CN105427320A - 一种图像分割提取方法 - Google Patents
一种图像分割提取方法 Download PDFInfo
- Publication number
- CN105427320A CN105427320A CN201510862877.6A CN201510862877A CN105427320A CN 105427320 A CN105427320 A CN 105427320A CN 201510862877 A CN201510862877 A CN 201510862877A CN 105427320 A CN105427320 A CN 105427320A
- Authority
- CN
- China
- Prior art keywords
- label
- image
- point
- connected region
- value
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种图像分割提取方法,其解决了现有技术对证件图像信息采集时效率低、效果差的技术问题,其包括以下步骤:主控模块获取彩色图像后,将彩色图像转为灰度图像;对灰度图像进行阈值过滤,换为二值图像;对二值图像计算连通区域;获取连通区域的边缘点集合;搜索连通区域角点;根据角点,判断连通区域的长边和短边,将连通区域的图像截取出来。本发明广泛用于模式识别、图像处理技术领域。
Description
技术领域
本发明涉及模式识别、图像处理技术领域,尤其是涉及一种图像分割提取方法。
背景技术
在现有的证件图像信息采集装置中,当对证件拍照时,存在以下问题,一是当证件放置于识别区域内,再通过人工手动通过点击鼠标或触摸屏等操作命令按钮,控制拍照过程的进行,此类的执行流程效率很低,操作不方便;二是对于拍照获得的图像不支持自适应裁剪或者裁剪的速度慢,效果不好。
发明内容
本发明就是为了解决现有技术对证件图像信息采集时效率低、效果差的技术问题,提供了效率高、效果好的一种图像分割提取方法。
本发明提供的图像分割提取方法,包括如下步骤:
步骤1,主控模块获取彩色图像后,将彩色图像转为灰度图像;
步骤2,对灰度图像进行阈值过滤,转换为二值图像;
步骤3,对二值图像计算连通区域;
步骤4,获取连通区域的边缘点集合;
步骤5,搜索连通区域角点;
步骤6,根据角点,判断连通区域的长边和短边,将连通区域的图像截取出来。
优选地,步骤1中彩色图像转为灰度图像的转换算法为:
I(x,y)=a·R(x,y)+b·G(x,y)+c·B(x,y)
其中R(x,y),G(x,y),B(x,y)分别为像素(x,y)处的R,G,B值,I(x,y)为转换后的灰度值;a,b,c的值分别为0.2125,0.7154,0.0721。
优选地,步骤2中,阈值过滤算法采用Ostu算法,步骤如下:
(1)计算每个灰度值在整个图像的数量ni,i取值从0~255;
(2)计算每个灰度值出现在图像中的概率pi,M是图像总体像素个数;
(3)设分割阈值为t,将灰度分为两类,每一类出现的概率为 和 每一类的平均灰度为 与 其中从1到M循环递增t,计算类间方差 当最大时,对应的t即为所求的最佳分割或二值化的阈值。
优选地,步骤3中,计算连通区域的标记采用两遍扫描算法,其步骤如下:
(1)第一次扫描:
访问当前像素I(x,y),如果I(x,y)==1:
1)如果I(x,y)的领域中像素值都为0,则赋予I(x,y)一个新的label:
label+=1,I(x,y)=label;
2)如果I(x,y)的领域中有像素值>1的像素Neighbors:
a、将Neighbors中的最小值赋予给I(x,y):
I(x,y)=min{Neighbors};
b、记录Neighbors中各个值(label)之间的相等关系,即这些值(label)同属同一个连通区域;
labelSet[i]={label_m,..,label_n},labelSet[i]中的所有label都属于同一个连通区域;
(2)第二次扫描:
访问当前像素I(x,y),如果I(x,y)>1:
找到与label=I(x,y)同属相等关系的一个最小label值,赋予给I(x,y);
完成扫描后,图像中具有相同label值的像素就组成了同一个连通区域。
优选地,步骤3中,计算连通区域的标记采用种子填充算法,其步骤如下:
(1)扫描图像,直到当前像素点I(x,y)==1:
1)将I(x,y)作为种子,并赋予其一个label,然后将该种子相邻的所有前景像素都压入栈中;
2)弹出栈顶像素,赋予其相同的label,然后再将与该栈顶像素相邻的所有前景像素都压入栈中;
3)重复步骤2),直到栈为空;
此时,便找到了图像I中的一个连通区域,该区域内的像素值被标记为label;
(2)重复第(1)步,直到扫描结束,扫描结束后,就可以得到图像I中所有的连通区域。
优选地,步骤4中,定义边缘点集合E,指定需要扫描的连通区域的label;
(1)逐行扫描图像,直至所有的行被扫描一遍:
1)自左向右扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,将I(x,y)点加入集合E中,停止扫描;
2)自右向左扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
(2)逐列扫描图像,直至所有的列被扫描一遍:
1)自上向下扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
2)自下向上扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
扫描结束后,就可以得到图像I中所有的连通区域的边缘点集合。
优选地,步骤5中搜索连通区域角点的过程如下:
(1)指定需要搜索角点的连通区域R的label,计算R的boundingbox;
(2)如果boundingbox的宽高小于用户指定值,则跳过R,对下一个区域进行搜索;
(3)计算R的boundingbox的中心点O;
(4)扫描R的边缘点,找到离点O最远的点A;扫描R的边缘点,找到离点A最远的点C;扫描R的边缘点,计算离直线AC最远的点B和点D;
(5)返回A、B、C、D四个角点。
本发明的有益效果是:(1)易用性好,用户只需要将证件放置于证件承载区,采集软件会自动提取证件区域图像并进行识别。本发明优化图像分割提取算法,在证件承载区域范围内,可对证件照片进行任意位置分割提取。(2)图像分割提取精准,可以精确提取证件图像区域,节省系统存储空间。
本发明进一步的特征,将在以下具体实施方式的描述中,得以清楚地记载。
附图说明
图1是本发明的结构示意图。
10.主控模块;20.摄像头;30.补光模块;40.显示屏;50.红外感应模块;51.控制单元;52.红外发射单元;53.红外接收单元。
具体实施方式
以下参照附图,以具体实施例对本发明作进一步详细说明。
如图1所示,证件图像采集装置包括主控模块10、摄像头20、补光模块30、显示屏40和红外感应模块50,摄像头20与主控模块10连接,补光模块30与主控模块10连接,显示屏40与主控模块10连接,红外感应模块50与主控模块10连接。
红外感应模块50包括控制单元51、红外发射单元52、红外接收单元53,红外发射单元52与控制单元51连接,红外接收单元53与控制单元51连接,控制单元51与主控模块10连接。
主控模块10为工业级控制主板或计算机,运行证件识别软件,外接带有USB通信接口和GPIO等接口,显示屏40与GPIO接口连接,摄像头20、补光模块30和红外感应模块50均与USB通信接口连接。
红外感应模块50为反射型红外器件,红外发射单元52用于向外发出红外光,当红外光遇到物体,可反射回来,被红外接收单元53获取,根据是否接收到红外光,红外感应模块50输出不同的高或低电平。
摄像头20用于对证件拍照,将采集到的图像信息传送给主控模块10。补光模块30设有LED元件、开关控制芯片及外围电路,其中开关控制芯片的使能管脚受主控模块10的IO口控制,以实现LED元件的亮灭。当主控模块10的IO口置高时,开关控制芯片工作,LED元件获得电流点亮,当主控模块10的IO口置低时,开关控制芯片不工作,LED元件无法点亮。
显示屏40为触摸显示屏,提供触摸功能,用于显示系统和软件界面,以实现对系统和软件的操作。
此外,各组成部分由电源模块提供电源。
上述装置安装在为证件拍照识别的物理载体的拍照腔体内。拍照腔体向上的开口处安装透明玻璃,被配置为证件放置区域和识读区域。红外感应模块50、摄像头20安装于拍照腔体的底部,均向上照射,当拍照腔体顶部的透明玻璃处放置证件时,红外感应模块50向上发射的红外光被明显反射回去,红外感应模块50接收到反射回的红外光后,输出电平,该电平传递至主控模块10,主控模块10控制补光模块30开启,摄像头20进行拍照,所拍照片传至主控模块10。相反地,若拍照腔体顶部的透明玻璃处未放置证件,红外感应模块50中接收不到反射回的红外光,主控模块10根据红外感应模块50传递的电平进行判断,不开启摄像头20和补光模块30。
主控模块10接收到摄像头20传送的彩色图像后,对彩色图像进行处理的过程如下:
步骤1,将彩色图像转为灰度图像,转换算法为:
I(x,y)=a·R(x,y)+b·G(x,y)+c·B(x,y)
其中R(x,y),G(x,y),B(x,y)分别为像素(x,y)处的R,G,B值,I(x,y)为转换后的灰度值;a,b,c的值分别为0.2125,0.7154,0.0721。
步骤2,对灰度图像进行阈值过滤,转换为二值图像。阈值过滤算法采用Ostu算法,步骤如下:
(1)计算每个灰度值在整个图像的数量ni,i取值从0~255。
(2)计算每个灰度值出现在图像中的概率pi,M是图像总体像素个数。
(3)设分割阈值为t,将灰度分为两类。每一类出现的概率为 和 每一类的平均灰度为 与 其中从1到M循环递增t,计算类间方差 当最大时,对应的t即为所求的最佳分割或二值化的阈值。
步骤3,对二值图像计算连通区域。连通区域的标记可以采用两遍扫描算法或种子填充算法。
两遍扫描算法的步骤如下:
(1)第一次扫描:
访问当前像素I(x,y),如果I(x,y)==1:
1)如果I(x,y)的领域中像素值都为0,则赋予I(x,y)一个新的label:
label+=1,I(x,y)=label;
2)如果I(x,y)的领域中有像素值>1的像素Neighbors:
a、将Neighbors中的最小值赋予给I(x,y):
I(x,y)=min{Neighbors};
b、记录Neighbors中各个值(label)之间的相等关系,即这些值(label)同属同一个连通区域;
labelSet[i]={label_m,..,label_n},labelSet[i]中的所有label都属于同一个连通区域。
(2)第二次扫描:
访问当前像素I(x,y),如果I(x,y)>1:
找到与label=I(x,y)同属相等关系的一个最小label值,赋予给I(x,y);
完成扫描后,图像中具有相同label值的像素就组成了同一个连通区域。
种子填充算法的描述如下:
(1)扫描图像,直到当前像素点I(x,y)==1:
1)将I(x,y)作为种子,并赋予其一个label,然后将该种子相邻的所有前景像素都压入栈中;
2)弹出栈顶像素,赋予其相同的label,然后再将与该栈顶像素相邻的所有前景像素都压入栈中;
3)重复步骤2),直到栈为空;
此时,便找到了图像I中的一个连通区域,该区域内的像素值被标记为label;
(2)重复第(1)步,直到扫描结束,扫描结束后,就可以得到图像I中所有的连通区域。
步骤4,获取连通区域的边缘点集合。定义边缘点集合E,指定需要扫描的连通区域的label。
(1)逐行扫描图像,直至所有的行被扫描一遍。
1)自左向右扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,将I(x,y)点加入集合E中,停止扫描;
2)自右向左扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
(2)逐列扫描图像,直至所有的列被扫描一遍。
1)自上向下扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
2)自下向上扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
扫描结束后,就可以得到图像I中所有的连通区域的边缘点集合。
步骤5,搜索连通区域角点。
(1)指定需要搜索角点的连通区域R的label,计算R的boundingbox;
(2)如果boundingbox的宽高小于用户指定值,则跳过R,对下一个区域进行搜索;
(3)计算R的boundingbox的中心点O;
(4)扫描R的边缘点,找到离点O最远的点A;扫描R的边缘点,找到离点A最远的点C;扫描R的边缘点,计算离直线AC最远的点B和点D;
(5)返回A、B、C、D四个角点。
步骤6,根据ABCD四个角点,判断连通区域的长边和短边;将连通区域的图像截取出来,然后对图像进行旋转,使得长边沿水平方向、短边沿竖直方向,显示在触控显示屏上。
步骤7,用户根据实际情况,可以对图像进行旋转。
以上所述仅对本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡是在本发明的权利要求限定范围内,所做的任何修改、等同替换、改进等,均应在本发明的保护范围之内。
Claims (7)
1.一种图像分割提取方法,其特征在于,包括如下步骤:
步骤1,主控模块获取彩色图像后,将彩色图像转为灰度图像;
步骤2,对灰度图像进行阈值过滤,转换为二值图像;
步骤3,对二值图像计算连通区域;
步骤4,获取连通区域的边缘点集合;
步骤5,搜索连通区域角点;
步骤6,根据角点,判断连通区域的长边和短边,将连通区域的图像截取出来。
2.根据权利要求1所述的图像分割提取方法,其特征在于,所述步骤1中彩色图像转为灰度图像的转换算法为:
I(x,y)=a·R(x,y)+b·G(x,y)+c·B(x,y)
其中R(x,y),G(x,y),B(x,y)分别为像素(x,y)处的R,G,B值,I(x,y)为转换后的灰度值;a,b,c的值分别为0.2125,0.7154,0.0721。
3.根据权利要求2所述的图像分割提取方法,其特征在于,所述步骤2中,阈值过滤算法采用Ostu算法,步骤如下:
(1)计算每个灰度值在整个图像的数量ni,i取值从0~255;
(2)计算每个灰度值出现在图像中的概率pi,M是图像总体像素个数;
(3)设分割阈值为t,将灰度分为两类,每一类出现的概率为和每一类的平均灰度为与其中从1到M循环递增t,计算类间方差 当最大时,对应的t即为所求的最佳分割或二值化的阈值。
4.根据权利要求3所述的图像分割提取方法,其特征在于,所述步骤3中,计算连通区域的标记采用两遍扫描算法,其步骤如下:
(1)第一次扫描:
访问当前像素I(x,y),如果I(x,y)==1:
1)如果I(x,y)的领域中像素值都为0,则赋予I(x,y)一个新的label:
label+=1,I(x,y)=label;
2)如果I(x,y)的领域中有像素值>1的像素Neighbors:
a、将Neighbors中的最小值赋予给I(x,y):
I(x,y)=min{Neighbors};
b、记录Neighbors中各个值(label)之间的相等关系,即这些值(label)同属同一个连通区域;
labelSet[i]={label_m,..,label_n},labelSet[i]中的所有label都属于同一个连通区域;
(2)第二次扫描:
访问当前像素I(x,y),如果I(x,y)>1:
找到与label=I(x,y)同属相等关系的一个最小label值,赋予给I(x,y);
完成扫描后,图像中具有相同label值的像素就组成了同一个连通区域。
5.根据权利要求3所述的图像分割提取方法,其特征在于,所述步骤3中,计算连通区域的标记采用种子填充算法,其步骤如下:
(1)扫描图像,直到当前像素点I(x,y)==1:
1)将I(x,y)作为种子,并赋予其一个label,然后将该种子相邻的所有前景像素都压入栈中;
2)弹出栈顶像素,赋予其相同的label,然后再将与该栈顶像素相邻的所有前景像素都压入栈中;
3)重复步骤2),直到栈为空;
此时,便找到了图像I中的一个连通区域,该区域内的像素值被标记为label;
(2)重复第(1)步,直到扫描结束,扫描结束后,就可以得到图像I中所有的连通区域。
6.根据权利要求4或5所述的图像分割提取方法,其特征在于,所述步骤4中,定义边缘点集合E,指定需要扫描的连通区域的label;
(1)逐行扫描图像,直至所有的行被扫描一遍:
1)自左向右扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,将I(x,y)点加入集合E中,停止扫描;
2)自右向左扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
(2)逐列扫描图像,直至所有的列被扫描一遍:
1)自上向下扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
2)自下向上扫描图像,如果当前像素I(x,y)的label与当前连通区域的label一致,停止扫描;如果集合E中不包含I(x,y)点,将I(x,y)点加入集合E中;
扫描结束后,就可以得到图像I中所有的连通区域的边缘点集合。
7.根据权利要求6所述的图像分割提取方法,其特征在于,所述步骤5中搜索连通区域角点的过程如下:
(1)指定需要搜索角点的连通区域R的label,计算R的boundingbox;
(2)如果boundingbox的宽高小于用户指定值,则跳过R,对下一个区域进行搜索;
(3)计算R的boundingbox的中心点O;
(4)扫描R的边缘点,找到离点O最远的点A;扫描R的边缘点,找到离点A最远的点C;扫描R的边缘点,计算离直线AC最远的点B和点D;
(5)返回A、B、C、D四个角点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510862877.6A CN105427320B (zh) | 2015-11-30 | 2015-11-30 | 一种图像分割提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510862877.6A CN105427320B (zh) | 2015-11-30 | 2015-11-30 | 一种图像分割提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105427320A true CN105427320A (zh) | 2016-03-23 |
CN105427320B CN105427320B (zh) | 2018-07-06 |
Family
ID=55505500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510862877.6A Active CN105427320B (zh) | 2015-11-30 | 2015-11-30 | 一种图像分割提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105427320B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097368A (zh) * | 2016-06-22 | 2016-11-09 | 国家林业局北京林业机械研究所 | 一种单板裂缝的识别方法 |
CN106355181A (zh) * | 2016-08-22 | 2017-01-25 | 安凯 | 一种二值图像连通区域边缘的确定方法 |
CN106355548A (zh) * | 2016-08-24 | 2017-01-25 | 神思电子技术股份有限公司 | 一种二代身份证照片剪裁变换方法 |
CN106875408A (zh) * | 2017-02-27 | 2017-06-20 | 网易(杭州)网络有限公司 | 用于截图的方法、装置及终端设备 |
CN109741408A (zh) * | 2018-11-23 | 2019-05-10 | 成都品果科技有限公司 | 一种图像及视频漫画效果实时渲染方法 |
CN110930449A (zh) * | 2019-11-27 | 2020-03-27 | 上海眼控科技股份有限公司 | 预测结果的评估方法、装置、计算机设备和存储介质 |
CN111060076A (zh) * | 2019-12-12 | 2020-04-24 | 南京航空航天大学 | 一种面向机场飞行区无人机巡检路径规划和异物探测方法 |
CN113344959A (zh) * | 2021-08-06 | 2021-09-03 | 山东捷瑞数字科技股份有限公司 | 余料的分析处理方法、装置及物料输送系统 |
CN113450373A (zh) * | 2020-08-18 | 2021-09-28 | 中国人民解放军63729部队 | 一种基于光学实况图像的运载火箭飞行过程特征事件实时判别方法 |
CN113640445A (zh) * | 2021-08-11 | 2021-11-12 | 贵州中烟工业有限责任公司 | 基于图像处理的特征峰识别方法及计算设备、存储介质 |
CN113822839A (zh) * | 2020-06-18 | 2021-12-21 | 飞依诺科技(苏州)有限公司 | 医学图像的处理方法、装置、计算机设备和存储介质 |
CN113963543A (zh) * | 2021-11-03 | 2022-01-21 | 中国矿业大学 | 一种用于危险品运输罐车的道路危险识别的方法和系统 |
CN113640445B (zh) * | 2021-08-11 | 2024-06-11 | 贵州中烟工业有限责任公司 | 基于图像处理的特征峰识别方法及计算设备、存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757428B1 (en) * | 1999-08-17 | 2004-06-29 | National Instruments Corporation | System and method for color characterization with applications in color measurement and color matching |
CN101458814A (zh) * | 2007-12-13 | 2009-06-17 | 东软集团股份有限公司 | 一种用于从图像中分割对象感兴趣区域的方法和装置 |
CN101667287A (zh) * | 2008-09-02 | 2010-03-10 | 新奥特(北京)视频技术有限公司 | 一种标志图像中标志最外边框角点检测方法 |
-
2015
- 2015-11-30 CN CN201510862877.6A patent/CN105427320B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6757428B1 (en) * | 1999-08-17 | 2004-06-29 | National Instruments Corporation | System and method for color characterization with applications in color measurement and color matching |
CN101458814A (zh) * | 2007-12-13 | 2009-06-17 | 东软集团股份有限公司 | 一种用于从图像中分割对象感兴趣区域的方法和装置 |
CN101667287A (zh) * | 2008-09-02 | 2010-03-10 | 新奥特(北京)视频技术有限公司 | 一种标志图像中标志最外边框角点检测方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097368A (zh) * | 2016-06-22 | 2016-11-09 | 国家林业局北京林业机械研究所 | 一种单板裂缝的识别方法 |
CN106097368B (zh) * | 2016-06-22 | 2019-05-31 | 国家林业局北京林业机械研究所 | 一种单板裂缝的识别方法 |
CN106355181A (zh) * | 2016-08-22 | 2017-01-25 | 安凯 | 一种二值图像连通区域边缘的确定方法 |
CN106355181B (zh) * | 2016-08-22 | 2019-07-05 | 安凯 | 一种二值图像连通区域边缘的确定方法 |
CN106355548A (zh) * | 2016-08-24 | 2017-01-25 | 神思电子技术股份有限公司 | 一种二代身份证照片剪裁变换方法 |
CN106355548B (zh) * | 2016-08-24 | 2019-05-17 | 神思电子技术股份有限公司 | 一种二代身份证照片剪裁变换方法 |
CN106875408A (zh) * | 2017-02-27 | 2017-06-20 | 网易(杭州)网络有限公司 | 用于截图的方法、装置及终端设备 |
CN109741408A (zh) * | 2018-11-23 | 2019-05-10 | 成都品果科技有限公司 | 一种图像及视频漫画效果实时渲染方法 |
CN110930449A (zh) * | 2019-11-27 | 2020-03-27 | 上海眼控科技股份有限公司 | 预测结果的评估方法、装置、计算机设备和存储介质 |
CN111060076A (zh) * | 2019-12-12 | 2020-04-24 | 南京航空航天大学 | 一种面向机场飞行区无人机巡检路径规划和异物探测方法 |
CN113822839A (zh) * | 2020-06-18 | 2021-12-21 | 飞依诺科技(苏州)有限公司 | 医学图像的处理方法、装置、计算机设备和存储介质 |
CN113822839B (zh) * | 2020-06-18 | 2024-01-23 | 飞依诺科技股份有限公司 | 医学图像的处理方法、装置、计算机设备和存储介质 |
CN113450373A (zh) * | 2020-08-18 | 2021-09-28 | 中国人民解放军63729部队 | 一种基于光学实况图像的运载火箭飞行过程特征事件实时判别方法 |
CN113344959A (zh) * | 2021-08-06 | 2021-09-03 | 山东捷瑞数字科技股份有限公司 | 余料的分析处理方法、装置及物料输送系统 |
CN113344959B (zh) * | 2021-08-06 | 2021-11-09 | 山东捷瑞数字科技股份有限公司 | 余料的分析处理方法、装置及物料输送系统 |
CN113640445A (zh) * | 2021-08-11 | 2021-11-12 | 贵州中烟工业有限责任公司 | 基于图像处理的特征峰识别方法及计算设备、存储介质 |
CN113640445B (zh) * | 2021-08-11 | 2024-06-11 | 贵州中烟工业有限责任公司 | 基于图像处理的特征峰识别方法及计算设备、存储介质 |
CN113963543A (zh) * | 2021-11-03 | 2022-01-21 | 中国矿业大学 | 一种用于危险品运输罐车的道路危险识别的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105427320B (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105427320A (zh) | 一种图像分割提取方法 | |
CN101510258B (zh) | 一种证件验证方法、系统及一种证件验证终端 | |
CN102682267B (zh) | 一种针对数字图像的一维和二维码图形快速定位和提取方法 | |
US9396404B2 (en) | Robust industrial optical character recognition | |
CN102708383B (zh) | 一种多模态比对功能的活体人脸检测系统与方法 | |
CN102930265B (zh) | 一种多身份证扫描方法及装置 | |
CN101916364B (zh) | 自适应的表盘数字识别方法 | |
CN106203415B (zh) | 一种基于数字图像处理的银行卡号自动识别装置 | |
CN107492091A (zh) | 基于机器视觉的标签外观检测方法及终端设备 | |
Torabi et al. | Local self-similarity-based registration of human ROIs in pairs of stereo thermal-visible videos | |
CN108982512A (zh) | 一种基于机器视觉的电路板检测系统及其方法 | |
CN104360501A (zh) | 一种液晶屏幕缺陷视觉检测方法及装置 | |
CN101751572A (zh) | 一种图案检测方法、装置、设备及系统 | |
CN105046808B (zh) | 一种纸币多光谱高分辨率图像采集系统及采集方法 | |
CN109409368A (zh) | 矿用皮带纵撕检测装置及检测方法 | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
KR101246120B1 (ko) | 전후면 번호판 영상 기반 차량번호 인식 시스템 | |
CN103077367A (zh) | 标签检测系统、装置及其检测标签的方法 | |
CN107122775A (zh) | 一种基于特征匹配的安卓手机身份证字符识别方法 | |
CN109919038A (zh) | 基于机器视觉与深度学习的配电柜方形压板状态识别方法 | |
KR20150108118A (ko) | 영상 인식 기반 계량기 원격 검침 시스템 | |
Jin et al. | A Smart Water Metering System Based on Image Recognition and Narrowband Internet of Things. | |
CN103886319A (zh) | 一种基于机器视觉的举牌智能识别方法 | |
CN105809157A (zh) | 答题卡建模方法和装置 |
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 | ||
GR01 | Patent grant |