CN109102466A - 图像污点判定方法及装置 - Google Patents
图像污点判定方法及装置 Download PDFInfo
- Publication number
- CN109102466A CN109102466A CN201710471791.XA CN201710471791A CN109102466A CN 109102466 A CN109102466 A CN 109102466A CN 201710471791 A CN201710471791 A CN 201710471791A CN 109102466 A CN109102466 A CN 109102466A
- Authority
- CN
- China
- Prior art keywords
- pixel
- gradient
- image
- whiteboard images
- gray level
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000008569 process Effects 0.000 claims description 42
- 238000001914 filtration Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 26
- 239000000428 dust Substances 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G06T5/77—
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Abstract
本申请公开了一种图像污点判定方法及装置,属于图像处理技术领域。方法包括:获取白板图像;对白板图像进行预处理,预处理包括:均值滤波处理;根据预处理后的白板图像以及预设梯度阈值,判定白板图像中是否存在污点。本申请解决了图像污点判定的准确度较低的问题,提高了图像污点判定的准确度,本申请用于图像污点的判定。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种图像污点判定方法及装置。
背景技术
在工厂生产相机(或摄像机)的过程中,灰尘可能会附着在图像传感器上,从而影响拍摄效果。为了防止出厂的相机(或摄像机)中图像传感器上附着有灰尘,通常会在相机(或摄像机)出厂前,对相机(或摄像机)拍摄到的图像进行污点判定,以对图像传感器上是否附着有灰尘进行判定,并将图像传感器上附着有灰尘的相机(或摄像机)进行调整,以去除图像传感器上的灰尘。
相关技术中,在确定图像传感器上是否附着有灰尘时,通常会采用相机(或摄像机)拍摄一个白板图像。然后,可以根据白板图像以及预设梯度阈值,确定该白板图像中是否存在污点。示例的,可以首先确定该白板图像中每个像素点的梯度(用于表征像素点的灰度值的变化率);然后,将白板图像中每个像素点的梯度与预设梯度阈值进行比较,判断白板图像中每个像素点的梯度是否小于预设梯度阈值,并根据判断结果生成:用于表征该白板图像中每个像素点的梯度与预设梯度阈值的大小关系的二值化图像;最后,工作人员可以通过观察该二值化图像,结合污点边缘处的像素点的梯度大于或等于预设梯度阈值的特征,对白板图像中是否包含污点进行判断。
由于在拍摄到的白板图像中,会存在由入光量不同所导致的细微纹理,且该细微纹理处像素点的梯度可能会大于或等于预设梯度阈值,从而使得工作人员根据二值化图像较容易将干净的(不包含污点的)白板图像误判为包含污点的白板图像,因此,图像污点判定的准确度较低。
发明内容
为了解决图像污点判定的准确度较低的问题,本申请提供了一种图像污点判定方法及装置。所述技术方案如下:
第一方面,提供了一种图像污点判定方法,所述方法包括:
获取白板图像;
对所述白板图像进行预处理,所述预处理包括:均值滤波处理;
根据预处理后的所述白板图像以及预设梯度阈值,判定所述白板图像中是否存在污点。
可选的,所述预处理还包括:中值滤波处理,所述对所述白板图像进行预处理,包括:
对所述白板图像进行均值滤波处理;
对均值滤波处理后的所述白板图像进行中值滤波处理。
可选的,所述对所述白板图像进行均值滤波处理,包括:
对所述白板图像进行两次均值滤波处理,且每次所述均值滤波处理中的均值滤波窗口覆盖5行5列的像素点;
所述对均值滤波处理后的所述白板图像进行中值滤波处理,包括:
对均值滤波处理后的所述白板图像进行两次中值滤波处理,且每次所述中值滤波处理中的中值滤波窗口覆盖5行5列的像素点。
可选的,在所述对所述白板图像进行预处理之前,所述方法还包括:获取所述白板图像的灰度图像;
所述对所述白板图像进行预处理,包括:对所述白板图像的灰度图像进行预处理;
所述根据预处理后的所述白板图像以及预设梯度阈值,判定所述白板图像中是否存在污点,包括:根据预处理后的所述灰度图像以及所述预设梯度阈值,判定所述白板图像中是否存在污点。
可选的,所述根据预处理后的所述灰度图像以及所述预设梯度阈值,判定所述白板图像中是否存在污点,包括:
确定预处理后的所述灰度图像中每个像素点的梯度幅值;
比较预处理后的所述灰度图像中每个像素点的梯度幅值与所述预设梯度阈值的大小;
根据比较结果,确定预处理后的所述灰度图像中的每个像素点对应的灰度值,其中,第一像素点为预处理后的所述灰度图像中的任一像素点,当所述第一像素点的梯度幅值大于或等于所述预设梯度阈值时,所述第一像素点对应第一灰度值,当所述第一像素点的梯度幅值小于所述预设梯度阈值时,所述第一像素点对应第二灰度值;
根据预处理后的所述灰度图像中的每个像素点对应的灰度值,确定二值化图像;
根据所述二值化图像判定所述白板图像中是否存在污点。
可选的,所述确定预处理后的所述灰度图像中每个像素点的梯度幅值,包括:
确定所述第一像素点在图像坐标系的横坐标方向上的第一梯度;
确定所述第一像素点在所述图像坐标系的纵坐标方向上的第二梯度;
根据所述第一梯度和所述第二梯度,确定所述第一像素点的梯度幅值;
其中,所述第一像素点在所述图像坐标系中的坐标为(x,y),所述第一像素点的梯度幅值为所述gx(x,y)为所述第一梯度,所述gy(x,y)为所述第二梯度,所述第一梯度的算子为所述第二梯度的算子为
可选的,所述确定所述第一像素点在图像坐标系的横坐标方向上的第一梯度,包括:采用普鲁伊特卷积模板确定所述第一梯度;
所述确定所述第一像素点在所述图像坐标系的纵坐标方向上的第二梯度,包括:采用所述普鲁伊特卷积模板确定所述第二梯度。
第二方面,提供了一种图像污点判定装置,所述图像污点判定装置包括:
第一获取模块,用于获取白板图像;
预处理模块,用于对所述白板图像进行预处理,所述预处理包括:均值滤波处理;
判定模块,用于根据预处理后的所述白板图像以及预设梯度阈值,判定所述白板图像中是否存在污点。
可选的,所述预处理还包括:中值滤波处理,所述预处理模块包括:
均值滤波处理模块,用于对所述白板图像进行均值滤波处理;
中值滤波处理模块,用于对均值滤波处理后的所述白板图像进行中值滤波处理。
可选的,所述均值滤波处理模块还用于:
对所述白板图像进行两次均值滤波处理,且每次所述均值滤波处理中的均值滤波窗口覆盖5行5列的像素点;
所述中值滤波处理模块还用于:
对均值滤波处理后的所述白板图像进行两次中值滤波处理,且每次所述中值滤波处理中的中值滤波窗口覆盖5行5列的像素点。
可选的,所述图像污点判定装置还包括:第二获取模块,用于获取所述白板图像的灰度图像;
所述预处理模块还用于:对所述白板图像的灰度图像进行预处理;
所述判定模块还用于:根据预处理后的所述灰度图像以及所述预设梯度阈值,判定所述白板图像中是否存在污点。
可选的,所述判定模块包括:
第一确定单元,用于确定预处理后的所述灰度图像中每个像素点的梯度幅值;
比较单元,用于比较预处理后的所述灰度图像中每个像素点的梯度幅值与所述预设梯度阈值的大小;
第二确定单元,用于根据比较结果,确定预处理后的所述灰度图像中的每个像素点对应的灰度值,其中,第一像素点为预处理后的所述灰度图像中的任一像素点,当所述第一像素点的梯度幅值大于或等于所述预设梯度阈值时,所述第一像素点对应第一灰度值,当所述第一像素点的梯度幅值小于所述预设梯度阈值时,所述第一像素点对应第二灰度值;
第三确定单元,用于根据预处理后的所述灰度图像中的每个像素点对应的灰度值,确定二值化图像;
判定单元,用于根据所述二值化图像判定所述白板图像中是否存在污点。
可选的,所述第一确定单元包括:
第一确定子单元,用于确定所述第一像素点在图像坐标系的横坐标方向上的第一梯度;
第二确定子单元,用于确定所述第一像素点在所述图像坐标系的纵坐标方向上的第二梯度;
第三确定子单元,用于根据所述第一梯度和所述第二梯度,确定所述第一像素点的梯度幅值;
其中,所述第一像素点在所述图像坐标系中的坐标为(x,y),所述第一像素点的梯度幅值为所述gx(x,y)为所述第一梯度,所述gy(x,y)为所述第二梯度,所述第一梯度的算子为所述第二梯度的算子为
可选的,所述第一确定子单元还用于:采用普鲁伊特卷积模板确定所述第一梯度;
所述第二确定子单元还用于:采用所述普鲁伊特卷积模板确定所述第二梯度。
第三方面,提供了一种计算机设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序,实现第一方面所述的方法。
第四方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法。
本申请提供的技术方案带来的有益效果是:
由于在根据白板图像和预设梯度阈值确定白板图像中是否存在污点之前,还对白板图像进行了均值滤波处理,且均值滤波处理能够消除白板图像中细微的纹理,因此,在后续根据梯度确定是否存在污点的过程中,能够避免对白板图像误判的情况,所以,提高了图像污点检测的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图像污点的示意图;
图2为本发明实施例提供的一种计算机设备的结构示意图;
图3为本发明实施例提供的一种图像污点判定方法的方法流程图;
图4-1为本发明实施例提供的另一种图像污点判定方法的方法流程图;
图4-2为本发明实施例提供的一种预处理的方法流程图;
图5为本发明实施例提供的一种判断白板图像是否存在污点的方法流程图;
图6为本发明实施例提供的一种二值化图像示意图;
图7为本发明实施例提供的另一种二值化图像示意图;
图8为本发明实施例提供的又一种二值化图像示意图;
图9为本发明实施例提供的再一种二值化图像示意图;
图10为相关技术中提供的一种二值化图像示意图;
图11为本发明实施例提供的一种图像污点判定装置的结构示意图;
图12为本发明实施例提供的一种预处理模块的结构示意图;
图13为本发明实施例提供的另一种图像污点判定装置的结构示意图;
图14为本发明实施例提供的一种判定模块的结构示意图;
图15为本发明实施例提供的一种第一确定单元的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1为本发明实施例提供的一种图像污点的示意图。当相机(或摄像机)的图像传感器或保护玻璃上有污点(如由灰尘附着所形成的污点)时,如图1所示,通过相机(或摄像机)拍摄到的图像中会存在污点A,影响图像的清晰度。
图2为本发明实施例提供的一种计算机设备的结构示意图,该计算机设备用于对图像(如图1所示的图像)进行检测,以判定该图像中是否存在污点。如图2所示,该计算机设备可以包括:至少一个处理器10221(例如中央处理器),至少一个通信接口10222,存储器10223,和至少一个通信总线10224,通信总线10224可以用于实现处理器、通信接口和存储器之间的连接通信;存储器10223与通信接口10222分别通过通信总线10224与处理器10221相连。处理器10221用于执行存储器10223中存储的可执行模块,例如计算机程序。存储器10223可能包含高速随机存取存储器(RandomAccess Memory,RAM),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口10222(有线或者无线)实现该计算机设备与至少一个其他设备之间的通信连接。在一些实施方式中,存储器10223存储了计算机程序10225,计算机程序10225能够被处理器10221执行,以实现如图3或图4-1所示的图像污点判定方法。
图3为本发明实施例提供的一种图像污点判定方法的方法流程图,如图3所示,该图像污点判定方法可以包括:
步骤301、获取白板图像;
步骤302、对白板图像进行预处理,预处理包括:均值滤波处理;
步骤303、根据预处理后的白板图像以及预设梯度阈值,判定白板图像中是否存在污点。
综上所述,由于本发明实施例提供的图像污点判定方法中,在根据白板图像和预设梯度阈值确定白板图像中是否存在污点之前,还对白板图像进行了均值滤波处理,且均值滤波处理能够消除白板图像中细微的纹理,因此,在后续根据梯度确定是否存在污点的过程中,能够避免对白板图像误判的情况,所以,提高了图像污点检测的准确度。
图4-1为本发明实施例提供的另一种图像污点判定方法的方法流程图,如图4-1所示,该图像污点判定方法可以包括:
步骤401、获取白板图像。
示例的,在需要检测相机(或摄像机)的图像传感器或保护玻璃上是否存在污点时,可以首先使用相机(或摄像机)对白板进行拍摄,从而获取白板图像。需要说明的是,白板图像可以为彩色图像,也即,该白板图像包括多个像素点,且白板图像的每个像素点均包括红色通道、绿色通道和蓝色通道。
步骤402、获取白板图像的灰度图像。
在获取白板图像后,可以对该白板图像进行处理,以获取该白板图像的灰度图像。示例的,白板图像的灰度图像包括多个像素点,且该灰度图像中的多个像素点与白板图像中的多个像素点一一对应。灰度图像中的像素点M为灰度图像中的任意一个像素点,像素点M的灰度值gray=R*0.299+G*0.587+B*0.114,其中,R为白板图像中与像素点M对应的像素点的红色通道的灰度值,R为白板图像中与像素点M对应的像素点的红色通道的灰度值,G为白板图像中与像素点M对应的像素点的绿色通道的灰度值,B为白板图像中与像素点M对应的像素点的蓝色通道的灰度值。
需要说明的是,gray=R*0.299+G*0.587+B*0.114中的系数:0.299、0.587和0.114还可以为其他数值,本发明实施例对此不作限定。
步骤403、对白板图像的灰度图像进行预处理。
如图4-2所示,步骤403可以包括:
步骤4031、对白板图像的灰度图像进行均值滤波处理。
在获取到白板图像的灰度图像后,可以将该灰度图像输入均值滤波器,以便于均值滤波器对该灰度图像进行均值滤波处理。示例的,可以使用该均值滤波器对该灰度图像进行两次均值滤波处理,且每次均值滤波处理中的均值滤波窗口能够覆盖5行5列的像素点。
示例的,假设f(x,y)表示该白板图像的灰度图像,则对该灰度图像f(x,y)进行一次均值滤波处理能够得到ft(x,y)=f(x,y)*G(x,y);然后,可以对第一次均值滤波处理的结果ft(x,y)再进行一次均值滤波处理,得到fs(x,y)=ft(x,y)*G(x,y),也即是,对灰度图像f(x,y)进行两次均值滤波处理所得到的结果为fs(x,y)=f(x,y)*G(x,y)*G(x,y)。其中,G(x,y)为每次均值滤波处理过程中使用到的均值滤波算子,示例的,该均值滤波算子G(x,y)可以为:
需要说明的是,该均值滤波算子还可以为其他数值,在步骤4031中对灰度图像进行均值滤波处理的次数还可以不为两次,每次均值滤波处理中的均值滤波窗口所覆盖的像素点还可以不为5行5列的像素点,本发明实施例对此不作限定。
示例的,在对灰度图像进行均值滤波处理过程中,该均值滤波器可以依次对灰度图像中的每个像素点进行处理。当对灰度图像中的某一像素点进行处理时,均值滤波器可以获取该像素点对应的均值滤波窗口内的所有像素点的灰度值。其中,像素点M对应的均值滤波窗口内的像素点为:以像素点M为中心的五行五列的像素点。在获取到五行五列的灰度值后,可以计算该五行五列的灰度值的均值,并将像素点M的灰度值更改为该均值。
需要说明的是,在像素点M为灰度图像边缘的像素点时,像素点M的某一侧并不存在像素点,此时,像素点M对应的均值滤波窗口中的像素点无法构成五行五列,因此,可以根据像素点M对应的均值滤波窗口中的存在的像素点的灰度值,确定该不存在的像素点的灰度值(如确定该不存在的像素点的灰度值等于:均值滤波窗口中的存在的某一像素点的灰度值),从而获取到五行五列的灰度值。
在执行完毕步骤4031后,也即是在对灰度图像进行均值滤波处理后,该灰度图像中较不明显的边缘信息(也即图像中的细微纹理,如由于入光量不同所引起的细微纹理)就已经被消除了,但灰度图像中较明显的边缘信息(也即是污点的边缘信息)被保留下来。
步骤4032、对均值滤波处理后的灰度图像进行中值滤波处理。
在对灰度图像进行均值滤波处理后,可以将均值滤波处理后的灰度图像(也即步骤4031最终得到的灰度图像)输入中值滤波器,并使用该中值滤波器对该灰度图像进行中值滤波处理。示例的,可以使用该中值滤波器对均值滤波处理后的灰度图像进行两次中值滤波处理,且每次中值滤波处理中的中值滤波窗口能够覆盖5行5列的像素点。也即是,在使用中值滤波器对均值滤波处理后的灰度图像进行一次中值滤波处理后,可以将第一次中值滤波处理得到的结果再次输入该中值滤波器,并控制中值滤波器对该结果进行第二次中值滤波处理。
示例的,在对灰度图像进行中值滤波处理过程中,该中值滤波器可以依次对中值滤波处理后的灰度图像中的每个像素点进行处理。当对中值滤波处理后的灰度图像中的某一像素点进行处理时,中值滤波器可以获取该像素点对应的中值滤波窗口内的所有像素点的灰度值。其中,像素点N为中值滤波处理后的灰度图像中的任意一个像素点,像素点N对应的中值滤波窗口内的像素点为:以像素点N为中心的五行五列的像素点。在获取到五行五列的灰度值后,可以确定该五行五列的灰度值的中值其中,Di为该五行五列的灰度值中第i个灰度值,1≤i≤max,max为五行五列的灰度值中,灰度值的个数(也即25)。最后,将像素点N的灰度值更改为该中值。
需要说明的是,在像素点N为灰度图像边缘的像素点时,像素点N的某一侧并不存在像素点,此时,像素点N对应的中值滤波窗口中的像素点无法构成五行五列,因此,可以根据像素点N对应的中值滤波窗口中的存在的像素点的灰度值,确定该不存在的像素点的灰度值(如确定该不存在的像素点的灰度值等于:中值滤波窗口中的存在的某一像素点的灰度值),从而获取到五行五列的灰度值。
步骤4032中对灰度图像进行中值滤波处理的次数还可以不为两次,每次中值滤波处理中的中值滤波窗口所覆盖的像素点还可以不为5行5列的像素点,本发明实施例对此不作限定。
在执行完毕步骤4032后,也即是在对均值滤波处理后的灰度图像进行中值滤波处理后,该灰度图像中面积较小的污点就已经被消除了。也即是,由于人眼对于面积较小的污点较不敏感,即使是图像中存在该面积较小的污点,人眼也不会察觉该污点,无需在对图像进行污点检测时,将面积较小的污点检测出来,所以,可以在步骤4032中将灰度图像中该面积较小的污点进行消除。
步骤404、根据预处理后的灰度图像以及预设梯度阈值,判定白板图像中是否存在污点。
图5为本发明实施例提供的一种判断白板图像是否存在污点的方法流程图,如图5所示,步骤404可以包括:
步骤4041、确定预处理处理后的灰度图像中每个像素点的梯度幅值。
示例的,第一像素点可以为均值滤波处理后的灰度图像中的任意一个像素点,在确定第一像素点的梯度幅值时,可以首先确定第一像素点在图像坐标系的横坐标方向上的第一梯度,然后,确定第一像素点在图像坐标系的纵坐标方向上的第二梯度。最后,根据第一梯度和第二梯度,确定第一像素点的梯度幅值。
假设第一像素点在图像坐标系中的坐标为(x,y),第一像素点在图像坐标系的横坐标方向上的第一梯度为gx(x,y),第一像素点在图像坐标系的纵坐标方向上的第二梯度为gy(x,y),则第一像素点的梯度幅值为其中,在确定确定第一梯度时,使用到的第一梯度的算子可以为在确定第一像素点的第二梯度时,使用到的第二梯度的算子可以为
可选的,本发明实施例中确定第一像素点的第一梯度和第二梯度时,均可以采用鲁伊特卷积模板,也即是,本发明实施例中可以采用普鲁伊特(英文:prewitt)卷积模板确定第一像素点的第一梯度,采用普鲁伊特卷积模板确定第一像素点的第二梯度。需要说明的是,在确定第一像素点的第一梯度和第二梯度时,还可以采用其他卷积模板,本发明实施例对此不作限定。
步骤4042、比较预处理后的灰度图像中每个像素点的梯度幅值与预设梯度阈值的大小。
在确定预处理后的灰度图像中每个像素点的梯度幅值之后,可以将确定出的每个梯度幅值与预设梯度阈值进行比较,以确定步骤4041中得到的每个梯度幅值是否大于或等于预设梯度阈值。示例的,该预设梯度阈值可以为25。
步骤4043、根据比较结果,确定预处理后的灰度图像中的每个像素点对应的灰度值。
示例的,在确定预处理后的灰度图像中每个像素点的梯度幅值是否大于预设梯度阈值后,可以根据步骤4042中的判断结果,确定预处理后的灰度图像中的每个像素点对应的灰度值。例如,当第一像素点的梯度幅值大于或等于预设梯度阈值时,第一像素点对应第一灰度值,当第一像素点的梯度幅值小于预设梯度阈值时,第一像素点对应第二灰度值。可选的,该第一灰度值可以为255,该第二灰度值可以为0,该第一灰度值还可以为除255外的其他数值,第二灰度值也可以为除0外的其他数值,本发明实施例对此不作限定。
步骤4044、根据预处理后的灰度图像中的每个像素点对应的灰度值,确定二值化图像。
在确定预处理后的灰度图像中的每个像素点对应的灰度值后,就可以确定二值化图像。该二值化图像可以包含多个像素点,且二值化图像中的多个像素点与预处理后的灰度图像中的多个像素点一一对应,二值化图像中的任一像素点为像素点P,像素点P的灰度值为像素点P在预处理后的灰度图像中对应的像素点所对应的灰度值。
步骤4045、根据二值化图像判定白板图像中是否存在污点。
步骤4044中得到的二值化图像能够表征污点的边缘,在步骤4045中,工作人员或者处理器可以直接检测该二值化图像中是否存在两种不同的灰度值,若是该二值化图像中存在两种不同的灰度值,则可以确定步骤401中获取到的白板图像中存在污点;若该二值化图像中仅仅存在一种灰度值(第二灰度值),则可以确定白板图像中不存在污点。
示例的,图6为在对步骤402中获取到的灰度图像进行一次均值滤波处理后直接执行步骤404得到的二值化图像,图7为在对步骤402中获取到的灰度图像进行两次均值滤波处理后直接执行步骤404得到的二值化图像,如图6和图7所示,在均值滤波处理后,二值化图像中的污点边缘逐渐清晰,且细微纹理逐渐消失。
图8为在对步骤4031得到的图像进行一次中值滤波处理后直接执行步骤404得到的二值化图像,图9为在对步骤4031中得到的图像进行两次中值滤波处理后直接执行步骤404得到的二值化图像(也即执行步骤401至步骤404后得到的二值化图像)。如图8和图9所示,在中值滤波处理后,二值化图像中面积较小的污点被逐渐消除。
相关技术中,在检测白板图像中是否存在污点时,也可以先获取该白板图像的灰度图像,并可以根据灰度图像以及预设梯度阈值,得到二值化图像。示例的,图10为相关技术中在步骤402中获取到的灰度图像后,直接执行步骤404所得到的图像。将图9和图10进行对比能够发现,本发明实施例中得到的二值化图像(图9)中污点的边缘较明显,而相关技术中得到的二值化图像(图10)中几乎无法找到污点的边缘。
另外,相关技术中还存在一种图像污点判定的方法,在对图像污点进行判定时,可以首先对白板图像的灰度图像进行亮度值检测,以确定灰度图像中的每行像素点的亮度值变化趋势以及每列像素点的亮度值变化趋势是否满足预设规律。当白板图像中第u行第v列像素的亮度值变化趋势不满足该预设规律时,就可以确定该白板图像中第m行第n列的像素点为污点的一部分,此时可以确定白板图像中存在污点。
但是,这种方法却无法识别出白板图像中亮度变化较微弱的污点。因此,相关技术中还可以在对图像污点进行判定前,对灰度图像进行边缘增强或对比度增强,以识别出白板图像中亮度变化较微弱的污点,但与此同时,也会将原本不是污点的细微纹理拉伸出来,而造成将白板图像中的细微纹理误判为污点。而本发明实施例中,由于对灰度图像进行了均值滤波处理,灰度图像中的细微纹理已经被去除,所以在后续的检测中,并不会将细微纹理误判为污点。
综上所述,由于本发明实施例提供的图像污点判定方法中,在根据白板图像和预设梯度阈值确定白板图像中是否存在污点之前,还对白板图像进行了均值滤波处理,且均值滤波处理能够消除白板图像中细微的纹理,因此,在后续根据梯度确定是否存在污点的过程中,能够避免对白板图像误判的情况,所以,提高了图像污点检测的准确度。
图11为本发明实施例提供的一种图像污点判定装置的结构示意图,如图11所示,该图像污点判定装置110可以包括:
第一获取模块1101,用于获取白板图像;
预处理模块1102,用于对白板图像进行预处理,预处理包括均值滤波处理;
判定模块1103,用于根据预处理后的白板图像以及预设梯度阈值,判定白板图像中是否存在污点。
综上所述,由于本发明实施例提供的图像污点判定装置中,判定模块在根据白板图像和预设梯度阈值确定白板图像中是否存在污点之前,预处理模块还对白板图像进行了均值滤波处理,且均值滤波处理能够消除白板图像中细微的纹理,因此,在后续根据梯度确定是否存在污点的过程中,能够避免对白板图像误判的情况,所以,提高了图像污点检测的准确度。
可选的,预处理还包括:中值滤波处理,图12为本发明实施例提供的一种预处理模块的结构示意图,如图12所示,该预处理模块1102可以包括:
均值滤波处理模块11021,用于对白板图像进行均值滤波处理;
中值滤波处理模块11022,用于对均值滤波处理后的白板图像进行中值滤波处理。
可选的,均值滤波处理模块11021还可以用于:对白板图像进行两次均值滤波处理,且每次均值滤波处理中的均值滤波窗口覆盖5行5列的像素点;
中值滤波处理模块11022还可以用于:对均值滤波处理后的白板图像进行两次中值滤波处理,且每次中值滤波处理中的中值滤波窗口覆盖5行5列的像素点。
可选的,图13为本发明实施例提供的另一种图像污点判定装置的结构示意图,如图13所示,在图11的基础上,该图像污点判定装置110还可以包括:
第二获取模块1104,用于获取白板图像的灰度图像;
该预处理模块1102还可以用于:对白板图像的灰度图像进行预处理;
该判定模块1103还可以用于:根据预处理后的灰度图像以及预设梯度阈值,判定白板图像中是否存在污点。
可选的,图14为本发明实施例提供的一种判定模块的结构示意图,如图14所示,判定模块1103可以包括:
第一确定单元11031,用于确定预处理后的灰度图像中每个像素点的梯度幅值;
比较单元11032,用于比较预处理后的灰度图像中每个像素点的梯度幅值与预设梯度阈值的大小;
第二确定单元11033,用于根据比较结果,确定预处理后的灰度图像中的每个像素点对应的灰度值,其中,第一像素点为预处理后的灰度图像中的任一像素点,当第一像素点的梯度幅值大于或等于预设梯度阈值时,第一像素点对应第一灰度值,当第一像素点的梯度幅值小于预设梯度阈值时,第一像素点对应第二灰度值;
第三确定单元11034,用于根据预处理后的灰度图像中的每个像素点对应的灰度值,确定二值化图像;
判定单元11035,用于根据二值化图像判定白板图像中是否存在污点。
可选的,图15为本发明实施例提供的一种第一确定单元的结构示意图,如图15所示,该第一确定单元11031可以包括:
第一确定子单元110311,用于确定第一像素点在图像坐标系的横坐标方向上的第一梯度;
第二确定子单元110312,用于确定第一像素点在图像坐标系的纵坐标方向上的第二梯度;
第三确定子单元110313,用于根据第一梯度和第二梯度,确定第一像素点的梯度幅值;
其中,第一像素点在图像坐标系中的坐标为(x,y),第一像素点的梯度幅值为gx(x,y)为第一梯度,gy(x,y)为第二梯度,第一梯度的算子为第二梯度的算子为
可选的,第一确定子单元110311还可以用于:采用普鲁伊特卷积模板确定第一梯度;第二确定子单元110312还可以用于:采用普鲁伊特卷积模板确定第二梯度。
综上所述,由于本发明实施例提供的图像污点判定装置中,判定模块在根据白板图像和预设梯度阈值确定白板图像中是否存在污点之前,预处理模块还对白板图像进行了均值滤波处理,且均值滤波处理能够消除白板图像中细微的纹理,因此,在后续根据梯度确定是否存在污点的过程中,能够避免对白板图像误判的情况,所以,提高了图像污点检测的准确度。
在上述实施例中,能够全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,能够全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机能够是通用计算机、计算机网络、或者其他可编程装置。所述计算机指令能够存储在计算机的可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令能够从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心传输。所述计算机可读存储介质能够是计算机能够存取的任何可用介质或者包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质能够是磁性介质(例如,软盘、硬盘、磁带)、光介质,或者半导体介质(例如固态硬盘)等。
需要说明的是,本发明实施例提供的方法实施例能够与相应的装置实施例相互参考,本发明实施例对此不做限定。本发明实施例提供的方法实施例步骤的先后顺序能够进行适当调整,步骤也能够根据情况进行相应增减,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本发明的保护范围之内,因此不再赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (16)
1.一种图像污点判定方法,其特征在于,所述方法包括:
获取白板图像;
对所述白板图像进行预处理,所述预处理包括:均值滤波处理;
根据预处理后的所述白板图像以及预设梯度阈值,判定所述白板图像中是否存在污点。
2.根据权利要求1所述的方法,其特征在于,所述预处理还包括:中值滤波处理,所述对所述白板图像进行预处理,包括:
对所述白板图像进行均值滤波处理;
对均值滤波处理后的所述白板图像进行中值滤波处理。
3.根据权利要求2所述的方法,其特征在于,
所述对所述白板图像进行均值滤波处理,包括:
对所述白板图像进行两次均值滤波处理,且每次所述均值滤波处理中的均值滤波窗口覆盖5行5列的像素点;
所述对均值滤波处理后的所述白板图像进行中值滤波处理,包括:
对均值滤波处理后的所述白板图像进行两次中值滤波处理,且每次所述中值滤波处理中的中值滤波窗口覆盖5行5列的像素点。
4.根据权利要求1至3任一所述的方法,其特征在于,
在所述对所述白板图像进行预处理之前,所述方法还包括:获取所述白板图像的灰度图像;
所述对所述白板图像进行预处理,包括:对所述白板图像的灰度图像进行预处理;
所述根据预处理后的所述白板图像以及预设梯度阈值,判定所述白板图像中是否存在污点,包括:根据预处理后的所述灰度图像以及所述预设梯度阈值,判定所述白板图像中是否存在污点。
5.根据权利要求4所述的方法,其特征在于,所述根据预处理后的所述灰度图像以及所述预设梯度阈值,判定所述白板图像中是否存在污点,包括:
确定预处理后的所述灰度图像中每个像素点的梯度幅值;
比较预处理后的所述灰度图像中每个像素点的梯度幅值与所述预设梯度阈值的大小;
根据比较结果,确定预处理后的所述灰度图像中的每个像素点对应的灰度值,其中,第一像素点为预处理后的所述灰度图像中的任一像素点,当所述第一像素点的梯度幅值大于或等于所述预设梯度阈值时,所述第一像素点对应第一灰度值,当所述第一像素点的梯度幅值小于所述预设梯度阈值时,所述第一像素点对应第二灰度值;
根据预处理后的所述灰度图像中的每个像素点对应的灰度值,确定二值化图像;
根据所述二值化图像判定所述白板图像中是否存在污点。
6.根据权利要求5所述的方法,其特征在于,所述确定预处理后的所述灰度图像中每个像素点的梯度幅值,包括:
确定所述第一像素点在图像坐标系的横坐标方向上的第一梯度;
确定所述第一像素点在所述图像坐标系的纵坐标方向上的第二梯度;
根据所述第一梯度和所述第二梯度,确定所述第一像素点的梯度幅值;
其中,所述第一像素点在所述图像坐标系中的坐标为(x,y),所述第一像素点的梯度幅值为所述gx(x,y)为所述第一梯度,所述gy(x,y)为所述第二梯度,所述第一梯度的算子为所述第二梯度的算子为
7.根据权利要求6所述的方法,其特征在于,
所述确定所述第一像素点在图像坐标系的横坐标方向上的第一梯度,包括:采用普鲁伊特卷积模板确定所述第一梯度;
所述确定所述第一像素点在所述图像坐标系的纵坐标方向上的第二梯度,包括:采用所述普鲁伊特卷积模板确定所述第二梯度。
8.一种图像污点判定装置,其特征在于,所述图像污点判定装置包括:
第一获取模块,用于获取白板图像;
预处理模块,用于对所述白板图像进行预处理,所述预处理包括:均值滤波处理;
判定模块,用于根据预处理后的所述白板图像以及预设梯度阈值,判定所述白板图像中是否存在污点。
9.根据权利要求8所述的图像污点判定装置,其特征在于,所述预处理还包括:中值滤波处理,所述预处理模块包括:
均值滤波处理模块,用于对所述白板图像进行均值滤波处理;
中值滤波处理模块,用于对均值滤波处理后的所述白板图像进行中值滤波处理。
10.根据权利要求9所述的图像污点判定装置,其特征在于,
所述均值滤波处理模块还用于:
对所述白板图像进行两次均值滤波处理,且每次所述均值滤波处理中的均值滤波窗口覆盖5行5列的像素点;
所述中值滤波处理模块还用于:
对均值滤波处理后的所述白板图像进行两次中值滤波处理,且每次所述中值滤波处理中的中值滤波窗口覆盖5行5列的像素点。
11.根据权利要求8至10任一所述的图像污点判定装置,其特征在于,
所述图像污点判定装置还包括:第二获取模块,用于获取所述白板图像的灰度图像;
所述预处理模块还用于:对所述白板图像的灰度图像进行预处理;
所述判定模块还用于:根据预处理后的所述灰度图像以及所述预设梯度阈值,判定所述白板图像中是否存在污点。
12.根据权利要求11所述的图像污点判定装置,其特征在于,所述判定模块包括:
第一确定单元,用于确定预处理后的所述灰度图像中每个像素点的梯度幅值;
比较单元,用于比较预处理后的所述灰度图像中每个像素点的梯度幅值与所述预设梯度阈值的大小;
第二确定单元,用于根据比较结果,确定预处理后的所述灰度图像中的每个像素点对应的灰度值,其中,第一像素点为预处理后的所述灰度图像中的任一像素点,当所述第一像素点的梯度幅值大于或等于所述预设梯度阈值时,所述第一像素点对应第一灰度值,当所述第一像素点的梯度幅值小于所述预设梯度阈值时,所述第一像素点对应第二灰度值;
第三确定单元,用于根据预处理后的所述灰度图像中的每个像素点对应的灰度值,确定二值化图像;
判定单元,用于根据所述二值化图像判定所述白板图像中是否存在污点。
13.根据权利要求12所述的图像污点判定装置,其特征在于,所述第一确定单元包括:
第一确定子单元,用于确定所述第一像素点在图像坐标系的横坐标方向上的第一梯度;
第二确定子单元,用于确定所述第一像素点在所述图像坐标系的纵坐标方向上的第二梯度;
第三确定子单元,用于根据所述第一梯度和所述第二梯度,确定所述第一像素点的梯度幅值;
其中,所述第一像素点在所述图像坐标系中的坐标为(x,y),所述第一像素点的梯度幅值为所述gx(x,y)为所述第一梯度,所述gy(x,y)为所述第二梯度,所述第一梯度的算子为所述第二梯度的算子为
14.根据权利要求13所述的图像污点判定装置,其特征在于,
所述第一确定子单元还用于:采用普鲁伊特卷积模板确定所述第一梯度;
所述第二确定子单元还用于:采用所述普鲁伊特卷积模板确定所述第二梯度。
15.一种计算机设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序,实现权利要求1-7任一所述的方法。
16.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710471791.XA CN109102466A (zh) | 2017-06-20 | 2017-06-20 | 图像污点判定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710471791.XA CN109102466A (zh) | 2017-06-20 | 2017-06-20 | 图像污点判定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109102466A true CN109102466A (zh) | 2018-12-28 |
Family
ID=64796030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710471791.XA Pending CN109102466A (zh) | 2017-06-20 | 2017-06-20 | 图像污点判定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109102466A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415322A (zh) * | 2019-01-04 | 2020-07-14 | 宁波舜宇光电信息有限公司 | 屏幕显示异常检测方法、装置、系统及存储介质 |
CN111738973A (zh) * | 2019-03-22 | 2020-10-02 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法、装置、系统及存储介质 |
CN111815705A (zh) * | 2020-06-09 | 2020-10-23 | 季华实验室 | 激光跟踪仪滤光保护镜片污染识别方法、装置及电子设备 |
CN115690099A (zh) * | 2022-12-16 | 2023-02-03 | 江苏量超科技有限公司 | 基于数据识别的空气净化器清洗预警方法 |
CN116226821A (zh) * | 2023-05-04 | 2023-06-06 | 成都致学教育科技有限公司 | 一种教学数据中台管理系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102003941A (zh) * | 2010-10-12 | 2011-04-06 | 上海交通大学 | 基于视觉的大型系泊链五环长测量方法及其测量装置 |
CN102061517A (zh) * | 2010-12-13 | 2011-05-18 | 浙江长兴众成电子有限公司 | 直拉单晶硅直径测量方法 |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN102289806A (zh) * | 2011-06-21 | 2011-12-21 | 北京航空航天大学 | 一种利用多尺度形态学特征的图像清晰度度量方法 |
CN102608122A (zh) * | 2012-02-27 | 2012-07-25 | 四川西南交大铁路发展有限公司 | 一种高速铁轨光电检测图像的处理方法 |
CN103020911A (zh) * | 2012-12-12 | 2013-04-03 | 中国航空工业集团公司洛阳电光设备研究所 | 一种用于去除混合噪声的图像处理方法 |
CN103369347A (zh) * | 2012-03-05 | 2013-10-23 | 苹果公司 | 相机瑕疵缺陷检测 |
CN104050668A (zh) * | 2014-06-17 | 2014-09-17 | 安徽农业大学 | 一种基于双目视觉技术的绿茶嫩芽的目标识别方法 |
CN105096342A (zh) * | 2015-08-11 | 2015-11-25 | 杭州景联文科技有限公司 | 一种基于傅里叶描述子和方向梯度直方图的入侵检测算法 |
CN105718931A (zh) * | 2014-12-22 | 2016-06-29 | 康耐视公司 | 用于确定采集图像中的杂斑的系统和方法 |
CN105976753A (zh) * | 2016-07-15 | 2016-09-28 | 西安诺瓦电子科技有限公司 | Led显示装置校正中的异常灯点检测补偿方法 |
CN106131485A (zh) * | 2016-06-28 | 2016-11-16 | 陕煤集团神南产业发展有限公司 | 一种连采机人员监测系统及监测方法 |
CN106228517A (zh) * | 2016-07-15 | 2016-12-14 | 西安诺瓦电子科技有限公司 | 图像采集装置成像元件缺陷校准方法 |
CN106651872A (zh) * | 2016-11-23 | 2017-05-10 | 北京理工大学 | 基于Prewitt算子的路面裂缝识别方法及系统 |
-
2017
- 2017-06-20 CN CN201710471791.XA patent/CN109102466A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN102003941A (zh) * | 2010-10-12 | 2011-04-06 | 上海交通大学 | 基于视觉的大型系泊链五环长测量方法及其测量装置 |
CN102061517A (zh) * | 2010-12-13 | 2011-05-18 | 浙江长兴众成电子有限公司 | 直拉单晶硅直径测量方法 |
CN102289806A (zh) * | 2011-06-21 | 2011-12-21 | 北京航空航天大学 | 一种利用多尺度形态学特征的图像清晰度度量方法 |
CN102608122A (zh) * | 2012-02-27 | 2012-07-25 | 四川西南交大铁路发展有限公司 | 一种高速铁轨光电检测图像的处理方法 |
CN103369347A (zh) * | 2012-03-05 | 2013-10-23 | 苹果公司 | 相机瑕疵缺陷检测 |
CN103020911A (zh) * | 2012-12-12 | 2013-04-03 | 中国航空工业集团公司洛阳电光设备研究所 | 一种用于去除混合噪声的图像处理方法 |
CN104050668A (zh) * | 2014-06-17 | 2014-09-17 | 安徽农业大学 | 一种基于双目视觉技术的绿茶嫩芽的目标识别方法 |
CN105718931A (zh) * | 2014-12-22 | 2016-06-29 | 康耐视公司 | 用于确定采集图像中的杂斑的系统和方法 |
CN105096342A (zh) * | 2015-08-11 | 2015-11-25 | 杭州景联文科技有限公司 | 一种基于傅里叶描述子和方向梯度直方图的入侵检测算法 |
CN106131485A (zh) * | 2016-06-28 | 2016-11-16 | 陕煤集团神南产业发展有限公司 | 一种连采机人员监测系统及监测方法 |
CN105976753A (zh) * | 2016-07-15 | 2016-09-28 | 西安诺瓦电子科技有限公司 | Led显示装置校正中的异常灯点检测补偿方法 |
CN106228517A (zh) * | 2016-07-15 | 2016-12-14 | 西安诺瓦电子科技有限公司 | 图像采集装置成像元件缺陷校准方法 |
CN106651872A (zh) * | 2016-11-23 | 2017-05-10 | 北京理工大学 | 基于Prewitt算子的路面裂缝识别方法及系统 |
Non-Patent Citations (5)
Title |
---|
万建伟 等: "《信号处理仿真技术》", 31 March 2008 * |
任福继 等: "《科学技术前沿》", 31 December 2002 * |
刘雨棣 等: "《计算机控制技术》", 30 November 2013 * |
张鲁 等: "《分子成像及医学图像分析》", 31 August 2009 * |
陈爱军 等: "《数字图像处理及其MATLAB实现》", 31 July 2008 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415322A (zh) * | 2019-01-04 | 2020-07-14 | 宁波舜宇光电信息有限公司 | 屏幕显示异常检测方法、装置、系统及存储介质 |
CN111738973A (zh) * | 2019-03-22 | 2020-10-02 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法、装置、系统及存储介质 |
CN111738973B (zh) * | 2019-03-22 | 2023-08-15 | 宁波舜宇光电信息有限公司 | 用于摄像模组质检的污点测试方法、装置、系统及存储介质 |
CN111815705A (zh) * | 2020-06-09 | 2020-10-23 | 季华实验室 | 激光跟踪仪滤光保护镜片污染识别方法、装置及电子设备 |
CN115690099A (zh) * | 2022-12-16 | 2023-02-03 | 江苏量超科技有限公司 | 基于数据识别的空气净化器清洗预警方法 |
CN116226821A (zh) * | 2023-05-04 | 2023-06-06 | 成都致学教育科技有限公司 | 一种教学数据中台管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102466A (zh) | 图像污点判定方法及装置 | |
WO2020246861A1 (en) | Method and apparatus for training neural network model for enhancing image detail | |
JP4160258B2 (ja) | 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定 | |
CN110766679A (zh) | 镜头脏污检测方法、装置及终端设备 | |
US10477128B2 (en) | Neighborhood haze density estimation for single-image dehaze | |
CN107615331B (zh) | 用于支持基于邻域块降维的图像去噪的系统和方法 | |
CN111144337B (zh) | 火灾检测方法、装置及终端设备 | |
US20110007973A1 (en) | Apparatus for removing image noise and method thereof | |
CN111368717A (zh) | 视线确定方法、装置、电子设备和计算机可读存储介质 | |
CN110059666A (zh) | 一种注意力检测方法及装置 | |
CN107346417B (zh) | 人脸检测方法及装置 | |
JP6912890B2 (ja) | 情報処理装置、情報処理方法、システム | |
CN111489319A (zh) | 基于多尺度双边滤波和视觉显著性的红外图像增强方法 | |
CN113409271B (zh) | 一种镜头油污的检测方法、装置及设备 | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN111754413A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN116883336A (zh) | 图像处理方法、装置、计算机设备及介质 | |
WO2023215371A1 (en) | System and method for perceptually optimized image denoising and restoration | |
CN112883762A (zh) | 一种活体检测方法、装置、系统及存储介质 | |
CN111368785A (zh) | 一种摄像头遮挡判断方法、装置、设备及存储介质 | |
CN114693543B (zh) | 图像降噪方法及装置、图像处理芯片、图像采集设备 | |
CN114219774B (zh) | 图像质量评估方法、装置、终端及计算机可读存储介质 | |
CN115512203A (zh) | 信息检测方法、装置、设备及存储介质 | |
CN115908802A (zh) | 摄像头遮挡检测方法、装置、电子设备及可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181228 |