[发明专利]一种模板自适应的图像分割方法、系统和可读存储介质

说明书

本发明提供一种模板自适应的图像分割方法、系统和可读存储介质，所述方法包括：接收待分割的产品原图像以及对应的产品型号；根据所述产品型号查找到对应的模板小图；采用模板小图匹配算法将所述模板小图与所述产品原图像进行匹配，并将匹配到的目标区域在所述产品原图像中分割出；输出分割好的产品图像，并进行显示。本发明利用模板小图匹配算法和模板坐标补位算法，能够自适应的对各种产品型号的产品原图像进行分割处理，以便于后续对分割好的产品图像进行机器质检，进而替代了人工质检，节省了人力成本，提升了质检效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种模板自适应的图像分割方法、系统和可读存储介质。

背景技术

LED也称发光二极管，是一种能够将电能转化为可见光的半导体材料芯片。因为其易用性，LED已经广泛应用于市场当中，例如手机、电视、建筑照明等等。LED的生产质检也成为了至关重要的一环。此前，LED的产品检验基本都是靠人工来分拣的，这样不仅耗时，而且人力成本也很高。当前，将传统的人工质检变为机器质检已成为趋势，所谓机器质检是通过拍摄LED的图像来对其进行质量检验。但这样就必须对各个类型的LED图像进行分割。

当前，有关图像分割的方法大致可分为四类：1）基于阈值的分割方法，2）基于边缘检测的分割方法，3）基于区域的分割方法，4）基于聚类分析的分割方法。

1）基于阈值的分割方法

阈值分割方法是最常见的一种图像分割技术，其基本原理是用一个或几个阈值将图像的灰度直方图分成几个类，并认为图像中灰度值在同一类中的像素属于同一物体。因为该方法是直接利用图像的灰度特性，因此计算方便简明、实用性强。显然，阈值分割方法的关键和难点是如何取得一个合适的阈值。而实际应用中，阈值设定易受噪声和光亮度影响，并且，待分割的物体也并不一定都在同一个灰度空间内。所以这种方法对于复杂、变化较多的图像并不适用。

2）基于边缘检测的分割方法

基于边缘检测的分割方法通过检测位于不同区域的边缘来进行目标分割，也是图像分割中较常用的方法之一。其基本原理是不同的区域之间的边缘上像素灰度值的变化往往比较剧烈，通过检测这种边缘来将不同的物体分割开来。在实际运用中，常用灰度的一阶或者二阶微分算子进行边缘检测。基于边缘的分割方法其难点在于边缘检测时衡量抗噪性和检测精度。若提高检测精度，则噪声产生的伪边缘会导致不合理的轮廓，导致分割不理想。若提高抗噪性，则会产生目标漏检和位置偏差。所以这种方法也难以广泛适用。

3）基于区域的分割方法

基于区域分割的方法就是把具有某种相似性质的像素连通起来，从而构成最终的分割区域。该方法利用了图像的局部空间信息，可有效地克服其他方法存在的图像分割空间小连续的缺点。在此类方法中，如果从全图出发，按区域属性特征一致的准则决定每个像素的区域归属，形成区域图，常称之为区域生长的分割方法。如果从像素出发，按区域属性特征一致的准则，将属性接近的连通像素聚集为区域，则是区域增长的分割方法。

4）基于聚类分析的分割方法

特征空间聚类法将图像中的像素用对应的特征空间点表示，根据它们在特征空间的聚集状态对特征空间进行分割，然后再将它们映射回原图像，得到分割结果。其中，K均值、模糊C均值聚类算法是比较常用的聚类算法。聚类算法可以根据图像的特征空间进行分割，减少人为的干预，但是其需要确定聚类的类数、聚类的初始值等参数。另外聚类算法通常比较耗时，在具体应用时也受到了一定的限制。

有鉴于此，上述图像分割方法均不太适合应用于LED质检行业，以对各类型号的LED图像进行分割处理，目前急需要提出一种能够对各类型号的LED图像进行高效、精确分割的方法。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种模板自适应的图像分割方法、系统和可读存储介质。