一种视觉缺陷检测用图像增强方法、系统及设备

技术领域

本发明涉及一种图像识别领域，特别涉及一种视觉缺陷检测用图像增强方法、系统及设备。

背景技术

在视觉缺陷检测的工程应用中，图像预处理的质量是能否准确检测产品缺陷的关键，而图像增强又是图像预处理中至关重要的步骤，特别是在低对比度和一些透明材料的图片中，如何突出产品细节，避免过度增强和保亮度成为一大难点。

但现有的视觉缺陷检测中，突出产品细节、避免过度增强以及保亮度上只能选择一项或两项进行处理，无法达到三者兼顾。

发明内容

为克服目前的视觉缺陷检测中突出产品细节、避免过度增强以及保亮度上无法达到三者兼顾的技术问题，本发明提供了一种视觉缺陷检测用图像增强方法、系统及设备。

本发明提供了一种视觉缺陷检测用图像增强方法，其包括如下步骤：步骤S1：获取待检测图像；步骤S2：通过在空间域频域上进行保亮度与高细节图像加强，获取加强的图像；步骤S3：对加强图像进行提取缺陷特征，获取图像缺陷特征区域；步骤S4：对图像缺陷特征区域进行缺陷分类，按照缺陷种类进行分类图像。

优选地，在步骤S2具体步骤还包括步骤S21～S22：步骤S21：在空间域中将待检测图像进行双边伽马校正，获取两幅校正图像；步骤S22：将两幅校正图像进行多尺度图像融合，获取一加强图像。

优选地，在步骤S21具体步骤还包括步骤S211～S212：步骤S211：根据伽马校正算法设计两条校正曲线，分别为伽马取值范围为(0，1)的上边伽马校正曲线及伽马取值范围为(1，+o)的下边伽马校正曲线；步骤S212：通过上边伽马校正曲线中斜率大于1的曲线段校正待检测图像，获得过亮度校正图像；步骤S213：通过上边伽马校正曲线中斜率大于1的曲线段校正待检测图像获得过暗度校正图像。

优选地，在步骤S22具体步骤还包括步骤S221～S222：步骤S221：将过亮度校正图像及过暗度校正图像在频域上进行分解，分解为两个多尺度图像序列，为高频子带及低频子带；步骤S222：在低频子带对图像序列进行加权平均值，在高频子带对图像序列进行平均值，将两者合并在一图像内，获取一加强图像。

本发明还提供了一种视觉缺陷检测用图像增强系统，其包括：待检测图像获取单元：获取待检测图像；加强图像获取单元：通过在空间域频域上进行保亮度与低对比度图像加强，获取加强的图像；图像缺陷特征区域获取单元：对缺陷特征进行提取，获取图像缺陷特征区域；图像分类单元：对图像缺陷特征区域进行缺陷分类，按照缺陷种类进行分类图像。

优选地，加强图像获取单元包括：校正图像获取单元：在空间域中将待检测图像进行双边伽马校正，获取两幅校正图像；图像融合单元：将两幅校正图像继续宁多尺度图像融合，获取一加强图像。

优选地，校正图像获取单元包括：矫正曲线设计单元：根据伽马校正算法设计两条校正曲线；过亮度校正图像获取单元：通过上边伽马校正曲线中斜率大于1的曲线段校正待检测图像，获得过亮度校正图像；过暗度校正图像获取单元：通过上边伽马校正曲线中斜率大于1的曲线段校正待检测图像获得过暗度校正图像。

优选地，图像融合单元包括：子带分解单元：将过亮度校正图像及过暗度校正图像在频域上进行分解，分解为两个多尺度图像序列，为高频子带及低频子带；平均值计算单元：在低频子带对图像序列进行加权平均值，在高频子带对图像序列进行平均值，将两者合并在一图像内，获取一加强图像。

本发明还提供了一种视觉缺陷检测用图像增强设备，其包括摄像头、储存器与处理器，所述摄像头用于拍摄采集待检测缺陷的物体的照片；所述存储器中存储有计算机程序，上述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述一种玻璃检测方法；所述处理器被设置为通过所述计算机程序执行所述权利要求1至6任一项中所述一种玻璃检测方法。

与现有技术相比，本发明提供的一种视觉缺陷检测用图像增强方法、系统及设备，具有以下优点：

1.一种视觉缺陷检测用图像增强方法，通过对待检测图像进行空间域与频域的图像加强，提取缺陷特征，获取图像的缺陷特征区域，通过对缺陷进行分类，从而对不同缺陷的图像进行分类，图像加强可突出图像中的缺陷边缘、结构等高频信息，使融合后的图像信息更加全面、准确，图像质量效果更加优良，全方位地表达了缺陷特征，该方法在避免过增强、保亮度和突出细节三方面均取得良好效果，提高检测的精确度，降低对缺陷的误判率。

2.通过空间域与频域上进行图像加强，将待检测图像通过双边伽马校正获取高频与低频两幅校正图像，将两幅校正图像融合，获取一加强图像，在空间域与频域进行图像校正，可使待检测图像中的缺陷特征凸显，同时，可将图像中显示详细，提高检测的精确度与准确性。

3.通过伽马校正算法设计校正曲线，通过校正曲线的斜率校正待检测图像，获取过亮度校正图像与过暗度校正图像，通过两校正图像，使待检测图像的特征凸显，采用双边伽马校正曲线，在空间域能够同时改善输入图像中的过暗区域和过亮区域视觉效果。

4.将两校正图像进行频域分解，分解为两个多尺度图像序列，在低频子带图像采用加权平均融合规则以保图像亮度，在高频子带图像采用平均选择融合规则以突出细节，多尺度图像分解能够使得图像亮度和细节单独处理，可对图像选择更适合的亮度，细节可显示更详细，检测时可加快识别缺陷的速度，提高检测的准确度。

5.一种视觉缺陷检测用图像加强系统，通过对待检测图像进行空间域与频域的图像加强，同时，通过进行分解多尺度图像融合，使待检测图像获取一图像信息更全面、准确的加强图像，可突出图像中的缺陷边缘、结构等信息，在亮度与细节上展示得更完全详细，提高对缺陷检测的精确度，降低对缺陷的误判率。

6.一种视觉缺陷检测用图像加强设备，通过对检测图像的特征加强，突出图像中显示的缺陷特征，显示细节更详细与全面，同时可在亮度上保证亮度在适宜范围内，避免过亮度与过暗度，防止导致因亮度问题引起的误判，图像质量效果更加优良，全方位地表达了缺陷特征，可对检测的精确度有显著的提高，降低对缺陷检测的误判率。

附图说明

图1是本发明第一实施例提供的一种视觉缺陷检测用图像增强方法的流程图；

图2是本发明第一实施例提供的一种视觉缺陷检测用图像增强方法中的步骤S2的细节流程图；

图3是本发明第一实施例提供的一种视觉缺陷检测用图像增强方法中的步骤S21的细节流程图；

图4是本发明第一实施例提供的一种视觉缺陷检测用图像增强方法中的步骤S22的细节流程图；

图5是本发明第二实施例提供的一种视觉缺陷检测用图像增强系统中的整体模块图；

图6是本发明第二实施例提供的一种视觉缺陷检测用图像增强系统中的加强图像获取单元的模块图；

图7是本发明第二实施例提供的一种视觉缺陷检测用图像增强系统中的校正图像获取单元的模块图；

图8是本发明第二实施例提供的一种视觉缺陷检测用图像增强系统中的图像融合单元的模块图；

图9是本发明第三实施例提供的一种视觉缺陷检测用图像增强设备整体结构示意图。

附图标记说明：

100、视觉缺陷检测用图像增强系统；10、待检测图像获取单元；20、加强图像获取单元；30、图像缺陷特征区域获取单元；40、图像分类的单元；201、校正图像获取单元；202、图像融合单元；2011、矫正曲线设计单元；2012、过亮度校正图像获取单元；2013、过暗度校正图像获取单元；2021、子带分解单元；2022、平均值计算单元；1、视觉缺陷检测用图像增强设备；11、摄像头；12、处理器；13、储存器。

具体实施方式

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，本发明第一实施例提供了一种视觉缺陷检测用图像增强方法，包括如下步骤：

步骤S1：获取待检测图像；

步骤S2：通过在空间域频域上进行保亮度与高细节图像加强，获取加强的图像；

可以理解，通过对待检测图像进行在包亮度与高细节上的图像加强，使得图像可在与亮度、细节有关的图片质量上得到提升，避免因亮度问题导致对缺陷的误判率，提高检测的精确度。

步骤S3：对加强图像进行提取缺陷特征，获取图像缺陷特征区域；

可以理解，从加强图像中提取缺陷特征，从缺陷特征密集的位置上定义为图像缺陷特征区域，使得加强图像中可准确获取缺陷区域，提高检测的准确度。

步骤S4：对图像缺陷特征区域进行缺陷分类，按照缺陷种类进行分类图像。

可以理解，将图像进行缺陷分类，按照缺陷的特征信息的区别，进行分类，从而对图像按照缺陷种类进行分类，使得图像在识别出缺陷位置，还可进一步地进行缺陷的分类，从而进行对图像按照缺陷种类的分类，增加检测的多样性，提高用户的使用体验。

可以理解，本发明第一实施例提供了一种视觉缺陷检测用图像增强方法，通过对待检测图像进行空间域与频域的图像加强，提取缺陷特征，获取图像的缺陷特征区域，通过对缺陷进行分类，从而对不同缺陷的图像进行分类，图像加强可突出图像中的缺陷边缘、结构等高频信息，使融合后的图像信息更加全面、准确，图像质量效果更加优良，全方位地表达了缺陷特征，该方法在避免过增强、保亮度和突出细节三方面均取得良好效果，提高检测的精确度，降低对缺陷的误判率。

请参阅图2，在步骤S2具体步骤还包括步骤S21～S22：

步骤S21：在空间域中将待检测图像进行双边伽马校正，获取两幅校正图像；

步骤S22：将两幅校正图像进行多尺度图像融合，获取一加强图像。

可以理解，通过空间域与频域上进行图像加强，将待检测图像通过双边伽马校正获取高频与低频两幅校正图像，将两幅校正图像融合，获取一加强图像，在空间域与频域进行图像校正，可使待检测图像中的缺陷特征凸显，同时，可将图像中显示详细，提高检测的精确度与准确性。

请参阅图3，在步骤S21具体步骤还包括步骤S211～S212：

步骤S211：根据伽马校正算法设计两条校正曲线，分别为伽马取值范围为(0，1)的上边伽马校正曲线及伽马取值范围为(1，+o)的下边伽马校正曲线；

步骤S212：通过上边伽马校正曲线中斜率大于1的曲线段校正待检测图像，获得过亮度校正图像；

步骤S213：通过上边伽马校正曲线中斜率大于1的曲线段校正待检测图像获得过暗度校正图像。

可以理解，通过伽马校正算法设计校正曲线，通过校正曲线的斜率校正待检测图像，获取过亮度校正图像与过暗度校正图像，通过两校正图像，使待检测图像的特征凸显，采用双边伽马校正曲线，在空间域能够同时改善输入图像中的过暗区域和过亮区域视觉效果。

请参阅图4，在步骤S22具体步骤还包括步骤S221～S222：

步骤S221：将过亮度校正图像及过暗度校正图像在频域上进行分解，分解为两个多尺度图像序列，为高频子带及低频子带；

步骤S222：在低频子带对图像序列进行加权平均值，在高频子带对图像序列进行平均值，将两者合并在一图像内，获取一加强图像。

可以理解，将两校正图像进行频域分解，分解为两个多尺度图像序列，在低频子带图像采用加权平均融合规则以保图像亮度，在高频子带图像采用平均选择融合规则以突出细节，多尺度图像分解能够使得图像亮度和细节单独处理，可对图像选择更适合的亮度，细节可显示更详细，检测时可加快识别缺陷的速度，提高检测的准确度。

可以理解，通过空间域与频域进行结合，对待检测图像进行图像加强，对待检测图像中的亮度与细节进行处理，达到突出图像细节、保亮度的效果，可提高后续检测的准确性。

请参阅图5，一种视觉缺陷检测用图像增强系统100，包括：

待检测图像获取单元10：获取待检测图像；

加强图像获取单元20：通过在空间域、频域上进行保亮度与低对比度图像加强，获取加强的图像；

图像缺陷特征区域获取单元30：对缺陷特征进行提取，获取图像缺陷特征区域；

图像分类单元：对图像缺陷特征区域进行缺陷分类，按照缺陷种类进行分类图像。

可以理解，在加强图像获取单元20上进行保亮度、低对比度图像加强，获取细节完整准确、保亮度的加强图像，降低因亮度与细节不完整导致的误判，提高对后续检测的准确性，图像缺陷特征区域获取单元30进行特征提取，通过缺陷特征所处位置定义为缺陷区域，从而获取图像缺陷特征区域，简化检测的过程，提高检测的速度。

请参阅图6，加强图像获取单元20包括：

校正图像获取单元201：在空间域中将待检测图像进行双边伽马校正，获取两幅校正图像；

图像融合单元202：将两幅校正图像继续多尺度图像融合，获取一加强图像。

可以理解，通过双边伽马校正与多尺度图像融合，将待检测图像校正为两幅校正图像，并将两校正图像通过多尺度图像融合，使得图像的细节与亮度分别通过高频与低频进行表示，通过检测高频与低频的表示值，将缺陷位置进行识别与获取，可提高对检测过程的速度。

请参阅图7，校正图像获取单元201包括：

矫正曲线设计单元2011：根据伽马校正算法设计两条校正曲线；

过亮度校正图像获取单元2012201：通过上边伽马校正曲线中斜率大于1的曲线段校正待检测图像，获得过亮度校正图像；

过暗度校正图像获取单元2013201：通过上边伽马校正曲线中斜率大于1的曲线段校正待检测图像获得过暗度校正图像。

可以理解，通过伽马校正算法设计两校正曲线，通过校正曲线的斜率进行校正待检测图像，通过获取校正曲线，使待检测图像的特征凸显，在空间域能够同时改善输入图像中的过暗区域和过亮区域视觉效果，提高检测的准确度。

请参阅图8，图像融合单元202包括：

子带分解单元2021：将过亮度校正图像及过暗度校正图像在频域上进行分解，分解为两个多尺度图像序列，为高频子带及低频子带；

平均值计算单元2022：在低频子带对图像序列进行加权平均值，在高频子带对图像序列进行平均值，将两者合并在一图像内，获取一加强图像。

可以理解，通过多尺度图像融合校正图像，使得在高频上表示图像细节信息，低频上表示图像亮度信息，图像的亮度与细节在频域上进行表示，并确保保亮度、细节完整，使得图像加强上获取缺陷特征更便捷更快速，提高整体检测的速度。

可以理解，本发明第二实施例提供了一种视觉缺陷检测用图像加强系统，通过对待检测图像进行空间域与频域的图像加强，同时，通过进行分解多尺度图像融合，使待检测图像获取一图像信息更全面、准确的加强图像，可突出图像中的缺陷边缘、结构等信息，在亮度与细节上展示得更完全详细，提高对缺陷检测的精确度，降低对缺陷的误判率。

请参阅图9，一种视觉缺陷检测用图像增强设备1，其特征在于：包括摄像头11、储存器13与处理器12；

所述摄像头11用于拍摄采集待检测缺陷的物体的照片；

所述储存器13中存储有计算机程序，上述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述一种玻璃检测方法；

所述处理器12被设置为通过所述计算机程序执行所述权利要求1至6任一项中所述一种玻璃检测方法。

可以理解，本发明第三实施例提供了一种视觉缺陷检测用图像加强设备，通过摄像头11获取待检测图像，储存器13与处理器12对检测图像的特征加强，突出图像中显示的缺陷特征，显示细节更详细与全面，同时可在亮度上保证亮度在适宜范围内，避免过亮度与过暗度，防止导致因亮度问题引起的误判，图像质量效果更加优良，全方位地表达了缺陷特征，可对检测的精确度有显著的提高，降低对缺陷检测的误判率。

与现有技术相比，本发明提供的一种视觉缺陷检测用图像增强方法、系统及设备，具有以下优点：

1.一种视觉缺陷检测用图像增强方法，通过对待检测图像进行空间域与频域的图像加强，提取缺陷特征，获取图像的缺陷特征区域，通过对缺陷进行分类，从而对不同缺陷的图像进行分类，图像加强可突出图像中的缺陷边缘、结构等高频信息，使融合后的图像信息更加全面、准确，图像质量效果更加优良，全方位地表达了缺陷特征，该方法在避免过增强、保亮度和突出细节三方面均取得良好效果，提高检测的精确度，降低对缺陷的误判率。

2.通过空间域与频域上进行图像加强，将待检测图像通过双边伽马校正获取高频与低频两幅校正图像，将两幅校正图像融合，获取一加强图像，在空间域与频域进行图像校正，可使待检测图像中的缺陷特征凸显，同时，可将图像中显示详细，提高检测的精确度与准确性。

3.通过伽马校正算法设计校正曲线，通过校正曲线的斜率校正待检测图像，获取过亮度校正图像与过暗度校正图像，通过两校正图像，使待检测图像的特征凸显，采用双边伽马校正曲线，在空间域能够同时改善输入图像中的过暗区域和过亮区域视觉效果。

4.将两校正图像进行频域分解，分解为两个多尺度图像序列，在低频子带图像采用加权平均融合规则以保图像亮度，在高频子带图像采用平均选择融合规则以突出细节，多尺度图像分解能够使得图像亮度和细节单独处理，可对图像选择更适合的亮度，细节可显示更详细，检测时可加快识别缺陷的速度，提高检测的准确度。

5.一种视觉缺陷检测用图像加强系统，通过对待检测图像进行空间域与频域的图像加强，同时，通过进行分解多尺度图像融合，使待检测图像获取一图像信息更全面、准确的加强图像，可突出图像中的缺陷边缘、结构等信息，在亮度与细节上展示得更完全详细，提高对缺陷检测的精确度，降低对缺陷的误判率。

6.一种视觉缺陷检测用图像加强设备，通过对检测图像的特征加强，突出图像中显示的缺陷特征，显示细节更详细与全面，同时可在亮度上保证亮度在适宜范围内，避免过亮度与过暗度，防止导致因亮度问题引起的误判，图像质量效果更加优良，全方位地表达了缺陷特征，可对检测的精确度有显著的提高，降低对缺陷检测的误判率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内所作的任何修改，等同替换和改进等均应包含本发明的保护范围之内。