023151210A1 (zh) | 图像处理方法、电子设备及计算机可读存储介质 | |
CN115587948A (zh) | 一种图像暗场校正方法及设备 | |
JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
Abedi et al. | Multi-view high dynamic range reconstruction via gain estimation | |
CN114511645A (zh) | 一种墨色检测装置、方法、设备及介质 | |
Le et al. | Visual quality assessment for projected content | |
Setkov et al. | Evaluation of color descriptors for projector-camera systems | |
RU2346331C1 (ru) | Способ автоматического определения правильности отображения информации на жидкокристаллическом индикаторе | |
US20060098894A1 (en) | Method and system for correcting the effect of non-uniform illumination |
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 |