CN113096099B - 基于颜色通道合并的透水沥青混合料连通空隙识别方法 - Google Patents
基于颜色通道合并的透水沥青混合料连通空隙识别方法 Download PDFInfo
- Publication number
- CN113096099B CN113096099B CN202110401608.5A CN202110401608A CN113096099B CN 113096099 B CN113096099 B CN 113096099B CN 202110401608 A CN202110401608 A CN 202110401608A CN 113096099 B CN113096099 B CN 113096099B
- Authority
- CN
- China
- Prior art keywords
- image
- asphalt mixture
- permeable asphalt
- channel
- gap
- 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
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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于颜色通道合并的透水沥青混合料连通空隙识别方法,包括步骤:S1.采集透水沥青混合料的CT图像,并对所述透水沥青混合料的CT图像进行处理,得到透水沥青混合料的原始二值化图像集合;S2.按照设定顺序依次对所述原始二值化图像集合中相邻的两幅图像进行连通空隙识别处理,得到识别后的二值化图像集合;S3.按照与设定顺序相反的顺序依次对所述识别后的二值化图像集合中相邻的两幅图像进行连通空隙识别处理,得到最终的连通空隙图像集合。本发明能够避免使用常规的邻域检测算法进行连通域分析,无需对图像文件的每个像素点逐一扫描,仅需对重叠图像和当前帧图像的轮廓进行遍历,提高了连通空隙识别效率。
Description
技术领域
本发明涉及连通空隙识别领域,具体涉及一种基于颜色通道合并的透水沥青混合料连通空隙识别方法。
背景技术
目前,常规的连通空隙识别算法是通过邻域检测进行连通域分析的,如FORTRAN算法。利用FORTRAN算法进行连通空隙的识别,需要先将空隙的二值图像转换为二进制文件,然后利用该算法对每个二进制文件进行识别,当数值为0时,核对其8邻域内的数值,如果在8邻域内有数值为0,那么把该区域内所有数值为0的归为一类,并确认为同一个空隙对象。接着,从顶面第1幅图开始,对于任意空隙对象,检测紧接的下一幅图像中同一位置及该位置8邻域内的数值,只要在这些区域中有一个数值为0,那么就认为该空隙在这2幅图像中是连通的,并把这2个空隙标记为同一个空隙,重复相同的步骤直到核查完最后1幅图像。从顶面到底面检测完毕后,再从底面到顶面进行检测。此外,也有学者通过Matlab软件等提出了连通空隙的识别算法,但这些算法也大都是通过邻域检测的方法来识别连通空隙。
而沥青混合料标准的马歇尔试件的高度为63.5mm,工业CT机扫描的间距可达0.14mm甚至更小,一幅沥青混合料CT图像的像素为1000*1000=100万,通过邻域检测进行连通空隙识别的算法需要对一幅图像中的所有像素进行领域检测,导致识别一个沥青混合料试件的连通空隙费时太长。
发明内容
有鉴于此,本发明的目的是克服现有技术中的缺陷,提供基于颜色通道合并的透水沥青混合料连通空隙识别方法,能够避免使用常规的邻域检测算法进行连通域分析,无需对图像文件的每个像素点逐一扫描,仅需对重叠图像和当前帧图像的轮廓进行遍历,提高了连通空隙识别效率。同时,因考虑了连通空隙的弯曲情况以及边缘连通的情况,从而使得识别结果更加准确。
本发明的基于颜色通道合并的透水沥青混合料连通空隙识别方法,包括如下步骤:
S1.采集透水沥青混合料的CT图像,并对所述透水沥青混合料的CT图像进行处理,得到透水沥青混合料的原始二值化图像集合;
S2.按照设定顺序依次对所述原始二值化图像集合中相邻的两幅图像进行连通空隙识别处理,得到识别后的二值化图像集合;
S3.按照与设定顺序相反的顺序依次对所述识别后的二值化图像集合中相邻的两幅图像进行连通空隙识别处理,得到最终的连通空隙图像集合。
进一步,所述步骤S2,具体包括:
S21.获取原始二值化图像集合中的第i幅图像以及第i+1幅图像;其中,i的初始值为1;
S22.判断第i幅图像与第i+1幅图像中的空隙部分是否存在重叠区域,若是,则进入步骤S23;若否,则删除无重叠区域的空隙路径;
S23.检测第i+1幅图像中包含重叠区域的空隙轮廓,并输出包含重叠区域的新的二值化图像集合M1;
S24.判断第i+1幅图像是否为所述原始二值化图像集合中的最后一幅图像,若是,则结束,并将包含重叠区域的新的二值化图像集合M1作为识别后的二值化图像集合;若否,则将原始二值化图像集合更新为新的二值化图像集合M1,并更新i=i+1,返回执行步骤S21。
进一步,所述删除无重叠区域的空隙路径:删除未从第1幅图像至最后一幅图像完全连通的空隙。
进一步,步骤S22中,判断第i幅图像与第i+1幅图像中的空隙部分是否存在重叠区域,具体包括:
S221.创建一个空白的R通道图像,并将第i幅图像作为G通道图像以及将第i+1幅图像作为B通道图像;
S222.将所述R通道图像、G通道图像以及B通道图像进行合并,得到合并后的图像m1;
S223.提取所述合并后的图像m1中同时具有G通道和B通道信息的图像区域,并将所述图像区域作为重叠区域。
进一步,所述步骤S3,具体包括:
S31.获取识别后的二值化图像集合中的第k幅图像以及第k-1幅图像;其中,k的初始值为所述识别后的二值化图像集合中图像的总个数;
S32.判断第k幅图像与第k-1幅图像中的空隙部分是否存在重叠区域,若是,则进入步骤S33;若否,则删除无重叠区域的空隙路径;
S33.检测第k-1幅图像中包含重叠区域的空隙轮廓,并输出包含重叠区域的新的二值化图像集合M2;
S34.判断第k-1幅图像是否为所述识别后的二值化图像集合中的第一幅图像,若是,则结束,并将包含重叠区域的新的二值化图像集合M2作为最终的连通空隙图像集合;若否,则将识别后的二值化图像集合更新为新的二值化图像集合M2,并更新k=k-1,返回执行步骤S31。
进一步,所述删除无重叠区域的空隙路径:删除未从最后一幅图像至第1幅图像完全连通的空隙。
进一步,步骤S32中,判断第k幅图像与第k-1幅图像中的空隙部分是否存在重叠区域,具体包括:
S321.创建一个空白的R通道图像,并将第k幅图像作为G通道图像以及将第k-1幅图像作为B通道图像;
S322.将所述R通道图像、G通道图像以及B通道图像进行合并,得到合并后的图像m2;
S323.提取所述合并后的图像m2中同时具有G通道和B通道信息的图像区域,并将所述图像区域作为重叠区域。
进一步,步骤S1中,对所述透水沥青混合料的CT图像进行处理,得到透水沥青混合料的原始二值化图像集合,具体包括:
S11.对所述透水沥青混合料的CT图像进行灰度处理,得到透水沥青混合料的灰度图像;
S12.对所述透水沥青混合料的灰度图像进行分割处理,得到透水沥青混合料的原始二值化图像集合。
本发明的有益效果是:本发明公开的一种基于颜色通道合并的透水沥青混合料连通空隙识别方法,首先通过将空隙图像自上而下进行空隙连通性判断,并输出每幅图像的空隙连通区域。然后将前进分析中输出的图像进行分析,将前进分析输出的最后一幅图像作为起始图像,自下而上逐幅进行倒退分析,从而得到全局连通的空隙。避免使用常规的邻域检测算法进行连通域分析,无需对图像文件的每个像素点逐一扫描,仅需对重叠图像和当前帧图像的轮廓进行遍历,提高了连通空隙识别效率。同时,因考虑了连通空隙的弯曲情况以及边缘连通的情况,从而使得识别结果更加准确。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为本发明的方法原理流程图;
图2为本发明的前进分析和倒退分析识别出的连通空隙示意图;
图3为发明的测试图;
图4为发明的测试前进分析输出图像;
图5为发明的测试倒退分析输出图像。
具体实施方式
以下结合说明书附图对本发明做出进一步的说明,如图所示:
本发明的基于颜色通道合并的透水沥青混合料连通空隙识别方法,包括如下步骤:
S1.采集透水沥青混合料的CT图像,并对所述透水沥青混合料的CT图像进行处理,得到透水沥青混合料的原始二值化图像集合;一般地,为了更好地对透水沥青混合料进行连通空隙识别处理,会将透水沥青混合料做成圆柱体试件,CT扫描是按相同间距从上向下进行扫描,得到圆形的断面图像,并按顺序逐一输出图像;则顶面的图像是指从上往下数第一幅图像,而底面图像就是从下往上数第一幅图像(也就是最后一幅图像)。所述透水沥青混合料的CT图像包含集料、沥青胶浆及空隙信息,还有其它的如文字、比例尺等无效信息。
S2.按照设定顺序依次对所述原始二值化图像集合中相邻的两幅图像进行连通空隙识别处理,得到识别后的二值化图像集合;其中,所述设定顺序是指以空隙图像为参照的自上而下的顺序,所述空隙图像为经过步骤S1的图像处理过后只包含空隙信息的二值化图像集合,所述二值化图像只有黑色与白色,黑色为空隙。
S3.按照与设定顺序相反的顺序依次对所述识别后的二值化图像集合中相邻的两幅图像进行连通空隙识别处理,得到最终的连通空隙图像集合。其中,所述与设定顺序相反的顺序是指以空隙图像为参照的自下而上的顺序。
本实施例中,步骤S1中,对所述透水沥青混合料的CT图像进行处理,得到透水沥青混合料的原始二值化图像集合,具体包括:
S11.对所述透水沥青混合料的CT图像进行灰度处理,得到透水沥青混合料的灰度图像;其中,所述透水沥青混合料的CT图像是RGB图像;在OpenCV中,根据三基色原理,默认采用BGR(蓝、绿、红)模型表示像素点的亮度;则在OpenCV中通过函数cv2.cvtColor()将BGR图像转换为灰度图像;灰度图像具有0~255共256个亮度等级,灰度化后的图像数据信息少且基本保留了图像的显著特征,视觉效果良好,便于后续图像分析,提升运算速度。所述OpenCV(Open Source Computer Vision Library.OpenCV)是由Intel于1999年建立而成的一个开源的计算机视觉库。
S12.对所述透水沥青混合料的灰度图像进行分割处理,得到透水沥青混合料的原始二值化图像集合。其中,图像分割是图像识别的关键步骤,通过合适的图像分割技术将图像划分成互不相交的区域以便准确提取特定目标。图像分割方法主要包括阈值分割法、区域提取法、边界分割法和特定理论法,这里使用阈值分割法,通过选取适当的阈值对灰度图像进行分割可获得能够反映图像整体和局部特征的二值化图像;在OpenCV中通过函数cv2.threshold()函数来实现对所述透水沥青混合料的灰度图像进行分割处理,具体地,在OpenCV中,函数cv2.findContours()用于识别二值化图像中目标物体的轮廓,然后通过函数cv2.minEnclosingCircle()得到包含此轮廓的最小圆形,由此识别出透水沥青混合料的尺寸,并依据识别出的透水沥青混合料试件半径进行圆形切割,删除图像中的文字、比例尺等非试件图像信息。
本实施例中,如图1所示,所述步骤S2为连通空隙识别的前进分析,具体包括:
S21.获取原始二值化图像集合中的第i幅图像以及第i+1幅图像;其中,i的初始值为1;一般地,原始二值化图像集合中的若干图像是按照从顶面到底面的顺序进行存储的,则按照从顶面到底面的顺序选取第i幅图像以及第i+1幅图像,而选取的第i+1幅图像就在第i幅图像的下层。
S22.判断第i幅图像与第i+1幅图像中的空隙部分是否存在重叠区域,若是,则进入步骤S23;若否,则删除无重叠区域的空隙路径;
S23.检测第i+1幅图像中包含重叠区域的空隙轮廓,并输出包含重叠区域的新的二值化图像集合M1;其中,使用函数cv2.drawContours()用于绘制轮廓,并使用函数PointPolygonTest()用于检测第i+1幅图像中包含重叠区域的空隙轮廓,即将包含重叠区域的空隙都认为是连通空隙,进而进行连通空隙的计算;因考虑了连通空隙的弯曲情况以及边缘连通的情况,从而使得识别结果更加准确。
S24.判断第i+1幅图像是否为所述原始二值化图像集合中的最后一幅图像,若是,则结束,并将包含重叠区域的新的二值化图像集合M1作为识别后的二值化图像集合;若否,则将原始二值化图像集合更新为新的二值化图像集合M1,并更新i=i+1,返回执行步骤S21。
本实施例中,所述删除无重叠区域的空隙路径:删除未从第1幅图像至最后一幅图像完全连通的空隙。其中,所述第1幅图像位于顶面,所述最后一幅图像位于底面。
本实施例中,步骤S22中,判断第i幅图像与第i+1幅图像中的空隙部分是否存在重叠区域,具体包括:
S221.创建一个空白的R通道图像,并将第i幅图像作为G通道图像以及将第i+1幅图像作为B通道图像;
S222.将所述R通道图像、G通道图像以及B通道图像进行合并,得到合并后的图像m1;其中,在OpenCV中,函数cv2.merge()用于对通道图像的合并。
S223.提取所述合并后的图像m1中同时具有G通道和B通道信息的图像区域,并将所述图像区域作为重叠区域。
本实施例中,如图1所示,所述步骤S3为连通空隙识别的倒退分析,所述倒退分析与前进分析的原理相同,具体包括:
S31.获取识别后的二值化图像集合中的第k幅图像以及第k-1幅图像;其中,k的初始值为所述识别后的二值化图像集合中图像的总个数;按照从底面到顶面的顺序选取第k幅图像以及第k-1幅图像,而选取的第k-1幅图像就在第k幅图像的上层。
S32.判断第k幅图像与第k-1幅图像中的空隙部分是否存在重叠区域,若是,则进入步骤S33;若否,则删除无重叠区域的空隙路径;
S33.检测第k-1幅图像中包含重叠区域的空隙轮廓,并输出包含重叠区域的新的二值化图像集合M2;
S34.判断第k-1幅图像是否为所述识别后的二值化图像集合中的第一幅图像,若是,则结束,并将包含重叠区域的新的二值化图像集合M2作为最终的连通空隙图像集合;若否,则将识别后的二值化图像集合更新为新的二值化图像集合M2,并更新k=k-1,返回执行步骤S31。
本实施例中,所述删除无重叠区域的空隙路径:删除未从最后一幅图像至第1幅图像完全连通的空隙。其中,所述最后一幅图像位于底面,所述第1幅图像位于顶面。
本实施例中,步骤S32中,判断第k幅图像与第k-1幅图像中的空隙部分是否存在重叠区域,具体包括:
S321.创建一个空白的R通道图像,并将第k幅图像作为G通道图像以及将第k-1幅图像作为B通道图像;
S322.将所述R通道图像、G通道图像以及B通道图像进行合并,得到合并后的图像m2;
S323.提取所述合并后的图像m2中同时具有G通道和B通道信息的图像区域,并将所述图像区域作为重叠区域。
需要说明的是,所述S32步骤的判断与步骤S22的判断原理相同,在此不再赘述。
下面对本发明识别方法的准确性以及可靠性进行验证说明:
采用3张大小为20像素*20像素的黑白png图像进行测试,三张图像用于模拟试件不同高度处的空隙分布情况,图像中的黑色区域模拟空隙。图3(a)中共有5块黑色区域,依次编号为1~5,其中编号为1、2和3的黑色区域尺寸均为6像素*6像素,1号黑色区域内部的白色区域尺寸为2像素*2像素,4号大黑色区域尺寸为10像素*10像素,内部白色区域尺寸为6像素*5像素,白色区域内部的5号黑色区域尺寸为2像素*2像素,由此可算出图3(a)中黑色区域总面积为178。图3(b)是由图3(a)中的2号黑色区域下移与4号黑色区域连通,同时将1号黑色区域连同内部的白色区域与3号黑色区域交换位置变换得到的,因此图3(b)中的黑色区域面积与图3(a)相等,为178。图3(c)为图3(a)中的3号黑色区域尺寸缩小至3*3,5号黑色区域尺寸变为3*2并左移至与4号黑色区域边界重叠,同时删除其余所有黑色区域得到的,所以图3(c)中的黑色区域总面积为15。
(1)计算三张图像的空隙率,三张图像空隙率的计算结果分别为0.445、0.445和0.0375。
(2)前进分析测试。将图3(a)与图3(b)重叠,输出图像见图4(a),图4(a)中的黑色区域即为两幅图像中垂直连通的空隙;检测图3(b)中包含图4(a)黑色区域的黑色区域轮廓,输出图像见图4(b),图4(b)中的所有黑色区域即为试件中部存在的所有连通空隙;将图4(b)与图3(c)重叠,输出图像见图4(c),图4(c)中的黑色区域即为试件中部和底部垂直连通的空隙;检测图3(c)中包含图4(c)黑色区域的黑色区域轮廓,输出图像见图4(d),图4(d)中的所有黑色区域即为试件底部存在的所有连通空隙。
(3)倒退分析测试。将图4(b)输入,检测图4(b)中包含图4(d)黑色区域的黑色区域轮廓,输出图像见图5(a),图5(a)中的黑色区域即为本发明识别出的试件中部的所有连通空隙;将图5(a)与图4(a)重叠,并检测图3(a)中包含重叠黑色区域的黑色区域轮廓,输出图像见图5(b),图5(b)中的黑色区域即为本发明识别出的试件顶部的所有连通空隙。
(4)连通空隙率计算。试件顶部、中部和底部的连通空隙图像分别如图5(b)、图5(a)和图4(d)所示,本发明计算出的空隙面积分别为15、138和142,连通空隙率为0.246。
综上,本发明所有输出图像均正确,连通空隙面积和连通空隙率计算结果均正确,本发明具有可靠性。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于颜色通道合并的透水沥青混合料连通空隙识别方法,其特征在于:包括如下步骤:
S1.采集透水沥青混合料的CT图像,并对所述透水沥青混合料的CT图像进行处理,得到透水沥青混合料的原始二值化图像集合;
S2.按照设定顺序依次对所述原始二值化图像集合中相邻的两幅图像进行连通空隙识别处理,得到识别后的二值化图像集合;
所述步骤S2,具体包括:
S21.获取原始二值化图像集合中的第i幅图像以及第i+1幅图像;其中,i的初始值为1;
S22.判断第i幅图像与第i+1幅图像中的空隙部分是否存在重叠区域,若是,则进入步骤S23;若否,则删除无重叠区域的空隙路径;
S23.检测第i+1幅图像中包含重叠区域的空隙轮廓,并输出包含重叠区域的新的二值化图像集合M1;
S24.判断第i+1幅图像是否为所述原始二值化图像集合中的最后一幅图像,若是,则结束,并将包含重叠区域的新的二值化图像集合M1作为识别后的二值化图像集合;若否,则将原始二值化图像集合更新为新的二值化图像集合M1,并更新i=i+1,返回执行步骤S21;
步骤S22中,判断第i幅图像与第i+1幅图像中的空隙部分是否存在重叠区域,具体包括:
S221.创建一个空白的R通道图像,并将第i幅图像作为G通道图像以及将第i+1幅图像作为B通道图像;
S222.将所述R通道图像、G通道图像以及B通道图像进行合并,得到合并后的图像m1;
S223.提取所述合并后的图像m1中同时具有G通道和B通道信息的图像区域,并将所述图像区域作为重叠区域;
S3.按照与设定顺序相反的顺序依次对所述识别后的二值化图像集合中相邻的两幅图像进行连通空隙识别处理,得到最终的连通空隙图像集合。
2.根据权利要求1所述的基于颜色通道合并的透水沥青混合料连通空隙识别方法,其特征在于:所述删除无重叠区域的空隙路径:删除未从第1幅图像至最后一幅图像完全连通的空隙。
3.根据权利要求1所述的基于颜色通道合并的透水沥青混合料连通空隙识别方法,其特征在于:所述步骤S3,具体包括:
S31.获取识别后的二值化图像集合中的第k幅图像以及第k-1幅图像;其中,k的初始值为所述识别后的二值化图像集合中图像的总个数;
S32.判断第k幅图像与第k-1幅图像中的空隙部分是否存在重叠区域,若是,则进入步骤S33;若否,则删除无重叠区域的空隙路径;
S33.检测第k-1幅图像中包含重叠区域的空隙轮廓,并输出包含重叠区域的新的二值化图像集合M2;
S34.判断第k-1幅图像是否为所述识别后的二值化图像集合中的第一幅图像,若是,则结束,并将包含重叠区域的新的二值化图像集合M2作为最终的连通空隙图像集合;若否,则将识别后的二值化图像集合更新为新的二值化图像集合M2,并更新k=k-1,返回执行步骤S31。
4.根据权利要求3所述的基于颜色通道合并的透水沥青混合料连通空隙识别方法,其特征在于:所述删除无重叠区域的空隙路径:删除未从最后一幅图像至第1幅图像完全连通的空隙。
5.根据权利要求3所述的基于颜色通道合并的透水沥青混合料连通空隙识别方法,其特征在于:步骤S32中,判断第k幅图像与第k-1幅图像中的空隙部分是否存在重叠区域,具体包括:
S321.创建一个空白的R通道图像,并将第k幅图像作为G通道图像以及将第k-1幅图像作为B通道图像;
S322.将所述R通道图像、G通道图像以及B通道图像进行合并,得到合并后的图像m2;
S323.提取所述合并后的图像m2中同时具有G通道和B通道信息的图像区域,并将所述图像区域作为重叠区域。
6.根据权利要求1所述的基于颜色通道合并的透水沥青混合料连通空隙识别方法,其特征在于:步骤S1中,对所述透水沥青混合料的CT图像进行处理,得到透水沥青混合料的原始二值化图像集合,具体包括:
S11.对所述透水沥青混合料的CT图像进行灰度处理,得到透水沥青混合料的灰度图像;
S12.对所述透水沥青混合料的灰度图像进行分割处理,得到透水沥青混合料的原始二值化图像集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110401608.5A CN113096099B (zh) | 2021-04-14 | 2021-04-14 | 基于颜色通道合并的透水沥青混合料连通空隙识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110401608.5A CN113096099B (zh) | 2021-04-14 | 2021-04-14 | 基于颜色通道合并的透水沥青混合料连通空隙识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113096099A CN113096099A (zh) | 2021-07-09 |
CN113096099B true CN113096099B (zh) | 2023-08-25 |
Family
ID=76677640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110401608.5A Active CN113096099B (zh) | 2021-04-14 | 2021-04-14 | 基于颜色通道合并的透水沥青混合料连通空隙识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113096099B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114034617B (zh) * | 2021-10-20 | 2024-01-23 | 东南大学 | 一种沥青混合料三维空隙连通性的表征和评价方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009097552A1 (en) * | 2008-02-01 | 2009-08-06 | Omnivision Cdm Optics, Inc. | Image data fusion systems and methods |
JP2010224875A (ja) * | 2009-03-24 | 2010-10-07 | Nec Corp | 画像解析装置、画像解析システム、画像解析プログラム、及び、画像解析方法 |
CN109509176A (zh) * | 2018-10-15 | 2019-03-22 | 南京交通职业技术学院 | 透水路面中有效连通空隙的识别方法及空隙率计算方法 |
CN109670500A (zh) * | 2018-11-30 | 2019-04-23 | 平安科技(深圳)有限公司 | 一种文字区域获取方法、装置、存储介质及终端设备 |
CN109976846A (zh) * | 2019-02-22 | 2019-07-05 | 华为技术有限公司 | 一种图像处理方法、终端设备和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127777B (zh) * | 2016-06-27 | 2017-08-29 | 中山大学 | 一种三维空间裂缝分离识别与表征方法 |
-
2021
- 2021-04-14 CN CN202110401608.5A patent/CN113096099B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009097552A1 (en) * | 2008-02-01 | 2009-08-06 | Omnivision Cdm Optics, Inc. | Image data fusion systems and methods |
JP2010224875A (ja) * | 2009-03-24 | 2010-10-07 | Nec Corp | 画像解析装置、画像解析システム、画像解析プログラム、及び、画像解析方法 |
CN109509176A (zh) * | 2018-10-15 | 2019-03-22 | 南京交通职业技术学院 | 透水路面中有效连通空隙的识别方法及空隙率计算方法 |
CN109670500A (zh) * | 2018-11-30 | 2019-04-23 | 平安科技(深圳)有限公司 | 一种文字区域获取方法、装置、存储介质及终端设备 |
CN109976846A (zh) * | 2019-02-22 | 2019-07-05 | 华为技术有限公司 | 一种图像处理方法、终端设备和系统 |
Non-Patent Citations (1)
Title |
---|
高黏改性沥青性能及其混合料细观空隙特征研究;杨旋;《中国优秀硕士学位论文全文数据库 工程科技II辑》;第2022卷(第03期);第C034-286页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113096099A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110274908B (zh) | 缺陷检查装置、缺陷检查方法以及计算机可读记录介质 | |
US11797886B2 (en) | Image processing device, image processing method, and image processing program | |
CN112419250A (zh) | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 | |
CN111753692B (zh) | 目标对象提取方法、产品检测方法、装置、计算机和介质 | |
CN111310558A (zh) | 一种基于深度学习和图像处理法的路面病害智能提取方法 | |
JP2020106467A (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
CN107492094A (zh) | 一种高压电线绝缘子的无人机视觉检测方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN111598889B (zh) | 均压环倾斜故障的识别方法、装置、计算机设备 | |
CN110598687A (zh) | 车辆识别码的检测方法、装置及计算机设备 | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
US10726535B2 (en) | Automatically generating image datasets for use in image recognition and detection | |
US9852354B2 (en) | Method and apparatus for image scoring and analysis | |
CN108416351B (zh) | 路面病害区域的确定方法、装置和计算机设备 | |
CN111060521A (zh) | 一种预制混凝土t梁表面气泡数量与面积的检测方法 | |
CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
CN113096099B (zh) | 基于颜色通道合并的透水沥青混合料连通空隙识别方法 | |
CN109993758A (zh) | 分割方法、分割装置、计算机设备及存储介质 | |
CN115184380A (zh) | 基于机器视觉的印刷电路板焊点异常检测方法 | |
CN116012316A (zh) | 一种钻井岩芯滚筒扫描图片的裂缝识别方法 | |
JP3265595B2 (ja) | 画像処理方法およびその装置 | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN116718599A (zh) | 一种基于三维点云数据的表观裂缝长度测量方法 | |
CN102682308B (zh) | 图像处理方法和图像处理设备 | |
CA2997335C (en) | Automatically generating image datasets for use in image recognition and detection |
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 |