透镜缺陷的检测方法、设备及介质与流程

1.本技术涉及透镜缺陷检测技术领域，尤其涉及一种透镜缺陷的检测方法、透镜缺陷的检测设备及计算机可读存储介质。


背景技术：

2.目前，头戴显示设备的相关的硬件产品和内容资源不断增多，随着用户的不断增多，其生产数量也随之增多。为保证头戴显示设备能得到较广泛的应用且用户体验较好，那么头戴显示设备的显示屏幕必须能达到较好的分辨率，且不能存在坏点以及脏污。现阶段在生产头戴显示设备的过程中，l ens(透镜)表面的缺陷可以通过软件算法较好的区分出来。
3.但是，对于处在透镜不同深度的缺陷，由于该深度缺陷所呈现的面积较小、与背景粘连等特点，且不在相机聚焦位置、所有深度缺陷无法在一张图像全部呈现出来等原因，难以检测透镜不同深度的缺陷。


技术实现要素：

4.本技术的主要目的在于提供一种透镜缺陷的检测方法、透镜缺陷的检测设备及计算机可读存储介质，旨在解决现有技术中难以检测透镜不同深度的缺陷的技术问题。
5.为实现上述目的，本技术提供一种透镜缺陷的检测方法，所述方法包括：
6.获取在多个不同焦距下拍摄的待检测透镜的透镜图片，并基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷，其中，所述图像属性包括所述透镜图片的点位信息；
7.若在所有所述透镜图片中均存在所述疑似缺陷，则确定所述疑似缺陷为所述待检测透镜的目标缺陷。
8.示例性的，所述基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷的步骤，包括：
9.确定所有所述透镜图片中任意两幅目标透镜图片的预设缺陷感兴趣区域中的区域中心点，并基于所述区域中心点确定两幅所述目标透镜图片的基准中心点；
10.确定在其中一幅所述目标透镜图片中第一待定缺陷的第一缺陷中心点，以及在另一幅所述目标透镜图片中第二待定缺陷的第二缺陷中心点；
11.基于所述基准中心点、所述第一缺陷中心点和所述第二缺陷中心点，确定在所有所述透镜图片中的待定缺陷是否均满足预设斜率条件，并确定在所有所述透镜图片中的待定缺陷是否均满足预设图像尺寸偏移条件；
12.若在所有所述透镜图片中的待定缺陷均满足预设斜率条件和预设图像尺寸偏移条件，则确定在所有所述透镜图片中均存在疑似缺陷。
13.示例性的，所述确定在所有所述透镜图片中的待定缺陷是否均满足预设斜率条件的步骤，包括：
14.确定所述基准中心点与所述第一缺陷中心点之间的第一斜率、所述基准中心点与所述第二缺陷中心点之间的第二斜率以及所述第一缺陷中心点与所述第二缺陷中心点之间的第三斜率；
15.在两幅所述目标透镜图片中的所述第一斜率、所述第二斜率以及所述第三斜率之间的方差小于预设第一阈值时，确定在所有所述透镜图片中的待定缺陷均满足预设斜率条件。
16.示例性的，所述确定在所有所述透镜图片中的待定缺陷是否均满足预设图像尺寸偏移条件的步骤，包括：
17.确定所述第一缺陷中心点与所述基准中心点之间的第一距离，以及所述第二缺陷中心点与所述基准中心点之间的第二距离；
18.确定在其中一幅所述目标透镜图片中所述待定缺陷的第一轮廓最大距离，以及在另一幅所述目标透镜图片中所述待定缺陷的第二轮廓最大距离；
19.基于所述第一距离、所述第二距离、所述第一轮廓最大距离和所述第二轮廓最大距离确定图像尺寸偏移量；
20.确定所述第一距离与所述第二距离的第一距离差，在任意两幅所述目标透镜图片的所述第一距离差均小于所述图像尺寸偏移量时，确定在所有所述透镜图片中的待定缺陷均满足预设图像尺寸偏移条件。
21.示例性的，所述基于所述第一距离、所述第二距离、所述第一轮廓最大距离和所述第二轮廓最大距离确定图像尺寸偏移量的步骤，包括：
22.确定所述第一距离与所述第二距离的第一距离和；
23.确定所述第一轮廓最大距离与所述第二轮廓最大距离的第二距离和；
24.确定所述第一轮廓最大距离与所述第二轮廓最大距离的第二距离差；
25.基于所述第一距离和、所述第二距离和以及所述第二距离差之间的比值确定图像尺寸偏移量。
26.示例性的，所述确定所述疑似缺陷为所述待检测透镜的目标缺陷的步骤之前，还包括：
27.确定任意两幅目标透镜图片中所述疑似缺陷的梯度矩形以及轮廓矩形；
28.基于所述梯度矩形和所述轮廓矩形确定所述疑似缺陷是否为目标缺陷。
29.示例性的，所述确定任意两幅目标透镜图片中所述疑似缺陷的梯度矩形以及轮廓矩形的步骤，包括：
30.遍历所述目标透镜图片的像素，确定梯度变化值大于预设第二阈值的像素区域为所述疑似缺陷的梯度矩形；
31.对所述目标透镜图片进行二值化处理，确定最大黑色像素连通域的外接矩形为所述疑似缺陷的轮廓矩形。
32.示例性的，所述基于所述梯度矩形和所述轮廓矩形确定所述疑似缺陷是否为目标缺陷的步骤，包括：
33.确定所述梯度矩形和所述轮廓矩形的交集面积；
34.确定所述梯度矩形和所述轮廓矩形之间的目标面积，其中，所述目标面积为所述梯度矩形的面积和所述轮廓矩形的的面积的较大值；
35.若交集比大于预设第三阈值且所述目标面积中的黑色像素个数大于预设第四阈值，则确定所述疑似缺陷为目标缺陷，其中，所述交集比为所述交集面积与所述目标面积的比值。
36.本技术还提供一种透镜缺陷的检测设备，所述透镜缺陷的检测设备包括：存储器、处理器、及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的透镜缺陷的检测方法的步骤。
37.本技术还提供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，所述计算机程序被处理器执行时实现如上所述的透镜缺陷的检测方法的步骤。
38.本技术实施例提出的一种透镜缺陷的检测方法、透镜缺陷的检测设备及计算机可读存储介质,获取在多个不同焦距下拍摄的待检测透镜的透镜图片，并基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷，其中，所述图像属性包括所述透镜图片的点位信息；若在所有所述透镜图片中均存在所述疑似缺陷，则确定所述疑似缺陷为所述待检测透镜的目标缺陷。
39.由于透镜缺陷具有深度特性的特殊性，透镜不同深度缺陷较难被检测到，因此在本技术中提出，通过将相机聚焦在不同深度的方式，在不同焦距下拍摄待检测透镜，得到可能存在不同深度的缺陷的透镜图像，并识别透镜图片中的疑似缺陷，在确定所有透镜图片中均存在疑似缺陷之后，便可确定疑似缺陷为目标缺陷。通过该方式进行透镜缺陷的判定，可以检测到不同深度的透镜缺陷，准确率高且能提高产线检测效率。
附图说明
40.图1是本技术实施例方案涉及的硬件运行环境的运行设备的结构示意图；
41.图2为本技术实施例方案涉及的透镜缺陷的检测方法一实施例的流程示意图；
42.图3为本技术实施例方案涉及的透镜缺陷的检测方法一实施例的深度缺陷示意图；
43.图4为本技术实施例方案涉及的透镜缺陷的检测方法一实施例的第一梯度矩形示意图；
44.图5为本技术实施例方案涉及的透镜缺陷的检测方法一实施例的第二梯度矩形示意图；
45.图6为本技术实施例方案涉及的透镜缺陷的检测方法一实施例的第一轮廓矩形示意图；
46.图7为本技术实施例方案涉及的透镜缺陷的检测方法一实施例的第二轮廓矩形示意图。
47.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
48.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
49.参照图1，图1为本技术实施例方案涉及的硬件运行环境的运行设备结构示意图。
50.如图1所示，该运行设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，
通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
51.本领域技术人员可以理解，图1中示出的结构并不构成对运行设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
52.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及计算机程序。
53.在图1所示的运行设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本技术运行设备中的处理器1001、存储器1005可以设置在运行设备中，所述运行设备通过处理器1001调用存储器1005中存储的计算机程序，并执行以下操作：
54.获取在多个不同焦距下拍摄的待检测透镜的透镜图片，并基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷，其中，所述图像属性包括所述透镜图片的点位信息；
55.若在所有所述透镜图片中均存在所述疑似缺陷，则确定所述疑似缺陷为所述待检测透镜的目标缺陷。
56.在一实施例中，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：
57.所述基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷的步骤，包括：
58.确定所有所述透镜图片中任意两幅目标透镜图片的预设缺陷感兴趣区域中的区域中心点，并基于所述区域中心点确定两幅所述目标透镜图片的基准中心点；
59.确定在其中一幅所述目标透镜图片中第一待定缺陷的第一缺陷中心点，以及在另一幅所述目标透镜图片中第二待定缺陷的第二缺陷中心点；
60.基于所述基准中心点、所述第一缺陷中心点和所述第二缺陷中心点，确定在所有所述透镜图片中的待定缺陷是否均满足预设斜率条件，并确定在所有所述透镜图片中的待定缺陷是否均满足预设图像尺寸偏移条件；
61.若在所有所述透镜图片中的待定缺陷均满足预设斜率条件和预设图像尺寸偏移条件，则确定在所有所述透镜图片中均存在疑似缺陷。
62.在一实施例中，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：
63.所述确定在所有所述透镜图片中的待定缺陷是否均满足预设斜率条件的步骤，包括：
64.确定所述基准中心点与所述第一缺陷中心点之间的第一斜率、所述基准中心点与所述第二缺陷中心点之间的第二斜率以及所述第一缺陷中心点与所述第二缺陷中心点之间的第三斜率；
65.在两幅所述目标透镜图片中的所述第一斜率、所述第二斜率以及所述第三斜率之间的方差小于预设第一阈值时，确定在所有所述透镜图片中的待定缺陷均满足预设斜率条件。
66.在一实施例中，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：
67.所述确定在所有所述透镜图片中的待定缺陷是否均满足预设图像尺寸偏移条件的步骤，包括：
68.确定所述第一缺陷中心点与所述基准中心点之间的第一距离，以及所述第二缺陷中心点与所述基准中心点之间的第二距离；
69.确定在其中一幅所述目标透镜图片中所述待定缺陷的第一轮廓最大距离，以及在另一幅所述目标透镜图片中所述待定缺陷的第二轮廓最大距离；
70.基于所述第一距离、所述第二距离、所述第一轮廓最大距离和所述第二轮廓最大距离确定图像尺寸偏移量；
71.确定所述第一距离与所述第二距离的第一距离差，在任意两幅所述目标透镜图片的所述第一距离差均小于所述图像尺寸偏移量时，确定在所有所述透镜图片中的待定缺陷均满足预设图像尺寸偏移条件。
72.在一实施例中，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：
73.所述基于所述第一距离、所述第二距离、所述第一轮廓最大距离和所述第二轮廓最大距离确定图像尺寸偏移量的步骤，包括：
74.确定所述第一距离与所述第二距离的第一距离和；
75.确定所述第一轮廓最大距离与所述第二轮廓最大距离的第二距离和；
76.确定所述第一轮廓最大距离与所述第二轮廓最大距离的第二距离差；
77.基于所述第一距离和、所述第二距离和以及所述第二距离差之间的比值确定图像尺寸偏移量。
78.在一实施例中，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：
79.所述确定所述疑似缺陷为所述待检测透镜的目标缺陷的步骤之前，还包括：
80.确定任意两幅目标透镜图片中所述疑似缺陷的梯度矩形以及轮廓矩形；
81.基于所述梯度矩形和所述轮廓矩形确定所述疑似缺陷是否为目标缺陷。
82.在一实施例中，处理器1001可以调用存储器1005中存储的计算机程序，还执行以下操作：
83.所述确定任意两幅目标透镜图片中所述疑似缺陷的梯度矩形以及轮廓矩形的步骤，包括：
84.遍历所述目标透镜图片的像素，确定梯度变化值大于预设第二阈值的像素区域为所述疑似缺陷的梯度矩形；
85.对所述目标透镜图片进行二值化处理，确定最大黑色像素连通域的外接矩形为所述疑似缺陷的轮廓矩形。
86.在一实施例中，处理器1001可以调用存储器1005中存储的计算机程序，还执行以
下操作：
87.所述基于所述梯度矩形和所述轮廓矩形确定所述疑似缺陷是否为目标缺陷的步骤，包括：
88.确定所述梯度矩形和所述轮廓矩形的交集面积；
89.确定所述梯度矩形和所述轮廓矩形之间的目标面积，其中，所述目标面积为所述梯度矩形的面积和所述轮廓矩形的的面积的较大值；
90.若交集比大于预设第三阈值且所述目标面积中的黑色像素个数大于预设第四阈值，则确定所述疑似缺陷为目标缺陷，其中，所述交集比为所述交集面积与所述目标面积的比值。
91.本技术实施例提供了一种透镜缺陷的检测方法，参照图2，在透镜缺陷的检测方法的第一实施例中，所述方法包括：
92.步骤s10，获取在多个不同焦距下拍摄的待检测透镜的透镜图片，并基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷，其中，所述图像属性包括所述透镜图片的点位信息。
93.步骤s20，若在所有所述透镜图片中均存在所述疑似缺陷，则确定所述疑似缺陷为所述待检测透镜的目标缺陷。
94.参照图3，深度缺陷可能会处于透镜的任意位置，为了获取缺陷在图像上比较清晰的成像效果，可以将相机聚焦在透镜的不同深度，即不断改变相机的焦距，让相机聚焦在透镜不同深度上的缺陷上。透镜上不同深度的缺陷在图像上显示的特点是：当聚焦位置和缺陷位置越一致时，所拍摄的透镜图片越清晰。因此，在本实施例中，将焦距调整从透镜表面到底面拍多张图像，即将焦距从透镜表面调整到透镜底面，在调整过程中拍摄多张图像，对拍摄得到的图像进行检测分析。在本实施例中，对拍摄的透镜图片的数量不做限定。在一种实现方式中，可以拍摄10种焦距下的10张图像，检测每张图像上的缺陷，下文以两个不同焦距下的两张图像为例进行说明。在一实施例中，遍历10种焦距下的10张透镜图像，第一张透镜图像和剩下的九张透镜图像两两之间均执行后续的检测步骤，第二张透镜图像和剩下的八张透镜图像两两之间均执行后续的检测步骤，以此类推，在所有两两判断的结果中均证明存在疑似缺陷，才确定疑似缺陷为目标缺陷。
95.在采集到不同焦距下的待检测透镜的原始图片之后，在原始图片中提取出待检测的有效区域，以排除干扰。在一实施例中，首先利用自适应二值化方式对原始图片进行二值化处理，获取二值图像；然后确定二值图像的轮廓，查找得到二值图像中的最大轮廓，其中，为了能够自适应的选取感兴趣区域，可以通过缩放不同比例的原图以获取不同尺寸的轮廓图；最后，通过傅里叶变化、卷积、反傅里叶变化以及二值化等方式，获取最大轮廓中对应的有效区域，并识别透镜图片中有效区域的疑似缺陷。其中，对每一个疑似缺陷都执行后续的检测步骤。在另一实施例中，首先通过两个不同参数的高斯滤波器相减变成一个带通滤波器，然后基于该带通滤波器对图像进行卷积运算，卷积运算完成后进行傅里叶反变换，然后经过掩膜运算后获取图像最大最小灰度值，最后进行二值化处理，得到有效区域。
96.在确定所有透镜图片中均存在疑似缺陷之后，确定疑似缺陷为目标缺陷，即确定疑似缺陷为待检测透镜中的深度缺陷。在一实施例中，确定最大对比度值的深度缺陷所在的目标图像，在最清晰的目标图像中确定缺陷的深度信息，即通过最清晰的目标图像计算
不同缺陷在待检测透镜中所处的深度。
97.在本实施例中，不限定识别缺陷的方法以及确定缺陷的深度信息的方法。
98.在本实施例中，获取在多个不同焦距下拍摄的待检测透镜的透镜图片，并基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷，其中，所述图像属性包括所述透镜图片的点位信息；若在所有所述透镜图片中均存在所述疑似缺陷，则确定所述疑似缺陷为所述待检测透镜的目标缺陷。
99.由于透镜缺陷具有深度特性的特殊性，透镜不同深度缺陷较难被检测到，因此在本实施例中提出，通过将相机聚焦在不同深度的方式，在不同焦距下拍摄待检测透镜，得到可能存在不同深度的缺陷的透镜图像，并识别透镜图片中的疑似缺陷，在确定所有透镜图片中均存在疑似缺陷之后，便可确定疑似缺陷为目标缺陷。通过该方式进行透镜缺陷的判定，可以检测到不同深度的透镜缺陷，准确率高且能提高产线检测效率。
100.本技术实施例提供了一种透镜缺陷的检测方法，在透镜缺陷的检测方法的一实施例中，所述基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷的步骤，包括：
101.确定所有所述透镜图片中任意两幅目标透镜图片的预设缺陷感兴趣区域中的区域中心点，并基于所述区域中心点确定两幅所述目标透镜图片的基准中心点；
102.确定在其中一幅所述目标透镜图片中第一待定缺陷的第一缺陷中心点，以及在另一幅所述目标透镜图片中第二待定缺陷的第二缺陷中心点；
103.基于所述基准中心点、所述第一缺陷中心点和所述第二缺陷中心点，确定在所有所述透镜图片中的待定缺陷是否均满足预设斜率条件，并确定在所有所述透镜图片中的待定缺陷是否均满足预设图像尺寸偏移条件；
104.若在所有所述透镜图片中的待定缺陷均满足预设斜率条件和预设图像尺寸偏移条件，则确定在所有所述透镜图片中均存在疑似缺陷。
105.在本实施例中，提出一种在所有透镜图片中确定是否均存在疑似缺陷的方法，通过确定在所有透镜图片中待定缺陷是否均满足预设斜率条件和预设图像尺寸偏移条件，来确定在所有透镜图片中是否均存在疑似缺陷。
106.其中，透镜图片的图像属性包括的点位信息包括预设缺陷感兴趣区域中的区域中心点，目标透镜图片的基准中心点，待定缺陷的缺陷中心点。
107.首先，选取任意两幅透镜图片作为目标透镜图片，在目标透镜图片上识别到的轮廓均由轮廓点构成，通过最大轮廓点和最小轮廓点的坐标计算得到不同图像感兴趣区域大小，在不同图像感兴趣区域中划定得到预设图像感兴趣区域。
108.然后，确定任意两幅目标透镜图片的预设缺陷感兴趣区域中的区域中心点，其中，确定区域中心点可以通过直接读取缺陷感兴趣区域的区域属性得到，在一实施例中，预设缺陷感兴趣区域为一圆形区域，其区域中心点为预设缺陷感兴趣区域的圆心，通过直接读取预设缺陷感兴趣区域的圆心坐标得到区域中心点。
109.其次，因为图像的大小畸变和焦距的变化，同一个深度缺陷在不同焦距的图像上，其坐标位置却差别比较大，例如虚焦时只有一个缺陷，不虚焦时有可能是三个或多个缺陷，或者不虚焦时只有一个缺陷，虚焦时有可能是三个或多个缺陷。因此，需要基于区域中心点确定两幅目标透镜图片的基准中心点，在一实施例中，基于选择的两幅目标透镜图像对应
的区域中心点的坐标均值作为基准中心点，从而得到一个尽量避免畸变的精准的基准中心点。
110.接着，通过图像识别确定在其中一幅目标透镜图片中第一待定缺陷的第一缺陷中心点，以及在另一幅目标透镜图片中第二待定缺陷的第二缺陷中心点，在本实施例中，通过对待定缺陷的图像识别确定缺陷中心点，同时，不限定确定缺陷中心点的方法。
111.示例性的，所述确定在所有所述透镜图片中的待定缺陷是否均满足预设斜率条件的步骤，包括：
112.确定所述基准中心点与所述第一缺陷中心点之间的第一斜率、所述基准中心点与所述第二缺陷中心点之间的第二斜率以及所述第一缺陷中心点与所述第二缺陷中心点之间的第三斜率；
113.在两幅所述目标透镜图片中的所述第一斜率、所述第二斜率以及所述第三斜率之间的方差小于预设第一阈值时，确定在所有所述透镜图片中的待定缺陷均满足预设斜率条件。
114.在本实施例中，提出了一种预设斜率条件以及一种确定在所有透镜图片中待定缺陷是否均满足预设斜率条件的方法。
115.通过两点之间的斜率计算公式确定基准中心点与第一缺陷中心点的第一斜率、基准中心点与第二缺陷中心点的第二斜率以及第一缺陷中心点与第二缺陷中心点的第三斜率。在一实施例中，基准中心点为(xc，yc)，第一缺陷中心点为(xi，yi)，第二缺陷中心点为(xj，yj)，第一斜率为ki＝(y
i-yc)/(x
i-xc)，第二斜率为kj＝(y
j-yc)/(x
j-xc)，第三斜率为k＝(y
i-yj)/(x
i-xj)，当任意两幅目标透镜图片的第一斜率ki、第二斜率kj和第三斜率k三个值的方差小于预设第一阈值时，确定在所有透镜图片中待定缺陷均满足预设斜率条件。也就是说，在不同焦距下拍摄的图像，类似于在沿着图像中心点的射线方向上等比例放大或缩小，在满足预设斜率条件的情况下，说明基准中心点、第一缺陷中心点以及第二缺陷中心点，三点在一条直线上。
116.示例性的，所述确定在所有所述透镜图片中的待定缺陷是否均满足预设图像尺寸偏移条件的步骤，包括：
117.确定所述第一缺陷中心点与所述基准中心点之间的第一距离，以及所述第二缺陷中心点与所述基准中心点之间的第二距离；
118.确定在其中一幅所述目标透镜图片中所述待定缺陷的第一轮廓最大距离，以及在另一幅所述目标透镜图片中所述待定缺陷的第二轮廓最大距离；
119.基于所述第一距离、所述第二距离、所述第一轮廓最大距离和所述第二轮廓最大距离确定图像尺寸偏移量；
120.确定所述第一距离与所述第二距离的第一距离差，在任意两幅所述目标透镜图片的所述第一距离差均小于所述图像尺寸偏移量时，确定在所有所述透镜图片中的待定缺陷均满足预设图像尺寸偏移条件。
121.在本实施例中，提出了一种预设图像尺寸偏移条件以及一种确定在所有透镜图片中待定缺陷是否均满足预设图像尺寸偏移条件的方法。
122.其中，图像尺寸偏移量δdistance的定义为：假设一条线段在当前焦距下成像后的像素距离为100pixel，在另一个焦距下成像后的像素距离为300pixel，则图像尺寸偏移
量δdistance为300-100＝200pixel。
123.尽管在满足预设斜率条件的前提下可以确定基准中心点、第一缺陷中心点以及第二缺陷中心点，三点在一条直线上，但还不能直接说明在任意两幅目标透镜图片中的待定缺陷的缺陷中心点就一定是同一个缺陷点，还需要判断图像尺寸偏移量δdistance是否对应焦距变化带来的位置变化，即任意两幅目标透镜图片的图像尺寸偏移量δdistance是否符合焦距变化所引起的位置变化，与之对应。例如，图像尺寸偏移量δdistance为200pixel，但是焦距变化所带来的位置变化为190pixel，则相机拍摄存在不准确的情况，无法与实际焦距变化对应。
124.其中，确定区域中心点和基准中心点以及确定第一缺陷中心点和第二缺陷中心点在此不做赘述。
125.然后，通过欧氏距离的计算，确定第一缺陷中心点与基准中心点之间的第一距离，以及第二缺陷中心点与基准中心点之间的第二距离；在一实施例中，第一缺陷中心点点a距离基准中心点(xc，yc)的第一距离为di，第一缺陷中心点点b距离基准中心点(xc，yc)的第二距离为dj。
126.接着，确定在其中一幅目标透镜图片中待定缺陷的第一轮廓最大距离，以及在另一幅目标透镜图片中待定缺陷的第二轮廓最大距离；在一实施例中，通过遍历预设缺陷感兴趣区域中各个待定缺陷的轮廓，获取轮廓信息vector《point》lnnerprofile_src，基于轮廓信息获取待定缺陷的轮廓最大距离。在一实施例中，可以通过遍历待定缺陷的轮廓上的每个轮廓点，计算任意两个轮廓点之间的距离，确定缺陷轮廓的最大距离，即确定缺陷轮廓上相距最远的两个轮廓点之间的距离为缺陷轮廓的最大距离；还可以基于轮廓信息获取每个轮廓左上点：
127.pointi.x＝lnnerprofile_src[i].x；
[0128]
pointi.y＝lnnerprofile_src[i].y；
[0129]
和右下点的坐标：
[0130]
point
i+n
.x＝lnnerprofile_src[i+n].x；
[0131]
point
i+n
.y＝lnnerprofile_src[i+n].y；
[0132]
其中，左上点和右下点为预设的选取标准；通过在不断调整轮廓点的下标，改变选取的轮廓点，计算得到两轮廓点之间的最大距离distance1。同理，其它透镜图像的对应距离为distance2，
…
，distacnen，n为拍摄的透镜图片的数量。
[0133]
其次，基于第一距离、第二距离、第一轮廓最大距离和第二轮廓最大距离通过距离比例关系计算得到图像尺寸偏移量δdistance。
[0134]
最后，焦距变化对应图像尺寸偏移量δdistance，也就是说，δdistance为图像物理尺寸上最大的实际偏移量。若第一距离与第二距离的第一距离差大于图像尺寸偏移量δdistance，则说明任意两幅目标透镜图片的待定缺陷的缺陷中心点不是同一个缺陷点。反之，若在任意两幅目标透镜图片的第一距离差均小于图像尺寸偏移量时，则可以确定在所有透镜图片中待定缺陷均满足预设图像尺寸偏移条件，可以确定在所有透镜图片中待定缺陷的缺陷中心点均为同一个缺陷点。
[0135]
示例性的，所述基于所述第一距离、所述第二距离、所述第一轮廓最大距离和所述第二轮廓最大距离确定图像尺寸偏移量的步骤，包括：
[0136]
确定所述第一距离与所述第二距离的第一距离和；
[0137]
确定所述第一轮廓最大距离与所述第二轮廓最大距离的第二距离和；
[0138]
确定所述第一轮廓最大距离与所述第二轮廓最大距离的第二距离差；
[0139]
基于所述第一距离和、所述第二距离和以及所述第二距离差之间的比值确定图像尺寸偏移量。
[0140]
在一实施例中，确定第一距离与第二距离的第一距离和为di+dj，确定第一轮廓最大距离与第二轮廓最大距离的第二距离和为distancej+distancei，确定第一轮廓最大距离与第二轮廓最大距离的第二距离差为distancej-distancei，因为图像的大小畸变和焦距的变化，所以可以通过距离比例关系，基于第一距离和、第二距离和以及第二距离差之间的比值确定图像尺寸偏移量δdistance：
[0141][0142]
在一实施例中，为了得到更准确的计算结果，取第一距离和、第二距离和以及第二距离差的均值计算得到图像尺寸偏移量δdistance：
[0143][0144]
本技术实施例提供了一种透镜缺陷的检测方法，在透镜缺陷的检测方法的一实施例中，所述确定所述疑似缺陷为所述待检测透镜的目标缺陷的步骤之前，还包括：
[0145]
确定任意两幅目标透镜图片中所述疑似缺陷的梯度矩形以及轮廓矩形；
[0146]
基于所述梯度矩形和所述轮廓矩形确定所述疑似缺陷是否为目标缺陷。
[0147]
由于图像纹理会影响缺陷所在区域的图像对比度，因此，在确定所有透镜图片中疑似缺陷均满足预设图像尺寸偏移条件、在确定所有透镜图片中疑似缺陷的缺陷中心点均为同一个缺陷点之后，还是不能直接通过图像对比度确定得到最终的目标缺陷。
[0148]
因此，在本实施例中，首先，确定任意两幅目标透镜图片中疑似缺陷的梯度矩形以及轮廓矩形，最后，基于梯度矩形和轮廓矩形确定疑似缺陷是否为目标缺陷。
[0149]
示例性的，所述确定任意两幅目标透镜图片中所述疑似缺陷的梯度矩形以及轮廓矩形的步骤，包括：
[0150]
遍历所述目标透镜图片的像素，确定梯度变化值大于预设第二阈值的像素区域为所述疑似缺陷的梯度矩形；
[0151]
对所述目标透镜图片进行二值化处理，确定最大黑色像素连通域的外接矩形为所述疑似缺陷的轮廓矩形。
[0152]
对任意两幅目标透镜图片进行n*n滤波以去除干扰点，再遍历每一行每一列的像素点，统计梯度变化信息，确定梯度变化值大于预设第二阈值时的像素区域为疑似缺陷的梯度矩形所在区域。在一实施例中，从左到右、从上到下、从右到左、从下到上的遍历目标透镜图片的像素，确定梯度变化值大于预设第二阈值时的最左侧值left1(梯度变化值大于预设第二阈值时的像素点最小水平坐标)，最上方值top1(梯度变化值大于预设第二阈值时的像素点最大垂直坐标),最右侧值right1(梯度变化值大于预设第二阈值时的像素点最大水平坐标)，最下方值bottom1(梯度变化值大于预设第二阈值时的像素点最小垂直坐标)，然
后再由上述四个点确定矩形区域rect(left1,top1,right1-left1,bottom1-top1)。参照图4，由梯度变化值确定的梯度矩形为rect1,参照图5，由梯度变化值确定的梯度矩形为rect2。
[0153]
对目标透镜图片进行二值化处理，在一实施例中，对图4进行自适应二值化处理结果分别如图6所示，对图5进行自适应二值化处理结果分别如图7所示。然后，确定最大黑色像素连通域的外接矩形为疑似缺陷的轮廓矩形，在一实施例中，统计二值化处理后的图像中的黑色像素点，获取黑色像素点的最大连通域，通过最大黑色像素连通域的轮廓确定图6的外接矩形为rect_contours1，确定图7的外接矩形为rect_contours2。
[0154]
示例性的，所述基于所述梯度矩形和所述轮廓矩形确定所述疑似缺陷是否为目标缺陷的步骤，包括：
[0155]
确定所述梯度矩形和所述轮廓矩形的交集面积；
[0156]
确定所述梯度矩形和所述轮廓矩形之间的目标面积，其中，所述目标面积为所述梯度矩形的面积和所述轮廓矩形的的面积的较大值；
[0157]
若交集比大于预设第三阈值且所述目标面积中的黑色像素个数大于预设第四阈值，则确定所述疑似缺陷为目标缺陷，其中，所述交集比为所述交集面积与所述目标面积的比值。
[0158]
在一实施例中，梯度矩形rect1与轮廓矩形rect_contours1做交集运算，梯度矩形rect2与轮廓矩形rect_contours2做交集运算，得到梯度矩形和轮廓矩形之间的交集面积。
[0159]
确定梯度矩形和轮廓矩形之间的较大面积为目标面积，并确定交集面积与目标面积的比值，即确定交集比，交集比表征梯度矩形和轮廓矩形之间的重叠程度，二者重合的越多，交集比越大。在一实施例中，图4梯度矩形rect1的矩形面积a，图6轮廓矩形rect_contours1的矩形面积b，梯度矩形rect1与轮廓矩形rect_contours1的交集面积为c。若a大于b，则交集比为a/c，若b大于a，则交集比为b/c。
[0160]
如果目标面积中的黑色像素个数大于预设第四阈值，即最大连通域的黑色像素点个数大于预设第四阈值时(小于预设第四阈值的原因可能是图像纹理导致的误判)，并且交集比大于预设第三阈值，则可以确定疑似缺陷为目标缺陷，此时便可以通过最大对比度的目标缺陷所在图像确定目标缺陷的深度。
[0161]
此外，本技术实施例还提供一种透镜缺陷的检测设备，所述透镜缺陷的检测设备包括：存储器、处理器、及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的透镜缺陷的检测方法的步骤。
[0162]
此外，本技术实施例还提供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，所述计算机程序被处理器执行时实现如上所述的透镜缺陷的检测方法的步骤。
[0163]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0164]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方
法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对常规技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
[0165]
以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。

技术特征：
1.一种透镜缺陷的检测方法，其特征在于，所述方法包括：获取在多个不同焦距下拍摄的待检测透镜的透镜图片，并基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷，其中，所述图像属性包括所述透镜图片的点位信息；若在所有所述透镜图片中均存在所述疑似缺陷，则确定所述疑似缺陷为所述待检测透镜的目标缺陷。2.如权利要求1所述的透镜缺陷的检测方法，其特征在于，所述基于所述透镜图片的图像属性确定在所有所述透镜图片中是否均存在疑似缺陷的步骤，包括：确定所有所述透镜图片中任意两幅目标透镜图片的预设缺陷感兴趣区域中的区域中心点，并基于所述区域中心点确定两幅所述目标透镜图片的基准中心点；确定在其中一幅所述目标透镜图片中第一待定缺陷的第一缺陷中心点，以及在另一幅所述目标透镜图片中第二待定缺陷的第二缺陷中心点；基于所述基准中心点、所述第一缺陷中心点和所述第二缺陷中心点，确定在所有所述透镜图片中的待定缺陷是否均满足预设斜率条件，并确定在所有所述透镜图片中的待定缺陷是否均满足预设图像尺寸偏移条件；若在所有所述透镜图片中的待定缺陷均满足预设斜率条件和预设图像尺寸偏移条件，则确定在所有所述透镜图片中均存在疑似缺陷。3.如权利要求2所述的透镜缺陷的检测方法，其特征在于，所述确定在所有所述透镜图片中的待定缺陷是否均满足预设斜率条件的步骤，包括：确定所述基准中心点与所述第一缺陷中心点之间的第一斜率、所述基准中心点与所述第二缺陷中心点之间的第二斜率以及所述第一缺陷中心点与所述第二缺陷中心点之间的第三斜率；在两幅所述目标透镜图片中的所述第一斜率、所述第二斜率以及所述第三斜率之间的方差小于预设第一阈值时，确定在所有所述透镜图片中的待定缺陷均满足预设斜率条件。4.如权利要求2所述的透镜缺陷的检测方法，其特征在于，所述确定在所有所述透镜图片中的待定缺陷是否均满足预设图像尺寸偏移条件的步骤，包括：确定所述第一缺陷中心点与所述基准中心点之间的第一距离，以及所述第二缺陷中心点与所述基准中心点之间的第二距离；确定在其中一幅所述目标透镜图片中所述待定缺陷的第一轮廓最大距离，以及在另一幅所述目标透镜图片中所述待定缺陷的第二轮廓最大距离；基于所述第一距离、所述第二距离、所述第一轮廓最大距离和所述第二轮廓最大距离确定图像尺寸偏移量；确定所述第一距离与所述第二距离的第一距离差，在任意两幅所述目标透镜图片的所述第一距离差均小于所述图像尺寸偏移量时，确定在所有所述透镜图片中的待定缺陷均满足预设图像尺寸偏移条件。5.如权利要求4所述的透镜缺陷的检测方法，其特征在于，所述基于所述第一距离、所述第二距离、所述第一轮廓最大距离和所述第二轮廓最大距离确定图像尺寸偏移量的步骤，包括：确定所述第一距离与所述第二距离的第一距离和；
确定所述第一轮廓最大距离与所述第二轮廓最大距离的第二距离和；确定所述第一轮廓最大距离与所述第二轮廓最大距离的第二距离差；基于所述第一距离和、所述第二距离和以及所述第二距离差之间的比值确定图像尺寸偏移量。6.如权利要求1所述的透镜缺陷的检测方法，其特征在于，所述确定所述疑似缺陷为所述待检测透镜的目标缺陷的步骤之前，还包括：确定任意两幅目标透镜图片中所述疑似缺陷的梯度矩形以及轮廓矩形；基于所述梯度矩形和所述轮廓矩形确定所述疑似缺陷是否为目标缺陷。7.如权利要求6所述的透镜缺陷的检测方法，其特征在于，所述确定任意两幅目标透镜图片中所述疑似缺陷的梯度矩形以及轮廓矩形的步骤，包括：遍历所述目标透镜图片的像素，确定梯度变化值大于预设第二阈值的像素区域为所述疑似缺陷的梯度矩形；对所述目标透镜图片进行二值化处理，确定最大黑色像素连通域的外接矩形为所述疑似缺陷的轮廓矩形。8.如权利要求6所述的透镜缺陷的检测方法，其特征在于，所述基于所述梯度矩形和所述轮廓矩形确定所述疑似缺陷是否为目标缺陷的步骤，包括：确定所述梯度矩形和所述轮廓矩形的交集面积；确定所述梯度矩形和所述轮廓矩形之间的目标面积，其中，所述目标面积为所述梯度矩形的面积和所述轮廓矩形的的面积的较大值；若交集比大于预设第三阈值且所述目标面积中的黑色像素个数大于预设第四阈值，则确定所述疑似缺陷为目标缺陷，其中，所述交集比为所述交集面积与所述目标面积的比值。9.一种透镜缺陷的检测设备，其特征在于，所述透镜缺陷的检测设备包括：存储器、处理器、及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的透镜缺陷的检测方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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如权利要求1至8中任一项所述的透镜缺陷的检测方法的步骤。

技术总结
本申请公开了一种透镜缺陷的检测方法、设备及介质，属于透镜缺陷检测的技术领域。获取在多个不同焦距下拍摄的待检测透镜的透镜图片，并基于透镜图片的图像属性确定在所有透镜图片中是否均存在疑似缺陷，其中，图像属性包括透镜图片的点位信息；若在所有透镜图片中均存在疑似缺陷，则确定疑似缺陷为待检测透镜的目标缺陷。通过将相机聚焦在不同深度的方式，在不同焦距下拍摄待检测透镜，得到可能存在不同深度的缺陷的透镜图像，并识别透镜图片中的疑似缺陷，在确定所有透镜图片中均存在疑似缺陷之后，便可确定疑似缺陷为目标缺陷。通过该方式进行透镜缺陷的判定，可以检测到不同深度的透镜缺陷，准确率高且能提高产线检测效率。准确率高且能提高产线检测效率。准确率高且能提高产线检测效率。


技术研发人员：宋秀峰 孙文强 廖吉仁 宋林东
受保护的技术使用者：歌尔光学科技有限公司
技术研发日：2023.04.11
技术公布日：2023/8/5