CN106909926A - 一种烟包印刷色彩的均匀性检测方法及装置 - Google Patents
一种烟包印刷色彩的均匀性检测方法及装置 Download PDFInfo
- Publication number
- CN106909926A CN106909926A CN201510961379.7A CN201510961379A CN106909926A CN 106909926 A CN106909926 A CN 106909926A CN 201510961379 A CN201510961379 A CN 201510961379A CN 106909926 A CN106909926 A CN 106909926A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- information
- segmentation
- cigarette bag
- 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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种烟包印刷色彩的均匀性检测方法及装置,该方法包括:将烟包的图像分割成多个相同的区域,统计每个区域中的含有预设信息的信息点数量,并依据图像的像素个数值获取区域的分割尺度;分别计算每个区域的信息点数量及分割尺度的特征值,并依据信息点数量及分割尺度的特征值计算斜率;依据斜率获取区域的均匀性指数,判断均匀性指数是否合格。实施本发明的有益效果是,利用图像纹理特征信息,色彩分布的微小变化,来测量和评判印刷色彩的一致性,快速、自动,高精度的测量出烟包实地区域的均匀性指标。
Description
技术领域
本发明涉及烟包印刷品印刷质量评价技术领域,尤其涉及一种烟包印刷色彩的均匀性检测方法及装置。
背景技术
烟包印刷产品作为一种高档、高质量的印刷产品,备受印刷及包装工业关注。因其较高的品质和技术要求使得烟包印刷企业不断的进行技术更新,提高产品质量,生产更加精美的烟包产品。为了更好的提升烟包产品档次,现行的烟包产品常常使用大量的专色且实地颜色区域作为整个产品的背景,以突出香烟的特色。另外,为了保证产品质量,需要对烟包产品图文信息、色彩信息等方面进行检查,尤其对于产品的实地颜色区域或者专色实地区域,其颜色的均匀性要求很高,如果色彩的均匀性不好,会使整体烟包的色彩具有明显的突兀,往往被消费者认为是假烟等伪劣假冒商品,因此印刷企业非常重视烟包产品的实地颜色区域的色彩均匀性质量。
现行对印刷色彩均匀性的测量和评价,主要通过人工主观视觉评价和计算色差两种方法。人工视觉主观判断,费时、费力,而且需要有非常丰富的评判经验,才能保证评判的准确性;计算色差法主要是通过计算整个色彩区域的色差值,来测量和评判色彩均匀性的大小,计算工作量大,也比较繁琐,而且由于采样点数量的限制,对于印刷色彩均匀性测量的精度也比较低。
发明内容
本发明的目的在于提供一种烟包印刷色彩的均匀性检测方法及装置,解决现有技术中测量方法精度低,费时、费力的问题。
本发明的技术方案实现如下:
本发明的一个目的在于提供一种烟包印刷色彩的均匀性检测方法,包括:
将烟包的图像分割成多个相同的区域,统计每个所述区域中的含有预设信息的信息点数量,并依据所述图像的像素个数值获取所述区域的分割尺度;
分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,并依据所述信息点数量及所述分割尺度的特征值计算斜率;
依据所述斜率获取所述区域的均匀性指数,判断所述均匀性指数是否合格。
在本发明所述的均匀性检测方法中,所述均匀性检测方法还包括:
采集烟包的颜色区域上的图像;
依据小波变换去除所述图像中的噪声信息并对所述图像进行再现重构;
将所述图像转化为二值化图像并提取其边界信息。
在本发明所述的均匀性检测方法中,所述采集烟包的颜色区域上的图像的步骤包括:
通过图像传感器采集所述烟包所需检测的颜色区域上的图像;
对所述图像进行A/D转换;
对所述图像进行灰度处理。
在本发明所述的均匀性检测方法中,所述依据小波变换去除所述图像中的噪声信息并对所述图像进行再现重构的步骤包括:
采用二维小波分解去除所述图像中的噪声信息;
采用多尺度二维小波对去除噪声信息后的所述图像进行再现重构。
在本发明所述的均匀性检测方法中,所述将所述图像转化为二值化图像并提取其边界信息的步骤包括:
依据最大类间方差法获取二值化阈值;
依据所述二值化阈值将所述图像转化为二值化图像;
依据边界提取函数及canny算子提取所述二值化图像的边界信息。
在本发明所述的均匀性检测方法中,所述将烟包的图像分割成多个相同的区域,统计每个所述区域中的含有预设信息的信息点数量,并依据所述图像的像素个数值获取所述区域的分割尺度的步骤包括:
将所述图像分割成n个相同的区域;
统计每个所述区域中的含有预设信息的信息点数量Ni,i=1,2,3…n;
依据所述图像的像素个数值获取所述区域的分割尺度ri,ri=2i。
在本发明所述的均匀性检测方法中,所述分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,并依据所述信息点数量及所述分割尺度的特征值计算斜率的步骤包括:
分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,其中所述分割尺度ri的特征值Ai为Ai=-log(ri),所述信息点数量Ni的特征值Bi为Bi=log(Ni);
以Ai作为横坐标,以Bi作为纵坐标进行绘图,依据polyfit函数计算斜率k。
在本发明所述的均匀性检测方法中,所述依据所述斜率获取所述区域的均匀性指数,判断所述均匀性指数是否合格的步骤包括:
令所述均匀性指数Pe=k;
判断所述均匀性指数Pe是否处于预设的区间[Pe1,Pe2]内,若是,则为色彩均匀的烟包,若否,则为色彩不均匀的烟包。
另一方面,提供一种烟包印刷色彩的均匀性检测装置,包括:
图像分割模块,用于将烟包的图像分割成多个相同的区域,统计每个所述区域中的含有预设信息的信息点数量,并依据所述图像的像素个数值获取所述区域的分割尺度;
特征值斜率计算模块,用于分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,并依据所述信息点数量及所述分割尺度的特征值计算斜率;
均匀性检测模块,用于依据所述斜率获取所述区域的均匀性指数,检测所述均匀性指数。
在本发明所述的均匀性检测装置中,还包括:
图像传感器,用于采集烟包的颜色区域上的图像;
小波变换模块,用于依据小波变换去除所述图像中的噪声信息并对所述图像进行再现重构;
二值化处理模块,用于将所述图像转化为二值化图像并提取其边界信息。
因此,本发明的有益效果是,利用图像纹理特征信息,色彩分布的微小变化,来测量和评判印刷色彩的一致性,快速、自动,高精度的测量出烟包实地区域的均匀性指标,代替传统的费时、费力的人工的测量方法。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明提供的一种烟包印刷色彩的均匀性检测方法流程图;
图2为本发明提供的一种烟包印刷色彩的均匀性检测装置框图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,以下将对照附图详细说明本发明的具体实施方式。应当理解,以下说明仅为本发明实施例的具体阐述,不应以此限制本发明的保护范围。
本发明提供一种烟包印刷色彩的均匀性检测方法及装置,其目的在于,针对烟包实地颜色区域的色彩均匀性问题,提出一种快捷、实用的测量方法,实现烟包产品实地区域色彩均匀性测量的问题。本发明主要通过传感器采集烟包的图像,然后导入安装有MATLAB(MATLAB是一款数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境)程序的计算机进行图像处理,从而检测烟包印刷色彩的均匀性问题。
参见图1,图1为本发明提供的一种烟包印刷色彩的均匀性检测方法流程图,该方法包括以下步骤:
S1、采集烟包的颜色区域上的图像;所述步骤S1包括以下子步骤:
S11、通过图像传感器采集所述烟包所需检测的颜色区域上的图像;该步骤可通过采用CCD(Charge-coupled Device)图像传感器采集需要检测烟包产品的颜色区域。
S12、对所述图像进行A/D(模/数)转换;即转化成数字信号,方便计算机处理并保存。优选的,采集的烟包实地测量区域图像的分辨率应大于等于1024×1024。
S13、对所述图像进行灰度处理。通过matlab的rgb2gray函数将采集到烟包实地区域图像转换成灰度图像。
S2、依据小波变换去除所述图像中的噪声信息并对所述图像进行再现重构;所述步骤S2包括以下子步骤:
S21、采用二维小波分解去除所述图像中的噪声信息;利用二维小波分解去噪,对所得到的灰度图像进行噪声去除,消除图像采集过程中噪声信息。图像小波分解采用二维离散的wavedec2函数,分解的级数为4,小波基函数为Coif3;采用去噪阈值函数wdcbm2进行图像去噪阈值设定,通过wdencmp函数进行图像去噪,去除图像的噪声。
S22、采用多尺度二维小波对去除噪声信息后的所述图像进行再现重构。可利用多尺度二维小波函数waverec2对去除噪声的图像进行重构再现。
S3、将所述图像转化为二值化图像并提取其边界信息。所述步骤S3包括以下子步骤:
S31、依据最大类间方差法获取二值化阈值;例如利用最大类间方差法函数graythresh,获取一个二值化图像的合适阈值。
S32、依据所述二值化阈值将所述图像转化为二值化图像;例如利用函数im2bw进行图像的二值化处理。
S33、依据边界提取函数及canny算子提取所述二值化图像的边界信息。例如利用边界提取函数edge,提取算子为canny算子,提取二值化处理的边界图像。
S4、将烟包的图像分割成多个相同的区域,统计每个所述区域中的含有预设信息的信息点数量,并依据所述图像的像素个数值获取所述区域的分割尺度;所述步骤S4包括以下子步骤:
S41、将所述图像分割成n个相同的区域;即对图像进行分割处理,在一个给定分割水平i下,将边界图像分解成若干个相同的区域。
S42、统计每个所述区域中的含有预设信息的信息点数量Ni,i=1,2,3…n;统计在每一个相同的区域中,统计信息点的区域个数,即统计含有信息为“1”的区域数量,并设为Ni。
S43、依据所述图像的像素个数值获取所述区域的分割尺度ri,ri=2i。对图像进行分割时,图像的分割尺度一般为整数个采集图像上的像素个数值。
S5、分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,并依据所述信息点数量及所述分割尺度的特征值计算斜率;所述步骤S5包括以下子步骤:
S51、分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,其中所述分割尺度ri的特征值Ai为Ai=-log(ri),所述信息点数量Ni的特征值Bi为Bi=log(Ni)。
S52、以Ai作为横坐标,以Bi作为纵坐标进行绘图,依据polyfit函数计算斜率k。
S6、依据所述斜率获取所述区域的均匀性指数,判断所述均匀性指数是否合格。所述步骤S6包括以下子步骤:
S61、令所述均匀性指数Pe=k;
S62、判断所述均匀性指数Pe是否处于预设的区间[Pe1,Pe2]内,若是,则为色彩均匀的烟包,若否,则为色彩不均匀的烟包。测量烟包实地区域颜色均匀时,将烟包实地区域的均匀性指数与标准产品烟包实地区域的均匀性指数比较,一般标准产品实地区域的均匀性指数是一个区间值,即Pe1(下限值)和Pe2(上限值),即[Pe1,Pe2]。如果被测烟包实地区域的均匀性指数不在区间[Pe1,Pe2],则为色彩不均匀产品,反之为色彩均匀的产品。
针对以上步骤S1-S6,现以烟包印刷品实地区域的色彩均匀性为例,具体来说明本发明测量过程:
S1、检测采集设备运行情况,进行图像的正确采集,设定图像检测区域:产品1(25mm×25mm)、产品2(15mm×15mm)、产品3(45mm×45mm)、产品4(55mm×55mm),将采集的颜色区域图像信号通过A/D转换,转换成数字信号送入计算机,采集的分辨率为1024×1024,并保存图像,图像设为I;
将采集的烟包实地区域图像转换成灰度图像,利用Matlab软件中rgb2gray函数对烟包实地区域图像进行灰度转换,具体的算法格式为Ig=rgb2gray(I);
S2、利用二维小波分解去噪,对灰度图像Ig进行噪声去除,消除图像采集过程中噪声信息,消除噪声后的图像为Id。图像小波分解,采用Matlab软件中二维离散的小波分解函数wavedec2,分解级数设为4,小波基函数为Coif3;采用Matlab软件中去噪阈值函数wdcbm2进行图像去噪阈值设定,并通过wdencmp函数进行图像去噪,去除图像的噪声,具体的算法格式为:
[C,S]=wavedec2(Ig,4,‘Coif3’),其中[C,S]为图像Ig小波分解后的结构系数;
[YZ,XS]=wdcbm2(C,S,3),其中YZ代表去噪阈值返回值,XS为系数个数的返回值;
[CS,CC,DD,PR0,PER1]=wdencmp(‘lvd’,C,S,‘Coif3’,4,YZ,’s’)
其中CS为消除噪声后的图像信息,CC和DD为CS的小波分解结构参数,PR0,PER1为图像的恢复比率,lvd为每层用不同阈值处理函数,‘s’为选择的软阈值;
利用多尺度二维小波函数对去除噪声的图像进行重构再现,再现后的图像设为Ir。采用Matlab软件数据工具函数waverec2对去除噪声的图像进行重构再现,具体的格式为Ir=waverec2(CC,DD,‘Coif3’);
S3、对去噪后的图像进行二值化处理,利用Matlab软件中的最大类间方差法函数graythresh获取一个二值化图像的合适阈值Ta,利用函数im2bw进行图像的二值化处理,处理后图像为Ib。其具有格式为:
Ta=graythresh(Ir);Ib=im2bw(Ir,Ta);
提取图像的边缘信息,利用Matlab软件中的边界提取函数edge和canny算子提取边界信息图像,提取后的边界信息图像设为Ie。
其具有格式为:Ie=edge(Ib,‘canny’);
S4、对图像Ie进行分割处理,在一个给定分割水平i下,将边界图像分解成若干个相同的区域,并统计在每一个相同的区域中,统计信息点的区域个数,即统计含有信息为“1”的区域数量,并设为Ni,分割尺度设为ri,i=1,2,3,4…。
对图像进行分割时,图像的分割尺度一般为整数个采集图像上的像素个数值,一般设定为ri=2i,i=1,2,3,4……。
S5、计算在分解水平i下的图像特征值:A和B,其中A=-log(ri),B=log(Ni),然后以特征值A为横坐标,以特征B为纵表标进行绘图,利用Matlab软件中数学拟合函数polyfit,求解曲线的斜率k。具体的格式为:
Kc=polyfit(A,B);k=Kc(1);其中Kc为polyfit函数的返回向量值,Kc(1)表示返回向量的第一个值;
S6、计算测量图像区域的均匀性指数Pe,
Pe=k
为了检验该方法的科学性和正确性,是否符合人眼的视觉评价系统,将本发明的方法跟人眼的视觉系统做了相关性分析实验,结果如下:
表1烟包实地区域印刷色彩均匀性测量与人眼视觉评价的相关性分析
烟包产品 | 测量区域尺寸/mm×mm | 相关系数 |
产品1 | 25×25 | 0.8529 |
产品2 | 15×15 | 0.8234 |
产品3 | 45×45 | 0.8927 |
产品4 | 50×50 | 0.8823 |
表1中数据表示采用该方法分析烟包产品1、烟包产品2、烟包产品3和烟包产品4与人眼视觉系统评价(人工)的相似度,其相关系数见表1第三列,均达到高度相关,说明本测量方法完全可以代替人眼进行烟包实地印刷色彩均匀性的测量与评价。
参见图2,图2为本发明提供的一种烟包印刷色彩的均匀性检测装置100框图,该装置100包括:
图像分割模块1,用于将烟包的图像分割成多个相同的区域,统计每个所述区域中的含有预设信息的信息点数量,并依据所述图像的像素个数值获取所述区域的分割尺度;对图像进行分割处理,在一个给定分割水平i下,将边界图像分解成若干个相同的区域。统计在每一个相同的区域中,统计信息点的区域个数,即统计含有信息为“1”的区域数量,并设为Ni。对图像进行分割时,图像的分割尺度一般为整数个采集图像上的像素个数值。
特征值斜率计算模块2,用于分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,并依据所述信息点数量及所述分割尺度的特征值计算斜率;分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,其中所述分割尺度ri的特征值Ai为Ai=-log(ri),所述信息点数量Ni的特征值Bi为Bi=log(Ni)。以Ai作为横坐标,以Bi作为纵坐标进行绘图,依据polyfit函数计算斜率k。
均匀性检测模块3,用于依据所述斜率获取所述区域的均匀性指数,检测所述均匀性指数。令所述均匀性指数Pe=k;测量烟包实地区域颜色均匀时,将烟包实地区域的均匀性指数与标准产品烟包实地区域的均匀性指数比较,一般标准产品实地区域的均匀性指数是一个区间值,即Pe1(下限值)和Pe2(上限值),即[Pe1,Pe2]。如果被测烟包实地区域的均匀性指数不在区间[Pe1,Pe2],则为色彩不均匀产品,反之为色彩均匀的产品。
图像传感器4,用于采集烟包的颜色区域上的图像;可通过采用CCD图像传感器采集需要检测烟包产品的颜色区域。转化成数字信号,方便计算机处理并保存。优选的,采集的烟包实地测量区域图像的分辨率应大于等于1024×1024。通过matlab的rgb2gray函数将采集到烟包实地区域图像转换成灰度图像。该图像传感器可以为计算机的一个外设,可以将所采集到的图像信号回传至装有MATLAB的计算机中。
小波变换模块5,用于依据小波变换去除所述图像中的噪声信息并对所述图像进行再现重构;利用二维小波分解去噪,对所得到的灰度图像进行噪声去除,消除图像采集过程中噪声信息。图像小波分解采用二维离散的wavedec2函数,分解的级数为4,小波基函数为Coif3;采用去噪阈值函数wdcbm2进行图像去噪阈值设定,通过wdencmp函数进行图像去噪,去除图像的噪声。可利用多尺度二维小波函数waverec2对去除噪声的图像进行重构再现。
二值化处理模块6,用于将所述图像转化为二值化图像并提取其边界信息。利用最大类间方差法函数graythresh,获取一个二值化图像的合适阈值利用函数im2bw进行图像的二值化处理。利用边界提取函数edge,提取算子为canny算子,提取二值化处理的边界图像。
本发明虽然以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以做出可能的变动和修改,因此本发明的保护范围应当以本发明权利要求所界定的范围为准。
Claims (10)
1.一种烟包印刷色彩的均匀性检测方法,其特征在于,包括:
将烟包的图像分割成多个相同的区域,统计每个所述区域中的含有预设信息的信息点数量,并依据所述图像的像素个数值获取所述区域的分割尺度;
分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,并依据所述信息点数量及所述分割尺度的特征值计算斜率;
依据所述斜率获取所述区域的均匀性指数,判断所述均匀性指数是否合格。
2.根据权利要求1所述的均匀性检测方法,其特征在于,所述均匀性检测方法还包括:
采集烟包的颜色区域上的图像;
依据小波变换去除所述图像中的噪声信息并对所述图像进行再现重构;
将所述图像转化为二值化图像并提取其边界信息。
3.根据权利要求2所述的均匀性检测方法,其特征在于,所述采集烟包的颜色区域上的图像的步骤包括:
通过图像传感器采集所述烟包所需检测的颜色区域上的图像;
对所述图像进行A/D转换;
对所述图像进行灰度处理。
4.根据权利要求2所述的均匀性检测方法,其特征在于,所述依据小波变换去除所述图像中的噪声信息并对所述图像进行再现重构的步骤包括:
采用二维小波分解去除所述图像中的噪声信息;
采用多尺度二维小波对去除噪声信息后的所述图像进行再现重构。
5.根据权利要求2所述的均匀性检测方法,其特征在于,所述将所述图像转化为二值化图像并提取其边界信息的步骤包括:
依据最大类间方差法获取二值化阈值;
依据所述二值化阈值将所述图像转化为二值化图像;
依据边界提取函数及canny算子提取所述二值化图像的边界信息。
6.根据权利要求1所述的均匀性检测方法,其特征在于,所述将烟包的图像分割成多个相同的区域,统计每个所述区域中的含有预设信息的信息点数量,并依据所述图像的像素个数值获取所述区域的分割尺度的步骤包括:
将所述图像分割成n个相同的区域;
统计每个所述区域中的含有预设信息的信息点数量Ni,i=1,2,3...n;
依据所述图像的像素个数值获取所述区域的分割尺度ri,ri=2i。
7.根据权利要求6所述的均匀性检测方法,其特征在于,所述分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,并依据所述信息点数量及所述分割尺度的特征值计算斜率的步骤包括:
分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,其中所述分割尺度ri的特征值Ai为Ai=-log(ri),所述信息点数量Ni的特征值Bi为Bi=log(Ni);
以Ai作为横坐标,以Bi作为纵坐标进行绘图,依据polyfit函数计算斜率k。
8.根据权利要求7所述的均匀性检测方法,其特征在于,所述依据所述斜率获取所述区域的均匀性指数,判断所述均匀性指数是否合格的步骤包括:
令所述均匀性指数Pe=k;
判断所述均匀性指数Pe是否处于预设的区间[Pe1,Pe2]内,若是,则为色彩均匀的烟包,若否,则为色彩不均匀的烟包。
9.一种烟包印刷色彩的均匀性检测装置,其特征在于,包括:
图像分割模块,用于将烟包的图像分割成多个相同的区域,统计每个所述区域中的含有预设信息的信息点数量,并依据所述图像的像素个数值获取所述区域的分割尺度;
特征值斜率计算模块,用于分别计算每个所述区域的所述信息点数量及所述分割尺度的特征值,并依据所述信息点数量及所述分割尺度的特征值计算斜率;
均匀性检测模块,用于依据所述斜率获取所述区域的均匀性指数,检测所述均匀性指数。
10.根据权利要求9所述的均匀性检测装置,其特征在于,还包括:
图像传感器,用于采集烟包的颜色区域上的图像;
小波变换模块,用于依据小波变换去除所述图像中的噪声信息并对所述图像进行再现重构;
二值化处理模块,用于将所述图像转化为二值化图像并提取其边界信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510961379.7A CN106909926A (zh) | 2015-12-21 | 2015-12-21 | 一种烟包印刷色彩的均匀性检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510961379.7A CN106909926A (zh) | 2015-12-21 | 2015-12-21 | 一种烟包印刷色彩的均匀性检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106909926A true CN106909926A (zh) | 2017-06-30 |
Family
ID=59200691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510961379.7A Pending CN106909926A (zh) | 2015-12-21 | 2015-12-21 | 一种烟包印刷色彩的均匀性检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106909926A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107727749A (zh) * | 2017-08-30 | 2018-02-23 | 南京航空航天大学 | 一种基于小波包融合特征提取算法的超声定量检测方法 |
CN111282925A (zh) * | 2020-01-30 | 2020-06-16 | 华东交通大学 | 一种转辙机油管内壁清洗及裂纹识别系统 |
CN111579505A (zh) * | 2020-04-23 | 2020-08-25 | 河南中烟工业有限责任公司 | 一种基于数字图像处理的卷烟包装材料色差检测方法 |
CN113920120A (zh) * | 2021-12-14 | 2022-01-11 | 武汉市欣诚详包装有限公司 | 基于人工智能的瓦楞纸板印刷效果评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030215131A1 (en) * | 2002-05-18 | 2003-11-20 | Lg.Philips Lcd Co., Ltd. | Image quality analysis method and system for a display device using fractal dimension |
CN102426171A (zh) * | 2011-08-22 | 2012-04-25 | 陕西科技大学 | 一种基于小波理论的印刷品墨斑测量方法 |
CN102435316A (zh) * | 2011-08-22 | 2012-05-02 | 陕西科技大学 | 一种基于图像细节能量的印刷色彩均匀性测量方法 |
-
2015
- 2015-12-21 CN CN201510961379.7A patent/CN106909926A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030215131A1 (en) * | 2002-05-18 | 2003-11-20 | Lg.Philips Lcd Co., Ltd. | Image quality analysis method and system for a display device using fractal dimension |
CN102426171A (zh) * | 2011-08-22 | 2012-04-25 | 陕西科技大学 | 一种基于小波理论的印刷品墨斑测量方法 |
CN102435316A (zh) * | 2011-08-22 | 2012-05-02 | 陕西科技大学 | 一种基于图像细节能量的印刷色彩均匀性测量方法 |
Non-Patent Citations (5)
Title |
---|
JUN NAKAMOTO 等: "Quantitative Evaluation of Print Density Uniformity Using MTF Fractal Dimension", 《SYSTEMS AND COMPUTERS IN JAPAN》 * |
朱建刚 等: "图像分析计算水系分形维数的改进方法与应用", 《地球信息科学学报》 * |
杨永锋 等: "《经验模态分解在振动分析中的应用》", 30 November 2013, 国防工业出版社 * |
毛灵涛 等: "软土路基微结构扫描电镜图像的分形", 《长安大学学报(自然科学版)》 * |
马克明 等: "兴安落叶松种群格局的分形特征信息维数", 《生态学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107727749A (zh) * | 2017-08-30 | 2018-02-23 | 南京航空航天大学 | 一种基于小波包融合特征提取算法的超声定量检测方法 |
CN107727749B (zh) * | 2017-08-30 | 2020-08-07 | 南京航空航天大学 | 一种基于小波包融合特征提取算法的超声定量检测方法 |
CN111282925A (zh) * | 2020-01-30 | 2020-06-16 | 华东交通大学 | 一种转辙机油管内壁清洗及裂纹识别系统 |
CN111579505A (zh) * | 2020-04-23 | 2020-08-25 | 河南中烟工业有限责任公司 | 一种基于数字图像处理的卷烟包装材料色差检测方法 |
CN113920120A (zh) * | 2021-12-14 | 2022-01-11 | 武汉市欣诚详包装有限公司 | 基于人工智能的瓦楞纸板印刷效果评估方法及系统 |
CN113920120B (zh) * | 2021-12-14 | 2022-03-18 | 武汉市欣诚详包装有限公司 | 基于人工智能的瓦楞纸板印刷效果评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090433B (zh) | 人脸识别方法及装置、存储介质、处理器 | |
Mebatsion et al. | Evaluation of variations in the shape of grain types using principal components analysis of the elliptic Fourier descriptors | |
CN106909926A (zh) | 一种烟包印刷色彩的均匀性检测方法及装置 | |
CN103324944B (zh) | 一种基于svm和稀疏表示的假指纹检测方法 | |
CN107157447B (zh) | 基于图像rgb颜色空间的皮肤表面粗糙度的检测方法 | |
CN106815819B (zh) | 多策略粮虫视觉检测方法 | |
Wu et al. | Image analysis-based recognition and quantification of grain number per panicle in rice | |
CN103886168A (zh) | 基于层次分析法的多渠道分析方法及装置 | |
CN106442525B (zh) | 用于核桃内部干瘪缺陷的在线检测方法 | |
CN107292310A (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
CN103971361B (zh) | 图像处理装置和方法 | |
CN106340000A (zh) | 骨龄评估方法 | |
CN111415339B (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN105427346B (zh) | 一种运动目标跟踪方法及系统 | |
CN110335246B (zh) | 一种证照图片清晰度评价方法 | |
CN107301408A (zh) | 人体掩膜提取方法及装置 | |
CN104483243A (zh) | 大米粘连米检测分割方法、装置及系统 | |
CN102435316B (zh) | 一种基于图像细节能量的印刷色彩均匀性测量方法 | |
CN106408563A (zh) | 一种基于变异系数的雪花噪声检测方法 | |
CN115273074A (zh) | 品质检测方法、装置、设备及存储介质 | |
Liu et al. | Application of an improved watershed algorithm based on distance map reconstruction in bean image segmentation | |
CN104159104A (zh) | 基于多级梯度相似的全参考视频质量评估方法 | |
Maheswari et al. | A novel approach for retinal lesion detection in diabetic retinopathy images | |
CN106254864B (zh) | 监控视频中的雪花和噪点噪声检测方法 | |
JP6546852B2 (ja) | 解析装置、解析方法、およびプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170630 |