缺陷样本图像生成方法、装置、设备及存储介质与流程

1.本发明涉及工业数据处理技术领域，尤其涉及缺陷样本图像生成方法、装置、设备及存储介质。


背景技术：

2.随着工业的迅速发展，工业产品的缺陷检测问题也越来越受到重视，小样本问题是当前许多行业缺陷检测方向上普遍存在的问题，这一问题在工业检测流程中尤为明显。当前主要通过以下两种方式来解决工业产品缺陷检测中的小样本问题：第一种是工程途径，第二种是算法途径。其中基于工程途径的解决方式大致有两种，一种是通过在真实产品上人为的手动制造缺陷，第二种是基于真实图像手动制造仿真缺陷。这两种方法虽然操作简单，但其缺点也很明显。基于真实产品手动制造缺陷会对产品造成不可逆的破坏，而基于真实图像手动制造的仿真缺陷往往不能与实际缺陷的特征相符合。
3.基于算法途径的缺陷生成方法凭借着其生成的缺陷样本的真实性以及无需破坏产品的优点，被认为是解决工业检测小样本问题的首选方法，主要包括以生成对抗网络为代表的神经网络方法。但是使用神经网络算法来生成缺陷样本需要大量的训练数据才能保证生成的图像具有较高的真实度，因此在某些缺陷样本数量极少的场景下并不是完全适用，且基于神经网络的生成算法往往需要大量的时间以及计算资源的消耗，成本通常会比较高。
4.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

5.本发明的主要目的在于提供一种缺陷样本图像生成方法、装置、设备及存储介质，旨在解决现有技术无法生成缺陷样本图像的效率低，且在生成过程中需的样本图像多以及资源消耗极高的技术问题。
6.为实现上述目的，本发明提供了一种缺陷样本图像生成方法，所述缺陷样本图像生成方法包括以下步骤：获取原始缺陷工业样本图像，根据预设缺陷图像特征和所述原始缺陷工业样本图像生成目标缺陷标注图；根据所述目标缺陷标注图得到原始缺陷坐标矩阵以及目标缺陷坐标矩阵，并根据所述原始缺陷坐标矩阵以及目标缺陷坐标矩阵构建目标点集和源点集；根据所述目标点集和所述源点集生成目标缺陷块图像；获取正常工业样本图像，将所述目标缺陷块图像和所述正常工业样本图像进行融合，得到目标缺陷样本图像。
7.可选地，所述获取原始缺陷工业样本图像，根据预设缺陷图像特征和所述原始缺陷工业样本图像生成目标缺陷标注图，包括：
获取原始缺陷工业样本图像，按照预设图像尺寸对所述原始缺陷工业样本图像进行裁剪；通过预设缺陷标注策略对裁剪后的原始缺陷工业样本图像进行标注；对标注后的原始缺陷工业样本图像进行二值化转换，得到原始缺陷标注图；根据预设缺陷图像特征和所述原始缺陷标注图生成目标缺陷标注图。
8.可选地，所述根据所述目标缺陷标注图得到原始缺陷坐标矩阵以及目标缺陷坐标矩阵，并根据所述原始缺陷坐标矩阵以及目标缺陷坐标矩阵构建目标点集和源点集，包括：根据所述目标缺陷标注图得到第一标注区域；通过预设采样策略根据预设采样方向对所述第一标注区域内的像素点进行采样，得到初始目标点集；根据所述初始目标点集对应的坐标生成目标缺陷坐标矩阵；根据原始缺陷标注图得到第二标注区域；通过所述预设采样策略对所述第二标注区域内的像素点进行采样，得到初始源点集；根据所述初始源点集对应的坐标生成原始缺陷坐标矩阵；分别对所述目标缺陷坐标矩阵和所述原始缺陷坐标矩阵的像素点进行坐标转换；对转换后的像素点坐标进行归一化处理，得到目标归一化像素坐标和原始归一化像素坐标；根据所述目标归一化像素坐标得到目标点集，以及根据所述原始归一化像素坐标得到源点集。
9.可选地，所述根据所述目标点集和所述源点集生成目标缺陷块图像，包括：通过预设点集匹配算法对所述目标点集和所述源点集进行匹配，得到对应的点集匹配结果；根据所述点集匹配结果得到所述源点集的像素点坐标转移参数；根据所述源点集坐标转换参数计算出原始缺陷标注图中未采样像素点转移参数；根据所述像素点坐标转移参数和所述未采样像素点转移参数得到第二标注区域内的全部像素点坐标转移参数；根据所述第二标注区域内的全部像素点坐标转移参数生成目标缺陷块图像。
10.可选地，所述根据所述第二标注区域内的全部像素点坐标转移参数生成目标缺陷块图像，包括：根据所述第二标注区域内的全部像素点坐标转移参数得到全部像素点坐标和全部像素点；对所述全部像素点坐标进行转换，得到目标转换位置坐标；将所述全部像素点移动至所述目标转换位置坐标，以生成目标缺陷块图像。
11.可选地，所述获取正常工业样本图像，将所述目标缺陷块图像和所述正常工业样本图像进行融合，得到目标缺陷样本图像，包括：获取正常工业样本图像，按照预设图像尺寸对所述正常工业样本图像进行裁剪；根据所述目标缺陷块图像得到未赋值像素点，并获取所述未赋值像素点在预设范围内的已赋值像素点；
对所述预设范围内的已赋值像素点进行计算，得到已赋值像素平均值；根据所述已赋值像素平均值对未赋值像素点的像素值进行填充；将填充后的目标缺陷图像块和裁剪后的正常工业样本图像进行融合，得到目标缺陷样本图像。
12.可选地，所述将填充后的目标缺陷图像块和裁剪后的正常工业样本图像进行融合，得到目标缺陷样本图像，包括：根据填充后的目标缺陷图像块得到当前缺陷边界；对所述当前缺陷边界添加过渡透明度属性，得到目标缺陷边界；根据所述目标缺陷边界得到对应的过渡区域；通过边界过渡函数对所述过渡区域进行计算，得到区域融合权重；根据所述区域融合权重将所述填充后的目标缺陷图像块和裁剪后的正常工业样本图像进行融合，得到目标缺陷样本图像。
13.此外，为实现上述目的，本发明还提出一种缺陷样本图像生成装置，所述缺陷样本图像生成装置包括：获取模块，用于获取原始缺陷工业样本图像，根据预设缺陷图像特征和所述原始缺陷工业样本图像生成目标缺陷标注图；构建模块，用于根据所述目标缺陷标注图得到原始缺陷坐标矩阵以及目标缺陷坐标矩阵，并根据所述原始缺陷坐标矩阵以及目标缺陷坐标矩阵构建目标点集和源点集；生成模块，用于根据所述目标点集和所述源点集生成目标缺陷块图像；融合模块，用于获取正常工业样本图像，将所述目标缺陷块图像和所述正常工业样本图像进行融合，得到目标缺陷样本图像。
14.此外，为实现上述目的，本发明还提出一种缺陷样本图像生成设备，所述缺陷样本图像生成设备包括：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缺陷样本图像生成程序，所述缺陷样本图像生成程序配置为实现如上文所述的缺陷样本图像生成方法。
15.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有缺陷样本图像生成程序，所述缺陷样本图像生成程序被处理器执行时实现如上文所述的缺陷样本图像生成方法。
16.本发明提出的缺陷样本图像生成方法，通过获取原始缺陷工业样本图像，根据预设缺陷图像特征和所述原始缺陷工业样本图像生成目标缺陷标注图；根据所述目标缺陷标注图得到原始缺陷坐标矩阵以及目标缺陷坐标矩阵，并根据所述原始缺陷坐标矩阵以及目标缺陷坐标矩阵构建目标点集和源点集；根据所述目标点集和所述源点集生成目标缺陷块图像；获取正常工业样本图像，将所述目标缺陷块图像和所述正常工业样本图像进行融合，得到目标缺陷样本图像；通过上述方式，根据目标缺陷标注图构建的目标点集和源点集生成目标缺陷块图像，然后目标缺陷块图像和正常工业样本图像融合出目标缺陷样本图像，从而能够提高生成目标缺陷样本图像的效率，且生成过程中所需的样本图像少以及资源消耗低。
附图说明
17.图1是本发明实施例方案涉及的硬件运行环境的缺陷样本图像生成设备的结构示意图；图2为本发明缺陷样本图像生成方法第一实施例的流程示意图；图3为本发明缺陷样本图像生成方法一实施例的目标缺陷样本图像生成过程中各阶段效果图；图4为本发明缺陷样本图像生成方法第二实施例的流程示意图；图5为本发明缺陷样本图像生成装置第一实施例的功能模块示意图。
18.本发明目的的实现、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
19.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
20.参照图1，图1为本发明实施例方案涉及的硬件运行环境的缺陷样本图像生成设备结构示意图。
21.如图1所示，该缺陷样本图像生成设备可以包括：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。
22.本领域技术人员可以理解，图1中示出的结构并不构成对缺陷样本图像生成设备的限定，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。
23.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、网络通信模块、用户接口模块以及缺陷样本图像生成程序。
24.在图1所示的缺陷样本图像生成设备中，网络接口1004主要用于与网络一体化平台工作站进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明缺陷样本图像生成设备中的处理器1001、存储器1005可以设置在缺陷样本图像生成设备中，所述缺陷样本图像生成设备通过处理器1001调用存储器1005中存储的缺陷样本图像生成程序，并执行本发明实施例提供的缺陷样本图像生成方法。
25.基于上述硬件结构，提出本发明缺陷样本图像生成方法实施例。
26.参照图2，图2为本发明缺陷样本图像生成方法第一实施例的流程示意图。
27.在第一实施例中，所述缺陷样本图像生成方法包括以下步骤：步骤s10，获取原始缺陷工业样本图像，根据预设缺陷图像特征和所述原始缺陷工业样本图像生成目标缺陷标注图。
28.需要说明的是，本实施例的执行主体为缺陷样本图像生成设备，还可为其他可实现相同或相似功能的设备，例如缺陷图像处理器等，本实施例对此不作限制，在本实施例中，以缺陷图像处理器为例进行说明。
29.应当理解的是，原始缺陷工业样本图像和正常工业样本图像均来源于mvtec ad数据集，该mvtec ad数据集包含十类物体的多种缺陷类型的图像，例如，地毯、皮革、瓷砖以及木板等类别，从上述任一类别中选取一张图像作为原始有缺陷样本图像，另外从相同类别的数据集中选取一张正常工业样本图像，其原始尺寸均为1024*1024，例如，原始缺陷图像和正常工业样本图像分别如图3中(a)和图3中(b)所示，原始缺陷图像和正常工业样本图像均来自地毯数据集，其中图3中(a)中黑色部分为地毯表面的污渍类缺陷，图3中(a)和图3中(b)中灰色网格为地毯表面的纹理，预设缺陷图像特征指的是唯一识别为缺陷图像的特征，该预设缺陷图像特征包括但不限于缺陷的形状、大小以及位置，在得到原始缺陷工业样本图像后，根据预设缺陷图像特征和原始缺陷工业样本图像生成目标缺陷标注图。
30.进一步地，步骤s10，包括：获取原始缺陷工业样本图像，按照预设图像尺寸对所述原始缺陷工业样本图像进行裁剪；通过预设缺陷标注策略对裁剪后的原始缺陷工业样本图像进行标注；对标注后的原始缺陷工业样本图像进行二值化转换，得到原始缺陷标注图；根据预设缺陷图像特征和所述原始缺陷标注图生成目标缺陷标注图。
31.可以理解的是，预设图像尺寸指的是裁剪原始缺陷工业样本图像和正常工业样本图像的尺寸，在确定预设图像尺寸后，按照预设图像尺寸对原始缺陷工业样本图像进行裁剪，从图像信息完整度以及计算资源使用度出发，本实施例中将原始缺陷工业样本图像和正常工业样本图像分别裁剪至256*256。裁剪过程中要保证有缺陷样本图像中缺陷区域的完整，并使其尽可能的位于图像的正中间，在裁剪完成后，将标注后的原始缺陷工业样本图像转换为原始缺陷标注图，具体为对裁剪后的有缺陷样本图像进行手动标注，得到缺陷区域轮廓；将轮廓及轮廓以内的像素值设置为1，轮廓以外的像素值设置为0，得到一张包含缺陷区域的二值图像作为原始缺陷标注图，原始缺陷标注图如图3中(c)所示，图中白色区域对应有原始缺陷工业样本图像中的缺陷区域，黑色区域对应缺陷区域之外的背景。
32.应当理解的是，目标缺陷标注图中所标注区域的像素值为1，背景部分像素值为0，所描述目标缺陷标注图如图3中(d)所示，图中白色区域对应缺陷区域，黑色区域对应缺陷区域之外的背景，其中，白色区域的大小、形状、位置对应预设生成缺陷的大小、形状、位置。
33.步骤s20，根据所述目标缺陷标注图得到原始缺陷坐标矩阵以及目标缺陷坐标矩阵，并根据所述原始缺陷坐标矩阵以及目标缺陷坐标矩阵构建目标点集和源点集。
34.可以理解的是，目标缺陷标注矩阵指的是由目标缺陷标注图中像素值为1的像素点的坐标组成的缺陷标注矩阵，原始缺陷坐标矩阵指的是由原始缺陷标注图中像素值为1的像素值的坐标组成的缺陷坐标矩阵，目标点集指的是由目标缺陷标注矩阵的所有采样像素点构成的点集，源点集指的是由原始缺陷坐标矩阵的所有采样像素点构成的点集。
35.进一步地，步骤s20，包括：根据所述目标缺陷标注图得到第一标注区域；通过预设采样策略根据预设采样方向对所述第一标注区域内的像素点进行采样，得到初始目标点集；根据所述初始目标点集对应的坐标生成目标缺陷坐标矩阵；根据原始缺陷标注图得到第二标注区域；通过所述预设采样策略对所述第二标注区域内的像素点进行采样，得到初始源点集；根据所述初始源点集对应的坐标生成原始缺陷坐标矩阵；分别对所述目标缺陷坐标矩阵和所述原始缺陷坐标矩阵的像素点进行坐标转换；对转换后的像素点坐标进行归一化处理，得到目标归一化像素坐标和原始归一化像素坐标；根据所述目标归一化像素坐标得到目标点集，以及根据所述原始归一化像素坐标得到源点集。
36.应当理解的是，第一标注区域指的是目标缺陷标注图中的缺陷区域，在得到第一标注区域后，通过预设采样策略根据预设采样方向对第一标注区域内的像素点进行采样，得到初始目标点集，该预设采样方向可以为横坐标和纵坐标方向，具体是以第一标注区域中的任一顶点为原点，该任一顶点可以为左上角顶点，在横、纵坐标方向上按照设定的间隔1对目标缺陷标注图中像素值为1的像素点进行采样，将采样所得的像素点的坐标组成目标缺陷像素矩阵，本实施例中间隔1设定为2个像素点。目标缺陷坐标矩阵为若干行、一列的矩阵，每行为采样得到的一个缺陷对应像素点的横纵坐标，第二标注区域指的是原始缺陷标注图中的缺陷区域，通过预设采样策略对第二标注区域内的像素点进行采样，得到初始源点集，该预设采样方向可以为横坐标和纵坐标方向，具体是以第二批注区域中的任一顶点为顶点，该任一顶点可以为左上角顶点，在横、纵坐标方向上按照设定间隔2对原始缺陷标注图中像素值为1的像素点进行采样，该设定间隔2可以为2个像素点，该目标缺陷坐标矩阵为若干行、一列的矩阵，每行为采样得到的一个缺陷对应像素点的横纵坐标。
37.可以理解的是，在得到目标缺陷坐标矩阵和原始缺陷坐标矩阵后，对目标缺陷坐标矩阵和原始缺陷坐标矩阵的像素点进行坐标转换，使得目标缺陷坐标矩阵和原始缺陷坐标矩阵的原点分别转换为各自对应的中心点，然后对转换后的像素点坐标进行归一化处理，再将目标缺陷坐标矩阵和原始缺陷坐标矩阵中的采样像素坐标点分别替换为目标归一化像素坐标和原始归一化像素坐标，由于目标缺陷坐标矩阵和原始缺陷坐标矩阵的采样间隔不同，因此，目标点集和源点集的数目不必完全相同，其中，对目标缺陷坐标矩阵和原始缺陷坐标矩阵的像素点进行坐标转换进行转换和归一化的算法为：，0 ≤ i ≤ w，0≤ j ≤ h；其中，为归一化转换后的坐标，w为目标缺陷标注图和原始缺陷标注图的宽，h为目标缺陷标注图和原始缺陷标注图的高，i为所在的横坐标，j为所在的纵坐标，为目标缺陷坐标矩阵和原始缺陷坐标矩阵中的任一坐标点。
38.步骤s30，根据所述目标点集和所述源点集生成目标缺陷块图像。
39.应当理解的是，目标缺陷块图像指的是近似预设缺陷图像特征的缺陷块图像，在得到目标点集合源点集后，根据目标点集和源点集生成目标缺陷块图像，该目标缺陷块图像如图3中(e)所示，该图像存在大量的裂痕或者空洞，这些裂痕以及空洞即为空白背景，像素值为255，目标缺陷块图像和目标缺陷标注图在缺陷的形状、大小以及位置极为相似，且满足设缺陷图像特征。
