CN114049360B - 一种基于图割算法的纺织染色色粉混合控制方法及系统 - Google Patents
一种基于图割算法的纺织染色色粉混合控制方法及系统 Download PDFInfo
- Publication number
- CN114049360B CN114049360B CN202210035059.9A CN202210035059A CN114049360B CN 114049360 B CN114049360 B CN 114049360B CN 202210035059 A CN202210035059 A CN 202210035059A CN 114049360 B CN114049360 B CN 114049360B
- Authority
- CN
- China
- Prior art keywords
- blocks
- superpixel
- super
- foreground
- obtaining
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明涉及人工智能技术领域,具体涉及一种基于图割算法的纺织染色色粉混合控制方法及系统。该方法将染色纺织品图像进行超像素分割获得多个超像素块。通过超像素块之间的距离和颜色信息获得相邻超像素块的相似度。获得背景超像素块和前景超像素块,基于位置信息获得背景高斯模型和前景高斯模型。通过背景高斯模型和前景高斯模型获得超像素块的背景概率和前景概率,结合超像素块的数量和相似度获得相邻超像素块之间的惩罚值。根据惩罚值判断混合状态进而控制混合过程。本发明通过分析超像素块之间的信息获得混合状态,实现对混合过程的控制。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于图割算法的纺织染色色粉混合控制方法及系统。
背景技术
纺织品上色是常见的纺织品工艺。色粉上色为纺织品上色的一种,纺织品经过色粉上色后会呈现色粉特有的固定颜色。
在上色过程中,可将纺织品放置在混合机中,经过混合机的运动搅拌,使色粉均匀附着至纺织品上,实现染色效果。在混合机染色过程中,混合机的运行时间决定了纺织品的染色质量,因为纺织品的材料和尺寸的差异问题,混合机如果利用固定混合时间会使得不同纺织品之间染色质量造成差异,出现色粉混合不均匀的问题。
为了提高染色工艺的效率,需要通过纺织品的混合状态及时控制混合机的开启与停止。在现有技术中,可利用图像处理的方法,通过分析纺织品图像中不同区域的色差去评估混合状态,但是仅根据图像色差进行评估没有考虑各色差区域之间的关联,且纺织品本身颜色和色粉之间的颜色会产生影响,导致颜色信息出现误差,无法准确判断颜色区域的颜色是否属于混合后的颜色,无法准确的评估混合状态。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于图割算法的纺织染色色粉混合控制方法及系统,所采用的技术方案具体如下:
本发明提出了一种基于图割算法的纺织染色色粉混合控制方法,所述方法包括:
采集染色纺织品图像;将所述染色纺织品图像进行超像素分割,获得多个超像素块;获得每个超像素块的颜色信息;根据相邻所述超像素块的颜色信息和中心点的距离获得所述超像素块之间的相似度;
统计相同所述颜色信息的所述超像素块的累加面积,以最大的所述累加面积对应的所述超像素块作为背景超像素块,其他所述超像素块为前景超像素块;根据所述背景超像素块的位置信息进行拟合,获得背景高斯模型;根据所述前景超像素块的位置进行拟合,获得前景高斯模型;
根据所述背景高斯模型和所述前景高斯模型获得每个超像素块的背景概率和前景概率;根据所述背景概率、所述前景概率、所述超像素块的数量和所述相似度获得相邻所述超像素块的惩罚值;
根据每个所述超像素块的所述惩罚值判断色粉的混合状态,根据所述混合状态控制混合过程。
进一步地,所述获得每个超像素块的颜色信息包括:
将所述超像素块转换至HSV颜色空间中,对所述HSV空间中的H分量进行高斯拟合,获得每个所述超像素块的颜色高斯模型;以所述颜色高斯模型的均值作为每个所述超像素块的所述颜色信息。
进一步地,所述根据相邻所述超像素块的颜色信息和距离获得所述超像素块之间的相似度包括:
获取相邻所述超像素块的所述颜色信息的差异绝对值;以所述差异绝对值和所述距离的乘积的负指数作为所述相似度。
进一步地,所述统计相同所述颜色信息的所述超像素块的累加面积,以最大的所述累加面积对应的所述超像素块作为背景超像素块,其他所述超像素块为前景超像素块包括:
以所述颜色信息为横坐标,所述累加面积为纵坐标构建颜色分布曲线;以所述颜色分布曲线中极大值点对应的所述超像素块作为所述背景超像素块,其他所述超像素块为所述前景超像素块。
进一步地,所述根据所述背景概率、所述前景概率和所述相似度获得相邻所述超像素块的惩罚值包括:根据惩罚值获取公式获得所述惩罚值;所述惩罚值获取公式包括:
进一步地,所述根据每个所述超像素块的所述惩罚值判断色粉的混合状态包括:
以相邻所述超像素块间的所述惩罚值的负指数作为边权值构建所述超像素块的无向图;获得所述无向图的最小边权值,若所述最小边权值小于预设边权值阈值,则所述混合状态为均匀混合;否则,所述混合状态为不均匀混合。
本发明提出了一种基于图割算法的纺织染色色粉混合控制系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种基于图割算法的纺织染色色粉混合控制方法的步骤。
本发明具有如下有益效果:
1.本发明实施例通过超像素分割获得多个超像素块,根据超像素块之间的关系完整细致的分析了超像素块之间的颜色特征,通过相似度分析超像素块之间颜色的影响。进一步通过背景概率和前景概率获得表示均匀程度的惩罚值,利用惩罚值判断色粉混合状态,实现混合机的混合控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于图割算法的纺织染色色粉混合控制方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图割算法的纺织染色色粉混合控制方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于图割算法的纺织染色色粉混合控制方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于图割算法的纺织染色色粉混合控制方法流程图,该方法包括:
步骤S1:采集染色纺织品图像;将染色纺织品图像进行超像素分割,获得多个超像素块;获得每个超像素块的颜色信息;根据相邻超像素块的颜色信息和中心点的距离获得超像素块之间的相似度。
在混合机观察口处设置相机,使其能够在混合机工作一段时间后,获得清晰且色彩明亮的染色纺织品图像。需要说明的是,经过混合机的一段时间混合后,在纺织品上已经存在混合后的颜色,且分布范围较大;对于未着色的区域,分布范围较小,可视为不规则的色斑,因此利用超像素分割染色纺织品图像后,可以获得多个超像素块,超像素块的数量越多说明图像中的色彩越丰富,混合越不均匀,超像素块的数量越少说明图像中的色彩越单一,混合越均匀。在本发明实施例中,超像素分割算法使用SILC算法进行分割。
获得每个超像素块的颜色信息,为了更准确的分析超像素块的颜色信息,将每个超像素块转换至HSV颜色空间中,HSV颜色空间为常见的颜色分析空间,可以利用H、S、V三个通道分量分别表示像素的色调信息、饱和度信息和明度信息。对HSV颜色空间的H分量进行高斯拟合,获得每个所述超像素块的颜色高斯模型。以每个颜色高斯模型的均值作为每个超像素块的颜色信息。
进一步分析超像素块之间的相似度,根据相邻超像素块的颜色信息和中心点的距离分析超像素块之间的相似度,即距离越近,颜色信息越接近,则两个相邻的超像素块越相似,具体包括:获取相邻超像素块的颜色信息的差异绝对值。以差异绝对值和距离的乘积的负指数作为相似度,即相似度为:
步骤S2:统计相同颜色信息的超像素块的累加面积,以最大的累加面积对应的超像素块作为背景超像素块,其他超像素块为前景超像素块;根据背景超像素块的位置进行拟合,获得背景高斯模型;根据前景超像素块的位置进行拟合,获得前景高斯模型。
在染色纺织品图像中,因为混合后的颜色占比较大,因此统计相同颜色信息的超像素块的累加面积,累加面积越大表示该颜色信息对应的超像素块越多,该颜色区域分布越丰富。以最大的累加面积对应的超像素块作为背景超像素块,其他超像素块作为前景超像素块。背景超像素块包括经过一段时间工作后已经混合完成的颜色信息,前景超像素块包括未混合的颜色信息。
优选的,为了使得颜色分布更加直观,以颜色信息为横坐标,累加面积为纵坐标构建颜色分布曲线。以颜色分布曲线中极大值点对应的超像素块作为背景超像素块,其他超像素块为前景超像素块。
以超像素块的中心点坐标作为位置信息,根据背景超像素快的位置信息进行拟合,获得背景高斯模型。根据前景超像素块的位置进行拟合,获得前景高斯模型。背景高斯模型表示了一个超像素块位置处的背景概率信息,前景高斯模型表示一个超像素块位置处的前景概率信息。
步骤S3:根据背景高斯模型和前景高斯模型获得每个超像素块的背景概率和前景概率;根据背景概率、前景概率和相似度获得相邻超像素块的惩罚值。
根据背景高斯模型和前景高斯模型获得每个超像素块的背景概率和前景概率。背景概率越大,说明该超像素块位置经一段时间混合后颜色均匀的概率越大,颜色越趋于一致性。前景概率越大说明,该超像素块对应的位置被混合均匀的概率的越小,在混合过程中的颜色越不均匀。超像素块的数量越大,表示颜色信息越丰富,即混合越不均匀。进一步考虑相邻超像素块之间的相似度,相似度越大,说明局部混合的均匀性越大。根据背景概率、前景概率、超像素块的数量和相似度获得相邻超像素块的惩罚值包括:根据相关关系通过数学建模方法进行拟合,获的惩罚值获取公式,根据惩罚值获取公式获得惩罚值。惩罚值获取公式包括:
步骤S4:根据每个超像素块的惩罚值判断色粉的混合状态,根据混合状态控制混合过程。
超像素块之间的惩罚值表示了混合均匀程度,即惩罚值越大,则对应的两个超像素块的区域越均匀,则越不需要混合机进行继续混合。为了更清楚直观的表示各个超像素块之间的均匀程度,以相邻超像素块间的惩罚值的负指数作为边权值构建超像素块的无向图。无向图中每个节点表示一个超像素块,节点间的边权值越大,则说明两个节点越不均匀,需要混合机继续进行混合,因此获得无向图的最小边权值,若最小边权值小于预设边权值阈值,则混合状态为均匀混合;否则,混合状态为不均匀混合。无向图可通过的求最小权值算法快速的获得最小边权值,不仅直观的表示了每个超像素块之间的均匀关系,还可以提高计算效率。
在本发明实施例中,边权值阈值设置为0.1,在其他实施例中可根据具体纺织品情况进行调整,在此不做过多限定。
当混合状态为均匀混合时,说明超像素块之间均完成了混合,即纺织品整体染色成功,颜色分布均匀,不需要混合机继续进行工作。当混合状态为不均匀混合时,说明超像素块之间存在差异,局部混合不均匀,为了完成混合工作需要控制混合机按照预设时间步长进行继续混合工作,以完成纺织品的染色。时间步长可根据混合机的型号与参数具体设置,在此不做限定。
综上所述,本发明实施例将染色纺织品图像进行超像素分割获得多个超像素块。通过超像素块之间的距离和颜色信息获得相邻超像素块的相似度。获得背景超像素块和前景超像素块,基于位置信息获得背景高斯模型和前景高斯模型。通过背景高斯模型和前景高斯模型获得超像素块的背景概率和前景概率,结合超像素块的数量和相似度获得相邻超像素块之间的惩罚值。根据惩罚值判断混合状态进而控制混合过程。本发明实施例通过分析超像素块之间的信息获得混合状态,实现对混合过程的控制。
本发明提出了一种基于图割算法的纺织染色色粉混合控制系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现任意一项一种基于图割算法的纺织染色色粉混合控制方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (6)
1.一种基于图割算法的纺织染色色粉混合控制方法,其特征在于,所述方法包括:
采集染色纺织品图像;将所述染色纺织品图像进行超像素分割,获得多个超像素块;获得每个超像素块的颜色信息;根据相邻所述超像素块的颜色信息和中心点的距离获得所述超像素块之间的相似度;
统计相同所述颜色信息的所述超像素块的累加面积,以最大的所述累加面积对应的所述超像素块作为背景超像素块,其他所述超像素块为前景超像素块;根据所述背景超像素块的位置信息进行拟合,获得背景高斯模型;根据所述前景超像素块的位置进行拟合,获得前景高斯模型;
根据所述背景高斯模型和所述前景高斯模型获得每个超像素块的背景概率和前景概率;根据所述背景概率、所述前景概率、所述超像素块的数量和所述相似度获得相邻所述超像素块的惩罚值;
根据每个所述超像素块的所述惩罚值判断色粉的混合状态,根据所述混合状态控制混合过程;其中,所述色粉的混合状态的判断步骤包括:以相邻所述超像素块间的所述惩罚值的负指数作为边权值构建所述超像素块的无向图;获得所述无向图的最小边权值,若所述最小边权值小于预设边权值阈值,则所述混合状态为均匀混合;否则,所述混合状态为不均匀混合。
2.根据权利要求1所述的一种基于图割算法的纺织染色色粉混合控制方法,其特征在于,所述获得每个超像素块的颜色信息包括:
将所述超像素块转换至HSV颜色空间中,对所述HSV颜色空间中的H分量进行高斯拟合,获得每个所述超像素块的颜色高斯模型;以所述颜色高斯模型的均值作为每个所述超像素块的所述颜色信息。
3.根据权利要求2所述的一种基于图割算法的纺织染色色粉混合控制方法,其特征在于,所述根据相邻所述超像素块的颜色信息和距离获得所述超像素块之间的相似度包括:
获取相邻所述超像素块的所述颜色信息的差异绝对值;以所述差异绝对值和所述距离的乘积的负指数作为所述相似度。
4.根据权利要求1所述的一种基于图割算法的纺织染色色粉混合控制方法,其特征在于,所述统计相同所述颜色信息的所述超像素块的累加面积,以最大的所述累加面积对应的所述超像素块作为背景超像素块,其他所述超像素块为前景超像素块包括:
以所述颜色信息为横坐标,所述累加面积为纵坐标构建颜色分布曲线;以所述颜色分布曲线中极大值点对应的所述超像素块作为所述背景超像素块,其他所述超像素块为所述前景超像素块。
6.一种基于图割算法的纺织染色色粉混合控制系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~5任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210035059.9A CN114049360B (zh) | 2022-01-13 | 2022-01-13 | 一种基于图割算法的纺织染色色粉混合控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210035059.9A CN114049360B (zh) | 2022-01-13 | 2022-01-13 | 一种基于图割算法的纺织染色色粉混合控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114049360A CN114049360A (zh) | 2022-02-15 |
CN114049360B true CN114049360B (zh) | 2022-03-22 |
Family
ID=80196442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210035059.9A Active CN114049360B (zh) | 2022-01-13 | 2022-01-13 | 一种基于图割算法的纺织染色色粉混合控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049360B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114618371B (zh) * | 2022-03-21 | 2022-11-15 | 江苏铭瀚智能科技有限公司 | 基于人工智能的分批式混合机控制方法及系统 |
CN114708227B (zh) * | 2022-03-31 | 2023-10-27 | 海门喜满庭纺织品有限公司 | 一种基于图像处理的染色扩散剂添加控制方法及系统 |
CN114792317B (zh) * | 2022-06-22 | 2022-09-02 | 江苏瑞斯达安全防护用品有限公司 | 一种基于图像处理的防护手套染色控制方法及系统 |
CN115008882A (zh) * | 2022-08-09 | 2022-09-06 | 南通海恒纺织设备有限公司 | 基于工业物联网的圆网印花机压力补偿优化系统 |
CN116532031B (zh) * | 2023-07-05 | 2023-09-29 | 东莞市浩彩油墨科技有限公司 | 一种基于温度敏感性颜料的可变色油墨调配系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578119A (zh) * | 2013-10-31 | 2014-02-12 | 苏州大学 | 基于超像素的Codebook动态场景中目标检测方法 |
CN104899877A (zh) * | 2015-05-20 | 2015-09-09 | 中国科学院西安光学精密机械研究所 | 基于超像素和快速三分图的图像前景提取方法 |
CN106981068A (zh) * | 2017-04-05 | 2017-07-25 | 重庆理工大学 | 一种联合像素与超像素的交互式图像分割方法 |
CN111583279A (zh) * | 2020-05-12 | 2020-08-25 | 重庆理工大学 | 一种基于pcba的超像素图像分割方法 |
-
2022
- 2022-01-13 CN CN202210035059.9A patent/CN114049360B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578119A (zh) * | 2013-10-31 | 2014-02-12 | 苏州大学 | 基于超像素的Codebook动态场景中目标检测方法 |
CN104899877A (zh) * | 2015-05-20 | 2015-09-09 | 中国科学院西安光学精密机械研究所 | 基于超像素和快速三分图的图像前景提取方法 |
CN106981068A (zh) * | 2017-04-05 | 2017-07-25 | 重庆理工大学 | 一种联合像素与超像素的交互式图像分割方法 |
CN111583279A (zh) * | 2020-05-12 | 2020-08-25 | 重庆理工大学 | 一种基于pcba的超像素图像分割方法 |
Non-Patent Citations (2)
Title |
---|
Experimental comparison of color spaces for material classification;Raquel Bello-Cerezo 等;《Journal of Electronic Imaging》;20161231;全文 * |
基于机器视觉的织物色差检测方法研究;苏艳蒙;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》;20210115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114049360A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114049360B (zh) | 一种基于图割算法的纺织染色色粉混合控制方法及系统 | |
CN112132843B (zh) | 基于无监督深度学习的苏木精-伊红染色病理图像分割方法 | |
CN105678319B (zh) | 一种洗衣策略确定方法、系统及云服务器、终端 | |
CN114782562B (zh) | 基于数据识别的服装布料浸染监测方法及人工智能系统 | |
DE602005001967T2 (de) | Bildverarbeitungsvorrichtung und -Verfahren, Aufzeichnungsmedium und Programm | |
CN102129693B (zh) | 基于色彩直方图和全局对比度的图像视觉显著性计算方法 | |
CN104517113B (zh) | 一种图像的特征提取方法、图像的分类方法及相关装置 | |
CN104966305B (zh) | 基于运动矢量划分的前景检测方法 | |
CN106791758A (zh) | 一种图像中自然光混合色温的判断方法及装置 | |
CN110706294A (zh) | 一种色纺织物颜色差异度检测方法 | |
CN114913138A (zh) | 一种基于人工智能的移印机产品缺陷检测方法及系统 | |
Szénási et al. | Implementation of a distributed genetic algorithm for parameter optimization in a cell nuclei detection project | |
CN114494739B (zh) | 基于人工智能的色粉混合效果检测方法 | |
CN114386295B (zh) | 一种基于色纺纱分色换色的织物计算机仿真方法 | |
CN101188018B (zh) | 一种在排版过程中进行自动退地的方法及装置 | |
CN106652046B (zh) | 模型染色方法及装置 | |
CN109101922A (zh) | 作业人员着装分析方法、装置及电子设备 | |
CN114708227B (zh) | 一种基于图像处理的染色扩散剂添加控制方法及系统 | |
CN113240685A (zh) | 图像层次化超像素分割方法、系统、电子设备及存储介质 | |
Woodford et al. | Fields of Experts for Image-based Rendering. | |
CN113487697A (zh) | 简笔画生成方法、装置、电子设备及存储介质 | |
Cheng et al. | Parallel peaks: A visualization method for benchmark studies of multimodal optimization | |
Orsingher et al. | Informative Rays Selection for Few-Shot Neural Radiance Fields | |
Schleyer et al. | A new method for colour image segmentation | |
CN111862191A (zh) | 一种基于色彩模式变化率的图形分层实时渲染方法 |
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 |