CN116309440B - 一种aoi检测用模板图像的制作方法和装置 - Google Patents
一种aoi检测用模板图像的制作方法和装置 Download PDFInfo
- Publication number
- CN116309440B CN116309440B CN202310253757.0A CN202310253757A CN116309440B CN 116309440 B CN116309440 B CN 116309440B CN 202310253757 A CN202310253757 A CN 202310253757A CN 116309440 B CN116309440 B CN 116309440B
- Authority
- CN
- China
- Prior art keywords
- template image
- initial template
- initial
- image
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000009466 transformation Effects 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000000844 transformation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- 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
- G06T2207/30121—CRT, LCD or plasma display
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种AOI检测用模板图像的制作方法,通过求取多个初始模板图像之间的平均模板图像,作为AOI检测用的最终模板图像,并且在更新初始模板图像的过程中,通过比较判断各个初始图像之间的偏差,剔除了偏差较大的初始模板图像,仅保留偏差度较小的初始模板图像来求取所述平均模板图像。该制作方法所制作的模板图像可降低AOI检测的误检率和漏检率,提高AOI检测的准确性和效率。本发明还公开了一种AOI检测用模板图像的制作装置,与上述制作方法对应。
Description
技术领域
本发明涉及AOI检测技术,尤其涉及一种AOI检测用模板图像的制作方法和装置。
背景技术
对显示设备进行显示不良的AOI检测时,一般需要采集合格样品的画面来制作模板图像,然后将待测样品的图像与模板图像进行对比,进而判断待测样品是否合格。
如专利号为CN201910528120.1的中国专利中公开了一种AOI测试检查LCD产品针脚偏位的方法,包括步骤:
对AOI测试机中的LCD产品进行通电,LCD产品显示图案;
对LCD产品显示的图案进行拍照产生对比图像;
对比图像与模板图像进行对比识别偏位针脚。
但是,不同合格样品之间在色度、亮度等参数上存在偏差,而拍摄所述模板图像的摄像头和拍摄环境同样存在偏差,故不同模板图像之间会存在偏差,若所述模板图像选择不好的话,会导致显示设备进行AOI检测时出现较高的误检率和漏检率,影响到AOI检测的准确性和效率。
发明内容
为了解决上述现有技术的不足,本发明提供一种AOI检测用模板图像的制作方法,可降低AOI检测的误检率和漏检率,提高AOI检测的准确性和效率。
本发明还提供一种AOI检测用模板图像的制作装置,与上述制作方法对应。
本发明所要解决的技术问题通过以下技术方案予以实现:
一种AOI检测用模板图像的制作方法,包括如下步骤:
步骤100:获取一合格样品的检测区域的图像,作为第一初始模板图像;
步骤200:获取另一合格样品的检测区域的图像,作为第二初始模板图像;
步骤300:以所述第一初始模板图像作为目标,对所述第二初始模板图像进行处理,获得临时模板图像;
步骤400:比较所述第一初始模板图像和所述临时模板图像之间的偏差,若所述第一初始模板图像和所述临时模板图像之间的偏差满足预设要求,则执行步骤500;
步骤500:对所述第一初始模板图像和所述临时模板图像进行平均处理,获得所述第一初始模板图像和所述临时模板图像之间的平均模板图像;
步骤600:将所述平均模板图像作为新的第一初始模板图像,并重复步骤200-600,直至所述第一初始模板图像的更新次数达到预设次数为止,并将最新的第一初始模板图像作为AOI检测用的最终模板图像。
进一步地,在步骤400中,若所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求,则重复步骤200-400。
进一步地,在步骤300中,以所述第一初始模板图像作为目标,对所述第二初始模板图像进行的处理包括:空间几何矫正和直方图匹配中的至少一项。
进一步地,在步骤300中,以所述第一初始模板图像作为目标,对所述第二初始模板图像进行空间几何矫正时所采用的变换模型为刚性变换、仿射变换、透视变换或非线形变换。
进一步地,在步骤300中,假设所述第一初始模板图像的像素灰度值为z,所述第二初始模板图像的像素灰度值为r,所述临时模板图像的像素灰度值为s,所述第一初始模板图像和临时模板图像的图像灰度级为L,则以所述第一初始模板图像作为目标,对所述第二初始模板图像进行直方图匹配,包括如下步骤:
步骤310:计算所述第二初始模板图像的直方图分布函数pR(r);
步骤320:定义r转换为s的转换函数为T(·),采用以下公式(1),在r∈[0,L-1]的范围内,计算k个像素从rk到sk的映射关系,并将sk的值四舍五入到整数范围[0,L-1]内,
步骤330:计算所述第一初始模板图像的直方图分布函数pZ(z);
步骤340:定义z转换为s的转换函数为G(·),采用以下公式(2),在q∈[0,L-1]的范围内,计算G(zq)的值,并将G(zq)的值四舍五入到整数范围[0,L-1]内,
步骤350:构建sk值和G(zq)值之间的查找表;
步骤360:对于所有的sk值,在k∈[0,L-1]的范围内,在所述查找表中查找与之最接近的G(zq)值;
步骤370:采用以下公式(3)对查找到的G(zq)值进行逆变换,获得对应的zq值,
zq=G-1(sk) (3);
步骤380:构建sk到zq的映射关系;
步骤390:根据rk到sk的映射关系,以及sk到zq的映射关系,对所述第二初始模板图像的直方图进行匹配,并构造与匹配后的直方图相对应的临时模板图像。
进一步地,在步骤350中,若某一sk值在所述查找表中查找到与之最接近的G(zq)值有多个的话,则统一取最小的zq值。
进一步地,在步骤400中,比较所述第一初始模板图像和所述临时模板图像之间的偏差,包括如下步骤:
步骤410:对所述第一初始模板图像和所述临时模板图像进行求差处理,获得所述第一初始模板图像和所述临时模板图像之间的差值数组;
步骤420:求取所述差值数组的最大值,若所述最大值小于第一预设阈值,则执行步骤430;
步骤430:求取所述差值数组的标准差,若所述标准差小于第二预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差满足预设要求。
进一步地,在步骤420中,若所述最大值等于或大于所述第一预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求。
进一步地,在步骤430中,若所述标准差等于或大于所述第二预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求。
一种AOI检测用模板图像的制作装置,包括处理器以及与所述处理器连接的存储器,所述存储器内储存有供所述处理器执行的一计算机程序,所述处理器执行该计算机程序时,进行上述的AOI检测用模板图像的制作方法。
本发明具有如下有益效果:该制作方法通过求取多个初始模板图像之间的平均模板图像,作为AOI检测用的最终模板图像,利用所述平均模板图像来消除因不同合格样品间的偏差、不同摄像头间的偏差、不同拍摄环境间的偏差等所引起的各个初始模板图像之间的个体偏差,并且在更新初始模板图像的过程中,通过比较判断各个初始图像之间的偏差,剔除了偏差较大的初始模板图像,仅保留偏差度较小的初始模板图像来求取所述平均模板图像,防止偏差较大的初始模板图像对所述最终模板图像的选择产生影响,提高了所述最终模板图像的选择精度,降低了因各个初始模板图像之间的个体偏差而导致的AOI检测的误检率和漏检率,提高了AOI检测的准确性和效率。
附图说明
图1为本发明提供的AOI检测用模板图像的制作方法的步骤框图。
图2为图1所示的AOI检测用模板图像的制作方法中步骤300的步骤框图。
图3为图1所示的AOI检测用模板图像的制作方法中步骤400的步骤框图。
具体实施方式
下面结合附图和实施例对本发明进行详细的说明,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。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”、“第三”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”、“第三”的特征可以明示或者隐含地包括一个或者多个该特征。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”、“设置”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,还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。
实施例一
如图1所示,一种AOI检测用模板图像的制作方法,包括如下步骤:
步骤100:获取一合格样品的检测区域的图像,作为第一初始模板图像。
在该步骤100中,可采用一摄像头对所述合格样品的检测区域进行拍摄,以获得所述合格样品的图像,作为所述第一初始模板图像。
步骤200:获取另一合格样品的检测区域的图像,作为第二初始模板图像。
在该步骤200中,可采用一摄像头对另一合格样品的检测区域进行拍摄,以获得另一合格样品的图像,作为所述第二初始模板图像。
在上述步骤100和步骤200中,所述合格样品指的是已完成AOI检测,并被判定为检测合格的样品;所述检测区域指的是所述合格样品上已完成AOI检测的区域,与待检样品上需进行AOI检测的区域(待检区域)相对应。其中,两个步骤中采用的摄像头可以为同一摄像头,也可以为不同摄像头,两个步骤中采用的合格样品为不同样品,但可以为同一生产线、同一批次生产的样品,也可以为不同生产线、不同批次生产的样品。
若所述合格样品为显示设备,则所述检测区域一般为所述显示设备的显示区域,在拍摄前,需要先将所述合格样品点亮,使之显示特定画面或任意指定画面。
步骤300:以所述第一初始模板图像作为目标,对所述第二初始模板图像进行处理,获得临时模板图像。
在该步骤300中,以所述第一初始模板图像作为目标,对所述第二初始模板图像进行的处理包括:空间几何矫正和直方图匹配中的至少一项。通过一所述第一初始模板图像作为目标,对所述第二初始模板图像进行空间几何矫正和直方图匹配,可以将所述第二初始模板图像转换为更趋近于所述述第一初始模板图像的临时模板图像,先从图像处理算法上弥补所述第一初始模板图像与所述第二初始模板图像之间的偏差。
步骤400:比较所述第一初始模板图像和所述临时模板图像之间的偏差,若所述第一初始模板图像和所述临时模板图像之间的偏差满足预设要求,则执行步骤500。
在该步骤400中,若所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求,则重复步骤200-400,所述临时模板图像及其对应的第二初始模板做丢弃处理。其中,每次重复步骤200时所采用的合格样品均为不同样品,但可以为同一生产线、同一批次生产的样品,也可以为不同生产线、不同批次生产的样品,所采用的摄像头可以为同一摄像头,也可以为不同摄像头。
步骤500:对所述第一初始模板图像和所述临时模板图像进行平均处理,获得所述第一初始模板图像和所述临时模板图像之间的平均模板图像。
在该步骤500中,在对所述第一初始模板图像和所述临时模板图像进行平均处理时,以图像的横向方向作为X轴,以图像的纵向方向作为Y轴,建立直角坐标系XY,分别获取所述第一初始模板图像和所述临时模板图像中的各个像素在所述直角坐标系中的参数值X、Y和P,其中X为各个像素在所述直角坐标系中的X轴坐标值,Y为各个像素在所述直角坐标系中的Y轴坐标值,P为各个像素的像素值,求取所述第一初始模板图像和所述临时模板图像在同一坐标值X和Y下所分别对应的像素值P1和P2的平均值,再将各个坐标值X和Y所对应的平均值重新生成图像,得到所述平均模板图像。
步骤600:将所述平均模板图像作为新的第一初始模板图像,并重复步骤200-600,直至所述第一初始模板图像的更新次数达到预设次数为止,并将最新的第一初始模板图像作为AOI检测用的最终模板图像。
在该步骤600中,每次重复步骤200时所采用的合格样品均为不同样品,但可以为同一生产线、同一批次生产的样品,也可以为不同生产线、不同批次生产的样品,所采用的摄像头可以为同一摄像头,也可以为不同摄像头。
该制作方法通过求取多个初始模板图像之间的平均模板图像,作为AOI检测用的最终模板图像,利用所述平均模板图像来消除因不同合格样品间的偏差、不同摄像头间的偏差、不同拍摄环境间的偏差等所引起的各个初始模板图像之间的个体偏差,并且在更新初始模板图像的过程中,通过比较判断各个初始图像之间的偏差,剔除了偏差较大的初始模板图像,仅保留偏差度较小的初始模板图像来求取所述平均模板图像,防止偏差较大的初始模板图像对所述最终模板图像的选择产生影响,提高了所述最终模板图像的选择精度,降低了因各个初始模板图像之间的个体偏差而导致的AOI检测的误检率和漏检率,提高了AOI检测的准确性和效率。
实施例二
作为实施例一的优化方案,在本实施例的步骤300中,以所述第一初始模板图像作为目标,对所述第二初始模板图像进行的处理包括:空间几何矫正。
在该实施例中,采用空间几何矫正方式对所述第二初始模板图像进行矫正处理,可以使得所述第二初始模板图像的角度、位置、几何形状等趋向于所述第一初始模板图像的角度、位置、几何形状等,进而获得在角度、位置、几何形状等方面上与所述第一初始模板图像更接近的临时模板图像。
其中,在步骤300中,以所述第一初始模板图像作为目标,对所述第二初始模板图像进行空间几何矫正时所采用的变换模型可以但不限于为刚性变换、仿射变换、透视变换或非线形变换等。
(1)刚体变换(Rigid Transformation)
如果一幅图像中的两点间的距离经变换到另一幅图像中后仍然保持不变,则这种变换称为刚体变换(Rigid Transform)。刚体变换仅局限于平移、旋转,形状不发生变化,刚性变换是最一般的变换。
在直角坐标系XY中,将同一像素在所述第二初始模板图像中的坐标(x,y)经过刚体变换到所述临时模板中的坐标(x’,y’)的变换公式为:
上式中为旋转角度,[tx,ty]为平移变量。
(2)仿射变换(Affine Transformation)
如果一幅图像中的直线经过后映射到另一幅图像上仍为直线,并且保持平行关系,则这种变换称为仿射变换(Affine Transform)。仿射变换适应于平移、旋转、缩放和反转(镜像)情况。
在直角坐标系XY中,将同一像素在所述第二初始模板图像中的坐标(x,y)经过仿射变换到所述临时模板中的坐标(x’,y’)的变换公式为:
其中,[tx,ty]表示平移量,而参数ai则反映了图像旋转、缩放等变换。将参数tx,ty,ai(i=1~4)计算出,即可得到两幅图像的坐标变换关系。
(3)投影变换(Projective Transformation)
如果一幅图像中的直线经过后映射到另一幅图像上仍为直线,但平行关系基本不保持,则这种变换称为投影变换(Projective Transform)二维平面投影变换是关于齐次三维矢量的线性变换。
在齐次坐标系下,二维平面上,将同一像素在所述第二初始模板图像中的坐标(x,y)经过投影变换到所述临时模板中的坐标(x’,y’)可用以下的非奇异3x3矩阵形式来描述,即:
则二维投影变换按照上式将所述第二初始模板图像的像素坐标(x,y)映射为所述临时模板图像的像素坐标(x′,y′)。
它们的变换参数为mi(i=0,1…,8)是依赖于场景和图像的常数。
(4)非线性变换
非线性变换又称为弯曲变换(Curved Transform),经过非线性变换,一幅图像上的直线映射到另一幅图像上不一定是直线,可能是曲线。
在直角坐标系XY中,将同一像素在所述第二初始模板图像中的坐标(x,y)经过非线性变换到所述临时模板中的坐标(x’,y’)的变换公式为:
(x′,y′)=F(x,y)
式中,F表示把所述第二初始模板图像映射到所述临时模板图像上的任意一种函数函数形式。多项式变换是典型的非线性变换,如二次、三次函数及样条函数,有时也使用指数函数,多项式可以用以下公式表示:
在得到两幅图像间的变换模型参数后,要将输入图像做相应参数的变换使之与参考图像处于同一坐标系下,则可实现目标图像与背景的图像的匹配,这里目标图像变换后所得点坐标不一定为整像素数,此时应进行插值处理。
实施例三
作为实施例一的另一优化方案,在本实施例的步骤300中,以所述第一初始模板图像作为目标,对所述第二初始模板图像进行的处理包括:直方图匹配。
在该实施例中,采用直方图匹配方式对所述第二初始模板图像进行增强处理,可以使得所述第二初始模板图像的直方图趋向于所述第一初始模板图像的直方图,进而获得在色调和反差上与所述第一初始模板图像更接近的临时模板图像。
具体的,如图2所示,在步骤300中,假设所述第一初始模板图像的像素灰度值为z,所述第二初始模板图像的像素灰度值为r,所述临时模板图像的像素灰度值为s,所述第一初始模板图像和临时模板图像的图像灰度级为L,则以所述第一初始模板图像作为目标,对所述第二初始模板图像进行直方图匹配,包括如下步骤:
步骤310:计算所述第二初始模板图像的直方图分布函数pR(r)。
步骤320:定义r转换为s的转换函数为T(·),采用以下公式(1),在r∈[0,L-1]的范围内,计算k个像素从rk到sk的映射关系,并对sk的值四舍五入到整数范围[0,L-1]内,
步骤330:计算所述第一初始模板图像的直方图分布函数pZ(z)。
步骤340:定义z转换为s的转换函数为G(·),采用以下公式(2),在q∈[0,L-1]的范围内,计算G(zq)的值,并将G(zq)的值四舍五入到整数范围[0,L-1]内;
步骤350:构建sk值和G(zq)值之间的查找表。
步骤360:对于所有的sk值,在k∈[0,L-1]的范围内,在所述查找表中查找与之最接近的G(zq)值。
在该步骤350中,存在一q值,使得G(zq)=sk,或者使得G(zq)≈sk,若某一sk值在所述查找表中查找到与之最接近的G(zq)值有多个的话,则统一取最小的zq值。
步骤370:采用以下公式(3)对查找到的G(zq)值进行逆变换,获得对应的zq值,
zq=G-1(sk) (3)。
步骤380:构建sk到zq的映射关系。
步骤390:根据rk到sk的映射关系,以及sk到zq的映射关系,对所述第二初始模板图像的直方图进行匹配,并构造与匹配后的直方图相对应的临时模板图像。
实施例四
作为实施例一的又一优化方案,在本实施例的步骤300中,以所述第一初始模板图像作为目标,对所述第二初始模板图像进行的处理包括:空间几何矫正和直方图匹配。
其中,对所述第二初始模板图像进行空间几何矫正的方法可参照实施例三,对对所述第二初始模板图像进行直方图匹配的方法可参照实施例四。一般先进行空间几何矫正,再进行直方图匹配,也可以反过来先进行直方图匹配,再进行空间几何矫正。
实施例五
作为实施例一、实施例二、实施例三或实施例四的优化方案,如图3所示,在本实施例的步骤400中,比较所述第一初始模板图像和所述临时模板图像之间的偏差,包括如下步骤:
步骤410:对所述第一初始模板图像和所述临时模板图像进行求差处理,获得所述第一初始模板图像和所述临时模板图像之间的差值数组。
在该步骤410中,在对所述第一初始模板图像和所述临时模板图像进行求差处理时,以图像的横向方向作为X轴,以图像的纵向方向作为Y轴,建立直角坐标系XY,分别获取所述第一初始模板图像和所述临时模板图像中的各个像素在所述直角坐标系中的参数值X、Y和P,其中X为各个像素在所述直角坐标系中的X轴坐标值,Y为各个像素在所述直角坐标系中的Y轴坐标值,P为各个像素的像素值,求取所述第一初始模板图像和所述临时模板图像在同一坐标值X和Y下所分别对应的像素值P1和P2的差值,再将各个坐标值X和Y所对应的差值组成二维的差值数组。
步骤420:求取所述差值数组的最大值,若所述最大值小于第一预设阈值,则执行步骤430。
在该步骤420中,若所述最大值等于或大于所述第一预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求。
具体的,先将所述差值数组中的各个差值进行比较,筛选出所述差值数组的最大值,再将筛选出的最大值与所述第一预设阈值进行比较,以判断所述第一初始模板图像和所述临时模板图像之间的绝对偏差。
步骤430:求取所述差值数组的标准差,若所述标准差小于第二预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差满足预设要求。
在该步骤430中,若所述标准差等于或大于所述第二预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求。
具体的,先求取所述差值数组中的各个差值之间的标准差,再将求取的标准差与所述第二预设阈值进行比较,以判断所述第一初始模板图像和所述临时模板图像之间的相对偏差。
实施例六
一种AOI检测用模板图像的制作装置,包括处理器以及与所述处理器连接的存储器,所述存储器内储存有供所述处理器执行的一计算机程序,所述处理器执行该计算机程序时,进行实施例一至实施例五中任一所述的AOI检测用模板图像的制作方法。
最后需要说明的是,以上实施例仅用以说明本发明实施例的技术方案而非对其进行限制,尽管参照较佳实施例对本发明实施例进行了详细的说明,本领域的普通技术人员应当理解依然可以对本发明实施例的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明实施例技术方案的范围。
Claims (8)
1.一种AOI检测用模板图像的制作方法,其特征在于,包括如下步骤:
步骤100:获取一合格样品的检测区域的图像,作为第一初始模板图像;
步骤200:获取另一合格样品的检测区域的图像,作为第二初始模板图像;
步骤300:以所述第一初始模板图像作为目标,对所述第二初始模板图像进行处理,获得临时模板图像,处理方式包括空间几何矫正和直方图匹配中的至少一项;
步骤400:比较所述第一初始模板图像和所述临时模板图像之间的偏差,若所述第一初始模板图像和所述临时模板图像之间的偏差满足预设要求,则执行步骤500,若所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求,则重复步骤200-400;
步骤500:对所述第一初始模板图像和所述临时模板图像进行平均处理,获得所述第一初始模板图像和所述临时模板图像之间的平均模板图像;
步骤600:将所述平均模板图像作为新的第一初始模板图像,并重复步骤200-600,直至所述第一初始模板图像的更新次数达到预设次数为止,并将最新的第一初始模板图像作为AOI检测用的最终模板图像。
2.根据权利要求1所述的AOI检测用模板图像的制作方法,其特征在于,在步骤300中,以所述第一初始模板图像作为目标,对所述第二初始模板图像进行空间几何矫正时所采用的变换模型为刚性变换、仿射变换、透视变换或非线形变换。
3.根据权利要求2所述的AOI检测用模板图像的制作方法,其特征在于,在步骤300中,假设所述第一初始模板图像的像素灰度值为z,所述第二初始模板图像的像素灰度值为r,所述临时模板图像的像素灰度值为s,所述第一初始模板图像和临时模板图像的图像灰度级为L,则以所述第一初始模板图像作为目标,对所述第二初始模板图像进行直方图匹配,包括如下步骤:
步骤310:计算所述第二初始模板图像的直方图分布函数pR(r);
步骤320:定义r转换为s的转换函数为T(·),采用以下公式(1),在r∈[0,L-1]的范围内,计算k个像素从rk到sk的映射关系,并将sk的值四舍五入到整数范围[0,L-1]内,
(1);
步骤330:计算所述第一初始模板图像的直方图分布函数pZ(z);
步骤340:定义z转换为s的转换函数为G(·),采用以下公式(2),在q∈[0,L-1]的范围内,计算G(zq)的值,并将G(zq)的值四舍五入到整数范围[0,L-1]内,
(2);
步骤350:构建sk值和G(zq)值之间的查找表;
步骤360:对于所有的sk值,在k∈[0,L−1]的范围内,在所述查找表中查找与之最接近的G(zq)值;
步骤370:采用以下公式(3)对查找到的G(zq)值进行逆变换,获得对应的zq值,
(3);
步骤380:构建sk到zq的映射关系;
步骤390:根据rk到sk的映射关系,以及sk到zq的映射关系,对所述第二初始模板图像的直方图进行匹配,并构造与匹配后的直方图相对应的临时模板图像。
4.根据权利要求3所述的AOI检测用模板图像的制作方法,其特征在于,在步骤350中,若某一sk值在所述查找表中查找到与之最接近的G(zq)值有多个的话,则统一取最小的zq值。
5.根据权利要求1所述的AOI检测用模板图像的制作方法,其特征在于,在步骤400中,比较所述第一初始模板图像和所述临时模板图像之间的偏差,包括如下步骤:
步骤410:对所述第一初始模板图像和所述临时模板图像进行求差处理,获得所述第一初始模板图像和所述临时模板图像之间的差值数组;
步骤420:求取所述差值数组的最大值,若所述最大值小于第一预设阈值,则执行步骤430;
步骤430:求取所述差值数组的标准差,若所述标准差小于第二预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差满足预设要求。
6.根据权利要求5所述的AOI检测用模板图像的制作方法,其特征在于,在步骤420中,若所述最大值等于或大于所述第一预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求。
7.根据权利要求5所述的AOI检测用模板图像的制作方法,其特征在于,在步骤430中,若所述标准差等于或大于所述第二预设阈值,则判定所述第一初始模板图像和所述临时模板图像之间的偏差不满足预设要求。
8.一种AOI检测用模板图像的制作装置,包括处理器以及与所述处理器连接的存储器,所述存储器内储存有供所述处理器执行的一计算机程序,其特征在于,所述处理器执行该计算机程序时,进行权利要求1-7中任一所述的AOI检测用模板图像的制作方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310253757.0A CN116309440B (zh) | 2023-03-15 | 2023-03-15 | 一种aoi检测用模板图像的制作方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310253757.0A CN116309440B (zh) | 2023-03-15 | 2023-03-15 | 一种aoi检测用模板图像的制作方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116309440A CN116309440A (zh) | 2023-06-23 |
CN116309440B true CN116309440B (zh) | 2023-10-13 |
Family
ID=86837488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310253757.0A Active CN116309440B (zh) | 2023-03-15 | 2023-03-15 | 一种aoi检测用模板图像的制作方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309440B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781419A (zh) * | 2021-08-31 | 2021-12-10 | 广州大学 | 一种柔性pcb板缺陷检测方法、视觉***、装置及介质 |
CN115422617A (zh) * | 2022-10-13 | 2022-12-02 | 浙江大学 | 一种基于cad的框架图像尺寸测量方法、装置及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021068178A1 (en) * | 2019-10-11 | 2021-04-15 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for image quality detection |
-
2023
- 2023-03-15 CN CN202310253757.0A patent/CN116309440B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781419A (zh) * | 2021-08-31 | 2021-12-10 | 广州大学 | 一种柔性pcb板缺陷检测方法、视觉***、装置及介质 |
CN115422617A (zh) * | 2022-10-13 | 2022-12-02 | 浙江大学 | 一种基于cad的框架图像尺寸测量方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116309440A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230397B (zh) | 多目摄像机标定与校正方法和装置、设备、程序和介质 | |
US8593524B2 (en) | Calibrating a camera system | |
CN108038886B (zh) | 双目摄像***标定方法、装置及其汽车 | |
CN107507235B (zh) | 一种基于rgb-d设备采集的彩色图像和深度图像的配准方法 | |
JP6353289B2 (ja) | 測距補正装置 | |
CN111540022B (zh) | 一种基于虚拟相机的图像一致化方法 | |
US20110235898A1 (en) | Matching process in three-dimensional registration and computer-readable storage medium storing a program thereof | |
CN112200203B (zh) | 斜视场下弱相关散斑图像的匹配方法 | |
CN109191374B (zh) | 一种畸变参数测量方法、装置及*** | |
CN108053375B (zh) | 图像数据修正方法、装置及其汽车 | |
CN112381847B (zh) | 管路端头空间位姿测量方法及*** | |
CN112947885B (zh) | 一种曲面屏展平图像的生成方法及装置 | |
CN110349257B (zh) | 一种基于相位伪映射的双目测量缺失点云插补方法 | |
KR20230137937A (ko) | 이미지에서의 대응 분석을 위한 디바이스 및 방법 | |
CN115880369A (zh) | 线结构光3d相机和线阵相机联合标定的装置、***及方法 | |
CN112734832A (zh) | 一种即时获得线上物体实际尺寸测量方法 | |
CN116309440B (zh) | 一种aoi检测用模板图像的制作方法和装置 | |
CN113643427A (zh) | 一种双目测距及三维重建方法 | |
CN116385561A (zh) | 一种摄像头与激光雷达标定方法 | |
CN115631245A (zh) | 一种校正方法、终端设备及存储介质 | |
CN112529792B (zh) | 一种免畸变模型的相机畸变校正方法 | |
US11967111B2 (en) | Multi-view camera-based iterative calibration method for generation of 3D volume model | |
CN114792342A (zh) | 一种线结构光标定方法、装置、设备、存储介质 | |
CN110232715B (zh) | 一种多深度相机自校准的方法、装置及*** | |
CN113587895A (zh) | 双目测距方法及装置 |
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 |