CN112241465A - 一种基于边缘检测的拍照找料方法、系统及存储介质 - Google Patents

一种基于边缘检测的拍照找料方法、系统及存储介质 Download PDF

Info

Publication number
CN112241465A
CN112241465A CN202010989599.1A CN202010989599A CN112241465A CN 112241465 A CN112241465 A CN 112241465A CN 202010989599 A CN202010989599 A CN 202010989599A CN 112241465 A CN112241465 A CN 112241465A
Authority
CN
China
Prior art keywords
image
finding
clustering
scanning
center
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.)
Withdrawn
Application number
CN202010989599.1A
Other languages
English (en)
Inventor
童大山
谢玉辉
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.)
Guangzhou Souliao Information Technology Co ltd
Original Assignee
Guangzhou Souliao Information 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 Guangzhou Souliao Information Technology Co ltd filed Critical Guangzhou Souliao Information Technology Co ltd
Priority to CN202010989599.1A priority Critical patent/CN112241465A/zh
Publication of CN112241465A publication Critical patent/CN112241465A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于边缘检测的拍照找料方法，包括以下：获取目标产品的照片图像作为第一图像；扫描所述第一图像，根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像；扫描所述第二图像，找寻并计算所述第二图像的三根相邻平行线之间的距离，得到两个距离d1以及d2；将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn；将第一图像归于所述聚类中心xn所代表的产品，并将所述结果予以输出展示。本发明利用到了尼龙网的结构特性，故而极大的缩小了拍照找料的特征元素，一方面能够在一定程度上加快找料的时间，另一方面能够提升找料的精度。

Description

一种基于边缘检测的拍照找料方法、系统及存储介质
技术领域
本发明涉及人工智能领域，尤其涉及一种基于边缘检测的拍照找料方法、系统及存储介质。
背景技术
企业或者其他售卖商在采购原材料的过程中，有时会对某一个产品的实际样品亦或是相关图片而感兴趣，这时如果用户突然得知该产品的源头，则此时的成单率会相对较高。
当今市场往往通过拍照找料系统来对产品进行找寻，进而满足用户的相关需求，但是现有的拍照找料系统作用的产品类型较广，不是针对某一类型的产品而进行定制的，这样一来，在需要找寻的产品类型确定的情况下，比如尼龙网这类材料，相应的找料精度就不够高了，效率也会有所欠缺。
发明内容
本发明的目的是为了至少解决现有技术的不足之一，提供一种基于边缘检测的拍照找料方法、系统及存储介质。
为了实现上述目的，本发明采用以下的技术方案：
具体的，本发明提出一种基于边缘检测的拍照找料方法，包括以下：
获取目标产品的照片图像作为第一图像；
扫描所述第一图像，根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像；
扫描所述第二图像，找寻并计算所述第二图像的三根相邻平行线之间的距离，得到两个距离d1以及d2，记录d1与d2中的较小值min(d1，d2)以及d1与d2中的较大值max(d1，d2)；
将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn；
将第一图像归于所述聚类中心xn所代表的产品，并将所述结果予以输出展示。
进一步，上述用于获取目标产品的照片图像的购物平台为搜料网平台。
进一步，上述方法中根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像具体包括以下，
步骤210、设定一个4×4的矩阵算子Q、第一阈值T作为匹配偏差控制阈值、空数组Ci用于存储待填充的的点以及搜索标记flag＝false；
步骤220、通过矩阵算子Q对第一图像的二值图像进行区域搜索匹配，判断匹配到的区域S的中心点P为0，且
Figure BDA0002690418200000021
是否成立，若成立则判断区域S为区域图案；
步骤230、以P为种子点，通过四连通算法找到与区域S相关联的边界点，并判断边界点的相关搜索标记flag是否满足预设，如果是则判断该边界点却为区域S的边界，若否则将该边界点保存至Ci中，并将该边界点的搜索标记更新为flag＝true并转至步骤220重新搜索匹配；
步骤240、将Ci中所有点的像素值更新为背景色，并获取第二图像。
进一步，上述方法中扫描所述第二图像，找寻所述第二图像中的相邻平行线，得到两个距离d1以及d2的方法包括以下：
首先确定第二图像的放置方向，自上而下对第二图像进行扫描，获取扫描的灰度跳变峰值，并判断灰度跳变峰值是否大于第二阈值，若是则判断第二图像的放置方向吻合，计算灰度跳变峰值大于第二阈值的相邻的3个坐标之间的距离作为d1以及d2，如果灰度跳变峰值不大于第二阈值，则将第二图像由中心点转动第一角度a，重新进行扫描直到得到d1以及d2。
进一步，上述方法中将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn具体包括以下：
其中聚类的方式采用模糊聚类，首先以标准规格的每个型号的物料共同作为样本空间Y，Y＝{Y1，Y2，Y3...，Yn}；
将样本空间Y的样本点分为c类，c为大于1的整数，设vi(i＝1,2,…,c)为每个聚类的中心，Uj是第j个样本对第i类的隶厲度函数，目标函数J(U,V)定义为：
Figure BDA0002690418200000022
其中，U＝[uik](i＝1,2,...,c；k＝1,2,...,n)为隶属度矩阵且满足以下式子：
Figure BDA0002690418200000031
dik是第k个样本到第i类的欧式距离，定义为：
dik 2＝||xk-vi||2
根据以上对样本空间Y聚类得到样本空间的各个聚类中心形成的数据集{X1，X2，X3，...，Xn}以及相应的聚类中心Xn的数据特征，所述数据特征与d1以及d2相对应；
找出第一图像接近的聚类中心xn。
进一步，上述方法中将第一图像归于所述聚类中心xn所代表的产品具体包括以下：
建立相关数据库，建立每一个聚类中心xn与相应产品的映射，在找寻到聚类中心xn时，会自动映射至相应的产品。
本发明还提出一种基于边缘检测的拍照找料系统，包括，
第一运行模块，用于获取目标产品的照片图像作为第一图像；
第二运行模块，用于扫描所述第一图像，根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像；
第三运行模块，用于扫描所述第二图像，找寻并计算所述第二图像的三根相邻平行线之间的距离，得到两个距离d1以及d2，记录d1与d2中的较小值min(d1，d2)以及d1与d2中的较大值max(d1，d2)；
第四运行模块，用于将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn；
第五运行模块，用于将第一图像归于所述聚类中心xn所代表的产品，并将所述结果予以输出展示。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述方法的步骤。
本发明的有益效果为：
本发明能够通过尼龙网的结构特点，在拍照寻找尼龙网的型号时，提取尼龙网的单条绳的宽度作为min(d1，d2)，提取尼龙网的网格宽度作为max(d1，d2)，并根据这两个特征元素进行聚类，选取标准尼龙网作为样本中心，根据聚类的结果结合建立的相关数据库得到聚类的结果的尼龙网产品型号的映射对象，进而得到拍照找料的结果，由于利用到了尼龙网的结构特性，故而极大的缩小了拍照找料的特征元素，一方面能够在一定程度上加快找料的时间，另一方面能够提升找料的精度。
附图说明
图1所示为本发明一种基于边缘检测的拍照找料方法流程图；
图2所示为本发明一种基于边缘检测的拍照找料系统的结构框图；
图3所示为本发明一种基于边缘检测的拍照找料方法的d1与d2之间的关系示意图；
图4所示为本发明一种基于边缘检测的拍照找料方法的角度不对时的扫描情景示意图；
图5所示为本发明一种基于边缘检测的拍照找料方法的角度正确时的扫描情景示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。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组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
参照图1，实施例1，本发明提出一种基于边缘检测的拍照找料方法，包括以下：
步骤110、获取目标产品的照片图像作为第一图像；
步骤120、扫描所述第一图像，根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像；
步骤130、扫描所述第二图像，找寻并计算所述第二图像的三根相邻平行线之间的距离，得到两个距离d1以及d2，记录d1与d2中的较小值min(d1，d2)以及d1与d2中的较大值max(d1，d2)；
步骤140、将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn；
步骤150、将第一图像归于所述聚类中心xn所代表的产品，并将所述结果予以输出展示。
在本实施例1中，能够通过尼龙网的结构特点，在拍照寻找尼龙网的型号时，提取尼龙网的单条绳的宽度作为min(d1，d2)，提取尼龙网的网格宽度作为max(d1，d2)，并根据这两个特征元素进行聚类，选取标准尼龙网作为样本中心，根据聚类的结果结合建立的相关数据库得到聚类的结果的尼龙网产品型号的映射对象，进而得到拍照找料的结果，由于利用到了尼龙网的结构特性，故而极大的缩小了拍照找料的特征元素，一方面能够在一定程度上加快找料的时间，另一方面能够提升找料的精度。
参照图3，其中d1与d2中的较小值min(d1，d2)相当于尼龙绳的绳粗以及d1与d2中的较大值max(d1，d2)相当于尼龙网的间距，能够作为评判尼龙网大小的一个指标。
作为本方案的优选实施方式，上述用于获取目标产品的照片图像的购物平台为搜料网平台。
因为本公司有自有开发的相关平台，所以可以直接将本发明应用至所述平台处，用于使通过该平台进行搜料找料的用户使用本发明的拍照找料方法。
作为本方案的优选实施方式，上述方法中根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像具体包括以下，
步骤210、设定一个4×4的矩阵算子Q、第一阈值T作为匹配偏差控制阈值、空数组Ci用于存储待填充的的点以及搜索标记flag＝false；
步骤220、通过矩阵算子Q对第一图像的二值图像进行区域搜索匹配，判断匹配到的区域S的中心点P为0，且
Figure BDA0002690418200000051
是否成立，若成立则判断区域S为区域图案；
步骤230、以P为种子点，通过四连通算法找到与区域S相关联的边界点，并判断边界点的相关搜索标记flag是否满足预设，如果是则判断该边界点却为区域S的边界，若否则将该边界点保存至Ci中，并将该边界点的搜索标记更新为flag＝true并转至步骤220重新搜索匹配；
步骤240、将Ci中所有点的像素值更新为背景色，并获取第二图像。
通过调整矩阵算子Q以及第一阈值T的具体取值，能够将尼龙网的网格轮廓图像提取出来，而且因为尼龙网的轮廓图像为线条图案的组合，所以使用本方法进行提取速度也较快。
作为本方案的优选实施方式，上述方法中扫描所述第二图像，找寻所述第二图像中的相邻平行线，得到两个距离d1以及d2的方法包括以下：
首先确定第二图像的放置方向，自上而下对第二图像进行扫描，获取扫描的灰度跳变峰值，并判断灰度跳变峰值是否大于第二阈值，若是则判断第二图像的放置方向吻合，计算灰度跳变峰值大于第二阈值的相邻的3个坐标之间的距离作为d1以及d2，如果灰度跳变峰值不大于第二阈值，则将第二图像由中心点转动第一角度a，重新进行扫描直到得到d1以及d2。
结合图4以及图5，因为当尼龙网放置的角度不对时，如果进行扫描的话那么扫描线与尼龙网的边界的重合度就不够高，那么灰度跳变峰值将不足够大，即达不到阈值的条件，这样一来就需要对角度进行调整，直到扫描线与尼龙网的边界的重合度足够高，而尼龙网的绳宽是由两条平行线确定的，尼龙网的间距也是由两条平行线确定的，所以一旦扫描找到这三条平行线之后，由于一个周期内的三条平行线是相邻的，相邻的两者之间的距离中的较大者max(d1，d2)自然是尼龙网之间的间距，相邻的两者之间的距离中的较小者min(d1，d2)自然就是尼龙网的绳宽，这样就很方便的就能找出尼龙网的两个关键特征元素了。
作为本方案的优选实施方式，上述方法中将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn具体包括以下：
步骤310、其中聚类的方式采用模糊聚类，首先以标准规格的每个型号的物料共同作为样本空间Y，Y＝{Y1，Y2，Y3...，Yn}；
步骤320、将样本空间Y的样本点分为c类，c为大于1的整数，设vi(i＝1,2,…,c)为每个聚类的中心，Uj是第j个样本对第i类的隶厲度函数，目标函数J(U,V)定义为：
Figure BDA0002690418200000061
其中，U＝[uik](i＝1,2,...,c；k＝1,2,...,n)为隶属度矩阵且满足以下式子：
Figure BDA0002690418200000062
dik是第k个样本到第i类的欧式距离，定义为：
dik 2＝||xk-vi||2
步骤330、根据以上对样本空间Y聚类得到样本空间的各个聚类中心形成的数据集{X1，X2，X3，...，Xn}以及相应的聚类中心Xn的数据特征，所述数据特征与d1以及d2相对应；
步骤340、找出第一图像接近的聚类中心xn。
作为本方案的优选实施方式，上述方法中将第一图像归于所述聚类中心xn所代表的产品具体包括以下：
建立相关数据库，建立每一个聚类中心xn与相应产品的映射，在找寻到聚类中心xn时，会自动映射至相应的产品。
结合图2，本发明还提出一种基于边缘检测的拍照找料系统，包括，
第一运行模块，用于获取目标产品的照片图像作为第一图像；
第二运行模块，用于扫描所述第一图像，根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像；
第三运行模块，用于扫描所述第二图像，找寻并计算所述第二图像的三根相邻平行线之间的距离，得到两个距离d1以及d2，记录d1与d2中的较小值min(d1，d2)以及d1与d2中的较大值max(d1，d2)；
第四运行模块，用于将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn；
第五运行模块，用于将第一图像归于所述聚类中心xn所代表的产品，并将所述结果予以输出展示。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例中的方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (8)

1.一种基于边缘检测的拍照找料方法，其特征在于，包括以下：
获取目标产品的照片图像作为第一图像；
扫描所述第一图像，根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像；
扫描所述第二图像，找寻并计算所述第二图像的三根相邻平行线之间的距离，得到两个距离d1以及d2，记录d1与d2中的较小值min(d1，d2)以及d1与d2中的较大值max(d1，d2)；
将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn；
将第一图像归于所述聚类中心xn所代表的产品，并将所述结果予以输出展示。
2.根据权利要求1所述的一种基于边缘检测的拍照找料方法，其特征在于，上述用于获取目标产品的照片图像的购物平台为搜料网平台。
3.根据权利要求1所述的一种基于边缘检测的拍照找料方法，其特征在于，上述方法中根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像具体包括以下，
步骤210、设定一个4×4的矩阵算子Q、第一阈值T作为匹配偏差控制阈值、空数组Ci用于存储待填充的的点以及搜索标记flag＝false；
步骤220、通过矩阵算子Q对第一图像的二值图像进行区域搜索匹配，判断匹配到的区域S的中心点P为0，且
Figure FDA0002690418190000011
是否成立，若成立则判断区域S为区域图案；
步骤230、以P为种子点，通过四连通算法找到与区域S相关联的边界点，并判断边界点的相关搜索标记flag是否满足预设，如果是则判断该边界点却为区域S的边界，若否则将该边界点保存至Ci中，并将该边界点的搜索标记更新为flag＝true并转至步骤220重新搜索匹配；
步骤240、将Ci中所有点的像素值更新为背景色，并获取第二图像。
4.根据权利要求1所述的一种基于边缘检测的拍照找料方法，其特征在于，上述方法中扫描所述第二图像，找寻所述第二图像中的相邻平行线，得到两个距离d1以及d2的方法包括以下：
首先确定第二图像的放置方向，自上而下对第二图像进行扫描，获取扫描的灰度跳变峰值，并判断灰度跳变峰值是否大于第二阈值，若是则判断第二图像的放置方向吻合，计算灰度跳变峰值大于第二阈值的相邻的3个坐标之间的距离作为d1以及d2，如果灰度跳变峰值不大于第二阈值，则将第二图像由中心点转动第一角度a，重新进行扫描直到得到d1以及d2。
5.根据权利要求1所述的一种基于边缘检测的拍照找料方法，其特征在于，上述方法中将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn具体包括以下：
其中聚类的方式采用模糊聚类，首先以标准规格的每个型号的物料共同作为样本空间Y，Y＝{Y1，Y2，Y3...，Yn}；
将样本空间Y的样本点分为c类，c为大于1的整数，设vi(i＝1,2,…,c)为每个聚类的中心，Uj是第j个样本对第i类的隶厲度函数，目标函数J(U,V)定义为：
Figure FDA0002690418190000021
其中，U＝[uik](i＝1,2,...,c；k＝1,2,...,n)为隶属度矩阵且满足以下式子：
Figure FDA0002690418190000022
dik是第k个样本到第i类的欧式距离，定义为：
dik 2＝||xk-vi||2
根据以上对样本空间Y聚类得到样本空间的各个聚类中心形成的数据集{X1，X2，X3，...，Xn}以及相应的聚类中心Xn的数据特征，所述数据特征与d1以及d2相对应；
找出第一图像接近的聚类中心xn。
6.根据权利要求1所述的一种基于边缘检测的拍照找料方法，其特征在于，上述方法中将第一图像归于所述聚类中心xn所代表的产品具体包括以下：
建立相关数据库，建立每一个聚类中心xn与相应产品的映射，在找寻到聚类中心xn时，会自动映射至相应的产品。
7.一种基于边缘检测的拍照找料系统，其特征在于，包括，
第一运行模块，用于获取目标产品的照片图像作为第一图像；
第二运行模块，用于扫描所述第一图像，根据预设的矩阵算子对所述第一图像进行边缘提取得到第二图像；
第三运行模块，用于扫描所述第二图像，找寻并计算所述第二图像的三根相邻平行线之间的距离，得到两个距离d1以及d2，记录d1与d2中的较小值min(d1，d2)以及d1与d2中的较大值max(d1，d2)；
第四运行模块，用于将min(d1，d2)以及max(d1，d2)作为第一图像的特征元素，并对第一图像按照特征元素进行聚类处理，找出第一图像接近的聚类中心xn；
第五运行模块，用于将第一图像归于所述聚类中心xn所代表的产品，并将所述结果予以输出展示。
8.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述方法的步骤。
CN202010989599.1A 2020-09-18 2020-09-18 一种基于边缘检测的拍照找料方法、系统及存储介质 Withdrawn CN112241465A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010989599.1A CN112241465A (zh) 2020-09-18 2020-09-18 一种基于边缘检测的拍照找料方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010989599.1A CN112241465A (zh) 2020-09-18 2020-09-18 一种基于边缘检测的拍照找料方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN112241465A true CN112241465A (zh) 2021-01-19

Family

ID=74171519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010989599.1A Withdrawn CN112241465A (zh) 2020-09-18 2020-09-18 一种基于边缘检测的拍照找料方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN112241465A (zh)

Similar Documents

Publication Publication Date Title
US11004129B2 (en) Image processing
US6792134B2 (en) Multi-mode digital image processing method for detecting eyes
Versari et al. Long-term tracking of budding yeast cells in brightfield microscopy: CellStar and the Evaluation Platform
Fang et al. Crop leaf disease grade identification based on an improved convolutional neural network
CN106373146B (zh) 一种基于模糊学习的目标跟踪方法
EP1700269A2 (en) Detection of sky in digital color images
WO2007044037A1 (en) Robust perceptual color identification
CN1322471C (zh) 比较图案
WO2007051992A1 (en) Image processing
CN110827312A (zh) 一种基于协同视觉注意力神经网络的学习方法
Simran et al. Content based image retrieval using deep learning convolutional neural network
Suh et al. Investigation on combinations of colour indices and threshold techniques in vegetation segmentation for volunteer potato control in sugar beet
CN110363218A (zh) 一种胚胎无创评估方法及装置
CN109993202A (zh) 一种线稿型图形相似度判断方法、电子设备及存储介质
CN115752683A (zh) 一种基于深度相机的体重预估方法、系统及终端
CN109657083B (zh) 纺织品图片特征库的建立方法和装置
KR101093107B1 (ko) 영상정보 분류방법 및 장치
CN111444816A (zh) 一种基于Faster RCNN的多尺度密集行人检测方法
CN109299295B (zh) 蓝印花布图像数据库搜索方法
CN118230166A (zh) 基于改进Mask2YOLO网络的玉米冠层器官识别方法及冠层表型检测方法
CN113408573A (zh) 基于机器学习的瓷砖色号自动分类归类的方法及装置
CN117058757A (zh) 基于动态卷积图神经网络的鱼类行为分析方法及系统
CN112241465A (zh) 一种基于边缘检测的拍照找料方法、系统及存储介质
CN116071569A (zh) 图像选择方法、计算机设备及存储装置
CN114359090A (zh) 一种口腔ct影像的数据增强方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210119

WW01 Invention patent application withdrawn after publication