CN106023169A - 一种基于图像匹配的制衣裁片对横条的方法 - Google Patents
一种基于图像匹配的制衣裁片对横条的方法 Download PDFInfo
- Publication number
- CN106023169A CN106023169A CN201610317758.7A CN201610317758A CN106023169A CN 106023169 A CN106023169 A CN 106023169A CN 201610317758 A CN201610317758 A CN 201610317758A CN 106023169 A CN106023169 A CN 106023169A
- Authority
- CN
- China
- Prior art keywords
- cut
- parts
- image
- pair
- horizontal stripe
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的一种基于图像匹配的制衣裁片对横条的方法,按照以下步骤实施:步骤1、图像采集;步骤2、对图像灰度化;步骤3、对图像进行阈值分割,获得若干个裁片二值图像;步骤4、对需要对横条的每对二值图像进行孔洞填充,消除裁片每对二值图像中的锯齿边缘;步骤5、每对裁片二值图像与原图作与运算,获得每对分割出的裁片图像;步骤6、对每对分割出的裁片图像进行裁片正方向校正;步骤7、选取每对其中一幅裁片待缝制中的区域作为模板;步骤8、匹配另一幅裁片待缝制区域,获得最大响应位置;步骤9、根据最大响应位置与模板原位置计算裁片移动距离,根据移动距离移动裁片,完成裁片对横条。该方法不需要以手工方式对横条。
Description
技术领域
本发明属于纺织制衣裁片技术领域,具体涉及一种基于图像匹配的制衣裁片对横条的方法。
背景技术
在纺织服装企业的制衣环节中,工人需要以手工方式将数块裁片缝制在一起,尤其对于条纹、格子类的高级衬衫,讲究缝制在一起的裁片的条纹、格子相互对齐,以满足客户审美要求、提高产品价值。然而,由于劳动力成本上升,纺织制衣企业竞争压力大,《劳动法》对工人加班时间的限制等原因,纺织制衣行业需要一种新的生产力来增加企业效益。目前,国内一些先进的纺织制衣企业已经开始对全自动制衣技术进行探索,期望以机器人与机器视觉等技术实现少人工甚至无人自动制衣。因此,研究制衣裁片自动缝制具有重大意义,而基于机器视觉的制衣裁片对条对横方法是其重要的环节。
目前在图像处理领域研究关于制衣裁片对条对横的文献、方法并不常见。
发明内容
本发明的目的在于提供一种基于图像匹配的制衣裁片对横条的方法,该方法不需要以手工方式对横条。
本发明所采用的技术方案是:一种基于图像匹配的制衣裁片对横条的方法,具体按照以下步骤实施:
步骤1、对需要缝合的裁片进行图像采集;
步骤2、对采集到的图像进行图像灰度化;
步骤3、对灰度化的图像进行阈值分割,获得若干个裁片二值图像;
步骤4、对需要对横条的每对二值图像采用孔洞填充算法进行孔洞填充,用形态学闭运算消除裁片每对二值图像中的锯齿边缘;
步骤5、每对裁片二值图像与步骤1中图像采集的原图作与运算,获得每对分割出的裁片图像;
步骤6、对每对分割出的裁片图像分别进行裁片正方向校正;
步骤7、选取每对其中一幅裁片待缝制中的区域作为模板;
步骤8、匹配另一幅裁片待缝制区域,获得最大响应位置;
步骤9、根据最大响应位置与模板原位置计算裁片移动距离,根据移动距离移动裁片,完成裁片对横条。
本发明的特点还在于,
步骤1具体为:将需要缝合的裁片放置于纯色背景板上,采用像素大于500万的相机采集图像。
步骤2按照公式(1)进行图像灰度化,
Y=0.299R+0.587G+0.114B (1)
公式(1)中,Y为亮度,R、G、B分别为彩色图像红色、绿色、蓝色的分量。
步骤3采用阈值图像法对灰度化的图像进行阈值分割,
按照公式(2)进行阈值计算,
公式(2)中,Z2表示阈值运算后的二值图像,f(x,y)表示原始图像像素值,T表示所设阈值,T的取值范围为160-180。
步骤4形态学闭运算处理为对图像进行膨胀、腐蚀,腐蚀、膨胀的区域像素大小约为20×16,腐蚀、膨胀结构元素像素大小为11×11。
步骤6对分割出的裁片图像进行裁片正方向校正具体按照以下步骤实施;
步骤6.1、对分割出的裁片图像Q求解最小外接矩形C,得到最小外接矩形中心点C(x,y);
步骤6.2、令最小外接矩形长边方向向量与水平线夹角为以C(x,y)为圆心将裁片逆时针旋转再一次对图像Q1作最小外接矩形C1,求得最小外接矩形C1的矩形中心C(x1,y1)及矩形边长L1和宽L2,以 为矩形中心作宽为L2,长为的矩形C2,求C1和C2两矩形中裁片面积大小Area1和Area2,根据观察可知,正摆放的前后幅上方面积小于下方面积,若Area1≤Area2,则裁片方向为正方向;若Area1>Area2,则以C(x1,y1)为圆心,将裁片旋转180°,最终得到裁片正方向位置。
步骤7选取每对其中一幅裁片待缝制中的区域作为模板的原则为:选取每对其中一幅裁片待缝制中的区域水平方向包含1至2个最小格子单元,竖直方向包含3到6个最小格子单元,模板选择区域在裁片待缝制部分,且包含部分非裁片区域,搜索图像选取待匹配的裁片的六分之一大小区域,包含缝制部分纹理。
步骤8利用基于灰度的互相关匹配算法,匹配另一幅裁片待缝制区域,获得最大响应位置,具体为:
在大小M×N图像f(x,y)中逐点地移动大小J×K的子图像w(x,y),使w的原点和点(x,y)重合,计算w与f中被w覆盖的图像区域对应像素的乘积之和,将此计算结果作为相关图像在(x,y)点的响应c(x,y),同过寻找最大响应来确定最佳的匹配位置,公式如式(3)所示:
公式(3)中,c(x,y)为互相关计算响应值,其值在0到1之间;w(x,y)为匹配模板;f(x,y)为被搜索对象;
通过公式(3)计算出c(x,y)矩阵,c(x,y)矩阵中最大值为c(xMax,yMax)。
步骤9具体为:模板选择区域在原裁片上的位置为[x,y],根据步骤8获得的最大响应位置c(xMax,yMax),那么,剪切出模板的那一幅裁片的纵向移动距离为d=yMax-y,根据纵向移动距离为d移动裁片,完成裁片对横条。
本发明的有益效果是:一种基于图像匹配的制衣裁片对横条的方法,不需要以手工方式对横条,该方法运用图像处理技术计算需要对横条的裁片的旋转角度和移动距离,从而为机械手移动、缝制裁片提供依据。
附图说明
图1是使用本发明的一种基于图像匹配的制衣裁片对横条的方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供了一种基于图像匹配的制衣裁片对横条的方法。
一种基于图像匹配的制衣裁片对横条的方法,如图1所示,具体按照以下步骤实施:
步骤1、对需要缝合的裁片进行图像采集;
步骤1具体为:将需要缝合的裁片放置于纯色背景板上,采用像素大于500万的相机采集图像;
步骤2、对采集到的图像进行图像灰度化;由于相机采集到的图像为RGB图像,直接处理数据量大,且裁片分割对色彩要求不高,因此对彩色图像进行灰度化处理,
步骤2按照公式(1)进行图像灰度化,
Y=0.299R+0.587G+0.114B (1)
公式(1)中,Y为亮度,R、G、B分别为彩色图像红色、绿色、蓝色的分量;
步骤3、对灰度化的图像进行阈值分割,获得若干个裁片二值图像;
图像分割是通过对原始采集图像进行某种方式的分割处理,以便于从其结果中提取到图像的某些特征(如轮廓、区域等)的过程,由于采集到的图像中同时包含裁片的前幅后幅,因此需将前后幅分别提取出来,分成一对裁片,用于一对裁片之间条纹对齐,针对采集到的图像,采用阈值图像分割法;
步骤3采用阈值图像法对灰度化的图像进行阈值分割,
按照公式(2)进行阈值计算,
公式(2)中,Z2表示阈值运算后的二值图像,f(x,y)表示原始图像像素值,T表示所设阈值,T的取值范围为160-180;
步骤4、对需要对横条的每对二值图像采用孔洞填充算法进行孔洞填充,用形态学闭运算消除裁片每对二值图像中的锯齿边缘;
由于对象复杂等原因分割出的二值图像存在孔洞,这些孔洞影响了图像目标的完整性,单纯的形态学处理无法完全填补这些孔洞,孔洞填充算法能快速的填补包围区域中大小不一的孔洞;
步骤4中形态学闭运算处理为对图像进行膨胀、腐蚀,腐蚀、膨胀的区域像素大小约为20×16,腐蚀、膨胀结构元素像素大小为11×11;
