CN108537800B - 一种大功率白光led荧光粉微涂覆区域的分割方法 - Google Patents

一种大功率白光led荧光粉微涂覆区域的分割方法 Download PDF

Info

Publication number
CN108537800B
CN108537800B CN201810238425.4A CN201810238425A CN108537800B CN 108537800 B CN108537800 B CN 108537800B CN 201810238425 A CN201810238425 A CN 201810238425A CN 108537800 B CN108537800 B CN 108537800B
Authority
CN
China
Prior art keywords
local area
growth
area
seed
chroma
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
CN201810238425.4A
Other languages
English (en)
Other versions
CN108537800A (zh
Inventor
胡跃明
余梦琦
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201810238425.4A priority Critical patent/CN108537800B/zh
Publication of CN108537800A publication Critical patent/CN108537800A/zh
Priority to SG11202008094UA priority patent/SG11202008094UA/en
Priority to PCT/CN2018/110822 priority patent/WO2019179089A1/zh
Application granted granted Critical
Publication of CN108537800B publication Critical patent/CN108537800B/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
    • 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
    • G06T7/13—Edge detection
    • 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
    • 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
    • G06T7/90—Determination of colour characteristics

Landscapes

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

Abstract

本发明公开了一种大功率白光LED荧光粉微涂覆区域的分割方法，包括获取涂覆后的基板图片，对基板图片进行预处理，预处理后的基板图像分离色度、饱和度和明度三通道，基于直方图进行阈值分割得到颜色较深的涂覆区域，然后进一步基于阈值分割结果的区域生长，得到最终的分割区域，本方法检测结果具有高精度，且适合在工业生产中投入使用。

Description

一种大功率白光LED荧光粉微涂覆区域的分割方法
技术领域
本发明涉及视觉检测及图像处理领域，具体涉及一种大功率白光LED荧光粉微涂覆区域的分割方法。
背景技术
大功率白光LED荧光粉微涂覆是一种利用压电原理控制涂覆的方法，该方法不同于传统的点胶方法，能对基板上的大量规则排布的芯片进行快速涂覆，且可通过喷嘴雾化气压、喷嘴高度、进料气压等各参数，达到多次微量涂覆的高精度控制作用。
涂覆质量检测是LED封装中较为重要的环节。其中，涂覆区域的有效分割对涂覆质量检测有着关键的作用。考虑到微涂覆工艺的特点，涂覆区域分割方法需能达到快速、高精度的分割作用。但所需处理的基板上分布着大量的涂覆区域，且涂覆区域具有周边涂覆量稀薄的特点，与基板区域重叠，区分不明显。目前对涂覆区域分割的研究较少，且多针对点胶涂覆技术，难以满足微涂覆大量、快速、高精度分割的特点。
发明内容
为了克服现有技术存在的缺点与不足，本发明提供一种大功率白光LED荧光粉微涂覆区域的分割方法，本方法对微涂覆后获得的LED芯片基板上的荧光粉涂覆区域具有较好的分割效果。
本发明采用如下技术方案：
一种大功率白光LED荧光粉微涂覆区域的分割方法，包括如下步骤：
S1获取涂覆后的基板图片；
S2对基板图像进行预处理；
S3将预处理后的基板图像从RGB空间转换为HSV空间，分离色度、饱和度和明度三通道；
S4基于直方图的阈值分割，具体步骤如下：
S4.1将S3中的饱和度分量和色度分量融合为一维，获得新分量；
S4.2对新分量进行直方图统计；
S4.3根据直方图统计选取阈值，利用新分量进行阈值分割，获得分割二值图片，分割出来的区域即为颜色较深的涂覆区域，此处将分割出来的涂覆区域所有像素点记为集合K；
S5基于阈值分割结果的区域生长，具体步骤如下：
S5.1将色度分量图划分为n*n个的局部区域；
S5.2利用canny算子对分割出的二值图片进行边缘提取，获得二值图边缘点位置，将色度分量图片中与二值图中边缘点位置一致的像素点作为种子点，进而获得色度分量中每个局部区域的种子点集合Pj，此处j指的是第j个局部区域；
S5.3计算色度分量每个局部区域内与集合K中像素点位置一致的像素点色度平均值及色度标准差，并将色度平均值加减色度标准差得到结果pj、qj，并作为区域分割边界的判断条件；
S5.4生成一张和分割二值图片大小相同的空白图片，在新生成图片中标记与S4中已被判定为涂覆区域相同位置的像素点，将新生成图片作为标记对比图；
S5.5分别对每个局部区域进行八邻域生长，具体为：从S5.2步骤中获得该局部区域中的种子点集合Pj，然后选取种子集合Pj里的第一个种子，放入堆栈，并对该种子进行八邻域生长，进行生长条件判别，若符合生长条件，则继续生长，否则停止，直至该区域种子集合Pj内所有种子都生长完成，则该局部区域完成八邻域生长；
S5.6当所有局部区域都完成八邻域生长后，则区域生长结束，获得最终的LED荧光粉微涂覆区域分割图片。
预处理具体为高斯滤波，高斯滤波核大小为3*3。
新分量的公式为：
s＝8*s0-h0
其中s新饱和度分量，s0为原始饱和度分量，h0为原始色度分量，该变换公式对原始饱和度增强后减去原始色度，新获得的饱和度分量涂覆区域与基板区域区别更加明显。
所述阈值为0.7。
所述S5中：
色度平均值计算公式为
Figure BDA0001604549150000031
其中，j为第j个局部区域，Pj为第j个局部区域内与阈值初分割所得荧光粉涂覆区域位置对应的色度分量像素点集合，nj为第j个局部区域内集合像素点个数，i为属于集合Pj的像素点，hi为像素点i对应的色度值，
Figure BDA0001604549150000032
为第j个局部区域的色度平均值
色度标准差计算公式为：
Figure BDA0001604549150000033
其中，j为第j个局部区域，Pj为第j个局部区域内与阈值初分割所得荧光粉涂覆区域位置对应的色度分量像素点集合，nj为第j个局部区域内集合像素点个数，i为属于集合Pj的像素点，hi为像素点i对应的色度值，
Figure BDA0001604549150000034
为第j个局部区域的色度平均值，ξj为第j个局部区域的色度标准差。
所述S5.3中：
Figure BDA0001604549150000035
其中，j为第j个局部区域，pj为第j个局部区域的生长边界下限值，qj为第j个局部区域的生长边界上限值，
Figure BDA0001604549150000036
第j个局部区域的色度平均值，ξj为第j个局部区域的色度标准差。
所述生长条件判别：
条件一：存在色调值在pj到qj之间的邻域像素点未在对比图中被标记；
条件二：色调值在pj到qj之间的邻域像素点个数大于4；
与上述生长条件进行判别，当符合下述情况时，执行以下操作：
a)当存在邻域像素点满足条件二时，则在生成的对比图中标记相应位置的像素点；
b)若在满足条件一的前提下，也同时满足条件二，则判定为满足生长条件。此时，将原种子点从堆栈中剔除，并将满足条件一的邻域像素点放入堆栈中，作为下次生长的种子点，循环进入判别条件，进行生长；
c)若邻域像素点仅满足条件一、二中的一个，或者都不满足，则不满足生长条件，将原种子点从堆栈中剔除，检查堆栈中是否还存在像素点，若堆栈中还存在像素点则取出该像素点作为种子进入生长条件判别循环，若不存在则查看局部种子集合中是否还有未被取出进行生长的种子；若局部区域还存在未被取出的种子，则将其取出放入堆栈，再次进行生长条件判别，若不存在则该局部区域生长结束，选择下一局部区域进行生长；
(3)若n*n个局部区域都已进行了生长，则区域生长结束。
本发明的有益效果：
现有技术中阈值法简单，容易操作，能快速分割出区域对象，但其未考虑空间信息，在边缘变化不明显处，分割精度不佳；区域生长法，考虑了更多空间信息，但其需要设置初始生长种子点，该种子点的设置对分割结果影响较大，且该方法通常选择多个种子迭代生长，生长速度较慢。本文所提出的基于阈值法与区域生长结合的彩色图像分割结合了两种方法的优点，并对其缺点进行相互弥补，通过将色度分量和饱和度分量融合成新分量，能阈值分割出颜色较深的优秀样本，再结合空间信息，利用阈值分割得到的区域块对色度分量进行区域生长获得了性能优良的初始种子，加快了生长速度，从而实现快速、高精度地提取涂覆区域；
与现有LED荧光粉涂覆区域分割方法相比，本方法保证了检测结果的高精度，且适合在工业生产中投入使用。
附图说明
图1是本发明的工作流程图；
图2本实施例的采集基板图片的结构图。
具体实施方式
下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例
如图1所示，一种大功率白光LED荧光粉微涂覆区域的分割方法，包括如下步骤：
S1获取涂覆后的基板图片。
如图2所示，本系统结构包括相机1、环形光源2、实验平台3及涂覆荧光粉胶层的LED芯片基板，基板防止在实验平台上，基板上规则排布着多个芯片，切经过了荧光粉胶微涂覆；相机位于基板正上方，环形光源为白色光源，其套接在相机上。
S2基板图像进行预处理，对获取的图片进行高斯滤波，高斯滤波核大小为3*3，去除图片噪点。
S3彩色空间转换，将基板图像从RGB空间转换为HSV空间，分离色度(H)、饱和度(S)和明度(V)三通道。
S4基于直方图的阈值分割，由于基板区域颜色与涂覆有荧光粉的区域颜色具有较大差异，所以将色度分量与饱和度分量融合成一维新分量，对新分量进行阈值分割，该步骤属于严格条件下的分割，能较快地分割出饱和度较大的深颜色涂覆区域，具体步骤如下：
S4.1利用公式s＝8*s0-h0融合色度h0分量及饱和度s0分量，生成新分量，其中s新饱和度分量，s0为原始饱和度分量，h0为原始色度分量，该变换公式对原始饱和度增强后减去原始色度，新获得的饱和度分量涂覆区域与基板区域区别更加明显。
S4.2对新分量进行直方图统计；
S4.3根据直方图统计选取阈值，利用新分量进行阈值分割，获得分割二值图片，分割出来的区域即为颜色较深的涂覆区域，此处将分割出来的涂覆区域所有像素点记为集合K。本实施例阈值选为0.7。
S5基于阈值分割结果的区域生长，具体步骤如下：
S5.1将色度分量图划分为n*n个的局部区域；
S5.2利用canny算子对分割出的二值图片进行边缘提取，获得二值图边缘点位置，将色度分量图片中与二值图中边缘点位置一致的像素点作为种子点，进而获得色度分量中每个局部区域的种子点集合pj，此处j指的是第j个局部区域；
S5.3计算色度分量每个局部区域内与集合K中像素点位置一致的像素点色度平均值及色度标准差，并将色度平均值加减色度标准差得到结果pj、qj，并作为区域分割边界的判断条件；
所述S5.3中：
Figure BDA0001604549150000051
其中，j为第j个局部区域，pj为第j个局部区域的生长边界下限值，qj为第j个局部区域的生长边界上限值，
Figure BDA0001604549150000061
第j个局部区域的色度平均值，ξj为第j个局部区域的色度标准差。
S5.4生成一张和分割二值图片大小相同的空白图片，在新生成图片中标记与S4中已被判定为涂覆区域相同位置的像素点，将新生成图片作为标记对比图；
S5.5分别对每个局部区域进行八邻域生长，具体为：从S5.2步骤中获得该局部区域中的种子点集合pj，然后选取种子集合pj里的第一个种子，放入堆栈，并对该种子进行八邻域生长，进行生长条件判别，若符合生长条件，则继续生长，否则停止，直至该区域种子集合pj内所有种子都生长完成，则该局部区域完成八邻域生长；
S5.6当所有局部区域都完成八邻域生长后，则区域生长结束，获得最终的LED荧光粉微涂覆区域分割图片。
所述S5中：
色度平均值计算公式为
Figure BDA0001604549150000062
其中，j为第j个局部区域，Pj为第j个局部区域内与阈值初分割所得荧光粉涂覆区域位置对应的色度分量像素点集合，nj为第j个局部区域内集合像素点个数，i为属于集合Pj的像素点，hi为像素点i对应的色度值，
Figure BDA0001604549150000063
为第j个局部区域的色度平均值。
色度标准差计算公式为：
Figure BDA0001604549150000064
其中，j为第j个局部区域，Pj为第j个局部区域内与阈值初分割所得荧光粉涂覆区域位置对应的色度分量像素点集合，nj为第j个局部区域内集合像素点个数，i为属于集合Pj的像素点，hi为像素点i对应的色度值，
Figure BDA0001604549150000065
为第j个局部区域的色度平均值，ξj为第j个局部区域的色度标准差。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种大功率白光LED荧光粉微涂覆区域的分割方法，其特征在于，包括如下步骤：
S1 获取涂覆后的基板图片；
S2 对基板图像进行预处理；
S3 将预处理后的基板图像从RGB空间转换为HSV空间，分离色度、饱和度和明度三通道；
S4 基于直方图的阈值分割，具体步骤如下：
S4.1 将S3中的饱和度分量和色度分量融合为一维，获得新分量；
S4.2 对新分量进行直方图统计；
S4.3 根据直方图统计选取阈值，利用新分量进行阈值分割，获得分割二值图片，分割出来的区域即为颜色较深的涂覆区域，此处将分割出来的涂覆区域所有像素点记为集合K；
S5 基于阈值分割结果的区域生长，具体步骤如下：
S5.1将色度分量图划分为n*n个的局部区域；
S5.2利用canny算子对分割出的二值图片进行边缘提取，获得二值图片边缘点位置，将色度分量图片中与二值图片中边缘点位置一致的像素点作为种子点，进而获得色度分量中每个局部区域的种子点集合
Figure 294280DEST_PATH_IMAGE001
，此处j指的是第j个局部区域；
S5.3计算色度分量每个局部区域内与集合K中像素点位置一致的像素点色度平均值及色度标准差，并将色度平均值加减色度标准差得到结果
Figure 220779DEST_PATH_IMAGE003
，
Figure 208326DEST_PATH_IMAGE005
，并作为区域分割边界的判断条件；
S5.4 生成一张和分割二值图片大小相同的空白图片，在新生成图片中标记与S4中已被判定为涂覆区域相同位置的像素点，将新生成图片作为标记对比图；
S5.5 分别对每个局部区域进行八邻域生长，具体为：从S5.2步骤中获得该局部区域中的种子点集合
Figure 245684DEST_PATH_IMAGE001
，然后选取种子集合
Figure 369497DEST_PATH_IMAGE006
里的第一个种子，放入堆栈，并对该种子进行八邻域生长，进行生长条件判别，若符合生长条件，则继续生长，否则停止，直至该局部区域种子集合
Figure 466898DEST_PATH_IMAGE001
内所有种子都生长完成，则该局部区域完成八邻域生长；
S5.6 当所有局部区域都完成八邻域生长后，则区域生长结束，获得最终的LED荧光粉微涂覆区域分割图片。
2.根据权利要求1所述的分割方法，其特征在于，所述S2中，预处理具体为高斯滤波，高斯滤波核大小为3*3。
3.根据权利要求1所述的分割方法，其特征在于，新分量的公式为：
Figure 941741DEST_PATH_IMAGE007
其中s为新饱和度分量，
Figure 514281DEST_PATH_IMAGE008
为原始饱和度分量，
Figure 23759DEST_PATH_IMAGE009
为原始色度分量，该公式将原始饱和度增强后减去原始色度，使得新获得的饱和度分量涂覆区域与基板区域区别的更加明显。
4.根据权利要求1所述的分割方法，其特征在于，所述阈值为0.7。
5.根据权利要求1所述的分割方法，其特征在于，所述S5中：
色度平均值计算公式为
Figure 26482DEST_PATH_IMAGE010
其中，j为第j个局部区域，
Figure 988621DEST_PATH_IMAGE011
为第j个局部区域内与阈值初分割所得荧光粉涂覆区域位置对应的色度分量像素点集合，
Figure 367781DEST_PATH_IMAGE012
为第j个局部区域内集合像素点个数，i为属于集合
Figure 731766DEST_PATH_IMAGE011
像素点，
Figure 905390DEST_PATH_IMAGE013
为像素点i对应的色度值，
Figure 354826DEST_PATH_IMAGE014
为第j个局部区域的色度平均值；
色度标准差计算公式为：
Figure 534747DEST_PATH_IMAGE015
其中，j为第j个局部区域，
Figure 487659DEST_PATH_IMAGE016
为第j个局部区域内与阈值初分割所得荧光粉涂覆区域位置对应的色度分量像素点集合，
Figure 97763DEST_PATH_IMAGE017
为第j个局部区域内集合像素点个数，i为属于集合
Figure 768916DEST_PATH_IMAGE016
的像素点，
Figure 755458DEST_PATH_IMAGE018
为像素点i对应的色度值，
Figure 828456DEST_PATH_IMAGE019
为第j个局部区域的色度平均值，
Figure 609461DEST_PATH_IMAGE020
为第j个局部区域的色度标准差。
6.根据权利要求1所述的分割方法，其特征在于，所述S5.3中：
Figure 767910DEST_PATH_IMAGE021
其中，j为第j个局部区域，
Figure 217139DEST_PATH_IMAGE023
为第j个局部区域的生长边界下限值，
Figure 169045DEST_PATH_IMAGE024
为第j个局部区域的生长边界上限值，
Figure 345949DEST_PATH_IMAGE025
第j个局部区域的色度平均值，
Figure 408714DEST_PATH_IMAGE026
为第j个局部区域的色度标准差。
7.根据权利要求1所述的分割方法，其特征在于，所述生长条件判别：
条件一：存在色调值在
Figure 456304DEST_PATH_IMAGE027
到
Figure 313533DEST_PATH_IMAGE028
之间的邻域像素点未在对比图中被标记；
条件二：色调值在
Figure 712153DEST_PATH_IMAGE027
到
Figure 310100DEST_PATH_IMAGE028
之间的邻域像素点个数大于4；
与上述生长条件进行判别，当符合下述情况时，执行以下操作：
a)当存在邻域像素点满足条件二时，则在生成的对比图中标记相应位置的像素点；
b)若在满足条件一的前提下，也同时满足条件二，则判定为满足生长条件；此时，将原种子点从堆栈中剔除，并将满足条件一的邻域像素点放入堆栈中，作为下次生长的种子点，循环进入判别条件，进行生长；
c)若邻域像素点仅满足条件一、二中的一个，或者都不满足，则不满足生长条件，将原种子点从堆栈中剔除，检查堆栈中是否还存在像素点，若堆栈中还存在像素点则取出该像素点作为种子进入生长条件判别循环，若不存在则查看局部种子集合中是否还有未被取出进行生长的种子；若局部区域还存在未被取出的种子，则将其取出放入堆栈，再次进行生长条件判别，若不存在则该局部区域生长结束，选择下一局部区域进行生长；
d）若n*n个局部区域都已进行了生长，则区域生长结束。
CN201810238425.4A 2018-03-22 2018-03-22 一种大功率白光led荧光粉微涂覆区域的分割方法 Active CN108537800B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201810238425.4A CN108537800B (zh) 2018-03-22 2018-03-22 一种大功率白光led荧光粉微涂覆区域的分割方法
SG11202008094UA SG11202008094UA (en) 2018-03-22 2018-10-18 A segmenting method for a micro-coated phosphor powder region of high-power white LED
PCT/CN2018/110822 WO2019179089A1 (zh) 2018-03-22 2018-10-18 一种大功率白光led荧光粉微涂覆区域的分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810238425.4A CN108537800B (zh) 2018-03-22 2018-03-22 一种大功率白光led荧光粉微涂覆区域的分割方法

Publications (2)

Publication Number Publication Date
CN108537800A CN108537800A (zh) 2018-09-14
CN108537800B true CN108537800B (zh) 2021-08-06

Family

ID=63485109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810238425.4A Active CN108537800B (zh) 2018-03-22 2018-03-22 一种大功率白光led荧光粉微涂覆区域的分割方法

Country Status (3)

Country Link
CN (1) CN108537800B (zh)
SG (1) SG11202008094UA (zh)
WO (1) WO2019179089A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537800B (zh) * 2018-03-22 2021-08-06 华南理工大学 一种大功率白光led荧光粉微涂覆区域的分割方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7919229B2 (en) * 2007-04-11 2011-04-05 Everlight Electronics Co., Ltd. Phosphor coating process for light emitting diode
CN102179726A (zh) * 2011-03-24 2011-09-14 哈尔滨理工大学 基于图像技术的数控加工二次装夹偏差测量仪及方法
CN102290498A (zh) * 2011-05-27 2011-12-21 协鑫光电科技（张家港）有限公司 制作芯片阶的平面荧光粉产生白光led的方法
CN103143484A (zh) * 2013-02-07 2013-06-12 华南理工大学 一种荧光粉涂覆厚度的控制方法
CN103400141A (zh) * 2013-07-24 2013-11-20 华南理工大学 一种基于改进图像法的输电导线覆冰厚度的计算方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9204518B2 (en) * 2008-10-30 2015-12-01 The Invention Science Fund I Llc LED-based secondary general illumination lighting color slaved to alternate general illumination lighting
CN102136528B (zh) * 2010-12-24 2015-12-02 晶能光电（江西）有限公司 在发光二极管晶粒表面制备荧光粉层的方法
CN103134785A (zh) * 2013-02-07 2013-06-05 华南理工大学 一种基于机器视觉的荧光粉涂覆表面缺陷检测系统及方法
JP6338234B2 (ja) * 2013-11-12 2018-06-06 国立大学法人富山大学 領域分け方法、領域分けプログラム及び画像処理システム
CN107607064B (zh) * 2017-09-01 2020-09-22 华南理工大学 基于点云信息的led荧光粉胶涂覆平整度检测系统及方法
CN108537800B (zh) * 2018-03-22 2021-08-06 华南理工大学 一种大功率白光led荧光粉微涂覆区域的分割方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7919229B2 (en) * 2007-04-11 2011-04-05 Everlight Electronics Co., Ltd. Phosphor coating process for light emitting diode
CN102179726A (zh) * 2011-03-24 2011-09-14 哈尔滨理工大学 基于图像技术的数控加工二次装夹偏差测量仪及方法
CN102290498A (zh) * 2011-05-27 2011-12-21 协鑫光电科技（张家港）有限公司 制作芯片阶的平面荧光粉产生白光led的方法
CN103143484A (zh) * 2013-02-07 2013-06-12 华南理工大学 一种荧光粉涂覆厚度的控制方法
CN103400141A (zh) * 2013-07-24 2013-11-20 华南理工大学 一种基于改进图像法的输电导线覆冰厚度的计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
大功率LED封装过程的关键技术与装备;胡跃明，等;《高技术通讯》;20140531(第5期);第506-514页 *

Also Published As

Publication number Publication date
CN108537800A (zh) 2018-09-14
WO2019179089A1 (zh) 2019-09-26
SG11202008094UA (en) 2020-09-29

Similar Documents

Publication Publication Date Title
CN104700085B (zh) 一种基于模板匹配的芯片定位方法
CN107527343B (zh) 一种基于图像处理的双孢蘑菇分级方法
CN105323495A (zh) 根据区块分割以控制影像曝光的快门适应方法
CN113255434B (zh) 一种融合果实特征与深度卷积神经网络的苹果识别方法
CN109544583A (zh) 一种提取皮革图像感兴趣区域的方法、装置及设备
CN108304878A (zh) 一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法
JP2003051006A (ja) エッジにより境界をつけられたデジタルイメージにおいて空を識別する方法
GB2567724A (en) Local color range selection
CN108537800B (zh) 一种大功率白光led荧光粉微涂覆区域的分割方法
CN111079637B (zh) 田间图像中分割油菜花的方法、装置、设备及存储介质
CN114299051A (zh) 基于特征建模显著性检测的皮革材料表面缺陷检测方法
CN107545550A (zh) 细胞图像偏色校正方法
CN110689511B (zh) 一种大视野图像拼接路径的优化方法
CN106558044A (zh) 影像模组的解像力测量方法
CN107239761B (zh) 基于骨架角点检测的果树拉枝效果评价方法
CN111507995B (zh) 一种基于彩色图像金字塔和颜色通道分类的图像分割方法
CN112489049A (zh) 基于超像素和svm的成熟番茄果实的分割方法及系统
CN112784894A (zh) 一种岩石薄片显微图像自动标注方法
CN107274444A (zh) 球形类植物的计数方法及装置
CN107563990A (zh) 一种光伏电池片崩边及钝型和v型缺口的检测算法
CN107527367A (zh) 一种基于双目相机的棉花识别及定位方法
CN113744263B (zh) 一种小尺寸马赛克陶瓷表面缺陷快速检测的方法
CN111401121A (zh) 一种基于超像素特征提取实现柑橘分割方法
CN106023196B (zh) 一种基于目标人物的非单色背景抠像方法
CN109859108B (zh) 一种图像处理用便于调节图像尺寸裁剪方法

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