CN114092510A - 一种基于正态分布的分割方法、计算机设备及存储介质 - Google Patents
一种基于正态分布的分割方法、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114092510A CN114092510A CN202111452081.5A CN202111452081A CN114092510A CN 114092510 A CN114092510 A CN 114092510A CN 202111452081 A CN202111452081 A CN 202111452081A CN 114092510 A CN114092510 A CN 114092510A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel points
- pixel point
- pixel
- normal distribution
- 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 30
- 238000009826 distribution Methods 0.000 title claims abstract description 17
- 230000011218 segmentation Effects 0.000 title claims abstract description 14
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 239000004744 fabric Substances 0.000 claims abstract description 42
- 210000002268 wool Anatomy 0.000 claims abstract description 23
- 229920000049 Carbon (fiber) Polymers 0.000 claims abstract description 15
- 239000004917 carbon fiber Substances 0.000 claims abstract description 15
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 230000007547 defect Effects 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及视觉检测技术领域,尤其一种基于正态分布的分割方法、计算机设备及存储介质,包括如下步骤:图像采集,对碳纤维布面进行拍照,得到布面图像;图像预处理,通过高斯滤波,对布面图像进行预处理,去除布面图像中的白色疵点,得到预处理图像;锐化处理,计算布面图像与预处理图像中每个像素点灰度值的差值,得到锐化图像,将锐化图像加权叠加在预处理图像中,得到检测图像;检测黑毛丝,将检测图像中像素点灰度值位于设定阈值内的像素点标记出,组成像素点集合,并以被标记的像素点为中心,判断其周围设定范围内像素点是否都处于像素点集合内,若是,则判断这个范围为黑毛丝范围。本发明中,可以很好的去除干扰,提高黑毛丝识别的准确度。
Description
技术领域
本发明涉及视觉检测技术领域,尤其一种基于正态分布的分割方法、计算机设备及存储介质。
背景技术
碳纤维作为一种混合复合材料板被广泛应用于新能源汽车、航天航空、轨道交通等领域,碳纤维在生产加工过程中,需要进行监控、分析,以保证生产质量,在生产的过程中,碳纤维布面会残留一些黑毛丝,从而对产品质量造成影响。
现有技术中,由于碳纤维布面为黑色,而黑毛丝为黑灰色,不容易进行区分,而且碳纤维布面又存在白色的捆绑纱,更加大了区分难度。
鉴于上述问题的存在,本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识,并配合学理的运用,积极加以研究创新,以期创设一种基于正态分布的分割方法、计算机设备及存储介质,使其更具有实用性。
公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提供了一种基于正态分布的分割方法、计算机设备及存储介质,从而有效解决背景技术中的问题。
为了达到上述目的,本发明所采用的技术方案是:一种基于正态分布的分割方法,包括如下步骤:
图像采集,对碳纤维布面进行拍照,得到布面图像;
图像预处理,通过高斯滤波,对所述布面图像进行预处理,去除所述布面图像中的白色疵点,得到预处理图像;
锐化处理,计算所述布面图像与所述预处理图像中每个像素点灰度值的差值,得到锐化图像,将所述锐化图像加权叠加在所述预处理图像中,得到检测图像;
检测黑毛丝,将所述检测图像中像素点灰度值位于设定阈值内的像素点标记出,组成像素点集合,并以被标记的像素点为中心,判断其周围设定范围内像素点是否都处于所述像素点集合内,若是,则判断这个范围为黑毛丝范围。
进一步地,所述图像预处理中,通过3×3的高斯模板G对所述布面图像f(x,y)进行卷积,
