CN103292725A - 特殊边界量测系统及方法 - Google Patents

特殊边界量测系统及方法 Download PDF

Info

Publication number
CN103292725A
CN103292725A CN2012100490321A CN201210049032A CN103292725A CN 103292725 A CN103292725 A CN 103292725A CN 2012100490321 A CN2012100490321 A CN 2012100490321A CN 201210049032 A CN201210049032 A CN 201210049032A CN 103292725 A CN103292725 A CN 103292725A
Authority
CN
China
Prior art keywords
pixel
gray
value
array
frontier point
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
Application number
CN2012100490321A
Other languages
English (en)
Inventor
张旨光
蒋理
袁忠奎
邹志军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongfujin Precision Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Hongfujin Precision Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hongfujin Precision Industry Shenzhen Co Ltd, Hon Hai Precision Industry Co Ltd filed Critical Hongfujin Precision Industry Shenzhen Co Ltd
Priority to CN2012100490321A priority Critical patent/CN103292725A/zh
Priority to TW101106928A priority patent/TWI514326B/zh
Priority to US13/749,710 priority patent/US8885946B2/en
Publication of CN103292725A publication Critical patent/CN103292725A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking

Abstract

一种特殊边界量测方法，包括：从工件影像中获取量测对象上各像素点的原始灰度值；计算各像素点的清晰度值；将各像素点的清晰度值作为灰度值构造灰度图像；在该灰度图像中任意绘制一条与所述量测对象的特殊边界相交的线段，获取并分析该线段的起点到终点间每一个像素点在灰度图像上的灰度值，以粗略地找出边界点的位置范围；通过对该线段的起点到终点间各像素点的原始灰度值进行平均值和梯度值计算，精确地找出上述位置范围中构成该特殊边界的边界点；及输出该特殊边界的边界点，拟合并量测该特殊边界。本发明还提供一种特殊边界量测系统。利用本发明可快速地对特殊边界进行寻点及量测，量测效率及量测精度高。

