CN106651801A - 一种光斑定位时去除噪声的方法及系统 - Google Patents
一种光斑定位时去除噪声的方法及系统 Download PDFInfo
- Publication number
- CN106651801A CN106651801A CN201611208811.6A CN201611208811A CN106651801A CN 106651801 A CN106651801 A CN 106651801A CN 201611208811 A CN201611208811 A CN 201611208811A CN 106651801 A CN106651801 A CN 106651801A
- Authority
- CN
- China
- Prior art keywords
- area
- light spot
- image
- value
- central 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000011218 segmentation Effects 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种光斑定位时去除噪声的方法及系统,通过以图像中目标物体所处的区域为目标区域,利用边框识别法将图像划分为目标区域和非目标区域两个部分;利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域;利用高斯分布原理对每个所述目标区域像素的坐标点做高斯拟合,得到每个光斑区域的中心点;将所述中心点的位置处于非目标区域内的点去除。本发明所述的方法及系统,可以快速的识别出强噪声,具有较强的适应性,不受拍摄图像时环境光强度的影响。
Description
技术领域
本发明涉及激光光斑定位技术领域,尤其涉及的是一种光斑定位时去除噪声的方法及系统。
背景技术
当前使用激光、红外以及可见光定位光标位置在电子设备中的应用非常广泛,比如鼠标、投影仪、游戏机、以及其它类似的设备。光标定位属于光斑识别、信号检测问题,通常采用数字图像处理技术,通过计算光斑在图像中的位置来确定实际光斑的位置。在实际应用中,通过光学感应器抓拍到的图像中常常会出现或弱或强的噪声。弱的噪声通常由设备本身产生,通过简单的平滑处理和优化最佳分割阈值就可以消除;而强噪声通常由环境中的强光、强红外光等设备等产生,需要采取一定的方法才能排除。前者属于分割目标和背景的基本问题;后者属于较为特定的问题。
目前常用的处理办法是设定固定的阈值,利用阈值的上下限来排除对光斑的干扰。该方法对环境的要求过于死板,一旦环境发生意想不到的变化,便不能有效的确定光斑的位置。
因此,现有技术有待于进一步的改进。
发明内容
鉴于上述现有技术中的不足之处,本发明的目的在于为用户提供一种光斑定位时去除噪声的方法及系统,克服现有技术中通常使用设置固定的阈值来排除外界干扰时,环境光强度需要满足一定范围要求才能准确排除的缺陷。
本发明解决技术问题所采用的技术方案如下:
一种光斑定位时去除噪声的方法,其中,包括步骤:
步骤A、以图像中目标物体所处的区域为目标区域,利用边框识别法将图像划分为目标区域和非目标区域;
步骤B、利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域;
步骤C、利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合,得到每个光斑区域的中心点;
步骤D、将位置处于所述非目标区域内的中心点作为干扰点去除,并输入去除干扰点后的图像。
所述光斑定位时去除噪声的方法,其中,所述步骤B中所述利用最大类间方差算法、最小类内方差算法及非目标区域与目标区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值的方法包括:
步骤B1、建立准则函数,根据所述准则函数计算出最佳分割阈值;
所述准则函数的公式为:
其中,为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值,为预设常数值。
所述光斑定位时去除噪声的方法,其中,所述步骤B中计算最佳分割阈值之前还包括步骤:
步骤B0、利用小波变换算法对图像进行整体性去噪处理。
所述光斑定位时去除噪声的方法,其中,所述步骤D中利用预设的判断函数对中心点是否位于目标区域内进行判断;所述判断函数的定义为:当所述中心点位于目标区域内,则得到的函数值为1,若所述中心点不位于目标区域内,则得到的函数值为0。
所述光斑定位时去除噪声的方法,其中,所述步骤D中按照灰度值大小排列的顺序依次将中心点代入判断函数,对中心点是否为强噪声进行判断,若是,则将所述中心点所对应的光斑移除,不是则保留所述中心点所对应的光斑。
一种光斑定位时去除噪声的系统,其中,包括:
第一区域划分模块,用于以图像中目标物体所处的区域为目标区域,利用边框识别法将图像划分为目标区域和非目标区域;
