瑕疵识别方法、装置、设备和存储介质

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种瑕疵识别方法、装置、设备和存储介质。

背景技术

随着经济的快速发展，各种商品越来越注重外包装，对包装材料的印刷内容以及印刷质量要求也越来越高。如何保证印刷品质越来越成为一个十分重要的问题。

当前印刷品存在问题复杂多样，如划痕、漏印、多印、错印、脏污、套印、色差等，并且实际场景中，包装材料印刷图案内容丰富更新频繁，对印刷瑕疵检测的建模速度以及检测效果，都提出了较大挑战。

发明内容

本申请实施例的目的在于提供一种瑕疵识别方法、装置、设备和存储介质，可根据标准包材样品进行快速自动化建模，形成模板库，并实现对多种包材印刷瑕疵进行高精度检测，大大提高了建模效率，降低了人工工作量，适应了当前包材印刷瑕疵种类多样，包材品类繁多，变动频繁的特点，有效提升印刷质检效率。

本申请实施例第一方面提供了一种瑕疵识别方法，包括：获取待测物体的至少一张图像信息；解析所述图像信息，生成所述图像信息中每个待测像素点的色彩信息；基于每个所述待测像素点的色彩信息，将所述图像信息与模板库中的模板图像进行色彩比对，得到所述图像信息中的瑕疵像素点；输出所述瑕疵像素点的信息。

于一实施例中，在所述解析所述图像信息，生成所述图像信息中每个待测像素点的色彩信息之前，还包括：将所述图像信息与所述模板图像对齐。

于一实施例中，所述解析所述图像信息，生成所述图像信息中每个待测像素点的色彩信息，包括：将所述图像信息中的每个所述待测像素点转换至预设色彩空间，生成每个所述待测像素点的色彩信息。

于一实施例中，所述基于每个所述待测像素点的色彩信息，将所述图像信息与模板库中的模板图像进行色彩比对，得到所述图像信息中的瑕疵像素点，包括：基于对齐后的所述图像信息，分别将每个所述待测像素点与所述模板图像中对齐位置的模板像素点进行色彩比对，判断所述图像信息中是否存在与所述模板像素点的模板色彩不一致的候选像素点；若所述图像信息中存在与所述模板像素点的模板色彩不一致的所述候选像素点，基于预设标记信息，滤除掉所述候选像素点中的不稳定像素点，剩余的所述候选像素点生成所述瑕疵像素点。

于一实施例中，所述基于每个所述待测像素点的色彩信息，将所述图像信息与模板库中的模板图像进行色彩比对，得到所述图像信息中的瑕疵像素点，还包括：若所述图像信息中不存在与所述模板像素点的模板色彩不一致的所述候选像素点，将所述图像信息更新至所述模板库中。

于一实施例中，在所述基于每个所述待测像素点的色彩信息，将所述图像信息与模板库中的模板图像进行色彩比对，得到所述图像信息中的瑕疵像素点之前，还包括：依次获取样本物体的预设区域的多个样本图像，所述样本物体为所述待测物体的标准样品；任选一个所述样本图像为基准图像，将其余的所述样本图像与所述基准图像对齐，生成多个所述模板图像；将对齐后全部所述模板图像转换为灰度图，并统计所述灰度图中每个模板像素点的灰度方差；于所述模板像素点中，选取所述灰度方差在预设方差范围内的有效像素点，标记所述有效像素点的位置信息，生成所述预设标记信息。

于一实施例中，在所述任选一个所述样本图像为基准图像，将其余的所述样本图像与所述基准图像对齐，生成多个所述模板图像之后，还包括：将对齐后全部所述模板图像转换至所述预设色彩空间，计算所述模板图像中每个所述模板像素点的所述模板色彩。

本申请实施例第二方面提供了一种瑕疵识别装置，包括：第一获取模块，用于获取待测物体的至少一张图像信息；解析模块，用于解析所述图像信息，生成所述图像信息中每个待测像素点的色彩信息；比对模块，用于基于每个所述待测像素点的色彩信息，将所述图像信息与模板库中的模板图像进行色彩比对，得到所述图像信息中的瑕疵像素点；输出模块，用于输出所述瑕疵像素点的信息。

于一实施例中，还包括：第一对齐模块，用于在所述解析所述图像信息，生成所述图像信息中每个待测像素点的色彩信息之前，将所述图像信息与所述模板图像对齐。

于一实施例中，所述解析模块用于：将所述图像信息中的每个所述待测像素点转换至预设色彩空间，生成所述每个所述待测像素点的色彩信息。

于一实施例中，所述比对模块用于：基于对齐后的所述图像信息，分别将每个所述待测像素点与所述模板图像中对齐位置的模板像素点进行色彩比对，判断所述图像信息中是否存在与所述模板像素点的模板色彩不一致的候选像素点；若所述图像信息中存在与所述模板像素点的模板色彩不一致的所述候选像素点，基于预设标记信息，滤除掉所述候选像素点中的不稳定像素点，剩余的所述候选像素点生成所述瑕疵像素点。

于一实施例中，所述比对模块还用于：若所述图像信息中不存在与所述模板像素点的模板色彩不一致的所述候选像素点，将所述图像信息更新至所述模板库中。

于一实施例中，还包括：第二获取模块，用于在所述将所述图像信息中每个像素点的色彩信息与模板库中的模板图像进行色彩比对，得到所述图像信息中的瑕疵像素点之前，依次获取样本物体的预设区域的多个样本图像，所述样本物体为所述待测物体的标准样品；第二对齐模块，用于任选一个所述样本图像为基准图像，将其余的所述样本图像与所述基准图像对齐，生成多个所述模板图像；灰度模块，用于将对齐后全部所述模板图像转换为灰度图，并统计所述灰度图中每个模板像素点的灰度方差；标记模块，用于于所述模板像素点中，选取所述灰度方差在预设方差范围内的有效像素点，标记所述有效像素点的位置信息，生成所述预设标记信息。

于一实施例中，还包括：计算模块，用于在所述任选一个所述样本图像为基准图像，将其余的所述样本图像与所述基准图像对齐，生成多个所述模板图像之后，将对齐后全部所述模板图像转换至所述预设色彩空间，计算所述模板图像中每个所述模板像素点的所述模板色彩。

本申请实施例第三方面提供了一种图像采集装置，包括：底座；支架，设置在所述底座上；成像器，滑动地设置在所述支架上；光源，设置在所述支架上，并与所述成像器的同步移动，所述光源外部安装有灯罩；测试台，设置在所述支架上，所述测试台在所述成像器的成像范围内；所述测试台用于放置待测物体，所述成像器用于采集所述待测物体的图像信息。

本申请实施例第四方面提供了一种电子设备，包括：存储器，用以存储计算机程序；处理器，用以执行本申请实施例第一方面及其任一实施例的方法，以识别待测物体的瑕疵信息。

本申请实施例第五方面提供了一种非暂态电子设备可读存储介质，包括：程序，当其藉由电子设备运行时，使得所述电子设备执行本申请实施例第一方面及其任一实施例的方法。

本申请提供的瑕疵识别方法、装置、设备和存储介质，通过获取待测物体的多张图像信息，计算图像信息中每个待测像素点的色彩信息，然后将图像信息与模板图像进行色彩比对，进而从图像信息中抽取出不符合模板图像色彩范围的瑕疵像素点，然后将瑕疵像素点的信息作为待测物体的瑕疵信息输出，实现了对多种包材印刷瑕疵进行高精度检测，大大提高了建模效率，降低了人工工作量，适应了当前包材印刷瑕疵种类多样，包材品类繁多，变动频繁的特点，有效提升印刷质检效率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请一实施例的电子设备的结构示意图；

图2A为本申请一实施例的图像采集装置的示意图；

图2B为本申请一实施例的图像采集装置的示意图；

图2C为本申请一实施例的图像采集装置的示意图；

图3为本申请一实施例的瑕疵识别方法的流程示意图；

图4为本申请一实施例的瑕疵识别方法的流程示意图；

图5为本申请一实施例的瑕疵识别装置的结构示意图。

附图标记：

20-图像采集装置，21-底座，22-支架，23-成像器，231-灯罩，24-光源，25-测试台，251-压条，252-待测物体。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

如图1所示，本实施例提供一种电子设备1，包括：至少一个处理器11和存储器12，图1中以一个处理器为例。处理器11和存储器12通过总线10连接。存储器12存储有可被处理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程，以识别待测物体的瑕疵信息。

于一实施例中，电子设备1可以是手机、平板电脑、笔记本电脑、台式计算机等设备。

请参看图2A，其为本申请一实施例的图像采集装置20，该装置包括：底座21、支架22、成像器23、光源24和测试台25，其中：

支架22，设置在底座21上。

成像器23，滑动地设置在支架22上。成像器23可以是搭配双轴平移台的工业相机。

光源24，设置在支架22上，并可以与成像器23的同步移动，如图2B所示，为光学成像区域的仰视图，光源24外部安装有灯罩231，光源24可以是白光光源24。灯罩231与光源24随相机移动，可大幅降低外界光源24的影响，提高成像的稳定性。

测试台25，设置在支架22上，如图2C所示，为测试台25的俯视图，测试台25在成像器23的成像范围内，测试台25两边设置有压条251。

在实际场景中，测试台25用于放置待测物体252，成像器23用于采集待测物体252的图像信息。待测物体252可以包装材料，在双轴平移台的驱动下，光源24、灯罩231随相机一起移动，可实现对平整放置于测试台25上的包装材料(简称包材)逐块扫描拍照，电子设备1可以连接该装置，以获得包材的图像信息，进而基于图像信息得到包材的瑕疵信息。

请参看图3，其为本申请一实施例的瑕疵识别方法，该方法可由图1所示的电子设备1来执行，并可以应用于如图2A至图2C所示的包材检测场景中，以识别待测物体252的瑕疵信息。该方法包括如下步骤：

步骤301：获取待测物体252的至少一张图像信息。

在本步骤中，以待测物体252为包装材料为例，可以藉由如图2A至图2C中所示的图像采集装置20采集包材的图像信息，实际场景中，一份包材可能存在多个印刷区域需要进行瑕疵检测，则可以分别获取每个印刷区域的图像信息，同一区域每次拍摄的图片数量可以是一张或多张，拍摄越多，效果越稳定。

于一实施例中，首先选定待测包材的型号，然后将待测包材放置于工作台上，放置位置与预设的建模时标准样品摆放位置相同，此时启动图像采集装置20，在双轴平移台的驱动下，开始对待测包材分区块逐块扫描拍照，对同一区域每次连续拍摄两张照片，将照片传送给电子设备1，作为待测包材的图像信息。

步骤302：解析图像信息，生成图像信息中每个待测像素点的色彩信息。

在本步骤中，对获得的待测印刷区域的图像信息进行图像处理，计算图像信息中每个待测像素点的色彩信息。

步骤303：基于每个待测像素点的色彩信息，将图像信息与模板库中的模板图像进行色彩比对，得到图像信息中的瑕疵像素点。

在本步骤中，模板库中预存了该包材的标准样本的模板图像，模板图像中的包含每个印刷区域的标准色彩信息，通过将待测印刷区域的图像信息与模板图像进行色彩比对，可以得到待测印刷区域的图像信息中不符合标准的瑕疵像素点。

步骤304：输出瑕疵像素点的信息。

在本步骤中，图像信息中的瑕疵像素点可以表征待测印刷区域的瑕疵信息，因此可以将瑕疵像素点的信息作为待测物体252的瑕疵信息输出。

于一实施例中，可以突出显示存在瑕疵像素点，通过计算瑕疵像素点的位置，在图像信息上将瑕疵像素点取值255，其他像素点取值0，将图像信息转换成黑白图的形式，进而将存在瑕疵异常的位置区域突出显示出来。

上述瑕疵识别方法，通过获取包材的多张图像信息，计算图像信息中每个待测像素点的色彩信息，然后将图像信息与模板图像进行色彩比对，进而从图像信息中抽取出不符合模板图像色彩范围的瑕疵像素点，然后将瑕疵像素点的信息作为包材的瑕疵信息输出，实现了对多种包材印刷瑕疵进行高精度检测，大大提高了建模效率，降低了人工工作量，适应了当前包材印刷瑕疵种类多样，包材品类繁多，变动频繁的特点，有效提升印刷质检效率。

请参看图4，其为本申请一实施例的瑕疵识别方法，还包括建立模板库的步骤，该方法可由图1所示的电子设备1来执行，并可以应用于如图2A至图2C所示的包材检测场景中，以识别待测物体252的瑕疵信息。该方法包括如下步骤：

步骤401：依次获取样本物体的预设区域的多个样本图像，样本物体为待测物体252的标准样品。

在本步骤中，样本物体可以是某一个需要瑕疵检测的包材的标准样品，该标准样品印刷规范，无划痕、漏印、多印、错印、脏污、套印、色差等瑕疵，在建立模板库时，首先样本确定标准包材的样品型号，然后将样本物体平整放置于图像采集装置20的测试台25上，此时启动图像采集装置20，在双轴平移台的驱动下，光源24、灯罩231随相机将一起按照固定的步长距离，开始对标准样品逐块扫描拍照，样本物体上可能存在多个区域需要建立模板库，则可以分区域进行图像采集，可以对同一区域每次连续拍摄两张照片，为增加鲁棒性，相邻的几个拍照区域之间可以有一小部分重复叠加区域，如此逐块拍照循环几次，这样每个区域都将获得数张标准样品的样本图像。

步骤402：任选一个样本图像为基准图像，将其余的样本图像与基准图像对齐，生成多个模板图像。

在本步骤中，实际场景中，在采用图像采集装置20采集样本物体的样本图像时，因机械臂误差、抖动等因素影响，同一拍照区域的照片不一定完全相同。因此需确定出基准图像，可以选取步骤401中多个样本图像中的一个样本图像作为基准图像。比如以针对待测区域第一次拍摄的照片为基准图像，该待测区域的其他照片需要与基准图像相随对齐处理。

于一实施例中，对齐过程可以采用如下过程处理：首先，提取待对齐的样本图像与基准图像的ORB(Oriented Fast and Rotated Brief，是一种快速特征点提取和描述的算法，简称“ORB”)特征。然后，基于图像的Surf(Speeded Up Robust Feature，加速稳健特征)特征进行匹配，找到样本图像与基准图像之间最匹配的特征点对，提取最优配对点的坐标，生成透视变换矩阵，最后，对待对齐的样本图像经过透视变换，生成对齐后的样本图像。

于一实施例中，对于对齐后的每张样本图像，可以分别计每个样本图像的算RGB(Red、Green、Blue，红、绿、蓝色彩模式)三个通道值，然后分别把RGB三个通道值高低排序后，找出正中间的一个值作为中值，以RGB三个通道值为中值的样本图像作为更为稳定的最终模板图像，降低因成像抖动导致的像素值波动的影响。取中值的目的是获取最为稳定的数据，避免偶然数据的影响。

步骤403：将对齐后全部模板图像转换为灰度图，并统计灰度图中每个模板像素点的灰度方差。

在本步骤中，对于对齐后的每张模板图像，将其全部转为灰度图，然后对所有灰度图统计每个像素位置的灰度方差。

步骤404：于模板像素点中，选取灰度方差在预设方差范围内的有效像素点，标记有效像素点的位置信息，生成预设标记信息。

在本步骤中，在实际场景中，相机在成像过程中，因拍摄角度、光照明暗、传感器误差、外界光源24频闪等因素的干扰，相机成像的每个像素实际是存在一定的波动的，特别是包材上的文字边缘，会存在较大幅度的成像波动，因此，需要通过灰度方差，标记灰度变化不大的有效像素点，过滤掉那些本身就存在不稳定成像的冗余像素点，从而保留稳定成像的有效像素点，以提高模板图像的稳定性。进而在后续过程中以成像稳定的像素来观测待测包材相应位置像素的变化，来判断是否存在瑕疵。

于一实施例中，预设方差范围可以从多次试验的样品数据统计得到，比如可以设定为20-40，在实际使用中，可以选取20-40中的一个定值作为判别是否为有效像素点的阈值。

步骤405：将对齐后全部模板图像转换至预设色彩空间，计算模板图像中每个模板像素点的模板色彩。

在本步骤中，对于对齐后的每张模板图像，将其全部转换至预设色彩空间图，并计算出每个像素对应的色彩值。然后统计每个像素位置的色彩值范围，作为该模板像素的模板色彩信息，并标记色彩值变动不大的像素点。

于一实施例中，可以采用opencv(是一个基于BSD((BerkeleySoftwareDistribution，伯克利软件套件)协议许可(开源)发行的跨平台计算机视觉和机器学习软件库)，将模板图像从RGB(Red、Green、Blue，红、绿、蓝色彩模式)色彩空间转为HSV((Hue，Saturation，Value，色调，饱和度，明度)色彩空间，H、S、V三个分量的取值范围为0-255，三个分量的取值与颜色的划分如下表1：

表1

在实际场景中，同一拍摄位置，不同时间拍摄了多张对齐后的模板图像。也就是说，在同一像素位置，现在有多个成像值。因成像的波动，每个像素点所成像的色彩可能存在一定程度的轻度变化。对于同一位置区域，每张照片的每个像素点可以根据表1中的方法划分色彩标签，然后统计样本物体同一个印刷区域的所有图像的像素，获取每个像素在不同图像上的色彩标签。比如对于样本物体的同一个像素位置，拍摄了十张图片，每个图片在同一像素位置根据表1的标准所划分的色彩标签，其中有9张图片中该像素位置的颜色标签为黑色，则认为，该像素位置的模板色彩为黑色。

于一实施例中，在过滤不稳定冗余像素点时，除了参考灰度值的变动程度外，也可直接参考颜色值变化，以过滤不同样品表明杂质以及相机本身抖动带来的干扰。

于一实施例中，将模板图像的灰度标记图、色彩值范围、中值标准图片保存为模板文件，存储在模板库中。

步骤406：获取待测物体252的至少一张图像信息。详细参见上述实施例中对步骤301的描述。

步骤407：将图像信息与模板图像对齐。

在本步骤中，在实际场景中，由于图像采集装置20的机械平移误差等因素，图像采集装置20每次轮回后，在相同位置区域拍照存在一定的平移误差，在同一区域的每次拍照，每张照片的相应像素点并没有完全匹配，因此需要将图像对齐。可以以步骤402中选定的基准图像为基准，将待测物体252的其他照片与基准图像的像素对齐配准。详细对齐过长，可以参考步骤402的详细描述。

步骤408：将图像信息中的每个待测像素点转换至预设色彩空间，生成每个待测像素点的色彩信息。

在本步骤中，对于图片对齐后的图像信息，为更加稳定的表述像素特征，需将每个待测像素划分色彩。可以将每个待测像素点的RGB值转换至HSV空间值，然后基于上述表1的色彩划分方法，对每个待测像素点划分色彩值，得到图像信息中每个待测像素所代表的颜色信息。

步骤409：基于对齐后的图像信息，分别将每个待测像素点与模板图像中对齐位置的模板像素点进行色彩比对，判断图像信息中是否存在与模板像素点的模板色彩不一致的候选像素点。如果存在进入步骤410，否则进入步骤411。

在本步骤中，将对齐后的图像信息中每个待测像素点的色彩值与模板图像中对应位置的模板像素点的色彩值进行比对，如果不同进入步骤410，否则进入步骤411。

步骤410：基于预设标记信息，滤除掉候选像素点中的不稳定像素点，剩余的候选像素点生成瑕疵像素点。

在本步骤中，若图像信息中存在与模板像素点的模板色彩不一致的候选像素点，比如模板像素点的模板色彩为黑色，而待测包材在该待测像素点的颜色标签不是黑色时，则表明该候选像素点存在异常，在实际场景中，这些异常像素位置，可能是包材上成像过程中存在较大的波动的地方，如印刷区域的文字边缘，排除这些异常像素点的干扰，只保留其他成像稳定的候选像素点，瑕疵像素点就是成像稳定的候选像素点。

于一实施例中，可以将对待测包材连续拍摄的两张图像信息分别进行如上述相同的处理，然后将二者处理结果融合，只保留同时被标记为异常的瑕疵像素点。

步骤411：将图像信息更新至模板库中。

在本步骤中，若图像信息中不存在与模板像素点的模板色彩不一致的候选像素点，说明该图像信息对应的待测包材不存在瑕疵，可以作为后续检测的模板使用，则将没有检测到异常的图片自动加入到对应印刷区域的标准样品模板库中，并可以采用如步骤401至步骤405中的方法，更新该待测包材的该印刷区域对应的标准模板信息。

步骤412：输出瑕疵像素点的信息。详细参见上述实施例中对步骤304的描述。

上述瑕疵识别方法，对每个印刷区域的图像信息，首先将其与相应区域的模板图像对齐，然后对该图像信息进行色彩空间转换，计算每个待测像素的色彩值，并与标准模板色彩比对。若超出模板色彩范围，则标记该像素异常。所有待测像素色彩检查完毕后，只保留样品建模时标记的灰度变化不大的有效像素点，将连续拍摄的两张图片进行相同的处理，然后融合，只保留同时被标记为异常的瑕疵像素点，最后突出显示存在异常的瑕疵像素点。如此，在建模过程中，剔除不同标准样品图片灰度值以及色彩值变动幅度较大的冗余像素点，可有效过滤灰尘或其他杂质的干扰。将未检测出异常的图片加入模板库，持续提升模板的鲁棒性。

请参看图5，其为本申请一实施例的瑕疵识别装置500，该装置应用于图1所示的电子设备1，并可以应用于如图2A至图2C所示的包材检测场景中，以识别待测物体252的瑕疵信息。该装置包括：第一获取模块501、解析模块502、比对模块503和输出模块504，各个模块的原理关系如下：

第一获取模块501，用于获取待测物体252的至少一张图像信息。详细参见上述实施例中对步骤301的描述。

解析模块502，用于解析图像信息，生成图像信息中每个待测像素点的色彩信息。详细参见上述实施例中对步骤302的描述。

比对模块503，用于基于每个待测像素点的色彩信息，将图像信息与模板库中的模板图像进行色彩比对，得到图像信息中的瑕疵像素点。详细参见上述实施例中对步骤303的描述。

输出模块504，用于输出瑕疵像素点的信息。详细参见上述实施例中对步骤304的描述。

于一实施例中，还包括：第一对齐模块505，用于在解析图像信息，生成图像信息中每个待测像素点的色彩信息之前，将图像信息与模板图像对齐。详细参见上述实施例中对步骤407的描述。

于一实施例中，解析模块502用于：将图像信息中的每个待测像素点转换至预设色彩空间，生成每个待测像素点的色彩信息。详细参见上述实施例中对步骤408的描述。

于一实施例中，比对模块503用于：基于对齐后的图像信息，分别将每个待测像素点与模板图像中对齐位置的模板像素点进行色彩比对，判断图像信息中是否存在与模板像素点的模板色彩不一致的候选像素点。若图像信息中存在与模板像素点的模板色彩不一致的候选像素点，基于预设标记信息，滤除掉候选像素点中的不稳定像素点，剩余的候选像素点生成瑕疵像素点。详细参见上述实施例中对步骤409至步骤410的描述。

于一实施例中，比对模块503还用于：若图像信息中不存在与模板像素点的模板色彩不一致的候选像素点，将图像信息更新至模板库中。详细参见上述实施例中对步骤411的描述。

于一实施例中，还包括：第二获取模块506，用于在将图像信息中每个像素点的色彩信息与模板库中的模板图像进行色彩比对，得到图像信息中的瑕疵像素点之前，依次获取样本物体的预设区域的多个样本图像，样本物体为待测物体252的标准样品。第二对齐模块507，用于任选一个样本图像为基准图像，将其余的样本图像与基准图像对齐，生成多个模板图像。灰度模块508，用于将对齐后全部模板图像转换为灰度图，并统计灰度图中每个模板像素点的灰度方差。标记模块509，用于于模板像素点中，选取灰度方差在预设方差范围内的有效像素点，标记有效像素点的位置信息，生成预设标记信息。详细参见上述实施例中对步骤401至步骤404的描述。

于一实施例中，还包括：计算模块510，用于在任选一个样本图像为基准图像，将其余的样本图像与基准图像对齐，生成多个模板图像之后，将对齐后全部模板图像转换至预设色彩空间，计算模板图像中每个模板像素点的模板色彩。详细参见上述实施例中对步骤405的描述。

上述瑕疵识别装置500的详细描述，请参见上述实施例中相关方法步骤的描述。

本发明实施例还提供了一种非暂态电子设备可读存储介质，包括：程序，当其在电子设备上运行时，使得电子设备可执行上述实施例中方法的全部或部分流程。其中，存储介质可为磁盘、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccess Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等。存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。