CN106780488B - 一种数字病理切片清晰度的检测系统及方法 - Google Patents
一种数字病理切片清晰度的检测系统及方法 Download PDFInfo
- Publication number
- CN106780488B CN106780488B CN201710032514.9A CN201710032514A CN106780488B CN 106780488 B CN106780488 B CN 106780488B CN 201710032514 A CN201710032514 A CN 201710032514A CN 106780488 B CN106780488 B CN 106780488B
- Authority
- CN
- China
- Prior art keywords
- gradient
- ratio
- digital pathological
- gradient value
- spliced
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06T2207/10056—Microscopic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及医学图像检测领域,尤其涉及一种数字病理切片清晰度检测系统及方法。数字病理切片至少包括互相拼接的多幅数字病理图片,检测系统包括:处理单元,于两幅相互拼接的数字病理图片中,处理得到一幅数字病理图片的图像梯度并计为第一梯度值,以及处理得到另一幅数字病理图片的图像梯度并计为第二梯度值;标准单元,预先提供一预设的梯度比值;比较单元,将第一梯度值与第二梯度值的比值与预设的梯度比值进行比较,并在比值与预设的梯度比值不相匹配时判断相互拼接的两幅数字病理图片之间的拼接处的清晰度不合格。这种方法能够客观的判断图像的画质,不仅避免了因人为主观因素造成的评价结果不一致的缺点。
Description
技术领域
本发明涉及一种医学图像检测领域,尤其涉及一种数字病理切片的清晰度的检测系统及方法。
背景技术
数字病理切片是一种现代数字系统与传统光学放大装置有机结合的技术。它是将传统的玻璃病理切片通过全自动显微镜或光学放大系统扫描得到高分辨数字图像,再应用计算机对得到的图像自动进行高精度多视野无缝隙拼接和处理,制作生成整张全视野的数字化切片。
由于显微镜或光学放大系统扫描得到的高分辨数字图像容易受周围环境或者显微镜自身设备的影响,导致扫描得到的各个数字图像分辨率有差异,有的数字图像很清晰,而有的很模糊。因此,将各个数字图像拼接出来的整张数字化切片精度就不会很高。
当前评价数字病理切片的图像画质还依赖人眼观察判断,人眼判断后手动标识出切片不清晰的位置。但是数字化切片太大,因此评价整个切片所需要花费的时间就会比较多。而且人工评价图像的标准难以衡量,受各人主观因素的影响较强,同样的切片各人判断的结果会有所差别。
发明内容
针对目前评价数字病理切片存在的上述问题,本发明提供一种数字病理切片清晰度的检测系统和方法。
本发明解决技术问题所采用的技术方案为:
一种数字病理切片清晰度的检测系统,所述数字病理切片至少包括互相拼接的多幅数字病理图片,所述检测系统包括:
处理单元,于两幅相互拼接的所述数字病理图片中,处理得到一幅所述数字病理图片的图像梯度并计为第一梯度值,以及处理得到另一幅所述数字病理图片的图像梯度并计为第二梯度值;
标准单元,预先提供一预设的梯度比值;
比较单元,所述比较单元分别与所述处理单元和所述标准单元连接,用于将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并在所述比值与所述预设的梯度比值不相匹配时判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格。
优选的,当所述第一梯度值小于或等于所述第二梯度值时,所述预设的梯度比值小于或等于1;
则所述比较单元将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并根据比较结果:
在所述第一梯度值与所述第二梯度值的比值小于所述预设的梯度比值时,判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格;
在所述第一梯度值与所述第二梯度值的比值大于或等于所述预设的梯度比值时,判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度合格。
优选的,当所述第一梯度值大于所述第二梯度值时,所述预设的梯度比值大于1;
则所述比较单元将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并根据比较结果:
在所述第一梯度值与所述第二梯度值的比值大于或等于所述预设的梯度比值时,判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格;
在所述第一梯度值与所述第二梯度值的比值小于所述预设的梯度比值时,判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度合格。
优选的,所述检测系统还包括标识单元,所述标识单元与所述比较单元连接,用于标识出在所述数字病理切片上被所述比较单元判断为清晰度不合格的拼接处。
优选的,所述检测系统还包括存储单元,所述存储单元与比较单元连接,用于暂存被所述比较单元判断为清晰度合格的所述数字病理图片。
优选的,还包括切片获取单元,所述切片获取单元与所述处理单元连接,用于拍摄载玻片上细胞的数字病理图片,并将拍摄的数字病理图片进行拼接,以生成提供给处理单元的数字病理切片;
所述处理单元于拼接生成的所述数字病理切片上对两幅相互拼接的所述数字病理图片进行处理,以形成所述第一梯度值和所述第二梯度值。
一种数字病理切片清晰度的检测方法,所述数字病理切片至少包括互相拼接的多幅数字病理图片,预先提供一预设的梯度比值;
所述检测方法包括:
步骤1,于两幅相互拼接的所述数字病理图片中,处理得到一幅所述数字病理图片的图像梯度并计为第一梯度值,以及处理得到另一幅所述数字病理图片的图像梯度并计为第二梯度值;
步骤2,将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并在所述比值与所述预设的梯度比值不相匹配时判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格。
优选的,在执行完所述步骤2之后,继续执行下述步骤:
步骤3,标识出被判断为清晰度不合格的拼接处。
优选的,当所述第一梯度值小于或等于所述第二梯度值时,所述预设的梯度比值小于或等于1;
则所述步骤2中,将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并在所述比值小于所述预设的梯度比值时判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格。
优选的,当所述第一梯度值大于所述第二梯度值时,所述预设的梯度比值大于1;
则所述步骤2中,将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并在所述比值大于或等于所述预设的梯度比值时判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格。
本发明的有益效果:本发明通过将数字病理切片中任意相邻的两张数字病理图片的梯度值进行比较,从而判断出相邻两张数字病理图片拼接处的清晰度。采用此种方法以此类推,可以完整地判断出整张数字病理切片中所有的数字病理图片拼接处的清晰度。这种方法能够客观的判断图像的画质,不仅避免了因人为主观因素造成的评价结果不一致的缺点,还减少了评判画质的工作量。
附图说明
图1为本发明的数字病理切片的组成示意图;
图2为发明的一种数字病理切片清晰度的检测系统的结构框图;
图3为本发明的一种数字病理切片清晰度的检测方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
数字病理切片是将传统的玻璃病理切片通过全自动显微镜或光学放大系统扫描得到高分辨数字图像,再应用计算机对得到的图像自动进行高精度多视野无缝隙拼接和处理,制作生成整张全视野的数字化切片。因此,数字病理切片是由多张数字病理图像无缝拼接和处理而成的。
本发明中列出了由图1所示的一幅数字病理图片11和另一幅数字病理图片12拼接成的数字病理切片作为示例,以对本发明的方案进行说明。
该一幅数字病理图片11和另一幅数字病理图片12是互相拼接的,因此,可以见同一个细胞组织可能同时被显示在一幅数字病理图片11和另一幅数字病理图片12的拼接处13。为了保证拼接处13的细胞清晰度一致,因此本发明的重点就在于如何判断这两张数字病理图片的拼接处13的清晰度是否合格。一张数字病理图片至少有一处拼接处13,本为仅以其中一个拼接处13作为实施例对本申请的方案进行说明。
一种数字病理切片清晰度的检测系统,数字病理切片至少包括互相拼接的多幅数字病理图片,如图2所示,检测系统包括:
处理单元1,于两幅相互拼接的数字病理图片中,处理得到一幅数字病理图片11的图像梯度并计为第一梯度值,以及处理得到另一幅数字病理图片12的图像梯度并计为第二梯度值;
标准单元2,预先提供一预设的梯度比值;
比较单元3,比较单元3分别与处理单元1和标准单元2连接,用于将第一梯度值与第二梯度值的比值与预设的梯度比值进行比较,并在比值与预设的梯度比值不相匹配时判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度不合格。
该实施例中,处理单元1处理一数字病理图片11的梯度值,得到第一梯度值;处理另一数字病理图片12的梯度值,得到第二梯度值。在此之前,标准单元2根据数字病理切片提供一预设的梯度比值。将第一梯度值与第二梯度值的比值与预设的梯度比值进行比较,当比值与预设的梯度比值不相匹配时,判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度不合格。这种方法能够客观的判断图像的画质,不仅避免了因人为主观因素造成的评价结果不一致的缺点,还减少了评判画质的工作人员的工作量。
本发明优选的实施例,当第一梯度值小于或等于第二梯度值时,预设的梯度比值小于或等于1;
则比较单元3将第一梯度值与第二梯度值的比值与预设的梯度比值进行比较,并根据比较结果:
在第一梯度值与第二梯度值的比值小于预设的梯度比值时,判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度不合格;
在第一梯度值与第二梯度值的比值大于或等于预设的梯度比值时,判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度合格。
该实施例列举了判断两幅拼接的数字病理图片之间的拼接处13的清晰度合格以及不合格的情况。当第一梯度值小于或等于第二梯度值,两幅数字病理图片的梯度值的比值越小,说明两张数字病理图片的清晰度差距越大;当比值小于预设的梯度比值时,说明两张数字病理图片的清晰度都不合格。
此外,当比值与预设的梯度比值相匹配时,判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度合格。所谓比值与预设的梯度值相匹配,是指除了以上列举的两种实施例之外的情况。例如,当第一梯度值小于第二梯度值,且第一梯度值与第二梯度值的比值大于或等于预设的梯度比值时,两幅数字病理图片之间的拼接处13的清晰度合格。
本发明优选的实施例,当第一梯度值大于第二梯度值时,预设的梯度比值大于1;
则比较单元3将第一梯度值与第二梯度值的比值与预设的梯度比值进行比较,并根据比较结果:
在第一梯度值与第二梯度值的比值大于或等于预设的梯度比值时,判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度不合格;
在第一梯度值与第二梯度值的比值小于预设的梯度比值时,判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度合格。
本发明优选的实施例,检测系统还包括标识单元4,标识单元4与比较单元3连接,用于标识出在数字病理切片上被比较单元3判断为清晰度不合格的拼接处13。
判断出不合格的拼接处13之后,可以在不合格的拼接处13用不同的方式标识出来,例如用圆形虚线框,或者方框,或者带有颜色的标记等。也可以在该检测系统的数据库中为每个拼接处设置一序号,当检测出一拼接处13不合格时,在该检测系统中显示出该拼接处13所对应的序号。本实施例中采用了如图1所示的圆形虚线框标识出清晰度不合格的拼接处13。
当标识出清晰度不合格的数字病理图片的拼接处13之后,可以根据数字病理图片的具体情况确定是否采用该数字病理切片。例如,当数字病理切片中所标出的清晰度不合格的拼接处13的个数超过预设的个数时,则判断整张数字病理切片不合格,需要重新对数字病理切片拍摄、检测。
本发明优选的实施例,检测系统还包括存储单元5,存储单元5与比较单元3连接,用于暂存被比较单元3判断为清晰度合格的数字病理图片。
本发明优选的实施例,还包括切片获取单元6,切片获取单元6与处理单元1连接,用于拍摄载玻片上细胞的数字病理图片,并将拍摄的数字病理图片进行拼接,以生成提供给处理单元1的数字病理切片;
处理单元1于拼接生成的数字病理切片上对两幅相互拼接的数字病理图片进行处理,以形成第一梯度值和第二梯度值。
该实施例中,切片获取单元6为本发明提供了要检测拼接处13是否清晰的数字病理切片。
一种数字病理切片清晰度的检测方法,数字病理切片至少包括互相拼接的多幅数字病理图片,预先提供一预设的梯度比值;
如图3所示,检测方法包括:
步骤1,于两幅相互拼接的数字病理图片中,处理得到一幅数字病理图片11的图像梯度并计为第一梯度值,以及处理得到另一幅数字病理图片12的图像梯度并计为第二梯度值;
步骤2,将第一梯度值与第二梯度值的比值与预设的梯度比值进行比较,并在比值与预设的梯度比值不相匹配时判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度不合格。
本发明优选的实施例,在执行完步骤2之后,继续执行下述步骤:
步骤3,标识出清晰度不合格的拼接处13。
本发明优选的实施例,当第一梯度值小于或等于第二梯度值时,预设的梯度比值小于或等于1;
则步骤2中,将第一梯度值与第二梯度值的比值与预设的梯度比值进行比较,并在比值小于预设的梯度比值时判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度不合格。
本发明优选的实施例,当第一梯度值大于第二梯度值时,预设的梯度比值大于1;
则步骤2中,将第一梯度值与第二梯度值的比值与预设的梯度比值进行比较,并在比值大于或等于预设的梯度比值时判断相互拼接的两幅数字病理图片之间的拼接处13的清晰度不合格。
本发明通过将数字病理切片中任意相邻的两张数字病理图片的梯度值进行比较,从而判断出相邻两张数字病理图片拼接处的清晰度。采用此种方法以此类推,可以完整地判断出整张数字病理切片中所有的数字病理图片拼接处的清晰度。这种方法能够客观的判断图像的画质,不仅避免了因人为主观因素造成的评价结果不一致的缺点,还减少了评判画质的工作量。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所做出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (6)
1.一种数字病理切片清晰度的检测系统,其特征在于,所述数字病理切片至少包括互相拼接的多幅数字病理图片,所述检测系统包括:
处理单元,于两幅相互拼接的所述数字病理图片中,处理得到一幅所述数字病理图片的图像梯度并计为第一梯度值,以及处理得到另一幅所述数字病理图片的图像梯度并计为第二梯度值;
标准单元,预先提供一预设的梯度比值;
比较单元,所述比较单元分别与所述处理单元和所述标准单元连接,用于将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并在所述比值与所述预设的梯度比值不相匹配时判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格;
所述检测系统还包括标识单元,所述标识单元与所述比较单元连接,用于标识出在所述数字病理切片上被所述比较单元判断为清晰度不合格的拼接处;
当所述第一梯度值小于或等于所述第二梯度值时,所述预设的梯度比值小于或等于1;
则所述比较单元将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并根据比较结果:
在所述第一梯度值与所述第二梯度值的比值小于所述预设的梯度比值时,判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格;
在所述第一梯度值与所述第二梯度值的比值大于或等于所述预设的梯度比值时,判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度合格。
2.根据权利要求1所述的数字病理切片清晰度的检测系统,其特征在于,当所述第一梯度值大于所述第二梯度值时,所述预设的梯度比值大于1;
则所述比较单元将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并根据比较结果:
在所述第一梯度值与所述第二梯度值的比值大于或等于所述预设的梯度比值时,判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格;
在所述第一梯度值与所述第二梯度值的比值小于所述预设的梯度比值时,判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度合格。
3.根据权利要求1或2所述的数字病理切片清晰度的检测系统,其特征在于,所述检测系统还包括存储单元,所述存储单元与比较单元连接,用于暂存被所述比较单元判断为清晰度合格的所述数字病理图片。
4.根据权利要求1所述的数字病理切片清晰度的检测系统,其特征在于,还包括切片获取单元,所述切片获取单元与所述处理单元连接,用于拍摄载玻片上细胞的数字病理图片,并将拍摄的数字病理图片进行拼接,以生成提供给处理单元的数字病理切片;
所述处理单元于拼接生成的所述数字病理切片上对两幅相互拼接的所述数字病理图片进行处理,以形成所述第一梯度值和所述第二梯度值。
5.一种数字病理切片清晰度的检测方法,所述数字病理切片至少包括互相拼接的多幅数字病理图片,其特征在于,预先提供一预设的梯度比值;
所述检测方法包括:
步骤1,于两幅相互拼接的所述数字病理图片中,处理得到一幅所述数字病理图片的图像梯度并计为第一梯度值,以及处理得到另一幅所述数字病理图片的图像梯度并计为第二梯度值;
步骤2,将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并在所述比值与所述预设的梯度比值不相匹配时判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格;
当所述第一梯度值小于或等于所述第二梯度值时,所述预设的梯度比值小于或等于1;
则所述步骤2中,将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并在所述比值小于所述预设的梯度比值时判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格;
当所述第一梯度值大于所述第二梯度值时,所述预设的梯度比值大于1;
则所述步骤2中,将所述第一梯度值与所述第二梯度值的比值与所述预设的梯度比值进行比较,并在所述比值大于或等于所述预设的梯度比值时判断相互拼接的两幅所述数字病理图片之间的拼接处的清晰度不合格。
6.根据权利要求5所述的数字病理切片清晰度的检测方法,其特征在于,在执行完所述步骤2之后,继续执行下述步骤:
步骤3,标识出被判断为清晰度不合格的拼接处。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710032514.9A CN106780488B (zh) | 2017-01-16 | 2017-01-16 | 一种数字病理切片清晰度的检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710032514.9A CN106780488B (zh) | 2017-01-16 | 2017-01-16 | 一种数字病理切片清晰度的检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106780488A CN106780488A (zh) | 2017-05-31 |
CN106780488B true CN106780488B (zh) | 2021-05-11 |
Family
ID=58946051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710032514.9A Active CN106780488B (zh) | 2017-01-16 | 2017-01-16 | 一种数字病理切片清晰度的检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780488B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107493403B (zh) * | 2017-08-11 | 2019-09-24 | 宁波江丰生物信息技术有限公司 | 一种数字病理切片扫描系统 |
CN107945156A (zh) * | 2017-11-14 | 2018-04-20 | 宁波江丰生物信息技术有限公司 | 一种自动评价数字病理扫描图像画质的方法 |
CN108766534A (zh) * | 2018-04-09 | 2018-11-06 | 新乡医学院 | 一种数字病理切片扫描系统 |
CN109615613B (zh) * | 2018-11-22 | 2019-12-20 | 广州金域医学检验中心有限公司 | 病理切片染色质量评价方法、装置、计算机设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0698797A1 (de) * | 1994-08-27 | 1996-02-28 | Jürgen Prof. Dr. Hennig | Verfahren der bildgebenden Kernspintomographie zur simultanen Erzeugung mehrerer Schichtbilder |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615289B (zh) * | 2009-08-05 | 2012-10-03 | 北京优纳科技有限公司 | 切片组织的三维采集及多层图像融合方法 |
CN101751659B (zh) * | 2009-12-24 | 2012-07-25 | 北京优纳科技有限公司 | 大容量快速图像拼接方法 |
CN102968800B (zh) * | 2012-12-14 | 2016-01-20 | 宁波江丰生物信息技术有限公司 | 一种图像清晰度的评价方法 |
CN103175834B (zh) * | 2013-01-28 | 2016-05-18 | 宁波江丰生物信息技术有限公司 | 一种数字病理切片质量检测方法和系统 |
CN104182962A (zh) * | 2013-05-28 | 2014-12-03 | 腾讯科技(深圳)有限公司 | 评价图片清晰度的方法及装置 |
CN104316529A (zh) * | 2014-11-18 | 2015-01-28 | 宁波江丰生物信息技术有限公司 | 一种全自动的用于数字病理图像扫描的实时画质评价方法 |
CN105681677B (zh) * | 2016-03-31 | 2018-12-18 | 中国资源卫星应用中心 | 一种高分辨率光学遥感卫星相机最佳焦面确定方法 |
-
2017
- 2017-01-16 CN CN201710032514.9A patent/CN106780488B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0698797A1 (de) * | 1994-08-27 | 1996-02-28 | Jürgen Prof. Dr. Hennig | Verfahren der bildgebenden Kernspintomographie zur simultanen Erzeugung mehrerer Schichtbilder |
Also Published As
Publication number | Publication date |
---|---|
CN106780488A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780488B (zh) | 一种数字病理切片清晰度的检测系统及方法 | |
US20150276392A1 (en) | Graphical feedback during 3d scanning operations for obtaining optimal scan resolution | |
CN105021628B (zh) | 一种用于光纤倒像器表面缺陷的检测方法 | |
KR101978995B1 (ko) | 결함 화상 분류 장치 및 결함 화상 분류 방법 | |
CN107907775B (zh) | 接线检测方法及接线检测装置 | |
US20130223760A1 (en) | Microscopic image fusion method based on region growing | |
CN110736748A (zh) | 免疫组化核浆染色切片诊断方法及系统 | |
KR101057626B1 (ko) | 화상 분석을 이용한 편광판 얼룩 검사 방법 및 이를 이용한 편광판 얼룩 자동 검사 시스템 | |
WO2017177717A1 (zh) | 基于颜色和梯度的元件定位方法和系统 | |
CN105953741B (zh) | 一种钢结构局部几何变形的测量系统和方法 | |
CN108055532A (zh) | 自动化匹配测试卡的方法与装置 | |
CN116128881B (zh) | 一种用于缺陷产品同步标记的镜片检测系统及方法 | |
CN106682083A (zh) | 一种红外全景监测系统及监测方法 | |
CN112595496A (zh) | 近眼显示设备的不良检测方法、装置、设备及存储介质 | |
JP2001174227A (ja) | 繊維の径分布測定方法および装置 | |
CN105427315B (zh) | 数字仪表图像位置测试方法及装置 | |
WO2020165581A1 (en) | Night vision device testing | |
Luzi et al. | Automatic evaluation of vertex structural defects on the anode surface of a low-light-level image intensifier based on proposed individual image processing strategies | |
US20220292662A1 (en) | Information processing apparatus,information processing method,and non-transitory computer-readable storage medium | |
CN112730449B (zh) | 自动对焦液晶模组微观三维立体检测光学方法 | |
KR101695531B1 (ko) | 비전영상 기반 객체 검사 인증 시스템 | |
DE102019207954B4 (de) | Verfahren für ein Stereokamerasystem zur Erkennung von Abweichungen von einer Kalibrierung und Stereokamerasystem hierfür | |
CN108903907B (zh) | 一种基于水平偏差的游标锐度感知能力的检测方法 | |
Gerton et al. | A novel method for optical distortion quantification | |
GB2532651A (en) | Night vision device testing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |