一种工业视觉去除杂质颗粒图像的方法与流程

本发明涉及工业视觉去除杂质颗粒图像领域，尤其涉及一种工业视觉去除杂质颗粒图像的方法。

背景技术：

目前，针对工业视觉相机的自动化应用出现了很多智能算法，但是为了提高各种算法计算精度必须对采集到的图像予以智能降噪，其中针对图像中夹杂的灰尘，颗粒甚至物理性损伤等噪音信息需要通过特殊的智能化识别予以特征化分析并加以后期处理。

对于工业设备的需要进行ocr转换，制造环节保存等应用时，由于图像本身的缺陷信息过多会降低后期应用算法的精度。这样就需要有很好的算法既能够保留有用信息的同时还要将缺陷部分进行修补。

技术实现要素：

鉴于目前技术存在的上述不足，本发明提供一种工业视觉去除杂质颗粒图像的方法，本发明一种通过软件分析来识别受损图像中缺陷部分并且针对缺陷图像进行修补，以便为后期处理做好准备。避免工业智能设备不必要的硬件添加造成的高价格问题，而且还避免了产线作业人员会遭受不必要的有害射线辐射的不利工作环境。为工业视觉的各种应用提供了简便，节约的图像净化方法。

本发明的采用如下技术方案：

一种工业视觉去除杂质颗粒图像的方法，包括以下步骤：

对缺陷图像进行检索并进行区域定义；

将进行区域定义的图像进行灰度级转换得到灰度信息；

将灰度信息的图像进行缺陷图像元素检索得到修补元素并进行采样；

以缺陷元素为中心点针对定义窗口进行移动平均计算并将计算结 果置换到原缺陷元素中；

将经过置换的图像进行yuv转rgb逆运算。

作为本发明的优选技术方案，所述将进行区域定义的图像进行灰度级转换得到灰度信息的步骤中，将rgb信息转化为yuv信息。

作为本发明的优选技术方案，所述将灰度信息的图像进行缺陷图像元素检索得到修补元素并进行采样的步骤中，依据图像分辨率，设定采集窗口到偶数级大小，从而对修补元素进行采样。

作为本发明的优选技术方案，所述以缺陷元素为中心点针对定义窗口进行移动平均计算并将计算结果置换到原缺陷元素中的步骤中：以比对中的缺陷元素为中心点针对定义窗口进行移动平均计算并将计算结果置换到原缺陷元素。

作为本发明的优选技术方案，所述将灰度信息的图像进行缺陷图像元素检索得到修补元素并进行采样的步骤包括，对缺陷图像元素的标记。

作为本发明的优选技术方案，所述对缺陷图像元素的标记的步骤包括：

设定阈值并对大于阈值的像素抽出并标记；

对被标记位置取nxn大小面积的像素，其中被标记的像素个数占nxn像素个数的占比计算为r，若r大于认定阈值c0并且小于正确图像像素认定阈值c1的情况下，则标记为缺陷像素。

本发明的一种工业视觉去除杂质颗粒图像的方法，包括以下步骤：对缺陷图像进行检索并进行区域定义；将进行区域定义的图像进行灰度级转换得到灰度信息；将灰度信息的图像进行缺陷图像元素检索得到修补元素并进行采样；以缺陷元素为中心点针对定义窗口进行移动平均计算并将计算结果置换到原缺陷元素中；将经过置换的图像进行yuv转rgb逆运算。本发明一种通过软件分析来识别受损图像中缺陷部分并且针对缺陷图像进行修补，以便为后期处理做好准备。避免工业智能设备 不必要的硬件添加造成的高价格问题，而且还避免了产线作业人员会遭受不必要的有害射线辐射的不利工作环境。为工业视觉的各种应用提供了简便，节约的图像净化方法。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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他的附图。

图1为本发明具体实施的流程。

图2为本发明的详细流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-图2所示，本发明提供一种工业视觉去除杂质颗粒图像的方法，包括以下步骤：

步骤s1：对缺陷图像进行检索并进行区域定义，本发明的算法可以广泛的应用于服务器架构以及嵌入式系统中，可以植入的产品包括工业用控制器，x86架构服务器，arm架构服务器，以及各类架构的嵌入式工业摄像机等视觉传感器中。

步骤s2：将进行区域定义的图像进行灰度级转换得到灰度信息，具体为将rgb信息转化为yuv信息。

步骤s3：将灰度信息的图像进行缺陷图像元素检索得到修补元素并进行采样，具体为依据图像分辨率，设定采集窗口为2x2,4x4,等偶数级大小， 从而对修补元素进行采样。

步骤s4：以缺陷元素为中心点针对定义窗口进行移动平均计算并将计算结果置换到原缺陷元素中，其中具体为比对中的缺陷元素为中心点针对，定义窗口进行移动平均计算，将计算结果置换到原缺陷元素中。

步骤s5：将经过置换的图像进行yuv转rgb逆运算，可以实现针对缺陷图像进行智能分析以及自动修补，根据有用图像与缺陷图像的不同频域信息，将缺陷图像进行智能区分并且修补。

在本发明中，对缺陷图像元素的标记的步骤包括：设定阈值并对大于阈值的像素抽出并标记；对被标记位置取nxn大小面积的像素，其中被标记的像素个数占nxn像素个数的占比计算为r，若r大于认定阈值c0并且小于正确图像像素认定阈值c1的情况下，则标记为缺陷像素，通过对具体阀值的设定对缺陷像素和真实像素进行合理的自动区分，既保证了真实图像信息不被抹杀掉同时还保证了去除缺陷像素的高精度。

综上所述，本发明一种工业视觉去除杂质颗粒图像的方法，包括以下步骤：对缺陷图像进行检索并进行区域定义；将进行区域定义的图像进行灰度级转换得到灰度信息；将灰度信息的图像进行缺陷图像元素检索得到修补元素并进行采样；以缺陷元素为中心点针对定义窗口进行移动平均计算并将计算结果置换到原缺陷元素中；将经过置换的图像进行yuv转rgb逆运算。本发明一种通过软件分析来识别受损图像中缺陷部分并且针对缺陷图像进行修补，以便为后期处理做好准备。避免工业智能设备不必要的硬件添加造成的高价格问题，而且还避免了产线作业人员会遭受不必要的有害射线辐射的不利工作环境。为工业视觉的各种应用提供了简便，节约的图像净化方法，而且提高了各种应用的计算精度和应用空间。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域技术的技术人员在本发明公开的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

技术特征：

技术总结
本发明涉及一种工业视觉去除杂质颗粒图像的方法，包括以下步骤：对缺陷图像进行检索并进行区域定义；将进行区域定义的图像进行灰度级转换得到灰度信息；将灰度信息的图像进行缺陷图像元素检索得到修补元素并进行采样；以缺陷元素为中心点针对定义窗口进行移动平均计算并将计算结果置换到原缺陷元素中；将经过置换的图像进行YUV转RGB逆运算。本发明一种通过软件分析来识别受损图像中缺陷部分并且针对缺陷图像进行修补，以便为后期处理做好准备。避免工业智能设备不必要的硬件添加造成的高价格问题，而且还避免了产线作业人员会遭受不必要的有害射线辐射的不利工作环境。为工业视觉的各种应用提供了简便，节约的图像净化方法。

技术研发人员：胡昆
受保护的技术使用者：上海知兄电子科技有限公司
技术研发日：2016.04.16
技术公布日：2017.10.31