CN104794475B - 一种光子晶体光纤的端面结构特征提取方法 - Google Patents
一种光子晶体光纤的端面结构特征提取方法 Download PDFInfo
- Publication number
- CN104794475B CN104794475B CN201510157451.0A CN201510157451A CN104794475B CN 104794475 B CN104794475 B CN 104794475B CN 201510157451 A CN201510157451 A CN 201510157451A CN 104794475 B CN104794475 B CN 104794475B
- Authority
- CN
- China
- Prior art keywords
- image
- optical fiber
- face
- gray
- filter
- 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 Processing (AREA)
- Optical Fibers, Optical Fiber Cores, And Optical Fiber Bundles (AREA)
Abstract
本发明涉及一种光子晶体光纤端面结构特征提取方法,其包括以下步骤:获取原始端面图,对图像进行灰度化处理获得灰度图;对灰度图进行滤波处理获得滤波后平滑图像;对滤波后平滑图像进行阈值化处理获得二值化图像;利用边缘提取算法对二值化图像进行边缘提取获得光纤建模图像。判断光纤建模图像是否合格。本发明的方法适用于具有任意气孔分布和任意噪声叠加情况下的光子晶体光纤端面结构特征的提取,不受光纤端面图拍照效果的影响,能够快速有效的完成光纤端面提取,并保证提取的光纤端面的结果特征与原始光纤的结构特征一致,获得与实际光纤结构一致的光纤建模图像。
Description
技术领域
本发明涉及一种端面图像处理技术方法,属于光纤技术领域,具体的涉及一种对光子晶体光纤的端面结构特征进行提取的方法。
背景技术
光子晶体光纤(PCF)是利用光子带隙效应或改进的全内反射效应传导光的光纤,因其空气孔呈周期性或类周期性排列故又被称为多孔光纤或微结构光纤。研究发现,通过结构设计可以有效地改变PCF的导波模式、非线性、双折射和损耗等特性,于是设计出了许多具有特殊性质的PCF,诸如具有大模场面积、高非线性、高双折射、色散控制和超连续谱产生等特种光纤。事实上,光子晶体光纤最终表现出来的综合特性是建立在各种影响因素的差异性基础之上的,比如,构成光纤端面的空气孔的大小、形状、位置和排列方式等的不同都会直接影响到最终光纤的特性品质,甚至起到决定作用。这种灵活的结构设计带来了全新的光学特性,但是实际拉制的光纤质量也会受到拉制技术和拉制工艺的限制:由于气孔的尺度一般都在微米量级,在拉制光纤过程中,受到重力、拉丝温度控制和拉丝速度等因素的影响,拉制出来的光纤端面上经常出现许多不规则的空气孔塌缩或者位置偏移等现象。
要想准确模拟这些实际光纤的性能,首先需要对这些光纤的端面结构特征进行准确提取。目前人们在针对这样的存在缺陷的实际光纤端面进行建模时,大都采用的是“等效和理想化”的处理方式,即在模拟光纤特性时把尺寸不一的气孔取平均尺寸作为建模尺寸,把光纤的端面上气孔的排布当成理想正多边形结构,有时甚至把气孔无序分布的端面也理想化为标准图形来处理,显然,光纤的实际端面越复杂,这种处理方式带来的误差会越大,这是当前研究中普遍存在的一个问题。因此,为了能够更好地模拟PCF的品质,对光子晶体光纤的端面结构特征进行准确地提取就显得至关重要。
发明内容
由于现有对光子晶体光纤的端面结构特征提取存在严重的局限性和片面性,容易导致模拟出来的光纤品质与实际光纤的品质不一致,为了解决这一问题,本发明提供一种基于数字图像处理技术的光子晶体光纤端面结构特征提取方法,让提取出来的气孔等结构特征更加符合实际,该方法适用于具有任意气孔分布和任意噪声叠加情况下的PCF端面结构特征的提取,获得更加接近实际光纤结构的光纤建模图像,并且该建模图像还不受光纤端面图拍照效果的影响。
具体地,本发明提供一种基于数字图像处理技术的光子晶体光纤端面结构特征提取方法,其包括以下步骤:
S1、获得原始光纤端面图;
S2、对原始光纤端面图进行灰度化处理获得灰度图;
S3、对灰度图进行滤波处理获得滤波后平滑图像:利用滤波器对S2获得的灰色图进行滤波,滤除图像中的低频区域而留下光纤气孔边界的高频区域,并去处图像噪声部分从而获得滤波后平滑图像;
S4、对滤波后平滑图像进行阈值化处理获得二值化图像:矩阵J1(i,j)为滤波处理后得到的滤波后平滑图像数据的存储矩阵;
对J1(i,j)矩阵的每一个元素值做阈值分割处理,设定阈值q,将矩阵中所有大于或者等于q的元素值都赋值为255,将所有小于q的元素值都赋值为0,得到黑白的二值化图像;
S5、对二值化图像进行边缘提取获得光纤建模图像B;
S6、判断光纤建模图像B是否合格,通过将光纤建模图像B中的光纤气孔的位置与形状与原始光纤端面图中的进行比较来判断获得的光纤建模图像B是否合格;并且
S7、如果光纤建模图像B合格则用其进行光纤建模否则返回步骤S3。
优选地,S2中灰度处理是将图像中每个像素的RGB值转化为单一的灰度值,具体灰度转化式为:
Gray=(R*30+G*59+B*11)/100;
其中Gray表示灰度,值域为0-255,R表示红色值,G表示绿色值,B表示蓝色值,值域均为0-255。
优选地,S5中所述的边缘提取算法采取Canny算子进行计算。
优选地,所述滤波器为布特沃斯滤波器。
优选地,S3中得到滤波后平滑图像的具体步骤如下所述:
①对含有噪声的灰度图进行傅里叶变换,得到含有噪声的灰度图的傅里叶变换函数F(u,v);
②利用公式计算滤波器的传递函数:
式中,D(u,v)=[u2+v2]0.5,表示从滤波器频率域的原点到(u,v)点的距离;D0为滤波器的截止频率,n为滤波器的阶数,m为滤波器系数,默认值0.414;
③利用以下公式计算滤波后平滑图像的傅里叶变换函数:
G(u,v)=H(u,v)·F(u,v)
其中,G(u,v)是滤波后平滑图像的傅里叶变换变换,F(u,v)是含有噪声的灰度图的傅里叶变换函数,H(u,v)是滤波器的传递函数;
④对G(u,v)进行傅里叶逆变换,得到去除噪声后的滤波后平滑图像g(x,y)。
6、根据权利要求1所述的光子晶体光纤的端面结构特征提取方法,其特征在于:q的取值范围具体如下所述:
①若经滤波后图像的背景部分与气孔部分颜色非常接近,则q值可以取0<q≤125;
②若经滤波后图像的背景部分与气孔部分颜色差别较大,则q值可以取125<q≤255。
本发明的优点如下所述:本发明得到的处理效果不取决于原始光纤端面图的采像效果,在原始光纤端面图中允许出现运动、模糊和光学系统相差等噪声,并且可以同时存在;本方法适用于具有任意气孔分布的情况,处理效果与气孔排布无关;本方法通过更改截止频率、滤波器的阶数、系数m和阈值q等,或者选择不同的阈值化处理条件,可以得到不同的处理效果,不同的组合参数可以对应处理具有不同噪声来源的图片,处理方法简单、快速,效率高,得到的图片的气孔形状与原始图片的气孔形状一致,符合光纤的实际情况,在光纤建模时能够更好的模拟实际光纤的品质。
附图说明
图1为本发明的工作流程示意图;
图2为本发明采集的原始光纤端面图;
图3为本发明得到的灰度图的示意图;
图4为本发明的滤波后的图像示意图;
图5为本发明的布特沃斯高通滤波器传递函数示意图;
图6为本发明的将灰度图进行阈值化处理得到的二值图;
图7为本发明的边缘提取示意图之一;
图8为本发明的边缘提取示意图之二;以及
图9为本发明的边缘提取示意图之三。
具体实施方式
下面结合附图以及具体实施例对本发明的工作原理及工作步骤做进一步解释:
为了让提取出来的气孔等结构特征更加符合实际,本发明提供一种基于数字图像处理技术的光子晶体光纤端面结构提取新方法,该发明适用于具有任意气孔分布和任意噪声叠加情况下的端面图的结构特征的提取,所提取的结构完全符合实际光纤结构,而不会受到光纤端面图拍照效果的影响。
如图1所示,本发明提供一种基于数字图像处理技术的光子晶体光纤端面结构特征提取方法,其包括以下步骤:
S1、获得原始光纤图像;
S2、对原始光纤图像进行灰度化处理:首先利用显微镜拍摄得到原始光纤端面图(标准RGB图像格式),如图2所示,图像的类型为BMP图像,在实际操作中,原始光纤端面图的放大比例为2500倍,图2为原始光纤端面图的缩放示例图,对原始光纤端面进行灰度化处理,限定灰度的值域为0-255,灰度值表示色彩呈现的颜色深度,灰度值越大,颜色深度越浅,其中0为黑色,255为白色;
标准RGB图像存储结构为以像素为单位的二维矩阵,每个像素包含R、G、B三原色的值,用来表示像素的颜色;
图像灰度化处理,是将每个像素的RGB值转化为单一的灰度值,以下是灰度转化公式:
Gray=(R*30+G*59+B*11)/100;
其中Gray表示灰度(值域为0-255),R表示红色值(值域为0-255),G表示绿色值(值域为0-255),B表示蓝色值(值域为0-255)。灰度处理完成后得到如图3所示的灰度图。
S3、对灰度图进行滤波处理,得到如图4所示的滤波后平滑图像。
在图像处理中,根据图像的属性,将图像区分为高频区域和低频区域,图像中边缘及急剧变化部分为高频部分,图像中大面积背景为低频部分,根据端面图的结构特征的提取要求,图像需要滤除大面积背景,即滤除低频区域,并去除噪声部分;
其次利用滤波器对S1获得的灰色图进行滤波,滤除图像中的低频部分,突出能够表现光纤气孔边界的高频部分,去处图像噪声部分,得到滤波后平滑图像;
选用布特沃斯滤波器,布特沃斯滤波器的通频带内的频率响应曲线平坦,没有起伏,而在阻频带则逐渐下降为零,通带的相对变化平缓,可以有效地减少在滤波过程中产生的震荡,防止在滤波后图像在气孔内部形成白色的噪点,或在背景区域内出现黑色的噪点;
首先计算滤波器传递函数:
布特沃斯高通滤波器传递函数由下式表示:
式中,D(u,v)=[u2+v2]0.5,表示从频率域的原点到(u,v)点的距离。D0为截止频率,n为滤波器的阶数,m为系数,默认值为0.414。
在传递函数中,选择不同的截止频率D0、阶数n和系数m,则传递函数曲线也将不同,这样灵活的参数设置将极大地提高对采样端面的适应性,能够采集到符合要求的光纤端面图像。
采样图像中所有频率成分都按照图5的传递函数进行滤波,从图5可以看出,频率越低的信号衰减越厉害,且衰减速度也越快;而频率越高衰减越小,衰减速度也越缓慢,曲线越平滑。因此布特沃斯滤波器可以使得D(u,v)/D0<1内的频率成分迅速衰减,而高频部分则可以较好地保留下来,且高频成分几乎可以无损通过,这样就实现了削弱代表背景的低频部分,而进一步突出代表气孔部分的高频成分,使得气孔边界更加尖锐突出。经滤波后得到图4所示图像。
其次根据所选传递函数对含有噪声的灰度图进行傅里叶变换:
G(u,v)=H(u,v)·F(u,v)
其中,F(u,v)是含有噪声的灰度图的傅里叶变换,即未经滤波的图像;G(u,v)是滤波处理后的图像的傅里叶变换,H(u,v)是传递函数。选择合适的H(u,v),利用传递函数使F(u,v)的低频分量得到衰减,高频分量得以保留,得到G(u,v)后再经一次傅里叶逆变换得到,就可以得到去除噪声后的滤波后平滑图像g(x,y),图4所示图像为平滑图像g(x,y)的一个实例。
S4、将灰度图进行阈值化处理,得到如图6所示的阈值化处理后的图像:
矩阵J1(i,j)为完成滤波处理得到的滤波后平滑图像数据的存储矩阵,其中存储了代表图像颜色特征的所有信息,例如J1(3,12)=234,代表在矩阵的第3行第12列处存储的元素值为234,该值代表其对应的真实图像上的该像素点的颜色亮度。
对J1(i,j)矩阵的每一个元素值做阈值分割处理,预先设定阈值q,将矩阵中所有大于或者等于q的元素值都赋值为255,即将实际图像中的这部分显示灰色的区域都转化为白色显示;将所有小于q的元素值都赋值为0,即将实际图像中的这部分显示灰色的区域都转化为黑色显示,经处理后最终实际图像只有黑白二色。
q的取值取决于要处理图片的实际情况,一般情况下,若经滤波后图像的背景部分与气孔部分颜色非常接近,则选择较小的q值处理效果会更好,此种情况下,q值可以取0<q≤125;若经滤波后图像的背景部分与气孔部分颜色差别较大,则选择较大的q值处理效果会更好一点,此种情况下,q值可以取125<q≤255。但这不是绝对的,q的最优取值还需要结合截止频率等其他参数来共同决定,在实际操作中,q可以在大于0到小于等于255的大范围内任意取值来进行效果调试,这样就使得该方法在对端面图像进行处理时拥有了巨大的灵活性,同时保证了图片对广噪声来源处理的高适应性。
S5、对图像进行边缘提取:
利用边缘提取算法,例如Canny算法对图6进行边缘提取得到光纤建模图像。
坎尼(Canny)算子,是一类最优边缘检测算子,它使用两种不同的阈值分别检测强边缘和弱边缘,并且仅当弱边缘与强边缘相连时才将弱边缘包含在输出图像中。Canny算子的优点是,只要是边缘就检测出来,所以不存在漏检情况,而且只要不是边缘部分也不会错检出来,保证了图像边缘提取的准确性。
在实际处理过程中,采用不同的组合参数能够得到不同的边缘提取效果图,组合参数包括截止频率、滤波器的阶数、系数m和阈值q,如图7-图9所示,图7采用的参数D0,n,m和q的取值分别为14,2,0.414和5。图8采用的参数:D0,n和m的取值分别为14,2,0.414,在阈值化处理中选择将矩阵J1中所有的不等于0的元素值都强制转换为255。图9采用的参数D0,n,m和q的取值分别为13,2,0.414和230。
S6、对光纤建模图像进行检测,判断光纤建模图像中的光纤气孔是否与原始光纤端面图中的光纤气孔一致,如一致,则利用光纤建模图像对光纤进行建模。
S7、如不一致,则需要通过修改组合参数,重新提取光纤建模图像,直至得到理想的光纤端面结构图,在图7-图9中,图8为经判断后与原始光纤端面一致的光纤建模图像,图7与图9所示的光纤建模图像由于气孔与原始光纤端面不一致,需要重新修改组合参数,重新提取光纤建模图像,直至得到理想的光纤端面结构图。因此,本发明中的光纤端面提取效果几乎不受原图质量的影响。
在原始光纤端面图中允许出现运动、模糊和光学系统相差等噪声,并且可以同时存在;本方法适用于具有任意气孔分布的情况,处理效果与气孔排布无关;本方法通过更改截止频率、滤波器的阶数、系数m和阈值q等,或者选择不同的阈值化处理条件,可以得到不同的处理效果,不同的组合参数可以对应处理具有不同噪声来源的图片。
本发明的优点如下所述:本发明得到的处理效果不取决于原始光纤端面图的采像效果,在原始光纤端面图中允许出现运动、模糊和光学系统相差等噪声,并且可以同时存在;本方法适用于具有任意气孔分布的情况,处理效果与气孔排布无关;本方法通过更改截止频率、滤波器的阶数、系数m和阈值q等,或者选择不同的阈值化处理条件,可以得到不同的处理效果,不同的组合参数可以对应处理具有不同噪声来源的图片,处理方法简单、快速,效率高,得到的图片的气孔形状与原始图片的气孔形状一致,符合光纤的实际情况,在光纤建模时能够更好的模拟实际光纤的品质。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种光子晶体光纤的端面结构特征提取方法,其特征在于:其包括以下步骤:
S1、获得原始光纤端面图;
S2、对原始光纤端面图放大后进行灰度化处理获得灰度图,原始光纤端面图的放大比例为2500倍;
S3、对灰度图进行滤波处理获得滤波后平滑图像:利用滤波器对S2获得的灰色图进行滤波,滤除图像中的低频区域而留下光纤气孔边界的高频区域,并去除图像噪声部分从而获得滤波后平滑图像;
S4、对滤波后平滑图像进行阈值化处理获得二值化图像:矩阵J1(i,j)为滤波处理后得到的滤波后平滑图像数据的存储矩阵;
对J1(i,j)矩阵的每一个元素值做阈值分割处理,设定阈值q,将矩阵中所有大于或者等于q的元素值都赋值为255,将所有小于q的元素值都赋值为0,得到黑白的二值化图像;
S5、对二值化图像进行边缘提取获得光纤建模图像;边缘提取算法采取Canny算子进行计算;采用不同的组合参数得到不同的边缘提取效果,组合参数包括截止频率D0、滤波器的阶数n、系数m、阈值q以及不同的阈值化处理条件;
S6、判断光纤建模图像是否合格,通过将光纤建模图像中的光纤气孔的位置与形状与原始光纤端面图中的进行比较来判断获得的光纤建模图像是否合格;并且
S7、如果光纤建模图像合格则用其进行光纤建模否则返回步骤S3,修改组合参数,重新提取光纤建模图像。
2.根据权利要求1所述的光子晶体光纤的端面结构特征提取方法,其特征在于:S2中灰度化处理是将图像中每个像素的RGB值转化为单一的灰度值,具体灰度转化式为:
Gray=(R*30+G*59+B*11)/100;
其中Gray表示灰度,值域为0-255,R表示红色值,G表示绿色值,B表示蓝色值,值域均为0-255。
3.根据权利要求1所述的光子晶体光纤的端面结构特征提取方法,其特征在于:所述滤波器为布特沃斯滤波器。
4.根据权利要求1所述的光子晶体光纤的端面结构特征提取方法,其特征在于:S3中得到滤波后平滑图像的具体步骤如下所述:
①对含有噪声的灰度图进行傅里叶变换,得到含有噪声的灰度图的傅里叶变换函数F(u,v);
②利用公式计算滤波器的传递函数:
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>m</mi>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<msub>
<mi>D</mi>
<mn>0</mn>
</msub>
<mrow>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msup>
</mrow>
</mfrac>
</mrow>
式中,D(u,v)=[u2+v2]0.5,表示从滤波器频率域的原点到(u,v)点的距离;D0为滤波器的截止频率,n为滤波器的阶数,m为滤波器系数,默认值0.414;
③利用以下公式计算滤波后平滑图像的傅里叶变换函数:
G(u,v)=H(u,v)·F(u,v)
其中,G(u,v)是滤波后平滑图像的傅里叶变换变换,F(u,v)是含有噪声的灰度图的傅里叶变换函数,H(u,v)是滤波器的传递函数;
④对G(u,v)进行傅里叶逆变换,得到去除噪声后的滤波后平滑图像g(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510157451.0A CN104794475B (zh) | 2015-04-03 | 2015-04-03 | 一种光子晶体光纤的端面结构特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510157451.0A CN104794475B (zh) | 2015-04-03 | 2015-04-03 | 一种光子晶体光纤的端面结构特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794475A CN104794475A (zh) | 2015-07-22 |
CN104794475B true CN104794475B (zh) | 2018-04-27 |
Family
ID=53559262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510157451.0A Active CN104794475B (zh) | 2015-04-03 | 2015-04-03 | 一种光子晶体光纤的端面结构特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794475B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107621463B (zh) | 2017-10-16 | 2024-03-22 | 苏州微景医学科技有限公司 | 图像重建方法、装置及显微成像装置 |
CN109606199A (zh) * | 2018-12-10 | 2019-04-12 | 重庆电信职业学院 | 一种建立电动汽车全自动智能充电系统及方法 |
CN112561897A (zh) * | 2020-12-22 | 2021-03-26 | 电子科技大学中山学院 | 一种基于U-Net的光子晶体光纤端面结构提取方法 |
CN113327207B (zh) * | 2021-06-03 | 2023-12-08 | 广州光锥元信息科技有限公司 | 应用于图像人脸优化的方法及装置 |
CN114445390B (zh) * | 2022-01-28 | 2024-05-31 | 山东威高医疗科技有限公司 | 导光光纤束检验方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102092937A (zh) * | 2010-12-15 | 2011-06-15 | 北京交通大学 | 迅速优化光子晶体光纤拉制工艺的方法和系统 |
CN103065296A (zh) * | 2012-12-14 | 2013-04-24 | 中南大学 | 一种基于边缘特征的高分辨率遥感影像居民区提取方法 |
-
2015
- 2015-04-03 CN CN201510157451.0A patent/CN104794475B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102092937A (zh) * | 2010-12-15 | 2011-06-15 | 北京交通大学 | 迅速优化光子晶体光纤拉制工艺的方法和系统 |
CN103065296A (zh) * | 2012-12-14 | 2013-04-24 | 中南大学 | 一种基于边缘特征的高分辨率遥感影像居民区提取方法 |
Non-Patent Citations (2)
Title |
---|
A novel method of rapidly modeling optical properties of actual photonic crystal fibres;王立文等;《Chinese Physics B》;20100815;第19卷(第8期);第2-5页,图1 * |
基于图像处理的频域有限差分法用于实际光子晶体光纤的研究;姚宇宏;《光学学报》;20080715;第28卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104794475A (zh) | 2015-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794475B (zh) | 一种光子晶体光纤的端面结构特征提取方法 | |
US20230377158A1 (en) | Image segmentation method, apparatus, device, and medium | |
CN108090886B (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
CN104657947B (zh) | 针对碱基图像的一种降噪方法 | |
Singh et al. | Contrast enhancement and brightness preservation using global-local image enhancement techniques | |
CN104809701A (zh) | 一种基于迭代开关中均值的图像椒盐噪声去除方法 | |
JP6208426B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法 | |
CN104091340A (zh) | 一种模糊图像的快速检测方法 | |
CN115272303B (zh) | 基于高斯模糊的纺织物缺陷程度评估方法、装置及系统 | |
CN109801231B (zh) | 一种电泳电子纸检测设备的图像处理方法 | |
CN115018765A (zh) | 基于灰度梯度共生矩阵的粉末冶金零件成品检测方法 | |
CN114022383A (zh) | 一种文字图像的摩尔纹祛除方法、装置及电子设备 | |
CN105741244A (zh) | 一种室内巡检机器人弱光下去除阴影和光晕的方法 | |
CN109118434A (zh) | 一种图像预处理方法 | |
CN106296608B (zh) | 一种基于映射表的鱼眼图像处理方法及系统 | |
CN113706521A (zh) | 碳纤维表面毛团检测方法、装置、存储介质和电子设备 | |
CN110007493A (zh) | 液晶显示屏中碎亮点检测方法 | |
CN109584181A (zh) | 一种改进的基于Retinex红外图像细节增强方法 | |
CN103996177A (zh) | 一种无参考检测消除雪花噪声算法 | |
CN110969584B (zh) | 一种低照度图像增强方法 | |
CN116309483A (zh) | 基于ddpm的半监督变电设备表征缺陷检测方法及系统 | |
Wu et al. | Image denoise methods based on deep learning | |
CN110136085A (zh) | 一种图像的降噪方法及装置 | |
CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
CN115937268A (zh) | 一种用于电力设备检测的紫外光及可见光融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230112 Address after: 062450 Liugusi Town Industrial Zone, Hejian City, Cangzhou City, Hebei Province Patentee after: HEBEI HONGYU COMMUNICATION EQUIPMENT Co.,Ltd. Address before: 066000 No. 438, Hebei Avenue, Qinhuangdao, Hebei Patentee before: Yanshan University |