第二区域划分模块,用于利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,并使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域;
光斑点拟合模块,用于利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合,得到每个光斑区域的中心点;
干扰去除模块,用于将位置处于所述非目标区域内的中心点作为干扰点去除,并输入去除干扰点后的图像。
所述的光斑定位时去除噪声的系统,其中,所述第二区域划分模块包括:
函数计算模块,用于建立准则函数,根据所述准则函数计算出最佳分割阈值;
所述准则函数的公式为:
其中,为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值,为预设常数值。
所述的光斑定位时去除噪声的系统,其中,所述第二区域划分模块还包括:
整体去噪单元,用于利用小波变换算法对图像进行整体性去噪处理。
所述的光斑定位时去除噪声的系统,其中,所述干扰去除模块中利用预设的判断函数对中心点是否位于目标区域内进行判断;所述判断函数的定义为:当所述中心点位于目标区域内,则得到的函数值为1,若所述中心点不位于目标区域内,则得到的函数值为0。
所述的光斑定位时去除噪声的系统,其中,所述干扰去除模块中按照灰度值大小排列的顺序依次将中心点代入判断函数,对中心点是否为强噪声进行判断,若是,则将所述中心点所对应的光斑移除,不是则保留所述中心点所对应的光斑。
有益效果,本发明提供了一种光斑定位时去除噪声的方法及系统,通过以图像中目标物体所处的区域为目标区域,利用边框识别法将图像划分为目标区域和非目标区域两个部分;利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域;利用高斯分布原理对每个所述目标区域像素的坐标点做高斯拟合,得到每个光斑区域的中心点;将所述中心点的位置处于非目标区域内的点去除。本发明所述的方法及系统,可以快速的识别出强噪声,具有较强的适应性,不受拍摄图像时环境光强度的影响。
附图说明
图1是本发明所提供的所述的光斑定位时去除噪声的方法的步骤流程图。
图2是本发明所述去除噪声的方法在具体实施例中图像的组成示意图。
图3是本发明所述的光斑定位时去除噪声的系统的原理结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
由于干扰光源不会出现在屏幕上,强光光斑只会落在非目标区域中,因此本发明提供了一种光斑定位时去除噪声的方法,如图1所示,所述方法包括步骤:
步骤S1、以图像中目标物体所处的区域为目标区域,利用边框识别法将图像划分为目标物体所区域和非目标区域。
首先将待进行光斑定位的图像根据图像中目标物体所处的区域分成目标区域和非目标区域,所述目标区域为目标物体所处的区域,所述非目标区域为图像的中除目标物体所处的区域之外的区域。在具体实施过程中,通常使用边框识别法根据图像中的灰度值将图像分割成目标区域和非目标区域,因为本步骤为现有技术,所以在此不做过多解释。可以想到的是,所述目标区域由一系列含有目标物体,且可能并不相连接的区域组成。
步骤S2、利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域。
本步骤对再次对原待光斑定位的图像进行区域划分,与上述步骤不同的是本步骤中将图像划分为背景区域和多个含有光斑的光斑区域。
为了更准确的对将图像中的光斑区域划分出来,本步骤中使用改进的OTSN方法,也即是,首先将最大类间方差法和最小类内方差法相结合,然后基于背景区域与目标区域比例最大的原则,计算得到最佳分割阈值。
具体的,本步骤中利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则结合得到最佳分割阈值的方法包括:
建立准则函数,根据所述准则函数计算出最佳分割阈值;
所述准则函数的公式为:
其中,为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值,为预设常数值,具体的,所述为根据经验所自定义的数值。
本发明所公开的准则函数,由于在现有技术中已有的将最大类间方差算法与最小类内方差算法相结合的计算最佳分割阈值的前提下,加入了非目标区域与目标区域的之间面积比与预设数值的差最小原则,从而更加适用于对特定图像求取最佳分割阈值。
步骤S3、利用高斯分布原理对每个所述目标区域像素的坐标点做高斯拟合,得到每个光斑区域的中心点。
使用高斯分布原理对上述步骤中划分出的每个光斑区域中像素的坐标点进行拟合,所述拟合可以为通常使用的圆拟合或者质心法拟合,得到该光斑区域内的中心点。
可以想到的是,由于上述步骤中获取的为多个光斑区域,本步骤中需要依次对每个光斑区域进行高斯拟合,因此本步骤中得到的为一系列的中心点。
步骤S4、将位置处于所述非目标区域内的中心点作为干扰点去除,并输入去除干扰点后的图像。
当得到每个光斑区域内的中心点后,由于干扰光斑不会出现在目标区域内,因此依次对所述中心点是否位于目标区域进行判断,若处于目标区域,则判定为有效光斑,若不处于目标区域则判定为干扰点,则将所述干扰点去除。
为了提高对强光干扰去除的准确性,所述步骤S1和步骤S2之间还包括:
步骤S1对图像做整体性去噪处理,具体的本步骤中利用小波变换算法对图像进行去噪处理。
本步骤可以先对图像进行去噪的预处理,对图像中明显的干扰信号进行了排除,避免了步骤S2和S3中在进行区域划分和高斯拟合时由于分散的光斑区域太多导致的运算量大,提高了本方法使用时的数据处理速率。
具体的,在所述步骤S4中利用预设的判断函数对中心点是否位于目标区域内进行判断;所述判断函数的定义为:当所述中心点位于目标区域内,则得到的函数值为1,若所述中心点不位于目标区域内,则得到的函数值为0。所述判断函数也可以时预设的用于判断出中心点是否位于目标区域内的其他任何函数。
为了实现自动的更加快速的判断出中心点所处的位置,识别出强噪声,所述步骤S4中按照灰度值大小排列的顺序依次将中心点代入判断函数,对中心点是否为强噪声进行判断。
下面以本发明的具体应用实施例,对本发明做进一步的解析。
步骤H1、首先根据人工标定或者边框识别等方法可以将原始待处理图像分为目标区域和非目标区域两个部分,可以优先选优边框识别法对图像进行分割。结合图2中所示,如图所示,图像中含有背景1、目标物体2和多个光斑3,使用单阈值法进行图像分割时,单阈值将图像分割成两个部分:背景和目标。目标部分可能是有多个互相之间不连接的区域组成。
步骤H2、图像整体性噪声的去除:基于小波变换的方法在噪声和目标各自的尺度下对图像进行去噪处理。其具体去噪处理方法可以参考2003年9月出版的遥感学报中发表的论文:一种基于小波变换去除遥感图像噪声的方法,基于其中公开的原理对图像进行整体性去噪。
步骤H3、利用改进的otsu方法,即根据最大类间方差法、最小类内方差法、以及背景区域与光斑区域的之间面积比与预设数值的差最小原则得到最佳分割阈值,并利用该阈值将图像分割为背景和光斑区域两个部分,由于是对每个光斑区域做拟合,因此每个光斑区域得到一个中心点,这些中心点组成一个中心点序列。
步骤H4、设定判断函数,通常可以利用、透视变换等得到。其中,p为点的坐标。
步骤H5、非目标区域中的干扰的去除:利用判断函数对待判断的中心点依次进行筛选。通常利用灰度值排序并结合光斑区域的形状进行判断,排除处于非目标区域内的干扰点,保留有效光斑,从而得到有效光斑,将非有效光斑去除。
本发明所提供的方法能够使得光斑检测有较强的适应能力,不受环境中的强光所干扰,因此可以得到更好的强噪声去除结果。
本发明在公开上述方法的基础上还公开了一种光斑定位时去除噪声的系统,如图3所示,包括:
第一区域划分模块110,用于以图像中目标物体所处的区域为目标区域,利用边框识别法将图像划分为目标区域和非目标区域;其功能如步骤S1所述。
第二区域划分模块120,用于利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,并使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域;其功能如步骤S2所述。
光斑点拟合模块130,用于利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合,得到每个光斑区域的中心点;其功能如步骤S3所述。
干扰去除模块140,用于将位置处于所述非目标区域内的中心点作为干扰点去除,并输入去除干扰点后的图像,其功能如步骤S4所述。
所述第二区域划分模块包括:
函数计算模块,用于建立准则函数,根据所述准则函数计算出最佳分割阈值;
所述准则函数的公式为:
其中,为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值,为预设常数值。
所述第二区域划分模块还包括:
整体去噪单元,用于利用小波变换算法对图像进行整体性去噪处理。
所述的光斑定位时去除噪声的系统,其中,所述干扰去除模块中利用预设的判断函数对中心点是否位于目标区域内进行判断;所述判断函数的定义为:当所述中心点位于目标区域内,则得到的函数值为1,若所述中心点不位于目标区域内,则得到的函数值为0。
所述的光斑定位时去除噪声的系统,其中,所述干扰去除模块中按照灰度值大小排列的顺序依次将中心点代入判断函数,对中心点是否为强噪声进行判断,若是,则将所述中心点所对应的光斑移除,不是则保留所述中心点所对应的光斑。
本发明提供了一种光斑定位时去除噪声的方法及系统,通过以图像中目标物体所处的区域为目标区域,将图像划分为目标区域和非目标区域两个部分;利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域;利用高斯分布原理对每个所述目标区域像素的坐标点做高斯拟合,得到每个光斑区域的中心点;将所述中心点的位置处于非目标区域内的点去除。本发明所述的方法及系统,具有较强的适应性,不受拍摄图像时环境光强度的影响。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种光斑定位时去除噪声的方法,其特征在于,包括步骤:
步骤A、以图像中目标物体所处的区域为目标区域,利用边框识别法将图像划分为目标区域和非目标区域;
步骤B、利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域;
步骤C、利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合,得到每个光斑区域的中心点;
步骤D、将位置处于所述非目标区域内的中心点作为干扰点去除,并输入去除干扰点后的图像。
2.根据权利要求1所述光斑定位时去除噪声的方法,其特征在于,所述步骤B中所述利用最大类间方差算法、最小类内方差算法及非目标区域与目标区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值的方法包括:
步骤B1、建立准则函数,根据所述准则函数计算出最佳分割阈值;
所述准则函数的公式为:
其中,为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值,为预设常数值。
3.根据权利要求1所述光斑定位时去除噪声的方法,其特征在于,所述步骤B中计算最佳分割阈值之前还包括步骤:
步骤B0、利用小波变换算法对图像进行整体性去噪处理。
4.根据权利要求1所述光斑定位时去除噪声的方法,其特征在于,所述步骤D中利用预设的判断函数对中心点是否位于目标区域内进行判断;所述判断函数的定义为:当所述中心点位于目标区域内,则得到的函数值为1,若所述中心点不位于目标区域内,则得到的函数值为0。
5.根据权利要求4所述光斑定位时去除噪声的方法,其特征在于,所述步骤D中按照灰度值大小排列的顺序依次将中心点代入判断函数,对中心点是否为强噪声进行判断,若是,则将所述中心点所对应的光斑移除,不是则保留所述中心点所对应的光斑。
6.一种光斑定位时去除噪声的系统,其特征在于,包括:
第一区域划分模块,用于以图像中目标物体所处的区域为目标区域,利用边框识别法将图像划分为目标区域和非目标区域;
第二区域划分模块,用于利用最大类间方差算法、最小类内方差算法及背景区域与光斑区域的之间面积比与预设数值的差最小原则相结合得到最佳分割阈值,并使用所述最佳分割阈值将图像分割成背景区域和多个含有噪声的光斑区域;
光斑点拟合模块,用于利用高斯分布原理对每个所述光斑区域中像素的坐标点做高斯拟合,得到每个光斑区域的中心点;
干扰去除模块,用于将位置处于所述非目标区域内的中心点作为干扰点去除,并输入去除干扰点后的图像。
7.根据权利要求6所述的光斑定位时去除噪声的系统,其特征在于,所述第二区域划分模块包括:
函数计算模块,用于建立准则函数,根据所述准则函数计算出最佳分割阈值;
所述准则函数的公式为:
其中,为背景区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和的概率值、为光斑区域像素所占整个图像像素总和概率值的平均值、为背景区域像素所占整个图像像素总和概率值的平均值、为背景区域类内方差、为光斑区域类内方差、为与的比值,为预设常数值。
8.根据权利要求6所述的光斑定位时去除噪声的系统,其特征在于,所述第二区域划分模块还包括:
整体去噪单元,用于利用小波变换算法对图像进行整体性去噪处理。
9.根据权利要求6所述的光斑定位时去除噪声的系统,其特征在于,所述干扰去除模块中利用预设的判断函数对中心点是否位于目标区域内进行判断;所述判断函数的定义为:当所述中心点位于目标区域内,则得到的函数值为1,若所述中心点不位于目标区域内,则得到的函数值为0。
10.根据权利要求9所述的光斑定位时去除噪声的系统,其特征在于,所述干扰去除模块中按照灰度值大小排列的顺序依次将中心点代入判断函数,对中心点是否为强噪声进行判断,若是,则将所述中心点所对应的光斑移除,不是则保留所述中心点所对应的光斑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611208811.6A CN106651801A (zh) | 2016-12-23 | 2016-12-23 | 一种光斑定位时去除噪声的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611208811.6A CN106651801A (zh) | 2016-12-23 | 2016-12-23 | 一种光斑定位时去除噪声的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106651801A true CN106651801A (zh) | 2017-05-10 |
Family
ID=58827030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611208811.6A Pending CN106651801A (zh) | 2016-12-23 | 2016-12-23 | 一种光斑定位时去除噪声的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651801A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445507A (zh) * | 2020-04-16 | 2020-07-24 | 北京深测科技有限公司 | 一种非视域成像的数据处理方法 |
CN111462225A (zh) * | 2020-03-31 | 2020-07-28 | 电子科技大学 | 一种红外光斑图像的质心识别定位方法 |
CN112530384A (zh) * | 2020-12-02 | 2021-03-19 | 惠州Tcl移动通信有限公司 | 一种显示亮度调节方法、装置及电子设备 |
CN112698380A (zh) * | 2020-12-16 | 2021-04-23 | 南京大学 | 一种适用于强背景噪声下低能质子束的束流截面处理方法 |
CN112804447A (zh) * | 2020-12-30 | 2021-05-14 | 北京石头世纪科技股份有限公司 | 一种检测近场物体的方法、装置、介质和电子设备 |
CN112950650A (zh) * | 2021-01-27 | 2021-06-11 | 广东工业大学 | 一种适用于高精度形貌测量的深度学习畸变光斑中心提取方法 |
CN115082504A (zh) * | 2022-08-23 | 2022-09-20 | 菏泽学院 | 一种太阳能光伏板光斑识别方法 |
CN115311310A (zh) * | 2022-10-10 | 2022-11-08 | 江苏欧罗曼家纺有限公司 | 通过图割实现纺织品印花图案提取的方法 |
CN115372933A (zh) * | 2022-08-31 | 2022-11-22 | 深圳市欢创科技有限公司 | 一种杂光过滤方法、装置及激光雷达 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4991953A (en) * | 1989-02-09 | 1991-02-12 | Eye Research Institute Of Retina Foundation | Scanning laser vitreous camera |
CN103617611A (zh) * | 2013-11-12 | 2014-03-05 | 清华大学 | 一种自动阈值分割光斑中心及尺寸检测方法 |
-
2016
- 2016-12-23 CN CN201611208811.6A patent/CN106651801A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4991953A (en) * | 1989-02-09 | 1991-02-12 | Eye Research Institute Of Retina Foundation | Scanning laser vitreous camera |
CN103617611A (zh) * | 2013-11-12 | 2014-03-05 | 清华大学 | 一种自动阈值分割光斑中心及尺寸检测方法 |
Non-Patent Citations (1)
Title |
---|
韩亚荣等: "《一种光斑图像的阈值分割和光斑中心坐标的计算方法》", 《现代计算机(专业版)》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462225B (zh) * | 2020-03-31 | 2022-03-25 | 电子科技大学 | 一种红外光斑图像的质心识别定位方法 |
CN111462225A (zh) * | 2020-03-31 | 2020-07-28 | 电子科技大学 | 一种红外光斑图像的质心识别定位方法 |
CN111445507A (zh) * | 2020-04-16 | 2020-07-24 | 北京深测科技有限公司 | 一种非视域成像的数据处理方法 |
CN111445507B (zh) * | 2020-04-16 | 2023-07-18 | 北京深测科技有限公司 | 一种非视域成像的数据处理方法 |
CN112530384A (zh) * | 2020-12-02 | 2021-03-19 | 惠州Tcl移动通信有限公司 | 一种显示亮度调节方法、装置及电子设备 |
CN112530384B (zh) * | 2020-12-02 | 2022-07-08 | 惠州Tcl移动通信有限公司 | 一种显示亮度调节方法、装置及电子设备 |
CN112698380A (zh) * | 2020-12-16 | 2021-04-23 | 南京大学 | 一种适用于强背景噪声下低能质子束的束流截面处理方法 |
CN112804447A (zh) * | 2020-12-30 | 2021-05-14 | 北京石头世纪科技股份有限公司 | 一种检测近场物体的方法、装置、介质和电子设备 |
CN112950650A (zh) * | 2021-01-27 | 2021-06-11 | 广东工业大学 | 一种适用于高精度形貌测量的深度学习畸变光斑中心提取方法 |
CN112950650B (zh) * | 2021-01-27 | 2023-01-20 | 广东工业大学 | 适用于高精度形貌测量的深度学习畸变光斑中心提取方法 |
CN115082504A (zh) * | 2022-08-23 | 2022-09-20 | 菏泽学院 | 一种太阳能光伏板光斑识别方法 |
CN115082504B (zh) * | 2022-08-23 | 2022-11-11 | 菏泽学院 | 一种太阳能光伏板光斑识别方法 |
CN115372933A (zh) * | 2022-08-31 | 2022-11-22 | 深圳市欢创科技有限公司 | 一种杂光过滤方法、装置及激光雷达 |
CN115311310A (zh) * | 2022-10-10 | 2022-11-08 | 江苏欧罗曼家纺有限公司 | 通过图割实现纺织品印花图案提取的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651801A (zh) | 一种光斑定位时去除噪声的方法及系统 | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
US12093779B2 (en) | Methods and systems for processing an image | |
KR102073468B1 (ko) | 비전 시스템에서 컬러 이미지에 대해 컬러 후보 포즈들의 점수화를 위한 시스템 및 방법 | |
CN104268853A (zh) | 一种红外图像与可见光图像配准方法 | |
CN105718931B (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
US9286669B2 (en) | Image processing apparatus, image processing method and program | |
WO2021195873A1 (zh) | 识别sfr测试卡图像中感兴趣区域的方法及装置、介质 | |
CN107341793A (zh) | 一种靶面图像处理方法及装置 | |
CN111524139B (zh) | 一种基于双边滤波器的角点检测方法和检测系统 | |
CN115439523A (zh) | 一种半导体器件引脚尺寸检测方法、设备及存储介质 | |
CN105243677B (zh) | 一种保证精度的实时单分子定位方法及系统 | |
CN106951902B (zh) | 一种图像二值化处理方法及装置 | |
JP2013200648A (ja) | 濃淡画像のエッジ抽出方法、エッジ抽出装置並びに濃淡画像のエッジ抽出プログラム | |
CN111583225A (zh) | 缺陷检测方法、装置及存储介质 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
KR101911860B1 (ko) | 깊이 영상에서 카메라 모델 및 필터를 이용한 도로 검출 방법 및 장치 | |
CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
CN113421301B (zh) | 一种田间作物中心区域定位方法及系统 | |
CN115471537A (zh) | 一种基于单目摄像头的移动目标距离与高度的测量方法 | |
JP2011175347A (ja) | 情報処理装置および情報処理方法 | |
CN111105394B (zh) | 一种检测发光小球特征信息的方法及装置 | |
CN110298799B (zh) | 一种pcb图像定位校正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20171207 Address after: 518000 Guangdong city of Shenzhen province Nanshan District Xili liuxiandong Zhongshan Road No. 1001 TCL Science Park Research Building D4 Building 8 layer B1 unit 802-1. Applicant after: SHENZHEN TCL HIGH-TECH DEVELOPMENT CO., LTD. Address before: 516006 Guangdong province Huizhou Zhongkai hi tech Development Zone No. nineteen District Applicant before: TCL Group Co., Ltd. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |