CN111932504A - 一种基于边缘轮廓信息的亚像素定位方法及装置 - Google Patents

一种基于边缘轮廓信息的亚像素定位方法及装置 Download PDF

Info

Publication number
CN111932504A
CN111932504A CN202010697487.9A CN202010697487A CN111932504A CN 111932504 A CN111932504 A CN 111932504A CN 202010697487 A CN202010697487 A CN 202010697487A CN 111932504 A CN111932504 A CN 111932504A
Authority
CN
China
Prior art keywords
target
contour
edge
coordinate information
correction
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
Application number
CN202010697487.9A
Other languages
English (en)
Inventor
肖学军
包赛赛
李浪浪
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.)
Suzhou Jiazhicai Optoelectronics Technology Co ltd
Original Assignee
Suzhou Jiazhicai Optoelectronics Technology Co ltd
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 Suzhou Jiazhicai Optoelectronics Technology Co ltd filed Critical Suzhou Jiazhicai Optoelectronics Technology Co ltd
Priority to CN202010697487.9A priority Critical patent/CN111932504A/zh
Publication of CN111932504A publication Critical patent/CN111932504A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06T7/10—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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于边缘轮廓信息的亚像素定位方法与装置，第一步，对显示面板轮廓进行建模，具体为通过局部极大值获取显示面板边缘像素坐标，利用凸包检测获取轮廓像素坐标，通过霍夫变换检测直线算法确认四边轮廓点集，采用二次多项式逼近显示面板发光区轮廓，进一步通过四边轮廓建立的四个方程求解对应的顶点和边长；第二步，对第一步求解的边界内区域依照显示分辨率大小进行网格化，建立网格索引信息表，通过在网格索引点的邻域内搜索四边轮廓点集进行排序；第三步，利用第二步排序后的点集索引和坐标建立n阶二次齐次多项式模型，实现所有像素点的坐标计算，本发明与传统方法比，只需要屏幕能点亮部分轮廓像素点就能实现亚像素级精确定位。

Description

一种基于边缘轮廓信息的亚像素定位方法及装置
技术领域
本发明属于图像处理领域，具体涉及一种基于边缘轮廓信息的亚像素定位方法及装置。
背景技术
现有技术一般采用角点定位方法来进行OLED或μLED屏幕的像素点定位，包括利用棋盘格找点的Harris角点检测算法、FAST算法以及BRJEF算法；Harris角点检测算法是一种基于图像灰度的一阶导数矩阵检测方法，主要是利用局部自相似性/自相关性，即在某个局部窗口内图像块与在各个方向微小移动后的窗口内图像块的相似性来进行检测。基于加速分割测试的FAST算法判断一个候选点是否为角点的方法是：在一个像素点为圆心，半径为预设的n个像素的离散化Bresenllam圆周上，在给定阈值的条件下，如果在圆周上有多个连续的像素的亮度都比圆心像素的亮度加上阈值还要亮，或者比圆心像素的亮度减去阈值还要暗，则将圆心像素作为角点。BRJEF算法的主要思想是在特征点周围邻域内选取若干个像素点对，通过对这些点对的灰度值比较，将比较的结果组合成一个二进制串字符串用来描述特征点，使用汉明距离来计算在特征描述子是否匹配，进而确定角点。
然而，上述方法所针对的图片必须是角点连续、不存在过亮、过暗块状像素干涉的图像，而OLED或μLED屏幕自身可能存在亮暗带状图案、部分像素点不亮、OLED或μLED像素点经相机成像后变成为较大区域的光斑等问题，因此现有方法无法满足对OLED或μLED进行高精度而又稳定健壮的像素级定位的需求，而且在工业级应用上，对这类屏幕进行像素定位需要满足流水线生产对处理时长的要求，期望定位耗时尽可能短。
发明内容
针对上述的问题，本发明提出了一种基于边缘轮廓信息的亚像素定位方法及装置，包括以下步骤：
第一步，对目标图像进行高倍下采样，获取低分辨率图像，在低分辨率基础上获取目标边缘轮廓，所述将目标图像下采样获取目标边缘轮廓是为减少计算量便于算法应用；
第二步，还原第一步处理后的目标图像至原分辨率目标图像，通过所述目标边缘轮廓获取目标边缘部分坐标信息；
第三步，对第二步获得的所述目标边缘部分坐标信息进行第一次扩充和修正，然后进行第二次修正确认四边轮廓点集，进一步对所述第二次修正后确认的四边轮廓点集进行第三次修正；
第四步，以目标被检测屏幕的实际分辨率信息为基础，以第三步获得的所述目标边缘部分坐标为边界对第二步所述原分辨率目标图像进行网格划分，建立网格索引，以网格索引为条件对边缘四边轮廓点集进行排序，同时建立n阶二次齐次多项式模型，计算所有点的坐标信息。
优选的，所述步骤第二步中所述获取目标边缘部分坐标信息是对所述目标边缘轮廓计算局部最大值。
优选的，所述步骤第三步中所述对目标边缘部分坐标信息进行第一次扩充和修正的方法是凸包算法。
优选的，所述步骤第三步中所述进行第二次修正确认四边轮廓点集的方法是通过霍夫变换算法对所述第一次扩充和修正后的目标边缘部分坐标信息进行校准。
优选的，所述步骤第三步中对所述第二次修正后确认的四边轮廓点集进行第三次修正的方法是二次多项式拟合，此方法的目的是由于相机的成像质量都存在一定的畸变等因素，再次对修正后的四边轮廓点集进行二次多项式拟合来逼近目标图像轮廓。
本发明还提供了一种基于边缘轮廓信息的亚像素定位装置，包括：目标边缘轮廓获取模块：用于通过对目标图像采样获取目标边缘轮廓；目标边缘部分坐标信息获取模块：用于对采样后获取的目标边缘轮廓通过算法计算得到目标边缘部分坐标信息；目标边缘部分坐标信息扩充和修正模块：用于对目标边缘部分坐标信息进行第一次扩充和修正，第二次修正并确认四边轮廓点集，对四边轮廓点集进行第三次修正；定位坐标计算模块：用于以目标边缘部分坐标信息扩充和修正模块处理后获得的所述目标边缘部分坐标为边界对原分辨率目标图像进行网格划分，建立网格索引，以网格索引为条件对边缘四边轮廓点集进行排序，同时建立n阶二次齐次多项式模型，计算所有点的坐标信息并保存。
优选的，所述对采样后获取的目标边缘轮廓通过算法计算得到目标边缘部分坐标信息的方法是对目标边缘轮廓计算局部最大值。
优选的，所述对目标边缘部分坐标信息进行第一次扩充和修正的方法是凸包算法。
优选的，所述第二次修正并确认四边轮廓点集的方法是通过霍夫变换算法对所述第一次扩充和修正后的目标边缘部分坐标信息进行校准。
优选的，所述对四边轮廓点集进行第三次修正的方法是对所述第二次修正后确认的四边轮廓点集进行二次多项式拟合。
与现有技术相比，本发明具有如下有益效果：本发明提供的一种基于边缘轮廓信息的亚像素定位方法及装置，该方法是以边缘轮廓信息为基准，放弃了目标图像中间部位的图像信息，既减少了所需计算的信息量，也解决了传统方法在遇到定位图不能显示完全而导致定位失败的问题；针对Cell工艺段及尚没有驱动IC的屏幕屏体只能点亮简单点阵图以及只支持一种信号输入的情况，本发明也可以做到精准定位，而传统的基于棋盘格及十字格的定位图方式无法满足此需求；本发明只需要拍摄灰阶图而且不需要其他任何参数配置，简化了算法应用的复杂性，在工业应用上也简化了员工的操作，其定位经过多次校准，定位精确度高，计算效率也得到了提高，可满足高精度而又稳定健壮的像素级定位需求。
附图说明
下面结合附图对本发明的具体实施方式作进一步说明：
图1是本发明实施例亚像素定位方法流程图；
图2(a)是本发明实施例中μLED屏幕A原始图；
图2(b)是本发明实施例中μLED屏幕B全貌图；
图3是本发明实施例中目标图像轮廓；
图4是本发明实施例中局部最大值验证效果图；
图5是本发明实施例中霍夫变换直线检测结果图；
图6是本发明实施例中二次多项式拟合结果图；
图7(a)是本发明实施例中二值化后定位信息结果图；
图7(b)是本发明实施例中原始图片定位信息结果图；
图7(c)是本发明实施例中μLED屏幕A定位信息结果图；
图7(d)是本发明实施例中μLED屏幕B定位信息结果图。
具体实施方式
为进一步对本发明的技术方案作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的步骤。
如图1是本发明实施例提供的定位方法的流程示意图，本实施例以一片带有多个缺陷发光点的uLED屏幕(0.76吋，分辨率176*176*3)为对象，在高分辨率相机(>71M像素)拍摄到的发光μLED屏幕图像，如图2(a)和图2(b)所示，图2(a)中每个亮团代表一个发光子像素，纯黑部分代表此处无发光像素或是坏点(暗点)，原始图片不限于是彩色还是黑白，因此拍照相机可以是单色，拍照时可以同时开启屏幕的多个颜色通道或者单个颜色通道。
为减少计算量，先将原始图像高倍下采样,再对目标图像进行边缘轮廓提取，用形态学方法提取低分辨率下的轮廓，如图3所示，再将图像还原至原相机分辨率大小。利用局部极大值算法计算轮廓图像的部分轮廓坐标信息点集A。
设矩阵内的一个边缘临界点为(x0,y0),即:
fx(x0,y0)＝0
fy(x0,y0)＝0
f在不同方向的二阶导数可表示为：
A＝fxx(x0,y0)
B＝fxy(x0,y0)
C＝fyy(x0,y0)
根据条件AC-B2>0，同时A<0，综合上述公式即可求取极大值点位置，如图4所示。
利用凸包算法计算出点集A中的边缘坐标信息，将上述获取的外轮廓的部分坐标信息，取其中的左上角点Pul和右下角点Pdr，此时有向量PdrPul将整个外轮廓分为左轮廓和右轮廓，设S1是严格在直线PdrPul右边的点集，在S1中寻找距离直线PdrPul最远的点设为PR，连接PR和Pdr及PR和Pul，然后设Pdr右侧点集为M，Pul右侧点集为N，对边PdrPR、PRPul、点集M以及点集N分别递归调用，计算得出的顶点即为右侧凸包点集。同理可计算出左侧凸包点集，从而得到外边缘部分坐标点信息。
由于凸包算法的局限性，此时计算出的边缘坐标信息并不能完全包含所有的外边缘信息。实施例中通过霍夫变换直线检测算法确认四条边外边缘坐标信息点集，具体方案如下：
取边缘点集A中某一点设为(x0,y0),离散化角度为θ，求得x0cosθ+y0sinθ＝ρ,每个单点均可确认N条直线，计算点集A内的所有点即可确认四条最合理的外边缘直线，得到新的点集B，如图5所示，为了解决实际应用所拍摄图片中会出现的图像畸变等原因造成检测点的不稳定性，这里加入了二次多项式进行曲线拟合校准。
设拟合多项式为：
y＝a0+a1x+…+akxk (1)
点集B中所有点与上式(1)的距离之和表示如下：
Figure BDA0002591755360000041
对等式右边求偏导数得：
Figure BDA0002591755360000042
(3)式简化后可得到式(4)：
Figure BDA0002591755360000051
求得系数矩阵时即得到了拟合曲线，很好地外包围感兴趣的待检测区域，如图6所示。
精确求取四条边上所有点的坐标信息后，可以根据四条边的交点确定四个顶点，以四个顶点为基准，利用已知的屏幕分辨率信息，此实施例中单色情况下为176*176，将屏幕图片网格化。同时，对网格点进行排序来填补空缺的像素，这样确保了坐标信息不会错乱和遗漏。
在确定四边的坐标信息以及排序信息后，本实施例建立N阶二次齐次多项式模型来插值，计算出四边内部的所有点的网格坐标索引，并进行一次校准，步骤如下：
Figure BDA0002591755360000052
图像上的各点表示为P(xm,ym,Xm,Ym),其中(xm,ym)是屏幕坐标系中的像素坐标，(Xm,Ym)表示相机坐标系中像素的坐标。根据N阶多项式的定义：
Figure BDA0002591755360000053
其中cij等为各待定的拟合系数，定义拟合误差为E，则有
E＝Xm-X(xm,ym) (6)
为使整体的拟合误差最小，求上式最小均方EXM得到：
Figure BDA0002591755360000054
其中M为拟合点总数。
将拟合点Xi和拟合系数Ci表示为列向量形式Z和C，并定义系数矩阵B如下：
Figure BDA0002591755360000055
为减少计算时间，式(8)B矩阵的内容可以预先计算并保存在文件中，待有需要时再读人内存中使用。而误差可以用向量表示为E＝Z-BC，且EXM＝ET E/N，最终得到所求系数矩阵：
C＝[BTB]-1[BTZ] (9)
将式(9)C代入式多项式(5)中便可求解。
同理将Yi按照上述步骤也可得出对应Y的值，即可得到相机坐标系中所有发光点的坐标值，即得到了某一特点颜色通道下所有像素点的准确坐标信息，如图7(a)、图7(b)、图7(c)、和图7(d)所示。如图7(a)为单色相机拍摄原始图上用符号‘*’标记的定位信息。图7(b)为为在彩色相机拍摄的双色GB点亮uLED图上对单通道B的所有子像素点进行的标记，同样用‘*’对像素亮团中心进行了标记。图7(c)和图7(d)为对不同发光强度的发光像素点(含未发光点)进行全网格标记定位的结果，用符号‘.’对各像素成像中心进行了标记。结合图像中各子像素的定位坐标信息，可以进一步实施亮点、暗点、坏点、以及亮度均一性检测、评估和补偿修复等操作。
本实施例实施装置具体包含目标边缘轮廓获取模块、目标边缘部分坐标信息获取模块、目标边缘部分坐标信息扩充和修正模块、定位坐标计算模块和存储模块，按顺序执行以上实施例中的流程，可以实现高精度而又稳定健壮的像素级定位需求。
在本文中，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步骤、方法、装置不仅包括那些要素，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步骤、方法、装置所固有的要素。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种基于边缘轮廓信息的亚像素定位方法，其特征在于，包括以下步骤：
第一步，对目标图像进行高倍下采样，获取低分辨率图像，在低分辨率基础上获取目标边缘轮廓；
第二步，还原第一步处理后的目标图像至原分辨率目标图像，通过所述目标边缘轮廓获取目标边缘部分坐标信息；
第三步，对第二步获得的所述目标边缘部分坐标信息进行第一次扩充和修正，然后进行第二次修正确认四边轮廓点集，进一步对所述第二次修正后确认的四边轮廓点集进行第三次修正；
第四步，以第三步获得的所述目标边缘部分坐标为边界对第二步所述原分辨率目标图像进行网格划分，建立网格索引，以网格索引为条件对边缘四边轮廓点集进行排序，同时建立n阶二次齐次多项式模型，计算所有点的坐标信息。
2.根据权利要求1所述的一种基于边缘轮廓信息的亚像素定位方法，其特征在于：所述步骤第二步中所述获取目标边缘部分坐标信息是对所述目标边缘轮廓计算局部最大值。
3.根据权利要求1所述的一种基于边缘轮廓信息的亚像素定位方法，其特征在于：所述步骤第三步中所述对目标边缘部分坐标信息进行第一次扩充和修正的方法是凸包算法。
4.根据权利要求1所述的一种基于边缘轮廓信息的亚像素定位方法，其特征在于：所述步骤第三步中所述进行第二次修正确认四边轮廓点集的方法是通过霍夫变换算法对所述第一次扩充和修正后的目标边缘部分坐标信息进行校准。
5.根据权利要求1所述的一种基于边缘轮廓信息的亚像素定位方法，其特征在于：所述步骤第三步中对所述第二次修正后确认的四边轮廓点集进行第三次修正的方法是二次多项式拟合。
6.一种基于边缘轮廓信息的亚像素定位装置，其特征在于，包括以下模块：
目标边缘轮廓获取模块：用于通过对目标图像采样获取目标边缘轮廓；
目标边缘部分坐标信息获取模块：用于对采样后获取的目标边缘轮廓通过算法计算得到目标边缘部分坐标信息；
目标边缘部分坐标信息扩充和修正模块：用于对目标边缘部分坐标信息进行第一次扩充和修正，第二次修正并确认四边轮廓点集，对四边轮廓点集进行第三次修正；
定位坐标计算与存储模块：用于以目标边缘部分坐标信息扩充和修正模块处理后获得的所述目标边缘部分坐标为边界对原分辨率目标图像进行网格划分，建立网格索引，以网格索引为条件对边缘四边轮廓点集进行排序，同时建立n阶二次齐次多项式模型，计算所有点的坐标信息并保存。
7.根据权利要求6所述的一种基于边缘轮廓信息的亚像素定位装置，其特征在于所述对采样后获取的目标边缘轮廓通过算法计算得到目标边缘部分坐标信息的方法是对目标边缘轮廓计算局部最大值。
8.根据权利要求6所述的一种基于边缘轮廓信息的亚像素定位装置，其特征在于所述对目标边缘部分坐标信息进行第一次扩充和修正的方法是凸包算法。
9.根据权利要求6所述的一种基于边缘轮廓信息的亚像素定位装置，其特征在于所述第二次修正并确认四边轮廓点集的方法是通过霍夫变换算法对所述第一次扩充和修正后的目标边缘部分坐标信息进行校准。
10.根据权利要求6所述的一种基于边缘轮廓信息的亚像素定位装置，其特征在于所述对四边轮廓点集进行第三次修正的方法是对所述第二次修正后确认的四边轮廓点集进行二次多项式拟合。
CN202010697487.9A 2020-07-20 2020-07-20 一种基于边缘轮廓信息的亚像素定位方法及装置 Pending CN111932504A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010697487.9A CN111932504A (zh) 2020-07-20 2020-07-20 一种基于边缘轮廓信息的亚像素定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010697487.9A CN111932504A (zh) 2020-07-20 2020-07-20 一种基于边缘轮廓信息的亚像素定位方法及装置

Publications (1)

Publication Number Publication Date
CN111932504A true CN111932504A (zh) 2020-11-13

Family

ID=73313357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010697487.9A Pending CN111932504A (zh) 2020-07-20 2020-07-20 一种基于边缘轮廓信息的亚像素定位方法及装置

Country Status (1)

Country Link
CN (1) CN111932504A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112687231A (zh) * 2020-12-31 2021-04-20 深圳Tcl数字技术有限公司 亮色度数据提取方法、设备及计算机可读存储介质
CN113763333A (zh) * 2021-08-18 2021-12-07 安徽帝晶光电科技有限公司 一种亚像素定位方法、定位系统及存储介质
CN113763419A (zh) * 2021-04-29 2021-12-07 腾讯科技（深圳）有限公司 一种目标跟踪方法、设备及计算机可读存储介质
CN114283736A (zh) * 2022-03-03 2022-04-05 武汉精立电子技术有限公司 子像素定位坐标修正方法、装置、设备及可读存储介质
CN116912276A (zh) * 2023-09-12 2023-10-20 深圳精智达技术股份有限公司 一种圆弧屏体aa区抓取方法、装置电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090262247A1 (en) * 2008-03-20 2009-10-22 Stmicroelectronics Asia Pacific Pte., Ltd. System and process for image rescaling with edge adaptive phase control in interpolation process
US20100098339A1 (en) * 2008-10-16 2010-04-22 Keyence Corporation Contour-Information Extracting Method by Use of Image Processing, Pattern Model Creating Method in Image Processing, Pattern Model Positioning Method in Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium
US20100098338A1 (en) * 2008-10-16 2010-04-22 Keyence Corporation Method for Deciding Image Data Reduction Ratio in Image Processing, Pattern Model Positioning Method in Image Processing, Pattern Model Creating Method in Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium
CN104376550A (zh) * 2014-12-01 2015-02-25 中南大学 基于含积分的平差模型的超分辨率图像重建方法
CN111260731A (zh) * 2020-01-10 2020-06-09 大连理工大学 一种棋盘格亚像素级角点自适应检测的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090262247A1 (en) * 2008-03-20 2009-10-22 Stmicroelectronics Asia Pacific Pte., Ltd. System and process for image rescaling with edge adaptive phase control in interpolation process
US20100098339A1 (en) * 2008-10-16 2010-04-22 Keyence Corporation Contour-Information Extracting Method by Use of Image Processing, Pattern Model Creating Method in Image Processing, Pattern Model Positioning Method in Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium
US20100098338A1 (en) * 2008-10-16 2010-04-22 Keyence Corporation Method for Deciding Image Data Reduction Ratio in Image Processing, Pattern Model Positioning Method in Image Processing, Pattern Model Creating Method in Image Processing, Image Processing Apparatus, Image Processing Program, and Computer Readable Recording Medium
CN104376550A (zh) * 2014-12-01 2015-02-25 中南大学 基于含积分的平差模型的超分辨率图像重建方法
CN111260731A (zh) * 2020-01-10 2020-06-09 大连理工大学 一种棋盘格亚像素级角点自适应检测的方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112687231A (zh) * 2020-12-31 2021-04-20 深圳Tcl数字技术有限公司 亮色度数据提取方法、设备及计算机可读存储介质
CN113763419A (zh) * 2021-04-29 2021-12-07 腾讯科技（深圳）有限公司 一种目标跟踪方法、设备及计算机可读存储介质
CN113763419B (zh) * 2021-04-29 2023-06-20 腾讯科技（深圳）有限公司 一种目标跟踪方法、设备及计算机可读存储介质
CN113763333A (zh) * 2021-08-18 2021-12-07 安徽帝晶光电科技有限公司 一种亚像素定位方法、定位系统及存储介质
CN113763333B (zh) * 2021-08-18 2024-02-13 安徽帝晶光电科技有限公司 一种亚像素定位方法、定位系统及存储介质
CN114283736A (zh) * 2022-03-03 2022-04-05 武汉精立电子技术有限公司 子像素定位坐标修正方法、装置、设备及可读存储介质
CN114283736B (zh) * 2022-03-03 2022-06-03 武汉精立电子技术有限公司 子像素定位坐标修正方法、装置、设备及可读存储介质
CN116912276A (zh) * 2023-09-12 2023-10-20 深圳精智达技术股份有限公司 一种圆弧屏体aa区抓取方法、装置电子设备和存储介质
CN116912276B (zh) * 2023-09-12 2024-01-09 深圳精智达技术股份有限公司 一种圆弧屏体aa区抓取方法、装置电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN111932504A (zh) 一种基于边缘轮廓信息的亚像素定位方法及装置
US20210334574A1 (en) Commodity detection terminal, commodity detection method, system, computer device, and computer readable medium
CN109883654B (zh) 一种用于oled亚像素定位的棋盘格图、生成方法及定位方法
CN115170669B (zh) 基于边缘特征点集配准的识别定位方法及系统、存储介质
CN111640157A (zh) 一种基于神经网络的棋盘格角点检测方法及其应用
CN109993154B (zh) 变电站单指针式六氟化硫型仪表智能识别方法
CN104331695B (zh) 一种鲁棒的圆形标志符形状质量检测方法
CN104537367B (zh) 一种vin码的校验方法
CN111882530B (zh) 一种亚像素定位图生成方法、定位方法及装置
CN110400278A (zh) 一种图像颜色和几何畸变的全自动校正方法、装置及设备
CN113012096B (zh) 显示屏子像素定位及亮度提取方法、设备以及存储介质
CN112560837A (zh) 一种指针式仪表的读数方法、装置、设备和存储介质
CN111767780A (zh) 一种ai与视觉结合的智能集卡定位方法和系统
US20220114396A1 (en) Methods, apparatuses, electronic devices and storage media for controlling image acquisition
CN114241469A (zh) 一种面向电表轮换过程的信息识别方法和装置
CN114241438B (zh) 一种基于先验信息的交通信号灯快速精确的识别方法
CN111724354A (zh) 一种基于图像处理的多株小麦穗长与小穗数的测量方法
CN113132693A (zh) 一种色彩校正方法
CN114638805B (zh) 一种轨道板裂缝检测方法、系统及存储介质
CN114926417B (zh) 高密度柔性fpc表面弱划痕的显微成像检测方法及系统
CN115761468A (zh) 一种基于图像分割和目标检测技术的水位检测系统、方法
CN117949389B (zh) 一种显示屏的逐点校正方法及系统
CN110781731A (zh) 一种基于镜面反射去除的巡检机器人仪表识别方法
CN113643181B (zh) 一种原位阵列式根系表型监测系统及其工作方法
CN113591705B (zh) 巡检机器人仪表识别系统及方法、存储介质

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