CN109598736A - 深度图像与彩色图像的配准方法及装置 - Google Patents

深度图像与彩色图像的配准方法及装置 Download PDF

Info

Publication number
CN109598736A
CN109598736A CN201811455615.8A CN201811455615A CN109598736A CN 109598736 A CN109598736 A CN 109598736A CN 201811455615 A CN201811455615 A CN 201811455615A CN 109598736 A CN109598736 A CN 109598736A
Authority
CN
China
Prior art keywords
image
depth
depth image
color image
registering
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
Application number
CN201811455615.8A
Other languages
English (en)
Other versions
CN109598736B (zh
Inventor
谭方
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.)
Shenzhen Orbbec Co Ltd
Original Assignee
Shenzhen Orbbec 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 Shenzhen Orbbec Co Ltd filed Critical Shenzhen Orbbec Co Ltd
Priority to CN201811455615.8A priority Critical patent/CN109598736B/zh
Publication of CN109598736A publication Critical patent/CN109598736A/zh
Application granted granted Critical
Publication of CN109598736B publication Critical patent/CN109598736B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/13—Edge detection
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration 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
    • G06T2207/10024—Color 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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

本发明提供一种深度图像与彩色图像的配准方法与装置，其方法包括如下步骤：采集同一场景下的深度图像与彩色图像；对所述彩色图像进行边缘提取，获取所述彩色图像的彩色边缘；根据所述彩色边缘的约束，对所述深度图像进行处理，得到最终的深度图像。通过该方法和装置，能实现深度图像与彩色图像的精确对齐。

Description

深度图像与彩色图像的配准方法及装置
技术领域
本发明涉及图像处理领域，尤其涉及一种深度图像与彩色图像的配准方法及装置。
背景技术
由于相机参数和位置的不同，现有的RGB-D(深度+彩色)相机获取的RGB图像与Depth图像，像素坐标之间存在偏差，即相对于同一个空间点，在深度图像以及彩色图像上对应的像素位置不相同。
在现有技术中，为了将深度图像与彩色图像进行对齐，一般采取以下两种方式，一是使用硬件参数标定的方式将两者的坐标对齐，然而这种人工标定的方式存在较大的误差，误差一般在2-3个像素之间；一是将深度图像中的深度值转换成点云，点云再经过变换(旋转+平移)投影到彩色图像，从而在深度图像中找到与彩色图像对应的点，然而这种算法往往不准确，导致对齐效果不佳。
总之，目前仍缺乏一种精确的将深度图像与彩色图像进行配准的方法。
发明内容
本发明提供一种深度图像与彩色图像的配准方法及装置，其能够实现深度图像与彩色图像的精确对齐。
本发明提供的深度图像与彩色图像的配准方法包括如下步骤：采集同一场景下的深度图像与彩色图像；对所述彩色图像进行边缘提取，获取所述彩色图像的彩色边缘；根据所述彩色边缘的约束，对所述深度图像进行处理，得到最终的深度图像。
本发明提供的深度图像与彩色图像的配准装置包括：采集设备，用于采集同一场景下的深度图像与彩色图像；处理器，与所述采集设备连接，用于接收所述深度图像与彩色图像，并对所述彩色图像进行边缘提取，获取彩色图像的彩色边缘；以及根据所述彩色边缘的约束，对所述深度图像进行处理，得到最终的深度图像。
附图说明
图1为本发明一个实施例中深度图像与彩色图像的配准装置的框图。
图2为本发明一个实施例中深度图像与彩色图像的配准方法的流程图。
图3a为本发明一个实施例中的彩色图像的原始边缘的示意图。
图3b为对图3a中的原始边缘进行处理后得到的边缘的示意图。
图4a为本发明一个实施例中对深度图像上对应的彩色边缘的邻域范围内像素进行归零时的深度图像的示意图。
图4b为对图4a中的深度图像进行深度数据恢复后得到的深度图像的示意图。
图5为本发明一个实施例中使用区域生长算法对深度图像进行恢复的流程图。
图6为对图5中的深度图像进行恢复后的得到的深度图像的示意图。
图7为本发明一个实施例中使用中值滤波方法对深度图像进行深度数据恢复后得到的最终深度图像的示意图。
具体实施方式
下面结合附图通过具体实施例对本发明进行详细的介绍，以使更好的理解本发明，但下述实施例并不限制本发明范围。另外，需要说明的是，下述实施例中所提供的图示仅以示意方式说明本发明的基本构思，附图中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的形状、数量及比例可为一种随意的改变，且其组件布局形态也可能更为复杂。
图1为本发明一个实施例中一种深度图像与彩色图像的配准装置10的框图。如图1所示，装置10包括采集设备100、以及与采集设备100连接的处理器110。其中，采集设备100用于采集同一场景下的深度图像与彩色图像。处理器110用于接收所述深度图像与彩色图像，并对所述彩色图像进行边缘提取，获取彩色图像的彩色边缘；以及根据所述彩色边缘的约束，对所述深度图像进行处理，得到最终的深度图像。可以理解的是，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的配准装置10的限定。具体地，配准装置10可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
采集设备100可以为基于结构光、双目、TOF(时间飞行算法)技术的深度相机，用于获取同一目标场景的深度图像与彩色图像。在一个实施例中，采集设备100包括结构光深度相机与彩色相机，其中，结构光深度相机与彩色相机所在平面可以与目标场景所在的平面垂直。
处理器110用于提供控制与计算能力，支撑整个配准装置10的运行。在一些实施例中，处理器110用于接收深度图像与彩色图像，并对所述彩色图像进行边缘提取，获取彩色图像的彩色边缘；以及根据所述彩色边缘，对所述深度图像进行处理，得到最终的深度图像。可以理解的是，最终得到的深度图像与彩色图像的边缘是对齐的。处理器可以对对齐后的深度图像与彩色图像进行进一步地处理，例如深度计算等，并可以根据上述处理结果进行人脸检测、人脸识别、安全支付等操作。其中，处理器110可以是单个处理器，也可以是多种处理器的组合，例如同时包含嵌入式微处理器(MPU)以及嵌入式微控制器(MCU)。
图2为本发明一个实施例中一种深度图像与彩色图像的配准方法的流程图，包括如下步骤：
S210，采集同一场景下的深度图像与彩色图像。
利用采集设备采集同一场景下的深度图像与彩色图像。在一个实施例中，采集设备包括结构光深度相机与彩色相机。可以理解的是，对于动态的目标场景，结构光深度相机与彩色相机采集的时间与频率应该同步，以实现同步采集目标图像。对于静态的目标场景，结构光深度相机与彩色相机可以分时采集目标图像，且目标图像是从同一角度采集的。
结构光深度相机包括投影模组和接收模组，所述投影模组用于向目标场景投影结构光图案，所述接收模组用于捕获所述结构光图案。可以理解的是，投影模组可以支持不同类型光源产生的结构光模式，如可见光、红外、紫外、不可见光等，也支持不同图案组成的编码投射方案，如散斑状、块状、十字状、条纹状、特定符号等图案。例如，在一个实施例中，结构光深度相机包括红外投影模组，用于向目标场景投影红外散斑图案；以及红外接收模组，用于捕获所述红外散斑图案。其中，红外投影模组与红外接收模组的工作频率应该设置为一致。
S220，对所述彩色图像进行边缘提取，获取所述彩色图像的彩色边缘。
图像的边缘是指图像局部区域亮度变化显著的部分，边缘部分往往集中了图像的大部分信息，因此，图像边缘的检测与提取对于整个图像识别是非常重要的。在本发明中可以选用任一适用的边缘检测算法用于边缘检测与提取。在一个实施例中，使用Canny检测算法对彩色图像进行边缘提取。
Canny检测算法的原理为：先对采集设备采集的彩色图像进行灰度化处理，即根据图像各个通道的采样值进行加权平均，任何适用的灰度化方法都可以用于本发明。可以理解的是，图像的边缘可以指向不同方向，因此还要求取图像中梯度幅值和梯度方向，接着对梯度幅值进行非极大值抑制，即寻找像素点局部最大值，最后应用双阈值，即一个高阈值和一个低阈值来区分边缘像素。如果边缘像素点梯度值大于高阈值，则被认为是强边缘点。如果边缘梯度值小于高阈值，大于低阈值，则标记为弱边缘点。小于低阈值的点则被抑制掉。
然而，利用Canny检测算法提取的图像边缘包含很多错误边缘，因此需要对边缘进行处理，例如，可以使用连通域标记算法对边缘进行处理，并去掉区域小的边缘，这样可以更好的保目标场景中物体的轮廓，得到最终的彩色边缘。其中，连通域标记算法包括直接扫描标记法或二值图像连通域标记算法。如图3a为原始边缘，图3b为处理后的边缘。
在其中一个实施例中，在步骤S220之前，还包括；对所述彩色图像进行预处理，以消除所述彩色图像中的噪声。
一般来说，采集设备在采集或传输图像过程中，由于受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声。因此在边缘提取之前为了提高彩色图像边缘的清晰度，先对彩色图像进行双边滤波，这样做可以使图像中的边缘区域更明显，同时也可以消除彩色图像中的噪声，降低错误边缘的提取概率。其中，为了去除图像中高频噪声，还可以对彩色图像进行高斯滤波，可以使用离散化窗口滑动卷积、傅里叶变换等方法实现高斯滤波。
此外，可以理解的是，在灰度图像中，任何两个灰度级之间的强度仍然是灰度级。不同于灰度图像，在彩色图像中，任何两种颜色之间可能存在其他颜色，通常是相当不同的颜色，因此对彩色图像进行去噪处理的过程中，不仅会使图像看起来模糊，还会在图像中出现彩色光环。所以在双边滤波的过程中，可以将RGB转换到CIE-Lab色彩空间，这个空间与人的主观色彩辨识能力相关，因此可以改善这一缺陷。
S230，根据所述彩色边缘的约束，对所述深度图像进行处理，得到最终的深度图像。
当通过步骤S220获取到彩色图像的彩色边缘后，将所述彩色边缘映射到所述深度图像中，并对所述深度图像进行深度数据的恢复处理，得到新的深度图像。在恢复过程中，会受到彩色边缘的约束，因此在恢复之后深度图像会严格的与彩色图像对齐。其中，彩色边缘的约束是指：通过边缘像素点的灰度信息建立边缘像素约束规则。在重置所述深度图像的过程中，由于受到所述边缘像素约束规则的约束，从而克服了恢复图像中不连续效应以及振铃效应等不良现象，提高了恢复图像的质量。
重置深度图像：
先利用滤波方法对所述深度图像进行预恢复，再利用区域生长算法对所述深度图像进行进一步恢复。具体地，先将深度图像上对应的彩色边缘的邻域范围内的像素设置为0(参照4a)，进行深度数据恢复时，先使用滤波的方法对大面积的缺失部分进行数据恢复。恢复时会受到彩色边缘的约束，即当滤波窗口内包含彩色边缘时不对该窗口进行恢复，当滤波窗口内不包含彩色边缘时，使用所述滤波窗口的均值作为未知点的深度值。其中滤波窗口的大小为5*5。
可以理解的是，滤波是指对图像进行平滑处理，平滑处理时需要用到一个滤波器。在一个实施例中，可以使用高斯滤波器、均值滤波器、中值滤波器、双边滤波器等先对大面积的缺失部分进行深度数据的恢复。可以理解的是，滤波器相当于一个包含加权系数的窗口，当使用滤波器平滑处理图像时，就把这个窗口滑过图像。
请参照图4b，图4b为使用滤波方法进行深度数据恢复处理后得到的深度图像。由于彩色边缘内的约束，使用滤波对深度图像进行恢复时并不能将小区域内的缺失点进行恢复，因此还需使用区域生长算法进一步对深度图像进行恢复。
请参照图5，图5为本发明一个实施例中，使用区域生长算法对对深度图像进行恢复的流程图，包括如下步骤：
S510，随机选取任一深度值未知的像素点作为种子点。
S520，以所述种子点为中心遍历邻域内的像素点，选取深度值已知的非边缘像素点并计算其深度值的均值，则所述均值即作为所述种子点的深度值。
S530，以所述种子点为中心继续遍历所述深度图像中的像素点，选取离所述种子点最近且深度值未知的非边缘像素点作为新的种子点。
S540，重复以上步骤直至种子点周围没有深度值未知的非边缘像素点。
请参照图6，图6为使用区域生长算法进行深度恢复后的深度图像。此时的深度图像中只有边缘的值未知。
在其中一个实施例中，在步骤S230之后还包括：利用中值滤波恢复所述深度图像中深度值未知的边缘点以得到所述最终的深度图像。
请参照图7，图7为使用中值滤波方法进行深度数据恢复处理后得到的最终深度图像。此时的深度图像边缘与彩色图像边缘一致，因此达到了彩色图像与深度图像精确对齐的目的。
上述将深度图像与彩色图像配准的方法与装置，通过提取彩色图像的边缘，并依靠边缘像素点的灰度特性建立了边缘像素约束规则，对图像进行重置，使得重新获得的深度图像的边缘与彩色图像的一致，而边缘附近的深度也重新获取，从而完成了精确对齐的目的。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (10)

1.一种深度图像与彩色图像的配准方法，其特征在于，包括：
采集同一场景下的深度图像与彩色图像；
对所述彩色图像进行边缘提取，获取所述彩色图像的彩色边缘；
根据所述彩色边缘的约束，对所述深度图像进行处理，得到最终的深度图像。
2.如权利要求1所述的配准方法，其特征在于，在所述对所述彩色图像进行边缘提取，获取彩色图像的彩色边缘的步骤之前还包括如下步骤：
对所述彩色图像进行预处理，以消除所述彩色图像中的噪声。
3.如权利要求1所述的配准方法，其特征在于，所述处理包括：
将所述彩色边缘映射到所述深度图像中；
对所述深度图像进行深度数据的恢复处理，得到新的深度图像。
4.如权利要求3所述的配准方法，其特征在于，对所述深度图像进行深度数据的恢复处理包括：
利用滤波方法对所述深度图像进行预恢复；
利用区域生长算法对所述深度图像进行进一步恢复。
5.如权利要求4所述的配准方法，其特征在于，所述利用滤波方法对所述深度图像进行预恢复包括：
将深度图像上对应的彩色边缘邻域范围内的像素设置为0，并对大面积的缺失部分进行数据恢复；当滤波窗口内包含彩色边缘时不对该窗口进行恢复；当滤波窗口内不包含彩色边缘时，使用所述滤波窗口的均值作为未知点的深度值。
6.如权利要求5所述的配准方法，其特征在于，所述滤波窗口的大小为5*5。
7.如权利要求4所述的配准方法，其特征在于，利用区域生长算法对所述深度图像进行进一步恢复包括：
随机选取任一深度值未知的像素点作为种子点；
以所述种子点为中心遍历邻域内的像素点，选取深度值已知的非边缘像素点并计算其深度值的均值，则所述均值即作为所述种子点的深度值；
以所述种子点为中心继续遍历所述深度图像中的像素点，选取离所述种子点最近且深度值未知的非边缘像素点作为新的种子点；
重复以上步骤直至种子点周围没有深度值未知的非边缘像素点。
8.如权利要求7所述的配准方法，其特征在于，利用中值滤波恢复所述深度图像中深度值未知的边缘点以得到所述最终的深度图像。
9.如权利要求1所述的配准方法，其特征在于，所述对所述彩色图像进行边缘提取，获取彩色图像的彩色边缘的步骤包括：
采用canny边缘检测算子对所述彩色图像进行边缘提取。
10.一种深度图像与彩色图像的配准装置，其特征在于，包括：
采集设备，用于采集同一场景下的深度图像与彩色图像；
处理器，与所述采集设备连接，用于接收所述深度图像与彩色图像，并对所述彩色图像进行边缘提取，获取彩色图像的彩色边缘；以及根据所述彩色边缘的约束，对所述深度图像进行处理，得到最终的深度图像。
CN201811455615.8A 2018-11-30 2018-11-30 深度图像与彩色图像的配准方法及装置 Active CN109598736B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811455615.8A CN109598736B (zh) 2018-11-30 2018-11-30 深度图像与彩色图像的配准方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811455615.8A CN109598736B (zh) 2018-11-30 2018-11-30 深度图像与彩色图像的配准方法及装置

Publications (2)

Publication Number Publication Date
CN109598736A true CN109598736A (zh) 2019-04-09
CN109598736B CN109598736B (zh) 2021-09-10

Family

ID=65959999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811455615.8A Active CN109598736B (zh) 2018-11-30 2018-11-30 深度图像与彩色图像的配准方法及装置

Country Status (1)

Country Link
CN (1) CN109598736B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111045030A (zh) * 2019-12-18 2020-04-21 深圳奥比中光科技有限公司 一种深度测量装置和方法
CN111353982A (zh) * 2020-02-28 2020-06-30 贝壳技术有限公司 一种深度相机图像序列筛选方法及装置
CN111415310A (zh) * 2020-03-26 2020-07-14 Oppo广东移动通信有限公司 一种图像处理方法及装置、存储介质
CN111967526A (zh) * 2020-08-20 2020-11-20 东北大学秦皇岛分校 基于边缘映射和深度学习的遥感图像变化检测方法及系统
WO2022188102A1 (zh) * 2021-03-11 2022-09-15 Oppo广东移动通信有限公司 深度图像的修复方法及装置、摄像头组件及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102710951A (zh) * 2012-05-09 2012-10-03 天津大学 基于散斑结构光深度相机的多视点计算成像方法
CN102831582A (zh) * 2012-07-27 2012-12-19 湖南大学 一种微软体感装置深度图像增强方法
CN102999888A (zh) * 2012-11-27 2013-03-27 西安交通大学 一种基于彩色图像分割的深度图去噪方法
CN103455984A (zh) * 2013-09-02 2013-12-18 清华大学深圳研究生院 一种Kinect深度图像获取方法与装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102710951A (zh) * 2012-05-09 2012-10-03 天津大学 基于散斑结构光深度相机的多视点计算成像方法
CN102831582A (zh) * 2012-07-27 2012-12-19 湖南大学 一种微软体感装置深度图像增强方法
CN102999888A (zh) * 2012-11-27 2013-03-27 西安交通大学 一种基于彩色图像分割的深度图去噪方法
CN103455984A (zh) * 2013-09-02 2013-12-18 清华大学深圳研究生院 一种Kinect深度图像获取方法与装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HU TIAN AND FEI LI: "Color-guided depth refinement based on edge alignment", 《 2016 IEEE 18TH INTERNATIONAL WORKSHOP ON MULTIMEDIA SIGNAL PROCESSING》 *
张芳芳 等: "基于边缘信息引导滤波的深度图像增强算法", 《计算机应用与软件》 *
陈理: "Kinect深度图像增强算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111045030A (zh) * 2019-12-18 2020-04-21 深圳奥比中光科技有限公司 一种深度测量装置和方法
CN111045030B (zh) * 2019-12-18 2022-09-13 奥比中光科技集团股份有限公司 一种深度测量装置和方法
CN111353982A (zh) * 2020-02-28 2020-06-30 贝壳技术有限公司 一种深度相机图像序列筛选方法及装置
CN111353982B (zh) * 2020-02-28 2023-06-20 贝壳技术有限公司 一种深度相机图像序列筛选方法及装置
CN111415310A (zh) * 2020-03-26 2020-07-14 Oppo广东移动通信有限公司 一种图像处理方法及装置、存储介质
CN111415310B (zh) * 2020-03-26 2023-06-30 Oppo广东移动通信有限公司 一种图像处理方法及装置、存储介质
CN111967526A (zh) * 2020-08-20 2020-11-20 东北大学秦皇岛分校 基于边缘映射和深度学习的遥感图像变化检测方法及系统
CN111967526B (zh) * 2020-08-20 2023-09-22 东北大学秦皇岛分校 基于边缘映射和深度学习的遥感图像变化检测方法及系统
WO2022188102A1 (zh) * 2021-03-11 2022-09-15 Oppo广东移动通信有限公司 深度图像的修复方法及装置、摄像头组件及电子设备

Also Published As

Publication number Publication date
CN109598736B (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN109598736A (zh) 深度图像与彩色图像的配准方法及装置
CN107370958B (zh) 图像虚化处理方法、装置及拍摄终端
Yu et al. Fast single image fog removal using edge-preserving smoothing
CN103955905B (zh) 基于快速小波变换和加权图像融合的单幅图像去雾方法
CN111127318B (zh) 一种机场环境下的全景图像拼接方法
Tripathi et al. Single image fog removal using bilateral filter
CN104683767B (zh) 透雾图像生成方法及装置
Peng et al. Image haze removal using airlight white correction, local light filter, and aerial perspective prior
CN108377374B (zh) 用于产生与图像相关的深度信息的方法和系统
CN103455984A (zh) 一种Kinect深度图像获取方法与装置
US9639943B1 (en) Scanning of a handheld object for 3-dimensional reconstruction
CN107680140B (zh) 一种基于Kinect相机的深度图像高分辨率重构方法
CN102567727A (zh) 一种背景目标替换方法和装置
CN108389215B (zh) 一种边缘检测方法、装置、计算机存储介质及终端
CN108447068B (zh) 三元图自动生成方法及利用该三元图的前景提取方法
Riaz et al. Single image dehazing via reliability guided fusion
EP3086553A1 (en) Method and apparatus for image colorization
CN106846258A (zh) 一种基于加权最小平方滤波的单幅图像去雾方法
CN103942756B (zh) 一种深度图后处理滤波的方法
CN110490886A (zh) 一种针对倾斜视角下证件图像的自动纠正方法及系统
CN110415193A (zh) 煤矿低照度模糊图像的复原方法
He et al. Lane detection for track-following based on histogram statistics
CN110188640B (zh) 人脸识别方法、装置、服务器和计算机可读介质
Othman et al. Enhanced single image dehazing technique based on HSV color space
CN109359652A (zh) 一种从数码照片中快速自动提取矩形扫描件的方法

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
CB02 Change of applicant information

Address after: 11-13 / F, joint headquarters building, high tech Zone, 63 Xuefu Road, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000

Applicant after: Obi Zhongguang Technology Group Co., Ltd

Address before: 12 / F, joint headquarters building, high tech Zone, 63 Xuefu Road, Nanshan District, Shenzhen, Guangdong 518000

Applicant before: SHENZHEN ORBBEC Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant