CN100483448C - 一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法 - Google Patents
一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法 Download PDFInfo
- Publication number
- CN100483448C CN100483448C CNB2007100397302A CN200710039730A CN100483448C CN 100483448 C CN100483448 C CN 100483448C CN B2007100397302 A CNB2007100397302 A CN B2007100397302A CN 200710039730 A CN200710039730 A CN 200710039730A CN 100483448 C CN100483448 C CN 100483448C
- Authority
- CN
- China
- Prior art keywords
- tracks
- tracking
- point
- live width
- vectorization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法,步骤是:A在客户端采用跟踪判定关键点的方法对光栅图上黑像素区域组成的线跟踪,得到跟踪初始点;B在客户端采用线宽自动估计方法和基于线宽的最大跟踪步长自动选取方法,得到初始线宽和最大跟踪步长;C在客户端采用基于线宽大小的自适应跟踪方法,得到包含中轴点坐标位置及宽度信息的中轴点链;D在客户端采用基于中轴点链长度的中轴点链优劣自动判定,并判定是否扫描完毕光栅图,扫描完毕后输出数据给服务器端。使用上述发明方法能够改善初步矢量化的结果,提高初步矢量化的精度,拓展可矢量化的光栅图纸的范围,同时在一定程度上加快了初步矢量化的运算速度。
Description
技术领域:
本发明涉及工程图纸矢量化识别方法,特别是对具有不同线宽的线的复杂光栅图的矢量化方法,该方法可广泛用于工程图纸识别、图像图形符号检测与识别等领域以及工业自动化检测等领域。
背景技术:
在当今的信息社会中,尽管CAD技术在工业设计领域得到了广泛的应用,但仍有大量的图纸信息以纸质、图片的形式保存、管理和适用着。这些工程图纸往往使一个系统或者行业长时间积累下来的,完整的保存了以往的宝贵经验,对以后的设计有很好的借鉴作用。其中相当一部分还会在以后的设计和制造中被修改和重复使用。为了复用这些图纸,将这些图纸图像的信息用计算机进行管理,并建立相应的数据库,以大大减少图纸的更新和维护耗费的人力资源,更加便于存储、修改、查询、交流,是必然的发展趋势,具有重要的社会现实意义。工程图矢量化是将工程图的扫描位图表达转化为CAD系统使用的图形描述矢量实体,如直线、圆、圆弧、曲线以及字符等,可大大提高图纸的复用能力。
完整的矢量化过程包括有:图像的预处理、图像的初步矢量化和图形检测/识别等操作。其中,图像的初步矢量化是图形检测/识别的前期处理过程,可以单独考虑,其输出结果是一种对图像的图形信息的紧凑描述结构。因此,在整个矢量化过程中具有非常重要的地位。
国内外研究人员针对图像初步矢量化过程提出了一些传统的算法,如基于细化的方法、基于轮廓线的方法、基于图形结构的方法、一般离散像素跟踪的方法以及正交之字型(简称为OZZ)方法。目前针对矢量化的研究基本上都是在这些方法的框架下进行的,但对于图像具有噪声干扰,仅有离散图像跟踪的方法能够取得比较好的效果,但离散图像跟踪的方法对光栅图上线宽的要求比较严格,这使得一些具有较细线宽的线的工程图的初步矢量化结果较差。同时由于采用固定最大跟踪步长的方法,使得线宽变化较大的工程图的初步矢量化结果精度较低。
发明内容:
本发明的目的在于提供一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法,主要解决上述二值图像的初步矢量化中存在的技术问题,它能够改拓展可矢量化的光栅图纸的范围,改善初步矢量化的结果,提高初步矢量化的精度,加快初步矢量化的速度。
为解决上述技术问题,本发明是这样实现的:
一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法,先在客户端通过矢量化系统的扫描功能启动扫描程序对图纸进行扫描,并对图像进行预处理,以获得对工程图纸进行初步矢量化操作所需要的光栅图像;其特征在于,然后包括如下步骤:
A在客户端采用跟踪判定关键点的方法对光栅图上黑像素区域组成的线跟踪,得到跟踪初始点;
B在客户端采用线宽自动估计方法和基于线宽的最大跟踪步长自动选取方法,得到初始线宽和最大跟踪步长;
C在客户端采用基于线宽大小的自适应跟踪方法,得到包含中轴点坐标位置及宽度信息的中轴点链;
D在客户端采用基于中轴点链长度的中轴点链优劣自动判定,并判定是否扫描完毕光栅图,扫描完毕后输出数据给服务器端。
所述的步骤A进一步包括:
A1通过对光栅图的扫描,找到一个黑像素点,作为跟踪关键点。该黑像素点所在的邻近区域没有被初步矢量化过;
A2从跟踪关键点出发,沿某一规定跟踪方向跟踪黑像素区域,得到新的跟踪关键点;
A3判断得到的跟踪关键点性能是否达到理想的状况,若是,则将此跟踪关键点作为跟踪初始点输出;若否,则执行步骤A1。
所述的步骤B进一步包括:
B1从跟踪起始点出发,沿上下左右四个方向跟踪该点所在的黑像素区域,得到经过该点的线在这点处的长宽值,并确定线跟踪方向;
B2对跟踪起始点处的宽度值按其大小判定其属性,分为小线宽和大线宽两类;若宽度值为小线宽,则最大跟踪步长设为一个定值;若宽度值为大线宽,则最大跟踪步长设为一个与该宽度值有关的量。
所述的步骤C进一步包括:
C1对于小线宽的线,采用小线宽离散像素跟踪方法得到中轴点链;对于大线宽的线,采用一般离散像素跟踪法得到中轴点链。
所述的步骤D进一步包括:
D1若中轴点链只含有一个中轴点,则认为该中轴点链不符合要求,丢弃该中轴点链;若中轴点链长度超过阈值,则将其截断为数个中轴点链;
D2在客户端判定是否扫描完毕光栅图;若否,则回到步骤A;若是,则将结果输出到服务器端。
藉由上述技术方案,本发明具有如下有益技术效果:
本发明的多线宽自适应初步矢量化方法具有适用范围广、矢量化精度高、运行速度快等优点,对于工程图纸矢量化系统的后续处理以及三维重建等工作具有重要意义和实用价值。
附图说明:
图1是本发明方法所采用客户端/服务器的硬件拓扑结构。
图2是本发明方法的流程示意图。
图3是本发明方法中线宽自动估计方法和基于线宽的最大跟踪步长自动选取方法的流程示意图。
图4是本发明方法中基于线宽大小的自适应跟踪方法的流程示意图。
图5是本发明实施例中扫描后经图像预处理得到的实际工程图像。
图6是本发明实施例中采用固定最大跟踪步长为8和一般离散像素跟踪方法初步矢量化处理过程后得到的图像。
图7是本发明实施例中采用固定最大跟踪步长为8和自适应跟踪方法(即结合一般离散像素跟踪和小线宽离散像素跟踪两种方法)初步矢量化处理过程后得到的图像。
图8是本发明实施例中采用自动估计最大跟踪步长和一般离散像素跟踪方法初步矢量化处理过程后得到的图像。
图9是本发明实施例中采用本发明的自动估计最大跟踪步长和自适应跟踪方法(即结合一般离散像素跟踪和小线宽离散像素跟踪两种方法)初步矢量化处理过程后得到的图像。
具体实施方式:
以下结合附图和实施例对本发明的技术方案作进一步描述。
本发明的实施例中,采用客户端/服务器的硬件拓扑结构如图1所示。客户端可以连接图象采集装置(如:扫描仪)或硬件存储设备。因此,图像的来源可以是通过图像采集装置扫描得到并送入客户端或是通过存储设备给出图像文件得到并送到客户端。其中,图像扫描是通过图像采集装置的光电扫描器件将图纸扫描成为模拟信号,经A/D转换器将模拟信号转换成为数字图像信号,该图像信号通过USB总线送入到客户端。
通过矢量化系统的扫描功能启动扫描程序对图纸进行扫描,并对图像进行预处理。预处理后的图像如图5所示。扫描后经过客户端PC机的矢量化预处理过程,得出如图9所示的图像,该图像是一种压缩率非常高的表示方法,便于在网络中进行传输,服务器端接收矢量化后的数据进行后续处理。
本实施例中的图像采集装置采用松下KV-S3065CWCN型号的扫描仪,其性能如下:
扫描元件:CIS;
设计类型:文件扫描仪;
扫描范围:227×2540mm;
光学分辨率:600×600;
色彩位数:黑白(二值,半色调模式),灰度(8bit),彩色(24bit);
扫描速度:60ppm/110ipm;
传输接口:Ultra SCSI(SCSI-III)传输速率:20M-byte/sec,接口器:50细针,USB2.0;
扫描介质:文件;
光源性能:双管白色荧光灯。
本实施例中的客户端平台性能如下:
CPU主频:Celon 2.66G:
内存容量:516M;
运行操作系统为Windows XP;
一个并行打印端口,配置为USB端口。
本实施例中的服务器采用HP的ProLiant DL380 G4(378735-AA1),其性能如下:
CPU类型:Xeon DP;
CPU频率(MHz):3000;
处理器描述:标准处理器数量1;
支持CPU个数:2;
CPU二级缓存:2MB;
运行操作系统为Windows 2003 Server。
在客户端采用的多线宽自适应初步矢量化方法流程如图2所示,各步骤的具体细节描述如下:
1、采用跟踪判定关键点的方法对光栅图上黑像素区域组成的线跟踪,得到跟踪初始点:
在客户端通过矢量化系统的扫描功能启动扫描程序对图纸进行扫描,并对图像进行预处理。主要的预处理手段为图像的二值化和图像的降噪、增强等操作。图像二值化的主要手段为在客户端平台对图像的某一个部位提取其直方图,灰度图像的直方图提供了在一幅图像中灰度的分布状况,利用直方图提供的这种灰度分布信息来确定阈值,再用图像中某个位置的像素灰度值与这个阈值作比较,来确定其二值性,0或者1。图像预处理中降噪增强操作主要采用了形态学滤波,先进行腐蚀操作,然后进行膨胀操作,从而形成形态学滤波的开运算对二值图像进行处理。经过这几部操作之后得到的图象为本发明中涉及的初步矢量化操作所需要的光栅图像。
跟踪判定关键点得到跟踪初始点是在对图像扫描的基础上进行的,当一条扫描线‘碰’到第一个像素正跳变时(从0到1),判断该像素所在的邻近区域是否被初步矢量化过。如果该像素点所在的邻近区域曾经被初步矢量化过,则继续寻找下一个正跳变像素点。如果该像素点所在的邻近区域没有被初步矢量化过,则像素计数器开始计数,当再次碰到像素负跳变(从1到0)或计数器数值超过规定的阈值时,停止计数,计算中间的像素位置作为第一个跟踪关键点。然后从该像素点出发,采用同样的方法向上向下扫描,向上像素计数器、向下像素计数器分别开始计数,当碰到像素负跳变(从1到0)或计数器数值超过规定的阈值时,停止计数,计算上下扫描的中心位置作为第二个跟踪关键点。然后再左右扫描计数,计算左右扫描的中心位置作为第三个跟踪关键点。以此类推直到连续两次得到的跟踪关键点的像素位置相差不到一个像素,将最后找到的一个跟踪关键点设为稳定的可扩展的跟踪初始点,并将这个跟踪初始点作为结果输出。
2、采用线宽自动估计方法和基于线宽的最大跟踪步长自动选取方法,得到初始线宽和最大跟踪步长,流程如图3所示:
采用类似的扫描计数的方法,从跟踪初始点出发沿上下左右四个方向跟踪,直到像素负跳变(从1到0)或计数器数值超过规定的阈值停止跟踪。通过比较上下像素计数器数值之和与左右像素计数器数值之和确定跟踪初始点的方向是纵向还是横向。较小的那个计数器数值之和作为该点的宽度值。如果是纵向的跟踪初始点,则该点所在的线的跟踪方向设为纵向,反之设为横向。对跟踪起始点处的宽度值按其大小判定其属性,分为小线宽和大线宽两类。通常将小于三个像素的线宽值定为小线宽。
基于线宽的最大跟踪步长自动选取方法是对基于一般离散像素跟踪矢量化方法的改进。线的最大跟踪步长是作线的跟踪时给定的像素计数器阈值,当计数器数值达到这个阈值,则停止计数。线的最大跟踪步长理论上是一个与线的宽度值有关的量,对于不同线宽的线,最大跟踪步长是不相同的。但是基于一般离散像素跟踪矢量化方法将最大跟踪步长简单的设定为常数,使得对于光栅图纸中线宽变化较大的情况时,矢量化结果很不精确。本发明采用的最大跟踪步长的自动选取方法,设定最大跟踪步长为跟踪初始点宽度值乘上某个比例系数,使得最大跟踪步长能对不同的线作动态调整。同时为了防止最大跟踪步长过小,在跟踪初始点宽度值为小线宽时,本发明设置最大跟踪步长为某个固定的值。将跟踪初始点及其方向、宽度值输出,最大跟踪步长作为结果输出。
图8、图9就是采用基于线宽的最大跟踪步长自动选取方法,对光栅图作初步矢量化得到的结果图。
3、用基于线宽大小的自适应跟踪方法,得到中轴点链和精确线宽信息,流程如图4所示:
采用基于线宽大小的自适应跟踪方法是对基于一般离散像素跟踪矢量化方法的改进。
一般离散像素跟踪矢量化方法的跟踪过程是采用类似于之字型的方法确定含有线段的位置和线宽信息的中轴点链。该过程是整个初步矢量化过程的核心。跟踪过程是从跟踪初始点(跟踪初始点作为中轴点链的初始中轴点)开始跟踪的,其过程与跟踪关键点得到跟踪初始点的过程基本类似,但是先在设定的方向上跟踪,然后沿垂直于跟踪方向的两个方向跟踪,并将中间位置作为新的中轴点(每一个中轴点都包含了其坐标位置和该点的宽度信息),而将垂直于跟踪方向的跟踪步长的值作为中轴点的宽度信息。当沿着跟踪方向上的跟踪步长为零时,认为线段跟踪完毕,输出中轴点链。
本发明中基于线宽大小的自适应跟踪方法是在原散像素跟踪矢量化方法跟踪得到中轴点链的情况下,进一步修正这条中轴点链。当跟踪初始点的宽度值为大线宽时,不启动小线宽离散像素跟踪过程,将一般离散像素跟踪矢量化方法跟踪得到中轴点链作为最后结果输出。但当跟踪初始点的宽度值为小线宽时,启动小线宽离散像素跟踪过程,修正中轴点链,并作为结果输出。
具体的小线宽离散像素跟踪过程相当于考虑当前中轴点的8领域。在从当前中轴点出发跟踪新的中轴点时,考虑两个条件。
条件1:当前中轴点的跟踪方向上,跟踪步长为零。即从当前中轴点出发,沿跟踪方向走一个像素位时,发生像素负跳变。
条件2:从当前中轴点出发,沿跟踪方向走一个像素位,即走到像素负跳变点时,则从这个像素负跳变点出发,沿当前中轴点的跟踪方向的正交方向上走一个像素位(该点位于当前中轴点的8领域内),又发生像素正跳变。
若满足上述两个跟踪条件,则从这个像素正跳变点出发采用一般离散像素跟踪方法跟踪新的中轴点。若不满足上述两个跟踪条件,则在当前跟踪方向上跟踪中轴点的过程结束。
4、采用基于中轴点链长度的中轴点链优劣自动判定,并判定是否扫描完毕光栅图,扫描完毕后输出数据给服务器端:
对于采集到的中轴点链,需要判别其优劣性。对于只有一个中轴点的中轴点链,被规定为不合法,需要丢弃。对于中轴点链的长度超过一定的阈值,为了计算机数据存储的方便,将其截断为数个中轴点链。采集得到的中轴点链能够描述具有一定宽度的线的大致形状和位置,便于进一步的矢量化识别。
当经过跟踪得到初始点,自动获得跟踪初始点宽度值和动态估计最大跟踪步长,自适应跟踪方法跟踪中轴点链,中轴点链优劣判定之后,需要判断是否对光栅图扫描完毕。如果没有扫描完毕,则重复上述过程采集新的中轴点链。如果扫描完毕,则将结果输出到服务器端。
本发明方法的整个初步矢量化过程就是记录这些中轴点的位置信息以及它们的动态宽度信息,也可以利用动态宽度信息计算某根线段的真实宽度作为输出。对图5的图像初步矢量化结果可得到图9所示的最终处理后图像。
对于一般离散像素跟踪方法作图像的初步矢量化是固定最大跟踪步长和不考虑小线宽离散像素跟踪。本发明的实施例分别用Matlab软件编写仿真程序,分别对以下四种方法作了比较:方法1,仿真原始的一般离散像素跟踪方法,最大跟踪步长固定为八个像素;方法2,在原始的一般离散像素跟踪方法的基础上,结合小线宽离散像素跟踪方法,使用自适应跟踪方法;方法3,在原始的一般离散像素跟踪方法的基础上,考虑动态获得最大跟踪步长;方法4,采用本发明的动态获得最大跟踪步长方法和自适应跟踪方法(即结合一般离散像素跟踪和小线宽离散像素跟踪两种方法)。通过对本发明的实施例图5作初步矢量化,分别获得图6、图7、图8和图9。同时也统计了上述四种图像初步矢量化方法,采集得到的中轴点链的个数及其消耗的运算时间。
下表为上述四种方法的Matlab仿真对本发明实施例的初步矢量化的结果。
初步矢量化方法 | 中轴点链个数 | 运行时间(秒) | 结果图象 |
方法1 | 719 | 25.6250 | 图6 |
方法2 | 358 | 13.0160 | 图7 |
方法3 | 716 | 25.1870 | 图8 |
方法4 | 346 | 13.0160 | 图9 |
方法4采集到的中轴点链的个数最少。这是由于这些中轴点链质量比较高,较为连续所造成的。这一点可以比较图5、图6、图7、图8和图9得到。同时,方法4所消耗的运算时间是最少的。因此本发明对一般离散像素跟踪方法的改善是较为明显的。
综上所述仅为本发明的较佳实施例而已,并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰,都应为本发明的技术范畴。
Claims (5)
1、一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法,先在客户端通过矢量化系统的扫描功能启动扫描程序对图纸进行扫描,并对图像进行预处理,以获得对工程图纸进行初步矢量化操作所需要的光栅图像;其特征在于,然后包括如下步骤:
A在客户端采用跟踪判定关键点的方法对光栅图上黑像素区域组成的线跟踪,得到跟踪初始点;
B在客户端采用线宽自动估计方法和基于线宽的最大跟踪步长自动选取方法,得到初始线宽和最大跟踪步长;
C在客户端采用基于线宽大小的自适应跟踪方法,得到包含中轴点坐标位置及宽度信息的中轴点链;
D在客户端采用基于中轴点链长度的中轴点链优劣自动判定,并判定是否扫描完毕光栅图,扫描完毕后输出数据给服务器端。
2、根据权利要求1所述的工程图纸矢量化过程中的多线宽自适应初步矢量化方法,其特征在于所述的步骤A进一步包括:
A1通过对光栅图的扫描,找到一个黑像素点,作为跟踪关键点。该黑像素点所在的邻近区域没有被初步矢量化过;
A2从跟踪关键点出发,沿某一规定跟踪方向跟踪黑像素区域,得到新的跟踪关键点;
A3判断得到的跟踪关键点性能是否达到理想的状况,若是,则将此跟踪关键点作为跟踪初始点输出;若否,则执行步骤A1。
3、根据权利要求1或2所述的工程图纸矢量化过程中的多线宽自适应初步矢量化方法,其特征在于所述的步骤B进一步包括:
B1从跟踪起始点出发,沿上下左右四个方向跟踪该点所在的黑像素区域,得到经过该点的线在这点处的长宽值,并确定线跟踪方向;
B2对跟踪起始点处的宽度值按其大小判定其属性,分为小线宽和大线宽两类;若宽度值为小线宽,则最大跟踪步长设为一个定值;若宽度值为大线宽,则最大跟踪步长设为一个与该宽度值有关的量。
4、根据权利要求3所述的工程图纸矢量化过程中的多线宽自适应初步矢量化方法,其特征在于所述步骤C进一步包括:
C1对于小线宽的线,采用小线宽离散像素跟踪方法得到中轴点链;对于大线宽的线,采用一般离散像素跟踪法得到中轴点链。
5、根据权利要求1或2或4所述的工程图纸矢量化过程中的多线宽自适应初步矢量化方法,其特征在于所述的步骤D进一步包括:
D1若中轴点链只含有一个中轴点,则认为该中轴点链不符合要求,丢弃该中轴点链;若中轴点链长度超过阈值,则将其截断为数个中轴点链;
D2在客户端判定是否扫描完毕光栅图;若否,则回到步骤A;若是,则将结果输出到服务器端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007100397302A CN100483448C (zh) | 2007-04-20 | 2007-04-20 | 一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007100397302A CN100483448C (zh) | 2007-04-20 | 2007-04-20 | 一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101034436A CN101034436A (zh) | 2007-09-12 |
CN100483448C true CN100483448C (zh) | 2009-04-29 |
Family
ID=38730983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2007100397302A Active CN100483448C (zh) | 2007-04-20 | 2007-04-20 | 一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100483448C (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390088A (zh) * | 2013-07-31 | 2013-11-13 | 浙江大学 | 一种针对光栅建筑平面图的全自动三维转换方法 |
CN113298697B (zh) * | 2021-03-19 | 2024-04-26 | 广州天越电子科技有限公司 | 一种基于人工神经网络二维图形元素转矢量图形元素的方法 |
-
2007
- 2007-04-20 CN CNB2007100397302A patent/CN100483448C/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN101034436A (zh) | 2007-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100464347C (zh) | 一种工程cad图纸的矢量化图形识别方法 | |
CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测系统 | |
CN105528614B (zh) | 一种漫画图像版面的识别方法和自动识别系统 | |
CN104899849B (zh) | 一种多目标交互式图像分割方法和装置 | |
Wang et al. | Pavement crack segmentation algorithm based on local optimal threshold of cracks density distribution | |
CN100555310C (zh) | 一种工程图纸矢量化识别系统的预处理方法 | |
CN101710425A (zh) | 基于图像灰度梯度和灰度统计直方图的自适应预分割方法 | |
CN111523540A (zh) | 基于深度学习的金属表面缺陷检测方法 | |
CN105068918A (zh) | 一种页面测试方法及装置 | |
CN115115638A (zh) | 一种液压系统漏油检测及判定方法 | |
CN101763510A (zh) | 交错线矢量化提取及图形识别方法 | |
CN100483448C (zh) | 一种工程图纸矢量化过程中的多线宽自适应初步矢量化方法 | |
CN114985150A (zh) | 基于视觉感知的喷雾机精准喷雾的控制方法 | |
CN117011477A (zh) | 一种基于bim的钢结构形变监测处理方法及系统 | |
CN109034073B (zh) | 预测建筑拆除废弃物产生量的方法、系统、设备及介质 | |
CN114049320A (zh) | 一种基于图片相似度的器件缺失ai质检方法与装置 | |
CN114155226A (zh) | 一种微小缺陷边缘计算方法 | |
CN101430789A (zh) | 基于Fast Slant Stack变换的图像边缘检测方法 | |
Cheng et al. | Automated real-time pavement distress analysis | |
CN116011061A (zh) | 一种多目标建筑物的三维重建模型单体分割方法、系统及终端机 | |
CN110705441B (zh) | 人行横道线图像后处理方法及系统 | |
Ye et al. | Multi Dimension Fuzzy C-means Color Image Segmentation Based on Intelligent Analysis Algorithm | |
CN109522813B (zh) | 一种基于行人显著特征的改进随机游走算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |