CN112200179A - 一种光源调节方法及装置 - Google Patents
一种光源调节方法及装置 Download PDFInfo
- Publication number
- CN112200179A CN112200179A CN202011102252.7A CN202011102252A CN112200179A CN 112200179 A CN112200179 A CN 112200179A CN 202011102252 A CN202011102252 A CN 202011102252A CN 112200179 A CN112200179 A CN 112200179A
- Authority
- CN
- China
- Prior art keywords
- illumination
- light source
- reflection characteristic
- parameter
- parameters
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
Abstract
本发明实施例提供的光源调节方法及装置,通过获取设定光源照射下物体的物体图像,然后对图像进行识别得到被照射物体的表面反光特征参数,进而可以根据该表面反光特征参数生成光照调节参数,不断优化光照条件,可以实现自动光照强度。
Description
技术领域
本发明涉及光照控制技术领域,具体涉及一种光源调节方法及装置。
背景技术
目前对于物体表面识别方面,需要在光源照射下进行,对于复杂工业环境,光源的光照强度一般通过实验者利用视觉感知确定是否合适,一方面误差较大,另一方面无法形成自动化处理的工艺,耗费人力物力。
发明内容
针对现有技术中的问题,本发明实施例提供一种光源调节方法及装置,能够至少部分地解决现有技术中存在的问题。
一方面,本发明提供一种光源调节方法,包括:
获取设定光源照射下物体的物体图像;
根据所述物体图像确定被照射物体的表面反光特征参数;
根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
在优选的实施例中,在生成光照调节参数之后,还包括:执行迭代步骤,获取按照所述光照调节参数调节设定光源的照明强度之后的物体图像;之后根据再次获取的物体图像重新确定被照射物体的表面反光特征参数;最后根据所述表面反光特征参数生成光源矫正参数,矫正所述设定光源的当前光照强度,直至所述物体在当前光照强度下的表面反光特征参数处于设定范围。
在优选的实施例中,所述表面反光特征参数包括:表面弯曲度和反光性,所述照明参数包括光照强度和照明角度;相对应地,所述根据所述物体图像确定被照射物体的表面反光特征参数,根据所述表面反光特征参数生成光照调节参数,包括:
根据所述物体图像确定被照射物体的表面弯曲度和反光性,根据所述表面弯曲度和反光性生成光照强度和照明角度。
在优选的实施例中,所述根据所述物体图像确定被照射物体的表面反光特征参数,包括:
将所述物体图像输入至预设的神经网络图像识别模型,所述神经网络图像识别模型的输出为所述光照调节参数;其中所述神经网络图像识别模型是利用多个已标注表面反光特征参数的物体图像训练形成。
在优选的实施例中,还包括:
建立所述神经网络图像识别模型。
在优选的实施例中,还包括:
根据物体在多个使用场景中的光照强度,生成初始光照参数;其中初次获取的所述物体图像是在初始光照参数下拍摄得到。
在优选的实施例中,所述根据物体在多个使用场景中的光照强度,生成初始光照参数,包括:
以物体在多个使用场景中的光照强度的平均值或者中位数为基准值,根据该基准值以及所述设定光源的光照参数,以使所述设定光源的光照强度为所述基准值。
另一方面,本发明提供一种光源调节装置,包括:
获取模块,获取设定光源照射下物体的物体图像;
反光特征参数确定模块,根据所述物体图像确定被照射物体的表面反光特征参数;
调节参数生成模块,根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
在优选的实施例中,在生成光照调节参数之后,还包括:迭代模块,执行迭代步骤,获取按照所述光照调节参数调节设定光源的照明强度之后的物体图像;之后根据再次获取的物体图像重新确定被照射物体的表面反光特征参数;最后根据所述表面反光特征参数生成光源矫正参数,矫正所述设定光源的当前光照强度,直至所述物体在当前光照强度下的表面反光特征参数处于设定范围。
在优选的实施例中,所述表面反光特征参数包括:表面弯曲度和反光性,所述照明参数包括光照强度和照明角度;相对应地,所述反光特征参数确定模块具体用于根据所述物体图像确定被照射物体的表面弯曲度和反光性,所述调节参数生成模块具体用于根据所述表面弯曲度和反光性生成光照强度和照明角度。
在优选的实施例中,所述调节参数生成模块具体用于将所述物体图像输入至预设的神经网络图像识别模型,所述神经网络图像识别模型的输出为所述光照调节参数;其中所述神经网络图像识别模型是利用多个已标注表面反光特征参数的物体图像训练形成。
在优选的实施例中,还包括:
模型建立模块,建立所述神经网络图像识别模型。
在优选的实施例中,还包括:
初始光照参数生成模块,根据物体在多个使用场景中的光照强度,生成初始光照参数;其中初次获取的所述物体图像是在初始光照参数下拍摄得到。
在优选的实施例中,所述初始光照参数生成模块具体用于以物体在多个使用场景中的光照强度的平均值或者中位数为基准值,根据该基准值以及所述设定光源的光照参数,以使所述设定光源的光照强度为所述基准值。
又一方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一实施例所述光源调节方法的步骤。
又一方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一实施例所述光源调节方法的步骤。
本发明实施例提供的光源调节方法及装置,通过获取设定光源照射下物体的物体图像,然后对图像进行识别得到被照射物体的表面反光特征参数,进而可以根据该表面反光特征参数生成光照调节参数,不断优化光照条件,可以实现自动光照强度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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。在附图中:
图1是本发明一个实施例提供的光源调节方法的流程示意图。
图2是本发明又一个实施例提供的光源调节装置的结构示意图。
图3是本发明又一个实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
图1是本发明一个实施例提供的光源调节方法的流程示意图,如图1所示,本发明实施例提供的光源调节方法,包括:
S101、获取设定光源照射下物体的物体图像;
具体地,本发明中的物体的表面图像是在该设定光源下拍摄得到。
优选的是,对于医用耗材等微小物体的表面印制信息识别而言,可以采用无影光源,即所述设定光源为无影光源,可以理解,本发明中的“无影光源”的概念是公知的,即采用独特的照射结构,从LED(或者其他光源)发出的光均匀地扩散照射,柔性线路板以90度照身角度固定,经漫反射板折射后低角度照射在被测物体上,对目标区域进行高效的低角度照明,以强化表面特征的一种光源。
在本实施例中,无影光源可以采用多点光源,例如医用无影灯。
具体来说,通过无影光源照射物体,然后通过摄像头拍摄即可得到所述表面图像。
进一步的,可以理解,本发明中的所述物体,不限定于医疗耗材,本发明的物体可以是日常生活中的微小物体,例如电路板上微小元器件等。
举例而言,在医用无影灯的照射下,通过一扫描仪或相机扫描一个骨科医疗耗材,该类金属植入物因为体积极小,金属高反光材质,环形表面,打在表面的ID深浅不一等特点,无法用目前市场上现有的机器视觉或计算机视觉产品读取。
此外,本实施例中的获取,可以是直接拍摄得到,也可以是从已拍摄完成的表面图像中获取,进一步的,本发明中的相机可以集成高速摄像头,降低干扰。
S102、根据所述物体图像确定被照射物体的表面反光特征参数。
具体的,表面反光特征参数是物体在光源照射下呈现的特征参数,例如物体的弯曲度,反光性,颜色等。
可以理解,可以通过图像特征来锚定上述表面反光特征参数,例如图像的像素值以及像素值的变化趋势可以确定物体的反光性、颜色等,通过图像边缘检测的方式可以计算出物体的轮廓特征,进而得到物体的弯曲度等参数,在此不做赘述。
进一步地,所述表面反光特征参数包括:表面弯曲度和反光性,所述照明参数包括:光照强度和照明角度;相对应地,所述根据所述物体图像确定被照射物体的表面反光特征参数,根据所述表面反光特征参数生成光照调节参数,包括:
根据所述物体图像确定被照射物体的表面弯曲度和反光性,根据所述表面弯曲度和反光性生成光照强度和照明角度。
S103、根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
具体的,光照参数具体包括光照强度和照明角度等。根据表面反光特征参数可以获知当前被照射的物体是否处于一个“较优光照”下,即通过表面反光特征参数可以知晓被光照的物体是否存在光照不足、光照过量、照明角度是否合适等情况。
举例而言,以光照强度和光照角度为例,对于一设定物体,可以知晓其较优光照下的图像参数,例如在较优光照下,其在图像中的一坐标像素值应当处于一个范围,该坐标的周围点的像素值应当符合一个变化规律,边缘特征是否清晰等。通过上述图像特征来确定表面反光特征参数,进而可以知晓当前的光照条件是处于过量还是处于不足,或者光照角度是否正确等。也即本发明可以将光照条件“特征化”,进而可以依据上述特征化的参数来自动判断或调整。
本发明实施例提供的光源调节方法,通过获取设定光源照射下物体的物体图像,然后对图像进行识别得到被照射物体的表面反光特征参数,进而可以根据该表面反光特征参数生成光照调节参数,不断优化光照条件,可以实现自动光照强度。
在上述各实施例的基础上,进一步地,在生成光照调节参数之后,还包括:执行迭代步骤,获取按照所述光照调节参数调节设定光源的照明强度之后的物体图像;之后根据再次获取的物体图像重新确定被照射物体的表面反光特征参数;最后根据所述表面反光特征参数生成光源矫正参数,矫正所述设定光源的当前光照强度,直至所述物体在当前光照强度下的表面反光特征参数处于设定范围。
本实施例中,可以经过多次重新获取物体图像,然后对物体图像进行多次图像特征识别,确认调节后的照明参数是否处于较优范围,若否则继续迭代地执行获取物体图像和处理物体图像的步骤,直至最后确认物体处于较优范围内。
可以理解,在一些实施例中,可以对图像进行预处理,对于本发明中的图像预处理步骤,对带有噪声的图像进行处理,预处理一般包括灰度化、二值化,倾斜检测与校正,行、字切分,平滑,规范化等等。
对于本发明中的灰度化步骤,通过外设采集的图像通常为彩色图像,彩色图像会夹杂一些干扰信息,灰度化处理的主要目的就是滤除这些信息,灰度化的实质其实就是将原本由三维描述的像素点,映射为一维描述的像素点。
对于本发明中的二值化步骤,经过灰度处理的彩色图像还需经过二值化处理将文字与背景进一步分离开,所谓二值化,就是将灰度值(或者彩色值)图像信号转化成只有黑(l)和白(0)的二值图像信号。二值化效果的好坏,会直接影响灰度文本图像的识别率。二值化方法大致可以分为局部阈值二值化和整体阈值二值化。
在一些实例中,进一步的,所述根据所述物体图像确定被照射物体的表面反光特征参数,包括:
将所述物体图像输入至预设的神经网络图像识别模型,所述神经网络图像识别模型的输出为所述光照调节参数;其中所述神经网络图像识别模型是利用多个已标注表面反光特征参数的物体图像训练形成。
本实施例中,神经网络图像识别模型可以基于目前已有的神经网络进行建模,比如AlexNet和GoogLeNet,在此不做说明。
进一步的,在一些实例中,还包括:根据物体在多个使用场景中的光照强度,生成初始光照参数;其中初次获取的所述物体图像是在初始光照参数下拍摄得到。
进一步的,在一些实例中,所述根据物体在多个使用场景中的光照强度,生成初始光照参数,包括:
以物体在多个使用场景中的光照强度的平均值或者中位数为基准值,根据该基准值以及所述设定光源的光照参数,以使所述设定光源的光照强度为所述基准值。
此外,进一步的,此处的平均值可以是加权平均值,在其他实施例中,其初始光照参数可以根据之前产品的数据中曝光条件的参数值取平均值得到的,在逐渐使用的过程中,会根据该地点该场景的历史数据来进行对数量的加权平均得到这个初始值。
可以理解,本发明通过获取设定光源照射下物体的物体图像,然后对图像进行识别得到被照射物体的表面反光特征参数,进而可以根据该表面反光特征参数生成光照调节参数,不断优化光照条件,可以实现自动光照强度。
图2是本发明又一个实施例提供的光源调节装置的结构示意图,如图3所示,本发明实施例提供的光源调节装置包括:
获取模块1,获取设定光源照射下物体的物体图像;
反光特征参数确定模块2,根据所述物体图像确定被照射物体的表面反光特征参数;
调节参数生成模块3,根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
本发明实施例提供的光源调节装置,通过获取设定光源照射下物体的物体图像,然后对图像进行识别得到被照射物体的表面反光特征参数,进而可以根据该表面反光特征参数生成光照调节参数,不断优化光照条件,可以实现自动光照强度。
在优选的实施例中,所述表面反光特征参数包括:表面弯曲度和反光性,所述照明参数包括:光照强度和照明角度;相对应地,所述反光特征参数确定模块具体用于根据所述物体图像确定被照射物体的表面弯曲度和反光性,所述调节参数生成模块具体用于根据所述表面弯曲度和反光性生成光照强度和照明角度。
在优选的实施例中,所述调节参数生成模块具体用于将所述物体图像输入至预设的神经网络图像识别模型,所述神经网络图像识别模型的输出为所述光照调节参数;其中所述神经网络图像识别模型是利用多个已标注表面反光特征参数的物体图像训练形成。
在优选的实施例中,还包括:
模型建立模块,建立所述神经网络图像识别模型。
在优选的实施例中,还包括:
初始光照参数生成模块,根据物体在多个使用场景中的光照强度,生成初始光照参数;其中初次获取的所述物体图像是在初始光照参数下拍摄得到。
在优选的实施例中,所述初始光照参数生成模块具体用于以物体在多个使用场景中的光照强度的平均值或者中位数为基准值,根据该基准值以及所述设定光源的光照参数,以使所述设定光源的光照强度为所述基准值。
本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图3是本发明又一个实施例提供的电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)1201、通信接口(Communications Interface)1202、存储器(memory)1203和通信总线1204,其中,处理器1201,通信接口1202,存储器1203通过通信总线1204完成相互间的通信。处理器1201可以调用存储器1203中的逻辑指令,以执行如下方法:获取设定光源照射下物体的物体图像;根据所述物体图像确定被照射物体的表面反光特征参数;根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
此外,上述的存储器1203中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取设定光源照射下物体的物体图像;根据所述物体图像确定被照射物体的表面反光特征参数;根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取设定光源照射下物体的物体图像;根据所述物体图像确定被照射物体的表面反光特征参数;根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种光源调节方法,其特征在于,包括:
获取设定光源照射下物体的物体图像;
根据所述物体图像确定被照射物体的表面反光特征参数;
根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
2.根据权利要求1所述的光源调节方法,其特征在于,在生成光照调节参数之后,还包括:执行迭代步骤,获取按照所述光照调节参数调节设定光源的照明强度之后的物体图像;之后根据再次获取的物体图像重新确定被照射物体的表面反光特征参数;最后根据所述表面反光特征参数生成光源矫正参数,矫正所述设定光源的当前光照强度,直至所述物体在当前光照强度下的表面反光特征参数处于设定范围。
3.根据权利要求2所述的光源调节方法,其特征在于,所述表面反光特征参数包括:表面弯曲度和反光性,所述照明参数包括:光照强度和照明角度;相对应地,所述根据所述物体图像确定被照射物体的表面反光特征参数,根据所述表面反光特征参数生成光照调节参数,包括:
根据所述物体图像确定被照射物体的表面弯曲度和反光性,根据所述表面弯曲度和反光性生成光照强度和照明角度。
4.根据权利要求1所述的光源调节方法,其特征在于,所述根据所述物体图像确定被照射物体的表面反光特征参数,包括:
将所述物体图像输入至预设的神经网络图像识别模型,所述神经网络图像识别模型的输出为所述光照调节参数;其中所述神经网络图像识别模型是利用多个已标注表面反光特征参数的物体图像训练形成。
5.根据权利要求4所述的光源调节方法,其特征在于,还包括:
建立所述神经网络图像识别模型。
6.根据权利要求2所述的光源调节方法,其特征在于,还包括:
根据物体在多个使用场景中的光照强度,生成初始光照参数;其中初次获取的所述物体图像是在初始光照参数下拍摄得到。
7.根据权利要求6所述的光源调节方法,其特征在于,所述根据物体在多个使用场景中的光照强度,生成初始光照参数,包括:
以物体在多个使用场景中的光照强度的平均值或者中位数为基准值,根据该基准值以及所述设定光源的光照参数,以使所述设定光源的光照强度为所述基准值。
8.一种光源调节装置,其特征在于,包括:
获取模块,获取设定光源照射下物体的物体图像;
反光特征参数确定模块,根据所述物体图像确定被照射物体的表面反光特征参数;
调节参数生成模块,根据所述表面反光特征参数生成光照调节参数,以调节所述设定光源的照明参数。
9.根据权利要求8所述的光源调节装置,其特征在于,在生成光照调节参数之后,还包括:迭代模块,执行迭代步骤,获取按照所述光照调节参数调节设定光源的照明强度之后的物体图像;之后根据再次获取的物体图像重新确定被照射物体的表面反光特征参数;最后根据所述表面反光特征参数生成光源矫正参数,矫正所述设定光源的当前光照强度,直至所述物体在当前光照强度下的表面反光特征参数处于设定范围。
10.根据权利要求9所述的光源调节装置,其特征在于,所述表面反光特征参数包括:表面弯曲度和反光性,所述照明参数包括:光照强度和照明角度;相对应地,所述反光特征参数确定模块具体用于根据所述物体图像确定被照射物体的表面弯曲度和反光性,所述调节参数生成模块具体用于根据所述表面弯曲度和反光性生成光照强度和照明角度。
11.根据权利要求8所述的光源调节装置,其特征在于,所述调节参数生成模块具体用于将所述物体图像输入至预设的神经网络图像识别模型,所述神经网络图像识别模型的输出为所述光照调节参数;其中所述神经网络图像识别模型是利用多个已标注表面反光特征参数的物体图像训练形成。
12.根据权利要求11所述的光源调节装置,其特征在于,还包括:
模型建立模块,建立所述神经网络图像识别模型。
13.根据权利要求9所述的光源调节装置,其特征在于,还包括:
初始光照参数生成模块,根据物体在多个使用场景中的光照强度,生成初始光照参数;其中初次获取的所述物体图像是在初始光照参数下拍摄得到。
14.根据权利要求13所述的光源调节装置,其特征在于,所述初始光照参数生成模块具体用于以物体在多个使用场景中的光照强度的平均值或者中位数为基准值,根据该基准值以及所述设定光源的光照参数,以使所述设定光源的光照强度为所述基准值。
15.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011102252.7A CN112200179A (zh) | 2020-10-15 | 2020-10-15 | 一种光源调节方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011102252.7A CN112200179A (zh) | 2020-10-15 | 2020-10-15 | 一种光源调节方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112200179A true CN112200179A (zh) | 2021-01-08 |
Family
ID=74009090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011102252.7A Pending CN112200179A (zh) | 2020-10-15 | 2020-10-15 | 一种光源调节方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200179A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344563A (zh) * | 2013-06-07 | 2013-10-09 | 上海大学 | 一种自适应调色调光机器视觉光源检测装置及方法 |
CN107121924A (zh) * | 2017-03-03 | 2017-09-01 | 中国农业大学 | 一种基于rbf神经网络的室内视觉环境调控系统及方法 |
CN109068051A (zh) * | 2018-06-19 | 2018-12-21 | 江苏高远智能科技有限公司 | 一种工业相机自适应智能调节装置 |
CN109690569A (zh) * | 2016-11-11 | 2019-04-26 | 欧姆龙株式会社 | 使用神经网络的照明控制 |
CN110231340A (zh) * | 2018-03-02 | 2019-09-13 | 由田新技股份有限公司 | 强化工件光学特征的设备、方法、深度学习方法及媒体 |
WO2019233341A1 (zh) * | 2018-06-08 | 2019-12-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
-
2020
- 2020-10-15 CN CN202011102252.7A patent/CN112200179A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344563A (zh) * | 2013-06-07 | 2013-10-09 | 上海大学 | 一种自适应调色调光机器视觉光源检测装置及方法 |
CN109690569A (zh) * | 2016-11-11 | 2019-04-26 | 欧姆龙株式会社 | 使用神经网络的照明控制 |
CN107121924A (zh) * | 2017-03-03 | 2017-09-01 | 中国农业大学 | 一种基于rbf神经网络的室内视觉环境调控系统及方法 |
CN110231340A (zh) * | 2018-03-02 | 2019-09-13 | 由田新技股份有限公司 | 强化工件光学特征的设备、方法、深度学习方法及媒体 |
WO2019233341A1 (zh) * | 2018-06-08 | 2019-12-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
CN109068051A (zh) * | 2018-06-19 | 2018-12-21 | 江苏高远智能科技有限公司 | 一种工业相机自适应智能调节装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
WO2017121018A1 (zh) | 二维码图像处理的方法和装置、终端、存储介质 | |
CN112819702B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
CN110378946B (zh) | 深度图处理方法、装置以及电子设备 | |
CN110766639A (zh) | 图像增强方法、装置、移动设备及计算机可读存储介质 | |
CN111583216A (zh) | Pcba电路板的缺陷检测方法 | |
CN110490204B (zh) | 图像处理方法、图像处理装置及终端 | |
US20230281767A1 (en) | Systems and methods for selective enhancement of objects in images | |
JP2013025319A (ja) | 二値化しきい値決定装置及び方法並びにプログラム | |
CN111712021A (zh) | 一种美术馆灯光智能调节方法、装置和系统 | |
CN112200179A (zh) | 一种光源调节方法及装置 | |
CN110610117A (zh) | 一种人脸识别方法、装置及存储介质 | |
CN109612408B (zh) | 半导体激光器发射角度测试方法、装置及可读存储介质 | |
CN111291761A (zh) | 用于识别文字的方法和装置 | |
JP5264956B2 (ja) | 2次元コード読取装置及びその方法 | |
CN110933799B (zh) | 动态自适应线性预测控制方法、系统和装置 | |
CN114005026A (zh) | 机器人的图像识别方法、装置、电子设备及存储介质 | |
Liu | Enhance Low Visibility Image Using Haze-Removal Framework | |
JP2775448B2 (ja) | パターン認識装置及びパターン認識方法 | |
CN116311262B (zh) | 一种仪器仪表信息的识别方法、系统、设备和存储介质 | |
CN108668088A (zh) | 传感成像控制方法和装置 | |
WO2019147334A1 (en) | Multiple scale processing for received structured light | |
KR102057261B1 (ko) | 이미지 처리 방법 및 장치 | |
CN115830431B (zh) | 一种基于光强分析的神经网络图像预处理方法 | |
WO2020241844A1 (ja) | 画像処理装置及び画像処理プログラム |
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 |