CN117455778B - 一种基于图像增强的光学玻璃预制件检测方法及*** - Google Patents
一种基于图像增强的光学玻璃预制件检测方法及*** Download PDFInfo
- Publication number
- CN117455778B CN117455778B CN202311763361.7A CN202311763361A CN117455778B CN 117455778 B CN117455778 B CN 117455778B CN 202311763361 A CN202311763361 A CN 202311763361A CN 117455778 B CN117455778 B CN 117455778B
- Authority
- CN
- China
- Prior art keywords
- edge
- value
- area
- gray
- region
- 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
- 239000005304 optical glass Substances 0.000 title claims abstract description 74
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 239000011521 glass Substances 0.000 claims abstract description 61
- 108091026890 Coding region Proteins 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims description 60
- 230000000875 corresponding effect Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000001629 suppression Effects 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000011426 transformation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 13
- 230000007547 defect Effects 0.000 description 31
- 108700026244 Open Reading Frames Proteins 0.000 description 14
- 238000012216 screening Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000009417 prefabrication Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
-
- 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
- Y02P40/00—Technologies relating to the processing of minerals
- Y02P40/50—Glass production, e.g. reusing waste heat during processing or shaping
- Y02P40/57—Improving the yield, e-g- reduction of reject rates
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
本发明涉及图像增强技术领域,具体涉及一种基于图像增强的光学玻璃预制件检测方法及***。该方法首先获取玻璃预制件图像;根据灰度值,将各整体连通域标记为第一待处理区域或正常气泡区域;根据边缘形状特征,将各个第一待处理区域标记为编码区域或第二待处理区域;根据第二待处理区域中所有边缘的对称特征值,标记出各个第二待处理区域中编码区域;根据局部连通域和所属编码区域的灰度值差异,标记出各个局部连通域中特殊气泡区域;根据所有正常气泡区域和所有特殊气泡区域,获取增强玻璃检测图像。本发明通过深入挖掘气泡区域,解决气泡区域和其他区域的区分效果不明显问题,改善了光学玻璃预制件检测效果。
Description
技术领域
本发明涉及图像增强技术领域,具体涉及一种基于图像增强的光学玻璃预制件检测方法及***。
背景技术
光学玻璃预制件是光学器件的核心构成部分,光学玻璃预制件是使用特定的玻璃材料、特定的形状、表面质量和光学性能的零部件。在生产过程中,光学玻璃预制件易产生气泡,气泡不仅影响了透明玻璃制品的视觉效果,而且还降低了玻璃的强度和耐冲击性能,所以需要对光学玻璃预制件中的气泡进行检测。
然而由于带有气泡的光学玻璃预制件中,部分气泡区域与正常玻璃区域的灰度值比较接近,影响光学玻璃预制件无法准确检测气泡。现有技术可通过灰度线性变换法对光学玻璃预制进行图像增强,无法使得气泡区域与其他区域的区分效果更明显,导致增强图像效果不佳,进一步影响光学玻璃预制件检测准确性。
发明内容
为了解决现有技术无法使得气泡区域与其他区域的区分效果更明显,导致对光学玻璃预制件进行图像增强效果不佳,降低光学玻璃预制件检测准确性的技术问题,本发明的目的在于提供一种基于图像增强的光学玻璃预制件检测方法及***,所采用的技术方案具体如下:
一种基于图像增强的光学玻璃预制件检测方法,所述方法包括以下步骤:
获取玻璃预制件图像;
获取所述玻璃预制件图像中的各个整体连通域;根据各个所述整体连通域的灰度值,将各所述整体连通域标记为第一待处理区域或正常气泡区域;
获取各个第一待处理区域的所有边缘;根据各条边缘的形状特征,获取各边缘的直线特征值;根据第一待处理区域的所有边缘的所述直线特征值,将各个所述第一待处理区域标记为编码区域或第二待处理区域;
在所述第二待处理区域中,根据各条边缘的对称特征,获取各边缘的对称特征值;根据所述第二待处理区域中所有边缘的所述对称特征值,标记出各个所述第二待处理区域中的编码区域;
获取所有所述编码区域内的局部连通域;根据所述局部连通域和所属所述编码区域的灰度值差异,标记出各个所述局部连通域中的特殊气泡区域;
根据所有所述正常气泡区域和所有所述特殊气泡区域,获取所述玻璃预制件图像的增强玻璃检测图像,根据所述增强玻璃检测图像,获取所述玻璃预制件图像的质量检测结果。
进一步地,所述第一待处理区域或正常气泡区域的获取方法包括:
将所述整体连通域中所有像素点的灰度值的均值,作为所述整体连通域的区域灰度均值;
将所述整体连通域中所有像素点的灰度值的方差,作为所述整体连通域的区域灰度波动值;
根据所述区域灰度均值和所述区域灰度波动值,获取所述整体连通域的灰度特征值;所述区域灰度均值和所述灰度特征值呈正相关性;所述灰度波动值和所述灰度特征值呈正相关性;
若所述整体连通域的所述灰度特征值不小于预设正常气泡阈值,将所述整体连通域标记为所述正常气泡区域;否则,将所述整体连通域标记为所述第一待处理区域。
进一步地,所述直线特征值的获取方法包括:
基于差分编码法获取边缘中所有边缘像素点的链码值;
以每个边缘像素点为中心边缘像素点,构建每个所述中心边缘像素点的预设邻域窗口,所述预设邻域窗口的中心为中心边缘像素点;
在所述中心边缘像素点的预设邻域窗口中,将同一链码值的所有边缘像素点的总数量,作为各种链码值的链码参考数量;计算所有链码值的所述链码参考数量的累加和,作为所述中心边缘像素点的局部直线像素值;
在所述中心边缘像素点的预设邻域窗口中,将边缘像素点的总数量,作为所述中心边缘像素点的局部参考像素值;
根据所述中心边缘像素点的所述局部直线像素值和所述局部参考像素值,获取所述中心边缘像素点的局部直线特征值;所述局部直线像素值和所述局部直线特征值呈正相关性;所述局部参考像素值和所述局部直线特征值呈负相关性;
计算边缘中所有所述边缘像素点的局部直线特征值的累加和,得到边缘的整体直线特征值;
将所述整体直线特征值进行归一化,得到边缘的直线特征值。
进一步地,所述对称特征值的获取方法包括:
以任意一条通过边缘所围成整体连通域的质心的直线,将边缘分成第一拆分边缘和第二拆分边缘;
从直线和边缘形成两个交点中,任选一个交点作为第一拆分边缘的第一起始像素点;另外一个交点作为第二拆分边缘的第二起始像素点;
利用差分编码法,从起始像素点开始,依次获得第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值;
根据第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值,获取边缘的对称特征值。
进一步地,所述根据第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值,获取边缘的对称特征值的获取方法包括:
根据对称特征值公式获得所述对称特征值,所述对称特征值公式包括:
;其中,/>为第/>个边缘的对称特征值;/>为第/>个边缘对应第一拆分边缘的第/>个边缘像素点的链码值;/>为第/>个边缘对应第二拆分边缘的第/>个边缘像素点的链码值;/>为第一拆分边缘的边缘像素点总数量;/>为符号函数;/>为预设差值。
进一步地,所述局部连通域中的特殊气泡区域的获取方法包括:
根据特殊气泡特征值公式获得所述特殊气泡特征值,所述特殊气泡特征值公式包括:
;其中,/>为第/>个所述编码区域内第/>个所述局部连通域的所述特殊气泡特征值;/>为第/>个所述编码区域内第/>个所述局部连通域的所有像素点灰度值方差;/>为第/>个所述编码区域内所有像素点灰度值方差;/>为第/>个所述编码区域内第/>个所述局部连通域的所有像素点灰度值均值;/>为第/>个所述编码区域内所有像素点灰度值均值;/>为归一化函数;/>为绝对值符号;
将所述特殊气泡特征值大于预设特殊气泡阈值的所述局部连通域,标记为特殊气泡区域。
进一步地,所述增强玻璃检测图像的获取方法包括:
利用线性灰度变换法,根据预设增强参数对所有所述正常气泡区域和所有所述特殊气泡区域的灰度值进行增强处理,同时根据预设抑制参数对其他区域进行抑制处理,获取增强玻璃检测图像。
进一步地,所述将各个所述第一待处理区域标记为编码区域或第二待处理区域的获取方法包括:
在第一待处理区域中,若任意一条边缘的所述直线特征值不小于预设直线阈值,将所述第一待处理区域标记为编码区域;否则,将所述第一待处理区域标记为第二待处理区域。
进一步地,所述标记出各个所述第二待处理区域中的编码区域的获取方法包括:
在第二待处理区域中,若任意一条边缘的所述对称特征值不小于预设对称阈值,将所述第二待处理区域标记为编码区域。
本发明提出一种基于图像增强的光学玻璃预制件检测***,所述***包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任一所述一种基于图像增强的光学玻璃预制件检测方法的步骤。
本发明具有如下有益效果:
在本发明实施例中,由于光学玻璃上存在气泡区域、反光区域、正常玻璃区域、编码区域;首先需要根据正常气泡区域、反光区域和编码区域的灰度值明显区别于正常玻璃区域且呈区域分布,获取玻璃预制件图像中的各个整体连通域;整体连通域往往为正常气泡区域、反光区域和编码区域。由于正常气泡区域区别于其他区域,区域整体灰度值较大且区域灰度值分布不均匀,进而根据各个整体连通域的灰度值均匀情况和整体灰度值大小,将各整体连通域标记为第一待处理区域或正常气泡区域。正常气泡区域为不和编码区域产生重叠,相对独立的气泡区域;待处理区域往往为反光区域或编码区域。先初步筛选出正常气泡区域,以供后续对气泡进行灰度值针对调整。由于部分气泡和编码区域重叠,这种气泡较为特殊区别于正常气泡,编码区域内可能存在特殊气泡区域,所以筛选出第一待处理区域,以供后续确定特殊气泡区域。由于编码区域是由数字或者字母构成的,大部分编码存在直线线段,获取各边缘的直线特征值。直线特征值可以反映边缘符合直线形状的情况,进而根据第一待处理区域的所有边缘的直线特征值,将各第一待处理区域标记为编码区域或第二待处理区域。初步筛选出符合编码存在直线线段的编码区域,以供后续分析编码区域中的特殊气泡,由于第二待处理区域中包含不存在直线线段编码的编码区域和反光区域,编码区域中不含直线线段的编码,编码区域往往边缘具有对称性,例如数字0和数值8,反光区域为不规则形状,往往边缘不具有对称性,获取各边缘的对称特征值;对称特征值可以反映边缘的中心对称情况,由于对称编码区域区别于反光区域具有对称性,标记出第二待处理区域中编码区域。第二待处理区域中编码区域可以反映具有对称性的编码区域。通过两次筛选编码区域,得到完整的编码区域,以供后续分析编码区域中的特殊气泡。首先根据灰度值,获取编码区域内的局部连通域;局部连通域反映灰度值较大的编码区域中连通域。编码区域还可能存在反光区域。反光区域灰度值往往是均匀的,和编码区域的灰度值波动情况较为一致;特殊气泡区域灰度值往往是不均匀的,特殊气泡区域和编码区域的灰度值波动情况较不一致,筛选出特殊气泡区域。通过对正常气泡和与特殊气泡的筛选,以供对正常气泡区域和与特殊气泡区域的整体灰度值进行增大,对其余区域整体进行灰度值减小,获取对比更加明显的增强玻璃检测图像,进而提高了光学玻璃预制件质量检测精度。
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和优点,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的介绍,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的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于图像增强的光学玻璃预制件检测方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图像增强的光学玻璃预制件检测方法及***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
一种基于图像增强的光学玻璃预制件检测方法实施例:
下面结合附图具体的说明本发明所提供的一种基于图像增强的光学玻璃预制件检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于图像增强的光学玻璃预制件检测方法的流程图,该方法包括以下步骤:
步骤S1,获取玻璃预制件图像。
光学镜片在日常生活中的应用越来越广泛,光学玻璃预制件的生产过程中易产生气泡,所以需要对光学玻璃中的气泡进行检测,防止光学玻璃产品质量不佳。且光学玻璃预制件的标准需要符合光学玻璃预制件检验标准,合格的光学玻璃预制件基本没有气泡,通过气泡的特征,找到光学玻璃预制件中的气泡,为后续根据气泡区域进行图像增强作为参考。
在本发明实施例中,通过生产线上布置的摄像头采集生产完成的光学玻璃预制件,获取原始图像,由于采集的原始图像存在噪声,噪声会对后续分析光学玻璃预制件气泡产生影响,所以对图像进行降噪操作,获取降噪图像。消除噪声和外界干扰造成的影响,增强后续分析的准确性。将降噪图像进行灰度化处理获取光学玻璃预制件的玻璃预制件图像,以方便对气泡进行观察。本发明实施例采用双边滤波对图像降噪,实施者可根据实际情况自行设置。
需要说明的是,本发明一个实施例中光学玻璃为光学镜片,在此不做限定。
需要说明的是,为了方便运算,本发明实施例中所参与运算的所有指标数据均经过数据预处理,进而取消量纲影响。具体去量纲影响的手段为本领域技术人员熟知的技术手段,在此不做限定。
步骤S2,获取玻璃预制件图像中的各个整体连通域;根据各个整体连通域的灰度值,将各整体连通域标记为第一待处理区域或正常气泡区域。
在光学玻璃预制件图像中存在正常气泡、反光、正常玻璃和编码区域。光学玻璃预制件的生产过程中容易在光学玻璃预制件内部会存在气泡,正常气泡为不和编码区域产生重叠,相对独立的气泡,正常气泡在光影效果下区域灰度不均匀且区域灰度值往往较大;检测光学玻璃预制件时很少出现反光区域,仅在异常情况下光学玻璃预制件的表面才可能出现反光区域,反光区域灰度值较为均匀且灰度值往往较大;为了表征光学玻璃的物理特性和生产批次,会在光学玻璃预制件的表面进行编码;编码区域的灰度值较为均匀,灰度值往往处于中间水平;正常玻璃区域灰度值往往较小且灰度值均匀。为了分析气泡区域,以供后续增强气泡区域和非气泡区域的对比度,首先需要根据正常气泡区域、反光区域和编码区域的灰度值明显区别于正常玻璃区域且呈区域分布,获取玻璃预制件图像中的各个整体连通域;整体连通域往往为正常气泡区域、反光区域和编码区域。由于正常气泡区域区别于其他区域,区域整体灰度值较大且区域灰度值分布不均匀,进而根据各个整体连通域的灰度值均匀情况和整体灰度值大小,将各整体连通域标记为第一待处理区域或正常气泡区域。正常气泡区域为不和编码区域产生重叠,相对独立的气泡区域;待处理区域往往为反光区域或编码区域。先初步筛选出正常气泡区域,以供后续对气泡进行灰度值针对调整。由于部分气泡和编码区域重叠,这种气泡较为特殊区别于正常气泡,编码区域内可能存在特殊气泡区域,所以筛选出第一待处理区域,以供后续确定特殊气泡区域。
具体地,基于连通组件标记法获取玻璃预制件图像中的各个整体连通域。需要说明的是,正常玻璃区域灰度值较小,正常气泡区域、反光区域和编码区域的灰度值明显区别于正常玻璃区域且呈区域分布,所以可以通过连通组件标记法,将灰度值比较接近且相互连通的区域标记为正常气泡区域、反光区域和编码区域,整体连通域往往为正常气泡区域、反光区域和编码区域。
需要说明的是,在本发明其他实施例中,可通过其他例如堆栈非递归算法等现有技术获取玻璃预制件图像中的各个整体连通域,在此不做限定。
需要说明的是,由于部分气泡存在编码区域中,这种特殊气泡灰度值受到编码区域影响,灰度值比正常气泡灰度值低,虽然和正常编码区域有一定差异,但是灰度值差异程度不大,所以含有气泡的编码仍然为整体连通域。
优选地,在本发明一个实施例中,第一待处理区域或正常气泡区域的获取方法包括:
将整体连通域中所有像素点的灰度值的均值,作为整体连通域的区域灰度均值;
将整体连通域中所有像素点的灰度值的方差,作为整体连通域的区域灰度波动值;
根据区域灰度均值和区域灰度波动值,获取整体连通域的灰度特征值;区域灰度均值和灰度特征值呈正相关性;灰度波动值和灰度特征值呈正相关性。
由于正常气泡区域区别于其他区域,区域灰度值往往较大且区域内灰度不均匀,通过分析整体连通域中所有像素点的灰度值的均值和所有像素点的灰度值方差,获取整体连通域中所有像素点的灰度特征值,进而分析正常气泡区域。在本发明一个实施例中灰度特征值公式包括:
;其中,/>为第/>个整体连通域中所有像素点的灰度特征值;/>为第/>个整体连通域中所有像素点的灰度值的均值;/>为第/>个整体连通域中所有像素点的灰度值方差;/>为归一化函数。
在灰度特征值公式中,反映了整体连通域的整体灰度值,若整体灰度值越大,灰度特征值越大,由于气泡区域的整体区域灰度值大,整体连通域越可能为气泡区域。/>反映整体连通域的灰度不均匀情况,当方差越大时,灰度越不均匀,灰度特征值越大,由于气泡区域的整体连通域灰度不均匀,整体连通域越可能为气泡区域。灰度特征值综合了整体连通域的整体灰度值和灰度不均匀情况,更全面反映整体连通域灰度特征情况,灰度特征值越大,整体连通域越可能为气泡区域。
由于灰度特征值越小,整体连通域越不可能为气泡区域,若整体连通域的灰度特征值小于预设气泡阈值,将整体连通域标记为第一待处理区域;待处理区域往往为反光区域或编码区域。由于灰度特征值越大,整体连通域越可能为气泡区域。若整体连通域的灰度特征值不小于预设气泡阈值,将整体连通域标记为正常气泡区域。正常气泡区域的连通域为符合气泡灰度特征的连通域。本发明一个实施例中,预设气泡阈值为0.75,实施者可根据实际需求自行设定。
步骤S3,获取各个第一待处理区域的所有边缘;根据各条边缘的形状特征,获取各边缘的直线特征值;根据第一待处理区域的所有边缘的直线特征值,将各个第一待处理区域标记为编码区域或第二待处理区域。
由于气泡在光学玻璃预制件上随机分布,往往大部分气泡分布独立不与编码区域重叠,将这类气泡视作正常气泡。可能有部分气泡分布在编码区域内部或者气泡与编码区域相交,将这部分气泡视作特殊气泡。为了对特殊气泡进行分析,首先需要先分析出待处理区域中的编码区域,因为待处理区域往往为反光区域或编码区域,编码区域是由数字或者字母构成的,可以记录光学玻璃的物理特性和光学玻璃的生产批次号等信息。在正常情况下,检测过程中尽可能避免产生其他颜色的反光区域且检测的外部环境不会出现较大变化,光学玻璃预制件表面不会出现反光区域,只有当出现异常情况时,例如角度出现一点问题或光纤出现一点问题时,可能会出现一点其他颜色的区域,光学玻璃预制件中才可能出现反光区域,所以玻璃预制件图像中的反光区域的面积往往也较小且反光区域为不规则形状。由于反光区域和编码区域的边缘形状明显不同,为了获取编码区域,首先获取各个第一待处理区域的所有边缘;通过分析待处理区域的边缘特征,进而确定编码区域。由于编码区域是由数字或者字母构成的,大部分编码存在直线线段,根据各条边缘的形状特征,获取各边缘的直线特征值。直线特征值可以反映边缘符合直线形状的情况,进而根据第一待处理区域的所有边缘的直线特征值,将各第一待处理区域标记为编码区域或第二待处理区域。初步筛选出符合编码存在直线线段的编码区域,以供后续分析编码区域中的特殊气泡,第二待处理区域中包含不存在直线线段编码的编码区域和反光区域,利用第二待处理区域,以供后续进一步筛选第二待处理区域中不包含直线线段仍为编码的编码区域。
具体地,基于Canny边缘检测算法获取各个第一待处理区域的所有边缘;以供后续分析边缘的形状。需要说明的是,在本发明其他实施例中,可通过其他例如Sobel(Sobeloperator,索贝尔)算子等现有技术获取各个第一待处理区域的所有边缘,在此不做限定。
优选地,在本发明一个实施例中,直线特征值的获取方法包括:
基于差分编码法,获取边缘像素点的链码,将边缘中梯度值最大的边缘像素点作为链码的起始点,可以确保链码能够尽可能地跟随边缘的走向。当某一边缘的链码在下一位置有多个链码选项时,选择梯度值最大的像素点作为下一个链码的选项,获取边缘中所有边缘像素点的链码值。
以每个边缘像素点为中心边缘像素点,构建每个中心边缘像素点的预设邻域窗口,预设邻域窗口的中心为中心边缘像素点;在本发明一个实施例中,预设邻域窗口的大小为7*1,实施者可根据实施场景自行设定。
在中心边缘像素点的预设邻域窗口中,将同一链码值的所有边缘像素点的总数量,作为各种链码值的链码参考数量;计算所有链码值的链码参考数量的累加和,作为中心边缘像素点的局部直线像素值。需要说明的是,差分编码法可以记录像素之间的相对位置关系,对于每个像素点,链码会记录它相对于上一个像素点的水平方向和垂直方向的偏移量。如果边缘像素点的链码值相同,则说明两个像素点之间的位置关系是相同的,也就是说像素点属于直线段中像素点。若存在噪声和气泡区域的影响,可能导致直线边缘中存在非直线边缘的干扰,因此存在多种链码值对应多个像素点,为了全面反映直线特征,可以通过所有链码值的链码参考数量的累加和,反映边缘的直线特征。
将预设邻域窗口中边缘像素点的总数量,作为边缘像素点的周围边缘像素总数量;
根据直线形状特征值和周围边缘像素总数量,获取中心边缘像素点对应边缘像素点的局部直线特征值;直线形状特征值和局部直线特征值呈正相关性;直线形状特征值和局部直线特征值呈负相关性;
计算边缘中所有边缘像素点的局部直线特征值的累加和,得到边缘的整体直线特征值;
将整体直线特征值进行归一化,得到边缘的直线特征值。
根据边缘上像素点的链码值相同情况,分析第个边缘的直线特征值。本发明一个实施例中直线特征值的公式包括:
;其中,/>表示第/>个边缘的直线特征值;/>表示第/>个边缘的第/>个边缘像素点的预设邻域窗口中,链码值相同的边缘像素点的总数量;/>表示第/>个边缘的第/>个边缘像素点的预设邻域窗口中,边缘像素点的总数量;/>表示第/>个边缘的边缘像素点的总数量;/>为归一化函数。
在直线特征值公式中,反映边缘像素点的局部直线特征值,即边缘像素点的预设邻域窗口中链码值相同的边缘像素点数量越多,边缘像素点的周围局部区域直线特征越明显;通过边缘上所有边缘像素点的局部直线特征值累加和,获取直线特征值,直线特征值综合反映了边缘包含直线边缘程度。
优选地,在本发明一个实施例中,将各个第一待处理区域标记为编码区域或第二待处理区域的获取方法包括:
由于直线特征值综合反映了边缘包含直线边缘程度,待处理区域往往为反光区域或编码区域,其中编码区域是由数字或者字母构成的,大部分编码存在直线线段。反光区域往往是不规则形状,不含有直线边缘。通过直线特征值可以反映编码区域为存在直线线段的编码区域的可能性,在第一待处理区域中,若任意一条边缘的直线特征值不小于预设直线阈值,将第一待处理区域标记为编码区域;否则,将第一待处理区域标记为第二待处理区域。需要说明的是,由于气泡和噪声对边缘的干扰,存在直线线段的编码区域并不一定所有边缘都符合为直线边缘,只要有任意一条边缘符合条件,就将第一待处理区域视作存在直线线段的编码,标记为编码区域。在本发明一个实施例中,预设直线阈值为0.68,实施者可根据实施场景自行设定。
步骤S4,在第二待处理区域中,根据各条边缘的对称特征,获取各边缘的对称特征值;根据第二待处理区域中所有边缘的对称特征值,标记出各个第二待处理区域中的编码区域。
由于第二待处理区域中包含不存在直线线段编码的编码区域和反光区域,不含直线线段的编码区域,往往编码区域的边缘具有对称性且为中心对称,例如数字0和字母O。反光区域为不规则形状,往往边缘不具有对称性。为了进一步筛选出第二待处理区域中编码区域,在第二待处理区域中,根据各条边缘的对称特征,获取各边缘的对称特征值;对称特征值可以反映边缘的对称情况,由于对称编码区域区别于反光区域具有中心对称性,从而根据第二待处理区域中所有边缘的对称特征值,标记出各个第二待处理区域中的编码区域。第二待处理区域中编码区域可以反映具有对称性的编码区域。通过两次筛选编码区域,得到完整的编码区域,以供后续分析编码区域中的特殊气泡。
优选地,在本发明一个实施例中对称特征值的获取方法包括:
以任意一条通过边缘所围成整体连通域的质心的直线,将边缘分成第一拆分边缘和第二拆分边缘;从直线和边缘形成两个交点中,任选一个交点作为第一拆分边缘的第一起始像素点;另外一个交点作为第二拆分边缘的第二起始像素点;利用差分编码法,从起始像素点开始,依次获得第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值;根据第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值,获取边缘的对称特征值。需要说明的是,差分编码法可以记录像素之间的相对位置关系,对于每个像素点,链码会记录它相对于上一个像素点的水平方向和垂直方向的偏移量,第一拆分边缘和第二拆分边缘的进行编码的起始像素点不同,若第一拆分边缘和第二拆分边缘为中心对称,那么相同位置边缘像素点的往往链码值相差预设差值。
优选地,在本发明一个实施例中根据第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值,获取边缘的对称特征值的获取方法包括:
在边缘中,边缘像素点的链码值通常表示上一个边缘像素点与当前边缘像素点的位置关系。因此可以通过第个边缘的边缘像素点的链码值相差预设差值情况来分析第/>个边缘的对称特征值。本发明一个实施例中对称特征值的获取公式包括:
;其中,/>为第/>个边缘的对称特征值;/>为第/>个边缘对应第一拆分边缘的第/>个边缘像素点的链码值;/>为第/>个边缘对应第二拆分边缘的第/>个边缘像素点的链码值;/>为第一拆分边缘的边缘像素点总数量;/>为符号函数;/>为预设差值。需要说明的是,若特殊气泡区域与编码区域相交,可能会导致第一拆分边缘和第二拆分边缘的像素点数量不一致,对于边缘长度最大的边缘,会有超出另一个边缘的超出边缘。超出边缘的边缘像素点找不到对应位置边缘像素点链码值进行计算,就不计算超出边缘的这部分边缘像素点。需要说明的是,本发明实施例中基于八邻域法描述链码值,在边缘为中心对称时第一拆分边缘和第二拆分边缘相同序号位置的链码值的差值为4,故令预设差值为4,实施者可根据实施场景自行设定。
在对称特征值公式中,若边缘中心对称,第一拆分边缘和第二拆分边缘相同序号位置的链码值的差值往往为预设差值,为0;若边缘不中心对称,第一拆分边缘和第二拆分边缘相同序号位置的链码值的差值往往不为预设差值,/>有较大可能不为0。第一拆分边缘和第二拆分边缘各个相同序号位置的链码值的差值一致性越高,边缘的中心对称特性越强,边缘的对称特征值越大。通过统计所有边缘像素点链码值的差值一致性,来分析边缘的中心对称特性,获取边缘的对称特征值,对称特征值反映边缘的中心对称情况。
优选地,在本发明一个实施例中标记出各个第二待处理区域中编码区域的获取方法包括:
由于对称特征值反映边缘的中心对称情况,在第二待处理区域中,若任意一条边缘的对称特征值不小于预设对称阈值,将第二待处理区域标记为编码区域。在本发明实施例中,预设对称阈值为0.7,实施者可根据实施场景自行设定。需要说明的是,由于气泡和噪声对边缘的干扰,存在对称特征的编码区域并不一定所有边缘都有对称性,只要有任意一条边缘符合条件,就将第一待处理区域视作存在直线线段的编码,标记为编码区域。
步骤S5,获取所有编码区域内的局部连通域;根据局部连通域和所属编码区域的灰度值差异,标记出各个局部连通域中的特殊气泡区域。
由于部分气泡存在编码区域中,这种特殊气泡灰度值受到编码区域影响,灰度值比正常气泡灰度值低,但仍然比编码区域灰度值大,为了分析编码区域中的气泡区域,首先根据灰度值,获取编码区域内的局部连通域;局部连通域反映灰度值较大的编码区域中连通域。在正常情况下,检测过程中尽可能避免产生其他颜色的反光区域且检测的外部环境不会出现变化,光学玻璃预制件表面不会出现反光区域;只有当出现异常情况时,例如角度出现一点问题或光纤出现一点问题时,可能会出现一点其他颜色的区域,光学玻璃预制件中才可能出现反光区域,所以玻璃预制件图像中的反光区域的面积往往也较小且反光区域为不规则形状。反光区域灰度值也比较大,局部连通域也可能是反光区域,所以编码区域还可能存在反光区域。反光区域灰度值往往是均匀的,和编码区域的灰度值波动情况较为一致;特殊气泡区域虽然灰度值受到编码区域影响灰度值降低,特殊气泡在光影效果下区域灰度不均匀,所以特殊气泡区域灰度值往往是不均匀的,特殊气泡区域和编码区域的灰度值波动情况较不一致,为了进一步筛选出特殊气泡区域,根据局部连通域和所属编码区域的灰度值差异,标记出局部连通域中特殊气泡区域。
具体地,局部连通域的获取方法包括:
由于部分气泡存在编码区域中,这种特殊气泡灰度值受到编码区域影响,灰度值比正常气泡灰度值低,但仍然比编码区域灰度值大且呈区域分布,基于阈值分割法获取编码区域内的局部连通域。局部连通域反映灰度值较大的编码区域中连通域,反光区域灰度值也比较大,局部连通域也可能是反光区域或者特殊气泡区域。
优选地,在本发明一个实施例中局部连通域中特殊气泡区域的获取方法包括:
为了进一步确定局部连通域中特殊气泡区域,根据第个编码区域内第/>个局部连通域灰度值和第/>个编码区域灰度值波动差异情况,获取第/>个编码区域内第/>个局部连通域的特殊气泡特征值。在本发明一个实施例中特殊气泡特征值的获取公式包括:
;其中,/>为第/>个编码区域内第/>个局部连通域的特殊气泡特征值;/>为第/>个编码区域内第/>个局部连通域的所有像素点灰度值方差;/>为第/>个编码区域内所有像素点灰度值方差;/>为第/>个编码区域内第/>个局部连通域的所有像素点灰度值均值;/>为第/>个编码区域内所有像素点灰度值均值;/>为归一化函数;/>为绝对值符号。
在特殊气泡特征值公式中,反映局部连通域和对应编码区域灰度值方差的差异,当差异越大,说明局部连通域越可能是特殊气泡区域,特殊气泡特征值越大;反映局部连通域和对应编码区域之间区域灰度值的差异,当差异越大,说明局部连通域越可能是特殊气泡区域,特殊气泡特征值越大;特殊气泡特征值综合了区域之间灰度值方差的差异和区域灰度值的差异,更全面反映特殊气泡区域具有特征,特殊气泡特征值越大,说明局部连通域越可能是特殊气泡区域。
由于特殊气泡特征值越大,说明局部连通域越可能是特殊气泡区域。将特殊气泡特征值大于预设特殊气泡阈值的局部连通域,标记为特殊气泡区域。本发明一个实施例中,令预设特殊气泡阈值为0.85,实施者可根据实施场景自行设定。
步骤S6,根据所有正常气泡区域和所有特殊气泡区域,获取玻璃预制件图像的增强玻璃检测图像,根据增强玻璃检测图像,获取玻璃预制件图像的质量检测结果。
通过对正常气泡和与特殊气泡的筛选,以供对正常气泡区域和与特殊气泡区域的整体灰度值进行增大,对其余区域整体进行灰度值减小,获取对比更加明显的增强玻璃检测图像,通过及时检测光学玻璃预制件的气泡,以供发现光学玻璃预制件的气泡问题并进行工艺改进。由于气泡越多,气泡面积越大,玻璃预制件的质量越不佳,通过能更明显地体现气泡的增强玻璃检测图像,获取玻璃预制件图像的质量检测结果,质量检测结果能更准确反映光学玻璃预制件的质量。
优选地,在本发明一个实施例中增强玻璃检测图像的获取方法包括:
利用线性灰度变换法,根据预设增强参数对所有正常气泡区域和所有特殊气泡区域的灰度值进行增强处理,同时根据预设抑制参数对其他区域进行抑制处理,获取增强玻璃检测图像。增强玻璃检测图像具有更高的对比度和清晰度,突出了正常气泡区域和特殊气泡区域,同时抑制了其他不感兴趣的区域。在本发明一个实施例中,预设增强参数为1.5,预设抑制参数为0.75,实施者可根据实施场景自行设定。
具体的,在获取具有更高对比度的增强玻璃检测图像后,由于增强玻璃检测图像的气泡区域和其他区域有明显的灰度差异,利用大津法获取玻璃预制件图像的玻璃预制件分割图像。
通过提取玻璃预制件分割图像中各个气泡区域的面积,确定各个气泡区域的缺陷权重,当气泡区域的面积大于第一缺陷面积阈值时,则将对应的气泡区域的缺陷等级设置为一级缺陷,并将一级缺陷设置为第一缺陷权重;当气泡区域的面积大于第二缺陷面积阈值且不大于第一缺陷面积阈值时,则将对应的气泡区域的缺陷等级设置为二级缺陷,并将二级缺陷设置为第二缺陷权重;当气泡区域的面积不大于第三缺陷面积阈值时,则将对应的气泡区域的缺陷等级设置为三级缺陷,并将三级缺陷设置为第三缺陷权重;本实施例设置第一缺陷面积阈值的取值为50,第二缺陷面积阈值的取值为20,第一缺陷权重的取值为10,第二缺陷权重的取值为4,第三缺陷权重的取值为1,实施者可根据实施场景自行设定。
计算玻璃预制件分割图像中各个气泡区域的缺陷权重的累加和,确定缺陷参数;根据缺陷参数,确定光学玻璃预制件的质量等级。当缺陷参数小于第一设定参数时,则判定光学玻璃预制件的质量等级为优秀,基本没有气泡缺陷;当缺陷参数不小于第一设定参数且小于第二设定参数时,则判定光学玻璃预制件的质量等级为良好,轻微气泡缺陷;当缺陷参数不小于第二设定参数,则判定光学玻璃预制件的质量等级为不合格,气泡缺陷严重。本实施例设置第一设定参数的取值为1,第二设定参数的取值为5,实施者可根据实施场景自行设定。至此,确定玻璃预制件图像的质量检测结果。将玻璃预制件图像的质量检测结果上传至***,以辅助质检员分析光学玻璃预制件片中气泡产生的原因。
综上,本发明实施例提供了一种基于图像增强的光学玻璃预制件检测方法,首先获取玻璃预制件图像;根据各个整体连通域的灰度值,将各整体连通域标记为第一待处理区域或正常气泡区域;根据各条边缘的形状特征,将各个第一待处理区域标记为编码区域或第二待处理区域;根据第二待处理区域中所有边缘的对称特征值,标记出各个第二待处理区域中编码区域;根据局部连通域和所属编码区域的灰度值差异,标记出各个局部连通域中特殊气泡区域;根据所有正常气泡区域和所有特殊气泡区域,获取玻璃预制件图像的增强玻璃检测图像。本发明实施例中通过深入挖掘气泡区域,解决气泡区域和其他区域的区分效果不明显问题,改善了光学玻璃预制件检测效果。
一种基于图像增强的光学玻璃预制件检测***实施例:
本发明还提出了一种基于图像增强的光学玻璃预制件检测***,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器用于运行相应的计算机程序,计算机程序在处理器中运行时能够实现步骤S1~S6所描述的一种基于图像增强的光学玻璃预制件检测方法,一种基于图像增强的光学玻璃预制件检测***的具体实现过程在上述一种基于图像增强的光学玻璃预制件检测方法中已给出详细说明,不再赘述。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (6)
1.一种基于图像增强的光学玻璃预制件检测方法,其特征在于,所述方法包括以下步骤:
获取玻璃预制件图像;
获取所述玻璃预制件图像中的各个整体连通域;根据各个所述整体连通域的灰度值,将各所述整体连通域标记为第一待处理区域或正常气泡区域;
获取各个第一待处理区域的所有边缘;根据各条边缘的形状特征,获取各边缘的直线特征值;根据第一待处理区域的所有边缘的所述直线特征值,将各个所述第一待处理区域标记为编码区域或第二待处理区域;
在所述第二待处理区域中,根据各条边缘的对称特征,获取各边缘的对称特征值;根据所述第二待处理区域中所有边缘的所述对称特征值,标记出各个所述第二待处理区域中的编码区域;
获取所有所述编码区域内的局部连通域;根据所述局部连通域和所属所述编码区域的灰度值差异,标记出各个所述局部连通域中的特殊气泡区域;
根据所有所述正常气泡区域和所有所述特殊气泡区域,获取所述玻璃预制件图像的增强玻璃检测图像,根据所述增强玻璃检测图像,获取所述玻璃预制件图像的质量检测结果;
所述第一待处理区域或正常气泡区域的获取方法包括:
将所述整体连通域中所有像素点的灰度值的均值,作为所述整体连通域的区域灰度均值;
将所述整体连通域中所有像素点的灰度值的方差,作为所述整体连通域的区域灰度波动值;
根据所述区域灰度均值和所述区域灰度波动值,获取所述整体连通域的灰度特征值;所述区域灰度均值和所述灰度特征值呈正相关性;所述灰度波动值和所述灰度特征值呈正相关性;
若所述整体连通域的所述灰度特征值不小于预设正常气泡阈值,将所述整体连通域标记为所述正常气泡区域;否则,将所述整体连通域标记为所述第一待处理区域;
所述直线特征值的获取方法包括:
基于差分编码法获取边缘中所有边缘像素点的链码值;
以每个边缘像素点为中心边缘像素点,构建每个所述中心边缘像素点的预设邻域窗口,所述预设邻域窗口的中心为中心边缘像素点;
在所述中心边缘像素点的预设邻域窗口中,将同一链码值的所有边缘像素点的总数量,作为各种链码值的链码参考数量;计算所有链码值的所述链码参考数量的累加和,作为所述中心边缘像素点的局部直线像素值;
在所述中心边缘像素点的预设邻域窗口中,将边缘像素点的总数量,作为所述中心边缘像素点的局部参考像素值;
根据所述中心边缘像素点的所述局部直线像素值和所述局部参考像素值,获取所述中心边缘像素点的局部直线特征值;所述局部直线像素值和所述局部直线特征值呈正相关性;所述局部参考像素值和所述局部直线特征值呈负相关性;
计算边缘中所有所述边缘像素点的局部直线特征值的累加和,得到边缘的整体直线特征值;
将所述整体直线特征值进行归一化,得到边缘的直线特征值;
所述对称特征值的获取方法包括:
以任意一条通过边缘所围成整体连通域的质心的直线,将边缘分成第一拆分边缘和第二拆分边缘;
从直线和边缘形成两个交点中,任选一个交点作为第一拆分边缘的第一起始像素点;另外一个交点作为第二拆分边缘的第二起始像素点;
利用差分编码法,从起始像素点开始,依次获得第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值;
根据第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值,获取边缘的对称特征值;
所述局部连通域中的特殊气泡区域的获取方法包括:
根据特殊气泡特征值公式获得所述特殊气泡特征值,所述特殊气泡特征值公式包括:
;其中,/>为第/>个所述编码区域内第/>个所述局部连通域的所述特殊气泡特征值;/>为第个所述编码区域内第/>个所述局部连通域的所有像素点灰度值方差;/>为第/>个所述编码区域内所有像素点灰度值方差;/>为第/>个所述编码区域内第/>个所述局部连通域的所有像素点灰度值均值;/>为第/>个所述编码区域内所有像素点灰度值均值;/>为归一化函数;/>为绝对值符号;
将所述特殊气泡特征值大于预设特殊气泡阈值的所述局部连通域,标记为特殊气泡区域;
所述编码区域包括:将数字或者字母构成的区域作为编码区域。
2.根据权利要求1所述的一种基于图像增强的光学玻璃预制件检测方法,其特征在于,所述根据第一拆分边缘和第二拆分边缘中各个边缘像素点对应的链码值,获取边缘的对称特征值的获取方法包括:
根据对称特征值公式获得所述对称特征值,所述对称特征值公式包括:
;其中,/>为第/>个边缘的对称特征值;/>为第/>个边缘对应第一拆分边缘的第/>个边缘像素点的链码值;/>为第/>个边缘对应第二拆分边缘的第/>个边缘像素点的链码值;/>为第一拆分边缘的边缘像素点总数量;/>为符号函数;/>为预设差值。
3.根据权利要求1所述的一种基于图像增强的光学玻璃预制件检测方法,其特征在于,所述增强玻璃检测图像的获取方法包括:
利用线性灰度变换法,根据预设增强参数对所有所述正常气泡区域和所有所述特殊气泡区域的灰度值进行增强处理,同时根据预设抑制参数对其他区域进行抑制处理,获取增强玻璃检测图像。
4.根据权利要求1所述的一种基于图像增强的光学玻璃预制件检测方法,其特征在于,所述将各个所述第一待处理区域标记为编码区域或第二待处理区域的获取方法包括:
在第一待处理区域中,若任意一条边缘的所述直线特征值不小于预设直线阈值,将所述第一待处理区域标记为编码区域;否则,将所述第一待处理区域标记为第二待处理区域。
5.根据权利要求1所述的一种基于图像增强的光学玻璃预制件检测方法,其特征在于,所述标记出各个所述第二待处理区域中的编码区域的获取方法包括:
在第二待处理区域中,若任意一条边缘的所述对称特征值不小于预设对称阈值,将所述第二待处理区域标记为编码区域。
6.一种基于图像增强的光学玻璃预制件检测***,包括存储器、处理器以及存储在所述存储器中并可在所述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1~5任意一项所述一种基于图像增强的光学玻璃预制件检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311763361.7A CN117455778B (zh) | 2023-12-21 | 2023-12-21 | 一种基于图像增强的光学玻璃预制件检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311763361.7A CN117455778B (zh) | 2023-12-21 | 2023-12-21 | 一种基于图像增强的光学玻璃预制件检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117455778A CN117455778A (zh) | 2024-01-26 |
CN117455778B true CN117455778B (zh) | 2024-04-05 |
Family
ID=89583955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311763361.7A Active CN117455778B (zh) | 2023-12-21 | 2023-12-21 | 一种基于图像增强的光学玻璃预制件检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117455778B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305798A (zh) * | 2011-08-02 | 2012-01-04 | 上海交通大学 | 基于机器视觉的玻璃缺陷的检测与分类方法 |
TW201518708A (zh) * | 2013-11-11 | 2015-05-16 | Univ Nat Kaohsiung Applied Sci | 玻璃氣泡瑕疵檢測處理方法 |
CN113344903A (zh) * | 2021-06-25 | 2021-09-03 | 江南大学 | 一种基于变分自编码器的玻璃瑕疵检测方法 |
CN115272291A (zh) * | 2022-08-24 | 2022-11-01 | 广东拓斯达科技股份有限公司 | 一种贴膜的缺陷检测方法、装置、设备及存储介质 |
CN115311294A (zh) * | 2022-10-12 | 2022-11-08 | 启东金耀億华玻纤材料有限公司 | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法 |
CN115409833A (zh) * | 2022-10-28 | 2022-11-29 | 一道新能源科技(衢州)有限公司 | 基于反锐化掩模算法的光伏板的热斑缺陷检测方法 |
CN116934752A (zh) * | 2023-09-18 | 2023-10-24 | 山东国泰民安玻璃科技有限公司 | 一种基于人工智能的玻璃检测方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009148028A1 (ja) * | 2008-06-02 | 2009-12-10 | 旭硝子株式会社 | 減圧脱泡装置、ガラス製品の製造装置、及びガラス製品の製造方法 |
-
2023
- 2023-12-21 CN CN202311763361.7A patent/CN117455778B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102305798A (zh) * | 2011-08-02 | 2012-01-04 | 上海交通大学 | 基于机器视觉的玻璃缺陷的检测与分类方法 |
TW201518708A (zh) * | 2013-11-11 | 2015-05-16 | Univ Nat Kaohsiung Applied Sci | 玻璃氣泡瑕疵檢測處理方法 |
CN113344903A (zh) * | 2021-06-25 | 2021-09-03 | 江南大学 | 一种基于变分自编码器的玻璃瑕疵检测方法 |
CN115272291A (zh) * | 2022-08-24 | 2022-11-01 | 广东拓斯达科技股份有限公司 | 一种贴膜的缺陷检测方法、装置、设备及存储介质 |
CN115311294A (zh) * | 2022-10-12 | 2022-11-08 | 启东金耀億华玻纤材料有限公司 | 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法 |
CN115409833A (zh) * | 2022-10-28 | 2022-11-29 | 一道新能源科技(衢州)有限公司 | 基于反锐化掩模算法的光伏板的热斑缺陷检测方法 |
CN116934752A (zh) * | 2023-09-18 | 2023-10-24 | 山东国泰民安玻璃科技有限公司 | 一种基于人工智能的玻璃检测方法及*** |
Non-Patent Citations (2)
Title |
---|
Research on surface defect detection of glass wafer based on visual inspection;Zhangyu Huang et al;《Energy Reports》;20221012;381-389 * |
基于机器视觉和LabVIEW的有机玻璃缺陷检测研究;王雪晴等;《吉林化工学院学报》;20210131;第38卷(第1期);68-73 * |
Also Published As
Publication number | Publication date |
---|---|
CN117455778A (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115345885B (zh) | 一种金属健身器材外观质量检测方法 | |
CN114219805B (zh) | 一种玻璃缺陷智能检测方法 | |
CN116385439B (zh) | 基于图像处理的电机橡胶减震垫质量检测方法 | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN116030060B (zh) | 一种塑料颗粒质量检测方法 | |
CN113570605A (zh) | 一种基于液晶显示面板的缺陷检测方法和*** | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN116309537A (zh) | 一种极耳模具表面油污的缺陷检测方法 | |
CN116137036B (zh) | 基于机器学习的基因检测数据智能处理*** | |
CN110706224B (zh) | 基于暗场图像的光学元件弱划痕检测方法、***和装置 | |
CN115063407B (zh) | 一种用于环形铜垫片的划痕及裂纹识别方法 | |
CN116523923B (zh) | 一种电池外壳缺陷识别方法 | |
CN116990323A (zh) | 一种高精密印刷版视觉检测*** | |
CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
CN117455778B (zh) | 一种基于图像增强的光学玻璃预制件检测方法及*** | |
CN117237350A (zh) | 一种铸钢件质量实时检测方法 | |
CN116309561B (zh) | 一种基于防漏电绝缘材料的表面缺陷识别方法 | |
CN115359003A (zh) | 两步式隧道灰度图像的裂缝识别方法、***、介质及设备 | |
CN115239663A (zh) | 隐形眼镜瑕疵检测方法及***、电子设备、存储介质 | |
CN104112134A (zh) | 一种基于aoi的子弹表观缺陷检测***的图像二值化分割方法 | |
CN117974753B (zh) | 一种桥梁隧道裂缝深度测量方法 | |
CN117274250B (zh) | 一种手表底盖磨损缺陷视觉检测方法 | |
CN118172296B (zh) | 一种基于图像处理的火源精确定位方法 | |
CN117237366B (zh) | 一种薄膜防雾性能检测方法 | |
CN118225803B (zh) | 一种推土机刀片表面外观视觉检测方法 |
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 |