CN116416190A - 瑕疵检测方法及装置、电子设备及存储介质 - Google Patents
瑕疵检测方法及装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116416190A CN116416190A CN202111663831.3A CN202111663831A CN116416190A CN 116416190 A CN116416190 A CN 116416190A CN 202111663831 A CN202111663831 A CN 202111663831A CN 116416190 A CN116416190 A CN 116416190A
- Authority
- CN
- China
- Prior art keywords
- color difference
- pixel
- threshold
- value
- pixel points
- 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 abstract description 69
- 238000012360 testing method Methods 0.000 claims abstract description 123
- 238000004891 communication Methods 0.000 claims abstract description 85
- 230000002950 deficient Effects 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004378 air conditioning Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 14
- 230000007547 defect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- 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
- 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
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06T2207/20224—Image subtraction
-
- 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]
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及图像处理,提供一种瑕疵检测方法、装置、电子设备及存储介质。所述方法获取多张正样本图像、多张负样本图像以及测试样本图像,基于测试样本图像中的像素点及多张正样本图像中的像素点,得到像素差值,根据多张正样本图像生成色差阈值,根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域,根据多张正样本图像的图像噪声生成第一阈值,根据每个特征连通区域中像素点的数量及所述第一阈值,从多个特征连通区域中筛选目标区域,根据所述多张负样本图像的瑕疵像素点生成第二阈值,根据目标区域中所有像素点的面积及所述第二阈值,确定测试样本图像中测试样本的检测结果。本申请能够提高瑕疵检测的准确性。
Description
技术领域
本申请涉及图像处理领域,尤其涉及一种瑕疵检测方法及装置、电子设备及存储介质。
背景技术
在现有的瑕疵检测方式中,存在无法抵抗合理误差的问题,例如,合理误差可以包括:轻微的颜色色差、生成产品图像时产生的背景噪音,从而导致瑕疵检测的准确率不高。
发明内容
鉴于以上内容,有必要提供一种瑕疵检测方法,能够提高瑕疵检测的准确性。
本申请的第一方面提供一种瑕疵检测方法,所述瑕疵检测方法包括:
获取多张正样本图像、多张负样本图像以及测试样本图像;
基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值;
根据所述多张正样本图像生成色差阈值;
根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域;
根据所述多张正样本图像的图像噪声生成第一阈值;
根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域;
根据所述多张负样本图像的瑕疵像素点生成第二阈值;
根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果。
根据本申请优选实施例,所述根据所述多张正样本图像生成色差阈值包括:
将任意两张正样本图像中对应的像素点的像素值进行相减运算处理,得到色差值;
统计所述多张正样本图像中具有相同色差值的像素点数量;
将所述色差值作为横坐标,及将所述色差值对应的像素点数量作为纵坐标生成色差直方图;
根据预设值从所述色差直方图的坐标值中选取多个连续色差值,并将相互连续的连续色差值确定为同一集合,得到多个特征集合;
统计每个特征集合中的元素数量;
将所述元素数量最多的特征集合确定为目标色差值集合;
从所述目标色差值集合中筛选出最大色差值作为所述色差阈值。
根据本申请优选实施例,所述根据所述多张正样本图像的图像噪声生成第一阈值包括:
将除所述目标色差值集合外的特征集合确定为多个背景色差值集合;
从所述多张正样本图像中筛选与所述多个背景色差值集合中的色差值对应的像素点作为噪声像素点;
根据相邻的噪声像素点生成多个第一连通区域;
统计每个第一连通区域中噪声像素点的数量,得到所述图像噪声;
筛选取值最大的图像噪声作为所述第一阈值。
根据本申请优选实施例,所述根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域包括:
将小于或者等于所述色差阈值的像素差值确定为背景差值,从所述测试样本图像中筛选与所述背景差值对应的像素点作为背景像素点;
将大于所述色差阈值的像素差值确定为目标差值;
从所述测试样本图像中筛选与所述目标差值对应的像素点作为目标像素点;
根据相邻的目标像素点生成所述多个特征连通区域,所述背景像素点处于任意两个特征连通区域之间。
根据本申请优选实施例,所述根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域包括:
统计每个特征连通区域中像素点的数量,得到第一数量;
将大于所述第一阈值的第一数量所对应的特征连通区域确定为所述目标区域。
根据本申请优选实施例,所述根据所述多张负样本图像的瑕疵像素点生成第二阈值包括:
获取每张负样本图像的每个像素点的第一像素值,并获取对应的正样本图像的对应像素点的第二像素值;
计算所述第一像素值与所述第二像素值的差值,得到负样本差值;
将小于或者等于所述色差阈值的负样本差值确定为特征差值,从所述多张负样本图像中筛选出与所述特征差值对应的像素点作为特征像素点;
将大于所述色差阈值的负样本差值确定为瑕疵差值,从所述多张负样本图像中筛选与所述瑕疵差值对应的像素点作为所述瑕疵像素点;根据相邻的瑕疵像素点生成所述多个第二连通区域,所述特征像素点处于任意两个第二连通区域之间;统计每个第二连通区域中像素点的数量,得到第二数量;将大于所述第一阈值的第二数量所对应的第二连通区域确定为瑕疵区域;计算所述瑕疵区域的面积,得到第一瑕疵面积;筛选所述第一瑕疵面积中的最小值作为所述第二阈值。
根据本申请优选实施例,所述根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果包括:
根据所述目标区域中的所有像素点计算所述目标区域的面积,得到第二瑕疵面积;
若所述第二瑕疵面积大于所述第二阈值,将所述检测结果确定为瑕疵样本;
若所述第二瑕疵面积小于或者等于所述第二阈值,将所述检测结果确定为无瑕疵样本。
本申请的第二方面提供一种瑕疵检测装置,所述瑕疵检测装置包括:
获取单元,用于获取多张正样本图像、多张负样本图像以及测试样本图像;
确定单元,用于基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值;
生成单元,用于根据所述多张正样本图像生成色差阈值;
所述生成单元,还用于根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域;
所述生成单元,还用于根据所述多张正样本图像的图像噪声生成第一阈值;
筛选单元,用于根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域;
所述生成单元,还用于根据所述多张负样本图像的瑕疵像素点生成第二阈值;
所述确定单元,还用于根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果。
本申请的第三方面提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述至少一个指令以实现所述瑕疵检测方法。
本申请的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现所述瑕疵检测方法。
由以上技术方案可以看出,本申请通过所述多张正样本图像的图像噪声计算出所述第一阈值,并根据所述第一阈值从所述测试样本图像中筛选出所述目标区域,由于所述目标区域中包含了一定的合理误差,因此,通过结合所述多张负样本图像的瑕疵像素点确定出的第二阈值,能够避免所述测试图像中合理误差对瑕疵检测的影响,从而能够提高所述测试样本图像的检测准确性。
附图说明
图1是本申请瑕疵检测方法的较佳实施例的应用环境图。
图2是本申请瑕疵检测方法的较佳实施例的流程图。
图3是本申请瑕疵检测方法的较佳实施例的特征连通区域生成的示意图。
图4是本申请瑕疵检测装置的较佳实施例的功能模块图。
图5是本申请实现瑕疵检测方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本申请进行详细描述。
如图1所示,是本申请瑕疵检测方法的较佳实施例的应用环境图。摄像装置2与电子设备1相通信,所述摄像装置2可以是摄像头,也可以是实现拍摄的其它装置。
如图2所示,是本申请瑕疵检测方法的较佳实施例的流程图。根据不同的需求,该流程图中各个步骤的顺序可以根据实际检测要求进行调整,某些步骤可以省略。
所述瑕疵检测方法应用于一个或者多个电子设备1中,所述电子设备1是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括,但不限于:微处理器、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、可编程门阵列(Field-ProgrammableGateArray,FPGA)、数字信号处理器(DigitalSignalProcessor,DSP)、嵌入式设备等。
所述电子设备1可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(PersonalDigitalAssistant,PDA)、游戏机、交互式网络电视(InternetProtocolTelevision,IPTV)、智能式穿戴式设备等。
所述电子设备1还可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(VirtualPrivateNetwork,VPN)等。
S10,获取多张正样本图像、多张负样本图像以及测试样本图像。
在本申请的至少一个实施例中,所述正样本为无瑕疵样本,所述多张正样本图像可表示无瑕疵图像。所述多张正样本图像可用于计算色差阈值和第一阈值的图像,计算过程在下文进行详细介绍。
在本申请的至少一个实施例中,所述负样本为瑕疵样本,所述多张负样本图像可表示瑕疵图像。所述多张负样本图像可用于计算第二阈值的图像,计算过程在下文进行详细介绍。
在本申请的至少一个实施例中,所述测试样本图像是指需要进行检测的样本的图像。利用所述瑕疵检测方法,可通过对所述测试样本图像的识别与检测,从而判断所述测试样本是否为瑕疵样本或无瑕疵样本。
在本申请的至少一个实施例中,所述电子设备获取多张正样本图像、多张负样本图像以及测试样本图像包括:
所述电子设备控制所述摄像装置以相同的位置和角度拍摄多个正样本、负样本与测试样本,并得到所述多张正样本图像、所述多张负样本图像及所述测试样本图像。所述多张正样本图像、所述多张负样本图像及所述测试样本图像形状尺寸相同。
S11,基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值。
在本申请的至少一个实施例中,所述像素差值是指所述测试样本图像中的像素点对应的像素值与所述多张正样本图像中的像素点对应的像素值之间的差值,用于表示两个对应的像素点的像素值之间的差距。
在本申请的至少一个实施例中,所述电子设备基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值包括:
所述电子设备获取所述测试样本图像中的像素点对应的像素值作为第一像素值,获取所述多张正样本图像中对应像素点的像素值作为第二像素值。所述电子设备计算所述第一像素值与所述第二像素值的差值,得到所述像素差值。
S12,根据所述多张正样本图像生成色差阈值。
在本申请的至少一个实施例中,所述色差阈值是指所述多张正样本图像中噪声对应的像素点的最大数量,用于区分所述测试样本图像中的目标像素点与背景像素点。
在本申请的至少一个实施例中,所述电子设备根据所述多张正样本图像生成色差阈值包括:
所述电子设备将任意两张正样本图像中对应的像素点的像素值进行相减运算处理,得到色差值。所述电子设备统计所述多张正样本图像中具有相同色差值的像素点数量。所述电子设备将所述色差值作为横坐标,及将所述色差值对应的像素点数量作为纵坐标,生成色差直方图。所述电子设备根据预设值从所述色差直方图中的坐标值中选取多个连续色差值,并将相互连续的连续色差值确定为同一集合,得到多个特征集合。
所述电子设备统计每个特征集合中的元素数量,将所述元素数量最大的特征集合确定为目标色差值集合,从所述目标色差值集合中筛选出最大色差值作为所述色差阈值。
其中,所述多张正样本图像中的像素点包括噪声像素点和背景像素点。
所述预设值可以自定义设置,本申请不作限制。
例如,当预设值为0,所述直方图中色差值0对应的像素点数量为2,色差值1对应的像素点数量为3,色差值2对应的像素点数量为4,色差值3对应的像素点数量为5,色差值4对应的像素点数量为2,色差值5对应的像素点数量为3,色差值6对应的像素点数量为0,色差值7对应的像素点数量为1,色差值8对应的像素点数量为2,所述色差值9对应的像素点数量为2,色差值10对应的像素点数量为0,则得到特征集合A{色差值0,色差值1,色差值2,色差值3,色差值4,色差值5}和特征集合B={色差值7,色差值8,色差值9},所述特征集合A中包含的元素数量大于所述特征集合B中包含的元素数量,因此所述特征集合A为目标色差值集合,则将所述特征集合A中最大的色差值5确定为所述色差阈值。
具体地,所述坐标值包括纵坐标值及横坐标值,所述电子设备根据预设值从所述色差直方图中的坐标值中选取多个连续色差值,并将相互连续的连续色差值确定为同一集合,得到多个特征集合包括:
将每个纵坐标值分别与所述预设值相比较,当纵坐标值大于或者等于所述预设值时,选取所述纵坐标值对应的横坐标值,得到多个色差值。如上文所述,所述横坐标值为色差值。
从所述多个色差值中选取连续色差值,并将相互连续的连续色差值确定为同一集合,得到多个特征集合。
通过上述实施例,能够获得所述多张正样本图像中背景像素点的最大色差值,并将所述最大色差值作为所述色差阈值。
S13,根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域。
在本申请的至少一个实施例中,所述多个特征连通区域是指所述测试样本图像中由相邻的目标像素点连接成的多个连通区域。
在本申请的至少一个实施例中,所述电子设备根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域包括:
所述电子设备将大于所述色差阈值的像素差值确定为目标差值,从所述测试样本图像中筛选与所述目标差值对应的像素点作为目标像素点。所述电子设备根据相邻的目标像素点生成所述多个特征连通区域。
其中,所述测试样本图像中的像素点包括背景像素点和目标像素点。所述背景像素点处于任意两个特征连通区域之间。
如图3所示,是本申请瑕疵检测方法的较佳实施例的特征连通区域生成的示意图。当所述色差阈值为5,若像素差值大于所述色差阈值5,将像素差值确定为目标差值,将所述目标差值在测试样本图像上的像素点确定为目标像素点,并将所述目标像素点标记为“1”。若像素差值小于或者等于所述色差阈值5,则将像素差值确定为背景差值,将所述背景差值在测试样本图像上的像素点确定为背景像素点,并将所述背景像素点标记为“0”。如此,在所述测试样本图像中将所述目标像素点与所述背景像素点区分开,相邻的目标像素点生成所述多个特征连通区域,背景像素点处于任意两个特征连通区域之间。
通过上述实施方式,用“0”和“1”分别标记所述测试样本图像中的所述背景像素点和所述目标像素点,所述目标像素点与所述背景像素点得以区分,相邻的目标像素点生成所述多个特征连通区域,因此,能够准确筛选出所述测试样本图像中的所述多个特征连通区域。
S14,根据所述多张正样本图像的图像噪声生成第一阈值。
在本申请的至少一个实施例中,将所述多张正样本图像的图像噪声中的最大值作为所述第一阈值。
在本申请的至少一个实施例中,所述图像噪声可以包括,但不限于:轻微的颜色色差、生成产品图像时产生的背景噪音。
在本申请的至少一个实施例中,所述电子设备根据所述多张正样本图像的图像噪声生成第一阈值包括:
所述电子设备将除所述目标色差值集合外的特征集合确定为多个背景色差值集合,从所述多张正样本图像中筛选与所述多个背景色差值集合中的色差值对应的像素点作为噪声像素点,进一步地,所述电子设备根据相邻的噪声像素点生成多个第一连通区域,统计每个第一连通区域中噪声像素点的数量,得到所述图像噪声,并筛选取值最大的图像噪声作为所述第一阈值。
其中,所述噪声像素点是指所述多张正样本图像中与所述多个背景色差值集合中的色差值对应的像素点。
通过上述实施方式,能够筛选出所述多张正样本图像中最大的图像噪声,并将所述最大的图像噪声作为第一阈值,所述第一阈值用于从所述多个特征连通区域中筛选出目标区域。
S15,根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域。
在本申请的至少一个实施例中,所述目标区域是指包含像素点的数量大于所述第一阈值的特征连通区域。
在本申请的至少一个实施例中,所述电子设备根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域包括:
所述电子设备统计每个特征连通区域中像素点的数量,得到第一数量,进一步地,所述电子设备将所述第一数量大于所述第一阈值所对应的特征连通区域确定为目标区域。
通过上述实施方式,从所述多个特征连通区域中筛选出所述目标区域,能够进一步确定出所述测试样本图像中的合理误差,提高了所述测试样本图像的检测准确性。
S16,根据所述多张负样本图像的瑕疵像素点生成第二阈值。
在本申请的至少一个实施例中,根据所述多张负样本图像中每个第二连通区域瑕疵像素点的数量及所述第一阈值确定瑕疵区域,并将所述瑕疵区域面积的最小值作为所述第二阈值。
在本申请的至少一个实施例中,所述电子设备根据所述多张负样本图像的瑕疵像素点生成第二阈值包括:
所述电子设备获取每张负样本图像的第三像素值,并获取每张正样本图像的第四像素值,计算所述第三像素值与所述第四像素值的差值,得到负样本差值,进一步地,所述电子设备将小于或者等于所述色差阈值的负样本差值确定为特征差值,从所述多张负样本图像中筛选与所述特征差值对应的像素点作为特征像素点,将大于所述色差阈值的负样本差值确定为瑕疵差值,从所述多张负样本图像中筛选与所述瑕疵差值对应的像素点作为瑕疵像素点,更进一步地,所述电子设备根据相邻的瑕疵像素点生成所述多个第二连通区域,所述电子设备统计每个第二连通区域中像素点的数量,得到第二数量。所述电子设备将所述第二数量大于所述第一阈值所对应的第二连通区域确定为瑕疵区域,并计算所述瑕疵区域的面积,得到第一瑕疵面积,筛选所述第一瑕疵面积中的最小值作为所述第二阈值。
其中,所述多张负样本图像中的像素点包括特征像素点和瑕疵像素点,所述特征像素点处于任意两个第二连通区域之间。
在本申请的至少一个实施例中,所述瑕疵像素点是指在所述多张负样本图像中与所述瑕疵差值对应的像素点。
在本申请的至少一个实施例中,所述第二连通区域是指所述多张负样本图像中相邻的瑕疵像素点生成的区域。
在本申请的至少一个实施例中,所述第一瑕疵面积表示像素点的数量大于所述第一阈值的第二连通区域的面积。
通过上述实施方式,根据所述色差阈值及所述第一阈值能够准确获得所述多张负样本图像中所述瑕疵区域的最小面积,并将所述最小面积作为第二阈值。
S17,根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果。
在本申请的至少一个实施例中,所述检测结果包括所述测试样本图像中测试样本为瑕疵样本及所述测试样本图像中测试样本为无瑕疵样本。
在本申请的至少一个实施例中,所述电子设备根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果包括:
所述电子设备根据所述目标区域中的所有像素点计算所述目标区域的面积,得到第二瑕疵面积,若所述第二瑕疵面积大于所述第二阈值,所述电子设备确定所述测试样本为瑕疵样本,或者,若所述第二瑕疵面积小于或者等于所述第二阈值,所述电子设备确定所述测试样本为无瑕疵样本。
通过上述实施方式,能够准确检测出所述测试样本图像中的测试样本是否是瑕疵样本并输出相应的检测结果。
由以上技术方案可以看出,本申请通过所述多张正样本图像的图像噪声计算出所述第一阈值,并根据所述第一阈值从所述测试样本图像中筛选出所述目标区域,由于所述目标区域中包含了一定的合理误差,因此,通过结合所述多张负样本图像的瑕疵像素点确定出的第二阈值,能够避免所述测试图像中合理误差对瑕疵检测的影响,从而能够提高所述测试样本图像的检测准确性。
如图4所示,是本申请瑕疵检测装置的较佳实施例的功能模块图。所述瑕疵检测装置11包括获取单元110、确定单元111、生成单元112、筛选单元113。本申请所称的模块/单元是指一种能够被处理器13所获取,并且能够完成固定功能的一系列计算机程序段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
获取单元110获取多张正样本图像、多张负样本图像以及测试样本图像。
在本申请的至少一个实施例中,所述多张正样本图像为正样本的图像,所述正样本为无瑕疵样本,所述多张正样本图像可表示无瑕疵图像。所述多张正样本图像可用于计算色差阈值和第一阈值的图像,计算过程在下文进行详细介绍。
在本申请的至少一个实施例中,所述多张负样本图像为负样本的图像,所述负样本为瑕疵样本,所述多张负样本图像可表示瑕疵图像。所述多张负样本图像可用于计算第二阈值的图像,计算过程在下文进行详细介绍。
在本申请的至少一个实施例中,所述测试样本图像是指需要进行检测的样本的图像。利用所述瑕疵检测方法,可通过对所述测试样本图像的识别与检测,从而判断所述测试样本是否为瑕疵样本或无瑕疵样本。
在本申请的至少一个实施例中,所述获取单元110获取多张正样本图像、多张负样本图像以及测试样本图像包括:
所述获取单元110控制所述摄像装置以相同的位置和角度拍摄多个正样本、负样本与测试样本,并得到所述多张正样本图像、所述多张负样本图像及所述测试样本图像。所述多张正样本图像、所述多张负样本图像及所述测试样本图像形状尺寸相同。
确定单元111基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值。
在本申请的至少一个实施例中,所述像素差值是指所述测试样本图像中的像素点对应的像素值与所述多张正样本图像中的像素点对应的像素值之间的差值,用于表示两个对应的像素点的像素值之间的差距。
在本申请的至少一个实施例中,所述确定单元111基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值包括:
所述确定单元111获取所述测试样本图像中的像素点对应的像素值作为第一像素值,获取所述多张正样本图像中对应像素点的像素值作为第二像素值。所述确定单元111计算所述第一像素值与所述第二像素值的差值,得到所述像素差值。
生成单元112根据所述多张正样本图像生成色差阈值。
在本申请的至少一个实施例中,所述色差阈值是指所述多张正样本图像中噪声对应的像素点的最大数量,用于区分所述测试样本图像中的目标像素点与背景像素点。
在本申请的至少一个实施例中,所述生成单元112根据所述多张正样本图像生成色差阈值包括:
所述生成单元112将任意两张正样本图像中对应的像素点的像素值进行相减运算处理,得到色差值。所述生成单元112统计所述多张正样本图像中具有相同色差值的像素点数量。所述生成单元112将所述色差值作为横坐标,及将所述色差值对应的像素点数量作为纵坐标,生成色差直方图。所述生成单元112根据预设值从所述色差直方图中的坐标值中选取多个连续色差值,并将相互连续的连续色差值确定为同一集合,得到多个特征集合。
所述生成单元112统计每个特征集合中的元素数量,将所述元素数量最大的特征集合确定为目标色差值集合,从所述目标色差值集合中筛选出最大色差值作为所述色差阈值。
其中,所述多张正样本图像中的像素点包括噪声像素点和背景像素点。
所述预设值可以自定义设置,本申请不作限制。
例如,当预设值为0,所述直方图中色差值0对应的像素点数量为2,色差值1对应的像素点数量为3,色差值2对应的像素点数量为4,色差值3对应的像素点数量为5,色差值4对应的像素点数量为2,色差值5对应的像素点数量为3,色差值6对应的像素点数量为0,色差值7对应的像素点数量为1,色差值8对应的像素点数量为2,所述色差值9对应的像素点数量为2,色差值10对应的像素点数量为0,则得到特征集合A{色差值0,色差值1,色差值2,色差值3,色差值4,色差值5}和特征集合B={色差值7,色差值8,色差值9},所述特征集合A中包含的元素数量大于所述特征集合B中包含的元素数量,因此所述特征集合A为目标色差值集合,则将所述特征集合A中最大的色差值5确定为所述色差阈值。
具体地,所述坐标值包括纵坐标值及横坐标值,所述生成单元112根据预设值从所述色差直方图中的坐标值中选取多个连续色差值,并将相互连续的连续色差值确定为同一集合,得到多个特征集合包括:
将每个纵坐标值分别与所述预设值相比较,当纵坐标值大于或者等于所述预设值时,选取所述纵坐标值对应的横坐标值。利用此方式,得到多个横坐标值,如上文所述,所述多个横坐标值为多个色差值。
从所述多个横坐标值中选取连续色差值,并将相互连续的连续色差值确定为同一集合,得到多个特征集合。
通过上述实施例,能够获得所述正样本图像中背景像素点的最大色差值,并将所述最大色差值作为所述色差阈值。
所述生成单元112根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域。
在本申请的至少一个实施例中,所述多个特征连通区域是指所述测试样本图像中由相邻的目标像素点连接成的多个连通区域。
在本申请的至少一个实施例中,所述生成单元112根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域包括:
所述生成单元112将大于所述色差阈值的像素差值确定为目标差值,从所述测试样本图像中筛选与所述目标差值对应的像素点作为目标像素点。所述生成单元112根据相邻的目标像素点生成所述多个特征连通区域。
其中,所述测试样本图像中的像素点包括背景像素点和目标像素点。所述背景像素点处于任意两个特征连通区域之间。
如图3所示,是本申请瑕疵检测方法的较佳实施例的特征连通区域生成的示意图。当所述色差阈值为5,若像素差值大于所述色差阈值5,将像素差值确定为目标差值,将所述目标差值在测试样本图像上的像素点确定为目标像素点,并将所述目标像素点标记为“1”。若像素差值小于或者等于所述色差阈值5,则将像素差值确定为背景差值,将所述背景差值在测试样本图像上的像素点确定为背景像素点,并将所述背景像素点标记为“0”。如此,在所述测试样本图像中将所述目标像素点与所述背景像素点区分开,相邻的目标像素点生成所述多个特征连通区域,背景像素点处于任意两个特征连通区域之间。
通过上述实施方式,用“0”和“1”分别标记所述测试样本图像中的所述背景像素点和所述目标像素点,所述目标像素点与所述背景像素点得以区分,相邻的目标像素点生成所述多个特征连通区域,因此,能够准确筛选出所述测试样本图像中的所述多个特征连通区域。
所述生成单元112根据所述多张正样本图像的图像噪声生成第一阈值。
在本申请的至少一个实施例中,将所述多张正样本图像的图像噪声中的最大值作为所述第一阈值。
在本申请的至少一个实施例中,所述图像噪声可以包括,但不限于:轻微的颜色色差、生成产品图像时产生的背景噪音。
在本申请的至少一个实施例中,所述生成单元112根据所述多张正样本图像的图像噪声生成第一阈值包括:
所述生成单元112将除所述目标色差值集合外的特征集合确定为多个背景色差值集合,从所述多张正样本图像中筛选与所述多个背景色差值集合中的色差值对应的像素点作为噪声像素点,进一步地,所述生成单元112根据相邻的噪声像素点生成多个第一连通区域,统计每个第一连通区域中噪声像素点的数量,得到所述图像噪声,并筛选取值最大的图像噪声作为所述第一阈值。
其中,所述噪声像素点是指所述多张正样本图像中与所述多个背景色差值集合中的色差值对应的像素点。
通过上述实施方式,能够筛选出所述多张正样本图像中最大的图像噪声,并将所述最大的图像噪声作为第一阈值,所述第一阈值用于从所述多个特征连通区域中筛选出目标区域。
筛选单元113根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域。
在本申请的至少一个实施例中,所示目标区域是指包含像素点的数量大于所述第一阈值的特征连通区域。
在本申请的至少一个实施例中,所述筛选单元113根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域包括:
所述筛选单元113统计每个特征连通区域中像素点的数量,得到第一数量,进一步地,所述筛选单元113将所述第一数量大于所述第一阈值所对应的特征连通区域确定为目标区域。
通过上述实施方式,从所述多个特征连通区域中筛选出所述目标区域,能够进一步确定出所述测试样本图像中的合理误差,提高了所述测试样本图像的检测准确性。
所述生成单元112根据所述多张负样本图像的瑕疵像素点生成第二阈值。
在本申请的至少一个实施例中,根据所述多张负样本图像中每个第二连通区域瑕疵像素点的数量及所述第一阈值确定瑕疵区域,并将所述瑕疵区域面积的最小值作为所述第二阈值。
在本申请的至少一个实施例中,所述生成单元112根据所述多张负样本图像的瑕疵像素点生成第二阈值包括:
所述生成单元112获取每张负样本图像的第三像素值,并获取每张正样本图像的第四像素值,计算所述第三像素值与所述第四像素值的差值,得到负样本差值,进一步地,所述生成单元112将小于或者等于所述色差阈值的负样本差值确定为特征差值,从所述多张负样本图像中筛选与所述特征差值对应的像素点作为特征像素点,将大于所述色差阈值的负样本差值确定为瑕疵差值,从所述多张负样本图像中筛选与所述瑕疵差值对应的像素点作为瑕疵像素点,更进一步地,所述生成单元112根据相邻的瑕疵像素点生成所述多个第二连通区域,所述生成单元112统计每个第二连通区域中像素点的数量,得到第二数量。所述生成单元112将所述第二数量大于所述第一阈值所对应的第二连通区域确定为瑕疵区域,并计算所述瑕疵区域的面积,得到第一瑕疵面积,筛选所述第一瑕疵面积中的最小值作为所述第二阈值。
其中,所述多张负样本图像中的像素点包括特征像素点和瑕疵像素点,所述特征像素点处于任意两个第二连通区域之间。
在本申请的至少一个实施例中,所述瑕疵差值是指大于所述色差阈值的负样本差值,所述瑕疵像素点是指在所述多张负样本图像中与所述瑕疵差值对应的像素点。
在本申请的至少一个实施例中,所述第二连通区域是指所述多张负样本图像中相邻的瑕疵像素点生成的区域。
在本申请的至少一个实施例中,所述第一瑕疵面积表示像素点的数量大于所述第一阈值的第二连通区域的面积。
通过上述实施方式,根据所述色差阈值及所述第一阈值能够准确获得所述多张负样本图像中所述瑕疵区域的最小面积,并将所述最小面积作为第二阈值。
所述确定单元111根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果。
在本申请的至少一个实施例中,所述检测结果包括所述测试样本图像中测试样本为瑕疵样本及测试样本图像中测试样本为无瑕疵样本。
在本申请的至少一个实施例中,所述确定单元111根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果包括:
所述确定单元111根据所述目标区域中的所有像素点计算所述目标区域的面积,得到第二瑕疵面积,若所述第二瑕疵面积大于所述第二阈值,所述确定单元111确定所述测试样本为瑕疵样本,或者,若所述第二瑕疵面积小于或者等于所述第二阈值,所述确定单元111确定所述测试样本为无瑕疵样本。
通过上述实施方式,能够准确检测出所述测试样本图像中的测试样本是否瑕疵样本并输出相应的检测结果。
由以上技术方案可以看出,本申请通过所述多张正样本图像的图像噪声计算出所述第一阈值,并根据所述第一阈值从所述测试样本图像中筛选出所述目标区域,由于所述目标区域中包含了一定的合理误差,因此,通过结合所述多张负样本图像的瑕疵像素点确定出的第二阈值,能够避免所述测试图像中合理误差对瑕疵检测的影响,从而能够提高所述测试样本图像的检测准确性。
如图5所示,是本申请实现瑕疵检测方法的较佳实施例的电子设备的结构示意图。
在本申请的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如瑕疵检测程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,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,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及获取所述电子设备1的操作***以及安装的各类应用程序、程序代码等。
所述处理器13获取所述电子设备1的操作***以及安装的各类应用程序。所述处理器13获取所述应用程序以实现上述各个瑕疵检测方法实施例中的步骤,例如图2所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13获取,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电子设备1中的获取过程。例如,所述计算机程序可以被分割成获取单元110、确定单元111、生成单元112及筛选单元113。
所述存储器12可用于存储所述计算机程序和/或模块,所述处理器13通过运行或获取存储在所述存储器12内的计算机程序和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器12可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flashCard)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器获取时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可获取文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)。
结合图2,所述电子设备1中的所述存储器12存储多个指令以实现一种瑕疵检测方法,所述处理器13可获取所述多个指令从而实现:获取多张正样本图像、多张负样本图像以及测试样本图像;基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值;根据所述多张正样本图像生成色差阈值;根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域;根据所述多张正样本图像的图像噪声生成第一阈值;根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域;根据所述多张负样本图像的瑕疵像素点生成第二阈值;根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果。
具体地,所述处理器13对上述指令的具体实现方法可参考图2对应实施例中相关步骤的描述,在此不赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。本申请中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种瑕疵检测方法,其特征在于,所述瑕疵检测方法包括:
获取多张正样本图像、多张负样本图像以及测试样本图像;
基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值;
根据所述多张正样本图像生成色差阈值;
根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域;
根据所述多张正样本图像的图像噪声生成第一阈值;
根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域;
根据所述多张负样本图像的瑕疵像素点生成第二阈值;
根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果。
2.如权利要求1所述的瑕疵检测方法,其特征在于,所述根据所述多张正样本图像生成色差阈值包括:
将任意两张正样本图像中对应的像素点的像素值进行相减运算处理,得到色差值;
统计所述多张正样本图像中具有相同色差值的像素点数量;
将所述色差值作为横坐标,及将所述色差值对应的像素点数量作为纵坐标生成色差直方图;
根据预设值从所述色差直方图的坐标值中选取多个连续色差值,并将相互连续的连续色差值确定为同一集合,得到多个特征集合;
统计每个特征集合中的元素数量;
将所述元素数量最多的特征集合确定为目标色差值集合;
从所述目标色差值集合中筛选出最大色差值作为所述色差阈值。
3.如权利要求2所述的瑕疵检测方法,其特征在于,所述根据所述多张正样本图像的图像噪声生成第一阈值包括:
将除所述目标色差值集合外的特征集合确定为多个背景色差值集合;
从所述多张正样本图像中筛选与所述多个背景色差值集合中的色差值对应的像素点作为噪声像素点;
根据相邻的噪声像素点生成多个第一连通区域;
统计每个第一连通区域中噪声像素点的数量,得到所述图像噪声;
筛选取值最大的图像噪声作为所述第一阈值。
4.如权利要求1所述的瑕疵检测方法,其特征在于,所述根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域包括:
将小于或者等于所述色差阈值的像素差值确定为背景差值,从所述测试样本图像中筛选与所述背景差值对应的像素点作为背景像素点;
将大于所述色差阈值的像素差值确定为目标差值,从所述测试样本图像中筛选与所述目标差值对应的像素点作为目标像素点;以及根据相邻的目标像素点生成所述多个特征连通区域,所述背景像素点处于任意两个特征连通区域之间。
5.如权利要求1所述的瑕疵检测方法,其特征在于,所述根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域包括:
统计每个特征连通区域中像素点的数量,得到第一数量;
将大于所述第一阈值的第一数量所对应的特征连通区域确定为所述目标区域。
6.如权利要求1所述的瑕疵检测方法,其特征在于,所述根据所述多张负样本图像的瑕疵像素点生成第二阈值包括:
获取每张负样本图像的每个像素点的第一像素值,并获取对应的正样本图像的对应像素点的第二像素值;
计算所述第一像素值与所述第二像素值的差值,得到负样本差值;
将小于或者等于所述色差阈值的负样本差值确定为特征差值,从所述多张负样本图像中筛选出与所述特征差值对应的像素点作为特征像素点;
将大于所述色差阈值的负样本差值确定为瑕疵差值,从所述多张负样本图像中筛选与所述瑕疵差值对应的像素点作为所述瑕疵像素点;根据相邻的瑕疵像素点生成所述多个第二连通区域,所述特征像素点处于任意两个第二连通区域之间;统计每个第二连通区域中像素点的数量,得到第二数量;将大于所述第一阈值的第二数量所对应的第二连通区域确定为瑕疵区域;计算所述瑕疵区域的面积,得到第一瑕疵面积;筛选所述第一瑕疵面积中的最小值作为所述第二阈值。
7.如权利要求1所述的瑕疵检测方法,其特征在于,所述根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果包括:
根据所述目标区域中的所有像素点计算所述目标区域的面积,得到第二瑕疵面积;
若所述第二瑕疵面积大于所述第二阈值,将所述检测结果确定为瑕疵样本;
若所述第二瑕疵面积小于或者等于所述第二阈值,将所述检测结果确定为无瑕疵样本。
8.一种瑕疵检测装置,其特征在于,所述瑕疵检测装置包括:
获取单元,用于获取多张正样本图像、多张负样本图像以及测试样本图像;
确定单元,用于基于所述测试样本图像中的像素点,确定在所述多张正样本图像中对应的像素点以及相应的像素差值;
生成单元,用于根据所述多张正样本图像生成色差阈值;
所述生成单元,还用于根据所述色差阈值及所述像素差值生成所述测试样本图像的多个特征连通区域;
所述生成单元,还用于根据所述多张正样本图像的图像噪声生成第一阈值;
筛选单元,用于根据每个特征连通区域中像素点的数量及所述第一阈值,从所述多个特征连通区域中筛选目标区域;
所述生成单元,还用于根据所述多张负样本图像的瑕疵像素点生成第二阈值;
所述确定单元,还用于根据所述目标区域的面积及所述第二阈值,确定所述测试样本图像对应的测试样本的检测结果。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述至少一个指令以实现如权利要求1至7中任意一项所述瑕疵检测方法。
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中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述瑕疵检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111663831.3A CN116416190A (zh) | 2021-12-31 | 2021-12-31 | 瑕疵检测方法及装置、电子设备及存储介质 |
US17/854,265 US20230214989A1 (en) | 2021-12-31 | 2022-06-30 | Defect detection method, electronic device and readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111663831.3A CN116416190A (zh) | 2021-12-31 | 2021-12-31 | 瑕疵检测方法及装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116416190A true CN116416190A (zh) | 2023-07-11 |
Family
ID=86991956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111663831.3A Pending CN116416190A (zh) | 2021-12-31 | 2021-12-31 | 瑕疵检测方法及装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230214989A1 (zh) |
CN (1) | CN116416190A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721103A (zh) * | 2023-08-10 | 2023-09-08 | 山东明佳科技有限公司 | 乳玻瓶内底净度的图像检测方法、***、设备和存储介质 |
CN116773152A (zh) * | 2023-08-25 | 2023-09-19 | 成都中嘉微视科技有限公司 | 一种镜头性能的检测方法、装置、电子设备及存储介质 |
CN117541519A (zh) * | 2024-01-09 | 2024-02-09 | 清华大学 | 光场像差校正方法、装置、电子设备及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912242B (zh) * | 2023-09-12 | 2023-12-15 | 青岛天仁微纳科技有限责任公司 | 一种纳米压印晶圆缺陷定位方法 |
CN117524090B (zh) * | 2023-12-08 | 2024-06-21 | 广州卓奥科技有限公司 | 基于人工智能的led显示器色彩自校准方法及*** |
-
2021
- 2021-12-31 CN CN202111663831.3A patent/CN116416190A/zh active Pending
-
2022
- 2022-06-30 US US17/854,265 patent/US20230214989A1/en active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721103A (zh) * | 2023-08-10 | 2023-09-08 | 山东明佳科技有限公司 | 乳玻瓶内底净度的图像检测方法、***、设备和存储介质 |
CN116721103B (zh) * | 2023-08-10 | 2023-10-27 | 山东明佳科技有限公司 | 乳玻瓶内底净度的图像检测方法、***、设备和存储介质 |
CN116773152A (zh) * | 2023-08-25 | 2023-09-19 | 成都中嘉微视科技有限公司 | 一种镜头性能的检测方法、装置、电子设备及存储介质 |
CN116773152B (zh) * | 2023-08-25 | 2023-11-03 | 成都中嘉微视科技有限公司 | 一种镜头性能的检测方法、装置、电子设备及存储介质 |
CN117541519A (zh) * | 2024-01-09 | 2024-02-09 | 清华大学 | 光场像差校正方法、装置、电子设备及存储介质 |
CN117541519B (zh) * | 2024-01-09 | 2024-05-31 | 清华大学 | 光场像差校正方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20230214989A1 (en) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116416190A (zh) | 瑕疵检测方法及装置、电子设备及存储介质 | |
CN116433559A (zh) | 产品外观缺陷检测方法、电子设备及存储介质 | |
Su et al. | A novel forgery detection algorithm for video foreground removal | |
CN109461133B (zh) | 桥梁螺栓脱落检测方法及终端设备 | |
CN114638777A (zh) | 图像瑕疵检测方法、装置、电子设备及介质 | |
CN112559341A (zh) | 一种画面测试方法、装置、设备及存储介质 | |
CN112634201A (zh) | 目标检测方法、装置和电子设备 | |
CN110084157B (zh) | 图像重识别的数据处理方法及装置 | |
CN112287905A (zh) | 车辆损伤识别方法、装置、设备及存储介质 | |
CN111709951B (zh) | 目标检测网络训练方法及***及网络及装置及介质 | |
CN108629219B (zh) | 一种识别一维码的方法及装置 | |
CN112801070B (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN115222699A (zh) | 缺陷检测方法和缺陷检测装置及*** | |
CN114639056A (zh) | 直播内容的识别方法、装置、计算机设备及存储介质 | |
CN110647826B (zh) | 商品训练图片的获取方法、装置、计算机设备和存储介质 | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
TWI771255B (zh) | 瑕疵檢測方法及裝置、電腦設備及儲存介質 | |
CN113870210A (zh) | 一种图像质量评估方法、装置、设备及存储介质 | |
CN114764833A (zh) | 植物生长曲线确定方法、装置、电子设备及介质 | |
CN113536868A (zh) | 电路板故障识别方法及相关设备 | |
TWI792827B (zh) | 產品外觀缺陷檢測方法、電腦設備及儲存介質 | |
TWI807854B (zh) | 瑕疵偵測方法、電腦設備及儲存介質 | |
US20230401691A1 (en) | Image defect detection method, electronic device and readable storage medium | |
TWI840833B (zh) | 多尺度自編碼器生成方法、電腦設備及儲存介質 | |
TWI810945B (zh) | 瑕疵檢測方法、電腦設備及儲存介質 |
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 |