CN106203431A - 一种图像识别方法及装置 - Google Patents
一种图像识别方法及装置 Download PDFInfo
- Publication number
- CN106203431A CN106203431A CN201610554201.5A CN201610554201A CN106203431A CN 106203431 A CN106203431 A CN 106203431A CN 201610554201 A CN201610554201 A CN 201610554201A CN 106203431 A CN106203431 A CN 106203431A
- Authority
- CN
- China
- Prior art keywords
- image
- edge indicator
- sensitizing range
- positional information
- preset
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本发明提供一种图像识别方法及装置,方法包括:获取待处理图像;根据预设策略,获取所述待处理图像中边缘标识的位置信息;根据所述边缘标识的位置信息和敏感区域的预设形状,确定所述待处理图像中的敏感区域;通过预设算法识别所述敏感区域内的图像形。本发明通过边缘标识先确定出小范围的敏感区域,再在敏感区域中识别所述敏感区域内的图像形,由于缩小了图像识别区域,因此可以快速定位图像,从而提高了图像的识别速度,节省了图像识别的时间,提高了图像识别效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像识别方法及装置。
背景技术
图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术的一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
在提取图形的图像处理时,成像区域通常存在背景干扰物,现有技术需要通过软件处理,对整个区域进行全局的敏感图像,特征提取,实现敏感图形识别,定位的目的。
此方法的弊端是需计算处理的图形区域面积大,软件算法耗费时间长,从而使图像识别的速度慢。
发明内容
本发明提供一种全部或者至少部分解决上述技术问题的图像识别方法及装置。
第一方面,本发明提供一种图像识别方法,包括:
获取待处理图像;
根据预设策略,获取所述待处理图像中边缘标识的位置信息;
根据所述边缘标识的位置信息和敏感区域的预设形状,确定所述待处理图像中的敏感区域;
通过预设算法识别所述敏感区域内的图像。
优选的,所述方法还包括:
获取识别出的图像边缘线的水平方向的中心线与水平方向的夹角的;
判断所述夹角与预设角度是否匹配;
若否,对所述识别出的图像采用图像校正算法,以使所述识别出的图像旋转到与水平方向的夹角为所述预设角度。
优选的,所述方法还包括:
若识别出的图像为编码图片,则对所述编码图片进行解码。
优选的,通过预设算法识别所述敏感区域内的图像,包括:
通过边缘检测算法,获取所述敏感区域内图像的轮廓;
根据所述图像的轮廓对所述敏感区域内的图像进行识别。
优选的,对所述待处理图像采用预设策略,获取所述待处理图像中边缘标识的位置信息,包括:
获取所述待处理图像的灰度图像,并获取所述灰度图像中各个像素点的灰度值;
根据所述各个像素点的灰度值,获取所述待处理图像中边缘标识的位置信息。
优选的,对所述待处理图像采用预设策略,获取所述待处理图像中边缘标识的位置信息,包括:
获取所述待处理图像的灰度图像,并获取所述灰度图像中各个像素点的灰度值;
根据所述各个像素点的灰度值,获取所述待处理图像中各个待定边缘标识的位置信息以及形状;
判断预设位置的待定边缘标识的形状是否与预设形状匹配;
若匹配,则确定所述各个待定边缘标识的位置信息为边缘标识的位置信息。
优选的,获取所述待处理图像的灰度图像之后,获取所述灰度图像中各个像素点的灰度值之前,所述方法还包括:
对所述灰度图像进行二值化处理以及图像形态学处理。
优选的,所述边缘标识为光学标识。
第二方面,本发明还提供一种图像识别装置,包括:
第一获取单元,用于获取待处理图像;
第二获取单元,用于根据预设策略,获取所述待处理图像中边缘标识的位置信息;
确定单元,用于根据所述边缘标识的位置信息和敏感区域的预设形状,确定所述待处理图像中的敏感区域;
识别单元,用于通过预设算法识别所述敏感区域内的图像。
优选的,所述装置还包括:
第三获取单元,用于获取识别出的图像边缘线的水平方向的中心线与水平方向的夹角的;
判断单元,用于判断所述夹角与预设角度是否匹配;
校正单元,用于若否,对所述识别出的图像采用图像校正算法,以使所述识别出的图像旋转到与水平方向的夹角为所述预设角度。
由上述技术方案可知,本发明通过边缘标识先确定出小范围的敏感区域,再在敏感区域中识别所述敏感区域内的图像,由于缩小了图像识别区域,因此可以快速定位图像,从而提高了图像的识别速度,节省了图像识别的时间,提高了图像识别效率。
附图说明
图1为本发明一实施例提供的图像识别方法的流程图;
图2为一幅具有边缘标识的图像的示意图;
图3为另一种具有边缘标识的图像的示意图;
图4为本发明一实施例提供的图像识别装置的结构示意图。
附图标记说明
边缘标识11 图像12 图像背景区域13 背景干扰物14
第一获取单元41 第二获取单元42 确定单元43 识别单元44
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明一实施例提供的一种图像识别方法的流程图。
如图1所示的一种图像识别方法,包括:
S11、获取待处理图像;
S12、根据预设策略,获取所述待处理图像中边缘标识的位置信息;
可以理解的是,所述边缘标识可为但不局限于光学标识。
S13、根据所述边缘标识的位置信息和敏感区域的预设形状,确定所述待处理图像中的敏感区域;
可以理解的是,若确定的边缘标识的位置有三个,预设形状为三角形,则可根据三个边缘标识的位置信息和三角形形状,确定出三角形的敏感区域;若预设形状为圆形,则可根据三个边缘标识的位置信息和圆形,确定出圆形的敏感区域。若确定的边缘标识的位置有四个,预设形状为矩形,则四个点可以确定出矩形的敏感区域;若预设形状为圆形,则可根据四个边缘标识的位置信息和圆形,确定出圆形的敏感区域。
S14、通过预设算法识别所述敏感区域内的图像。
本发明实施例中,通过边缘标识先确定出小范围的敏感区域,再在敏感区域中识别所述敏感区域内的图像,由于缩小了图像识别区域,因此可以快速定位图像,从而提高了图像的识别速度,节省了图像识别的时间,提高了图像识别效率。如图2中,先识别出四个边缘标识11的位置,再根据该四个边缘标识11的位置和矩形形状,确定敏感区域,并通过预设算法识别所述敏感区域内的图像12,相比背景技术中对整个区域进行全局搜索,显然,该方法提高了图像的识别速度。
由于拍摄图像时的角度等问题,可能导致拍摄出的图像是倾斜的,若后续还要对识别出的图像进行处理,则倾斜的图像可能会影响处理效果和速度,因此,作为一种优选实施例,所述步骤S14之后,所述方法还包括:
获取识别出的图像边缘线的水平方向的中心线与水平方向的夹角的;
可以理解的是,本发明所针对的是识别出的图像为规则形状的图像的情况,如识别出的图像一般为矩形形状,则所述图像边缘线的水平方向的中心线可确定为与平面直角坐标系中X轴正方向的夹角为锐角的中心线为图像边缘线的水平方向的中心线。
判断所述夹角与预设角度是否匹配;
若否,对所述识别出的图像采用图像校正算法,以使所述识别出的图像旋转到与水平方向的夹角为所述预设角度。
本发明的方法可以处理普通图像,也可处理二维码或条形码等后续需要处理的图像,若识别出的图像是二维码或条形码等后续需要处理的图像,将倾斜的二维码或条形码通过本发明实施例的方法校正后,便于解码,提高计算速度。
参照图3,其中的图像12的中心线相对于水平方向是倾斜的,因此,通过图像校正算法将图像12旋转角度,使其中心线几乎水平,便于解码,提高计算速度。
参照图3,一般地,边缘标识的形状与图像的形状相匹配,如图2和图3中,图像为矩形,则边缘标识为折角形。
上述已经说明,本发明可以应用于二维码或条形码的识别中,因此,作为一种优选实施例,所述步骤S14之后,所述方法还包括:
若识别出的图像为编码图片,则编码图片进行解码。
所述编码图片可为二维码或条形码,编码图片的识别方法可采用现有方法,本发明在此不再赘述。
通过对编码图片进行解码,获取编码图片中的相关信息。
作为一种优选实施例,所述步骤S14,包括:
通过边缘检测算法,获取所述敏感区域内图像的轮廓;
根据所述图像的轮廓对所述敏感区域内的图像进行识别。
通过轮廓识别图像较易实现,从而使图像更易识别,而边缘检测算法可快速识别图像的轮廓,也可以提高图像的识别效率。
作为一种优选实施例,所述步骤S12,包括:
获取所述待处理图像的灰度图像,并获取所述灰度图像中各个像素点的灰度值;
根据所述各个像素点的灰度值,获取所述待处理图像中边缘标识的位置信息。
具体地,可将灰度值大于等于预设值的像素点组成的图像作为边缘标识。
对于单纯通过灰度值识别边缘标识的方法,由于筛选条件较少,可能会导致误识别,为了解决该问题,作为一种优选实施例,所述步骤S12,包括:
获取所述待处理图像的灰度图像,并获取所述灰度图像中各个像素点的灰度值;
根据所述各个像素点的灰度值,获取所述待处理图像中各个待定边缘标识的位置信息以及形状;
判断预设位置的待定边缘标识的形状是否与预设形状匹配;
若匹配,则确定所述各个待定边缘标识的位置信息为边缘标识的位置信息。
在本发明实施例中,在通过灰度值确定出各个待定边缘标识的位置信息后,又通过形状条件进一步帅选,使确定的边缘标识更准确。
为了去除背景干扰物,作为一种优选实施例,获取所述待处理图像的灰度图像之后,获取所述灰度图像中各个像素点的灰度值之前,所述方法还包括:
对所述灰度图像进行二值化处理以及图像形态学处理。
如图2所示,通过本发明实施例的方法可将图像背景区域13的背景干扰物14去除。
图4为本发明一实施例提供的图像识别装置的结构示意图。
如图4所示的一种图像识别装置,包括:
第一获取单元41,用于获取待处理图像;
第二获取单元42,用于根据预设策略,获取所述待处理图像中边缘标识的位置信息;
可以理解的是,所述边缘标识可为但不局限于光学标识。
确定单元43,用于根据所述边缘标识的位置信息和敏感区域的预设形状,确定所述待处理图像中的敏感区域;
可以理解的是,若确定的边缘标识的位置有三个,预设形状为三角形,则可根据三个边缘标识的位置信息和三角形形状,确定出三角形的敏感区域;若预设形状为圆形,则可根据三个边缘标识的位置信息和圆形,确定出圆形的敏感区域。若确定的边缘标识的位置有四个,预设形状为矩形,则四个点可以确定出矩形的敏感区域;若预设形状为圆形,则可根据四个边缘标识的位置信息和圆形,确定出圆形的敏感区域。
识别单元44,用于通过预设算法识别所述敏感区域内的图像。
本发明的图像识别装置获取待处理图像,根据预设策略,获取所述待处理图像中边缘标识的位置信息,根据所述边缘标识的位置信息和敏感区域的预设形状,确定所述待处理图像中的敏感区域,通过预设算法识别所述敏感区域内的图像。
本发明实施例中,图像识别装置通过边缘标识先确定出小范围的敏感区域,再在敏感区域中识别所述敏感区域内的图像,由于缩小了图像识别区域,因此可以快速定位图像,从而提高了图像的识别速度,节省了图像识别的时间,提高了图像识别效率。如图2中,先识别出四个边缘标识11的位置,再根据该四个边缘标识11的位置和矩形形状,确定敏感区域,并通过预设算法识别所述敏感区域内的图像,相比背景技术中对整个区域进行全局搜索,显然,该方法提高了图像的识别速度。
由于拍摄图像时的角度等问题,可能导致拍摄出的图像是倾斜的,若后续还要对识别出的图像进行处理,则倾斜的图像可能会影响处理效果和速度,因此,作为一种优选实施例,所述装置还包括:
第三获取单元,用于识别出的图像边缘线的水平方向的中心线与水平方向的夹角;
可以理解的是,本发明所针对的是识别出的图像为规则形状的图像的情况,如识别出的图像一般为矩形形状,则所述图像边缘线的水平方向的中心线可确定为与平面直角坐标系中X轴正方向的夹角为锐角的中心线为图像边缘线的水平方向的中心线。
判断单元,用于判断所述夹角与预设角度是否匹配;
校正单元,用于若否,对所述识别出的图像采用图像校正算法,以使所述识别出的图像旋转到与水平方向的夹角为所述预设角度。
若识别出的图像是二维码或条形码等后续需要处理的图像,将倾斜的二维码或条形码通过本发明实施例的方法校正后,便于解码,提高计算速度。
由于本发明的图像识别装置和图像识别方法是一一对应的,因此对图像识别装置不再详述。
本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种图像识别方法,其特征在于,包括:
获取待处理图像;
根据预设策略,获取所述待处理图像中边缘标识的位置信息;
根据所述边缘标识的位置信息和敏感区域的预设形状,确定所述待处理图像中的敏感区域;
通过预设算法识别所述敏感区域内的图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取识别出的图像边缘线的水平方向的中心线与水平方向的夹角的;
判断所述夹角与预设角度是否匹配;
若否,对所述识别出的图像采用图像校正算法,以使所述识别出的图像旋转到与水平方向的夹角为所述预设角度。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若识别出的图像为编码图片,则对所述编码图片进行解码。
4.根据权利要求1所述的方法,其特征在于,通过预设算法识别所述敏感区域内的图像,包括:
通过边缘检测算法,获取所述敏感区域内图像的轮廓;
根据所述图像的轮廓对所述敏感区域内的图像进行识别。
5.根据权利要求1所述的方法,其特征在于,对所述待处理图像采用预设策略,获取所述待处理图像中边缘标识的位置信息,包括:
获取所述待处理图像的灰度图像,并获取所述灰度图像中各个像素点的灰度值;
根据所述各个像素点的灰度值,获取所述待处理图像中边缘标识的位置信息。
6.根据权利要求1所述的方法,其特征在于,对所述待处理图像采用预设策略,获取所述待处理图像中边缘标识的位置信息,包括:
获取所述待处理图像的灰度图像,并获取所述灰度图像中各个像素点的灰度值;
根据所述各个像素点的灰度值,获取所述待处理图像中各个待定边缘标识的位置信息以及形状;
判断预设位置的待定边缘标识的形状是否与预设形状匹配;
若匹配,则确定所述各个待定边缘标识的位置信息为边缘标识的位置信息。
7.根据权利要求5或6所述的方法,其特征在于,获取所述待处理图像的灰度图像之后,获取所述灰度图像中各个像素点的灰度值之前,所述方法还包括:
对所述灰度图像进行二值化处理以及图像形态学处理。
8.根据权利要求1-6中任一项所述的方法,其特征在于,所述边缘标识为光学标识。
9.一种图像识别装置,其特征在于,包括:
第一获取单元,用于获取待处理图像;
第二获取单元,用于根据预设策略,获取所述待处理图像中边缘标识的位置信息;
确定单元,用于根据所述边缘标识的位置信息和敏感区域的预设形状,确定所述待处理图像中的敏感区域;
识别单元,用于通过预设算法识别所述敏感区域内的图像。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第三获取单元,用于获取识别出的图像边缘线的水平方向的中心线与水平方向的夹角的;
判断单元,用于判断所述夹角与预设角度是否匹配;
校正单元,用于若否,对所述识别出的图像采用图像校正算法,以使所述识别出的图像旋转到与水平方向的夹角为所述预设角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610554201.5A CN106203431A (zh) | 2016-07-14 | 2016-07-14 | 一种图像识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610554201.5A CN106203431A (zh) | 2016-07-14 | 2016-07-14 | 一种图像识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106203431A true CN106203431A (zh) | 2016-12-07 |
Family
ID=57475269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610554201.5A Pending CN106203431A (zh) | 2016-07-14 | 2016-07-14 | 一种图像识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203431A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018040948A1 (zh) * | 2016-08-30 | 2018-03-08 | 阿里巴巴集团控股有限公司 | 一种数字对象唯一标识符doi识别方法与装置 |
CN107944321A (zh) * | 2017-11-28 | 2018-04-20 | 努比亚技术有限公司 | 一种图像识别方法、终端和计算机可读存储介质 |
CN108256530A (zh) * | 2017-12-29 | 2018-07-06 | 北京城市网邻信息技术有限公司 | 图像识别方法、装置和设备 |
WO2018195741A1 (zh) * | 2017-04-24 | 2018-11-01 | 李卓希 | 一种驾驶环境识别方法和系统 |
CN110223202A (zh) * | 2018-03-01 | 2019-09-10 | 彼乐智慧科技(北京)有限公司 | 一种教学道具识别与评分的方法及系统 |
CN110475046A (zh) * | 2019-07-31 | 2019-11-19 | 浪潮金融信息技术有限公司 | 一种售卖机装机阶段定位检测区域的方法 |
CN111597853A (zh) * | 2020-05-26 | 2020-08-28 | 成都鹏业软件股份有限公司 | 一种混凝土标识提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398895A (zh) * | 2007-09-26 | 2009-04-01 | 杨高波 | 一种数据矩阵(dm)二维条形码识别的图像预处理方法 |
CN102136058A (zh) * | 2011-04-26 | 2011-07-27 | 中国农业大学 | 条形码图像识别方法 |
CN104766037A (zh) * | 2015-03-20 | 2015-07-08 | 中国联合网络通信集团有限公司 | 一种二维码的识别方法及设备 |
CN104794421A (zh) * | 2015-04-29 | 2015-07-22 | 华中科技大学 | 一种qr码定位及识别方法 |
-
2016
- 2016-07-14 CN CN201610554201.5A patent/CN106203431A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398895A (zh) * | 2007-09-26 | 2009-04-01 | 杨高波 | 一种数据矩阵(dm)二维条形码识别的图像预处理方法 |
CN102136058A (zh) * | 2011-04-26 | 2011-07-27 | 中国农业大学 | 条形码图像识别方法 |
CN104766037A (zh) * | 2015-03-20 | 2015-07-08 | 中国联合网络通信集团有限公司 | 一种二维码的识别方法及设备 |
CN104794421A (zh) * | 2015-04-29 | 2015-07-22 | 华中科技大学 | 一种qr码定位及识别方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018040948A1 (zh) * | 2016-08-30 | 2018-03-08 | 阿里巴巴集团控股有限公司 | 一种数字对象唯一标识符doi识别方法与装置 |
US10664674B2 (en) | 2016-08-30 | 2020-05-26 | Alibaba Group Holding Limited | Digital object unique identifier (DOI) recognition method and device |
WO2018195741A1 (zh) * | 2017-04-24 | 2018-11-01 | 李卓希 | 一种驾驶环境识别方法和系统 |
CN107944321A (zh) * | 2017-11-28 | 2018-04-20 | 努比亚技术有限公司 | 一种图像识别方法、终端和计算机可读存储介质 |
CN108256530A (zh) * | 2017-12-29 | 2018-07-06 | 北京城市网邻信息技术有限公司 | 图像识别方法、装置和设备 |
CN108256530B (zh) * | 2017-12-29 | 2021-12-07 | 北京城市网邻信息技术有限公司 | 图像识别方法、装置和设备 |
CN110223202A (zh) * | 2018-03-01 | 2019-09-10 | 彼乐智慧科技(北京)有限公司 | 一种教学道具识别与评分的方法及系统 |
CN110223202B (zh) * | 2018-03-01 | 2021-08-24 | 北京小红果文化科技有限公司 | 一种教学道具识别与评分的方法及系统 |
CN110475046A (zh) * | 2019-07-31 | 2019-11-19 | 浪潮金融信息技术有限公司 | 一种售卖机装机阶段定位检测区域的方法 |
CN111597853A (zh) * | 2020-05-26 | 2020-08-28 | 成都鹏业软件股份有限公司 | 一种混凝土标识提取方法 |
CN111597853B (zh) * | 2020-05-26 | 2023-02-24 | 成都鹏业软件股份有限公司 | 一种混凝土标识提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203431A (zh) | 一种图像识别方法及装置 | |
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
JP6395759B2 (ja) | レーン検出 | |
EP3306562B1 (en) | Image processing method and device | |
CN107424160B (zh) | 通过视觉系统查找图像中线的系统和方法 | |
CN104794421B (zh) | 一种qr码定位及识别方法 | |
CN107609451A (zh) | 一种基于二维码的高精度视觉定位方法及系统 | |
CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN107992869B (zh) | 用于倾斜文字校正的方法、装置及电子设备 | |
US20130336597A1 (en) | Image stabilization apparatus, image stabilization method, and document | |
US9946947B2 (en) | System and method for finding saddle point-like structures in an image and determining information from the same | |
EP2344984A2 (en) | Two-dimensional barcode localization for camera based devices | |
US11417080B2 (en) | Object detection apparatus, object detection method, and computer-readable recording medium | |
CN113766209B (zh) | 相机偏移量处理方法及装置 | |
JP7230507B2 (ja) | 付着物検出装置 | |
CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
JP2013115751A5 (zh) | ||
CN108460388B (zh) | 定位标志的检测方法、装置及计算机可读存储介质 | |
CN111310753A (zh) | 一种表计对准方法及装置 | |
US20210042536A1 (en) | Image processing device and image processing method | |
CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
CN111340040B (zh) | 一种纸张字符识别方法、装置、电子设备及存储介质 | |
US10210414B2 (en) | Object detection system and computer program product |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |
|
RJ01 | Rejection of invention patent application after publication |