CN112511725B - 一种内窥镜圈的自动识别方法、装置、存储介质及终端 - Google Patents

一种内窥镜圈的自动识别方法、装置、存储介质及终端 Download PDF

Info

Publication number
CN112511725B
CN112511725B CN202011171985.6A CN202011171985A CN112511725B CN 112511725 B CN112511725 B CN 112511725B CN 202011171985 A CN202011171985 A CN 202011171985A CN 112511725 B CN112511725 B CN 112511725B
Authority
CN
China
Prior art keywords
image
circle
calculating
center
edge points
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
Application number
CN202011171985.6A
Other languages
English (en)
Other versions
CN112511725A (zh
Inventor
黄泽鑫
梁江荣
安昕
张浠
任均宇
吴春波
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.)
Guangdong Oupu Mandi Technology Co ltd
Original Assignee
Guangdong Optomedic 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 Guangdong Optomedic Technology Co Ltd filed Critical Guangdong Optomedic Technology Co Ltd
Priority to CN202011171985.6A priority Critical patent/CN112511725B/zh
Publication of CN112511725A publication Critical patent/CN112511725A/zh
Application granted granted Critical
Publication of CN112511725B publication Critical patent/CN112511725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/555—Constructional details for picking-up images in sites, inaccessible due to their dimensions or hazardous conditions, e.g. endoscopes or borescopes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/142—Edging; Contouring

Abstract

本发明公开了一种内窥镜圈的自动识别方法、装置、存储介质及终端，通过对图像进行图像缩小、阈值分割和寻找边缘等图像处理方法，减少了由光源散射造成的干扰，并得到图像中圆的边缘特征；根据边缘特征以及圆的特性进行坐标运算，进而得到圆的圆心坐标以及半径，最终可得到有效的测光区域；相对于现有算法，本方案只需做基本的图像处理、图像遍历操作和坐标运算等简单且少量的计算，复杂度低，运算速度快；通过使用图像缩放和阈值分割，加强抗干扰能力强，能有效抑制光源散射造成的干扰；本方案基于圆的特性，通过对所有可能的圆心坐标和半径进行统计，能有效地解决圆边缘缺失的情况。

Description

一种内窥镜圈的自动识别方法、装置、存储介质及终端
技术领域
本发明涉及计算机软件/图像处理技术领域，尤其涉及的是一种内窥镜圈的自动识别方法、装置、存储介质及终端。
背景技术
内窥镜摄像系统，一般由摄像主机、摄像头、冷光源和内窥镜四部分组成。由于内窥镜的外径大小多种多样，小外径的内窥镜如鼻腔镜、宫腔镜、关节镜，应用在内窥镜系统会形成画面遮挡，如图1a至1c所示，只有内窥镜圈内的范围才能采集到信息，圈外由于被遮挡一般显示为暗沉的黑色。
当摄像系统进行曝光时，一般会使用全局均值测光进行计算。但在上述的情景下，为进一步提高曝光的精准度，应避开内窥镜圈外的区域、只使用内窥镜圈内的区域信息进行计算。
为了进一步提高摄像系统对不同外径内窥镜的适应性，需要设计一款算法能准确识别出上述提及的内窥镜圈内区域。现有算法中一般采用霍夫圆变换算法，该种算法可以寻找出图像中的圆，但这种算法存在以下缺陷：一方面算法计算量多，速度慢；另一方面，算法对噪声很敏感，当内窥镜插入光源的时候，内窥镜的边缘会有概率发生光散射现象，画面上呈现出不规则的圆圈画面，霍夫圆变换并不适合处理这种场景。
因此，现有的技术还有待于改进和发展。
发明内容
本发明的目的在于提供一种内窥镜圈的自动识别方法、装置、存储介质及终端，旨在解决现有的霍夫圆变换算法存在计算量多以及对噪声敏感的问题。
本发明的技术方案如下：一种内窥镜圈的自动识别方法，其中，具体包括以下步骤：
对输入原始的图像进行缩小；
将缩小后的图像转化为灰度图；
对灰度图进行阈值分割得到二值图；
根据二值图计算得到图像圆心的坐标；
根据二值图计算得到圆的半径；
根据得到的图像圆心坐标和圆的半径确定有效的测光区域。
所述的内窥镜圈的自动识别方法，其中，所述根据二值图计算得到图像圆心的坐标，具体包括以下步骤：
根据二值图计算出图像的所有横向边缘点的横坐标值，对计算出的图像所有横向边缘点的横坐标值进行计算；
根据图像所有横向边缘点的横坐标值的计算结果，得到图像圆心的横坐标值；
根据二值图计算出图像的所有纵向边缘点的纵坐标值，对计算出的图像所有纵向边缘点的纵坐标值进行计算；
对计算出的图像所有纵向边缘点的纵坐标值进行计算，得到图像圆心的纵坐标值；
根据得到的图像圆心的横坐标值和图像圆心的纵坐标值得到图像圆心坐标。
所述的内窥镜圈的自动识别方法，其中，所述根据二值图计算得到圆的半径，具体包括以下步骤：
根据二值图计算出图像的所有边缘点的坐标；
计算图像所有边缘点到图像圆心的距离；
对得到的图像所有的边缘点到图像圆心的距离进行计算，得到圆的半径。
所述的内窥镜圈的自动识别方法，其中，采用最临近插值方法对输入原始的图像进行缩小。
所述的内窥镜圈的自动识别方法，其中，将缩小后的图像转化为单通道的灰度图。
所述的内窥镜圈的自动识别方法，其中，采用大津法阈值分割对灰度图进行阈值分割得到二值图。
所述的内窥镜圈的自动识别方法，其中，所述根据二值图计算出图像的所有边缘点的坐标，所述边缘点为横向边缘点或纵向边缘点。
一种内窥镜圈的自动识别装置，其中，包括：
对输入原始的图像进行缩小的图像缩小模块；
将缩小后的图像转化为灰度图的灰度图模块；
对灰度图进行阈值分割得到二值图的二值图模块；
根据二值图计算得到图像圆心的坐标的圆心坐标模块；
根据二值图计算得到圆的半径的圆心半径模块；
根据得到的图像圆心坐标和圆的半径确定有效的测光区域的内窥镜圈确定模块。
一种存储介质，其中，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述任一项所述的方法。
一种终端设备，其中，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述任一项所述的方法。
本发明的有益效果：本发明通过提供一种内窥镜圈的自动识别方法、装置、存储介质及终端，通过对图像进行图像缩小、阈值分割和寻找边缘等图像处理方法，减少了由光源散射造成的干扰，并得到图像中圆的边缘特征；根据边缘特征以及圆的特性进行坐标运算，进而得到圆的圆心坐标以及半径，最终可得到有效的测光区域；相对于现有算法，本方案只需做基本的图像处理、图像遍历操作和坐标运算等简单且少量的计算，复杂度低，运算速度快；通过使用图像缩放和阈值分割，加强抗干扰能力强，能有效抑制光源散射造成的干扰；本方案基于圆的特性，通过对所有可能的圆心坐标和半径进行统计，能有效地解决圆边缘缺失的情况。
附图说明
图1a至图1c是现有技术中内窥镜圈的示意图。
图2是本发明中内窥镜圈的自动识别方法的步骤流程图。
图3是本发明中灰度图的示意图。
图4是本发明中二值图的示意图。
图5a是本发明中左边缘和右边缘的示意图。
图5b是本发明中左边缘和右边缘求均值后的示意图。
图6是本发明中数组xArray的示意图。
图7a是本发明中上边缘和下边缘的示意图。
图7b是本发明中上边缘和下边缘求均值后的示意图。
图8a至8c是本发明中数组yArray的示意图。
图9是本发明中数组pointArray的示意图。
图10是本发明中数组distArray的示意图。
图11是本发明中圆的半径示意图。
图12a至图12d是本发明中使用本内窥镜圈的自动识别方法获得的测光区域流程示意图。
图13是本发明中装置的示意图。
图14是本发明中终端的示意图。
具体实施方式
下面将结合本申请实施例中附图，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实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图2所示，一种内窥镜圈的自动识别方法，具体包括以下步骤：
S1：对输入原始的图像进行缩小。
其中，采用最临近插值方法对输入原始的图像src进行缩小，得到src_small；对输入原始的图像缩小的尺寸可根据实际运行速度和效果做一定的调整，缩小的插值方法也可选其他方法。
S2：将缩小后的图像转化为灰度图。
其中，将src_small转化为单通道的灰度图gray，如图3所示。
S3：对灰度图进行阈值分割得到二值图。
其中，对gray进行大津法阈值分割（不限于使用大津法，可选择其他阈值分割方法），获得二值图binary，高值（即灰度值为255）为圆心图，低值（即灰度值为0）为背景图，如图4所示。
S4：根据二值图计算出图像的所有横向边缘点的横坐标值，对计算出的图像所有横向边缘点的横坐标值进行计算。
其中，根据binary计算出图像的横向边缘点的横坐标值，对计算出的图像所有横向边缘点的横坐标值进行计算，包括以下过程：在二值图binary上，对于y轴上的每一个y值，寻找这一行上两个边上的左边缘x1值和右边缘x2值，如图5a所示，对x1和x2求均值后保存在数组xArray里，如图5b所示。其中的左边缘x1值为二值图上从图像的中心x坐标到图像左端的这段范围里，靠近左端的高值x坐标，右边缘x2同理。若是没有两个边缘值，则跳过此行的计算；循环上述过程，遍历二值图binary上y轴的每一个值，如此计得到所有的均值。
S5：根据图像所有横向边缘点的横坐标值的计算结果，得到图像圆心的横坐标值。
其中，由S4得到的所有横坐标值进行计算，得到圆心的x坐标：对于数组xArray中，统计出现最多次的均值数值，这个均值数值作为图像圆心的x坐标，如图6所示。
S6：根据二值图计算出图像的所有纵向边缘点的纵坐标值，对计算出的图像所有纵向边缘点的纵坐标值进行计算。
其中，根据binary计算出图像的纵向边缘点的纵坐标值，对计算出的图像所有纵向边缘点的纵坐标值进行计算，具体包括以下步骤：在二值图binary上，对于x轴上的每一个x值，寻找这一列上两个边上的上边缘y1值和下边缘y2值，如图7a所示，对y1和y2求均值后保存在数组yArray里，如图7b所示。其中的上边缘y1值为二值图上从图像的中心y坐标到图像上端的这段范围里，靠近上端的高值y坐标，右边缘y2同理。若是没有两个边缘值，则跳过此列的计算；循环上述过程，遍历二值图binary上x轴的每一个值，如此计得到所有的均值。
S7：对计算出的图像所有纵向边缘点的纵坐标值进行计算，得到图像圆心的纵坐标值；至此，得到图像圆心坐标。
其中，由S6得到的所有纵坐标值进行计算，得到圆心的y坐标： 对于数组yArray，统计出现最多次的均值数值，这个均值数值作为图像圆心的y坐标，如图8a所示。
结合S5得到的图像圆心的x坐标，如图8b所示，得到图像圆心坐标，如图8c所示。
S8：根据二值图计算出图像的所有边缘点的坐标。
其中，可以根据二值图计算出图像的所有横向边缘点的坐标或所有纵向边缘点的坐标：
（1）根据binary计算出图像的横向边缘点的坐标：在二值图binary上，对于y轴上的每一个y值，寻找这一行上两个边上的左边缘x1值和右边缘x2值（其中的左边缘x1值为二值图上从图像的中心x坐标到图像左端的这段范围里，靠近左端的高值x坐标，右边缘x2同理），保存这两个点的x坐标和y坐标到数组pointArray里。若是寻找不到这一行的边缘值，则跳过此行的计算，为节省计算过程，此步骤可以放在S4里一起完成，如图9所示。循环上述过程，遍历二值图binary上y轴的每一个值，如此计得到所有横向边缘点的坐标。
（2）根据binary计算出图像的纵向边缘点的坐标：在二值图binary上，对于x轴上的每一个x值，寻找这一行上两个边上的左边缘y1值和右边缘y2值（其中的上边缘y1值为二值图上从图像的中心y坐标到图像上端的这段范围里，靠近上端的高值y坐标，右边缘y2同理），保存这两个点的x坐标和y坐标到数组pointArray里。若是寻找不到这一列的边缘值，则跳过此列的计算，为节省计算过程，此步骤可以放在S6里一起完成。循环上述过程，遍历二值图binary上x轴的每一个值，如此计得到所有纵向边缘点的坐标。
本技术方案中，步骤S8可以通过执行（1）或执行（2）来实现，优选采用执行（1）来实现，因为横向边缘点在内窥镜圈视野外的概率小于纵向边缘点纵向边缘点，采用执行（1）来实现，可以提高计算的精确率。
S9：计算图像所有边缘点到图像圆心的距离。
其中，计算由S8得到的所有边缘点的坐标与圆心坐标的距离：对于数组pointArray上的每个点，计算点到圆心坐标的距离，保存在数组distArray里。
其中，对于两个点p1(x1, x2)、p2(x2, y2)之间的距离公式为：
Figure DEST_PATH_IMAGE002
，如图10所示，其中p1为边缘点坐标，p2为圆心坐标。
S10：对得到的图像所有的边缘点到图像圆心的距离进行计算，得到圆的半径，从而确定有效的测光区域，即内窥镜圈。
其中，由S9得到的保存在数组distArray里所有距离进行计算，统计出现最多次的距离值，这个距离值作为圆的半径，如图11所示，从而得到圆的半径。
如图12a至图12d所示，是通过算法计算得到圆的信息，再通过圆的信息计算圆的内接形，再使用绿色在图中画出的矩形。为了确保不采到圆外面的图像，矩形进行了一定的缩小，矩形区域即为测光区域。
如图13所示，一种采用如上述所述的内窥镜圈的自动识别方法的装置，包括：
对输入原始的图像进行缩小的图像缩小模块101；
将缩小后的图像转化为灰度图的灰度图模块102；
对灰度图进行阈值分割得到二值图的二值图模块103；
根据二值图计算得到图像圆心的坐标的圆心坐标模块104；
根据二值图计算得到圆的半径的圆心半径模块105；
根据得到的图像圆心坐标和圆的半径确定有效的测光区域的内窥镜圈确定模块106。
请参照图14，本发明实施例还提供一种终端。如示，终端300包括处理器301和存储器302。其中，处理器301与存储器302电性连接。处理器301是终端300的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或调用存储在存储器302内的计算机程序，以及调用存储在存储器302内的数据，执行终端的各种功能和处理数据，从而对终端300进行整体监控。
在本实施例中，终端300中的处理器301会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的计算机程序，从而实现各种功能：对输入原始的图像进行缩小；将缩小后的图像转化为灰度图；对灰度图进行阈值分割得到二值图；根据二值图计算得到图像圆心的坐标；根据二值图计算得到圆的半径；根据得到的图像圆心坐标和圆。
存储器302可用于存储计算机程序和数据。存储器302存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器301通过调用存储在存储器302的计算机程序，从而执行各种功能应用以及数据处理。
本申请实施例提供一种存储介质，所述计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：对输入原始的图像进行缩小；将缩小后的图像转化为灰度图；对灰度图进行阈值分割得到二值图；根据二值图计算得到图像圆心的坐标；根据二值图计算得到圆的半径；根据得到的图像圆心坐标和圆。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种内窥镜圈的自动识别方法，其特征在于，具体包括以下步骤：
对输入原始的图像进行缩小；
将缩小后的图像转化为灰度图；
对灰度图进行阈值分割得到二值图；
根据二值图计算得到图像圆心的坐标；
根据二值图计算得到圆的半径；
根据得到的图像圆心坐标和圆的半径确定圆，并画出圆内接矩形来确定有效的测光区域。
2.根据权利要求1所述的内窥镜圈的自动识别方法，其特征在于，所述根据二值图计算得到图像圆心的坐标，具体包括以下步骤：
根据二值图计算出图像的所有横向边缘点的横坐标值，对计算出的图像所有横向边缘点的横坐标值进行计算；
根据图像所有横向边缘点的横坐标值的计算结果，得到图像圆心的横坐标值；
根据二值图计算出图像的所有纵向边缘点的纵坐标值，对计算出的图像所有纵向边缘点的纵坐标值进行计算；
对计算出的图像所有纵向边缘点的纵坐标值进行计算，得到图像圆心的纵坐标值；
根据得到的图像圆心的横坐标值和图像圆心的纵坐标值得到图像圆心坐标。
3.根据权利要求1所述的内窥镜圈的自动识别方法，其特征在于，所述根据二值图计算得到圆的半径，具体包括以下步骤：
根据二值图计算出图像的所有边缘点的坐标；
计算图像所有边缘点到图像圆心的距离；
对得到的图像所有的边缘点到图像圆心的距离进行计算，得到圆的半径。
4.根据权利要求1所述的内窥镜圈的自动识别方法，其特征在于，采用最临近插值方法对输入原始的图像进行缩小。
5.根据权利要求1所述的内窥镜圈的自动识别方法，其特征在于，将缩小后的图像转化为单通道的灰度图。
6.根据权利要求1所述的内窥镜圈的自动识别方法，其特征在于，采用大津法阈值分割对灰度图进行阈值分割得到二值图。
7.根据权利要求3所述的内窥镜圈的自动识别方法，其特征在于，所述根据二值图计算出图像的所有边缘点的坐标，所述边缘点为横向边缘点或纵向边缘点。
8.一种内窥镜圈的自动识别装置，其特征在于，包括：
对输入原始的图像进行缩小的图像缩小模块；
将缩小后的图像转化为灰度图的灰度图模块；
对灰度图进行阈值分割得到二值图的二值图模块；
根据二值图计算得到图像圆心的坐标的圆心坐标模块；
根据二值图计算得到圆的半径的圆心半径模块；
根据得到的图像圆心坐标和圆的半径确定圆，并画出圆内接矩形来确定有效的测光区域的内窥镜圈确定模块。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行权利要求1至7任一项所述的方法。
10.一种终端设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行权利要求1至7任一项所述的方法。
CN202011171985.6A 2020-10-28 2020-10-28 一种内窥镜圈的自动识别方法、装置、存储介质及终端 Active CN112511725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011171985.6A CN112511725B (zh) 2020-10-28 2020-10-28 一种内窥镜圈的自动识别方法、装置、存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011171985.6A CN112511725B (zh) 2020-10-28 2020-10-28 一种内窥镜圈的自动识别方法、装置、存储介质及终端

Publications (2)

Publication Number Publication Date
CN112511725A CN112511725A (zh) 2021-03-16
CN112511725B true CN112511725B (zh) 2022-07-26

Family

ID=74954648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011171985.6A Active CN112511725B (zh) 2020-10-28 2020-10-28 一种内窥镜圈的自动识别方法、装置、存储介质及终端

Country Status (1)

Country Link
CN (1) CN112511725B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610881B (zh) * 2021-08-25 2024-03-01 浙江华感科技有限公司 目标对象的确定方法及装置、存储介质、电子装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1692871A (zh) * 2005-05-17 2005-11-09 上海大学 软性内窥镜三维曲线形状检测装置和方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6859555B1 (en) * 2000-09-19 2005-02-22 Siemens Corporate Research, Inc. Fast dominant circle detection through horizontal and vertical scanning
CN106153302B (zh) * 2015-03-24 2019-03-12 北京威斯顿亚太光电仪器有限公司 一种用于硬管内窥镜成像畸变的测量方法
CN106839976B (zh) * 2016-12-22 2020-05-12 歌尔科技有限公司 一种检测镜头中心的方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1692871A (zh) * 2005-05-17 2005-11-09 上海大学 软性内窥镜三维曲线形状检测装置和方法

Also Published As

Publication number Publication date
CN112511725A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
US9367766B2 (en) Text line detection in images
CN109035304B (zh) 目标跟踪方法、介质、计算设备和装置
US9076056B2 (en) Text detection in natural images
US9679354B2 (en) Duplicate check image resolution
CN110441319B (zh) 一种外观缺陷的检测方法及装置
US20170178341A1 (en) Single Parameter Segmentation of Images
CN113963330A (zh) 障碍物检测方法、装置、电子设备及存储介质
CN108734161B (zh) 冠字号区域的识别方法、装置、设备及存储介质
CN112511725B (zh) 一种内窥镜圈的自动识别方法、装置、存储介质及终端
CN108960247B (zh) 图像显著性检测方法、装置以及电子设备
CN112634235A (zh) 产品图像的边界检测方法和电子设备
CN112784675B (zh) 目标检测方法及装置、存储介质、终端
CN113409271A (zh) 一种镜头油污的检测方法、装置及设备
WO2024016686A1 (zh) 角点检测的方法和装置
CN117152165A (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
CN110765875B (zh) 交通目标的边界检测方法、设备及装置
CN109241865B (zh) 一种弱对比度交通场景下的车辆检测分割算法
CN111739043A (zh) 一种停车位绘制方法、装置、设备和存储介质
CN115345895B (zh) 用于视觉检测的图像分割方法、装置、计算机设备及介质
CN115222653B (zh) 测试方法和装置
CN115713620A (zh) 一种红外小目标检测方法、装置、计算设备及存储介质
CN111767751B (zh) 二维码图像识别方法和装置
CN111753573B (zh) 二维码图像识别方法、装置、电子设备以及可读存储介质
US20140219516A1 (en) System and method for iris detection in digital images
CN111932515B (zh) 产品残留类缺陷的短路检测方法及系统及缺陷分类系统

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
CP03 Change of name, title or address

Address after: 528253 Room 503, Floor 5, Building A, Jingu Zhichuang Industrial Community, No. 2, Yong'an North Road, Dawu Community, Guicheng Street, Nanhai District, Foshan City, Guangdong Province (residence declaration)

Patentee after: Guangdong Oupu Mandi Technology Co.,Ltd.

Address before: Room B, room 504-2, floor 5, block a, Jingu photoelectric community, No. 1, Yongan North Road, Pingzhou, Guicheng Street, Nanhai District, Foshan City, Guangdong Province, 528251

Patentee before: GUANGDONG OPTOMEDIC TECHNOLOGY CO.,LTD.

CP03 Change of name, title or address