(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211161290.9 (22)申请日 2022.09.23 (65)同一申请的已公布的文献号 申请公布号 CN 115249246 A (43)申请公布日 2022.10.28 (73)专利权人 深圳市欣冠精密技 术有限公司 地址 518000 广东省深圳市龙华区观湖街 道松元厦社区环观中路124号厂房 202、 102、 3 02、 402 (72)发明人 卢敏雁　柏昌学　肖强　徐绍军　 (74)专利代理 机构 郑州芝麻知识产权代理事务 所(普通合伙) 41173 专利代理师 张丹丹 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/26(2022.01) G06V 10/54(2022.01) G06V 10/762(2022.01) G01N 21/88(2006.01) G01N 21/958(2006.01) (56)对比文件 CN 115049657 A,202 2.09.13 CN 107945152 A,2018.04.20 CN 103049340 A,2013.04.17 US 2018028147 A1,2018.02.01 US 5027417 A,19 91.06.25 张健 等.基 于稀疏优化的织物缺陷检测方 法. 《机床与液压》 .2021, 审查员 蒋亮 (54)发明名称 一种光学玻璃 表面缺陷检测方法 (57)摘要 本发明涉及图像数据处理技术领域， 具体涉 及一种光学玻璃表面缺陷检测方法， 获取图像预 处理后的待检测玻璃的灰度图像， 将其等分为 N 个图像块， 从而得到 N个纹理特征向量； 确定任意 两个图像块之间的纹理特征距离， 进而确定纹理 特征距离的最优分割阈值， 从而确定各个正常图 像块和各个第一疑似气泡缺陷图像块； 根据各个 第一疑似气泡缺陷图像块对应的多个纹理特征 距离和最优分割阈值， 确定各个第一缺陷程度指 标， 进而确定第一缺陷程度指标阈值； 根据各个 第一缺陷程度指标和第一缺陷程度指标阈值， 判 断各个第一疑似气泡缺陷图像块中是否存在气 泡缺陷。 本发明利用图像数据处理技术， 实现光 学玻璃缺陷检测， 提高了光学玻璃气泡缺陷检测 的准确性。 权利要求书3页 说明书11页 附图2页 CN 115249246 B 2022.12.02 CN 115249246 B 1.一种光学玻璃 表面缺陷检测方法， 其特 征在于， 包括以下步骤： 获取待检测玻璃 的表面图像， 进而获取图像预处理后的待检测玻璃的灰度图像， 将所 述待检测玻璃的灰度图像等分为 N个图像块， 从而得到 N个图像块对应的纹 理特征向量； 根据N个图像块对应的纹理特征向量， 确定任意两个图像块之间的纹理特征距离， 进而 确定纹理特征距离的最优分割阈值； 根据任意两个图像块之间的纹理特征距离以及纹理特征距离的最优分割阈值， 确定各 个正常图像块和各个第一疑似气泡 缺陷图像块； 根据各个第一疑似气泡缺陷图像块对应的多个纹理特征距离和纹理特征距离的最优 分割阈值， 确定各个第一疑似气泡 缺陷图像块的第一 缺陷程度指标； 根据各个正常图像块对应的多个纹理特征距离、 纹理特征向量， 各个第一疑似气泡缺 陷图像块对应的多个纹理特征距离、 纹理特征向量以及纹理特征距离的最优分割阈值， 确 定第一缺陷程度指标阈值； 根据各个第 一疑似气泡缺陷 图像块的第 一缺陷程度指标和第 一缺陷程度指标阈值， 判 断各个第一疑似气泡 缺陷图像块中是否存在气泡 缺陷。 2.根据权利要求1所述的一种光学玻璃 表面缺陷检测方法， 其特 征在于， 还 包括： 获取各个第 一疑似气泡缺陷 图像块中存在气泡缺陷的第 一疑似气泡缺陷图像块， 并将 存在气泡 缺陷的各个第一疑似气泡 缺陷图像块作为第二疑似气泡 缺陷图像块； 根据各个第 二疑似气泡缺陷 图像块内每个像素点的灰度值， 确定每个像素点对应的梯 度幅值， 进 而确定梯度幅值的最优分割阈值； 根据每个像素点对应的梯度 幅值以及梯度 幅值的最优分割阈值， 确定各目标像素点， 所述目标像素点为梯度幅值大于最优分割阈值的像素点， 进而对各目标像素点进 行聚类操 作， 从而得到满足预设聚类条件的各个聚类簇， 所述预设聚类条件为聚类簇内目标像素点 的数目大于预设目标像素点数目； 根据各个聚类簇内各目标像素点的坐标位置， 确定各个聚类簇的最小外接矩形， 进而 根据各个聚类簇的最小外接矩形内每个目标像素点的灰度值， 确定各个聚类簇的最小外接 矩形的灰度丰富指标； 获取灰度丰富指标阈值， 根据 各个聚类簇的最小外接矩形的灰度丰富指标和灰度丰富 指标阈值， 判断各个聚类簇的最小外 接矩形中是否存在气泡 缺陷。 3.根据权利要求2所述的一种光学玻璃表面缺陷检测方法， 其特征在于， 确定各个聚类 簇的最小外 接矩形的灰度丰富指标的步骤 包括： 根据各个聚类簇的最小外接矩形内每个目标像素点的灰度值， 确定各个聚类簇的最小 外接矩形内灰度类别的数目， 进 而确定各个灰度类别对应的像素 灰度均值； 根据各个聚类簇的最小外接矩形内每个目标像素点的灰度值， 确定各个灰度类别的目 标像素点在对应最小外 接矩形中出现的频率； 根据各个聚类簇的最小外接矩形内灰度类别的数目、 各个灰度类别对应的像素灰度均 值、 各个灰度类别的像素点在 对应最小外接矩形中出现的频率以及各个灰度类别的像素灰 度， 确定各个聚类簇的最小外 接矩形的灰度丰富指标。 4.根据权利要求3所述的一种光学玻璃表面缺陷检测方法， 其特征在于， 确定各个聚类 簇的最小外 接矩形的灰度丰富指标的计算公式为：权　利　要　求　书 1/3 页 2 CN 115249246 B 2其中， 为各个聚类簇的最小外接矩形的灰度丰富指标， B为各个聚类簇的最小外接矩 形内灰度类别的数目， 为第i个灰度类别的像素点在对应最小外接矩 形中出现的频率， 为第i个灰度类别的像素 灰度， 为各个灰度类别对应的像素 灰度均值。 5.根据权利要求2所述的一种光学玻璃表面缺陷检测方法， 其特征在于， 确定每个像素 点对应的梯度幅值的步骤 包括： 根据各个第 二疑似气泡缺陷 图像块内每个像素点的灰度值， 确定每个像素点对应的水 平方向的梯度和竖直方向的梯度； 根据每个像素点对应的水平方向的梯度和竖直方向的梯度， 确定每个像素点对应的梯 度幅值。 6.根据权利要求1所述的一种光学玻璃表面缺陷检测方法， 其特征在于， 所述纹理特征 向量包含4个纹理特征， 分别为图像块对应的灰度共生矩阵的能量、 熵值、 对比度以及逆差 矩， 确定任意两个图像块之间的纹 理特征距离的计算公式为： 其中， 为第w个图像块与第v个图像块之间的纹理特征距离， 为第w个图像块对 应纹理特征向量内的第 i个纹理特征， 为第v个图像块对应纹理特征向量内的第 i个纹 理特征。 7.根据权利要求1所述的一种光学玻璃表面缺陷检测方法， 其特征在于， 确定各个正常 图像块和各个第一疑似气泡 缺陷图像块的步骤 包括： 统计每个图像块对应的多个纹理特征距离中大于最优分割阈值的纹理特征距离的数 目， 并统计每个图像块对应的多个纹理特征距离中不大于最优分割阈值的纹理特征距离的 数目； 若某个图像块对应的大于最优分割阈值的纹理特征距离的数目大于该图像块对应的 不大于最优分割阈值的纹理特征距离的数目， 则判定该图像块为第一疑似气泡缺陷图像 块， 否则， 判定该图像块 为正常图像块。 8.根据权利要求1所述的一种光学玻璃表面缺陷检测方法， 其特征在于， 确定各个第 一 疑似气泡 缺陷图像块的第一 缺陷程度指标的步骤 包括： 从每个第一疑似气泡缺陷图像块对应的多个纹理特征距离 中， 筛选出大于最优分割阈 值的各纹 理特征距离； 根据每个第一疑似气泡缺陷图像块对应的大于纹理特征距离的最优分割阈值的各纹 理特征距离， 确定每个第一疑似气泡缺陷图像块对应的预设数目个较小的大于纹理特征距 离的最优分割阈值的纹 理特征距离； 计算每个第一疑似气泡缺陷图像块对应的预设数目个较小的大于纹理特征距离的最权　利　要　求　书 2/3 页 3 CN 115249246 B 3