CN112233050B - 一种光线自适应的绿色场地提取方法 - Google Patents
一种光线自适应的绿色场地提取方法 Download PDFInfo
- Publication number
- CN112233050B CN112233050B CN202011500706.6A CN202011500706A CN112233050B CN 112233050 B CN112233050 B CN 112233050B CN 202011500706 A CN202011500706 A CN 202011500706A CN 112233050 B CN112233050 B CN 112233050B
- Authority
- CN
- China
- Prior art keywords
- color
- green
- gray
- brightness
- image
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000000265 homogenisation Methods 0.000 claims abstract description 13
- 230000002146 bilateral effect Effects 0.000 claims abstract description 6
- 238000005260 corrosion Methods 0.000 claims abstract description 6
- 230000007797 corrosion Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 14
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 20
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000003044 adaptive effect Effects 0.000 abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 6
- 238000012217 deletion Methods 0.000 abstract description 4
- 230000037430 deletion Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003749 cleanliness Effects 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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 using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种光线自适应的绿色场地提取方法。该方法首先利用完美反射白平衡和亮度均一化处理,得到亮度均一的灰度图和彩图,提高算法对光线的自适应程度;然后对彩图进行双边滤波、改进的漫水填充处理,并分离h通道进行高斯滤波,使得彩图颜色更加均匀,提高绿色场地提取的完整性;然后,通过设计公式对绿色通道进行分离,采用大津法二值化进行二值化处理,得到图片中绿色部分;最后,通过腐蚀膨胀、小区域删除、凸包络计算方法,最终得到完整的绿色场地轮廓。基于本发明所提供的方法,对亮度不同的照片、不同区域亮度不同的照片以及极端情况下绿色颜色发生偏差的照片都有很完整的绿色场地提取效果。
Description
技术领域
本发明属于计算机视觉领域,尤其涉及一种光线自适应的绿色场地提取方法。
背景技术
在机器人足球比赛中,需要通过机器人自带的摄像头采集图片识别绿色球场的白线,实现对机器人的定位。绿色场地轮廓的提取对白线识别的前提。
传统的绿色场地提取方法是直接分离绿色通道,采用二值化方法将绿色部分提取出来。这种方法对于光线条件良好且固定的条件下采集的图片有很好的提取效果,但是足球比赛场地所在的光线环境复杂,机器人移动过程中容易出现顺光、逆光等现象,这些问题导致获取的图片会出现同一图片不同区域亮度不均匀、不同图片亮度不统一、很多极端条件下场地的绿色颜色产生偏差等问题。直接采用传统的绿色场地提取方法会出现以下问题:a、由于图片上不同区域的亮度不均匀,导致场地的提取不完整,较暗的边角部分问题更明显。b、由于不同图片亮度不同,导致一套算法不能应对所有光照条件下的图片。c、极端光线条件下,场地绿色颜色发生改变,导致对绿色场地的提取失效。
发明内容
本发明针对现有的绿色场地提取方法存在的问题,提供了一种光线自适应的绿色场地提取方法。
本发明的上述目的通过以下技术方案得以实施的:一种光线自适应的绿色场地提取方法,包括如下步骤:
S1、获取原始彩色图片并统一图片尺寸;
S2、对统一尺寸的原始彩色图片进行完美反射白平衡处理,利用基于其灰度图计算出的亮度矩阵,对步骤S1处理后的彩色图片进行亮度均一化处理;
S3、对步骤S2处理后的彩色图片进行双边滤波处理和改进的漫水填充方法处理,得到颜色均匀的彩色图片;
S4、分离出步骤S3处理后的彩色图片的h通道,进行高斯滤波处理,得到亮度更加均匀的彩色图片;
S5、分离出步骤S4处理后的彩色图片的绿色通道,并转化为灰度图像;
S6、对步骤S5得到的灰度图像进行二值化处理,初步提取图片中绿色区域;
S7、对步骤S6初步提取的绿色区域,多次进行腐蚀与膨胀、去除小面积区域操作实现去噪和删除多余线条的目的;
S8、计算绿色区域的凸包络线,最终得到整个绿色场地的完整轮廓。
进一步地,所述步骤S1中,利用双线性差值法统一图片尺寸,公式为:
f(x,y)=f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy
式中,f(x,y)为坐标(x,y)处的像素值;f(0,0)、f(0,1)、f(1,0)、f(1,1)依次为左上、右上、左下、右下相邻四个位置的像素值。
进一步地,所述步骤S2包括以下子步骤:
S2.1、先将白平衡处理后的彩图I转换成灰度图Igray对该灰度图进行亮度均一化处理:
Resultgray=Igray-R
式中,Resultgray为灰度图亮度均一化结果,R为亮度矩阵;
S2.2、利用步骤S2.1得到的亮度矩阵R对彩图I的各个颜色通道I_进行亮度均一化处理,不同颜色通道赋予不同权重K:
Result_=I_-K*R
其中,Result_为某一颜色通道的均一化结果。
进一步地,所述步骤S2.1中,所述亮度矩阵R采用分割区域计算平均亮度并进行双线性差值的方法得到,具体为:
a、将灰度图Igray分割为多个区域;
b、计算每个区域的平均亮度,作为区域中心点的亮度值;
c、采用双线性差值方法对非区域中心点位置赋值。
进一步地,所述步骤S2.2中,绿色通道的权重K最大。
进一步地,所述步骤S3中,改进的漫水填充方法为将色差小于阈值的邻域进行聚类,并将同一类区域填充为该区域的平均颜色。
进一步地,所述步骤S5中,分离出的绿色通道的灰度值是绿色通道值占所有颜色通道值之和的比值。
进一步地,所述步骤S6中,所述二值化处理采用大津法二值化方法。
本发明的有益效果是:本发明综合使用完美反射白平衡、亮度统一化、h通道滤波、漫水填充、绿色通道提取、大津法二值化、腐蚀与膨胀及凸包络线计算等方法,实现了对复杂光线条件下绿色场地的完整提取。本发明对亮度不同的照片、不同区域亮度不同的照片以及极端情况下绿色颜色发生偏差的照片都有很完整的绿色场地提取效果;可以适应各种光线环境,并且可以得到非常完整的场地轮廓。
附图说明
图1为本发明一种光线自适应的绿色场地提取方法的流程图;
图2为光线很亮、背景很亮图片的场地提取效果图;其中,(a)为提取前原始图,(b)为提取后结果图;
图3为光线很暗、背景复杂图片的场地提取效果图;其中,(a)为提取前原始图,(b)为提取后结果图;
图4为颜色发生偏差图片的场地提取效果图;其中,(a)为提取前原始图,(b)为提取后结果图;
图5为光线很暗、光照不均匀、颜色偏差图片的场地提取效果图;其中,(a)为提取前原始图,(b)为提取后结果图;
图6为光线不均匀、逆光图片的场地提取效果图。其中,(a)为提取前原始图,(b)为提取后结果图。
具体实施方式
如图1所示,本发明一种光线自适应的绿色场地提取方法,包括以下步骤:
S1、使用相机获取图像数据,将图片尺寸进行统一化处理。
采用双线性差值对相机获取的图像数据尺寸统一处理为256*192,使得整套程序对各种尺寸的图像数据都有很好的处理效果;其中双线性差值公式为:
f(x,y)=f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy
式中,f(x,y)为要计算坐标(x,y)的像素值;f(0,0)、f(0,1)、f(1,0)、f(1,1)依次为左上、右上、左下、右下相邻四个位置的像素值。
S2、对步骤S1处理后的图片进行完美反射白平衡处理,并设计亮度均一化处理,使得算法对不同亮度的图片有较好的适应能力,得到均一化的灰度图和彩图。
S2.1、先将白平衡处理后的彩图I转换成灰度图Igray,对该灰度图进行亮度均一化处理:
Resultgray=Igray-R
式中,Resultgray为灰度图均一化结果,Igray为灰度图矩阵,R为亮度矩阵。其中,亮度矩阵R采用分割区域计算平均亮度并进行双线性差值的方法得到,具体为:
a、将灰度图分割为n*m个区域;
b、计算每个区域的平均亮度,作为区域中心点的亮度值;
c、采用双线性差值方法对非区域中心点位置赋值。
S2.2、然后利用步骤S2.1得到的亮度矩阵R对白平衡处理后的彩图I进行亮度均一化处理,彩图的亮度均一化方法是对每个颜色通道I_按照权重添加亮度矩阵,公式为
Result_=I_-K*R
其中,Result_为某一颜色通道的计算结果,I_为彩图I对应颜色通道的矩阵,K为权重值,不同的颜色通道对应不同的权重,其中绿色通道权重最大,有利于场地的抠取。权重的合理分配可以提高场地的提取效果。本实施例中R、G、B通道选取的权值K分别为:0.93、1.07、0.99,达到了较好的效果。
S3、对彩图进行双边滤波,并改进漫水填充方法,得到颜色均匀的图片;
优选地,在步骤S3中,对彩图进行双边滤波,并改进漫水填充方法进行处理,解决图片边缘较暗区域绿色场地抠取不完整的问题。具体改进方法为:
a、在图片上均匀撒m*n个点作为种子点;
b、通过设定邻域色差阈值,从种子点位置进行漫水填充;
c、对每个填充区域计算平均颜色并赋值。最终按照颜色相近程度将图片处理为色块,极大减少了颜色的丰富度,极大提高了绿色区域抠取的完整性。
S4、分离h通道,进行高斯滤波处理,得到亮度更加均匀的图片;
优选地,在步骤S4中,分离h通道并高斯滤波处理,解决漫水填充后产生明显边界线的问题。高斯核公式为:
其中,G(x,y)表示高斯核,(x0,y0)为高斯核中心坐标,σ为标准差。
S5、设计公式分离绿色部分,并转化为灰度图像;
优选地,在步骤S5中,分离绿色通道并转化为灰度图像。其中分离的绿色通道的灰度值是通过绿色通道在整个颜色通道中的比例来计算的,其计算公式为:
其中,R、G、B是红绿蓝三个通道的值;Grad为计算得到的灰度值。通过调整计算公式可以达到较好的提取效果。
S6、采用大津法二值化方法对灰度图二值化处理,初步提取图片中绿色部分;
优选地,在步骤S6中,采用大津法二值化方法进行灰度处理,提取图片中的灰色部分。大津法通过对整幅图的灰度值计算得到一个二值化阈值,可以达到一个很好的二值化效果。
S7、进行多次腐蚀与膨胀、删除小区域操作,对绿色区域进行去噪和删除多余线条;
优选地,在步骤S7中,通过腐蚀与膨胀、删除小区域的操作,可以删除很多噪点,去掉场地中的很多直线,最终达到一个较干净的图片抠取结果。
其中腐蚀公式为:
膨胀公式为:
式中,dst(x,y)为处理结果图,(x’,y’)为像素偏移值且不能取0,src为原始图。
S8、计算凸包络线,最终得到整个绿色场地的完整轮廓。
优选地,在步骤S8中,有先验知识得知场地的轮廓一定是一个凸多边形,通过计算凸包络线,可以得到一个较为完整的凸多边形轮廓,可以去掉场地中很多大目标的干扰。
实施例1
本实施例中,以小觅相机获取的左目图像为对象进行绿色场地提取的过程描述。
本实施例中,依据步骤S1,在获取双目视觉图像后,对图像的尺寸进行统一化处理,提高算法对不同大小图片的适应能力。
本实施例中,依据步骤S2,利用完美反射白平衡和亮度均一化处理,实现算法对不同光线条件的适应能力。
本实施例中,依据步骤S3至步骤S4,采用双边滤波、漫水填充、h通道高斯滤波处理,将图片中相近颜色部分进行聚类,使得图片颜色模块化、且亮度更加均匀,从而保证了场地抠取的完整性。
本实施例中,依据步骤S5至步骤S6,通过设计公式将绿色部分分离为灰度图,并利用大津法二值化达到很好的绿色场地提取效果。
本实施例中,依据步骤S7,多次采用不同尺度的腐蚀与膨胀、小区域删除,实现对场地中的小噪点、杂线等部分的删除,提高了图片的洁净度。
本实施例中,依据步骤S8,通过计算凸包络线,去除场地中大目标的干扰,最终得到完整的场地轮廓。
如图2至图6所示,采用本发明方法对亮度不同、光线不均匀、逆光、背景复杂、颜色偏移等复杂条件下的图片进行绿色场地的提取;具体地,图2为光线很亮、背景很亮图片的场地提取前后效果对比图,其中,(a)为提取前,(b)为提取后;图3为光线很暗、背景复杂图片的场地提取前后效果对比图,其中,(a)为提取前,(b)为提取后;图4为颜色发生偏差图片的场地提取前后效果对比图,其中,(a)为提取前,(b)为提取后;图5为光线很暗、光照不均匀、颜色偏差图片的场地提取前后效果对比图,其中,(a)为提取前,(b)为提取后;图6为光线不均匀、逆光图片的场地提取前后效果对比图,其中,(a)为提取前,(b)为提取后;都提取得到了较完整的绿色场地,取得了很好的效果,说明本发明方法具有可行性和有效性。
Claims (7)
1.一种光线自适应的绿色场地提取方法,其特征在于,包括如下步骤:
S1、获取原始彩色图片并统一图片尺寸;
S2、对统一尺寸的原始彩色图片进行完美反射白平衡处理,利用基于其灰度图计算出的亮度矩阵,对步骤S1处理后的彩色图片进行亮度均一化处理;
S3、对步骤S2处理后的彩色图片进行双边滤波处理和改进的漫水填充方法处理,得到颜色均匀的彩色图片;
S4、分离出步骤S3处理后的彩色图片的h通道,进行高斯滤波处理,得到亮度更加均匀的彩色图片;
S5、分离出步骤S4处理后的彩色图片的绿色通道,并转化为灰度图像;
S6、对步骤S5得到的灰度图像进行二值化处理,初步提取图片中绿色区域;
S7、对步骤S6初步提取的绿色区域,多次进行腐蚀与膨胀、去除小面积区域操作实现去噪和删除多余线条的目的;
S8、计算绿色区域的凸包络线,最终得到整个绿色场地的完整轮廓;
所述步骤S3中,改进的漫水填充方法为将色差小于阈值的邻域进行聚类,并将同一类区域填充为该区域的平均颜色。
2.如权利要求1所述光线自适应的绿色场地提取方法,其特征在于,所述步骤S1中,利用双线性差值法统一图片尺寸,公式为:
f(x,y)=f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy
式中,f(x,y)为坐标(x,y)处的像素值;f(0,0)、f(0,1)、f(1,0)、f(1,1)依次为左上、右上、左下、右下相邻四个位置的像素值。
3.如权利要求1所述光线自适应的绿色场地提取方法,其特征在于,所述步骤S2包括以下子步骤:
S2.1、先将白平衡处理后的彩图I转换成灰度图Igray对该灰度图进行亮度均一化处理:
Resultgray=Igray-R
式中,Resultgray为灰度图亮度均一化结果,R为亮度矩阵;
S2.2、利用步骤S2.1得到的亮度矩阵R对彩图I的各个颜色通道I_进行亮度均一化处理,不同颜色通道赋予不同权重K:
Result_=I_-K*R
其中,Result_为某一颜色通道的均一化结果。
4.如权利要求1所述光线自适应的绿色场地提取方法,其特征在于,所述步骤S2.1中,所述亮度矩阵R采用分割区域计算平均亮度并进行双线性差值的方法得到,具体为:
a、将灰度图Igray分割为多个区域;
b、计算每个区域的平均亮度,作为区域中心点的亮度值;
c、采用双线性差值方法对非区域中心点位置赋值。
5.如权利要求3所述光线自适应的绿色场地提取方法,其特征在于,所述步骤S2.2中,绿色通道的权重K最大。
6.如权利要求1所述光线自适应的绿色场地提取方法,其特征在于,所述步骤S5中,分离出的绿色通道的灰度值是绿色通道值占所有颜色通道值之和的比值。
7.如权利要求1所述光线自适应的绿色场地提取方法,其特征在于,所述步骤S6中,所述二值化处理采用大津法二值化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011500706.6A CN112233050B (zh) | 2020-12-17 | 2020-12-17 | 一种光线自适应的绿色场地提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011500706.6A CN112233050B (zh) | 2020-12-17 | 2020-12-17 | 一种光线自适应的绿色场地提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112233050A CN112233050A (zh) | 2021-01-15 |
CN112233050B true CN112233050B (zh) | 2021-03-09 |
Family
ID=74124912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011500706.6A Active CN112233050B (zh) | 2020-12-17 | 2020-12-17 | 一种光线自适应的绿色场地提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233050B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724357B (zh) * | 2021-11-03 | 2022-02-18 | 深圳市华阳国际工程设计股份有限公司 | 一种图像处理方法、系统、终端及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618703A (zh) * | 2015-02-09 | 2015-05-13 | 傅邓文 | 一种白平衡调整方法 |
CN108510477A (zh) * | 2018-03-15 | 2018-09-07 | 深圳市飞点健康管理有限公司 | 试纸色块的定位方法及装置 |
-
2020
- 2020-12-17 CN CN202011500706.6A patent/CN112233050B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618703A (zh) * | 2015-02-09 | 2015-05-13 | 傅邓文 | 一种白平衡调整方法 |
CN108510477A (zh) * | 2018-03-15 | 2018-09-07 | 深圳市飞点健康管理有限公司 | 试纸色块的定位方法及装置 |
Non-Patent Citations (1)
Title |
---|
足球机器人场地图像信息特征的提取;许信等;《电子科技》;20171215;第20卷(第12期);第114-117页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112233050A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376529B (zh) | 一种基于glcm的灰度图像彩色化系统和方法 | |
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
CN110443778B (zh) | 一种检测工业品不规则缺陷的方法 | |
CN108022223B (zh) | 一种基于对数映射函数分块处理融合的色调映射方法 | |
US20040227766A1 (en) | Multilevel texture processing method for mapping multiple images onto 3D models | |
CN113129391B (zh) | 基于多曝光图像特征分布权重的多曝光融合方法 | |
CN107154026B (zh) | 一种基于自适应亮度高程模型的消除路面阴影的方法 | |
CN111145105B (zh) | 一种图像快速去雾方法、装置、终端及存储介质 | |
CN107967673A (zh) | 一种自适应样本块图像修复方法 | |
CN104021566A (zh) | 基于GrabCut算法的舌诊图像自动分割方法 | |
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 | |
CN108537760A (zh) | 一种基于大气散射模型的红外图像增强方法 | |
CN112233050B (zh) | 一种光线自适应的绿色场地提取方法 | |
CN108182671A (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
CN105185352A (zh) | 图像的边缘修饰方法和边缘修饰装置 | |
CN110930361B (zh) | 一种虚实物体遮挡检测方法 | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
CN114792310A (zh) | 一种LCD屏幕中边缘模糊的Mura缺陷检测方法 | |
CN107492082A (zh) | 一种利用边缘统计特征的mrf样本块图像修复方法 | |
CN110223241A (zh) | 一种基于分块统计的直方图均衡方法 | |
KR20100085338A (ko) | 균등확률분할 히스토그램 평활화를 이용한 영상 화질 개선 방법 | |
CN114862706B (zh) | 一种保持图像梯度方向的色阶映射方法 | |
CN113689404A (zh) | 一种基于图像处理的零件计数系统和方法 | |
CN111080560B (zh) | 一种图像的处理与识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |