CN113191985A - 一种基于红外激光的智能祛斑系统 - Google Patents

一种基于红外激光的智能祛斑系统 Download PDF

Info

Publication number
CN113191985A
CN113191985A CN202110566996.2A CN202110566996A CN113191985A CN 113191985 A CN113191985 A CN 113191985A CN 202110566996 A CN202110566996 A CN 202110566996A CN 113191985 A CN113191985 A CN 113191985A
Authority
CN
China
Prior art keywords
image
processing
module
preset
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.)
Pending
Application number
CN202110566996.2A
Other languages
English (en)
Inventor
黄鹏升
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.)
Beijing Medical Technology Research Institute Co ltd
Original Assignee
Beijing Medical Technology Research Institute 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 Beijing Medical Technology Research Institute Co ltd filed Critical Beijing Medical Technology Research Institute Co ltd
Priority to CN202110566996.2A priority Critical patent/CN113191985A/zh
Publication of CN113191985A publication Critical patent/CN113191985A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G06T5/70—
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Abstract

本发明提供了一种基于红外激光的智能祛斑系统，包括图像采集装置、图像处理装置、驱动装置和激光发射装置；所述图像采集装置用于获取所述祛斑人员的脸部图像；所述图像处理装置用于使用自适应的小波降噪函数对所述灰度图像进行降噪处理以及用于确定色斑的区域和确定所述区域对应的像素点在像素坐标系中的坐标的集合；所述驱动装置用于将所述像素坐标系中的坐标的集合转换为世界坐标系中的坐标的集合，并基于所述世界坐标系中的坐标的集合对所述激光发射装置进行驱动；所述激光发射装置用于发射红外激光进行祛斑处理。本发明能够在保留脸部图像中的细节信息的同时，实现对脸部图像中的噪声的有效去除，提高色斑定位的准确性。

Description

一种基于红外激光的智能祛斑系统
技术领域
本发明涉及祛斑领域，尤其涉及一种基于红外激光的智能祛斑系统。
背景技术
激光祛斑指的是利用红外激光对色斑进行处理，从而实现色斑的去除。红外激光可以选择性地作用于不同的皮肤组织，只要采用特定的光源就可以保证只对色斑产生作用，而不会影响到正常的皮肤组织。激光能量可在极短的时间内被病变中的色素颗粒吸收，产生极高的温度，使其迅速膨胀，形成微型爆破，产生汽化、粉碎成非常小的颗粒，然后被组织内的巨噬细胞吞噬、清除。
现有技术的祛斑系统，在对色斑区域进行定位前，一般是采用高斯滤波器进行降噪处理，但是由于高斯降噪是一个平滑的过程，容易使得图像中的边缘信息丢失，从而使得对色斑的定位不够准确。
发明内容
鉴于上述问题，本发明的目的在于提供一种基于红外激光的智能祛斑系统。
本发明提供了一种基于红外激光的智能祛斑系统，包括图像采集装置、图像处理装置、驱动装置和激光发射装置；
所述图像采集装置用于获取所述祛斑人员的脸部图像，并将所述脸部图像传输至所述图像处理装置；
所述图像处理装置用于使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像，以及用于确定所述降噪图像中的色斑的区域和确定所述区域对应的像素点在像素坐标系中的坐标的集合；
所述驱动装置用于将所述像素坐标系中的坐标的集合转换为世界坐标系中的坐标的集合，并基于所述世界坐标系中的坐标的集合对所述激光发射装置进行驱动，使得激光发射装置射出的红外激光能够照射到所述世界坐标系中的坐标的集合对应的祛斑人员的脸部皮肤区域；
所述激光发射装置用于发射红外激光，对所述世界坐标系中的坐标的集合对应的祛斑人员的脸部皮肤进行祛斑处理。
优选地，所述图像采集装置包括摄像头和补光灯；
所述摄像头用于获取所述祛斑人员的脸部图像，并将所述脸部图像传输至所述图像处理装置；
所述补光灯用于对所述祛斑人员的脸部进行照射。
优选地，所述图像处理装置包括灰度处理模块、降噪处理模块、边缘检测模块、一次筛选模块、特征提取模块、二次筛选模块和坐标确定模块；
所述灰度处理模块用于使用加权平均法对所述脸部图像进行灰度化处理，获得灰度图像；
所述降噪处理模块用于使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像；
所述边缘检测模块用于对所述降噪图像进行边缘检测处理，获取所述降噪图像中的连通域；
所述一次筛选模块用于对面积小于预设的面积阈值的连通域进行剔除，将剩余的连通域存入一次筛选集合中；
所述特征提取模块用于在所述降噪图像中提取所述一次筛选集合中的连通域的特征信息；
所述二次筛选模块用于将所述一次筛选集合中的特征信息不符合预设的筛选条件的连通域进行删除，将一次筛选集合中剩余的连通域作为色斑的区域，并将一次筛选集合中剩余的连通域存入二次筛选集合中；
所述坐标确定模块用于确定所述二次筛选集合中连通域对应的像素点在像素坐标系中的坐标的集合。
优选地，所述使用加权平均法对所述脸部图像进行灰度化处理，获得灰度图像，包括：
使用下述公式对所述脸部图像进行灰度化处理，获得灰度图像：
gray(x)＝w1×R(x)+w2×G(x)+w3×B(x)
式中，w1、w2、w3表示预设的权重系数，R(x)、G(x)、B(x)分别表示像素点x在所述脸部图像对应的RGB颜色空间中的红色分量图像、绿色分量图像、蓝色分量图像中的像素值，gray(x)表示像素点x在灰度图像中的像素值。
优选地，所述使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像，包括：
对所述脸部图像进行小波分解处理，获得第一小波系数和第二小波系数，所述第一小波系数为高频系数，所述第二小波系数为低频系数；
对第一小波系数进行以下处理：
将第一小波系数记为wavcfir，若|wavcfir|小于t1，则使用下述函数对wavcfir进行处理：
Figure BDA0003081115140000031
若|wavcfir|大于等于t1，且|wavcfir|小于等于t2，则使用下述函数对wavcfir进行处理：
Figure BDA0003081115140000032
若|wavcfir|大于t2，则使用下述函数对wavcfir进行处理：
Figure BDA0003081115140000033
式中，fwavcfir表示处理后的第一小波系数，t1和t2表示预设的辅助判断系数，用于为不同情况的第一小波系数自适应地选择不同的函数进行处理，cs表示预设的常数参数，ctr表示预设的调节系数，g(wavcfir)表示预设的判断函数，若wavcfir大于0，则g(wavcfir)的值为1，若g(wavcfir)小于等于0，则g(wavcfir)的值为-1；
将fwavcfir和第二小波系数进行小波重构，获得降噪图像。
优选地，将所述一次筛选集合中的特征信息不符合预设的筛选条件的连通域进行删除，包括：
将一次筛选集合中的连通域的特征信息与色斑连通域的标准特征信息进行匹配，若匹配度小于预设的匹配度阈值，则表示所述连通域不符合预设的筛选条件。
将一次筛选集合中不符合预设的筛选条件的连通域进行删除。
与现有技术相比，本发明的优点在于：
本发明采用了自适应的小波降噪函数对所述脸部图像进行降噪处理，能够在保留脸部图像中的细节信息的同时，实现对脸部图像中的噪声的有效去除，从而避免图像中的边缘信息丢失，从而实现对色斑的准确定位。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明一种基于红外激光的智能祛斑系统的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示的一种实施例，本发明提供了一种基于红外激光的智能祛斑系统，包括图像采集装置、图像处理装置、驱动装置和激光发射装置；
所述图像采集装置用于获取所述祛斑人员的脸部图像，并将所述脸部图像传输至所述图像处理装置；
所述图像处理装置用于使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像，以及用于确定所述降噪图像中的色斑的区域和确定所述区域对应的像素点在像素坐标系中的坐标的集合；
所述驱动装置用于将所述像素坐标系中的坐标的集合转换为世界坐标系中的坐标的集合，并基于所述世界坐标系中的坐标的集合对所述激光发射装置进行驱动，使得激光发射装置射出的红外激光能够照射到所述世界坐标系中的坐标的集合对应的祛斑人员的脸部皮肤区域；
所述激光发射装置用于发射红外激光，对所述世界坐标系中的坐标的集合对应的祛斑人员的脸部皮肤进行祛斑处理。
像素坐标系是以脸部图像中的处于边角的像素点作为原点建立的坐标系，横坐标和纵坐标指的是脸部图像中的像素点所在的行和列。
从像素坐标系转换到世界坐标系，需要先将坐标从像素坐标系转换到图像坐标系，然后从图像坐标系转换到相机坐标系，然后再从相机坐标系转换到世界坐标系，由于是现有技术，这里不再赘述。
优选地，所述图像采集装置包括摄像头和补光灯；
所述摄像头用于获取所述祛斑人员的脸部图像，并将所述脸部图像传输至所述图像处理装置；
所述补光灯用于对所述祛斑人员的脸部进行照射。
优选地，所述图像处理装置包括灰度处理模块、降噪处理模块、边缘检测模块、一次筛选模块、特征提取模块、二次筛选模块和坐标确定模块；
所述灰度处理模块用于使用加权平均法对所述脸部图像进行灰度化处理，获得灰度图像；
所述降噪处理模块用于使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像；
所述边缘检测模块用于对所述降噪图像进行边缘检测处理，获取所述降噪图像中的连通域；
所述一次筛选模块用于对面积小于预设的面积阈值的连通域进行剔除，将剩余的连通域存入一次筛选集合中；
所述特征提取模块用于在所述降噪图像中提取所述一次筛选集合中的连通域的特征信息；
所述二次筛选模块用于将所述一次筛选集合中的特征信息不符合预设的筛选条件的连通域进行删除，将一次筛选集合中剩余的连通域作为色斑的区域，并将一次筛选集合中剩余的连通域存入二次筛选集合中；
所述坐标确定模块用于确定所述二次筛选集合中连通域对应的像素点在像素坐标系中的坐标的集合。
边沿检测可以使用canny算法进行边缘检测，对降噪图像重点边缘像素点进行形态学处理，便可以得到多个连通域。将面积过小的连通域删除，有利于避免将脸部的痣错认为是色斑。
优选地，所述使用加权平均法对所述脸部图像进行灰度化处理，获得灰度图像，包括：
使用下述公式对所述脸部图像进行灰度化处理，获得灰度图像：
gray(x)＝w1×R(x)+w2×G(x)+w3×B(x)
式中，w1、w2、w3表示预设的权重系数，R(x)、G(x)、B(x)分别表示像素点x在所述脸部图像对应的RGB颜色空间中的红色分量图像、绿色分量图像、蓝色分量图像中的像素值，gray(x)表示像素点x在灰度图像中的像素值。
优选地，所述使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像，包括：
对所述脸部图像进行小波分解处理，获得第一小波系数和第二小波系数，所述第一小波系数为高频系数，所述第二小波系数为低频系数；
对第一小波系数进行以下处理：
将第一小波系数记为wavcfir，若|wavcfir|小于t1，则使用下述函数对wavcfir进行处理：
Figure BDA0003081115140000051
若|wavcfir|大于等于t1，且|wavcfir|小于等于t2，则使用下述函数对wavcfir进行处理：
Figure BDA0003081115140000061
若|wavcfir|大于t2，则使用下述函数对wavcfir进行处理：
Figure BDA0003081115140000062
式中，fwavcfir表示处理后的第一小波系数，t1和t2表示预设的辅助判断系数，用于为不同情况的第一小波系数自适应地选择不同的函数进行处理，cs表示预设的常数参数，ctr表示预设的调节系数，g(wavcfir)表示预设的判断函数，若wavcfir大于0，则g(wavcfir)的值为1，若g(wavcfir)小于等于0，则g(wavcfir)的值为-1；
将fwavcfir和第二小波系数进行小波重构，获得降噪图像。
由于传统的高斯降噪方式很容易对图像中的细节信息造成较大损失，因此，本发明对灰度图像进行小波分解后，再对获得的小波系数进行处理，能够有效的降低降噪过程对于细节信息的损失，从而有利于提高后续对色斑的定位的准确性。
在对第一小波系数进行处理时，设置了辅助判断系数，为不同情况的第一小波系数自适应地选择不同的函数进行处理，有效地提升了函数的针对性，从而提高了降噪效果的准确性。
优选地，将所述一次筛选集合中的特征信息不符合预设的筛选条件的连通域进行删除，包括：
将一次筛选集合中的连通域的特征信息与色斑连通域的标准特征信息进行匹配，若匹配度小于预设的匹配度阈值，则表示所述连通域不符合预设的筛选条件。
将一次筛选集合中不符合预设的筛选条件的连通域进行删除。
本发明采用了自适应的小波降噪函数对所述脸部图像进行降噪处理，能够在保留脸部图像中的细节信息的同时，实现对脸部图像中的噪声的有效去除，从而避免图像中的边缘信息丢失，从而实现对色斑的准确定位。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。

Claims (6)

1.一种基于红外激光的智能祛斑系统，其特征在于，包括图像采集装置、图像处理装置、驱动装置和激光发射装置；
所述图像采集装置用于获取所述祛斑人员的脸部图像，并将所述脸部图像传输至所述图像处理装置；
所述图像处理装置用于使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像，以及用于确定所述降噪图像中的色斑的区域和确定所述区域对应的像素点在像素坐标系中的坐标的集合；
所述驱动装置用于将所述像素坐标系中的坐标的集合转换为世界坐标系中的坐标的集合，并基于所述世界坐标系中的坐标的集合对所述激光发射装置进行驱动，使得激光发射装置射出的红外激光能够照射到所述世界坐标系中的坐标的集合对应的祛斑人员的脸部皮肤区域；
所述激光发射装置用于发射红外激光，对所述世界坐标系中的坐标的集合对应的祛斑人员的脸部皮肤进行祛斑处理。
2.根据权利要求1所述的一种基于红外激光的智能祛斑系统，其特征在于，所述图像采集装置包括摄像头和补光灯；
所述摄像头用于获取所述祛斑人员的脸部图像，并将所述脸部图像传输至所述图像处理装置；
所述补光灯用于对所述祛斑人员的脸部进行照射。
3.根据权利要求1所述的一种基于红外激光的智能祛斑系统，其特征在于，所述图像处理装置包括灰度处理模块、降噪处理模块、边缘检测模块、一次筛选模块、特征提取模块、二次筛选模块和坐标确定模块；
所述灰度处理模块用于使用加权平均法对所述脸部图像进行灰度化处理，获得灰度图像；
所述降噪处理模块用于使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像；
所述边缘检测模块用于对所述降噪图像进行边缘检测处理，获取所述降噪图像中的连通域；
所述一次筛选模块用于对面积小于预设的面积阈值的连通域进行剔除，将剩余的连通域存入一次筛选集合中；
所述特征提取模块用于在所述降噪图像中提取所述一次筛选集合中的连通域的特征信息；
所述二次筛选模块用于将所述一次筛选集合中的特征信息不符合预设的筛选条件的连通域进行删除，将一次筛选集合中剩余的连通域作为色斑的区域，并将一次筛选集合中剩余的连通域存入二次筛选集合中；
所述坐标确定模块用于确定所述二次筛选集合中连通域对应的像素点在像素坐标系中的坐标的集合。
4.根据权利要求3所述的一种基于红外激光的智能祛斑系统，其特征在于，所述使用加权平均法对所述脸部图像进行灰度化处理，获得灰度图像，包括：
使用下述公式对所述脸部图像进行灰度化处理，获得灰度图像：
gray(x)＝w1×R(x)+w2×G(x)+w3×B(x)
式中，w1、w2、w3表示预设的权重系数，R(x)、G(x)、B(x)分别表示像素点x在所述脸部图像对应的RGB颜色空间中的红色分量图像、绿色分量图像、蓝色分量图像中的像素值，gray(x)表示像素点x在灰度图像中的像素值。
5.根据权利要求3所述的一种基于红外激光的智能祛斑系统，其特征在于，所述使用自适应的小波降噪函数对所述灰度图像进行降噪处理，获得降噪图像，包括：
对所述脸部图像进行小波分解处理，获得第一小波系数和第二小波系数，所述第一小波系数为高频系数，所述第二小波系数为低频系数；
对第一小波系数进行以下处理：
将第一小波系数记为wavcfir，若|wavcfir|小于t1，则使用下述函数对wavcfir进行处理：
Figure FDA0003081115130000021
若|wavcfir|大于等于t1，且|wavcfir|小于等于t2，则使用下述函数对wavcfir进行处理：
Figure FDA0003081115130000022
若|wavcfir|大于t2，则使用下述函数对wavcfir进行处理：
Figure FDA0003081115130000023
式中，fwavcfir表示处理后的第一小波系数，t1和t2表示预设的辅助判断系数，用于为不同情况的第一小波系数自适应地选择不同的函数进行处理，cs表示预设的常数参数，ctr表示预设的调节系数，g(wavcfir)表示预设的判断函数，若wavcfir大于0，则g(wavcfir)的值为1，若g(wavcfir)小于等于0，则g(wavcfir)的值为-1；
将fwavcfir和第二小波系数进行小波重构，获得降噪图像。
6.根据权利要求3所述的一种基于红外激光的智能祛斑系统，其特征在于，将所述一次筛选集合中的特征信息不符合预设的筛选条件的连通域进行删除，包括：
将一次筛选集合中的连通域的特征信息与色斑连通域的标准特征信息进行匹配，若匹配度小于预设的匹配度阈值，则表示所述连通域不符合预设的筛选条件；
将一次筛选集合中不符合预设的筛选条件的连通域进行删除。
CN202110566996.2A 2021-05-24 2021-05-24 一种基于红外激光的智能祛斑系统 Pending CN113191985A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110566996.2A CN113191985A (zh) 2021-05-24 2021-05-24 一种基于红外激光的智能祛斑系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110566996.2A CN113191985A (zh) 2021-05-24 2021-05-24 一种基于红外激光的智能祛斑系统

Publications (1)

Publication Number Publication Date
CN113191985A true CN113191985A (zh) 2021-07-30

Family

ID=76985208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110566996.2A Pending CN113191985A (zh) 2021-05-24 2021-05-24 一种基于红外激光的智能祛斑系统

Country Status (1)

Country Link
CN (1) CN113191985A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677443A (zh) * 2022-05-27 2022-06-28 深圳智华科技发展有限公司 光学定位方法、装置、设备及存储介质
CN115272174A (zh) * 2022-06-15 2022-11-01 武汉市市政路桥有限公司 一种市政道路检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097034A (zh) * 2019-05-15 2019-08-06 广州纳丽生物科技有限公司 一种智能人脸健康程度的识别与评估方法
CN111028214A (zh) * 2019-12-05 2020-04-17 北京美医医学技术研究院有限公司 一种基于云平台的皮肤检测装置
CN111134620A (zh) * 2019-12-30 2020-05-12 北京美丽年华文化有限公司 一种基于大数据技术的肤质检测系统
US20200342594A1 (en) * 2019-04-23 2020-10-29 The Procter & Gamble Company Apparatus and method for visualizing visually imperceivable cosmetic skin attributes
WO2021000702A1 (zh) * 2019-06-29 2021-01-07 华为技术有限公司 图像检测方法、设备以及系统
CN112221021A (zh) * 2020-11-02 2021-01-15 中南大学湘雅三医院 一种皮肤科智能激光祛斑控制系统及控制方法
CN112712054A (zh) * 2021-01-14 2021-04-27 深圳艾摩米智能科技有限公司 脸部皱纹检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200342594A1 (en) * 2019-04-23 2020-10-29 The Procter & Gamble Company Apparatus and method for visualizing visually imperceivable cosmetic skin attributes
CN110097034A (zh) * 2019-05-15 2019-08-06 广州纳丽生物科技有限公司 一种智能人脸健康程度的识别与评估方法
WO2021000702A1 (zh) * 2019-06-29 2021-01-07 华为技术有限公司 图像检测方法、设备以及系统
CN111028214A (zh) * 2019-12-05 2020-04-17 北京美医医学技术研究院有限公司 一种基于云平台的皮肤检测装置
CN111134620A (zh) * 2019-12-30 2020-05-12 北京美丽年华文化有限公司 一种基于大数据技术的肤质检测系统
CN112221021A (zh) * 2020-11-02 2021-01-15 中南大学湘雅三医院 一种皮肤科智能激光祛斑控制系统及控制方法
CN112712054A (zh) * 2021-01-14 2021-04-27 深圳艾摩米智能科技有限公司 脸部皱纹检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
耿琅环: "医学检验中单向免疫扩散样本图像处理与分析", 中国优秀硕士学位论文全文数据库医药卫生科技辑, no. 02, pages 9 - 12 *
郑慕之, 陶玲, 王惠南: "多尺度MRI断层图像特征提取新技术研究", 生物医学工程研究, no. 02 *
金宝龙;李辉;赵乃杰;何海峰;: "一种新的小波阈值去噪算法", 弹箭与制导学报, no. 01 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114677443A (zh) * 2022-05-27 2022-06-28 深圳智华科技发展有限公司 光学定位方法、装置、设备及存储介质
CN115272174A (zh) * 2022-06-15 2022-11-01 武汉市市政路桥有限公司 一种市政道路检测方法及系统
CN115272174B (zh) * 2022-06-15 2023-05-19 武汉市市政路桥有限公司 一种市政道路检测方法及系统

Similar Documents

Publication Publication Date Title
US11127122B2 (en) Image enhancement method and system
CN104240194B (zh) 一种基于抛物线函数的低照度图像增强算法
CN113191985A (zh) 一种基于红外激光的智能祛斑系统
CN108288258B (zh) 一种针对恶劣天气条件下的低质图像增强方法
WO2016054904A1 (zh) 图像处理方法、图像处理装置及显示设备
WO2022205525A1 (zh) 基于双目视觉自主式水下机器人回收导引伪光源去除方法
CN108875747A (zh) 一种基于机器视觉的小麦不完善粒识别方法
CN109472788B (zh) 一种飞机铆钉表面的伤痕检测方法
CN108121946B (zh) 一种指纹图像预处理方法及装置
CN103985097A (zh) 一种非均匀照度的图像增强方法
CN114821452B (zh) 一种彩绘列车车号识别方法、系统及介质
CN113449730A (zh) 图像处理方法、系统、自动行走设备及可读存储介质
CN114022383A (zh) 一种文字图像的摩尔纹祛除方法、装置及电子设备
Zulfahmi et al. Improved image quality retinal fundus with contrast limited adaptive histogram equalization and filter variation
CN1761285A (zh) 一种去除视频孤立噪声点的方法
CN110599553A (zh) 一种基于YCbCr的肤色提取及检测方法
CN108596843B (zh) 一种基于亮通道的水下图像色彩恢复算法
CN113947535B (zh) 一种基于光照分量优化的低照度图像增强方法
Valliammal et al. A hybrid method for enhancement of plant leaf recognition
Wang et al. Adaptive binarization: A new approach to license plate characters segmentation
CN111192332B (zh) 一种基于烟雾检测的烟机控制方法以及烟机
JP2011076302A (ja) 輪郭抽出装置、輪郭抽出方法、および輪郭抽出プログラム
CN103955917A (zh) 一种长间隙空气电弧图像边缘检测方法
CN111611940A (zh) 一种基于大数据处理的快速视频人脸识别方法
Mustaghfirin et al. The comparison of iris detection using histogram equalization and adaptive histogram equalization methods

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