CN111429394B - 基于图像的检测方法、装置、电子设备和存储介质 - Google Patents
基于图像的检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111429394B CN111429394B CN201910016935.1A CN201910016935A CN111429394B CN 111429394 B CN111429394 B CN 111429394B CN 201910016935 A CN201910016935 A CN 201910016935A CN 111429394 B CN111429394 B CN 111429394B
- Authority
- CN
- China
- Prior art keywords
- image
- points
- target object
- measurement
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 115
- 238000005259 measurement Methods 0.000 claims abstract description 108
- 230000008569 process Effects 0.000 claims description 85
- 238000012545 processing Methods 0.000 claims description 59
- 238000000605 extraction Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000013138 pruning Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 9
- 238000003708 edge detection Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 235000012469 Cleome gynandra Nutrition 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本申请实施例提供了一种基于图像的检测方法、装置、电子设备和存储介质,以提高检测的效率和准确性。所述的方法包括:获取第一图像,所述第一图像通过拍摄平台上的目标对象得到;对所述第一图像进行检测,提取所述目标对象对应的特征点;将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点;依据所述目标测量点确定所述目标对象对应测量参数。自动进行目标对象对应目标测量点的匹配,且自动进行目标对象对应参数的测量,检测的效率和准确性较高。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种基于图像的检测方法和装置、一种电子设备和一种存储介质。
背景技术
在工业生产过程中,对于生产制造的产品要进行质检以保证产品的质量,例如对于服饰、玩具等进行质检。
目前对于产品的质检通常是人工执行,例如在服饰的质检过程中,对于服饰的尺寸进行检测,通常是人工目测或者人工测量,效率低且误检率高。
发明内容
本申请实施例提供了一种基于图像的检测方法,以提高检测的效率和准确性。
相应的,本申请实施例还提供了一种基于图像的检测装置、一种电子设备和一种存储介质,用以保证上述方法的实现及应用。
为了解决上述问题,本申请实施例公开了一种基于图像的检测方法,所述的方法包括:获取第一图像,所述第一图像通过拍摄平台上的目标对象得到;对所述第一图像进行检测,提取所述目标对象对应的特征点;将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点;依据所述目标测量点确定所述目标对象对应测量参数。
可选的,所述对所述第一图像进行检测,提取所述目标对象对应的特征点,包括:对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像;对所述第二图像进行提取处理,确定所述目标对象对应的特征点。
可选的,所述对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像,包括:从所述第一图像中剔除所述目标对象的背景,得到第三图像;通过模糊处理从所述第三图像中剔除所述目标对象的材质,得到所述目标对象对应的第二图像。
可选的,所述对第二图像进行提取处理,确定所述目标对象对应的特征点,包括:对所述第二图像进行边缘处理,确定对应的第四图像;对所述第二图像进行特征提取,确定对应的待匹配特征点;依据所述第四图像对所述待匹配特征点进行筛选,确定所述目标对象对应的特征点。
可选的,所述对所述第二图像进行边缘处理,确定对应的第四图像,包括:依据所述第二图像对所述目标对象的边缘进行提取,确定对应的第五图像;将所述第五图像进行阈值化处理,得到对应的第六图像;对所述第五图像进行连通分析,得到对应的第七图像;对所述第七图像进行线条细化处理,得到对应的第八图像;对所述第八图像进行剪枝处理,确定对应连接点集合;依据所述连接点集合进行线段拟合,得到对应的第四图像。
可选的,对所述第二图像进行特征提取,确定对应的待匹配特征点,包括:对所述第二图像进行特征点检测,提取对应的待匹配特征点;对所述待匹配特征点进行描述处理,确定所述待匹配特征点对应的特征向量。
可选的,所述设定特征点通过对标注特征点的模板对象的模板图像进行检测确定;所述目标测量点包括:测量关键点和特殊工艺点。
可选的,还包括:对所述模板对象的模板图像进行预处理,得到剔除干扰数据后的模板图像;在所述剔除干扰数据后的模板图像上标记目标测量点为设定特征点,得到标记图像;对所述标记图像进行特征提取,确定所述设定特征点的特征向量。
可选的,所述测量参数包括:尺寸参数和工艺参数;依据所述目标测量点确定所述目标对象对应测量参数,包括:将关联的测量关键点连线并测量连线距离,得到所述目标对象对应尺寸参数;依据所述特殊工艺点确定对应工艺位置,依据所述工艺位置测量对应的工艺参数。
可选的,还包括:在第一图像上添加所述测量关键点的连线和工艺位置,得到展示图像并进行显示。
本申请实施例还公开了一种基于图像的检测装置,所述的装置包括:图像获取模块,用于获取第一图像,所述第一图像通过拍摄平台上的目标对象得到;图像处理模块,用于对所述第一图像进行检测,提取所述目标对象对应的特征点;将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点;参数测量模块,用于依据所述目标测量点确定所述目标对象对应测量参数。
本申请实施例还公开了一种电子设备,包括:处理器;和存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如本申请实施例中一个或多个所述的基于图像的检测方法。
本申请实施例还公开了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如本申请实施例中一个或多个所述的基于图像的检测方法。
与现有技术相比,本申请实施例包括以下优点:
在本申请实施例中,可拍摄平台上的目标对象得到第一图像,然后对所述第一图像进行检测,提取所述目标对象对应的特征点,再将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点,从而自动进行目标对象对应目标测量点的匹配,再依据所述目标测量点确定所述目标对象对应测量参数,能够自动进行目标对象对应参数的测量,检测的效率和准确性较高。
附图说明
图1是本申请实施例的一种检测系统示意图;
图2是本申请的一种基于图像的检测方法实施例的步骤流程图;
图3是本申请的一种基于图像预检测方法实施例的步骤流程图;
图4是本申请的另一种基于图像的检测方法实施例的步骤流程图;
图5是本申请的又一种基于图像的检测方法实施例的步骤流程图;
图6是本申请一种基于图像的检测装置实施例的结构框图;
图7是本申请另一种基于图像的检测装置实施例的结构框图;
图8是本申请一实施例提供的装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1,示出了本申请实施例的一种检测系统示意图。
所述检测系统包括:触发装置10、拍摄装置20、平台30和检测装置40。其中,所述触发装置10用于触发图像的拍摄,该触发装置可为硬件触发器如按钮等,也可为可远程操作的触发器如电子设备中应用程序上述触发按键等。该平台30用于放置目标对象,如服饰等产品,平台的尺寸可依据业务需求确定,如为2m x 2m的平台。该拍摄装置20用于拍设在平台上的业务对象,拍摄装置可包括具有摄像头的电子设备,如电荷耦合器件(ChargeCoupled Device,CCD)相机等。所述检测装置可基于拍摄的目标对象的图像数据进行检测,确定目标对象对应的参数,检测装置可采用终端设备、服务器(集群)等各种电子设备。其中,CCD相机是一种常用的光学成像设备,具有稳定性高的特点。
在一个示例中,将目标对象放置到平台30上,然后触发该触发装置10,触发装置10可基于触发生成触发信号,并发送触发信号给检测装置40,检测装置40依据该触发信号生成拍摄信号,发送拍摄信号给拍摄装置20,拍摄装置20可基于拍摄信号,拍摄平台30上目标对象的第一图像,然后将第一图像发送给检测装置40,检测装置40对该第一图像进行检测,获取相应的测量参数。其中,检测装置40可对第一图像进行预处理、边缘检测、特征提取、特征匹配等操作,从而得到该目标对象对应的特征点,再基于该特征点确定所述目标对象的目标测量点,从而测量目标对象对应的测量参数。特征点指的是与该目标对象的测量参数相关的点,该点可基于图像处理进行提取。
从而可拍摄平台上的目标对象得到第一图像,然后对所述第一图像进行检测,提取所述目标对象对应的特征点,再将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点,从而自动进行目标对象对应目标测量点的匹配,再依据所述目标测量点确定所述目标对象对应测量参数,能够自动进行目标对象对应参数的测量,检测的效率和准确性较高。
基于上述检测系统,检测装置可执行如下的图像检测步骤:
参照图2,示出了本申请的一种基于图像的检测方法实施例的步骤流程图。
步骤202,获取第一图像,所述第一图像通过拍摄平台上的目标对象得到。
将目标对象放置到平台上之后,检测装置可基于触发装置的触发信号,发送拍摄信号给拍摄装置,然后获取拍摄装置所拍摄平台上目标对象的第一图像。
步骤204,对所述第一图像进行检测,提取所述目标对象对应的特征点。
可对第一图像进行检测,从该第一图像中提取目标对象的特征点,其中检测步骤可包括预处理、边缘检测、特征提取等。通过预处理步骤可从第一图像中剔除该目标对象的背景、材质等与特征无关的干扰数据;通过边缘检测可得到边缘平滑的目标对象的图像数据;通过特征提取可从图像中提取该目标对象对应的特征点。
一个可选实施例中,所述对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像,包括:从所述第一图像中剔除所述目标对象的背景,得到第三图像;通过模糊处理从所述第三图像中剔除所述目标对象的材质,得到所述目标对象对应的第二图像。预先拍摄一种平台空置的背景参照图像,也就是在平台上不放置物品等情况下拍摄图像作为背景参照,在检测过程中,将该背景参照图像作为参看,通过高斯混合模型等处理模型执行背景剔除算法,从该第一图像中剔除所述目标对象的背景,得到对应的第三图像pre-1,再在第三图像pre-1的基础上,使用高斯滤波器对第三图像pre-1进行模糊处理,剔除该第三图像pre-1中目标对象的材质,得到对应的第二图像pre-2。从而通过预处理可进行背景剔除及材质剔除等,其中材质剔除过程中还可采用其他滤波器进行模糊处理,或者通过基于Laplace(拉普拉斯)算法等进行模糊处理。
另一个可选实施例中,所述对第二图像进行提取处理,确定所述目标对象对应的特征点,包括:对所述第二图像进行特征提取,确定对应的待匹配特征点;对所述第二图像进行边缘处理,确定对应的第四图像;依据所述第四图像对所述待匹配特征点进行筛选,确定所述目标对象对应的特征点。在剔除背景和材质得到第二图像后,可对第二图像进行特征提取,从第二图像中提取待匹配特征点,其中可通过多种检测算法确定待匹配特征点并确定所述待匹配特征点的特征向量,如角点检测算法等,还可对第二图像进行边缘处理,其中可包括滤波、筛选、连通等多种处理操作,得到边缘平滑的目标对象对应的第四图像,然后依据所述第四图像对所述待匹配特征点进行筛选,确定所述目标对象对应的特征点,如确定待匹配特征点是否在所述目标对象的边缘内等,从而筛选得到相应的特征点。例如通过特征提取检测得到特征点集合N及N的特征向量集合N',以及通过边缘处理得到轮廓清晰的第四图像,再还可依据所述第四图像对所述待匹配特征点进行筛选,筛选N及N',剔除边缘外的特征点,确定所述目标对象对应的特征点。
其中,所述对所述第二图像进行特征提取,确定对应的待匹配特征点,包括:对所述第二图像进行特征点检测,提取对应的待匹配特征点;对所述待匹配特征点进行描述处理,确定所述待匹配特征点对应的特征向量。可通过各种检测算法从第二图像中提取待匹配特征点,如对于轮廓角点的特征点可通过harris角点检测算法或者采用特征点检测算法(Features From Accelerated Segment Test,FAST)等进行检测,对于其他特征点可通过尺度不变特征变换(Scale-invariant feature transform,SIFT)算法进行检测,或通过SURF(Speeded Up Robust Features),RIFT等算法进行检测,得到第二图像中各种待匹配特征点。对于各待匹配特征点可进行描述处理,如基于SIFT算法进行特征点的描述,得到各待匹配特征点的特征向量。本申请实施例中,图像处理过程中提取的特征点指的是在图像中灰度值剧烈变化或轮廓上曲率变化较大的点,在通过图像处理得到的特征点为待匹配特征点,再通过筛选获取到该目标对象对应的特征点。
所述对所述第二图像进行边缘处理,确定对应的第四图像,包括:依据所述第二图像对所述目标对象的边缘进行提取,确定对应的第五图像;将所述第五图像进行阈值化处理,得到对应的第六图像;对所述第五图像进行连通分析,得到对应的第七图像;对所述第七图像进行线条细化处理,得到对应的第八图像;对所述第八图像进行剪枝处理,确定对应连接点集合;依据所述连接点集合进行线段拟合,得到对应的第四图像。可将第二图像pre-2作为边缘处理的基础图像edge-1,从而先通过滤波器基于第二图像对目标对象的边缘进行提取,如通过边缘滤波器(ridge filter)对图像的边缘进行提取,或者通过其他滤波器进行边缘的提取,如sobel算子滤波器、canny(边缘检测算法)滤波器等,得到对应的第五图像edge-2;然后可对第五图像edge-2进行阈值化处理,如预先设定筛选阈值,然后从第五图像edge-2中筛选掉达不到阈值的边缘,如删除信号较弱的边缘,得到对应的第六图像edge-3;然后对第六图像edge-3进行连通分析,将各边缘进行连通处理并标记,得到对应的第七图像edge-4;再对第七图像edge-4进行线条细化处理,如通过骨架化skeletonization算法进行边缘等线条的细化,得到对应的第八图像edge-5;再对所述第八图像edge-5进行剪枝处理,并在过程中找到连接点集合Q,以及连接点对应的连接图,然后依据所述连接点集合进行线段拟合,如属于连接点集合Q的两个连接点在G中有连通关系,可使用b-spline对两点之间的线段进行拟合,得到边缘平滑、轮廓清晰的目标对象对应的第四图像edge-6。
从而边缘提取处理使用自定义的一套特征提取方式,提取目标对象对应边缘的特征,如提取服饰的骨架等特征,特征提取处理可使用特征提取器对图片上的特征点进行提取及对特征向量进行描述。
步骤206,将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点。
本申请实施例中,对于目标对象可设置标准的模板对象,如服饰打板、裁剪、缝制的样品等,所述模板对象的尺寸和样式是符合设计要求的,因此可在将模板对象放置在平台上并拍摄模板图像,基于模板图像进行设定特征点的标注和描述,从而便于进行特征点的匹配。其中,设定特征点可依据目标测量点标注,目标测量点包括测量关键点和特殊工艺点,该测量关键点可用于测量目标对象对应业务参数,如服饰中裤子的腰围、臀围、裤长等参数,特殊工艺点用于检测目标对象上通过特殊工艺制作的内容,如服饰中的破洞、装饰物等,例如在服饰制造领域中,特殊工艺指的是服装生产过程中可能加入的破洞,猫须,褶皱,印花等工艺。例如在服饰制造领域中,测量关键点为用于测量尺寸的点位,通过将测量关键点两线可得到服饰对象测量的线条,如腰围、胸围、领口尺寸、肩宽、裤长、裤口长度、臀围、袖口长度等。
一个可选实施例中,对所述模板对象的模板图像进行预处理,得到剔除干扰数据后的模板图像;在所述剔除干扰数据后的模板图像上标记测量点为设定特征点,得到标记图像;对所述标记图像进行特征提取,确定所述设定特征点的特征向量。可以对模板对象的模板图像template-1进行预处理,与第一图像的预处理类似,可基于背景参照图像和背景剔除算法,从模板图像中剔除背景,再通过高斯滤波器等滤波器进行模糊处理,剔除该模板对象的材质得到剔除干扰数据后的模板图像template-2,然后在所述剔除干扰数据后的模板图像template-2上标记测量点,包括测量关键点和特殊工艺点等,作为设定特征点,得到具有标记的标记图像。从而可通过标注得到测量关键点集合M和特殊工艺点集合K,还可设置相应的名称、定义等关联信息,M中同属于一个测量位的标记点拥有相同标记,K中属于一个特殊工艺的点集拥有相同标记针对不同的设定特征点,便于匹配后的测量等操作。对于标记图像中标记的设定特征点,可通过特征提取确定标记的各设定特征点,并通过基于SIFT算法进行特征点的描述,确定各设定特征点的特征向量。如通过特征提取模块中的特征描述对上述M与K进行描述获得特征向量集合M'和K'模版图像及M、M'、K、K'保存入模版数据库中。从而能够基于模板对象拍摄模板图像并标记特征点,在后续进行特征点的匹配。
在基于第四图像筛选得到目标对象对应的特征点后,可将所述特征点和设定特征点进行匹配,匹配过程可通过各种匹配算法实现,例如基于k邻近算法(knn matcher)对目标对象对应的特征点和目标对象标记的设定特征点这两组特征点的特征向量进行匹配,也可通过BM算法等进行特征点的匹配,从而确定所述目标对象对应的特征点中的测量关键点、特殊工艺点等目标测量点。如通过比对N'与M'、K',在N中查找M的对应点和K的对应点。
步骤208,依据所述目标测量点确定所述目标对象对应测量参数。
在通过特征点匹配确定出测量关键点、特殊工艺点等目标测量点之后,还可基于该目标测量点对目标对象进行测量,得到相应的测量参数。其中,将关联的测量关键点连线并测量连线距离,得到所述目标对象对应尺寸参数;依据所述特殊工艺点确定对应工艺位置,依据所述工艺位置测量对应的工艺参数。依据特征点和设定特征点匹配确定出各类型的目标测量点,其中还可确定出个测量关键点的名称等关联信息,依据关联信息确定关联的测量关键点,对关联的测量关键点进行连线,从而得到该目标对象对应业务连线,并测量业务连线的距离,得到所述目标对象对应尺寸参数,在服饰制造领域中,测量得到服饰的腰围、胸围、领口尺寸、肩宽、裤长、裤口长度、臀围、袖口长度等,又如测量得到鞋的长度、宽度等。还可依据所述特殊工艺点确定对应工艺位置,如通过匹配的设定特征点中特殊工艺点确定中心位置,从而得到对应的工艺位置,以及相应的工艺的关联参数如面积、周长等尺寸信息,如在服饰制造领域中,测量得到破洞,猫须,褶皱,印花等工艺位置的尺寸信息。
还可在第一图像上添加所述测量关键点的连线和工艺位置,得到展示图像;对所述展示图像进行显示。在将测量关键点连线、确定位置等并测量得到测量参数后,还可在第一图像中添加测量关键点的连线以及对应的尺寸参数、工艺位置以及对应的工艺参数等,得到相应的展示图像,然后对该展示图像进行显示,如在相应的图形用户(UserInterface,UI)界面中展示,便于查看,如在服饰制造过程中通过展示图像查看服饰的尺寸是否符合规格等,进行服饰的质检,也便于复核服饰的质量问题。
从而通过标注所需测量点的方式,后续进行使用过程中进行特征点的匹配并对所需测量参数进行测量,使得测量不局限,能够基于模板对象测量所需的各种参数。
在上述实施例的基础上,本实施例还提供了一种图像检测的预检测实施例,能够预先进行对象对应测量点的标记和检测,以便后续进行特征点的匹配处理,提高准确性和业务的可扩展性。
参照图3,示出了本申请的一种基于图像预检测方法实施例的步骤流程图。
步骤302,获取在平台空置情况下拍摄的背景参照图像,也就是在平台上不放置物品等情况下拍摄图像作为背景参照。
步骤306,获取目标对象放置到平台上拍摄的模板图像。如设模板图像为template-1。
步骤308,对所述模板对象的模板图像进行预处理,得到剔除干扰数据后的模板图像。预处理步骤与第一图像的预处理步骤类似,对模板对象的模板图像template-1进行预处理,通过剔除背景和材质得到剔除干扰数据后的模板图像,具体可参照上述实施例相应部分的描述,得到剔除干扰数据后的模板图像template-2。
步骤310,在所述剔除干扰数据后的模板图像上标记测量点为设定特征点,得到标记图像。如在所述剔除干扰数据后的模板图像template-2上标记测量点,可通过标注得到测量关键点集合M和特殊工艺点集合K,还可设置相应的名称、定义等关联信息。
步骤312,对所述标记图像进行特征提取,确定所述设定特征点的特征向量。如通过特征提取模块中的特征描述对上述M与K进行描述获得特征向量集合M'和K'模版图像及M、M'、K、K'保存入模版数据库中。
通过对模板图像标记特征点,可实现对各种模板对象的特征点标记和测量,并且可测量模板对象的各种参数,还可标记特殊工艺位置,实现对目标对象中特殊工艺进行检测和测量,可扩展性较高。
在上述实施例的基础上,本实施例还提供了一种基于图像的检测方法,能够自动测量目标对象对应的参数,实现业务的自动化检测,提高处理效率。
参照图4,示出了本申请的另一种基于图像的检测方法实施例的步骤流程图。
步骤402,获取第一图像。将目标对象放置到平台上之后,检测装置可基于触发装置的触发信号,发送拍摄信号给拍摄装置,然后获取拍摄装置所拍摄平台上目标对象的第一图像。
步骤404,对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像。其中可基于背景参照图像进行背景、材质的剔除,得到目标对象对应的第二图像。
然后所述对第二图像进行提取处理,确定所述目标对象对应的特征点,可通过如下步骤406-410实现:
步骤406,对所述第二图像进行边缘处理,确定对应的第四图像。
步骤408,对所述第二图像进行特征提取,确定对应的待匹配特征点。例如通过特征提取检测得到特征点集合N及N特征向量集合N'。
步骤410,依据所述第四图像对所述待匹配特征点进行筛选,确定所述目标对象对应的特征点。可依据所述第四图像对所述待匹配特征点进行筛选,筛选N及N',剔除边缘外的特征点,确定所述目标对象对应的特征点。
步骤412,将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点。所述目标测量点包括:测量关键点和特殊工艺点。如通过比对N'与M'、K',在N中查找M的对应测量关键点和K的对应特殊工艺点。
步骤414,依据所述目标测量点确定所述目标对象对应测量参数。
从而通过拍摄平台上的目标对象得到第一图像,再剔除第二图像中的背景、材质等干扰数据,得到目标对象对应的第二图像,通过特征提取、边缘处理等得到待匹配特征点和第四图像,通过筛选确定出目标对象对应的特征点,能够自动进行特征点的提取,效率和准确性较高,还可依据所述目标测量点确定所述目标对象对应测量参数,自动测量目标对象对应的参数,实现业务的自动化检测,提高处理效率。
在上述实施例的基础上,本实施例可基于标记的设定特征点进行特征点的匹配,从而基于标记对目标对象的各种参数进行测量,适用于各种业务场景中,可扩展性较高。
参照图5,示出了本申请的又一种基于图像的检测方法实施例的步骤流程图。
步骤502,获取第一图像。将目标对象放置到平台上之后,检测装置可基于触发装置的触发信号,发送拍摄信号给拍摄装置,然后获取拍摄装置所拍摄平台上目标对象的第一图像。
步骤504,从所述第一图像中剔除所述目标对象的背景,得到第三图像。如通过高斯混合模型等处理模型执行背景剔除算法,从该第一图像中剔除所述目标对象的背景,得到对应的第三图像pre-1。
步骤506,通过模糊处理从所述第三图像中剔除所述目标对象的材质,得到所述目标对象对应的第二图像。如在第三图像pre-1的基础上,使用高斯滤波器对第三图像pre-1进行模糊处理,剔除该第三图像pre-1中目标对象的材质,得到对应的第二图像pre-2。
步骤508,依据所述第二图像对所述目标对象的边缘进行提取,确定对应的第五图像。如将第二图像pre-2作为边缘处理的基础图像edge-1,从而先通过滤波器对目标对象的边缘进行提取,得到对应的第五图像edge-2。
步骤510,将所述第五图像进行阈值化处理,得到对应的第六图像。如从第五图像edge-2中筛选掉达不到阈值的边缘,如删除信号较弱的边缘,得到对应的第六图像edge-3。
步骤512,对所述第五图像进行连通分析,得到对应的第七图像。如对第六图像edge-3进行连通分析,将各边缘进行连通处理并标记,得到对应的第七图像edge-4。
步骤514,对所述第七图像进行线条细化处理,得到对应的第八图像。如对第七图像edge-4进行线条细化处理,如通过骨架化skeletonization算法进行边缘等线条的细化,得到对应的第八图像edge-5。
步骤516,对所述第八图像进行剪枝处理,确定对应连接点集合。如对所述第八图像edge-5进行剪枝处理,并在过程中找到连接点集合Q,以及连接点对应的连接图。
步骤518,依据所述连接点集合进行线段拟合,得到对应的第四图像。如依据所述连接点集合进行线段拟合,如属于连接点集合Q的两个连接点在G中有连通关系,可使用b-spline对两点之间的线段进行拟合,得到边缘平滑、轮廓清晰的目标对象对应的第四图像edge-6。
步骤520,对所述第二图像进行特征点检测,提取对应的待匹配特征点。
步骤522,对所述待匹配特征点进行描述处理,确定所述待匹配特征点对应的特征向量。
步骤524,依据所述第四图像对所述待匹配特征点进行筛选,确定所述目标对象对应的特征点。
步骤526,将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点。所述目标测量点包括:测量关键点和特殊工艺点。
步骤528,将关联的测量关键点连线并测量连线距离,得到所述目标对象对应尺寸参数。
步骤530,依据所述特殊工艺点确定对应工艺位置,依据所述工艺位置测量对应的工艺参数。
步骤532,在第一图像上添加所述测量关键点的连线和工艺位置,得到展示图像并进行显示。
本申请实施例可预先基于模板图像进行目标测量点的标记,从而依据业务需求标记所需的目标测量点,实现对目标对象所需各种目标测量点的检测以及各种参数的测量,业务可扩展性较好,且自动化处理能够明显提高处理效率和准确性。
在标记的过程中,基于业务需求还可对特殊工艺位置进行标记,实现对特殊工艺的位置的检测和测量。能够基于光滑边缘图像提取目标对象的各种管线,便于进行特征点的提取和匹配。
本申请实施例可应用于各种业务领域中,如应用于服务制造领域的质检过程,从而应用到对牛仔裤、休闲裤,衬衫、裙装、上衣等服饰的质检,也可应用于对玩具等质检过程中,应用领域广阔。
本申请实施例可采用OpenCV实现,也可通过其他语言、平台、框架实现,本申请实施例对此不作限制。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
在上述实施例的基础上,本实施例还提供了一种基于图像的检测装置,应用于服务器(集群)、终端设备等电子设备中。
参照图6,示出了本申请一种基于图像的检测装置实施例的结构框图,具体可以包括如下模块:
图像获取模块602,用于获取第一图像,所述第一图像通过拍摄平台上的目标对象得到。
图像处理模块604,用于对所述第一图像进行检测,提取所述目标对象对应的特征点;将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点。
参数测量模块606,用于依据所述目标测量点确定所述目标对象对应测量参数。
综上,可拍摄平台上的目标对象得到第一图像,然后对所述第一图像进行检测,提取所述目标对象对应的特征点,再将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点,从而自动进行目标对象对应目标测量点的匹配,再依据所述目标测量点确定所述目标对象对应测量参数,能够自动进行目标对象对应参数的测量,检测的效率和准确性较高。
参照图7,示出了本申请另一种基于图像的检测装置实施例的结构框图,具体可以包括如下模块:
标记模块608,用于基于模板图像进行设定特征点的标记和检测。
图像获取模块602,用于获取第一图像,所述第一图像通过拍摄平台上的目标对象得到。
图像处理模块604,用于对所述第一图像进行检测,提取所述目标对象对应的特征点;将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点。
参数测量模块606,用于依据所述目标测量点确定所述目标对象对应测量参数。
展示模块610,用于在第一图像上添加所述测量关键点的连线和工艺位置,得到展示图像并进行显示。
所述图像处理模块604,用于对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像;对所述第二图像进行提取处理,确定所述目标对象对应的特征点。
其中,所述图像处理模块604包括:预处理子模块6042、边缘检测子模块6044、特征提取子模块6046和特征匹配子模块6048。
所述预处理子模块6042,用于对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像。
所述边缘检测子模块6044,用于对所述第二图像进行边缘处理,确定对应的第四图像。
所述特征提取子模块6046,用于对所述第二图像进行特征提取,确定对应的待匹配特征点,以及依据所述第四图像对所述待匹配特征点进行筛选,确定所述目标对象对应的特征点。
所述特征匹配子模块6048,用于将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点。
一个可选实施例中,所述预处理子模块6042,用于从所述第一图像中剔除所述目标对象的背景,得到第三图像;通过模糊处理从所述第三图像中剔除所述目标对象的材质,得到所述目标对象对应的第二图像。
所述边缘检测子模块6044,用于依据所述第二图像对所述目标对象的边缘进行提取,确定对应的第五图像;将所述第五图像进行阈值化处理,得到对应的第六图像;对所述第五图像进行连通分析,得到对应的第七图像;对所述第七图像进行线条细化处理,得到对应的第八图像;对所述第八图像进行剪枝处理,确定对应连接点集合;依据所述连接点集合进行线段拟合,得到对应的第四图像。
所述特征提取子模块6046,用于对所述第二图像进行特征点检测,提取对应的待匹配特征点;对所述待匹配特征点进行描述处理,确定所述待匹配特征点对应的特征向量。
其中,所述设定特征点通过对标注特征点的模板对象的模板图像进行检测确定;所述目标测量点包括:测量关键点和特殊工艺点。
所述标记模块608,用于对所述模板对象的模板图像进行预处理,得到剔除干扰数据后的模板图像;在所述剔除干扰数据后的模板图像上标记测量点为设定特征点,得到标记图像;对所述标记图像进行特征提取,确定所述设定特征点的特征向量。
所述测量参数包括:尺寸参数和工艺参数;所述参数测量模块606,用于将关联的测量关键点连线并测量连线距离,得到所述目标对象对应尺寸参数;依据所述特殊工艺点确定对应工艺位置,依据所述工艺位置测量对应的工艺参数。
通过标注所需测量点的方式,后续进行使用过程中进行特征点的匹配并对所需测量参数进行测量,使得测量不局限,能够基于模板对象测量所需的各种参数。且能够预先进行对象对应测量点的标记和检测,以便后续进行特征点的匹配处理,提高准确性和业务的可扩展性。
通过拍摄平台上的目标对象得到第一图像,再剔除第二图像中的背景、材质等干扰数据,得到目标对象对应的第二图像,通过特征提取、边缘处理等得到待匹配特征点和第四图像,通过筛选确定出目标对象对应的特征点,能够自动进行特征点的提取,效率和准确性较高,还可依据所述目标测量点确定所述目标对象对应测量参数,自动测量目标对象对应的参数,实现业务的自动化检测,提高处理效率。
本申请实施例可预先基于模板图像进行测量点的标记,从而依据业务需求标记所需的测量点,实现对目标对象所需各种测量点的检测以及各种参数的测量,业务可扩展性较好,且自动化处理能够明显提高处理效率和准确性。在标记的过程中,基于业务需求还可对特殊工艺位置进行标记,实现对特殊工艺的位置的检测和测量。能够基于光滑边缘图像提取目标对象的各种管线,便于进行特征点的提取和匹配。
本申请实施例可应用于各种业务领域中,如应用于服务制造领域的质检过程,从而应用到对牛仔裤、休闲裤,衬衫、裙装、上衣等服饰的质检,也可应用于对玩具等质检过程中,应用领域广阔。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。
本申请实施例提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的方法。本申请实施例中,所述电子设备包括服务器(集群)、移动设备、终端设备等。
本公开的实施例可被实现为使用任意适当的硬件,固件,软件,或及其任意组合进行想要的配置的装置,该装置可包括服务器(集群)、移动设备、终端设备等电子设备。图8示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置800。
对于一个实施例,图8示出了示例性装置800,该装置具有一个或多个处理器802、被耦合到(一个或多个)处理器802中的至少一个的控制模块(芯片组)804、被耦合到控制模块804的存储器806、被耦合到控制模块804的非易失性存储器(NVM)/存储设备808、被耦合到控制模块804的一个或多个输入/输出设备810,以及被耦合到控制模块806的网络接口812。
处理器802可包括一个或多个单核或多核处理器,处理器802可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中,装置800能够作为本申请实施例中所述服务器(集群)、移动设备、终端设备等设备。
在一些实施例中,装置800可包括具有指令814的一个或多个计算机可读介质(例如,存储器806或NVM/存储设备808)以及与该一个或多个计算机可读介质相合并被配置为执行指令814以实现模块从而执行本公开中所述的动作的一个或多个处理器802。
对于一个实施例,控制模块804可包括任意适当的接口控制器,以向(一个或多个)处理器802中的至少一个和/或与控制模块804通信的任意适当的设备或组件提供任意适当的接口。
控制模块804可包括存储器控制器模块,以向存储器806提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器806可被用于例如为装置800加载和存储数据和/或指令814。对于一个实施例,存储器806可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,存储器806可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块804可包括一个或多个输入/输出控制器,以向NVM/存储设备808及(一个或多个)输入/输出设备810提供接口。
例如,NVM/存储设备808可被用于存储数据和/或指令814。NVM/存储设备808可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备808可包括在物理上作为装置800被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备808可通过网络经由(一个或多个)输入/输出设备810进行访问。
(一个或多个)输入/输出设备810可为装置800提供接口以与任意其他适当的设备通信,输入/输出设备810可以包括通信组件、音频组件、传感器组件等。网络接口812可为装置800提供接口以通过一个或多个网络通信,装置800可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入基于通信标准的无线网络,如WiFi、2G、3G、4G等,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器802中的至少一个可与控制模块804的一个或多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(一个或多个)处理器802中的至少一个可与控制模块804的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例,(一个或多个)处理器802中的至少一个可与控制模块804的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器802中的至少一个可与控制模块804的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中,装置800可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,装置800可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,装置800包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
本申请实施例提供了一种服务器,包括:一个或多个处理器;和,其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述服务器执行如本申请实施例中一个或多个所述的数据处理方法。
本申请实施例提供了一种移动设备,包括:一个或多个处理器;和,其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述服务器执行如本申请实施例中一个或多个所述的显示处理方法。该移动设备还包括:图像摄取装置和显示装置。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种基于图像的检测方法和装置、一种电子设备和一种存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (11)
1.一种基于图像的检测方法,其特征在于,所述的方法包括:
获取第一图像,所述第一图像通过拍摄平台上的目标对象得到;
对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像;
对所述第二图像进行边缘处理,确定对应的第四图像;
对所述第二图像进行特征提取,确定对应的待匹配特征点;
依据所述第四图像对所述待匹配特征点进行筛选,确定所述目标对象对应的特征点;
将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点,所述目标测量点包括:特殊工艺点,所述特殊工艺点用于检测目标对象上通过特殊工艺制作的内容;
依据所述目标测量点确定所述目标对象对应测量参数;
所述测量参数包括:工艺参数,所述依据所述目标测量点确定所述目标对象对应测量参数,包括:依据所述特殊工艺点确定对应工艺位置,依据所述工艺位置测量对应的工艺参数。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像,包括:
从所述第一图像中剔除所述目标对象的背景,得到第三图像;
通过模糊处理从所述第三图像中剔除所述目标对象的材质,得到所述目标对象对应的第二图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述第二图像进行边缘处理,确定对应的第四图像,包括:
依据所述第二图像对所述目标对象的边缘进行提取,确定对应的第五图像;
将所述第五图像进行阈值化处理,得到对应的第六图像;
对所述第六图像进行连通分析,得到对应的第七图像;
对所述第七图像进行线条细化处理,得到对应的第八图像;
对所述第八图像进行剪枝处理,确定对应连接点集合;
依据所述连接点集合进行线段拟合,得到对应的第四图像。
4.根据权利要求1所述的方法,其特征在于,对所述第二图像进行特征提取,确定对应的待匹配特征点,包括:
对所述第二图像进行特征点检测,提取对应的待匹配特征点;
对所述待匹配特征点进行描述处理,确定所述待匹配特征点对应的特征向量。
5.根据权利要求1所述的方法,其特征在于,所述设定特征点通过对标注特征点的模板对象的模板图像进行检测确定;所述目标测量点还包括:测量关键点。
6.根据权利要求5所述的方法,其特征在于,还包括:
对所述模板对象的模板图像进行预处理,得到剔除干扰数据后的模板图像;
在所述剔除干扰数据后的模板图像上标记测量点为设定特征点,得到标记图像;
对所述标记图像进行特征提取,确定所述设定特征点的特征向量。
7.根据权利要求5所述的方法,其特征在于,所述测量参数包括:工艺参数;依据所述目标测量点确定所述目标对象对应测量参数,还包括:
将关联的测量关键点连线并测量连线距离,得到所述目标对象对应尺寸参数。
8.根据权利要求7所述的方法,其特征在于,还包括:
在第一图像上添加所述测量关键点的连线,得到展示图像并进行显示。
9.一种基于图像的检测装置,其特征在于,所述的装置包括:
图像获取模块,用于获取第一图像,所述第一图像通过拍摄平台上的目标对象得到;
图像处理模块,用于对所述第一图像进行预处理,得到剔除干扰数据后所述目标对象对应的第二图像;对所述第二图像进行边缘处理,确定对应的第四图像;对所述第二图像进行特征提取,确定对应的待匹配特征点;依据所述第四图像对所述待匹配特征点进行筛选,确定所述目标对象对应的特征点;将所述特征点和设定特征点进行匹配,确定至少一种类型的目标测量点,所述目标测量点包括:特殊工艺点,所述特殊工艺点用于检测目标对象上通过特殊工艺制作的内容;
参数测量模块,用于依据所述目标测量点确定所述目标对象对应测量参数;
所述测量参数包括:工艺参数,所述参数测量模块,具体用于依据所述特殊工艺点确定对应工艺位置,依据所述工艺位置测量对应的工艺参数。
10.一种电子设备,其特征在于,包括:
处理器;和
存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求1-8中一个或多个所述的基于图像的检测方法。
11.一种机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如权利要求1-8中一个或多个所述的基于图像的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016935.1A CN111429394B (zh) | 2019-01-08 | 2019-01-08 | 基于图像的检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016935.1A CN111429394B (zh) | 2019-01-08 | 2019-01-08 | 基于图像的检测方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429394A CN111429394A (zh) | 2020-07-17 |
CN111429394B true CN111429394B (zh) | 2024-03-01 |
Family
ID=71545579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910016935.1A Active CN111429394B (zh) | 2019-01-08 | 2019-01-08 | 基于图像的检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429394B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150464B (zh) * | 2020-10-23 | 2024-01-30 | 腾讯科技(深圳)有限公司 | 一种图像检测方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007102601A (ja) * | 2005-10-06 | 2007-04-19 | Konica Minolta Holdings Inc | 立体モデル生成装置および立体モデル生成方法 |
CN101493891A (zh) * | 2009-02-27 | 2009-07-29 | 天津大学 | 基于sift的具有镜面翻转不变性的特征提取和描述方法 |
CN101639947A (zh) * | 2009-08-26 | 2010-02-03 | 北京农业信息技术研究中心 | 基于图像的植物三维形态测量与重建方法及系统 |
JP2010040052A (ja) * | 2009-09-18 | 2010-02-18 | Toshiba Corp | 画像処理装置、画像処理方法、画像処理プログラム |
CN107180230A (zh) * | 2017-05-08 | 2017-09-19 | 上海理工大学 | 通用车牌识别方法 |
CN107247953A (zh) * | 2017-05-31 | 2017-10-13 | 大连理工大学 | 一种基于边缘率的特征点类型选择方法 |
CN107507188A (zh) * | 2016-06-13 | 2017-12-22 | 北京理工大学 | 一种基于机器学习提取图像信息的方法及装置 |
CN108272154A (zh) * | 2018-01-04 | 2018-07-13 | 广州唯品会研究院有限公司 | 一种服装尺寸测量方法和装置 |
CN108364291A (zh) * | 2018-03-13 | 2018-08-03 | 钟国韵 | 基于计算机视觉技术的原坯布快速检测方法 |
CN108564082A (zh) * | 2018-04-28 | 2018-09-21 | 苏州赛腾精密电子股份有限公司 | 图像处理方法、装置、服务器和介质 |
-
2019
- 2019-01-08 CN CN201910016935.1A patent/CN111429394B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007102601A (ja) * | 2005-10-06 | 2007-04-19 | Konica Minolta Holdings Inc | 立体モデル生成装置および立体モデル生成方法 |
CN101493891A (zh) * | 2009-02-27 | 2009-07-29 | 天津大学 | 基于sift的具有镜面翻转不变性的特征提取和描述方法 |
CN101639947A (zh) * | 2009-08-26 | 2010-02-03 | 北京农业信息技术研究中心 | 基于图像的植物三维形态测量与重建方法及系统 |
JP2010040052A (ja) * | 2009-09-18 | 2010-02-18 | Toshiba Corp | 画像処理装置、画像処理方法、画像処理プログラム |
CN107507188A (zh) * | 2016-06-13 | 2017-12-22 | 北京理工大学 | 一种基于机器学习提取图像信息的方法及装置 |
CN107180230A (zh) * | 2017-05-08 | 2017-09-19 | 上海理工大学 | 通用车牌识别方法 |
CN107247953A (zh) * | 2017-05-31 | 2017-10-13 | 大连理工大学 | 一种基于边缘率的特征点类型选择方法 |
CN108272154A (zh) * | 2018-01-04 | 2018-07-13 | 广州唯品会研究院有限公司 | 一种服装尺寸测量方法和装置 |
CN108364291A (zh) * | 2018-03-13 | 2018-08-03 | 钟国韵 | 基于计算机视觉技术的原坯布快速检测方法 |
CN108564082A (zh) * | 2018-04-28 | 2018-09-21 | 苏州赛腾精密电子股份有限公司 | 图像处理方法、装置、服务器和介质 |
Non-Patent Citations (1)
Title |
---|
基于HALCON的印花鞋面剪裁图像处理系统设计;谢瑶;孙以泽;;计算机测量与控制(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111429394A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2891834C (en) | Method and system for making tailored garments | |
EP2557524A1 (en) | Method for automatic tagging of images in Internet social networks | |
JP2011513809A5 (zh) | ||
CN102915372A (zh) | 图像检索方法、装置及系统 | |
CN110263662B (zh) | 一种基于分级的人体轮廓关键点和关键部位识别方法 | |
CN111429394B (zh) | 基于图像的检测方法、装置、电子设备和存储介质 | |
Mukhopadhyay et al. | PCB inspection in the context of smart manufacturing | |
CN110346704B (zh) | 板卡测试中测试文件的确定方法、装置、设备及存储介质 | |
CN108876842A (zh) | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 | |
CN115578790A (zh) | 动作识别的方法、动作识别模型的优化部署方法 | |
CN104966283A (zh) | 图像分层配准方法 | |
CN113469971B (zh) | 一种图像匹配方法及检测装置、存储介质 | |
CN108416298B (zh) | 一种场景判断方法及终端 | |
CN111126102A (zh) | 人员搜索方法、装置及图像处理设备 | |
CN111294552A (zh) | 图像采集设备确定方法及装置 | |
CN112862882A (zh) | 目标距离测量方法,装置,电子设备及存储介质 | |
JP2017182633A (ja) | 対象識別装置 | |
Wen et al. | An improved SIFT operator-based image registration using cross-correlation information | |
CN113689458B (zh) | 一种2d拍摄轨迹路径计算方法及装置 | |
CN111814513B (zh) | 行人物品检测装置及方法、电子设备 | |
CN110147459B (zh) | 一种图像检索方法、装置及电子设备 | |
CN110363809B (zh) | 体积测量方法、装置、终端及存储介质 | |
CN111898641A (zh) | 一种目标模型检测、装置、电子设备及计算机可读存储介质 | |
CN109215068B (zh) | 图像放大率测量方法及装置 | |
JP2020027406A (ja) | 測定システム、測定方法、測定サーバおよび測定プログラム |
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 |