孔洞填充算法能有效消除内部孔洞,但在边界部分仍然存在锯齿状,即部分在边缘的半孔洞没有被填补;对图像进行膨胀、腐蚀,即形态学闭运算处理,能够填充边缘缺失部分,消除锯齿边缘,有利于提取出完全的裁片形状。膨胀、腐蚀能够从边界方向减小、增大图像大小,腐蚀、膨胀的区域取决于结构元素的大小,阈值产生的锯齿凹陷边缘区域大小,其像素大小约为20×16,选择11×11矩形结构元素膨胀、腐蚀效果较好;
步骤5、每对裁片二值图像与步骤1中图像采集的原图作与运算,获得每对分割出的裁片图像;
步骤6、对每对分割出的裁片图像分别进行裁片正方向校正;
采集随意摆放的裁片作为输入图像,造成方向不同,不易获取模板与匹配对象,因此,需要对裁片进行校正;
步骤6对分割出的裁片图像进行裁片正方向校正具体按照以下步骤实施;
步骤6.1、对分割出的裁片图像Q求解最小外接矩形C,得到最小外接矩形中心点C(x,y);
步骤6.2、令最小外接矩形长边方向向量与水平线夹角为以C(x,y)为圆心将裁片逆时针旋转再一次对图像Q1作最小外接矩形C1,求得最小外接矩形C1的矩形中心C(x1,y1)及矩形边长L1和宽L2,以 为矩形中心作宽为L2,长为的矩形C2,求C1和C2两矩形中裁片面积大小Area1和Area2,根据观察可知,正摆放的前后幅上方面积小于下方面积,若Area1≤Area2,则裁片方向为正方向;若Area1>Area2,则以C(x1,y1)为圆心,将裁片旋转180°,最终得到裁片正方向位置;
步骤7、选取每对其中一幅裁片待缝制中的区域作为模板;
裁片纹理在整个裁片上反复出现,任意截取模板会造成匹配位置偏移,每一对裁片缝合区域最下方曲线弧度相似,可看成近似对称,这一弧线部分能为独特的匹配区域,同时,模板和搜索对象面积的减小有利于计算机处理速度提高,
步骤7选取每对其中一幅裁片待缝制中的区域作为模板的原则为:选取每对其中一幅裁片待缝制中的区域水平方向包含1至2个最小格子单元,竖直方向包含3到6个最小格子单元,模板选择区域在裁片待缝制部分,且包含部分非裁片区域,搜索图像选取待匹配的裁片的六分之一大小区域,包含缝制部分纹理,误差偏移最小;
步骤8、匹配另一幅裁片待缝制区域,获得最大响应位置;
步骤8利用基于灰度的互相关匹配算法,匹配另一幅裁片待缝制区域,获得最大响应位置,具体为:
在大小M×N图像f(x,y)中逐点地移动大小J×K的子图像w(x,y),使w的原点和点(x,y)重合,计算w与f中被w覆盖的图像区域对应像素的乘积之和,将此计算结果作为相关图像在(x,y)点的响应c(x,y),同过寻找最大响应来确定最佳的匹配位置,公式如式(3)所示:
公式(3)中,c(x,y)为互相关计算响应值,其值在0到1之间;w(x,y)为匹配模板;f(x,y)为被搜索对象;
通过公式(3)计算出c(x,y)矩阵,c(x,y)矩阵中最大值为c(xMax,yMax);
步骤9、根据最大响应位置与模板原位置计算裁片移动距离,根据移动距离移动裁片,完成裁片对横条;
步骤9具体为:模板选择区域在原裁片上的位置为[x,y],根据步骤8获得的最大响应位置c(xMax,yMax),那么,剪切出模板的那一幅裁片的纵向移动距离为d=yMax-y,根据纵向移动距离为d移动裁片,横移动距离根据实际缝合机械要求确定,完成裁片对横条。
根据上述步骤求的裁片旋转角度以及移动距离,这些参数分两种方式运用于工业上,其一:采用标定方法,将像素单位转换成实际物理坐标,机械手根据物理距离移动裁片;其二:在像素定义范围内移动裁片,直至裁片误差距离小于指定像素误差。
一种基于图像匹配的制衣裁片对横条的方法,不需要以手工方式对横条,该方法运用图像处理技术计算需要对横条的裁片的旋转角度和移动距离,从而为机械手移动、缝制裁片提供依据。
Claims (9)
1.一种基于图像匹配的制衣裁片对横条的方法,其特征在于,按照以下步骤实施:
步骤1、对需要缝合的裁片进行图像采集;
步骤2、对采集到的图像进行图像灰度化;
步骤3、对灰度化的图像进行阈值分割,获得若干个裁片二值图像;
步骤4、对需要对横条的每对二值图像采用孔洞填充算法进行孔洞填充,用形态学闭运算消除裁片每对二值图像中的锯齿边缘;
步骤5、每对裁片二值图像与步骤1中图像采集的原图作与运算,获得每对分割出的裁片图像;
步骤6、对每对分割出的裁片图像分别进行裁片正方向校正;
步骤7、选取每对其中一幅裁片待缝制中的区域作为模板;
步骤8、匹配另一幅裁片待缝制区域,获得最大响应位置;
步骤9、根据最大响应位置与模板原位置计算裁片移动距离,根据移动距离移动裁片,完成裁片对横条。
2.如权利要求1所述的一种基于图像匹配的制衣裁片对横条的方法,其特征在于,所述步骤1具体为:将需要缝合的裁片放置于纯色背景板上,采用像素大于500万的相机采集图像。
3.如权利要求1所述的一种基于图像匹配的制衣裁片对横条的方法,其特征在于,所述步骤2按照公式(1)进行图像灰度化,
Y=0.299R+0.587G+0.114B (1)
公式(1)中,Y为亮度,R、G、B分别为彩色图像红色、绿色、蓝色的分量。
4.如权利要求1所述的一种基于图像匹配的制衣裁片对横条的方法,其特征在于,
所述步骤3采用阈值图像法对灰度化的图像进行阈值分割,
按照公式(2)进行阈值计算,
公式(2)中,Z2表示阈值运算后的二值图像,f(x,y)表示原始图像像素值,T表示所设阈值,T的取值范围为160-180。
5.如权利要求1所述的一种基于图像匹配的制衣裁片对横条的方法,其特征在于,所述步骤4形态学闭运算处理为对图像进行膨胀、腐蚀,腐蚀、膨胀的区域像素大小约为20×16,腐蚀、膨胀结构元素像素大小为11×11。
6.如权利要求1所述的一种基于图像匹配的制衣裁片对横条的方法,其特征在于,所述步骤6对分割出的裁片图像进行裁片正方向校正具体按照以下步骤实施;
步骤6.1、对分割出的裁片图像Q求解最小外接矩形C,得到最小外接矩形中心点C(x,y);
步骤6.2、令最小外接矩形长边方向向量与水平线夹角为以C(x,y)为圆心将裁片逆时针旋转再一次对图像Q1作最小外接矩形C1,求得最小外接矩形C1的矩形中心C(x1,y1)及矩形边长L1和宽L2,以 为矩形中心作宽为L2,长为的矩形C2,求C1和C2两矩形中裁片面积大小Area1和Area2,根据观察可知,正摆放的前后幅上方面积小于下方面积,若Area1≤Area2,则裁片方向为正方向;若Area1>Area2,则以C(x1,y1)为圆心,将裁片旋转180°,最终得到裁片正方向位置。
7.如权利要求1所述的一种基于图像匹配的制衣裁片对横条的方法,其特征在于,所述步骤7选取每对其中一幅裁片待缝制中的区域作为模板的原则为:选取每对其中一幅裁片待缝制中的区域水平方向包含1至2个最小格子单元,竖直方向包含3到6个最小格子单元,模板选择区域在裁片待缝制部分,且包含部分非裁片区域,搜索图像选取待匹配的裁片的六分之一大小区域,包含缝制部分纹理。
8.如权利要求1所述的一种基于图像匹配的制衣裁片对横条的方法,其特征在于,所述步骤8利用互相关法,匹配另一幅裁片待缝制区域,获得最大响应位置,具体为:
在大小M×N图像f(x,y)中逐点地移动大小J×K的子图像w(x,y),使w的原点和点(x,y)重合,计算w与f中被w覆盖的图像区域对应像素的乘积之和,将此计算结果作为相关图像在(x,y)点的响应c(x,y),同过寻找最大响应来确定最佳的匹配位置,公式如式(3)所示:
其中c(x,y)为互相关计算响应值,其值在0到1之间;w(x,y)为匹配模板;f(x,y)为被搜索对象;
通过公式(3)计算出c(x,y)矩阵,c(x,y)矩阵中最大值为c(xMax,yMax)。
9.如权利要求1所述的一种基于图像匹配的制衣裁片对横条的方法,其特征在于,所述步骤9具体为:模板选择区域在原裁片上的位置为[x,y],根据步骤8获得的最大响应位置c(xMax,yMax),那么,剪切出模板的那一幅裁片的纵向移动距离为d=yMax-y,根据纵向移动距离为d移动裁片,完成裁片对横条。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610317758.7A CN106023169B (zh) | 2016-05-13 | 2016-05-13 | 一种基于图像匹配的制衣裁片对横条的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610317758.7A CN106023169B (zh) | 2016-05-13 | 2016-05-13 | 一种基于图像匹配的制衣裁片对横条的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106023169A true CN106023169A (zh) | 2016-10-12 |
CN106023169B CN106023169B (zh) | 2019-02-19 |
Family
ID=57100468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610317758.7A Expired - Fee Related CN106023169B (zh) | 2016-05-13 | 2016-05-13 | 一种基于图像匹配的制衣裁片对横条的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023169B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909594A (zh) * | 2017-11-27 | 2018-04-13 | 常州市新创智能科技有限公司 | 一种自动判别绗缝起始原点的定位装置及方法 |
CN109597353A (zh) * | 2018-11-23 | 2019-04-09 | 拓卡奔马机电科技有限公司 | 一种自动优化裁片位置的方法 |
CN109658410A (zh) * | 2019-01-11 | 2019-04-19 | 拓卡奔马机电科技有限公司 | 一种裁床、布料条格的对齐装置及对齐方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789523A (zh) * | 2012-07-02 | 2012-11-21 | 东莞职业技术学院 | 基于图像处理的鞋样设计方法 |
CN103866551A (zh) * | 2014-03-28 | 2014-06-18 | 南京理工大学 | 基于机器视觉的织物纬斜快速探测方法 |
CN104711784A (zh) * | 2015-04-01 | 2015-06-17 | 华中科技大学 | 一种获得裁片缝合路径的方法 |
-
2016
- 2016-05-13 CN CN201610317758.7A patent/CN106023169B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789523A (zh) * | 2012-07-02 | 2012-11-21 | 东莞职业技术学院 | 基于图像处理的鞋样设计方法 |
CN103866551A (zh) * | 2014-03-28 | 2014-06-18 | 南京理工大学 | 基于机器视觉的织物纬斜快速探测方法 |
CN104711784A (zh) * | 2015-04-01 | 2015-06-17 | 华中科技大学 | 一种获得裁片缝合路径的方法 |
Non-Patent Citations (4)
Title |
---|
冯百乐: "织物图像拼接技术", 《现代机械》 * |
刘桂芳: "机织物提花图案分割与拼接方法的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
彭轶: "纤维的图像拼接算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
景军锋: "基于数字图像处理的织物外观特征研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909594A (zh) * | 2017-11-27 | 2018-04-13 | 常州市新创智能科技有限公司 | 一种自动判别绗缝起始原点的定位装置及方法 |
CN109597353A (zh) * | 2018-11-23 | 2019-04-09 | 拓卡奔马机电科技有限公司 | 一种自动优化裁片位置的方法 |
CN109597353B (zh) * | 2018-11-23 | 2020-06-19 | 拓卡奔马机电科技有限公司 | 一种自动优化裁片位置的方法 |
CN109658410A (zh) * | 2019-01-11 | 2019-04-19 | 拓卡奔马机电科技有限公司 | 一种裁床、布料条格的对齐装置及对齐方法 |
CN109658410B (zh) * | 2019-01-11 | 2020-09-18 | 拓卡奔马机电科技有限公司 | 一种裁床、布料条格的对齐装置及对齐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106023169B (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844630B (zh) | 一种双目视觉的图像超分辨率融合去噪方法 | |
Freeman et al. | Markov random fields for super-resolution and texture synthesis | |
US9870646B2 (en) | Three-dimensional model generation based on two-dimensional images | |
CN109145927A (zh) | 一种对形变图像的目标识别方法及装置 | |
US10127679B2 (en) | Image alignment method and apparatus | |
CN106023169A (zh) | 一种基于图像匹配的制衣裁片对横条的方法 | |
CN103745468B (zh) | 一种基于图结构和边界先验的显著性物体检测方法 | |
CN108629343A (zh) | 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统 | |
CN102968791B (zh) | 三维医学图像图形显示的交互方法及其系统 | |
CN110197462A (zh) | 一种人脸图像实时美化与纹理合成方法 | |
CN110415230A (zh) | 一种基于深度学习的ct切片图像语义分割系统及方法 | |
CN109272447A (zh) | 一种深度图超分辨率方法 | |
CN104637066B (zh) | 基于序贯细化的二值图像快速骨架提取方法 | |
Freifeld et al. | Highly-expressive spaces of well-behaved transformations: Keeping it simple | |
CN103700101A (zh) | 一种非刚性脑图像配准方法 | |
CN110047071A (zh) | 一种图像质量评估方法、装置和介质 | |
CN105931180A (zh) | 利用显著信息引导的图像不规则马赛克拼接方法 | |
US20180012385A1 (en) | Method and System for Automatic Garment Fit Customization | |
CN104008547A (zh) | 一种基于骨架角点的可视化人体切片图像序列化分割方法 | |
CN103810729A (zh) | 一种基于等高线的光栅图像矢量化方法 | |
CN103714547A (zh) | 一种结合边缘区域和互相关的图像配准方法 | |
CN106127818A (zh) | 一种基于单幅图像的材质外观获取系统及方法 | |
CN104036468A (zh) | 基于预放大非负邻域嵌入的单帧图像超分辨重建方法 | |
Zeng et al. | Nearest neighbor based digital restoration of damaged ancient Chinese paintings | |
CN103065298B (zh) | 一种模拟视网膜滤波的视觉显著性检测方法 |
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 | ||
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: 20190219 Termination date: 20200513 |