CN110211024A - 一种图像智能退底的方法 - Google Patents
一种图像智能退底的方法 Download PDFInfo
- Publication number
- CN110211024A CN110211024A CN201910194668.7A CN201910194668A CN110211024A CN 110211024 A CN110211024 A CN 110211024A CN 201910194668 A CN201910194668 A CN 201910194668A CN 110211024 A CN110211024 A CN 110211024A
- Authority
- CN
- China
- Prior art keywords
- image
- moves back
- back bottom
- masking
- light
- 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 108
- 230000008569 process Effects 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000002452 interceptive effect Effects 0.000 claims abstract description 7
- 238000004020 luminiscence type Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 244000309464 bull Species 0.000 claims 1
- 238000004364 calculation method Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006748 scratching Methods 0.000 description 2
- 230000002393 scratching effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像智能退底的方法,其通过硬件设备不同的灯光环境拍摄产品图片,分别获得前区拍摄物曝光成像及背景曝光成像通过图像处理算法获得透明背景的贴图,其包括图像采集过程、图像预处理过程、干扰物体判断过程、去除干扰物过程和退底透明贴图生成过程。本发明的优点:通过硬件设备拍摄两张产品图,进行计算后获得退底后的产品图片,把图片的背景从原始图片中分离出来成为单独的图层,中间过程无人工干涉实现全自动化退底,无需人工实现图像退底解决了人工操作可能存在的失误并节约大量的人力资源和成本;通过硬件设备不同的灯光环境拍摄出拍摄主图和抠图蒙版,通过图像处理算法获得透明背景的贴图,使得处理过程更准确。
Description
技术领域
本发明涉及一种图像智能退底的方法,属于图像处理技术领域。
背景技术
图像是人类获取和交换信息的主要来源,因此,图像处理的应用领域必然涉及人类生活和工作的方方面面。包括航天和航空技术、生物医学工程、通信工程、工业和工程、军事和公安、文化与艺术等方面。随着人类活动范围的不断扩大,图像处理的应用领域也将随之扩大,本发明基于涉及一种智能图像退底的方法,是基于两张图片轮廓蒙版进行过自动化退底;目前传统的拍摄模式,在拍摄完产品后,通过PS对图片进行手工抠图退底美化造成大量的人力成本的耗费,并且手工抠图退底可能存在操作失误造成未退底干净的问题。
发明内容
本发明要解决的技术问题,在于提供一种图像智能退底的方法,无需人工实现图像退底解决了人工操作可能存在的失误并节约大量的人力资源和成本。
本发明通过下述方案实现:一种图像智能退底的方法,其为通过拍摄拍摄主图和抠图蒙版图,进行计算后获得退底后的产品图片的方法。
其通过硬件设备不同的灯光环境拍摄产品图片,分别获得前区拍摄物曝光成像及背景曝光成像通过图像处理算法获得透明背景的贴图。
其包括图像采集过程、图像预处理过程、干扰物体判断过程、去除干扰物过程和退底透明贴图生成过程。
所述图像采集过程为拍摄两张不同打光环境的产品图,一张为拍摄主图即刚通过调节的主灯光线环境拍摄成像的产品图,一张为抠图蒙版图即背板发光照成背景曝光成像的辅图蒙版图A。
所述图像预处理过程为对蒙版图A进行二值化、提取轮廓、获取商品轮廓、裁剪到透明背景图层上、反相处理和模糊边缘降噪处理。
所述图像预处理过程包括以下步骤:
步骤一:对蒙版图A进行二值化处理生成处理过程图1;
步骤二:对处理过程图1进行轮廓提取生成处理过程图2;
步骤三:对处理过程图2进行计算,获得最大轮廓生成处理过程图3;
步骤四:对处理过程图3进行处理,使用最大轮廓缩小一定比例大小的矩形框选最大轮廓中间区域作为有效区域并裁剪到透明背景图上,经过颜色反转,滤波对边缘进行模糊使其边缘柔和。
所述干扰物体判断过程为对处理过程图3经过预处理后,进行挂钩等干扰物判断,通过开运算实现轮廓的分离,再进行挂钩的识别,识别挂钩存在两种方法,方法一、基于干扰物挂钩的特征进行判断,在图像轮廓中判断出挂钩所处的位置及轮廓;方法二、采用级联分类器进行判断,采用负样本和正样本对特征物体进行训练,生成级联分类器,处理过程图3经过预处理后通过级联分类器进而识别挂钩干扰物。
所述去除干扰物过程为通过已获得挂钩的轮廓位置及大小,对挂钩进行处理,去除挂钩,最终生成处理后蒙版图B。
所述生成退底图过程为蒙版图A经过图像处理后生成处理后蒙版图B,与拍摄的产品主图通过图像处理的分水岭算法,生成预期效果图。
所述图像采集过程采用的灯光结构为五盏灯光+发光背景板组成,分别由顶部横梁悬挂居中的顶灯,左臂采用T字型分别安装上轮廓灯和下轮廓灯,右臂与左臂采用相同方式安装上轮廓灯和下轮廓灯共同组成拍摄设备的主灯光系统,可发光背景板为拍摄系统的辅灯光系统。
本发明的有益效果为:
1、本发明一种图像智能退底的方法通过硬件设备拍摄两张产品图(拍摄主图和抠图蒙版),进行计算后获得退底后的产品图片,把图片的背景从原始图片中分离出来成为单独的图层,中间过程无人工干涉实现全自动化退底,无需人工实现图像退底解决了人工操作可能存在的失误并节约大量的人力资源和成本;
2、本发明一种图像智能退底的方法通过硬件设备不同的灯光环境拍摄产品图片,分别获得前区拍摄物曝光成像(拍摄主图)及背景曝光成像(抠图蒙版)通过图像处理算法获得透明背景的贴图,使得处理过程更准确。
附图说明
图1为本发明一种图像智能退底的方法的流程结构示意图。
图2为本发明一种图像智能退底的方法的处理过程示意图。
图3为本发明一种图像智能退底的方法的对比示意图。
图4为本发明一种图像智能退底的方法的灯光结构示意图。
具体实施方式
下面结合图1-4对本发明进一步说明,但本发明保护范围不局限所述内容。
其中相同的零部件用相同的附图标记表示。需要说明的是,下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向,词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向,且附图均采用非常简化的形式且均使用非精准的比率,仅用以方便、明晰地辅助说明本发明实施例的目的。
为了清楚,不描述实际实施例的全部特征,在下列描述中,不详细描述公知的功能和结构,因为它们会使本发明由于不必要的细节而混乱,应当认为在任何实际实施例的开发中,必须做出大量实施细节以实现开发者的特定目标,例如按照有关系统或有关商业的限制,由一个实施例改变为另一个实施例,另外,应当认为这种开发工作可能是复杂和耗费时间的,但是对于本领域技术人员来说仅仅是常规工作。
一种图像智能退底的方法,其通过硬件设备不同的灯光环境拍摄产品图片,分别获得前区拍摄物曝光成像及背景曝光成像通过图像处理算法获得透明背景的贴图,该方法包括图像采集过程、图像预处理过程、干扰物体判断过程、去除干扰物过程和退底透明贴图生成过程。
图像采集过程为拍摄两张不同打光环境的产品图,一张为拍摄主图即刚通过调节的光线环境拍成像的产品图,一张为抠图蒙版图即背板发光拍摄背景曝光成像的辅图蒙版图 A。
图像预处理过程为对蒙版图A进行二值化、提取轮廓、获取商品轮廓、裁剪到透明背景图层上、反相处理和模糊边缘降噪处理。
图像预处理过程包括以下步骤:
步骤一:对蒙版图A进行二值化处理生成处理过程图1;
步骤二:对处理过程图1进行轮廓提取生成处理过程图2;
步骤三:对处理过程图2进行计算,获得最大轮廓生成处理过程图3;
步骤四:对处理过程图3进行处理,使用最大轮廓缩小一定比例大小的矩形框选最大轮廓中间区域作为有效区域并裁剪到透明背景图上,经过颜色反转,滤波对边缘进行模糊使其边缘柔和。
干扰物体判断过程为对处理过程图3经过预处理后,进行挂钩等干扰物判断,根据拍摄的照片中获取的轮廓可知挂钩与人台或衣架之间存在连通轮廓,首先需要对挂钩与人台或衣架进行分离,可通过开运算实现轮廓的分离,若存在挂钩则挂钩与人台或衣架分离,再进行挂钩的识别,识别挂钩存在两种方法,方法一、基于干扰物挂钩的特征进行判断,其特征在于:挂钩用于悬挂人台或衣架,一定处于人台或衣架的最上方且居中,并且其轮廓一定小于商品轮廓,基于这些特征即可在图像轮廓中判断出挂钩所处的位置及轮廓;方法二、采用级联分类器进行判断,首先准备训练数据分别为负样本和正样本,负样本是指不包括物体的图像,正样本是待检测的物体的图像,对该特征物体进行训练,生成级联分类器,处理过程图3经过预处理后通过级联分类器进而识别挂钩干扰物。
去除干扰物过程为对处理过程图3经过预处理后再进行干扰物挂钩的去除,通过对干扰物是否存在的判断,当判断存在挂钩干扰物,并已获得挂钩的轮廓位置及大小,对挂钩进行处理,去除挂钩,最终生成处理后蒙版图B;
生成退底图过程为蒙版图A经过图像处理后生成处理后蒙版图B,与拍摄的产品主图通过图像处理的分水岭算法,生成预期效果图。
图像采集过程采用的灯光结构为五盏灯光结构+发光背景板组成,分别由顶部横梁悬挂居中的顶灯,左臂采用T字型分别安装上轮廓灯和下轮廓灯,右臂与左臂采用相同方式安装上轮廓灯和下轮廓灯共同组成拍摄设备的主灯光系统,发光背景板为拍摄系统的辅灯系统。
尽管已经对本发明的技术方案做了较为详细的阐述和列举,应当理解,对于本领域技术人员来说,对上述实施例做出修改或者采用等同的替代方案,这对本领域的技术人员而言是显而易见,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种图像智能退底的方法,其特征在于:其为通过拍摄拍摄主图和抠图蒙版图,进行计算后获得退底后的产品图片的方法。
2.根据权利要求1所述的一种图像智能退底的方法,其特征在于:其通过硬件设备不同的灯光环境拍摄产品图片,分别获得前区拍摄物曝光成像及背景曝光成像通过图像处理算法获得透明背景的贴图。
3.根据权利要求1所述的一种图像智能退底的方法,其特征在于:其包括图像采集过程、图像预处理过程、干扰物体判断过程、去除干扰物过程和退底透明贴图生成过程。
4.根据权利要求3所述的一种图像智能退底的方法,其特征在于:所述图像采集过程为拍摄两张不同打光环境的产品图,一张为拍摄主图即刚通过调节的光线环境前区拍摄物曝光成像的产品图,一张为抠图蒙版图即背板发光照成背景曝光成像的辅图蒙版图A。
5.根据权利要求4所述的一种图像智能退底的方法,其特征在于:所述图像预处理过程为对蒙版图A进行二值化、提取轮廓、获取商品轮廓、裁剪到透明背景图层上、反相处理和模糊边缘降噪处理。
6.根据权利要求4所述的一种图像智能退底的方法,其特征在于:所述图像预处理过程包括以下步骤:
步骤一:对蒙版图A进行二值化处理生成处理过程图1;
步骤二:对处理过程图1进行轮廓提取生成处理过程图2;
步骤三:对处理过程图2进行计算,获得最大轮廓生成处理过程图3;
步骤四:对处理过程图3进行处理,使用最大轮廓缩小一定比例大小的矩形框选最大轮廓中间区域作为有效区域并裁剪到透明背景图上,经过颜色反转,滤波对边缘进行模糊使其边缘柔和。
7.根据权利要求6所述的一种图像智能退底的方法,其特征在于:所述干扰物体判断过程为对处理过程图3经过预处理后,进行挂钩等干扰物判断,通过开运算实现轮廓的分离,再进行挂钩的识别,识别挂钩存在两种方法,方法一、基于干扰物挂钩的特征进行判断,在图像轮廓中判断出挂钩所处的位置及轮廓;方法二、采用级联分类器进行判断,采用负样本和正样本对特征物体进行训练,生成级联分类器,处理过程图3经过预处理后通过级联分类器进而识别挂钩干扰物。
8.根据权利要求7所述的一种图像智能退底的方法,其特征在于:所述去除干扰物过程为通过已获得挂钩的轮廓位置及大小,对挂钩进行处理,去除挂钩,最终生成处理后蒙版图B。
9.根据权利要求8所述的一种图像智能退底的方法,其特征在于:所述生成退底图过程为蒙版图A经过图像处理后生成处理后蒙版图B,与拍摄的产品原图通过图像处理的分水岭算法,生成预期效果图。
10.根据权利要求4所述的一种图像智能退底的方法,其特征在于:所述图像采集过程采用的灯光结构为五盏灯光+发光背景板组成,分别由顶部横梁悬挂居中的顶灯,左臂采用T字型分别安装上轮廓灯和下轮廓灯,右臂与左臂采用相同方式安装上轮廓灯和下轮廓灯共同组成拍摄设备的主灯光系统,可以光的背景板为拍摄系统的辅灯光系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910194668.7A CN110211024A (zh) | 2019-03-14 | 2019-03-14 | 一种图像智能退底的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910194668.7A CN110211024A (zh) | 2019-03-14 | 2019-03-14 | 一种图像智能退底的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110211024A true CN110211024A (zh) | 2019-09-06 |
Family
ID=67785060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910194668.7A Pending CN110211024A (zh) | 2019-03-14 | 2019-03-14 | 一种图像智能退底的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211024A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409378A (zh) * | 2021-06-28 | 2021-09-17 | 北京百度网讯科技有限公司 | 图像处理方法、装置和设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024149A (zh) * | 2009-09-18 | 2011-04-20 | 北京中星微电子有限公司 | 物体检测的方法及层次型物体检测器中分类器的训练方法 |
CN102651135A (zh) * | 2012-04-10 | 2012-08-29 | 电子科技大学 | 一种基于优化方向采样的自然图像抠图方法 |
CN103945139A (zh) * | 2014-01-07 | 2014-07-23 | 上海仙视电子有限公司 | 一种快速合成透明背景图片的摄影平台以及该摄影平台采用的图像处理方法 |
CN105516562A (zh) * | 2015-12-13 | 2016-04-20 | 重庆绿氧环保科技有限公司 | 产品拍摄装置及快速抠图方法 |
CN105513030A (zh) * | 2014-09-24 | 2016-04-20 | 联想(北京)有限公司 | 一种信息处理方法、装置及电子设备 |
CN106161977A (zh) * | 2016-07-19 | 2016-11-23 | 卢锦霞 | 采用灯光寻找物体轮廓的拍摄抠图方法 |
CN106446873A (zh) * | 2016-11-03 | 2017-02-22 | 北京旷视科技有限公司 | 人脸检测方法及装置 |
CN106599832A (zh) * | 2016-12-09 | 2017-04-26 | 重庆邮电大学 | 一种基于卷积神经网络的多类障碍物检测与识别方法 |
CN107241557A (zh) * | 2017-06-16 | 2017-10-10 | 广东欧珀移动通信有限公司 | 图像曝光方法、装置、摄像设备及存储介质 |
CN107358593A (zh) * | 2017-06-16 | 2017-11-17 | 广东欧珀移动通信有限公司 | 成像方法和装置 |
CN108924423A (zh) * | 2018-07-18 | 2018-11-30 | 曾文斌 | 一种在固定相机位置的留影照片中消除干扰物体的方法 |
CN109345500A (zh) * | 2018-08-02 | 2019-02-15 | 西安交通大学 | 一种基于机器视觉的机床刀具刀尖点位置计算方法 |
-
2019
- 2019-03-14 CN CN201910194668.7A patent/CN110211024A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024149A (zh) * | 2009-09-18 | 2011-04-20 | 北京中星微电子有限公司 | 物体检测的方法及层次型物体检测器中分类器的训练方法 |
CN102651135A (zh) * | 2012-04-10 | 2012-08-29 | 电子科技大学 | 一种基于优化方向采样的自然图像抠图方法 |
CN103945139A (zh) * | 2014-01-07 | 2014-07-23 | 上海仙视电子有限公司 | 一种快速合成透明背景图片的摄影平台以及该摄影平台采用的图像处理方法 |
CN105513030A (zh) * | 2014-09-24 | 2016-04-20 | 联想(北京)有限公司 | 一种信息处理方法、装置及电子设备 |
CN105516562A (zh) * | 2015-12-13 | 2016-04-20 | 重庆绿氧环保科技有限公司 | 产品拍摄装置及快速抠图方法 |
CN106161977A (zh) * | 2016-07-19 | 2016-11-23 | 卢锦霞 | 采用灯光寻找物体轮廓的拍摄抠图方法 |
CN106446873A (zh) * | 2016-11-03 | 2017-02-22 | 北京旷视科技有限公司 | 人脸检测方法及装置 |
CN106599832A (zh) * | 2016-12-09 | 2017-04-26 | 重庆邮电大学 | 一种基于卷积神经网络的多类障碍物检测与识别方法 |
CN107241557A (zh) * | 2017-06-16 | 2017-10-10 | 广东欧珀移动通信有限公司 | 图像曝光方法、装置、摄像设备及存储介质 |
CN107358593A (zh) * | 2017-06-16 | 2017-11-17 | 广东欧珀移动通信有限公司 | 成像方法和装置 |
CN108924423A (zh) * | 2018-07-18 | 2018-11-30 | 曾文斌 | 一种在固定相机位置的留影照片中消除干扰物体的方法 |
CN109345500A (zh) * | 2018-08-02 | 2019-02-15 | 西安交通大学 | 一种基于机器视觉的机床刀具刀尖点位置计算方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409378A (zh) * | 2021-06-28 | 2021-09-17 | 北京百度网讯科技有限公司 | 图像处理方法、装置和设备 |
CN113409378B (zh) * | 2021-06-28 | 2024-04-12 | 北京百度网讯科技有限公司 | 图像处理方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112926405B (zh) | 一种安全帽佩戴检测方法、系统、设备及存储介质 | |
CN107025652B (zh) | 一种基于运动特性和颜色时空信息的火焰检测方法 | |
CN103810478B (zh) | 一种坐姿检测方法和装置 | |
CN104851099B (zh) | 一种基于表示学习的图像融合方法 | |
CN109165577A (zh) | 一种基于视频图像的早期森林火灾检测方法 | |
CN102024146B (zh) | 猪舍监控视频中前景提取方法 | |
CN104951773A (zh) | 一种实时人脸识别监视系统 | |
CN105046219A (zh) | 一种人脸识别系统 | |
CN106022205B (zh) | 图像处理装置以及图像处理方法 | |
CN109508741A (zh) | 基于深度学习筛选训练集的方法 | |
CN111126325A (zh) | 一种基于视频的智能人员安防识别统计方法 | |
CN114241340B (zh) | 一种基于双路深度残差网络的图像目标检测方法及系统 | |
CN108230343A (zh) | 一种图像处理方法及装置 | |
CN106709903B (zh) | 基于图像质量的pm2.5浓度预测方法 | |
CN107993220B (zh) | X射线造影图像中血管结构的提取方法及装置 | |
Hobson et al. | Classifying anti-nuclear antibodies HEp-2 images: A benchmarking platform | |
CN110349102A (zh) | 图像美化的处理方法、图像美化的处理装置以及电子设备 | |
CN109028226A (zh) | 基于双区域图像采集进行油烟浓度判断的油烟机 | |
CN106570440A (zh) | 基于图像分析的人数统计方法和人数统计装置 | |
CN110211024A (zh) | 一种图像智能退底的方法 | |
CN109028237A (zh) | 基于双区域图像采集进行风速调节的油烟机 | |
CN104978734B (zh) | 前景图像的提取方法及装置 | |
CN104253994A (zh) | 一种基于稀疏编码融合的夜间监控视频实时增强方法 | |
CN108154488B (zh) | 一种基于显著图像块分析的图像运动模糊去除方法 | |
CN110319933A (zh) | 一种基于cam02-ucs色貌模型的光源光谱优化方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190906 |