CN109712123A - 一种污渍检测方法 - Google Patents
一种污渍检测方法 Download PDFInfo
- Publication number
- CN109712123A CN109712123A CN201811533655.XA CN201811533655A CN109712123A CN 109712123 A CN109712123 A CN 109712123A CN 201811533655 A CN201811533655 A CN 201811533655A CN 109712123 A CN109712123 A CN 109712123A
- Authority
- CN
- China
- Prior art keywords
- image
- spot
- coordinate system
- circle
- region
- 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
Abstract
本发明公开了一种污渍检测方法,包括如下步骤:获取待测盖的图像;对所述灰度图像进行圆形目标标定并计算圆形目标图像的中心点和半径;将圆形目标图像划分为圆环区域和中心圆区域,以所述中心点为原点将圆环区域图像进行极坐标变换;分别对极坐标变换后的图像和中心圆区域图像进行自适应二值化滤波,分别得到圆环区域和中心圆区域的污渍图像,将极坐标系下的污渍图像进行坐标反变换,得到直角坐标系下圆环区域的污渍图像;将两个区域的污渍图像合并即得到待测盖的污渍图像。本发明将直角坐标系中照度不均匀的区域,通过坐标变换到极坐标系中照度均匀的区域,有效避免物体结构干扰及其造成的过检问题,大大提高了检测的精度和可靠性。
Description
技术领域
本发明涉及视觉检测技术领域,具体涉及一种污渍检测方法。
背景技术
随着计算机图像处理的广泛发展及应用,在产品缺陷检测领域已经越来越广泛用到视觉图像技术,特别是对于瓶盖、桶盖这类塑料盖体的缺陷检测中;现有的盖体检测大多采用如图1所述的检测装置进行缺陷检测,并采用区域分割算法进行盖体的图像分析,进而确定盖体是否合格;然而,上述检测装置及分析算法均存在如下缺陷:
1、现有的检测装置通常只采用一组光源进行检测,且现有的检测方法是在直角坐标系下进行区域分割并空域滤波,然而对于盖体内部这种特殊结构而言,盖体区域由内向外照度不均匀,导致内盖中本身轮廓起伏的特征与污渍特征相似,无法较好地通过前景与背景的比对,实现污渍检测。
2、现有的检测方法采用多区域分割算法,由于盖体边缘以及各个区域的边界处具有非常明显的灰度变化,在此次进行空域滤波容易出现误检的情况,且会导致参数调整非常困难。
3、现有的检测方法需要人为设置多个区域,导致每个区域需要单独调试并设置参数,工作量巨大,检测效率低下。
发明内容
为了解决现有技术存在的技术问题,本发明提供了一种污渍检测方法,该方法采用坐标变换的方式能够快速准确的实现盖体内污渍检测。
本发明通过下述技术方案实现:
一种污渍检测方法,该方法包括:
步骤一、获取待测对象的灰度图像;
步骤二、对所述灰度图像进行圆形目标标定并计算圆形目标图像的中心点和半径;
步骤三、将所述圆形目标图像划分为圆环区域和中心圆区域;以所述中心点为极坐标原点,对圆环区域进行极坐标变换;
步骤四、将极坐标变换后的图像进行自适应二值化滤波,得到极坐标系下圆环区域的污渍图像;同时对直角坐标系下中心圆区域进行自适应二值化滤波,得到该区域的污渍图像;
步骤五、将极坐标系下圆环区域的污渍图像进行坐标反变换到直角坐标系,并与中心圆区域的污渍图像,得到直角坐标系下的污渍图像。
进一步,所述步骤二具体包括:
步骤2.1,将所述灰度图像进行二值化处理,得到一个二值图像;
步骤2.2,采用连通域标记法对所述二值图像进行处理,得到标记区域的轮廓;
步骤2.3,通过计算各个轮廓的高阶矩得到轮廓的面积,选取面积最大的轮廓即可得到圆形目标图像;
步骤2.4,通过所述圆形目标图像的Hu矩计算得到该圆形目标图像的中心点和半径。
进一步,所述步骤三具体包括:
步骤3.1,对所述圆形目标图像进行遍历并处理,得到由若干圆环组成的同心圆图像;
步骤3.2,将所述同心圆图像划分为圆环区域和中心圆区域;
步骤3.3,以所述中心点为极坐标原点,将直角坐标系下的圆环区域图像映射到极坐标系下,且中心圆区域不进行处理。
进一步,所述步骤四具体包括:
步骤4.1,将极坐标变换后的图像和直角坐标系下的中心圆区域分别进行均值滤波;
步骤4.2,分别利用均值滤波后的图像与灰度图像进行差分处理;
步骤4.3,分别将差分处理后的图像进行二值化处理,得到极坐标下圆环区域的污渍图像和直角坐标下中心圆区域的污渍图像。
进一步,所述步骤五具体包括:
步骤5.1,将极坐标系下圆环区域的污渍图像反变换到直角坐标系,得到直角坐标系下圆环区域的污渍图像;
步骤5.2,将直角坐标系下圆环区域的污渍图像与直角坐标系下中心圆区域的污渍图像进行叠加处理,得到直角坐标系下的污渍图像;
步骤5.3,对直角坐标系下的污渍图像进行去噪处理。
进一步,所述步骤六具体包括:
步骤6.1,对所述去噪处理后的污渍图像进行前景像素数量统计,得到污渍像素面积;
步骤6.2,通过比较污渍像素面积与阈值,以确定待测对象是否合格。
进一步,所述步骤一中,采用图像采集装置结合一组正面环形光源和一组背面平面光源对待测对象进行检测,获取待测对象的灰度图像。
进一步,该方法还包括:步骤六、对直角坐标系下的污渍图像进行污渍点面积统计,通过对该污渍点面积的判定来确定待测对象是否合格。
进一步,所述待测对象包括:塑料杯、纸杯、塑料碗、纸碗、塑料盘、纸盘或者盖子。
本发明具有如下的优点和有益效果:
1、本发明采用两组光源来进行图像检测,保证盖内材料内部杂质、色差的检测效果。
2、本发明通过极坐标变换,将直角坐标系中照度不均匀的区域,通过坐标变换到极坐标系中照度均匀的区域,得到极坐标下的污渍图像,有效避免物体结构干扰及其造成的过检问题,大大提高了检测的精度和可靠性;
3、本发明仅自动设置两个区域,且两个区域的滤波参数均一致,因此仅需要一次参数调试即可完成全部污渍检测的设置,大大提高了检测效率。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为现有盖体污渍检测装置结构示意图。
图2为本发明的盖体污渍检测装置结构示意图。
图3为本发明的盖体污渍检测方法流程图。
图4为本发明采集的盖体原始灰度图。
图5为本发明的圆形目标标定及参数示意图。
图6为本发明的极坐标变换原理图。
图7为本发明的圆形目标图像区域分割图像及极坐标变换后图像。
图8为本发明在极坐标系下的自适应二值化滤波图像。
图9为本发明的坐标反变换得到的直角坐标系下的污渍图像。
图10为现有图像分割与本发明的图像分割效果对比图。
图11为现有技术检测效果与本发明的检测效果对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
本实施例提供了一种污渍检测方法,该方法采用了如图2所示的检测装置,该检测装置包括工业相机、环形光源、待测对象和平面光源;该检测装置采用一组正面环形光源,保证盖内表面缺陷的检测效果,还增加一组背面平面光源,保证盖内材料内部杂质、色差的检测效果。本实例中,待测对象为盖子,可以是瓶盖或者桶盖;在另外的实施例中,我们还可以对塑料/纸碗、塑料/纸杯、塑料/纸盘子等餐具进行检测。
如图3所示,该检测方法的实现过程如下:
步骤一、采用上述检测装置获取待测对象的灰度图像src0(x,y),如图4所示。
1、目标标定
1.1全局二值化
此处处理的图像为灰度图像,即图像为单通道图像,像素值的取值范围为0-255。取一个固定的阈值thresh,将图像中灰度小于等于该值的像素点置0,大于该值的像素点置255,则可得到一个二值图像dst0(x,y)。
式中:0≤x≤srcCols,0≤y≤srcRows,srcRows为灰度图像的像素行数,srcCols为灰度图像的像素列数。
1.2寻找最大轮廓
采用轮廓查找算法即连通域标记算法,通过对所述二值图像dst0(x,y)的遍历,将所有8连通区域进行标记,并得到标记区域的边界点坐标。通过计算各个轮廓的高阶矩得到轮廓的面积,选取面积最大的轮廓既可得到瓶盖所在区域,即圆形目标图像dst1(x,y)。
2、目标中心点和尺寸
2.1中心点计算
通过对圆形目标图像dst1(x,y)的Hu矩可以很容易计算出图像的质心。p+q阶几何矩的计算公式如下:
式中:M为圆形目标图像的像素行数,N为圆形目标图像的像素列数。
由于二值图像的中心与质心重合,因此直接使用质心公式求解中心点,如下式:
式中:为中心点x坐标,为中心点y坐标,m10,m01为二值图像的一阶矩,m00为二值图像的二阶矩。
2.2尺寸计算
遍历圆形目标图像区域,得到轮廓上距离圆心最远的点,该距离可作为圆的半径,近似于目标区域最小外界圆的半径。同时,找到轮廓上最左侧、最右侧、最上侧和最下侧的四个点,得到目标物体的外接矩形,便可得到物体的尺寸,且可以方便ROI的设置,最终得到如图5所示的圆形目标图像及参数示意图。
步骤三、以所述中心点为原点将圆形目标图像进行极坐标变换。
1、极坐标变换原理
将直角坐标系转换为极坐标系,其转换原理如图6(图6(左)图所示为直角坐标系中的圆,图6(右)图所示为(左)图直角坐标系映射到极坐标系的圆)所示:
将图6(左)图中的圆以圆心(x0,y0)为极坐标系原点进行坐标变换得到图6(右)图。
任意圆的参数方程为:
对于图6中的圆,其参数方程为:
使用消元法消掉θ可得圆的标准方程:
由此可见,当直角坐标系中圆的圆心和半径确定后,在极坐标系中的函数图像仅与半径r0相关,与θ(角度)无关,即一条与θ(角度)轴平行的直线。
图6(左)图直角坐标系中圆的边界即图6(右)图极坐标系下的一条直线,该直线距离极坐标系原点的距离即为圆的半径。
2、本实施例的极坐标变换
对瓶盖等塑料盖具有旋转不变性的图形而言,在均匀光照的前提下,其反射光也是具有中心对称的特性的。因此以瓶盖中心为极坐标原点,某个半径上的所有点都具有相似的反射强度,也称为照度均匀。具有均匀照度的区域更容易实现缺陷的快速检测。因此将瓶盖视为由若干圆环组成的圆形,将这些圆环在极坐标系中展开成为直线,就能够利用现有图像快速滤波算法对整个区域进行缺陷检测。由于半径较小的时候圆环周长较小,不利于滤波算法计算,且中心区域为拥有均匀照度的平坦区域,因此将中心小圆区域和剩余圆环区域进行分区处理,具体过程如下:
2.1对所述圆形目标图像进行遍历并处理,得到由若干圆环组成的同心圆图像;
2.2将所述同心圆图像划分为两个区域:外侧圆环区域为区域一,中心圆区域为区域二,如图7(左)图所示;
2.3以所述中心点为极坐标原点,将直角坐标系下的圆环区域图像映射到极坐标系下,且中心圆区域不进行坐标变换处理,如图7(右)图所示。
步骤四、将极坐标变换后的图像进行自适应二值化滤波,得到极坐标系下圆环区域的污渍图像;同时对直角坐标系下中心圆区域进行自适应二值化滤波,得到该区域的污渍图像;
自适应二值化,其核心思想是将当前像素点与背景进行对比,将差异较大的像素点标记为暗点。具体实现步骤如下:
1、将极坐标变换后的图像和直角坐标系下的中心圆区域分别进行均值滤波;
这是图像模糊滤波中的一种典型算法,其计算公式如下:
式中:M×N为滤波掩模的尺寸,均为正整数,且为大于1的奇数,mean(x,y)为均值滤波图像,src1(x,y)为输入图像(极坐标变换后的图像或者中心圆区域图像)。
2、分别利用均值滤波后的图像与灰度图像进行差分处理;将差分处理后的图像进行二值化处理,得到极坐标下圆环区域的污渍图像(如图8所示)和直角坐标下中心圆区域的污渍图像。
均值滤波之后的图像和原图相比,原图中的暗区变亮,亮度变暗。因此用均值滤波图像与原图差分,暗区变为正数,亮度变为负数。设定一个正阈值,将差分图像进行全局二值化,可得到污渍图像,且具备一定的抗干扰能力。
式中:mean(x,y)为均值滤波图像,dst3(x,y)为二值化处理后的污渍图像。
步骤五、将极坐标系下圆环区域的污渍图像进行坐标反变换到直角坐标系,并与中心圆区域的污渍图像进行叠加(合并),得到直角坐标系下的污渍图像;
1、按照正变换的映射关系,将极坐标系下圆环区域的污渍图像反变换到直角坐标系,得到直角坐标系下圆环区域的污渍图像。
2、将直角坐标系下圆环区域的污渍图像与直角坐标系下中心圆区域的污渍图像进行叠加处理,得到直角坐标系下的污渍图像,如图9所示。
本实施例中,还对直角坐标系下的污渍图像进行形态学运算,可以去掉部分噪点,防止过检的情况出现。
步骤六、对直角坐标系下的污渍图像进行污渍点面积统计,通过对该污渍点面积的判定来确定待测对象是否合格。
1、对去噪处理后的污渍图像进行前景像素数量统计,得到污渍像素面积;
2、通过比较污渍像素面积与阈值,以确定待测对象是否合格。
实施例2
本实施例2分别采用现有图像分割方法及上市实施例1中所述的图像分割方法对某一产品进行了图像分割,得到两者的分割效果对比图,如图10所示,其中,图10(左)图采用现有图像分割(分为4个区域),图10(右)图采用实施例1中所述图像分割方法(分为两个区域)。
本实施例2分别采用现有检测方法及上述实施例1所述的检测方法对某一产品进行了检测,得到了检测结果,并对检测结果做了对比,如图11所示,其中,图11(左)图采用现有检测方法,图11(右)图采用实施例1中所述检测方法。由图所知,本发明能够更加准确可靠地得到检测结果,防止误检、漏检等情况,提高了检测精度和效率。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种污渍检测方法,其特征在于,该方法包括:
步骤一、获取待测对象的灰度图像;
步骤二、对所述灰度图像进行圆形目标标定并计算圆形目标图像的中心点和半径;
步骤三、将所述圆形目标图像划分为圆环区域和中心圆区域;以所述中心点为极坐标原点,对圆环区域进行极坐标变换;
步骤四、将极坐标变换后的图像进行自适应二值化滤波,得到极坐标系下圆环区域的污渍图像;同时对直角坐标系下中心圆区域进行自适应二值化滤波,得到该区域的污渍图像;
步骤五、将极坐标系下圆环区域的污渍图像进行坐标反变换到直角坐标系,并与中心圆区域的污渍图像,得到直角坐标系下的污渍图像。
2.根据权利要求1所述的一种污渍检测方法,其特征在于,所述步骤二具体包括:
步骤2.1,将所述灰度图像进行二值化处理,得到一个二值图像;
步骤2.2,采用连通域标记法对所述二值图像进行处理,得到标记区域的轮廓;
步骤2.3,通过计算各个轮廓的高阶矩得到轮廓的面积,选取面积最大的轮廓即可得到圆形目标图像;
步骤2.4,通过所述圆形目标图像的Hu矩计算得到该圆形目标图像的中心点和半径。
3.根据权利要求2所述的一种污渍检测方法,其特征在于,所述步骤三具体包括:
步骤3.1,对所述圆形目标图像进行遍历并处理,得到由若干圆环组成的同心圆图像;
步骤3.2,将所述同心圆图像划分为圆环区域和中心圆区域;
步骤3.3,以所述中心点为极坐标原点,将直角坐标系下的圆环区域图像映射到极坐标系下,且中心圆区域不进行处理。
4.根据权利要求3所述的一种污渍检测方法,其特征在于,所述步骤四具体包括:
步骤4.1,将极坐标变换后的图像和直角坐标系下的中心圆区域分别进行均值滤波;
步骤4.2,分别利用均值滤波后的图像与灰度图像进行差分处理;
步骤4.3,分别将差分处理后的图像进行二值化处理,得到极坐标下圆环区域的污渍图像和直角坐标下中心圆区域的污渍图像。
5.根据权利要求4所述的一种污渍检测方法,其特征在于,所述步骤五具体包括:
步骤5.1,将极坐标系下圆环区域的污渍图像反变换到直角坐标系,得到直角坐标系下圆环区域的污渍图像;
步骤5.2,将直角坐标系下圆环区域的污渍图像与直角坐标系下中心圆区域的污渍图像进行叠加处理,得到直角坐标系下的污渍图像;
步骤5.3,对直角坐标系下的污渍图像进行去噪处理。
6.根据权利要求5所述的一种污渍检测方法,其特征在于,所述步骤六具体包括:
步骤6.1,对所述去噪处理后的污渍图像进行前景像素数量统计,得到污渍像素面积;
步骤6.2,通过比较污渍像素面积与阈值,以确定待测对象是否合格。
7.根据权利要求1-6任一项所述的一种污渍检测方法,其特征在于,所述步骤一中,采用图像采集装置结合一组正面环形光源和一组背面平面光源对待测对象进行检测,获取待测对象的灰度图像。
8.根据权利要求1-6任一项所述的一种污渍检测方法,其特征在于,该方法还包括:步骤六、对直角坐标系下的污渍图像进行污渍点面积统计,通过对该污渍点面积的判定来确定待测对象是否合格。
9.根据权利要求8所述的一种污渍检测方法,其特征在于,所述待测对象包括:塑料杯、纸杯、塑料碗、纸碗、塑料盘、纸盘或者盖子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811533655.XA CN109712123A (zh) | 2018-12-14 | 2018-12-14 | 一种污渍检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811533655.XA CN109712123A (zh) | 2018-12-14 | 2018-12-14 | 一种污渍检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109712123A true CN109712123A (zh) | 2019-05-03 |
Family
ID=66256475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811533655.XA Pending CN109712123A (zh) | 2018-12-14 | 2018-12-14 | 一种污渍检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712123A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751648A (zh) * | 2019-10-29 | 2020-02-04 | 国网黑龙江省电力有限公司电力科学研究院 | 基于图像处理技术的杆塔基础异常检测方法 |
CN111007441A (zh) * | 2019-12-16 | 2020-04-14 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
CN111275666A (zh) * | 2020-01-09 | 2020-06-12 | 广州市心鉴智控科技有限公司 | 一种镜片检测区域划分的方法 |
CN111508235A (zh) * | 2019-07-11 | 2020-08-07 | 杭州海康威视系统技术有限公司 | 无效车辆的监控方法、装置、设备及存储介质 |
CN113177944A (zh) * | 2021-06-30 | 2021-07-27 | 深之蓝海洋科技股份有限公司 | 水下镜头污渍的检测方法和水下机器人 |
CN113252567A (zh) * | 2021-06-08 | 2021-08-13 | 菲特(天津)检测技术有限公司 | 铝阀板表面多种缺陷快速检测方法、系统、介质、终端 |
CN115294119A (zh) * | 2022-10-08 | 2022-11-04 | 江苏三通科技有限公司 | 基于机器视觉的梅花螺纹头部内槽污渍检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243186A (zh) * | 2010-05-14 | 2011-11-16 | 久元电子股份有限公司 | 芯片外观检测方法 |
JP2015022581A (ja) * | 2013-07-19 | 2015-02-02 | キヤノン株式会社 | 画像処理装置、及び画像処理方法 |
CN104964980A (zh) * | 2015-06-05 | 2015-10-07 | 电子科技大学 | 一种基于机器视觉的火花塞端面缺陷检测方法 |
CN107169491A (zh) * | 2017-05-19 | 2017-09-15 | 佛山市南海区广工大数控装备协同创新研究院 | 一种齿环模具编号检测方法 |
-
2018
- 2018-12-14 CN CN201811533655.XA patent/CN109712123A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243186A (zh) * | 2010-05-14 | 2011-11-16 | 久元电子股份有限公司 | 芯片外观检测方法 |
JP2015022581A (ja) * | 2013-07-19 | 2015-02-02 | キヤノン株式会社 | 画像処理装置、及び画像処理方法 |
CN104964980A (zh) * | 2015-06-05 | 2015-10-07 | 电子科技大学 | 一种基于机器视觉的火花塞端面缺陷检测方法 |
CN107169491A (zh) * | 2017-05-19 | 2017-09-15 | 佛山市南海区广工大数控装备协同创新研究院 | 一种齿环模具编号检测方法 |
Non-Patent Citations (1)
Title |
---|
张定华等著: "锥束CT技术及其应用", 西安:西北工业大学出版社, pages: 267 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111508235A (zh) * | 2019-07-11 | 2020-08-07 | 杭州海康威视系统技术有限公司 | 无效车辆的监控方法、装置、设备及存储介质 |
CN110751648A (zh) * | 2019-10-29 | 2020-02-04 | 国网黑龙江省电力有限公司电力科学研究院 | 基于图像处理技术的杆塔基础异常检测方法 |
CN111007441A (zh) * | 2019-12-16 | 2020-04-14 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
CN111275666A (zh) * | 2020-01-09 | 2020-06-12 | 广州市心鉴智控科技有限公司 | 一种镜片检测区域划分的方法 |
CN111275666B (zh) * | 2020-01-09 | 2023-04-11 | 广州市心鉴智控科技有限公司 | 一种镜片检测区域划分的方法 |
CN113252567A (zh) * | 2021-06-08 | 2021-08-13 | 菲特(天津)检测技术有限公司 | 铝阀板表面多种缺陷快速检测方法、系统、介质、终端 |
CN113177944A (zh) * | 2021-06-30 | 2021-07-27 | 深之蓝海洋科技股份有限公司 | 水下镜头污渍的检测方法和水下机器人 |
CN113177944B (zh) * | 2021-06-30 | 2021-09-17 | 深之蓝海洋科技股份有限公司 | 水下镜头污渍的检测方法和水下机器人 |
CN115294119A (zh) * | 2022-10-08 | 2022-11-04 | 江苏三通科技有限公司 | 基于机器视觉的梅花螺纹头部内槽污渍检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109712123A (zh) | 一种污渍检测方法 | |
CN108898610B (zh) | 一种基于mask-RCNN的物体轮廓提取方法 | |
CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
CN110807355B (zh) | 一种基于移动机器人的指针仪表检测与读数识别方法 | |
CN102426649B (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN107203973B (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
CN110569857B (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
CN108537099A (zh) | 一种复杂背景的车牌识别方法 | |
CN102974551A (zh) | 一种基于机器视觉的多晶硅太阳能检测分选的方法 | |
CN105493141B (zh) | 非结构化道路边界检测 | |
CN104899888B (zh) | 一种基于Legendre矩的图像亚像素边缘检测方法 | |
CN110276750A (zh) | 一种任意倾斜角晶圆直线边长的提取与晶粒区隔离方法 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN106296670A (zh) | 一种基于Retinex‑分水岭‑Canny算子的红外图像边缘检测方法 | |
CN107133922A (zh) | 一种基于机器视觉和图像处理的硅片计数方法 | |
WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN105787912B (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN110530883A (zh) | 一种缺陷检测方法 | |
CN112308828A (zh) | 一种密封设备气密性的人工智能检测方法和检测系统 | |
CN111563867A (zh) | 一种用于提升图像清晰度的图像融合方法 | |
CN109461171A (zh) | 基于多通道改进DoG滤波的红外弱小目标检测算法 | |
CN103177244A (zh) | 水下显微图像中快速检测目标生物的方法 | |
CN103034998A (zh) | 旋转对称图形的中心与旋转角检测方法及装置 |
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 |