CN112308842B - 一种基于印刷品图像的定位核自动提取方法 - Google Patents
一种基于印刷品图像的定位核自动提取方法 Download PDFInfo
- Publication number
- CN112308842B CN112308842B CN202011205263.8A CN202011205263A CN112308842B CN 112308842 B CN112308842 B CN 112308842B CN 202011205263 A CN202011205263 A CN 202011205263A CN 112308842 B CN112308842 B CN 112308842B
- Authority
- CN
- China
- Prior art keywords
- score
- positioning
- candidate
- searched
- kernel
- 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 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 25
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/30144—Printing quality
Abstract
本申请提供一种基于印刷品图像的定位核自动提取方法,获取待搜索区域及其轮廓信息,轮廓信息通过对待搜索区域进行图像预处理而得;将轮廓信息分割为多个M*N像素的分块窗口;获取候选定位核为满足预设边缘点个数的分块窗口;计算候选定位核的最终正交分数、冗余分数、对比度分数,并获取候选定位核的综合分数;当综合分数大于预设阈值时,候选定位核作为备选定位核;根据综合分数和唯一性确定备选定位核中的最佳定位核。自动定位核提取方法针对相关图像配准原理,按照一定的选取标准,在参考图像的指定目标区域内自动、高效地搜索到可以作为定位核的区域,提高系统的易用性和建模效率,能够稳定、准确、快速地选取最佳定位核,提高了检测能力。
Description
技术领域
本申请涉及印刷品生产过程中的质量检测领域,尤其涉及一种基于印刷品图像的定位核自动提取方法。
背景技术
在印刷品图像的检测建模过程中,在每个检测分区选取定位核是检测正常执行的重要环节,针对不同的印刷品图像,其选取的定位核不同,导致检测模板不同,进而得到不同的检测效果;而准确的定位核能提高检测能力,控制误检率的保持在可接受的范围内。
目前,在印刷品图像的检测建模过程中,需要人工选取每个检测分区的定位核。然而,人工选取定位核的方式具有很强的主观性,大部分操作人员在实际操作过程中选取的定位核不达标,导致建模失败或者检测过程中出现大量误报问题,效率低而导致整个软件建模过程的周期延长,不利于小批量、多批次情况下生产效率的提高。
发明内容
本申请提供了一种基于印刷品图像的定位核自动提取方法,以解决人工选取定位核的方式具有很强的主观性,大部分操作人员在实际操作过程中选取的定位核不达标,导致建模失败或者检测过程中出现大量误报问题,效率低而导致整个软件建模过程的周期延长等技术问题。
为了达到上述目的,本申请实施例采用以下技术方案:
提供一种基于印刷品图像的定位核自动提取方法,所述方法包括:
获取待搜索区域,所述待搜索区域为印刷品图像中用于生成定位核的区域;
获取所述待搜索区域的轮廓信息;所述轮廓信息通过对所述待搜索区域进行图像预处理而得;
将所述轮廓信息分割为多个M*N像素的分块窗口;
获取候选定位核,所述候选定位核为满足预设边缘点个数的所述分块窗口;
计算所述候选定位核的最终正交分数、冗余分数、对比度分数;
根据所述最终正交分数、所述冗余分数、所述对比度分数获取所述候选定位核的综合分数;
当综合分数大于预设阈值时,所述候选定位核作为备选定位核;
根据综合分数和唯一性确定所述备选定位核中的最佳定位核。
在一种可能的实现方式中,所述计算所述候选定位核的最终正交分数、冗余分数、所述对比度分数包括:
计算所述候选定位核的所述最终正交分数;
当所述最终正交分数符合第一预设要求时,计算对应候选定位核的冗余分数;
当所述冗余分数符合第二预设要求时,计算所述候选定位核的对比度分数。
在一种可能的实现方式中,所述图像预处理包括:
对所述待搜索区域进行灰度处理,得到灰度图像;
采用边缘检测算法获取所述待搜索区域的轮廓信息。
在一种可能的实现方式中,所述轮廓信息包括方向、幅值。
在一种可能的实现方式中,所述将所述轮廓信息分割为多个M*N像素的分块窗口包括:
对所述轮廓信息进行blob分析,获取每个blob的外接矩形;
对所述外接矩形按照M*N像素大小进行分块,得到分块窗口;
当所述外接矩形的宽小于M个像素、高小于N个像素时,所述分块窗口的大小为M*N;
其中,所述分块窗口的中心为所述外接矩形的中心点。
在一种可能的实现方式中,所述计算所述候选定位核的最终正交分数包括:
将所述候选定位核划分为n个第一方向;
统计各个所述第一方向的像素个数;
当像素个数大于预设像素个数时,所述第一方向为有效方向;
当所述有效方向大于等于两个方向时,计算两两有效方向的正交分数;
选取最高的正交分数作为所述候选定位核的最终正交分数。
在一种可能的实现方式中,所述划分为n个第一方向包括:
将所述候选定位核的0°~360°划分为2n个第二方向;
将方向相反的两个第二方向合并,获得n个第一方向。
在一种可能的实现方式中,根据所述最终正交分数、所述冗余分数、对比度分数的算术平均值或者几何平均值获取所述候选定位核的综合分数。
在一种可能的实现方式中,所述根据综合分数和唯一性确定所述备选定位核中的最佳定位核包括:
对所述备选定位核按照所述综合分数进行排序;
当综合分数最高的备选定位核在待搜索区域内唯一时,则所述备选定位核为所述最佳定位核;
当综合分数最高的备选定位核在待搜索区域内不唯一时,则按照排序后的综合分数依次判断其他所述备选定位核,直到某个所述备选定位核在待搜索区域内唯一,则某个所述备选定位核为所述最佳定位核。
本申请提供一种基于印刷品图像的定位核自动提取方法,获取待搜索区域,所述待搜索区域为印刷品图像中用于生成定位核的区域;获取所述待搜索区域的轮廓信息;所述轮廓信息通过对所述待搜索区域进行图像预处理而得;将所述轮廓信息分割为多个M*N像素的分块窗口;获取候选定位核,所述候选定位核为满足预设边缘点个数的所述分块窗口;计算所述候选定位核的最终正交分数、冗余分数、所述对比度分数;根据所述最终正交分数、所述冗余分数、所述对比度分数获取所述候选定位核的综合分数;当综合分数大于预设阈值时,所述候选定位核作为备选定位核;根据综合分数和唯一性确定所述备选定位核中的最佳定位核。自动定位核提取方法能够针对相关图像配准原理,按照一定的选取标准,在参考图像的指定目标区域内自动、高效地搜索到可以作为定位核的区域,取消建模过程中人工选取定位核这一操作环节,提高系统的易用性和建模效率;能够稳定、准确、快速地选取最优位置作为最佳定位核,提高了检测能力。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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。
图1为本申请实施例一种基于印刷品图像的定位核自动提取方法的流程图;
图2为本申请实施例一种基于印刷品图像的定位核自动提取方法中候选定位核的正交分数示意图;
图3为本申请实施例一种基于印刷品图像的定位核自动提取方法中候选定位核的冗余分数示意图;
图4为本申请实施例一种基于印刷品图像的定位核自动提取方法中候选定位核的对比度分数示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本申请做进一步详细描述:
本申请实施例提供一种基于印刷品图像的定位核自动提取方法,用于印刷品生产过程中的质量检测领域,参照图1所示,所述方法包括如下步骤:
S100、获取待搜索区域,所述待搜索区域为印刷品图像中用于生成定位核的区域。
S200、获取所述待搜索区域的轮廓信息;所述轮廓信息通过对所述待搜索区域进行图像预处理而得。所述预处理通过对所述待搜索区域进行灰度处理,得到灰度图像;采用边缘检测算法获取所述待搜索区域的轮廓信息。其中,所述轮廓信息包括方向、幅值。
S300、将所述轮廓信息分割为多个M*N像素的分块窗口。通过对所述轮廓信息进行blob分析,获取每个blob的外接矩形;对所述外接矩形按照M*N像素大小进行分块,得到分块窗口;当所述外接矩形的宽小于M个像素、高小于N个像素时,所述分块窗口的大小为M*N;其中,所述分块窗口的中心为所述外接矩形的中心点。保证每一个分块窗口都有轮廓信息,也就是每一个分块窗口都具有图像信息。
S400、获取候选定位核,所述候选定位核为满足预设边缘点个数的所述分块窗口。轮廓信息过多或过少都不能作为候选定位核;只有当该分块窗口的边缘点个数在预设边缘点个数范围之内时,才作为候选定位核。
S500、计算所述候选定位核的最终正交分数、冗余分数、所述对比度分数;
首先,计算所述候选定位核的所述最终正交分数。通过将所述候选定位核划分为n个第一方向;统计各个所述第一方向的像素个数;当像素个数大于预设像素个数时,所述第一方向为有效方向;否则放弃所述第一方向;当所述有效方向大于等于两个方向时,计算两两有效方向的正交分数;选取最高的正交分数作为所述候选定位核的最终正交分数。其中,所述划分为n个第一方向包括:将所述候选定位核的0°~360°划分为2n个第二方向;将方向相反的两个第二方向合并,获得n个第一方向。如图2所示,对于一个分块窗口中只有两条直线来说,图2中(a)两条直线成90度直角的分块窗口比图2中(b)两条直线成10度的分块窗口更适合做定位核,“正交性”用于表示某种不相依赖性或者解耦性。如果两个或者更多事物中的一个发生变化,不会影响其他事物。这些事物就是正交的。
其次,当所述最终正交分数符合第一预设要求时,计算对应候选定位核的冗余分数;否则放弃所述候选定位核。冗余分数代表了图像边缘所占图像区域的面积比,如图3所示,图3中(a)好的候选定位核需要具有一定量的边缘信息,图3中(b)的边缘信息过少。
最后,当所述冗余分数符合第二预设要求时,计算所述候选定位核的对比度分数;否则放弃所述候选定位核。选取的候选定位核应具有较高的对比度。如图4中(a)、(b)所示,边缘轮廓对比度越高,说明定位核信息越明显。
S600、根据所述最终正交分数、所述冗余分数、对比度分数的算术平均值或者几何平均值获取所述候选定位核的综合分数,在一些实施例中,根据实际情况分配比例关系。
S700、当综合分数大于预设阈值时,所述候选定位核作为备选定位核。
S800、根据综合分数和唯一性确定所述备选定位核中的最佳定位核。对所述备选定位核按照所述综合分数进行排序;当综合分数最高的备选定位核在待搜索区域内唯一时,则所述备选定位核为所述最佳定位核;当综合分数最高的备选定位核在待搜索区域内不唯一时,则按照排序后的综合分数依次判断其他所述备选定位核,直到某个所述备选定位核在待搜索区域内唯一,则某个所述备选定位核为所述最佳定位核。
本申请提供一种基于印刷品图像的定位核自动提取方法,获取待搜索区域,所述待搜索区域为印刷品图像中用于生成定位核的区域;获取所述待搜索区域的轮廓信息;所述轮廓信息通过对所述待搜索区域进行图像预处理而得;将所述轮廓信息分割为多个M*N像素的分块窗口;获取候选定位核,所述候选定位核为满足预设边缘点个数的所述分块窗口;计算所述候选定位核的最终正交分数、冗余分数、所述对比度分数;根据所述最终正交分数、所述冗余分数、所述对比度分数获取所述候选定位核的综合分数;当综合分数大于预设阈值时,所述候选定位核作为备选定位核;根据综合分数和唯一性确定所述备选定位核中的最佳定位核。自动定位核提取方法能够针对相关图像配准原理,按照一定的选取标准,在参考图像的指定目标区域内自动、高效地搜索到可以作为定位核的区域,取消建模过程中人工选取定位核这一操作环节,提高系统的易用性和建模效率;能够稳定、准确、快速地选取最优位置作为最佳定位核,提高了检测能力。
以上内容仅为说明本申请的技术思想,不能以此限定本申请的保护范围,凡是按照本申请提出的技术思想,在技术方案基础上所做的任何改动,均落入本申请权利要求书的保护范围之内。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
Claims (7)
1.一种基于印刷品图像的定位核自动提取方法,其特征在于,所述方法包括:
获取待搜索区域,所述待搜索区域为印刷品图像中用于生成定位核的区域;
获取所述待搜索区域的轮廓信息;所述轮廓信息通过对所述待搜索区域进行图像预处理而得;
将所述轮廓信息分割为多个M*N像素的分块窗口;
获取候选定位核,所述候选定位核为满足预设边缘点个数的所述分块窗口;
计算所述候选定位核的最终正交分数、冗余分数、对比度分数;包括:将所述候选定位核划分为n个第一方向,统计各个所述第一方向的像素个数,当像素个数大于预设像素个数时,所述第一方向为有效方向;当所述有效方向大于或等于两个方向时,计算两两有效方向的正交分数,选取最高的正交分数作为所述候选定位核的最终正交分数;当所述最终正交分数符合第一预设要求时,计算对应候选定位核的冗余分数,所述冗余分数代表图像边缘所占图像区域的面积比;当所述冗余分数符合第二预设要求时,计算所述候选定位核的对比度分数;
根据所述最终正交分数、所述冗余分数、所述对比度分数获取所述候选定位核的综合分数;
当综合分数大于预设阈值时,所述候选定位核作为备选定位核;
根据综合分数和唯一性确定所述备选定位核中的最佳定位核。
2.根据权利要求1所述的一种基于印刷品图像的定位核自动提取方法,其特征在于,所述图像预处理包括:
对所述待搜索区域进行灰度处理,得到灰度图像;
采用边缘检测算法获取所述待搜索区域的轮廓信息。
3.根据权利要求1或2所述的一种基于印刷品图像的定位核自动提取方法,其特征在于,所述轮廓信息包括方向、幅值。
4.根据权利要求1所述的一种基于印刷品图像的定位核自动提取方法,其特征在于,所述将所述轮廓信息分割为多个M*N像素的分块窗口包括:
对所述轮廓信息进行blob分析,获取每个blob的外接矩形;
对所述外接矩形按照M*N像素大小进行分块,得到分块窗口;
当所述外接矩形的宽小于M个像素、高小于N个像素时,所述分块窗口的大小为M*N;
其中,所述分块窗口的中心为所述外接矩形的中心点。
5.根据权利要求1所述的一种基于印刷品图像的定位核自动提取方法,其特征在于,所述划分为n个第一方向包括:
将所述候选定位核的0°~360°划分为2n个第二方向;
将方向相反的两个第二方向合并,获得n个第一方向。
6.根据权利要求1所述的一种基于印刷品图像的定位核自动提取方法,其特征在于,根据所述最终正交分数、所述冗余分数、对比度分数的算术平均值或者几何平均值获取所述候选定位核的综合分数。
7.根据权利要求1所述的一种基于印刷品图像的定位核自动提取方法,其特征在于,所述根据综合分数和唯一性确定所述备选定位核中的最佳定位核包括:
对所述备选定位核按照所述综合分数进行排序;
当综合分数最高的备选定位核在待搜索区域内唯一时,则所述备选定位核为所述最佳定位核;
当综合分数最高的备选定位核在待搜索区域内不唯一时,则按照排序后的综合分数依次判断其他所述备选定位核,直到某个所述备选定位核在待搜索区域内唯一,则某个所述备选定位核为所述最佳定位核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205263.8A CN112308842B (zh) | 2020-11-02 | 2020-11-02 | 一种基于印刷品图像的定位核自动提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205263.8A CN112308842B (zh) | 2020-11-02 | 2020-11-02 | 一种基于印刷品图像的定位核自动提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308842A CN112308842A (zh) | 2021-02-02 |
CN112308842B true CN112308842B (zh) | 2024-03-29 |
Family
ID=74333794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011205263.8A Active CN112308842B (zh) | 2020-11-02 | 2020-11-02 | 一种基于印刷品图像的定位核自动提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308842B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971662A (zh) * | 2021-10-26 | 2022-01-25 | 深圳市创客工场科技有限公司 | 加工控制方法、装置及设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104851085A (zh) * | 2014-02-17 | 2015-08-19 | 征图新视(江苏)科技有限公司 | 自动获取图像中检测区的方法及系统 |
US9245201B1 (en) * | 2013-03-15 | 2016-01-26 | Excelis Inc. | Method and system for automatic registration of images |
CN106327462A (zh) * | 2015-06-16 | 2017-01-11 | 征图新视(江苏)科技有限公司 | 印刷图像的定位核提取方法及提取装置 |
CN107369179A (zh) * | 2017-07-31 | 2017-11-21 | 征图新视(江苏)科技有限公司 | 一种高精度图像定位方法 |
CN107967679A (zh) * | 2017-11-21 | 2018-04-27 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN109509165A (zh) * | 2017-09-11 | 2019-03-22 | 凌云光技术集团有限责任公司 | 图像定位区域选取方法及装置 |
CN109543665A (zh) * | 2017-09-22 | 2019-03-29 | 凌云光技术集团有限责任公司 | 图像定位方法及装置 |
CN111260625A (zh) * | 2020-01-15 | 2020-06-09 | 征图新视(江苏)科技股份有限公司 | 胶印大张图像检测区域的自动提取方法 |
CN111768407A (zh) * | 2020-09-01 | 2020-10-13 | 征图新视(江苏)科技股份有限公司 | 基于快速定位的缺陷检测算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9299132B2 (en) * | 2013-10-23 | 2016-03-29 | Adobe Systems Incorporated | Automatically determining the size of a blur kernel |
-
2020
- 2020-11-02 CN CN202011205263.8A patent/CN112308842B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9245201B1 (en) * | 2013-03-15 | 2016-01-26 | Excelis Inc. | Method and system for automatic registration of images |
CN104851085A (zh) * | 2014-02-17 | 2015-08-19 | 征图新视(江苏)科技有限公司 | 自动获取图像中检测区的方法及系统 |
CN106327462A (zh) * | 2015-06-16 | 2017-01-11 | 征图新视(江苏)科技有限公司 | 印刷图像的定位核提取方法及提取装置 |
CN107369179A (zh) * | 2017-07-31 | 2017-11-21 | 征图新视(江苏)科技有限公司 | 一种高精度图像定位方法 |
CN109509165A (zh) * | 2017-09-11 | 2019-03-22 | 凌云光技术集团有限责任公司 | 图像定位区域选取方法及装置 |
CN109543665A (zh) * | 2017-09-22 | 2019-03-29 | 凌云光技术集团有限责任公司 | 图像定位方法及装置 |
CN107967679A (zh) * | 2017-11-21 | 2018-04-27 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN111260625A (zh) * | 2020-01-15 | 2020-06-09 | 征图新视(江苏)科技股份有限公司 | 胶印大张图像检测区域的自动提取方法 |
CN111768407A (zh) * | 2020-09-01 | 2020-10-13 | 征图新视(江苏)科技股份有限公司 | 基于快速定位的缺陷检测算法 |
Non-Patent Citations (1)
Title |
---|
基于Gabor滤波与边缘特征的场景文字检测;邓勇;武小红;雍宝虎;;计算机应用与软件(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112308842A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898047B (zh) | 基于分块遮挡感知的行人检测方法及系统 | |
CN109615611B (zh) | 一种基于巡检影像的绝缘子自爆缺陷检测方法 | |
CN110569878B (zh) | 一种基于卷积神经网络的照片背景相似度聚类方法及计算机 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN107230203A (zh) | 基于人眼视觉注意机制的铸件缺陷识别方法 | |
CN109658454B (zh) | 一种位姿信息确定方法、相关装置及存储介质 | |
US20080205769A1 (en) | Apparatus, method and program product for matching with a template | |
CN105069799A (zh) | 一种角点定位方法及装置 | |
EP3843036A1 (en) | Sample labeling method and device, and damage category identification method and device | |
CN109124662A (zh) | 肋骨中心线检测装置及方法 | |
CN110674674A (zh) | 一种基于yolo v3的旋转目标检测方法 | |
CN102930251A (zh) | 两维收藏品数据收录与甄别的装置和方法 | |
CN108268865A (zh) | 一种基于级联卷积网络的自然场景下车牌识别方法及系统 | |
CN112567384A (zh) | 用视觉系统在图像中查找图案并对图案进行分类的系统和方法 | |
CN110796135A (zh) | 目标的定位方法及装置、计算机设备、计算机存储介质 | |
CN111368682A (zh) | 一种基于faster RCNN台标检测与识别的方法及系统 | |
CN112308842B (zh) | 一种基于印刷品图像的定位核自动提取方法 | |
Gong et al. | Point cloud segmentation of 3D scattered parts sampled by RealSense | |
JP2008097310A (ja) | エッジ抽出方法、定義表作成方法、画像処理方法、画像処理装置、画像処理プログラムおよび画像処理プログラムを記録する記録媒体 | |
CN116704270A (zh) | 一种基于图像处理的智能设备定位标记方法 | |
CN104463896A (zh) | 基于核相似区分布特性的图像角点检测方法及系统 | |
CN112200789A (zh) | 一种图像识别的方法及装置、电子设备和存储介质 | |
EP3291179B1 (en) | Image processing device, image processing method, and image processing program | |
US11645827B2 (en) | Detection method and device for assembly body multi-view change based on feature matching | |
Agouris et al. | Automated spatiotemporal change detection in digital aerial imagery |
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 |