CN113705569A - 一种图像标注方法及系统 - Google Patents

一种图像标注方法及系统 Download PDF

Info

Publication number
CN113705569A
CN113705569A CN202111011208.XA CN202111011208A CN113705569A CN 113705569 A CN113705569 A CN 113705569A CN 202111011208 A CN202111011208 A CN 202111011208A CN 113705569 A CN113705569 A CN 113705569A
Authority
CN
China
Prior art keywords
pixel value
pixel
image
region
interest
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
CN202111011208.XA
Other languages
English (en)
Inventor
王旭
于兴华
王小鹏
张宝鑫
王家琦
朱子谦
崔金瀚
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 Institute of Technology BIT
Chongqing Innovation Center of Beijing University of Technology
Original Assignee
Beijing Institute of Technology BIT
Chongqing Innovation Center of Beijing University of Technology
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 Institute of Technology BIT, Chongqing Innovation Center of Beijing University of Technology filed Critical Beijing Institute of Technology BIT
Priority to CN202111011208.XA priority Critical patent/CN113705569A/zh
Publication of CN113705569A publication Critical patent/CN113705569A/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
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供一种图像标注方法及系统，包括监测对待标注图像的框选指令，以确定感兴趣区域；获取感兴趣区域内最小像素值和最大像素值；将设定区域中各像素点的像素值与最小像素值min与最大像素值max进行比较，小于等于最小像素值min的像素点，将其像素值设置为0；大于等于最大像素值max的像素点，将其像素值设置为2n‑1；介于最小像素值min与最大像素值max之间的像素点，将其像素值设置为(value‑min)/(max‑min)*(2n‑1)；以感兴趣区域为标注框生成标注文件。通过局部对比度调节可以将感兴趣区域的各个通道的像素值扩展至最大范围，最大程度凸显待标注对象，提高标注精度；对比度调节与标注同时进行，与现有先调节对比度再标注的方法相比，两步缩短为一步，可以提高标注速度。

Description

一种图像标注方法及系统
技术领域
本发明涉及深度学习技术领域，尤其涉及一种图像标注方法及系统。
背景技术
图像标注的目的是得到大量带标签的图像，这些图像构成有监督深度学习的训练集，因此图像标注是深度学习不可或缺的基础性工作。当前图像标注方法可分为两类：一类是不带对比度调节的图像标注，对于不明显的待标注对象，该方法将消耗大量时间寻找待标注对象且容易遗漏；另一类是带全局对比度调节的图像标注，对于不明显的待标注对象，即局部感兴趣的区域，该方法调节能力有限，调节效果不佳，且增加对比度调节步骤将消耗更多时间。综上所述，这两类标注方法的精度和速度都不高，不能完全满足实际标注需求。
发明内容
本发明提供的一种图像标注方法及系统，主要解决的技术问题是：现有图像标注效果不佳、效率低下的问题。
为解决上述技术问题，本发明提供一种图像标注方法，包括：
S10、监测对待标注图像的框选指令，以确定感兴趣区域；
S20、获取所述感兴趣区域内最小像素值和最大像素值；
S30、将设定区域中各像素点的像素值与所述最小像素值min与所述最大像素值max进行比较，小于等于所述最小像素值min的像素点，将其像素值设置为0；大于等于所述最大像素值max的像素点，将其像素值设置为2n-1，所述n为单一通道位深度；介于所述最小像素值min与所述最大像素值max之间的像素点，将其像素值设置为(value-min)/(max-min)*(2n-1)，所述value值为该像素点的实际像素值；所述设定区域至少包含所述感兴趣区域；
S40、以所述感兴趣区域为标注框生成标注文件。
可选的，所述图像标注方法还包括：
S50、判断所述标注框是否满足设定要求，如是，则标注完成；如否，则重复步骤S10～S40，直至标注框满足设定要求。
可选的，所述设定区域为整幅所述待标注图像。
可选的，所述框选指令为矩形框框选指令，包括起始坐标以及矩形框长度和宽度信息。
可选的，所述待标注图像为单通道黑白图像时，所述步骤S20～S30包括：
获取所述感兴趣区域内最小像素值为Pmin，最大像素值为Pmax；
将设定区域中各像素点的像素值与感兴趣区域内最小像素值Pmin和最大像素值Pmax进行比较，小于等于Pmin的像素点，将其像素值设置为0；大于等于Pmax的像素点，将其像素值设置为2n-1，所述n为单一通道位深度；介于Pmin与Pmax之间的像素点，将其像素值设置为(value-Pmin)/(Pmax-Pmin)*(2n-1)。
可选的，所述待标注图像为三通道彩色图像时，所述步骤S20～S30包括：
获取所述感兴趣区域内各个通道的最小像素值分别为Rmin、Gmin、Bmin，以及最大像素值分别为Rmax、Gmax、Bmax；
将设定区域中各像素点的R通道像素值与Rmin和Rmax进行比较，小于等于Rmin的像素点，将其R通道像素值设置为0；大于等于Rmax的像素点，将其R通道像素值设置为2n-1，所述n为单一通道位深度；介于Rmin与Rmax之间的像素点，将其R通道像素值设置为(Rvalue-Rmin)/(Rmax-Rmin)*(2n-1),所述Rvalue值为该像素点的实际R通道像素值；使得感兴趣区域内像素点的R通道像素值分布由Rmin～Rmax扩大到0～2n-1；同理，G通道像素值分布由Gmin～Gmax扩大到0～2n-1，B通道像素值分布由Bmin～Bmax扩大到0～2n-1。
本发明还提供一种图像标注系统，包括：
监测模块，用于监测对待标注图像的框选指令，以确定感兴趣区域；
获取模块，用于获取所述感兴趣区域内最小像素值和最大像素值；
对比度调节模块，用于将设定区域中各像素点的像素值与所述最小像素值min与所述最大像素值max进行比较，小于等于所述最小像素值min的像素点，将其像素值设置为0；大于等于所述最大像素值max的像素点，将其像素值设置为2n-1，所述n为单一通道位深度；介于所述最小像素值min与所述最大像素值max之间的像素点，将其像素值设置为(value-min)/(max-min)*(2n-1)，所述value值为该像素点的实际像素值；所述设定区域至少包含所述感兴趣区域；
标注模块，用于以所述感兴趣区域为标注框生成标注文件。
可选的，还包括判断模块，用于判断所述标注框是否满足设定要求，如是，则标注完成；如否，通知所述监测模块重新监测获取感兴趣区域，直至标注框满足设定要求。
本发明的有益效果是：
根据本发明提供的一种图像标注方法及系统，包括监测对待标注图像的框选指令，以确定感兴趣区域；获取感兴趣区域内最小像素值和最大像素值；将设定区域中各像素点的像素值与最小像素值min与最大像素值max进行比较，小于等于最小像素值min的像素点，将其像素值设置为0；大于等于最大像素值max的像素点，将其像素值设置为2n-1，n为单一通道位深度；介于最小像素值min与最大像素值max之间的像素点，将其像素值设置为(value-min)/(max-min)*(2n-1)，value值为该像素点的实际像素值；设定区域至少包含感兴趣区域；以感兴趣区域为标注框生成标注文件。通过局部对比度调节可以将感兴趣区域的各个通道的像素值扩展至最大范围，对于黑白图像和彩色图像都可以最大程度凸显待标注对象，提高标注精度；对比度调节与标注同时进行，与现有先调节对比度再标注的方法相比，两步缩短为一步，可以提高标注速度。
附图说明
图1为本发明实施例一对比度调节之前的焊缝射线图像局部图像；
图2为本发明实施例一对比度调节之后的焊缝射线图像局部图像；
图3为本发明实施例一图像标注方法流程示意图；
图4为本发明实施例二对比度调节之前的交通图像；
图5为本发明实施例二对比度调节之后的交通图像；
图6为本发明实施例三的图像标注系统结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图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。
实施例一：
如图1所示为焊缝射线图像(黑白)，待标注对象为气孔(黑框标识)，气孔与背景对比度不明显，无法进行有效标注。本方案提供一种图像标注方法，通过局部对比度调节，极大地凸显了待标注对象，标注后的图像如图2所示，可以清晰地凸显气孔图像，提高了标注精度。
请参见图3，本方案主要包括如下步骤：
S10、监测框选指令，确定感兴趣区域；
S20、获取感兴趣区域内最小像素值和最大像素值；
S30、局部对比度调节；
S40、对感兴趣区域生成标注文件；
S50、判断是否满足实际要求，如是，标注完成；如否，转至步骤S10。
在气孔疑似区域拖拉一个矩形框，系统通过监测得知框选区域位置信息，包括但不限于起始坐标(x0，y0)以及矩形框长度和宽度信息，以此可唯一确定该矩形框在该待标注图像中的大小和位置。应当理解的是，可将待标注图像作为一个xoy平面，建立平面坐标系，基于矩形框起始坐标(x0，y0)以及矩形框长度和宽度信息，可唯一确定该矩形框。长度和宽度信息包括长度和宽度值以及方向，例如长度信息为+10，表示xoy坐标系中X轴方向10个像素点；宽度信息-5，表示xoy坐标系中负Y轴方向5个像素点。
在本发明其他可选实施例中，可通过其他框选方式形成感兴趣区域。包括但不限于圆形框，通过圆心坐标和半径唯一确定感兴趣区域；或者通过多边形的各个顶点坐标围合形成感兴趣区域；或者通过曲线所经过的每一个像素点围合形成封闭区域，以形成感兴趣区域。对此，本发明实施例不做限制，可基于实际需求灵活选择。
获取感兴趣区域内最小像素值和最大像素值；图1中感兴趣区域最小像素值为171，最大像素值为179，然后将整幅图中各个像素点的像素值分别与171和179比较，小于等于171的设置为0，大于等于179的设置为255，介于171和179之间的，通过公式value＝(value-171)/(179-171)*255重新赋值。例如，像素值为175的像素点，经对比度调节之后，其像素点为(175-171)/(179-171)*255＝128(小数点可通过四舍五入处理)，使得矩形框内像素的像素值分布由171～179扩大到0～255，矩形框区域的对比度明显提高，即气孔与背景的对比度提高，如图2所示，即气孔与背景的对比度提高，因此标注效果会更精确。
应当理解的是，标注文件的格式或内容可基于实际应用场景或需求的不同而有所区别，例如包括但不限于生成txt、xml、json等格式的标注文件，标注内容包括但不限于感兴趣区域的坐标位置信息、标签信息等。例如，这里为了标注焊缝射线图像所存在的缺陷问题，标签信息可能包含缺陷类型，例如气孔、裂缝等。
标注框是否满足设定要求，可基于技术人员的主动反馈确认，若确认满足要求，则标注完成；此时该标注后的图像即可用于后续应用场景，例如用于深度学习训练等场景中。若确认不满足设定要求，则需要再次选定矩形框，重新进行对比度调节与标注，直至满足要求。
可选的，技术人员可基于感兴趣区域与其中目标对象的覆盖率来确定是否满足设定需求，如图2所示，感兴趣区域完全覆盖目标对象“气孔”，即覆盖率100％，此时可判定满足设定要求。若刚兴趣区域未完全覆盖目标对象，则判定不满足设定要求，需要重新框选。进一步的，还可计算目标对象与框选区域之间的图像面积比值，设定要求可设置为目标对象与框选区域之间的图像面积比值在一定的区间范围，避免框选区域过大或者过小的问题。
为了便于及时观察对比度调节之后的框选图像，系统可在对比度调节完成之后，对感兴趣区域进行放大，使感兴趣图像位于显示器正中且放大显示。具体的，放大比例可根据框选区域与显示器屏幕大小进行灵活设置，例如设置为显示器屏幕大小的50％。
本实施例提供的图像标注方法，通过局部对比度调节可以将感兴趣区域的各个通道的像素值扩展至最大范围，可以最大程度凸显待标注对象，提高标注精度；对比度调节与标注同时进行，与现有先调节对比度再标注的方法相比，两步缩短为一步，可以提高标注速度。
实施例二：
上述实施例具体是对黑白图像进行处理，本实施例在上述实施例的基础上，提供一种图像标注方法，以用于对彩色图像处理，如图4所示为多通道彩色交通图像，待标注对象为小汽车(黑框标识)，小汽车与背景对比度不明显，小汽车颜色看不清。本方案通过局部对比度调节极大地凸显了待标注对象，小汽车颜色清晰可见，提高了标注精度，标注后的图像如图5所示。
参见图4-5，确定矩形框中各个通道最小像素值Rmin＝149、Gmin＝148、Bmin＝146和最大像素值Rmax＝175、Gmax＝173、Bmax＝185，然后将整幅图中各个像素点的R通道像素值与149和175比较，小于等于149的设置为0，大于等于175的设置为255，介于149和175之间的，通过公式value＝(value-149)/(175-149)*255重新赋值，最后达到的效果就是矩形框内像素点的R通道像素值分布由149～175扩大到0～255。同理，G通道像素值分布由148～173扩大到0～255，B通道像素值分布由146～185扩大到0～255，矩形框区域的对比度明显提高，即待标注对象与背景的对比度提高，如图4所示。
本实施例提供的图像标注方法，可适用于彩色图像，通过局部对比度调节提高标注精度，另外局部对比度调节与标注同时进行，可提高标注效率。
实施例三：
本实施例在上述实施例一和实施例二的基础上，提供一种图像标注系统，用以实现上述实施例一或实施例二所述的图像标注方法的步骤，请参加图6，该系统包括：
监测模块61，用于监测对待标注图像的框选指令，以确定感兴趣区域；
获取模块62，用于获取感兴趣区域内最小像素值和最大像素值；
对比度调节模块63，用于将设定区域中各像素点的像素值与最小像素值min与最大像素值max进行比较，小于等于最小像素值min的像素点，将其像素值设置为0；大于等于最大像素值max的像素点，将其像素值设置为2n-1，n为单一通道位深度；介于最小像素值min与最大像素值max之间的像素点，将其像素值设置为(value-min)/(max-min)*(2n-1)，value值为该像素点的实际像素值；设定区域至少包含感兴趣区域；
标注模块64，用于以感兴趣区域为标注框生成标注文件。
还包括判断模块65，用于判断标注框是否满足设定要求，如是，则标注完成；如否，通知监测模块61重新监测获取感兴趣区域，直至标注框满足设定要求。
具体请参见上述实施例一和实施例二的内容，在此不再赘述。
显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (8)

1.一种图像标注方法，其特征在于，包括：
S10、监测对待标注图像的框选指令，以确定感兴趣区域；
S20、获取所述感兴趣区域内最小像素值和最大像素值；
S30、将设定区域中各像素点的像素值与所述最小像素值min与所述最大像素值max进行比较，小于等于所述最小像素值min的像素点，将其像素值设置为0；大于等于所述最大像素值max的像素点，将其像素值设置为2n-1，所述n为单一通道位深度；介于所述最小像素值min与所述最大像素值max之间的像素点，将其像素值设置为(value-min)/(max-min)*(2n-1)，所述value值为该像素点的实际像素值；所述设定区域至少包含所述感兴趣区域；
S40、以所述感兴趣区域为标注框生成标注文件。
2.如权利要求1所述的图像标注方法，其特征在于，所述图像标注方法还包括：
S50、判断所述标注框是否满足设定要求，如是，则标注完成；如否，则重复步骤S10～S40,直至标注框满足设定要求。
3.如权利要求1所述的图像标注方法，其特征在于，所述设定区域为整幅所述待标注图像。
4.如权利要求1所述的图像标注方法，其特征在于，所述框选指令为矩形框框选指令，包括起始坐标以及矩形框长度和宽度信息。
5.如权利要求1-4任一项所述的图像标注方法，其特征在于，所述待标注图像为单通道黑白图像时，所述步骤S20～S30包括：
获取所述感兴趣区域内最小像素值为Pmin，最大像素值为Pmax；
将设定区域中各像素点的像素值与感兴趣区域内最小像素值Pmin和最大像素值Pmax进行比较，小于等于Pmin的像素点，将其像素值设置为0；大于等于Pmax的像素点，将其像素值设置为2n-1，所述n为单一通道位深度；介于Pmin与Pmax之间的像素点，将其像素值设置为(value-Pmin)/(Pmax-Pmin)*(2n-1)。
6.如权利要求1-4任一项所述的图像标注方法，其特征在于，所述待标注图像为三通道彩色图像时，所述步骤S20～S30包括：
获取所述感兴趣区域内各个通道的最小像素值分别为Rmin、Gmin、Bmin，以及最大像素值分别为Rmax、Gmax、Bmax；
将设定区域中各像素点的R通道像素值与Rmin和Rmax进行比较，小于等于Rmin的像素点，将其R通道像素值设置为0；大于等于Rmax的像素点，将其R通道像素值设置为2n-1，所述n为单一通道位深度；介于Rmin与Rmax之间的像素点，将其R通道像素值设置为(Rvalue-Rmin)/(Rmax-Rmin)*(2n-1),所述Rvalue值为该像素点的实际R通道像素值；使得感兴趣区域内像素点的R通道像素值分布由Rmin～Rmax扩大到0～2n-1；同理，G通道像素值分布由Gmin～Gmax扩大到0～2n-1，B通道像素值分布由Bmin～Bmax扩大到0～2n-1。
7.一种图像标注系统，其特征在于，包括：
监测模块，用于监测对待标注图像的框选指令，以确定感兴趣区域；
获取模块，用于获取所述感兴趣区域内最小像素值和最大像素值；
对比度调节模块，用于将设定区域中各像素点的像素值与所述最小像素值min与所述最大像素值max进行比较，小于等于所述最小像素值min的像素点，将其像素值设置为0；大于等于所述最大像素值max的像素点，将其像素值设置为2n-1，所述n为单一通道位深度；介于所述最小像素值min与所述最大像素值max之间的像素点，将其像素值设置为(value-min)/(max-min)*(2n-1)，所述value值为该像素点的实际像素值；所述设定区域至少包含所述感兴趣区域；
标注模块，用于以所述感兴趣区域为标注框生成标注文件。
8.如权利要求7所述的图像标注系统，其特征在于，还包括判断模块，用于判断所述标注框是否满足设定要求，如是，则标注完成；如否，通知所述监测模块重新监测获取感兴趣区域,直至标注框满足设定要求。
CN202111011208.XA 2021-08-31 2021-08-31 一种图像标注方法及系统 Pending CN113705569A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111011208.XA CN113705569A (zh) 2021-08-31 2021-08-31 一种图像标注方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111011208.XA CN113705569A (zh) 2021-08-31 2021-08-31 一种图像标注方法及系统

Publications (1)

Publication Number Publication Date
CN113705569A true CN113705569A (zh) 2021-11-26

Family

ID=78657914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111011208.XA Pending CN113705569A (zh) 2021-08-31 2021-08-31 一种图像标注方法及系统

Country Status (1)

Country Link
CN (1) CN113705569A (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001340327A (ja) * 2000-06-05 2001-12-11 Fuji Photo Film Co Ltd 画像表示方法および装置
US20060153452A1 (en) * 2005-01-10 2006-07-13 Kjeldsen Frederik Carl M Visual enhancement for reduction of visual noise in a text field
WO2008060629A2 (en) * 2006-11-17 2008-05-22 Icad, Inc. Automated method for generation of arterial and venous reference points for contrast-enhanced magnetic resonance angiography
CN102737252A (zh) * 2012-06-01 2012-10-17 西南交通大学 基于仿射不变矩的电气化铁路绝缘子片间异物污染故障检测方法
CN104504648A (zh) * 2014-12-02 2015-04-08 小米科技有限责任公司 图像对比度调整方法及装置
CN104966288A (zh) * 2015-06-11 2015-10-07 南京沃福曼医疗科技有限公司 一种基于图像处理的血管内壁自动寻找方法
CN107886104A (zh) * 2016-09-30 2018-04-06 法乐第(北京)网络科技有限公司 一种图像的标注方法
CN108615051A (zh) * 2018-04-13 2018-10-02 博众精工科技股份有限公司 基于深度学习的糖尿病视网膜图像分类方法及系统
CN110570352A (zh) * 2019-08-26 2019-12-13 腾讯科技（深圳）有限公司 图像标注方法、装置、系统及细胞标注方法
CN110675940A (zh) * 2019-08-01 2020-01-10 平安科技（深圳）有限公司 病理图像标注方法、装置、计算机设备及存储介质
CN110728651A (zh) * 2019-09-03 2020-01-24 北京爱博同心医学科技有限公司 基于增强现实的管状视野图像变形检测方法及眼镜
CN111444912A (zh) * 2020-01-14 2020-07-24 国网电子商务有限公司 一种票据图像文字识别方法及装置
CN112052854A (zh) * 2020-09-14 2020-12-08 南京信息工程大学 一种实现自适应对比度增强的医疗图像可逆信息隐藏方法
CN112330787A (zh) * 2020-11-24 2021-02-05 沈阳东软智能医疗科技研究院有限公司 图像标注方法、装置、存储介质和电子设备
CN112733703A (zh) * 2021-01-07 2021-04-30 深圳市捷顺科技实业股份有限公司 一种车辆停放状态检测方法及系统
CN112767370A (zh) * 2020-05-28 2021-05-07 福州宜星大数据产业投资有限公司 基于图像配准的目标区域标注方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001340327A (ja) * 2000-06-05 2001-12-11 Fuji Photo Film Co Ltd 画像表示方法および装置
US20060153452A1 (en) * 2005-01-10 2006-07-13 Kjeldsen Frederik Carl M Visual enhancement for reduction of visual noise in a text field
WO2008060629A2 (en) * 2006-11-17 2008-05-22 Icad, Inc. Automated method for generation of arterial and venous reference points for contrast-enhanced magnetic resonance angiography
CN102737252A (zh) * 2012-06-01 2012-10-17 西南交通大学 基于仿射不变矩的电气化铁路绝缘子片间异物污染故障检测方法
CN104504648A (zh) * 2014-12-02 2015-04-08 小米科技有限责任公司 图像对比度调整方法及装置
CN104966288A (zh) * 2015-06-11 2015-10-07 南京沃福曼医疗科技有限公司 一种基于图像处理的血管内壁自动寻找方法
CN107886104A (zh) * 2016-09-30 2018-04-06 法乐第(北京)网络科技有限公司 一种图像的标注方法
CN108615051A (zh) * 2018-04-13 2018-10-02 博众精工科技股份有限公司 基于深度学习的糖尿病视网膜图像分类方法及系统
CN110675940A (zh) * 2019-08-01 2020-01-10 平安科技（深圳）有限公司 病理图像标注方法、装置、计算机设备及存储介质
CN110570352A (zh) * 2019-08-26 2019-12-13 腾讯科技（深圳）有限公司 图像标注方法、装置、系统及细胞标注方法
CN110728651A (zh) * 2019-09-03 2020-01-24 北京爱博同心医学科技有限公司 基于增强现实的管状视野图像变形检测方法及眼镜
CN111444912A (zh) * 2020-01-14 2020-07-24 国网电子商务有限公司 一种票据图像文字识别方法及装置
CN112767370A (zh) * 2020-05-28 2021-05-07 福州宜星大数据产业投资有限公司 基于图像配准的目标区域标注方法
CN112052854A (zh) * 2020-09-14 2020-12-08 南京信息工程大学 一种实现自适应对比度增强的医疗图像可逆信息隐藏方法
CN112330787A (zh) * 2020-11-24 2021-02-05 沈阳东软智能医疗科技研究院有限公司 图像标注方法、装置、存储介质和电子设备
CN112733703A (zh) * 2021-01-07 2021-04-30 深圳市捷顺科技实业股份有限公司 一种车辆停放状态检测方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CROMMELINCK S, ET AL.: "Review of automatic feature extraction from high-resolution optical sensor data for UAV-based cadastral mapping", 《REMOTE SENSING》 *
RAJPOOT V, ET AL.: "A novel approach for weighted average filter and guided filter based on tunnel image enhancement", 《JOURNAL OF INTELLIGENT & FUZZY SYSTEMS》 *
刘琦,等: "一种基于忆阻交叉阵列的自适应三高斯模型及其在图像增强中的应用", 《物理学报》 *
杨茂祥: "低照度环境下彩色图像增强算法研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》 *

Similar Documents

Publication Publication Date Title
EP3309703A1 (en) Method and system for decoding qr code based on weighted average grey method
CN109883654B (zh) 一种用于oled亚像素定位的棋盘格图、生成方法及定位方法
CN114240939B (zh) 一种主板元器件外观缺陷检测方法、系统、设备及介质
US20220105590A1 (en) Method for evaluating a laser cut edge, mobile terminal and system
CN105159869A (zh) 图片编辑方法及系统
CN112329846A (zh) 激光点云数据高精度标注方法及系统、服务器及介质
CN110288612A (zh) 铭牌定位与校正方法及设备
CN115861733A (zh) 点云数据标注方法、模型训练方法、电子设备及存储介质
CN110363837B (zh) 游戏中纹理图像的处理方法及装置、电子设备、存储介质
CN111695567A (zh) 一种改进的倾斜矩形范围框标注方式
CN113469147B (zh) 答题卡识别方法、装置、电子设备以及存储介质
CN114880730A (zh) 确定目标设备的方法、装置及光伏系统
CN113705569A (zh) 一种图像标注方法及系统
CN110084179B (zh) 图框识别方法及系统
JP2021157404A (ja) 学習データ生成方法、学習データ生成装置、及び、プログラム
CN116245960A (zh) 一种bev俯视图生成方法、系统、电子设备及存储介质
CN115984796A (zh) 一种图像标注方法及系统
CN113592981B (zh) 图片标注方法、装置、电子设备和存储介质
CN111951189B (zh) 一种多尺度纹理随机化的数据增强方法
CN108154497B (zh) 一种图示路况的自动化检测方法及系统
CN112733644A (zh) 一种基于扫描识别的填涂点识别系统及方法
CN112995641A (zh) 一种3d模组成像装置及方法、电子设备
CN114228794B (zh) 一种ctc调度的自动化监控方法及设备
CN116935079B (zh) 一种基于视觉的线状开关状态监测方法及终端
CN117437281A (zh) 一种定位焊缝的方法、设备、装置及介质

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