CN107895366B - 面向颜色评价的成像方法、系统及计算机可读存储设备 - Google Patents
面向颜色评价的成像方法、系统及计算机可读存储设备 Download PDFInfo
- Publication number
- CN107895366B CN107895366B CN201711084689.0A CN201711084689A CN107895366B CN 107895366 B CN107895366 B CN 107895366B CN 201711084689 A CN201711084689 A CN 201711084689A CN 107895366 B CN107895366 B CN 107895366B
- Authority
- CN
- China
- Prior art keywords
- color
- imaging
- area
- evaluation
- target area
- 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了面向颜色评价的成像方法、系统及计算机可读存储介质,其中,该方法包括:利用标准比色卡划定需要成像的区域,确定待成像目标区域;基于图像成像技术,获取所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的成像。本申请提供的面向颜色评价的成像方法,将目标区域的颜色进行量化处理,获取了所述目标区域的表面颜色数据,并以标准比色卡为参照,减少了人为主观因素对面向颜色评价成像的干扰,提高了面向颜色评价成像的客观性,进而提高了面向颜色评价成像的准确性。
Description
技术领域
本发明涉及计算机技术领域,特别涉及面向颜色评价的成像方法、系统及计算机可读存储设备。
背景技术
评价实物对象的颜色,比如表面色差,是评估该对象表面质量评价的重要指标。目前的颜色评价以人工现场定性评价为主,比如国标《GB/T 15610-2008同色异谱的目视评价方法》;具体的,目前以专家现场目视评价为主。当对评价结果存在争议时,即使重返现场也较难处理争议。因为评价对象表面颜色可能会随时间发生变化,尤其当时间较长时,颜色变化可能会较大。因此,需要有效的成像技术记录评价对象表面颜色。总的来说,由于评价者主观因素缺乏量化指标数据的支持,对人工颜色评价影响较大,进而导致人工颜色评价不准确。
如何提高面向颜色评价成像的准确性是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明提供一种面向颜色评价的成像方法、系统及计算机可读存储设备,目的在于提高面向颜色评价成像的准确性。其具体方案如下:
一种面向颜色评价的成像方法,包括:
利用标准比色卡划定需要成像的区域,确定待成像目标区域;
基于图像成像技术,获取所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的成像。
可选的,所述利用标准比色卡划定需要成像的区域,确定待成像目标区域的过程包括:
利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域;其中,n为大于或等于1的整数。
可选的,所述基于图像成像技术,获取所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的成像的过程包括:
基于图像成像技术,获取距离所述目标区域不同距离的所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的多尺度成像。
可选的,所述的面向颜色评价的成像方法还包括:
对所述目标区域面向颜色评价的成像进行颜色校正。
可选的,所述对所述目标区域面向颜色评价的成像进行颜色校正的过程包括:
利用均值校正图和/或最小色偏图和/或基于空间关系的二次校正模型,对所述目标区域面向颜色评价的成像进行颜色校正。
相应的,本发明还公开了一种面向颜色评价的成像系统,包括:
成像区域确定模块,用于利用标准比色卡划定需要成像的区域,确定待成像目标区域;
成像模块,用于基于图像成像技术,获取所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的成像。
可选的,所述成像区域确定模块,用于利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域;其中,n为大于或等于1的整数。
可选的,所述成像模块,用于基于图像成像技术,获取距离所述目标区域不同距离的所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的多尺度成像。
可选的,所述的面向颜色评价的成像系统还包括:
图像校正模块,用于对所述目标区域面向颜色评价的成像进行颜色校正。
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有面向颜色评价成像程序,所述面向颜色评价成像程序被处理器执行时实现上述面向颜色评价的成像方法的步骤。
本发明提供的一种面向颜色评价的成像方法利用标准比色卡划定需要成像的区域,确定待成像目标区域;基于图像成像技术,获取所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的成像。可见,本发明提供的面向颜色评价的成像方法,将目标区域的颜色进行量化处理,获取了所述目标区域的表面颜色数据,并以标准比色卡为参照,减少了人为主观因素对面向颜色评价成像的干扰,提高了面向颜色评价成像的客观性,进而提高了面向颜色评价成像的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种面向颜色评价的成像方法;
图2为本发明实施例提供的另外一种面向颜色评价的成像方法;
图3为本发明实施例中图像各区域示意图;
图4为本发明实施例提供的多尺度成像示意图;
图5为本发明实施例提供的一种面向颜色评价的成像系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种面向颜色评价的成像方法,如图1所示,包括:
步骤S11:利用标准比色卡划定需要成像的区域,确定待成像目标区域。
需要进行说明的是,利用标准比色卡划定需要成像的区域,另一方面标准比色卡也可以作为后期颜色校正和评价的参考色。待成像区域可以是建筑物的墙面,如混凝土表面;当然也可以是其他实物的表面。
步骤S12:基于图像成像技术,获取目标区域的表面颜色数据,以完成对目标区域面向颜色评价的成像。
需要进行说明的是,利用成像技术,将对象表面颜色进行数字化保存,不仅可为后期处理评价争议提供证据,而且还是对象表面颜色定量化评价的基础。数字化记录对象表面的颜色,为开发算法定量化评价对象表面颜色提供了必要的数据支撑。
本发明实施例提供的一种面向颜色评价的成像方法利用标准比色卡划定需要成像的区域,确定待成像目标区域;基于图像成像技术,获取目标区域图像的表面颜色数据,以完成对目标区域面向颜色评价的成像。可见,本发明提供的面向颜色评价的成像方法,将目标区域的颜色进行量化处理,获取了所述目标区域的表面颜色数据,并以标准比色卡为参照,减少了人为主观因素对面向颜色评价成像的干扰,提高了面向颜色评价成像的客观性,进而提高了面向颜色评价成像的准确性。
本发明实施例还公开了另外一种面向颜色评价的成像方法,如图2所示,包括:
步骤S21:利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域;其中,n为大于或等于1的整数。
具体的,利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域的过程包括:
(1)从标准比色卡中抽取Nc种颜色,粘贴在待评价的对象表面,通过标准比色卡粘贴的位置,划定待评价对象的评价区域。Nc=3时,如图3示,从标准比色卡中抽取了三种颜色划定对象的待评价区域。
(2)对待评估对象成像。用图像中标准比色卡区域Rj(j=1,2,…,Nc)的最小和最大坐标{xmin,ymin,xmax,ymax}确定待评价的初始区域,{xmin,ymin,xmax,ymax}的计算方法如下
(3)设定待评价区域的弹性缩放系数αk(αk≥0,k∈{u,l,d,r}),根据缩放系数计算边界的缩放值δk(k∈{u,l,d,r}),
δu=αuhj,δl=αlwj,δd=αdhj,δr=αrwj;
其中,j为选定的第j标准比色卡区域Rj。具体的,在图3中,用1、2或 3表示。
上述步骤S21,利用标准比色卡划定需要成像的区域,另一方面标准比色卡也可以作为后期图像评价的参考色,从而排除因参照颜色不一致得到不同的面向颜色评价的成像结果。
步骤S22:基于图像成像技术,获取距离目标区域不同距离的目标区域的表面颜色数据,以完成对目标区域面向颜色评价的多尺度成像。
具体的,上述步骤S22的过程为:
(2)确定最远成像距离L,参见图3所示,使得L处成像满足最大比例系数βr>αwh(αwh>0),最大比例系数βr的计算方法如下:
为了获得更加准确的成像,本发明实施例还包括:
对目标区域面向颜色评价的成像进行颜色校正。
需要进行详细说明的是,对目标区域面向颜色评价的成像进行颜色校正的方法包括但不限于均值校正图、最小色偏图、基于空间关系的二次校正模型。
进一步的,利用均值校正图的公式为:
利用最小色偏图对目标图像进行校正的过程为:
(1)计算每张待评价区域图像中标准比色卡区域的平均方差
(2)选取平均方差最小图像作为最小色偏图
上述基于空间位置关系的二次校正模型,进行颜色校正:
本发明实施例还公开了一种面向颜色评价的成像系统,包括:
成像区域确定模块11,用于利用标准比色卡划定需要成像的区域,确定待成像目标区域;
需要进行说明的是,上述成像区域确定模块,具体用于利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域;其中,n为大于或等于1的整数。
成像模块12,用于基于图像成像技术,获取目标区域的表面颜色数据,以完成对目标区域面向颜色评价的成像。
上述成像模块12,具体用于基于图像成像技术,获取距离目标区域不同距离的目标区域的表面颜色数据,以完成对目标区域面向颜色评价的多尺度成像。
为了获得更加准确的成像,本发明实施例提供的面向颜色评价的成像系统还包括:
图像校正模块,用于对目标区域面向颜色评价的成像进行颜色校正。
本发明实施例还公开了一种计算机可读存储介质,计算机可读存储介质上存储有面向颜色评价成像程序,面向颜色评价成像程序被处理器执行时实现上述面向颜色评价的成像方法的步骤。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的面向颜色评价的成像方法、系统及计算机可读存储设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种面向颜色评价的成像方法,其特征在于,包括:
利用标准比色卡划定需要成像的区域,确定待成像目标区域;
基于图像成像技术,获取所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的成像;
所述利用标准比色卡划定需要成像的区域,确定待成像目标区域的过程包括:
利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域;其中,n为大于或等于1的整数;
所述利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域的过程包括:
从标准比色卡中抽取Nc种颜色,粘贴在待评价对象的表面,通过标准比色卡粘贴的位置,划定待评价对象的待评价区域;
对所述待评价对象成像,用待评价对象上标准比色卡区域Rj的最小和最大坐标{xmin,ymin,xmax,ymax}确定待评价对象的初始区域,其中,{xmin,ymin,xmax,ymax}的计算方法如下:
设定待评价区域的弹性缩放系数αk(αk≥0,k∈{u,l,d,r}),根据所述弹性缩放系数计算边界缩放值δk(k∈{u,l,d,r}),
δu=αuhj,δl=αlwj,δd=αdhj,δr=αrwj,其中,j为选定的第j标准比色卡区域Rj,hj为所述选定的第j标准比色卡区域Rj的长度,wj为所述选定的第j标准比色卡区域Rj的宽度;
所述基于图像成像技术,获取所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的成像的过程包括:
基于图像成像技术,获取距离所述目标区域不同距离的所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的多尺度成像。
2.根据权利要求1所述的面向颜色评价的成像方法,其特征在于,还包括:
对所述目标区域面向颜色评价的成像进行颜色校正。
3.根据权利要求2所述的面向颜色评价的成像方法,其特征在于,所述对所述目标区域面向颜色评价的成像进行颜色校正的过程包括:
利用均值校正图和/或最小色偏图和/或基于空间关系的二次校正模型,对所述目标区域面向颜色评价的成像进行颜色校正。
4.一种面向颜色评价的成像系统,其特征在于,包括:
成像区域确定模块,用于利用标准比色卡划定需要成像的区域,确定待成像目标区域;
成像模块,用于基于图像成像技术,获取所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的成像;
所述成像区域确定模块,具体用于利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域;其中,n为大于或等于1的整数;
所述利用标准比色卡,选取n种颜色,划定需要成像的区域,得到待成像目标区域的过程包括:
从标准比色卡中抽取Nc种颜色,粘贴在待评价对象的表面,通过标准比色卡粘贴的位置,划定待评价对象的待评价区域;
对所述待评价对象成像,用待评价对象上标准比色卡区域Rj的最小和最大坐标{xmin,ymin,xmax,ymax}确定待评价对象的初始区域,其中,{xmin,ymin,xmax,ymax}的计算方法如下:
设定待评价区域的弹性缩放系数αk(αk≥0,k∈{u,l,d,r}),根据所述弹性缩放系数计算边界缩放值δk(k∈{u,l,d,r}),
δu=αuhj,δl=αlwj,δd=αdhj,δr=αrwj,其中,j为选定的第j标准比色卡区域Rj,hj为所述选定的第j标准比色卡区域Rj的长度,wj为所述选定的第j标准比色卡区域Rj的宽度;
所述成像模块,具体用于基于图像成像技术,获取距离所述目标区域不同距离的所述目标区域的表面颜色数据,以完成对所述目标区域面向颜色评价的多尺度成像。
5.根据权利要求4所述的面向颜色评价的成像系统,其特征在于,还包括:
图像校正模块,用于对所述目标区域面向颜色评价的成像进行颜色校正。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有面向颜色评价成像程序,所述面向颜色评价成像程序被处理器执行时实现如权利要求1至3任一项所述面向颜色评价的成像方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711084689.0A CN107895366B (zh) | 2017-11-07 | 2017-11-07 | 面向颜色评价的成像方法、系统及计算机可读存储设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711084689.0A CN107895366B (zh) | 2017-11-07 | 2017-11-07 | 面向颜色评价的成像方法、系统及计算机可读存储设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107895366A CN107895366A (zh) | 2018-04-10 |
CN107895366B true CN107895366B (zh) | 2022-02-11 |
Family
ID=61804786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711084689.0A Active CN107895366B (zh) | 2017-11-07 | 2017-11-07 | 面向颜色评价的成像方法、系统及计算机可读存储设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107895366B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070586B (zh) * | 2019-02-27 | 2020-04-03 | 北京字节跳动网络技术有限公司 | 色卡的生成方法、装置和电子设备 |
CN110400354B (zh) * | 2019-07-23 | 2021-09-21 | 北京新氧科技有限公司 | 饰品、颜色测量方法、存储介质和电子设备 |
CN111239059B (zh) * | 2020-03-20 | 2023-01-31 | 深圳市第二人民医院 | 羊水比色装置 |
CN113539205B (zh) * | 2021-07-30 | 2022-07-29 | 深圳市华星光电半导体显示技术有限公司 | 像素电压的确定方法、装置、电子设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103905803A (zh) * | 2014-03-18 | 2014-07-02 | 中国科学院国家天文台 | 一种图像的颜色校正方法及装置 |
CN103954362A (zh) * | 2014-04-25 | 2014-07-30 | 杭州电子科技大学 | 一种基于成像设备的数字测色方法 |
CN104224106A (zh) * | 2014-10-12 | 2014-12-24 | 合肥德铭电子有限公司 | 获取小切口深部手术中高质量图像的方法及装置 |
CN105678710A (zh) * | 2016-01-14 | 2016-06-15 | 佛山华芯微特科技有限公司 | 颜色校正还原系统和颜色校正还原方法 |
CN106296696A (zh) * | 2016-08-12 | 2017-01-04 | 深圳市中识创新科技有限公司 | 图像颜色一致性的处理方法及图像采集设备 |
CN206019845U (zh) * | 2016-08-29 | 2017-03-15 | 深圳贝申医疗技术有限公司 | 一种带编码的可用于获取物体表面准确颜色值的比色卡 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2754124A1 (en) * | 2011-09-06 | 2014-07-16 | Canfield Scientific, Incorporated | Systems, devices, and methods for image analysis |
CN105991987A (zh) * | 2016-06-07 | 2016-10-05 | 深圳市金立通信设备有限公司 | 一种图像处理方法、设备及系统 |
CN106559658B (zh) * | 2016-12-02 | 2017-08-04 | 郑州捷安高科股份有限公司 | 多通道投影融合带色彩自动平衡控制方法 |
-
2017
- 2017-11-07 CN CN201711084689.0A patent/CN107895366B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103905803A (zh) * | 2014-03-18 | 2014-07-02 | 中国科学院国家天文台 | 一种图像的颜色校正方法及装置 |
CN103954362A (zh) * | 2014-04-25 | 2014-07-30 | 杭州电子科技大学 | 一种基于成像设备的数字测色方法 |
CN104224106A (zh) * | 2014-10-12 | 2014-12-24 | 合肥德铭电子有限公司 | 获取小切口深部手术中高质量图像的方法及装置 |
CN105678710A (zh) * | 2016-01-14 | 2016-06-15 | 佛山华芯微特科技有限公司 | 颜色校正还原系统和颜色校正还原方法 |
CN106296696A (zh) * | 2016-08-12 | 2017-01-04 | 深圳市中识创新科技有限公司 | 图像颜色一致性的处理方法及图像采集设备 |
CN206019845U (zh) * | 2016-08-29 | 2017-03-15 | 深圳贝申医疗技术有限公司 | 一种带编码的可用于获取物体表面准确颜色值的比色卡 |
Non-Patent Citations (1)
Title |
---|
数字图像颜色复现理论与方法研究;张显斗;《中国博士学位论文全文数据库 信息科技辑》;20110815(第08期);I138-55 * |
Also Published As
Publication number | Publication date |
---|---|
CN107895366A (zh) | 2018-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107895366B (zh) | 面向颜色评价的成像方法、系统及计算机可读存储设备 | |
CN108364280B (zh) | 结构裂缝自动化描绘及宽度精准测量方法与设备 | |
Feichtenhofer et al. | A perceptual image sharpness metric based on local edge gradient analysis | |
TWI709085B (zh) | 用於對車輛損傷影像進行損傷分割的方法、裝置、電腦可讀儲存媒體和計算設備 | |
CN106897986B (zh) | 一种基于多尺度分析的可见光图像与远红外图像融合方法 | |
CN110349153B (zh) | 基于多特征融合的图像法烟草含梗率检测方法 | |
US10332244B2 (en) | Methods and apparatuses for estimating an ambiguity of an image | |
CN107704750B (zh) | 用于从一组位图图像重构图案映射的装置和机器实施的方法 | |
CN103454282A (zh) | 一种基于图像灰度梯度的印刷品墨斑测量方法 | |
CN111882555B (zh) | 基于深度学习的网衣检测方法、装置、设备及存储介质 | |
CN110675396A (zh) | 遥感影像云检测方法、装置、设备及计算机可读存储介质 | |
CN115424111A (zh) | 一种抗原检测试剂盒智能识别方法、装置、设备及介质 | |
JP2008267943A (ja) | ひび割れ検出方法 | |
CN111145205A (zh) | 基于红外图像的多猪只场景下猪体温检测方法 | |
CN108416770B (zh) | 一种基于视觉显著性的图像质量评价方法 | |
Baka et al. | Confidence of model based shape reconstruction from sparse data | |
CN112733729B (zh) | 模型训练、回归分析的方法、装置、存储介质和设备 | |
CN110232401B (zh) | 基于图片转换的病灶判断方法、装置、计算机设备 | |
CN109949273B (zh) | 一种基于纹理对称性的皮肤图像纹理分割方法及系统 | |
CN113962904A (zh) | 一种高光谱图像滤波降噪的方法 | |
Ying et al. | Image sharpness metric based on algebraic multi-grid method | |
CN116777888B (zh) | 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 | |
JP7381708B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN115995046B (zh) | 阴影遮挡状态下的农村道路遥感提取方法及装置 | |
CN115294098B (zh) | 一种基于x光片的肺部阴影程度评估系统 |
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 |