CN110490885B - 改进的自适应阈值二值化方法及vin码字符分割方法 - Google Patents
改进的自适应阈值二值化方法及vin码字符分割方法 Download PDFInfo
- Publication number
- CN110490885B CN110490885B CN201910788843.5A CN201910788843A CN110490885B CN 110490885 B CN110490885 B CN 110490885B CN 201910788843 A CN201910788843 A CN 201910788843A CN 110490885 B CN110490885 B CN 110490885B
- Authority
- CN
- China
- Prior art keywords
- image
- rectangular area
- value
- vin code
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000011218 segmentation Effects 0.000 title claims abstract description 35
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20004—Adaptive image processing
Abstract
本发明提供了一种改进的自适应阈值二值化方法及VIN码字符分割方法，包括以下步骤：在图像中设定矩形区域，计算矩形区域内的阈值，利用阈值对矩形区域中的每个像素点进行二值化处理；沿预设方向，等距移动矩形区域，移动多次，直到图像中的所有像点均在矩形区域中出现过；每次移动所述矩形区域，均计算当前矩形区域内图像点的阈值，并利用该阈值对每个像素点进行二值化处理；对经过二值化处理的待定点进行再次标记；完成整幅图像的二值化处理，本方法对于局部过曝，对比度不均匀的图像分割，准确率高，实时性好，适用于汽车VIN码的字符分割。
Description
技术领域
本发明涉及图像分割领域，具体涉及一种改进的自适应阈值二值化方法及VIN码字符分割方法。
背景技术
图像分割是由图像处理到图像分析的关键步骤，现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等，理想情况下图像分割，图像的曝光度控制在合理的范围、对比度强，亮度适中，图像分割效果明显，但实际采集的图像由于光照、被测物材质的影响，容易出现过度曝光、图像的灰度不均匀分布、图像噪点等影响因素，如对汽车VIN码的字符分割，由于VIN码是采用冲压的方式打在汽车钢架上的编码，它的字符笔划非常细，字符笔划与背景区分度易受打光角度影响、字符之间易受油污、划痕等噪声干扰，极易出现VIN码二值化图像中字符断连或字符粘连的现象，这就导致传统的字符分割方法在汽车白车身VIN码字符分割上无法取得较好的效果。
发明内容
针对上述问题，本发明提供了一种改进的自适应阈值二值化方法及VIN码字符分割方法，本方法对现有自适应阈值二值化方法进行改进，对于局部过曝，对比度不均匀的图像分割，准确率高，实时性好。
为此，本发明的技术方案如下：
一种改进的自适应阈值二值化方法，包括以下步骤：
在图像中设定矩形区域，计算矩形区域内的阈值T：
其中，w为矩形区域的短边长度值，h为矩形区域的长边长度值；qij为矩形区域中像素点(i,j)的权重，qij＝0～1，p(i,j)为像素点(i,j)对应的灰度值；t为可调参量，取值0～1；
利用阈值T对矩形区域中的每个像素点进行二值化处理；
得到二值化后的灰度信息p′(i,j)；
即：
沿预设方向，等距移动矩形区域，移动多次，直到图像中的所有像点均在矩形区域中出现过；
每次移动所述矩形区域，均计算当前矩形区域内图像点的阈值，并利用该阈值对每个像素点进行二值化处理；
记在不同矩形区域内出现的同一像点为待定点，判断所述待定点在当前移动的矩形区域与另一矩形区域中的灰度值是否均为0，若均为0，则将该待定点的灰度值记为0，否则，记为255；对所有待定点进行灰度值标记，完成整幅图像的二值化处理。
一种基于改进的自适应阈值二值化方法的VIN码字符分割方法，包括以下步骤：
1)采集白车身上的VIN码图像，对图像进行预处理；
2)对预处理后的VIN码图像进行自适应二值化处理：
①在VIN码图像中设定矩形区域，计算矩形区域内的阈值T：
其中，w为矩形区域的短边长度值，w＝(0.8～1.1)a，a为VIN码中单个字符的宽度，h为矩形区域的长边长度值；qij为矩形区域中像素点(i,j)的权重，qij＝0～1，p(i,j)为像素点(i,j)对应的灰度值；t为可调参量，取值0～1；
②利用阈值T对矩形区域中的每个像素点进行二值化处理；
③沿预设方向，等距移动矩形区域，移动多次，直到VIN码图像中的所有像点均在矩形区域中出现过；
每次移动所述矩形区域，均计算当前矩形区域内图像点的阈值，并利用该阈值对每个像素点进行二值化处理；
记在不同矩形区域内出现的同一像点为待定点，判断所述待定点在当前移动的矩形区域与另一矩形区域中的灰度值是否均为0，若均为0，则将该待定点的灰度值记为0，否则，记为255；对所有待定点进行灰度值标记，完成整幅图像的二值化处理。
3)对图像进行连通域标记，获得连通域的最小外接矩形，依照图像坐标顺序对连通域进行排序，得到分割后的VIN码字符区域。
优选，h＝(5～7)w，t＝0.1～0.4。
进一步，矩形区域中间像素点的权重qij高于边缘像素点的权重qij。
进一步，所述预设方向为图像水平方向，当水平移动的矩形区域布满图像的一行时，将矩形区域向图像竖直方向移动一个步长，再继续沿图像水平方向移动；或者，所述预设方向为图像竖直方向，当竖直移动的矩形区域布满图像的一列时，将矩形区域向图像水平方向移动一个步长，再继续沿图像竖直方向移动。
优选，所述h＝20～50像素。进一步，步骤1)对图像进行预处理，包括：VIN码感兴趣区域提取、图像增强、去噪处理。
进一步，步骤2)之后，先对二值化后的图像进行形态学处理，再进行步骤3)。进一步，步骤3)中，获得连通域的最小外接矩形之前，还包括以下步骤：
对连通域的宽度/面积进行判断，将宽度/面积值小于第一预设值的连通域标记为断开连通域；计算相邻两个断开连通域之间距离，若距离值小于预设值，则将此两个连通域记为同一单字符连通域；否则，分别记为两个单字符连通域；
第一预设值为单个字符理论宽度/面积值的0.5～0.8倍；
将宽度值大于第二预设值的连通域标记为粘连区域；对粘连区域做进一步分割，得到两个单字符连通域；
第二预设值为单个字符理论宽度/面积值的1.4～1.8倍；
进一步，所述对粘连区域做进一步分割，采用滴水下落方法或直方图投影法；或者，先利用直方图投影法进行初步分割，再利用滴水下落方法做再次分割；
直方图投影法对粘连区域进行垂直投影，得到粘连区域的垂直投影统计直方图，在所述直方图中寻找谷底点，以所述谷底点为分割点，得到分割路径，对粘连区域进行分割。
滴水下落方法模拟水滴从高处向低处滴落的过程来对粘连字符进行切分，水滴从字符串顶部在重力的作用下，沿着字符轮廓向下滴落或水平滚动，当水滴陷在轮廓的凹处时，将渗漏到字符笔划中，经穿透笔划后继续滴落，最终水滴所经过的轨迹就构成了字符的分割路径。
本方法对现有自适应阈值二值化方法进行了改进，克服了金属表面VIN码图像过度曝光，导致字符笔划断连、分割不准确的问题；本方法对于局部过曝，对比度不均匀的图像分割，准确率高。
附图说明
图1为实施例中qij的取值示意图；
图2为矩形区域等距移动示意图；
图3实施例中VIN码二值化效果图(a)及分割后的效果图(b)；
图4为VIN码字符“SU”原图像(a)、分别采用大律法(b)、本发明方法(c)处理得到的二值化效果图。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种基于改进的自适应阈值二值化方法的VIN码字符分割方法，包括以下步骤：
1)采集白车身上的VIN码图像，对图像进行预处理：对VIN码感兴趣区域提取、对感兴趣区域的VIN码图像图像增强、去噪处理。
2)对预处理后的VIN码图像进行自适应二值化处理：
①在VIN码图像中设定矩形区域，计算矩形区域内的阈值T：
其中，w为矩形区域的短边长度值，w＝a，a为VIN码中单个字符的宽度，h为矩形区域的长边长度值；qij为矩形区域中像素点(i,j)的权重，qij＝0～1，p(i,j)为像素点(i,j)对应的灰度值；t为可调参量，取值0.4；
本实施例中，w＝3Pixel、h＝25Pixel,qij的取值如图1所示；
②利用阈值T对矩形区域中的每个像素点进行二值化处理；
得到二值化后的灰度信息p′(i,j)；
即：
③如图2所示，沿VIN码图像的水平方向，移动矩形区域，当水平移动的矩形区域布满图像的一行时，将矩形区域向图像竖直方向移动一个步长，再继续沿图像水平方向移动；每次移动步长△t＝1Pixel，移动多次，直到VIN码图像中的所有像点均在矩形区域中出现过；
每次移动所述矩形区域，均计算当前矩形区域内图像点的阈值，并利用该阈值对每个像素点进行二值化处理；
为例防止VIN码字符出现“断连”，记在不同矩形区域内出现的同一像点为待定点，判断所述待定点在当前移动的矩形区域与另一矩形区域中的灰度值是否均为0，若均为0，则将该待定点的灰度值记为0，否则，记为255；
以图2中的标号7矩形区域为例，分别判断标号3与7矩形区域、标号4与7的矩形区域、标号5与7的矩形区域、标号6与7的矩形区域、标号8与7的矩形区域中重叠区域内待定点灰度值；
对所有待定点进行灰度值标记，完成整幅图像的二值化处理。
对二值化后的图像进行形态学处理：使用开操作使得部分由于局部过度曝光造成的笔划断开重新连接，使用闭操作去除二值图像中的“胡椒”噪声；
3)对图像进行连通域标记，获得连通域的最小外接矩形，依照图像坐标顺序对连通域进行排序，得到分割后的VIN码字符区域，如图3所示。
获得连通域的最小外接矩形之前，还包括以下步骤：
对连通域的宽度/面积进行判断，将宽度/面积值小于第一预设值的连通域标记为断开连通域；计算相邻两个断开连通域之间距离，若距离值小于预设值，则将此两个连通域记为同一单字符连通域；否则，分别记为两个单字符连通域；
第一预设值为单个字符理论宽度/面积值的0.8倍；
将宽度值大于第二预设值的连通域标记为粘连区域；对粘连区域做进一步分割，得到两个单字符连通域；
第二预设值为单个字符理论宽度/面积值的1.8倍；
进一步，所述对粘连区域做进一步分割，采用以下直方图投影方法：
对粘连区域进行垂直投影，得到粘连区域的垂直投影统计直方图，在所述直方图中寻找谷底点，以所述谷底点为分割点，得到分割路径，对粘连区域进行分割。
为了得到更加准确的单字符连通域，利用滴水下落方法对上述分割后的粘连区域作进一步分割；
如图4所示，从左至右依次为：VIN码字符“SU”原图像、采用大律法以及本实施例方法处理得到二值化效果图；
由图可见，采用大律法时，字母S的过曝区域会发生“断连”、而本方法有效改善过曝区域分割效果；
对于易受到过度曝光而造成的误分割的字符“H、L、S、U、V”分别采用本发明方法、大律法处理，试验结果对比如下：
可知，在处理次数相同的情况下，本方法出现误分割次数明显降低，出现误分割的几率小。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。
Claims (13)
1.一种改进的自适应阈值二值化方法，其特征在于，包括以下步骤：
在图像中设定矩形区域，计算矩形区域内的阈值T：
其中，w为矩形区域的短边长度值，h为矩形区域的长边长度值；qij为矩形区域中像素点(i,j)的权重，qij＝0～1，p(i,j)为像素点(i,j)对应的灰度值；t为可调参量，取值0～1；
利用阈值T对矩形区域中的每个像素点进行二值化处理；
沿预设方向，等距多次移动矩形区域，直到图像中的所有像点均在矩形区域中出现过；
每次移动所述矩形区域，均计算当前矩形区域内图像点的阈值，并利用该阈值对每个像素点进行二值化处理；
记在不同矩形区域内出现的同一像点为待定点，判断所述待定点在当前移动的矩形区域与另一矩形区域中的灰度值是否均为0，若均为0，则将该待定点的灰度值记为0，否则，记为255；对所有待定点进行灰度值标记，完成整幅图像的二值化处理。
2.如权利要求1所述改进的自适应阈值二值化方法，其特征在于：h＝(5～7)w，t＝0.1～0.4。
3.如权利要求1所述改进的自适应阈值二值化方法，其特征在于：矩形区域中间像素点的权重qij高于边缘像素点的权重qij。
4.如权利要求1所述改进的自适应阈值二值化方法，其特征在于：所述预设方向为图像水平方向，当水平移动的矩形区域布满图像的一行时，将矩形区域向图像竖直方向移动一个步长，再继续沿图像水平方向移动；或者，所述预设方向为图像竖直方向，当竖直移动的矩形区域布满图像的一列时，将矩形区域向图像水平方向移动一个步长，再继续沿图像竖直方向移动。
5.一种基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于包括以下步骤：
1)采集白车身上的VIN码图像，对图像进行预处理；
2)对预处理后的VIN码图像进行自适应二值化处理：
①在VIN码图像中设定矩形区域，计算矩形区域内的阈值T：
其中，w为矩形区域的短边长度值，w＝(0.8～1.1)a，a为VIN码中单个字符的宽度，h为矩形区域的长边长度值；qij为矩形区域中像素点(i,j)的权重，qij＝0～1，p(i,j)为像素点(i,j)对应的灰度值；t为可调参量，取值0～1；
②利用阈值T对矩形区域中的每个像素点进行二值化处理；
③沿预设方向，等距多次移动矩形区域，直到VIN码图像中的所有像点均在矩形区域中出现过；
每次移动所述矩形区域，均计算当前矩形区域内图像点的阈值，并利用该阈值对每个像素点进行二值化处理；
记在不同矩形区域内出现的同一像点为待定点，判断所述待定点在当前移动的矩形区域与另一矩形区域中的灰度值是否均为0，若均为0，则将该待定点的灰度值记为0，否则，记为255；对所有待定点进行灰度值标记，完成整幅图像的二值化处理；
3)对图像进行连通域标记，获得连通域的最小外接矩形，依照图像坐标顺序对连通域进行排序，得到分割后的VIN码字符区域。
6.如权利要求5所述基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于：h＝(5～7)w，t＝0.1～0.4。
7.如权利要求5所述基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于：矩形区域中间像素点的权重qij高于边缘像素点的权重qij。
8.如权利要求5所述基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于：所述预设方向为图像水平方向，当水平移动的矩形区域布满图像的一行时，将矩形区域向图像竖直方向移动一个步长，再继续沿图像水平方向移动；或者，所述预设方向为图像竖直方向，当竖直移动的矩形区域布满图像的一列时，将矩形区域向图像水平方向移动一个步长，再继续沿图像竖直方向移动。
9.如权利要求5所述基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于：所述h＝20～50像素。
10.如权利要求5所述基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于：步骤1)对图像进行预处理，包括：VIN码感兴趣区域提取、图像增强、去噪处理。
11.如权利要求5所述基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于：步骤2)之后，先对二值化后的图像进行形态学处理，再进行步骤3)。
12.如权利要求5所述基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于：步骤3)中，获得连通域的最小外接矩形之前，还包括以下步骤：
对连通域的宽度/面积进行判断，将宽度/面积值小于第一预设值的连通域标记为断开连通域；计算相邻两个断开连通域之间距离，若距离值小于预设值，则将此两个连通域记为同一单字符连通域；否则，分别记为两个单字符连通域；
第一预设值为单个字符理论宽度/面积值的0.5～0.8倍；
将宽度值大于第二预设值的连通域标记为粘连区域；对粘连区域做进一步分割，得到两个单字符连通域；
第二预设值为单个字符理论宽度/面积值的1.4～1.8倍。
13.如权利要求12所述基于改进的自适应阈值二值化方法的VIN码字符分割方法，其特征在于：所述对粘连区域做进一步分割，采用滴水下落方法或直方图投影法；或者，先利用直方图投影法进行初步分割，再利用滴水下落方法做再次分割。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910788843.5A CN110490885B (zh) | 2019-08-26 | 2019-08-26 | 改进的自适应阈值二值化方法及vin码字符分割方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910788843.5A CN110490885B (zh) | 2019-08-26 | 2019-08-26 | 改进的自适应阈值二值化方法及vin码字符分割方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110490885A CN110490885A (zh) | 2019-11-22 |
| CN110490885B true CN110490885B (zh) | 2021-12-03 |
Family
ID=68553998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910788843.5A Active CN110490885B (zh) | 2019-08-26 | 2019-08-26 | 改进的自适应阈值二值化方法及vin码字符分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110490885B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113591855B (zh) * | 2021-08-18 | 2023-07-04 | 易思维（杭州）科技有限公司 | 一种粘连vin码分割方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200211A (zh) * | 2014-09-03 | 2014-12-10 | 腾讯科技（深圳）有限公司 | 图像二值化方法及装置 |
| CN104637047A (zh) * | 2013-11-13 | 2015-05-20 | 北京慧眼智行科技有限公司 | 一种图像处理方法及装置 |
| CN105678773A (zh) * | 2016-01-12 | 2016-06-15 | 西北工业大学 | 一种低对比度图像分割方法 |
| CN109087326A (zh) * | 2018-09-18 | 2018-12-25 | 辽宁工业大学 | 基于局部自适应的Otsu算法 |
| CN109816681A (zh) * | 2019-01-10 | 2019-05-28 | 中国药科大学 | 基于自适应局部阈值二值化的水体微生物图像分割方法 |
-
2019
- 2019-08-26 CN CN201910788843.5A patent/CN110490885B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104637047A (zh) * | 2013-11-13 | 2015-05-20 | 北京慧眼智行科技有限公司 | 一种图像处理方法及装置 |
| CN104200211A (zh) * | 2014-09-03 | 2014-12-10 | 腾讯科技（深圳）有限公司 | 图像二值化方法及装置 |
| CN105678773A (zh) * | 2016-01-12 | 2016-06-15 | 西北工业大学 | 一种低对比度图像分割方法 |
| CN109087326A (zh) * | 2018-09-18 | 2018-12-25 | 辽宁工业大学 | 基于局部自适应的Otsu算法 |
| CN109816681A (zh) * | 2019-01-10 | 2019-05-28 | 中国药科大学 | 基于自适应局部阈值二值化的水体微生物图像分割方法 |
Non-Patent Citations (2)
| Title |
|---|
| Binarization of Document Image Using Optimum Threshold;Wan Azani Mustafa1,Mohamed Mydin M. Abdul Kader;《Journal of Physics: Conference Series》;20180627;全文 * |
| 非均匀光照下文本图像分割算法研究;黄莅辰;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160415;1-30页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110490885A (zh) | 2019-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109377485B (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
| CN113160192B (zh) | 复杂背景下基于视觉的压雪车外观缺陷检测方法及装置 | |
| CN101710425B (zh) | 基于图像灰度梯度和灰度统计直方图的自适应预分割方法 | |
| CN107273896A (zh) | 一种基于图像识别的车牌检测识别方法 | |
| CN102629322B (zh) | 一种基于边界点笔画形状的字符特征提取方法及应用 | |
| CN103310211B (zh) | 一种基于图像处理的填注标记识别方法 | |
| CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
| CN105205488B (zh) | 基于Harris角点和笔画宽度的文字区域检测方法 | |
| CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
| CN112837290B (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
| CN107389693B (zh) | 一种基于机器视觉的印刷品缺陷自动检测方法 | |
| CN109242870A (zh) | 一种基于图像划分和纹理特征的海天线检测方法 | |
| CN106096610A (zh) | 一种基于支持向量机的文档图像二值化方法 | |
| CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
| CN108509950B (zh) | 基于概率特征加权融合的铁路接触网支柱号牌检测识别法 | |
| CN112734729B (zh) | 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质 | |
| CN105894487A (zh) | 钢材图像编号的提取与分割方法 | |
| CN114926410A (zh) | 制动盘外观缺陷检测方法 | |
| CN105913425B (zh) | 一种基于自适应椭圆分块和小波变换的多猪轮廓提取方法 | |
| CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
| CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
| CN107516315B (zh) | 一种基于机器视觉的掘进机出渣监测方法 | |
| CN109389116B (zh) | 一种字符检测方法及装置 | |
| Zhao et al. | Research and implementation of license plate recognition technology | |
| CN110490885B (zh) | 改进的自适应阈值二值化方法及vin码字符分割方法 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee after: Yi Si Si (Hangzhou) Technology Co.,Ltd. Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |