CN112634288A - 设备区域图像分割方法及装置 - Google Patents

设备区域图像分割方法及装置 Download PDF

Info

Publication number
CN112634288A
CN112634288A CN202011584351.3A CN202011584351A CN112634288A CN 112634288 A CN112634288 A CN 112634288A CN 202011584351 A CN202011584351 A CN 202011584351A CN 112634288 A CN112634288 A CN 112634288A
Authority
CN
China
Prior art keywords
image
appearance
region
gradient
appearance 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.)
Pending
Application number
CN202011584351.3A
Other languages
English (en)
Inventor
田寨兴
余卫宇
廖伟权
刘嘉
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 Epbox Information Technology Co ltd
Original Assignee
Guangzhou Epbox 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 Epbox Information Technology Co ltd filed Critical Guangzhou Epbox Information Technology Co ltd
Priority to CN202011584351.3A priority Critical patent/CN112634288A/zh
Publication of CN112634288A publication Critical patent/CN112634288A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种设备区域图像分割方法及装置，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像并确定灰度图像的梯度图像。进一步地，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域，最后从ROI区域中提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。

Description

设备区域图像分割方法及装置
技术领域
本发明涉及电子产品技术领域，特别是涉及一种设备区域图像分割方法及装置。
背景技术
随着电子产品技术的发展，各种智能设备层出不穷，例如智能手机、笔记本电脑和平板电脑等。目前，伴随着经济和技术的高速发展，智能设备的普及和更新换代速度也越来越快。以智能手机为例，5G时代的到来，加速了智能手机的换代。在智能设备进行迭代的过程中，有效回收是智能设备剩余价值的有效利用手段之一，可减少对环境的化学污染以及减少浪费。
在智能设备的回收过程中，智能设备的整体损耗程度对智能设备的回收估价有较大影响。一般地，主要通过观察智能设备的外观损耗来确定整体损耗，例如划痕、掉漆或外爆等类别的外观损耗来评估智能设备的整体损耗，为智能设备的回收估价提供部分有效的参考。
然而，在获取智能设备外观图像时，由于成像范围包括智能设备与背景，外观图像内与智能设备外观无关的信息较多，在根据外观图像观察智能设备外观时会受到较多的干扰。
发明内容
基于此，有必要针对在根据外观图像观察智能设备外观时会受到较多的干扰这一缺陷，提供一种设备区域图像分割方法及装置。
一种设备区域图像分割方法，包括步骤：
获取智能设备外观图像；
对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
确定灰度图像的梯度图像；
根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI(region of interest感兴趣区域)区域；
在ROI区域中提取出智能设备外观图像的设备区域图像。
上述的设备区域图像分割方法，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像并确定灰度图像的梯度图像。进一步地，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域，最后从ROI区域中提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
在其中一个实施例中，在对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程之前，还包括步骤：
对智能设备外观图像作高斯滤波处理。
在其中一个实施例中，对智能设备外观图像作高斯滤波处理的过程，如下式：
Figure BDA0002865190540000021
其中，X1表示高斯滤波处理后的智能设备外观图像，X表示智能设备外观图像；j＝1,2,...,H，i＝1,2,...,W，j和i分和别表示相对于智能设备外观图像中左上角原点的水平方向和垂直方向的坐标值，H表示X的高度，W表示X的宽度；w表示矩形窗口的长度，设置为3；A表示对应矩形窗口的幅值，设置为16；矩形窗口表示高斯滤波对应的模板如下式
Figure BDA0002865190540000031
在其中一个实施例中，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程，如下式：
G1(j,i)＝0.1140*X1b(j,i)+0.58570*X1g(j,i)+0.2989*X1r(j,i)。
其中，G1表示灰度图像，X1表示智能设备外观图像；X1r表示智能设备外观图像的R通道彩色分量，X1g表示智能设备外观图像的G通道彩色分量，X1b表示智能设备外观图像的B通道彩色分量。
在其中一个实施例中，确定灰度图像的梯度图像的过程，如下式：
Figure BDA0002865190540000032
其中，G1表示灰度图像，Gd表示梯度图像，a表示水平方向边缘梯度检测的权重因子，β表示垂直方向边缘梯度检测的权重因子，且a+β＝1；w表示矩形窗口的长度；Kx表示灰度图像在水平方向的卷积运算核，如下式：
Figure BDA0002865190540000033
Ky表示灰度图像在垂直方向的卷积运算核，如下式：
Figure BDA0002865190540000034
在其中一个实施例中，a＝β＝0.5，w＝3。
在其中一个实施例中，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域的过程，如下式：
Figure BDA0002865190540000041
其中，E表示ROI区域，w表示矩形窗口的长度，th表示矩形窗口内的梯度阈值，Gd表示梯度图像。
一种设备区域图像提取装置，包括：
图像获取模块，用于获取智能设备外观图像；
转换处理模块，用于对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
图像转换模块，用于确定灰度图像的梯度图像；
区域识别模块，用于根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域；
区域提取模块，用于在ROI区域中提取出智能设备外观图像的设备区域图像。
上述的设备区域图像提取装置，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像并确定灰度图像的梯度图像。进一步地，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域，最后从ROI区域中提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的设备区域图像分割方法。
上述的计算机存储介质，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像并确定灰度图像的梯度图像。进一步地，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域，最后从ROI区域中提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
一种计算机设备，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，处理器执行程序时实现上述任一实施例的设备区域图像分割方法。
上述的计算机设备，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像并确定灰度图像的梯度图像。进一步地，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域，最后从ROI区域中提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
附图说明
图1为一实施方式的设备区域图像分割方法流程图；
图2为另一实施方式的设备区域图像分割方法流程图；
图3为一实施方式的设备区域图像提取装置模块结构图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
本发明实施例提供了一种设备区域图像分割方法。
图1为一实施方式的设备区域图像分割方法流程图，如图1所示，一实施方式的设备区域图像分割方法包括步骤S100至步骤S104：
S100，获取智能设备外观图像；
通过拍摄智能设备，获得智能设备外观图像。例如，在智能设备进行回收时，设备回收终端通过拍摄智能设备，提供了包括拍摄背景和设备外观图像在内的智能设备外观图像。
S101，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
通过颜色空间转换处理，将智能设备外观图像作灰度处理，得到智能设备外观图像的灰度图像。
在其中一个实施例中，图2为另一实施方式的设备区域图像分割方法流程图，如图2所示，在步骤S101中对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程之前，还包括步骤S200
S200，对智能设备外观图像作高斯滤波处理；
其中，通过高斯滤波处理，移除智能设备外观图像中的白噪声。
在其中一个实施例中，步骤S200中对智能设备外观图像作高斯滤波处理的过程，如下式：
Figure BDA0002865190540000061
其中，X1表示高斯滤波处理后的智能设备外观图像，X表示智能设备外观图像；j＝1,2,...,H，i＝1,2,...,W，j和i分和别表示相对于智能设备外观图像中左上角原点的水平方向和垂直方向的坐标值，H表示X的高度，W表示X的宽度；w表示矩形窗口的长度，设置为3；A表示对应矩形窗口的幅值，设置为16；矩形窗口表示高斯滤波对应的模板如下式
Figure BDA0002865190540000071
在其中一个实施例中，步骤S101中对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程，如下式：
G1(j,i)＝0.1140*X1b(j,i)+0.58570*X1g(j,i)+0.2989*X1r(j,i)。
其中，G1表示灰度图像，X1表示智能设备外观图像；X1r表示智能设备外观图像的R通道彩色分量，X1g表示智能设备外观图像的G通道彩色分量，X1b表示智能设备外观图像的B通道彩色分量。
S102，确定灰度图像的梯度图像；
在其中一个实施例中，步骤S102中确定灰度图像的梯度图像的过程，如下式：
Figure BDA0002865190540000072
其中，G1表示灰度图像，Gd表示梯度图像，a表示水平方向边缘梯度检测的权重因子，β表示垂直方向边缘梯度检测的权重因子，且a+β＝1；w表示矩形窗口的长度；Kx表示灰度图像在水平方向的卷积运算核，如下式：
Figure BDA0002865190540000073
Ky表示灰度图像在垂直方向的卷积运算核，如下式：
Figure BDA0002865190540000074
作为一个较优的实施方式，权重因子均分，即a＝β＝0.5，矩形窗口的长度w＝3。
S103，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域；
在其中一个实施例中，步骤S103中根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域的过程，如下式：
Figure BDA0002865190540000081
其中，E表示ROI区域，w表示矩形窗口的长度，th表示矩形窗口内的梯度阈值，Gd表示梯度图像。
作为一个较优的实施方式，矩形窗口的长度w设置为5，矩形窗口内的梯度阈值th设置为15。
S104，在ROI区域中提取出智能设备外观图像的设备区域图像。
在ROI区域中筛选出设备区域轮廓，并保存为设备区域图像，用于后续设备回收的外观检测。
上述任一实施例的设备区域图像分割方法，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像并确定灰度图像的梯度图像。进一步地，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域，最后从ROI区域中提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
本发明实施例还提供一种设备区域图像提取装置。
图3为一实施方式的设备区域图像提取装置模块结构图，如图3所示，一实施方式的设备区域图像提取装置包括模块100、模块101、模块102、模块103和模块104：
图像获取模块，用于获取智能设备外观图像；
转换处理模块，用于对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
图像转换模块，用于确定灰度图像的梯度图像；
区域识别模块，用于根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域；
区域提取模块，用于在ROI区域中提取出智能设备外观图像的设备区域图像。
上述的设备区域图像提取装置，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像并确定灰度图像的梯度图像。进一步地，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域，最后从ROI区域中提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的设备区域图像分割方法。
本领域的技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、随机存取存储器(RAM，Random Access Memory)、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元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，也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，本发明实施例的技术方案本质上或者说对相关技术做出贡献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、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、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，其中，处理器执行程序时实现如上述各实施例中的任意一种设备区域图像分割方法。
上述计算机设备，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像并确定灰度图像的梯度图像。进一步地，根据梯度图像的梯度信息获取智能设备外观图像中人眼视觉系统敏感的ROI区域，最后从ROI区域中提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种设备区域图像分割方法，其特征在于，包括步骤：
获取智能设备外观图像；
对所述智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
确定所述灰度图像的梯度图像；
根据所述梯度图像的梯度信息获取所述智能设备外观图像中人眼视觉系统敏感的ROI区域；
在所述ROI区域中提取出所述智能设备外观图像的设备区域图像。
2.根据权利要求1所述的设备区域图像分割方法，其特征在于，在所述对所述智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程之前，还包括步骤：
对所述智能设备外观图像作高斯滤波处理。
3.根据权利要求2所述的设备区域图像分割方法，其特征在于，所述对所述智能设备外观图像作高斯滤波处理的过程，如下式：
Figure FDA0002865190530000011
其中，X1表示高斯滤波处理后的智能设备外观图像，X表示所述智能设备外观图像；j＝1,2,...,H，i＝1,2,...,W，j和i分和别表示相对于智能设备外观图像中左上角原点的水平方向和垂直方向的坐标值，H表示X的高度，W表示X的宽度；w表示矩形窗口的长度，设置为3；A表示对应矩形窗口的幅值，设置为16；矩形窗口表示高斯滤波对应的模板如下式
Figure FDA0002865190530000012
4.根据权利要求1所述的设备区域图像分割方法，其特征在于，所述对所述智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程，如下式：
G1(j,i)＝0.1140*X1b(j,i)+0.58570*X1g(j,i)+0.2989*X1r(j,i)。
其中，G1表示所述灰度图像，X1表示所述智能设备外观图像；X1r表示所述智能设备外观图像的R通道彩色分量，X1g表示所述智能设备外观图像的G通道彩色分量，X1b表示所述智能设备外观图像的B通道彩色分量。
5.根据权利要求1所述的设备区域图像分割方法，其特征在于，所述确定所述灰度图像的梯度图像的过程，如下式：
Figure FDA0002865190530000021
其中，G1表示所述灰度图像，Gd表示所述梯度图像，a表示水平方向边缘梯度检测的权重因子，β表示垂直方向边缘梯度检测的权重因子，且a+β＝1；w表示矩形窗口的长度；Kx表示所述灰度图像在水平方向的卷积运算核，如下式：
Figure FDA0002865190530000022
Ky表示所述灰度图像在垂直方向的卷积运算核，如下式：
Figure FDA0002865190530000023
6.根据权利要求5所述的设备区域图像分割方法，其特征在于，所述a＝β＝0.5，w＝3。
7.根据权利要求1至6任意一项所述的设备区域图像分割方法，其特征在于，所述根据所述梯度图像的梯度信息获取所述智能设备外观图像中人眼视觉系统敏感的ROI区域的过程，如下式：
Figure FDA0002865190530000024
其中，E表示所述ROI区域，w表示矩形窗口的长度，th表示矩形窗口内的梯度阈值，Gd表示所述梯度图像。
8.一种设备区域图像提取装置，其特征在于，包括：
图像获取模块，用于获取智能设备外观图像；
转换处理模块，用于对所述智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
图像转换模块，用于确定所述灰度图像的梯度图像；
区域识别模块，用于根据所述梯度图像的梯度信息获取所述智能设备外观图像中人眼视觉系统敏感的ROI区域；
区域提取模块，用于在所述ROI区域中提取出所述智能设备外观图像的设备区域图像。
9.一种计算机存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1至7任意一项所述的设备区域图像分割方法。
10.一种计算机设备，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，所述处理器执行程序时实现如权利要求1至7任意一项所述的设备区域图像分割方法。
CN202011584351.3A 2020-12-28 2020-12-28 设备区域图像分割方法及装置 Pending CN112634288A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011584351.3A CN112634288A (zh) 2020-12-28 2020-12-28 设备区域图像分割方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011584351.3A CN112634288A (zh) 2020-12-28 2020-12-28 设备区域图像分割方法及装置

Publications (1)

Publication Number Publication Date
CN112634288A true CN112634288A (zh) 2021-04-09

Family

ID=75285752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011584351.3A Pending CN112634288A (zh) 2020-12-28 2020-12-28 设备区域图像分割方法及装置

Country Status (1)

Country Link
CN (1) CN112634288A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11436570B2 (en) 2014-10-31 2022-09-06 Ecoatm, Llc Systems and methods for recycling consumer electronic devices
US11922467B2 (en) 2020-08-17 2024-03-05 ecoATM, Inc. Evaluating an electronic device using optical character recognition
US11989701B2 (en) 2014-10-03 2024-05-21 Ecoatm, Llc System for electrically testing mobile devices at a consumer-operated kiosk, and associated devices and methods

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226632A (zh) * 2008-02-02 2008-07-23 中国科学院遥感应用研究所 一种新的自适应阈值化方法
CN107452007A (zh) * 2017-07-05 2017-12-08 国网河南省电力公司 一种可见光绝缘子图像边缘检测方法
CN108280823A (zh) * 2017-12-29 2018-07-13 南京邮电大学 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226632A (zh) * 2008-02-02 2008-07-23 中国科学院遥感应用研究所 一种新的自适应阈值化方法
CN107452007A (zh) * 2017-07-05 2017-12-08 国网河南省电力公司 一种可见光绝缘子图像边缘检测方法
CN108280823A (zh) * 2017-12-29 2018-07-13 南京邮电大学 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11989701B2 (en) 2014-10-03 2024-05-21 Ecoatm, Llc System for electrically testing mobile devices at a consumer-operated kiosk, and associated devices and methods
US11436570B2 (en) 2014-10-31 2022-09-06 Ecoatm, Llc Systems and methods for recycling consumer electronic devices
US11922467B2 (en) 2020-08-17 2024-03-05 ecoATM, Inc. Evaluating an electronic device using optical character recognition

Similar Documents

Publication Publication Date Title
Li et al. Single image rain streak decomposition using layer priors
CN112634288A (zh) 设备区域图像分割方法及装置
CN108830780B (zh) 图像处理方法及装置、电子设备、存储介质
Rivest-Hénault et al. A local linear level set method for the binarization of degraded historical document images
CN112634301A (zh) 设备区域图像提取方法及装置
CN112215773B (zh) 基于视觉显著性的局部运动去模糊方法、装置及存储介质
CN110708568B (zh) 一种视频内容突变检测方法及装置
CN110245600B (zh) 自适应起始快速笔画宽度无人机道路检测方法
CN113688838B (zh) 红色笔迹提取方法、系统、可读存储介质及计算机设备
CN111951283A (zh) 一种基于深度学习的医学图像识别方法及系统
CN114926374B (zh) 一种基于ai的图像处理方法、装置、设备及可读存储介质
CN112614117A (zh) 设备区域提取模型训练方法、设备区域提取方法及装置
CN112686265A (zh) 一种基于层级轮廓提取的象形文字分割方法
CN111445402B (zh) 一种图像去噪方法及装置
CN109033797B (zh) 一种权限设置方法及装置
CN116030472A (zh) 文字坐标确定方法及装置
Ahn et al. Segmenting a noisy low-depth-of-field image using adaptive second-order statistics
CN114693543B (zh) 图像降噪方法及装置、图像处理芯片、图像采集设备
CN116205802A (zh) 图像去噪方法、装置、存储介质及电子设备
CN114299293A (zh) 应用于回收检测的图像机器视觉预处理方法及装置
CN115223173A (zh) 对象识别方法、装置、电子设备及存储介质
CN113034481A (zh) 设备图像模糊检测方法及装置
CN114550062A (zh) 图像中运动对象的确定方法、装置、电子设备和存储介质
CN110188601B (zh) 一种基于学习的机场遥感图像检测方法
Krupiński et al. Improved two-step binarization of degraded document images based on Gaussian mixture model

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