K(x,y)=f(x,y)*G
其中,(x,y)为布面图像中像素点坐标,K(x,y)为布面图像f(x,y)与高斯模板G卷积后得到的卷积图像。
进一步地,所述高斯滤波中,权重矩阵坐标为:
所述高斯模板G为:
高斯函数标准差σ为1.5。
进一步地,所述去除所述布面图像中的白色疵点中,将所述卷积图像K(x,y)中的像素点进行判断,若像素点灰度值大于200,则令其灰度值为0,若像素点灰度值小于等于200,则其灰度值不变,得到所述预处理图像h(x,y)。
进一步地,所述检测图像P(x,y)为:
P(x,y)=h(x,y)+t[f(x,y)-h(x,y)]
其中,t为权重系数。
进一步地,所述t范围为3~3.5。
进一步地,所述检测黑毛丝中,若80<P(x,y)<170,则将像素点(x,y)标记出,并组成像素点集合A{(x1,y1)、(x2,y2)…(xn,yn)}。
本发明中还包括一种计算机设备,包括存储器、处理器及存储在存储器上并可在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,实现如上述的方法。
本发明中还包括一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的方法。
本发明的有益效果为:本发明中通过高斯滤波,由于碳纤维上的捆绑纱是较为均匀的,而且相对于黑色背景,捆绑纱较细,存在的量较少,所以拍摄的布面图像符合正态分布,所以高斯滤波能够很好的对图像进行平滑,再去除白色疵点,将图像中前景与后景进行分割,对图像进行锐化,突出碳纤维布面背景与黑毛丝的区别,通过灰度值阈值,将符合要求的像素点提取出,由于黑毛丝通常会有一定的大小,提取出的像素点可能会有干扰存在,所以将提取出的像素点周围的像素点进行判断,如果周围的像素点都符合要求,则说明这一块为黑毛丝区域,可以很好的去除干扰,提高准确度。
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,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地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,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他的附图。
图1为本发明的流程图;
图2为本实施例中计算机设备的结构示意图。
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。
如图1所示:一种基于正态分布的分割方法,包括如下步骤:
图像采集,对碳纤维布面进行拍照,得到布面图像;
图像预处理,通过高斯滤波,对布面图像进行预处理,去除布面图像中的白色疵点,得到预处理图像;
锐化处理,计算布面图像与预处理图像中每个像素点灰度值的差值,得到锐化图像,将锐化图像加权叠加在预处理图像中,得到检测图像;
检测黑毛丝,将检测图像中像素点灰度值位于设定阈值内的像素点标记出,组成像素点集合,并以被标记的像素点为中心,判断其周围设定范围内像素点是否都处于像素点集合内,若是,则判断这个范围为黑毛丝范围。
通过高斯滤波,由于碳纤维上的捆绑纱是较为均匀的,而且相对于黑色背景,捆绑纱较细,存在的量较少,所以拍摄的布面图像符合正态分布,所以高斯滤波能够很好的对图像进行平滑,再去除白色疵点,将图像中前景与后景进行分割,对图像进行锐化,突出碳纤维布面背景与黑毛丝的区别,通过灰度值阈值,将符合要求的像素点提取出,由于黑毛丝通常会有一定的大小,提取出的像素点可能会有干扰存在,所以将提取出的像素点周围的像素点进行判断,如果周围的像素点都符合要求,则说明这一块为黑毛丝区域,可以很好的去除干扰,提高准确度。
由于黑毛丝的大小大概为2cm×2cm,所以在本实施例中,对碳纤维布面拍照时,相机的分辨率为一个像素点大小为0.5cm×0.5cm,且拍摄帧率为30fps,此时待检测的黑毛丝在图像上的大小为4×4像素,在以被标记的像素点为中心,判断其周围设定范围内像素点是否都处于像素点集合内时,判断的范围为以像素点为中心,周围3×3范围内的8个像素点。
在本实施例中,图像预处理中,由于布面图像上白色的疵点符合正态分布,所以利用高斯滤波对图像进行平滑,高斯函数如下:
设定权重矩阵坐标为:
高斯函数标准差σ为1.5,
高斯模板G为:
K(x,y)=f(x,y)*G
其中,(x,y)为布面图像中像素点坐标,K(x,y)为布面图像f(x,y)与高斯模板G卷积后得到的卷积图像。
将高斯模板G遍历布面图像中每个像素点,以像素点周围3×3范围内的像素点的灰度值取其权重,将像素点的灰度值与模板上对应的权重系数相乘的和,作为这个点的新的灰度值,相当于将每个像素点的灰度值根据其周围的像素点的灰度值进行平滑,可以去除一些孤立的噪声点。
将布面图像与高斯模板卷积后,去除布面图像中的白色疵点中,将卷积图像K(x,y)中的像素点进行判断,若像素点灰度值大于200,则令其灰度值为0,若像素点灰度值小于等于200,则其灰度值不变,得到预处理图像h(x,y)。
将卷积图像中灰度值大于200的像素点认定为白色疵点,然后另其灰度值归0,将其变成黑色,从而进行消除。
由于黑色背景与黑毛丝的区别不是很大,通过一般的阈值进行选择或通过一般的高通滤波都很难准确的将黑毛丝与黑色背景区分开,此时,将布面图像与预处理中像素点的灰度值作差,得到锐化图像,锐化图像可以体现出图像经过预处理的平滑后,像素点灰度值变化的情况,再将这个变化的情况经过权重叠加在预处理图像上,从而将像素点灰度变化更大的点放大,从而无论是黑色的背景,还是黑灰色的黑毛丝还是白色的纬纱疵点都会进行最大化的提升对比度,从而方便后续的筛选,具体为:
检测图像P(x,y)为:
P(x,y)=h(x,y)+t[f(x,y)-h(x,y)]
其中,t为权重系数,t范围为3~3.5。
在本实施例中,检测黑毛丝中,若80<P(x,y)<170,则将像素点(x,y)标记出,并组成像素点集合A{(x1,y1)、(x2,y2)…(xn,yn)}。
通过一个灰度值阈值范围,对检测图像中的像素点进行初步筛选,筛选出符合要求的像素点,再对其进行判断,以被标记的像素点为中心,判断其周围设定范围内像素点是否都处于像素点集合内时,判断的范围为以像素点为中心,周围3×3范围内的8个像素点,如果其中一个符合要求的像素点周围的8个像素点都在集合内,则说明这一块区域为黑毛丝所在的区域,需要将其标记出来。
请参见图2示出的本申请实施例提供的计算机设备的结构示意图。本申请实施例提供的一种计算机设备400,包括:处理器410和存储器420,存储器420存储有处理器410可执行的计算机程序,计算机程序被处理器410执行时执行如上的方法。
本申请实施例还提供了一种存储介质430,该存储介质430上存储有计算机程序,该计算机程序被处理器410运行时执行如上的方法。
其中,存储介质430可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本发明的描述中,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。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种基于正态分布的分割方法,其特征在于,包括如下步骤:
图像采集,对碳纤维布面进行拍照,得到布面图像;
图像预处理,通过高斯滤波,对所述布面图像进行预处理,去除所述布面图像中的白色疵点,得到预处理图像;
锐化处理,计算所述布面图像与所述预处理图像中每个像素点灰度值的差值,得到锐化图像,将所述锐化图像加权叠加在所述预处理图像中,得到检测图像;
检测黑毛丝,将所述检测图像中像素点灰度值位于设定阈值内的像素点标记出,组成像素点集合,并以被标记的像素点为中心,判断其周围设定范围内像素点是否都处于所述像素点集合内,若是,则判断这个范围为黑毛丝范围。
2.根据权利要求1所述的基于正态分布的分割方法,其特征在于,所述图像预处理中,通过3×3的高斯模板G对所述布面图像f(x,y)进行卷积,K(x,y)=f(x,y)*G
其中,(x,y)为布面图像中像素点坐标,K(x,y)为布面图像f(x,y)与高斯模板G卷积后得到的卷积图像。
4.根据权利要求3所述的基于正态分布的分割方法,其特征在于,所述去除所述布面图像中的白色疵点中,将所述卷积图像K(x,y)中的像素点进行判断,若像素点灰度值大于200,则令其灰度值为0,若像素点灰度值小于等于200,则其灰度值不变,得到所述预处理图像h(x,y)。
5.根据权利要求1所述的基于正态分布的分割方法,其特征在于,所述检测图像P(x,y)为:
P(x,y)=h(x,y)+t[f(x,y)-h(x,y)]
其中,t为权重系数。
6.根据权利要求5所述的基于正态分布的分割方法,其特征在于,所述t范围为3~3.5。
7.根据权利要求1所述的基于正态分布的分割方法,其特征在于,所述检测黑毛丝中,若80<P(x,y)<170,则将像素点(x,y)标记出,并组成像素点集合A{(x1,y1)、(x2,y2)…(xn,yn)}。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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1-7中任一项所述的方法。
9.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111452081.5A CN114092510A (zh) | 2021-12-01 | 2021-12-01 | 一种基于正态分布的分割方法、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111452081.5A CN114092510A (zh) | 2021-12-01 | 2021-12-01 | 一种基于正态分布的分割方法、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114092510A true CN114092510A (zh) | 2022-02-25 |
Family
ID=80306029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111452081.5A Pending CN114092510A (zh) | 2021-12-01 | 2021-12-01 | 一种基于正态分布的分割方法、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092510A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107064160A (zh) * | 2017-04-01 | 2017-08-18 | 佛山市南海天富科技有限公司 | 基于显著性检测的纺织品表面瑕疵检测方法及系统 |
CN109146875A (zh) * | 2018-09-05 | 2019-01-04 | 深圳灵图慧视科技有限公司 | 用于织物表面缺陷检测的方法、装置和设备 |
US20200160090A1 (en) * | 2018-11-21 | 2020-05-21 | Samsung Electronics Co., Ltd. | Method and system for determining physical characteristics of objects |
CN112184615A (zh) * | 2020-07-04 | 2021-01-05 | 浙江省常山纺织有限责任公司 | 基于图像处理的织物有色纤维检测系统 |
CN112258419A (zh) * | 2020-11-02 | 2021-01-22 | 无锡艾立德智能科技有限公司 | 一种加权式增强图像边缘信息的方法 |
CN112485263A (zh) * | 2020-11-24 | 2021-03-12 | 西安获德图像技术有限公司 | 一种基于机器视觉的pe纤维纱线质量在线检测设备及方法 |
US20210217177A1 (en) * | 2018-08-22 | 2021-07-15 | Genemind Biosciences Company Limited | Method and device for detecting bright spots on image, and computer program product |
CN113516628A (zh) * | 2021-05-13 | 2021-10-19 | 江南大学 | 一种基于机器视觉的浆纱撞筘检测方法 |
CN113610843A (zh) * | 2021-08-30 | 2021-11-05 | 合肥智大信息技术有限公司 | 一种光纤编织层的实时缺陷识别系统及其方法 |
CN113706521A (zh) * | 2021-09-08 | 2021-11-26 | 常州市新创智能科技有限公司 | 碳纤维表面毛团检测方法、装置、存储介质和电子设备 |
CN113724241A (zh) * | 2021-09-09 | 2021-11-30 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳纤维经编织物的毛丝检测方法、装置和存储介质 |
-
2021
- 2021-12-01 CN CN202111452081.5A patent/CN114092510A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107064160A (zh) * | 2017-04-01 | 2017-08-18 | 佛山市南海天富科技有限公司 | 基于显著性检测的纺织品表面瑕疵检测方法及系统 |
US20210217177A1 (en) * | 2018-08-22 | 2021-07-15 | Genemind Biosciences Company Limited | Method and device for detecting bright spots on image, and computer program product |
CN109146875A (zh) * | 2018-09-05 | 2019-01-04 | 深圳灵图慧视科技有限公司 | 用于织物表面缺陷检测的方法、装置和设备 |
US20200160090A1 (en) * | 2018-11-21 | 2020-05-21 | Samsung Electronics Co., Ltd. | Method and system for determining physical characteristics of objects |
CN112184615A (zh) * | 2020-07-04 | 2021-01-05 | 浙江省常山纺织有限责任公司 | 基于图像处理的织物有色纤维检测系统 |
CN112258419A (zh) * | 2020-11-02 | 2021-01-22 | 无锡艾立德智能科技有限公司 | 一种加权式增强图像边缘信息的方法 |
CN112485263A (zh) * | 2020-11-24 | 2021-03-12 | 西安获德图像技术有限公司 | 一种基于机器视觉的pe纤维纱线质量在线检测设备及方法 |
CN113516628A (zh) * | 2021-05-13 | 2021-10-19 | 江南大学 | 一种基于机器视觉的浆纱撞筘检测方法 |
CN113610843A (zh) * | 2021-08-30 | 2021-11-05 | 合肥智大信息技术有限公司 | 一种光纤编织层的实时缺陷识别系统及其方法 |
CN113706521A (zh) * | 2021-09-08 | 2021-11-26 | 常州市新创智能科技有限公司 | 碳纤维表面毛团检测方法、装置、存储介质和电子设备 |
CN113724241A (zh) * | 2021-09-09 | 2021-11-30 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳纤维经编织物的毛丝检测方法、装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
JUNFENG JING等: "Detection of Bobbin Yarn Surface Defects by Visual Saliency Analysis", 《FIBERS AND POLYMERS》, vol. 21, no. 11, 17 December 2020 (2020-12-17), pages 2685 - 2694, XP037317710, DOI: 10.1007/s12221-020-9728-8 * |
刘艳莉: "工业X射线图像锐化技术算法研究", 《中国博士学位论文全文数据库 信息科技辑》, no. 7, 15 July 2015 (2015-07-15), pages 138 - 105 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
WO2013148566A1 (en) | Image blur detection | |
Zhou et al. | Scale-aware edge-preserving image filtering via iterative global optimization | |
CN113870233B (zh) | 一种捆绑纱检测方法、计算机设备及存储介质 | |
CN110717922A (zh) | 一种图像清晰度评价方法及装置 | |
WO2022252442A1 (zh) | 一种针对皮革纤维mct断层扫描图像的智能去噪方法及应用 | |
CN111754531A (zh) | 图像实例分割方法和装置 | |
Hamad et al. | Brain's tumor edge detection on low contrast medical images | |
CN114219740A (zh) | 一种融合超像素与窗口偏移的边缘感知引导滤波方法 | |
CN113160245A (zh) | 基于分块区域生长法的ct脑实质分割系统、方法及装置 | |
CN112435235A (zh) | 一种基于图像分析的籽棉含杂率检测方法 | |
CN115272647A (zh) | 一种肺部图像的识别处理方法及系统 | |
JP2003509779A (ja) | 圧縮エッジ適応ビデオ及び画像鮮鋭化及びスケーリング方法及びシステム | |
CN112396618B (zh) | 一种基于图像处理的晶界提取及晶粒度测量方法 | |
KR101615479B1 (ko) | 적응적 전/후처리 필터링을 이용하는 초해상도 영상 처리 방법 | |
CN116596802B (zh) | 一种复杂背景下的捆绑纱提取方法、装置、设备及介质 | |
CN114092510A (zh) | 一种基于正态分布的分割方法、计算机设备及存储介质 | |
JP2005530261A (ja) | 画像処理における、または画像処理に関する改良 | |
CN114066881B (zh) | 一种基于非线性变换检测方法、计算机设备及存储介质 | |
CN113837184B (zh) | 一种蚊虫检测方法、设备及存储介质 | |
Gill et al. | A review of enhancement and segmentation techniques for digital images | |
CN115008255A (zh) | 一种用于机床的刀具磨损识别方法及装置 | |
CN114994098A (zh) | 一种异物检测的方法及设备 | |
Tao | Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220225 |
|
RJ01 | Rejection of invention patent application after publication |