CN112881253B - 一种确定岩石铸体薄片图片孔隙区域的方法、面孔率计算方法及其应用 - Google Patents
一种确定岩石铸体薄片图片孔隙区域的方法、面孔率计算方法及其应用 Download PDFInfo
- Publication number
- CN112881253B CN112881253B CN201911204057.2A CN201911204057A CN112881253B CN 112881253 B CN112881253 B CN 112881253B CN 201911204057 A CN201911204057 A CN 201911204057A CN 112881253 B CN112881253 B CN 112881253B
- Authority
- CN
- China
- Prior art keywords
- pore
- rock
- intersection
- area
- picture
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Abstract
本发明公开了一种确定岩石铸体薄片孔隙区域的方法、面孔率计算方法及其应用,本发明通过制定的多阈值分割条件提取岩石铸体薄片图像中的孔隙区域,并计算面孔率。本发明的关键为阈值条件的构建,其实现分为两步:彩色图像RGB粗略阈值条件的构建、基于多元回归的精细阈值条件的确定,通过本发明可以实现自动批量识别岩石铸体薄片的孔隙区域、计算面孔率,降低解释铸体薄片的面孔率工作量,达到提高面孔率解释效率的目的。
Description
技术领域
本发明涉及岩石铸体薄片描述、图像分割技术领域,特别是涉及一种定量计算岩石面孔率的方法。
背景技术
岩石铸体薄片(如图10所示)是在真空加压条件下将有色液态胶注入岩石孔隙空间,待液态胶固化后磨制成的岩石薄片,目前常用有色液态胶的颜色有蓝色、红色、绿色、黄色等。在偏光镜下,铸体薄片中被有色液体充填的孔隙可以清晰的观察到,是研究岩石中真实孔隙的一种重要手段。铸体薄片图片提取孔隙区域的方法有灰度阈值分割法、二维熵阈值分割法、形态学分水岭分割法等,上述方法在阈值不易确定和临界条件不能较好提取真实孔隙等问题。
实际应用中常制造多个岩石铸体薄片中对研究区储层孔隙度进行分析,这些铸体薄片常具有相近的颜色,手动解释铸体薄片的面孔率相对准确,但对解释人员的解释经验有较高的要求,同时需要对多个岩石铸体薄片一一解释,十分费时费力。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷,而提供一种定量计算岩石面孔率的方法,可自动批量提取岩石铸体薄片图片中的孔隙区域,并计算面孔率。
本发明的另一个目的是提供一种确定岩石铸体薄片图片孔隙区域的方法,通过粗略阈值条件的构建和基于多元回归的精细阈值条件的确定,由精细阈值条件来确定孔隙区域。
本发明的另一个目的是提供所述确定岩石铸体薄片图片孔隙区域方法的应用,由该方法得到的精细阈值条件可作为不同类型铸体薄片面孔的提取标准。
本发明的另一方面是提供所述定量计算岩石面孔率的方法的应用,可应用于储层孔隙度统计、岩石物性分析等领域。
为实现本发明的目的所采用的技术方案是:
一种确定岩石铸体薄片图片孔隙区域的方法,包括以下步骤:
步骤1,选取一岩石铸体薄片图片,框出明显的孔隙区域作为提取区域,提取所述提取区域的RGB值,分别两两进行交会,得到R与G交会图、R与B交会图和G与B交会图,手动标注以上三个交会图中条带的上限直线和下限直线,构建三个交会图中所述上限直线和下限直线的临界线方程,由此确定粗略的阈值界限;
步骤2,选取10张以上岩石铸体薄片图片,根据步骤1中获得的粗略的阈值界限提取每一岩石铸体薄片图片中的对应区域的RGB值,利用多元线性回归得到平面方程B(R,G),选取图像中的孔隙误导区域记录其RGB值,修正所述平面方程B(R,G),确定孔隙提取的精确阈值条件,利用该精确阈值条件确定岩石铸体薄片图片中的孔隙区域。
在上述技术方案中,所述步骤2中,获取所述孔隙误导区域的RGB值为B,计算L=B-B(R,G),统计得到最小的正L,记作Lup,统计得到最大的负L,记作Ldown,所述精确阈值条件为:
Bup(R,G)=B(R,G)+Lup
Bdown(R,G)=B(R,G)-Ldown。
本发明的另一方面,精确阈值条件作为不同类型铸体薄片面孔的提取标准的应用。
本发明的另一方面,一种定量计算岩石面孔率的方法,包括以下步骤:
步骤1,选取一岩石铸体薄片图片,框出明显的孔隙区域作为提取区域,提取所述提取区域的RGB值,分别两两进行交会,得到R与G交会图、R与B交会图和G与B交会图,手动标注以上三个交会图中条带的上限直线和下限直线,构建三个交会图中所述上限直线和下限直线的临界线方程,由此确定粗略的阈值界限;
步骤2,选取10张以上岩石铸体薄片图片,根据步骤1中获得的粗略的阈值界限提取每一岩石铸体薄片图片中对应区域的RGB值,利用多元线性回归得到平面方程B(R,G),选取图像中的孔隙误导区域记录其RGB值,修正所述平面方程B(R,G),确定孔隙提取的精确阈值条件;
步骤3,输入待估面孔率的岩石铸体薄片图片,根据步骤2得到的精确阈值条件判断每个像素是否为孔隙;
步骤4,提取面孔并计算面孔率。
在上述技术方案中,所述获取所述孔隙误导区域的RGB值为B,计算L=B-B(R,G),统计得到最小的正L,记作Lup,统计得到最大的负L,记作Ldown,所述精确阈值条件为:
Bup(R,G)=B(R,G)+Lup
Bdown(R,G)=B(R,G)-Ldown,
其中x、y为R、G或B值,Li为三个交会图的临界线L1、L2、L3、L4、L5和L6,(x1,y1)、(x2,y2)为人为确定的临界线上的两个点;
所述阈值界限为:
fL2(R)≤G≤fL1(R) (2)
fL4(R)≤B≤fL3(R) (3)
fL6(G)≤B≤fL5(G) (4)
在上述技术方案中,提取RGB值时,利用铸体薄片孔隙提取软件ctsPore中孔隙初步提取模块或者利用软件Matlab中颜色阈值模块提取。
在上述技术方案中,所述步骤2中,平面方程B(R,G)为:
aR+bG-B+d=0 (6)
式中,a、b、d为平面方程中的参数,R、G、B为红绿蓝三原色的数值;
Bup(R,G)=aR+bG+d+Lup (8)
Bdown(R,G)=aR+bG+d-Ldown (9)
在上述技术方案中,所述步骤3中,若Bdown(R,G)<待估面孔率的岩石铸体薄片像素B<Bup(R,G),则判断该像素位于孔隙区域。
本发明的另一方面,所述定量计算岩石面孔率的方法在储层孔隙度统计、岩石物性分析中的应用。
本发明为彩色图像阈值分割,通过制定的多阈值分割条件提取岩石铸体薄片图像中的孔隙区域,并计算面孔率。本发明的关键为阈值条件的构建,其实现分为两步:彩色图像RGB粗略阈值条件的构建和基于多元回归的精细阈值条件的确定,其中R(Red)、G(Green)、B(Blue)分别为红、绿、蓝,这三种原色的不同强度的组合便可显示出不同颜色,铸体薄片图像中每个像素均包含R、G、B三个颜色通道。
与现有技术相比,本发明的有益效果是:
1.本发明是在彩色图像阈值分割法的基础上进行的改进,除给出获得阈值的方法外,还给出阈值的调整方法,可生成针对不同类型铸体薄片面孔的提取标准。
2.通过本发明可以实现自动批量识别岩石铸体薄片的孔隙区域、计算面孔率,降低解释铸体薄片的面孔率工作量,达到提高面孔率解释效率的目的。
3.通过本发明的方法可以较好地把提取岩石铸体薄片图片中的孔隙区域,并且每幅图片提取过程仅需几秒,速度快,准确率高,可以大大节省效率。
附图说明
图1是批量计算岩石铸体薄片图片面孔率方法的流程图。
图2是碎屑岩铸体薄片图片。
图3是铸体薄片图片孔隙区域的R与G交会图。
图4是铸体薄片图片孔隙区域的R与B交会图。
图5是铸体薄片图片孔隙区域的G与B交会图。
图6是铸体薄片图片不同提取区域示意图。
图7是铸体薄片图片孔隙区域的R、G、B值的交会图。
图8是对粗略提取像素RGB散点进行多元线性回归。
图9是提取的铸体薄片孔隙区域。
图10是背景技术中岩石铸体薄片。
具体实施方式
以下结合具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
一种确定岩石铸体薄片孔隙区域的方法,其特征在于,包括以下步骤:
步骤1,选取一岩石铸体薄片图片,框出明显的孔隙区域作为提取区域,提取所述提取区域的RGB值,分别两两进行交会,得到R与G交会图、R与B交会图和G与B交会图,手动标注以上三个交会图中条带的上限直线和下限直线,构建三个交会图中所述上限直线和下限直线的临界线方程,由此确定粗略的阈值界限;
步骤2,选取10张以上岩石铸体薄片图片,根据步骤1中获得的粗略的阈值界限提取每一岩石铸体薄片图片的对应区域(所有区域)的RGB值,利用多元线性回归得到平面方程B(R,G),选取图像中的孔隙误导区域,记录其RGB值记作B,计算L=B-B(R,G),统计得到最小的正L,记作Lup,统计得到最大的负L,记作Ldown,所述精确阈值条件为:
Bup(R,G)=B(R,G)+Lup
Bdown(R,G)=B(R,G)-Ldown。
实施例2
如图1所示,一种定量计算岩石面孔率的方法,包括以下步骤:
步骤1,输入一岩石铸体薄片图片,框出明显的孔隙区域作为提取区域,将提取区域的RGB值分别两两进行交会,得到R与G交会图、R与B交会图和G与B交会图,手动标注以上三个交会图中条带的上限直线和下限直线,构建三个交会图中所述上限直线和下限直线的临界线方程,确定粗略的阈值界限;
步骤2,输入10张以上的岩石铸体薄片图片,根据步骤1中获得的粗略的阈值界限提取每一岩石铸体薄片图片相应区域(所有区域)的RGB值,利用多元线性回归得到平面方程Bup(R,G),选取图像中的孔隙误导区域,并计算B-B(R,G),确定孔隙提取的精确阈值条件;
步骤3,输入待估面孔率的岩石铸体薄片,根据步骤2得到的精确阈值条件判断每个像素是否为孔隙;
步骤4,提取面孔并计算面孔率。
所述定量计算岩石面孔率的方法可广泛应用于储层孔隙度统计、岩石物性分析等领域。
实施例3
一种定量计算岩石面孔率的方法,包括以下步骤:
一.粗略阈值条件的构建:
岩石铸体薄片中孔隙区域常具有相近的颜色,如图2所示,图中孔隙区域被红色环氧树脂(Epoxy)灌注,表现为颜色相近的红色,但RGB值并不是一个固定的数值.
从铸体薄片中选择一部分的孔隙区域(明显的孔隙区域),如图6所示,提取其RGB值,利用自编铸体薄片孔隙提取软件ctsPore中孔隙初步提取模块或者利用商业软件Matlab中颜色阈值(Color Thresholder)模块或其他图像处理软件,自动或手动选取铸体薄片图像中孔隙部分的三原色(R、G、B),分别绘制R与G、R与B及G与B的交会图,如图3-图5所示。从图中可以看出散点均成条带状分布,手动确定两点通过式(1)即可获得散点条带的大致上限或下限直线,如图2-图4所示,上限分别为L1、L3、L5,下限分别为L2、L4、L6。
其中x、y为R、G或B值,Li为图2-图4中的临界线L1、L2、L3、L4、L5和L6,(x1,y1)、(x2,y2)为手动确定的临界线上的两个点,临界线方程由这两个点确定。
该步操作时主要是获得粗略的阈值边界,获得边界往往比实际散点的边界大一些,此时的阈值边界可以用式(2)-(4)表示。此时所获得边界条件仍有偏差,需进行下一步精细校正。
fL2(R)≤G≤fL1(R) (2)
fL4(R)≤B≤fL3(R) (3)
fL6(G)≤B≤fL5(G) (4)
二.基于多元回归的精细阈值条件的确定
(1)选取多张铸体薄片图片,利用粗略提取的R、G、B边界(L1-L6)提取每张图片中像素,提取准则使用式(2)-(4),记录提取的每个像素的RGB值,提取像素的RGB值三维交会图如图7所示,从图中可以看出,散点在三维空间中围绕一个平面分布,呈条带状分布,但是周围有散点。
(2)根据多元线性线性回归确定经过三维散点的平面,如图7所示,具体公式见式(6)。
aR+bG-B+d=0 (6)
式中,a、b、d为平面方程中的参数,R、G、B为红绿蓝三原色的数值。
(3)根据从粗略提取的图像中,找出明显的不是孔隙的部分,如图6中的孔隙误导区域,记录其RGB值,按照式(7)计算L,L的绝对值为散点在平面千锤投影点与该散点的距离,L的符号指示散点位于平面之上还是之下,当L大于零时,表示该点位于图7中平面的上方,小于零时表示位于平面的下方。
L=B-(aR+bG+d) (7)
统计得到最小的正L,记作Lup,统计得到最大的负L,记作Ldown。上下平移式(6)中平面即可获得精细的阈值条件,见式(8)、(9)。
Bup(R,G)=aR+bG+d+Lup (8)
Bdown(R,G)=aR+bG+d-Ldown (9)
三.输入待估面孔率的岩石铸体薄片图片,根据步骤2得到的精确阈值条件判断每个像素是否为孔隙;
当有新的像素输入时,只需判断式(10)是否成立,若成立,则表明该像素位于孔隙区域,反着则不是。
Bdown(R,G)<B<Bup(R,G) (10)
四.提取面孔区域后,则可通过计算面孔区域的像素数与总的像素的比值计算面孔率。
实施例4
选取对图2的图片作为待估面孔率的铸体薄片图片,利用实施例2中的步骤,依次生成粗略的阈值条件和精确阈值条件,输入图像后根据精确阈值条件判断每个像素是否为孔隙区域,具体判别根据式(10)。
最终提取结果如图9所示,计算所得面孔率为17.6%。通过与图1对比可以看出,方法可以较好地把提取岩石铸体薄片图片中的孔隙区域,并且每幅图片提取过程仅需几秒,速度快,准确率高,可以大大节省效率。
以上所述仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种确定岩石铸体薄片图片孔隙区域的方法,其特征在于,包括以下步骤:
步骤1,选取一岩石铸体薄片图片,框出明显的孔隙区域作为提取区域,提取所述提取区域的RGB值,分别两两进行交会,得到R与G交会图、R与B交会图和G与B交会图,手动标注以上三个交会图中条带的上限直线和下限直线,构建三个交会图中所述上限直线和下限直线的临界线方程,由此确定粗略的阈值界限;
步骤2,选取10张以上岩石铸体薄片图片,根据步骤1中获得的粗略的阈值界限提取每一岩石铸体薄片图片中的对应区域的RGB值,利用多元线性回归得到平面方程B(R,G),选取图像中的孔隙误导区域记录其RGB值,修正所述平面方程B(R,G),确定孔隙提取的精确阈值条件,利用该精确阈值条件确定岩石铸体薄片图片中的孔隙区域;所述步骤2中,获取所述孔隙误导区域的RGB值为B,计算L=B-B(R,G),统计得到最小的正L,记作Lup,统计得到最大的负L,记作Ldown,所述精确阈值条件为:
Bup(R,G)=B(R,G)+Lup
Bdown(R,G)=B(R,G)-Ldown。
2.一种定量计算岩石面孔率的方法,其特征在于,包括以下步骤:
步骤1,选取一岩石铸体薄片图片,框出明显的孔隙区域作为提取区域,提取所述提取区域的RGB值,分别两两进行交会,得到R与G交会图、R与B交会图和G与B交会图,手动标注以上三个交会图中条带的上限直线和下限直线,构建三个交会图中所述上限直线和下限直线的临界线方程,由此确定粗略的阈值界限;
步骤2,选取10张以上岩石铸体薄片图片,根据步骤1中获得的粗略的阈值界限提取每一岩石铸体薄片图片中对应区域的RGB值,利用多元线性回归得到平面方程B(R,G),选取图像中的孔隙误导区域记录其RGB值,修正所述平面方程B(R,G),确定孔隙提取的精确阈值条件;
步骤3,输入待估面孔率的岩石铸体薄片图片,根据步骤2得到的精确阈值条件判断每个像素是否为孔隙;
步骤4,提取面孔并计算面孔率;
所述步骤2中,获取所述孔隙误导区域的RGB值为B,计算L=B-B(R,G),统计得到最小的正L,记作Lup,统计得到最大的负L,记作Ldown,所述精确阈值条件为:
Bup(R,G)=B(R,G)+Lup
Bdown(R,G)=B(R,G)-Ldown。
4.如权利要求2所述的定量计算岩石面孔率的方法,其特征在于,提取RGB值时,利用铸体薄片孔隙提取软件ctsPore中孔隙初步提取模块或者利用软件Matlab中颜色阈值模块提取。
5.如权利要求2所述的定量计算岩石面孔率的方法,其特征在于,所述步骤2中,平面方程B(R,G)为:
aR+bG-B+d=0 (6)
式中,a、b、d为平面方程中的参数,R、G、B为红绿蓝三原色的数值;
Bup(R,G)=aR+bG+d+Lup (8)
Bdown(R,G)=aR+bG+d-Ldown (9)。
6.如权利要求2所述的定量计算岩石面孔率的方法,其特征在于,所述步骤3中,若Bdown(R,G)<待估面孔率的岩石铸体薄片像素B<Bup(R,G),则判断该像素位于孔隙区域。
7.如权利要求2-6中任一项所述定量计算岩石面孔率的方法在储层孔隙度统计、岩石物性分析中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204057.2A CN112881253B (zh) | 2019-11-29 | 2019-11-29 | 一种确定岩石铸体薄片图片孔隙区域的方法、面孔率计算方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204057.2A CN112881253B (zh) | 2019-11-29 | 2019-11-29 | 一种确定岩石铸体薄片图片孔隙区域的方法、面孔率计算方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112881253A CN112881253A (zh) | 2021-06-01 |
CN112881253B true CN112881253B (zh) | 2022-11-25 |
Family
ID=76038867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911204057.2A Active CN112881253B (zh) | 2019-11-29 | 2019-11-29 | 一种确定岩石铸体薄片图片孔隙区域的方法、面孔率计算方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112881253B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766742B (zh) * | 2019-09-20 | 2022-05-03 | 中国地质大学(武汉) | 基于图像识别软件准确测定白云岩面孔率的方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4868883A (en) * | 1985-12-30 | 1989-09-19 | Exxon Production Research Company | Analysis of thin section images |
US8861814B2 (en) * | 2010-12-22 | 2014-10-14 | Chevron U.S.A. Inc. | System and method for multi-phase segmentation of density images representing porous media |
FR2982364B1 (fr) * | 2011-11-09 | 2014-08-01 | Snecma | Procede et dispositif d'estimation d'un taux de porosite d'un echantillon de materiau a partir d'au moins une image codee en niveaux de gris |
UA117001C2 (uk) * | 2013-02-13 | 2018-06-11 | Філіп Морріс Продактс С.А. | Оцінка розподілу пористості всередині пористого стрижня |
CN103325117B (zh) * | 2013-06-17 | 2016-08-10 | 中国石油天然气集团公司 | 一种基于matlab的岩心图像处理方法及系统 |
CN103471973B (zh) * | 2013-09-05 | 2016-04-06 | 东华大学 | 一种图像法测定织物孔隙特征的方法 |
CN103971410A (zh) * | 2014-05-23 | 2014-08-06 | 中国石油大学(华东) | 一种基于ct图片的三维岩心可视化方法 |
GB2546927A (en) * | 2014-12-08 | 2017-08-02 | Landmark Graphics Corp | Determining non-linear petrofacies using cross-plot partitioning |
CN107923240B (zh) * | 2015-09-16 | 2021-02-26 | 因格瑞恩股份有限公司 | 用于确定与井或地层中的有机质相关联的孔隙度的方法 |
CN105551018B (zh) * | 2015-12-03 | 2018-04-20 | 长江大学 | 面向碳酸盐岩复杂储层数字岩心的各组分提取方法 |
CN107067379B (zh) * | 2017-03-16 | 2018-07-20 | 中国科学院地质与地球物理研究所 | 基于三维fib-sem图像的页岩孔隙定量表征方法 |
CN108387495B (zh) * | 2018-01-22 | 2020-03-31 | 青岛理工大学 | 一种多孔混凝土孔隙率计算和孔隙参数表征方法 |
CN109856029B (zh) * | 2019-02-01 | 2021-07-30 | 中海石油(中国)有限公司上海分公司 | 一种基于图像分析的孔隙度评价方法 |
-
2019
- 2019-11-29 CN CN201911204057.2A patent/CN112881253B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112881253A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636732A (zh) | 一种深度图像的空洞修复方法以及图像处理装置 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
US20120301019A1 (en) | Method for color feature extraction | |
CN107622480B (zh) | 一种Kinect深度图像增强方法 | |
CN109858539A (zh) | 一种基于深度学习图像语义分割模型的roi区域提取方法 | |
CN108510491A (zh) | 虚化背景下人体骨骼关键点检测结果的过滤方法 | |
CN103198459A (zh) | 雾霾图像快速去雾方法 | |
CN107545550B (zh) | 细胞图像偏色校正方法 | |
CN112881253B (zh) | 一种确定岩石铸体薄片图片孔隙区域的方法、面孔率计算方法及其应用 | |
CN107507206A (zh) | 一种基于显著性检测的深度图提取方法 | |
CN106384338B (zh) | 一种基于形态学的光场深度图像的增强方法 | |
CN116228771B (zh) | 基于视觉分析矿物材料机床铸件检测方法 | |
CN103971367B (zh) | 水文资料图像分割方法 | |
CN103942756B (zh) | 一种深度图后处理滤波的方法 | |
CN105719251B (zh) | 一种用于大像移线性模糊的压缩降质图像复原方法 | |
CN101771825B (zh) | 图像亮色补偿的方法和装置 | |
KR20180040846A (ko) | 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법 | |
CN107657620B (zh) | 一种带纹理的金属凝固区域识别的方法及系统 | |
CN103164847A (zh) | 视频图像中运动目标阴影消除方法 | |
CN113362274B (zh) | 一种雨量监测计算方法 | |
GB2522663A (en) | A method of selecting a region of interest | |
CN105631868A (zh) | 一种基于图像分类的深度信息提取方法 | |
CN108717699B (zh) | 一种基于连续最小割的超声波图像分割方法 | |
CN105957067B (zh) | 一种基于颜色差分的彩色图像边缘检测方法 | |
CN109816710B (zh) | 一种双目视觉系统高精度且无拖影的视差计算方法 |
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 |