CN111915633A - 一种铸件边缘检测方法及装置 - Google Patents
一种铸件边缘检测方法及装置 Download PDFInfo
- Publication number
- CN111915633A CN111915633A CN202010728462.0A CN202010728462A CN111915633A CN 111915633 A CN111915633 A CN 111915633A CN 202010728462 A CN202010728462 A CN 202010728462A CN 111915633 A CN111915633 A CN 111915633A
- Authority
- CN
- China
- Prior art keywords
- casting
- image
- edge
- unit
- edge detection
- 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
- 238000005266 casting Methods 0.000 title claims abstract description 231
- 238000003708 edge detection Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 68
- 230000000877 morphologic effect Effects 0.000 claims abstract description 39
- 230000002146 bilateral effect Effects 0.000 claims description 20
- 230000004927 fusion Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/30116—Casting
-
- 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
Abstract
本发明公开了一种铸件边缘检测方法及装置,该方法具体包括如下步骤:S1、读取铸件表面图像;S2、对铸件表面图像依次进行形态学开运算、形态学闭运算,形成铸件表面闭运算图像;S3、对铸件表面闭运算图像进行灰度处理,形成铸件表面灰度图像;S4、采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像中的铸件边缘。先利用形态学开闭运算可去除铸件表面的划痕的同时,能对图像进行滤波去噪,基于该图像再进行Laplace边缘检测,获取到铸件边缘图像中表面划痕极大减少,极大提高了铸件边缘检测的质量。
Description
技术领域
本发明属于图像处理领域,更具体地,本发明涉及一种铸件边缘检测方法及装置。
背景技术
现有铸件大多采用二阶微分算子边进行工件图像的缘检测,虽然可以准确定位边缘,检测效率高,但是铸件表面通常会有划痕,对有划痕的铸件边缘检测之后,表面大量的划痕也会被检测出来;此外由于噪声的影响,图像在二阶微分算子边缘检测之后所得到边缘往往是很不平滑的,物体区域具有一些噪声孔,背景区域上散布着一些小的噪声物体。
发明内容
本发明提供一种铸件边缘检测方法,旨在改善划痕铸件的边缘检测质量。
本发明是这样实现的,一种铸件边缘检测方法,所述方法具体包括如下步骤:
S1、读取铸件表面图像;
S2、对铸件表面图像依次进行形态学开运算、形态学闭运算,形成铸件表面闭运算图像;
S3、对铸件表面闭运算图像进行灰度处理,形成铸件表面灰度图像;
S4、采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像中的铸件边缘。
进一步的,在步骤S1之后,在步骤S2之前还包括如下步骤:
S5、对铸件表面图像分别进行高斯滤波及双边滤波,分别形成铸件滤波表面图像Ⅰ及铸件滤波表面图像Ⅱ;
铸件滤波表面图像Ⅰ执行步骤S1至步骤S4,获取铸件边缘Ⅰ,对铸件滤波表面图像Ⅱ执行步骤S1至步骤S4,获取铸件边缘Ⅱ;
在步骤S4之后还包括:
S6、铸件边缘Ⅰ及铸件边缘Ⅱ上的像素点进行加权融合,形成铸件边缘。
进一步的,铸件边缘Ⅰ上像素点的权重值大于铸件边缘Ⅱ上像素点的权重值。
本发明是这样实现的,一种铸件边缘检测装置,所述装置包括:依次连接的形态学运算单元、灰度处理单元及Laplace边缘检测单元,其中;
形态学运算单元对读取到的铸件表面图像依次进行形态学开运算、形态学闭运算,输出铸件表面闭运算图像至灰度处理单元;
灰度处理单元对铸件表面闭运算图像进行灰度处理,输出铸件表面灰度图像至Laplace边缘检测单元;
Laplace边缘检测单元采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像中的铸件边缘,获取铸件边缘。
进一步的,所述铸件边缘检测装置还包括:
高斯滤波单元及双边滤波单元;高斯滤波单元依次与形态学运算单元Ⅰ、灰度处理单元Ⅰ及Laplace边缘检测单元Ⅰ连接,双边滤波单元依次与形态学运算单元Ⅱ、灰度处理单元Ⅱ及Laplace边缘检测单元Ⅱ连接;Laplace边缘检测单元Ⅰ及Laplace边缘检测单元Ⅱ与加权融合单元连接;
高斯滤波单元对铸件表面图像分别进行高斯滤波,形成铸件滤波表面图像Ⅰ,铸件滤波表面图像Ⅰ依次经形态学运算单元Ⅰ、灰度处理单元Ⅰ及Laplace边缘检测单元Ⅰ,输出铸件边缘Ⅰ;
双边滤波单元对铸件表面图像分别进行双边滤波,形成铸件滤波表面图像Ⅱ,铸件滤波表面图像Ⅱ依次经形态学运算单元Ⅱ、灰度处理单元Ⅱ及Laplace边缘检测单元Ⅱ,输出铸件边缘Ⅱ;
加权融合单元对铸件边缘Ⅰ及铸件边缘Ⅱ上的像素点进行加权融合,形成铸件边缘。
进一步的,加权融合单元赋予铸件边缘Ⅰ上像素点的权重值大于铸件边缘Ⅱ上像素点的权重。
先利用形态学开闭运算可去除铸件表面的划痕的同时,能对象图像进行过滤去噪,基于该图像再进行Laplace边缘检测,获取到铸件边缘图像中表面划痕极大减少,极大提高了铸件边缘检测的质量;此外,高斯滤波能去除图像中高频及低频噪声,使部分边缘模糊,导致边缘不连续,采用双边滤波对相同的图像进行处理,能获取到相对清晰的边界,对两种滤波方式处理的图像分别基于形态学算法及Laplace边缘检测算子来检测边缘,对两个边缘进行加权融合,获取的铸件边缘相对清晰且达到良好的去噪效果。
附图说明
图1为本发明实施例提供的铸件边缘检测方法流程图;
图2为本发明实施例提供的铸件边缘检测装置的结构示意图;
图3为边缘检测的对比图,其中,(a)为铸件表面图,(b)为采用Laplace边缘检测对图(a)进行边缘检测形成的铸件边缘图,(c)为采用Log算子对图(a)进行边缘检测形成的铸件边缘图,(d)为采用形态学算法对图(a)进行边缘检测形成的铸件边缘图,(e)依次采用高斯滤波、形态学算法、Laplace边缘检对图(a)进行边缘检测形成的铸件边缘图;(f)为依次采用高斯滤波+双边滤波、形态学算法、Laplace边缘检及边缘融合对图(a)进行边缘检测形成的铸件边缘图;
图4为本发明实施例提供的先采用Laplace边缘检、后采用形态学运算的铸件边缘图;
图5为本发明实施例提供的加噪后边缘检测的对比图,其中,(a)为添加高斯噪声的铸件表面图,(b)为采用Laplace边缘检测对图(a)进行边缘检测形成的铸件边缘图,(c)为采用Log算子对图(a)进行边缘检测形成的铸件边缘图,(d)为采用形态学算法对图(a)进行边缘检测形成的铸件边缘图,(e)为依次采用形态学算法、Laplace边缘检对图(a)进行边缘检测形成的铸件边缘图;
图6为本发明实施例提供的图像清晰度评价指标图。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
图1为本发明实施例提供铸件边缘检测方法流程图,该方法具体包括如下步骤:
S1、读取铸件表面图像,被检测的铸件表面可能存在划分,或者没有划分,对被检测铸件进行拍摄,获取铸件表面图像;
S2、对铸件表面图像依次形态学开运算、形态学闭运算,生成铸件表面闭运算图像;
在本发明实施例中,对铸件表面图像先进行形态学开运算,获得铸件表面开运算图像,再对铸件表面图像进行形态学闭运算,获得铸件表面闭运算图像。
S3、对铸件表面闭运算图像进行灰度处理,生成铸件表面灰度图像;
S4、采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像中的铸件边缘。
先利用形态学开闭运算可去除铸件表面的划痕的同时,能对图像进行滤波去噪,基于该图像再进行Laplace边缘检测,获取到铸件边缘图像中表面划痕极大减少,极大提高了铸件边缘检测的质量。
在本发明另一实施例中,铸件边缘检测方法具体包括如下步骤:
S5、对铸件表面图像分别进行高斯滤波及双边滤波,分别形成铸件滤波表面图像Ⅰ及铸件滤波表面图像Ⅱ;
S6、对铸件滤波表面图像Ⅰ依次进行形态学开运算、形态学闭运算,生成铸件表面闭运算图像Ⅰ,对铸件表面闭运算图像Ⅰ进行灰度处理,生成铸件表面灰度图像Ⅰ,采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像Ⅰ中的铸件边缘,形成铸件边缘Ⅰ;
S7、对铸件滤波表面图像Ⅱ依次进行形态学开运算、形态学闭运算,生成铸件表面闭运算图像Ⅱ,对铸件表面闭运算图像Ⅱ进行灰度处理,生成铸件表面灰度图像Ⅱ,采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像Ⅱ中的铸件边缘,形成铸件边缘Ⅱ;
S8、铸件边缘Ⅰ及铸件边缘Ⅱ上的像素点进行加权融合,形成铸件边缘。
高斯滤波能去除图像中高频及低频噪声,使部分边缘模糊,导致边缘不连续,采用双边滤波对相同的图像进行处理,能获取到相对清晰的边界,对两种滤波方式处理的图像分别基于形态学算法及Laplace边缘检测算子来检测边缘,对两个边缘进行加权融合,获取的铸件边缘相对清晰且达到良好的去噪效果。
图3为边缘检测的对比图,其中,(a)为铸件表面图,(b)为采用Laplace边缘检测对图(a)进行边缘检测形成的铸件边缘图,(c)为采用Log算子对图(a)进行边缘检测形成的铸件边缘图,(d)为采用形态学算法对图(a)进行边缘检测形成的铸件边缘图,(e)依次采用高斯滤波、形态学算法、Laplace边缘检对图(a)进行边缘检测形成的铸件边缘图;(f)为依次采用高斯滤波+双边滤波、形态学算法、Laplace边缘检及边缘融合对图(a)进行边缘检测形成的铸件边缘图。
清晰的图像比模糊的图像边缘更加锐利清晰,边缘像素灰度值变化大,因而有更大的梯度值。在进行图像处理时,将图像看作二维离散矩阵,利用梯度函数获取图像灰度信息,以此来评判图像清晰度。
本发明所用的梯度函数是能量梯度函数EOG:将x方向和y方向的相邻像素的灰度值之差的平方和作为每个像素点的梯度值,对所有像素梯度值累加作为清晰度评价函数值,表达式如下所示:
F=∑∑{[f(x+1,y)-f(x,y)]2+[f(x,y+1)-f(x,y)]2}
图6是对图3结果的图像清晰度评价指标。已对图像清晰度值做归一化处理,在点(-20,0),(-10,0),(0,0),(10,0),(20,0)处检测的图像分别是图3中(b)、(c)、(d)、(e)和(f),归一化后的折线图越接近1,图像越清晰,(e)和(f)在图3中看起来相似,但由折线图可知,(f)图像边缘最清晰,其效果优于图(e)。
图4为先采用Laplace边缘检测、后采用形态学运算的铸件边缘图,先用Laplace算子边缘检测,检测后的图像会有大量白色的噪声点,并且边缘检测后的图像边缘与表面划痕非常相似,都是白色的细长线,再用形态学处理图像就不能分辨图像的边缘与表面的划痕从而无法去除工件表面的划痕。
图5为加噪后边缘检测的对比图,其中,(a)为添加高斯噪声的铸件表面图,(b)为采用Laplace边缘检测对图(a)进行边缘检测形成的铸件边缘图,(c)为采用Log算子对图(a)进行边缘检测形成的铸件边缘图,(d)为采用形态学算法对图(a)进行边缘检测形成的铸件边缘图,(e)为依次采用形态学算法、Laplace边缘检对图(a)进行边缘检测形成的铸件边缘图;表1是基于图5形成的图像PSNR值对比表,表1具体如下:
表1边缘检测后图像的PSNR的值
峰值信噪比PSNR是最普遍和使用最为广泛的一种图像客观评价指标,PSNR计算两幅图像之间的相似度,在图像去噪领域由于没有原图作对比,只能是噪声图与降噪图作对比,PSNR数值越大表示失真越小。
PSNR低于20dB图像不可接受;在20—30dB说明图像质量差;在30—40dB通常表示图像质量是好的,即失真可以察觉但可以接受;PSNR高于40dB说明图像质量极好,即非常接近原始图像。
在本发明另一实施例中,在对铸件边缘Ⅰ及铸件边缘Ⅱ上的像素点进行加权融合时,赋予铸件边缘Ⅰ上像素点的权值大于铸件边缘Ⅱ上像素点的权值,铸件边缘Ⅰ上像素点的权重值与铸件边缘Ⅱ上像素点的权重之和为1,如铸件边缘Ⅰ上像素点的权值为0.6,铸件边缘Ⅱ上像素点的权值0.4。
在本发明实施例中,铸件边缘检测装置包括:
依次连接的形态学运算单元、灰度处理单元及Laplace边缘检测单元,其中,形态学运算单元对读取到的铸件表面图像依次进行形态学开运算、形态学闭运算,输出铸件表面闭运算图像至灰度处理单元;灰度处理单元对铸件表面闭运算图像进行灰度处理,输出铸件表面灰度图像至Laplace边缘检测单元;Laplace边缘检测单元采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像中的铸件边缘,获取铸件边缘。
形态学运算单元对铸件表面图像先进行形态学开运算,获得铸件表面开运算图像,再对铸件表面图像进行形态学闭运算,获得铸件表面闭运算图像。
图2为本发明实施例提供的铸件边缘检测装置的结构示意图,为了便于说明,铸件边缘检测装置还包括:
高斯滤波单元及双边滤波单元;高斯滤波单元依次与形态学运算单元Ⅰ、灰度处理单元Ⅰ及Laplace边缘检测单元Ⅰ连接;双边滤波单元依次与形态学运算单元Ⅱ、灰度处理单元Ⅱ及Laplace边缘检测单元Ⅱ连接;Laplace边缘检测单元Ⅰ及Laplace边缘检测单元Ⅱ与加权融合单元连接;
高斯滤波单元对铸件表面图像分别进行高斯滤波,形成铸件滤波表面图像Ⅰ,铸件滤波表面图像Ⅰ依次经形态学运算单元Ⅰ、灰度处理单元Ⅰ及Laplace边缘检测单元Ⅰ,输出铸件边缘Ⅰ;
形态学运算单元Ⅰ对铸件滤波表面图像Ⅰ依次进行形态学开运算、形态学闭运算,生成铸件表面闭运算图像Ⅰ,灰度处理单元Ⅰ对铸件表面闭运算图像Ⅰ进行灰度处理,生成铸件表面灰度图像Ⅰ,Laplace边缘检测单元Ⅰ采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像Ⅰ中的铸件边缘,形成铸件边缘Ⅰ;
双边滤波单元对铸件表面图像分别进行双边滤波,形成铸件滤波表面图像Ⅱ,铸件滤波表面图像Ⅱ依次经形态学运算单元Ⅱ、灰度处理单元Ⅱ及Laplace边缘检测单元Ⅱ,输出铸件边缘Ⅱ;
形态学运算单元Ⅱ对铸件滤波表面图像Ⅱ依次进行形态学开运算、形态学闭运算,生成铸件表面闭运算图像Ⅱ,灰度处理单元Ⅱ对铸件表面闭运算图像Ⅱ进行灰度处理,生成铸件表面灰度图像Ⅱ,Laplace边缘检测单元Ⅱ采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像Ⅱ中的铸件边缘,形成铸件边缘Ⅱ;
加权融合单元对铸件边缘Ⅰ及铸件边缘Ⅱ上的像素点进行加权融合,形成铸件边缘,加权融合单元赋予铸件边缘Ⅰ上像素点的权重值大于铸件边缘Ⅱ上像素点的权重,铸件边缘Ⅰ上像素点的权重值与铸件边缘Ⅱ上像素点的权重之和为1。
先利用形态学开闭运算可去除铸件表面的划痕的同时,能对图像进行滤波去噪,基于该图像再进行Laplace边缘检测,获取到铸件边缘图像中表面划痕极大减少,极大提高了铸件边缘检测的质量;此外,高斯滤波能去除图像中高频及低频噪声,使部分边缘模糊,导致边缘不连续,采用双边滤波对相同的图像进行处理,能获取到相对清晰的边界,对两种滤波方式处理的图像分别基于形态学算法及Laplace边缘检测算子来检测边缘,对两个边缘进行加权融合,获取的铸件边缘相对清晰且达到良好的去噪效果。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (6)
1.一种铸件边缘检测方法,其特征在于,所述方法具体包括如下步骤:
S1、读取铸件表面图像;
S2、对铸件表面图像依次进行形态学开运算、形态学闭运算,形成铸件表面闭运算图像;
S3、对铸件表面闭运算图像进行灰度处理,形成铸件表面灰度图像;
S4、采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像中的铸件边缘。
2.如权利要求1所述铸件边缘检测方法,其特征在于,在步骤S1之后,在步骤S2之前还包括如下步骤:
S5、对铸件表面图像分别进行高斯滤波及双边滤波,分别形成铸件滤波表面图像Ⅰ及铸件滤波表面图像Ⅱ;
铸件滤波表面图像Ⅰ执行步骤S1至步骤S4,获取铸件边缘Ⅰ,对铸件滤波表面图像Ⅱ执行步骤S1至步骤S4,获取铸件边缘Ⅱ;
在步骤S4之后还包括:
S6、铸件边缘Ⅰ及铸件边缘Ⅱ上的像素点进行加权融合,形成铸件边缘。
3.如权利要求2所述铸件边缘检测方法,其特征在于,铸件边缘Ⅰ上像素点的权重值大于铸件边缘Ⅱ上像素点的权重值。
4.一种铸件边缘检测装置,其特征在于,所述装置包括:依次连接的形态学运算单元、灰度处理单元及Laplace边缘检测单元,其中;
形态学运算单元对读取到的铸件表面图像依次进行形态学开运算、形态学闭运算,输出铸件表面闭运算图像至灰度处理单元;
灰度处理单元对铸件表面闭运算图像进行灰度处理,输出铸件表面灰度图像至Laplace边缘检测单元;
Laplace边缘检测单元采用二阶微分Laplace边缘检测算子检测铸件表面灰度图像中的铸件边缘,获取铸件边缘。
5.如权利要求4所述铸件边缘检测装置,其特征在于,所述铸件边缘检测装置还包括:
高斯滤波单元及双边滤波单元;
高斯滤波单元依次与形态学运算单元Ⅰ、灰度处理单元Ⅰ及Laplace边缘检测单元Ⅰ连接,双边滤波单元依次与形态学运算单元Ⅱ、灰度处理单元Ⅱ及Laplace边缘检测单元Ⅱ连接;
Laplace边缘检测单元Ⅰ及Laplace边缘检测单元Ⅱ与加权融合单元连接;
高斯滤波单元对铸件表面图像分别进行高斯滤波,形成铸件滤波表面图像Ⅰ,铸件滤波表面图像Ⅰ依次经形态学运算单元Ⅰ、灰度处理单元Ⅰ及Laplace边缘检测单元Ⅰ,输出铸件边缘Ⅰ;
双边滤波单元对铸件表面图像分别进行双边滤波,形成铸件滤波表面图像Ⅱ,铸件滤波表面图像Ⅱ依次经形态学运算单元Ⅱ、灰度处理单元Ⅱ及Laplace边缘检测单元Ⅱ,输出铸件边缘Ⅱ;
加权融合单元对铸件边缘Ⅰ及铸件边缘Ⅱ上的像素点进行加权融合,形成铸件边缘。
6.如权利要求5所述铸件边缘检测装置,其特征在于,加权融合单元赋予铸件边缘Ⅰ上像素点的权重值大于铸件边缘Ⅱ上像素点的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010728462.0A CN111915633A (zh) | 2020-07-24 | 2020-07-24 | 一种铸件边缘检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010728462.0A CN111915633A (zh) | 2020-07-24 | 2020-07-24 | 一种铸件边缘检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111915633A true CN111915633A (zh) | 2020-11-10 |
Family
ID=73280843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010728462.0A Pending CN111915633A (zh) | 2020-07-24 | 2020-07-24 | 一种铸件边缘检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915633A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023134303A1 (zh) * | 2022-01-11 | 2023-07-20 | 上海飞机制造有限公司 | 用于获取喷丸工艺中的弹丸分布的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133962A (zh) * | 2017-07-07 | 2017-09-05 | 哈尔滨理工大学 | 一种基于边缘检测的金刚石锯片裂纹提取方法 |
CN108470342A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 一种红外图像边缘检测方法 |
CN109816652A (zh) * | 2019-01-25 | 2019-05-28 | 湖州云通科技有限公司 | 一种基于灰度显著性的复杂铸件缺陷识别方法 |
-
2020
- 2020-07-24 CN CN202010728462.0A patent/CN111915633A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470342A (zh) * | 2017-02-23 | 2018-08-31 | 南宁市富久信息技术有限公司 | 一种红外图像边缘检测方法 |
CN107133962A (zh) * | 2017-07-07 | 2017-09-05 | 哈尔滨理工大学 | 一种基于边缘检测的金刚石锯片裂纹提取方法 |
CN109816652A (zh) * | 2019-01-25 | 2019-05-28 | 湖州云通科技有限公司 | 一种基于灰度显著性的复杂铸件缺陷识别方法 |
Non-Patent Citations (5)
Title |
---|
SHENJIAN GONG等: "Application of static gesture segmentation based on an improved canny operator" * |
XIANGGUANG LENG等: "Hybrid bilateral filtering algorithm based on edge detection" * |
任治;苏真伟;俞东宝;晏开华;: "一种焊缝X射线数字图像的缺陷提取算法" * |
李安安;何坤;詹晓倩;周激流;: "多尺度下的噪声图像边缘检测" * |
薛燕;赵转萍;: "基于视觉技术的边缘跟踪轮廓测量系统" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023134303A1 (zh) * | 2022-01-11 | 2023-07-20 | 上海飞机制造有限公司 | 用于获取喷丸工艺中的弹丸分布的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913396B (zh) | 一种噪声估计的图像边缘保持混合去噪方法 | |
Wang et al. | Iterative non-local means filter for salt and pepper noise removal | |
CN113034452B (zh) | 一种焊件轮廓检测方法 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
Zhang et al. | Decision-based non-local means filter for removing impulse noise from digital images | |
CN114399522A (zh) | 一种基于高低阈值的Canny算子的边缘检测方法 | |
Chengtao et al. | A survey of image dehazing approaches | |
CN116664457B (zh) | 一种用于增强去噪的图像处理方法 | |
Ma et al. | An automatic detection method of Mura defects for liquid crystal display | |
CN111429372A (zh) | 一种增强低对比度图像边缘检测效果的方法 | |
CN109118434A (zh) | 一种图像预处理方法 | |
Chen et al. | An efficient detection algorithm based on anisotropic diffusion for low-contrast defect | |
CN111915633A (zh) | 一种铸件边缘检测方法及装置 | |
Anantrasirichai et al. | Mitigating the effects of atmospheric distortion using DT-CWT fusion | |
CN115131336B (zh) | 一种显示屏四色背景画面下的暗线缺陷检测方法 | |
Calderón et al. | Dewaff: A novel image abstraction approach to improve the performance of a cell tracking system | |
CN115829967A (zh) | 一种工业金属表面缺陷图像去噪和增强方法 | |
Zhang et al. | A LCD screen Mura defect detection method based on machine vision | |
CN114529518A (zh) | 一种基于图像金字塔与nlm的冷冻电镜图像增强方法 | |
RU2405200C2 (ru) | Способ и устройство быстрого фильтрования шума цифровых изображений | |
Xiong et al. | Research on an Edge Detection Algorithm of Remote Sensing Image Based on Wavelet Enhancement and Morphology. | |
CN113920136A (zh) | 一种改进的暗通道先验去雾算法 | |
Mamatha et al. | Performance analysis of various filters for De-noising of Handwritten Kannada documents | |
CN110264411A (zh) | 用于图像的光照校正方法 |
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 |