CN104866837B - 字画微观纹理的图像采集装置及其采集方法 - Google Patents
字画微观纹理的图像采集装置及其采集方法 Download PDFInfo
- Publication number
- CN104866837B CN104866837B CN201510296460.8A CN201510296460A CN104866837B CN 104866837 B CN104866837 B CN 104866837B CN 201510296460 A CN201510296460 A CN 201510296460A CN 104866837 B CN104866837 B CN 104866837B
- Authority
- CN
- China
- Prior art keywords
- image
- calligraphy
- painting
- microscope
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/228—Character recognition characterised by the type of writing of three-dimensional handwriting, e.g. writing in the air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/226—Character recognition characterised by the type of writing of cursive writing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
- G06V2201/122—Computational image acquisition in electron microscopy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
- G06V30/293—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of characters other than Kanji, Hiragana or Katakana
Abstract
本发明提供一种字画微观纹理的图像采集装置,包括三维运动平台、显微镜和计算机,所述显微镜固定连接在所述三维运动平台上,所述显微镜、三维运动平台均与所述计算机相连接。本发明还提供了一种字画微观纹理的图像采集方法,通过该采集装置和方法可以对字画微观纹理图像中的最优特征点自动定位,并自调整到最优特征点的上方进行字画微观纹理图像的自动采集。
Description
技术领域
本发明涉及字画真伪鉴定领域,特别是涉及一种字画微观纹理的图像采集装置及其采集方法。
背景技术
防伪技术是指为了达到防伪目的而采取的措施,它在一定范围内能准确鉴别真伪,并不易被防止和复制的技术。传统的字画防伪的鉴别方式主要依赖专家对字画风格、运笔等方面的感性判断,该方式最大的缺点是主观因素影响太多,缺少客观的、可以量化的鉴别手段。然而,随着科技的进步和发展,造假技术也是日益提高,尤其是字画方面,由于印刷水平的提高,印刷品在宏观形态上足以以假乱真。因此使用现代科技技术手段进行字画真伪鉴定以及字画防伪是极为必要的。
申请号为CN103065109A的中国发明专利说明书中公开了一种基于字画微观纹理的防伪方法,利用宣纸纹理的独特性,唯一性和稳定性,实现了微观纹理图像的自动化比对。该防伪方法公开了在真品字画上选取采样点的步骤,具体是指在字画作品上选取采样点,使用光学显微镜将某个点放大100倍,采集字画微观纹理的微观纹理图像,并存入数据库。当需要鉴定时,在采样点放大100倍,并采集字画微观纹理图像,通过比对两幅图像的相似性来判断字画的真伪性。然而,不同采样点的微观纹理图像的清晰度不同并不相同,并且显微镜采集的字画微观纹理往往在印泥以及墨迹处清晰,而在宣纸空白处模糊,因此如何选取采样点显得至关重要。在上述发明中,由于显微镜放大倍数较高,人工操作会带来较大误差,稍微移动可能就导致微观纹理图像完全不同。因此亟需一种能在字画微观纹理中自动定位的采集方法和采集装置。
发明内容
鉴于以上所述现有技术的缺点,本发明要解决的第一个技术问题在于提供一种字画微观纹理的图像采集装置,该装置可以对字画微观纹理图像中的最优特征点自动定位,并自调整到最优特征点的上方进行字画微观纹理图像的自动采集。
为实现上述目的,本发明提供一种字画微观纹理的图像采集装置,包括三维运动平台、显微镜和计算机,所述显微镜固定连接在所述三维运动平台上,所述显微镜、三维运动平台均与所述计算机相连接。
优选地,所述显微镜为手持式显微镜,所述显微镜的上端连接适配镜,所述显微镜的下端为放大倍数可切换的物镜。
优选地,所述物镜包括放大倍数为1倍、10倍和200倍的三组镜头。
优选地,所述适配镜上设有图像传感器。
本发明要解决的第二个技术问题在于提供一种图像采集装置的字画微观纹理的采集方法,该方法可以对字画微观纹理图像中的最优特征点进行精准定位,并调整图像采集装置的移动位置,以最优特征点作为图像中心点来自动采集字画微观纹理图像。
为实现上述目的,本发明提供一种上述字画微观纹理的采集方法,包括如下步骤:
S1、设定显微镜的放大倍数,通过显微镜拍摄字画的第一全局图像;
S2、在三维运动平台的运动坐标系内,将显微镜在X’Y’平面内移动一个向量a=(X’1,Y’1),然后拍摄字画的第二全局图像;
S3、在计算机中,将上述第一全局图像和第二全局图像放在同一个图像坐标系中,设第一全局图像的一个轮廓点在图像坐标系中的坐标为(X1,Y1),第二全局图像的对应轮廓点在图像坐标系中的坐标为(X2,Y2),计算出第二全局图像相对于第一全局图像的偏移向量为b=(X2-X1,Y2-Y1),计算出运动坐标系与图像坐标系内的向量映射关系其中|a|为向量a的模,|b|为向量b的模;
S4、在图像坐标系中,确定第二全局图像的图像中心点坐标,设为(X4,Y4),并利用图像灰度梯度特征,采用图像处理算法,找到第二全局图像中灰度变化最明显的点,作为最优特征点,设最优特征点的坐标为(X3,Y3);
S5、三维运动平台带动显微镜在运动坐标系的X’Y’平面内移动,沿X’轴方向移动M*(X3-X4),沿Y’轴方向移动M*(Y3-Y4),此时显微镜到达最优特征点的正上方;
S6、将显微镜的放大倍数放大为原来的n倍,然后拍摄字画的第一局部图像,在图像坐标系中,确定第一局部图像的中心点坐标,设为(X5,Y5),并利用图像灰度梯度特征,采用图像处理算法,确定第一局部图像中最优特征点的坐标,设为(X6,Y6);
S7、三维运动平台带动显微镜在运动坐标系的X’Y’平面内移动,沿X’轴方向移动M*(X5-X6)/n,沿Y’轴方向移动M*(Y5-Y6)/n,此时显微镜移动到达最优特征点的正上方;
S8、进一步增大显微镜的放大倍数,然后拍摄字画的第二局部图像;
S9、利用图像灰度梯度特征,采用图像处理算法,找到第二局部图像中灰度变化最明显的点,作为最优特征点,将该最优特征点处的微观纹理图像和坐标保存到数据库中。
优选地,在步骤S1、S2中,显微镜的放大倍数为1,在步骤S6中,显微镜的放大倍数为10,在步骤S8中,显微镜的放大倍数为200。
优选地,在步骤S2中,将显微镜在X’Y’平面内移动一个向量a=(X’1,Y’1),然后连续拍摄多帧字画的第二全局图像。
优选地,步骤S4、S6、S9中,通过图像处理算法中的计算Harris角点的方法,找到字画图像中灰度变化最明显的点,作为最优特征点。
优选地,步骤S4、S6、S9中,先将字画图像通过同态滤波和直方图均衡化进行规范化处理,再找出最优特征点的坐标。
优选地,步骤S3中,所述边缘轮廓点为字画全局图像左下角的轮廓角点。
如上所述,本发明涉及的字画微观纹理的图像采集装置及采集方法,具有以下有益效果:通过该采集方法和采集装置可以对字画微观纹理图像中的最优特征点自动定位,并自调整到最优特征点的上方进行字画微观纹理图像的自动采集。
附图说明
图1为图像采集装置的结构示意图。
图2为显微镜的移动图。
图3为第二字画全局图像A2相对第一全局图像A1的偏移图。
图4为第二全局图像A2的坐标系。
图5为第一局部图像A3的坐标系。
图6为第二局部图像A4的坐标系。
元件标号说明
1 三维运动平台
2 显微镜
21 适配镜
22 物镜
3 计算机
4 载物台
A1 第一全局图像
A2 第二全局图像
A3 第一局部图像
A4 第二局部图像
B1、B2、B3 最优特征点
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
如图1所示,本发明提供一种字画微观纹理的图像采集装置,包括三维运动平台1、显微镜2和计算机3,所述显微镜2固定连接在所述三维运动平台1上,所述显微镜2、三维运动平台1均与所述计算机3相连接。所述显微镜2的下方设有载物台4,所述载物台4的上方置有待采集的字画,所述三维运动平台1可以带动显微镜2在三维空间内运动,显微镜2将拍摄的字画位置的数字信号传输到计算机3,计算机3根据字画的位置通过本发明提供的采集方法输出控制信号,显微镜2根据控制信号调整位置并采集字画的微观纹理图像。使用该装置可以对字画微观纹理图像中的最优特征点自动定位,并自调整到最优特征点的上方进行字画微观纹理图像的自动采集。字画微观纹理,包括字画材质纤维微观纹理和颜料、墨汁在材质上的附着与扩散纹理。
优选地,所述显微镜2为手持式显微镜,所述显微镜的上端连接适配镜21,所述显微镜2的下端为放大倍数可切换的物镜22。进一步地,所述物镜22包括放大倍数为1倍、10倍和200倍的三组镜头,实现不同条件下的字画图像的放大。进一步地,所述适配镜21上设有图像传感器,将光学信号转化为模拟电流信号。
本发明提供一种上述字画微观纹理的采集方法,包括如下步骤:
S1、设定显微镜2的放大倍数,通过显微镜2拍摄字画的第一全局图像A1。
S2、如图2所示,在三维运动平台1的运动坐标系内,将显微镜2在X’Y’平面内移动一个向量a=(X’1,Y’1),然后拍摄字画的第二全局图像A2。
S3、如图3所示,在计算机3中,将上述第一全局图像A1和第二全局图像A2放在同一个图像坐标系中,设第一全局图像A1的一个轮廓点在图像坐标系中的坐标为(X1,Y1),第二全局图像A2的对应轮廓点在图像坐标系中的坐标为(X2,Y2),计算出第二全局图像A2相对于第一全局图像A1的偏移向量为b=(X2-X1,Y2-Y1),计算出运动坐标系与图像坐标系内的向量映射关系其中|a|为向量a的模,|b|为向量b的模。该轮廓点为拍摄的字画图像轮廓上的任意一个计算机能够识别的轮廓点,最好选择字画全局图像A1左下角的轮廓角点。
S4、如图4所示,在图像坐标系中,确定第二全局图像A2的图像中心点坐标,设为(X4,Y4),并利用图像灰度梯度特征,采用图像处理算法,找到第二全局图像A2中灰度变化最明显的点,作为最优特征点B1,设最优特征点B1的坐标为(X3,Y3),其中图像灰度梯度特征指图像中像素点和相邻点灰度变化情况。
S5、三维运动平台1带动显微镜2在运动坐标系的X’Y’平面内移动,沿X’轴方向移动M*(X3-X4),沿Y’轴方向移动M*(Y3-Y4),此时显微镜2到达最优特征点B1的正上方。
S6、如图5所示,将显微镜2的放大倍数放大为原来的n倍,然后拍摄字画的第一局部图像A3,在图像坐标系中,确定第一局部图像A3的中心点坐标,设为(X5,Y5),并利用图像灰度梯度特征,采用图像处理算法,确定第一局部图像A3中最优特征点B2的坐标,设为(X6,Y6)。
S7、三维运动平台1带动显微镜2在运动坐标系的X’Y’平面内移动,沿X’轴方向移动M*(X5-X6)/n,沿Y’轴方向移动M*(Y5-Y6)/n,此时显微镜2移动到达最优特征点B2的正上方。
S8、如图6所示,进一步增大显微镜2的放大倍数,然后拍摄字画的第二局部图像A4。
S9、利用图像灰度梯度特征,采用图像处理算法,找到第二局部图像A4中灰度变化最明显的点,作为最优特征点B3,将该最优特征点B3处的微观纹理图像和坐标保存到数据库中。
优选地,在步骤S1、S2中,显微镜2的放大倍数为1,在步骤S6中,显微镜2的放大倍数为10,在步骤S8中,显微镜2的放大倍数为200。
优选地,在步骤S2中,将显微镜2在X’Y’平面内移动一个向量a=(X’1,Y’1),然后连续拍摄多帧字画的第二全局图像A2,将多帧字画第二全局图像A2进行对比,以便在步骤S3中计算映射关系M时可以减少误差。
优选地,步骤S4、S6、S9中,由于拍摄的环境不同,光的强度有区别,拍摄出的字画受到的影响较大,因此可以将拍摄完的字画图像通过同态滤波和直方图均衡化进行规范化处理,消除环境因素带来的影响,再找出最优特征点的坐标。
优选地,步骤S4、S6、S9中,通过图像处理算法中的计算Harris角点的方法,找到字画图像中灰度变化最明显的点,作为最优特征点,其中角点采用如下方式确定,假设在像素点邻域内任意方向上移动块区域,若强度发生了剧烈变化,则变化处的像素点为角点。
以下提供一种Harris角点的检测步骤:
图像在水平和垂直方向上的梯度Ix,Iy和梯度乘积Ixy,则每个像素点计算出矩阵:
(2)对图像做高斯滤波平滑,得到新的矩阵,其中wu,v表示均值为0的二维高斯函数
(3)计算原图像每个像素点对应的响应函数CRF,其中0.04是一般人为设定参数
在实际中当CRF大于给定阈值时,该像素点为角点,,即认为该点图像信息最丰富,本发明
使用该方法可以选择CRF最大的像素点为最优特征点。
使用本方法采集字画微观纹理图像时,可以对字画微观纹理图像中的最优特征点进行精准定位,并调整图像采集装置的移动位置,以最优特征点作为图像中心点来自动采集字画微观纹理图像。
以显微镜2的放大倍数为1倍、10倍和200倍为例,通过以下实施例进一步描述本发明的使用方法:
S1、设定显微镜2的放大倍数为1倍,通过显微镜2拍摄字画的第一全局图像A1。
S2、在三维运动平台1的运动坐标系内,将显微镜2在X’Y’平面内移动一个向量a=(X’1,Y’1),然后拍摄字画的第二全局图像A2。
S3、在计算机3中,将上述第一全局图像A1和第二全局图像A2放在同一个图像坐标系中,设第一全局图像A1的一个轮廓角点在图像坐标系中的坐标为(X1,Y1),第二全局图像A2的对应轮廓角点在图像坐标系中的坐标为(X2,Y2),计算出第二全局图像A2相对于第一全局图像A1的偏移向量为b=(X2-X1,Y2-Y1),计算出运动坐标系与图像坐标系内的向量映射关系其中|a|为向量a的模,|b|为向量b的模。
S4、在图像坐标系中,确定第二全局图像A2的图像中心点坐标,设为(X4,Y4),并利用图像灰度梯度特征,计算Harris角点,找到第二全局图像A2中灰度变化最明显的点,作为最优特征点B1,设最优特征点B1的坐标为(X3,Y3)。
S5、三维运动平台1带动显微镜2在运动坐标系的X’Y’平面内移动,沿X’轴方向移动M*(X3-X4),沿Y’轴方向移动M*(Y3-Y4),此时显微镜2到达最优特征点B1的正上方。
S6、将显微镜2的放大倍数调整为10倍,然后拍摄字画的第一局部图像A3,在图像坐标系中,确定第一局部图像A3的中心点坐标,设为(X5,Y5),并利用图像灰度梯度特征,计算Harris角点,确定第一局部图像A3中最优特征点B2的坐标,设为(X6,Y6)。
S7、三维运动平台1带动显微镜2在运动坐标系的X’Y’平面内移动,沿X’轴方向移动M*(X5-X6)/n,沿Y’轴方向移动M*(Y5-Y6)/n,此时显微镜2移动到达最优特征点B2的正上方。
S8、将显微镜2的放大倍数调整为200倍,然后拍摄字画的第二局部图像A4。
S9、利用图像灰度梯度特征,计算Harris角点,找到第二局部图像A4中灰度变化最明显的点,作为最优特征点B3,将该最优特征点B3处的微观纹理图像和坐标保存到数据库中。
综上所述,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (6)
1.一种字画微观纹理的采集方法,利用图像采集装置,所述图像采集装置包括三维运动平台(1)、显微镜(2)和计算机(3),所述显微镜(2)固定连接在所述三维运动平台(1)上,所述显微镜(2)、三维运动平台(1)均与所述计算机(3)相连接,所述显微镜(2)的下方设有载物台(4),其特征在于,包括如下步骤:
S1、设定显微镜(2)的放大倍数,通过显微镜(2)拍摄字画的第一全局图像(A1);
S2、在三维运动平台(1)的运动坐标系内,将显微镜(2)在X’Y’平面内移动一个向量a=(X’1,Y’1),然后拍摄字画的第二全局图像(A2);
S3、在计算机(3)中,将上述第一全局图像(A1)和第二全局图像(A2)放在同一个图像坐标系中,设第一全局图像(A1)的一个轮廓点在图像坐标系中的坐标为(X1,Y1),第二全局图像(A2)的对应轮廓点在图像坐标系中的坐标为(X2,Y2),计算出第二全局图像(A2)相对于第一全局图像(A1)的偏移向量为b=(X2-X1,Y2-Y1),计算出运动坐标系与图像坐标系内的向量映射关系其中|a|为向量a的模,|b|为向量b的模;
S4、在图像坐标系中,确定第二全局图像(A2)的图像中心点坐标,设为(X4,Y4),并利用图像灰度梯度特征,采用图像处理算法,找到第二全局图像(A2)中灰度变化最明显的点,作为最优特征点(B1),设最优特征点(B1)的坐标为(X3,Y3);
S5、三维运动平台(1)带动显微镜(2)在运动坐标系的X’Y’平面内移动,沿X’轴方向移动M*(X3-X4),沿Y’轴方向移动M*(Y3-Y4),此时显微镜(2)到达最优特征点(B1)的正上方;
S6、将显微镜(2)的放大倍数放大为原来的n倍,然后拍摄字画的第一局部图像(A3),在图像坐标系中,确定第一局部图像(A3)的中心点坐标,设为(X5,Y5),并利用图像灰度梯度特征,采用图像处理算法,确定第一局部图像(A3)中最优特征点(B2)的坐标,设为(X6,Y6);
S7、三维运动平台(1)带动显微镜(2)在运动坐标系的X’Y’平面内移动,沿X’轴方向移动M*(X5-X6)/n,沿Y’轴方向移动M*(Y5-Y6)/n,此时显微镜(2)移动到达最优特征点(B2)的正上方;
S8、进一步增大显微镜(2)的放大倍数,然后拍摄字画的第二局部图像(A4);
S9、利用图像灰度梯度特征,采用图像处理算法,找到第二局部图像(A4)中灰度变化最明显的点,作为最优特征点(B3),将该最优特征点(B3)处的微观纹理图像和坐标保存到数据库中。
2.根据权利要求1所述的字画微观纹理的采集方法,其特征在于:在步骤S1、S2中,显微镜(2)的放大倍数为1,在步骤S6中,显微镜(2)的放大倍数为10,在步骤S8中,显微镜(2)的放大倍数为200。
3.根据权利要求1所述的字画微观纹理的采集方法,其特征在于:在步骤S2中,将显微镜(2)在X’Y’平面内移动一个向量a=(X’1,Y’1),然后连续拍摄多帧字画的第二全局图像(A2)。
4.根据权利要求1所述的字画微观纹理的采集方法,其特征在于:步骤S4、S6、S9中,通过图像处理算法中的计算Harris角点的方法,找到字画图像中灰度变化最明显的点,作为最优特征点。
5.根据权利要求1所述的字画微观纹理的采集方法,其特征在于:步骤S4、S6、S9中,先将字画图像通过同态滤波和直方图均衡化进行规范化处理,再找出最优特征点的坐标。
6.根据权利要求1所述的字画微观纹理的采集方法,其特征在于:步骤S3中,所述轮廓点为字画全局图像(A1)左下角的轮廓角点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510296460.8A CN104866837B (zh) | 2015-06-02 | 2015-06-02 | 字画微观纹理的图像采集装置及其采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510296460.8A CN104866837B (zh) | 2015-06-02 | 2015-06-02 | 字画微观纹理的图像采集装置及其采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104866837A CN104866837A (zh) | 2015-08-26 |
CN104866837B true CN104866837B (zh) | 2018-08-10 |
Family
ID=53912658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510296460.8A Expired - Fee Related CN104866837B (zh) | 2015-06-02 | 2015-06-02 | 字画微观纹理的图像采集装置及其采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104866837B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709485B (zh) * | 2015-11-13 | 2020-11-20 | 尹毅 | 一种取证方法及取证验证仪 |
CH717251A2 (de) * | 2020-03-23 | 2021-09-30 | 4Art Holding Ag | Verfahren zur Beurteilung von Kontrasten von Oberflächen. |
CN112505083B (zh) * | 2020-11-20 | 2023-01-31 | 北京工业大学 | 扫描电镜内原位蠕变与疲劳测试点追踪定位方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2723225Y (zh) * | 2004-08-18 | 2005-09-07 | 吕进 | 电脑数控书法学习机的机体 |
CN1920856A (zh) * | 2006-09-14 | 2007-02-28 | 浙江大学 | 一种计算机辅助书法作品真伪鉴别方法 |
CN1996347A (zh) * | 2006-09-14 | 2007-07-11 | 浙江大学 | 一种基于书法图像的可视化重现方法 |
CN103065109A (zh) * | 2012-12-12 | 2013-04-24 | 上海新世界旅游纪念品有限公司 | 基于字画微观纹理的防伪方法及系统 |
CN104134150A (zh) * | 2014-07-30 | 2014-11-05 | 刘思岩 | 一种计算机辅助的宣纸中国画和书法真伪鉴别方法 |
CN204719773U (zh) * | 2015-06-02 | 2015-10-21 | 上海交通大学 | 字画微观纹理的图像采集装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110091081A1 (en) * | 2009-10-16 | 2011-04-21 | General Electric Company | Method and system for analyzing the expression of biomarkers in cells in situ in their tissue of origin |
US8462981B2 (en) * | 2010-04-07 | 2013-06-11 | Cambridge Research & Instrumentation, Inc. | Spectral unmixing for visualization of samples |
-
2015
- 2015-06-02 CN CN201510296460.8A patent/CN104866837B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2723225Y (zh) * | 2004-08-18 | 2005-09-07 | 吕进 | 电脑数控书法学习机的机体 |
CN1920856A (zh) * | 2006-09-14 | 2007-02-28 | 浙江大学 | 一种计算机辅助书法作品真伪鉴别方法 |
CN1996347A (zh) * | 2006-09-14 | 2007-07-11 | 浙江大学 | 一种基于书法图像的可视化重现方法 |
CN103065109A (zh) * | 2012-12-12 | 2013-04-24 | 上海新世界旅游纪念品有限公司 | 基于字画微观纹理的防伪方法及系统 |
CN104134150A (zh) * | 2014-07-30 | 2014-11-05 | 刘思岩 | 一种计算机辅助的宣纸中国画和书法真伪鉴别方法 |
CN204719773U (zh) * | 2015-06-02 | 2015-10-21 | 上海交通大学 | 字画微观纹理的图像采集装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104866837A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109782414B (zh) | 一种基于无参考结构清晰度的自动调焦方法 | |
CN101441320A (zh) | 一种基于显微成像检测的高动态图像获取装置及其方法 | |
CN107358627B (zh) | 基于Kinect相机的果实尺寸检测方法 | |
CN102304472A (zh) | 一种快速检测痰涂片结核菌的装置与方法 | |
CN104112269A (zh) | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及系统 | |
CN113592911B (zh) | 表观增强深度目标跟踪方法 | |
CN107369176B (zh) | 一种柔性ic基板氧化面积检测系统及方法 | |
CN104866837B (zh) | 字画微观纹理的图像采集装置及其采集方法 | |
CN111260788A (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
CN103293168B (zh) | 基于视觉显著性的水果表面缺陷检测方法 | |
CN109711268A (zh) | 一种人脸图像筛选方法及设备 | |
CN104200457A (zh) | 基于广角摄像的离散型冠层叶面积指数检测系统和方法 | |
CN109242787A (zh) | 一种中小学艺术测评中绘画录入方法 | |
CN110514665A (zh) | 一种电子产品塑料外壳划痕缺陷的检测方法 | |
CN109341524A (zh) | 一种基于机器视觉的光纤几何参数检测方法 | |
CN109916914A (zh) | 一种产品缺陷检测方法及装置 | |
CN110363196B (zh) | 一种倾斜文本的文字精准识别的方法 | |
CN112381751A (zh) | 一种基于图像处理算法的在线智能检测系统及方法 | |
CN105825204A (zh) | 一种智能相机夜间识别电力设备表计的方法 | |
CN105758337B (zh) | 一种获取透镜平面与图像传感器平面之间夹角的方法 | |
CN103578121B (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 | |
CN204719773U (zh) | 字画微观纹理的图像采集装置 | |
CN110501339B (zh) | 一种复杂环境下的布面定位方法 | |
CN101729739A (zh) | 一种图像纠偏处理方法 | |
CN109308707A (zh) | 铝锭厚度非接触式在线测量方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180810 |