CN109829899B - 一种针对钢卷端面缺陷检测的背景抑制算法 - Google Patents

一种针对钢卷端面缺陷检测的背景抑制算法 Download PDF

Info

Publication number
CN109829899B
CN109829899B CN201910049889.5A CN201910049889A CN109829899B CN 109829899 B CN109829899 B CN 109829899B CN 201910049889 A CN201910049889 A CN 201910049889A CN 109829899 B CN109829899 B CN 109829899B
Authority
CN
China
Prior art keywords
dimensional array
spectrogram
frequency
local gray
image
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
CN201910049889.5A
Other languages
English (en)
Other versions
CN109829899A (zh
Inventor
张发恩
蒋晓路
黄家水
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.)
Chongqing Cisai Tech Co Ltd
Original Assignee
Alnnovation Guangzhou Technology 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 Alnnovation Guangzhou Technology Co ltd filed Critical Alnnovation Guangzhou Technology Co ltd
Priority to CN201910049889.5A priority Critical patent/CN109829899B/zh
Publication of CN109829899A publication Critical patent/CN109829899A/zh
Application granted granted Critical
Publication of CN109829899B publication Critical patent/CN109829899B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提出了一种针对钢卷端面缺陷检测的背景抑制算法，包括以下步骤：输入一张钢卷端面的局部灰度图，对局部灰度图二维数组f(x,y)进行二维离散时频变换；将频谱图二维数组F(u,v)等分为四个象限，将频谱图二维数组F(u,v)矩阵的对角象限平移交换位置得到平移频谱图F_shift(u,v)，将平移频谱图转换为振幅频谱图，将振幅频谱图二维数组M(u,v)拆分为低频分量频谱图二维数组M_low(u,v)和其余分量频谱图二维数组M_else(u,v)；将平移频谱图二维数组F_shift(u,v)中对应背景频谱方向的像素点置为零，从而得到新频谱图二维数组F_fil(u,v)；将新频谱图二维数组F_fil(u,v)进行二维离散时频反变换，得到背景抑制后的局部灰度图f’(x,y)。本发明能够对钢卷端面进行背景抑制，相较于现有滤波算法，其效果有了极大提升。

Description

一种针对钢卷端面缺陷检测的背景抑制算法
技术领域
本发明涉及机器视觉技术领域，特别涉及一种针对钢卷端面缺陷检测的背景抑制算法。
背景技术
在机器视觉领域，目前已经有很多缺陷检测的应用，但大多数缺陷检测应用的背景都较为简单、纹理较少且变化不大，背景造成的干扰相对较小。而对于背景复杂的应用场景，则需要先进行背景抑制，后续才能得到较好效果。
目前已有的背景抑制算法都是针对特定场景的。其中一个方向是针对红外图像的背景抑制，但其无法处理可见光图片。第二个方向是针对固定背景中的移动目标，可以采用帧间差分法等对背景进行滤除，然而此种方法显然不适用于缺陷检测。第三个方向就是采用带通滤波的方式，过滤特定频段的背景。然而，对于复杂多变的可见光图像背景，目前尚未有通用的解决方案。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种针对钢卷端面缺陷检测的背景抑制算法，实现了抑制背景同时凸显缺陷部位的目的。
为了实现上述目的，本发明提供一种针对钢卷端面缺陷检测的背景抑制算法，包括以下步骤:
步骤S1，输入一张钢卷端面的局部灰度图，用局部灰度图二维数组f(x,y)表示，局部灰度图二维数组f(x,y)为M行N列；对局部灰度图二维数组f(x,y)进行二维离散时频变换，得到对应的频谱图，用频谱图二维数组F(u,v)表示；
步骤S2，将频谱图二维数组F(u,v)等分为四个象限，其中，频谱图二维数组F(u,v)矩阵的四个角位置及其附近的元素代表频域原点以及低频分量；
步骤S3，将频谱图二维数组F(u,v)矩阵的对角象限平移交换位置，得到平移频谱图二维数组F_shift(u,v)矩阵；以使得频域原点移至平移频谱图二维数组F_shift(u,v)矩阵的中央处，平移频谱图二维数组F_shift(u,v)矩阵的中央处的中央点为(M/2,N/2)；
步骤S4，将平移频谱图转换为振幅频谱图，即对平移频谱图二维数组F_shift(u,v)中的每个元素取绝对值，得到振幅频谱图二维数组M(u,v)；
步骤S5，将振幅频谱图二维数组M(u,v)拆分为低频分量频谱图二维数组M_low(u,v)和其余分量频谱图二维数组M_else(u,v)；
步骤S6，计算其余分量频谱图二维数组M_else(u,v)的像素均值mean和方差var；
步骤S7，设角度θ∈(-90°，90°),k为角度θ的斜率，即k＝arctan(θ*π/180°)；计算过中央点(M/2,N/2)且斜率为k的直线l，当斜率k在取不同值时，像素均值pix_m(k)＝∑M(u,v)，(u,v)∈直线l；角度θ遍历(-90°，90°)时，分别求出pix_m(k)的值；同时求出角度θ＝90°时，直线l上u＝M/2上所有像素的均值pix_m(∞)，其中pix_m(k)包括pix_m(∞)；遍历所有pix_m(k)，当pix_m(k)取得最大值时，斜率k指代的方向为原图中钢卷端面的径向；
步骤S8，遍历其余分量频谱图二维数组M_else(u,v)中像素点(u0,v0)，并计算像素点(u0,v0)到直线l的距离d，如果距离d小于阈值th，且M_else(u0,v0)>mean+n*var，其中，n为波动系数，则将该像素点(u0,v0)判断为背景频谱，并将该像素点(u0,v0)在平移频谱图二维数组F_shift(u,v)上的对应像素点F_shift(u0,v0)置为零，从而得到新频谱图二维数组F_fil(u,v)；
步骤S9，将新频谱图二维数组F_fil(u,v)进行二维离散时频反变换，得到背景抑制后局部灰度图f’(x,y)。
优选的是，在步骤S1中，二维离散时频变换计算公式如下：
Figure GDA0002532254690000021
其中，u＝0,1,2,…M-1；v＝0,1,2,…N-1；
x表示局部灰度图中像素点的横坐标，y表示局部灰度图中像素点的纵坐标，u表示频谱图中像素点的横坐标，v表示频谱图中像素点的纵坐标。
在上述任一方案中优选的是，步骤S2中，频域原点在物理意义上表示直流分量和低频分量。
在上述任一方案中优选的是，在步骤S7中，直线l的数学表达式为：v＝k*u+(N-k*M)/2。
在上述任一方案中优选的是，在步骤S9中，二维离散时频反变换的计算公式为：
Figure GDA0002532254690000031
x＝0,1,2,…M-1；y＝0,1,2,…N-1。
本发明的针对钢卷端面缺陷检测的背景抑制算法，解决了在对钢卷端面进行背景抑制时，由于背景和目标频谱分布多变造成难以确定滤波频段的情况，相较于现有滤波算法，其效果有了极大提升。此外，通过本发明的针对钢卷端面缺陷检测的背景抑制算法处理之后，原始图像中钢卷端面的背景纹理(即层层叠叠规律出现的钢卷纹理)得到了有效抑制；与背景纹理方向不同、周期不同的缺陷部位却并没有受到明显削弱；从而实现了抑制背景同时凸显缺陷部位的目的。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明的总体流程图；
图2为本发明的对角象限平移交换示意图；
图3为本发明的对角象限平移交换举例示意图；
图4为本发明的振幅频谱图二维数组M(u,v)拆分举例示意图；
图5为本发明的当径向斜率k＝1，阈值th＝1时的新频谱图二维数组F_fil(u,v)示意图；
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
本发明提供一种针对钢卷端面缺陷检测的背景抑制算法，如图1-5所示，包括以下步骤:
步骤S1，输入一张钢卷端面的局部灰度图，用局部灰度图二维数组f(x,y)表示，局部灰度图二维数组f(x,y)为M行N列；对局部灰度图二维数组f(x,y)进行二维离散时频变换，得到对应的频谱图，用频谱图二维数组F(u,v)表示；
二维离散时频变换计算公式如下：
Figure GDA0002532254690000041
其中，u＝0,1,2,…M-1；v＝0,1,2,…N-1；
x表示局部灰度图中像素点的横坐标，y表示局部灰度图中像素点的纵坐标，u表示频谱图中像素点的横坐标，v表示频谱图中像素点的纵坐标。
步骤S2，将频谱图二维数组F(u,v)等分为四个象限，其中，频谱图二维数组F(u,v)矩阵的四个角位置及其附近的元素代表频域原点以及低频分量；频域原点在物理意义上表示直流分量。如图2所示，P1表示直流分量，P2表示低频分量，P3表示高频分量。
步骤S3，将频谱图二维数组F(u,v)矩阵的对角象限平移交换位置，得到平移频谱图二维数组F_shift(u,v)矩阵，如图2-3所示；以使得频域原点移至平移频谱图二维数组F_shift(u,v)矩阵的中央处，平移频谱图二维数组F_shift(u,v)矩阵的中央处的中央点为(M/2,N/2)；
为了更好的说明步骤S3，在图3中进行举例说明，图3中选取了一组频谱图二维数组，进行了对角象限平移交换，得到平移频谱图二维数组；其中，图3中的01、08、57、64及其相邻位置为频域原点以及低频分量。需要说明的是，图3中选取的数据只是为了更好的解释说明本步骤。
步骤S4，将平移频谱图转换为振幅频谱图，即对平移频谱图二维数组F_shift(u,v)中的每个元素取绝对值，得到振幅频谱图二维数组M(u,v)，如图3所示；
步骤S5，将振幅频谱图二维数组M(u,v)拆分为低频分量频谱图二维数组M_low(u,v)和其余分量频谱图二维数组M_else(u,v)，如图4所示；
在于因为大部分图片的极低频分量频谱数值往往远大于其他分量，如果放在一起求统计，会影响素均值mean和方差var的分布，因此，本发明将低频分量从振幅频谱图二维数组M(u,v)单独拆分出来。
步骤S6，计算其余分量频谱图二维数组M_else(u,v)的像素均值mean和方差var；
步骤S7，计算过中央点(M/2,N/2)且斜率为k的直线l；
其中，直线l的数学表达式为：v＝k*u+(N-k*M)/2。
当斜率k在取不同值时，计算直线l在其余分量频谱图二维数组M_else(u,v)的中经过的像素均值pix_m(k)；
当斜率k在取不同值时，像素均值pix_m(k)＝∑M_else(u,v)，(u,v)∈直线l。
当像素均值pix_m(k)取最大值时，斜率k的方向即为原图中钢卷端面的径向。
具体步骤为：设角度θ∈(-90°，90°),k为角度θ的斜率，即k＝arctan(θ*π/180°)；角度θ遍历(-90°，90°)时，分别求出pix_m(k)的值；同时求出角度θ＝90°时，直线l上u＝M/2上所有像素的均值pix_m(∞)；遍历所有pix_m(k)，当pix_m(k)取得最大值时，斜率k指代的方向为原图中钢卷端面的径向。
步骤S8，遍历其余分量频谱图二维数组M_else(u,v)中像素点(u0,v0)，计算像素点(u0,v0)到直线l的距离d，距离
Figure GDA0002532254690000051
如果距离d小于阈值th，且M_else(u,v)>mean+n*var，其中，n为波动系数，则将该像素点(u0,v0)判断为背景频谱，并将该像素点(u0,v0)对应的平移频谱图二维数组F_shift(u,v)上的对应像素点F_shift(u0,v0)置为零，从而得到新频谱图二维数组F_fil(u,v)；从而达到抑制背景的目的。
本发明的另一个实施例中，波动系数n选取2。
步骤S9，将新频谱图二维数组F_fil(u,v)进行二维离散时频反变换，得到背景抑制后局部灰度图f’(x,y)。
二维离散时频反变换的计算公式为：
Figure GDA0002532254690000052
x＝0,1,2,…M-1；y＝0,1,2,…N-1。
本发明的针对钢卷端面缺陷检测的背景抑制算法，解决了在对钢卷端面进行背景抑制时，由于背景和目标频谱分布多变造成难以确定滤波频段的情况，相较于现有滤波算法，其效果有了极大提升。此外，通过本发明的针对钢卷端面缺陷检测的背景抑制算法处理之后，原始图像中钢卷端面的背景纹理(即层层叠叠规律出现的钢卷纹理)得到了有效抑制；与背景纹理方向不同、周期不同的缺陷部位却并没有受到明显削弱；从而实现了抑制背景同时凸显缺陷部位的目的。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

Claims (5)

1.一种针对钢卷端面缺陷检测的背景抑制算法，其特征在于，包括以下步骤:
步骤S1，输入一张钢卷端面的局部灰度图，用局部灰度图二维数组f(x,y)表示，局部灰度图二维数组f(x,y)为M行N列；对局部灰度图二维数组f(x,y)进行二维离散时频变换，得到对应的频谱图，用频谱图二维数组F(u,v)表示，其中，x表示局部灰度图中像素点的横坐标，y表示局部灰度图中像素点的纵坐标，u表示频谱图中像素点的横坐标，v表示频谱图中像素点的纵坐标；
步骤S2，将频谱图二维数组F(u,v)等分为四个象限，其中，频谱图二维数组F(u,v)矩阵的四个角位置及其附近的元素代表频域原点以及低频分量；
步骤S3，将频谱图二维数组F(u,v)矩阵的对角象限平移交换位置，得到平移频谱图二维数组F_shift(u,v)矩阵；以使得频域原点移至平移频谱图二维数组F_shift(u,v)矩阵的中央处，平移频谱图二维数组F_shift(u,v)矩阵的中央处的中央点为(M/2,N/2)；
步骤S4，将平移频谱图转换为振幅频谱图，即对平移频谱图二维数组F_shift(u,v)中的每个元素取绝对值，得到振幅频谱图二维数组M(u,v)；
步骤S5，将振幅频谱图二维数组M(u,v)拆分为低频分量频谱图二维数组M_low(u,v)和其余分量频谱图二维数组M_else(u,v)；
步骤S6，计算其余分量频谱图二维数组M_else(u,v)的像素均值mean和方差var；
步骤S7，设角度θ∈(-90°，90°),k为角度θ的斜率，即k＝arctan(θ*π/180°)；计算过中央点(M/2,N/2)且斜率为k的直线l，当斜率k在取不同值时，像素均值pix_m(k)＝∑M(u,v)，(u,v)∈直线l；角度θ遍历(-90°，90°)时，分别求出pix_m(k)的值；同时求出角度θ＝90°时，直线l上u＝M/2上所有像素的均值pix_m(∞)，其中pix_m(k)包括pix_m(∞)；遍历所有pix_m(k)，当pix_m(k)取得最大值时，斜率k指代的方向为原图中钢卷端面的径向；
步骤S8，遍历其余分量频谱图二维数组M_else(u,v)中像素点(u0,v0)，并计算像素点(u0,v0)到直线l的距离d，如果距离d小于阈值th，且M_else(u0,v0)>mean+n*var，其中，n为波动系数，则将该像素点(u0,v0)判断为背景频谱，并将该像素点(u0,v0)在平移频谱图二维数组F_shift(u,v)上的对应像素点F_shift(u0,v0)置为零，从而得到新频谱图二维数组F_fil(u,v)；
步骤S9，将新频谱图二维数组F_fil(u,v)进行二维离散时频反变换，得到背景抑制后局部灰度图f’(x,y)。
2.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，在步骤S1中，二维离散时频变换计算公式如下：
Figure FDA0002532254680000021
其中，u＝0,1,2,…M-1；v＝0,1,2,…N-1；
x表示局部灰度图中像素点的横坐标，y表示局部灰度图中像素点的纵坐标，u表示频谱图中像素点的横坐标，v表示频谱图中像素点的纵坐标。
3.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，步骤S2中，频域原点在物理意义上表示直流分量和低频分量。
4.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，在步骤S7中，直线l的数学表达式为：v＝k*u+(N-k*M)/2。
5.如权利要求1所述的针对钢卷端面缺陷检测的背景抑制算法，其特征在于，在步骤S9中，二维离散时频反变换的计算公式为：
Figure FDA0002532254680000022
x＝0,1,2,…M-1；y＝0,1,2,…N-1。
CN201910049889.5A 2019-01-18 2019-01-18 一种针对钢卷端面缺陷检测的背景抑制算法 Active CN109829899B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910049889.5A CN109829899B (zh) 2019-01-18 2019-01-18 一种针对钢卷端面缺陷检测的背景抑制算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910049889.5A CN109829899B (zh) 2019-01-18 2019-01-18 一种针对钢卷端面缺陷检测的背景抑制算法

Publications (2)

Publication Number Publication Date
CN109829899A CN109829899A (zh) 2019-05-31
CN109829899B true CN109829899B (zh) 2020-08-07

Family

ID=66860411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910049889.5A Active CN109829899B (zh) 2019-01-18 2019-01-18 一种针对钢卷端面缺陷检测的背景抑制算法

Country Status (1)

Country Link
CN (1) CN109829899B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110349142A (zh) * 2019-07-05 2019-10-18 创新奇智(青岛)科技有限公司 钢卷端面的缺陷样本生成方法、模型训练方法、系统及电子设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101482617A (zh) * 2009-01-16 2009-07-15 西安电子科技大学 基于非下采样轮廓波的合成孔径雷达图像去噪方法
CN101540040A (zh) * 2008-03-21 2009-09-23 深圳迈瑞生物医疗电子股份有限公司 自动检测限束器边界的方法与装置
CN102201118A (zh) * 2010-12-30 2011-09-28 天津大学 应用于轮胎x光图像胎冠部位带束层边界定位方法
CN102589461A (zh) * 2012-01-17 2012-07-18 华中科技大学 一种基于图像的积雪深度测量方法
CN103489175A (zh) * 2012-06-13 2014-01-01 株式会社理光 路面检测方法和装置
JP2014025837A (ja) * 2012-07-27 2014-02-06 Jfe Steel Corp 鋼板の加工状態評価方法および鋼板の加工状態評価装置
CN103679643A (zh) * 2013-06-03 2014-03-26 哈尔滨工程大学 一种多条纹噪声定位滤除方法
CN104239886A (zh) * 2014-09-30 2014-12-24 浙江理工大学 基于图像分析的草坪与背景分界线的提取方法
CN104808248A (zh) * 2015-04-22 2015-07-29 长江大学 基于电成像测井全井眼图像的地层产状检测方法
CN107194919A (zh) * 2017-05-18 2017-09-22 南京大学 基于规律纹理背景重建的手机屏幕缺陷检测方法
CN108269274A (zh) * 2016-12-31 2018-07-10 南京理工大学 基于傅里叶变换和Hough变换的图像配准方法
CN108318491A (zh) * 2017-12-04 2018-07-24 华南理工大学 一种基于频谱曲率分析的织物缺陷检测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100927897B1 (ko) * 2005-09-02 2009-11-23 닛본 덴끼 가부시끼가이샤 잡음억제방법과 장치, 및 컴퓨터프로그램
CN103729830B (zh) * 2013-12-31 2016-06-22 北京交通大学 一种机场跑道雷达图像背景抑制方法
CN104732531B (zh) * 2015-03-11 2017-07-07 中国空间技术研究院 一种高分辨率遥感图像信噪比曲线自适应获取方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540040A (zh) * 2008-03-21 2009-09-23 深圳迈瑞生物医疗电子股份有限公司 自动检测限束器边界的方法与装置
CN101482617A (zh) * 2009-01-16 2009-07-15 西安电子科技大学 基于非下采样轮廓波的合成孔径雷达图像去噪方法
CN102201118A (zh) * 2010-12-30 2011-09-28 天津大学 应用于轮胎x光图像胎冠部位带束层边界定位方法
CN102589461A (zh) * 2012-01-17 2012-07-18 华中科技大学 一种基于图像的积雪深度测量方法
CN103489175A (zh) * 2012-06-13 2014-01-01 株式会社理光 路面检测方法和装置
JP2014025837A (ja) * 2012-07-27 2014-02-06 Jfe Steel Corp 鋼板の加工状態評価方法および鋼板の加工状態評価装置
CN103679643A (zh) * 2013-06-03 2014-03-26 哈尔滨工程大学 一种多条纹噪声定位滤除方法
CN104239886A (zh) * 2014-09-30 2014-12-24 浙江理工大学 基于图像分析的草坪与背景分界线的提取方法
CN104808248A (zh) * 2015-04-22 2015-07-29 长江大学 基于电成像测井全井眼图像的地层产状检测方法
CN108269274A (zh) * 2016-12-31 2018-07-10 南京理工大学 基于傅里叶变换和Hough变换的图像配准方法
CN107194919A (zh) * 2017-05-18 2017-09-22 南京大学 基于规律纹理背景重建的手机屏幕缺陷检测方法
CN108318491A (zh) * 2017-12-04 2018-07-24 华南理工大学 一种基于频谱曲率分析的织物缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于均值滤波和小波变换的图像去噪技术研究";颜兵等;《计算机技术与发展》;20110228;第21卷(第2期);第51-53页及第57页 *

Also Published As

Publication number Publication date
CN109829899A (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN105335947B (zh) 图像去噪方法和图像去噪装置
CN104702965B (zh) 块噪声检测和滤波
CN101770636B (zh) 图像噪声去除方法及装置
CN109377450B (zh) 一种边缘保护的去噪方法
CN109743473A (zh) 视频图像3d降噪方法、计算机装置及计算机可读存储介质
US9443286B2 (en) Gray image processing method and apparatus based on wavelet transformation
US9811882B2 (en) Method and apparatus for processing super resolution image using adaptive preprocessing filtering and/or postprocessing filtering
US8295607B1 (en) Adaptive edge map threshold
CN110211056A (zh) 基于局部中值直方图的自适应红外图像去条纹算法
EP2466901B1 (en) Depth data upsampling
WO2012004830A1 (ja) 画像処理装置
KR101660447B1 (ko) 베이어 패턴 컬러 필터 어레이 디모자이킹을 위한 다 방향 가중 보간 방법
CN112150386B (zh) 基于对比度均值的sar图像相干斑非局部平均抑制方法
Yoshikawa et al. Super resolution image reconstruction using total variation regularization and learning-based method
CN109829899B (zh) 一种针对钢卷端面缺陷检测的背景抑制算法
CN112435181A (zh) 针对非制冷红外视频图像竖条纹噪声的滤除方法
CN109827504B (zh) 一种基于机器视觉的钢卷端面局部径向检测方法
CN106296591B (zh) 基于马氏距离的非局部均匀数字图像去噪方法
Kusnik et al. On the robust technique of mixed Gaussian and impulsive noise reduction in color digital images
Matsuoka et al. Switching non-local vector median filter
Ousguine et al. A new image interpolation using gradient-orientation and cubic spline interpolation
CN108681988B (zh) 一种基于多幅图像的鲁棒的图像分辨率增强方法
Xu et al. An image sharpening algorithm for high magnification image zooming
CN111429383A (zh) 图像降噪方法及装置、计算机可读存储介质
CN117710250B (zh) 一种消除纤维镜成像蜂窝状结构的方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221221

Address after: 17-1 #, No. 7, Huasheng Road, Yuzhong District, Chongqing 400,043

Patentee after: Chongqing qisaidi Technology Co.,Ltd.

Address before: 510670 Room 101, building 1, No. 232 Kezhu Road, Science City, high tech Industrial Development Zone, Guangzhou, Guangdong

Patentee before: ALNNOVATION (GUANGZHOU) TECHNOLOGY Co.,Ltd.