CN103186786A - 封闭图形识别系统及方法 - Google Patents
封闭图形识别系统及方法 Download PDFInfo
- Publication number
- CN103186786A CN103186786A CN2011104542049A CN201110454204A CN103186786A CN 103186786 A CN103186786 A CN 103186786A CN 2011104542049 A CN2011104542049 A CN 2011104542049A CN 201110454204 A CN201110454204 A CN 201110454204A CN 103186786 A CN103186786 A CN 103186786A
- Authority
- CN
- China
- Prior art keywords
- pixel
- closed
- gray
- gtg
- mentioned
- 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.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种封闭图形识别方法,包括:导入一张图像;对上该图像进行灰阶处理,将该图像转换为灰阶图;对上述灰阶图进行自适应阈值处理,以将上述灰阶图转换为黑白图;从上述黑白图中识别出其中的封闭图形;及产生并输出有关封闭图形的报告。本发明提供一种封闭图形识别系统。使用该系统及方法可以自动识别出图像中的封闭图形,从而解放了人力劳动。
Description
技术领域
本发明涉及一种图像处理系统及方法,尤其是关于一种自动识别图像中封闭图形的系统及方法。
背景技术
目前对封闭图形,例如孔,的量测都需要人工辅助完成。具体而言,首先利用电子显微镜对工件剖面进行拍照,产生剖面图。然后利用人工在剖面图上对孔进行识别与框选,再对框选的孔进行直径量测。
通常,每张剖面图包含有效孔的数量大约都在500~600之间,人工对孔进行识别与框选的方式需要消耗大量的人力与时间。此外,由于人力个体判定上差异与长时间工作的疲劳因素,为最终量测结果带来不确定性影响,最终造成测试结果难以保持重复性与一致性。
发明内容
鉴于以上内容,有必要提出一种封闭图形识别系统及方法,其可以自动识别出图像中的封闭图形,从而解放了人力劳动。
所述的封闭图形识别方法,包括:导入一张图像;对上该图像进行灰阶处理,将该图像转换为灰阶图;对上述灰阶图进行自适应阈值处理,以将上述灰阶图转换为黑白图;从上述黑白图中识别出其中的封闭图形;及产生并输出有关封闭图形的报告。
所述的封闭图形识别系统包括:图像导入模块,用于导入图像;图像转换模块,用于对上该图像进行灰阶处理,将该图像转换为灰阶图,及对上述灰阶图进行自适应阈值处理,以将上述灰阶图转换为黑白图;图形识别模块,用于从上述黑白图中识别出其中的封闭图形;及报告产生模块,用于产生并输出有关封闭图形的报告。
相较于现有技术,本发明所提供的封闭图形识别系统及方法利用机器视觉技术来实现封闭图形的识别与测量,极大的提升了工作效率,避免了人为操作的不确定性对测试结果的影响。
附图说明
图1是本发明封闭图形识别系统较佳实施例的应用环境图。
图2是本发明封闭图形识别系统较佳实施例的功能模块图。
图3是本发明封闭图形识别方法较佳实施例的方法流程图。
图4是图3中步骤S3的细化流程图。
图5是图3中步骤S4的细化流程图。
图6是图3中步骤S5的细化流程图。
图7是图6中步骤S50的细化流程图。
图8是图6中步骤S51的细化流程图。
图9是图3中步骤S6的细化流程图。
图10是一个横坐标表示灰度值,纵轴表示像素点分布情况的直方图的示意图。
主要元件符号说明
计算设备 | 1 |
封闭图形识别系统 | 10 |
处理单元 | 11 |
存储单元 | 12 |
图像导入模块 | 100 |
条件设定模块 | 101 |
图像转换模块 | 102 |
图像处理模块 | 103 |
图形识别模块 | 104 |
编辑模块 | 105 |
报告产生模块 | 106 |
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
参阅图1所示,是本发明封闭图形识别系统较佳实施例的应用环境图。该封闭图形识别系统10应用于计算设备1中,如计算机、服务器等。该计算设备1还包括处理单元11及存储单元12等其他元件。
所述封闭图形识别系统10包括由程序化代码组成的各个功能模块(详见图2),用于对工件的图像,如剖面图,进行处理,以识别该图像中的封闭图形,例如孔等。
处理单元11用于执行所述封闭图形识别系统10的程序化代码,提供封闭图形识别系统10的各功能(详见图3中描述)。
存储单元12用于存储所述封闭图形识别系统10的程序化代码。该存储单元12可以为智能媒体卡(smart media card)、安全数字卡(secure digital card)、快闪存储器卡(flash card)等储存设备。
参阅图2所示,是本发明封闭图形识别系统10较佳实施例的功能模块图。该封闭图形识别系统10包括图像导入模块100、条件设定模块101、图像转换模块102、图像处理模块103、图形识别模块104、编辑模块105及报告产生模块106。以下结合图3至9说明功能模块100~106的各功能。
参阅图3所示,是本发明封闭图形识别方法较佳实施例的方法流程图。根据不同的需求,该图3所示流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S1,图像导入模块100导入一张需要进行封闭图形识别的图像。该图像可以是某一工件的剖面图。本实施例中,该图像为24bpp(bits per pixel,位/像素)或者32bpp,该图像的格式为JPEG或者BMP。
步骤S2,条件设定模块101设定封闭图形的筛选条件。所述筛选条件可以包括封闭图形的直径等。
步骤S3,图像转换模块102对上述导入的图像进行灰阶(grayscale)处理,以将该图像转换为灰阶图。步骤S3的细化流程详见下述的图4所示。
步骤S4,图像处理模块103对上述灰阶图进行直方图均匀化(Histogram Equalization)处理,以生成对比鲜明的灰阶图。步骤S4的细化流程详见下述的图5所示。
步骤S5,图像处理模块103进一步对上述灰阶图进行关操作(closing)处理,以平滑图像中存在的不平滑的图形边缘。如图6所示,所述关操作包括依顺序执行膨胀操作S50及腐蚀操作S51。其中,膨胀操作S50及腐蚀操作S51的细化流程图详见下述的图7及图8所示。
步骤S6,图像转换模块102对上述灰阶图进行自适应阈值(Bradley Local Threshold)处理,以将上述灰阶图转换为黑白图。步骤S6的细化流程详见下述的图9所示。
步骤S7,图像转换模块102判断上述黑白图中是否背景色为黑色。若背景色不是黑色,则流程执行步骤S8。否则,若背景色是黑色,则流程跳过步骤S8而直接执行步骤S9。
在步骤S8中,图像转换模块102对上述黑白图执行反转(Invert)处理,使背景色变为黑色。黑白图中只包括灰度值为0的像素点及灰度值为255的像素点。其中灰度值为0的像素点表现为黑色的点,及灰度值为255的像素点表现为白色的点。所述反转处理是将黑色的点的灰度值从0变成255,及将白色的点的灰度值从255变成0。
步骤S9,图像处理模块103对上述背景色为黑色的黑白图执行开操作(opening)处理,以去除该黑白图中的杂讯点。该开操作可以说是上述关操作的反操作,其包括依顺序执行的腐蚀操作S51及膨胀操作S50。
步骤S10,图形识别模块104从上述黑白图中识别出其中的封闭图形。本实施例中,所述图形识别模块104从上述黑白图中获取灰度值为255的像素点的坐标位置,根据该坐标位置判断某一图形是否为封闭图形。例如,根据像素点的坐标识别出由像素点(x2、y3)、(x3、y3)、(x4、y3)、(x5、y3)、(x6、y3)、(x6、y4)、(x6、y5)、(x6、y6)、(x5、y6)、(x4、y6)、(x3、y6)、(x2、y6)、(x2、y5)、及(x2、y4),组成的封闭图形。
步骤S11,图形识别模块104进一步地从上述识别出来的封闭图形中筛选出符合所设定的筛选条件的封闭图形。例如,筛选出直径在所设定的直径范围内的封闭图形。进一步地,在步骤S11中,图形识别模块104也可以以突出的形式显著表示所筛选出来的封闭图形。所述突出的形式包括由用户指定的颜色或者一定宽度的线条。
步骤S12,编辑模块105根据用户的指令判断是否需要用户手动修改。上述流程可以自动识别及筛选出大部分封闭图形。当利用上述流程识别及筛选出的封闭图形有错误或者遗漏时,用户可以利用该编辑模块进行手动修改。当需要用户手动修改时,流程进入步骤S13,接收用户的修改。及当不需要用户手动修改时,流程直接进入步骤S14。
在步骤S14中,报告产生模块106产生并输出报告。该报告中包括对所识别及筛选出来的封闭图形的统计结果信息,如封闭图形的数量、封闭图形的平均面积、封闭图形的拟化圆半径、封闭图形的分布均匀度等。
需要说明书的是,步骤S4中的直方图均匀化处理,步骤S5中的关操作处理,步骤S9中的开操作处理是为了是为了获得更好的封闭图形识别效果,因此,这些步骤并非图3中的必要步骤。此外,只有当步骤S6中由自适应阈值处理得到的黑白图的背景色不是黑色时才需要步骤S8的反转处理,因此步骤S8也并非图3中的必要步骤。
参阅图4所示,是图3中步骤S3,即灰阶处理的细化流程图。根据不同的需求,图4所示流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S30,图像转换模块102从所导入的需要进行封闭图形识别的图像中选择一个像素点。本实施例中,第一个选择的像素点是图像中第一行第一列的像素点。
步骤S31,图像转换模块102获取当前选择的像素点的R(red)、G(green)及B(blue)值。
步骤S32,图像转换模块102将上述R、G及B值分别乘上一个对应的转换系数Cr、Cg及Cb,并计算乘上转换系数之后的R、G及B值的和,将该和作为当前选择的像素点的灰度值。本实施例中,所述Cr为0.2125,Cg为0.7154,及Cb为0.0721。
步骤S33,图像转换模块102判断图像中是否还有其他像素点没有选择过。若所有像素点都已经选择完毕,则流程执行步骤S34。否则,若还有其他像素点没有选择过,则流程返回步骤S30,从图像中选择下一个像素点。本实施例中,像素点是根据从图像的第一行第一列到第末行第末列的顺序依次选择的。
步骤S34,图像转换模块102根据计算出来的各个像素点的灰度值,将图像转换为灰阶图。
参阅图5所示,是图3中步骤S4,即直方图均匀化处理的细化流程图。根据不同的需求,图5所示流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S40,图像处理模块103构建一个横轴表示灰度值,纵轴表示像素点分布情况的直方图,如图10所示。图10所示的直方图可以看出,灰阶图中灰度值为1的像素点有10个,灰度值为2的像素点有30个,灰度值为3的像素点有20个,灰度值为4的像素点有40个,及灰度值为201的像素点有100个。
步骤S41,图像处理模块103根据像素点的分布情况选择一个灰度值作为临界值。例如,若像素点的分布情况表现为有两个波峰一个波谷,则图像处理模块103可以选择波谷位置所对应的灰度值作为临界值,若像素点的分布情况表现为只有一个波峰,则可以选择波峰位置所对应的灰度值作为临界值。
步骤S42,图像处理模块103从灰阶图中获取灰度值小于上述临界值的各个像素点,记为第一像素点。
步骤S43,图像处理模块103将该各个第一像素点的灰度值分别减去一个对应的第一预设值,以修改该各个第一像素点的灰度值,使其变小。本实施例中,每个第一像素点对应的第一预设值可以相同也可以各不相同。
步骤S44,图像处理模块103从灰阶图中获取灰度值大于或者等于上述临界值的各个像素点,记为第二像素点。
步骤S45,图像处理模块103将该各个第二像素点的灰度值分别加上一个对应的第二预设值,以修改该各个第二像素点的灰度值,使其变大。本实施例中,每个第二像素点对应的第二预设值可以相同也可以各不相同。
步骤S46,图像处理模块103根据上述各个第一或者第二像素点修改后的灰度值,生成对比清晰的灰阶图。
参阅图7所示,是图6中步骤S50,即膨胀操作的细化流程图。根据不同的需求,图7所示流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S500,图像处理模块103从灰阶图中选择一个像素点。本实施例中,第一个选择的像素点是灰阶图中第一行第一列的像素点。
步骤S501,图像处理模块103判断当前选择的像素点的灰度值是否小于一个预设的第一阈值。若不小于预设的第一阈值,则流程执行下述的步骤S502。否则,若小于预设的第一阈值,则流程跳过步骤S502而直接执行下述的步骤S503。
在步骤S502中,图像处理模块103将当前选择的像素点存入一个第一矩阵中。
在步骤S503中,图像处理模块103判断灰阶图中是否还有其他的像素点没有选择过。若判断为是,则流程返回步骤S500,从灰阶图中选择下一个像素点。本实施例中,像素点是根据从灰阶图的第一行第一列到第末行第末列的顺序依次选择的。若判断为否,则流程执行下述的S504。
在步骤S504中,图像处理模块103从上述第一矩阵中选择一个像素点。
步骤S505,图像处理模块103修改与当前选择的像素点相邻的像素点的灰度值,使各相邻像素点的灰度值与当前选择的像素点的灰度值相同。本实施例中,该像素点相邻的像素点是指该像素点上、下、左、右、左上、左下、右上、及右下位置的像素点。
步骤S506,图像处理模块103判断上述第一矩阵中是否还有像素点没有选择过。若有这样的像素点,则流程返回步骤S504。否则,若没有这样的像素点,则流程结束。
参阅图8所示,是图6中步骤S51,即腐蚀操作的细化流程图。根据不同的需求,图8所示流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S510,图像处理模块103从上述膨胀操作后的灰阶图中选择一个像素点。本实施例中,第一个选择的像素点是灰阶图中第一行第一列的像素点。
步骤S511,图像处理模块103判断当前选择的像素点的灰度值是否小于一个预设的第二阈值。该第二阈值可以同上述的第一阈值相同。若当前选择的像素点的灰度值不小于预设的第一阈值,则流程执行下述的步骤S512。否则,若当前选择的像素点的灰度值小于预设的第一阈值,则流程跳过步骤S512而直接执行下述的步骤S513。
在步骤S512中,图像处理模块103将当前选择的像素点存入一个第二矩阵中。
在步骤S513中,图像处理模块103判断灰阶图中是否还有其他的像素点没有选择过。若判断为是,则流程返回步骤S510,从灰阶图中选择下一个像素点。本实施例中,像素点是从灰阶图的第一行第一列到第末行第末列的顺序依次选择的。若判断为否,则流程执行下述的S514。
在步骤S514中,图像处理模块103从上述第二矩阵中选择一个像素点。
步骤S515,图像处理模块103判断与当前选择的像素点相邻的像素点中是否存在灰度值小于上述第二阈值的像素点。如前所述,本实施例中,所述与当前像素点相邻的像素点是指当前像素点上、下、左、右、左上、左下、右上、及右下位置的像素点。
步骤S516,图像处理模块103修改当前选择的像素点的灰度值,使其与灰度值小于第二阈值的一个相邻像素点的灰度值相同。
步骤S517,图像处理模块103判断上述第二矩阵中是否还有像素点没有选择过。若有这样的像素点,则流程返回步骤S514。否则,若没有这样的像素点,则流程结束。
参阅图9所示,是图3中步骤S6,即自适应阈值处理的细化流程图。根据不同的需求,图9所示流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S600,图像转换模块102从灰阶图中选择一个像素点。本实施例中,该像素点是灰阶图中第一行第一列的像素点。
步骤S601,图像转换模块102从灰阶图中获取与当前选择的像素点相邻的若干个像素点。如上所述,本实施例中,所述与当前像素点相邻的像素点是指当前像素点上、下、左、右、左上、左下、右上、及右下位置的像素点。
步骤S602,图像转换模块102计算上述获取的相邻像素点的平均灰度值。
步骤S603,图像转换模块102判断当前选择的像素点的灰度值是否小于上述计算出来的平均灰度值。若判断为小于,则流程执行下述的步骤S604。否则,若判断为大于或等于,则流程执行下述的步骤S605。
在步骤S604,图像转换模块102将当前选择的像素点的灰度值修改为0。
步骤S605,图像转换模块102将当前选择的像素点的灰度值修改为255。
步骤S606,图像转换模块102判断灰阶图中是否还有没有选择过的像素点。若有没有选择过的像素点,则流程返回上述的步骤S600。否则,若所有像素点都已经选择完毕,则流程结束。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (12)
1.一种封闭图形识别方法,其特征在于,该方法包括:
(a)导入一张图像;
(b)对上该图像进行灰阶处理,将该图像转换为灰阶图;
(c)对上述灰阶图进行自适应阈值处理,将上述灰阶图转换为黑白图;
(d)从上述黑白图中识别出其中的封闭图形;及
(e)产生并输出有关封闭图形的报告。
2.如权利要求1所述的封闭图形识别方法,其特征在于,步骤(b)包括:
从图像中选择像素点;
获取当前选择的像素点的R、G及B的值;
将上述R、G及B的值分别乘上一个对应的转换系数Cr、Cg及Cb,并计算乘上转换系数之后的R、G及B的值的和,将该和作为当前选择的像素点的灰度值;及
根据计算出来的各个像素点的灰度值,将图像转换为灰阶图。
3.如权利要求1所述的封闭图形识别方法,其特征在于,步骤(c)包括:
从灰阶图中选择像素点;
从灰阶图中获取与当前选择的像素点相邻的若干个像素点;
计算上述获取的相邻像素点的平均灰度值;
若当前选择的像素点的灰度值小于上述计算出来的平均灰度值,则将当前选择的像素点的灰度值修改为0;及
若当前选择的像素点的灰度值大于或者等于上述计算出来的平均灰度值,则将当前选择的像素点的灰度值修改为255。
4.如权利要求1所述的封闭图形识别方法,其特征在于,该方法在步骤(a)之后与步骤(b)之前还包括:
设定封闭图形的筛选条件,所述筛选条件包括封闭图形的直径;及
在步骤(d)之后与步骤(e)之前还包括:
从识别出来的封闭图形中筛选出符合所设定的筛选条件的封闭图形,并以突出的形式显著表示所筛选出来的封闭图形。
5.如权利要求1所述的封闭图形识别方法,其特征在于,该方法在步骤(b)之后与步骤(c)之前还包括:
对上述灰阶图进行直方图均匀化处理,包括如下步骤:
构建一个横轴表示灰度值,纵轴表示像素点分布情况的直方图;
根据像素点的分布情况选择一个灰度值作为临界值;
从灰阶图中获取灰度值小于上述临界值的各个像素点,记为第一像素点;
将该各个第一像素点的灰度值分别减去一个对应的第一预设值,以修改该各个第一像素点的灰度值,使其变小;
从灰阶图中获取灰度值大于或者等于上述临界值的各个像素点,记为第二像素点;
将该各个第二像素点的灰度值分别加上一个对应的第二预设值,以修改该各个第二像素点的灰度值,使其变大;及
根据上述各个第一或者第二像素点修改后的灰度值,生成对比清晰的灰阶图。
6.如权利要求1所述的封闭图形识别方法,其特征在于,该方法在步骤(b)之后与步骤(c)之前还包括:
对上述灰阶图进行关操作处理,包括依顺序执行膨胀操作及腐蚀操作。
7.如权利要求6所述的封闭图形识别方法,其特征在于,所述膨胀操作包括:
从灰阶图中选择像素点;
若当前选择的像素点的灰度值小于一个预设的第一阈值,则将当前选择的像素点存入一个第一矩阵中;
从该第一矩阵中选择像素点;及
修改与该像素点相邻的像素点的灰度值,使各相邻像素点的灰度值与该像素点的灰度值相同。
8.如权利要求7所述的封闭图形识别方法,其特征在于,所述腐蚀操作包括:
从膨胀操作后的灰阶图中选择像素点;
若当前选择的像素点的灰度值小于一个预设的第二阈值,则将当前选择的像素点存入一个第二矩阵中;
从上述第二矩阵中选择像素点;及
若与当前选择的像素点相邻的像素点中存在灰度值小于上述第二阈值的像素点时,则修改当前选择的像素点的灰度值,使其与灰度值小于第二阈值的一个相邻像素点的灰度值相同。
9.如权利要求1所述的封闭图形识别方法,其特征在于,该方法在步骤(c)之后与步骤(d)之前还包括:
对上述黑白图执行开操作处理,包括依顺序执行的腐蚀操作及膨胀操作。
10.如权利要求1所述的封闭图形识别方法,其特征在于,若步骤(c)中的黑白图的背景色不是黑色,则对上述黑白图执行反转处理,使背景色变为黑色,包括步骤:
将灰度值为0的像素点的灰度值修改为255;及
将灰度值为255的像素点的灰度值修改为0。
11.一种封闭图形识别系统,其特征在于,该系统包括:
图像导入模块,用于导入图像;
图像转换模块,用于对上该图像进行灰阶处理,将该图像转换为灰阶图;
所述图像转换模块还用于对上述灰阶图进行自适应阈值处理,将上述灰阶图转换为黑白图;
图形识别模块,用于从上述黑白图中识别出其中的封闭图形;及
报告产生模块,用于产生并输出有关封闭图形的报告。
12.如权利要求11所述的封闭图形识别系统,其特征在于,该系统还包括:
图形处理模块,用于对上述灰阶图执行直方图均匀化处理、关操作处理或开操作处理。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104542049A CN103186786A (zh) | 2011-12-30 | 2011-12-30 | 封闭图形识别系统及方法 |
TW101100123A TW201327476A (zh) | 2011-12-30 | 2012-01-03 | 封閉圖形識別系統及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104542049A CN103186786A (zh) | 2011-12-30 | 2011-12-30 | 封闭图形识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103186786A true CN103186786A (zh) | 2013-07-03 |
Family
ID=48677946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104542049A Pending CN103186786A (zh) | 2011-12-30 | 2011-12-30 | 封闭图形识别系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103186786A (zh) |
TW (1) | TW201327476A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050163374A1 (en) * | 2004-01-28 | 2005-07-28 | Ferman A. M. | Methods and systems for automatic detection of continuous-tone regions in document images |
CN1685358A (zh) * | 2002-07-31 | 2005-10-19 | 里昂中央理工学院 | 图像中文本区域自动定位方法和系统 |
CN101299277A (zh) * | 2008-06-25 | 2008-11-05 | 北京中星微电子有限公司 | 一种黑白图像彩色化处理的方法和系统 |
-
2011
- 2011-12-30 CN CN2011104542049A patent/CN103186786A/zh active Pending
-
2012
- 2012-01-03 TW TW101100123A patent/TW201327476A/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1685358A (zh) * | 2002-07-31 | 2005-10-19 | 里昂中央理工学院 | 图像中文本区域自动定位方法和系统 |
US20050163374A1 (en) * | 2004-01-28 | 2005-07-28 | Ferman A. M. | Methods and systems for automatic detection of continuous-tone regions in document images |
CN101299277A (zh) * | 2008-06-25 | 2008-11-05 | 北京中星微电子有限公司 | 一种黑白图像彩色化处理的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
TW201327476A (zh) | 2013-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Underwater ranker: Learn which is better and how to be better | |
CN103238335B (zh) | 图像处理装置和图像处理方法 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN109844809B (zh) | 一种图像处理方法及装置、计算机可读存储介质 | |
US20110150326A1 (en) | Steel bridge coating inspection system using image processing and the processing method for the same | |
CN106934780A (zh) | 一种基于图像修复的自动水印去除方法 | |
CN105303233A (zh) | 一种基于计算机视觉的钢筋数量统计方法 | |
CN116362630B (zh) | 基于物联网的锡膏印刷机管理方法、系统及介质 | |
JP2009293993A (ja) | 腐食度評価方法、装置及びプログラム | |
CN109740553B (zh) | 一种基于识别的图像语义分割数据筛选方法及系统 | |
CN115065708B (zh) | 基于机器视觉检测的工业物联网系统及其控制方法 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
CN106204551A (zh) | 一种图像显著性检测方法及装置 | |
CN116523414A (zh) | 一种复合镍铜散热底板的生产管理方法及系统 | |
CN107155094A (zh) | 采用多个摄像机的图像检验方法 | |
CN101939995A (zh) | 图像处理装置以及图像处理程序 | |
JP2006031688A (ja) | 画像加工装置、画像加工方法及び画像加工プログラム | |
CN110632094B (zh) | 一种基于逐点比对分析的图纹质量检测方法,装置与系统 | |
CN103186786A (zh) | 封闭图形识别系统及方法 | |
CN116664431B (zh) | 一种基于人工智能的图像处理系统及方法 | |
CN115375689B (zh) | 基于机器视觉的烟丝桶检测方法、装置、设备及介质 | |
JP4468046B2 (ja) | 鋼材から成る構造物の発錆状況判定装置、方法及びプログラム | |
CN114120192A (zh) | 基于视频信号的多工况模型自动选择方法及装置 | |
JP3897306B2 (ja) | 地理画像間変化領域の抽出の支援方法及び地理画像間変化領域の抽出を支援可能なプログラム | |
CN110062151B (zh) | 平滑图像生成装置、异常判定装置、平滑图像生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130703 |