CN115147410A - 一种多色块包装覆膜缺陷检测方法 - Google Patents
一种多色块包装覆膜缺陷检测方法 Download PDFInfo
- Publication number
- CN115147410A CN115147410A CN202211050655.0A CN202211050655A CN115147410A CN 115147410 A CN115147410 A CN 115147410A CN 202211050655 A CN202211050655 A CN 202211050655A CN 115147410 A CN115147410 A CN 115147410A
- Authority
- CN
- China
- Prior art keywords
- color
- color difference
- light ray
- block
- deviation
- 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 75
- 238000001514 detection method Methods 0.000 title claims abstract description 13
- 229920006280 packaging film Polymers 0.000 title claims abstract description 13
- 239000012785 packaging film Substances 0.000 title claims abstract description 13
- 238000004806 packaging method and process Methods 0.000 claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 57
- 238000012937 correction Methods 0.000 claims description 48
- 150000001875 compounds Chemical class 0.000 claims description 23
- 238000009501 film coating Methods 0.000 claims description 12
- 238000005315 distribution function Methods 0.000 claims description 11
- 238000012856 packing Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000004075 alteration Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000002950 deficient Effects 0.000 claims description 7
- 239000007888 film coating Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 abstract 2
- 230000008859 change Effects 0.000 description 15
- 239000011248 coating agent Substances 0.000 description 7
- 238000000576 coating method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000010030 laminating Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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 Processing (AREA)
Abstract
本发明涉及一种多色块包装覆膜缺陷检测方法,获取多色块包装盒覆膜前后的光学色差图像,根据光学色差图像中每个光线区域中两两色块之间的标准色差比,对其他光线区域中对应色块的色差值进行修正,计算标准色差比的描述精度,得到精确的标准色差比对各光线区域的色块中的像素点进行修正得到纯色图片,获取纯色图片中光线区域的光线表达式,计算出像素点的色差值的偏离量,构建每个光线区域的偏差直方图,得到每个光线区域的偏差分割阈值,得到可能缺陷区域,根据可能缺陷区域内每个像素点的像素方差均值和八邻域像素偏差均值得到该区域为缺陷区域的概率,利用概率进行判断确定缺陷区域,检测方法智能、精准。
Description
技术领域
本申请涉及缺陷检测领域,具体涉及一种多色块包装覆膜缺陷检测方法。
背景技术
在包装盒覆膜工艺中,由于薄膜不平整或者褶皱等原因导致包装盒覆膜之后有气泡,这些气泡的存在会影响产品的质量和外观,常规的阈值分割或者边缘检测方法虽然能够获取气泡的位置,但是无法获取某些气泡的准确轮廓,尤其是不明显,轮廓难以分辨的气泡,除此之外,由于光照的干扰与影响以及包装盒上颜色纹理的影响,使得现有方法甚至无法获得某些气泡的边缘与轮廓,造成气泡的漏检,不利于覆膜工艺的控制与调整。
发明内容
本发明提供一种多色块包装覆膜缺陷检测方法,解决无法检测出不明显轮廓难以分辨的气泡造成漏检的问题,采用如下技术方案:
获取多色块包装盒的覆膜前后的图像,转换到HSV空间,进行差分处理,得到各通道的色差图像;
以光源位置为各通道的色差图像中心,以各通道的色差图像中心像素点为圆心,作多个等距同心圆,将相邻同心圆边界之间的区域和最内同心圆边界内的区域作为光线区域;
将覆膜前的多色块包装盒图像通过超像素分割划分为多个色块,得到各通道的色差图像中对应的色块,利用每个光线区域中各色块之间的标准色差比获得其它光线区域中含有该光线区域内的色块之间的色差修正值;
根据每个光线区域中各色块之间的标准色差值及该光线区域中各色块之间在其它光线区域的色差修正值获得每个光线区域中色块之间的标准色差比的修正偏差值;
利用每个光线区域中色块之间的标准色差比的修正偏差值及色块之间的标准色差比计算色块之间在所有光线区域的精确标准色差比,利用色块之间的精确标准色差比对相对应的色块进行修正得到修正后的各通道的色差图像;
利用每个光线区域与相邻光线区域之间的分界线像素点的色差值构建的线性分布函数,获得修正后的各通道的色差图像中每个光线区域的色差值偏离量,根据修正后的各通道的色差图像中每个光线区域的色差值偏离量获取偏差分割阈值;
将修正后的各通道的色差图像转化为单通道灰度图,对灰度图中大于偏差分割阈值的像素集合进行连通域分析,获得可能缺陷区域,根据可能缺陷区域为缺陷区域的概率,得到覆膜后的多色块包装盒图像中的缺陷区域。
所述色块之间的色差修正值的获取的方法为:
所述每个光线区域中色块之间的标准色差比的修正偏差值的计算方法为:
式中,为光线区域r中,色块i和色块j之间的标准色差比的修正偏差值,,,M为光线区域总个数,N为光线区域q中像素点总个
数, 为光线区域q中色块j中第z个像素点的色差修正值,为光线区域q中色块i
的标准色差值,为光线区域q中,色块j自身的色差偏差值,计算方法如下:
所述色块之间在所有光线区域的精确标准色差比的计算方法为:
所述色块之间的标准色差比的描述精度计算方法为:
所述利用色块之间的精确标准色差比对相对应的色块进行修正的方法为:
以各通道的色差图像中面积最大的色块作为基准色块;
根据各色块与基准色块之间的精准的标准色差比,获取到各色块与基准色块之间的色差修正值,通过该色差修正值对各色块进行修正;
若存在某色块无法直接获取其与基准色块之间精准的标准色差比,但已知该色块与另一色块的精准的标准色差比、另一色块与基准色块的精准的标准色差比,则该色块和基准色块之间精准的标准色差比可通过该色块与另一色块的精准的标准色差比、另一色块与基准色块的精准的标准色差比连乘得到。
所述各通道的色差图像中每个光线区域的色差值的偏离量的获取方法为:
利用滑动窗口在修正后的各通道的色差图中的每个光线区域边界线上滑动得到滑窗内的色差值的线性分布函数;
对得到的线性分布函数的常量参数进行密度聚类,将常量参数最多的类别内的常量参数进行求取均值得到该光线区域的光线表达式;
式中,为光线区域r中第k个像素的的色差值的偏离量,为光线区域r中第
k个像素在H通道中的色差值的偏离量,为光线区域中第k个像素在H通道中的色差值
的偏离量,为光线区域r中第k个像素在S通道中的色差值的偏离量,其中计算方
法为:
所述每个光线区域的偏差分割阈值的获取方法如下:
统计每个光线区域内像素点的色差值的偏离量生成每个光线区域的偏差直方图;
所述覆膜后的多色块包装盒图像中的缺陷区域的获取方法如下:
本发明的有益效果是:为了减少光源的复杂性,本发明利用一个白色点光源照射覆膜后的包装盒表面,如果包装盒没有覆膜,表面反射的光的颜色有包装盒表面颜色决定,当覆膜之后,包装盒表面的镜面反射能力变强,因而导致覆膜前包装盒图片与覆膜后包装盒图片之间存在色差,同时由于不同色块之间其光照反光效果不同,因而不同色块之间由覆膜造成的色差不同,同时不同光线区域中,覆膜造成的色差也不尽相同,同时覆膜造成的气泡等缺陷属于低对比度的缺陷,其参杂在复杂颜色的图片中很难被检测,因而本发明先通过分析同光线区域内的覆膜造成的色块之间色差关系,来进行颜色修正,去除色块之间的差异,然后再利用光线变化规律和气泡特征来分割出气泡区域,能够检测出不明显气泡的边缘与轮廓,可以排除光照与包装盒表面颜色的和纹理的干扰,获得不明显气泡的准确的轮廓。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种多色块包装覆膜缺陷检测方法的流程示意图;
图2是本发明的一种多色块包装覆膜缺陷检测方法的光线区域、边界示意图;
图3是本发明的一种多色块包装覆膜缺陷检测方法的邻接像素示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的一种多色块包装覆膜缺陷检测方法的实施例,如图1所示,包括:
步骤一:获取多色块包装盒的覆膜前后的图像,转换到HSV空间,进行差分处理,得到各通道的色差图像;
该步骤的目的是通过覆膜前后的图像之间的差图来进行缺陷检测。因为由于覆膜缺陷对比度较低,且覆膜前包装盒本身就存在复杂的色块和纹理信息,因而需得通过覆膜前后图像差图来实现覆膜缺陷检测。
需要说明的是,为了避免光源和相机位置变化导致更多的变量因素,因而在获取
图像时需得控制光源和相机位置,在覆膜机前和覆膜机后垂直域包装盒且固定高度得位置
上设置光源和相机,在纸箱移动至相机得正下方时采集图片,即可得到覆膜纸箱覆膜前图
片和覆膜后图片。
其中,获取覆膜前后的色差图像的步骤为:
(1)将覆膜前后图片从RGB颜色空间转化为HSV颜色空间,并获取覆膜前后各通道
图片,,由于覆膜前后图像的色度、明度、饱和度均发生改变,因而
需将覆膜前后图片转化为空间,并计算在不同通道里的像素差异。
(2)将覆膜前图片和覆膜后图片对应颜色通道进行差分处理,以H通道的覆膜前后图像说明差分处理方式:
步骤二:以光源位置为各通道的色差图像中心,以各通道的色差图像中心像素点为圆心,作多个等距同心圆,将相邻同心圆边界之间的区域和最内同心圆边界内的区域作为光线区域;将覆膜前的多色块包装盒图像通过超像素分割划分为多个色块,得到各通道的色差图像中对应的色块,利用每个光线区域中各色块之间的标准色差比获得其它光线区域中含有该光线区域内的色块之间的色差修正值;
该步骤的目的是,对图像进行超像素分割,将图片划分为多个色块,因为覆膜多色块包装盒本身存在复杂的纹理,直接通过纹理信息检测缺陷会受底纹信息的干扰,覆膜缺陷本身为低对比度的缺陷,如果通过覆膜前后做差获取覆膜缺陷,就会受到覆膜造成的色差影响,同时覆膜对不同色块造成的色差不同,覆膜对不同光线区域的造成的色差不同,因此,本实施例通过覆膜对同光照下不同色块之间的色差值关系,来消除不同色块之间色差差异的影响获取只受光照影响的类似纯色的色差图像,然后再通过光照-色差规律来分割出不符合光照-色差规律的异常像素集合,通过判断该异常像素集合符合覆膜缺陷特征的概率,进而实现覆膜缺陷检测(覆膜缺陷处不符合光照-色差规律)。
其中,划分光线区域的方法如下:
(1)获取光源位置:由于光源和相机同位置,因而该光源的位置为各通道的色差图像中心。
(2)基于光源位置划分光线区域:由于小区域内光线变化较小,因而将小区域内光线变化看作同光线区域,同时光线变化应随光源距离呈一定的变化规律,因而同光源距离的像素属于同光线像素,将光源位置像素为圆心,作等距同心圆,本实施例采取方法为:每增加2个像素得到一个圆的半径,将图像划分为若干个光线区域。
如图2所示,o点为光源位置(圆心),l1内为光线区域1,l1和l2之间的区域为光线区域2,l2和l3之间的区域为光线区域3,l1为最内光线区域1的边界,l2为光线区域2的边界,l3为光线区域3的边界。
其中,色块划分方法如下:
对覆膜前的纸箱图片进行超像素分割,将图片划分为若干个色块。为了避免不同
光线区域色块数量的不相同的问题或则不同光线区域对应的色块数量不同的问题。本实施
例获取整幅图像中的色块数量,例如黑色色块表示色块一,绿色色块表示为色块二…,橙
色色块表示色块三,以此类推。
需要说明的是,同光线条件下,由于覆膜造成的两色块之间色差关系相同,基于该假设利用各同光线区域求得的两色块色差关系对图像内两同类色块进行纯色修正,通过纯色化修正的误差值来判定哪个光线区域求得的标准色差比的精度高,从而计算出一个精确的两色块的色差关系比值。
其中,标准色差值方法为:将每个色块中出现频率最高的色差值作为该色块的标准色差值,因为色块中可能存在气泡等缺陷导致色差值存在偏差,同时气泡等缺陷在色块中分布较小,因而选取色差频率最大值所对应得色差值作为该色块的标准色差值。
为了便于理解,本实施例选取第r个光线区域内的色块来举例说明每个光线区域的色块:
设第r个光线区存在种色块,小于整幅色块的数量,即有些色块在该区域不存在,
则只需跳过不存在的色块,假设第r区域存在黑色,绿色,白色,灰色色块,这些色块分别对
应色块一,色块二,色块八,色块十四,因而将第区域的黑色色块对应的标准色差值记为,绿色色块的标准色差值记为白色色块的标准色差值记为,灰色色块的标准
色差值记为。
其中,色块间的标准色差比计算方法为:
以色差图像为例,若该色差图像中有w个光线区域,以其中的光线区域r为例,
说明光线区域r内的色块之间的标准色差比,光线区域r包含k个色块,色块i的标准色差值
为,色块j的标准色差值为,则光线区域r中色块i和色块j的标准色差比为:
其中,利用色块间的标准色差比对其它光线区域中含有该光线区域内的色块进行修正,得到其他光线区域中含有该光线区域内的色块之间的色差修正值的方法为:
以光线区域r中色块i和色块j的标准色差比为例,使用该标准色差比对光线区域q中的色块j的色差值进行纯色化修正:
在光线区域q中色块i的像素值不变,色块j中每个像素点的色差修正值为:
式中,为光线区域q中色块j第z个像素的色差值,表示光线区域q中色
块j内第z个像素点的色差修正值,该值为该像素点进行色差修正后的色差值,该修正值通
过光线区域r中色块i和色块的j的标准色差比和该像素点自身色差值得到,通过该修正值
能够将光线区域q中色块j的色差值修正成与光线区域q中色块i相似的色差值。
需要说明的是,在所有光线区域中,用每个光线区域中的每两个色块间的标准色差比,对这两个色块在其他其他光线区域的对应色块中的像素点的色差值进行修正,采用的方法与上述通过光线区域r中的色块i和色块j的标准色差比修正光线区域q中的色块j内每个像素点的色差值的步骤相同。
进一步说明,每次修正都是基于原图即未经修正过的图像展开分析的,获取某个光线区域内某两个色块标准色差比,对其他每一个光线区域内对应的色块进行修正,并非在修正后的图像后继续计算标准色差比。
步骤三: 根据每个光线区域中各色块之间的标准色差值及该光线区域中各色块之间在其它光线区域的色差修正值获得每个光线区域中色块之间的标准色差比的修正偏差值;利用每个光线区域中色块之间的标准色差比的修正偏差值及色块之间的标准色差比计算色块之间在所有光线区域的精确标准色差比,利用色块之间的精确标准色差比对相对应的色块进行修正得到修正后的各通道的色差图像;
该步骤的目的是,在步骤二利用各光线区域内两个色块间的标准色差比分别对各光线区域的对应的色块修正后,需判断哪个光线区域得到的哪两个色块间的标准色差比的修正精度高,通过修正精度来计算出一个精确的标准色差比。
其中,标准色差比的修正偏差值的计算方法为,
式中,为光线区域r中色块i和色块j的标准色差比的修正偏差值为
光线区域q中色块j的第z个像素值修正后的色差值,为光线区域q中色块i的标准色差
值,为光线区域r中色块i的像素个数,M表示光线区域的个数。
表示对图像中各光线区域的修正偏差值,该修正偏差越大,说明该标准色差比的表征
精度越低,表示对光线区域q内色块j区域的纯色化修正结果差
值,其越大说明光线区域r得到的色块i与色块j的标准色差比不够准确或者是色块j本身色
差差值差异较大,造成该标准色差比不够准确的原因可能为单个光线区域内各色块像素较
少,而且还夹杂缺陷颜色的干扰,因而需要利用多个光线区域得到的色块间的标准色差比
来求得一个相对准确的标准色差比,其中,表示在修正结果偏差中排除掉色块j本身造
成的色差差异影响。
其中,色块自身色差差异的计算方法为:
需要说明的是,色块自身色差差异也会干扰修正偏差值计算,有时修正偏差较高是由于第j个色块自身色差差异值较大造成,而非修正比例值描述精度不够造成的,因而需在修正结果差值里去除本色块自身色差偏差值。
其中,色块间的标准色差比的描述精度计算方法为:
通过上述方式得到任意两两色块之间的色差比例,类比该过程得到各颜色通道的色差比例。
其中,利用色块之间的精确标准色差比对相对应的色块进行修正得到修正后的各通道的色差图像(利用不同色块间的标准色差比进行同色化处理得到纯色图像)的具体步骤如下:
(1)确定基准色块:以图片中面积最大的色块为基准色块P;
(2)计算各色块间的比例关系,前面已经计算出一些色块与基准色块之间的比例关系,然而一些色块没有计算与基准色块的比例关系,这些色块可通过比例关系递推得到该色块与基准色块之间的比例关系,例如假设基准色块为红色块,而绿色块与红色块之间求出相应的比例关系,而已经求得红色块与紫色块比例关系以及绿色块与紫色块的比例关系,因而红色块与绿色块的比例关系可通过将两个比例关系连乘得到。
(3)利用个色块与基准色块之间的标准色差比对色块进行修正处理(修正方式与步骤二中色块间修正相同),上述纯色化处理过程需对各颜色通道图像分别进行处理,得到各颜色通道的纯色化图像。
步骤四:利用每个光线区域与相邻光线区域之间的分界线像素点的色差值构建的线性分布函数,获得修正后的各通道的色差图像中每个光线区域的色差值偏离量,根据修正后的各通道的色差图像中每个光线区域的色差值偏离量获取偏差分割阈值;
该步骤的目的是,通过光线变化规律分割异常像素,因为光线的分布规律较为复杂,因而很难直接构造光线的变化函数,但是平坦的无缺陷区域在小区域内光线的变化可看作呈线性关系,而存在缺陷区域光线的变化打乱,因而可通过观测像素值在小窗口内是否符合线性变化规律来鉴定是否存在缺陷。
其中,光线区域像素点的色差值构建的线性分布函数的获取方法如下:以光线区域r为例:
(1)在光线区域r和r+1的分界线,从该分界线上任选一点作为起始点,以该点为
滑窗中心,设置一个尺度1*4,步长为5的滑窗,让该滑窗沿分界线移动。该滑窗实现功能
为计算该区域的颜色变化,由于小滑窗内光线变化呈线性规律,通过最小二乘法得到滑窗
内像素值的线性分布函数:
(2)对得到的线性分布函数的常量参数进行密度聚类,最大的类别内的常量参数更能够精确描述该区域的光线变化规律。将该类别的常量参数进行求取均值得到该区域的光线变化表达式:
其中,每个光线区域的色差值偏离量的获取方法为:
(1)分割出第r个光线区域符合该光线变化表达式的像素:
(2)类比该方式得到光线区域r和r+1中每个像素的色差值偏离量;
其中,偏差分割阈值的获取方法为:
步骤五:将修正后的各通道的色差图像转化为单通道灰度图,对灰度图中大于偏差分割阈值的像素集合进行连通域分析,获得可能缺陷区域,根据可能缺陷区域为缺陷区域的概率,得到覆膜后的多色块包装盒图像中的缺陷区域。
该步骤的目的是分析步骤四提取出的像素集合属于气泡、褶皱缺陷的可能性,实现气泡、褶皱识别。
其中,可能缺陷区域获取步骤为:
(1)将纯色化处理后的HSV空间的色差图像转化为单通道的灰度图像,下面缺陷识别定位是基于该灰度图像进行分析处理。
(2)计算异常像素的密集性特征得到可能缺陷区域:将分割出的像素集合进行连通化处理得到连通域集合,计算连通域集合中各连通域的面积,排除连通域面积小于4的连通域,得到可能缺陷区域。
其中,计算可能缺陷区域属于缺陷区域的可能性的方法如下:
如图3所所示:异常区域连通域边缘上有像素点1和像素点2,像素点1的8邻域像素点中,左上方、正上方、右上方三个像素点位于连通域边缘外侧,则这三个像素点为像素点1的邻接像素点,像素点2的8邻域像素点中,左下方、正下方、右下方三个像素点位于连通域边缘外侧,则这三个像素点为像素点2的邻接像素点,按照此种方式,可得到连通域边缘上每个像素点的邻接像素点灰度均值。
需要说明的是:缺陷区域一般区域内部像素灰度一致性较高,而区域内部像素灰度值与区域外部像素灰度差异较大的特征,同时满足这两特征的说明该区域属于缺陷的可能性较大。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种多色块包装覆膜缺陷检测方法,其特征在于,包括:
获取多色块包装盒的覆膜前后的图像,转换到HSV空间,进行差分处理,得到各通道的色差图像;
以光源位置为各通道的色差图像中心,以各通道的色差图像中心像素点为圆心,作多个等距同心圆,将相邻同心圆边界之间的区域和最内同心圆边界内的区域作为光线区域;
将覆膜前的多色块包装盒图像通过超像素分割划分为多个色块,得到各通道的色差图像中对应的色块,利用每个光线区域中各色块之间的标准色差比获得其它光线区域中含有该光线区域内的色块之间的色差修正值;
根据每个光线区域中各色块之间的标准色差值及该光线区域中各色块之间在其它光线区域的色差修正值获得每个光线区域中色块之间的标准色差比的修正偏差值;
利用每个光线区域中色块之间的标准色差比的修正偏差值及色块之间的标准色差比计算色块之间在所有光线区域的精确标准色差比,利用色块之间的精确标准色差比对相对应的色块进行修正得到修正后的各通道的色差图像;
利用每个光线区域与相邻光线区域之间的分界线像素点的色差值构建的线性分布函数,获得修正后的各通道的色差图像中每个光线区域的色差值偏离量,根据修正后的各通道的色差图像中每个光线区域的色差值偏离量获取偏差分割阈值;
将修正后的各通道的色差图像转化为单通道灰度图,对灰度图中大于偏差分割阈值的像素集合进行连通域分析,获得可能缺陷区域,根据可能缺陷区域为缺陷区域的概率,得到覆膜后的多色块包装盒图像中的缺陷区域。
6.根据权利要求1所述的一种多色块包装覆膜缺陷检测方法,其特征在于,所述利用色块之间的精确标准色差比对相对应的色块进行修正的方法为:
以各通道的色差图像中面积最大的色块作为基准色块;
根据各色块与基准色块之间的精准的标准色差比,获取到各色块与基准色块之间的色差修正值,通过该色差修正值对各色块进行修正;
若存在某色块无法直接获取其与基准色块之间精准的标准色差比,但已知该色块与另一色块的精准的标准色差比、另一色块与基准色块的精准的标准色差比,则该色块和基准色块之间精准的标准色差比可通过该色块与另一色块的精准的标准色差比、另一色块与基准色块的精准的标准色差比连乘得到。
7.根据权利要求1所述的一种多色块包装覆膜缺陷检测方法,其特征在于,所述各通道的色差图像中每个光线区域的色差值的偏离量的获取方法为:
利用滑动窗口在修正后的各通道的色差图中的每个光线区域边界线上滑动得到滑窗内的色差值的线性分布函数;
对得到的线性分布函数的常量参数进行密度聚类,将常量参数最多的类别内的常量参数进行求取均值得到该光线区域的光线表达式;
将光线区域r中第k个像素的距离值代入光线表达式中,计算出第k个像素的色差值的偏离量为:
式中,为光线区域r中第k个像素的的色差值的偏离量,为光线区域r中第k个像素在H通道中的色差值的偏离量,为光线区域r中第k个像素在S通道中的色差值的偏离量,为光线区域r中第k个像素在S通道中的色差值的偏离量,其中计算方法为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050655.0A CN115147410B (zh) | 2022-08-30 | 2022-08-30 | 一种多色块包装覆膜缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050655.0A CN115147410B (zh) | 2022-08-30 | 2022-08-30 | 一种多色块包装覆膜缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115147410A true CN115147410A (zh) | 2022-10-04 |
CN115147410B CN115147410B (zh) | 2023-12-05 |
Family
ID=83415528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211050655.0A Active CN115147410B (zh) | 2022-08-30 | 2022-08-30 | 一种多色块包装覆膜缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147410B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630314A (zh) * | 2023-07-24 | 2023-08-22 | 日照元鼎包装有限公司 | 基于图像处理的保鲜纸箱覆膜检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105444888A (zh) * | 2015-11-16 | 2016-03-30 | 青岛市光电工程技术研究院 | 一种高光谱成像***的色差补偿方法 |
CN111681289A (zh) * | 2020-06-10 | 2020-09-18 | 青岛理工大学 | 一种清水混凝土色差分析/检测方法及*** |
-
2022
- 2022-08-30 CN CN202211050655.0A patent/CN115147410B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105444888A (zh) * | 2015-11-16 | 2016-03-30 | 青岛市光电工程技术研究院 | 一种高光谱成像***的色差补偿方法 |
CN111681289A (zh) * | 2020-06-10 | 2020-09-18 | 青岛理工大学 | 一种清水混凝土色差分析/检测方法及*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630314A (zh) * | 2023-07-24 | 2023-08-22 | 日照元鼎包装有限公司 | 基于图像处理的保鲜纸箱覆膜检测方法 |
CN116630314B (zh) * | 2023-07-24 | 2024-01-30 | 日照元鼎包装有限公司 | 基于图像处理的保鲜纸箱覆膜检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115147410B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9900472B2 (en) | Color conversion table creation device and method, program, and recording medium | |
US8295606B2 (en) | Device and method for detecting shadow in image | |
Ganesan et al. | Segmentation and edge detection of color images using CIELAB color space and edge detectors | |
CN115170572B (zh) | 一种bopp复合薄膜表面涂胶质量监测方法 | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
JPH07212792A (ja) | 自動クロス・カラー除去 | |
CN111179362B (zh) | 一种基于动态光照校正算法的试纸颜色均匀性检测方法 | |
CN108510477B (zh) | 试纸色块的定位方法及装置 | |
CN116912250B (zh) | 基于机器视觉的菌包生产质量检测方法 | |
CN115147410B (zh) | 一种多色块包装覆膜缺陷检测方法 | |
CN115797299B (zh) | 一种光学复合膜的缺陷检测方法 | |
CN108022219B (zh) | 一种二维图像灰度修正方法 | |
US9384561B2 (en) | Method of selecting a region of interest | |
CN116612110B (zh) | 用于渐变印染效果的质量智能评估方法 | |
CN110751690B (zh) | 铣床刀头视觉定位方法 | |
Chen et al. | Dental shade matching method based on hue, saturation, value color model with machine learning and fuzzy decision | |
CN117152461A (zh) | 一种基于数字图像的卷烟包装材料色差检测方法 | |
CN105005985B (zh) | 背光图像微米级边缘检测方法 | |
CN114998346B (zh) | 一种防水布质量数据处理、识别方法 | |
CN113657401B (zh) | 一种用于缺陷检测的概率图可视化方法及装置 | |
CN109389579A (zh) | 一种结合熵约束和标准差加权的纺织品色差检测抗光照干扰方法 | |
JP2016105578A (ja) | 画像処理装置及び画像処理方法 | |
CN1564198A (zh) | 基于感知颜色空间的自然图像抠图方法 | |
CN111231530B (zh) | 一种双色打印机质量检测方法 | |
CN113920423A (zh) | 一种免疫印迹图像识别方法 |
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 |