CN104636706B - 一种基于梯度方向一致性复杂背景条码图像自动分割方法 - Google Patents
一种基于梯度方向一致性复杂背景条码图像自动分割方法 Download PDFInfo
- Publication number
- CN104636706B CN104636706B CN201510096029.9A CN201510096029A CN104636706B CN 104636706 B CN104636706 B CN 104636706B CN 201510096029 A CN201510096029 A CN 201510096029A CN 104636706 B CN104636706 B CN 104636706B
- Authority
- CN
- China
- Prior art keywords
- image block
- gradient
- candidate
- image
- bar code
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于梯度方向一致性复杂背景条码图像自动分割方法,其包括如下步骤:第一步,将输入图像转换为灰度图I(n),在灰度图I(n)上计算每个像素点n的水平方向梯度Gx(n)和垂直方向梯度Gy(n),进而得到每个像素点n的梯度幅值G(n)和梯度角度Φ(n);第二步,选择梯度阈值α,将梯度幅值G(n)大于阈值α的像素点作为图像边缘点,得到边缘图像Ie(n);第三步,基于分块的梯度方向一致性评估和筛选,得到候选图像块集合;第四步,计算每个候选图像块Pci的平均梯度方向Φci,并归一化到区间内,作为该候选图像块Pci的梯度方向;第五步,基于方向一致性的候选图像块连通域标记;第六步,候选图像块连通域分析和筛选;第七步,对候选条码区域进行波形提取和匹配,用于后续译码。本发明的方法对条码识别更加快速准确。
Description
技术领域
本发明涉及自动图像识别技术领域,尤其涉及一种基于梯度方向一致性复杂背景条码图像自动分割方法。
背景技术
自动化数据采集技术是信息采集和处理的关键技术。条码技术在自动化数据采集中占重要地位,已被广泛运用于工业、商业、图书出版和医疗卫生事业等。
一维条码是由一组规则排列、宽窄不一的条、空组成的标记,用来表示一定的信息。目前市场上普遍采用的条码识别装置是光电识读器,该识别技术已成功投入商业应用。但是光电识读器需要手动去对准条码,自动化程度不高。
随着数字图像处理技术的发展,基于视频的条码识别技术引起了国内外学者的广泛关注,并逐渐成为研究热点。简单背景下的条码定位技术已较为成熟,而对于复杂背景下的条码图像,如何快速高效地检测和定位出条码区域,成为了研究的难点。
目前常用的条码定位方法主要可以分为频域方法和空域方法两种。
频域方法主要有基于小波多分辨率分析、傅里叶变换、DCT等。如有学者提出的基于小波多分辨率分析的条码检测算法,该算法在高频子图基于特征向量利用纹理相似性原理,采用区域增长法产生条码数据区域的候选子区域集合,然后在低频子图利用条码的边界特征对候选子区域进行验证,该方法对含有倾斜的条码图像并不适用。基于DCT域算法对条码区域自动定位,可以定位任意旋转角度的条码,然而当图像中其他区域的纹理比重远大于条码区域时,该算法将会失效。
空域方法主要有基于Hough变换、边缘梯度以及形态学操作等,如有学者提出在空域中利用条码区域的纹理特征以及条码区域的形状,并且结合形态学操作检测条码区域,该方法在后面的多次形态学膨胀时,容易将条码区域与其他区域连通到一块,易出现误检及漏检的现象。
发明内容
本发明提出一种基于梯度方向一致性的复杂背景条码图像自动分割方法,针对现有方法的不足,利用图像中条码区域的强方向一致性和高灰度对比度的特征,克服复杂背景以及条码倾斜带来的干扰,准确高效地定位分割条出图像中的条码区域。
为达到上述目的,本发明所提出的技术方案为:
本发明的一种基于梯度方向一致性复杂背景条码图像自动分割方法,其包括如下步骤:
第一步,将输入图像转换为灰度图I(n),在灰度图I(n)上计算每个像素点n的水平方向梯度Gx(n)和垂直方向梯度Gy(n),进而得到每个像素点n的梯度幅值G(n)和梯度角度Φ(n);
第二步,选择梯度阈值α,将梯度幅值G(n)大于阈值α的像素点作为图像边缘点,得到边缘图像Ie(n);
第三步,基于分块的梯度方向一致性评估和筛选,得到候选图像块集合;
第四步,计算每个候选图像块Pci的平均梯度方向Φci,并归一化到区间内,作为该候选图像块Pci的梯度方向;
第五步,基于方向一致性的候选图像块连通域标记;
第六步,候选图像块连通域分析和筛选;
第七步,对候选条码区域进行波形提取和匹配,用于后续译码。
其中,所述的第三步还包括以下步骤:
第一步,选择宽度w,将图像分成一系列w*w的图像块{P1,P2,,Pk},其中k为图像块的数目;
第二步,将一个圆周360度划分为36个角度区间,每个区间10度,由于条码中相差180度的角度作为一个方向,进而36个角度区间归并为18个方向区间,每个方向区间包含两个相差180度的角度区间,在边缘图像Ie(n)中,将每个图像块Pi内各个梯度方向区间中边缘点的个数,得到图像块Pi的梯度方向直方图Hi,梯度方向直方图Hi的每一项归一化为该方向区间内的边缘点数目占图像块Pi内总边缘点数目的比例,其中i=1,2,,k;
第三步,对每个图像块Pi,判定该图像块Pi是否具有方向一致性,剔除不具有方向一致性的图像块,得到候选图像块集合{Pc1,Pc2,,Pcm},m为候选图像块的数目。
其中,所述的第五步还包括以下步骤:
第一步,从候选图像块集合{Pc1,Pc2,,Pcm}中取出一个未标记图像块Pci;
第二步,从Pci开始进行区域生长,将相邻并且满足方向一致性约束的候选图像块标记为一类,作为一个图像块连通域Ri,并保存图像块连通域的宽wri和高hri,图像块Pci与图像块Pcj的方向一致性约束:
|θci-θcj|<σ或者|θci-θcj|>π-σ
其中,θci和θcj分别为图像块Pci和Pcj的梯度方向,σ为最大角度偏差,通常取为
第三步,继续从候选图像块集合{Pc1,Pc2,,Pcm}中取出未标记图像块,按照所述第二步进行区域生长,直到候选图像块集合中没有未标记的图像块,至此,得到图像块连通域集合{R1,R2,,Rt},t为图像块连通域的数目。
其中,所述的第六步包括以下步骤:
第一步,对图像块连通域集合{R1,R2,,Rt}中的每一个图像块连通域Ri,计算其内部的图像块梯度方向的加权平均值作为连通域的梯度方向θri,图像块的权值为图像块内边缘点的数目;
第二步,从图像块连通域Ri的中心点o出发,沿着Ri的梯度方向θri,在Ri内部扫描,统计扫描线上和梯度方向θri满足方向一致性约束的边缘点数目Nri;
第三步,筛选出大小符合要求并且边缘点数目大于条码最小边缘数的图像块连通域,作为候选条码区域,条件如下:
0.2W<wri<0.8W,0.2H<hri<0.8H并且Nri>Nmin;
其中W和H分别为原图像的宽和高,Nmin为条码的最小边缘数;
至此,得到候选图像块连通域即候选条码区域集合{Rc1,Rc2,,Rcl},l为筛选后的候选图像块连通域集合数目。
其中,所述的第七步还包括以下步骤:
第一步,对候选条码区域集合{Rc1,Rc2,,Rcl}中的每一个条码区域Rci,沿着在条码区域内部梯度方向θrci进行多行扫描,并记录扫描线上满足梯度方向一致性的边缘点数目,剔除边缘点数目小于Nmin的扫描线,得到一系列的灰度波形曲线{L1,L2,,Lq};
第二步,对灰度波形曲线{L1,L2,,Lq}进行相互校验,保留相互匹配的灰度曲线用于后续译码。
与现有技术相比,本发明的一种基于梯度方向一致性复杂背景条码图像自动分割方法,其充分利用了条码区域的强方向一致性和高灰度对比度的特点,不仅能在复杂背景干扰下准确快速地定位出条码,而且不受条码倾斜的影响。通过对图像进行分块,剔除方向一致性差的图像块,去掉大部分的背景干扰。计算图像块的平均梯度方向作为图像块梯度方向的估计,使用区域生长的方法,对相邻且具有梯度方向一致性的图像块进行连通域标记,得到图像块的连通域。通过对图像块连通域尺寸和方向一致性特征的进行分析和筛选,快速准确地得到候选条码区域,并估计出条码区域的方向,从而具有旋转不变性,使条码识别更加准确快速。
附图说明
图1为本发明一种基于梯度方向一致性复杂背景条码图像自动分割方法的流程图。
具体实施方式
以下参考附图,对本发明予以进一步地详尽阐述。
请参阅图1,本发明的一种基于量子点间接免疫荧光的病原体检测方法,其包括如下步骤:
第一步T1,将输入图像转换为灰度图I(n),在灰度图I(n)上计算每个像素点n的水平方向梯度Gx(n)和垂直方向梯度Gy(n),进而得到每个像素点n的梯度幅值和梯度角度
第二步T2,选择梯度阈值α,如果像素点n的梯度幅值G(n)>α,则该像素点n作为图像的边缘点,得到边缘图像Ie(n)。
第三步T3,基于分块的梯度方向一致性评估和筛选,得到候选图像块集合。
上述第三步T3还包括以下步骤:
第一步,选择宽度w,将图像分成一系列w*w的图像块{P1,P2,,Pk},其中k为图像块的数目。
第二步,将一个圆周360度划分为36个角度区间,每个区间10度。由于条码中相差180度的角度作为一个方向,进而36个角度区间归并为18个方向区间,每个方向区间包含两个相差180度的角度区间。在边缘图像Ie(n)中,统计每个图像块Pi内各个梯度方向区间中边缘点的个数,得到图像块Pi的梯度方向直方图Hi。梯度方向直方图Hi的每一项归一化为该方向区间内的边缘点数目占图像块Pi内总边缘点数目的比例,其中i=1,2,,k。。
第三步,对每个图像块Pi,如果梯度方向直方图Hi中超过百分比p的边缘点集中在相邻的三个方向区间内,则判定该图像块Pi具有方向一致性,p取经验值90%。剔除不具有方向一致性的图像块,得到候选图像块集合{Pc1,Pc2,,Pcm},m为候选图像块的数目。
第四步T4,计算每个候选图像块Pci的平均梯度方向,公式如下:
其中,N为图像块内的边缘点总数。
然后将Φci归一化到区间内,作为图像块Pci的梯度方向。
第五步,基于方向一致性的候选图像块连通域标记。
所述的第五步还包括以下步骤:
第一步,从候选图像块集合{Pc1,Pc2,,Pcm}中取出一个未标记图像块Pci。
第二步,从Pci开始进行区域生长,将相邻并且满足方向一致性约束的候选图像块标记为一类,作为一个图像块连通域Ri,并保存图像块连通域的宽wri和高hri。图像块Pci与图像块Pcj的方向一致性约束:
|θci-θcj|<σ或者|θci-θcj|>π-σ
其中,θci和θcj分别为图像块Pci和Pcj的梯度方向,σ为最大角度偏差,通常取为
第三步,继续从候选图像块集合{Pc1,Pc2,,Pcm}中取出未标记图像块,按照第2步进行区域生长,直到候选图像块集合中没有未标记的图像块。至此,得到图像块连通域集合{R1,R2,,Rt},t为图像块连通域的数目。
第六步T6,图像块连通域分析和筛选。
所述的第六步还包括以下步骤:
第一步,对图像块连通域集合{R1,R2,,Rt}中的每一个图像块连通域Ri,计算其内部的图像块梯度方向的加权平均值作为连通域的梯度方向:
其中,s是图像块连通域Ri中包含的图像块数目,Nci为图像块Pci中边缘点数目,Φci为图像块Pci的梯度方向。
第二步,从图像块连通域Ri的中心点o出发,沿着Ri的梯度方向θri,在Ri内部扫描。统计扫描线上和梯度方向θri满足方向一致性约束的边缘点数目Nri。方向一致性约束同步骤五中第2步。
第三步,筛选出大小符合要求并且边缘点数目大于条码最小边缘数的图像块连通域,作为候选条码区域,条件如下:
0.2W<wri<0.8W,0.2H<hri<0.8H并且Nri>Nmin
其中W和H分别为原图像的宽和高,Nmin为条码的最小边缘数。
至此,得到候选图像块连通域即候选条码区域集合{Rc1,Rc2,,Rcl},l为筛选后的候选图像块连通域集合数目。
第七步T7,对候选条码区域进行波形提取和匹配,用于后续译码。
所述的第七步还包括以下步骤:
第一步,对候选条码区域集合{Rc1,Rc2,,Rcl}中的每一个条码区域Rci,沿着在条码区域内部梯度方向θrci进行多行扫描,并记录扫描线上满足梯度方向一致性的边缘点数目。剔除边缘点数目小于Nmin的扫描线,得到一系列的灰度波形曲线{L1,L2,,Lq}。
第二步,对灰度波形曲线{L1,L2,,Lq}进行相互校验,保留相互匹配的灰度曲线用于后续译码。
上述内容,仅为本发明的较佳实施例,并非用于限制本发明的实施方案,本领域普通技术人员根据本发明的主要构思和精神,可以十分方便地进行相应的变通或修改,故本发明的保护范围应以权利要求书所要求的保护范围为准。
Claims (2)
1.一种基于梯度方向一致性复杂背景条码图像自动分割方法,其特征在于,包括如下步骤:
第一步,将输入图像转换为灰度图I(n),在灰度图I(n)上计算每个像素点n的水平方向梯度Gx(n)和垂直方向梯度Gy(n),进而得到每个像素点n的梯度幅值G(n)和梯度角度Φ(n);
第二步,选择梯度阈值α,将梯度幅值G(n)大于阈值α的像素点作为图像边缘点,得到边缘图像Ie(n);
第三步,基于分块的梯度方向一致性评估和筛选,得到候选图像块集合;
第四步,计算每个候选图像块Pci的平均梯度方向Φci,并归一化到区间内,作为该候选图像块Pci的梯度方向;
第五步,基于方向一致性的候选图像块连通域标记;
第六步,候选图像块连通域分析和筛选;
第七步,对候选条码区域进行波形提取和匹配,用于后续译码;
其中,所述的第三步还包括以下步骤:
第一步,选择宽度w,将图像分成一系列w*w的图像块{P1,P2,…,Pk},其中k为图像块的数目;
第二步,将一个圆周360度划分为36个角度区间,每个区间10度,由于条码中相差180度的角度作为一个方向,进而36个角度区间归并为18个方向区间,每个方向区间包含两个相差180度的角度区间,在边缘图像Ie(n)中,将每个图像块Pi内各个梯度方向区间中边缘点的个数,得到图像块Pi的梯度方向直方图Hi,梯度方向直方图Hi的每一项归一化为该方向区间内的边缘点数目占图像块Pi内总边缘点数目的比例,其中i=1,2,…,k;
第三步,对每个图像块Pi,判定该图像块Pi是否具有方向一致性,剔除不具有方向一致性的图像块,得到候选图像块集合{Pc1,Pc2,…,Pcm},m为候选图像块的数目;
其中,所述的第五步还包括以下步骤:
第一步,从候选图像块集合{Pc1,Pc2,…,Pcm}中取出一个未标记图像块Pci;
第二步,从Pci开始进行区域生长,将相邻并且满足方向一致性约束的候选图像块标记为一类,作为一个图像块连通域Ri,并保存图像块连通域的宽wri和高hri,图像块Pci与图像块Pcj的方向一致性约束:
|θci-θcj|<σ或者θci-θcj|>π-σ
其中,θci和θcj分别为图像块Pci和Pcj的梯度方向,σ为最大角度偏差;σ为
第三步,继续从候选图像块集合{Pc1,Pc2,…,Pcm}中取出未标记图像块,按照所述第二步进行区域生长,直到候选图像块集合中没有未标记的图像块,至此,得到图像块连通域集合{R1,R2,…,Rt},t为图像块连通域的数目;
其中,所述的第六步包括以下步骤:
第一步,对图像块连通域集合{R1,R2,…,Rt}中的每一个图像块连通域Ri,计算其内部的图像块梯度方向的加权平均值作为连通域的梯度方向θri,图像块的权值为图像块内边缘点的数目;
第二步,从图像块连通域Ri的中心点o出发,沿着Ri的梯度方向θri,在Ri内部扫描,统计扫描线上和梯度方向θri满足方向一致性约束的边缘点数目Nri;
第三步,筛选出大小符合要求并且边缘点数目大于条码最小边缘数的图像块连通域,作为候选条码区域,条件如下:
0.2W<wri<0.8W,0.2H<hri<0.8H并且Nri>Nmin;
其中W和H分别为原图像的宽和高,Nmin为条码的最小边缘数;
至此,得到候选图像块连通域即候选条码区域集合{Rc1,Rc2,…,Rcl},l为筛选后的候选图像块连通域集合数目。
2.如权利要求1所述的基于梯度方向一致性复杂背景条码图像自动分割方法,其特征在于,所述的第七步还包括以下步骤:
第一步,对候选条码区域集合{Rc1,Rc2,…,Rcl}中的每一个条码区域Rci,沿着在条码区域内部梯度方向θrci进行多行扫描,并记录扫描线上满足梯度方向一致性的边缘点数目,剔除边缘点数目小于Nmin的扫描线,得到一系列的灰度波形曲线{L1,L2,…,Lq};
第二步,对灰度波形曲线{L1,L2,…,Lq}进行相互校验,保留相互匹配的灰度曲线用于后续译码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510096029.9A CN104636706B (zh) | 2015-03-04 | 2015-03-04 | 一种基于梯度方向一致性复杂背景条码图像自动分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510096029.9A CN104636706B (zh) | 2015-03-04 | 2015-03-04 | 一种基于梯度方向一致性复杂背景条码图像自动分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104636706A CN104636706A (zh) | 2015-05-20 |
CN104636706B true CN104636706B (zh) | 2017-12-26 |
Family
ID=53215439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510096029.9A Active CN104636706B (zh) | 2015-03-04 | 2015-03-04 | 一种基于梯度方向一致性复杂背景条码图像自动分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104636706B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869122A (zh) * | 2015-11-24 | 2016-08-17 | 乐视致新电子科技(天津)有限公司 | 图像处理方法和装置 |
CN105956509A (zh) * | 2016-04-26 | 2016-09-21 | 昂纳自动化技术(深圳)有限公司 | 基于聚类算法的一维条码检测的方法及装置 |
CN106778411B (zh) * | 2016-11-30 | 2019-06-21 | 上海集成电路研发中心有限公司 | 一种条形码定位方法 |
CN108171098B (zh) * | 2016-12-07 | 2021-01-22 | 杭州海康威视数字技术股份有限公司 | 一种条码检测方法及设备 |
CN107025639A (zh) * | 2017-04-05 | 2017-08-08 | 中科微至智能制造科技江苏有限公司 | 一种复杂环境下的条码定位方法 |
CN107481237B (zh) * | 2017-08-28 | 2019-11-08 | 南京邮电大学 | 一种基于多帧温度特性的红外阵列图像热斑检测方法 |
CN107908996B (zh) * | 2017-10-25 | 2020-12-15 | 福建联迪商用设备有限公司 | 一种提取一维条码信息的方法及终端 |
CN109389150B (zh) * | 2018-08-28 | 2022-04-05 | 东软集团股份有限公司 | 图像一致性比对方法、装置、存储介质及电子设备 |
CN109410191B (zh) * | 2018-10-18 | 2022-03-25 | 中南大学 | 基于oct图像的眼底血管定位方法及其贫血筛查方法 |
CN109948393B (zh) * | 2019-03-22 | 2022-04-26 | 凌云光技术股份有限公司 | 一种一维条码的定位方法及装置 |
CN112785514A (zh) * | 2020-12-31 | 2021-05-11 | 杭州荣旗科技有限公司 | 一种快速条码图像运动消减方法 |
CN115409881A (zh) * | 2021-05-11 | 2022-11-29 | 北京字跳网络技术有限公司 | 图像处理方法、装置及设备 |
CN113643274B (zh) * | 2021-08-24 | 2024-06-21 | 凌云光技术股份有限公司 | 一种二维码候选区筛选的方法及装置 |
CN114219794B (zh) * | 2021-12-17 | 2023-01-20 | 沭阳县桐盛木业制品厂(普通合伙) | 基于机器视觉的刨花板表面质量评估方法及系统 |
CN114581447B (zh) * | 2022-05-07 | 2022-08-05 | 合肥金星智控科技股份有限公司 | 一种基于机器视觉的运输皮带跑偏识别方法和装置 |
CN114842033B (zh) * | 2022-06-29 | 2022-09-02 | 江西财经大学 | 一种用于智能ar设备的图像处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079102A (zh) * | 2007-06-28 | 2007-11-28 | 中南大学 | 基于统计方法的指纹识别方法 |
CN101526994A (zh) * | 2009-04-03 | 2009-09-09 | 山东大学 | 一种与采集设备无关的指纹图像分割方法 |
CN102156996A (zh) * | 2011-04-01 | 2011-08-17 | 上海海事大学 | 一种图像边缘检测的方法 |
-
2015
- 2015-03-04 CN CN201510096029.9A patent/CN104636706B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079102A (zh) * | 2007-06-28 | 2007-11-28 | 中南大学 | 基于统计方法的指纹识别方法 |
CN101526994A (zh) * | 2009-04-03 | 2009-09-09 | 山东大学 | 一种与采集设备无关的指纹图像分割方法 |
CN102156996A (zh) * | 2011-04-01 | 2011-08-17 | 上海海事大学 | 一种图像边缘检测的方法 |
Non-Patent Citations (2)
Title |
---|
Anisotropic diffusion based ondirectional consistency;Zhiming Wang;Hong Bao;Li Zhang;《Intelligent Computing and Intelligent Systems (ICIS)》;20101031;全文 * |
复杂图像背景下的一维条码定位研究;方路平等;《计算机应用与软件》;20110831;第28卷(第8期);第155页1.1节-157页第2节,图1-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN104636706A (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104636706B (zh) | 一种基于梯度方向一致性复杂背景条码图像自动分割方法 | |
CN109829914B (zh) | 检测产品缺陷的方法和装置 | |
CN103971126B (zh) | 一种交通标志识别方法和装置 | |
US8340420B2 (en) | Method for recognizing objects in images | |
CN108491788A (zh) | 一种用于财务报表单元格的智能提取方法及装置 | |
CN105868708B (zh) | 一种图像目标识别方法及装置 | |
CN108090494B (zh) | 基于Gabor滤波器及支持向量机纺织品瑕疵识别方法 | |
CN104866849A (zh) | 一种基于移动终端的食品营养成分标签识别方法 | |
CN102254159B (zh) | 一种数显仪表判读方法 | |
CN104794479B (zh) | 基于局部笔画宽度变换的自然场景图片中文本检测方法 | |
CN110119741A (zh) | 一种有背景的卡证图像信息识别方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN104217221A (zh) | 基于纹理特征的书画作品检测方法 | |
CN101122953A (zh) | 一种图片文字分割的方法 | |
CN109376740A (zh) | 一种基于视频的水尺读数检测方法 | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN113298769B (zh) | Fpc软排线外观缺陷检测方法、系统和介质 | |
CN112883881B (zh) | 一种条状农产品无序分拣方法及装置 | |
CN103049749B (zh) | 在栅格遮挡下的人体再识别方法 | |
CN108109133A (zh) | 一种基于数字图像处理技术的蚕卵自动计数方法 | |
CN117635609B (zh) | 一种塑胶产品生产质量视觉检测方法 | |
CN104715157A (zh) | 一种基于画钟实验的认知功能障碍评估系统和方法 | |
CN115330795A (zh) | 布匹毛刺缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |