[发明专利]一种基于频域周期性纹理去除的图像检测方法及装置

说明书

本申请提供了一种基于频域周期性纹理去除的图像检测方法及装置，其中，一种基于频域周期性纹理去除的图像检测方法包括：将待测图通过傅里叶正变换由空间域转换至频域，再转换成功率图；通过对功率图进行平滑滤波操作，获取平滑滤波后的频率图；利用阈值分析的方法定位到周期性纹理对应的信号区域；去除周期性纹理对应的信号区域，获得周期性纹理去除后的频谱图；将得到的所述周期性纹理去除后的频谱图经过傅里叶逆变换转换回空间域，分析所述输出图，得到检测结果。该方法有效去除了图像中的周期性纹理，清晰化图像，便于识别，使检测准确率高且普适性较强。

技术领域

本申请涉及图像检测技术领域，尤其涉及一种基于频域周期性纹理去除的图像检测方法及装置。

背景技术

外观检测能够发现异物、污点、瑕疵、缺陷等，防止不良品的流出，但目视检测存在精度极限。全数检测则不光耗费人工和成本，还会因个人差导致精度偏差和人为错误。且细微的瑕疵及污点等难以被发现，要维持品质，必须借助显微镜等工具，实施放大检测。点数较少时，还能离线进行显微镜检测，但要检测成千上万点时，则需要投入庞大的劳力，导致生产效率大幅降低。要兼顾品质和生产效率，视觉系统技术是不可或缺的重要环节。

纹理图像一般指图像纹理,图像纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。纹理具有三大标志：某种局部序列性不断重复、非随机排列、纹理区域内大致为均匀的统一体。纹理不同于灰度、颜色等图像特征，它通过像素及其周围空间邻域的灰度分布来表现。

在视觉检测领域，图像背景的周期性纹理会使图像变得模糊化，对后续的检测等后处理流程造成干扰，导致过检和漏检的情况存在。目前，使用均值滤波、高斯滤波等方法对图像进行滤波，可以减少纹理的干扰，但是会使得原本存在的缺陷变得模糊，不利于后续的检测。

发明内容

为了解决现有技术中，检测效果受物体周期纹理干扰影响，传统算法算法设计难度大，检测准确率较低，且普适性较差；用深度学习技术对硬件的要求较高的问题。本发明的方法是针对检测时的图像中产生的周期性纹理，将其去除，从而清晰化图像，排除干扰，也避免了传统直接滤波使整体图像模糊化，不便于后续图像检测其中的瑕疵的问题。

在本发明的第一方面，公开一种基于频域周期性纹理去除的图像检测方法，包括以下步骤：

S10，将待测图通过二维离散傅里叶正变换由空间域转换至频域，进行可视化处理，得到频谱图；

S20，将所述频谱图像转换成功率图，进行可视化处理；

S30，通过对功率图进行平滑滤波操作以及可视化处理，获取平滑滤波后的频率图；

S40，根据平滑滤波后的频率图上利用阈值分析的方法定位到周期性纹理对应的信号区域；

S50，去除周期性纹理对应的信号区域，获得周期性纹理去除后的频谱图；

S60，将得到的所述周期性纹理去除后的频谱图经过二维离散傅里叶逆变换转换回空间域，进行可视化处理，得到输出图；

S70，分析所述输出图，得到检测结果。

优选的，所述S20中的滤波方法为高斯滤波、二项式滤波和均值滤波其中的一种。

优选的，所述S40为：

对所述平滑滤波后的频率图进行阈值分析，筛选出预设面积范围内的连通域，获得周期性纹理对应的信号位置。

优选的，所述S50为：

获取连通域内最大功率点的位置，以所述位置为圆心以预设值为半径在平滑滤波后的频率图上做圆；

除去所述圆内信号区域，获得周期性纹理去除后的频谱图。