CN111862010A - 一种基于线性高斯滤波的卷烟包灰性能检测方法 - Google Patents
一种基于线性高斯滤波的卷烟包灰性能检测方法 Download PDFInfo
- Publication number
- CN111862010A CN111862010A CN202010635279.6A CN202010635279A CN111862010A CN 111862010 A CN111862010 A CN 111862010A CN 202010635279 A CN202010635279 A CN 202010635279A CN 111862010 A CN111862010 A CN 111862010A
- Authority
- CN
- China
- Prior art keywords
- cigarette ash
- ash
- curve
- cigarette
- original
- 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
Links
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 190
- 238000001914 filtration Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000010586 diagram Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000000391 smoking effect Effects 0.000 claims abstract description 7
- 239000004071 soot Substances 0.000 claims description 33
- 238000000605 extraction Methods 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 239000011248 coating agent Substances 0.000 claims description 3
- 238000000576 coating method Methods 0.000 claims description 3
- 238000005336 cracking Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 14
- 230000007547 defect Effects 0.000 description 2
- 230000009172 bursting Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/12—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using combustion
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Combustion & Propulsion (AREA)
- Molecular Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于线性高斯滤波的卷烟包灰性能检测方法,包括:采用相机对阴燃或抽吸状态下的卷烟进行拍摄,以获得卷烟烟灰柱图;对所述卷烟烟灰柱图进行灰度化处理,使所述卷烟烟灰柱图上的每个像素点的灰度值在0~255范围内;在所述卷烟烟灰柱图上构建烟灰原始轮廓线,并根据所述烟灰原始轮廓线各个像素点所对应的灰度值形成烟灰原始轮廓曲线;建立线性高斯滤波器,并根据所述线性高斯滤波器得到高斯滤波中线;将所述烟灰原始轮廓曲线减去所述高斯滤波中线得到相对应的表面灰度曲线,并根据所述表面灰度曲线确定卷烟的包灰性能。本发明能提高卷烟包灰性能评价的准确度和效率,提高卷烟包灰评价的直观性。
Description
技术领域
本发明涉及卷烟生产技术领域,尤其涉及一种基于线性高斯滤波的卷烟包灰性能检测方法。
背景技术
卷烟包灰性能指卷烟燃烧过程中烟灰的外观视觉效果,是消费者评价卷烟质量、区别卷烟档次的重要指标。卷烟包灰性能好,燃吸后烟灰柱紧凑美观;卷烟包灰性能差,燃吸时烟灰柱容易开裂脱落,造成烟灰四处飞溅而污染环境。改进卷烟包灰性能,对提高卷烟产品竞争力具有重要意义。
目前,卷烟包灰性能的检测与评价方法不够完善,主要采用相机对燃吸卷烟进行拍照,运用ImageJ图像处理软件,人为设定灰度阈值,计算包灰裂纹面积比例得到包灰值,来评价卷烟包灰性能的好坏,存在准确度低、直观性不强的缺点。
发明内容
本发明提供一种基于线性高斯滤波的卷烟包灰性能检测方法,解决现有卷烟包灰检测与评价难以定量,存在卷烟包灰检测准确度低的问题,能提高卷烟包灰性能评价的准确度和效率,提高卷烟包灰评价的直观性。
为实现以上目的,本发明提供以下技术方案:
一种基于线性高斯滤波的卷烟包灰性能检测方法,包括:
采用相机对阴燃或抽吸状态下的卷烟进行拍摄,以获得卷烟烟灰柱图;
对所述卷烟烟灰柱图进行灰度化处理,使所述卷烟烟灰柱图上的每个像素点的灰度值在0~255范围内;
在所述卷烟烟灰柱图上构建烟灰原始轮廓线,并根据所述烟灰原始轮廓线各个像素点所对应的灰度值形成烟灰原始轮廓曲线;
建立线性高斯滤波器,并根据所述线性高斯滤波器对所述烟灰原始轮廓曲线对应的每个像素点的灰度值进行高斯滤波得到高斯滤波中线;
将所述烟灰原始轮廓曲线减去所述高斯滤波中线得到相对应的表面灰度曲线,并根据所述表面灰度曲线确定卷烟的包灰性能。
优选的,所述根据所述表面灰度曲线确定卷烟的包灰性能,包括:
根据所述表面灰度曲线计算卷烟包灰参数,并根据所述卷烟包灰参数确定卷烟的包灰性能,所述卷烟包灰参数包括:幅度参数和间距参数,所述卷烟包灰参数越大,对应的包灰性能越差。
优选的,所述幅度参数包括:平均偏差Aa、最大峰谷差Ay、三点最大峰谷差均值Az;
所述幅度参数越大代表卷烟烟灰柱爆裂点越多,包灰性能越差;
Ay为所述表面灰度曲线的最大峰值与最大谷值绝对值之和;
Az为所述表面灰度曲线的最大峰值与最大谷值绝对值之和、第二大峰值与第二大谷值绝对值之和、第三大峰值与第三大谷值绝对值之和的平均值。
优选的,所述间距参数包括:最大波谷宽度As;
所述最大波谷宽度As为所述表面灰度曲线的最大波谷处的水平间距;
所述最大波谷宽度As表征卷烟烟灰最大爆裂处的长度,所述最大波谷宽度As越大,包灰性能越差。
优选的,还包括:
将所述卷烟烟灰柱图按设定面积区域进行裁剪,形成标准烟灰柱图;
对标准烟灰柱图在垂直方向上均匀提取多条所述烟灰原始轮廓曲线,并对所述烟灰原始轮廓线曲进行高斯滤波得到所述表面灰度曲线;
根据多条所述表面灰度曲线计算得到卷烟包灰参数的平均值,并根据所述平均值判断卷烟的包灰性能。
优选的,还包括:
利用Matlab软件建立卷烟烟灰柱轮廓提取模块、高斯滤波模块和包灰参数计算模块;
通过所述卷烟烟灰柱轮廓提取模块对卷烟烟灰柱图进行读取、灰度化处理、烟灰柱裁剪及轮廓线提取;
通过所述高斯滤波模块对烟灰原始轮廓曲线进行高斯滤波,以得到表面灰度曲线;
通过所述包灰参数计算模块对所述表面灰度曲线进行卷烟包灰参数计算,并输出。
优选的,还包括:
通过设置包灰参数阈值,将所述卷烟包灰参数与所述包灰参数阈值进行比对,以对卷烟包灰性能进行定量评价。
优选的,所述建立线性高斯滤波器,并根据所述线性高斯滤波器对所述烟灰原始轮廓曲线对应的每个像素点的灰度值进行高斯滤波得到高斯滤波中线,包括:
优选的,所述根据所述烟灰原始轮廓线各个像素点所对应的灰度值形成烟灰原始轮廓曲线,包括:
对每个像素点采用列赋值方式构建所述烟灰原始轮廓曲线。
本发明提供一种基于线性高斯滤波的卷烟包灰性能的检测方法,获得卷烟烟灰柱图,并对卷烟烟灰柱图进行灰度化处理,构建所述卷烟烟灰柱图对应的烟灰原始轮廓曲线,进而根据所述烟灰原始轮廓曲线的灰度特征判断卷烟的包灰性能。解决现有卷烟包灰检测与评价难以定量,存在卷烟包灰检测准确度低的问题,能提高卷烟包灰性能评价的准确度和效率,提高卷烟包灰评价的直观性。
附图说明
为了更清楚地说明本发明的具体实施例,下面将对实施例中所需要使用的附图作简单地介绍。
图1是本发明提供的一种卷烟包灰性能的检测方法示意图。
图2是本发明实施例提供的卷烟烟灰柱图片示意图。
图3是本发明实施例提供的卷烟原始轮廓曲线示意图。
图4是本发明实施例提供的卷烟原始轮廓高斯滤波示意图。
图5是本发明实施例提供的表面灰度曲线示意图。
图6是本发明实施例提供的卷烟烟灰柱剪裁示意图。
图7是本发明实施例提供的烟灰柱轮廓线提取示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案,下面结合附图和实施方式对本发明实施例作进一步的详细说明。
针对当前评价卷烟包灰性能的好坏,存在准确度低、直观性不强的缺点。本发明提供一种基于线性高斯滤波的卷烟包灰性能检测方法,获得卷烟烟灰柱图,并对卷烟烟灰柱图进行灰度化处理,构建所述卷烟烟灰柱图对应的烟灰原始轮廓曲线,进而根据所述烟灰原始轮廓曲线的灰度特征判断卷烟的包灰性能。解决现有卷烟包灰检测与评价难以定量,存在卷烟包灰检测准确度低的问题,能提高卷烟包灰性能评价的准确度和效率,提高卷烟包灰评价的直观性。
如图1所示,一种基于线性高斯滤波的卷烟包灰性能检测方法,包括:
S1:采用相机对阴燃或抽吸状态下的卷烟进行拍摄,以获得卷烟烟灰柱图;
S2:对所述卷烟烟灰柱图进行灰度化处理,使所述卷烟烟灰柱图上的每个像素点的灰度值在0~255范围内;
S3:在所述卷烟烟灰柱图上构建烟灰原始轮廓线,并根据所述烟灰原始轮廓线各个像素点所对应的灰度值形成烟灰原始轮廓曲线;
S4:建立线性高斯滤波器,并根据所述线性高斯滤波器对所述烟灰原始轮廓曲线对应的每个像素点的灰度值进行高斯滤波得到高斯滤波中线。
S5:将所述烟灰原始轮廓曲线减去所述高斯滤波中线得到相对应的表面灰度曲线,并根据所述表面灰度曲线确定卷烟的包灰性能。
具体地,采用相机对阴燃或抽吸状态下的卷烟进行拍摄,得到的图片是彩色的,如图2所示。彩色图片信息容纳量较大,处理不便且速度较慢。实际上,所要关注的烟灰柱颜色较为简单,可对其进行灰度化处理。灰度图像是灰色加上了颜色深度,分为(0~255)级,0代表黑色,255代表白色,每个像素点的灰度值均在(0~255)范围内,不同的灰度值代表不同的明暗程度。烟灰柱爆裂处以“黑色”为主,灰度值接近0;烟灰柱完好处以“白色”为主,灰度值接近255。卷烟烟灰柱的灰度特征,代表了卷烟包灰性能的优劣。可提取烟灰柱任意一条轮廓线,对其灰度曲线进行处理,进而根据灰度特征判断卷烟的包灰性能。该方法能对卷烟包灰性能进行定量评价,能提高卷烟包灰性能评价的准确度和效率,提高卷烟包灰评价的直观性。
进一步,所述根据所述表面灰度曲线确定卷烟的包灰性能,包括:
根据所述表面灰度曲线计算卷烟包灰参数,并根据所述卷烟包灰参数确定卷烟的包灰性能,所述卷烟包灰参数包括:幅度参数和间距参数,所述卷烟包灰参数越大,对应的包灰性能越差。
进一步,所述幅度参数包括:平均偏差Aa、最大峰谷差Ay、三点最大峰谷差均值Az。所述幅度参数越大代表卷烟烟灰柱爆裂点越多,包灰性能越差。其中,a(x)为表面灰度曲线,l为曲线长度,Ay为所述表面灰度曲线的最大峰值与最大谷值绝对值之和。Az为所述表面灰度曲线的最大峰值与最大谷值绝对值之和、第二大峰值与第二大谷值绝对值之和、第三大峰值与第三大谷值绝对值之和的平均值。
所述间距参数包括:最大波谷宽度As,所述最大波谷宽度As为所述表面灰度曲线的最大波谷处的水平间距。所述最大波谷宽度As表征卷烟烟灰最大爆裂处的长度,所述最大波谷宽度As越大,包灰性能越差。
该方法还包括:
S6:将所述卷烟烟灰柱图按设定面积区域进行裁剪,形成标准烟灰柱图。
S7:对标准烟灰柱图在垂直方向上均匀提取多条所述烟灰原始轮廓曲线,并对所述烟灰原始轮廓曲线进行高斯滤波得到所述表面灰度曲线。
S8:根据多条所述表面灰度曲线计算得到卷烟包灰参数的平均值,并根据所述平均值判断卷烟的包灰性能。
在一实施例中对卷烟A和卷烟B进行包灰比对,步骤如下:导入已燃烧卷烟原始图像,如图2所示。裁剪7.9mm×38mm(210像素×1010像素)面积的烟灰柱区域,如图6所示。对卷烟A与卷烟B的烟灰柱分别在垂直方向上均匀提取5条轮廓线,以(0~255)范围的灰度值表示包灰状态,如图7所示。对卷烟A包灰滤波前后图片保存,卷烟B包灰滤波前后图片保存。将卷烟A与卷烟B包灰参数计算后,并将计算结果输出到数据表中,进行Aa、Ay、Az和As平均值的计算,进而定量表征卷烟的包灰性能。
进一步,所述根据每个像素点的所述灰度值构建所述卷烟烟灰柱图对应的烟灰原始轮廓曲线,包括:对每个像素点采用列赋值方式构建所述烟灰原始轮廓曲线。
该方法还包括:
S9:利用Matlab软件建立卷烟烟灰柱轮廓提取模块、高斯滤波模块和包灰参数计算模块;
S10:通过所述卷烟烟灰柱轮廓提取模块对卷烟烟灰柱图进行读取、灰度化处理、烟灰柱裁剪及轮廓线提取;
S11:通过所述高斯滤波模块对烟灰原始轮廓曲线进行高斯滤波,以得到表面灰度曲线;
S12:通过所述包灰参数计算模块对所述表面灰度曲线进行卷烟包灰参数计算,并输出。
在实际应用中,基于MATLAB采用imread()函数实现卷烟图片的读取,采用rgb2gray()函数实现灰度化处理,采用imcrop()函数实现烟灰柱裁剪。
该方法还包括:通过设置包灰参数阈值,将所述卷烟包灰参数与所述包灰参数阈值进行比对,以对卷烟包灰性能进行定量评价。
在实际应用中,如果幅度参数大于幅度参数阈值,则说明卷烟烟灰柱爆裂点多,包灰性能差。其中,幅度参数阈值包括:平均偏差阈值、最大峰谷差阈值、三点最大峰谷差均值阈值。如果间距参数大于间距参数阈值,说明卷烟烟灰最大爆裂处的长度大,包灰性能差。其中间距参数阈值包括:波谷宽度阈值。
进一步,所述建立线性高斯滤波器,并根据所述线性高斯滤波器对所述烟灰原始轮廓曲线对应的每个像素点的灰度值进行高斯滤波得到高斯滤波中线,包括:
根据公式a(x)=f(x)-w(x)得到所述表面灰度曲线a(x),其中为f(x)烟灰原始轮廓曲线函数。
具体地,如图3所示,烟灰原始轮廓曲线随灰度值的不同上下浮动,可采用高斯低通滤波器,得到低频的高斯滤波中线,如图4所示。原始轮廓曲线减去高斯滤波中线,即可获得高频的灰度曲线,如图5所示。
定义原始轮廓曲线为f(x),
f(x)=w(x)+a(x) (1)
式中,f(x)为原始轮廓曲线,w(x)为高斯滤波中线,a(x)为表面灰度曲线。
w(x)、a(x)需满足:
式中,W(wx)、A(wx)分别是w(x)、a(x)的Fourier变换,F(wx)是f(x)的的Fourier变换,wcx是x方向的截止频率。
因此,表面灰度曲线a(x)为:
a(x)=f(x)-w(x) (4)
高斯滤波器具有线性相位特性,不存在相位偏移问题,高斯权函数如下:
式中,x为离权函数中心的距离,λ为采样轮廓信号波长,λc为滤波器截止波长。
高斯权函数的傅里叶变换如下,
假设λ=λc时,通过率G(λ)=0.5,
高斯滤波中线w(x)为,
对于数字化图像,尺寸是有限的,像素点是离散的,应进行有限化、离散化处理。
式中,w(i)为高斯滤波中线的离散表示,f(i-k)为原始轮廓曲线的离散表示,g(k)为高斯权函数的离散表示,m为原始轮廓曲线采样总点数,M为一个截止波长内离散高斯权函数的宽度,Δx为像素点距离。
利用高斯权函数的对称性,得到高斯滤波中线的快速卷积公式为,
可见,本发明提供一种基于线性高斯滤波的卷烟包灰性能检测方法,获得卷烟烟灰柱图,并对卷烟烟灰柱图进行灰度化处理,构建所述卷烟烟灰柱图对应的烟灰原始轮廓曲线,进而根据所述烟灰原始轮廓曲线的灰度特征判断卷烟的包灰性能。解决现有卷烟包灰检测与评价难以定量,存在卷烟包灰检测准确度低的问题,能提高卷烟包灰性能评价的准确度和效率,提高卷烟包灰评价的直观性。
以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果,以上所述仅为本发明的较佳实施例,但本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (9)
1.一种基于线性高斯滤波的卷烟包灰性能检测方法,其特征在于,包括:
采用相机对阴燃或抽吸状态下的卷烟进行拍摄,以获得卷烟烟灰柱图;
对所述卷烟烟灰柱图进行灰度化处理,使所述卷烟烟灰柱图上的每个像素点的灰度值在0~255范围内;
在所述卷烟烟灰柱图上构建烟灰原始轮廓线,并根据所述烟灰原始轮廓线各个像素点所对应的灰度值形成烟灰原始轮廓曲线;
建立线性高斯滤波器,并根据所述线性高斯滤波器对所述烟灰原始轮廓曲线对应的每个像素点的灰度值进行高斯滤波得到高斯滤波中线;
将所述烟灰原始轮廓曲线减去所述高斯滤波中线得到相对应的表面灰度曲线,并根据所述表面灰度曲线确定卷烟的包灰性能。
2.根据权利要求1所述的基于线性高斯滤波的卷烟包灰性能检测方法,其特征在于,所述根据所述表面灰度曲线确定卷烟的包灰性能,包括:
根据所述表面灰度曲线计算卷烟包灰参数,并根据所述卷烟包灰参数确定卷烟的包灰性能,所述卷烟包灰参数包括:幅度参数和间距参数,所述卷烟包灰参数越大,对应的包灰性能越差。
4.根据权利要求3所述的基于线性高斯滤波的卷烟包灰性能检测方法,其特征在于,所述间距参数包括:最大波谷宽度As;
所述最大波谷宽度As为所述表面灰度曲线的最大波谷处的水平间距;
所述最大波谷宽度As表征卷烟烟灰最大爆裂处的长度,所述最大波谷宽度As越大,包灰性能越差。
5.根据权利要求1所述的基于线性高斯滤波的卷烟包灰性能检测方法,其特征在于,还包括:
将所述卷烟烟灰柱图按设定面积区域进行裁剪,形成标准烟灰柱图;
对标准烟灰柱图在垂直方向上均匀提取多条所述烟灰原始轮廓曲线,并对所述烟灰原始轮廓线曲进行高斯滤波得到所述表面灰度曲线;
根据多条所述表面灰度曲线计算得到卷烟包灰参数的平均值,并根据所述平均值判断卷烟的包灰性能。
6.根据权利要求5所述的基于线性高斯滤波的卷烟包灰性能检测方法,其特征在于,还包括:
利用Matlab软件建立卷烟烟灰柱轮廓提取模块、高斯滤波模块和包灰参数计算模块;
通过所述卷烟烟灰柱轮廓提取模块对卷烟烟灰柱图进行读取、灰度化处理、烟灰柱裁剪及轮廓线提取;
通过所述高斯滤波模块对烟灰原始轮廓曲线进行高斯滤波,以得到表面灰度曲线;
通过所述包灰参数计算模块对所述表面灰度曲线进行卷烟包灰参数计算,并输出。
7.根据权利要求6所述的基于线性高斯滤波的卷烟包灰性能检测方法,其特征在于,还包括:
通过设置包灰参数阈值,将所述卷烟包灰参数与所述包灰参数阈值进行比对,以对卷烟包灰性能进行定量评价。
9.根据权利要求1所述的基于线性高斯滤波的卷烟包灰性能检测方法,其特征在于,所述根据所述烟灰原始轮廓线各个像素点所对应的灰度值形成烟灰原始轮廓曲线,包括:
对每个像素点采用列赋值方式构建所述烟灰原始轮廓曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010635279.6A CN111862010A (zh) | 2020-07-03 | 2020-07-03 | 一种基于线性高斯滤波的卷烟包灰性能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010635279.6A CN111862010A (zh) | 2020-07-03 | 2020-07-03 | 一种基于线性高斯滤波的卷烟包灰性能检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111862010A true CN111862010A (zh) | 2020-10-30 |
Family
ID=73153522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010635279.6A Pending CN111862010A (zh) | 2020-07-03 | 2020-07-03 | 一种基于线性高斯滤波的卷烟包灰性能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862010A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114062589A (zh) * | 2021-11-23 | 2022-02-18 | 云南中烟工业有限责任公司 | 一种卷烟灰烬特征的评价方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017121018A1 (zh) * | 2016-01-11 | 2017-07-20 | 中兴通讯股份有限公司 | 二维码图像处理的方法和装置、终端、存储介质 |
CN108090425A (zh) * | 2017-12-06 | 2018-05-29 | 海信集团有限公司 | 一种车道线检测方法、装置及终端 |
KR20180115645A (ko) * | 2017-04-13 | 2018-10-23 | 재단법인 경북아이티융합 산업기술원 | 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법 |
CN108896551A (zh) * | 2018-04-17 | 2018-11-27 | 郑州轻工业学院 | 基于分形维数的卷烟灰柱裂纹分布特征的定量表征方法 |
CN109215011A (zh) * | 2017-07-06 | 2019-01-15 | 贵州中烟工业有限责任公司 | 一种卷烟包灰性能测量方法及装置 |
CN110349153A (zh) * | 2019-07-24 | 2019-10-18 | 南京大树智能科技股份有限公司 | 基于多特征融合的图像法烟草含梗率检测方法 |
-
2020
- 2020-07-03 CN CN202010635279.6A patent/CN111862010A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017121018A1 (zh) * | 2016-01-11 | 2017-07-20 | 中兴通讯股份有限公司 | 二维码图像处理的方法和装置、终端、存储介质 |
KR20180115645A (ko) * | 2017-04-13 | 2018-10-23 | 재단법인 경북아이티융합 산업기술원 | 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법 |
CN109215011A (zh) * | 2017-07-06 | 2019-01-15 | 贵州中烟工业有限责任公司 | 一种卷烟包灰性能测量方法及装置 |
CN108090425A (zh) * | 2017-12-06 | 2018-05-29 | 海信集团有限公司 | 一种车道线检测方法、装置及终端 |
CN108896551A (zh) * | 2018-04-17 | 2018-11-27 | 郑州轻工业学院 | 基于分形维数的卷烟灰柱裂纹分布特征的定量表征方法 |
CN110349153A (zh) * | 2019-07-24 | 2019-10-18 | 南京大树智能科技股份有限公司 | 基于多特征融合的图像法烟草含梗率检测方法 |
Non-Patent Citations (4)
Title |
---|
乔培玉;何昕;魏仲慧;王方雨;林为才;: "高斯滤波器在子弹三维图像特征提取中的应用", 液晶与显示, no. 05 * |
崔廷: ""膜式燃气表气阀配合面三维形貌测量仪的研制", 中国优秀硕士学位论文全文数据库, pages 022 - 1015 * |
王道宽;连芬燕;刘雯;李桂珍;张国强;骆永昌;: "卷烟包灰性能的影响因素", 烟草科技, no. 04 * |
穆林等: "卷烟烟灰灰度值测定方法的建立及应用", 烟草科技, pages 67 - 72 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114062589A (zh) * | 2021-11-23 | 2022-02-18 | 云南中烟工业有限责任公司 | 一种卷烟灰烬特征的评价方法 |
CN114062589B (zh) * | 2021-11-23 | 2024-01-26 | 云南中烟工业有限责任公司 | 一种卷烟灰烬特征的评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145161B (zh) | 一种路面裂缝数字图像处理和识别的方法 | |
CN115375676A (zh) | 一种基于图像识别的不锈钢制品质量检测方法 | |
CN110033439B (zh) | 一种制丝过程中皮带输送机堵料的视觉检测方法 | |
CN115205290B (zh) | 一种pcb板生产过程在线检测方法及系统 | |
CN111862010A (zh) | 一种基于线性高斯滤波的卷烟包灰性能检测方法 | |
JP2008060967A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN116777916B (zh) | 基于泵机金属外壳的缺陷检测方法 | |
CN115272303B (zh) | 基于高斯模糊的纺织物缺陷程度评估方法、装置及系统 | |
CN115409742B (zh) | 一种基于园林绿化的植被覆盖密度评估方法 | |
CN109447920B (zh) | 基于陷波滤波器的条带噪声自动去除方法 | |
CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
CN112381826A (zh) | 边缘缺陷图像的二值化方法 | |
CN110428438B (zh) | 一种单木建模方法、装置和存储介质 | |
CN115797361A (zh) | 一种铝模板表面缺陷检测方法 | |
CN112037165A (zh) | 一种基于回归高斯滤波的卷烟包灰性能检测方法 | |
CN112017153A (zh) | 一种基于新型稳健高斯滤波的卷烟包灰性能检测方法 | |
CN112001881A (zh) | 一种基于Rk稳健高斯滤波的卷烟包灰性能检测方法 | |
CN113538498A (zh) | 一种基于局部二值化的印章图像分割方法、电子设备和可读存储介质 | |
CN108871187B (zh) | 一种卷烟烟丝卷曲度的定量表征方法 | |
CN116630447A (zh) | 一种基于图像处理的天气预测方法 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN114550167B (zh) | 一种基于人工智能的梨的品质分类方法及装置 | |
CN115861304A (zh) | 一种基于图像处理的钢中带状组织检测方法及系统 | |
CN116109587A (zh) | 一种复杂环境下密封钉焊缝质量检测方法 | |
CN113838123B (zh) | 基于图像处理的烟丝形貌特征的测量方法 |
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 |