CN110473213A - 一种基于先验点阵的铁谱图像分割方法、装置及系统 - Google Patents
一种基于先验点阵的铁谱图像分割方法、装置及系统 Download PDFInfo
- Publication number
- CN110473213A CN110473213A CN201910757523.3A CN201910757523A CN110473213A CN 110473213 A CN110473213 A CN 110473213A CN 201910757523 A CN201910757523 A CN 201910757523A CN 110473213 A CN110473213 A CN 110473213A
- Authority
- CN
- China
- Prior art keywords
- image
- dot matrix
- iron
- priori
- segmentation
- 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
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
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10024—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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明属于磨粒图像的分割领域,具体为一种基于先验点阵的铁谱图像分割方法、装置及系统;方法包括对铁谱图像进行RGB色彩通道分离;选择伽马变换系数,对铁谱图像进行伽马变换;创建RGB先验图像,在先验图像上增加点阵;将先验点阵图像转换为二值化点阵图像;将伽马变换后的图像与先验点阵图像进行叠加;将叠加图像由RGB转换到Lab,提取出a、b色彩通道分量,并进行Kmeans聚类,获得粗分割的二值化图像;将其与二值化点阵图像相减,去除点阵,得到铁谱粗分割图像;将铁谱粗分割图像进行形态学操作,并与铁谱粗分割图像叠加,完成磨粒图像的最终分割。本发明实现了铁谱图像的自动分割,分割精度高,满足磨粒分割要求。
Description
技术领域
本发明属于磨粒图像的分割领域,特别涉及对于光照不均匀的磨粒图像分割问题,具体为一种基于先验点阵的铁谱图像分割方法、装置及系统。
背景技术
在油液磨粒识别的故障诊断中,磨粒图像通过显微成像方式获得,而成像系统的光源一般为点光源,造成图像中心区域的亮度大于边缘区域亮度。对于光照亮度较低的区域,采集的磨粒图像中磨粒与背景的差异很小,通常出现磨粒与背景融为一体,无法将磨粒识别出来的情况。
目前,中国专利CN103886579B中提出了一种面向在线铁谱图像自动识别的磨粒链自适应分割方法,该方法通过将铁谱传感器提供的透射光和反射光图像进行预处理,将处理后的反射光图像进行多尺度二值形态学分割,针对每条磨粒链采用腐蚀-膨胀算法实现对大小磨粒的分割,获得二值分割线,将二值分割线叠加到原始图像,即可确定出分割后的磨粒图像;但是该方法中的反射图像和投射光图像中背景差异很小,将磨粒从背景区域中识别出来存在很大的困难,因此需要解决铁谱图像在光照不均匀的情况下的磨粒分割问题。
发明内容
本发明针对光照不均匀的磨粒图像,研究磨粒快速分割算法,提出了一种基于先验点阵的铁谱图像分割方法,所述方法包括以下步骤:
S1、获取原始铁谱图像,将铁谱图像的RGB色彩通道进行分离,并获取背景通道的灰度均值;
S2、根据背景通道的均值进行伽马变换,对磨粒图像调整对比度;
S3、创建一个与原始铁谱图像尺寸相同的RGB先验图像,在先验图像上增加点阵,形成先验点阵图像;并将先验点阵图像转换为二值化点阵图像;
S4、将伽马变换后的原始铁谱图像与所述先验点阵图像进行叠加;
S5、将叠加图像由RGB颜色空间转换到Lab颜色空间,将叠加图像的Lab色彩通道进行分离,提取出a、b色彩通道分量;
S6、对a、b色彩通道分量进行聚类,获得粗分割的二值化图像;
S7、将粗分割的二值化图像与二值化点阵图像相减,去除点阵,得到磨粒粗分割图像;
S8、将磨粒粗分割图像进行形态学操作,将得到的图像与磨粒粗分割图像叠加,完成磨粒图像的最终分割。
进一步的,所述步骤S2包括将分割的磨粒图像求其背景通道均值,将其均值与10作对比,大于10进行伽马变换增强对比度;小于10,则降低对比度。
进一步的,所述步骤S3中先验点阵图像包括创建一个RGB颜色空间的空图像,其与铁谱图像尺寸相同;在这个空图像上添加点阵,每个点的形状相同,大小相同,且均匀分布,在空图像上每隔一定距离创建一个点,得到先验点阵图像。
可选的,每隔的一定距离可以为每10行每10列、也可以为每20行每20列、也可以为每30行每30列,一般来说采用均匀分布的方式;当然极少数情况下,也可以为每10行每15列等等。
优选的,选择每个点的形状为正方形。
优选的,选择每个点的大小为1.0px×1.0px。
优选的,在空图像上每隔的距离为每10行每10列。
进一步的,所述步骤S8中,形态学操作包括选择卷积核为n×n的实心正方形,通过膨胀一次来消除图像中孔洞,进行腐蚀两次来缩小边界;将形态学操作后的图像与粗分割原图像相叠加,保证边界信息的完整性,获得磨粒图像最终分割结果,n={1,2,...,5}。
优选的,n=1px或者5px。
更优选的,n=3px。
本发明还提出了一种基于先验点阵的铁谱图像分割装置,包括:
获取模块,用于获取多个待分割的原始铁谱图像;
RGB通道处理模块,用于对待分割的原始铁谱图像进行RGB通道分离;
伽马处理模块,用于对通道分离后的原始铁谱图像进行伽马变换;
先验点阵构建模块,用于根据原始铁谱图像,构建出相应的先验点阵图像;
二值化处理模块,用于对先验点阵图像进行二值化处理,并形成二值化点阵图像;
叠加处理模块,用于将伽马变换后的图像与先验点阵图像进行叠加处理;
Lab通道处理模块,用于对叠加处理后的图像进行Lab通道分离;
聚类模块,用于对分离后的a、b色彩通道分量进行聚类;
相减处理模块,用于对聚类处理后的图像与二值化点阵图像进行相减;
形态学分割模块,用于对相减后的图像进行膨胀和腐蚀处理。
另外,本发明还一种基于先验点阵的铁谱图像分割系统,包括:
油液磨粒装置,
显微成像装置,用于通过显微成像方式获得油液磨粒装置中铁谱仪谱片的原始铁谱图像;
电子设备,所述电子设备与显微成像装置连接,并且所述电子设备包括存储装置和处理器,其中所述存储装置用于存储一个或多个程序,当所述一个或多个程序被所述处理器执行时,使得所述处理器实现本发明提出的图像分割方法,以对所述原始铁谱图像进行分割。
本发明提供了一种针对光照不均匀磨粒图像,基于先验点阵的铁谱图像分割方法,整个过程包括伽马变换、创建先验点阵图像、a和b色彩通道聚类、形态学操作等步骤。具有以下有益效果:
1.本发明实现了磨粒图像的自动分割,分割精度高,满足磨粒分割要求。
2.本发明解决了在光照不均匀的条件下磨粒分割问题。
附图说明
图1为本发明基于先验点阵的铁谱图像分割方法的流程图;
图2为本实施例采用的原始铁谱图像;
图3为本实施例中采用伽马变换后的铁谱图像;
图4为本实施例中采用的先验点阵图像;
图5为本实施例中将伽马变换后的铁谱图像与先验点阵图像进行叠加的图像;
图6为本实施例中采用Kmeans聚类后的铁谱图像;
图7为本实施例中获得粗分割铁谱图像;
图8为本实施中最终获得的铁谱分割图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
如图1所示,本发明提出了一种基于先验点阵的铁谱图像分割方法,其过程可以包括:
将铁谱图像进行通道分离,获取得到背景通道的均值;
按照背景通道均值进行伽马变换,从而提高铁谱图像的对比度;
另一方面,构建出先验点阵图像,将先验点阵图像与伽马变换后得图像进行叠加;
将叠加后的图像转换到Lab颜色空间,并提取出a、b分量,对a、b分量进行聚类,聚类方式选择kmeans聚类,当然也可以为其他聚类方式;
对先验点阵图像二值化,获得二值化点阵图像;
将二值化点阵图像与Kmeans聚类后的图像进行相减;可以直接获得分割结果,即粗分割的铁谱图像;
进一步的,对相减图像即粗分割的铁谱图像进行膨胀和腐蚀处理,最终获得分割结果即为细分割后的铁谱图像。
在一个实施例中,如图2所示,图2是本实施例进行分割的原始铁谱图像,图片中背景颜色为绿色,且光照分布不均匀,中间亮度高,左右两侧亮度低。图像为RGB颜色空间格式,分辨率尺寸为640px×480px。
1)将原始磨粒图像的R、G、B色彩通道进行分离,图像背景颜色为绿色,则计算绿色通道B的均值为68.054。根据均值68.054选择伽马变换系数为0.62进行伽马变换,其结果如图3所示,提高了磨粒图像对比度;
2)创建一个RGB颜色空间的空图像,与磨粒图像尺寸相同为680px×480px。在这个图像上添加点阵,每个点的形状为正方形,大小为1px×1px;点阵为均匀分布,在图像上每隔10行10列创建一个点,得到先验点阵图像,创建结果为图4所示。同时把先验点阵图像转换成二值化的点阵图像;
3)将伽马变换后的铁谱图像与先验点阵图像相加,即将图2与图3叠加,其结果为图5。
4)将图5由RGB颜色空间转换到Lab颜色空间,然后把L、a、b三个色彩通道分离,提取a、b色彩通道分量,对a、b色彩通道分量采用Kmeans聚类方式进行聚类,获得二值化的分割图像,如图6所示。图6中包含先验点阵,此时的图像中磨粒为黑色,背景为白色。
5)将图7与二值化点阵图像相减,去除点阵,再将颜色反转,获得磨粒粗分割图像,其结果如图7所示。
6)将图7所示的粗分割图像进行形态学操作,形态学操作的卷积核选择3px×3px实心正方形,先通过膨胀一次来消除图像中孔洞,再进行腐蚀两次来缩小边界;将形态学操作后的图像与粗分割原图像图7相叠加,保证边界信息的完整性,获得磨粒图像最终分割结果,如图8所示,完成对光照不均匀的铁谱图像的磨粒分割。
本发明还提出了一种基于先验点阵的铁谱图像分割装置,包括:
获取模块,用于获取多个待分割的原始铁谱图像;
RGB通道处理模块,用于对待分割的原始铁谱图像进行RGB通道分离;
伽马处理模块,用于对通道分离后的原始铁谱图像进行伽马变换;
先验点阵构建模块,用于根据原始铁谱图像,构建出相应的先验点阵图像;
二值化处理模块,用于对先验点阵图像进行二值化处理,并形成二值化点阵图像;
叠加处理模块,用于将伽马变换后的图像与先验点阵图像进行叠加处理;
Lab通道处理模块,用于对叠加处理后的图像进行Lab通道分离;
聚类模块,用于对分离后的a、b色彩通道分量进行聚类;
相减处理模块,用于对聚类处理后的图像与二值化点阵图像进行相减;
形态学分割模块,用于对相减后的图像进行膨胀和腐蚀处理。
另外,本发明还一种基于先验点阵的铁谱图像分割系统,包括:
油液磨粒装置,可以包括铁谱仪谱片,多轴驱动机以及控制仪;其中铁谱仪谱片由多轴驱动机进行驱动,控制仪通过控制多轴驱动机对铁谱仪谱片进行控制;
显微成像装置,用于通过显微成像方式获得油液磨粒装置中铁谱仪谱片的原始铁谱图像;
作为另一种实现方式,铁谱仪谱片图像还可以通过OLVF在线可视铁谱仪获取。
电子设备,所述电子设备与显微成像装置连接,并且所述电子设备包括存储装置和处理器,其中所述存储装置用于存储一个或多个程序,当所述一个或多个程序被所述处理器执行时,使得所述处理器实现本发明提出的图像分割方法,以对所述原始铁谱图像进行分割。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
以上所举实施例,对本发明的目的、技术方案和优点进行了进一步的详细说明,所应理解的是,以上所举实施例仅为本发明的优选实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于先验点阵的铁谱图像分割方法,其特征在于,所述方法包括以下步骤:
S1、获取原始铁谱图像,将铁谱图像的RGB色彩通道进行分离,并获取背景通道的灰度均值;
S2、根据背景通道的均值进行伽马变换,对铁谱图像调整对比度;
S3、创建一个与原始铁谱图像尺寸相同的RGB先验图像,在先验图像上增加点阵,形成先验点阵图像;并将先验点阵图像转换为二值化点阵图像;
S4、将伽马变换后的原始铁谱图像与所述先验点阵图像进行叠加;
S5、将叠加图像由RGB颜色空间转换到Lab颜色空间,将叠加图像的Lab色彩通道进行分离,提取出a、b色彩通道分量;
S6、对a、b色彩通道分量进行聚类,获得粗分割的二值化图像;
S7、将粗分割的二值化图像与二值化点阵图像相减,去除点阵,得到铁谱粗分割图像;
S8、将铁谱粗分割图像进行形态学操作,将得到的图像与铁谱粗分割图像叠加,完成铁谱图像的最终分割。
2.根据权利要求1所述的一种基于先验点阵的铁谱图像分割方法,其特征在于,所述步骤S2包括将分割的磨粒图像求其背景通道均值,将其均值与10作对比,大于10进行伽马变换增强对比度;小于10,则降低对比度。
3.根据权利要求1所述的一种基于先验点阵的铁谱图像分割方法,其特征在于,所述步骤S3中先验点阵图像包括创建一个RGB颜色空间的空图像,其与铁谱图像尺寸相同;在这个空图像上添加点阵,每个点的形状相同,大小相同,且均匀分布,在空图像上每隔一定距离创建一个点,得到先验点阵图像。
4.根据权利要求1所述的一种基于先验点阵的铁谱图像分割方法,其特征在于,所述步骤S8中,形态学操作包括选择卷积核为n×n的实心正方形,通过膨胀一次来消除图像中孔洞,进行腐蚀两次来缩小边界;将形态学操作后的图像与粗分割原图像相叠加,保证边界信息的完整性,获得磨粒图像最终分割结果,n={1,2,...,5}。
5.一种基于先验点阵的铁谱图像分割装置,其特征在于,包括:
获取模块,用于获取多个待分割的原始铁谱图像;
RGB通道处理模块,用于对待分割的原始铁谱图像进行RGB通道分离;
伽马处理模块,用于对通道分离后的原始铁谱图像进行伽马变换;
先验点阵构建模块,用于根据原始铁谱图像,构建出相应的先验点阵图像;
二值化处理模块,用于对先验点阵图像进行二值化处理,并形成二值化点阵图像;
叠加处理模块,用于将伽马变换后的图像与先验点阵图像进行叠加处理;
Lab通道处理模块,用于对叠加处理后的图像进行Lab通道分离;
聚类模块,用于对分离后的a、b色彩通道分量进行聚类;
相减处理模块,用于对聚类处理后的图像与二值化点阵图像进行相减;
形态学分割模块,用于对相减后的图像进行膨胀和腐蚀处理。
6.一种基于先验点阵的铁谱图像分割系统,其特征在于,包括:
油液磨粒装置,
显微成像装置,用于通过显微成像方式获得油液磨粒装置中的原始铁谱图像;
电子设备,所述电子设备与显微成像装置连接,并且所述电子设备包括存储装置和处理器,其中所述存储装置用于存储一个或多个程序,当所述一个或多个程序被所述处理器执行时,使得所述处理器实现权利要求1~5任一所述的图像分割方法,以对所述原始铁谱图像进行分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910757523.3A CN110473213B (zh) | 2019-08-16 | 2019-08-16 | 一种基于先验点阵的铁谱图像分割方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910757523.3A CN110473213B (zh) | 2019-08-16 | 2019-08-16 | 一种基于先验点阵的铁谱图像分割方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110473213A true CN110473213A (zh) | 2019-11-19 |
CN110473213B CN110473213B (zh) | 2021-08-10 |
Family
ID=68510129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910757523.3A Active CN110473213B (zh) | 2019-08-16 | 2019-08-16 | 一种基于先验点阵的铁谱图像分割方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473213B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337072A (zh) * | 2013-06-19 | 2013-10-02 | 北京航空航天大学 | 一种基于纹理与几何属性联合模型的室内对象解析方法 |
CN103679624A (zh) * | 2013-10-30 | 2014-03-26 | 北京航空航天大学 | 一种基于灰度图像光水印的防扫描复印方法 |
CN103886579A (zh) * | 2013-12-11 | 2014-06-25 | 西安交通大学 | 面向在线铁谱图像自动识别的磨粒链自适应分割方法 |
US20160063739A1 (en) * | 2014-08-26 | 2016-03-03 | Technion Research & Development Foundation Limited | Exploiting similarity in adjacent slices for compressed sensing mri |
CN105758862A (zh) * | 2016-01-26 | 2016-07-13 | 西安交通大学 | 一种基于磨粒图像颜色提取的在线氧化磨损状态监测方法 |
CN106652885A (zh) * | 2016-09-29 | 2017-05-10 | 南京宇丰晔禾信息科技有限公司 | 一种基于图像处理的led显示屏节能方法 |
CN107967690A (zh) * | 2016-10-19 | 2018-04-27 | 中国石油天然气股份有限公司 | 一种自适应铁谱磨粒图像二值化处理方法 |
CN108389216A (zh) * | 2018-02-06 | 2018-08-10 | 西安交通大学 | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 |
-
2019
- 2019-08-16 CN CN201910757523.3A patent/CN110473213B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337072A (zh) * | 2013-06-19 | 2013-10-02 | 北京航空航天大学 | 一种基于纹理与几何属性联合模型的室内对象解析方法 |
CN103679624A (zh) * | 2013-10-30 | 2014-03-26 | 北京航空航天大学 | 一种基于灰度图像光水印的防扫描复印方法 |
CN103886579A (zh) * | 2013-12-11 | 2014-06-25 | 西安交通大学 | 面向在线铁谱图像自动识别的磨粒链自适应分割方法 |
US20160063739A1 (en) * | 2014-08-26 | 2016-03-03 | Technion Research & Development Foundation Limited | Exploiting similarity in adjacent slices for compressed sensing mri |
CN105758862A (zh) * | 2016-01-26 | 2016-07-13 | 西安交通大学 | 一种基于磨粒图像颜色提取的在线氧化磨损状态监测方法 |
CN106652885A (zh) * | 2016-09-29 | 2017-05-10 | 南京宇丰晔禾信息科技有限公司 | 一种基于图像处理的led显示屏节能方法 |
CN107967690A (zh) * | 2016-10-19 | 2018-04-27 | 中国石油天然气股份有限公司 | 一种自适应铁谱磨粒图像二值化处理方法 |
CN108389216A (zh) * | 2018-02-06 | 2018-08-10 | 西安交通大学 | 面向在线铁谱图像磨粒识别的局部自适应阈值分割方法 |
Non-Patent Citations (4)
Title |
---|
LENG HAN等: "Segmentation of Online Ferrograph Images with Strong Interference Based on Uniform Discrete Curvelet Transformation", 《SENSORS》 * |
SONG FENG等: "A Wear Debris Segmentation Method for Direct Reflection Online Visual Ferrography", 《SENSORS》 * |
詹松: "磨损磨粒的计算机识别分析系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
金路 等: "基于形态学算法分割铁谱图像研究", 《机械制造与自动化》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110473213B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110246108B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN108416377B (zh) | 柱状图中的信息提取方法及装置 | |
EP3206185B1 (en) | Image processing method, image processing device and display device | |
Ganesan et al. | Segmentation and edge detection of color images using CIELAB color space and edge detectors | |
EP2030172B1 (en) | Method and apparatus for volume rendering using depth weighted colorization | |
CN108470350B (zh) | 折线图中的折线分割方法及装置 | |
US8577150B2 (en) | System and method for removing specularity from an image | |
US9898953B2 (en) | Offset method and equipment of RGBW panel subpixel | |
CN105069801A (zh) | 基于图像质量诊断的视频图像预处理方法 | |
US8559714B2 (en) | Post processing for improved generation of intrinsic images | |
CN105550989B (zh) | 基于非局部高斯过程回归的图像超分辨方法 | |
CN104200431A (zh) | 图像灰度化的处理方法及处理装置 | |
CN104574328A (zh) | 一种基于直方图分割的彩色图像增强方法 | |
JP4281135B2 (ja) | 画質改善方法及び画質改善装置 | |
CN113129390B (zh) | 一种基于联合显著性的色盲图像重新着色方法及系统 | |
JPH10149441A (ja) | 画像処理方法、及びその装置 | |
CN103729836A (zh) | 基于多尺度变换和可能性理论的多波段图像融合方法 | |
JP2006133990A (ja) | 画像処理装置 | |
JP7171549B2 (ja) | 画像解析評価方法、コンピュータプログラム、画像解析評価装置 | |
CN110348442A (zh) | 一种基于支持向量机的船载雷达图像海上油膜识别方法 | |
US8428352B1 (en) | Post processing for improved generation of intrinsic images | |
CN110473213A (zh) | 一种基于先验点阵的铁谱图像分割方法、装置及系统 | |
EP2776979B1 (en) | Post processing for improved generation of intrinsic images | |
CN105654541B (zh) | 窗口图像处理方法和装置 | |
JP7005477B2 (ja) | 画像処理装置、画像処理方法、及びプログラム |
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 |