[發(fā)明專利]一種基于同心圓分割定位的臟污檢測方法

有效

• 申請?zhí)枺?/td>: 202011634906.0
• 申請日: 2020-12-31
• 公開（公告）號: CN112862832B
• 公開（公告）日: 2022-07-12
• 發(fā)明（設(shè)計）人: 胡露;董澤成;吳峰;肖仁濤;宋凱靜;林映庭
• 申請（專利權(quán)）人: 盛泰光電科技股份有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/12;G06T7/60
• 代理公司: 重慶強大凱創(chuàng)專利代理事務(wù)所(普通合伙) 50217
• 代理人: 劉嘉

1.一種基于同心圓分割定位的臟污檢測方法，其特征在于，包括如下步驟：

步驟1：在白場下，拍攝攝像頭模組的多幀圖像，并存入緩存區(qū)bmp24buffer[i][j]，其中i為幀數(shù)，i＝0,1,...,N-1,j為每幀bmp像素數(shù)，j＝0,1,...,width*height*3-1,width為像素寬度，height為像素高度；

步驟2：對bmp24buffer[i][j]各幀圖像數(shù)據(jù)得到RGB三個通道最大值max{B_imax}、max{G_imax}、max{R_imax}以及各通道像素之和bmp24bufferBGR[j]；

步驟3：取步驟2各通道像素之和以及通道最大值，得到其灰階圖Bmp24[i]；

步驟4：取步驟3中的灰階圖，得到灰度圖Graybuffer[i]；

步驟5：將步驟4的灰度圖進行邊緣剪切處理得到剪切圖Shearbuffer[i]；

步驟6：獲取步驟5的剪切圖的光學(xué)中心，并與其光學(xué)中心作為坐標原點，以此劃分成N*M個同心圓扇形的區(qū)域塊，其中N為同心圓個數(shù)，M為每個同心圓分割塊；

步驟7：對上述同心圓扇形的區(qū)域塊做平均亮度值以及對區(qū)域塊的鄰域塊做平均亮度值，即：

其中Blockave[i]為區(qū)域塊的平均亮度值，Blockneighborhoodave[i]為鄰域塊的平均亮度值，i∈N*M-P，k＝0,1,2....n-1，n為區(qū)域塊的鄰域塊統(tǒng)計個數(shù)；

步驟8：利用步驟7的區(qū)域塊平均亮度值和鄰域塊平均亮度值，得到區(qū)域塊與鄰域塊之間的偏差比Blockdeviationratio[i]，即：

步驟9：按區(qū)域塊所在位置將區(qū)域塊分類為各個區(qū)域，制定卡控標準：

步驟10：利用步驟9分類的區(qū)域，計算各區(qū)域與鄰域的最大梯度值，即：

Blockgradient[i]＝max{Blockdeviationratio[i]-Blockdeviationratio[n]}

其中Blockgradient[i]為每個區(qū)域與各鄰域的最大梯度值，i、n∈N*M-P，n為鄰域個數(shù)；

步驟11：利用步驟8和步驟10得到的偏差比和最大梯度值完成臟污檢測的雙重卡控標準，當(dāng)圖像區(qū)域值偏差值大于閾值，則再計算其梯度是否大于梯度閾值，大于梯度閾值為臟污，否則為合格品。

2.根據(jù)權(quán)利要求1所述的一種基于同心圓分割定位的臟污檢測方法，其特征在于：還包括步驟12：判斷臟污大小：當(dāng)檢測出臟污時，判斷臟污是不是單區(qū)域臟污還是多區(qū)域臟污；如果是單區(qū)域臟污則定位出臟污位置并輸出臟污圖片；如果是多區(qū)域臟污則根據(jù)鄰域聚合處理定位臟污大小和位置并輸出臟污圖片。

3.根據(jù)權(quán)利要求2所述的一種基于同心圓分割定位的臟污檢測方法，其特征在于：所述步驟9具體包括：

步驟9-1：按區(qū)域塊所在位置將區(qū)域塊分類為中心區(qū)域、四角區(qū)域、邊緣區(qū)域、邊緣弱化區(qū)域及其他視場區(qū)域；

步驟9-2：利用上述分類好的區(qū)域?qū)Σ襟E8的偏差比分類統(tǒng)計n個模組樣本各區(qū)域的最大值并做好記錄；

步驟9-3：基于n個樣本各劃分區(qū)域的最大值得到各區(qū)域偏差比卡控閾值。

4.根據(jù)權(quán)利要求3所述的一種基于同心圓分割定位的臟污檢測方法，其特征在于：所述步驟6中，當(dāng)邊緣區(qū)域塊像素數(shù)低于邊緣區(qū)域塊最小像素數(shù)pixelmin時，即：

其中N為同心圓個數(shù)，M為每個同心圓分割塊；

進行聚合處理，得到最終的N*M-P個同心圓扇形的區(qū)域塊，其中P為聚合數(shù)。

5.根據(jù)權(quán)利要求4所述的一種基于同心圓分割定位的臟污檢測方法，其特征在于：所述步驟3中，灰階圖為：

Bmp24[i]＝bmp24bufferBGR[i]*GrayLevel/X_max

其中X為RGB三通道，GrayLevel為灰階度。