[go: up one dir, main page]

CN114693531B - 图像对比方法及相关设备 - Google Patents

图像对比方法及相关设备 Download PDF

Info

Publication number
CN114693531B
CN114693531B CN202011585075.2A CN202011585075A CN114693531B CN 114693531 B CN114693531 B CN 114693531B CN 202011585075 A CN202011585075 A CN 202011585075A CN 114693531 B CN114693531 B CN 114693531B
Authority
CN
China
Prior art keywords
image
standard
compared
edge
initial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011585075.2A
Other languages
English (en)
Other versions
CN114693531A (zh
Inventor
吴宗祐
郭锦斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Futaihua Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Futaihua Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Futaihua Industry Shenzhen Co Ltd, Hon Hai Precision Industry Co Ltd filed Critical Futaihua Industry Shenzhen Co Ltd
Priority to CN202011585075.2A priority Critical patent/CN114693531B/zh
Priority to US17/562,284 priority patent/US12205345B2/en
Publication of CN114693531A publication Critical patent/CN114693531A/zh
Application granted granted Critical
Publication of CN114693531B publication Critical patent/CN114693531B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/754—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries involving a deformation of the sample pattern or of the reference pattern; Elastic matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种图像对比方法及相关设备。所述图像对比方法获取标准初始图像和待对比初始图像；对所述标准初始图像和所述待对比初始图像进行二值化处理，分别得到标准二值化图像和待对比二值化图像；对所述标准二值化图像和所述待对比二值化图像进行边缘检测，分别得到标准边缘图像和待对比边缘图像；对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。本发明提升了图像对比的准确率。

Description

图像对比方法及相关设备
技术领域
本发明涉及计算机视觉技术领域，具体涉及一种图像对比方法、装置、计算机设备及计算机可读存储介质。
背景技术
通常，可以根据两个物体的图像判断两个物体的外观是否相同。然而，一些外部因素可能导致两个相同外观的物体的图像并不相同。例如，如果拍摄两个物体时光源有变化，会导致拍摄两个物体得到的图像并不相同。因此，根据通常的图像对比方法对物体进行判断可能会得到错误的判断结果，将外观相同的两个物体错误地判断为外观不相同。
如何降低因外部因素导致的图像对比误判率，从而增加图像对比的准确率成为待解决的问题。
发明内容
鉴于以上内容，有必要提出一种图像对比方法、装置、计算机设备及计算机可读存储介质，其可以降低因外部因素导致的图像对比误判率，提升了图像对比的准确率。
本申请的第一方面提供一种图像对比方法，所述图像对比方法包括：
获取标准初始图像和待对比初始图像；
对所述标准初始图像和所述待对比初始图像进行二值化处理，得到标准二值化图像和待对比二值化图像；
对所述标准二值化图像和所述待对比二值化图像进行边缘检测，得到标准边缘图像和待对比边缘图像；
对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；
对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；
对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
另一种可能的实现方式中，在所述对所述标准初始图像和所述待对比初始图像进行二值化处理之前，所述图像对比方法还包括：
将所述标准初始图像和所述待对比初始图像转换为灰度图像。
另一种可能的实现方式中，所述图像对比方法还包括：
对所述标准初始图像和所述待对比初始图像进行对齐处理。
另一种可能的实现方式中，所述对所述标准二值化图像和所述待对比二值化图像进行边缘检测包括：
基于CANNY边缘检测方法对所述标准二值化图像和所述待对比二值化图像进行边缘检测。
另一种可能的实现方式中，所述对所述标准边缘图像进行形态学扩展包括：
获取预设结构元素；
通过所述预设结构元素对所述标准边缘图像进行形态学扩展。
另一种可能的实现方式中，所述标准初始图像是标准产品的图片，所述待对比初始图像是待检测产品的图片，所述图像对比方法还包括：
根据所述对比结果图像判断所述标准初始图像和所述待对比初始图像是否相同；
当所述标准初始图像和所述待对比初始图像相同时，确定所述待初始产品合格；
当所述标准初始图像和所述待对比初始图像不相同时，确定所述待初始产品不合格。
另一种可能的实现方式中，所述根据所述对比结果图像判断所述标准初始图像和所述待对比初始图像是否相同包括：
获取预设阈值；
计算所述对比结果图像中的像素值的总和；
当所述总和大于所述预设阈值时，确定所述标准初始图像和所述待对比初始图像不相同；
当所述总和小于或等于所述预设阈值时，确定所述标准初始图像和所述待对比初始图像相同。
本申请的第二方面提供一种图像对比装置，所述图像对比装置包括：
获取模块，用于获取标准初始图像和待对比初始图像；
预处理模块，用于对所述标准初始图像和所述待对比初始图像进行二值化处理，分别得到标准二值化图像和待对比二值化图像；
检测模块，用于对所述标准二值化图像和所述待对比二值化图像进行边缘检测，分别得到标准边缘图像和待对比边缘图像；
扩展模块，用于对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；
第一计算模块，用于对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；
第二计算模块，用于对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
本申请的第三方面提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述图像对比方法。
本申请的第四方面提供一种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所述图像对比方法。
本发明通过边缘检测和形态学扩展降低因外部因素导致的图像对比误判率，提升了图像对比的准确率。
附图说明
图1是本发明实施例提供的图像对比方法的流程图。
图2是本发明实施例提供的图像对比装置的结构图。
图3是本发明实施例提供的计算机设备的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不在于限制本发明。
优选地，本发明的图像对比方法应用在一个或者多个计算机设备中。所述计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例一
图1是本发明实施例一提供的图像对比方法的流程图。所述图像对比方法应用于计算机设备，用于对图像进行对比，提升图像对比的准确率。
如图1所示，所述图像对比方法包括：
101，获取标准初始图像和待对比初始图像。
可以接收用户上传的标准初始图像和待对比初始图像。可以从预设数据库读取标准初始图像和待对比初始图像。可以通过拍摄设备获取标准初始图像和待对比初始图像。
例如，标准初始图像是标准元件的图像，待对比初始图像是待检测产品的图像。通过对标准初始图像和待对比初始图像进行对比，以判定待检测产品是否合格。
102，对所述标准初始图像和所述待对比初始图像进行二值化处理，分别得到标准二值化图像和待对比二值化图像。
例如，获取预设值，获取所述标准初始图像的多个像素值，将小于预设值的像素值重新赋值为0，将大于预设值的像素值重新赋值为1。获取所述待对比初始图像的多个像素值，将小于预设值的像素值重新赋值为0，将大于预设值的像素值重新赋值为1。
在另一实施例中，在所述对所述标准初始图像和所述待对比初始图像进行二值化处理之前，所述图像对比方法还包括：
将所述标准初始图像和所述待对比初始图像转换为灰度图像。
在另一实施例中，所述图像对比方法还包括：
对所述标准初始图像和所述待对比初始图像进行对齐处理。
具体地，可以以图像左上角的像素点为基点对齐所述标准初始图像和所述待对比初始图像，使两个图像的各个像素点一一对应。
103，对所述标准二值化图像和所述待对比二值化图像进行边缘检测，分别得到标准边缘图像和待对比边缘图像。
在一具体实施例中，所述对所述标准二值化图像和所述待对比二值化图像进行边缘检测包括：
基于CANNY边缘检测方法对所述标准二值化图像和所述待对比二值化图像进行边缘检测。
具体地，基于CANNY边缘检测方法对所述标准二值化图像进行边缘检测。通过高斯滤波器对所述标准二值化图像进行除噪；计算所述标准二值化图像中每个像素点的梯度值和方向；通过非极大值(Non-Maximum Suppression)规则根据梯度值和方向过滤所述标准二值化图像中的非边缘像素点；通过双阈值(Double-Threshold)检测方法根据梯度值确定边缘像素点。
104，对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像。
所述对所述标准边缘图像进行形态学扩展包括：
获取预设结构元素；
通过所述预设结构元素对所述标准边缘图像进行形态学扩展。
形态学扩展也被称为形态学膨胀。所述预设结构元素可以是一个3维方阵，方阵中每个值都为1。
所述通过所述预设结构元素对所述标准边缘图像进行形态学扩展包括：获取所述预设结构元素的原点；对所述预设结构元素做关于所述原点的反射，得到反射集合；在所述标准边缘图像上逐次将所述反射集合平移预设位移阈值，确定所述反射集合与所述标准边缘图像的非零公共元素的目标数量，当所述目标数量大于零时，将所述原点的当前位置的像素值确定为1。
105，对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像。
例如，扩展后的标准边缘图像包括4个像素点，各个像素点的值分别为0、1、0、1；待对比边缘图像包括4个像素点(扩展后的标准边缘图像的4个像素点与待对比边缘图像的4个像素点一一对应)，各个像素点的值分别为1、0、0、1；扩展后的待对比边缘图像的4个像素点的值分别为1、1、0、1。
再如，扩展后的标准边缘图像包括4个像素点，各个像素点的值分别为1、1、0、1；待对比边缘图像包括4个像素点，各个像素点的值分别为1、0、0、1；扩展后的待对比边缘图像的4个像素点的值分别为1、1、0、1。
106，对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
例如，扩展后的标准边缘图像包括4个像素点，各个像素点的值分别为0、1、0、1；扩展后的待对比边缘图像包括4个像素点(扩展后的标准边缘图像的4个像素点与扩展后的待对比边缘图像的4个像素点一一对应)，各个像素点的值分别为1、1、0、1，对比结果图像的4个像素点分别为1、0、0、0。
再如，扩展后的标准边缘图像包括4个像素点，各个像素点的值分别为1、1、0、1；扩展后的待对比边缘图像包括4个像素点，各个像素点的值分别为1、1、0、1，对比结果图像的4个像素点分别为0、0、0、0。
在另一实施例中，所述标准初始图像是标准产品的图片，所述待对比初始图像是待检测产品的图片，所述图像对比方法还包括：
根据所述对比结果图像判断所述标准初始图像和所述待对比初始图像是否相同；
当所述标准初始图像和所述待对比初始图像相同时，确定所述待初始产品合格；
当所述标准初始图像和所述待对比初始图像不相同时，确定所述待初始产品不合格。
在另一实施例中，所述根据所述对比结果图像判断所述标准初始图像和所述待对比初始图像是否相同包括：
获取预设阈值；
计算所述对比结果图像中的像素值的总和；
当所述总和大于所述预设阈值时，确定所述标准初始图像和所述待对比初始图像不相同；
当所述总和小于或等于所述预设阈值时，确定所述标准初始图像和所述待对比初始图像相同。
实施例一的图像对比方法通过边缘检测和形态学扩展降低因外部因素导致的图像对比误判率，提升了图像对比的准确率。
实施例二
图2是本发明实施例二提供的图像对比装置的结构图。所述图像对比装置20应用于计算机设备。所述图像对比装置20用于对图像进行对比，提升图像对比的准确率。
如图2所示，所述图像对比装置20可以包括获取模块201、预处理模块202、检测模块203、扩展模块204、第一计算模块205、第二计算模块206。
获取模块201，用于获取标准初始图像和待对比初始图像。
可以接收用户上传的标准初始图像和待对比初始图像。可以从预设数据库读取标准初始图像和待对比初始图像。可以通过拍摄设备获取标准初始图像和待对比初始图像。
例如，标准初始图像是标准元件的图像，待对比初始图像是待检测产品的图像。通过对标准初始图像和待对比初始图像进行对比，以判定待检测产品是否合格。
预处理模块202，用于对所述标准初始图像和所述待对比初始图像进行二值化处理，分别得到标准二值化图像和待对比二值化图像。
例如，获取预设值，获取所述标准初始图像的多个像素值，将小于预设值的像素值重新赋值为0，将大于预设值的像素值重新赋值为1。获取所述待对比初始图像的多个像素值，将小于预设值的像素值重新赋值为0，将大于预设值的像素值重新赋值为1。
在另一实施例中，所述预处理模块还用于在所述对所述标准初始图像和所述待对比初始图像进行二值化处理之前，将所述标准初始图像和所述待对比初始图像转换为灰度图像。
在另一实施例中，所述预处理模块还用于对所述标准初始图像和所述待对比初始图像进行对齐处理。
具体地，可以以图像左上角的像素点为基点对齐所述标准初始图像和所述待对比初始图像，使两个图像的各个像素点一一对应。
检测模块203，用于对所述标准二值化图像和所述待对比二值化图像进行边缘检测，分别得到标准边缘图像和待对比边缘图像。
在一具体实施例中，所述对所述标准二值化图像和所述待对比二值化图像进行边缘检测包括：
基于CANNY边缘检测方法对所述标准二值化图像和所述待对比二值化图像进行边缘检测。
具体地，基于CANNY边缘检测方法对所述标准二值化图像进行边缘检测。通过高斯滤波器对所述标准二值化图像进行除噪；计算所述标准二值化图像中每个像素点的梯度值和方向；通过非极大值(Non-Maximum Suppression)规则根据梯度值和方向过滤所述标准二值化图像中的非边缘像素点；通过双阈值(Double-Threshold)检测方法根据梯度值确定边缘像素点。
扩展模块204，用于对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像。
所述对所述标准边缘图像进行形态学扩展包括：
获取预设结构元素；
通过所述预设结构元素对所述标准边缘图像进行形态学扩展。
形态学扩展也被称为形态学膨胀。所述预设结构元素可以是一个3维方阵，方阵中每个值都为1。
所述通过所述预设结构元素对所述标准边缘图像进行形态学扩展包括：获取所述预设结构元素的原点；对所述预设结构元素做关于所述原点的反射，得到反射集合；在所述标准边缘图像上逐次将所述反射集合平移预设位移阈值，确定所述反射集合与所述标准边缘图像的非零公共元素的目标数量，当所述目标数量大于零时，将所述原点的当前位置的像素值确定为1。
第一计算模块205，用于对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像。
例如，扩展后的标准边缘图像包括4个像素点，各个像素点的值分别为0、1、0、1；待对比边缘图像包括4个像素点(扩展后的标准边缘图像的4个像素点与待对比边缘图像的4个像素点一一对应)，各个像素点的值分别为1、0、0、1；扩展后的待对比边缘图像的4个像素点的值分别为1、1、0、1。
再如，扩展后的标准边缘图像包括4个像素点，各个像素点的值分别为1、1、0、1；待对比边缘图像包括4个像素点，各个像素点的值分别为1、0、0、1；扩展后的待对比边缘图像的4个像素点的值分别为1、1、0、1。
第二计算模块206，用于对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
例如，扩展后的标准边缘图像包括4个像素点，各个像素点的值分别为0、1、0、1；扩展后的待对比边缘图像包括4个像素点(扩展后的标准边缘图像的4个像素点与扩展后的待对比边缘图像的4个像素点一一对应)，各个像素点的值分别为1、1、0、1，对比结果图像的4个像素点分别为1、0、0、0。
再如，扩展后的标准边缘图像包括4个像素点，各个像素点的值分别为1、1、0、1；扩展后的待对比边缘图像包括4个像素点，各个像素点的值分别为1、1、0、1，对比结果图像的4个像素点分别为0、0、0、0。
在另一实施例中，所述标准初始图像是标准产品的图片，所述待对比初始图像是待检测产品的图片，所述图像对比装置还包括确定模块，用于根据所述对比结果图像判断所述标准初始图像和所述待对比初始图像是否相同；
当所述标准初始图像和所述待对比初始图像相同时，确定所述待初始产品合格；
当所述标准初始图像和所述待对比初始图像不相同时，确定所述待初始产品不合格。
在另一实施例中，所述根据所述对比结果图像判断所述标准初始图像和所述待对比初始图像是否相同包括：
获取预设阈值；
计算所述对比结果图像中的像素值的总和；
当所述总和大于所述预设阈值时，确定所述标准初始图像和所述待对比初始图像不相同；
当所述总和小于或等于所述预设阈值时，确定所述标准初始图像和所述待对比初始图像相同。
实施例二的图像对比装置20通过边缘检测和形态学扩展降低因外部因素导致的图像对比误判率，提升了图像对比的准确率。
实施例三
本实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述图像对比方法实施例中的步骤，例如图1所示的步骤101-106：
101，获取标准初始图像和待对比初始图像；
102，对所述标准初始图像和所述待对比初始图像进行二值化处理，得到标准二值化图像和待对比二值化图像；
103，对所述标准二值化图像和所述待对比二值化图像进行边缘检测，得到标准边缘图像和待对比边缘图像；
104，对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；
105，对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；
106，对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
或者，该计算机程序被处理器执行时实现上述装置实施例中各模块的功能，例如图2中的模块201-206：
获取模块201，用于获取标准初始图像和待对比初始图像；
预处理模块202，用于对所述标准初始图像和所述待对比初始图像进行二值化处理，分别得到标准二值化图像和待对比二值化图像；
检测模块203，用于对所述标准二值化图像和所述待对比二值化图像进行边缘检测，分别得到标准边缘图像和待对比边缘图像；
扩展模块204，用于对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；
第一计算模块205，用于对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；
第二计算模块206，用于对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
实施例四
图3为本发明实施例三提供的计算机设备的示意图。所述计算机设备30包括存储器301、处理器302以及存储在所述存储器301中并可在所述处理器302上运行的计算机程序303，例如图像对比程序。所述处理器302执行所述计算机程序303时实现上述图像对比方法实施例中的步骤，例如图1所示的101-106：
101，获取标准初始图像和待对比初始图像；
102，对所述标准初始图像和所述待对比初始图像进行二值化处理，得到标准二值化图像和待对比二值化图像；
103，对所述标准二值化图像和所述待对比二值化图像进行边缘检测，得到标准边缘图像和待对比边缘图像；
104，对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；
105，对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；
106，对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
或者，该计算机程序被处理器执行时实现上述装置实施例中各模块的功能，例如图2中的模块201-206：
获取模块201，用于获取标准初始图像和待对比初始图像；
预处理模块202，用于对所述标准初始图像和所述待对比初始图像进行二值化处理，分别得到标准二值化图像和待对比二值化图像；
检测模块203，用于对所述标准二值化图像和所述待对比二值化图像进行边缘检测，分别得到标准边缘图像和待对比边缘图像；
扩展模块204，用于对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；
第一计算模块205，用于对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；
第二计算模块206，用于对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
示例性的，所述计算机程序303可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器301中，并由所述处理器302执行，以完成本方法。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序303在所述计算机设备30中的执行过程。例如，所述计算机程序303可以被分割成图2中的获取模块201、预处理模块202、检测模块203、扩展模块204、第一计算模块205、第二计算模块206，各模块具体功能参见实施例二。
本领域技术人员可以理解，所述示意图3仅仅是计算机设备30的示例，并不构成对计算机设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机设备30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等，所述处理器302是所述计算机设备30的控制中心，利用各种接口和线路连接整个计算机设备30的各个部分。
所述存储器301可用于存储所述计算机程序303，所述处理器302通过运行或执行存储在所述存储器301内的计算机程序或模块，以及调用存储在存储器301内的数据，实现所述计算机设备30的各种功能。所述存储器301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备30的使用所创建的数据等。此外，存储器301可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart MediaCard，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述计算机设备30集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述图像对比方法的部分步骤。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。系统权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种图像对比方法，其特征在于，所述图像对比方法包括：
获取标准初始图像和待对比初始图像；
对所述标准初始图像和所述待对比初始图像进行二值化处理，得到标准二值化图像和待对比二值化图像；
对所述标准二值化图像和所述待对比二值化图像进行边缘检测，得到标准边缘图像和待对比边缘图像；
对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；
对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；
对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
2.如权利要求1所述的图像对比方法，其特征在于，在所述对所述标准初始图像和所述待对比初始图像进行二值化处理之前，所述图像对比方法还包括：
将所述标准初始图像和所述待对比初始图像转换为灰度图像。
3.如权利要求1所述的图像对比方法，其特征在于，所述图像对比方法还包括：
对所述标准初始图像和所述待对比初始图像进行对齐处理。
4.如权利要求1所述的图像对比方法，其特征在于，所述对所述标准二值化图像和所述待对比二值化图像进行边缘检测包括：
基于CANNY边缘检测方法对所述标准二值化图像和所述待对比二值化图像进行边缘检测。
5.如权利要求1所述的图像对比方法，其特征在于，所述对所述标准边缘图像进行形态学扩展包括：
获取预设结构元素；
通过所述预设结构元素对所述标准边缘图像进行形态学扩展。
6.如权利要求1所述的图像对比方法，其特征在于，所述标准初始图像是标准产品的图片，所述待对比初始图像是待检测产品的图片，所述图像对比方法还包括：
根据所述对比结果图像判断所述标准初始图像和所述待对比初始图像是否相同；
当所述标准初始图像和所述待对比初始图像相同时，确定所述待检测产品合格；或
当所述标准初始图像和所述待对比初始图像不相同时，确定所述待检测产品不合格。
7.如权利要求6所述的图像对比方法，其特征在于，所述根据所述对比结果图像判断所述标准初始图像和所述待对比初始图像是否相同包括：
获取预设阈值；
计算所述对比结果图像中的像素值的总和；
当所述总和大于所述预设阈值时，确定所述标准初始图像和所述待对比初始图像不相同；或
当所述总和小于或等于所述预设阈值时，确定所述标准初始图像和所述待对比初始图像相同。
8.一种图像对比装置，其特征在于，所述图像对比装置包括：
获取模块，用于获取标准初始图像和待对比初始图像；
预处理模块，用于对所述标准初始图像和所述待对比初始图像进行二值化处理，分别得到标准二值化图像和待对比二值化图像；
检测模块，用于对所述标准二值化图像和所述待对比二值化图像进行边缘检测，分别得到标准边缘图像和待对比边缘图像；
扩展模块，用于对所述标准边缘图像进行形态学扩展，得到扩展后的标准边缘图像；
第一计算模块，用于对所述扩展后的标准边缘图像和所述待对比边缘图像进行逻辑或计算，得到扩展后的待对比边缘图像；
第二计算模块，用于对所述扩展后的标准边缘图像和所述扩展后的待对比边缘图像进行逻辑异或计算，得到对比结果图像。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任一项所述图像对比方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述图像对比方法。
CN202011585075.2A 2020-12-28 2020-12-28 图像对比方法及相关设备 Active CN114693531B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011585075.2A CN114693531B (zh) 2020-12-28 2020-12-28 图像对比方法及相关设备
US17/562,284 US12205345B2 (en) 2020-12-28 2021-12-27 Image comparison method and computing device utilizing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011585075.2A CN114693531B (zh) 2020-12-28 2020-12-28 图像对比方法及相关设备

Publications (2)

Publication Number Publication Date
CN114693531A CN114693531A (zh) 2022-07-01
CN114693531B true CN114693531B (zh) 2024-12-20

Family

ID=82119432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011585075.2A Active CN114693531B (zh) 2020-12-28 2020-12-28 图像对比方法及相关设备

Country Status (2)

Country Link
US (1) US12205345B2 (zh)
CN (1) CN114693531B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107492091A (zh) * 2017-07-06 2017-12-19 东莞理工学院 基于机器视觉的标签外观检测方法及终端设备

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3690882B2 (ja) * 1996-08-16 2005-08-31 富士写真フイルム株式会社 画像の強調処理方法および装置
JP4357666B2 (ja) * 1999-09-16 2009-11-04 株式会社東芝 パターン検査方法および装置
US6888958B1 (en) * 1999-03-30 2005-05-03 Kabushiki Kaisha Toshiba Method and apparatus for inspecting patterns
US7999657B2 (en) * 2009-12-07 2011-08-16 Konica Minolta Systems Laboratory, Inc. Image registration method for image comparison and document authentication
CN108805023B (zh) * 2018-04-28 2023-12-19 平安科技（深圳）有限公司 一种图像检测方法、装置、计算机设备及存储介质
US10475179B1 (en) * 2018-10-12 2019-11-12 Velocity Image Processing LLC Compensating for reference misalignment during inspection of parts
CN112955926A (zh) * 2018-10-23 2021-06-11 Asml荷兰有限公司 用于自适应对准的方法和装置
WO2020206464A1 (en) * 2019-04-05 2020-10-08 Essenlix Corporation Assay accuracy and reliability improvement
CN111429429A (zh) * 2020-03-23 2020-07-17 深圳赛动生物自动化有限公司 干细胞融合度检测方法、装置、计算机设备及存储介质
CN112085709B (zh) * 2020-08-19 2024-03-22 浙江华睿科技股份有限公司 一种图像对比方法及设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107492091A (zh) * 2017-07-06 2017-12-19 东莞理工学院 基于机器视觉的标签外观检测方法及终端设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"印刷电路板缺陷检测技术及系统实现研究";姚文伟;中国优秀硕士学位论文全文数据库信息科技辑;20121215(第12期);1-53 *
姚文伟."印刷电路板缺陷检测技术及系统实现研究".中国优秀硕士学位论文全文数据库信息科技辑.2012,(第12期),1-53. *

Also Published As

Publication number Publication date
CN114693531A (zh) 2022-07-01
US20220207859A1 (en) 2022-06-30
US12205345B2 (en) 2025-01-21

Similar Documents

Publication Publication Date Title
CN108875731B (zh) 目标识别方法、装置、系统及存储介质
CN106650662B (zh) 目标对象遮挡检测方法及装置
CN109215037B (zh) 目标图像分割方法、装置及终端设备
CN109345553B (zh) 一种手掌及其关键点检测方法、装置和终端设备
WO2020252920A1 (zh) 图片校正方法、装置、计算机设备及计算机可读存储介质
CN108596944B (zh) 一种提取运动目标的方法、装置及终端设备
TW202024997A (zh) 二維碼識別方法、裝置及設備
CN109005368B (zh) 一种高动态范围图像的生成方法、移动终端及存储介质
CN108090486B (zh) 一种台球比赛中的图像处理方法及装置
US20180253852A1 (en) Method and device for locating image edge in natural background
US12154261B2 (en) Image defect detection method, electronic device and readable storage medium
CN112149583A (zh) 烟雾检测方法、终端设备及存储介质
CN112037256A (zh) 目标跟踪方法、装置、终端设备及计算机可读存储介质
CN112700462B (zh) 一种图像分割方法、装置、电子设备及存储介质
CN114638294A (zh) 一种数据增强方法、装置、终端设备及存储介质
CN111861963B (zh) 图像合成方法及相关设备
CN111815748B (zh) 一种动画处理方法、装置、存储介质及电子设备
CN113228105B (zh) 一种图像处理方法、装置和电子设备
CN116030280A (zh) 一种模板匹配方法、装置、存储介质及设备
CN108776959B (zh) 图像处理方法、装置及终端设备
CN115630663A (zh) 一种二维码识别方法、装置及电子设备
CN114758268A (zh) 手势识别方法、装置及智能设备
CN114708239A (zh) 胶宽检测方法、装置、电子设备及存储介质
CN114693531B (zh) 图像对比方法及相关设备
CN108629219B (zh) 一种识别一维码的方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant