[发明专利]一种自适应缺陷检测方法、装置及电子设备有效

专利信息
申请号: 201611050869.2 申请日: 2016-11-24
公开(公告)号: CN108107611B 公开(公告)日: 2021-01-12
发明(设计)人: 陈家哲 申请(专利权)人: 研祥智能科技股份有限公司
主分类号: G02F1/13 分类号: G02F1/13;G06T5/10;G06T7/00;G06T7/11;G06T7/136;G06T7/194
代理公司: 北京兰亭信通知识产权代理有限公司 11667 代理人: 赵永刚
地址: 518107 广东省深圳市光*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 自适应 缺陷 检测 方法 装置 电子设备
【权利要求书】:

1.一种自适应缺陷检测方法,其特征在于,包括:

对校正过的待检测的图像进行同态滤波;

将滤波后的图像的灰度值统一化;

对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;

对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;

合并所有图像块的缺陷区域;

以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;

对所述圆内的缺陷进行分类;

所述将滤波后的图像的灰度值统一化包括:求取所述滤波后的图像的灰度值;计算所述滤波后的图像的平均灰度值;将所述滤波后的图像的灰度值都赋值为所述平均灰度值,得到固定灰度值的图像。

2.根据权利要求1所述的方法,其特征在于,所述对任意一张经过灰度值统一化的图像,进行自适应阈值分割,得到自适应灰度值的图像包括:

将所述固定灰度值的图像分成N×N个图像块;

求取N×N个图像块的灰度值,得到最大灰度值和最小灰度值,计算所述最大灰度值和最小灰度值的差值;

将所述N×N个图像块的灰度值都赋值为所述最大灰度值和最小灰度值的差值,得到自适应灰度值的图像,其中,所述N为整数。

3.根据权利要求1所述的方法,其特征在于,所述对校正过的待检测的图像进行同态滤波包括:在频域对所述图像进行滤波,滤去图像背景的低频成分,强化图像的缺陷部分。

4.一种自适应缺陷检测装置,其特征在于,包括:

滤波单元,用于对校正过的待检测的图像进行同态滤波;

第一处理单元,用于将滤波后的图像的灰度值统一化;

第二处理单元,用于对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;

第三处理单元,用于对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;

合并单元,用于合并所有图像块的缺陷区域;

定位单元,用于以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;

分类单元,用于对所述圆内的缺陷进行分类;

所述第一处理单元包括:求取模块,用于求取所述滤波后的图像的灰度值;第一计算模块,用于计算所述滤波后的图像的平均灰度值;第一赋值模块,用于将所述滤波后的图像的灰度值都赋值为所述平均灰度值,得到固定灰度值的图像。

5.根据权利要求4所述的装置,其特征在于,所述第二处理单元包括:

分块模块,用于将所述固定灰度值的图像分成N×N个图像块;

第二计算模块,用于求取N×N个图像块的灰度值,得到最大灰度值和最小灰度值,计算所述最大灰度值和最小灰度值的差值;

第二赋值模块,用于将所述N×N个图像块的灰度值都赋值为所述最大灰度值和最小灰度值的差值,得到自适应灰度值的图像,其中,所述N为整数。

6.根据权利要求4所述的装置,其特征在于,所述滤波单元,用于在频域对所述图像进行滤波,滤去图像背景的低频成分,强化图像的缺陷部分。

7.一种电子设备,其特征在于,所述电子设备包括如权利要求4至6中任一项所述的自适应缺陷检测装置。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于研祥智能科技股份有限公司,未经研祥智能科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201611050869.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top