CN108269251A - 基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质 - Google Patents

基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质 Download PDF

Info

Publication number
CN108269251A
CN108269251A CN201711464194.0A CN201711464194A CN108269251A CN 108269251 A CN108269251 A CN 108269251A CN 201711464194 A CN201711464194 A CN 201711464194A CN 108269251 A CN108269251 A CN 108269251A
Authority
CN
China
Prior art keywords
image
roses
lace
parameter
contour line
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
Application number
CN201711464194.0A
Other languages
English (en)
Inventor
朱顺兴
宋翔
李永年
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.)
SHANGHAI KASU INTELLIGENT TECHNOLOGY CO LTD
Original Assignee
SHANGHAI KASU INTELLIGENT 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 SHANGHAI KASU INTELLIGENT TECHNOLOGY CO LTD filed Critical SHANGHAI KASU INTELLIGENT TECHNOLOGY CO LTD
Priority to CN201711464194.0A priority Critical patent/CN108269251A/zh
Publication of CN108269251A publication Critical patent/CN108269251A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/16—Cloth
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/22—Cropping

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质，包括：设置图像预处理参数和蕾丝花边检测定位参数；读取蕾丝花边图像，根据设置的图像预处理参数对读取的蕾丝花边图像进行预处理，增加蕾丝花边图像上的目标区域与背景区域的对比度；根据设置的蕾丝花边检测定位参数，获取预处理后的蕾丝花边图像的目标区域的轮廓线；遍历获取的轮廓线，对每个目标区域的轮廓线进行处理，合并为完整的花型的轮廓；根据每个轮廓的形状参数，剔除不满足蕾丝花边检测定位参数的轮廓线。本发明能够准确定位到需要裁剪位置，实现蕾丝花边图案快速定位与裁剪，无需人工手工裁剪，提高企业生成效率。

Description

基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质
技术领域
本发明涉及机器视觉和图像处理技术领域，具体地，涉及基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质，主要应用于纺织行业。
背景技术
蕾丝花边一般都会出现在服装、内衣、家纺品上面，因蕾丝花型美丽，材料通透，所以主要用于装饰作用。蕾丝花边的轻薄、柔软和固定性差的特点是蕾丝花边裁剪企业在裁剪过程中遇到的一大难题。现有的蕾丝裁剪方法是工人用剪刀沿着蕾丝的边缘或靠近边缘一定距离的位置修剪蕾丝图案。由于蕾丝材料柔软，容易变形，所以蕾丝材料的裁剪是一个非常细致的工作，要求工人十分小心的裁剪蕾丝图案，否则，极有可能裁剪到需要的蕾丝图案极其容易裁剪到蕾丝图案，造成蕾丝材料的浪费。同时，在蕾丝花边的人工裁剪过程中，一方面由于工人长时间盯着蕾丝布料，会造成人眼视觉上的疲劳，从而造成定位不准确的问题。另一方面由于工人需要一片一片的裁剪，因此裁剪时间较长，效率比较低下。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质。
根据本发明提供的一种基于图像的蕾丝花边检测定位裁剪方法，包括：
步骤A：设置图像预处理参数和蕾丝花边检测定位参数；
步骤B：读取蕾丝花边图像，根据设置的图像预处理参数对读取的蕾丝花边图像进行预处理，增加蕾丝花边图像上的目标区域与背景区域的对比度；
步骤C：根据设置的蕾丝花边检测定位参数，获取预处理后的蕾丝花边图像的目标区域的轮廓线；
步骤D：遍历获取的轮廓线，对每个目标区域的轮廓线进行处理，合并为完整的花型的轮廓；
步骤E：根据每个轮廓的形状参数，剔除不满足蕾丝花边检测定位参数的轮廓线。
较佳的，所述图像预处理参数包括图像灰度、图像增强或者图像反色在内的参数；所述蕾丝花边检测定位参数包括检测方法、形态学或轮廓筛选在内的参数。
较佳的，所述步骤C具体包括：根据设置的蕾丝花边检测定位参数中设置的检测方法，对预处理后的蕾丝花边图像进行阈值分割并得到分割后的二值图像，然后提取二值图像中蕾丝花边图像的目标区域，并提取目标区域的轮廓线。
较佳的，所述步骤D具体包括：对于蕾丝花边图像上的同一个花型被分割为几部分的情况，通过形态学运算合并为一个完整的花型，对于蕾丝花边图像上的一个花型在边缘部分被多分割或少分割的情况，通过形态学运算对分割结果进行填充或剔除操作，最后获取完整的花型的轮廓。
根据本发明提供的一种基于图像的蕾丝花边检测定位裁剪系统，包括：
模块A：设置图像预处理参数和蕾丝花边检测定位参数；
模块B：读取蕾丝花边图像，根据设置的图像预处理参数对读取的蕾丝花边图像进行预处理，增加蕾丝花边图像上的目标区域与背景区域的对比度；
模块C：根据设置的蕾丝花边检测定位参数，获取预处理后的蕾丝花边图像的目标区域的轮廓线；
模块D：遍历获取的轮廓线，对每个目标区域的轮廓线进行处理，合并为完整的花型的轮廓；
模块E：根据每个轮廓的形状参数，剔除不满足蕾丝花边检测定位参数的轮廓线。
较佳的，所述图像预处理参数包括图像灰度、图像增强或者图像反色在内的参数；所述蕾丝花边检测定位参数包括检测方法、形态学或轮廓筛选在内的参数。
较佳的，所述模块C具体包括：根据设置的蕾丝花边检测定位参数中设置的检测方法，对预处理后的蕾丝花边图像进行阈值分割并得到分割后的二值图像，然后提取二值图像中蕾丝花边图像的目标区域，并提取目标区域的轮廓线。
较佳的，所述模块D具体包括：对于蕾丝花边图像上的同一个花型被分割为几部分的情况，通过形态学运算合并为一个完整的花型，对于蕾丝花边图像上的一个花型在边缘部分被多分割或少分割的情况，通过形态学运算对分割结果进行填充或剔除操作，最后获取完整的花型的轮廓。
根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的基于图像的条纹布料检测定位裁剪方法的步骤。
根据本发明提供的一种布料裁剪设备，包括权利要求9所述的存储有计算机程序的计算机可读存储介质。
与现有技术相比，本发明具有如下的有益效果：
本发明可结合图像采集系统、机械运动控制系统和激光切割技术，实现了蕾丝花边裁剪位置快速、精确的定位。能够准确检测到蕾丝花边图像，并准确定位到需要裁剪位置，实现蕾丝花边图案快速定位与裁剪。无需人工手工裁剪，可以将工人从繁琐的劳动中解放出来，提高企业生成效率。省时省工，相比人工裁剪生产效率提高了5倍以上。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明基于图像的蕾丝花边检测定位裁剪方法的流程图；
图2为原始的蕾丝花边图像；
图3为经过本发明检测定位后的效果图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示，本发明提供的一种基于图像的蕾丝花边检测定位裁剪方法，包括：
步骤A：设置图像预处理参数和蕾丝花边检测定位参数。图像预处理参数包括图像灰度、图像增强或者图像反色等参数，可根据蕾丝花边图像的实际情况设置相应的参数。蕾丝花边检测定位参数包括检测方法、形态学、轮廓筛选等参数，检测参数主要用于检测蕾丝花边的目标区域。
步骤B：读取蕾丝花边图像，读取的图像如图2所示，根据设置的图像预处理参数对读取的蕾丝花边图像进行预处理，增加蕾丝花边图像上的目标区域与背景区域的对比度。
步骤C：根据设置的蕾丝花边检测定位参数，获取预处理后的蕾丝花边图像的目标区域的轮廓线。具体包括根据设置的蕾丝花边检测定位参数中设置的检测方法，对预处理后的蕾丝花边图像进行阈值分割并得到分割后的二值图像，然后提取二值图像中蕾丝花边图像的目标区域，并提取目标区域的轮廓线。
步骤D：遍历获取的轮廓线，对每个目标区域的轮廓线进行处理，合并为完整的花型的轮廓。对于蕾丝花边图像上的同一个花型被分割为几部分的情况，通过形态学运算合并为一个完整的花型，对于蕾丝花边图像上的一个花型在边缘部分被多分割或少分割的情况，通过形态学运算对分割结果进行填充或剔除操作，最后获取完整的花型的轮廓。
步骤E：根据每个轮廓的形状参数，剔除不满足蕾丝花边检测定位参数的轮廓线。
步骤F：将剔除不满足蕾丝花边检测定位参数的轮廓线后的结果输出并显示，方便观察，结果如图3所示。
在上述基于图像的蕾丝花边检测定位裁剪方法的基础上，本发明还提供一种基于图像的蕾丝花边检测定位裁剪系统，包括：
模块A：设置图像预处理参数和蕾丝花边检测定位参数。图像预处理参数包括图像灰度、图像增强或者图像反色等参数，可根据蕾丝花边图像的实际情况设置相应的参数。蕾丝花边检测定位参数包括检测方法、形态学、轮廓筛选等参数，检测参数主要用于检测蕾丝花边的目标区域。
模块B：读取蕾丝花边图像，读取的图像如图2所示，根据设置的图像预处理参数对读取的蕾丝花边图像进行预处理，增加蕾丝花边图像上的目标区域与背景区域的对比度。
模块C：根据设置的蕾丝花边检测定位参数，获取预处理后的蕾丝花边图像的目标区域的轮廓线。具体包括根据设置的蕾丝花边检测定位参数中设置的检测方法，对预处理后的蕾丝花边图像进行阈值分割并得到分割后的二值图像，然后提取二值图像中蕾丝花边图像的目标区域，并提取目标区域的轮廓线。
模块D：遍历获取的轮廓线，对每个目标区域的轮廓线进行处理，合并为完整的花型的轮廓。对于蕾丝花边图像上的同一个花型被分割为几部分的情况，通过形态学运算合并为一个完整的花型，对于蕾丝花边图像上的一个花型在边缘部分被多分割或少分割的情况，通过形态学运算对分割结果进行填充或剔除操作，最后获取完整的花型的轮廓。
模块E：根据每个轮廓的形状参数，剔除不满足蕾丝花边检测定位参数的轮廓线。
模块F：将剔除不满足蕾丝花边检测定位参数的轮廓线后的结果输出并显示，方便观察，结果如图3所示。
在上述基于图像的蕾丝花边检测定位裁剪方法的基础上，本发明还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现上述步骤A至步骤F所述的基于图像的蕾丝花边检测定位裁剪方法的步骤。
在上述存储有计算机程序的计算机可读存储介质的基础上，本发明还提供一种布料裁剪设备，包括上述的存储有计算机程序的计算机可读存储介质。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于图像的蕾丝花边检测定位裁剪方法，其特征在于，包括：
步骤A：设置图像预处理参数和蕾丝花边检测定位参数；
步骤B：读取蕾丝花边图像，根据设置的图像预处理参数对读取的蕾丝花边图像进行预处理，增加蕾丝花边图像上的目标区域与背景区域的对比度；
步骤C：根据设置的蕾丝花边检测定位参数，获取预处理后的蕾丝花边图像的目标区域的轮廓线；
步骤D：遍历获取的轮廓线，对每个目标区域的轮廓线进行处理，合并为完整的花型的轮廓；
步骤E：根据每个轮廓的形状参数，剔除不满足蕾丝花边检测定位参数的轮廓线。
2.根据权利要求1所述的基于图像的蕾丝花边检测定位裁剪方法，其特征在于，所述图像预处理参数包括图像灰度、图像增强或者图像反色在内的参数；所述蕾丝花边检测定位参数包括检测方法、形态学或轮廓筛选在内的参数。
3.根据权利要求1所述的基于图像的蕾丝花边检测定位裁剪方法，其特征在于，所述步骤C具体包括：根据设置的蕾丝花边检测定位参数中设置的检测方法，对预处理后的蕾丝花边图像进行阈值分割并得到分割后的二值图像，然后提取二值图像中蕾丝花边图像的目标区域，并提取目标区域的轮廓线。
4.根据权利要求1所述的基于图像的蕾丝花边检测定位裁剪方法，其特征在于，所述步骤D具体包括：对于蕾丝花边图像上的同一个花型被分割为几部分的情况，通过形态学运算合并为一个完整的花型，对于蕾丝花边图像上的一个花型在边缘部分被多分割或少分割的情况，通过形态学运算对分割结果进行填充或剔除操作，最后获取完整的花型的轮廓。
5.一种基于图像的蕾丝花边检测定位裁剪系统，其特征在于，包括：
模块A：设置图像预处理参数和蕾丝花边检测定位参数；
模块B：读取蕾丝花边图像，根据设置的图像预处理参数对读取的蕾丝花边图像进行预处理，增加蕾丝花边图像上的目标区域与背景区域的对比度；
模块C：根据设置的蕾丝花边检测定位参数，获取预处理后的蕾丝花边图像的目标区域的轮廓线；
模块D：遍历获取的轮廓线，对每个目标区域的轮廓线进行处理，合并为完整的花型的轮廓；
模块E：根据每个轮廓的形状参数，剔除不满足蕾丝花边检测定位参数的轮廓线。
6.根据权利要求5所述的基于图像的蕾丝花边检测定位裁剪系统，其特征在于，所述图像预处理参数包括图像灰度、图像增强或者图像反色在内的参数；所述蕾丝花边检测定位参数包括检测方法、形态学或轮廓筛选在内的参数。
7.根据权利要求5所述的基于图像的蕾丝花边检测定位裁剪系统，其特征在于，所述模块C具体包括：根据设置的蕾丝花边检测定位参数中设置的检测方法，对预处理后的蕾丝花边图像进行阈值分割并得到分割后的二值图像，然后提取二值图像中蕾丝花边图像的目标区域，并提取目标区域的轮廓线。
8.根据权利要求5所述的基于图像的蕾丝花边检测定位裁剪系统，其特征在于，所述模块D具体包括：对于蕾丝花边图像上的同一个花型被分割为几部分的情况，通过形态学运算合并为一个完整的花型，对于蕾丝花边图像上的一个花型在边缘部分被多分割或少分割的情况，通过形态学运算对分割结果进行填充或剔除操作，最后获取完整的花型的轮廓。
9.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的基于图像的条纹布料检测定位裁剪方法的步骤。
10.一种布料裁剪设备，其特征在于，包括权利要求9所述的存储有计算机程序的计算机可读存储介质。
CN201711464194.0A 2017-12-28 2017-12-28 基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质 Pending CN108269251A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711464194.0A CN108269251A (zh) 2017-12-28 2017-12-28 基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711464194.0A CN108269251A (zh) 2017-12-28 2017-12-28 基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质

Publications (1)

Publication Number Publication Date
CN108269251A true CN108269251A (zh) 2018-07-10

Family

ID=62772693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711464194.0A Pending CN108269251A (zh) 2017-12-28 2017-12-28 基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质

Country Status (1)

Country Link
CN (1) CN108269251A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238523A (zh) * 2021-04-24 2021-08-10 深圳市星火数控技术有限公司 一种图像自识别指令自编程控制方法及系统
CN115625435A (zh) * 2022-11-14 2023-01-20 广东瑞洲科技有限公司 智能识别切割方法、装置及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262093A (zh) * 2010-05-24 2011-11-30 张爱明 基于机器视觉的印花机在线检测方法
CN104239584A (zh) * 2014-10-15 2014-12-24 江南大学 基于Android的蕾丝面料检索系统及检索方法
CN105354276A (zh) * 2015-10-29 2016-02-24 江南大学 基于内容的蕾丝花边检索系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262093A (zh) * 2010-05-24 2011-11-30 张爱明 基于机器视觉的印花机在线检测方法
CN104239584A (zh) * 2014-10-15 2014-12-24 江南大学 基于Android的蕾丝面料检索系统及检索方法
CN105354276A (zh) * 2015-10-29 2016-02-24 江南大学 基于内容的蕾丝花边检索系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘桂芬: "机织物提花图案分割与拼接方法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
鄢然 等: "基于特征识别的经编布花边实时识别算法", 《激光与光电子学进展》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238523A (zh) * 2021-04-24 2021-08-10 深圳市星火数控技术有限公司 一种图像自识别指令自编程控制方法及系统
CN115625435A (zh) * 2022-11-14 2023-01-20 广东瑞洲科技有限公司 智能识别切割方法、装置及系统

Similar Documents

Publication Publication Date Title
Raut et al. Plant disease detection in image processing using MATLAB
CN108335309B (zh) 基于图像的条纹布料检测定位裁剪方法及其系统和存储介质
Agarwal et al. Automated skin lesion segmentation using K-means clustering from digital dermoscopic images
Falcao et al. Design of connected operators using the image foresting transform
CN109242835A (zh) 基于人工智能的车底缺陷检测方法、装置、设备及系统
CN108269251A (zh) 基于图像的蕾丝花边检测定位裁剪方法及系统和存储介质
CN105389581B (zh) 一种胚芽米胚芽完整度智能识别系统及其识别方法
CN108346161B (zh) 基于图像的飞织鞋面匹配定位方法及其系统和存储介质
CN110263794A (zh) 基于数据增强的安全带图像目标识别方法
CN110599507A (zh) 一种番茄识别定位方法及系统
CN107274406A (zh) 一种检测敏感区域的方法及装置
Chen et al. A practical solution for ripe tomato recognition and localisation
Ma et al. Kinematic skeleton extraction from 3D articulated models
EP4160524A1 (en) Method for detecting at least one defect on a support, device and computer program associated
CN104711784B (zh) 一种获得裁片缝合路径的方法
CN102737377A (zh) 改进的亚像素边缘提取方法
CN101464953A (zh) 轮廓提取装置和轮廓提取方法
CN110503705A (zh) 图像标注方法和设备
CN106846314A (zh) 一种基于术后角膜oct影像数据的图像分割方法
CN110136140A (zh) 眼底图像血管影像分割方法及设备
Ogorodnikova et al. Method of ripe tomato detecting for a harvesting robot
Chen et al. An automated approach for fibrin network segmentation and structure identification in 3D confocal microscopy images
CN113238523B (zh) 一种图像自识别指令自编程控制方法及系统
CN110135315B (zh) 基于人眼关键点的眼瞳替换方法及装置
CN105719269B (zh) 一种目标物体确定方法及装置

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

Application publication date: 20180710

RJ01 Rejection of invention patent application after publication