TWI843045B - 影像處理與檢測方法、電腦裝置及儲存介質 - Google Patents
影像處理與檢測方法、電腦裝置及儲存介質 Download PDFInfo
- Publication number
- TWI843045B TWI843045B TW111102258A TW111102258A TWI843045B TW I843045 B TWI843045 B TW I843045B TW 111102258 A TW111102258 A TW 111102258A TW 111102258 A TW111102258 A TW 111102258A TW I843045 B TWI843045 B TW I843045B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- detected
- processing
- defect
- bar graph
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 60
- 238000001914 filtration Methods 0.000 claims abstract description 49
- 230000002146 bilateral effect Effects 0.000 claims abstract description 9
- 230000007547 defect Effects 0.000 claims description 62
- 238000000034 method Methods 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 11
- 230000002950 deficient Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 3
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000892681 Erigenia bulbosa Species 0.000 description 1
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Abstract
本申請提供一種影像處理與檢測方法、電腦裝置及儲存介質，其中，所述方法包括：獲取待檢測圖像，對所述待檢測圖像進行校正；對校正後的待檢測圖像進行瑕疵增強處理，包括：對所述校正後的待檢測圖像進行中值濾波處理；對中值濾波處理後的待檢測圖像進行對比度調整；對調整對比度後的待檢測圖像進行雙邊濾波處理；對瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得檢測結果。本申請可輔助檢測圖像是否存在異常，提高影像處理與檢測的準確率。
Description
本發明涉及產品檢測領域，特別是指一種影像處理與檢測方法、電腦裝置及儲存介質。
在實際工業生產過程中，部分產品的表面存在難以避免的擦傷或是沾染灰塵導致的缺陷。即使用高解析度的相機對產品進行拍攝，不同光源拍攝環境下仍會出現某些瑕疵拍攝出來的效果不明顯的狀況，導致產品瑕疵檢測時的檢測準確度降低。
鑒於以上內容，有必要提供一種影像處理與檢測方法、電腦裝置及儲存介質，可以輔助檢測產品異常，以解決上述問題。
所述影像處理與檢測方法包括：獲取待檢測圖像，對所述待檢測圖像進行校正；對校正後的待檢測圖像進行瑕疵增強處理，包括：對所述校正後的待檢測圖像進行中值濾波處理；對中值濾波處理後的待檢測圖像進行對比度調整；對調整對比度後的待檢測圖像進行雙邊濾波處理；對瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得檢測結果。
可選地，所述對所述待檢測圖像進行校正包括：獲取無瑕疵圖像，將所述無瑕疵圖像作為參考圖像對所述待檢測圖像進行位置校正。
可選地，所述對所述校正後的待檢測圖像進行中值濾波處理包括：
在所述校正後的待檢測圖像中，透過滑動預設的滑動視窗，將所述校正後的待檢測圖像中的每一點的圖元值更新為所述滑動視窗中的圖元值的中值；對所述校正後的待檢測圖像的邊緣位置處的圖元值做邊緣處理。
可選地，所述對中值濾波處理後的待檢測圖像進行對比度調整包括：獲取所述中值濾波處理後的待檢測圖像的亮度長條圖；設定均衡閾值K，依據所述均衡閾值K更新所述亮度長條圖；根據更新後的亮度長條圖，利用長條圖均衡化方法調整所述中值濾波處理後的待檢測圖像的對比度。
可選地，所述亮度長條圖的橫軸為圖元值v，所述亮度長條圖的縱軸為所述中值濾波處理後的待檢測圖像中對應圖元值v的圖元數量y v 。
可選地，所述依據所述均衡閾值K更新所述亮度長條圖包括：確定所述亮度長條圖中大於所述均衡閾值K的圖元數量y v ，利用公式
獲得更新後的亮度長條圖，所述更新後的亮度長條圖的橫軸為圖元值v，所述更新後的亮度長條圖的縱軸為對應圖元值v的圖元數量y' v 。
可選地，所述根據更新後的亮度長條圖，利用長條圖均衡化方法調整所述中值濾波處理後的待檢測圖像的對比度包括：計算累積分佈函數cdf(v)，利用所述累積分佈函數cdf(v)對圖元值v進行更新，獲得更新後的圖元值k(v)，所使用的公式為：
，其中，round表示取整函數，M表示所述中值濾波處理後的待檢測圖像的寬的圖元的數量，N表示所述中值濾波處理後的待檢測圖像的高的圖元的數量。
可選地，所述對瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得檢測結果包括：利用預先訓練的影像處理與檢測模型對所述瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得所述瑕疵增強處理後的待檢測圖像的瑕疵值；判斷所述瑕疵值是否超出預設的瑕疵閾值的範圍；當所述瑕疵值超出所述瑕疵值的範圍時，確定所述待檢測圖像為有瑕疵圖像；或當所
述瑕疵值未超出所述瑕疵值的範圍時，確定所述待檢測圖像為無瑕疵圖像。
所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現所述影像處理與檢測方法。
所述電腦裝置包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現所述影像處理與檢測檢查方法。
相較於習知技術，所述影像處理與檢測方法、電腦裝置及儲存介質，可以在不影響正常樣本的情況下，強化圖像上瑕疵的表現，以提高瑕疵檢測的準確率。
3:電腦裝置
32:處理器
31:儲存器
30:影像處理與檢測系統
S1~S3:步驟
S20~S22:步驟
S30~S33:步驟
為了更清楚地說明本申請實施例或習知技術中的技術方案，下面將對實施例或習知技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。
圖1是本申請實施例提供的影像處理與檢測方法的流程圖。
圖2是本申請實施例提供的電腦裝置的架構圖。
圖3是本申請實施例提供的步驟S2的流程圖。
圖4是本申請實施例提供的影像處理與檢測方法的示例圖。
圖5是本申請實施例提供的步驟S3的流程圖。
為了能夠更清楚地理解本申請的上述目的、特徵和優點，下面結合附圖和具體實施例對本申請進行詳細描述。需要說明的是，在不衝突的
情況下，本申請的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本申請，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本申請保護的範圍。
除非另有定義，本文所使用的所有的技術和科學術語與屬於本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本申請。
參閱圖1所示，為本申請實施例提供的影像處理與檢測的流程圖。
在本實施例中，所述影像處理與檢測方法可以應用於電腦裝置中，對於需要進行影像處理與檢測的電腦裝置，可以直接在電腦裝置上集成本申請的方法所提供的用於影像處理與檢測的功能，或者以軟體開發套件(Software Development Kit，SDK)的形式運行在電腦裝置上。
如圖1所示，所述影像處理與檢測方法具體包括以下步驟，根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。
步驟S1、電腦裝置獲取待檢測圖像，對所述待檢測圖像進行校正。
在一個實施例中，電腦裝置可以回應用戶輸入，獲取所述待檢測圖像，所述待檢測圖像可以包括多張圖像，之後對所述待檢測圖像的操作包括對所述多張圖像中的每張圖像的操作。用戶輸入可以是對圖像的傳送，例如上傳或下載，並透過介面或介面輸入待檢測圖像。
此外，電腦裝置還可以預先儲存所述待檢測圖像在電腦裝置的儲存器中，或者預先儲存所述待檢測圖像在與電腦裝置通訊連接的其他設備中。待檢測圖像可以是對需要進行檢測的某種印刷品(例如化妝品說明書
等)所拍攝獲得的圖像。
在一個實施例中，所述對所述待檢測圖像進行校正包括：獲取無瑕疵圖像，將所述無瑕疵圖像作為參考圖像對所述待檢測圖像進行位置校正。
電腦裝置可以回應用戶輸入，獲取一張所述無瑕疵圖像，將所述無瑕疵圖像作為對所述待檢測圖像進行圖像校正時的參考圖像。電腦裝置還可以預先將所述無瑕疵圖像儲存在該電腦裝置的儲存器中，或者預先將所述無瑕疵圖像儲存在與該電腦裝置通訊連接的其他設備中。
本實施例中，所述無瑕疵圖像可以是所述印刷品的標準樣本(Golden Sample)圖像，即可以是針對沒有瑕疵的所述印刷品所拍攝的圖像。
在一個實施例中，對所述待檢測圖像進行圖像校正包括利用尺度不變特徵變換(Scale-invariant feature transform，SIFT)技術對所述待檢測圖像的位置進行幾何位置校正。
所述利用SIFT技術對所述待檢測圖像的位置進行幾何校正包括：獲取所述待檢測圖像中的多個第一特徵點(例如，待檢測圖像中的紋理劇烈變化的點、拐角點、直線與直線的交點，以及單純區域中的孤立點等)和所述無瑕疵圖像中的多個第二特徵點(例如，無瑕疵圖像中的紋理劇烈變化的點、拐角點、直線與直線的交點，以及單純區域中的孤立點等)；
利用計算匹配矩陣的方法，在每個第一特徵點和每個第二特徵點之間建立匹配關係，獲得互相匹配的多個第一特徵點對；利用隨機抽樣一致(Random Sample Consensus，RANSAC)演算法從所述多個第一特徵點對中剔除匹配錯誤的第一特徵點對，獲得匹配正確的第一特徵點對；根據所述匹配正確的第一特徵點對，計算所述待檢測圖像的第一校正矩陣；基於所述第一校正矩陣，對所述待檢測圖像進行校正。需要說明的是，本實施例中，每個第一特徵點對也即是互相匹配的第一特徵點和第二特徵點的
組合。
需要說明的是，校正後的待檢測圖像和所述無瑕疵圖像大小一致。
步驟S2、電腦裝置對校正後的待檢測圖像進行瑕疵增強處理。
在一個實施例中，所述對校正後的待檢測圖像進行瑕疵增強處理的細化流程包括如圖3所示的步驟20至步驟22。
步驟20、對所述校正後的待檢測圖像進行中值濾波處理。
在一個實施例中，所述對所述校正後的待檢測圖像進行中值濾波處理包括：在所述校正後的待檢測圖像中，透過滑動預設的滑動視窗，將所述校正後的待檢測圖像中的每一點的圖元值更新為所述滑動視窗中的圖元值的中值；對所述校正後的待檢測圖像的邊緣位置處的圖元值做邊緣處理。
電腦裝置可以設定所述滑動視窗的形狀，例如，設定所述滑動視窗的形狀為正方形，還可以設定為線狀、圓形、十字形、圓環形等形狀。
所述滑動視窗的大小可以固定不變也可以發生變化，所述滑動視窗中可以容納奇數個的圖元。
透過所述滑動視窗在所述校正後的待檢測圖像的滑動遍歷(例如，從左至右，從上至下)，將所述校正後的待檢測圖像中的每一點的圖元值更新為所述滑動視窗中的圖元值的中值，以消除所述校正後的待檢測圖像中的孤立的雜訊圖元(例如，椒鹽雜訊、脈衝雜訊等)。
在對所述校正後的待檢測圖像的邊緣位置(例如，矩形圖像的四條邊)處的圖元值做邊緣處理時，電腦裝置可以將邊緣位置處的圖元值更新為與其距離最近的圖元的值。
參閱圖4所示，將校正後的待檢測圖像4A進行中值濾波處理後，得到圖像4B。
步驟21、對中值濾波處理後的待檢測圖像進行對比度調整。
在一個實施例中，所述對中值濾波處理後的待檢測圖像進行對比度調整包括：獲取所述中值濾波處理後的待檢測圖像的亮度長條圖；設定均衡閾值K，依據所述均衡閾值K更新所述亮度長條圖；根據更新後的亮度長條圖，利用長條圖均衡化方法調整所述中值濾波處理後的待檢測圖像的對比度。
所述亮度長條圖的橫軸為圖元值v，所述亮度長條圖的縱軸為所述中值濾波處理後的待檢測圖像中對應圖元值v的圖元數量y v 。
所述依據所述均衡閾值K更新所述亮度長條圖包括：確定所述亮度長條圖中大於所述均衡閾值K的圖元數量y v ，利用公式
y v 獲得更新後的亮度長條圖，所述更新後的亮度長條圖的橫軸為圖元值v，所述更新後的亮度長條圖的縱軸為對應圖元值v的圖元數量y' v 。
所述截斷閾值K的選取與所述中值濾波處理後的待檢測圖像中圖元的總個數成正比，例如，當所述中值濾波處理後的待檢測圖像的寬的圖元的數量為640個，所述中值濾波處理後的待檢測圖像的高的圖元的數量為480個時，所述中值濾波處理後的待檢測圖像中圖元的總個數為640×480=307200個，所述截斷閾值K可以取值為2000。
所述根據更新後的亮度長條圖，利用長條圖均衡化方法調整所述中值濾波處理後的待檢測圖像的對比度包括：計算累積分佈函數cdf(v)，利用所述累積分佈函數cdf(v)對圖元值v進行更新，獲得更新後的圖元值k(v)，所使用的公式為：
，其中，round表示取整函數，M表示所述中值濾波處理後的待檢測圖像的寬的圖元的數量，N表示所述中值濾波處理後的待檢測圖像的高的圖元的數量。
參閱圖4所示，將中值濾波處理後的待檢測圖像4B進行對比度調整後，得到圖像4C。
步驟22、對調整對比度後的待檢測圖像進行雙邊濾波處理。
在一個實施例中，雙邊濾波是一種邊緣保護濾波方法。常用的高斯濾波以正態分佈為基礎，根據卷積範本內圖元點與目標圖元點的距離來計算權重，從而達到模糊效果，平滑的同時把圖像的邊緣細節也進行了模糊。為了保留邊緣細節，雙邊濾波加入了卷積範本內圖元點與目標圖元點的灰度權重分量。即加入了圖元點色差權重G r 與空間距離權重G S ，得到了雙邊濾波器I p ，具體公式表示為：
，
，其中p表示目標圖元，S表示濾波視窗(例如上述的滑動視窗)中的圖元群，即目標圖元的周圍的圖元群，q表示目標圖元的周圍的圖元群中的一個圖元，I q 表示q的圖元值，W p 表示濾波視窗內每個圖元值的權重和，用於權重的歸一化。
在所述調整對比度後的待檢測圖像的平坦區域，雙邊濾波器中每個圖元點的G r 值相近，空間距離權重G S 主導濾波效果。在所述調整對比度後的待檢測圖像的邊緣區域，邊緣同側的G r 值相近，且遠大於邊緣另一側的G r 值，此時另一側的圖元點的權重對濾波結果幾乎不影響，邊緣資訊得到保護，表現出了一定的自我調整性。
參閱圖4所示，將調整對比度後的待檢測圖像4C進行雙邊濾波處理後，得到圖像4D。
步驟S3、電腦裝置對瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得檢測結果。
在一個實施例中，所述對瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得檢測結果的細化流程可以參考圖5所示的如下流程。
步驟S30，利用預先訓練的圖像檢測模型對所述瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得所述瑕疵增強處理後的待檢測圖像的瑕疵值。
在一個實施例中，可以將瑕疵增強處理後的待檢測圖像分為訓練集與驗證集(例如，按照7：3的比例進行劃分)，利用訓練集作為訓練樣本
訓練神經網路(例如，卷積神經網路)，獲得檢測模型；並判斷所述檢測模型是否達到預設的要求(例如，所述檢測模型的訓練過程達到1000Epochs)，將達到所述預設的要求的檢測模型作為所述圖像檢測模型。將所述驗證集輸入所述圖像檢測模型進行檢測，獲得所述瑕疵值，所述瑕疵值的取值範圍可以是[0，1]。
在其他實施例中，電腦裝置還可以獲取AOI檢測設備對所述瑕疵增強處理後的待檢測圖像進行瑕疵檢測得到的瑕疵值。
步驟S31，電腦裝置判斷所述瑕疵值是否超出預設的瑕疵閾值的範圍；當所述瑕疵值超出所述瑕疵值的範圍時，執行步驟S32；及當所述瑕疵值未超出所述瑕疵值的範圍時，執行步驟S33。
在一個實施例中，所述預設的瑕疵閾值的範圍可以是大於0且小於等於0.05。
步驟S32，電腦裝置確定所述待檢測圖像為有瑕疵圖像。
在一個實施例中，當確定所述驗證集中的任一瑕疵增強處理後的待檢測圖像為有瑕疵圖像時，確定所述任一瑕疵增強處理後的待檢測圖像對應的最初的所述待檢測圖像(即步驟S1中獲取的待檢測圖像)為有瑕疵圖像。
步驟S33，電腦裝置確定所述待檢測圖像為無瑕疵圖像。
在一個實施例中，當確定所述驗證集中的任一瑕疵增強處理後的待檢測圖像為無瑕疵圖像時，確定所述任一瑕疵增強處理後的待檢測圖像對應的最初的所述待檢測圖像(即步驟S1中獲取的待檢測圖像)為無瑕疵圖像。
上述圖1詳細介紹了本申請的影像處理與檢測方法，下面結合圖2，對實現所述影像處理與檢測方法的硬體裝置架構進行介紹。
應該瞭解，所述實施例僅為說明之用，在專利申請範圍上並不受此結構的限制。
參閱圖2所示，為本申請較佳實施例提供的電腦裝置的結構示意圖。在本申請較佳實施例中，所述電腦裝置3包括儲存器31、至少一個處理器32。本領域技術人員應該瞭解，圖2示出的電腦裝置的結構並不構成本申請實施例的限定，既可以是匯流排型結構，也可以是星形結構，所述電腦裝置3還可以包括比圖示更多或更少的其他硬體或者軟體，或者不同的部件佈置。
在一些實施例中，所述電腦裝置3包括一種能夠按照事先設定或儲存的指令，自動進行數值計算和/或資訊處理的終端，其硬體包括但不限於微處理器、專用積體電路、可程式設計閘陣列、數位訊號處理器及嵌入式設備等。
需要說明的是，所述電腦裝置3僅為舉例，其他現有的或今後可能出現的電子產品如可適應於本申請，也應包括在本申請的保護範圍以內，並以引用方式包括於此。
在一些實施例中，所述儲存器31用於儲存程式碼和各種資料，例如安裝在所述電腦裝置3中的影像處理與檢測系統30，並在電腦裝置3的運行過程中實現高速、自動地完成程式或資料的存取。所述儲存器31包括唯讀記憶體(Read-Only Memory，ROM)、可程式設計唯讀記憶體(Programmable Read-Only Memory，PROM)、可抹除可程式設計唯讀記憶體(Erasable Programmable Read-Only Memory，EPROM)、一次可程式設計唯讀記憶體(One-time Programmable Read-Only Memory，OTPROM)、電子抹除式可複寫唯讀記憶體(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、唯讀光碟(Compact Disc Read-Only Memory，CD-ROM)或其他光碟儲存器、磁碟儲存器、磁帶儲存器、或者任何其他能夠用於攜帶或儲存資料的電腦可讀的儲存介質。
在一些實施例中，所述至少一個處理器32可以由積體電路組成，例如可以由單個封裝的積體電路所組成，也可以是由多個相同功能或不同
功能封裝的積體電路所組成，包括一個或者多個中央處理器(Central Processing unit，CPU)、微處理器、數位訊號處理晶片、圖形處理器及各種控制晶片的組合等。所述至少一個處理器32是所述電腦裝置3的控制核心(Control Unit)，利用各種介面和線路連接整個電腦裝置3的各個部件，透過運行或執行儲存在所述儲存器31內的程式或者模組，以及調用儲存在所述儲存器31內的資料，以執行電腦裝置3的各種功能和處理資料，例如執行圖1所示的影像處理與檢測的功能。
在一些實施例中，所述影像處理與檢測系統30運行於電腦裝置3中。所述影像處理與檢測系統30可以包括多個由程式碼段所組成的功能模組。所述影像處理與檢測系統30中的各個程式段的程式碼可以儲存於電腦裝置3的儲存器31中，並由至少一個處理器32所執行，以實現圖1所示的影像處理與檢測功能。
儘管未示出，所述電腦裝置3還可以包括給各個部件供電的電源(比如電池)，優選的，電源可以透過電源管理裝置與所述至少一個處理器32邏輯相連，從而透過電源管理裝置實現管理充電、放電、以及功耗管理等功能。電源還可以包括一個或一個以上的直流或交流電源、再充電裝置、電源故障檢測電路、電源轉換器或者逆變器、電源狀態指示器等任意元件。所述電腦裝置3還可以包括多種感測器、藍牙模組、Wi-Fi模組等，在此不再贅述。
應該瞭解，所述實施例僅為說明之用，在專利申請範圍上並不受此結構的限制。
上述以軟體功能模組的形式實現的集成的單元，可以儲存在一個電腦可讀取儲存介質中。上述軟體功能模組儲存在一個儲存介質中，包括若干指令用以使得一台電腦裝置(可以是伺服器、個人電腦等)或處理器(processor)執行本申請各個實施例所述方法的部分。
在進一步的實施例中，結合圖2，所述至少一個處理器32可執
行所述電腦裝置3的操作裝置以及安裝的各類應用程式(如所述的影像處理與檢測系統30)、程式碼等，例如，上述的各個模組。
所述儲存器31中儲存有程式碼，且所述至少一個處理器32可調用所述儲存器31中儲存的程式碼以執行相關的功能。例如，所述的各個模組是儲存在所述儲存器31中的程式碼，並由所述至少一個處理器32所執行，從而實現所述各個模組的功能以達到圖1所示的影像處理與檢測的目的。
在本申請的一個實施例中，所述儲存器31儲存一個或多個指令(即至少一個指令)，所述至少一個指令被所述至少一個處理器32所執行以實現圖1所示的影像處理與檢測的目的。
在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，可以透過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外，在本申請各個實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。
對於本領域技術人員而言，顯然本申請不限於上述示範性實施例的細節，而且在不背離本申請的精神或基本特徵的情況下，能夠以其他的具體形式實現本申請。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本申請的範圍由所附請求項而不是上述說明
限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附圖標記視為限制所涉及的請求項。此外，顯然“包括”一詞不排除其他單元或，單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。
最後所應說明的是，以上實施例僅用以說明本申請的技術方案而非限制，儘管參照以上較佳實施例對本申請進行了詳細說明，本領域的普通技術人員應當理解，可以對本申請的技術方案進行修改或等同替換，而不脫離本申請技術方案的精神和範圍。
S1~S3:步驟
Claims (9)
- 一種影像處理與檢測方法，應用於電腦裝置，其中，所述方法包括：獲取待檢測圖像，對所述待檢測圖像進行校正；對校正後的待檢測圖像進行瑕疵增強處理，包括：對所述校正後的待檢測圖像進行中值濾波處理；對中值濾波處理後的待檢測圖像進行對比度調整，包括：獲取所述中值濾波處理後的待檢測圖像的亮度長條圖；設定均衡閾值K，依據所述均衡閾值K更新所述亮度長條圖；根據更新後的亮度長條圖，利用長條圖均衡化方法調整所述中值濾波處理後的待檢測圖像的對比度；對調整對比度後的待檢測圖像進行雙邊濾波處理；對瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得檢測結果。
- 如請求項1所述的影像處理與檢測方法，其中，所述對所述待檢測圖像進行校正包括：獲取無瑕疵圖像，將所述無瑕疵圖像作為參考圖像對所述待檢測圖像進行位置校正。
- 如請求項1所述的影像處理與檢測方法，其中，所述對所述校正後的待檢測圖像進行中值濾波處理包括：在所述校正後的待檢測圖像中，透過滑動預設的滑動視窗，將所述校正後的待檢測圖像中的每一點的圖元值更新為所述滑動視窗中的圖元值的中值；對所述校正後的待檢測圖像的邊緣位置處的圖元值做邊緣處理。
- 如請求項1所述的影像處理與檢測方法，其中，所述亮度長條圖的橫軸為圖元值v，所述亮度長條圖的縱軸為所述中值濾波處理後的待檢測圖像中對應圖元值v的圖元數量y v 。
- 如請求項4所述的影像處理與檢測方法，其中，所述依據所述 均衡閾值K更新所述亮度長條圖包括：確定所述亮度長條圖中大於所述均衡閾值K的圖元數量y v ，利用公式
- 如請求項4所述的影像處理與檢測方法，其中，所述根據更新後的亮度長條圖，利用長條圖均衡化方法調整所述中值濾波處理後的待檢測圖像的對比度包括：計算累積分佈函數cdf(v)，利用所述累積分佈函數cdf(v)對圖元值v進行更新，獲得更新後的圖元值k(v)，所使用的公式為：
- 如請求項3所述的影像處理與檢測方法，其中，所述對瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得檢測結果包括：利用預先訓練的影像處理與檢測模型對所述瑕疵增強處理後的待檢測圖像進行瑕疵檢測，獲得所述瑕疵增強處理後的待檢測圖像的瑕疵值；判斷所述瑕疵值是否超出預設的瑕疵閾值的範圍；當所述瑕疵值超出所述瑕疵值的範圍時，確定所述待檢測圖像為有瑕疵圖像；或當所述瑕疵值未超出所述瑕疵值的範圍時，確定所述待檢測圖像為無瑕疵圖像。
- 一種電腦可讀儲存介質，其中，所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現如請求項1至7中任意一項所述的影像處理與檢測方法。
- 一種電腦裝置，其中，該電腦裝置包括儲存器和至少一個處理 器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現如請求項1至7中任意一項所述的影像處理與檢測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111102258A TWI843045B (zh) | 2022-01-19 | 影像處理與檢測方法、電腦裝置及儲存介質 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111102258A TWI843045B (zh) | 2022-01-19 | 影像處理與檢測方法、電腦裝置及儲存介質 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202331643A TW202331643A (zh) | 2023-08-01 |
| TWI843045B true TWI843045B (zh) | 2024-05-21 |
Family
ID=
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107657603B (zh) | 2017-08-21 | 2020-07-14 | 北京精密机电控制设备研究所 | 一种基于智能视觉的工业外观检测方法 |
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107657603B (zh) | 2017-08-21 | 2020-07-14 | 北京精密机电控制设备研究所 | 一种基于智能视觉的工业外观检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110476056B (zh) | 一种视觉检测方法、检测设备以及机器人 | |
| CN111340752A (zh) | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 | |
| US20080205755A1 (en) | Method and apparatus for color matching | |
| US20110057943A1 (en) | Balancing Luminance Disparity in a Display by Multiple Projectors | |
| CN115861153A (zh) | 图像检测方法、计算机装置及存储介质 | |
| CN111866501B (zh) | 一种摄像模组检测方法、装置、电子设备及介质 | |
| KR20220016245A (ko) | 불량 이미지 생성 장치 및 방법 | |
| TW202200993A (zh) | 檢查裝置、檢查方法及檢查程式 | |
| JP2004038885A (ja) | 画像特徴学習型欠陥検出方法、欠陥検出装置及び欠陥検出プログラム | |
| TWI843045B (zh) | 影像處理與檢測方法、電腦裝置及儲存介質 | |
| CN117871545A (zh) | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 | |
| CN116503304A (zh) | 图像处理与检测方法、计算机装置及存储介质 | |
| TW202331643A (zh) | 影像處理與檢測方法、電腦裝置及儲存介質 | |
| WO2022130814A1 (ja) | 指標選択装置、情報処理装置、情報処理システム、検査装置、検査システム、指標選択方法、および指標選択プログラム | |
| TWI795921B (zh) | 圖像檢測方法、電腦裝置及儲存介質 | |
| TWI760934B (zh) | 顯示面板Mura補償方法、系統、電子裝置及存儲介質 | |
| JPH04256844A (ja) | プリント基板のパターン検査方法 | |
| JP2021148720A (ja) | 検査システム、学習装置、学習プログラム、学習方法、検査装置、検査プログラム、検査方法 | |
| CN117706815B (zh) | 胶带上骑检测方法、电子设备及存储介质 | |
| WO2024090054A1 (ja) | 画像処理方法、プログラム、および、画像処理装置 | |
| CN113808136B (zh) | 一种基于最近邻算法的液晶屏幕缺陷检测方法和*** | |
| CN116188332B (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| TWI788822B (zh) | 檢查顯示器的顯示區域的瑕疵的電子裝置和方法 | |
| TWI807854B (zh) | 瑕疵偵測方法、電腦設備及儲存介質 | |
| WO2021192627A1 (ja) | 検査システム、学習装置、学習プログラム、学習方法、検査装置、検査プログラム、検査方法 |