CN110688871A - 一种基于条码识别的边缘检测方法 - Google Patents

一种基于条码识别的边缘检测方法 Download PDF

Info

Publication number
CN110688871A
CN110688871A CN201910885257.2A CN201910885257A CN110688871A CN 110688871 A CN110688871 A CN 110688871A CN 201910885257 A CN201910885257 A CN 201910885257A CN 110688871 A CN110688871 A CN 110688871A
Authority
CN
China
Prior art keywords
image
value
edge
gray
bar code
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
Application number
CN201910885257.2A
Other languages
English (en)
Inventor
何通能
王震
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910885257.2A priority Critical patent/CN110688871A/zh
Publication of CN110688871A publication Critical patent/CN110688871A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/146—Methods for optical code recognition the method including quality enhancement steps

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于条码识别的边缘检测方法，属于图像识别技术领域，该方法具体为：(1)将条码图片转为灰度图；(2)将灰度图与自适应滤波器进行卷积运算，得到滤波后的平滑图像；(3)利用平滑图像进行像素梯度幅值G(x,y)和梯度方向θ(x,y)的计算，得到边缘像素梯度图像；(4)对边缘像素梯度图像进行非极大值抑制；(5)使用迭代法求高低阈值的方法，求得高低阈值；(6)通过双阈值检测，连接边缘，得到边缘检测图片。该方法具有能够提取图像边缘细节信息以及抑制噪声的功能，并具备较强的自适应性。

Description

一种基于条码识别的边缘检测方法
技术领域
本发明属于图像识别技术领域，具体地涉及一种基于条码识别的边缘检测方法。
背景技术
随着电子商务在我国的快速发展，物流行业随之兴起。在包裹上面印刷条形码是物流快速流通的主要因素。条形码的特点是制作成本低、识别准确率高、信息保存准确且录入快。但是条形码是裸露在包裹的外部，在包裹的运输途中容易受到外部因素的影响，导致条形码受到污损，污损的条形码不能够快速识别会使流水线的工作效率降低，影响工厂的自动化程度。
现有的条形码识别存在以下问题：
(1)传统Canny算子里的高斯模板中的方差大小决定着滤波的效果，含有强噪声的区域需要比较大的方差；但是在噪声弱的区域会使图像边缘信息丢失。但是方差是固定的很难做到去噪和保护边缘的效果。
(2)传统的Canny算子是在像素模板为2*2的邻域一阶偏导的有限差分来计算梯度幅值和梯度方向，由于范围领域小，虽然可以准确定位边缘，但是对噪声敏感容易出现虚假的边缘，也会使得有效的边缘不连接。
(3)传统的Canny算法的高低阈值需要人工干预设定的，如果阈值设置偏高则会丢失许多的边缘内容，反之则会出现大量的无效边缘。所以原始算法的自动化程度不高，缺乏自适应性。
发明内容
针对现有技术的不足，本发明提供了一种基于条码识别的边缘检测方法，来识别有污损的条码，根据试验证明该算法能够让大部分污损的条码重新识别，且没有增加识别时间。同时解决了固定方差很难做到去噪和保护边缘的效果，即使可以准确定位边缘，但是对噪声敏感容易出现虚假的边缘，原始算法的自动化程度不高，缺乏自适应性的问题。
为实现上述目的，本发明提供如下技术方案：一种基于条码识别的边缘检测方法，具体包括以下步骤：
(1)将条码图片转为灰度图；
(2)将上述灰度图与自适应滤波器进行卷积运算，得到滤波后的平滑图像，具体为：
(2.1)根据噪声密度选取滤波窗口Sxy，且所述滤波窗口Sxy≤Smax；将所述灰度图中任意像素(x,y)处的灰度值表示为Zxy，并筛选出所述灰度图中灰度值的最大值、最小值、中值，分别表示为Zmax、Zmin、Zmed。
(2.2)判断所述灰度图中每一点像素的灰度值Zxy是否为噪声，当Zxy满足Zmin<Zxy<Zmax，该Zxy不是噪声点，直接输出该Zxy，否则继续执行下一步；
(2.3)判断Zmed是否为噪声点，当Zmed满足Zmin<Zmed<Zmax，输出该Zmed，否则继续执行下一步；
(2.4)当Sxy+2≤Smax，增大滤波窗口，具体为Sxy＝Sxy+2，重复步骤(2.2)-(2.3)，否则输出除去极值点的当前滤波窗口的灰度值均值，得到自适应中值滤波后的平滑图像。
(3)通过步骤2得到的自适应中值滤波后的平滑图像，进行像素梯度幅值G(x,y)和梯度方向θ(x,y)的计算，得到边缘像素梯度图像。
Figure BDA0002207119350000021
Figure BDA0002207119350000022
其中，
Gx(x,y)为X方向偏导数：Gx(x,y)＝S(x+1,y)-S(x-1,y) (3)
Gy(x,y)为Y方向的偏导数；Gx(x,y)＝S(x,y+1)-S(x,y-1) (4)
G45°(x,y)为45°方向的偏导数：G45(x,y)＝S(x-1,y+1)-S(x+1,y-1) (5)
G135°(x,y)为135°方向的偏导数：G135(x,y)＝S(x+1,y+1)-S(x-1,y-1) (6)。
(4)对步骤3得到的边缘像素梯度图像进行非极大值抑制：检测每个像素的梯度是否是周围具有相同方向的像素中最大的，是则保留，否则剔除非边缘的像素，根据保留的像素，生成二值图像。
(5)使用迭代法求高低阈值的方法，求得高低阈值：
(5.1)所述条码图片灰度化以后，通过灰度直方图得到灰度的最大值Mmax和最小值Mmin,将Mmax与Mmin的平均值作为初始阈值T0；
(5.2)所述初始阈值T0将灰度图分为高于T0的第一灰度图和低于T0的第二灰度图，再分别对第一灰度图、第二灰度图求均值，得到第一均值TH和第二均值TL；
(5.3)再将第一均值TH和第二均值TL求均值，得到第一次迭代的第一阈值T1；
(5.4)将第一阈值T1与T0比较，当T1＝T0时，此时，第一均值TH为高阈值，第二均值TL为低阈值；否则继续重复步骤(5.2)-(5.4)进行迭代，直至第n次迭代的第n阈值Tn＝T0。
(6)双阈值检测和连接边缘：对于步骤4生成的二值图像，将小于低阈值的像素设置为0，将大于高阈值的像素设置为1；介于低阈值高阈值之间的像素，若确定与边缘的像素邻接，则判定为边缘；否则为非边缘，将边缘像素连接，得到条形码最终的边缘检测图片。
与现有技术相比，本发明具有如下有益效果：
(1)该方法先通过判断图像像素是否为噪声点，如果该像素不是噪声，则直接输出像素的值；否则判断图像像素中值是否为噪声点，如果不是则直接输出，如果中值为噪声点，则加大窗口继续执行。改进原算法中当前像素和中值都是噪声，但是依然用中值替代像素点的问题，在条码受到椒盐噪声污染的情况下，实现较好的去噪和起到保护边缘的作用。
(2)本申请提出了在8邻域内对X方向、Y方向、45°方向、135°方向计算该像素的一阶偏导数，确定像素的梯度和幅值，提高条码边缘检测的效果，避免因噪声而出现虚假的边缘，获取更多的有效边缘，保证有效的边缘连接更佳。
(3)相比较传统的Canny算法的高低阈值需要人工干预设定的，如果阈值设置偏高则会丢失许多的边缘内容，反之则会出现大量的无效边缘。迭代法求阈值避免人工干预阈值的选择，自动化程度高，具有较强的自适应性。
因此，该缘检测方法具有在条码受到噪声污染的情况下，能够更好提取条码的边缘信息的特点。
附图说明
图1为传统条形码边缘检测的流程图；
图2为本发明方法条形码边缘检测的流程图；
图3为条形码图片：(a)添加噪声的条形码图片，(b)传统方法条形码边缘检测的图像，(c)本发明方法条形码边缘检测的图像。
具体实施方式
下面将结合具体实施方式和附图，对本发明技术方案进行清楚、完整地描述。
快递包裹上面的条码在运输的过程中容易受到污染会产生类似于椒盐噪声的干扰，传统条形码边缘检测的流程图如图1所示，虽然在一定程度上可以减少噪声干扰，但是对于这种类似椒盐噪声很难去除。所以需要采用自适应中值滤波替代高斯滤波对图像进行降噪处理。
如图2为本发明方法条形码边缘检测的流程图，具体包括以下步骤：
(1)将条码图片转为灰度图；
(2)将上述灰度图与自适应滤波器进行卷积运算，得到滤波后的平滑图像，该方法改进原算法中当前像素和中值都是噪声，但是依然用中值替代像素点的问题，在条码受到椒盐噪声污染的情况下，实现较好的去噪和起到保护边缘的作用。
具体为：
(2.1)根据噪声密度选取滤波窗口Sxy，且所述滤波窗口Sxy≤Smax；将所述灰度图中任意像素(x,y)处的灰度值表示为Zxy，并筛选出所述灰度图中灰度值的最大值、最小值、中值，分别表示为Zmax、Zmin、Zmed。
(2.2)判断所述灰度图中每一点像素的灰度值Zxy是否为噪声，当Zxy满足Zmin<Zxy<Zmax，该Zxy不是噪声点，直接输出该Zxy，否则继续执行下一步；
(2.3)判断Zmed是否为噪声点，当Zmed满足Zmin<Zmed<Zmax，输出该Zmed，否则继续执行下一步；
(2.4)当Sxy+2≤Smax，增大滤波窗口，具体为Sxy＝Sxy+2，重复步骤(2.2)-(2.3)，否则输出除去极值点的当前滤波窗口的灰度值均值，得到自适应中值滤波后的平滑图像。
(3)本申请提出了使用3*3像素模板的，通过步骤2得到的自适应中值滤波后的平滑图像，在8邻域内对X方向、Y方向、45°方向、135°方向计算该像素的一阶偏导数，进行像素梯度幅值G(x,y)和梯度方向θ(x,y)的计算，得到边缘像素梯度图像。该方法确定像素的梯度和幅值的方法，提高条码边缘检测的效果，避免因噪声而出现虚假的边缘，获取更多的有效边缘，保证有效的边缘连接更佳。
Figure BDA0002207119350000051
Figure BDA0002207119350000052
其中，
Gx(x,y)为X方向偏导数：Gx(x,y)＝S(x+1,y)-S(x-1,y) (3)
Gy(x,y)为Y方向的偏导数；Gx(x,y)＝S(x,y+1)-S(x,y-1) (4)
G45°(x,y)为45°方向的偏导数：G45(x,y)＝S(x-1,y+1)-S(x+1,y-1) (5)
G135°(x,y)为135°方向的偏导数：G135(x,y)＝S(x+1,y+1)-S(x-1,y-1) (6)。
(4)对步骤3得到的边缘像素梯度图像进行非极大值抑制：检测每个像素的梯度是否是周围具有相同方向的像素中最大的，是则保留，否则剔除非边缘的像素，根据保留的像素，生成二值图像。
(5)使用迭代法求高低阈值的方法，求得高低阈值：
阈值分割是将目标图像与背景图像分割开来，高低阈值的选取很重要，决定着边缘的连续性以及边缘的信息情况。高阈值小，则保留的边缘信息越多；同时边缘也会越多。反之，高阈值大，可以抑制伪边缘；但会丢失一些边缘信息。实际应用场景中会受到噪声影响，最佳的高低阈值很难取得。本申请提出采用迭代法求取高低阈值，能够有效的减少噪声对高低阈值选取的干扰。
(5.1)所述条码图片灰度化以后，通过灰度直方图得到灰度的最大值Mmax和最小值Mmin,将Mmax与Mmin的平均值作为初始阈值T0；
(5.2)所述初始阈值T0将灰度图分为高于T0的第一灰度图和低于T0的第二灰度图，再分别对第一灰度图、第二灰度图求均值，得到第一均值TH和第二均值TL；
(5.3)再将第一均值TH和第二均值TL求均值，得到第一次迭代的第一阈值T1；
(5.4)将第一阈值T1与T0比较，当T1＝T0时，此时，第一均值TH为高阈值，第二均值TL为低阈值；否则继续重复步骤(5.2)-(5.4)进行迭代，直至第n次迭代的第n阈值Tn＝T0。
(6)双阈值检测和连接边缘：对于步骤4生成的二值图像，将小于低阈值的像素设置为0，将大于高阈值的像素设置为1；介于低阈值高阈值之间的像素，若确定与边缘的像素邻接，则判定为边缘；否则为非边缘，将边缘像素连接，得到条形码最终的边缘检测图片(如图3(c)所示)。
如图3(a)为添加噪声的条形码图片，由3(b)传统方法条形码边缘检测的图像，可知条形码在加入噪声的情况下的存在边缘失真，没有很好体现条码的边缘形状，实际的条与空之间的空隙不规则，从而不能很好确定条码所携带的数字信息；3(c)为本发明方法条形码边缘检测的图像，对于加噪的条码能够很好检测出条码的边缘信息，实际的条与空之间的空隙规则；能够快速确定的条码所携带的数字信息。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，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 (1)

1.一种基于条码识别的边缘检测方法，其特征在于，具体包括以下步骤：
(1)将条码图片转为灰度图；
(2)将上述灰度图与自适应滤波器进行卷积运算，得到滤波后的平滑图像，具体为：
(2.1)根据噪声密度选取滤波窗口Sxy，且所述滤波窗口Sxy≤Smax；将所述灰度图中任意像素(x,y)处的灰度值表示为Zxy，并筛选出所述灰度图中灰度值的最大值、最小值、中值，分别表示为Zmax、Zmin、Zmed。
(2.2)判断所述灰度图中每一点像素的灰度值Zxy是否为噪声，当Zxy满足Zmin<Zxy<Zmax，该Zxy不是噪声点，直接输出该Zxy，否则继续执行下一步；
(2.3)判断Zmed是否为噪声点，当Zmed满足Zmin<Zmed<Zmax，输出该Zmed，否则继续执行下一步；
(2.4)当Sxy+2≤Smax，增大滤波窗口，具体为Sxy＝Sxy+2，重复步骤(2.2)-(2.3)，否则输出除去极值点的当前滤波窗口的灰度值均值，得到自适应中值滤波后的平滑图像。
(3)通过步骤2得到的自适应中值滤波后的平滑图像，进行像素梯度幅值G(x,y)和梯度方向θ(x,y)的计算，得到边缘像素梯度图像。
Figure FDA0002207119340000011
Figure FDA0002207119340000012
其中，
Gx(x,y)为X方向偏导数：Gx(x,y)＝S(x+1,y)-S(x-1,y) (3)
Gy(x,y)为Y方向的偏导数；Gx(x,y)＝S(x,y+1)-S(x,y-1) (4)
G45°(x,y)为45°方向的偏导数：G45(x,y)＝S(x-1,y+1)-S(x+1,y-1) (5)
G135°(x,y)为135°方向的偏导数：G135(x,y)＝S(x+1,y+1)-S(x-1,y-1)(6)。
(4)对步骤3得到的边缘像素梯度图像进行非极大值抑制：检测每个像素的梯度是否是周围具有相同方向的像素中最大的，是则保留，否则剔除非边缘的像素，根据保留的像素，生成二值图像。
(5)使用迭代法求高低阈值的方法，求得高低阈值：
(5.1)所述条码图片灰度化以后，通过灰度直方图得到灰度的最大值Mmax和最小值Mmin,将Mmax与Mmin的平均值作为初始阈值T0；
(5.2)所述初始阈值T0将灰度图分为高于T0的第一灰度图和低于T0的第二灰度图，再分别对第一灰度图、第二灰度图求均值，得到第一均值TH和第二均值TL；
(5.3)再将第一均值TH和第二均值TL求均值，得到第一次迭代的第一阈值T1；
(5.4)将第一阈值T1与T0比较，当T1＝T0时，此时，第一均值TH为高阈值，第二均值TL为低阈值；否则继续重复步骤(5.2)-(5.4)进行迭代，直至第n次迭代的第n阈值Tn＝T0。
(6)双阈值检测和连接边缘：对于步骤4生成的二值图像，将小于低阈值的像素设置为0，将大于高阈值的像素设置为1；介于低阈值高阈值之间的像素，若确定与边缘的像素邻接，则判定为边缘；否则为非边缘，将边缘像素连接，得到条形码最终的边缘检测图片。
CN201910885257.2A 2019-09-19 2019-09-19 一种基于条码识别的边缘检测方法 Pending CN110688871A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910885257.2A CN110688871A (zh) 2019-09-19 2019-09-19 一种基于条码识别的边缘检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910885257.2A CN110688871A (zh) 2019-09-19 2019-09-19 一种基于条码识别的边缘检测方法

Publications (1)

Publication Number Publication Date
CN110688871A true CN110688871A (zh) 2020-01-14

Family

ID=69109591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910885257.2A Pending CN110688871A (zh) 2019-09-19 2019-09-19 一种基于条码识别的边缘检测方法

Country Status (1)

Country Link
CN (1) CN110688871A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598947A (zh) * 2020-04-03 2020-08-28 上海嘉奥信息科技发展有限公司 通过标识特征自动识别病人方位的方法和系统
CN111815660A (zh) * 2020-06-16 2020-10-23 北京石油化工学院 危化品仓库中货物边缘检测方法、装置及终端设备
CN111833366A (zh) * 2020-06-03 2020-10-27 佛山科学技术学院 一种基于Canny算法的边缘检测方法
CN112785513A (zh) * 2020-08-25 2021-05-11 青岛经济技术开发区海尔热水器有限公司 一种用于过滤脉冲噪声的自适应中值滤波方法
CN112950540A (zh) * 2021-02-01 2021-06-11 联宝(合肥)电子科技有限公司 一种条码识别方法及设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张月圆等: "基于Ｃanny的改进图像边缘检测算法", 《导航与控制》 *
李凌: "基于Canny的边缘检测改进算法", 《计算机及其应用》 *
段军等: "改进的Ｃanny算子边缘检测算法研究", 《软件导刊》 *
黄文笔等: "改进的自适应中值滤波算法", 《计算机系统应用》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598947A (zh) * 2020-04-03 2020-08-28 上海嘉奥信息科技发展有限公司 通过标识特征自动识别病人方位的方法和系统
CN111598947B (zh) * 2020-04-03 2024-02-20 上海嘉奥信息科技发展有限公司 通过标识特征自动识别病人方位的方法和系统
CN111833366A (zh) * 2020-06-03 2020-10-27 佛山科学技术学院 一种基于Canny算法的边缘检测方法
CN111815660A (zh) * 2020-06-16 2020-10-23 北京石油化工学院 危化品仓库中货物边缘检测方法、装置及终端设备
CN112785513A (zh) * 2020-08-25 2021-05-11 青岛经济技术开发区海尔热水器有限公司 一种用于过滤脉冲噪声的自适应中值滤波方法
CN112785513B (zh) * 2020-08-25 2023-04-18 青岛经济技术开发区海尔热水器有限公司 一种用于过滤脉冲噪声的自适应中值滤波方法
CN112950540A (zh) * 2021-02-01 2021-06-11 联宝(合肥)电子科技有限公司 一种条码识别方法及设备
CN112950540B (zh) * 2021-02-01 2022-04-15 联宝(合肥)电子科技有限公司 一种条码识别方法及设备

Similar Documents

Publication Publication Date Title
CN110688871A (zh) 一种基于条码识别的边缘检测方法
CN109242853B (zh) 一种基于图像处理的pcb缺陷智能检测方法
CN106780486B (zh) 一种钢板表面缺陷图像提取方法
CN115272346A (zh) 一种基于边缘检测的pcb板生产过程在线检测方法
CN102156996B (zh) 一种图像边缘检测的方法
CN102479383B (zh) 椒盐噪声去除方法及装置
CN111833366A (zh) 一种基于Canny算法的边缘检测方法
CN110288566B (zh) 一种目标缺陷提取方法
CN111223115A (zh) 一种图像分割方法、装置、设备及介质
CN111080661A (zh) 基于图像的直线检测方法、装置以及电子设备
WO2021109697A1 (zh) 字符分割方法、装置以及计算机可读存储介质
TWI393073B (zh) 影像雜訊濾除方法
CN107230208B (zh) 一种高斯噪声的图像噪声强度估计方法
CN111275659B (zh) 一种焊缝图像处理方法、装置、终端设备及存储介质
CN111027546A (zh) 一种字符分割方法、装置以及计算机可读存储介质
CN111709964B (zh) 一种pcba目标边缘检测方法
CN111429372A (zh) 一种增强低对比度图像边缘检测效果的方法
CN115908415A (zh) 基于边缘的缺陷检测方法、装置、设备及存储介质
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN104715221A (zh) 一种超低对比度二维码的解码方法及系统
CN112053302A (zh) 高光谱图像的去噪方法、装置及存储介质
CN115439523A (zh) 一种半导体器件引脚尺寸检测方法、设备及存储介质
CN116912115A (zh) 一种水下图像自适应增强方法、系统、设备及存储介质
CN111815660A (zh) 危化品仓库中货物边缘检测方法、装置及终端设备
CN111462061B (zh) 一种用于电子元器件计数的检测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200114

RJ01 Rejection of invention patent application after publication