[go: up one dir, main page]

TWI793035B - 影像缺陷辨識方法及其影像分析裝置 - Google Patents

影像缺陷辨識方法及其影像分析裝置 Download PDF

Info

Publication number
TWI793035B
TWI793035B TW111123682A TW111123682A TWI793035B TW I793035 B TWI793035 B TW I793035B TW 111123682 A TW111123682 A TW 111123682A TW 111123682 A TW111123682 A TW 111123682A TW I793035 B TWI793035 B TW I793035B
Authority
TW
Taiwan
Prior art keywords
image
curve
identification method
pixels
distribution curve
Prior art date
Application number
TW111123682A
Other languages
English (en)
Other versions
TW202401361A (zh
Inventor
張忠凱
Original Assignee
晶睿通訊股份有限公司
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 晶睿通訊股份有限公司 filed Critical 晶睿通訊股份有限公司
Priority to TW111123682A priority Critical patent/TWI793035B/zh
Application granted granted Critical
Publication of TWI793035B publication Critical patent/TWI793035B/zh
Priority to US18/210,072 priority patent/US20230419476A1/en
Publication of TW202401361A publication Critical patent/TW202401361A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Endoscopes (AREA)

Abstract

一種影像缺陷辨識方法，應用於具有一影像擷取器與一運算處理器之一影像分析裝置。該影像缺陷辨識方法包含有將該影像擷取器所取得一偵測影像劃分為多組像素，將該多組像素之其中一組像素轉換為一分布曲線，將該分布曲線相比於一參考曲線，以及分布曲線之一特定片段和該參考曲線之一相應片段的一差值大於一預定門檻值時判斷該偵測影像之相符於該特定片段的一區域具有髒汙。

Description

影像缺陷辨識方法及其影像分析裝置
本發明係提供一種影像缺陷辨識方法及其影像分析裝置，尤指一種可以自動找出設備髒污或損壞的影像缺陷辨識方法及其影像分析裝置。
網路攝影機在組裝或使用過程中，灰塵可能會意外掉入殼體而停留在鏡頭或光學感測器上，造成拍攝影像上出現暗點，進而降低影像品質。傳統的解決方案是用人力分別檢查每張拍攝影像，目視且辨識影像內是否有暗點，極為耗費人力。若是鏡頭或光學感測器被灰塵污染，目前尚無快速有效的自動辨識技術可精準找出影像缺陷處。或者，傳統的影像髒汙辨識技術會先格狀切割拍攝影像，計算每一格的平均亮度，再將每一格與相鄰格的平均亮度作比較。若某一格的亮度低於相鄰格的平均亮度，則視為此格所在區域有髒污；然因光學元件的配置限制，拍攝影像的邊緣或邊角區的亮度偏低，常被誤判為髒污，而且較小的髒污需將拍攝影像進一步切割成更細的小格，並容易受到影像校正演算法的影響造成髒污誤判。因此，如何設計一種可以自動找出設備髒污或損壞的影像分析技術，即為監控產業的重點發展目標。
本發明係提供一種可以自動找出設備髒污或損壞的影像缺陷辨識方 法及其影像分析裝置，以解決上述之問題。
本發明之申請專利範圍係揭露一種影像缺陷辨識方法，應用於具有一影像擷取器與一運算處理器之一影像分析裝置。該影像缺陷辨識方法包含有將該影像擷取器所取得一偵測影像劃分為多組像素，將該多組像素之其中一組像素轉換為一分布曲線，將該分布曲線相比於一參考曲線，以及分布曲線之一特定片段和該參考曲線之一相應片段的一差值大於一預定門檻值時判斷該偵測影像之相符於該特定片段的一區域具有髒汙。
本發明之申請專利範圍另揭露一種影像分析裝置，包含有一影像擷取器以及一運算處理器。該影像擷取器用來取得一偵測影像。該運算處理器以有線或無線方式電連接該影像擷取器，用來將該偵測影像劃分為多組像素，將該多組像素之其中一組像素轉換為一分布曲線，將該分布曲線相比於一參考曲線，以及分布曲線之一特定片段和該參考曲線之一相應片段的一差值大於一預定門檻值時判斷該偵測影像之相符於該特定片段的一區域具有髒汙。
本發明的影像缺陷辨識方法及其影像分析裝置係可依序掃瞄偵測影像的所有行像素或所有列像素，計算每一行像素或每一列像素經濾波矩陣轉換或亮度分佈分析取得的分佈曲線和參考曲線進行比較。參考曲線較佳地取自同一張偵測影像、或是取自另一張參考影像；然通常分佈曲線和參考曲線會源自同張影像，合先敘明。影像缺陷(暗點)會改變偵測影像內相關像素的亮度值，造成曲線不平滑，故利用具有平滑化曲線效果的濾波矩陣，藉由兩個不同大小的濾波矩陣產生曲線不平滑區域有兩種不同平滑程度差別的曲線，再利用這兩條曲線的片段差值比較，可分析出偵測影像中的缺陷範圍與程度，進而有效判斷 網路攝影機的鏡頭或影像感測器是否為不良品。
10:影像分析裝置
12:影像擷取器
14:運算處理器
Id:偵測影像I
Cd,Cd’,Cd”:分佈曲線
Cr:參考曲線
Z1:第一區段
Z2:第二區段
Z3:第三區段
G1:初始像素組
G2:中間像素組
G3:末端像素組
S100、S102、S104、S106、S108、S110、S112、S114:步驟
第1圖為本發明實施例之影像分析裝置之功能方塊圖。
第2圖為本發明實施例之影像缺陷辨識方法之流程圖。
第3圖為本發明實施例之偵測影像之示意圖。
第4圖與第5圖為本發明第一實施例之偵測影像轉換生成之曲線在不同應用態樣之示意圖。
第6圖為本發明第二實施例之偵測影像轉換生成之曲線之示意圖。
第7圖為本發明第二實施例之偵測影像之其中一組像素的亮度分佈圖。
請參閱第1圖與第2圖，第1圖為本發明實施例之影像分析裝置10之功能方塊圖，第2圖為本發明實施例之影像缺陷辨識方法之流程圖。第2圖所述之影像缺陷辨識方法可適用於第1圖所示之影像分析裝置10。影像分析裝置10可包含影像擷取器12以及運算處理器14。影像擷取器12可以直接拍攝以取得偵測影像、或是連接到外部攝影機來取得外部攝影機拍攝所得之偵測影像，其變化端視實際應用而定。運算處理器14可以有線或無線方式電連接影像擷取器12，用來分析偵測影像以執行影像缺陷辨識方法。
影像分析裝置10可以是網路攝影機、或是連線到網路攝影機的外部設備；網路攝影機也可以任何具有影像拍攝功能的設備取代。網路攝影機可能因長期使用或環境污染而造成鏡頭髒污、或是影像感測器髒污、或是影像感測 器的部分感測單元損壞。影像分析裝置10可藉由分析網路攝影機所提供偵測影像之影像內容，自動且快速地找出影像缺陷處。前述影像缺陷處可能會是灰塵停留在鏡頭或是影像感測器、或是硬質材料磨損鏡頭、或是部分感測單元失準或失效；凡是會偵測影像上出現明顯暗點的缺陷皆屬於本發明之影像缺陷辨識方法的應用範疇。
請參閱第2圖至第5圖，第3圖為本發明實施例之偵測影像Id之示意圖，第4圖與第5圖為本發明第一實施例之偵測影像Id轉換生成之曲線在不同應用態樣之示意圖。首先執行步驟S100，影像擷取器12取得在均勻光場的環境下所拍攝的偵測影像Id。均勻光場係指網路攝影機位於照明光平穩無劇烈變動的環境，且拍攝區域內通常不會放置物件，以使影像缺陷處相對影像背景可更為顯著。接著，執行步驟S102，運算處理器14將偵測影像Id劃分為多組像素，例如將偵測影像Id的複數個列像素或複數個行像素定義為多組像素，其實際應用端視設計需求而定。
接下來，執行步驟S104與步驟S106，運算處理器14逐行或逐列地將多組像素中的每一組像素各自轉換成分佈曲線Cd，再利用相同矩陣模型但不同矩陣參數轉換每一組像素以生成參考曲線Cr。第一實施例中，運算處理器14可能利用高斯濾波、均值濾波、中值濾波、雙邊濾波、或任意可應用的濾波矩陣轉換生成分佈曲線Cd和參考曲線Cr。如第4圖所示，分佈曲線Cd可為較大濾波矩陣所生成，與缺陷處重疊的曲線片段的曲線分佈較為扁平，參考曲線Cr則為較小濾波矩陣所生成，其重疊於缺陷處的曲線片段的曲線分佈會產生陡直的局部變化。
接著，執行步驟S108，將分佈曲線Cd相比於參考曲線Cr。若分布曲線Cd之部分片段和參考曲線Cr之相應片段的差值小於或等於預定門檻值，例如第4圖所示的第一區段Z1與第二區段Z2，表示分佈曲線Cd和參考曲線Cr的重疊度較高，可執行步驟S110，判斷偵測影像Id中相符於此部分片段的區域沒有缺陷。若分布曲線Cd之特定片段和參考曲線Cr之相應片段的差值大於預定門檻值，例如第4圖所示的第三區段Z3，則可執行步驟S112，判斷偵測影像Id中相符於特定片段的區域具有缺陷，意即第3圖所示之暗點P。
第一實施例中，影像缺陷辨識方法使用不同矩陣參數但相同矩陣模型將每一組像素轉換生成分佈曲線Cd與參考曲線Cr；若判斷分布曲線Cd之部分片段和參考曲線Cr之相應片段的差值小於或等於預定門檻值，可在步驟S110後選擇性執行步驟114，再以其它轉換參數的濾波矩陣生成分佈曲線Cd’，並可將分佈曲線Cd’相比於參考曲線Cr，判斷兩曲線之特定片段的差值係大於、小於或等於預定門檻值，進而驗證偵測影像Id中相符於此部分片段的區域是否具有缺陷。本發明中，分佈曲線Cd’的濾波矩陣較佳可大於參考曲線Cr的濾波矩陣、但是小於分布曲線Cd的濾波矩陣，然實際應用不限於此。
第一實施例中，分佈曲線Cd與參考曲線Cr係取自同一張偵測影像Id，預定門檻值可利用偵測影像Id之每一組像素的分佈曲線Cd與參考曲線Cr的所有像素的平均差值相對於分佈曲線Cd與參考曲線Cr之間每一個對應像素點的差值比例來進行判定；例如前述的平均差值作為分母、而前述各對應像素點的差值視為分子，若某個或多個像素點計算出的比例超過預定門檻值即可判定為髒污。或者，預定門檻值還能選擇性設定為偵測影像Id之每一組像素的分佈曲線Cd與參考曲線Cr的所有像素的平均差值，其定義係參考設計需求而定。而在其 它的可能實施態樣中，參考曲線Cr可以是參考影像之任一組像素的參數分布變化。此參考影像係指網路攝影機在剛出廠且沒有影像缺陷時，於均勻光場拍攝的影像畫面；而此實施態樣的預定門檻值則可為偵測影像Id與參考影像之所有像素的平均差值。換句話說，參考曲線Cr可選擇性來自與分佈曲線Cd具有相同來源的偵測影像Id、或是來自與分佈曲線Cd具有不同來源的參考影像，其變化端視設計需求而定。
請再參閱第3圖與第5圖，雖然偵測影像Id取自於均勻光場，但偵測影像Id的側邊區域亮度仍可能因光線發散特性而略低於偵測影像Id的中段區域亮度。為了克服光場邊緣效應引起的偵測誤差，本發明的影像缺陷辨識方法較佳可選擇將偵測影像Id的每一組像素進一步分成初始像素組G1、中間像素組G2以及末端像素組G3。中間像素組G2可位於初始像素組G1與末端像素組G3之間。中間像素組G2相比於初始像素組G1和末端像素組G3的尺寸範圍取決於偵測影像Id的亮度分佈變化。運算處理器14以中間像素組G2轉換生成分布曲線Cd，並執行影像缺陷辨識方法以判斷偵測影像Id的中段區域是否具有缺陷。偵測影像Id的側邊區域也可能有影像缺陷，故運算處理器14可另以不同於中間像素組G2的轉換參數或轉換演算法對初始像素組G1與末端像素組G3生成另一分布曲線Cd”，並相比於另一參考曲線和另一預定門檻值，從而判斷偵測影像Id的側邊區域是否具有缺陷。
請參閱第6圖與第7圖，第6圖為本發明第二實施例之偵測影像Id轉換生成之曲線之示意圖，第7圖為本發明第二實施例之偵測影像Id之其中一組像素的亮度分佈圖。第二實施例中，運算處理器14不使用濾波矩陣轉換偵測影像Id的各行或各列像素；運算處理器14係取得偵測影像Id的每一行像素或每一列像素 的亮度分佈作為分佈曲線Cd，並將該行像素或該列像素通過曲線擬合演算生成參考曲線Cr。接著，影像缺陷辨識方法可將分佈曲線Cd之特定片段和參考曲線Cr相應片段的亮度差值相比於預定門檻值。如第6圖所示，分佈曲線Cd遇到影像缺陷(暗點P)時的片段亮度會快速下降，因此本發明可藉由分析像素的亮度變化幅度來找出影像缺陷。
如第7圖所示，網路攝影機在偵測影像Id的擷取過程中可能受到環境因素或攝影機本身參數影響，讓偵測影像Id的每一行像素或每一列像素具有未知雜訊或壞點；因此，本發明的影像缺陷辨識方法可利用濾波演算法先去除偵測影像Id的每一行像素或每一列像素的雜訊，再將去除雜訊的該組像素以濾波矩陣轉換或亮度分佈分析取得其分佈曲線Cd，從而能與參考曲線Cr相比較來找出偵測影像Id的缺陷。
請再參閱第6圖，第二實施例係將每一行像素或每一列像素的亮度分佈作為分佈曲線Cd、以及將分佈曲線Cd進行曲線擬合而生成參考曲線Cr，然實際應用不限於此。在其它的可能變化態樣中，本發明的影像缺陷辨識方法可將偵測影像Id的每一行像素或每一列像素的亮度分佈作為分佈曲線Cd，並計算分佈曲線Cd之多個片段各自的斜率。若特定區段的斜率相比於相鄰區段的斜率差異符合預定條件，意即陰影或缺陷致使斜率產生劇烈變化，可判斷偵測影像Id的相符於特定片段的區域具有髒汙。本發明沒有定義斜率劇烈變化之幅度，端視設計需求而定。
綜上所述，本發明的影像缺陷辨識方法及其影像分析裝置係可依序掃瞄偵測影像的所有行像素或所有列像素，計算每一行像素或每一列像素經濾 波矩陣轉換或亮度分佈分析取得的分佈曲線和參考曲線進行比較。參考曲線較佳地取自同一張偵測影像、或是取自另一張參考影像；然通常分佈曲線和參考曲線會源自同張影像，合先敘明。影像缺陷(暗點)會改變偵測影像內相關像素的亮度值，造成曲線不平滑，故利用具有平滑化曲線效果的濾波矩陣，藉由兩個不同大小的濾波矩陣產生曲線不平滑區域有兩種不同平滑程度差別的曲線，再利用分佈曲線和參考曲線的片段差值比較，可分析出偵測影像中的缺陷範圍與程度，進而有效判斷網路攝影機的鏡頭或影像感測器是否為不良品。
以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。
S100、S102、S104、S106、S108、S110、S112、S114:步驟

Claims (11)

  1. 一種影像缺陷辨識方法，應用於具有一影像擷取器與一運算處理器之一影像分析裝置，該影像缺陷辨識方法包含有：該運算處理器將該影像擷取器所取得一偵測影像劃分為多組像素；該運算處理器將該多組像素之其中一組像素轉換為一分布曲線；該運算處理器將該分布曲線相比於一參考曲線；以及若分布曲線之一特定片段和該參考曲線之一相應片段的一差值大於一預定門檻值，該運算處理器判斷該偵測影像之相符於該特定片段的一區域具有缺陷。
  2. 如請求項1所述之影像缺陷辨識方法，另包含有：該差值小於或等於該預定門檻值時，該運算處理器以其它轉換參數生成該分布曲線，並相比於該參考曲線以驗證該偵測影像之相符於該特定片段的該區域是否具有缺陷。
  3. 如請求項1所述之影像缺陷辨識方法，其中該參考曲線為一參考影像之任一組像素的參數分布變化，該預定門檻值係為該偵測影像與該參考影像之所有像素的平均差值。
  4. 如請求項1所述之影像缺陷辨識方法，其中該運算處理器係以高斯濾波、均值濾波、中值濾波或雙邊濾波的濾波矩陣將該其中一組像素轉換為該分布曲線。
  5. 如請求項4所述之影像缺陷辨識方法，其中該運算處理器另以不同矩陣參數代入產生該分布曲線之該濾波矩陣以生成該參考曲線。
  6. 如請求項1所述之影像缺陷辨識方法，其中該運算處理器係計算該其中一組像素的亮度分布作為該分布曲線、並且通過曲線擬合演算生成該參考曲線。
  7. 如請求項1所述之影像缺陷辨識方法，另包含有：該運算處理器將該其中一組像素分成一初始像素組、一中間像素組以及一末端像素組；以及該運算處理器以該中間像素組轉換生成該分布曲線。
  8. 如請求項7所述之影像缺陷辨識方法，另包含有：該運算處理器以不同於該中間像素組的一轉換參數或一轉換演算法對該初始像素組與該末端像素組生成另一分布曲線。
  9. 如請求項1所述之影像缺陷辨識方法，另包含有：該運算處理器先利用一濾波演算法器去除該偵測影像之雜訊，再將該濾波後偵測影像之該其中一組像素轉換為該分布曲線。
  10. 如請求項1所述之影像缺陷辨識方法，其中該運算處理器係計算該分布曲線之該特定片段之一斜率，並在該特定片段之該斜率相比於該分布曲線之一相鄰片段之一斜率的差異符合預定條件時，判斷該偵測影像之相符於該特定片段的該區域具有髒汙。
  11. 一種影像分析裝置，包含有：一影像擷取器，用來取得一偵測影像；以及一運算處理器，以有線或無線方式電連接該影像擷取器，用來根據該偵測影像來執行如請求項1至請求項10的其中之一影像缺陷辨識方法。
TW111123682A 2022-06-24 2022-06-24 影像缺陷辨識方法及其影像分析裝置 TWI793035B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW111123682A TWI793035B (zh) 2022-06-24 2022-06-24 影像缺陷辨識方法及其影像分析裝置
US18/210,072 US20230419476A1 (en) 2022-06-24 2023-06-14 Image defect identification method and image analysis device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW111123682A TWI793035B (zh) 2022-06-24 2022-06-24 影像缺陷辨識方法及其影像分析裝置

Publications (2)

Publication Number Publication Date
TWI793035B true TWI793035B (zh) 2023-02-11
TW202401361A TW202401361A (zh) 2024-01-01

Family

ID=86689249

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111123682A TWI793035B (zh) 2022-06-24 2022-06-24 影像缺陷辨識方法及其影像分析裝置

Country Status (2)

Country Link
US (1) US20230419476A1 (zh)
TW (1) TWI793035B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118334015B (zh) * 2024-06-12 2024-08-16 数智汇能(大连)科技发展有限公司 基于视觉图像的缺陷识别方法、系统、设备及介质
CN119693376B (zh) * 2025-02-25 2025-04-18 湖南美石信息技术有限公司 一种用于烟花生产的烟花内筒质量检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1929530A (zh) * 2005-09-09 2007-03-14 株式会社理光 图像质量预测方法和设备以及故障诊断系统
US20070252904A1 (en) * 2006-05-01 2007-11-01 Warner Bros. Entertainment, Inc. Detection and/or Correction of Suppressed Signal Defects in Moving Images
CN101489034A (zh) * 2008-12-19 2009-07-22 四川虹微技术有限公司 一种视频图像噪声估计与去除方法
CN112581434A (zh) * 2020-12-07 2021-03-30 无锡智创云图信息科技有限公司 一种用于产品缺陷检测的图像识别方法
CN113096119A (zh) * 2021-04-30 2021-07-09 上海众壹云计算科技有限公司 晶圆缺陷分类的方法、装置、电子设备以及存储介质
US20210304370A1 (en) * 2020-03-31 2021-09-30 Beijing Xiaomi Mobile Software Co., Ltd. Image processing method and device, mobile terminal, and storage medium
US20210383563A1 (en) * 2021-06-21 2021-12-09 University Of Electronic Science And Technology Of China Method for quantitatively identifying the defects of large-size composite material based on infrared image sequence

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04158238A (ja) * 1990-10-22 1992-06-01 Ezel Inc 液晶パネルの検査方法
US7031026B2 (en) * 2001-05-21 2006-04-18 International Business Machines Corporation Defect and maintenance detection for image capture device
JP4776308B2 (ja) * 2005-09-05 2011-09-21 株式会社東京精密 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法
JP4657869B2 (ja) * 2005-09-27 2011-03-23 シャープ株式会社 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体
US8009209B2 (en) * 2005-09-30 2011-08-30 Simon Fraser University Methods and apparatus for detecting defects in imaging arrays by image analysis
US7369236B1 (en) * 2006-10-31 2008-05-06 Negevtech, Ltd. Defect detection through image comparison using relative measures
CN102035988A (zh) * 2009-09-29 2011-04-27 深圳富泰宏精密工业有限公司 手机摄像头拍照效果测试系统及方法
ES2625880T3 (es) * 2010-10-27 2017-07-20 Vaelsys Formación Y Desarrollo, S.L. Método y dispositivo de detección de cambio de iluminación para sistemas de visión
US9031354B2 (en) * 2011-03-31 2015-05-12 Raytheon Company System and method for post-detection artifact reduction and removal from images
US9191592B2 (en) * 2012-02-29 2015-11-17 Apple Inc. Imaging sensor anomalous pixel column detection and calibration
JP2015534734A (ja) * 2012-06-28 2015-12-03 ペリカン イメージング コーポレイション 欠陥のあるカメラアレイ、光学アレイ、およびセンサを検出するためのシステムおよび方法
US9349068B2 (en) * 2014-06-05 2016-05-24 Honeywell International Inc. Detecting camera conditions to initiate camera maintenance
US20170277979A1 (en) * 2016-03-22 2017-09-28 Inovision Software Solutions, Inc. Identifying defect on specular surfaces
EP3484369B1 (en) * 2016-07-13 2023-05-31 Koninklijke Philips N.V. Spectral computed tomography fingerprinting
US10810721B2 (en) * 2017-03-14 2020-10-20 Adobe Inc. Digital image defect identification and correction
JP7287669B2 (ja) * 2019-08-21 2023-06-06 株式会社ブイ・テクノロジー 欠陥部認識装置及び欠陥部認識方法
JP2023092914A (ja) * 2021-12-22 2023-07-04 キヤノン株式会社 測定装置、コンピュータプログラム、システム及び物品の製造方法
US11863916B2 (en) * 2022-01-27 2024-01-02 Altek Semiconductor Corporation Color correction method and image correction apparatus
KR102448069B1 (ko) * 2022-05-27 2022-09-27 주식회사 디알텍 방사선 촬영에 의해 획득된 영상에 포함된 노이즈를 저감하기 위한 영상 처리 방법 및 장치
US20250030833A1 (en) * 2023-07-17 2025-01-23 Arm Limited Method, system and program for data processing
KR20250088871A (ko) * 2023-12-08 2025-06-18 삼성전자주식회사 이미지센서의 인도어 화질평가 시스템

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1929530A (zh) * 2005-09-09 2007-03-14 株式会社理光 图像质量预测方法和设备以及故障诊断系统
US20070252904A1 (en) * 2006-05-01 2007-11-01 Warner Bros. Entertainment, Inc. Detection and/or Correction of Suppressed Signal Defects in Moving Images
CN101489034A (zh) * 2008-12-19 2009-07-22 四川虹微技术有限公司 一种视频图像噪声估计与去除方法
US20210304370A1 (en) * 2020-03-31 2021-09-30 Beijing Xiaomi Mobile Software Co., Ltd. Image processing method and device, mobile terminal, and storage medium
CN112581434A (zh) * 2020-12-07 2021-03-30 无锡智创云图信息科技有限公司 一种用于产品缺陷检测的图像识别方法
CN113096119A (zh) * 2021-04-30 2021-07-09 上海众壹云计算科技有限公司 晶圆缺陷分类的方法、装置、电子设备以及存储介质
US20210383563A1 (en) * 2021-06-21 2021-12-09 University Of Electronic Science And Technology Of China Method for quantitatively identifying the defects of large-size composite material based on infrared image sequence

Also Published As

Publication number Publication date
US20230419476A1 (en) 2023-12-28
TW202401361A (zh) 2024-01-01

Similar Documents

Publication Publication Date Title
CN109816678B (zh) 一种基于视觉的喷嘴雾化角度自动检测系统及方法
TWI603074B (zh) 光學薄膜缺陷辨識方法及其系統
TWI793035B (zh) 影像缺陷辨識方法及其影像分析裝置
CN106056597B (zh) 物体视觉检测方法及装置
CN109754019B (zh) 一种连续监测锅炉燃烧状况的方法
US20150139498A1 (en) Apparatus and method for tire sidewall crack analysis
JP6473844B1 (ja) ひび割れ検出装置、ひび割れ検出方法およびひび割れ検出プログラム
CN118823292B (zh) 一种城市监控图像识别系统
CN119048472A (zh) 基于机器视觉的板材表面缺陷检测系统及方法
CN117237287A (zh) 一种基于视觉识别的皮带跑偏快速检测方法
WO2017071406A1 (zh) 金针类元件的引脚检测方法和系统
US12380548B2 (en) Method and system of adaptably detecting dirt, occlusion and smudge on camera lens and image sensor
CN108428247B (zh) 焊锡点方向的检测方法和系统
CN118864464B (zh) 一种用于纺织工艺品的智能管理系统
JPH06308256A (ja) 雲霧検出方法
CN118195973B (zh) 一种航空发动机外观检测方法及系统
JP2019120644A (ja) 表面検査装置、及び表面検査方法
JP2005140655A (ja) シミ欠陥の検出方法及びその検出装置
TWI493177B (zh) 一種檢測具週期性結構光學薄膜的瑕疵檢測方法及其檢測裝置
CN112308814A (zh) 一种电力系统刀闸分合位状态自动识别方法和系统
JP4244046B2 (ja) 画像処理方法および画像処理装置
JP2009128078A (ja) 画質検査装置および画質検査方法
CN118096678A (zh) 晶圆检测方法、装置、计算机设备及可读存储介质
TWI644264B (zh) 影像辨識方法及其影像辨識裝置
TW202331640A (zh) 色彩偏差校正方法及其影像校正設備