CN109410268B - 一种角膜地形图的同心圆环圆心的确定方法及系统 - Google Patents
一种角膜地形图的同心圆环圆心的确定方法及系统 Download PDFInfo
- Publication number
- CN109410268B CN109410268B CN201811313198.3A CN201811313198A CN109410268B CN 109410268 B CN109410268 B CN 109410268B CN 201811313198 A CN201811313198 A CN 201811313198A CN 109410268 B CN109410268 B CN 109410268B
- Authority
- CN
- China
- Prior art keywords
- curve
- corneal topography
- points
- determining
- circle center
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种角膜地形图的同心圆环圆心的确定方法及系统,该确定方法包括:首先,对角膜地形图进行坐标转换,获得转换后的图像;然后,对所述转换后的图像进行亚像素边缘检测,获得同心圆环在所述转换后的图像中对应的曲线;对所述曲线进行过滤检测,获得多个无干扰曲线段;然后,将多个无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;最后,采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,并对圆心坐标点进行聚类,进而确定角膜地形图的同心圆环的圆心。本发明通过在极坐标系下的亚像素边缘检测,避免了边缘遮挡引起的误差,通过在笛卡尔坐标系下的过滤检测和聚类运算进一步提高了圆心确定的精度。
Description
技术领域
本发明涉及角膜检查领域,特别涉及一种角膜地形图的同心圆环圆心的确定方法及系统。
背景技术
基于Placido圆盘的角膜地形图复原过程中需要精确地定位黑白相间的同心圆环的圆心。
目前都是用Hough变换或最小二乘法拟合圆等方法找到圆从而确定了整个圆环圆心。Hough变换法受参数空间离散化程度影响较大,而且需要指定半径的变化范围,最小二乘法拟合圆受边缘噪声影响大;而且现实图像获取过程中由于光斑以及眼睑线的存在,采集到的Placido盘图像中会对圆环边缘进行遮挡,影响了用Hough变换或最小二乘法拟合圆等方法的精度。
发明内容
本发明的目的是提供一种角膜地形图的同心圆环圆心的确定方法及系统,以提高角膜地形图的同心圆环圆心确定的精度。
为实现上述目的,本发明提供了如下方案:
一种角膜地形图的同心圆环圆心的确定方法,所述圆心的确定方法包括如下步骤:
将所述角膜地形图变换到极坐标系,获得转换后的图像;
对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线;
对所述曲线进行过滤检测,获得多个无干扰曲线段;
将多个所述无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;
采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,获得多个圆心坐标点;
对多个所述圆心坐标点进行聚类,确定所述角膜地形图的同心圆环的圆心。
可选的,所述对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线,具体包括:
对所述转换后的图像进行双阈值定位,获得多个粗定位像素点;
对多个所述粗定位像素点进行二项式差值,获得多个亚像素点;
对多个所述亚像素点进行顺序连接,获得所述曲线。
可选的,所述对所述曲线进行过滤检测,获得多个无干扰曲线段,具体包括:
对所述曲线上的点进行轮廓跟踪,连续获取N个有序点,将N个有序点的第1个点和第N个点之间的曲线段作为待测曲线段;
判断N个所述有序点的在极坐标系中的横坐标值是否为递增序列;
若否,确定所述待测曲线段为干扰曲线段;
若是,确定所述待测曲线段为无干扰曲线段。
可选的,所述对多个所述圆心坐标点进行聚类,获得角膜地形图的同心圆环的圆心,具体包括:
利用密度聚类法对多个所述圆心坐标点进行聚类,获得角膜地形图的同心圆环的圆心。
可选的,所述将所述角膜地形图变换到极坐标系,获得转换后的图像,之前还包括:对所述角膜地形图进行灰度化处理,获得灰度化后的角膜地形图。
一种角膜地形图的同心圆环圆心的确定系统,所述圆心的确定系统包括:
坐标转换模块,用于将所述角膜地形图变换到极坐标系,获得转换后的图像;
边缘检测模块,用于对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线;
过滤检测模块,用于对所述曲线进行过滤检测,获得多个无干扰曲线段;
坐标逆转换模块,用于将多个所述无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;
弧线段圆心确定模块,用于采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,获得多个圆心坐标点;
聚类模块,用于对多个所述圆心坐标点进行聚类,确定所述角膜地形图的同心圆环的圆心。
可选的,所述边缘检测模块,具体包括:
粗定位子模块,用于对所述转换后的图像进行双阈值定位,获得多个粗定位像素点;
亚像素点拟获得子模块,用于对多个所述粗定位像素点进行二项式差值拟合,获得多个亚像素点;
曲线获取子模块,用于对多个所述亚像素点进行顺序连接,获得所述曲线。
可选的,所述过滤检测模块,具体包括:
轮廓跟踪子模块,用于对所述曲线上的点进行轮廓跟踪,连续获取N个有序点,将N个有序点的第1个点和第N个点之间的曲线段作为待测曲线段;
处理子模块,用于判断N个所述有序点的在极坐标系中的横坐标值是否为递增序列;若否,确定所述待测曲线段为干扰曲线段;若是,确定所述待测曲线段为无干扰曲线段。
可选的,所述聚类模块,具体包括:
密度聚类子模块,用于利用密度聚类法对多个所述圆心坐标点进行聚类,获得角膜地形图的同心圆环的圆心。
可选的,确定系统还包括,灰度处理模块,用于对所述角膜地形图进行灰度化处理,获得灰度化后的角膜地形图。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种角膜地形图的同心圆环圆心的确定方法及系统,该确定方法包括:对所述角膜地形图转换到极坐标系,获得转换后的图像;然后,对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线;并对所述曲线进行过滤检测,获得多个无干扰曲线段;然后将多个所述无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;最后,采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,获得多个圆心坐标点,并对多个所述圆心坐标点进行聚类,确定所述角膜地形图的同心圆环的圆心。本发明通过在极坐标系下的亚像素边缘检测,避免边缘遮挡引起的误差,通过在笛卡尔坐标系下的过滤检测和聚类运算进一步提高了圆心确定的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种角膜地形图的同心圆环圆心的确定方法的流程图;
图2为本发明提供的一种角膜地形图的中心区域的图像;
图3为本发明提供的一种角膜地形图在极坐标下的图像;
图4为本发明提供的一种角膜地形图在极坐标下的圆环边缘;
图5为本发明提供的一种角膜地形图的同心圆环圆心的确定系统的结构图。
具体实施方式
本发明的目的是提供一种角膜地形图的同心圆环圆心的确定方法及系统,以提高角膜地形图的同心圆环圆心确定的精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对发明作进一步详细的说明。
如图1所示,一种角膜地形图的同心圆环圆心的确定方法,所述圆心的确定方法包括如下步骤:
步骤S101,将所述角膜地形图变换到极坐标系,获得转换后的图像;所述角膜地形图如图2所示,所述转换后的图像如图3所示。
步骤S102,对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线;具体包括:对所述转换后的图像进行双阈值定位,获得多个粗定位像素点;对多个所述粗定位像素点进行二项式差值,获得多个亚像素点,更具体的,对所述转换后的图像以双阈值进行粗定位,然后利用3x3领域内的像素灰度值进行二项式插值得到亚像素点;对多个所述亚像素点进行顺序连接,获得所述曲线,角膜地形图在极坐标下的圆环边缘,如图4所示的曲线。
步骤S103,对所述曲线进行过滤检测,获得多个无干扰曲线段;
具体包括:首先,对所述曲线上的点进行轮廓跟踪,连续获取N个有序点,将N个有序点的第1个点和第N个点之间的曲线段作为待测曲线段;然后,判断N个所述有序点的在极坐标系中的横坐标值是否为递增序列,若否,确定所述待测曲线段为干扰曲线段;若是,确定所述待测曲线段为无干扰曲线段,重复上述步骤直到跟踪完成整条曲线,获得多个无干扰曲线段。
步骤S104,将多个所述无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;
步骤S105,采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,获得多个圆心坐标点;
步骤S106,对多个所述圆心坐标点进行聚类,确定所述角膜地形图的同心圆环的圆心。具体包括:利用密度聚类、距离聚类等聚类方法对多个所述圆心坐标点进行聚类,获得角膜地形图的同心圆环的圆心。以密度聚类为例,具体的实现方式为:首先,预设一个距离常数阈值eps,任意两点小于eps,认为是一类,然后,计算同类内的点数,当点数大于一个给定常数minPts,才认为这些点属于核心点,否则认为是噪声点,重复上述步骤,对所述核心点进行密度聚类,直到遇到得到的类数,小于预设的类数阈值,将点数最多的一类的点的中作为角膜地形图的同心圆环的圆心。
当所述角膜地形图不是灰度图像时,所述将所述角膜地形图变换到极坐标系,获得转换后的图像,之前还包括:对所述角膜地形图进行灰度化处理,获得灰度化后的角膜地形图。
如图5所示,本发明还提供一种角膜地形图的同心圆环圆心的确定系统,所述圆心的确定系统包括:
坐标转换模块501,用于将所述角膜地形图变换到极坐标系,获得转换后的图像;
边缘检测模块502,用于对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线;所述边缘检测模块502,具体包括:粗定位子模块,用于对所述转换后的图像进行双阈值定位,获得多个粗定位像素点;亚像素点获得子模块,用于对多个所述粗定位像素点进行二项式差值拟合,获得多个亚像素点;曲线获取子模块,用于对多个所述亚像素点进行顺序连接,获得所述曲线。
过滤检测模块503,用于对所述曲线进行过滤检测,获得多个无干扰曲线段;所述过滤检测模块503,具体包括:轮廓跟踪子模块,用于对所述曲线上的点进行轮廓跟踪,连续获取N个有序点,将N个有序点的第1个点和第N个点之间的曲线段作为待测曲线段;处理子模块,用于判断N个所述有序点的在极坐标系中的横坐标值是否为递增序列;若否,确定所述待测曲线段为干扰曲线段;若是,确定所述待测曲线段为无干扰曲线段。
坐标逆转换模块504,用于将多个所述无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;
弧线段圆心确定模块505,用于采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,获得多个圆心坐标点;
聚类模块506,用于对多个所述圆心坐标点进行聚类,确定所述角膜地形图的同心圆环的圆心。所述聚类模块506,具体包括:密度聚类子模块,用于利用密度聚类法对多个所述圆心坐标点进行聚类,获得角膜地形图的同心圆环的圆心。
当所述角膜地形图不是灰度图像时,所述确定系统还包括,灰度处理模块,用于对所述角膜地形图进行灰度化处理,获得灰度化后的角膜地形图。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种角膜地形图的同心圆环圆心的确定方法及系统,该确定方法包括:对所述角膜地形图换到极坐标系,获得转换后的图像;然后,对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线;并对所述曲线进行过滤检测,获得多个无干扰曲线段;然后将多个所述无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;最后,采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,获得多个圆心坐标点,并对多个所述圆心坐标点进行聚类,确定所述角膜地形图的同心圆环的圆心。本发明通过在极坐标系下的亚像素边缘检测,避免边缘遮挡引起的误差,通过在笛卡尔坐标系下的过滤检测和聚类运算进一步提高了圆心确定的精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (8)
1.一种角膜地形图的同心圆环圆心的确定方法,其特征在于,所述确定方法包括如下步骤:
将所述角膜地形图变换到极坐标系,获得转换后的图像;
对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线;具体包括:对所述转换后的图像进行双阈值定位,获得多个粗定位像素点;对多个所述粗定位像素点进行二项式差值,获得多个亚像素点;对多个所述亚像素点进行顺序连接,获得所述曲线;
对所述曲线进行过滤检测,获得多个无干扰曲线段;
将多个所述无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;
采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,获得多个圆心坐标点;
对多个所述圆心坐标点进行聚类,确定所述角膜地形图的同心圆环的圆心。
2.根据权利要求1所述的一种角膜地形图的同心圆环圆心的确定方法,其特征在于,所述对所述曲线进行过滤检测,获得多个无干扰曲线段,具体包括:
对所述曲线上的点进行轮廓跟踪,连续获取N个有序点,将N个有序点的第1个点和第N个点之间的曲线段作为待测曲线段;
判断N个所述有序点的在极坐标系中的横坐标值是否为递增序列;
若否,确定所述待测曲线段为干扰曲线段;
若是,确定所述待测曲线段为无干扰曲线段。
3.根据权利要求1所述的一种角膜地形图的同心圆环圆心的确定方法,其特征在于,所述对多个所述圆心坐标点进行聚类,获得角膜地形图的同心圆环的圆心,具体包括:
利用密度聚类法对多个所述圆心坐标点进行聚类,获得角膜地形图的同心圆环的圆心。
4.根据权利要求1所述的一种角膜地形图的同心圆环圆心的确定方法,其特征在于,所述将所述角膜地形图变换到极坐标系,获得转换后的图像,之前还包括:对所述角膜地形图进行灰度化处理,获得灰度化后的角膜地形图。
5.一种角膜地形图的同心圆环圆心的确定系统,其特征在于,所述确定系统包括:
坐标转换模块,用于将所述角膜地形图变换到极坐标系,获得转换后的图像;
边缘检测模块,用于对所述转换后的图像进行亚像素边缘检测,获得所述角膜地形图中的圆环在所述转换后的图像中对应的曲线;所述边缘检测模块,具体包括:粗定位子模块,用于对所述转换后的图像进行双阈值定位,获得多个粗定位像素点;亚像素点获得子模块,用于对多个所述粗定位像素点进行二项式差值拟合,获得多个亚像素点;曲线获取子模块,用于对多个所述亚像素点进行顺序连接,获得所述曲线;
过滤检测模块,用于对所述曲线进行过滤检测,获得多个无干扰曲线段;
坐标逆转换模块,用于将多个所述无干扰曲线段从极坐标系转换到笛卡尔坐标系,获得多个无干扰弧线段;
弧线段圆心确定模块,用于采用三点定位法确定每个所述无干扰弧线段的圆心坐标点,获得多个圆心坐标点;
聚类模块,用于对多个所述圆心坐标点进行聚类,确定所述角膜地形图的同心圆环的圆心。
6.根据权利要求5所述的一种角膜地形图的同心圆环圆心的确定系统,其特征在于,所述过滤检测模块,具体包括:
轮廓跟踪子模块,用于对所述曲线上的点进行轮廓跟踪,连续获取N个有序点,将N个有序点的第1个点和第N个点之间的曲线段作为待测曲线段;
处理子模块,用于判断N个所述有序点的在极坐标系中的横坐标值是否为递增序列;若否,确定所述待测曲线段为干扰曲线段;若是,确定所述待测曲线段为无干扰曲线段。
7.根据权利要求5所述的一种角膜地形图的同心圆环圆心的确定系统,其特征在于,所述聚类模块,具体包括:
密度聚类子模块,用于利用密度聚类法对多个所述圆心坐标点进行聚类,获得角膜地形图的同心圆环的圆心。
8.根据权利要求5所述的一种角膜地形图的同心圆环圆心的确定系统,其特征在于,所述确定系统还包括,灰度处理模块,用于对所述角膜地形图进行灰度化处理,获得灰度化后的角膜地形图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811313198.3A CN109410268B (zh) | 2018-11-06 | 2018-11-06 | 一种角膜地形图的同心圆环圆心的确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811313198.3A CN109410268B (zh) | 2018-11-06 | 2018-11-06 | 一种角膜地形图的同心圆环圆心的确定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109410268A CN109410268A (zh) | 2019-03-01 |
CN109410268B true CN109410268B (zh) | 2020-06-23 |
Family
ID=65472004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811313198.3A Active CN109410268B (zh) | 2018-11-06 | 2018-11-06 | 一种角膜地形图的同心圆环圆心的确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109410268B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978901B (zh) * | 2019-03-07 | 2023-06-02 | 江苏亿通高科技股份有限公司 | 一种快速、精确的圆形检测和圆心定位方法 |
CN110517219B (zh) * | 2019-04-01 | 2023-04-07 | 中山大学中山眼科中心 | 一种基于深度学习的角膜地形图判别方法及系统 |
CN111932502B (zh) * | 2020-07-13 | 2023-09-05 | 深圳大学 | 一种角膜图像点云选取方法、系统、智能终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN103198484A (zh) * | 2013-04-07 | 2013-07-10 | 山东师范大学 | 基于非线性尺度空间的虹膜图像分割算法 |
CN106204544A (zh) * | 2016-06-29 | 2016-12-07 | 南京中观软件技术有限公司 | 一种自动提取图像中标志点位置及轮廓的方法和系统 |
CN106312690A (zh) * | 2016-07-28 | 2017-01-11 | 杭州天扬机械有限公司 | 航空回转体类零件加工基准圆的圆心找正方法 |
CN106546174A (zh) * | 2016-10-26 | 2017-03-29 | 湖南大学 | 一种基于模型滤波的圆检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040071342A1 (en) * | 2001-02-26 | 2004-04-15 | Peter Locht | Method of detecting and segmenting characteristic areas in a picture and use of the method |
-
2018
- 2018-11-06 CN CN201811313198.3A patent/CN109410268B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN103198484A (zh) * | 2013-04-07 | 2013-07-10 | 山东师范大学 | 基于非线性尺度空间的虹膜图像分割算法 |
CN106204544A (zh) * | 2016-06-29 | 2016-12-07 | 南京中观软件技术有限公司 | 一种自动提取图像中标志点位置及轮廓的方法和系统 |
CN106312690A (zh) * | 2016-07-28 | 2017-01-11 | 杭州天扬机械有限公司 | 航空回转体类零件加工基准圆的圆心找正方法 |
CN106546174A (zh) * | 2016-10-26 | 2017-03-29 | 湖南大学 | 一种基于模型滤波的圆检测方法 |
Non-Patent Citations (1)
Title |
---|
基于形态学的角膜地形图特征提取方法研究;郭雁文;《太原理工大学学报》;20150331;167-169页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109410268A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410268B (zh) | 一种角膜地形图的同心圆环圆心的确定方法及系统 | |
CN102032875B (zh) | 一种基于图像处理的电缆护套厚度测量方法 | |
CN102589435B (zh) | 噪声环境下激光束中心高效精确检测方法 | |
CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
US20160358322A1 (en) | Method and system for data detecting of an instrument | |
CN103292701A (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
TWI588510B (zh) | 調頻連續波雷達訊號處理方法 | |
CN109558871B (zh) | 一种指针式仪表读数识别方法及装置 | |
CN103455813A (zh) | 一种ccd图像测量系统光斑中心定位的方法 | |
CN110906875B (zh) | 一种孔径测量的视觉处理方法 | |
CN109341570B (zh) | 一种基于机器视觉的内螺纹检测方法及系统 | |
CN107564006B (zh) | 一种利用Hough变换的圆形目标检测方法 | |
CN114993452B (zh) | 基于宽带相位运动放大的结构微小振动测量方法与系统 | |
CN105046257A (zh) | 一种后桥主齿轮特殊打标形式的字符识别方法及系统 | |
CN103968772A (zh) | 一种基于单目视觉检测的活塞环检测方法 | |
CN110533650B (zh) | 一种基于视觉的auv水下管道检测跟踪方法 | |
CN113012181B (zh) | 一种基于Hough变换的新型类圆形检测方法 | |
CN113610041A (zh) | 一种用于指针式仪表的读数识别方法及设备 | |
CN111815580B (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN113298725A (zh) | 一种轮船图标图像叠加误差的纠正方法 | |
CN113157826A (zh) | 一种智能手机测定树木中心坐标的方法 | |
CN106778515B (zh) | 一种法兰轴向漏磁阵列信号自动识别方法 | |
CN113487589A (zh) | 一种亚像素圆心检测方法及系统 | |
CN115205165A (zh) | 用于工业机械外壳的防腐材料喷涂方法 | |
CN102436659B (zh) | 一种基于阴阳离散点采样模型的图像分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: Room 303, Pilot Building, No. 10 District (Science and Technology City), Wenzhou High-tech Industrial Park, Zhejiang Province, 325000 Applicant after: Wenzhou High-vision Raymond Photoelectric Technology Co., Ltd. Address before: Room 303, Pilot Building, No. 10 District (Science and Technology City), Wenzhou High-tech Industrial Park, Zhejiang Province, 325000 Applicant before: WENZHOU RAYMOND PHOTOELECTRICITY TECH. CO., LTD. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |