CN110473148B - 计算机质量判断系统 - Google Patents
计算机质量判断系统 Download PDFInfo
- Publication number
- CN110473148B CN110473148B CN201910042123.4A CN201910042123A CN110473148B CN 110473148 B CN110473148 B CN 110473148B CN 201910042123 A CN201910042123 A CN 201910042123A CN 110473148 B CN110473148 B CN 110473148B
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- barrel distortion
- equipment
- receiving
- 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
- 238000012545 processing Methods 0.000 claims abstract description 97
- 238000009499 grossing Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000001914 filtration Methods 0.000 claims description 26
- 239000012634 fragment Substances 0.000 claims description 24
- 238000010606 normalization Methods 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 19
- 238000003706 image smoothing Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000000034 method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种计算机质量判断系统，包括：计算机主体，包括硬盘、并行输入接口、串行输入接口和显示屏，所述硬盘与所述并行输入接口连接；平滑设备，用于接收对所述显示屏抓屏所获得的即时抓拍图像，确定所述即时抓拍图像中的背景复杂度。本发明的计算机质量判断系统设计合理、数据可靠。由于在高精度图像处理的基础上，基于像素值与邻域像素值之差超限的像素点的数量确定对应的显示屏质量等级，从而为显示屏的实时质量的判断提供重要参考依据，便于采取延长显示屏寿命的相应措施。
Description
技术领域
本发明涉及计算机领域，具体地说，本发明涉及一种计算机质量判断系统。
背景技术
当前，计算机的应用越来越广泛，计算机网络是由一些独立的和具备信息交换能力的计算机互联构成，以实现资源共享的系统。计算机在网络方面的应用使人类之间的交流跨越了时间和空间障碍。计算机网络已成为人类建立信息社会的物质基础，它给我们的工作带来极大的方便和快捷，如在全国范围内的银行信用卡的使用、火车和飞机票系统的使用等。可以在全球最大的互联网络即Internet上进行浏览、检索信息、收发电子邮件、阅读书报、玩网络游戏、选购商品、参与众多问题的讨论、实现远程医疗服务等。
发明内容
本发明的目的是提供一种计算机质量判断系统，包括：计算机主体，包括硬盘、并行输入接口、串行输入接口和显示屏，所述硬盘与所述并行输入接口连接；平滑设备，用于接收对所述显示屏抓屏所获得的即时抓拍图像，确定所述即时抓拍图像中的背景复杂度，基于所述背景复杂度确定对所述即时抓拍图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述即时抓拍图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片随机噪声的平滑处理操作以获得各个平滑碎片，图像碎片随机噪声越大，对图像碎片执行的平滑处理操作强度越大，将各个平滑碎片进行组合以获得平滑组合图像；轮廓分析设备，与所述平滑设备连接，用于接收所述平滑组合图像，获取所述平滑组合图像中每一个像素点的像素值，基于周围像素点的像素值确定像素点是否为边缘像素点，基于所述平滑组合图像中的各个边缘像素点在所述平滑组合图像中组合成一个或多个目标轮廓区域；归一化处理设备，与所述轮廓分析设备连接，用于接收所述一个或多个目标轮廓区域，对每一个目标轮廓区域进行归一化处理以获得面积为预设固定面积的归一化区域；区域处理设备，与所述归一化处理设备连接，用于接收一个或多个归一化区域，将所述一个或多个归一化区域的形心放置在同一位置以实现对所述一个或多个归一化区域的重叠操作，并对重叠后的形状进行拟合以获得拟合处理图案；窗口解析设备，与所述区域处理设备连接，用于接收所述拟合处理图案，并基于所述平滑组合图像的即时解析度对所述拟合处理图案进行相应缩小处理以获得对应的滤波窗口；滤波处理设备，分别与所述轮廓分析设备和所述窗口解析设备连接，用于接收所述滤波窗口，并采用所述滤波窗口对所述平滑组合图像执行对应的中值滤波处理，以获得并输出窗口处理图像；解析度采集设备，用于接收所述平滑组合图像，还用于与所述窗口解析设备连接，对所述平滑组合图像进行解析度采集，以获得所述平滑组合图像的即时解析度；图像平滑设备，与所述滤波处理设备连接，用于接收所述窗口处理图像，对所述窗口处理图像执行图像平滑处理，以获得对应的平滑处理图像；桶形失真校正设备，与所述图像平滑设备连接，用于接收所述平滑处理图像，对所述平滑处理图像执行桶形失真校正操作，以获得对应的桶形失真校正图像；分块提取设备，与所述桶形失真校正设备连接，用于对桶形畸变度达标的莱娜图和所述桶形失真校正图像执行相同图像分块大小的图像分块处理，以获得所述莱娜图的各个图像分块以及所述桶形失真校正图像的各个分块，提取所述莱娜图的各个图像分块的中间位置的图像分块以作为第一图像分块，以及所述桶形失真校正图像的各个图像分块的中间位置的图像分块以作为第二图像分块；信号触发设备，与所述分块提取设备连接，用于在所述第二图像分块的桶形畸变度小于等于第一图像分块的桶形畸变度时，发出第一触发信号，还用于在所述第二图像分块的桶形畸变度大于第一图像分块的桶形畸变度时，发出第二触发信号。
本发明至少具备以下几处重要的发明点：
（1）在高精度图像处理的基础上，基于像素值与邻域像素值之差超限的像素点的数量确定对应的显示屏质量等级，从而为显示屏的实时质量的判断提供重要参考依据；
（2）将畸变度达标的莱娜图与桶形失真校正后的图像进行特定位置图像分块的畸变度比较，以基于畸变度的倍数关系自适应确定对桶形失真校正后图像再执行桶形失真校正的次数，以保证图像桶形失真校正效果；
（3）对图像中每一个目标轮廓区域进行归一化处理以获得面积为预设固定面积的归一化区域，将所述一个或多个归一化区域的形心放置在同一位置以实现对所述一个或多个归一化区域的重叠操作，并对重叠后的形状进行拟合以获得拟合处理图案，并基于所述高清图像的即时解析度对所述拟合处理图案进行相应缩小处理以获得对应的滤波窗口，从而提高图像滤波的针对性效果。
本发明的计算机质量判断系统设计合理、数据可靠。由于在高精度图像处理的基础上，基于像素值与邻域像素值之差超限的像素点的数量确定对应的显示屏质量等级，从而为显示屏的实时质量的判断提供重要参考依据，便于采取延长显示屏寿命的相应措施。
附图说明
图1为本发明的计算机质量判断系统的所应用的计算机主体的结构示意图。
具体实施方式
计算机显示屏（display）通常也被称为监视器。显示器是属于电脑的I/O设备，即输入输出设备。它是一种将一定的电子文件通过特定的传输设备显示到屏幕上再反射到人眼的显示工具。
根据制造材料的不同，计算机显示屏可分为：阴极射线管显示屏（CRT）、 等离子显示屏PDP、液晶显示屏LCD等。
当前，计算机显示屏的质量判断都是在出厂时进行设定的，而显示屏的使用是一个漫长的过程，如果在实际使用的每一个时刻都能够对显示屏的当前质量进行有效判断，则为显示屏的维护和保养提供重要参考数据，延长显示屏的寿命，然而，当前并没有这样的动态显示屏质量检测机制。
为了克服上述不足，本发明提供了一种计算机质量判断系统，能够有效解决相应的技术问题。
以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明的计算机质量判断系统的所应用的计算机主体的结构示意图。
一种计算机质量判断系统，包括：
计算机主体，包括硬盘、并行输入接口、串行输入接口和显示屏，所述硬盘与所述并行输入接口连接；
平滑设备，用于接收对所述显示屏抓屏所获得的即时抓拍图像，确定所述即时抓拍图像中的背景复杂度，基于所述背景复杂度确定对所述即时抓拍图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述即时抓拍图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片随机噪声的平滑处理操作以获得各个平滑碎片，图像碎片随机噪声越大，对图像碎片执行的平滑处理操作强度越大，将各个平滑碎片进行组合以获得平滑组合图像；
轮廓分析设备，与所述平滑设备连接，用于接收所述平滑组合图像，获取所述平滑组合图像中每一个像素点的像素值，基于周围像素点的像素值确定像素点是否为边缘像素点，基于所述平滑组合图像中的各个边缘像素点在所述平滑组合图像中组合成一个或多个目标轮廓区域；
归一化处理设备，与所述轮廓分析设备连接，用于接收所述一个或多个目标轮廓区域，对每一个目标轮廓区域进行归一化处理以获得面积为预设固定面积的归一化区域；
区域处理设备，与所述归一化处理设备连接，用于接收一个或多个归一化区域，将所述一个或多个归一化区域的形心放置在同一位置以实现对所述一个或多个归一化区域的重叠操作，并对重叠后的形状进行拟合以获得拟合处理图案；
窗口解析设备，与所述区域处理设备连接，用于接收所述拟合处理图案，并基于所述平滑组合图像的即时解析度对所述拟合处理图案进行相应缩小处理以获得对应的滤波窗口；
滤波处理设备，分别与所述轮廓分析设备和所述窗口解析设备连接，用于接收所述滤波窗口，并采用所述滤波窗口对所述平滑组合图像执行对应的中值滤波处理，以获得并输出窗口处理图像；
解析度采集设备，用于接收所述平滑组合图像，还用于与所述窗口解析设备连接，对所述平滑组合图像进行解析度采集，以获得所述平滑组合图像的即时解析度；
图像平滑设备，与所述滤波处理设备连接，用于接收所述窗口处理图像，对所述窗口处理图像执行图像平滑处理，以获得对应的平滑处理图像；
桶形失真校正设备，与所述图像平滑设备连接，用于接收所述平滑处理图像，对所述平滑处理图像执行桶形失真校正操作，以获得对应的桶形失真校正图像；
分块提取设备，与所述桶形失真校正设备连接，用于对桶形畸变度达标的莱娜图和所述桶形失真校正图像执行相同图像分块大小的图像分块处理，以获得所述莱娜图的各个图像分块以及所述桶形失真校正图像的各个分块，提取所述莱娜图的各个图像分块的中间位置的图像分块以作为第一图像分块，以及所述桶形失真校正图像的各个图像分块的中间位置的图像分块以作为第二图像分块；
信号触发设备，与所述分块提取设备连接，用于在所述第二图像分块的桶形畸变度小于等于第一图像分块的桶形畸变度时，发出第一触发信号，还用于在所述第二图像分块的桶形畸变度大于第一图像分块的桶形畸变度时，发出第二触发信号；
追加处理设备，与所述信号触发设备连接，用于在接收到所述第二触发信号时，将所述第二图像分块的桶形畸变度除以所述第一图像分块的桶形畸变度以获得相应的倍数，并基于所述倍数确定对所述桶形失真校正图像执行后续多次桶形失真校正处理的次数，以对所述桶形失真校正图像执行多次桶形失真校正处理，获得相应的追加处理图像；
增强处理设备，与所述追加处理设备连接，用于接收追加处理图像，并对追加处理图像执行自适应增强处理，以获得自适应增强图像，其中，对追加处理图像执行自适应增强处理包括：根据追加处理图像各个区域的对比度制定并执行相应的增强处理力度，其中，对比度越低，相应的增强处理力度越大；
膨胀腐蚀设备，与增强处理设备连接，用于接收自适应增强图像，对自适应增强图像执行图像膨胀处理后再执行图像腐蚀处理，以获得形态学图像；
参数分析设备，与膨胀腐蚀设备连接，用于接收形态学图像，并获取形态学图像中像素值与邻域像素值之差超限的像素点的数量，基于所述数量确定对应的显示屏质量等级。
接着，继续对本发明的计算机质量判断系统的具体结构进行进一步的说明。
所述计算机质量判断系统中：
在所述参数分析设备中，像素点的邻域像素值为像素点周围各个像素点的各个像素值的平均值。
所述计算机质量判断系统中：
在所述参数分析设备中，基于所述数量确定对应的显示屏质量等级包括：所述数量越多，确定的对应的显示屏质量等级越差。
所述计算机质量判断系统中：
在所述追加处理设备中，还用于在接收到所述第一触发信号时，将所述桶形失真校正图像作为追加处理图像。
所述计算机质量判断系统中：
在所述窗口解析设备中，基于所述平滑组合图像的即时解析度对所述拟合处理图案进行相应缩小处理以获得对应的滤波窗口包括：所述平滑组合图像的即时解析度越高，对所述拟合处理图案进行相应缩小的倍数越小。
所述计算机质量判断系统中：
在所述窗口解析设备中，基于所述平滑组合图像的解析度对所述拟合处理图案进行相应缩小处理以获得对应的滤波窗口包括：当所述拟合处理图案占据像素点小于等于9时，直接将所述拟合处理图案作为对应的滤波窗口。
所述计算机质量判断系统中：
在所述轮廓分析设备中，基于周围像素点的像素值确定像素点是否为边缘像素点包括：基于周围像素点的Y分量值确定像素点是否为边缘像素点。
所述计算机质量判断系统中：
在所述轮廓分析设备中，基于周围像素点的像素值确定像素点是否为边缘像素点包括：基于周围像素点的U分量值确定像素点是否为边缘像素点。
所述计算机质量判断系统中：
在所述轮廓分析设备中，基于周围像素点的像素值确定像素点是否为边缘像素点包括：基于周围像素点的V分量值确定像素点是否为边缘像素点。
另外，所述滤波处理设备采用的图像滤波模式，在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某些环节当输入的像素对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。对于数字图像信号，噪声表现为或大或小的极值，这些极值通过加减作用于图像像素的真实灰度值上，对图像造成亮、暗点干扰，极大降低了图像质量，影响图像复原、分割、特征提取、图像识别等后继工作的进行。要构造一种有效抑制噪声的滤波器必须考虑两个基本问题：能有效地去除目标和背景中的噪声;同时，能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种计算机质量判断系统，其特征在于，包括：
计算机主体，包括硬盘、并行输入接口、串行输入接口和显示屏，所述硬盘与所述并行输入接口连接；
平滑设备，用于接收对所述显示屏抓屏所获得的即时抓拍图像，确定所述即时抓拍图像中的背景复杂度，基于所述背景复杂度确定对所述即时抓拍图像进行平均分割的图像碎片数量，所述背景复杂度越高，对所述即时抓拍图像进行平均分割的图像碎片数量越多，对各个图像碎片分别执行基于图像碎片随机噪声的平滑处理操作以获得各个平滑碎片，图像碎片随机噪声越大，对图像碎片执行的平滑处理操作强度越大，将各个平滑碎片进行组合以获得平滑组合图像；
轮廓分析设备，与所述平滑设备连接，用于接收所述平滑组合图像，获取所述平滑组合图像中每一个像素点的像素值，基于周围像素点的像素值确定像素点是否为边缘像素点，基于所述平滑组合图像中的各个边缘像素点在所述平滑组合图像中组合成一个或多个目标轮廓区域；
归一化处理设备，与所述轮廓分析设备连接，用于接收所述一个或多个目标轮廓区域，对每一个目标轮廓区域进行归一化处理以获得面积为预设固定面积的归一化区域；
区域处理设备，与所述归一化处理设备连接，用于接收一个或多个归一化区域，将所述一个或多个归一化区域的形心放置在同一位置以实现对所述一个或多个归一化区域的重叠操作，并对重叠后的形状进行拟合以获得拟合处理图案；
窗口解析设备，与所述区域处理设备连接，用于接收所述拟合处理图案，并基于所述平滑组合图像的即时解析度对所述拟合处理图案进行相应缩小处理以获得对应的滤波窗口；
滤波处理设备，分别与所述轮廓分析设备和所述窗口解析设备连接，用于接收所述滤波窗口，并采用所述滤波窗口对所述平滑组合图像执行对应的中值滤波处理，以获得并输出窗口处理图像；
解析度采集设备，用于接收所述平滑组合图像，还用于与所述窗口解析设备连接，对所述平滑组合图像进行解析度采集，以获得所述平滑组合图像的即时解析度；
图像平滑设备，与所述滤波处理设备连接，用于接收所述窗口处理图像，对所述窗口处理图像执行图像平滑处理，以获得对应的平滑处理图像；
桶形失真校正设备，与所述图像平滑设备连接，用于接收所述平滑处理图像，对所述平滑处理图像执行桶形失真校正操作，以获得对应的桶形失真校正图像；
分块提取设备，与所述桶形失真校正设备连接，用于对桶形畸变度达标的莱娜图和所述桶形失真校正图像执行相同图像分块大小的图像分块处理，以获得所述莱娜图的各个图像分块以及所述桶形失真校正图像的各个分块，提取所述莱娜图的各个图像分块的中间位置的图像分块以作为第一图像分块，以及所述桶形失真校正图像的各个图像分块的中间位置的图像分块以作为第二图像分块；
信号触发设备，与所述分块提取设备连接，用于在所述第二图像分块的桶形畸变度小于等于第一图像分块的桶形畸变度时，发出第一触发信号，还用于在所述第二图像分块的桶形畸变度大于第一图像分块的桶形畸变度时，发出第二触发信号；
追加处理设备，与所述信号触发设备连接，用于在接收到所述第二触发信号时，将所述第二图像分块的桶形畸变度除以所述第一图像分块的桶形畸变度以获得相应的倍数，并基于所述倍数确定对所述桶形失真校正图像执行后续多次桶形失真校正处理的次数，以对所述桶形失真校正图像执行多次桶形失真校正处理，获得相应的追加处理图像；
增强处理设备，与所述追加处理设备连接，用于接收追加处理图像，并对追加处理图像执行自适应增强处理，以获得自适应增强图像，其中，对追加处理图像执行自适应增强处理包括：根据追加处理图像各个区域的对比度制定并执行相应的增强处理力度，其中，对比度越低，相应的增强处理力度越大；
膨胀腐蚀设备，与增强处理设备连接，用于接收自适应增强图像，对自适应增强图像执行图像膨胀处理后再执行图像腐蚀处理，以获得形态学图像；
参数分析设备，与膨胀腐蚀设备连接，用于接收形态学图像，并获取形态学图像中像素值与邻域像素值之差超限的像素点的数量，基于所述数量确定对应的显示屏质量等级。
2.如权利要求1所述的计算机质量判断系统，其特征在于：
在所述参数分析设备中，像素点的邻域像素值为像素点周围各个像素点的各个像素值的平均值。
3.如权利要求2所述的计算机质量判断系统，其特征在于：
在所述参数分析设备中，基于所述数量确定对应的显示屏质量等级包括：所述数量越多，确定的对应的显示屏质量等级越差。
4.如权利要求3所述的计算机质量判断系统，其特征在于：
在所述追加处理设备中，还用于在接收到所述第一触发信号时，将所述桶形失真校正图像作为追加处理图像。
5.如权利要求4所述的计算机质量判断系统，其特征在于：
在所述窗口解析设备中，基于所述平滑组合图像的即时解析度对所述拟合处理图案进行相应缩小处理以获得对应的滤波窗口包括：所述平滑组合图像的即时解析度越高，对所述拟合处理图案进行相应缩小的倍数越小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910042123.4A CN110473148B (zh) | 2019-01-17 | 2019-01-17 | 计算机质量判断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910042123.4A CN110473148B (zh) | 2019-01-17 | 2019-01-17 | 计算机质量判断系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110473148A CN110473148A (zh) | 2019-11-19 |
| CN110473148B true CN110473148B (zh) | 2020-09-29 |
Family
ID=68506691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910042123.4A Active CN110473148B (zh) | 2019-01-17 | 2019-01-17 | 计算机质量判断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110473148B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709922B (zh) * | 2020-06-10 | 2023-07-04 | 北京百度网讯科技有限公司 | 图像质量比较方法、装置、设备以及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292331A (zh) * | 2017-05-22 | 2017-10-24 | 浙江科技学院 | 基于无监督特征学习的无参考屏幕图像质量评价方法 |
| CN107507166A (zh) * | 2017-07-21 | 2017-12-22 | 华侨大学 | 一种基于支持向量回归的无参考屏幕图像质量评估方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7072512B2 (en) * | 2002-07-23 | 2006-07-04 | Microsoft Corporation | Segmentation of digital video and images into continuous tone and palettized regions |
| CN102290017A (zh) * | 2010-11-30 | 2011-12-21 | 广州杰赛科技股份有限公司 | 一种显示装置错点侦测方法及其系统 |
| CN106228532B (zh) * | 2016-07-05 | 2019-02-01 | 中科院成都信息技术股份有限公司 | 一种lcd屏幕亚像素级缺陷检测方法 |
| CN106504230B (zh) * | 2016-10-11 | 2019-02-26 | 华侨大学 | 基于相位一致性的全参考彩色屏幕图像质量评估方法 |
| CN107590804A (zh) * | 2017-09-14 | 2018-01-16 | 浙江科技学院 | 基于通道特征和卷积神经网络的屏幕图像质量评价方法 |
-
2019
- 2019-01-17 CN CN201910042123.4A patent/CN110473148B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292331A (zh) * | 2017-05-22 | 2017-10-24 | 浙江科技学院 | 基于无监督特征学习的无参考屏幕图像质量评价方法 |
| CN107507166A (zh) * | 2017-07-21 | 2017-12-22 | 华侨大学 | 一种基于支持向量回归的无参考屏幕图像质量评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110473148A (zh) | 2019-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108714003B (zh) | 基于灰度测量的固定桌面维护系统 | |
| CN110895806A (zh) | 屏幕显示缺陷的检测方法及系统 | |
| CN106780486B (zh) | 一种钢板表面缺陷图像提取方法 | |
| US8913842B2 (en) | Image smoothing method based on content-dependent filtering | |
| KR100485594B1 (ko) | 영상에서의 잡음을 제거하기 위한 잡음 처리 방법 및 그시스템 | |
| CN110490862B (zh) | 一种提高连铸探伤合格率的方法及装置 | |
| CN102063704B (zh) | 一种机载视景增强方法及其装置 | |
| CN106534972A (zh) | 一种无损缩放显示局部视频的方法及装置 | |
| CN115908269A (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
| CN110473148B (zh) | 计算机质量判断系统 | |
| US8179301B2 (en) | Image processor and image processing method for synthetic aperture radar | |
| CN102118547A (zh) | 图像加权滤波的方法 | |
| CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN113822814A (zh) | 利用大数据存储的环境辨识系统及方法 | |
| CN117147561A (zh) | 用于金属拉链的表面质量检测方法及系统 | |
| CN102915522A (zh) | 一种智能手机的名片提取系统及其实现方法 | |
| CN110942429B (zh) | 计算机质量判断方法 | |
| JP5745438B2 (ja) | 検査方法および検査装置 | |
| CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
| CN111836103B (zh) | 基于数据分析的防遮挡处理系统 | |
| CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
| Watson | Spatial standard observer | |
| US20060126136A1 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
| CN110896498A (zh) | 计算机场景特效系统 | |
| CN115880365A (zh) | 一种双工位自动螺丝拧装检测方法、系统及装置 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200828 Address after: 314200 room 3224, building 3, Pinghu international import commodity city, Xindai Town, Pinghu City, Jiaxing City, Zhejiang Province Applicant after: Pinghu kairongyi Machinery Technology Co.,Ltd. Address before: No.17, Yangzhuang Road, Huguan District, hi tech Zone, Suzhou, Jiangsu Applicant before: Zhang Hongmei |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |