CN111986221B - 一种基于灰度或位置信息的边缘评价方法及装置 - Google Patents
一种基于灰度或位置信息的边缘评价方法及装置 Download PDFInfo
- Publication number
- CN111986221B CN111986221B CN202010931292.6A CN202010931292A CN111986221B CN 111986221 B CN111986221 B CN 111986221B CN 202010931292 A CN202010931292 A CN 202010931292A CN 111986221 B CN111986221 B CN 111986221B
- Authority
- CN
- China
- Prior art keywords
- edge
- evaluation
- gray
- score
- value
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 334
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000001174 ascending effect Effects 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000009897 systematic effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种基于灰度或位置信息的边缘评价方法及装置,方法包括将图像的矩形ROI内的边缘特征的灰度信息或位置信息作为评价指标;灰度信息的评价指标包括:边缘灰度值、边缘灰度变化强度、边缘梯度强度和边缘两侧的灰度值;位置信息的评价指标包括:投影到矩形ROI内的X方向上的位置、投影到矩形ROI内的Y方向上的位置和边缘位置到矩形ROI中心的距离;获取所述灰度信息或位置信息作为评价指标时的具体数值;然后通过折线型评价函数,计算得到所选每个所述评价指标的边缘得分;根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分;按需剔除所述边缘最终得分相对较低的不可信边缘,获得可信度最高的边缘。
Description
技术领域
本申请涉及视觉图像处理技术领域,尤其涉及一种基于灰度或位置信息的边缘评价方法及装置。
背景技术
边缘特征是应用项目中最频繁使用的特征之一,多个边缘特征可以构成直线或线段、圆或圆弧、椭圆或椭圆段、三次样条曲线等高级特征。在工业应用中,边缘特征常常被用于直线、圆、椭圆等曲线拟合,或用于需要由边缘或边缘链特征进行组织的几何定位中,或在缺陷检测中提供目标真实边缘,以与标准设计轮廓进行比对,检测是否有间断、凸起或凹陷等。目前,对这些场景中的边缘评价方法仅仅是通过像素灰度值,或边缘灰度变化强度来表征,没有一种系统的评价指标和评价方法,导致对视觉图像中的边缘特征提取容易受其他因素干扰且准确度低。针对该现象,亟需提出一种系统的边缘评价方法及装置,以便于在不同应用场合中结合实际需要使用不同评价指标,并可通过边缘得分情况剔除得分较低的不可信边缘。
发明内容
本申请提供了一种基于灰度或位置信息的边缘评价方法及装置,以解决现有技术中没有系统的边缘特征评价指标和评价方法,导致对视觉图像中的边缘特征提取容易受其他因素干扰造成准确度低的问题。
本申请采用的技术方案如下:
一种基于灰度或位置信息的边缘评价方法,所述边缘评价方法包括:
根据实际需求选择图像中矩形ROI区域内已知的边缘特征的灰度信息或位置信息作为评价指标;
获取所述灰度信息或位置信息作为评价指标时的具体数值;
通过折线型评价函数,计算得到所选每个所述评价指标的边缘得分;
根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分;
按需剔除所述边缘最终得分相对较低的不可信边缘,获得可信度最高的边缘。
优选地,所述折线型评价函数为下降型折线评价函数、上升型折线评价函数、尖锥型折线评价函数或V型折线评价函数中的任意一种,
其中所述下降型折线评价函数的表达式为:
其中,[X0,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
所述上升型折线评价函数的表达式为:
其中,[XL,X0]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
所述尖锥型折线评价函数的表达式为:
其中,[XL,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
所述V型折线评价函数的表达式为:
其中,[XL,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
以上各式中x是边缘灰度信息或位置信息,y是与x对应的边缘得分,其中(X0,Y0)、(X1,Y1)和(X2,Y2)分别为折线的拐点。
优选地,获取边缘灰度变化强度作为评价指标时的具体数值,包括:
使用Sobel算子或者由灰度变化梯度方向确定边缘灰度变化方向;
根据所述边缘灰度变化方向通过该边缘邻域内的像素计算所述边缘灰度变化强度。
优选地,获取边缘梯度强度作为评价指标时的具体数值,包括:
通过计算灰度在边缘邻域内的二阶差分得到所述边缘梯度强度的值。
优选地,通过所述折线型评价函数,计算得到边缘两侧的灰度值作为评价指标时的边缘得分,包括:
根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,通过所述折线型评价函数分别得到边缘两侧的得分;
对边缘两侧的得分通过加权的方式计算得到边缘得分。
优选地,通过所述折线型评价函数,计算得到边缘两侧的灰度值作为评价指标时的边缘得分,包括:
根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,将所述边缘两侧的灰度值分别与期望灰度值做差取绝对值;
通过加权的方式得到一个灰度差异数值;
通过所述折线型评价函数计算得到边缘得分。
优选地,所述根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分,具体包括以下四种方法:
(1)等权重得分:S=(S1+S2+……+Sn)/n;
(2)加权得分:S=w1*S1+w2*S2+……+wn*Sn;其中,w1+w2+……+wn=1;
(3)乘积得分:S=S1*S2*……*Sn,该方法中单一所述评价指标的边缘得分不能为零;
(4)开方得分:该方法中单一所述评价指标的边缘得分也不能为零;
以上各式中S为边缘最终得分,n为评价指标的数量,S1、S2、……、Sn为单一评价指标的边缘得分,w1、w2、……、wn分别表示各个所述评价指标相对应的权重。
优选地,所述边缘评价方法包括:
根据任意曲线在图像中生成若干个连续的相同大小的矩形ROI区域;
根据实际需求选择所述矩形ROI区域边缘的所述灰度信息或所述位置信息作为评价指标;
获取所述灰度信息或位置信息作为评价指标时的具体数值;
通过所述折线型评价函数,计算得到若干个连续的所述矩形ROI区域边缘得分;
根据所述边缘得分的最值确定整体得分阈值;
剔除所述边缘得分小于所述整体得分阈值的相对不可信边缘,获得可信度高的边缘;
所述根据所述边缘得分的最值确定整体得分阈值,至少包括以下两种方法:
(1)S=d*Smax;
(2)S=d*(Smax-Smin)+Smin;
式中Smin、Smax分别为所述矩形ROI区域边缘得分中的最小值、最大值,d为[0,1]的比例值。
本申请采用的另一技术方案如下:
一种基于灰度或位置信息的边缘评价装置,所述边缘评价装置包括:
评价指标选择模块,用于根据实际需求选择图像中矩形ROI区域内的边缘特征的灰度信息或位置信息作为评价指标,并选择与之相应的评价模块;其中所述灰度信息具体包括:边缘灰度值、边缘灰度变化强度、边缘梯度强度或边缘两侧的灰度值;所述位置信息具体包括:将边缘垂直投影到所述矩形ROI内的X方向上的位置、将边缘垂直投影到所述矩形ROI内的Y方向上的位置或边缘位置到所述矩形ROI中心的距离;所述评价模块具体包括边缘灰度值评价模块、边缘灰度变化强度评价模块、边缘梯度强度评价模块、边缘两侧的灰度值评价模块、投影X位置评价模块、投影Y位置评价模块和中心距离评价模块;
其中所述边缘灰度值评价模块,用于将图像的矩形ROI内已知的边缘灰度值作为评价指标,获取所述边缘灰度值的具体数值,通过折线型评价函数计算得到边缘得分;
所述边缘灰度变化强度评价模块,用于将图像的矩形ROI内的边缘灰度变化强度作为评价指标,先使用Sobel算子或者由灰度变化梯度方向确定边缘灰度变化方向,根据确定好的所述边缘灰度变化方向通过该边缘邻域内的像素计算所述边缘灰度变化强度,再通过所述折线型评价函数计算得到边缘得分;
所述边缘梯度强度评价模块,用于将图像的矩形ROI内的边缘梯度强度作为评价指标,通过计算灰度在边缘邻域内的二阶差分得到所述边缘梯度强度的值,再通过所述折线型评价函数计算得到边缘得分;
所述边缘两侧的灰度值评价模块,用于将图像的矩形ROI内的边缘两侧的灰度值作为评价指标,首先根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,然后通过所述折线型评价函数分别得到边缘两侧的得分,对边缘两侧的得分通过加权的方式计算得到边缘得分,或者将所述边缘两侧的灰度值分别与期望灰度值做差取绝对值,通过加权的方式得到一个灰度差异数值,再通过所述折线型评价函数计算得到边缘得分;
所述投影X位置评价模块,用于将图像的矩形ROI内的边缘垂直投影到所述矩形ROI内的X方向上的位置作为评价指标,获取投影X位置的具体数值,通过所述折线型评价函数,计算得到投影X位置的边缘得分;
所述投影Y位置评价模块,用于将图像的矩形ROI内的边缘特征垂直投影到所述矩形ROI内的Y方向上的位置作为评价指标,获取投影Y位置的具体数值,通过所述折线型评价函数,计算得到投影Y位置的边缘得分;
所述中心距离评价模块,用于将图像的矩形ROI内的边缘位置到所述矩形ROI中心的距离作为评价指标,获取所述边缘位置到所述矩形ROI中心距离的具体数值,通过所述折线型评价函数,计算得到中心距离的边缘得分;
边缘得分获取模块,用于通过所选的所述评价模块计算得到每个所述评价指标的边缘得分;
综合评价模块,用于根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分;
可信边缘获取模块,用于按需剔除所述边缘最终得分相对较低的不可信边缘,获得可信度最高的边缘。
优选地,所述边缘评价装置包括:
连续矩形ROI生成模块,用于根据任意曲线在图像中生成若干个连续的相同大小的矩形ROI区域;
评价指标选择模块,用于根据实际需求选择所述矩形ROI区域边缘的所述灰度信息或所述位置信息作为评价指标,并选择与之相应的评价模块;
所述评价模块具体包括:所述边缘灰度值评价模块、所述边缘灰度变化强度评价模块、所述边缘梯度强度评价模块、所述边缘两侧的灰度值评价模块、所述投影X位置评价模块、所述投影Y位置评价模块和所述中心距离评价模块;
边缘得分获取模块,用于通过所选的所述评价模块,计算得到若干个连续的所述矩形ROI区域边缘得分;
整体得分阈值确定模块,用于根据所述边缘得分的最值确定整体得分阈值;
整体评价模块,用于剔除所述边缘得分小于所述整体得分阈值的相对不可信边缘,获得可信度最高的边缘。
采用本申请的技术方案的有益效果如下:
1.首先本申请可以根据边缘灰度信息或位置信息,结合不同类型的评价函数对边缘进行不同评价,评价方法具备多样性;其次,利用系统性评价可以根据应用需求客观获取边缘得分,尤其是对位置或灰度变化强度或明暗灰度值有约束的应用场景;最后,获取边缘得分后可以设置得分阈值剔除得分较低的不可信边缘,来提高后续以边缘作为输入的算法或工具的稳定性和精度。
2.本申请可以从多个方面同时对边缘进行评价,从而得到多种约束下可信度最高的边缘,可用于实际场景中通过单一指标无法稳定获取边缘的应用场景。例如,同时考虑边缘位置和灰度变化强度,可以比单独位置评价或灰度评价更得到期望边缘,降低噪声或干扰边缘的影响。
3.本申请可以根据图像中连续的边缘得分情况设置不同阈值,从而剔除低可信度的边缘,这有助于在不同图像中,边缘得分相对趋势具有一致性时,期望稳定获取边缘的应用场景。例如:光照整体变暗,会使得边缘按灰度变化强度评价的得分整体变低,但其相对得分情况和光照变亮或不变时具有一致性,此时,可以剔除相同低可信度边缘。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于灰度或位置信息的边缘评价方法的流程图;
图2为本发明一种基于灰度或位置信息的边缘评价方法及装置中使用位置信息进行边缘评价的示意图;
图3(a)为本发明一种基于灰度或位置信息的边缘评价方法及装置中下降型折线评价函数的示意图;
图3(b)为本发明一种基于灰度或位置信息的边缘评价方法及装置中上升型折线评价函数的示意图;
图3(c)为本发明一种基于灰度或位置信息的边缘评价方法及装置中尖锥型折线评价函数的示意图;
图3(d)为本发明一种基于灰度或位置信息的边缘评价方法及装置中V型折线评价函数的示意图。
具体实施方式
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1,为本申请一种基于灰度或位置信息的边缘评价方法的流程图。
一种基于灰度或位置信息的边缘评价方法,所述边缘评价方法包括:
根据实际需求选择图像中矩形ROI区域内已知的边缘特征的灰度信息或位置信息作为评价指标;其中所述灰度信息具体包括:边缘灰度值、边缘灰度变化强度、边缘梯度强度或边缘两侧的灰度值,所述位置信息具体包括:将边缘垂直投影到所述矩形ROI内的X方向上的位置、将边缘垂直投影到所述矩形ROI内的Y方向上的位置或边缘位置到所述矩形ROI中心的距离,可根据实际需求选择所述灰度信息或所述位置信息中的一种或几种组合作为评价指标;
获取所述灰度信息或位置信息作为评价指标时的具体数值;
设定所选的所述灰度信息或位置信息作为评价指标时的上下限值以及期望值,通过折线型评价函数,计算得到所选每个所述评价指标的边缘得分;
根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分;
按需剔除所述边缘最终得分相对较低的不可信边缘,获得可信度最高的边缘。剔除所述边缘最终得分相对较低的不可信边缘时,可根据实际应用场景需求设置最终得分阈值或者按照一定比例,对所述最终得分低于阈值或低于一定比例的不可信边缘进行剔除。
所述折线型评价函数为下降型折线评价函数、上升型折线评价函数、尖锥型折线评价函数或V型折线评价函数中的任意一种,
其中如图3(a)所示,所述下降型折线评价函数的表达式为:
其中,[X0,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
如图3(b)所示,所述上升型折线评价函数的表达式为:
其中,[XL,X0]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
如图3(c)所示,所述尖锥型折线评价函数的表达式为:
其中,[XL,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
如图3(d)所示,所述V型折线评价函数的表达式为:
其中,[XL,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
以上各式中x是边缘灰度信息或位置信息,y是与x对应的边缘得分,其中(X0,Y0)、(X1,Y1)和(X2,Y2)分别为折线的拐点。
图像简单且边缘灰度比较明确的应用场景一般选择所述边缘灰度值作为评价指标,主要是考虑边缘本身的灰度情况,该评价方式包括但不限于以下设置:
一般使用尖锥型折线函数,最直接简单的参数设置思路是,给出一个期望灰度,高于或低于该灰度时得分减少,例如:下限值XL=X1=0,上限值X2=XR=255,期望灰度值X0=128,得分下限Y1=0,得分上限Y0=1;
也可使用下降型折线函数,来评价某一段灰度值的,例如:可使用下降型折线函数针对灰度较小的边缘评价,参数可设置为:下限值X0=10,上限值X1=60,边界值XR=255,得分下限Y1=0.3,得分上限Y0=1,即是希望对灰度在[10,60]范围内的边缘评价,灰度越低得分越高,得分最小约束为0.3;
也可使用上升型折线函数针对灰度值较大的边缘进行评价,例如:参数设置为:下限值X1=180,上限值X0=250,边界值XL=0,得分下限Y1=0.3,得分上限Y0=1,即是希望对灰度在[180,250]范围内的边缘评价,灰度越高得分越高,得分最小约束为0.3。
获取边缘灰度变化强度作为评价指标时的具体数值,包括:
使用Sobel算子或者由灰度变化梯度方向确定边缘灰度变化方向;
根据所述边缘灰度变化方向通过该边缘邻域内的像素计算所述边缘灰度变化强度。
主要考虑在边缘方向上的灰度变化情况时,一般选择边缘灰度变化强度作为评价指标,用于得到灰度变化最大的边缘,该评价方式需要先确定边缘方向,边缘方向包括但不限于由梯度方向确定,然后将边缘方向转换为边缘邻域内的方向,通过边缘邻域内的像素计算灰度变化值,即计算灰度在该边缘邻域内的一阶导数,例如:方向角度=0,需要使用边缘右侧灰度减左侧灰度,方向角度=180时则需用左侧减右侧灰度;方向角度=45,需要使用边缘右上角灰度减左下角灰度,角度=225,则需用左下角减右上角灰度,其他情况依次类推;该评价方式包括但不限于以下设置,其中由暗到亮灰度变化值为正,由亮到暗灰度变化值为负:
一般使用V型折线函数分别设置灰度变化正负时得分,参数可设置为:中间值X0=0,下限值XL=X1=-255,上下值X2=XR=255,得分下限Y0=0.01,得分上限Y1=Y2=1,即是希望由暗到亮灰度变化值越大,或由亮到暗灰度变化值越小的边缘得分越高;
也使用上升型折线函数,输入值是取灰度变化的绝对值,参数可设置为:下限值X1=0,上限值X0=255,边界值XL=0,得分下限Y1=0.01,得分上限Y0=1,即是希望灰度变化绝对值越大的边缘得分越高。
主要考虑在边缘邻域内灰度变化情况的场景下通常选择边缘梯度强度作为评价指标,获取边缘梯度强度作为评价指标时的具体数值,包括:通过计算灰度在边缘邻域内的二阶差分得到所述边缘梯度强度的值,例如:一般使用上升型折线函数,输入值是取灰度变化的绝对值,参数可设置为:下限值X1=0,上限值X0=255,边界值XL=0,得分下限Y1=0.01,得分上限Y0=1,即是希望梯度强度值越大的边缘得分越高。
主要考虑在边缘方向上边缘两侧的灰度值情况的应用场景下,通常选择边缘两侧的灰度值作为评价指标。通过所述折线型评价函数,计算得到边缘两侧的灰度值作为评价指标时的边缘得分,包括:
根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,通过所述折线型评价函数分别得到边缘两侧的得分;
对边缘两侧的得分通过加权的方式计算得到边缘得分。该方式是希望灰度两侧灰度越接近给定的期望值时得分越高。
或者通过所述折线型评价函数,计算得到边缘两侧的灰度值作为评价指标时的边缘得分,还可以包括:
根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,将所述边缘两侧的灰度值分别与期望灰度值做差取绝对值;
通过加权的方式得到一个灰度差异数值;
通过所述折线型评价函数计算得到边缘得分;
例如:通过所述下降型折线函数进行评价时,参数可设置为:下限值X0=0,上限值X1=128,边界值XR=128,得分下限Y1=0.01,得分上限Y0=1,即是希望对边缘两侧灰度与期望值相对差异越小的边缘得分越高。
在对边缘位置X方向有约束的场景下,如图2所示,主要考虑将边缘垂直投影到矩形ROI内的X方向上,一般选择投影X位置作为评价指标,例如,希望输出投影X位置上第一个边缘点,或最后一个边缘点,该评价方式包括但不限于以下设置:
一般使用尖锥型折线函数,最直接简单的参数设置思路是,给出一个期望位置,偏离该位置越多时得分减少,例如:下限值XL=X1=0,上限值X2=XR=ROI的X方向长度,期望位置X0=ROI的X方向长度的1/3,得分下限Y1=0,得分上限Y0=1,即希望边缘点出现离投影X方向1/3处越近得分越高;
也可使用下降型折线函数使得投影X位置越早出现得分越高,参数可设置为:下限值X0=0,上限值X1=XR=ROI的X方向长度,得分下限Y1=0,得分上限Y0=1;
也可使用上升型折线函数使得投影X方向越晚出现得分越高,参数可设置为:下限值X1=0,上限值X0=ROI的X方向长度,边界值XL=0,得分下限Y1=0,得分上限Y0=1。
在对边缘位置Y方向有约束的场景下,如图2所示,主要考虑将边缘垂直投影到矩形ROI内的Y方向上,一般选择投影Y位置作为评价指标,例如:希望输出投影Y方向上第一个边缘点或最后一个边缘点,该评价方式类似投影X位置的评分计算。
主要考虑边缘位置距离矩形ROI中心的距离时,如图2所示,可应用但不局限于在经过良好的定位后,不同图像相同矩形ROI内的边缘期望稳定出现在中心处或偏离不大的场景,通常选择边缘位置到所述矩形ROI中心的距离作为评价指标,该评价方式包括但不限于以下设置:
例如:使用下降型折线函数使得距离中心越近的边缘得分越高,参数可设置为:下限值X0=0,上限值X1=XR=ROI的对角线长度,得分下限Y1=0,得分上限Y0=1。
所述根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分,具体包括以下四种方法:
(1)等权重得分:S=(S1+S2+……+Sn)/n;
(2)加权得分:S=w1*S1+w2*S2+……+wn*Sn;其中,w1+w2+……+wn=1;
(3)乘积得分:S=S1*S2*……*Sn,该方法中单一所述评价指标的边缘得分不能为零;
(4)开方得分:该方法中单一所述评价指标的边缘得分也不能为零;
以上各式中S为边缘最终得分,n为评价指标的数量,S1、S2、……、Sn为单一评价指标的边缘得分,w1、w2、……、wn分别表示各个所述评价指标相对应的权重。可以从多个方面同时对边缘进行评价,从而得到多种约束下可信度最高的边缘。该方案常用于通过单一准则无法稳定获取边缘的应用场景。例如,同时考虑边缘位置和灰度变化强度,可以比单独位置信息或灰度信息更容易得到期望边缘,同时降低噪声或干扰边缘的影响。
一种基于灰度或位置信息的边缘评价方法,所述边缘评价方法还可以包括:
根据任意曲线在图像中生成若干个连续的相同大小的矩形ROI区域;
根据实际需求选择所述矩形ROI区域边缘的所述灰度信息或所述位置信息作为评价指标;
获取所述灰度信息或位置信息作为评价指标时的具体数值;
通过所述折线型评价函数,计算得到若干个连续的所述矩形ROI区域边缘得分;
根据所述边缘得分的最值确定整体得分阈值;
剔除所述边缘得分小于所述整体得分阈值的相对不可信边缘,获得可信度高的边缘;
所述根据所述边缘得分的最值确定整体得分阈值,至少包括以下两种方法:
(1)S=d*Smax;
(2)S=d*(Smax-Smin)+Smin;
式中Smin、Smax分别为所述矩形ROI区域边缘得分中的最小值、最大值,d为[0,1]的比例值。可以根据图像中连续的边缘得分情况自动设置不同阈值,从而剔除低可信度的边缘。这有助于在不同图像中,边缘得分相对趋势具有一致性时,期望稳定获取边缘的应用场景。例如:光照整体变暗,会使得边缘按灰度变化强度评价的得分整体变低,但其相对得分情况和光照变亮或不变时具有一致性,此时,自动阈值下可以剔除相同低可信度边缘。
一种基于灰度或位置信息的边缘评价装置,所述边缘评价装置包括:
评价指标选择模块,用于根据实际需求选择图像中矩形ROI区域内的边缘特征的灰度信息或位置信息作为评价指标,并选择与之相应的评价模块;其中所述灰度信息具体包括:边缘灰度值、边缘灰度变化强度、边缘梯度强度或边缘两侧的灰度值;所述位置信息具体包括:将边缘垂直投影到所述矩形ROI内的X方向上的位置、将边缘垂直投影到所述矩形ROI内的Y方向上的位置或边缘位置到所述矩形ROI中心的距离;所述评价模块具体包括边缘灰度值评价模块、边缘灰度变化强度评价模块、边缘梯度强度评价模块、边缘两侧的灰度值评价模块、投影X位置评价模块、投影Y位置评价模块和中心距离评价模块;
其中所述边缘灰度值评价模块,用于将图像的矩形ROI内已知的边缘灰度值作为评价指标,获取所述边缘灰度值的具体数值,通过折线型评价函数计算得到边缘得分,其中所述折线型评价函数为下降型折线评价函数、上升型折线评价函数、尖锥型折线评价函数或V型折线评价函数中的任意一种;
所述边缘灰度变化强度评价模块,用于将图像的矩形ROI内的边缘灰度变化强度作为评价指标,先使用Sobel算子或者由灰度变化梯度方向确定边缘灰度变化方向,根据确定好的所述边缘灰度变化方向通过该边缘邻域内的像素计算所述边缘灰度变化强度,再通过所述折线型评价函数计算得到边缘得分;
所述边缘梯度强度评价模块,用于将图像的矩形ROI内的边缘梯度强度作为评价指标,通过计算灰度在边缘邻域内的二阶差分得到所述边缘梯度强度的值,再通过所述折线型评价函数计算得到边缘得分;
所述边缘两侧的灰度值评价模块,用于将图像的矩形ROI内的边缘两侧的灰度值作为评价指标,首先根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,然后通过所述折线型评价函数分别得到边缘两侧的得分,对边缘两侧的得分通过加权的方式计算得到边缘得分,或者将所述边缘两侧的灰度值分别与期望灰度值做差取绝对值,通过加权的方式得到一个灰度差异数值,再通过所述折线型评价函数计算得到边缘得分;
所述投影X位置评价模块,用于将图像的矩形ROI内的边缘垂直投影到所述矩形ROI内的X方向上的位置作为评价指标,获取投影X位置的具体数值,通过所述折线型评价函数,计算得到投影X位置的边缘得分;
所述投影Y位置评价模块,用于将图像的矩形ROI内的边缘特征垂直投影到所述矩形ROI内的Y方向上的位置作为评价指标,获取投影Y位置的具体数值,通过所述折线型评价函数,计算得到投影Y位置的边缘得分;
所述中心距离评价模块,用于将图像的矩形ROI内的边缘位置到所述矩形ROI中心的距离作为评价指标,获取所述边缘位置到所述矩形ROI中心距离的具体数值,通过所述折线型评价函数,计算得到中心距离的边缘得分;
边缘得分获取模块,用于通过所选的所述评价模块计算得到每个所述评价指标的边缘得分;
综合评价模块,用于根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分;
可信边缘获取模块,用于按需剔除所述边缘最终得分相对较低的不可信边缘,获得可信度最高的边缘,可根据实际应用场景需求设置最终得分阈值或者按照一定比例,对所述最终得分低于阈值或低于一定比例的不可信边缘进行剔除。
所述边缘评价装置还可以包括:
连续矩形ROI生成模块,用于根据任意曲线在图像中生成若干个连续的相同大小的矩形ROI区域;
评价指标选择模块,用于根据实际需求选择所述矩形ROI区域边缘的所述灰度信息或所述位置信息作为评价指标,并选择与之相应的评价模块;
所述评价模块具体包括:所述边缘灰度值评价模块、所述边缘灰度变化强度评价模块、所述边缘梯度强度评价模块、所述边缘两侧的灰度值评价模块、所述投影X位置评价模块、所述投影Y位置评价模块和所述中心距离评价模块;
边缘得分获取模块,用于通过所选的所述评价模块,计算得到若干个连续的所述矩形ROI区域边缘得分;
整体得分阈值确定模块,用于根据所述边缘得分的最值确定整体得分阈值;
整体评价模块,用于剔除所述边缘得分小于所述整体得分阈值的相对不可信边缘,获得可信度最高的边缘。可以根据图像中连续的边缘得分情况自动设置不同阈值,从而剔除低可信度的边缘。这有助于在不同图像中,边缘得分相对趋势具有一致性时,期望稳定获取边缘的应用场景。例如:光照整体变暗,会使得边缘按灰度变化强度评价的得分整体变低,但其相对得分情况和光照变亮或不变时具有一致性,此时,自动阈值下可以剔除相同低可信度边缘。
首先,本申请所述边缘评价方法及装置可以根据边缘灰度或位置等信息,结合不同类型的评价函数对边缘进行不同评价,评价方法具备多样性;其次,利用系统性评价可以根据应用需求客观获取边缘得分,尤其是对位置或灰度变化强度或明暗灰度值有约束的应用场景;最后,获取边缘得分后可以设置得分阈值剔除得分较低的不可信边缘,来提高后续以边缘作为输入的算法或工具的稳定性和精度。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (9)
1.一种基于灰度或位置信息的边缘评价方法,其特征在于,所述边缘评价方法包括:
根据实际需求选择图像中矩形ROI区域内已知的边缘特征的灰度信息或位置信息作为评价指标;所述灰度信息包括:边缘两侧的灰度值,以及边缘灰度值、边缘灰度变化强度、边缘梯度强度中的至少一种;所述位置信息包括:将边缘垂直投影到所述矩形ROI内的X方向上的位置、将边缘垂直投影到所述矩形ROI内的Y方向上的位置或边缘位置到所述矩形ROI中心的距离中的至少两种;
获取所述灰度信息或位置信息作为评价指标时的具体数值;
通过折线型评价函数,计算得到所选每个所述评价指标的边缘得分;其中,计算得到边缘两侧的灰度值作为评价指标时的边缘得分,包括:根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,通过所述折线型评价函数分别得到边缘两侧的得分;计算得到边缘垂直投影到所述矩形ROI内的X方向上的位置作为评价指标时的边缘得分,包括:使用尖锥形折线函数,偏离期望位置越多得分越少,下限值XL=0,上限值XR=ROI的X方向长度;
根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分;
按需剔除所述边缘最终得分相对较低的不可信边缘,获得可信度最高的边缘。
2.根据权利要求1所述的一种基于灰度或位置信息的边缘评价方法,其特征在于,
所述折线型评价函数为下降型折线评价函数、上升型折线评价函数、尖锥型折线评价函数或V型折线评价函数中的任意一种,
其中所述下降型折线评价函数的表达式为:
其中,[X0,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
所述上升型折线评价函数的表达式为:
其中,[XL,X0]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
所述尖锥型折线评价函数的表达式为:
其中,[XL,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
所述V型折线评价函数的表达式为:
其中,[XL,XR]表示所述灰度信息或位置信息作为评价指标时的取值范围,[0,1]表示对应的所述边缘得分的取值范围;
以上各式中x是边缘灰度信息或位置信息,y是与x对应的边缘得分,其中(X0,Y0)、(X1,Y1)和(X2,Y2)分别为折线的拐点。
3.根据权利要求1所述的一种基于灰度或位置信息的边缘评价方法,其特征在于,
获取边缘灰度变化强度作为评价指标时的具体数值,包括:
使用Sobel算子或者由灰度变化梯度方向确定边缘灰度变化方向;
根据所述边缘灰度变化方向通过该边缘邻域内的像素计算所述边缘灰度变化强度。
4.根据权利要求1所述的一种基于灰度或位置信息的边缘评价方法,其特征在于,
获取边缘梯度强度作为评价指标时的具体数值,包括:
通过计算灰度在边缘邻域内的二阶差分得到所述边缘梯度强度的值。
5.根据权利要求1或2所述的一种基于灰度或位置信息的边缘评价方法,其特征在于,通过所述折线型评价函数,计算得到边缘两侧的灰度值作为评价指标时的边缘得分,包括:
根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,将所述边缘两侧的灰度值分别与期望灰度值做差取绝对值;
通过加权的方式得到一个灰度差异数值;
通过所述折线型评价函数计算得到边缘得分。
6.根据权利要求1所述的一种基于灰度或位置信息的边缘评价方法,其特征在于,
所述根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分,具体包括以下四种方法:
(1)等权重得分:S=(S1+S2+……+Sn)/n;
(2)加权得分:S=w1*S1+w2*S2+……+wn*Sn;其中,w1+w2+……+wn=1;
(3)乘积得分:S=S1*S2*……*Sn,该方法中单一所述评价指标的边缘得分不能为零;
(4)开方得分:该方法中单一所述评价指标的边缘得分也不能为零;
以上各式中S为边缘最终得分,n为评价指标的数量,S1、S2、……、Sn为单一评价指标的边缘得分,w1、w2、……、wn分别表示各个所述评价指标相对应的权重。
7.根据权利要求1、2、3或4所述的一种基于灰度或位置信息的边缘评价方法,其特征在于,所述边缘评价方法包括:
根据任意曲线在图像中生成若干个连续的相同大小的矩形ROI区域;
根据实际需求选择所述矩形ROI区域边缘的所述灰度信息或所述位置信息作为评价指标;
获取所述灰度信息或位置信息作为评价指标时的具体数值;
通过所述折线型评价函数,计算得到若干个连续的所述矩形ROI区域边缘得分;
根据所述边缘得分的最值确定整体得分阈值S’;
剔除所述边缘得分小于所述整体得分阈值的相对不可信边缘,获得可信度高的边缘;
所述根据所述边缘得分的最值确定整体得分阈值S’,至少包括以下两种方法:
(1)S’=d*Smax;
(2)S’=d*(Smax-Smin)+Smin;
式中Smin、Smax分别为所述矩形ROI区域边缘得分中的最小值、最大值,d为[0,1]的比例值。
8.一种基于灰度或位置信息的边缘评价装置,其特征在于,所述边缘评价装置包括:
评价指标选择模块,用于根据实际需求选择图像中矩形ROI区域内的边缘特征的灰度信息或位置信息作为评价指标,并选择与之相应的评价模块;其中所述灰度信息具体包括:边缘两侧的灰度值,以及边缘灰度值、边缘灰度变化强度、边缘梯度强度中的至少一种;所述位置信息具体包括:将边缘垂直投影到所述矩形ROI内的X方向上的位置、将边缘垂直投影到所述矩形ROI内的Y方向上的位置或边缘位置到所述矩形ROI中心的距离中的至少两种;所述评价模块具体包括边缘灰度值评价模块、边缘灰度变化强度评价模块、边缘梯度强度评价模块、边缘两侧的灰度值评价模块、投影X位置评价模块、投影Y位置评价模块和中心距离评价模块;
其中所述边缘灰度值评价模块,用于将图像的矩形ROI内已知的边缘灰度值作为评价指标,获取所述边缘灰度值的具体数值,通过折线型评价函数计算得到边缘得分;
所述边缘灰度变化强度评价模块,用于将图像的矩形ROI内的边缘灰度变化强度作为评价指标,先使用Sobel算子或者由灰度变化梯度方向确定边缘灰度变化方向,根据确定好的所述边缘灰度变化方向通过该边缘邻域内的像素计算所述边缘灰度变化强度,再通过所述折线型评价函数计算得到边缘得分;
所述边缘梯度强度评价模块,用于将图像的矩形ROI内的边缘梯度强度作为评价指标,通过计算灰度在边缘邻域内的二阶差分得到所述边缘梯度强度的值,再通过所述折线型评价函数计算得到边缘得分;
所述边缘两侧的灰度值评价模块,用于将图像的矩形ROI内的边缘两侧的灰度值作为评价指标,首先根据实际需求分别设定边缘两侧的灰度上下限值以及期望灰度值,然后通过所述折线型评价函数分别得到边缘两侧的得分,对边缘两侧的得分通过加权的方式计算得到边缘得分,或者将所述边缘两侧的灰度值分别与期望灰度值做差取绝对值,通过加权的方式得到一个灰度差异数值,再通过所述折线型评价函数计算得到边缘得分;
所述投影X位置评价模块,用于将图像的矩形ROI内的边缘垂直投影到所述矩形ROI内的X方向上的位置作为评价指标,获取投影X位置的具体数值,通过所述折线型评价函数,计算得到投影X位置的边缘得分;
所述投影Y位置评价模块,用于将图像的矩形ROI内的边缘特征垂直投影到所述矩形ROI内的Y方向上的位置作为评价指标,获取投影Y位置的具体数值,通过所述折线型评价函数,计算得到投影Y位置的边缘得分;
所述中心距离评价模块,用于将图像的矩形ROI内的边缘位置到所述矩形ROI中心的距离作为评价指标,获取所述边缘位置到所述矩形ROI中心距离的具体数值,通过所述折线型评价函数,计算得到中心距离的边缘得分;
边缘得分获取模块,用于通过所选的所述评价模块计算得到每个所述评价指标的边缘得分;
综合评价模块,用于根据每个所述评价指标的边缘得分对边缘进行综合评价后得到边缘最终得分;
可信边缘获取模块,用于按需剔除所述边缘最终得分相对较低的不可信边缘,获得可信度最高的边缘。
9.根据权利要求8所述的一种基于灰度或位置信息的边缘评价装置,其特征在于,
所述边缘评价装置包括:
连续矩形ROI生成模块,用于根据任意曲线在图像中生成若干个连续的相同大小的矩形ROI区域;
评价指标选择模块,用于根据实际需求选择所述矩形ROI区域边缘的所述灰度信息或所述位置信息作为评价指标,并选择与之相应的评价模块;
所述评价模块具体包括:所述边缘灰度值评价模块、所述边缘灰度变化强度评价模块、所述边缘梯度强度评价模块、所述边缘两侧的灰度值评价模块、所述投影X位置评价模块、所述投影Y位置评价模块和所述中心距离评价模块;
边缘得分获取模块,用于通过所选的所述评价模块,计算得到若干个连续的所述矩形ROI区域边缘得分;
整体得分阈值确定模块,用于根据所述边缘得分的最值确定整体得分阈值;
整体评价模块,用于剔除所述边缘得分小于所述整体得分阈值的相对不可信边缘,获得可信度最高的边缘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010931292.6A CN111986221B (zh) | 2020-09-07 | 2020-09-07 | 一种基于灰度或位置信息的边缘评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010931292.6A CN111986221B (zh) | 2020-09-07 | 2020-09-07 | 一种基于灰度或位置信息的边缘评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111986221A CN111986221A (zh) | 2020-11-24 |
CN111986221B true CN111986221B (zh) | 2024-05-24 |
Family
ID=73448343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010931292.6A Active CN111986221B (zh) | 2020-09-07 | 2020-09-07 | 一种基于灰度或位置信息的边缘评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986221B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6337925B1 (en) * | 2000-05-08 | 2002-01-08 | Adobe Systems Incorporated | Method for determining a border in a complex scene with applications to image masking |
CN103793708A (zh) * | 2014-03-05 | 2014-05-14 | 武汉大学 | 一种基于仿射校正的多尺度车牌精准定位方法 |
US9342881B1 (en) * | 2013-12-31 | 2016-05-17 | Given Imaging Ltd. | System and method for automatic detection of in vivo polyps in video sequences |
CN106157301A (zh) * | 2016-06-23 | 2016-11-23 | 凌云光技术集团有限责任公司 | 一种用于图像边缘检测的阈值自确定方法及装置 |
CN106447649A (zh) * | 2016-08-25 | 2017-02-22 | 凌云光技术集团有限责任公司 | 一种珠体位置缺陷检测方法及装置 |
KR20180037667A (ko) * | 2016-10-05 | 2018-04-13 | 경희대학교 산학협력단 | 지역 하이브리드 패턴의 부호화 방법과 이를 이용한 하이브리드 배경 모델링 방법 및 장치 |
CN108596084A (zh) * | 2018-04-23 | 2018-09-28 | 宁波Gqy视讯股份有限公司 | 一种充电桩自动识别方法及装置 |
CN111445510A (zh) * | 2020-03-24 | 2020-07-24 | 杭州东信北邮信息技术有限公司 | 一种图像中直线的检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI357582B (en) * | 2008-04-18 | 2012-02-01 | Univ Nat Taiwan | Image tracking system and method thereof |
DE102009015594B4 (de) * | 2009-03-30 | 2015-07-30 | Carl Zeiss Sms Gmbh | Verfahren und Vorrichtung zur subpixelgenauen Positionsbestimmung einer Kante einer Markerstruktur in einer Vielzahl von Aufnahmepixeln aufweisenden Aufnahme der Markerstruktur |
-
2020
- 2020-09-07 CN CN202010931292.6A patent/CN111986221B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6337925B1 (en) * | 2000-05-08 | 2002-01-08 | Adobe Systems Incorporated | Method for determining a border in a complex scene with applications to image masking |
US9342881B1 (en) * | 2013-12-31 | 2016-05-17 | Given Imaging Ltd. | System and method for automatic detection of in vivo polyps in video sequences |
CN103793708A (zh) * | 2014-03-05 | 2014-05-14 | 武汉大学 | 一种基于仿射校正的多尺度车牌精准定位方法 |
CN106157301A (zh) * | 2016-06-23 | 2016-11-23 | 凌云光技术集团有限责任公司 | 一种用于图像边缘检测的阈值自确定方法及装置 |
CN106447649A (zh) * | 2016-08-25 | 2017-02-22 | 凌云光技术集团有限责任公司 | 一种珠体位置缺陷检测方法及装置 |
KR20180037667A (ko) * | 2016-10-05 | 2018-04-13 | 경희대학교 산학협력단 | 지역 하이브리드 패턴의 부호화 방법과 이를 이용한 하이브리드 배경 모델링 방법 및 장치 |
CN108596084A (zh) * | 2018-04-23 | 2018-09-28 | 宁波Gqy视讯股份有限公司 | 一种充电桩自动识别方法及装置 |
CN111445510A (zh) * | 2020-03-24 | 2020-07-24 | 杭州东信北邮信息技术有限公司 | 一种图像中直线的检测方法 |
Non-Patent Citations (1)
Title |
---|
梯度方向图像分解的直线边缘提取算法;王恩国;高印寒;苏成志;;红外与激光工程(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111986221A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968144B (zh) | 一种图像边缘点获取方法及装置 | |
CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
US8131013B2 (en) | Method and detecting system for positions of facial parts | |
CN104794721B (zh) | 一种基于多尺度斑点检测的快速视盘定位方法 | |
WO2015097149A1 (en) | Method for reconstructing a surface using spatially structured light and a dynamic vision sensor | |
CN103679656B (zh) | 一种图像自动锐化方法 | |
CN114581857B (zh) | 基于图像分析的智能天车控制方法 | |
US20190244360A1 (en) | Image-processing apparatus, image-processing method, and storage medium storing image-processing program | |
CN111861979A (zh) | 一种定位方法、设备及计算机可读存储介质 | |
JP2018120445A (ja) | 車番認識装置 | |
CN107545251A (zh) | 人脸质量判别及图片增强的方法及装置 | |
JP2014164528A (ja) | 文字認識装置、文字認識方法及びプログラム | |
CN109086781A (zh) | 一种基于深度学习的机柜灯状态识别方法 | |
JP2011165170A (ja) | 対象物検出装置及びプログラム | |
CN107506685A (zh) | 物体判别装置 | |
CN111986221B (zh) | 一种基于灰度或位置信息的边缘评价方法及装置 | |
CN114140416A (zh) | 一种基于机器视觉的玻璃边缘检测方法和系统 | |
JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
CN117152135A (zh) | 一种道路施工裂缝缺陷评估检测方法 | |
CN109175718B (zh) | 一种基于半色调技术的图片激光雕刻方法 | |
CN109716355A (zh) | 微粒边界识别 | |
JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
CN113469980B (zh) | 一种基于图像处理的法兰识别方法 | |
CN109448012A (zh) | 一种图像边缘检测方法及装置 | |
JP2010015463A (ja) | 目の位置の検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant after: Lingyunguang Technology Co.,Ltd. Applicant after: Shenzhen Lingyun Shixun Technology Co.,Ltd. Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant before: Beijing lingyunguang Technology Group Co.,Ltd. Applicant before: Shenzhen Lingyun Shixun Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |