【技术实现步骤摘要】
本申请涉及机器视觉，尤其涉及一种直线边缘及角点检测方法、装置及存储介质。
技术介绍
1、面板行业中，存在由主检和精检相机组成的复合检测系统，主检相机用于检测缺陷位置及缺陷类型，精检相机用于进一步确定缺陷位于显示屏中的层级位置。其中为了将主检相机视野下的缺陷运动到精检相机视野下，需要对主检相机图像坐标系和载台坐标系进行标定。因精检相机视野微小，只能拍摄到标定板的部分区域。现有的工艺中提出了一种基于精检相机巡边的自动标定方法，该方法通过识别标定板内边框直线边缘特征使精检相机沿标定板内边框进行巡边过程中对识别到的内边框角点进行对位，并记录载台位置最后依据标定板物理参数解算精检相机中心对齐各mark点的载台位置，实现自动标定。
2、巡边过程中需要识别采集图像中标定板内边框直线边缘及角点特征。但在实际应用过程中，由于标定板放置位置与相机平面往往无法保持完全水平，并且精检相机的景深相对较小，导致在拍摄过程中，随着载台（用于承载并移动标定板的平台）的运动，图像容易出现虚焦现象。
3、由于虚焦图像中，边缘模糊和灰度变化不明显，标定板边缘变得模糊，细节信息丢失，边缘点的连续性和方向性难以准确判断，导致直线边缘和角点特征难以准确提取，进而影响到标定结果的准确性和可靠性。
技术实现思路
1、为了解决上述技术问题，本申请提供了一种直线边缘及角点检测方法、装置及存储介质。
2、下面对本申请中提供的技术方案进行描述：
3、本申请第一方面提供了一种直线边缘及角点检
4、使用边缘检测算子对输入图像进行卷积，得到梯度幅值图和梯度方向图；
5、设定梯度幅值阈值，并根据所述梯度幅值阈值和所述梯度幅值图获取所述梯度方向图中的第一图像区域，所述第一图像区域为梯度方向图中梯度幅值显著的边缘区域；
6、根据连通域分析和预设的最小区域面积，过滤所述第一图像区域中的微小区域；
7、对所述第一图像区域进行第一次假设检验，得到第一区域集和第二区域集，所述第一区域集为所述第一图像区域中通过所述第一次假设检验的区域，所述第二区域集为所述第一图像区域中未通过第一次假设检验的区域；
8、根据阈值分割将所述第二区域集划分为第一子区域集和第二子区域集，并对所述第一子区域集和第二子区域集分别进行第二次假设检验；
9、若所述第一子区域集和第二子区域集均通过第二次假设检验，则判断所述第二区域集中是否有拐角特征；
10、若确定所述第二区域集中有拐角特征，将所述第二区域集标记为拐角特征区域并添加到所述第一区域集中；
11、对所述第一区域集进行形态学膨胀，并计算所述第一区域集中各区域的矩形度；
12、设置矩形度卡控阈值，并根据所述矩形度卡控阈值和所述第一区域集中各区域的矩形度筛选出直线边缘特征区域；
13、根据区域骨架轮廓方法，获取所述直线边缘特征区域中的目标直线边缘特征和角点特征。
14、可选的，所述使用边缘检测算子对输入图像进行卷积，得到梯度幅值图和梯度方向图，包括：
15、使用边缘检测算子的x方向卷积核和y方向卷积核对输入图像进行卷积，得到x方向的梯度分量和y方向的梯度分量；
16、对于所述输入图像的每个像素点，计算所述像素点的x方向梯度分量和y方向梯度分量的欧几里得范数，得到所述像素点的梯度幅值；
17、整合所有像素点的梯度幅值，生成所述输入图像的梯度幅值图；
18、对于所述输入图像的每个像素点，计算其x方向梯度分量和y方向梯度分量的反正切值，得到所述像素点的梯度方向；
19、整合所有像素点的梯度方向，生成所述输入图像的梯度方向图。
20、可选的，所述设定梯度幅值阈值，并根据所述梯度幅值阈值和所述梯度幅值图获取所述梯度方向图中的第一图像区域，所述第一图像区域为梯度方向图中梯度幅值显著的边缘区域，包括：
21、设定梯度幅值阈值为所述梯度幅值图中的最大梯度幅值的n倍（0<n<1）；
22、将所述梯度方向图中的每个像素点的梯度幅值与所述梯度幅值阈值进行比较；
23、获取所有梯度幅值大于梯度幅值阈值的像素点，生成第一图像区域。
24、可选的，所述对所述第一图像区域进行第一次假设检验，得到第一区域集和第二区域集，包括：
25、将所述第一图像区域分为多个区块；
26、选定每个区块的梯度方向方差等于直线边缘的梯度方向方差作为原假设；
27、根据所述区块的梯度方向方差、像素点个数以及所述直线边缘的梯度方向方差计算检验统计量；
28、确定一个显著性水平，并根据所述区块的像素点个数和所述显著性水平计算检验下限值；
29、通过比较所述检验统计量和所述检验下限值，判断所述区块是否满足对应的原假设；
30、若是，则所述区块通过第一次假设检验，并划分为第一区域集；
31、若否，则所述区块未通过第一次假设检验，并划分为第二区域集。
32、可选的，所述根据所述绝对值确定所述第二区域集中含有拐角特征后，将所述第二区域集标记为拐角特征区域并添加到所述第一区域集中之前，还包括：
33、根据所述绝对值，判断所述第二区域集中是否含有拐角特征；
34、若是，则确定所述第二区域集中含有拐角特征；
35、若否，则确定所述第二区域集中含有圆弧特征，并丢弃所述第二区域集。
36、可选的，所述设置矩形度卡控阈值，并根据所述矩形度卡控阈值和所述第一区域集中各区域的矩形度筛选出直线边缘特征区域，包括：
37、设置一个矩形度卡控阈值；
38、将每个区域的矩形度与所述矩形度卡控阈值进行比较；
39、筛选掉非矩形区域，得到直线边缘特征区域，所述非矩形区域为矩形度不满足所述矩形卡控阈值的区域。
40、可选的，所述根据区域骨架轮廓方法，获取所述直线边缘特征区域中的目标直线边缘特征和角点特征，包括：
41、提取所述直线边缘特征区域中的直线骨架；
42、将所述直线骨架转换为直线轮廓；
43、使用直线检测算法提取所述直线轮廓中的目标直线边缘特征；
44、根据所述目标直线边缘特征，获取所述拐角特征区域中的角点特征。
45、本申请第二方面提供了一种基于距离的刺激值校准装置，包括：
46、卷积单元，使用边缘检测算子对输入图像进行卷积，得到梯度幅值图和梯度方向图；
47、第一获取单元，设定梯度幅值阈值，并根据所述梯度幅值阈值和所述梯度幅值图获取所述梯度方向图中的第一图像区域，所述第一图像区域为梯度方向图中梯度幅值显著的边缘区域；
48、过滤单元，根据连通域分析和预设的最小区域面积，过滤所述第一图像区域中的微小区域；
49、第一检验单元，对所述第本文档来自技高网...
【技术保护点】
1.一种直线边缘及角点检测方法，其特征在于，包括：
2.根据权利要求1中所述的直线边缘及角点检测方法，其特征在于，所述使用边缘检测算子对输入图像进行卷积，得到梯度幅值图和梯度方向图，包括：
3.根据权利要求2中所述的直线边缘及角点检测方法，其特征在于，所述设定梯度幅值阈值，并根据所述梯度幅值阈值和所述梯度幅值图获取所述梯度方向图中的第一图像区域，所述第一图像区域为梯度方向图中梯度幅值显著的边缘区域，包括：
4.根据权利要求3中所述的直线边缘及角点检测方法，其特征在于，所述对所述第一图像区域进行第一次假设检验，得到第一区域集和第二区域集，包括：
5.根据权利要求4中所述的直线边缘及角点检测方法，其特征在于，所述若所述第一子区域集和第二子区域集均通过第二次假设检验，则判断所述第二区域集中是否有拐角特征，包括：
6.根据权利要求1-5中任一项所述的直线边缘及角点检测方法，其特征在于，所述设置矩形度卡控阈值，并根据所述矩形度卡控阈值和所述第一区域集中各区域的矩形度筛选出直线边缘特征区域，包括：
7.根据权利要求1-5
8.一种直线边缘及角点检测装置，其特征在于，包括：
9.一种直线边缘及角点检测装置，其特征在于，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行如权利要求1至7中任一项所述直线边缘及角点检测方法。
...【技术特征摘要】
1.一种直线边缘及角点检测方法，其特征在于，包括：
2.根据权利要求1中所述的直线边缘及角点检测方法，其特征在于，所述使用边缘检测算子对输入图像进行卷积，得到梯度幅值图和梯度方向图，包括：
3.根据权利要求2中所述的直线边缘及角点检测方法，其特征在于，所述设定梯度幅值阈值，并根据所述梯度幅值阈值和所述梯度幅值图获取所述梯度方向图中的第一图像区域，所述第一图像区域为梯度方向图中梯度幅值显著的边缘区域，包括：
4.根据权利要求3中所述的直线边缘及角点检测方法，其特征在于，所述对所述第一图像区域进行第一次假设检验，得到第一区域集和第二区域集，包括：
5.根据权利要求4中所述的直线边缘及角点检测方法，其特征在于，所述若所述第一子区域集和第二子区域集均通过第二次假设检验，则判断所述...
【专利技术属性】
技术研发人员：李玉泉，杨硕，刘祥超，
申请(专利权)人：深圳精智达技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。