本申请公开了一种图像检测方法和图像检测装置，属于图像处理技术领域。所述图像检测方法，包括：基于梯度算法对待测图像进行边缘提取，获取第一梯度图；对所述第一梯度图进行边缘掩模，获取二值图；对所述二值图进行随机Hough算法与生长算法处理，获取所述待测图像中的缺陷线段。本申请的图像检测方法，通过加入掩模阶段，使得算法适应性广，显著拓宽划痕检测的应用场景，通过采用自适应梯度阈值与随机Hough相结合的方式，执行效率高且可提取断续的浅划痕缺陷，有效提高划痕缺陷检测效率和检测效果。检测效果。检测效果。
【技术实现步骤摘要】
图像检测方法和图像检测装置
[0001]本申请属图像处理
，尤其涉及一种图像检测方法和图像检测装置。
技术介绍
[0002]对于划痕类缺陷的图像检测，一般采用灰度相机成像，利用划痕处灰度值较大的特点进行缺陷检测，如将图像朝同一个方向投影，以找到投影中的异常值。但该方法不能解决任意方向的线段缺陷检测，适用范围具有局限性，对于同一张图像内的所有缺陷的识别，往往需从不同的方向进行投影以获取该投影方向所对应的线段缺陷，然后基于线段缺陷确定缺陷线段，从而影响检测效率和检测效果，无法满足快速地生产加工工艺的在线检测需求。
技术实现思路
[0003]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种图像检测方法和图像检测装置，提高缺陷检测效果和缺陷检测效率，可对断续的浅划痕进行提取，且执行效率高于目前基于投影和基于深度学习的方法。
[0004]第一方面，本申请提供了一种图像检测方法，该方法包括：
[0005]基于梯度算法对待测图像进行边缘提取，获取第一梯度图；
[0006]对所述第一梯度图进行边缘掩模，获取二值图；
[0007]对所述二值图进行随机Hough算法与生长算法处理，获取所述待测图像中的缺陷线段。
[0008]根据本申请的图像检测方法，通过加入掩模阶段，使得算法适应性广，显著拓宽划痕检测的应用场景，通过采用自适应梯度阈值与随机Hough相结合的方式，执行效率高且可提取断续的浅划痕缺陷，有效提高划痕缺陷检测效率和检测效果。
[0009]根据本申请的一个实施例，所述对所述第一梯度图进行边缘掩模，获取二值图，包括：
[0010]基于所述待测图像的类型，获取目标掩模图；
[0011]基于所述第一梯度图和所述目标掩模图的差值，获取所述二值图；
[0012]其中，所述待测图像的类型包括有模板图或无模板图。
[0013]根据本申请的一个实施例，所述基于所述待测图像的类型，获取目标掩模图，包括：
[0014]在所述待测图像有模板图的情况下，对所述模板图进行梯度处理以及灰度膨胀，获取所述目标掩模图。
[0015]根据本申请实施例提供的图像检测方法，通过对模板图进行梯度处理以及灰度膨胀以获取目标掩模图，只需在检测待测图像之前计算一次，即可对同类待测图像进行复用，从而能够实现并行加速的检测方式，显著降低操作步骤，提高检测效率。
[0016]根据本申请的一个实施例，所述基于所述待测图像的类型，获取目标掩模图，包
括：
[0017]在所述待测图像无模板图的情况下，获取时序图像序列，所述时序图像序列包括多个待测产品对应的待测图像，所述多个待测产品为同类产品；
[0018]对所述时序图像序列进行叠加处理，获取所述时序图像序列中目标图案区域的高值图和所述目标图案区域的低值图；
[0019]基于所述高值图和所述低值图，确定所述目标掩模图。
[0020]根据本申请实施例提供的图像检测方法，通过对时序图像序列进行叠加处理以获取目标掩模图，能够屏蔽图案边缘和图像纹理变化的线段缺陷特征，从而突出所获取的二值图的缺陷特征，减少误差，有助于提高检测效果。
[0021]根据本申请的一个实施例，所述基于梯度算法对待测图像进行边缘提取，获取第一梯度图，包括：
[0022]采用第一算子对所述待测图像进行水平方向的边缘提取，获取第二梯度图；
[0023]采用第二算子对所述待测图像进行竖直方向的边缘提取，获取第三梯度图；
[0024]对所述第二梯度图和所述第三梯度图求和，获取所述第一梯度图。
[0025]根据本申请实施例提供的图像检测方法，通过采用第一算子和第二算子获取第一梯度图，相对于Sobel算子求出的梯度图，可以显著削弱滤波效果，使得浅缺陷更加容易呈现，且可以将执行效率提高一倍，从而有助于提高检测效率和检测效果。
[0026]根据本申请的一个实施例，所述对所述二值图进行随机Hough算法与生长算法处理，获取所述待测图像中的缺陷线段，包括：
[0027]提取所述二值图中的多个白点；
[0028]将所述多个白点中的目标白点转换至Hough空间，生成第一特征点，并记录所生成的第一特征点的数量，所述目标白点为从所述多个白点中随机确定的点；
[0029]在所述第一特征点的数量大于目标阈值的情况下，基于所述第一特征点向两端生长，获取特征线段；
[0030]在所述特征线段满足目标条件的情况下，将所述特征线段确定为所述缺陷线段；
[0031]其中，所述目标条件包括第一目标线段长度和第二目标线段长度中的至少一种。
[0032]根据本申请实施例提供的图像检测方法，通过优化的Hough找线算法基于二值图获取缺陷线段，找线速率高，且最终确定的缺陷线段的准确度和精确度较高，显著提高了缺陷线段的检测效率和缺陷线段的检测效果，实现以极低的耗时代价找到线段缺陷。
[0033]根据本申请的一个实施例，在所述将所述特征线段确定为所述缺陷线段之后，所述方法包括：
[0034]将所述缺陷线段加入缺陷集；
[0035]在所述缺陷集中的线段数量满足目标缺陷数量的情况下，输出缺陷位置信息。
[0036]第二方面，本申请提供了一种图像检测装置，该装置包括：
[0037]第一处理模块，用于基于梯度算法对待测图像进行边缘提取，获取第一梯度图；
[0038]第二处理模块，用于对所述第一梯度图进行边缘掩模，获取二值图；
[0039]第三处理模块，用于对所述二值图进行随机Hough算法与生长算法处理，获取所述待测图像中的缺陷线段。
[0040]根据本申请的图像检测装置，通过加入掩模阶段，使得算法适应性广，显著拓宽划
痕检测的应用场景，通过采用自适应梯度阈值与随机Hough算法相结合的方式，执行效率高且可提取断续的浅划痕缺陷，有效提高划痕缺陷检测效率和检测效果。
[0041]第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在所述存储器上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如上述第一方面所述的图像检测方法。
[0042]第四方面，本申请提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的图像检测方法。
[0043]第五方面，本申请提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的图像检测方法。
[0044]第六方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的图像检测方法。
[0045]本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
[0046]通过加入掩模阶段，使得算法适应性广，显著拓宽划痕检测的应用场景，通过采用自适本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：基于梯度算法对待测图像进行边缘提取，获取第一梯度图；对所述第一梯度图进行边缘掩模，获取二值图；对所述二值图进行随机Hough算法与生长算法处理，获取所述待测图像中的缺陷线段。2.根据权利要求1所述的图像检测方法，其特征在于，所述对所述第一梯度图进行边缘掩模，获取二值图，包括：基于所述待测图像的类型，获取目标掩模图；基于所述第一梯度图和所述目标掩模图的差值，获取所述二值图；其中，所述待测图像的类型包括有模板图或无模板图。3.根据权利要求2所述的图像检测方法，其特征在于，所述基于所述待测图像的类型，获取目标掩模图，包括：在所述待测图像有模板图的情况下，对所述模板图进行梯度处理以及灰度膨胀，获取所述目标掩模图。4.根据权利要求2所述的图像检测方法，其特征在于，所述基于所述待测图像的类型，获取目标掩模图，包括：在所述待测图像无模板图的情况下，获取时序图像序列，所述时序图像序列包括多个待测产品对应的待测图像，所述多个待测产品为同类产品；对所述时序图像序列进行叠加处理，获取所述时序图像序列中目标图案区域的高值图和所述目标图案区域的低值图；基于所述高值图和所述低值图，确定所述目标掩模图。5.根据权利要求1
‑
4任一项所述的图像检测方法，其特征在于，所述基于梯度算法对待测图像进行边缘提取，获取第一梯度图，包括：采用第一算子对所述待测图像进行水平方向的边缘提取，获取第二梯度图；采用第二算子对所述待测图像进行竖直方向的边缘提取，获取第三梯度图；对所述第二梯度图和所述第三梯度图求和，获取所述第一梯度图。6.根据权利要求1
‑...
【专利技术属性】
技术研发人员：高伟晋，包振健，
申请(专利权)人：凌云光技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。