40.步骤s40，获取正常工业样本图像，将所述目标缺陷块图像和所述正常工业样本图像进行融合，得到目标缺陷样本图像。
41.可以理解的是，目标缺陷样本图像指的是一张仿真有缺陷样本图像，在得到目标缺陷块图像后，将目标缺陷块图像加权融合至正常工业样本图像的相应位置上，以生成目标缺陷样本图像。
42.进一步地，步骤s40，包括：获取正常工业样本图像，按照预设图像尺寸对所述正常工业样本图像进行裁剪；根据所述目标缺陷块图像得到未赋值像素点，并获取所述未赋值
像素点在预设范围内的已赋值像素点；对所述预设范围内的已赋值像素点进行计算，得到已赋值像素平均值；根据所述已赋值像素平均值对未赋值像素点的像素值进行填充；将填充后的目标缺陷图像块和裁剪后的正常工业样本图像进行融合，得到目标缺陷样本图像。
43.应当理解的是，在获取到正常工业样本图像后，按照同样的预设图像尺寸对正常工业样本图像进行裁剪，使得裁剪后的正常工业样本图像与裁剪后的原始缺陷工业样本图像的尺寸相同，均为256*256，由于原始缺陷工业样本图像的缺陷部位的像素点经过位置转换的处理操作后，使得原本相邻的像素点可能发生分离，在得到目标缺陷块图像后，从目标缺陷块图像中获取未赋值像素点，该未赋值像素点指的是位于裂痕或者空洞的点，通过预设范围内的已赋值像素点计算出已赋值像素平均值，该预设范围可以为1像素，然后通过已赋值像素平均值对未赋值像素点的像素值完成填充，例如，使用该未赋值像素点八个方向（上、下、左、右、左上、右上、左下、右下）上且与该未赋值像素点距离相同的八个点的像素值求取平均值，若相邻的八个点中存在像素值为255即空白背景的点的话，将其移出求取平均值，求得的已赋值像素平均值即为该未赋值像素点的像素值，求解出所有未赋值像素点的像素值后即可将空洞或者裂痕进行填充，填充后效果如图3中(f)所示，经若干次填充后，图3中(f)中图像内部的裂痕以及空洞大幅减少，其特征与原颜色、纹理等特征与原缺陷部位图像十分相似，满足图像使用需求，本实施例中填充次数为3，且最终的填充结果如图3中(g)所示，图3中(g)中生成的缺陷部位边缘轮廓区域像素值发生改变，更加接近原始缺陷工业样本图像的背景像素值。
44.进一步地，所述将填充后的目标缺陷图像块和裁剪后的正常工业样本图像进行融合，得到目标缺陷样本图像，包括：根据填充后的目标缺陷图像块得到当前缺陷边界；对所述当前缺陷边界添加过渡透明度属性，得到目标缺陷边界；根据所述目标缺陷边界得到对应的过渡区域；通过边界过渡函数对所述过渡区域进行计算，得到区域融合权重；根据所述区域融合权重将所述填充后的目标缺陷图像块和裁剪后的正常工业样本图像进行融合，得到目标缺陷样本图像。
45.可以理解的是，在得到填充后的目标缺陷图像块后，根据填充后的目标缺陷图像块得到当前缺陷边界，然后给当前缺陷边界添加过渡透明度属性，以得到目标缺陷边界，添加的过渡透明度属性是通过构造函数实现的，该构造函数具体为：；其中，为构造函数，c为缺陷边界透明的宽度，取时宽度与指数函数的边界进行自适应对齐，b=3，r
*
为正实数，对于以c为宽度的缺陷边界之内任一点，其透明度计算公式为：；其中，z1为以c为宽度的缺陷边界之内任一点的像素值，z2为与以c为宽度的缺陷边界之内的任一点位置相同的无缺陷背景的像素值，，为权重，且。
46.应当理解的是，目标缺陷样本图像的效果如图3中(h)所示，图像中部深黑色部分即为填充后得到的缺陷部位，其余部位则为原始缺陷工业样本图像中无缺陷的图像。
47.本实施例通过获取原始缺陷工业样本图像，根据预设缺陷图像特征和所述原始缺陷工业样本图像生成目标缺陷标注图；根据所述目标缺陷标注图得到原始缺陷坐标矩阵以
及目标缺陷坐标矩阵，并根据所述原始缺陷坐标矩阵以及目标缺陷坐标矩阵构建目标点集和源点集；根据所述目标点集和所述源点集生成目标缺陷块图像；获取正常工业样本图像，将所述目标缺陷块图像和所述正常工业样本图像进行融合，得到目标缺陷样本图像；通过上述方式，根据目标缺陷标注图构建的目标点集和源点集生成目标缺陷块图像，然后目标缺陷块图像和正常工业样本图像融合出目标缺陷样本图像，从而能够提高生成目标缺陷样本图像的效率，且生成过程中所需的样本图像少以及资源消耗低。
48.在一实施例中，如图4所述，基于第一实施例提出本发明缺陷样本图像生成方法第二实施例，所述步骤s30，包括：步骤s301，通过预设点集匹配算法对所述目标点集和所述源点集进行匹配，得到对应的点集匹配结果。
49.应当理解的是，预设点集匹配算法指的是将两个或者两个以上的点集进行匹配的算法，具体是预设点集匹配算法将目标点集和所述源点集输入至预设点集匹配算法之中，通过弹性形变逼近至目标点集中坐标的位置，使得两组位置坐标尽可能地重合，以达到匹配的目的。
50.步骤s302，根据所述点集匹配结果得到所述源点集的像素点坐标转移参数。
51.可以理解的是，像素点坐标转移参数指的是源点集中坐标的转换参数，具体是将点集匹配结果中源点集的每个点的结束坐标位置与初始坐标位置进作差处理得到。
52.步骤s303，根据所述源点集坐标转换参数计算出原始缺陷标注图中未采样像素点转移参数。
53.应当理解的是，在得到源点集坐标转换参数后，将源点集坐标转换参数构成转换参数矩阵，其中，转换参数矩阵为若干行、一列的矩阵，每一行为原始缺陷坐标矩阵中对应点横、纵坐标的转换参数组成的转换参数向量，在得到源点集坐标转换参数后，计算原始缺陷标注图中未采样像素点转移参数。
54.可以理解的是，在得到原始缺陷标注图中的未采样像素点后，根据未采样像素点的坐标构成未采样像素矩阵，计算未采样像素矩阵中每个未采样像素点与其周围的已采样像素点之间的距离，筛选出距离未采样像素点最近的n个已采样像素点，在本实施例中n=10，将n个已采样像素点的转换参数按照其相对未采样点的距离进行加权求和作为该未采样像素点的转换参数，将未采样像素矩阵中所有未采样像素点的转换参数构成未采样像素点换矩参数矩阵，未采样像素点换矩参数矩阵为若干行、一列的矩阵，未采样像素点换矩参数矩阵每一行由一个未采样像素点的横、纵坐标对应的转换参数组成的转换参数向量，列长度等于未采样像素点的个数，未采样像素矩阵中任一未采样像素点的坐标转换参数的计算方式为：;其中，pm为未采样像素矩阵中第m个未采样像素点的转换参数，tn为坐标转换参数
矩阵中与未采样像素矩阵中未采样像素点距离最近的n个采样像素点中第n个采样像素点的转换参数，为距离第m个未采样像素点最近的第n个采样像素点的权重，dn为未采样像素矩阵中第m个未采样缺陷点与其周围第n个采样像素点的欧氏距离，d为第m个未采样像素点与其周围n个采样像素点的欧氏距离之和，x为dn与d两个距离的比值。
55.步骤s304，根据所述像素点坐标转移参数和所述未采样像素点转移参数得到第二标注区域内的全部像素点坐标转移参数。
56.可以理解的是，在得到像素点坐标转移参数后，根据像素点坐标转移参数构建采样像素点坐标转换参数矩阵，根据未采样像素点转移参数构建未采样像素点坐标转换参数矩阵，然后将采样像素点坐标转换参数矩阵和未采样像素点坐标转换参数矩阵进行拼接，得到目标坐标转换参数矩阵，该目标坐标转换参数矩阵中的坐标转移参数即为第二标注区域内的全部像素点坐标转移参数。
57.步骤s305，根据所述第二标注区域内的全部像素点坐标转移参数生成目标缺陷块图像。
58.进一步地，步骤s305，包括：根据所述第二标注区域内的全部像素点坐标转移参数得到全部像素点坐标和全部像素点；对所述全部像素点坐标进行转换，得到目标转换位置坐标；将所述全部像素点移动至所述目标转换位置坐标，以生成目标缺陷块图像。
59.可以理解的是，在得到第二标注区域内的全部像素点坐标转移参数后，根据全部像素点坐标转移参数得到全部像素点坐标和全部像素点，然后将全部像素点坐标转换为目标转换位置坐标，再将原始缺陷工业样本图像中缺陷内部的任一像素点移动到目标转换位置坐标，具体是将原始缺陷工业样本图像中缺陷内部部位的每个像素点按照目标转换位置坐标放入与原始有缺陷样本图像尺寸相同的空白图像之中，以组成新的缺陷区域，从而生成目标缺陷块图像。
60.本实施例通过预设点集匹配算法对所述目标点集和所述源点集进行匹配，得到对应的点集匹配结果；根据所述点集匹配结果得到所述源点集的像素点坐标转移参数；根据所述源点集坐标转换参数计算出原始缺陷标注图中未采样像素点转移参数；根据所述像素点坐标转移参数和所述未采样像素点转移参数得到第二标注区域内的全部像素点坐标转移参数；根据所述第二标注区域内的全部像素点坐标转移参数生成目标缺陷块图像；通过上述方式，通过预设点集匹配算法将目标点集和所述源点集进行匹配，然后根据点集匹配结果得到的源点集坐标转换参数计算出未采样像素点转移参数，再根据全部像素点坐标转移参数生成目标缺陷块图像，从而能够有效提高生成目标缺陷块图像的准确性。
61.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有缺陷样本图像生成程序，所述缺陷样本图像生成程序被处理器执行时实现如上文所述的缺陷样本图像生成方法的步骤。
62.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
63.此外，参照图5，本发明实施例还提出一种缺陷样本图像生成装置，所述缺陷样本图像生成装置包括：获取模块10，用于获取原始缺陷工业样本图像，根据预设缺陷图像特征和所述原始缺陷工业样本图像生成目标缺陷标注图。
64.构建模块20，用于根据所述目标缺陷标注图得到原始缺陷坐标矩阵以及目标缺陷坐标矩阵，并根据所述原始缺陷坐标矩阵以及目标缺陷坐标矩阵构建目标点集和源点集。
65.生成模块30，用于根据所述目标点集和所述源点集生成目标缺陷块图像。
66.融合模块40，用于获取正常工业样本图像，将所述目标缺陷块图像和所述正常工业样本图像进行融合，得到目标缺陷样本图像。
67.本实施例通过获取原始缺陷工业样本图像，根据预设缺陷图像特征和所述原始缺陷工业样本图像生成目标缺陷标注图；根据所述目标缺陷标注图得到原始缺陷坐标矩阵以及目标缺陷坐标矩阵，并根据所述原始缺陷坐标矩阵以及目标缺陷坐标矩阵构建目标点集和源点集；根据所述目标点集和所述源点集生成目标缺陷块图像；获取正常工业样本图像，将所述目标缺陷块图像和所述正常工业样本图像进行融合，得到目标缺陷样本图像；通过上述方式，根据目标缺陷标注图构建的目标点集和源点集生成目标缺陷块图像，然后目标缺陷块图像和正常工业样本图像融合出目标缺陷样本图像，从而能够提高生成目标缺陷样本图像的效率，且生成过程中所需的样本图像少以及资源消耗低。
68.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
69.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的缺陷样本图像生成方法，此处不再赘述。
70.本发明所述缺陷样本图像生成装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不再赘余。
71.此外，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。
72.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
73.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，本发明的技术方案本质上或者说对现有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一个存储介质（如只读存储器（read only memory，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，一体化平台工作站，或者网络设备等）执行本发明各个实施例所述的方法。
74.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。