CN113793394A - 一种美术教学作品分析方法及装置 - Google Patents
一种美术教学作品分析方法及装置 Download PDFInfo
- Publication number
- CN113793394A CN113793394A CN202110948681.4A CN202110948681A CN113793394A CN 113793394 A CN113793394 A CN 113793394A CN 202110948681 A CN202110948681 A CN 202110948681A CN 113793394 A CN113793394 A CN 113793394A
- Authority
- CN
- China
- Prior art keywords
- image
- work
- color
- works
- analyzing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000003086 colorant Substances 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000003708 edge detection Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种美术教学作品分析方法及装置,所述方法包括以下步骤:实时采集作品的图像信息;根据获取的图像信息,生成作品的轮廓;根据生成的轮廓与标准的作品轮廓进行对比,并给出建议;所述标准的作品的轮廓线在每一点均设置有相同的可容错范围k,若生成作品的轮廓线在某一点位置处位于可容错范围内时,则认定该点绘制合格,其中,0<k≤0.5cm。本发明可以起到指导学员的作用,有助于提高学员的学习效率。
Description
技术领域
本发明涉及在线教育技术领域,尤其涉及一种美术教学作品分析方法及装置。
背景技术
在线教育平台即在线网络的教育平台。实质是面向全国的资源共享、是零距离,是一种全新的交流方式,一种新教育学习平台,一种新型的工具的平台。在线教育平台利用一切工具进行教育活动皆以提高效率为前提。利用网络先进的技术改变师生的交流方式上课,进一步提高学生掌握知识的效率、进一步培养能力是网络教育研究的实质。
而现有的在线教育平台在培训美术教学时,不方便对学员的作品进行指导和分析,因此急需改进。
发明内容
本发明的目的在于提供一种美术教学作品分析方法及装置,可以时刻对学员的作品进行了解,可以起到指导学员的作用,有助于提高学员的学习效率,可以解决背景技术中的问题。
为了解决上述技术问题,本发明提供的美术教学作品分析方法及装置的技术方案具体如下:
第一方面,本发明实施例公开了一种美术教学作品分析方法,包括以下步骤:
实时采集作品的图像信息;
根据获取的图像信息,生成作品的轮廓;
根据生成的轮廓与标准的作品轮廓进行对比,并给出建议。
在上述任一方案中优选的是,所述标准的作品的轮廓线在每一点均设置有相同的可容错范围k,若生成作品的轮廓线在某一点位置处位于可容错范围内时,则认定该点绘制合格,其中,0<k≤0.5cm。
在上述任一方案中优选的是,所述的美术教学作品分析方法,还包括实时对获取作品轮廓上的不同的点进行标记,将每个不同的点记为(e1,l1)、(e2,l2)....(en,ln),其中,e1,e2,e3,e4,e5,e6.....en为作品轮廓上的不同的点,l1,l2,l3,l4,l5...ln为每一个不同的点与标准作品轮廓线之间的差值,若0≤|ln-1-ln|≤0.5,则认定该相邻的两点绘制合格,若|ln-1-ln|>0.5,则认定该相邻的两点绘制需要改进,则在作品的轮廓当中,会进行标注。
在上述任一方案中优选的是,所述的美术教学作品分析方法,还包括实时获取作品的颜色信息,并对作品的颜色进行分析,当发现作品的颜色与标准的作品颜色差距比较大时,并作出提醒,其中,对作品的颜色进行分析的方法包括以下步骤:
将获取的作品进行颜色空间RGB到Lab的转换,得到图像的亮度分量L和色度分量a,b;
将图像分成若干个不同的点,计算每一个点的色彩度、颜色均值和图像标准差;
对所有图像块进行色彩度加权,得到整幅图像的色度均值和图像标准差,以图像的色度均值除以图像中心距,得到色偏因子K值;
对K值进行分析,判断图像是否存在色偏,若K值越大,则图像色偏程度越大。
在上述任一方案中优选的是,所述的美术教学作品分析方法,还包括将图像分成M×N个点,分别计算每个点的色彩度Ci,j、均值Di,j和标准差Mi,j,其中,
在上述任一方案中优选的是,所述色偏因子K的计算方法为:
在上述任一方案中优选的是,所述A值为15。
本发明与现有技术相比,具有如下有益效果:可以时刻对学员的作品进行了解,可以起到指导学员的作用,有助于提高学员的学习效率。
第二方面,一种美术教学作品分析装置,包括:
采集模块,用于实时采集作品的图像信息;
生成模块,用于根据获取的图像信息,生成作品的轮廓;
对比模块,用于根据生成的轮廓与标准的作品轮廓进行对比,并给出建议,其中,所述标准的作品的轮廓线在每一点均设置有相同的可容错范围k,若生成作品的轮廓线在某一点位置处位于可容错范围内时,则认定该点绘制合格,其中,0<k≤0.5cm;
分析模块,用于实时获取作品的颜色信息,并对作品的颜色进行分析,当发现作品的颜色与标准的作品颜色差距比较大时,并作出提醒,其中,对作品的颜色进行分析的方法包括以下步骤:将获取的作品进行颜色空间RGB到Lab的转换,得到图像的亮度分量L和色度分量a,b;将图像分成若干个不同的点,计算每一个点的色彩度、颜色均值和图像标准差;对所有图像块进行色彩度加权,得到整幅图像的色度均值和图像标准差,以图像的色度均值除以图像中心距,得到色偏因子K值;对K值进行分析,判断图像是否存在色偏,若K值越大,则图像色偏程度越大。
在上述任一方案中优选的是,所述的美术教学作品分析装置,还包括:
标记模块,用于实时对获取作品轮廓上的不同的点进行标记,将每个不同的点记为(e1,l1)、(e2,l2)....(en,ln),其中,e1,e2,e3,e4,e5,e6.....en为作品轮廓上的不同的点,l1,l2,l3,l4,l5...ln为每一个不同的点与标准作品轮廓线之间的差值,若0≤|ln-1-ln|≤0.5,则认定该相邻的两点绘制合格,若|ln-1-ln|>0.5,则认定该相邻的两点绘制需要改进,则在作品的轮廓当中,会进行标注。;
分割模块,用于将图像分成M×N个点,分别计算每个点的色彩度Ci,j、均值Di,j和标准差Mi,j,其中,
第二方面的有益效果与第一方面的有益效果相同,故在此不再赘述。
附图说明
附图用于对本发明的进一步理解,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1是按照本发明美术教学作品分析方法示意图。
图2是按照本发明美术教学作品分析装置示意图。
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,以下结合附图及实施例,对本发明进行进一步详细说明。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。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
为了更好地理解上述技术方案,下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
实施例:
第一方面,如图1所示,本发明实施例公开了一种美术教学作品分析方法,包括以下步骤:
步骤1:实时采集作品的图像信息;
步骤2:根据获取的图像信息,生成作品的轮廓;
步骤3:根据生成的轮廓与标准的作品轮廓进行对比,并给出建议。
在步骤1中,在本发明实施例所述的美术教学作品分析方法中,通过移动终端拍照或者将作品进行扫描,然后上传至在线教育平台,因此可以实时采集制作好的作品,其中,移动终端可以采用手机、平板等等电子设备,其中,在拍摄照片时,需要将移动终端与美术作品相平行,从而保证拍摄到的作品的位置距离移动终端的距离相同,不会造成照片模糊,或者移动终端在拍摄后自动对图片进行调整,使其满足平台要求,从而实现上传的照片准确。
在步骤2中,获取调整后的图片,自动识别调整后的图片的外轮廓,并且在外轮廓上自动生成多个点,然后将各个点连接在一起,从而生成绘制后的图画,为了保证生成的图片与原始的绘制的图片的准确性,还设置有色彩识别装置,从而识别绘制的作品的每个部位的颜色,并将对应的位置在绘制后的轮廓中填充,以保证与绘制的作品相同。
在步骤3中,在本发明实施例所述的美术教学作品分析方法中,在一个应用的实施例中,学员通过描绘标准的作品进行学习,但是在描绘的过程当中,可能所描绘的轮廓线与标准作品的轮廓线之间存在差距,因此,所述标准的作品的轮廓线在每一点均设置有相同的可容错范围k,若生成作品的轮廓线在某一点位置处位于可容错范围内时,则认定该点绘制合格,其中,0<k≤0.5cm,其中,如果将标准的作品的轮廓线作为一个参考线的话,即生成的作品的轮廓线与参考线存在三种可能,即:轮廓线与参考线重合,轮廓线在参考线的左侧或轮廓线在参考线的右侧,因此0<k≤0.5cm,即表示轮廓线可在参考线的左侧或右侧0.5cm范围内。
在本发明实施例所述的美术教学作品分析方法中,为了进一步显示保证轮廓线与参考线之间的差距,可以将采集到的图片进行放大,将采集到的轮廓线与参考线之间放大,从而可以方便查看两者之间的差距。
在本发明实施例所述的美术教学作品分析方法中,所述的美术教学作品分析方法,还包括实时对获取作品轮廓上的不同的点进行标记,将每个不同的点记为(e1,l1)、(e2,l2)....(en,ln),其中,e1,e2,e3,e4,e5,e6.....en为作品轮廓上的不同的点,l1,l2,l3,l4,l5...ln为每一个不同的点与标准作品轮廓线之间的差值,若0≤|ln-1-ln|≤0.5,则认定该相邻的两点绘制合格,若|ln-1-ln|>0.5,则认定该相邻的两点绘制需要改进,则在作品的轮廓当中,会进行标注,在本发明实施例中,可以将轮廓线在参考线的左侧的差值记为正数,将轮廓线在参考线的右侧的差值记为负数,因此在判断时方便判断轮廓线的偏向,即,当ln为正数时,则轮廓线向左偏移,当ln为负数时,则轮廓线向右偏移。
在本发明实施例所述的美术教学作品分析方法中,所述的美术教学作品分析方法,还包括实时获取作品的颜色信息,并对作品的颜色进行分析,当发现作品的颜色与标准的作品颜色差距比较大时,并作出提醒,其中,对作品的颜色进行分析的方法包括以下步骤:
将获取的作品进行颜色空间RGB到Lab的转换,得到图像的亮度分量L和色度分量a,b;
将图像分成若干个不同的点,计算每一个点的色彩度、颜色均值和图像标准差;
对所有图像块进行色彩度加权,得到整幅图像的色度均值和图像标准差,以图像的色度均值除以图像中心距,得到色偏因子K值;
对K值进行分析,判断图像是否存在色偏,若K值越大,则图像色偏程度越大。
在本发明实施例所述的美术教学作品分析方法中,所述的美术教学作品分析方法,还包括将图像分成M×N个点,分别计算每个点的色彩度Ci,j、均值Di,j和标准差Mi,j,其中,
在本发明实施例所述的美术教学作品分析方法中,所述色偏因子K的计算方法为:
在本发明实施例所述的美术教学作品分析方法中,为了准确将作品图像信息的外边缘生成轮廓,提高图像边缘清晰度,使其定位更加精准,还可以采用以下方法对作品的边缘进行提取,具体包括以下步骤:
步骤1:进行小波分解,将待检测的作品图像进行小波分解,进而获取原始图像的低频分量,即低频近似子图像,高频分量包括:水平、垂直和对角高频细节子图像。
步骤2:基于数学形态学的边缘检测,即利用数学形态学检测箅子实现低频近似子图像的边缘检测。
步骤3:基于小波变换的边缘检测,即通过小波模极大值法实现水平、垂直和对角高频细节子图像的边缘检测。
步骤4:图像融合,即将步骤2和3所检测到边缘进行融合处理,得到完整边缘,融合算法如下:
设高频子图像为Ih(i,j),低频子图像为Il(i,j),融合后图像为I(i,j),则,I(i,j)=αIl(i,j)+βIh(i,j),其中α、β均为加权因子,而且满足α+β=1。
在步骤2中,数学形态学检测箅子,其表达式为:
本发明与现有技术相比,具有如下有益效果:可以时刻对学员的作品进行了解,可以起到指导学员的作用,有助于提高学员的学习效率。
如图2所示,第二方面,一种美术教学作品分析装置,包括:
采集模块,用于实时采集作品的图像信息;
生成模块,用于根据获取的图像信息,生成作品的轮廓;
对比模块,用于根据生成的轮廓与标准的作品轮廓进行对比,并给出建议,其中,所述标准的作品的轮廓线在每一点均设置有相同的可容错范围k,若生成作品的轮廓线在某一点位置处位于可容错范围内时,则认定该点绘制合格,其中,0<k≤0.5cm;
分析模块,用于实时获取作品的颜色信息,并对作品的颜色进行分析,当发现作品的颜色与标准的作品颜色差距比较大时,并作出提醒,其中,对作品的颜色进行分析的方法包括以下步骤:将获取的作品进行颜色空间RGB到Lab的转换,得到图像的亮度分量L和色度分量a,b;将图像分成若干个不同的点,计算每一个点的色彩度、颜色均值和图像标准差;对所有图像块进行色彩度加权,得到整幅图像的色度均值和图像标准差,以图像的色度均值除以图像中心距,得到色偏因子K值;对K值进行分析,判断图像是否存在色偏,若K值越大,则图像色偏程度越大。
在本发明实施例所述的美术教学作品分析方法中,所述的美术教学作品分析装置,还包括:
标记模块,用于实时对获取作品轮廓上的不同的点进行标记,将每个不同的点记为(e1,l1)、(e2,l2)....(en,ln),其中,e1,e2,e3,e4,e5,e6.....en为作品轮廓上的不同的点,l1,l2,l3,l4,l5...ln为每一个不同的点与标准作品轮廓线之间的差值,若0≤|ln-1-ln|≤0.5,则认定该相邻的两点绘制合格,若|ln-1-ln|>0.5,则认定该相邻的两点绘制需要改进,则在作品的轮廓当中,会进行标注;
分割模块,用于将图像分成M×N个点,分别计算每个点的色彩度Ci,j、均值Di,j和标准差Mi,j,其中,
第二方面的有益效果与第一方面的有益效果相同,故在此不再赘述。
以上仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种美术教学作品分析方法,其特征在于:包括以下步骤:
实时采集作品的图像信息;
根据获取的图像信息,生成作品的轮廓;
根据生成的轮廓与标准的作品轮廓进行对比,并给出建议。
2.根据权利要求1所述的美术教学作品分析方法,其特征在于:标准的作品的轮廓线在每一点均设置有相同的可容错范围k,若生成作品的轮廓线在某一点位置处位于可容错范围内时,则认定该点绘制合格,其中,0<k≤0.5cm。
3.根据权利要求2所述的美术教学作品分析方法,其特征在于:还包括实时对获取作品轮廓上的不同的点进行标记,将每个不同的点记为(e1,l1)、(e2,l2)....(en,ln),其中,e1,e2,e3,e4,e5,e6.....en为作品轮廓上的不同的点,l1,l2,l3,l4,l5...ln为每一个不同的点与标准作品轮廓线之间的差值,若0≤|ln-1-ln|≤0.5,则认定该相邻的两点绘制合格,若|ln-1-ln|>0.5,则认定该相邻的两点绘制需要改进,则在作品的轮廓当中,会进行标注。
4.根据权利要求3所述的美术教学作品分析方法,其特征在于:还包括实时获取作品的颜色信息,并对作品的颜色进行分析,当发现作品的颜色与标准的作品颜色差距比较大时,并作出提醒,其中,对作品的颜色进行分析的方法包括以下步骤:
将获取的作品进行颜色空间RGB到Lab的转换,得到图像的亮度分量L和色度分量a,b;
将图像分成若干个不同的点,计算每一个点的色彩度、颜色均值和图像标准差;
对所有图像块进行色彩度加权,得到整幅图像的色度均值和图像标准差,以图像的色度均值除以图像中心距,得到色偏因子K值;
对K值进行分析,判断图像是否存在色偏,若K值越大,则图像色偏程度越大。
7.根据权利要求6所述的美术教学作品分析方法,其特征在于:A值为15。
9.一种美术教学作品分析装置,其特征在于:包括:
采集模块,用于实时采集作品的图像信息;
生成模块,用于根据获取的图像信息,生成作品的轮廓;
对比模块,用于根据生成的轮廓与标准的作品轮廓进行对比,并给出建议,其中,标准的作品的轮廓线在每一点均设置有相同的可容错范围k,若生成作品的轮廓线在某一点位置处位于可容错范围内时,则认定该点绘制合格,其中,0<k≤0.5cm;
分析模块,用于实时获取作品的颜色信息,并对作品的颜色进行分析,当发现作品的颜色与标准的作品颜色差距比较大时,并作出提醒,其中,对作品的颜色进行分析的方法包括以下步骤:将获取的作品进行颜色空间RGB到Lab的转换,得到图像的亮度分量L和色度分量a,b;将图像分成若干个不同的点,计算每一个点的色彩度、颜色均值和图像标准差;对所有图像块进行色彩度加权,得到整幅图像的色度均值和图像标准差,以图像的色度均值除以图像中心距,得到色偏因子K值;对K值进行分析,判断图像是否存在色偏,若K值越大,则图像色偏程度越大。
10.根据权利要求9所述的美术教学作品分析装置,其特征在于:还包括:
标记模块,用于实时对获取作品轮廓上的不同的点进行标记,将每个不同的点记为(e1,l1)、(e2,l2)....(en,ln),其中,e1,e2,e3,e4,e5,e6.....en为作品轮廓上的不同的点,l1,l2,l3,l4,l5...ln为每一个不同的点与标准作品轮廓线之间的差值,若0≤|ln-1-ln|≤0.5,则认定该相邻的两点绘制合格,若|ln-1-ln|>0.5,则认定该相邻的两点绘制需要改进,则在作品的轮廓当中,会进行标注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948681.4A CN113793394A (zh) | 2021-08-18 | 2021-08-18 | 一种美术教学作品分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110948681.4A CN113793394A (zh) | 2021-08-18 | 2021-08-18 | 一种美术教学作品分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113793394A true CN113793394A (zh) | 2021-12-14 |
Family
ID=78876106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110948681.4A Pending CN113793394A (zh) | 2021-08-18 | 2021-08-18 | 一种美术教学作品分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113793394A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2009510A1 (en) * | 1989-02-09 | 1990-08-09 | Hajime Enomoto | Color image processing system with hue processing and modification |
CN104298442A (zh) * | 2014-09-18 | 2015-01-21 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106601052A (zh) * | 2017-03-03 | 2017-04-26 | 南阳理工学院 | 一种美术教学系统及方法 |
CN109242787A (zh) * | 2018-08-15 | 2019-01-18 | 南京光辉互动网络科技股份有限公司 | 一种中小学艺术测评中绘画录入方法 |
CN111931280A (zh) * | 2020-08-27 | 2020-11-13 | 清华大学建筑设计研究院有限公司 | 基于建筑防火要求的建筑总平面设计的优化方法 |
-
2021
- 2021-08-18 CN CN202110948681.4A patent/CN113793394A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2009510A1 (en) * | 1989-02-09 | 1990-08-09 | Hajime Enomoto | Color image processing system with hue processing and modification |
CN104298442A (zh) * | 2014-09-18 | 2015-01-21 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106601052A (zh) * | 2017-03-03 | 2017-04-26 | 南阳理工学院 | 一种美术教学系统及方法 |
CN109242787A (zh) * | 2018-08-15 | 2019-01-18 | 南京光辉互动网络科技股份有限公司 | 一种中小学艺术测评中绘画录入方法 |
CN111931280A (zh) * | 2020-08-27 | 2020-11-13 | 清华大学建筑设计研究院有限公司 | 基于建筑防火要求的建筑总平面设计的优化方法 |
Non-Patent Citations (3)
Title |
---|
户尊兰;: "基于图像分析的色偏检测算法", 包装学报, no. 01, 31 December 2017 (2017-12-31), pages 40 - 43 * |
李治江;户尊兰;: "基于颜色特征分析的色偏检测算法", 计算机系统应用, no. 09, 15 September 2017 (2017-09-15) * |
王田;邹子龙;乔美娜;: "基于图像特征分析的物体轮廓提取", 北京航空航天大学学报, no. 08, 19 November 2015 (2015-11-19) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612763B (zh) | 手机屏幕缺陷检测方法、装置及系统、计算机设备及介质 | |
CN108492343B (zh) | 一种扩充目标识别的训练数据的图像合成方法 | |
CN104376548B (zh) | 一种基于改进型surf算法的图像快速拼接方法 | |
CN106778676B (zh) | 一种基于人脸识别及图像处理的注意力评估方法 | |
CN103402117B (zh) | 基于Lab色度空间的视频图像偏色检测方法 | |
CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN110689000B (zh) | 一种基于生成复杂环境下车牌样本的车辆车牌识别方法 | |
CN109754444B (zh) | 图像着色方法和装置 | |
CN109657612A (zh) | 一种基于人脸图像特征的质量排序系统及其使用方法 | |
CN110136166B (zh) | 一种多路画面的自动跟踪方法 | |
CN109242834A (zh) | 一种基于卷积神经网络的无参考立体图像质量评价方法 | |
CN109544504A (zh) | 基于稀疏表示的屏幕图像质量评价方法 | |
CN108460833A (zh) | 一种基于bim构建传统建筑数字化保护与修复的信息平台 | |
CN111310768A (zh) | 基于鲁棒性背景先验和全局信息的显著性目标检测方法 | |
CN104361357A (zh) | 基于图片内容分析的相片集分类系统及分类方法 | |
CN113076795A (zh) | 一种带印章的表格协议书图像自动审核方法 | |
CN108711160A (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN104243970A (zh) | 基于立体视觉注意力机制和结构相似度的3d绘制图像的客观质量评价方法 | |
CN110969202A (zh) | 基于颜色分量和感知哈希算法的人像采集环境验证方法及系统 | |
CN112528994B (zh) | 一种自由角度车牌检测方法、车牌识别方法和识别系统 | |
CN113673428A (zh) | 一种答题卡图片中自动识别的方法 | |
CN111383352B (zh) | 一种针对三阶魔方的自动填色及抽象化方法 | |
CN111797694A (zh) | 一种车牌检测方法及装置 | |
CN113793394A (zh) | 一种美术教学作品分析方法及装置 | |
CN116343100A (zh) | 一种基于自监督学习的目标识别方法及系统 |
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 |