CN103679656B - 一种图像自动锐化方法 - Google Patents
一种图像自动锐化方法 Download PDFInfo
- Publication number
- CN103679656B CN103679656B CN201310652446.8A CN201310652446A CN103679656B CN 103679656 B CN103679656 B CN 103679656B CN 201310652446 A CN201310652446 A CN 201310652446A CN 103679656 B CN103679656 B CN 103679656B
- Authority
- CN
- China
- Prior art keywords
- pixel
- sharpening
- edge
- image
- described step
- 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
Abstract
本发明涉及一种图像自动锐化方法,其通过对原始图像进行灰度化处理及边缘检测,并进行边缘强度的直方图统计进而计算出灰度图像的模糊概率,从而根据所述模糊概率设置原始图像的锐化度,最后根据该锐化度并结合高斯模糊图像对原始图像进行自动锐化处理,使得锐化量不依赖于显示条件和用户的视觉系统,不仅可以实现自动锐化,而且提高了图像的锐化处理质量。
Description
技术领域
本发明涉及一种图像增强方法,特别是一种图像自动锐化方法。
背景技术
在拍摄了数字图像之后,经常要对其进行锐化以减少或消除模糊、增强图像焦点或模拟更好的分辨率。可通过去卷积方法或者通过利用钝化掩模滤波器(unsharp maskfilter)来执行锐化以增加图像内边缘的对比度。钝化掩模滤波器通过定义的阈值识别与周围像素不同的像素,并且通过指定的锐化量增加对比度。用户可以确定并设置锐化量,这使得锐化量依赖于显示条件和用户的视觉系统。换而言之,尽管锐化量是钝化掩模滤波器中的一个主要参数,但是通常根据主观判断而非客观判断来设置锐化量。因此,如何通过客观判断来设置锐化量成为我们消除图像模糊的重点。
发明内容
本发明为解决上述问题,提供了一种图像自动锐化方法,其通过客观判断方法来设置锐化量,是一种基于图像模糊度而进行自动锐化的图像增强方法。
为实现上述目的,本发明采用的技术方案为:
一种图像自动锐化方法,其特征在于,包括以下步骤:
10.接收原始图像;
20.对原始图像进行灰度化处理,得到灰度图像;
30.对灰度图像进行强边缘与弱边缘检测,并得到强边缘结果和弱边缘结果;对灰度图像进行分块,并对各个块及其所对应的强边缘结果和弱边缘结果进行统计,得到边缘强度的直方图统计;
40.根据所述直方图统计的结果计算出灰度图像的模糊概率;
50.对原始图像进行高斯模糊处理,得到高斯模糊图像;
60.根据所述模糊概率设置原始图像的锐化度,并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。
作为一种较佳实施例:所述步骤30进一步包括以下步骤:
步骤321.对灰度图像进行分块;
步骤322.对每块的强边缘结果进行分析,判断是否属于边缘块;如果是,则执行步骤323.;
步骤323.计算边缘块里的每个像素点的梯度;
步骤324.根据每个像素点的梯度计算该像素点所对应的梯度方向;
步骤325.根据每块对应的弱边缘结果与步骤324中所述的梯度方向寻找每个像素点的边缘连续性强度;
步骤326.计算每块的对比度差,并对每块的边缘连续性强度进行直方图统计。
作为一种较佳实施例:所述步骤321中对灰度图像进行分块,其每块的大小为16~128个像素。
作为一种较佳实施例:所述步骤322中判断是否属于边缘块,是根据判断强边缘结果属于边缘的像素点个数是否大于块像素点总数的预定百分比,且该预定百分比的范围是0.1%~2%。
作为一种较佳实施例:所述步骤323中,像素点的梯度计算公式为:
grad=(next-prev)/2,
其中,grad为当前像素点的梯度值;next为当前像素点的后一个像素点的值;prev为当前像素点的前一个像素点的值。
作为一种较佳实施例:所述步骤324中,像素点所对应的梯度方向的计算,是根据像素点的梯度的X方向和Y方向的梯度值,进行反正切得到的角度。
作为一种较佳实施例:所述步骤325中,像素点的边缘连续性强度的计算是利用梯度方向上的像素点是否在弱边缘结果里属于边缘,以此得到每个像素点是边缘的连续性的强度。
作为一种较佳实施例:所述步骤326中,对比度差的计算方法,是计算每块里的像素值的最大值与最小值,两者相减得到差值,再得到最终的对比度差;其中,
差值范围在0-51之间时,其对比度差为5;
差值范围在52-256之间时,其对比度差为3。
作为一种较佳实施例:所述步骤326中,直方图统计公式为:
其中,index为直方图的序号值,范围为0~100;continue为边缘连续性强度值,block为对比度差值。
作为一种较佳实施例:所述步骤20中,对原始图像进行灰度化处理的计算公式为以下公式的其中一个:
Gray=0.299*Red+0.587*Green+0.114*Blue;
或者
Gray=(Red*306+Green*601+Blue*117+512)/1024;
其中,Gray为得到的灰度图像上对应像素点的颜色值,Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的颜色值。
作为一种较佳实施例:所述步骤40中,所述灰度图像的模糊概率的计算公式为:
其中,score为模糊概率,范围为0.0~1.0,1.0表示模糊概率最高,0.0表示模糊概率最低;hist为直方图统计后得到的数组;nCount为进行直方图统计的总数。
作为一种较佳实施例:所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换,其中,
在N维空间的正态分布方程为:
在二维空间的正态分布方程为:
其中r是模糊半径(r2=u2+v2),σ是正态分布的标准偏差,u是原像素点在x轴上的位置偏移值,v是原像素点在y轴上的位置偏移值。
作为一种较佳实施例:所述步骤60中,根据所述模糊概率设置原始图像的锐化度,其中设置锐化度的公式为:
depth=max((score-0.4)/k,0.0);
其中,depth为该图像的锐化度;score为所述的模糊概率;k为一个固定值,范围从2到10。
作为一种较佳实施例:所述步骤60中,根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理,其计算公式为:
resultColor=min(max((depth+1)*color-depth*gaussColor,0),255);
其中,depth为设置的锐化度,resultColor为锐化后的各像素点的颜色值;color为原始图像各像素点的颜色值;gaussColor为原始图像高斯模糊后各个像素点的颜色值。
本发明的有益效果是:
(1).通过对原始图像进行灰度化处理及边缘检测,并进行边缘强度的直方图统计进而计算出灰度图像的模糊概率,从而根据所述模糊概率设置原始图像的锐化度,最后根据该锐化度并结合高斯模糊图像对原始图像进行自动锐化处理,使得锐化量不依赖于显示条件和用户的视觉系统,不仅可以实现自动锐化,而且提高了图像的锐化处理质量;
(2).对灰度图像进行分块,并对各个块及其所对应的强边缘结果和弱边缘结果进行统计,得到边缘强度的直方图统计,使得计算出的模糊概率更精确,从而使得锐化量更合理。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明图像自动锐化方法的流程简图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图及实施例对本发明进行进一步详细说明。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。
如图1所示,本发明的一种图像自动锐化方法,包括以下步骤:
10.接收原始图像;
20.对原始图像进行灰度化处理,得到灰度图像;
30.对灰度图像进行强边缘与弱边缘检测,并得到强边缘结果和弱边缘结果;对灰度图像进行分块,并对各个块及其所对应的强边缘结果和弱边缘结果进行统计,得到边缘强度的直方图统计;
40.根据所述直方图统计的结果计算出灰度图像的模糊概率,也就是原始图像的模糊概率;
50.对原始图像进行高斯模糊处理,得到高斯模糊图像;
60.根据所述模糊概率设置原始图像的锐化度,并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。
本实施例中,强边缘检测的方法可以是Canny边缘检测算法或阈值边缘检测算法,弱边缘检测的方法有是Sobel边缘检测算法或Prewitt边缘检测算法。上述边缘检测方法为现有检测方法,在此不累述。
本实施例中,所述步骤30进一步包括以下步骤:
步骤321.对灰度图像进行分块;
步骤322.对每块的强边缘结果进行分析,判断是否属于边缘块;如果是,则执行步骤323.;
步骤323.计算边缘块里的每个像素点的梯度;
步骤324.根据每个像素点的梯度计算该像素点所对应的梯度方向;
步骤325.根据每块对应的弱边缘结果与步骤324中所述的梯度方向寻找每个像素点的边缘连续性强度;
步骤326.计算每块的对比度差,并对每块的边缘连续性强度进行直方图统计。
本实施例中,所述步骤321中对灰度图像进行分块,其每块的大小为16~128个像素;优选为64个像素。
本实施例中,所述步骤322中判断是否属于边缘块,是根据判断强边缘结果属于边缘的像素点个数是否大于块像素点总数的预定百分比,且该预定百分比的范围是0.1%~2%。
本实施例中,所述步骤323中,像素点的梯度计算公式为:
grad=(next-prev)/2,
其中,grad为当前像素点的梯度值;next为当前像素点的后一个像素点的值;prev为当前像素点的前一个像素点的值。
本实施例中,所述步骤324中,像素点所对应的梯度方向的计算,是根据像素点的梯度的X方向和Y方向的梯度值,进行反正切得到的角度。
本实施例中,所述步骤325中,像素点的边缘连续性强度的计算是利用梯度方向上的像素点是否在弱边缘结果里属于边缘,以此得到每个像素点是边缘的连续性的强度。
本实施例中,所述步骤326中,对比度差的计算方法,是计算每块里的像素值的最大值与最小值,两者相减得到差值,再得到最终的对比度差;其中,
差值范围在0-51之间时,其对比度差为5;
差值范围在52-256之间时,其对比度差为3。
本实施例中,所述步骤326中,直方图统计公式为:
其中,index为直方图的序号值,范围为0~100;continue为边缘连续性强度值,block为对比度差值。
本实施例中,所述步骤20中,对原始图像进行灰度化处理的计算公式为以下公式的其中一个:
Gray=0.299*Red+0.587*Green+0.114*Blue;
或者
Gray=(Red*306+Green*601+Blue*117+512)/1024;
其中,Gray为得到的灰度图像上对应像素点的颜色值,Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的颜色值。
本实施例中,所述步骤40中,所述灰度图像的模糊概率的计算公式为:
其中,score为模糊概率,范围为0.0~1.0,1.0表示模糊概率最高,0.0表示模糊概率最低;hist为直方图统计后得到的数组;nCount为进行直方图统计的总数。
本实施例中,所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换,其中,
在N维空间的正态分布方程为:
在二维空间的正态分布方程为:
其中r是模糊半径(r2=u2+v2),σ是正态分布的标准偏差,u是原像素点在x轴上的位置偏移值,v是原像素点在y轴上的位置偏移值。
本实施例中,所述步骤60中,根据所述模糊概率设置原始图像的锐化度,其中设置锐化度的公式为:
depth=max((score-0.4)/k,0.0);
其中,depth为该图像的锐化度;score为所述的模糊概率;k为一个固定值,范围从2到10,其中k的最优值为6。
本实施例中,所述步骤60中,根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理,其计算公式为:
resultColor=min(max((depth+1)*color-depth*gaussColor,0),255);
其中,depth为设置的锐化度,resultColor为锐化后的各像素点的颜色值;color为原始图像各像素点的颜色值;gaussColor为原始图像高斯模糊后各个像素点的颜色值。
上述说明示出并描述了本发明的优选实施例,如前,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (14)
1.一种图像自动锐化方法,其特征在于,包括以下步骤:
10.接收原始图像;
20.对原始图像进行灰度化处理,得到灰度图像;
30.对灰度图像进行强边缘与弱边缘检测,并得到强边缘结果和弱边缘结果;对灰度图像进行分块,并对各个块及其所对应的强边缘结果和弱边缘结果进行统计,得到边缘强度的直方图统计;
40.根据所述直方图统计的结果计算出灰度图像的模糊概率;
50.对原始图像进行高斯模糊处理,得到高斯模糊图像;
60.根据所述模糊概率设置原始图像的锐化度,并根据该锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理。
2.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤30进一步包括以下步骤:
步骤321.对灰度图像进行分块;
步骤322.对每块的强边缘结果进行分析,判断是否属于边缘块;如果是,则执行步骤323.;
步骤323.计算边缘块里的每个像素点的梯度;
步骤324.根据每个像素点的梯度计算该像素点所对应的梯度方向;
步骤325.根据每块对应的弱边缘结果与步骤324中所述的梯度方向寻找每个像素点的边缘连续性强度;
步骤326.计算每块的对比度差,并对每块的边缘连续性强度进行直方图统计。
3.根据权利要求2所述的一种图像自动锐化方法,其特征在于:所述步骤321中对灰度图像进行分块,其每块的大小为16~128个像素。
4.根据权利要求2所述的一种图像自动锐化方法,其特征在于:所述步骤322中判断是否属于边缘块,是根据判断强边缘结果属于边缘的像素点个数是否大于块像素点总数的预定百分比,且该预定百分比的范围是0.1%~2%。
5.根据权利要求2所述的一种图像自动锐化方法,其特征在于:所述步骤323中,像素点的梯度计算公式为:
grad=(next-prev)/2,
其中,grad为当前像素点的梯度值;next为当前像素点的后一个像素点的值;prev为当前像素点的前一个像素点的值。
6.根据权利要求2所述的一种图像自动锐化方法,其特征在于:所述步骤324中,像素点所对应的梯度方向的计算,是根据像素点的梯度的X方向和Y方向的梯度值,进行反正切得到的角度。
7.根据权利要求2所述的一种图像自动锐化方法,其特征在于:所述步骤325中,像素点的边缘连续性强度的计算是利用梯度方向上的像素点是否在弱边缘结果里属于边缘,以此得到每个像素点是边缘的连续性的强度。
8.根据权利要求2所述的一种图像自动锐化方法,其特征在于:所述步骤326中,对比度差的计算方法,是计算每块里的像素值的最大值与最小值,两者相减得到差值,再得到最终的对比度差;其中,
差值范围在0-51之间时,其对比度差为5;
差值范围在52-256之间时,其对比度差为3。
9.根据权利要求2所述的一种图像自动锐化方法,其特征在于:所述步骤326中,直方图统计公式为:
其中,index为直方图的序号值,范围为0~100;continue为边缘连续性强度值,block为对比度差值。
10.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤20中,对原始图像进行灰度化处理的计算公式为以下公式的其中一个:
Gray=0.299*Red+0.587*Green+0.114*Blue;
或者
Gray=(Red*306+Green*601+Blue*117+512)/1024;
其中,Gray为得到的灰度图像上对应像素点的颜色值,Red、Green、Blue分别为原始图像上红、绿、蓝三个通道对应像素点的颜色值。
11.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤40中,所述灰度图像的模糊概率的计算公式为:
其中,score为模糊概率,范围为0.0~1.0,1.0表示模糊概率最高,0.0表示模糊概率最低;hist为直方图统计后得到的数组;nCount为进行直方图统计的总数。
12.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤50中的高斯模糊处理是用正态分布计算图像中每个像素的变换,其中,
在N维空间的正态分布方程为:
在二维空间的正态分布方程为:
其中r是模糊半径(r2=u2+v2),σ是正态分布的标准偏差,u是原像素点在x轴上的位置偏移值,v是原像素点在y轴上的位置偏移值。
13.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤60中,根据所述模糊概率设置原始图像的锐化度,其中设置锐化度的公式为:
depth=max((score-0.4)/k,0.0);
其中,depth为该图像的锐化度;score为所述的模糊概率;k为一个固定值,范围从2到10。
14.根据权利要求1所述的一种图像自动锐化方法,其特征在于:所述步骤60中,根据所述锐化度结合高斯模糊图像的颜色值对原始图像进行自动锐化处理,其计算公式为:
resultColor=min(max((depth+1)*color-depth*
gaussColor,0),255);
其中,depth为设置的锐化度,resultColor为锐化后的各像素点的颜色值;color为原始图像各像素点的颜色值;gaussColor为原始图像高斯模糊后各个像素点的颜色值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310652446.8A CN103679656B (zh) | 2013-10-21 | 2013-12-05 | 一种图像自动锐化方法 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310494804.7 | 2013-10-21 | ||
CN201310494804.7A CN103489167A (zh) | 2013-10-21 | 2013-10-21 | 一种图像自动锐化方法 |
CN2013104948047 | 2013-10-21 | ||
CN201310652446.8A CN103679656B (zh) | 2013-10-21 | 2013-12-05 | 一种图像自动锐化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679656A CN103679656A (zh) | 2014-03-26 |
CN103679656B true CN103679656B (zh) | 2016-08-31 |
Family
ID=49829366
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310494804.7A Pending CN103489167A (zh) | 2013-10-21 | 2013-10-21 | 一种图像自动锐化方法 |
CN201310652446.8A Active CN103679656B (zh) | 2013-10-21 | 2013-12-05 | 一种图像自动锐化方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310494804.7A Pending CN103489167A (zh) | 2013-10-21 | 2013-10-21 | 一种图像自动锐化方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN103489167A (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894459A (zh) * | 2015-12-10 | 2016-08-24 | 乐视云计算有限公司 | 基于梯度值及梯度方向的图像锐化方法及装置 |
CN106709430A (zh) * | 2016-11-30 | 2017-05-24 | 努比亚技术有限公司 | 移动终端及基于移动终端的指纹信息图像处理方法 |
CN106991662A (zh) * | 2017-04-05 | 2017-07-28 | 上海矽奥微电子有限公司 | 基于水平方向像素的图像锐化方法 |
CN107481203B (zh) * | 2017-08-14 | 2020-05-15 | 厦门美图之家科技有限公司 | 一种图像导向滤波方法及计算设备 |
CN108024103A (zh) * | 2017-12-01 | 2018-05-11 | 重庆贝奥新视野医疗设备有限公司 | 图像锐化方法以及装置 |
CN109934785B (zh) * | 2019-03-12 | 2021-03-12 | 湖南国科微电子股份有限公司 | 图像锐化方法及装置 |
CN110111261B (zh) * | 2019-03-28 | 2021-05-28 | 瑞芯微电子股份有限公司 | 图像的自适应平衡处理方法、电子设备和计算机可读存储介质 |
CN110192744A (zh) * | 2019-04-24 | 2019-09-03 | 张金秋 | 婴儿护理装置 |
CN112918956A (zh) * | 2021-02-20 | 2021-06-08 | 陆伟凤 | 一种基于图像识别技术的垃圾分类系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1980321A (zh) * | 2005-12-09 | 2007-06-13 | 逐点半导体(上海)有限公司 | 一种图像增强处理系统和处理方法 |
CN101794380A (zh) * | 2010-02-11 | 2010-08-04 | 上海点佰趣信息科技有限公司 | 指纹图像增强方法 |
CN103079038A (zh) * | 2013-01-07 | 2013-05-01 | 华为终端有限公司 | 图像锐化处理方法、装置和拍摄终端 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7016080B2 (en) * | 2000-09-21 | 2006-03-21 | Eastman Kodak Company | Method and system for improving scanned image detail |
US7643698B2 (en) * | 2005-12-22 | 2010-01-05 | Apple Inc. | Image sharpening using diffusion |
-
2013
- 2013-10-21 CN CN201310494804.7A patent/CN103489167A/zh active Pending
- 2013-12-05 CN CN201310652446.8A patent/CN103679656B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1980321A (zh) * | 2005-12-09 | 2007-06-13 | 逐点半导体(上海)有限公司 | 一种图像增强处理系统和处理方法 |
CN101794380A (zh) * | 2010-02-11 | 2010-08-04 | 上海点佰趣信息科技有限公司 | 指纹图像增强方法 |
CN103079038A (zh) * | 2013-01-07 | 2013-05-01 | 华为终端有限公司 | 图像锐化处理方法、装置和拍摄终端 |
Non-Patent Citations (2)
Title |
---|
A Non-Parametric Blur Measure Based on Edge Analysis for Image Processing Applications;Yun-Chung Chung et al.;《IEEE Conference on Cybernetics and Intelligent Systems》;20041203;第1卷;第356-360页 * |
工业射线图像锐化增强算法研究;张聪;《中国优秀硕士论文全文数据库 信息科技辑》;20111115;第31-32页第4.1节,第37-40页第4.3.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN103679656A (zh) | 2014-03-26 |
CN103489167A (zh) | 2014-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103679656B (zh) | 一种图像自动锐化方法 | |
Bhalla et al. | A fuzzy convolutional neural network for enhancing multi-focus image fusion | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
Quelhas et al. | Cell nuclei and cytoplasm joint segmentation using the sliding band filter | |
CN107657606B (zh) | 一种显示装置的亮度缺陷检测方法与装置 | |
TWI435288B (zh) | Image processing apparatus and method, and program product | |
CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
CN103413311A (zh) | 一种基于边缘的模糊检测方法 | |
CN104408707A (zh) | 一种快速数字成像模糊鉴别与复原图像质量评估方法 | |
CN107895157B (zh) | 一种低分辨率图像虹膜中心精确定位的方法 | |
CN105741281B (zh) | 基于邻域离散度的图像边缘检测方法 | |
CN108629378A (zh) | 图像识别方法和设备 | |
CN104966348B (zh) | 一种票据图像要素完整性检测方法及系统 | |
CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测系统 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
CN107273884A (zh) | 一种基于移动终端摄像头的车辆牌照识别方法 | |
CN102306307A (zh) | 一种彩色显微图像序列中固点噪声的定位方法 | |
EP3293672A1 (en) | Particle boundary identification | |
CN113537037A (zh) | 路面病害识别方法、系统、电子设备及存储介质 | |
CN103617600A (zh) | 一种基于边缘检测的图像自动锐化方法 | |
CN108965749A (zh) | 基于纹理识别的缺陷像素检测和校正装置及方法 | |
CN117197064A (zh) | 一种无接触眼红程度自动分析方法 | |
CN108009480A (zh) | 一种基于特征识别的图像人体行为检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |