kaiyun官方注册
您所在的位置: 首页> 其他> 设计应用> 基于改进中值滤波的手机玻璃瑕疵图像增强方法
基于改进中值滤波的手机玻璃瑕疵图像增强方法
2022年电子技术应用第7期
巩玉奇1,2,陶晋宜1,杨 刚2
1.太原理工大学 电气与动力工程学院,山西 太原030024; 2.西安电子科技大学 超高速电路设计与电磁兼容教育部重点实验室,陕西 西安710071
摘要:手机盖板玻璃瑕疵检测主要分为图像获取、图像预处理、图像分割和瑕疵分类这几个步骤。由于高质量图像获取难度大,接下来的图像预处理就会显得尤其重要。传统的滤波方法在处理图像噪声时,都或多或少对图片产生一定的模糊,损失部分有效信息,通常噪声的存在会使得附近邻域内的极值上下差距较大,所以滤波变成不可或缺的步骤。改进传统的中值滤波,通过判断目标像素点是否需要进行滤波处理的办法,增强图像的同时,使得有用瑕疵信息的损失降低。在滤波处理后用直方图均衡化对图像进一步处理,起到图像增强的效果。相比于传统的中值滤波,该方法不仅会保留瑕疵边缘信息,同时图像增强后的效果也更好。
中图分类号:TP391
文献标识码:A
DOI:10.16157/j.issn.0258-7998.211938
中文引用格式:巩玉奇,陶晋宜,杨刚. 基于改进中值滤波的手机玻璃瑕疵图像增强方法[J].电子技术应用,2022,48(7):91-95.
英文引用格式:Gong Yuqi,Tao Jinyi,Yang Gang. Mobile phone glass defect image enhancement method based on improved median filter[J]. Application of Electronic Technique,2022,48(7):91-95.
Mobile phone glass defect image enhancement method based on improved median filter
Gong Yuqi1,2,Tao Jinyi1,Yang Gang2
1.Institute of Electrical and Power Engineering,Taiyuan University of Technology,Taiyuan 030024,China; 2.Key Lab of High-Speed Circuit Design and EMC.Ministry of Education,Xidian University,Xi′an 710071,China
Abstract:The defect detection of mobile phone cover glass is mainly divided into several steps: image acquisition, image preprocessing, image segmentation and defect classification. Due to the difficulty of obtaining high-quality images, the subsequent image preprocessing will be particularly important. Traditional filtering methods, when dealing with image noise, more or less blur the picture and lose part of the effective information. Usually the presence of noise will make the extreme value in the nearby neighborhood have a large gap between the upper and lower extremes, so filtering becomes an indispensable step. This paper improves the traditional median filter,by judging whether the target pixel needs to be filtered, while enhancing the image, it reduces the loss of useful defect information. This article uses histogram equalization to further process the image after the filtering process, which has the effect of image enhancement. Compared with the traditional median filtering, this method not only preserves the edge information of the flaws, but also has better image enhancement effects.
Key words :glass defects;image enhancement;median filtering;histogram equalization;PSNR

0 引言

滤波去噪以及图像增强作为玻璃瑕疵缺陷分割以及瑕疵分类的前序步骤,其处理效果直接影响瑕疵的分割以及分类[1-2]。边缘检测主要是依据图像像素强度的变化来筛选出可能存在的边缘的像素点[3],其数学模型实际上是通过计算像素点亮度的一阶导数或者二阶导数来确定。但是玻璃瑕疵的多样性造成的瑕疵图像的获取难度相当之高,不同的瑕疵需要不同的打光角度[4],也需要不同的相机架设角度[5],而同一张玻璃上面会同时存在不同的瑕疵,本文的玻璃瑕疵图像获取必须是具有一定的泛化能力的,基于瑕疵图像获取的不精确性,才更加凸显出图像处理的关键之处。

常用的滤波方法包括时域滤波和频域的滤波,目前主要有以下几种:均值滤波、方框滤波、双边滤波、高斯滤波以及中值滤波等。针对目前实验所拍摄的玻璃瑕疵图像的噪声,中值滤波能够比较有效地去除图像的噪点影响[6],但是中值滤波对于图像的有用的边缘信息也会进行处理,这样就会影响处理后的图片清晰度,虽然噪声会有效去除,但是其清晰度的降低和边缘信息的损失会给后期的图像增强和分割造成困扰。因此,本文在玻璃瑕疵图像滤波去噪的环节采用一种带有条件判断的中值滤波方式,结合直方图均衡化,有效做到图像处理和增强效果[7]




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000004594




作者信息:

巩玉奇1,2,陶晋宜1,杨 刚2

(1.太原理工大学 电气与动力工程学院,山西 太原030024;

2.西安电子科技大学 超高速电路设计与电磁兼容教育部重点实验室,陕西 西安710071)




wd.jpg

此内容为AET网站原创,未经授权禁止转载。
Baidu
map