Description

特殊边界量测系统及方法
技术领域
本发明涉及一种量测系统及方法，尤其涉及一种特殊边界量测系统及方法。
背景技术
传统的边界量测系统在寻边时，对一些比较清晰的边界，如人眼可以清楚看到的边界，能够很快识别出来。而对人眼无法一目了然清楚见到的边界、或者不在工件外轮廓上的边界，如处在比较隐蔽地方的边界，统称为特殊边界。该传统的边界量测系统无法识别所述特殊边界，只能通过手动取点的方式进行量测。该手动取点的速度慢、效率低，且取点精度较低。
发明内容
鉴于以上内容，有必要提供一种特殊边界量测系统，可快速地对特殊边界进行寻点及量测，量测效率及量测精度高。
还有必要提供一种特殊边界量测方法，可快速地对特殊边界进行寻点及量测，量测效率及量测精度高。
一种特殊边界量测系统，该系统包括：获取模块，用于从工件影像中获取量测对象上每个像素点的原始灰度值，得到灰度值数组A；计算模块，用于根据灰度值数组A中各像素点的原始灰度值计算各像素点的清晰度值；构造模块，用于将各像素点的清晰度值作为灰度值构造一幅灰度图像；边界点粗确定模块，用于在该灰度图像中任意绘制一条与所述量测对象的特殊边界相交的线段，获取并分析该线段的起点到终点间每一个像素点在上述构造的灰度图像上的灰度值，以粗略地找出构成该特殊边界的边界点所在的位置范围；边界点精确定模块，用于通过对该绘制的线段的起点到终点间每一个像素点的原始灰度值进行平均值和梯度值计算，以精确地找出上述位置范围中构成该特殊边界的边界点；及量测模块，用于输出该特殊边界的边界点，将所有边界点拟合成线，并量测所拟合的线。
一种特殊边界量测方法，该方法包括：从工件影像中获取量测对象上每个像素点的原始灰度值，得到灰度值数组A；根据灰度值数组A中各像素点的原始灰度值计算各像素点的清晰度值；将各像素点的清晰度值作为灰度值构造一幅灰度图像；在该灰度图像中任意绘制一条与所述量测对象的特殊边界相交的线段，获取并分析该线段的起点到终点间每一个像素点在上述构造的灰度图像上的灰度值，以粗略地找出构成该特殊边界的边界点所在的位置范围；通过对该绘制的线段的起点到终点间每一个像素点的原始灰度值进行平均值和梯度值计算，以精确地找出上述位置范围中构成该特殊边界的边界点；及输出该特殊边界的边界点，将所有边界点拟合成线，并量测所拟合的线。
相较于现有技术，所述的特殊边界量测系统及方法，可快速地对特殊边界进行寻点及量测，量测效率及量测精度高。
附图说明
图1是本发明较佳实施例中的特殊边界量测系统的运行环境示意图。
图2是本发明较佳实施例中的特殊边界量测方法的作业流程图。
图3是图2步骤S106中粗略地找出构成量测对象的边界点所在的位置范围的具体作业流程图。
图4举例说明由数据组D和像素点的位置构成的曲线示意图。
图5是图2步骤S108中从位置范围中精确地找出构成量测对象的边界点的具体作业流程图。
图6举例说明由梯度值数组G和像素点的位置构成的曲线示意图。
主要元件符号说明
电子装置 1
特殊边界量测系统 10
存储设备 12
处理器 14
显示设备 16
获取模块 100
计算模块 102
构造模块 104
边界点粗确定模块 106
边界点精确定模块 108
量测模块 110
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
如图1所示，是本发明较佳实施例中的特殊边界量测系统的运行环境示意图。该特殊边界量测系统10运行于一台电子装置1中，该电子装置1包括存储设备12、至少一个处理器14和一台显示设备16。
在本实施例中，所述特殊边界量测系统10以软件程序或指令的形式安装在存储设备12中，并由处理器14执行。该特殊边界量测系统10可根据工件影像中量测对象上的每个像素点的灰度值及清晰度值，粗略地找出构成该量测对象的边界点所在的位置范围，并通过计算与分析可从该位置范围中精确地找出所述边界点。本实施例中，所述量测对象的边界点主要指该量测对象的特殊边界上的边界点。其中，该量测对象上的一般边界的边界点也可通过此方法找出。
所述显示设备16用于显示所述工件影像、所述特殊边界的边界点，及在寻边界点过程中所构造的灰度图像、曲线图等。
所述特殊边界量测系统10包括获取模块100、计算模块102、构造模块104、边界点粗确定模块106、边界点精确定模块108及量测模块110。本发明所称的模块是完成一特定功能的计算机程序段，比程序更适合于描述软件在计算机中的执行过程，因此在本发明以下对软件描述都以模块描述。
所述获取模块100用于从工件影像中获取量测对象上每个像素点的原始灰度值，得到灰度值数组A。本实施例中，工件影像中各像素点的原始灰度值存在电子装置1的影像卡中（图中未示出）。
所述计算模块102用于根据灰度值数组A中记载的像素点的原始灰度值计算各像素点的清晰度值。
具体而言，计算模块102以量测对象上各像素点为中心构建一个矩形区域，求取该像素点与矩形区域中相邻像素点的原始灰度值间的差值，并将各差值的绝对值相加，以得到该像素点的清晰度值。本实施例中，该矩形区域的横向和纵向的像素点的数目相等且为大于1的奇数，如3*3、5*5、7*7等。举例来说，若所述矩形区域由3*3个像素点组成，与像素点a相邻的像素点分别为像素点b、d和e，计算模块102分别计算出像素点a与b、像素点a与d、像素点a与e的原始灰度值间的差值后，将所计算出的各差值求绝对值后相加，该相加后所得到的值即为像素点a的清晰度值。
所述构造模块104用于将各像素点的清晰度值作为灰度值构造一幅灰度图像。
所述边界点粗确定模块106用于在该灰度图像中任意绘制一条与所述量测对象的特殊边界相交的线段，获取并分析该线段的起点到终点间每一个像素点在上述构造的灰度图像上的灰度值，以粗略地找出构成该特殊边界的边界点所在的位置范围。边界点的位置范围求取方法将在图3中进行详细介绍。
所述边界点精确定模块108用于通过对上述线段的起点到终点间每一个像素点的原始灰度值进行平均值和梯度值计算，精确地找出上述位置范围中构成该特殊边界的边界点。具体的平均值和梯度值计算如图5中所述。
所述量测模块110用于输出该特殊边界的边界点，将所有边界点拟合成线，并量测所拟合的线，该量测的过程即为特殊边界量测。
如图2所示，是本发明较佳实施例中的特殊边界量测方法的作业流程图。
步骤S200，获取模块100从工件影像中获取量测对象上每个像素点的原始灰度值，得到灰度值数组A。
步骤S202，计算模块102根据灰度值数组A中像素点的原始灰度值计算各像素点的清晰度值。具体而言，计算模块102以量测对象上各像素点为中心构建一个矩形区域，求取该像素点在矩形区域中与相邻像素点的原始灰度值间的差值，并将各差值的绝对值相加，以得到该像素点的清晰度值。本实施例中，该矩形区域的横向和纵向的像素点的数目相等且为大于1的奇数，如3*3、5*5、7*7等。举例来说，若所述矩形区域由5*5个像素点组成，与像素点b相邻的像素点分别为像素点a、c、g、h和i，计算模块102分别计算出像素点b与a、像素点b与c、像素点b与g、像素点b与h、像素点b与i的原始灰度值间的差值后，将所计算出的各差值求绝对值后相加，该相加后所得到的值即为像素点b的清晰度值。
步骤S204，构造模块104将各像素点的清晰度值作为灰度值构造一幅灰度图像。
步骤S206，边界点粗确定模块106在该灰度图像中任意绘制一条与所述量测对象的特殊边界相交的线段，获取并分析该线段的起点到终点间每一个像素点在上述构造的灰度图像上的灰度值，以粗略地找出构成该特殊边界的边界点所在的位置范围。具体方法如图3所述。
步骤S208，边界点精确定模块108通过对上述线段的起点到终点间每一个像素点的原始灰度值进行平均值和梯度值计算，精确地找出上述位置范围中构成该特殊边界的边界点。具体方法如图5所述。
步骤S210，量测模块110输出该特殊边界的边界点，将所有边界点拟合成线，并量测所拟合的线。该量测所拟合的线的过程即为特殊边界量测。
如图3所示，是图2步骤S206中粗略地找出构成量测对象的边界点所在的位置范围的具体作业流程图。
步骤S300，所述边界点粗确定模块106从步骤S204构造的灰度图像中获取所绘制线段的起点到终点间每一个像素点的灰度值（即每个像素点的清晰度值）得到灰度值数组B。
步骤S302，求取该灰度值数组B中每连续N个像素点的原始灰度值的平均值，由此得到灰度平均值数组C。其中，N为大于1的奇数，如3、5、7、9等。举例来说，所述灰度值数组B中的连续的像素点包括：a、b、c、d、e，边界点粗确定模块106将像素点a、b和c的原始灰度值相加后除以三，得到第一个平均值；将像素点b、c和d的原始灰度值相加后除以三，得到第二个平均值；将像素点c、d和e的原始灰度值相加后除以三，得到第三个平均值，以此类推。
步骤S304，边界点粗确定模块106将灰度平均值数组C中每相邻两个平均值相减得到一个数据组D。在该步骤中，边界点粗确定模块106以像素点的位置（如各像素点的编号）为横坐标，以每相邻两个平均值相减得到的数据为纵坐标，可绘制出如图4所示的曲线图。例如，灰度平均值数组C中有平均值C1、C2、C3、C4，边界点粗确定模块106将平均值C1减C2，再用平均值C2减C3，然后用平均值C3减C4得到一个数据组D。
步骤S306，边界点粗确定模块106求取数据组D中的最大值Pmax和最小值Pmin所在的位置，该最大值Pmax和最小值Pmin所在的位置区间即为所述特殊边界的边界点的位置范围。如图4所示，最大值Pmax和最小值Pmin所示位置间的差值最大。
如图5所示，是图2步骤S208中从位置范围中精确地找出构成量测对象的边界点的具体作业流程图。
步骤S500，所述边界点精确定模块108从上述灰度值数组A中获取所述线段的起点和终点间各像素点的原始灰度值得到灰度值数组E。此处的灰度值数组E同图3步骤S300中的灰度值数组B。本实施例中的边界点精确定模块108可以不用再从灰度值数组A中获取所述线段的起点和终点间各像素点的原始灰度值，而直接从图3步骤S300中读取边界点粗确定模块106已获取的灰度值数组B。
步骤S502，边界点精确定模块108将灰度值数组E中每两相邻原始灰度值相减得到一个梯度值数组F。例如，灰度值数组E中有原始灰度值a、b、c、d、e，将原始灰度值a与b相减后，将b与c相减，然后再将原始灰度值c与d相减，得到一个梯度值数组F。
步骤S504，边界点精确定模块108将梯度值数组F中每两相邻梯度值求平均，得到一个新的梯度值数组G。由梯度值数组G中的梯度值和像素点构成的曲线图如图6所示。例如，上述原始灰度值a与b相减得到的梯度值为m，b与c相减得到的梯度值为n，c与d相减得到的梯度值为o，则边界点精确定模块108将梯度值m和n相加后除以2得到梯度平均值p，然后再将梯度值n与o相加后除以2得到梯度平均值q，由该计算出的两个梯度平均值p和q组成梯度值数组G。
步骤S506，边界点精确定模块108于该梯度值数组G中找出上述边界点的位置范围内的最大值，该最大值所对应的边界点即为边界点精确定模块108找到的边界点。
本实施例中，所述特殊边界上的其他边界点的寻点方法同图3和图5中的描述。即：在寻找该特殊边界的其他边界点时，需要重新绘制与该特殊边界相交的线段，然后根据所绘制的线段上各像素点的原始灰度值精确地搜寻边界点。
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。例如，将此方法应用于在清晰的边界线上寻找边界点。

Claims (10)

1.一种特殊边界量测方法，其特征在于，该方法包括：
获取步骤，从工件影像中获取量测对象上每个像素点的原始灰度值，得到灰度值数组A；
计算步骤，根据灰度值数组A中各像素点的原始灰度值计算各像素点的清晰度值；
构造步骤，将各像素点的清晰度值作为灰度值构造一幅灰度图像；
边界点粗确定步骤，在该灰度图像中任意绘制一条与所述量测对象的特殊边界相交的线段，获取并分析该线段的起点到终点间每一个像素点在上述构造的灰度图像上的灰度值，以粗略地找出构成该特殊边界的边界点所在的位置范围；
边界点精确定步骤，通过对该绘制的线段的起点到终点间每一个像素点的原始灰度值进行平均值和梯度值计算，以精确地找出上述位置范围中构成该特殊边界的边界点；及
量测步骤，输出该特殊边界的边界点，将所有边界点拟合成线，并量测所拟合的线。
2.如权利要求1所述的特殊边界量测方法，其特征在于，所述计算步骤中计算各像素点的清晰度值包括如下步骤：
以量测对象上各像素点为中心构建一个矩形区域；及
求取该像素点在所述矩形区域中与相邻像素点的原始灰度值间的差值，并将各差值的绝对值相加，以得到该像素点的清晰度值。
3.如权利要求2所述的特殊边界量测方法，其特征在于，所述矩形区域的横向和纵向的像素点的数目相等且为大于1的奇数。
4.如权利要求1所述的特殊边界量测方法，其特征在于，所述边界点粗确定步骤包括：
从上述构造的灰度图像中获取该线段的起点到终点间每一个像素点的灰度值得到灰度值数组B，该每一个像素点的灰度值即上述计算的清晰度值；
求取该灰度值数组B中每连续N个像素点的原始灰度值的平均值，由此得到灰度平均值数组C，其中，N为大于1的奇数；
将灰度平均值数组C中每相邻两个平均值相减得到一个数据组D；及
求取数据组D中的最大值和最小值所在的位置，该最大值和最小值所在的位置区间即为所述边界点的位置范围。
5.如权利要求4所述的特殊边界量测方法，其特征在于，所述边界点精确定步骤包括：
将灰度值数组B中每两相邻原始灰度值相减得到一个梯度值数组F；
将梯度值数组F中每两个相邻梯度值求平均，得到一个新的梯度值数组G；及
于该梯度值数组G中找出上述边界点的位置范围内的最大值，该最大值所对应的像素点即为所述特殊边界的边界点。
6.一种特殊边界量测系统，其特征在于，该系统包括：
获取模块，用于从工件影像中获取量测对象上每个像素点的原始灰度值，得到灰度值数组A；
计算模块，用于根据灰度值数组A中各像素点的原始灰度值计算各像素点的清晰度值；
构造模块，用于将各像素点的清晰度值作为灰度值构造一幅灰度图像；
边界点粗确定模块，用于在该灰度图像中任意绘制一条与所述量测对象的特殊边界相交的线段，获取并分析该线段的起点到终点间每一个像素点在上述构造的灰度图像上的灰度值，以粗略地找出构成该特殊边界的边界点所在的位置范围；
边界点精确定模块，用于通过对该绘制的线段的起点到终点间每一个像素点的原始灰度值进行平均值和梯度值计算，以精确地找出上述位置范围中构成该特殊边界的边界点；及
量测模块，用于输出该特殊边界的边界点，将所有边界点拟合成线，并量测所拟合的线。
7.如权利要求6所述的特殊边界量测系统，其特征在于，所述计算模块通过以下步骤计算各像素点的清晰度值：
以量测对象上各像素点为中心构建一个矩形区域；及
求取该像素点在所述矩形区域中与相邻像素点的原始灰度值间的差值，并将各差值的绝对值相加，以得到该像素点的清晰度值。
8.如权利要求7所述的特殊边界量测系统，其特征在于，所述矩形区域的横向和纵向的像素点的数目相等且为大于1的奇数。
9.如权利要求6所述的特殊边界量测系统，其特征在于，所述边界点粗确定步骤通过以下步骤确定边界点的位置范围：
从上述构造的灰度图像中获取该线段的起点到终点间每一个像素点的灰度值得到灰度值数组B，该每一个像素点的灰度值即上述计算的清晰度值；
求取该灰度值数组B中每连续N个像素点的灰度值的平均值，由此得到灰度平均值数组C，其中，N为大于1的奇数；
将灰度平均值数组C中每相邻两个平均值相减得到一个数据组D；及
求取数据组D中的最大值和最小值所在的位置，该最大值和最小值所在的位置区间即为所述边界点的位置范围。
10.如权利要求9所述的特殊边界量测系统，其特征在于，所述边界点精确定模块通过以下步骤确定量测对象的边界点：
将灰度值数组B中每两相邻原始灰度值相减得到一个梯度值数组F；
将梯度值数组F中每两个相邻梯度值求平均，得到一个新的梯度值数组G；及
于该梯度值数组G中找出上述边界点的位置范围内的最大值，该最大值所对应的像素点即为所述特殊边界的边界点。
CN2012100490321A 2012-02-29 2012-02-29 特殊边界量测系统及方法 Pending CN103292725A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN2012100490321A CN103292725A (zh) 2012-02-29 2012-02-29 特殊边界量测系统及方法
TW101106928A TWI514326B (zh) 2012-02-29 2012-03-02 特殊邊界量測系統及方法
US13/749,710 US8885946B2 (en) 2012-02-29 2013-01-25 Computing device and method of determining border points for measuring images of objects

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012100490321A CN103292725A (zh) 2012-02-29 2012-02-29 特殊边界量测系统及方法

Publications (1)

Publication Number Publication Date
CN103292725A true CN103292725A (zh) 2013-09-11

Family

ID=49002956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2012100490321A Pending CN103292725A (zh) 2012-02-29 2012-02-29 特殊边界量测系统及方法

Country Status (3)

Country Link
US (1) US8885946B2 (zh)
CN (1) CN103292725A (zh)
TW (1) TWI514326B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109000583A (zh) * 2013-05-22 2018-12-14 康耐视公司 使用激光位移传感器进行有效表面测量的系统和方法
CN109493357A (zh) * 2018-11-16 2019-03-19 浙江海洋大学 一种数码影像近景图像的边界提取方法
CN111368915A (zh) * 2020-03-04 2020-07-03 广东博智林机器人有限公司 一种图纸校对方法、装置、设备及存储介质
CN111380485A (zh) * 2020-02-21 2020-07-07 天津大学 一种基于复合正交相移条纹的伪装检测方法
CN112446314A (zh) * 2020-11-19 2021-03-05 武汉中海庭数据技术有限公司 一种基于投影图提取护栏高程的方法及系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103226002A (zh) * 2012-01-30 2013-07-31 鸿富锦精密工业（深圳）有限公司 边界寻找方法及系统
CN104200793B (zh) * 2014-08-21 2016-09-07 京东方科技集团股份有限公司 一种图像的边界判别方法、装置和显示面板
CN104599625B (zh) * 2015-03-02 2017-06-06 京东方科技集团股份有限公司 边界判定方法和装置、显示驱动方法和装置
CN105635573B (zh) * 2015-12-29 2019-05-14 小米科技有限责任公司 摄像头视角调整方法和装置
HK1219612A2 (zh) * 2016-01-19 2017-04-07 點對點睡眠科技 國際 有限公司 種用於進行測量的方法及裝置
CN109952176B (zh) * 2017-05-26 2022-04-15 深圳配天智能技术研究院有限公司 一种机器人标定方法、系统、机器人及存储介质
CN109187548B (zh) * 2018-07-24 2020-04-07 西南交通大学 一种岩体裂隙识别方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5987172A (en) * 1995-12-06 1999-11-16 Cognex Corp. Edge peak contour tracker
CN1632831A (zh) * 2005-01-26 2005-06-29 北京中星微电子有限公司 一种检测图像灰度变化的方法
CN1893550A (zh) * 2005-07-01 2007-01-10 鸿富锦精密工业（深圳）有限公司 影像杂讯过滤系统及方法
US20070183666A1 (en) * 2006-02-08 2007-08-09 Yuhua Ding Method utilizing intensity interpolation for measuring edge locations in a high precision machine vision inspection system
CN101469986A (zh) * 2007-12-27 2009-07-01 鸿富锦精密工业（深圳）有限公司 模糊边界的自动寻点系统及方法
CN101635051A (zh) * 2008-07-25 2010-01-27 鸿富锦精密工业（深圳）有限公司 边界元素提取方法及其计算机系统
CN101726256A (zh) * 2008-10-27 2010-06-09 鸿富锦精密工业（深圳）有限公司 从影像轮廓中搜寻拐点的计算机系统及方法
CN102155920A (zh) * 2011-03-22 2011-08-17 华中科技大学 一种基于微景深的焊接拼缝测量方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5081689A (en) * 1989-03-27 1992-01-14 Hughes Aircraft Company Apparatus and method for extracting edges and lines
JP3193240B2 (ja) * 1994-09-08 2001-07-30 株式会社東芝 画像処理装置
US7003161B2 (en) * 2001-11-16 2006-02-21 Mitutoyo Corporation Systems and methods for boundary detection in images
TWI397015B (zh) * 2009-11-27 2013-05-21 Inst Information Industry 三維影像分析系統、處理裝置及其方法
TWI391878B (zh) * 2009-12-01 2013-04-01 Mstar Semiconductor Inc 區塊邊界偵測方法及區塊邊界偵測裝置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5987172A (en) * 1995-12-06 1999-11-16 Cognex Corp. Edge peak contour tracker
CN1632831A (zh) * 2005-01-26 2005-06-29 北京中星微电子有限公司 一种检测图像灰度变化的方法
CN1893550A (zh) * 2005-07-01 2007-01-10 鸿富锦精密工业（深圳）有限公司 影像杂讯过滤系统及方法
US20070183666A1 (en) * 2006-02-08 2007-08-09 Yuhua Ding Method utilizing intensity interpolation for measuring edge locations in a high precision machine vision inspection system
CN101469986A (zh) * 2007-12-27 2009-07-01 鸿富锦精密工业（深圳）有限公司 模糊边界的自动寻点系统及方法
CN101635051A (zh) * 2008-07-25 2010-01-27 鸿富锦精密工业（深圳）有限公司 边界元素提取方法及其计算机系统
CN101726256A (zh) * 2008-10-27 2010-06-09 鸿富锦精密工业（深圳）有限公司 从影像轮廓中搜寻拐点的计算机系统及方法
CN102155920A (zh) * 2011-03-22 2011-08-17 华中科技大学 一种基于微景深的焊接拼缝测量方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109000583A (zh) * 2013-05-22 2018-12-14 康耐视公司 使用激光位移传感器进行有效表面测量的系统和方法
CN109000583B (zh) * 2013-05-22 2022-04-26 康耐视公司 使用激光位移传感器进行有效表面测量的系统和方法
CN109493357A (zh) * 2018-11-16 2019-03-19 浙江海洋大学 一种数码影像近景图像的边界提取方法
CN111380485A (zh) * 2020-02-21 2020-07-07 天津大学 一种基于复合正交相移条纹的伪装检测方法
CN111368915A (zh) * 2020-03-04 2020-07-03 广东博智林机器人有限公司 一种图纸校对方法、装置、设备及存储介质
CN112446314A (zh) * 2020-11-19 2021-03-05 武汉中海庭数据技术有限公司 一种基于投影图提取护栏高程的方法及系统
CN112446314B (zh) * 2020-11-19 2022-07-29 武汉中海庭数据技术有限公司 一种基于投影图提取护栏高程的方法及系统

Also Published As

Publication number Publication date
US20130223761A1 (en) 2013-08-29
TW201335892A (zh) 2013-09-01
TWI514326B (zh) 2015-12-21
US8885946B2 (en) 2014-11-11

Similar Documents

Publication Publication Date Title
CN103292725A (zh) 特殊边界量测系统及方法
CN107014294B (zh) 一种基于红外图像的接触网几何参数检测方法及系统
CN102831381B (zh) 影像差异比较系统及方法
CN101408985B (zh) 一种圆形光斑亚像素中心提取方法及装置
CN108088799B (zh) 机动车尾气林格曼黑度的测量方法及系统
RU2015134095A (ru) Способ и устройство для обнаружения прямой линии
CN110443243B (zh) 水位监测方法、存储介质、网络设备和水位监测系统
CN104422406A (zh) 平面度量测系统及方法
Ni et al. Measurement of concrete crack feature with android smartphone APP based on digital image processing techniques
CN103164842A (zh) 点云提取系统及方法
JP2017053819A (ja) コンクリートのひび割れ検出方法及び検出プログラム
CN113724193B (zh) Pcba零部件尺寸及间隙高精度视觉测量方法
CN104697476A (zh) 粗糙度光切轮廓曲线的自动检测方法及装置
CN103389310B (zh) 一种基于辐射标定的亚像素光学元件损伤在线检测方法
CN107730521B (zh) 一种图像中屋脊型边缘的快速检测方法
CN104634242A (zh) 探针补点系统及方法
TW201349169A (zh) 點雲拼接方法
CN105115428A (zh) 面向辐对称电缆切面绝缘层厚度的并行图像测量方法
CN102798349A (zh) 一种基于等灰度线搜索的三维表面提取方法
CN103218809A (zh) 一种珍珠长度参数的图像测量方法
CN108764343B (zh) 一种跟踪算法中的跟踪目标框的定位方法
CN116486126B (zh) 一种模版确定方法、装置、设备及存储介质
JP2013200648A (ja) 濃淡画像のエッジ抽出方法、エッジ抽出装置並びに濃淡画像のエッジ抽出プログラム
Li et al. Measurement of diameter and scale of cashmere fibers by computer images analysis
CN106645168A (zh) 一种起重机臂筒表面凹凸缺陷的检测方法

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

Application publication date: 20130911

WD01 Invention patent application deemed withdrawn after publication