CN113112467B - 一种平面图标注系统 - Google Patents

一种平面图标注系统 Download PDF

Info

Publication number
CN113112467B
CN113112467B CN202110369407.1A CN202110369407A CN113112467B CN 113112467 B CN113112467 B CN 113112467B CN 202110369407 A CN202110369407 A CN 202110369407A CN 113112467 B CN113112467 B CN 113112467B
Authority
CN
China
Prior art keywords
labeling
marking
edge
processing
position coordinates
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
CN202110369407.1A
Other languages
English (en)
Other versions
CN113112467A (zh
Inventor
朱瑞星
陈辉辉
黄孟钦
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.)
Shanghai Shenzhi Information Technology Co ltd
Original Assignee
Shanghai Shenzhi 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 Shanghai Shenzhi Information Technology Co ltd filed Critical Shanghai Shenzhi Information Technology Co ltd
Priority to CN202110369407.1A priority Critical patent/CN113112467B/zh
Publication of CN113112467A publication Critical patent/CN113112467A/zh
Application granted granted Critical
Publication of CN113112467B publication Critical patent/CN113112467B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及到图像标注领域，尤其涉及一种平面图标注系统。系统包括：包括：一获取模块，用于获取平面图；一识别模块，用于获取平面图并进行图像处理，生成多个连通域以及对应的连通域位置坐标；一标注模块，用于预设一标注间距，并根据标注间距对每个连通域以及对应的连通域位置坐标进行标注处理，生成对应的边缘轮廓以及位于边缘轮廓上的所有轮廓标注点；一融合模块，用于对平面图、边缘轮廓以及位于边缘轮廓上的所有轮廓标注点进行融合处理，得到平面图标注结果。本发明的技术方案有益效果在于：提供一种平面图标注系统及方法，能够快速对平面图进行标注处理，生成边缘轮廓标注点，缩短标注时间，提高标注效率，简化标注流程。

Description

一种平面图标注系统
技术领域
本发明涉及到图像标注领域，尤其涉及一种平面图标注系统。
背景技术
现有的图像标注领域，医学检测图像，如超声影像等常需要对超声图像病灶进行标注，然而现有常用的标注工具，如labelme，常依赖于人工标注，当图像中出现大量区域需要标注时，人工标注成本将大大增加，且标注效率低下，人工标注精度会有所影响，并且准确度也会因标注者的经验差异而不同，导致病灶标注质量参差不齐。
发明内容
针对现有技术中存在的上述问题，现提供一种平面图标注系统即方法。
其中，一种平面图标注系统，包括：
一获取模块，用于获取平面图；
一识别模块，连接所述获取模块，用于获取所述平面图并进行图像处理，生成多个连通域以及对应的连通域位置坐标；
一标注模块，连接所述识别模块，用于预设一标注间距，并根据所述标注间距对每个所述连通域以及对应的所述连通域位置坐标进行标注处理，生成对应的边缘轮廓以及位于所述边缘轮廓上的所有轮廓标注点；
一融合模块，连接所述标注模块和所述获取模块，用于对所述平面图、所述边缘轮廓以及位于所述边缘轮廓上的所有轮廓标注点进行融合处理，得到平面图标注结果。
优选的，所述识别模块包括：
一第一处理单元，用于对所述平面图进行灰度处理，生成对应的灰度图；
一第二处理单元，连接所述第一处理单元，用于对所述灰度图进行二值化处理，生成对应的二值图；
一第三处理单元，连接所述第二处理单元，用于根据所述二值图，得到多个所述连通域以及对应的所述连通域位置坐标。
优选的，所述识别模块包括：
一转换单元，用于对所述平面图中每个像素进行色彩识别，并转换成对应的RGB值；
一图像匹配单元，连接所述转换单元，所述图像匹配单元中预设多个色彩范围，用于根据所述色彩范围对每个像素的RGB值进行匹配，生成多个对应于不同的所述色彩范围的连通域以及对应的所述连通域位置坐标。
优选的，所述标注模块包括：
一第一标注单元，用于根据所述连通域以及对应的所述连通域位置坐标，获取所述连通域对应的边缘轮廓；
一第二标注单元，连接所述第一标注单元，所述第二标注单元中预设所述标注间距，用于根据所述标注间距对所述边缘轮廓进行处理，获取位于所述边缘轮廓上的所有所述轮廓标注点。
优选的，相邻的所述轮廓标注点之间具有相同的所述标注间距。
优选的，还包括：
一辅助标注模块，连接所述标注模块，用于对所述轮廓标注点进行调整。
一种平面图标注方法，包括：
步骤S1，获取平面图；
步骤S2，对所述平面图进行图像处理，生成多个连通域以及对应的连通域位置坐标；
步骤S3，预设一标注间距，并根据所述标注间距对每个所述连通域以及对应的所述连通域位置坐标进行标注处理，生成对应的边缘轮廓以及位于所述边缘轮廓上的所有轮廓标注点；
步骤S4，对所述平面图、所述边缘轮廓以及位于所述边缘轮廓上的所有轮廓标注点进行融合处理，得到平面图标注结果。
优选的，所述步骤S2包括：
步骤S21A，对所述平面图进行灰度处理，生成对应的灰度图；
步骤S22A，对所述灰度图进行二值化处理，生成对应的二值图；
步骤S23A，根据所述二值图，得到多个所述连通域以及对应的所述连通域位置坐标。
优选的，所述步骤S2包括：
步骤S21B，对所述平面图中每个像素进行色彩识别，并转换成对应的RGB值；
步骤S22B，预设多个色彩范围，用于根据所述色彩范围对每个像素的RGB值进行匹配，生成多个对应于不同的所述色彩范围的连通域以及对应的所述连通域位置坐标。
优选的，所述步骤S3包括：
步骤S31，根据所述连通域以及对应的所述连通域位置坐标，获取所述连通域对应的边缘轮廓；
步骤S32，预设所述标注间距，用于根据所述标注间距对所述边缘轮廓进行处理，获取位于所述边缘轮廓上的所有所述轮廓标注点。
本发明的技术方案有益效果在于：提供一种平面图标注系统及方法，能够快速对平面图进行标注处理，生成边缘轮廓标注点，缩短标注时间，提高标注效率，简化标注流程。
附图说明
图1为本发明优选实施方式中，平面图标注系统的结构示意图；
图2为本发明一优选实施方式中，识别模块的结构示意图；
图3为本发明另一优选实施方式中，识别模块的结构示意图；
图4为本发明优选实施方式中，标注模块的结构示意图；
图5为本发明优选实施方式中，平面图标注方法的流程示意图；
图6为本发明一优选实施方式中，步骤S2的流程示意图；
图7为本发明另一优选实施方式中，步骤S2的流程示意图；
图8为本发明优选实施方式中，步骤S3的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明提供一种平面图标注系统及方法。其中，一种平面图标注系统，如图1所示，包括：
一获取模块1，用于获取平面图；
一识别模块2，连接获取模块1，用于获取平面图并进行图像处理，生成多个连通域以及对应的连通域位置坐标；
一标注模块3，连接识别模块2，用于预设一标注间距，并根据标注间距对每个连通域以及对应的连通域位置坐标进行标注处理，生成对应的边缘轮廓以及位于边缘轮廓上的所有轮廓标注点；
一融合模块4，连接标注模块3和获取模块1，用于对平面图、边缘轮廓以及位于边缘轮廓上的所有轮廓标注点进行融合处理，得到平面图标注结果。
具体地，考虑到现有技术于标注过程中仍依赖于人工标注，导致标注效率和标注准确性较差，本发明提供一种平面图标注系统，首先通过获取模块1获取平面图，随后通过识别模块2，对平面图进行处理，以获取平面图中多个连通域以及每个连通域对应的位置坐标，然后通过标注模块3对每个连通域进行处理，以获取连通域的边缘轮廓以及位于边缘轮廓上的边缘轮廓标注点，最后通过融合模块4，将平面图和边缘轮廓标注点进行融合处理，得到平面图标注结果。本发明提供的平面图标注系统，能够快速对平面图进行标注处理，生成边缘轮廓标注点，缩短标注时间，提高标注效率，简化标注流程。
进一步地，获取模块1可以接收操作者输入的调取指令，并根据调取指令从本地数据库，或连接的外部数据库中获取对应的平面图。考虑到便于查看平面图，还可将调取的平面图显示在平面图标注系统的显示设备的预设区域，以供操作人员快速查看。
本发明的优选实施方式中，如图2所示，识别模块2包括：
一第一处理单元21，用于对平面图进行灰度处理，生成对应的灰度图；
一第二处理单元22，连接第一处理单元21，用于对灰度图进行二值化处理，生成对应的二值图；
一第三处理单元23，连接第二处理单元22，用于根据二值图，得到多个连通域以及对应的连通域位置坐标。
具体地，为获取平面图中的连通域及连通域位置坐标，识别模块2中可设置一第一处理单元21，对平面图进行灰度处理生成灰度图，随后利用第二处理单元22，对生成的灰度图进行二值化处理生成二值图，最后利用第三处理单元23，对生成的二值图进行数值分析，为零，或为一，则可获取平面图中的多个连通域以及对应的连通域位置坐标。
进一步地，连通域的位置坐标可以为该连通域的中心点位置坐标，也可以处于该连通域内的任意一点的位置坐标，标注模块3可以根据连通域位置坐标确定该连通域的位置，以获取该连通域的边缘轮廓及边缘轮廓标注点。
本发明的优选实施方式中，如图3所示，识别模块2包括：
一转换单元24，用于对平面图中每个像素进行色彩识别，并转换成对应的RGB值；
一图像匹配单元25，连接转换单元24，图像匹配单元25中预设多个色彩范围，用于根据色彩范围对每个像素的RGB值进行匹配，生成多个对应于不同的色彩范围的连通域以及对应的连通域位置坐标。
具体地，考虑到平面图中的各像素均具有对应的RGB值，因此识别模块2中还可设置转换单元24和图像匹配单元25，首先对平面图进行颜色识别并转换成对应的RGB值，随后根据预设的色彩范围对平面图进行图像处理，生成对应于不同的色彩范围的边缘轮廓以及位于边缘轮廓上的所有轮廓标注点，也就是说，将RGB值处于同一色彩范围的区域作为连通域，然后生成多个对应于不同的色彩范围的连通域以及对应的连通域位置坐标。
其中，色彩范围可为RGB值的数值范围，例如，可预设绿色对应的色彩范围为(0，255，0)～(127，255，0)，若相邻的像素对应的RGB值均处于该色彩范围(0，255，0)～(127，255，0)内，即视为连通域并生成对应的连通域位置坐标；相应地，色彩范围还可为R、G、B值之间的数值范围，例如，绿色对应的R、G、B值关系为：G-R>30且G-B>30，若相邻的像素对应的RGB值均处于该色彩范围G-R>30且G-B>30内，即视为连通域并生成对应的连通域位置坐标。
进一步地，连通域的位置坐标可以为该连通域的像素的RGB值最接近预设的RGB值的位置坐标，如一连通域为绿色连通域，RGB值多为绿色(0，255，0)，黄绿色(127，255，0)以及草地绿(124，255，0)，此时可将绿色(0，255，0)对应的像素的位置坐标作为该连通域位置坐标，以获取该连通域的边缘轮廓及边缘轮廓标注点。
本发明的优选实施方式中，如图4所示，标注模块3包括：
一第一标注单元31，用于根据连通域以及对应的连通域位置坐标，获取连通域对应的边缘轮廓；
一第二标注单元32，连接第一标注单元31，第二标注单元32中预设标注间距，用于根据标注间距对边缘轮廓进行处理，获取位于边缘轮廓上的所有轮廓标注点。
本发明的优选实施方式中，相邻的轮廓标注点之间具有相同的标注间距。
具体地，为获取连通域对应的边缘轮廓以及边缘轮廓标注点，标注模块3中可设第一标注单元31和第二标注单元32，第一标注单元31对连通域进行识别，获取连通域对应的边缘轮廓，第二标注单元32预设标注间距，自动按照标注间距对边缘轮廓处理，于边缘轮廓上生成多个轮廓标注点，每个相邻的轮廓标注点之间等距。
进一步地，可利用MATLAB对平面图进行识别，并将将每个连通域对应的连通域位置坐标保存为mat文件，再使用MATLAB编写程序，确定边缘轮廓，并于获得对应的轮廓标注点后存入到json文件中，最后将标注点的数据与平面图进行融合，生成可供解析的json文件。
本发明的优选实施方式中，还包括：
一辅助标注模块，连接标注模块3，用于对轮廓标注点进行调整。
具体地，当标注出现偏差时，可通过辅助标注模块，利用鼠标或其他输入设备，手动拖动生成的轮廓标注点，以达到对所需标注的区域更好的覆盖效果等。
其中，一种平面图标注方法，如图5所示，包括：
步骤S1，获取平面图；
步骤S2，对平面图进行图像处理，生成多个连通域以及对应的连通域位置坐标；
步骤S3，预设一标注间距，并根据标注间距对每个连通域以及对应的连通域位置坐标进行标注处理，生成对应的边缘轮廓以及位于边缘轮廓上的所有轮廓标注点；
步骤S4，对平面图、边缘轮廓以及位于边缘轮廓上的所有轮廓标注点进行融合处理，得到平面图标注结果。
具体地，本发明提供一种平面图标注系方法，通过步骤S1至步骤S4，对平面图进行处理，获取平面图中多个连通域连通域的边缘轮廓以及位于边缘轮廓上的边缘轮廓标注点，最后得到平面图标注结果，具体的处理方法已于上述描述清楚，此处不再赘述。本发明提供的平面图标注方法，能够快速对平面图进行标注处理，生成边缘轮廓标注点，缩短标注时间，提高标注效率，简化标注流程。
本发明的优选实施方式中，如图6所示，步骤S2包括：
步骤S21A，对平面图进行灰度处理，生成对应的灰度图；
步骤S22A，对灰度图进行二值化处理，生成对应的二值图；
步骤S23A，根据二值图，得到多个连通域以及对应的连通域位置坐标。
具体地，通过步骤S21A至步骤S23A，对平面图进行灰度处理生成灰度图，随后对生成的灰度图进行二值化处理生成二值图，最后对生成的二值图进行数值分析，为零，或为一，则可获取平面图中的多个连通域以及对应的连通域位置坐标。
本发明的优选实施方式中，如图7所示，步骤S2包括：
步骤S21B，对平面图中每个像素进行色彩识别，并转换成对应的RGB值；
步骤S22B，预设多个色彩范围，用于根据色彩范围对每个像素的RGB值进行匹配，生成多个对应于不同的色彩范围的连通域以及对应的连通域位置坐标。
具体地，通过步骤S21B至步骤S22B，首先对平面图进行颜色识别并转换成对应的RGB值，随后根据预设的色彩范围对平面图进行图像处理，生成对应于不同的色彩范围的边缘轮廓以及位于边缘轮廓上的所有轮廓标注点，也就是说，根据预设的色彩范围，可以将不同RGB值区域轮廓提取出来，再根据步骤S3，沿着连通域轮廓生成轮廓标注点并显示在平面图中，实现自动标注。
本发明的优选实施方式中，如图8所示，步骤S3包括：
步骤S31，根据连通域以及对应的连通域位置坐标，获取连通域对应的边缘轮廓；
步骤S32，预设标注间距，用于根据标注间距对边缘轮廓进行处理，获取位于边缘轮廓上的所有轮廓标注点。
具体地，通过步骤S31至步骤S32，首先，可以根据连通域以及对应的连通域位置坐标，获取连通域对应的边缘轮廓，然后根据标注间距对边缘轮廓进行处理，获取位于边缘轮廓上的所有轮廓标注点。
本发明的技术方案有益效果在于：提供一种平面图标注系统及方法，能够快速对平面图进行标注处理，生成边缘轮廓标注点，缩短标注时间，提高标注效率，简化标注流程。
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (8)

1.一种平面图标注系统，其特征在于，包括：
一获取模块，用于获取平面图；
一识别模块，连接所述获取模块，用于获取所述平面图并进行图像处理，生成多个连通域以及对应的连通域位置坐标；
一标注模块，连接所述识别模块，用于预设一标注间距，并根据所述标注间距对每个所述连通域以及对应的所述连通域位置坐标进行标注处理，生成对应的边缘轮廓以及位于所述边缘轮廓上的所有轮廓标注点；
一融合模块，连接所述标注模块和所述获取模块，用于对所述平面图、所述边缘轮廓以及位于所述边缘轮廓上的所有轮廓标注点进行融合处理，得到平面图标注结果；
所述识别模块包括：
一转换单元，用于对所述平面图中每个像素进行色彩识别，并转换成对应的RGB值；
一图像匹配单元，连接所述转换单元，所述图像匹配单元中预设多个色彩范围，用于根据所述色彩范围对每个像素的RGB值进行匹配，生成多个对应于不同的所述色彩范围的连通域以及对应的所述连通域位置坐标。
2.根据权利要求1所述的平面图标注系统，其特征在于，所述识别模块包括：
一第一处理单元，用于对所述平面图进行灰度处理，生成对应的灰度图；
一第二处理单元，连接所述第一处理单元，用于对所述灰度图进行二值化处理，生成对应的二值图；
一第三处理单元，连接所述第二处理单元，用于根据所述二值图，得到多个所述连通域以及对应的所述连通域位置坐标。
3.根据权利要求1所述的平面图标注系统，其特征在于，所述标注模块包括：
一第一标注单元，用于根据所述连通域以及对应的所述连通域位置坐标，获取所述连通域对应的边缘轮廓；
一第二标注单元，连接所述第一标注单元，所述第二标注单元中预设所述标注间距，用于根据所述标注间距对所述边缘轮廓进行处理，获取位于所述边缘轮廓上的所有所述轮廓标注点。
4.根据权利要求3所述的平面图标注系统，其特征在于，相邻的所述轮廓标注点之间具有相同的所述标注间距。
5.根据权利要求1所述的平面图标注系统，其特征在于，还包括：
一辅助标注模块，连接所述标注模块，用于对所述轮廓标注点进行调整。
6.一种平面图标注方法，其特征在于，包括：
步骤S1，获取平面图；
步骤S2，对所述平面图进行图像处理，生成多个连通域以及对应的连通域位置坐标；
步骤S3，预设一标注间距，并根据所述标注间距对每个所述连通域以及对应的所述连通域位置坐标进行标注处理，生成对应的边缘轮廓以及位于所述边缘轮廓上的所有轮廓标注点；
步骤S4，对所述平面图、所述边缘轮廓以及位于所述边缘轮廓上的所有轮廓标注点进行融合处理，得到平面图标注结果；
所述步骤S2包括：
步骤S21B，对所述平面图中每个像素进行色彩识别，并转换成对应的RGB值；
步骤S22B，预设多个色彩范围，用于根据所述色彩范围对每个像素的RGB值进行匹配，生成多个对应于不同的所述色彩范围的连通域以及对应的所述连通域位置坐标。
7.根据权利要求6所述的平面图标注方法，其特征在于，所述步骤S2包括：
步骤S21A，对所述平面图进行灰度处理，生成对应的灰度图；
步骤S22A，对所述灰度图进行二值化处理，生成对应的二值图；
步骤S23A，根据所述二值图，得到多个所述连通域以及对应的所述连通域位置坐标。
8.根据权利要求6所述的平面图标注方法，其特征在于，所述步骤S3包括：
步骤S31，根据所述连通域以及对应的所述连通域位置坐标，获取所述连通域对应的边缘轮廓；
步骤S32，预设所述标注间距，用于根据所述标注间距对所述边缘轮廓进行处理，获取位于所述边缘轮廓上的所有所述轮廓标注点。
CN202110369407.1A 2021-04-06 2021-04-06 一种平面图标注系统 Active CN113112467B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110369407.1A CN113112467B (zh) 2021-04-06 2021-04-06 一种平面图标注系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110369407.1A CN113112467B (zh) 2021-04-06 2021-04-06 一种平面图标注系统

Publications (2)

Publication Number Publication Date
CN113112467A CN113112467A (zh) 2021-07-13
CN113112467B true CN113112467B (zh) 2023-04-07

Family

ID=76714179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110369407.1A Active CN113112467B (zh) 2021-04-06 2021-04-06 一种平面图标注系统

Country Status (1)

Country Link
CN (1) CN113112467B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955693A (zh) * 2013-05-06 2014-07-30 北京瑞盖科技有限公司 一种九球的计算机辅助检测识别方法
CN107067006A (zh) * 2017-04-20 2017-08-18 金电联行（北京）信息技术有限公司 一种服务于数据采集的验证码识别方法及系统
CN107316077A (zh) * 2017-06-21 2017-11-03 上海交通大学 一种基于图像分割及边缘检测的脂肪细胞自动计数方法
CN109214397A (zh) * 2018-09-14 2019-01-15 郑州大学 一种肺部ct图像中肺结节的分割方法
CN110752029A (zh) * 2019-10-21 2020-02-04 北京推想科技有限公司 一种病灶的定位方法及装置
CN111724402A (zh) * 2020-06-18 2020-09-29 北京小白世纪网络科技有限公司 一种医疗影像标注方法、系统及装置
CN111738271A (zh) * 2020-03-04 2020-10-02 沈阳工业大学 自然环境中被遮挡果实的识别方法
CN112465779A (zh) * 2020-11-26 2021-03-09 中国科学院苏州生物医学工程技术研究所 腹部ct中胆总管囊肿病灶全自动检测分割方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150211482A1 (en) * 2014-01-08 2015-07-30 Theodore Radisek Resilient blade wind turbine
FR3022072B1 (fr) * 2014-06-10 2017-08-25 Commissariat Energie Atomique Dispositif electrique multicouches

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955693A (zh) * 2013-05-06 2014-07-30 北京瑞盖科技有限公司 一种九球的计算机辅助检测识别方法
CN107067006A (zh) * 2017-04-20 2017-08-18 金电联行（北京）信息技术有限公司 一种服务于数据采集的验证码识别方法及系统
CN107316077A (zh) * 2017-06-21 2017-11-03 上海交通大学 一种基于图像分割及边缘检测的脂肪细胞自动计数方法
CN109214397A (zh) * 2018-09-14 2019-01-15 郑州大学 一种肺部ct图像中肺结节的分割方法
CN110752029A (zh) * 2019-10-21 2020-02-04 北京推想科技有限公司 一种病灶的定位方法及装置
CN111738271A (zh) * 2020-03-04 2020-10-02 沈阳工业大学 自然环境中被遮挡果实的识别方法
CN111724402A (zh) * 2020-06-18 2020-09-29 北京小白世纪网络科技有限公司 一种医疗影像标注方法、系统及装置
CN112465779A (zh) * 2020-11-26 2021-03-09 中国科学院苏州生物医学工程技术研究所 腹部ct中胆总管囊肿病灶全自动检测分割方法及系统

Also Published As

Publication number Publication date
CN113112467A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN110119680B (zh) 一种基于图像识别的电气柜接线自动查错系统
CN107909010B (zh) 一种道路障碍物检测方法与装置
JP5699788B2 (ja) スクリーン領域検知方法及びシステム
CN103543277B (zh) 一种基于灰度分析与种类识别的血型结果识别算法
CN109472271B (zh) 印刷电路板图像轮廓提取方法及装置
CN105913093A (zh) 一种用于文字识别处理的模板匹配方法
CN108520514B (zh) 基于计算机视觉的印刷电路板电子元器一致性检测方法
CN112964724B (zh) 一种多目标多区域视觉检测方法及检测系统
CN106599890B (zh) 变电站巡检机器人数字式仪表识别算法
CN116051551B (zh) 基于图像处理的显示屏缺陷检测方法及相关装置
CN110569774B (zh) 基于图像处理与模式识别的折线图图像自动数字化方法
CN104239873A (zh) 图像处理装置及处理方法
JP2018036226A (ja) 画像処理プログラム、画像処理方法および画像処理装置
CN115184380A (zh) 基于机器视觉的印刷电路板焊点异常检测方法
CN110956620A (zh) 一种检测电子元件点胶质量的图像处理算法
CN110991434B (zh) 自助终端证件识别方法及装置
CN104966283A (zh) 图像分层配准方法
CN114943703A (zh) 多分量p图区域分析系统
CN113112467B (zh) 一种平面图标注系统
CN102401636A (zh) 图像测量装置和图像测量方法
CN110322395A (zh) 基于图像处理与仿射变换的零件轮廓形状检测方法及装置
CN105758337B (zh) 一种获取透镜平面与图像传感器平面之间夹角的方法
KR20160123455A (ko) 영상을 이용한 스폿용접 전극팁 오염도 측정방법
CN107480667A (zh) 基于模板的智能题目图像采集处理的方法及其系统
CN113378820B (zh) 数字病理切片目标区域的识别方法及系统

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