CN110766707A - 一种基于多算子融合边缘检测技术的空化泡图像处理方法 - Google Patents

一种基于多算子融合边缘检测技术的空化泡图像处理方法 Download PDF

Info

Publication number
CN110766707A
CN110766707A CN201911003199.2A CN201911003199A CN110766707A CN 110766707 A CN110766707 A CN 110766707A CN 201911003199 A CN201911003199 A CN 201911003199A CN 110766707 A CN110766707 A CN 110766707A
Authority
CN
China
Prior art keywords
image
cavitation
cavitation bubble
solid wall
single solid
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
Application number
CN201911003199.2A
Other languages
English (en)
Other versions
CN110766707B (zh
Inventor
赵雪梦
单鸣雷
陈开泉
李好洋
王贤松
马浩
徐天宇
汤一彬
韩庆邦
朱昌平
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.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai University
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 Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN201911003199.2A priority Critical patent/CN110766707B/zh
Publication of CN110766707A publication Critical patent/CN110766707A/zh
Application granted granted Critical
Publication of CN110766707B publication Critical patent/CN110766707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration by the use of local operators
    • G06T5/30Erosion or dilatation, e.g. thinning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20048Transform domain processing
    • G06T2207/20061Hough transform

Abstract

本发明提供一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:包括如下过程:获取空化泡在单固壁的环境下由产生到溃灭过程的图像;对所述图像进行多算子融合计算得到空化泡的半径,根据所述半径得到空化泡动态直径变化规律;对所述图像进行直线检测得到空化泡的射流速度,根据所述射流速度得到空化泡动态射流速度变化规律。本发明能够获得更加精确的空化泡边界变化图像,有助于提升空化泡特性研究结果的准确度。

Description

一种基于多算子融合边缘检测技术的空化泡图像处理方法
技术领域
本发明属于数字图像处理技术领域,具体涉及一种基于多算子融合边缘检测技术的空化泡图像处理方法。
背景技术
液体中空泡发育和溃灭过程所产生的空化效应在很多领域得到应用,例如高压空化水射流石油钻井岩石破碎、超声波化学和超声波空化清洁等。中国经过近60年发展,在大坝建设方面已经取得了巨大成就,面向未来和国家发展需要,仍有一系列的技术问题需要关注。其中大坝裂缝修补是一项重要问题,然而在大坝修补之前一定要进行大坝表面及裂缝内壁的清洗,裂缝周边及裂缝内壁面的清洁质量直接影响着水下裂缝修补的质量。针对开放壁面的空化清洗已有大量的研究成果和广泛的应用,但对于裂缝这样一种具有天然复杂度的狭窄空间,已有研究成果尚无法满足工程应用基础研究的诉求。因此,利用空化泡溃灭来进行水下裂缝内壁清洗具有重要意义,而进一步运用图像处理方法以固定标尺为基准进行尺度校准来观察空化泡从产生到溃灭的整个过程,分析空化泡直径以及其他参数的变化,以此来定量描述空化泡溃灭对固体表面的破坏程度,可以计算选择适当的压力等级,使得高压水射流清洗不会损伤被清洗机体。利用图像分析不同表面特征情况下空化泡溃灭过程和特征,可以知晓高压水射流对不同的物体的清洗情况,进一步调整压力等级等参数,使得装置不断优化,适用面更加广泛,能够清洗形状和结构复杂的零器件,能够在空间狭窄复杂和环境恶劣有害的场合进行清洗,对于研究空化泡在裂缝中的清洗机理以及射流分布情况意义更为重大。
但是现有技术中的空化泡图像处理方法均不能得到精确的边界图像,从而影响空化泡变化规律的分析结果。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种基于多算子融合边缘检测技术的空化泡图像处理方法,能够获得更加精确的空化泡边界变化图像,有助于提升空化泡特性研究结果的准确度。
为解决现有技术问题,本发明提供了一种基于多算子融合边缘检测技术的空化泡图像处理方法,包括如下过程:
获取空化泡在单固壁的环境下由产生到溃灭过程的图像;
对所述图像进行多算子融合计算得到空化泡的半径,根据所述半径得到空化泡动态直径变化规律;
对所述图像进行直线检测得到空化泡的射流速度,根据所述射流速度得到空化泡动态射流速度变化规律。
进一步地,
所述获取空化泡在单固壁的环境下由产生到溃灭过程的图像的过程具体如下:
由致泡装置产生空化泡,并通过高速摄像机拍摄空化泡由产生到溃灭过程的图像;
高速摄像机布置在单固壁环境的一侧,其镜头垂直于空化泡射流方向。
进一步地,所述对所述图像进行多算子融合计算得到空化泡的半径的过程具体如下:
对所述图像进行二值化处理以区分电极和空化泡的边界;
对经过二值化处理的图像进行多算子融合边缘检测处理得到相对完整的空化泡圆边界,算子包括Canny、Laplacian、Sobel,其权重分别为:0.6~0.7、0.1~0.3、0.1~0.3;
根据空化泡的完整圆边界计算空化泡的半径。
进一步地,所述对所述图像进行二值化处理以区分电极和空化泡的边界的过程具体如下:
对所述图像进行直方图均值化处理;
对经过直方图均值化处理的图像进行OSTU二值化处理以区分电极和空化泡的边界。
进一步地,所述半径随时间变化的规律通过曲线表示,曲线上任一点的横坐标为半径,纵坐标为当前时间。
进一步地,所述对所述图像进行直线检测得到空化泡的射流速度的过程具体如下:
对所述图像进行二值化处理区分空化泡边界和单固壁;
对经过二值化处理的图像进行腐蚀膨胀处理得到单固壁轮廓;
对经过腐蚀膨胀处理的图像进行直线检测得到相对完整的单固壁直线;
根据空化泡边界和单固壁直线计算空化泡的射流速度,得到射流速度随时间变化的规律。
进一步地,所述对经过腐蚀膨胀处理的图像进行直线检测得到单固壁直线的过程具体如下:
对经过腐蚀膨胀的图像进行霍夫直线检测得到单固壁直线;
对经过霍夫直线检测的图像进行LSD局部直线检测得到相对完整的单固壁直线。
进一步地,所述根据空化泡边界和单固壁直线计算空化泡的射流速度的过程具体如下:
计算空化泡上一定点到单固壁直线的距离;
根据所述距离和时间计算空化泡的射流速度。
进一步地,所述计算空化泡上一定点到单固壁直线的距离的过程具体如下:
对所述单固壁直线进行拟合得到直线方程;
根据直线方程得到空化泡上一定点到单固壁直线的距离。
进一步地,所述射流速度随时间变化的规律通过曲线表示,曲线上任一点的横坐标为时间,纵坐标为当前时间下空化泡的射流速度。
本发明具有的有益效果:根据高速摄像机得到的空化泡从产生到溃灭过程的图像集,然后通过形态学分析、算子融合边缘提取、直线提取交叉验证,得到精确的空化泡从产生到溃灭的动态变化规律,从而有助于在知晓不同的表面特征情况下,高压水射流对不同的物体的清洗情况,便于进一步调整压力等级等参数,使得装置得到不断优化,适用范围得到拓展,为装置实现清洗形状和结构复杂的零器件,以及在空间狭窄复杂和环境恶劣有害的场合进行清洗的目的提供理论基础,具有重大的研究意义。
附图说明
图1为本发明中图像处理的流程图;
图2为本发明中空化泡的图像集;
图3为本发明中空化泡图像集中的其中一张原始图像;
图4为本发明中经过二值化处理后的图像;
图5为本发明中经过二值化处理后的反变换图像;
图6为本发明中经过融合算子处理后的图像;
图7为本发明中经过融合算子处理后的反变换图像;
图8为本发明中经过腐蚀处理后的图像;
图9为本发明中经过膨胀处理后的图像;
图10为本发明中经过直线检测处理后的图像;
图11为本发明中空化泡半径的变化曲线;
图12为本发明中空化泡射流速度变化曲线;
图13为本发明中图像处理的系统原理图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种基于多算子融合边缘检测技术的空化泡图像处理方法,包括如下过程:
S1、获取空化泡在单固壁的环境下由产生到溃灭过程的图像。
在一个实施例中,步骤S1的具体过程如下:
如图13所示,本发明中的空化泡4由高压脉冲致泡装置1生成,并通过每秒三万七千帧高速摄像机5拍摄空化泡4由产生到溃灭过程的图像,并将图像进行存储。空化泡4的图像如图2所示。
高速摄像机5布置在单固壁环境的一侧,其镜头垂直于空化泡射流方向。需要说明的是,单固壁环境主要由水槽3及设置于水槽3底部的边界固壁8构成。高压脉冲致泡装置1设置于水槽3的顶部,与高速摄像机5的镜头相对的是玻璃板7和设于玻璃板7后方的光源6。本发明中涉及到的图像处理过程主要由计算机2内的相关程序完成。高速摄像机5、高压脉冲致泡装置1、光源6和计算机2均由220V电源9供电。
S2、对步骤S1得到的图像进行多算子融合计算得到空化泡的半径,根据所述半径得到空化泡动态直径变化规律。
在一个实施例中,步骤S2的具体过程如下:
S21、对步骤S1得到的图像进行二值化处理以显示出图像中的钨电极和空化泡的边界。
具体地,如图3和4所示,步骤S21的具体过程如下:
S211、对步骤S1得到的图像进行直方图均值化处理,以增加了象素灰度值的动态范围从而可达到增强图像整体对比度。
S212、对步骤S211得到的图像进行OSTU二值化处理以显示出图像中的钨电极和空化泡的边界。需要说明的是,经过二值化处理后的图像为白底黑线的图像,因此更直观的显示处理效果,可以将该图像进行黑白反变换处理成黑底白线的图像,如图5所示。
S22、对步骤S212得到的图像分别进行融入Canny算子、Laplacian算子和Sobel算子的边缘检测提取,将三种边缘检测的结果按照多种权重叠加,最后得出相对完整的空化泡圆边界,其图像如图6所示。其中,Canny算子、Laplacian算子和Sobel算子的权重分别为:0.6~0.7、0.1~0.3、0.1~0.3。优选的,Canny算子、Laplacian算子和Sobel算子的权重分别为0.6、0.2、0.2。
Canny算子的优势:不容易受噪声干扰,能够检测到真正的弱边缘。优点在于,使用两种不同的阈值分别检测强边缘和弱边缘,并且当弱边缘和强边缘相连时,才将弱边缘包含在输出图像中。
Laplacian算子的优势:对噪声比较敏感,所以很少用该算子检测边缘,而是用来判断边缘像素视为与图像的明区还是暗区。拉普拉斯高斯算子是一种二阶导数算子,将在边缘处产生一个陡峭的零交叉,Laplacian算子是各向同性的,能对任何走向的界线和线条进行锐化,无方向性。这是拉普拉斯算子区别于其他算法的最大优点。
Sobel算子的优势:对灰度渐变和噪声较多的图像处理效果较好,sobel算子对边缘定位不是很准确,图像的边缘不止一个像素。
基于三种算子的优势,赋予相应的权重从而得到较为精确的边界图像。
需要说明的是,步骤S212得到的图像未经过反变换处理,则本步骤中,图像经过算子融合边缘检测处理后可以进行反变换处理得到如图7所示图像,从而得到更好的处理效果。
S23、基于步骤S22中得到的空化泡的完整圆边界,通过函数gain()计算出空化泡的半径。
需要说明的是,本发明中的图像处理过程涉及图像集中的每一张图像,每张图像均代表当前时刻,因此将步骤S23中得到的半径及该图像对应的时刻可以看作是平面坐标系内的点的坐标,因此可以在二维坐标系内得到一系列的点,将这些点进行样条拟合得到变化曲线,从而直观的表示空化泡半径随时间变化的规律,如图11所示,曲线上任一点的横坐标为半径,纵坐标为当前时间。
S3、对步骤S1得到的图像进行直线检测得到空化泡的射流速度,根据所述射流速度得到空化泡动态射流速度变化规律。
在一个实施例中,步骤S3的具体过程如下:
S31、对步骤S1得到的图像进行二值化处理区分空化泡边界和单固壁,即通过自适应的阈值处理,重点凸显出空化泡的单固壁环境的单固壁检测。
S32、如图8和9所示,对步骤S31得到的图像进行腐蚀膨胀处理得到单固壁轮廓,减弱除单固壁以外的图像阈值的影响。
需要说明的是,经过步骤S32处理后的图像为白底黑线的图像,为了便于后续的处理和计算,可以对该图像进行黑白反变换得到黑底白线的图像。
S33、如图10所示,对步骤S32得到的图像进行直线检测得到相对完整的单固壁直线。
具体地,步骤S33的具体过程如下:
S331、对步骤S32得到的图像进行霍夫直线检测得到明显的初步单固壁直线。
S332、对步骤S331得到的图像进行LSD局部直线检测得到相对完整的单固壁直线。该步骤是对步骤S331的校正,得到相对完整的单固壁直线。
Hough直线检测的优势是:本质上是把图像映射到它的参数空间(即霍夫空间)上,它需要计算所有的M个边缘点,这样它的运算量和所需内存空间都会很大。如果在输入图像中只是处理m(m<M)个边缘点,则这m个边缘点的选取是具有一定概率性的,因此该方法被称为概率霍夫变换(Probabilistic Hough Transform)。该方法重要的特点就是能够检测出线端,即能够检测出图像中直线的两个端点,确切地定位图像中的直线。
LSD直线检测的优势是:是一种直线检测分割算法,它能在线性的时间内得出亚像素级精度的检测结果。该算法被设计成可以在任何数字图像上都无需参数调节。
S34、根据空化泡边界和单固壁直线计算空化泡的射流速度,得到射流速度随时间变化的规律。
在一个实施例中,步骤S34的具体过程如下:
S341、计算空化泡上一定点到单固壁直线的距离。
具体地,步骤S341的具体过程如下:
S3411、对所述单固壁直线进行拟合得到直线方程;
S3412、根据直线方程得到空化泡上一定点到单固壁直线的距离。
需要说明的是,空化泡上的定点为空化泡最底部的点。
需要说明的是,除此之外,还可以直接基于步骤S332得到的图像,通过函数gain()计算出空化泡上一定点到单固壁直线的距离。
S342、根据所述距离和时间计算空化泡的射流速度。
需要说明的是,步骤S342中得到的速度及该图像对应的时刻可以看作是平面坐标系内的点的坐标,因此可以在二维坐标系内得到一系列的点,将这些点进行样条拟合得到变化曲线,从而直观的表示空化泡半径随时间变化的规律,如图12所示,曲线上任一点的横坐标为时间,纵坐标为当前时间下空化泡的射流速度。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:包括如下过程:
获取空化泡在单固壁的环境下由产生到溃灭过程的图像;
对所述图像进行多算子融合计算得到空化泡的半径,根据所述半径得到空化泡动态直径变化规律;
对所述图像进行直线检测得到空化泡的射流速度,根据所述射流速度得到空化泡动态射流速度变化规律。
2.根据权利要求1所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述获取空化泡在单固壁的环境下由产生到溃灭过程的图像的过程具体如下:
由致泡装置产生空化泡,并通过高速摄像机拍摄空化泡由产生到溃灭过程的图像;
高速摄像机布置在单固壁环境的一侧,其镜头垂直于空化泡射流方向。
3.根据权利要求1所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述对所述图像进行多算子融合计算得到空化泡的半径的过程具体如下:
对所述图像进行二值化处理以区分电极和空化泡的边界;
对经过二值化处理的图像进行多算子融合边缘检测处理得到相对完整的空化泡圆边界,算子包括Canny、Laplacian、Sobel,其权重分别为:0.6~0.7、0.1~0.3、0.1~0.3;
根据空化泡的完整圆边界计算空化泡的半径。
4.根据权利要求3所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述对所述图像进行二值化处理以区分电极和空化泡的边界的过程具体如下:
对所述图像进行直方图均值化处理;
对经过直方图均值化处理的图像进行OSTU二值化处理以区分电极和空化泡的边界。
5.根据权利要求3所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述半径随时间变化的规律通过曲线表示,曲线上任一点的横坐标为半径,纵坐标为当前时间。
6.根据权利要求1所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述对所述图像进行直线检测得到空化泡的射流速度的过程具体如下:
对所述图像进行二值化处理区分空化泡边界和单固壁;
对经过二值化处理的图像进行腐蚀膨胀处理得到单固壁轮廓;
对经过腐蚀膨胀处理的图像进行直线检测得到相对完整的单固壁直线;
根据空化泡边界和单固壁直线计算空化泡的射流速度,得到射流速度随时间变化的规律。
7.根据权利要求6所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述对经过腐蚀膨胀处理的图像进行直线检测得到单固壁直线的过程具体如下:
对经过腐蚀膨胀的图像进行霍夫直线检测得到单固壁直线;
对经过霍夫直线检测的图像进行LSD局部直线检测得到相对完整的单固壁直线。
8.根据权利要求7所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述根据空化泡边界和单固壁直线计算空化泡的射流速度的过程具体如下:
计算空化泡上一定点到单固壁直线的距离;
根据所述距离和时间计算空化泡的射流速度。
9.根据权利要求8所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述计算空化泡上一定点到单固壁直线的距离的过程具体如下:
对所述单固壁直线进行拟合得到直线方程;
根据直线方程得到空化泡上一定点到单固壁直线的距离。
10.根据权利要求6所述的一种基于多算子融合边缘检测技术的空化泡图像处理方法,其特征在于:
所述射流速度随时间变化的规律通过曲线表示,曲线上任一点的横坐标为时间,纵坐标为当前时间下空化泡的射流速度。
CN201911003199.2A 2019-10-22 2019-10-22 一种基于多算子融合边缘检测技术的空化泡图像处理方法 Active CN110766707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911003199.2A CN110766707B (zh) 2019-10-22 2019-10-22 一种基于多算子融合边缘检测技术的空化泡图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911003199.2A CN110766707B (zh) 2019-10-22 2019-10-22 一种基于多算子融合边缘检测技术的空化泡图像处理方法

Publications (2)

Publication Number Publication Date
CN110766707A true CN110766707A (zh) 2020-02-07
CN110766707B CN110766707B (zh) 2022-09-23

Family

ID=69332387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911003199.2A Active CN110766707B (zh) 2019-10-22 2019-10-22 一种基于多算子融合边缘检测技术的空化泡图像处理方法

Country Status (1)

Country Link
CN (1) CN110766707B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115828054A (zh) * 2023-02-10 2023-03-21 成都信息工程大学 一种通过改进拉普拉斯自动识别南支槽的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549893A (zh) * 2018-04-04 2018-09-18 华中科技大学 一种任意形状的场景文本端到端识别方法
CN109447078A (zh) * 2018-10-23 2019-03-08 四川大学 一种自然场景图像敏感文字的检测识别方法
CN109993164A (zh) * 2019-03-20 2019-07-09 上海电力学院 一种基于rcrnn神经网络的自然场景文字识别方法
CN110298343A (zh) * 2019-07-02 2019-10-01 哈尔滨理工大学 一种手写黑板板书识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549893A (zh) * 2018-04-04 2018-09-18 华中科技大学 一种任意形状的场景文本端到端识别方法
CN109447078A (zh) * 2018-10-23 2019-03-08 四川大学 一种自然场景图像敏感文字的检测识别方法
CN109993164A (zh) * 2019-03-20 2019-07-09 上海电力学院 一种基于rcrnn神经网络的自然场景文字识别方法
CN110298343A (zh) * 2019-07-02 2019-10-01 哈尔滨理工大学 一种手写黑板板书识别方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115828054A (zh) * 2023-02-10 2023-03-21 成都信息工程大学 一种通过改进拉普拉斯自动识别南支槽的方法

Also Published As

Publication number Publication date
CN110766707B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN105913415B (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
CN110148130B (zh) 用于检测零件缺陷的方法和装置
JP2009169934A (ja) 可変形オブジェクト認識のためのシステムおよび方法
CN113674206B (zh) 一种适用于深熔k-tig焊熔池和锁孔入口特征参数的提取方法
CN110717872A (zh) 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取系统
Lestriandoko et al. Circle detection based on hough transform and Mexican Hat filter
CN111462066A (zh) 一种基于机器视觉的螺纹参数检测方法
CN109829858B (zh) 一种基于局部自适应阈值的船载雷达图像溢油监测方法
CN112102197A (zh) 一种辅助潜水员的水下目标检测系统及方法
CN114972397A (zh) 一种用于风电叶片复合材料的红外图像缺陷轮廓检测方法
CN111445511B (zh) 一种图像中圆的检测方法
CN110766707B (zh) 一种基于多算子融合边缘检测技术的空化泡图像处理方法
CN113705564B (zh) 一种指针式仪表识别读数方法
CN113487563B (zh) 一种基于el图像的光伏组件隐裂自适应检测方法
AlAzawee et al. Using morphological operations—Erosion based algorithm for edge detection
Sa et al. Improved Otsu segmentation based on sobel operator
CN113971669A (zh) 应用于管道损伤识别的三维检测系统
CN109978905A (zh) 一种基于数字图像处理的喷头雾锥角测量方法及装置
CN113763395B (zh) 一种基于图像分析空化泡动力学特性的方法
CN113469988A (zh) 一种缺陷识别方法
Saeed et al. Edge detection on noisy images using Prewitt operator and fractional order differentiation
CN115526867B (zh) 碳纤维复合材料气瓶x射线图像裂纹缺陷提取方法和装置
CN117670916B (zh) 一种基于深度学习的涂布边缘检测方法
CN114066752B (zh) 面向焊缝跟踪的线结构光骨架提取及毛刺去除方法
Gu et al. Image processing and weld deviation recognition of robotic deep penetration TIG welding

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Shan Minglei

Inventor after: Zhu Changping

Inventor after: Zhao Xuemeng

Inventor after: Chen Kaiquan

Inventor after: Li Haoyang

Inventor after: Wang Xiansong

Inventor after: Ma Hao

Inventor after: Xu Tianyu

Inventor after: Tang Yibin

Inventor after: Han Qingbang

Inventor before: Zhao Xuemeng

Inventor before: Zhu Changping

Inventor before: Shan Minglei

Inventor before: Chen Kaiquan

Inventor before: Li Haoyang

Inventor before: Wang Xiansong

Inventor before: Ma Hao

Inventor before: Xu Tianyu

Inventor before: Tang Yibin

Inventor before: Han Qingbang

GR01 Patent grant
GR01 Patent grant