CN108182729B - 一种三灰度因素三维阈值立体图形的形成方法 - Google Patents

一种三灰度因素三维阈值立体图形的形成方法 Download PDF

Info

Publication number
CN108182729B
CN108182729B CN201810095516.7A CN201810095516A CN108182729B CN 108182729 B CN108182729 B CN 108182729B CN 201810095516 A CN201810095516 A CN 201810095516A CN 108182729 B CN108182729 B CN 108182729B
Authority
CN
China
Prior art keywords
gray
gray level
gradient
following
pixels
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
Application number
CN201810095516.7A
Other languages
English (en)
Other versions
CN108182729A (zh
Inventor
车畅
包娟
周肖阳
张佳音
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Donghua Yiwei Technology Co.,Ltd.
Original Assignee
Donghua Yiwei Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Donghua Yiwei Technology Co ltd filed Critical Donghua Yiwei Technology Co ltd
Priority to CN201810095516.7A priority Critical patent/CN108182729B/zh
Publication of CN108182729A publication Critical patent/CN108182729A/zh
Application granted granted Critical
Publication of CN108182729B publication Critical patent/CN108182729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明一种三灰度因素三维阈值立体图形的形成方法属于图像处理技术领域；该方法依次执行以下步骤：统计某像素灰度级的像素个数；统计某梯度灰度级的像素个数；统计某邻域灰度级的像素个数；统计某像素灰度级、梯度灰度级、邻域灰度级的像素个数，建立正立方体，将像素个数填入格子中；以像素灰度级容限、梯度灰度级容限、邻域灰度级容限为基础，建立椭球体；按照规则摆放椭球体；将椭球体运动；将椭球体遍历空间与正立方体有交集的区域保留，得到三维阈值立体图形；本发明三灰度因素三维阈值立体图形的形成方法，能够将多维阈值及对应像素个数放置在立体图中进行展示，有利于动态观察阈值规律变化对于图像分割效果的影响规律，找到最佳分割阈值。

Description

一种三灰度因素三维阈值立体图形的形成方法
技术领域
本发明一种三灰度因素三维阈值立体图形的形成方法属于图像处理技术领域。
背景技术
阈值分割法是一种基于区域的图像分割技术，原理是把图像象素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。
对于医学CT图像，往往器官和其他组织的灰度级有明显区别，因此多采用一个阈值来对图像进行分割。为了自动分割阈值，日本学者提出了基于灰度直方图的Otsu算法，为了提高图像分割的准确性，还出现了二维Otsu算法，甚至三维Otsu算法，图像分割越来越准确。
然而，随着阈值维度的增加，对于阈值的展示就越来越困难，还没有出现一种能够很好展示多维阈值的图形化方法。
发明内容
为了直观展示多维阈值，本发明公开了一种三灰度因素三维阈值立体图形的形成方法，即提出了一种全新的三维阈值图形化展示方法，实现将多维阈值及对应像素个数放置在立体图中进行展示的发明目的。
本发明的目的是这样实现的：
一种三灰度因素三维阈值立体图形的形成方法，所针对的图像包括以下参数：分辨率为 M×N，有L个灰度级，分别为0,1,...,L-1；包括以下步骤：
步骤a、统计像素灰度级为i的像素个数为ni，其中，i＝0,1,...,L-1；
步骤b、统计梯度灰度级为j的像素个数为nj，其中，j＝0,1,...,L-1；
步骤c、统计邻域灰度级为k的像素个数为nk，其中，k＝0,1,...,L-1；
步骤d、统计像素灰度级为i，梯度灰度级为j，邻域灰度级为k的像素个数nijk；
步骤e、建立分辨率为L×L×L的正立方体，将像素个数nijk填入横坐标方向第i+1，纵坐标方向第j+1，竖坐标方向第k+1个格子中；
步骤f、以像素灰度级容限为a、梯度灰度级容限为b、邻域灰度级容限为c为基础，建立一个截面半径分别为a、b、c的椭球体；
步骤g、按照以下规则摆放椭球体：
规则一、椭球体的中心与正立方体横坐标、纵坐标和竖坐标均为0的点重合，
规则二、半径为a的方向平行于正立方体横坐标，半径为b的方向平行于正立方体纵坐标，半径为c的方向平行于正立方体竖坐标方向摆放；
步骤g、将椭球体按照中心从(0,0,0)坐标向(L,0,L)的方向运动；
步骤h、将步骤g中椭球体遍历空间与正立方体有交集的区域保留，得到三维阈值立体图形。
上述三灰度因素三维阈值立体图形的形成方法，步骤b中梯度灰度级的计算方法为以下三种中的任意一种：
方法一、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果x≠M，梯度灰度级为|gray(x+1,y)-gray(x,y)|；如果x＝M，梯度灰度级为|gray(M,y)-gray(1,y)|；
方法二、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果y≠N，梯度灰度级为|gray(x,y+1)-gray(x,y)|；如果y＝N，梯度灰度级为 |gray(x,N)-gray(x,1)|；
方法三、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果x≠M且y≠N，梯度灰度级为|gray(x+1,y)-gray(x,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x＝M但y≠N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x≠M但y＝N，梯度灰度级为|gray(x+1,y)-gray(x,y)|/2+|gray(x,N)-gray(x,1)|/2；如果x＝M且y＝N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,N)-gray(x,1)|/2；
其中，|·|为绝对值运算符，gray(·,·)为取灰度级运算符。
上述三灰度因素三维阈值立体图形的形成方法，步骤c中邻域灰度级的计算方法，首先将图像向上、下、左、右、左上、右上、左下和右下八个方向补充，每个方向复制一个分辨率为M×N的图像，形成分辨率为3M×3N的图像，然后按照以下六种方法中的任意一种计算坐标为(x,y)的像素的邻域灰度级：
方法一、邻域灰度级计算方法为：
Figure GDA0002792726740000031
方法二、邻域灰度级计算方法为：
Figure GDA0002792726740000032
方法三、邻域灰度级计算方法为：
Figure GDA0002792726740000033
方法四、邻域灰度级计算方法为：
Figure GDA0002792726740000034
方法五、邻域灰度级计算方法为：
Figure GDA0002792726740000035
方法六、邻域灰度级计算方法为：
Figure GDA0002792726740000036
其中，gray(·,·)为取分辨率为3M×3N的图像灰度级运算符。
有益效果：
本发明一种三灰度因素三维阈值立体图形的形成方法，将像素灰度级和两种邻域灰度级相结合，再结合一种图形绘制方法，提出了一种全新的三维阈值图形化展示方法，能够将多维阈值及对应像素个数放置在立体图中进行展示，有利于动态观察阈值规律变化对于图像分割效果的影响规律，找到最佳分割阈值。
附图说明
图1是椭球体在正立方体上运行轨迹示意图。
图2是得到的三维阈值立体图形视角一示意图。
图3 是得到的三维阈值立体图形视角二示意图。
具体实施方式
下面结合附图对本发明具体实施例作进一步详细描述。
具体实施例一
本实施例是本发明三灰度因素三维阈值立体图形的形成方法实施例。
本实施例的三灰度因素三维阈值立体图形的形成方法，所针对的图像包括以下参数：分辨率为M×N，有L个灰度级，分别为0,1,...,L-1；包括以下步骤：
步骤a、统计像素灰度级为i的像素个数为ni，其中，i＝0,1,...,L-1；
步骤b、统计梯度灰度级为j的像素个数为nj，其中，j＝0,1,...,L-1；
步骤c、统计邻域灰度级为k的像素个数为nk，其中，k＝0,1,...,L-1；
步骤d、统计像素灰度级为i，梯度灰度级为j，邻域灰度级为k的像素个数nijk；
步骤e、建立分辨率为L×L×L的正立方体，将像素个数nijk填入横坐标方向第i+1，纵坐标方向第j+1，竖坐标方向第k+1个格子中；
步骤f、以像素灰度级容限为a、梯度灰度级容限为b、邻域灰度级容限为c为基础，建立一个截面半径分别为a、b、c的椭球体；
步骤g、按照以下规则摆放椭球体：
规则一、椭球体的中心与正立方体横坐标、纵坐标和竖坐标均为0的点重合，
规则二、半径为a的方向平行于正立方体横坐标，半径为b的方向平行于正立方体纵坐标，半径为c的方向平行于正立方体竖坐标方向摆放；
步骤g、将椭球体按照中心从(0,0,0)坐标向(L,0,L)的方向运动，如图1所示；
步骤h、将步骤g中椭球体遍历空间与正立方体有交集的区域保留，得到三维阈值立体图形，如图2和图3所示，其中，图2与图1同角度。
具体实施例二
本实施例是本发明三灰度因素三维阈值立体图形的形成方法实施例。
本实施例的三灰度因素三维阈值立体图形的形成方法，在具体实施例一的基础上，进一步限定步骤b中梯度灰度级的计算方法为以下三种中的任意一种：
方法一、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果x≠M，梯度灰度级为|gray(x+1,y)-gray(x,y)|；如果x＝M，梯度灰度级为 |gray(M,y)-gray(1,y)|；
方法二、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果y≠N，梯度灰度级为|gray(x,y+1)-gray(x,y)|；如果y＝N，梯度灰度级为 |gray(x,N)-gray(x,1)|；
方法三、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果x≠M且y≠N，梯度灰度级为 |gray(x+1,y)-gray(x,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x＝M但y≠N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x≠M但y＝N，梯度灰度级为|gray(x+1,y)-gray(x,y)|/2+|gray(x,N)-gray(x,1)|/2；如果x＝M且y＝N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,N)-gray(x,1)|/2；
其中，|·|为绝对值运算符，gray(·,·)为取灰度级运算符。
具体实施例三
本实施例是本发明三灰度因素三维阈值立体图形的形成方法实施例。
本实施例的三灰度因素三维阈值立体图形的形成方法，在具体实施例一的基础上，进一步限定步骤c中邻域灰度级的计算方法，首先将图像向上、下、左、右、左上、右上、左下和右下八个方向补充，每个方向复制一个分辨率为M×N的图像，形成分辨率为3M×3N的图像，然后按照以下六种方法中的任意一种计算坐标为(x,y)的像素的邻域灰度级：
方法一、邻域灰度级计算方法为：
Figure GDA0002792726740000061
方法二、邻域灰度级计算方法为：
Figure GDA0002792726740000062
方法三、邻域灰度级计算方法为：
Figure GDA0002792726740000063
方法四、邻域灰度级计算方法为：
Figure GDA0002792726740000064
方法五、邻域灰度级计算方法为：
Figure GDA0002792726740000065
方法六、邻域灰度级计算方法为：
Figure GDA0002792726740000066
其中，gray(·,·)为取分辨率为3M×3N的图像灰度级运算符。
具体实施例四
本实施例是一种三维阈值立体图形展开方法实施例。
本实施例的三维阈值立体图形展开方法，在具体实施例一、具体实施例二或具体实施例三的基础上，将三维阈值立体图形展开成不定进制三位一维数据，包括以下步骤：
步骤i、根据像素灰度级i，确定像素灰度级i下的梯度灰度级进制t1(i)；
步骤j、根据像素灰度级i和梯度灰度级j，确定像素灰度级i和梯度灰度级j下的邻域灰度级进制t2(i,j)；
步骤k、按照像素灰度级为高位，梯度灰度级为中位，邻域灰度级为低位的原则，将像素灰度级、梯度灰度级和邻域灰度级展开成三位数据；
步骤l、按照像素灰度级，梯度灰度级和邻域灰度级均由小到大的原则，将步骤k得到的三位数据排列，得到一维数据。
本实施例的三维阈值立体图形展开方法，能够将三维阈值转换成一维数据，在进行阈值分割时，减少维度，有利于提高阈值分割运算速度，实现图像实时分割。
具体实施例五
本实施例是一种三维阈值立体图形展开方法实施例。
本实施例的三维阈值立体图形展开方法，在具体实施例一、具体实施例二或具体实施例三的基础上，进一步限定：
在步骤e后面还包括以下步骤：按照像素灰度级为高位，梯度灰度级为中位，邻域灰度级为低位的原则，将像素灰度级、梯度灰度级和邻域灰度级展开成L进制的三位数据；
在步骤h后面还包括以下步骤：按照像素灰度级，梯度灰度级和邻域灰度级均由小到大的原则，将步骤h得到的三位数据排列，得到一维数据。
本实施例的三维阈值立体图形展开方法，能够将三维阈值转换成一维数据，在进行阈值分割时，减少维度，有利于提高阈值分割运算速度，实现图像实时分割。
具体实施例六
本实施例是一种三维阈值立体图形展开方法实施例。
本实施例的三维阈值立体图形展开方法，在具体实施例一、具体实施例二或具体实施例三的基础上，进一步限定还包括以下步骤：
步骤i、根据像素灰度级i，确定像素灰度级i下的梯度灰度级进制t1(i)；
步骤j、根据像素灰度级i和梯度灰度级j，确定像素灰度级i和梯度灰度级j下的邻域灰度级进制t2(i,j)；
步骤k、按照像素灰度级为高位，梯度灰度级为中位，邻域灰度级为低位的原则，将像素灰度级、梯度灰度级和邻域灰度级展开成三位数据；
步骤l、按照椭球体运动方向所遇到像素先后顺序为由小到大的原则，将步骤k得到的三位数据排列，得到一维数据。
本实施例的三维阈值立体图形展开方法，能够将三维阈值转换成一维数据，在进行阈值分割时，减少维度，有利于提高阈值分割运算速度，实现图像实时分割。

Claims (3)

1.一种三灰度因素三维阈值立体图形的形成方法，所针对的图像包括以下参数：分辨率为M×N，有L个灰度级，分别为0,1,...,L-1；其特征在于，包括以下步骤：
步骤a、统计像素灰度级为i的像素个数为ni，其中，i＝0,1,...,L-1；
步骤b、统计梯度灰度级为j的像素个数为nj，其中，j＝0,1,...,L-1；
步骤c、统计邻域灰度级为k的像素个数为nk，其中，k＝0,1,...,L-1；
步骤d、统计像素灰度级为i，梯度灰度级为j，邻域灰度级为k的像素个数nijk；
步骤e、建立分辨率为L×L×L的正立方体，将像素个数nijk填入横坐标方向第i+1，纵坐标方向第j+1，竖坐标方向第k+1个格子中；
步骤f、以像素灰度级容限为a、梯度灰度级容限为b、邻域灰度级容限为c为基础，建立一个截面半径分别为a、b、c的椭球体；
步骤g、按照以下规则摆放椭球体：
规则一、椭球体的中心与正立方体横坐标、纵坐标和竖坐标均为0的点重合，
规则二、半径为a的方向平行于正立方体横坐标，半径为b的方向平行于正立方体纵坐标，半径为c的方向平行于正立方体竖坐标方向摆放；
步骤g、将椭球体按照中心从(0,0,0)坐标向(L,0,L)的方向运动；
步骤h、将步骤g中椭球体遍历空间与正立方体有交集的区域保留，得到三维阈值立体图形。
2.根据权利要求1所述的三灰度因素三维阈值立体图形的形成方法，其特征在于，步骤b中梯度灰度级的计算方法为以下三种中的任意一种：
方法一、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果x≠M，梯度灰度级为|gray(x+1,y)-gray(x,y)|；如果x＝M，梯度灰度级为|gray(M,y)-gray(1,y)|；
方法二、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果y≠N，梯度灰度级为|gray(x,y+1)-gray(x,y)|；如果y＝N，梯度灰度级为|gray(x,N)-gray(x,1)|；
方法三、如果像素坐标为(x,y)，梯度灰度级计算方法为：
如果x≠M且y≠N，梯度灰度级为|gray(x+1,y)-gray(x,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x＝M但y≠N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,y+1)-gray(x,y)|/2；如果x≠M但y＝N，梯度灰度级为|gray(x+1,y)-gray(x,y)|/2+|gray(x,N)-gray(x,1)|/2；如果x＝M且y＝N，梯度灰度级为|gray(M,y)-gray(1,y)|/2+|gray(x,N)-gray(x,1)|/2；
其中，|·|为绝对值运算符，gray(·,·)为取灰度级运算符。
3.根据权利要求1所述的三灰度因素三维阈值立体图形的形成方法，其特征在于，步骤c中邻域灰度级的计算方法，首先将图像向上、下、左、右、左上、右上、左下和右下八个方向补充，每个方向复制一个分辨率为M×N的图像，形成分辨率为3M×3N的图像，然后按照以下六种方法中的任意一种计算坐标为(x,y)的像素的邻域灰度级：
方法一、邻域灰度级计算方法为：
Figure FDA0002792726730000021
方法二、邻域灰度级计算方法为：
Figure FDA0002792726730000022
方法三、邻域灰度级计算方法为：
Figure FDA0002792726730000023
方法四、邻域灰度级计算方法为：
Figure FDA0002792726730000024
方法五、邻域灰度级计算方法为：
Figure FDA0002792726730000031
方法六、邻域灰度级计算方法为：
Figure FDA0002792726730000032
其中，gray(·,·)为取分辨率为3M×3N的图像灰度级运算符。
CN201810095516.7A 2018-01-31 2018-01-31 一种三灰度因素三维阈值立体图形的形成方法 Active CN108182729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810095516.7A CN108182729B (zh) 2018-01-31 2018-01-31 一种三灰度因素三维阈值立体图形的形成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810095516.7A CN108182729B (zh) 2018-01-31 2018-01-31 一种三灰度因素三维阈值立体图形的形成方法

Publications (2)

Publication Number Publication Date
CN108182729A CN108182729A (zh) 2018-06-19
CN108182729B true CN108182729B (zh) 2021-05-04

Family

ID=62551774

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810095516.7A Active CN108182729B (zh) 2018-01-31 2018-01-31 一种三灰度因素三维阈值立体图形的形成方法

Country Status (1)

Country Link
CN (1) CN108182729B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710425A (zh) * 2009-12-25 2010-05-19 南京航空航天大学 基于图像灰度梯度和灰度统计直方图的自适应预分割方法
CN105118056A (zh) * 2015-08-13 2015-12-02 重庆大学 基于三维形态学的冠脉血管自动提取方法
CN107369159A (zh) * 2017-06-29 2017-11-21 大连理工大学 基于多因素二维灰度直方图的阈值分割方法
CN107610145A (zh) * 2017-07-26 2018-01-19 同济大学 一种基于自适应阈值和模板匹配的自动胰腺分割方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090226057A1 (en) * 2008-03-04 2009-09-10 Adi Mashiach Segmentation device and method
US9147239B2 (en) * 2011-12-23 2015-09-29 Stmicroelectronics S.R.L. Computing the mass of an object

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710425A (zh) * 2009-12-25 2010-05-19 南京航空航天大学 基于图像灰度梯度和灰度统计直方图的自适应预分割方法
CN105118056A (zh) * 2015-08-13 2015-12-02 重庆大学 基于三维形态学的冠脉血管自动提取方法
CN107369159A (zh) * 2017-06-29 2017-11-21 大连理工大学 基于多因素二维灰度直方图的阈值分割方法
CN107610145A (zh) * 2017-07-26 2018-01-19 同济大学 一种基于自适应阈值和模板匹配的自动胰腺分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A multi-threshold segmentation approach based on Artificial Bee Colony optimization;Erik Cueva，et al;《Springer》;20120105;正文第321–336页 *
基于三维Tsallis嫡的图像多阂值分割方法;唐旭东 等;《第24届中国控制与决策会议论文集》;20120827;正文第4124-4129页 *

Also Published As

Publication number Publication date
CN108182729A (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
Ham et al. Computer vision based 3D reconstruction: A review
CN110176012B (zh) 图像中的目标分割方法、池化方法、装置及存储介质
CN110310320B (zh) 一种双目视觉匹配代价聚合优化方法
Hong et al. A local stereo matching algorithm based on weighted guided image filtering for improving the generation of depth range images
CN103983334B (zh) 一种信息处理的方法及电子设备
CN108564652B (zh) 高效利用内存的高精度三维重建方法与系统及设备
DE102015200260A1 (de) Verfahren zum Erstellen eines Deskriptors für ein Szenenbild
CN103903275A (zh) 利用小波融合算法改进图像分割效果的方法
CN111105452A (zh) 基于双目视觉的高低分辨率融合立体匹配方法
Ma et al. Segmentation-based stereo matching using combinatorial similarity measurement and adaptive support region
CN108198245B (zh) 基于双灰度因素的三维阈值立体图形形成方法
CN112184731B (zh) 一种基于对抗性训练的多视图立体深度估计方法
CN108182729B (zh) 一种三灰度因素三维阈值立体图形的形成方法
CN110211090B (zh) 一种用于评价视角合成图像质量的方法
Damjanović et al. Local Stereo Matching Using Adaptive Local Segmentation: ISRN Machine Vision
Hamzah et al. Development of stereo matching algorithm based on sum of absolute RGB color differences and gradient matching
Lindblad et al. Exact linear time euclidean distance transforms of grid line sampled shapes
CN115063485A (zh) 三维重建方法、装置及计算机可读存储介质
CN110717471B (zh) 基于支持向量机模型b超图像目标检测方法及b超扫描仪
CN112749713A (zh) 一种基于人工智能的大数据图像识别系统及方法
Chang et al. GPU acceleration of a patient-specific airway image segmentation and its assessment
Mukundan Reconstruction of high resolution 3D meshes of lung geometry from HRCT contours
Zhang et al. Insights into local stereo matching: Evaluation of disparity refinement approaches
CN117541755B (zh) 一种基于rgb-d三维重建的刚性物体虚实遮挡方法
Carata et al. Improving the visualization of electron-microscopy data through optical flow interpolation

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
TA01 Transfer of patent application right

Effective date of registration: 20210416

Address after: 100190 room 1409, 14th floor, building 3, Zijin Digital Park, Haidian District, Beijing

Applicant after: Donghua Yiwei Technology Co.,Ltd.

Address before: 150000 Zhongxing Road 109, Nangang District, Heilongjiang, Harbin

Applicant before: HARBIN University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant