CN108520498A - 一种晶体结晶过程监测中的高效晶体阴影噪声去除方法 - Google Patents
一种晶体结晶过程监测中的高效晶体阴影噪声去除方法 Download PDFInfo
- Publication number
- CN108520498A CN108520498A CN201810224575.XA CN201810224575A CN108520498A CN 108520498 A CN108520498 A CN 108520498A CN 201810224575 A CN201810224575 A CN 201810224575A CN 108520498 A CN108520498 A CN 108520498A
- Authority
- CN
- China
- Prior art keywords
- crystal
- calculated
- crystalline
- noise remove
- rectangle
- 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.)
- Granted
Links
- 239000013078 crystal Substances 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims abstract description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 238000000638 solvent extraction Methods 0.000 abstract description 2
- 238000003786 synthesis reaction Methods 0.000 abstract description 2
- 238000003709 image segmentation Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000007795 chemical reaction product Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000002956 ash Substances 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种晶体结晶过程监测中的高效晶体阴影噪声去除方法,该方法1)对于待处理的晶体图像,采用串行标注算法进行连通性标注;2)晶体区域划分。考虑到晶体结晶过程的特殊性,无法直接采用经典的图像分割算法对晶体区域进行划分,本发明提出一种合成的晶体区域划分算法,即首先采用Graham算法计算其凸包,然后计算得到最小外接矩形左上角顶点坐标(x,y)、矩形宽度w、以及矩形高度h,据此从原图中提取得到全部独立晶体区域块;3)对每个晶体区域块,采用OTSU自适应阈值选择算法计算阈值T作为分割阈值,做二值化处理,完成晶体目标阴影噪声去除。本方法阴影噪声去除效果好,时间复杂度低,无论在学术研究或是工业生产实践领域都具有重要意义。
Description
技术领域
本发明涉及晶体监测、过程控制、工业生产自动化、图像处理等领域,具体涉及晶体反应过程监测中的噪声去除技术。
背景技术
晶体结晶过程对于工业生产特别是化学工业生产过程有着极其重要的影响,该过程在特殊化工、生物制药以及农业化学等领域被广泛用于固液分离、提纯以及固态晶体生产制造。
在晶体结晶过程中,其形态学特征往往是晶体十分重要的属性,不同的形态学特征如晶体形状、尺寸分布等将直接影响晶体生长以及最终产品质量。合理地控制晶体结晶过程中的形态学特征不仅对最终产品质量有着重要影响,对于结晶后续操作(如过滤、干燥、存储等)的高效性也有着积极的促进作用。
晶体结晶过程中反应条件的微小改变都会对晶体形态学特征造成极大的影响,如过饱和度、溶液PH、降温速度、搅拌速度、杂质等,不同的外界条件作用下会产生不同形态、不同品质的晶体,从而影响最终晶体产品的质量。为了在晶体结晶过程中合理地控制晶体形态学属性以获得理想的晶体产品,对反应过程中晶体形态学属性的实时监测与控制显得尤为重要。
随着高速在线数字成像传感器的飞速发展,基于图像分析的在线原位实时监测技术在学术及工业生产领域引起广泛关注。基于图像分析的晶体反应过程监测通常可分为晶体目标获取、晶体目标识别以及晶体属性测量等三个部分。考虑到晶体目标识别的精确程度将直接影响后期晶体属性测量的准确性,如何精确完成晶体目标识别成为基于图像分析的晶体监测过程的瓶颈所在。
噪声干扰特别是晶体阴影噪声干扰被认为是影响晶体目标识别精确性的重要原因之一。实验环境中光照条件不均往往会导致晶体目标图像灰度级不均匀,造成部分晶体成像模糊;同时特定的图像采集设备的选用(如侵入式图像采集设备)不可避免会导致阴影噪声的出现。晶体阴影噪声的存在,致使晶体属性测量时把晶体阴影当作晶体部分进行计算,无疑会对晶体属性(如晶体尺寸)测量引入测量误差,进而直接影响最终晶体产品的质量,造成不可估量的损失。
传统的目标阴影噪声去除方法为直接阈值法,该方法利用晶体和晶体阴影的灰度级差异,通过设置灰度级阈值将二者分离,进而实现阴影噪声干扰去除的目的。为了选择合适的灰度级阈值,通常采用自适应阈值选择算法,如最大类间差分算法。最大类间差分算法,简称OTSU,它按照图像的灰度特性,将图像分成前景目标和背景两部分。前景目标和背景的类间方差(公式1)越大,说明构成图像的两部分的差别越大,当部分前景目标错分为背景或部分背景错分为前景目标时这种差别变小。因此,使类间方差最大的分割意味着错分概率最小。类间方差计算公式为:
g=w0×w1×(μ0-μ1)2(1)
其中,g为类间方差,w0为属于前景目标的像素点个数占整幅图像像素点个数的比例,μ0为其平均灰度;w1为背景像素点个数占整幅图像像素点个数的比例,μ1为其平均灰度。遍历选择图像灰度级范围(0-255)作为阈值对图像进行前景目标和背景的划分,并计算对应划分后的类间方差,得到使类间方差最大的阈值即为所求。
该方法的优势在于实现简单,对于晶体目标和阴影灰度级差异明显的目标去除干扰效果显著。但该方法严重依赖待识别目标与阴影灰度级的显著差异性,由于图像采集设备的条件限制,导致晶体目标成像清晰度不相同,同一幅图像中的某个晶体目标灰度级可能与其他晶体阴影灰度级相近,倘若直接进行阈值法去噪,当阈值取值较小时,无法将晶体目标和阴影完全分离;当阈值取值过大时,部分灰度级较小的晶体会被当作阴影一同去除,同样会对晶体属性测量造成误差,如图2所示。
发明内容
通过分析阈值法去除目标阴影噪声方法发现,阈值法无法完美去除阴影噪声的原因在于就一幅晶体图像而言,无法找到一个合适的阈值把所有晶体目标与阴影完美分割。但如果考虑把晶体图像划分成若干晶体区域块,就每个区域块而言,不会存在某个晶体灰度级和其他晶体阴影灰度级相近的现象。基于此,本发明提出了一种晶体结晶过程监测中的高效晶体阴影噪声去除方法,利用图割思想对将晶体图像划分为若干晶体区域块,并针对每个区域块分别做局部阈值划分,可有效去除阴影噪声干扰,从而实现晶体精确识别,为后续晶体属性测量提供准确性保证。
该方法具体包含串行连通区域标注、晶体区域划分以及晶体阴影去除三个步骤。
(1)串行连通区域标注
为了把晶体区域块从晶体图像中划分出来,首先需要根据像素连通性对连通区域进行标注。连通性是描述图像区域和边界的重要概念,通常认为两个像素连通,即满足两个像素位置相邻,且灰度值满足特定的相似性准则(四连通、八连通或m连通)。本方法采用四连通相似性准则定义两个像素连通,即对于像素p和q,如果q在集合N4(p)中,则称这两个像素是四连通的。
对于待处理的晶体图像,根据连通性准则公式:
N4(p(x,y))∈{(x+1,y),(x-1,y),(x,y+1(,(x,y-1)} (2)
采用串行标注算法进行连通性标注;其中,N4(p)表示像素p的四邻域,x为像素点的横坐标,y为像素点的纵坐标;
串行标注算法,又称为两次扫描串行标注算法,从下至上扫描图像两次。第一次扫描依据像素连通性对连通区域进行标注,并对等价的像素构造等价关系列表;第二次扫描则依据等价关系进行连通区域标注合并,完成对第一次扫描中重合部分连通区域的修正。
(2)晶体区域划分
采用Graham算法计算其凸包,然后计算最小外接矩形,依据最小外接矩形从原图中提取得到全部独立晶体区域块。
具体步骤包括:
1)对步骤(1)得到的每一个连通区域块,采用Graham算法计算其凸包;
2)对计算得到的每一个凸包,计算其最小外接矩形,得到矩形左上角顶点坐标(x,y)、矩形宽度w、以及矩形高度h,即可得到当前最小外接矩形(亦即晶体区域块)的四个顶点坐标(x,y)、(x+w,y)、(x,y+h)、(x+w,y+h);
3)依据计算得到的晶体最小外接矩形顶点坐标,从原晶体图像中对应位置将晶体区域块提取出来。
本发明设计的晶体阴影噪声去除方法的关键在于划分晶体区域块,可通过获取每个晶体连通区域外接矩形来获得相应晶体区域块在图像中的位置,进而完成划分。考虑到直接对连通区域做外接矩形比较困难,通过对连通区域做凸包,形成一个凸多边形,再对该凸多边形做外接矩形,显然此外接矩形也是原连通区域的外接矩形。
从数学角度而言,一个集合X的凸包指的是包含X的最小凸集,也可形式化定义为所有包含X的凸集的交集或X中的所有凸点的并集。本方法采用Graham扫描法来计算连通区域的凸包。Graham扫描法是图像处理中计算凸包常用的方法,其基本思想是通过设置一个关于候选点的堆栈来解决凸包问题。一旦完成凸包操作,即可按照一个基准方向进行外接矩形的构造。为了尽可能减小晶体连通区域和外接矩形之间的差距,选择所有外接矩形中的最小外接矩形作为后续操作的对象。
(3)晶体阴影噪声去除
对每个晶体区域块,采用OTSU自适应阈值选择算法计算阈值T作为灰度级分割阈值,依据公式:
做二值化处理,完成晶体目标阴影噪声去除,其中Gi(x,y)为第i个晶体区域块图像。
对于划分后的N个晶体区域块而言,晶体灰度级与晶体阴影灰度级差别较大,且不存在与其他晶体灰度级的交叉,故可采用阈值法进行阴影去除。
综上所述,本发明设计实现的方法本质上是利用图割思想将全局晶体阴影噪声去除问题转化为多个局部晶体阴影噪声去除问题,以克服前文所述全局法可能对晶体对象造成损耗的不足。具体而言,首先采用串行连通区域标注算法将晶体图像中全部连通区域标出,据此进行晶体区域划分。考虑到晶体结晶过程图像的特殊性,无法直接采用传统的图像分割算法进行划分,转而提出一种合成的晶体区域划分方法,即首先对每个连通区域采用Graham算法计算凸包,再依据凸包计算其最小外接矩形,得到矩形(晶体区域块)的四个顶点坐标,最后依据区域坐标从原图中将晶体区域块提取出来,完成晶体区域划分。最后对每个独立晶体区域块采用OTSU阈值法去除晶体阴影噪声。本发明设计实现的高效晶体阴影噪声干扰去除方法噪声去除效果好,且时间复杂度低,无论在学术研究或是工业生产实践领域都具有重要意义。
附图说明
图1为原始晶体图,图中白色框体内为晶体对象阴影。
图2为直接阈值法去除晶体阴影噪声干扰效果图。
图3为连通区域最小外接矩形图。图中1-10为晶体的最小外接矩形区域。
图4为本设计方法去除晶体阴影噪声干扰效果图,图中a-j为去除阴影噪声干扰的晶体。
具体实施方式
为了去除晶体阴影噪声干扰,采用本发明设计实现的高效晶体阴影噪声去除方法。
具体实施可以遵从如下处理过程:
(1)输入一幅晶体图像,如图1,可对其进行预处理,去除水珠、复杂背景等与本发明无关的噪声干扰;
(2)按照公式(2)相似度准则,采用串行标注算法对输入图像进行连通区域标注,并为不同连通区域标记序号1-N(N为连通区域个数);
(3)对于标注后的图像中的全部连通区域,从编号1开始遍历直到编号为N结束:
1)采用Graham算法计算其凸包;
2)计算1)中凸包的最小外接矩形,如图3所示,以连通区域6为例,可得到外接矩形左上角顶点P,顶点为坐标(x,y)、矩形宽度w以及矩形高度h,并计算得到当前最小外接矩形(亦即晶体区域块)的四个顶点坐标(x,y)、(x+w,y)、(x,y+h)、(x+w,y+h);
3)以2)中计算得到的晶体最小外接矩形顶点坐标为依据,从原晶体图像中对应位置将晶体区域块提取出来,得到独立晶体区域块;
4)对3)中得到的独立晶体区域块,采用OTSU自适应阈值选择算法计算得到阈值T,并依据公式(3)对晶体区域块做二值化处理,完成晶体阴影噪声去除,如图4所示。
Claims (2)
1.一种晶体结晶过程监测中的高效晶体阴影噪声去除方法,其特征在于,包括如下步骤:
(1)串行连通区域标注;对于待处理的晶体图像,根据连通性准则公式:
N4(p(x,y))∈{(x+1,y),(x-1,y),(x,y+1),(x,y-1)} (2)
采用串行标注算法进行连通性标注;其中,N4(p)表示像素p的四邻域,x为像素点的横坐标,y为像素点的纵坐标;
(2)晶体区域划分;采用Graham算法计算其凸包,然后计算最小外接矩形,依据最小外接矩形从原图中提取得到全部独立晶体区域块;
(3)晶体阴影噪声去除;对每个晶体区域块,采用OTSU自适应阈值选择算法计算阈值T作为灰度级分割阈值,依据公式:
做二值化处理,完成晶体目标阴影噪声去除,其中Gi(x,y)为第i个晶体区域块图像。
2.根据权利要求1所述晶体结晶过程监测中的高效晶体阴影噪声去除方法,其特征在于,步骤(2)具体包括如下步骤:
1)对步骤(1)得到的每一个连通区域块,采用Graham算法计算其凸包;
2)对计算得到的每一个凸包,计算其最小外接矩形,得到矩形左上角顶点坐标(x,y)、矩形宽度w、以及矩形高度h,即可得到当前最小外接矩形的四个顶点坐标(x,y)、(x+w,y)、(x,y+h)、(x+w,y+h);
3)依据计算得到的晶体最小外接矩形顶点坐标,从原晶体图像中对应位置将晶体区域块提取出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810224575.XA CN108520498B (zh) | 2018-03-19 | 2018-03-19 | 一种晶体结晶过程监测中的高效晶体阴影噪声去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810224575.XA CN108520498B (zh) | 2018-03-19 | 2018-03-19 | 一种晶体结晶过程监测中的高效晶体阴影噪声去除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108520498A true CN108520498A (zh) | 2018-09-11 |
CN108520498B CN108520498B (zh) | 2020-11-03 |
Family
ID=63433969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810224575.XA Expired - Fee Related CN108520498B (zh) | 2018-03-19 | 2018-03-19 | 一种晶体结晶过程监测中的高效晶体阴影噪声去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108520498B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915509A (zh) * | 2020-07-03 | 2020-11-10 | 三峡大学 | 基于图像处理去阴影优化的保护压板状态辨识方法 |
WO2021049473A1 (ja) * | 2019-09-09 | 2021-03-18 | パナソニックIpマネジメント株式会社 | 映像表示システム、及び映像表示方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2399629A (en) * | 2003-01-22 | 2004-09-22 | Univ Brunel | Automatic thresholding algorithm method and apparatus |
CN1651905A (zh) * | 2005-02-05 | 2005-08-10 | 石家庄钢铁股份有限公司 | 钢中非金属夹杂物定量分析方法 |
US7177487B2 (en) * | 2003-04-21 | 2007-02-13 | Baxter International Inc. | Determination of particle size by image analysis |
CN102332157A (zh) * | 2011-06-15 | 2012-01-25 | 夏东 | 一种消除阴影的方法 |
CN104880389A (zh) * | 2015-04-01 | 2015-09-02 | 江苏大学 | 一种钢材晶粒混晶度的自动测量、精细分类方法及其系统 |
CN105404887A (zh) * | 2015-07-05 | 2016-03-16 | 中国计量学院 | 一种基于随机森林的白细胞五分类方法 |
CN105844622A (zh) * | 2016-03-16 | 2016-08-10 | 南京工业大学 | 一种基于激光视觉的v型坡口焊缝检测方法 |
CN106469305A (zh) * | 2016-09-23 | 2017-03-01 | 电子科技大学 | 一种基于图像处理的粪便中夏科雷登晶体自动检测方法 |
CN107527343A (zh) * | 2017-08-31 | 2017-12-29 | 山东省农业科学院科技信息研究所 | 一种基于图像处理的双孢蘑菇分级方法 |
-
2018
- 2018-03-19 CN CN201810224575.XA patent/CN108520498B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2399629A (en) * | 2003-01-22 | 2004-09-22 | Univ Brunel | Automatic thresholding algorithm method and apparatus |
US7177487B2 (en) * | 2003-04-21 | 2007-02-13 | Baxter International Inc. | Determination of particle size by image analysis |
CN1651905A (zh) * | 2005-02-05 | 2005-08-10 | 石家庄钢铁股份有限公司 | 钢中非金属夹杂物定量分析方法 |
CN102332157A (zh) * | 2011-06-15 | 2012-01-25 | 夏东 | 一种消除阴影的方法 |
CN104880389A (zh) * | 2015-04-01 | 2015-09-02 | 江苏大学 | 一种钢材晶粒混晶度的自动测量、精细分类方法及其系统 |
CN105404887A (zh) * | 2015-07-05 | 2016-03-16 | 中国计量学院 | 一种基于随机森林的白细胞五分类方法 |
CN105844622A (zh) * | 2016-03-16 | 2016-08-10 | 南京工业大学 | 一种基于激光视觉的v型坡口焊缝检测方法 |
CN106469305A (zh) * | 2016-09-23 | 2017-03-01 | 电子科技大学 | 一种基于图像处理的粪便中夏科雷登晶体自动检测方法 |
CN107527343A (zh) * | 2017-08-31 | 2017-12-29 | 山东省农业科学院科技信息研究所 | 一种基于图像处理的双孢蘑菇分级方法 |
Non-Patent Citations (5)
Title |
---|
C. BRADFORD BARBER等: "The Quickhull Algorithm for Convex Hulls", 《ACM TRANSACTIONS ON MATHEMATICAL SOFTWARE》 * |
WEI LIU等: "Crystal Image Segmentation Based on Gray", 《2010 3RD INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
吴文艺等: "采用二次灰度直方图的砂轮磨粒图像阈值分割", 《华侨大学学报(自然科学版)》 * |
张敏淑: "白细胞图像的特征提取与分类算法研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
谢池鑫: "基于二值图像的碎石针片状颗粒检测方法研究", 《轻工科技》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021049473A1 (ja) * | 2019-09-09 | 2021-03-18 | パナソニックIpマネジメント株式会社 | 映像表示システム、及び映像表示方法 |
US11785192B2 (en) | 2019-09-09 | 2023-10-10 | Panasonic Intellectual Property Management Co., Ltd. | Video display system and video display method |
CN111915509A (zh) * | 2020-07-03 | 2020-11-10 | 三峡大学 | 基于图像处理去阴影优化的保护压板状态辨识方法 |
CN111915509B (zh) * | 2020-07-03 | 2023-12-29 | 北京博电互联能源科技有限公司 | 基于图像处理去阴影优化的保护压板状态辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108520498B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
CN106295789B (zh) | 一种基于图像处理的作物种子计数方法 | |
CN115791822A (zh) | 晶圆表面缺陷的视觉检测算法及检测系统 | |
CN115170669B (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
CN109767445B (zh) | 一种高精度的pcb缺陷智能检测方法 | |
CN107403435B (zh) | 一种基于rgb颜色空间的彩色图像边缘提取方法 | |
CN109242858B (zh) | 基于自适应模板匹配的织物印花循环图案基元分割方法 | |
CN111191646B (zh) | 一种指针式仪表的智能识别方法 | |
CN110298344A (zh) | 一种基于机器视觉的仪表旋钮定位与检测方法 | |
WO2020038312A1 (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
CN111354047A (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN108022245B (zh) | 基于面线基元关联模型的光伏面板模板自动生成方法 | |
CN110176020A (zh) | 一种融合2d和3d图像的燕窝杂质分拣方法 | |
CN108520498A (zh) | 一种晶体结晶过程监测中的高效晶体阴影噪声去除方法 | |
CN110084818B (zh) | 动态下采样图像分割方法 | |
CN111652844A (zh) | 一种基于数字图像区域增长的x射线缺陷检测方法及系统 | |
CN114463310A (zh) | 一种dr图像增强方法及装置 | |
CN110969583A (zh) | 一种图像背景处理方法及系统 | |
CN114092499A (zh) | 一种药盒分割方法 | |
CN107239761B (zh) | 基于骨架角点检测的果树拉枝效果评价方法 | |
WO2001071663A1 (fr) | Methode d'extraction de lignee cellulaire |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201103 Termination date: 20210319 |