CN111435531B - 一种图像偏转角度检测方法、智能设备及存储介质 - Google Patents
一种图像偏转角度检测方法、智能设备及存储介质 Download PDFInfo
- Publication number
- CN111435531B CN111435531B CN201811593144.7A CN201811593144A CN111435531B CN 111435531 B CN111435531 B CN 111435531B CN 201811593144 A CN201811593144 A CN 201811593144A CN 111435531 B CN111435531 B CN 111435531B
- Authority
- CN
- China
- Prior art keywords
- image
- deflection angle
- convolution
- gray level
- detection method
- 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
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
-
- 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
Abstract
本发明公开了一种图像偏转角度检测方法、智能设备及存储介质,所述方法包括:将待处理图像转换为灰度图,并对所述灰度图进行平滑滤波处理;根据所述灰度图的尺寸以一预设角度步长生成若干个带偏转角度的直线型卷积算子;将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度。本发明通过卷积计算结果可快速获取图像的偏转角度,适用于特定场景中图像倾斜范围不大的图像倾斜角度检测,检测速度快,实现过程简单,实用且高效。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像偏转角度检测方法、智能设备及存储介质。
背景技术
图像倾斜角度检测是图像领域常见的任务之一,当前最为常用的图像倾斜角度检测方法为Hough变换(Hough变换是一种使用表决原理的参数估计技术,其原理是利用图像空间和Hough参数空间的点-线对偶性,把图像空间中的检测问题转换到参数空间,Hough变换的实质是将图像空间内具有一定关系的像元进行聚类,寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点),优点是对图像中的噪声不敏感,但是该方法计算量较大,耗时较长,在一些要求实时的场合存在一定的使用限制。特别是在某些特定图像偏转角度检测场景中,图像倾斜范围不大,亦不要求具有很高测量精度时,Hough变换的检测方法就无法满足要求。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术中基于Hough变换的图像倾斜角度检测方法计算复杂的问题,本发明提供一种图像偏转角度检测方法、智能设备及存储介质,通过卷积计算结果可快速获取图像的偏转角度,适用于特定场景中图像倾斜范围不大的图像倾斜角度检测,检测速度快,实现过程简单,实用且高效。
本发明解决技术问题所采用的技术方案如下:
一种图像偏转角度检测方法,其中,所述图像偏转角度检测方法包括:
将待处理图像转换为灰度图,并对所述灰度图进行平滑滤波处理;
根据所述灰度图的尺寸以一预设角度步长生成若干个带偏转角度的直线型卷积算子;
将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度。
所述的图像偏转角度检测方法,其中,所述偏转角度为覆盖图像预先设置方向的正负两个偏转方向上的一定角度范围。
所述的图像偏转角度检测方法,其中,所述直线型卷积算子与灰度图在预定方向上具有相同的尺寸。
所述的图像偏转角度检测方法,其中,所述直线型卷积算子与灰度图在预定方向上具有相同的尺寸具体包括:
若检测图像在垂直方向上目标的偏转角度,则直线型卷积算子与灰度图在垂直方向上的尺寸保持一致;
若检测图像在水平方向上目标的偏转角度,则直线型卷积算子与灰度图在水平方向的尺寸保持一致。
所述的图像偏转角度检测方法,其中,所述将所有直线型卷积算子分别与灰度图进行卷积计算具体包括:
在卷积计算时,将卷积算子的锚点定于图像左上角第一个元素位置,且灰度图在卷积计算时,保持原尺寸。
所述的图像偏转角度检测方法,其中,所述根据卷积计算结果的分布特性获取图像偏转角度具体包括:
对卷积计算结果进行分析,通过标准差统计每个卷积计算结果向量中数据的分散程度,其中标准差最大的结果所对应的直线型卷积算子角度为图像的偏转角度。
所述的图像偏转角度检测方法,其中,所述将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度之后还包括:
当获取图像的偏转角度后,按照偏转方向相反的方向,将图像旋转偏转角度以得到校正后的图像。
所述的图像偏转角度检测方法,其中,所述角度步长为直线型卷积算子宽度方向一个单位的像素所对应的角度,角度步长=arctan(1/高度像素)。
一种智能设备,其中,所述智能设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像偏转角度检测程序,所述图像偏转角度检测程序被所述处理器执行时实现如上所述的图像偏转角度检测方法的步骤。
一种存储介质,其中,所述存储介质存储有图像偏转角度检测程序,所述图像偏转角度检测程序被处理器执行时实现如上所述的图像偏转角度检测方法的步骤。
本发明公开了一种图像偏转角度检测方法、智能设备及存储介质,所述方法包括:将待处理图像转换为灰度图,并对所述灰度图进行平滑滤波处理;根据所述灰度图的尺寸以一预设角度步长生成若干个带偏转角度的直线型卷积算子;将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度。本发明通过卷积计算结果可快速获取图像的偏转角度,适用于特定场景中图像倾斜范围不大的图像倾斜角度检测,检测速度快,实现过程简单,实用且高效。
附图说明
图1是本发明图像偏转角度检测方法的较佳实施例的流程图;
图2是本发明图像偏转角度检测方法的较佳实施例中以一倾斜表格为待处理图像的示意图;
图3是本发明图像偏转角度检测方法的较佳实施例中展示了19个卷积算子的卷积结果所对应的标准差的示意图;
图4是本发明图像偏转角度检测方法的较佳实施例中得到偏转角度后进行旋转修正后的表格图像的示意图;
图5为本发明智能设备的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明较佳实施例所述的图像偏转角度检测方法,如图1所示,所述图像偏转角度检测方法包括以下步骤:
步骤S10、将待处理图像转换为灰度图,并对所述灰度图进行平滑滤波处理;
步骤S20、根据所述灰度图的尺寸以一预设角度步长生成若干个带偏转角度的直线型卷积算子;
步骤S30、将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度。
具体地,先获取需要检测的待处理图像,然后将待处理图像转换为灰度图,其中,灰度图又称灰阶图,把白色与黑色之间按对数关系分为若干等级,称为灰度,用灰度表示的图像称作灰度图,在医学、图像识别领域有很广泛的用途。
进一步地,对转换后的灰度图进行平滑滤波处理,以消除微小噪声影响,此处滤波方法可采用平均滤波方法。
各类图像处理系统在图像的采集、获取、传送和转换(如成像、复制扫描、传输以及显示等)过程中,均处在复杂的环境中,光照、电磁多变,所有的图像均不同程度地被可见或不可见的噪声干扰。噪声源包括电子噪声、光子噪声、斑点噪声和量化噪声;如果信噪比低于一定的水平,噪声逐渐变成可见的颗粒形状,导致图像质量的下降;除了视觉上质量下降,噪声同样可能掩盖重要的图像细节,在对采集到的原始图像做进一步的分割处理时,会发现有一些分布不规律的椒盐噪声,为此采取相应的对策就是对图像进行必要的滤波降噪处理。
滤波的本义是指信号有各种频率的成分,滤掉不想要的成分,即为滤掉常说的噪声,留下想要的成分,这即是滤波的过程,也是目的; 一是抽出对象的特征作为图像识别的特征模式,另一个是为适应图像偏转角度检测的要求,消除图像数字化时所混入的噪声。处理要求为:一是不能损坏图像的轮廓及边缘等重要信息;二是使图像清晰视觉效果好。
平滑滤波(线性滤波)是低频增强的空间域滤波技术,它的目的有两类:一类是模糊,另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行,就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关,邻域越大平滑的效果越好,但邻域过大,平滑会使边缘信息损失的越大,从而使输出的图像变得模糊,因此需合理选择邻域的大小。
进一步地,当灰度图完成平滑滤波处理后,根据所述灰度图的尺寸以一预设角度步长生成若干个带偏转角度的直线型卷积算子;在图像处理中,卷积操作指的是使用一个卷积核对图像中的每个像素进行一系列操作,它具有增强原信号特征,并且能降低噪音的作用。卷积核(算子)是用来做图像偏转角度检测时的矩阵,图像偏转角度检测时也称为掩膜,是与原图像做运算的参数。卷积核通常是一个四方形的网格结构(例如3*3的矩阵或像素区域),该区域上每个方格都有一个权重值。使用卷积进行计算时,需要将卷积核的中心放置在要计算的像素上,一次计算核中每个元素和其覆盖的图像像素值的乘积并求和,得到的结构就是该位置的新像素值。
其中,卷积操作是图像偏转角度检测常用操作,其中卷积算子是卷积运算的核(卷积核),当卷积尺寸长宽悬殊时,即有一方向上的尺寸远大于另一边时,称之为“直线型卷积算子”。
其中,所述角度步长(相当于一个具体的角度值)为直线型卷积算子宽度方向一个单位的像素所对应的角度,角度步长根据图像尺寸及角度检测范围来定,优选地,角度步长=arctan(1/高度像素)。
其中,所述偏转角度应覆盖图像预先设置方向(预先设置方向(角度)即图像原本应该所在的方向(角度),可以称之为期望方向,如图像原本应该是垂直的,而实际在垂直方向偏转微小角度,则该图像预先设置方向(角度)为90°)的正负两个偏转方向上的一定角度范围;所述直线型卷积算子与灰度图在预定方向上具有相同的尺寸,即若欲检测图像在垂直方向上目标的偏转角度,则直线型卷积算子应与灰度图在垂直方向上的尺寸保持一致;若欲检测图像在水平方向上目标的偏转角度,则卷积算子应与灰度图在水平方向的尺寸保持一致。
进一步地,在卷积计算时,将卷积算子的锚点(即为在执行滑动卷积计算时,卷积算子对齐原图像像素的位置)定于图像左上角第一个元素位置,且灰度图在卷积计算时,保持原尺寸,并不进行边界扩展。
在统计意义上可表征数据的分散程度,分散程度越大,则表示图像偏转角度与对应的卷积算子的偏转角度更为接近,即可认为卷积算子的偏转角度即为图像的偏转角度;当卷积计算完成后,对卷积计算结果进行分析,通过标准差统计每个卷积计算结果向量中数据的分散程度,其中标准差最大的结果所对应的直线型卷积算子角度为图像的偏转角度。
进一步地,当获取图像的偏转角度后,按照偏转方向相反的方向,将图像旋转偏转角度以得到校正后的图像。
为了使得本发明的图像偏转角度检测方法更加清楚明白,下面以一张倾斜表格作为检测图像进行处理流程的说明。
在文档图像的获取中,扫描图像或多或少会出现某种程度的倾斜,这种图像倾斜不仅会给下一步字符的切割造成困难,也影响最终的字符识别精度,因此,图像倾斜检测与校正就显得十分重要,成为图像处理的重要环节。
表格倾斜(偏转)校正是文档倾斜校正常见一个子任务,现将本发明方法应用于此任务,以对本发明做进一步解释。图2是本实施例待处理的图像,该图像显示的为一略微倾斜的表格,角度约为-0.4°,具体处理步骤如下:
步骤S1:将待检测图像转换为灰度图;
步骤S2:对灰度图进行平滑滤波处理以消除微小噪声影响,此处滤波方法可采用平均滤波方法;
步骤S3:根据灰度图尺寸生成若干直线型卷积算子;
本实施例中处理的倾斜表格图像尺寸为高度为864个像素,宽度为580个像素;表格预先设置角度(期望角度)应该垂直方向90°,因此生成的卷积算子应该与待处理图像在高度上保持一致,也即卷积算子的高度应该为864个像素。
本实施例中,垂直方向图像预估偏转角度为-0.6°~0.6°范围之内,而图像高度为864,则卷积算子可以宽度方向一个像素递增,亦即角度步长为arctan(1/864)=0.066。
现以角度步长0.066生成覆盖范围为89.34~90.66的19个直线型卷积算子,其对应的角度依次为:89.34°、89.40°、89.47°、89.54°、89.60°、89.67°、89.73°、89.80°、89.87°、90°、90.13°、90.20°、90.27°、90.33°、90.40°、90.46°、90.53°、90.60°、90.66°。
步骤4:卷积计算(卷积计算是图像处理领域通识算法,故不再进行介绍),即将所有直线型卷积算子分别与灰度图进行卷积计算,因为卷积算子与图像具有相同高度,卷积锚点设置为卷积算子的左上角第一个像素处,灰度图在卷积计算时候不进行边界扩展,故卷积结果为一个向量;
步骤5:对卷积结果进行分析,通过标准差统计每个卷积结果向量中数据的分散程度,其中标准差最大的结果所对应的卷积算子角度即为图像的偏转角度;如图3所示,展示了19个卷积算子的卷积结果所对应的标准差,可见第4个结果具有最大的标准差,即检测结果为89.54°,也即偏转角度为90°- 89.54°= 0.46°,现只需将原图像按照-0.46°旋转图像即可得到校正后的表格文档图像, 如图4所示。
基于本发明的图像偏转(倾斜)角度检测方法,实现简单,实用且高效。
进一步地,如图5所示,基于上述图像偏转角度检测方法,本发明还相应提供了一种智能设备(包括各种移动终端),所述智能设备包括处理器10、存储器20及显示器30。图5仅示出了智能设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述智能设备的内部存储单元,例如智能设备的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能设备的外部存储设备,例如所述智能设备上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器20还可以既包括所述智能设备的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能设备的应用软件及各类数据,例如所述安装智能设备的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器20上存储有图像偏转角度检测程序40,该图像偏转角度检测程序40可被处理器10所执行,从而实现本申请中图像偏转角度检测方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行所述存储器20中存储的程序代码或处理数据,例如执行所述图像偏转角度检测方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。所述显示器30用于显示在所述智能设备的信息以及用于显示可视化的用户界面。所述智能设备的部件10-30通过系统总线相互通信。
在一实施例中,当处理器10执行所述存储器20中图像偏转角度检测程序40时实现以下步骤:
将待处理图像转换为灰度图,并对所述灰度图进行平滑滤波处理;
根据所述灰度图的尺寸以一预设角度步长生成若干个带偏转角度的直线型卷积算子;
将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度。
其中,所述偏转角度为覆盖图像预先设置方向的正负两个偏转方向上的一定角度范围;所述直线型卷积算子与灰度图在预定方向上具有相同的尺寸。
所述直线型卷积算子与灰度图在预定方向上具有相同的尺寸具体包括:
若检测图像在垂直方向上目标的偏转角度,则直线型卷积算子与灰度图在垂直方向上的尺寸保持一致;
若检测图像在水平方向上目标的偏转角度,则直线型卷积算子与灰度图在水平方向的尺寸保持一致。
所述将所有直线型卷积算子分别与灰度图进行卷积计算具体包括:
在卷积计算时,将卷积算子的锚点定于图像左上角第一个元素位置,且灰度图在卷积计算时,保持原尺寸。
所述根据卷积计算结果的分布特性获取图像偏转角度具体包括:
对卷积计算结果进行分析,通过标准差统计每个卷积计算结果向量中数据的分散程度,其中标准差最大的结果所对应的直线型卷积算子角度为图像的偏转角度。
所述将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度之后还包括:
当获取图像的偏转角度后,按照偏转方向相反的方向,将图像旋转偏转角度以得到校正后的图像。
其中,所述角度步长为直线型卷积算子宽度方向一个单位的像素所对应的角度,角度步长=arctan(1/高度像素)。
本发明还提供一种存储介质,其中,所述存储介质存储有图像偏转角度检测程序,所述图像偏转角度检测程序被处理器执行时实现如上所述的图像偏转角度检测方法的步骤。
综上所述,本发明提供一种图像偏转角度检测方法、智能设备及存储介质,所述方法包括:将待处理图像转换为灰度图,并对所述灰度图进行平滑滤波处理;根据所述灰度图的尺寸以一预设角度步长生成若干个带偏转角度的直线型卷积算子;将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度。本发明通过卷积计算结果可快速获取图像的偏转角度,适用于特定场景中图像倾斜范围不大的图像倾斜角度检测,检测速度快,实现过程简单,实用且高效。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种图像偏转角度检测方法,其特征在于,所述图像偏转角度检测方法包括:
将待处理图像转换为灰度图,并对所述灰度图进行平滑滤波处理;
根据所述灰度图的尺寸以一预设角度步长生成若干个带偏转角度的直线型卷积算子;
所述偏转角度为覆盖图像预先设置方向的正负两个偏转方向上的一定角度范围;
将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度;
所述根据卷积计算结果的分布特性获取图像偏转角度具体包括:
对卷积计算结果进行分析,通过标准差统计每个卷积计算结果向量中数据的分散程度,其中标准差最大的结果所对应的直线型卷积算子角度为图像的偏转角度。
2.根据权利要求1所述的图像偏转角度检测方法,其特征在于,所述直线型卷积算子与灰度图在预定方向上具有相同的尺寸。
3.根据权利要求2所述的图像偏转角度检测方法,其特征在于,所述直线型卷积算子与灰度图在预定方向上具有相同的尺寸具体包括:
若检测图像在垂直方向上目标的偏转角度,则直线型卷积算子与灰度图在垂直方向上的尺寸保持一致;
若检测图像在水平方向上目标的偏转角度,则直线型卷积算子与灰度图在水平方向的尺寸保持一致。
4.根据权利要求1所述的图像偏转角度检测方法,其特征在于,所述将所有直线型卷积算子分别与灰度图进行卷积计算具体包括:
在卷积计算时,将卷积算子的锚点定于图像左上角第一个元素位置,且灰度图在卷积计算时,保持原尺寸。
5.根据权利要求1所述的图像偏转角度检测方法,其特征在于,所述将所有直线型卷积算子分别与所述灰度图进行卷积计算,根据卷积计算结果的分布特性获取图像偏转角度之后还包括:
当获取图像的偏转角度后,按照偏转方向相反的方向,将图像旋转偏转角度以得到校正后的图像。
6.根据权利要求1所述的图像偏转角度检测方法,其特征在于,所述角度步长为直线型卷积算子宽度方向一个单位的像素所对应的角度,角度步长=arctan(1/高度像素)。
7.一种智能设备,其特征在于,所述智能设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像偏转角度检测程序,所述图像偏转角度检测程序被所述处理器执行时实现如权利要求1-6任一项所述的图像偏转角度检测方法的步骤。
8.一种存储介质,其特征在于,所述存储介质存储有图像偏转角度检测程序,所述图像偏转角度检测程序被处理器执行时实现如权利要求1-6任一项所述的图像偏转角度检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811593144.7A CN111435531B (zh) | 2018-12-25 | 2018-12-25 | 一种图像偏转角度检测方法、智能设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811593144.7A CN111435531B (zh) | 2018-12-25 | 2018-12-25 | 一种图像偏转角度检测方法、智能设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111435531A CN111435531A (zh) | 2020-07-21 |
CN111435531B true CN111435531B (zh) | 2023-08-08 |
Family
ID=71579744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811593144.7A Active CN111435531B (zh) | 2018-12-25 | 2018-12-25 | 一种图像偏转角度检测方法、智能设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111435531B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113639960B (zh) * | 2021-08-09 | 2024-04-12 | 孝感华中精密仪器有限公司 | 一种多光谱像倾斜检测装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930594A (zh) * | 2010-04-14 | 2010-12-29 | 山东山大鸥玛软件有限公司 | 一种扫描文档图像的快速纠偏方法 |
CN102222326A (zh) * | 2011-06-28 | 2011-10-19 | 青岛海信信芯科技有限公司 | 一种基于单张低分辨率的图像去模糊方法及装置 |
CN103512888A (zh) * | 2013-06-05 | 2014-01-15 | 北京化工大学 | 一种基于图像识别技术的烟包封条缺陷检测系统 |
CN103914675A (zh) * | 2014-03-17 | 2014-07-09 | 东华大学 | 一种服装的快速响应矩阵二维码识别方法 |
CN108345881A (zh) * | 2018-02-01 | 2018-07-31 | 福州大学 | 一种基于计算机视觉的文档质量检测方法 |
-
2018
- 2018-12-25 CN CN201811593144.7A patent/CN111435531B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930594A (zh) * | 2010-04-14 | 2010-12-29 | 山东山大鸥玛软件有限公司 | 一种扫描文档图像的快速纠偏方法 |
CN102222326A (zh) * | 2011-06-28 | 2011-10-19 | 青岛海信信芯科技有限公司 | 一种基于单张低分辨率的图像去模糊方法及装置 |
CN103512888A (zh) * | 2013-06-05 | 2014-01-15 | 北京化工大学 | 一种基于图像识别技术的烟包封条缺陷检测系统 |
CN103914675A (zh) * | 2014-03-17 | 2014-07-09 | 东华大学 | 一种服装的快速响应矩阵二维码识别方法 |
CN108345881A (zh) * | 2018-02-01 | 2018-07-31 | 福州大学 | 一种基于计算机视觉的文档质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111435531A (zh) | 2020-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210183032A1 (en) | System and method for finding lines in an image with a vision system | |
US11699283B2 (en) | System and method for finding and classifying lines in an image with a vision system | |
US20090001165A1 (en) | 2-D Barcode Recognition | |
US20180253852A1 (en) | Method and device for locating image edge in natural background | |
CN111047615B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
EP2974261A2 (en) | Systems and methods for classifying objects in digital images captured using mobile devices | |
Rosenfeld | Image pattern recognition | |
KR20150116833A (ko) | 에지-보존 잡음 억제 기능을 갖는 이미지 프로세서 | |
US10769478B2 (en) | Convolutional neutral network identification efficiency increasing method and related convolutional neutral network identification efficiency increasing device | |
KR102153962B1 (ko) | 비전 시스템으로 이미지에서 라인을 찾기 위한 시스템 및 방법 | |
EP2808828A2 (en) | Image matching method, image matching device, model template generation method, model template generation device, and program | |
CN113469921B (zh) | 图像缺陷修复方法、系统、计算机设备及存储介质 | |
EP3867809A1 (en) | Methods and systems for processing an image | |
CN111079730A (zh) | 一种在界面图中确定样图所在区域的方法和电子设备 | |
CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111435531B (zh) | 一种图像偏转角度检测方法、智能设备及存储介质 | |
US9319666B1 (en) | Detecting control points for camera calibration | |
CN110557622B (zh) | 基于结构光的深度信息获取方法及装置、设备及介质 | |
CN115049713B (zh) | 图像配准方法、装置、设备及可读存储介质 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN116071562A (zh) | 一种植物种子识别方法、装置、电子设备及存储介质 | |
Wang et al. | An airlight estimation method for image dehazing based on gray projection | |
CN112183526A (zh) | 可见光定位方法、装置、设备及介质 | |
CN111899181A (zh) | 去除图像中的阴影的方法和装置 | |
US9704056B2 (en) | Computing hierarchical computations for computer vision calculations |
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 | ||
CB02 | Change of applicant information |
Address after: 516006 TCL science and technology building, No. 17, Huifeng Third Road, Zhongkai high tech Zone, Huizhou City, Guangdong Province Applicant after: TCL Technology Group Co.,Ltd. Address before: 516006 Guangdong province Huizhou Zhongkai hi tech Development Zone No. nineteen District Applicant before: TCL Corp. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |