CN114240859B - 一种基于图像处理的模具研合率检测方法 - Google Patents
一种基于图像处理的模具研合率检测方法 Download PDFInfo
- Publication number
- CN114240859B CN114240859B CN202111474305.2A CN202111474305A CN114240859B CN 114240859 B CN114240859 B CN 114240859B CN 202111474305 A CN202111474305 A CN 202111474305A CN 114240859 B CN114240859 B CN 114240859B
- Authority
- CN
- China
- Prior art keywords
- image
- grinding rate
- binary
- value
- binary image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 230000009466 transformation Effects 0.000 claims abstract description 29
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims abstract description 27
- 238000003825 pressing Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 13
- 239000003086 colorant Substances 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 abstract description 2
- 210000000080 chela (arthropods) Anatomy 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004043 dyeing Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 230000001944 accentuation Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
- Image Processing (AREA)
Abstract
本发明旨在提供一种基于图像处理的模具研合率检测方法,包括以下步骤:A、拍摄经过施压后的模具或零件的RGB颜色空间的正视图;取上述模具或零件对应的研合卡图,作为对照图;若正视图与对照图互为镜像,则将正视图翻转,作为部件图,否则直接将正视图作为部件图;B、将部件图由RGB颜色空间转换为HSV颜色空间,然后经二值图像转化;对于对照图也进行二值图像转化;D、对部件图进行透视变换;E、如果部件图为零件的,则将透视变换图进行取反操作;F、对于部件图进行与操作;G、利用对照图二值图中白色像素点的数量除以部件图中白色像素点的数量得到模具研合率。本发明能够提高检测效率,使研合率评价更为客观。
Description
技术领域
本发明涉及模具研合率检测领域,具体涉及一种基于图像处理的模具研合率检测方法。
背景技术
生产中为描述凸模与凹模、压料块与凸模之间的间隙是否均匀,提出了研合率的概念。在生产现场,使用模具对涂有色彩的板料施压,以施压后板料表面残余涂色程度和/或模具染色程度来评价研合率。对于板料,残余涂色越浅的区域,表示研合率越高。对于模具,染色程度越深的区域表示研合率越高。在实际生产中,对于模具/板料的不同区域有着不同的研合率要求,板料成形过程中发挥作用的功能面应该以高标准进行研合,对于非功能面研合率则不作要求。一般分为无要求研合区域、轻微研合区域、一般研合区域、着重研合区域,或以上一种或多种要求。研合率是评价模具是否合格的重要指标,如果模具零件型面研合率不满足要求,会导致零件合格率降低,同一批次零件一致性较差等问题。
研合卡,是从模具图纸截取的一个平面视图,一般取正视图,与模具的正视图具有形状相同的关系。用来指导评价模具/板料不同区域不同的研合率要求,对应上述不同要求区域,标以不同颜色显示。
目前模具研合率的检测都是基于工程师目视,通过经验估算得出,缺少具体数据量化的过程,具有较大的主观性。
发明内容
本发明旨在提供一种基于图像处理的模具研合率检测方法,该方法通过图像处理技术能够更为准确的获得模具或零件的研合率,提高检测效率,研合率评价更为客观。
本发明的技术方案如下:
所述的基于图像处理的模具研合率检测方法,包括以下步骤:
A、取涂有色彩的板料通过模具进行施压,拍摄经过施压后的模具或零件的RGB颜色空间的正视图;取上述模具或零件对应的研合卡图,作为对照图;若正视图与对照图互为镜像,则将正视图翻转,作为部件图,否则直接将正视图作为部件图;
B、将部件图由RGB颜色空间转换为HSV颜色空间,得到部件HSV图像;
C、对于部件HSV图像,固定H值、V值范围,S值对应轻微研合率、一般研合率、着重研合率分为三个梯度范围,分别进行二值图像转化,获得对应轻微研合率、一般研合率、着重研合率的部件二值图像,记为二值图像a、二值图像b、二值图像c;
对于对照图,固定S值、V值范围,H值对应对照图上轻微研合率、一般研合率、着重研合率所标示的颜色分别选择对应范围,分别进行二值图像转化,获得对应轻微研合率、一般研合率、着重研合率的对照二值图像,记为二值图像A、二值图像B、二值图像C;
D、对部件图和对照图分别建立像素坐标系,分别取部件图和对照图中模具或零件上的同一位置点,分别获取这些点在其图像中的像素坐标,部件图和对照图中分别取多个的这种像素点,获得部件图像素坐标组和对照图像素坐标组;
根据这两个像素坐标组,计算获得部件图和对照图的单应性矩阵,基于单应性矩阵对二值图像a、二值图像b、二值图像c进行透视变换,得到透视变换图像a、透视变换图像b、透视变换图像c;
E、如果部件图为零件的,则将透视变换图像a、透视变换图像b、透视变换图像c进行取反操作,图像中原黑色像素点置为白色像素点,原白色像素点置为黑色像素点,得到取反图像a、取反图像b、取反图像c;
F、对于部件图为零件的:将取反图像a与二值图像A进行与操作,获得与图像A;将取反图像b与二值图像B进行与操作,获得与图像B;将取反图像c与二值图像C进行与操作,获得与图像C;
对于部件图为模具的:将透视变换图像a与二值图像A进行与操作,获得与图像A;将透视变换图像b与二值图像B进行与操作,获得与图像B;将透视变换图像c与二值图像C进行与操作,获得与图像C;
G、将二值图像A、二值图像B、二值图像C进行与操作,获得与图像D;
将与图像A中白色像素点的数量除以二值图像A中白色像素点的数量得到模具的轻微研合率;
将与图像B中白色像素点的数量除以二值图像B中白色像素点的数量得到模具的一般研合率;
将与图像C中白色像素点的数量除以二值图像C中白色像素点的数量得到模具的着重研合率;
将与图像A、与图像B、与图像C进行与操作,获得与图像E;
将与图像E中白色像素点的数量除以与图像D中白色像素点的数量得到模具的总研合率。
所述的步骤C中,部件HSV图像的二值图像转化的具体过程为:设定固定的H值、V值范围,将S值的取值范围按轻微研合率、一般研合率、着重研合率分为三个范围,形成三组转化参数;利用三组转化参数分别对部件HSV图像进行二值转化,H、V、S三个通道均满足范围的像素点像素值取值为255,否则取值为0,从而将HSV图像转换为单通道的二值图像。
所述的步骤C中,部件HSV图像S值的取值范围具体设置为:
对于模具:轻微研合率30-255,一般研合率15-255,着重研合率5-255;
对于零件:轻微研合率185-255,一般研合率200-255,着重研合率215-255。
所述的步骤C中,对照图的二值图像转化的具体过程为:固定S值、V值范围,H值对应对照图上轻微研合率、一般研合率、着重研合率所标示的颜色分别选择对应范围,形成三组转化参数;利用三组转化参数分别对对照图进行二值转化,H、V、S三个通道均满足范围的像素点像素值取值为255,否则取值为0,从而将HSV图像转换为单通道的二值图像。
所述的步骤C中,对照图的H值的取值范围具体设置为:
轻微研合率35-77,一般研合率11-34,着重研合率0-10、156-180。
所述的步骤D中,部件图和对照图中模具或零件上的同一位置点分别取4-10个。
所述的步骤F和G中,与操作过程为:即遍历各张图像像素,当各张图像同一像素坐标值均大于0时,则将该坐标的像素值置为255,即显示白色,反之则置为0,显示黑色。
HSV图像中,H值范围用来判断颜色,本发明中对于部件图像,H值决定于涂料的颜色。对于研合卡图像,H值范围决定于研合卡上轻微研合率、一般研合率、着重研合率所分别标示的颜色;S值范围用来判断颜色的深浅,本发明中对于部件图像,依据统计结果得出,对于研合卡图像则取固定范围150-255。S值越大,表示颜色越深,因此对于模具检测,对应轻微研合率、一般研合率、着重研合率,S值递增,反之,对于零件检测,S值递减;V值表示明度,本发明中取最大范围0-255,这样可以减少光照对图像的影响
本发明通过图像处理技术,能够更为迅速有效的获得模具或零件的轻微研合率、一般研合率、着重研合率和总研合率结果,克服了现有技术主观判断的不稳定性,更为准确有效,提升了模具检测效率,能够有效提升模具制造加工精度,同时也提升零件加工精度和效率。
附图说明
图1为实施例的研合卡图;
图2为实施例的零件图;
图3为实施例的图2经过HSV变换再转化成的二值图像;
图4为实施例的图3经过透视变换的图像;
图5为实施例的研合卡要求研合的区域图,对应实施例中与图像D;
图6为实施例的零件符合研合要求的区域图,对应实施例中与图像E。
具体实施方式
下面结合附图和实施例具体说本发明。
实施例1
所述的基于图像处理的模具研合率检测方法,包括以下步骤:
A、取涂有色彩的板料通过模具进行施压,拍摄经过施压后零件的RGB颜色空间的正视图;取零件对应的研合卡图,作为对照图;若正视图与对照图互为镜像,则将正视图翻转,作为部件图,否则直接将正视图作为部件图;
图1为经过取点的研合卡图像,图中绿色区域表示要求轻微研合区域,黄色区域表示要求一般研合区域,红色表示要求着重研合区域。白色为无要求研合区域;
图2为零件图像,零件经过使用蓝色料均匀涂抹,并与模具冲压研合,蓝色越淡化区域表示与模具研合程度越深,图中数字表示与图1相对应的取点;
B、将部件图由RGB颜色空间转换为HSV颜色空间,得到部件HSV图像;
C、对于部件HSV图像,固定H值、V值范围,S值对应轻微研合率、一般研合率、着重研合率分为三个梯度范围,分别进行二值图像转化,获得对应轻微研合率、一般研合率、着重研合率的部件二值图像,记为二值图像a、二值图像b、二值图像c;其中,S值的取值范围具体设置为:轻微研合率185-255,一般研合率200-255,着重研合率215-255;
对于对照图,固定S值、V值范围,H值对应对照图上轻微研合率、一般研合率、着重研合率所标示的颜色分别选择对应范围,分别进行二值图像转化,获得对应轻微研合率、一般研合率、着重研合率的对照二值图像,记为二值图像A、二值图像B、二值图像C;图1中,研合卡上的颜色分别为绿色、黄橙色、红色,范围分别为35-77,11-34,红色有两个区间(0-10,156-180),绿色区域表示要求轻微研合区域,黄色区域表示要求一般研合区域,红色表示要求着重研合区域,白色为无要求研合区域;
图3为图2经过HSV颜色空间变换,再转换为一般研合率对应的二值图像,即二值图像b;
D、对部件图和对照图分别建立像素坐标系,分别取部件图和对照图中模具或零件上的同一位置点,分别获取这些点在其图像中的像素坐标,部件图和对照图中分别取7个的这种像素点,获得部件图像素坐标组和对照图像素坐标组;
根据这两个像素坐标组,计算获得部件图和对照图的单应性矩阵,基于单应性矩阵对二值图像a、二值图像b、二值图像c进行透视变换,得到透视变换图像a、透视变换图像b、透视变换图像c;
图4为图3经过透视变换的图像,即透视变换图像b,图像中零件的位置、大小与研合卡中零件的位置、大小基本吻合;
E、将透视变换图像a、透视变换图像b、透视变换图像c进行取反操作,图像中原黑色像素点置为白色像素点,原白色像素点置为黑色像素点,得到取反图像a、取反图像b、取反图像c;
F、将取反图像a与二值图像A进行与操作,获得与图像A;将取反图像b与二值图像B进行与操作,获得与图像B;将取反图像c与二值图像C进行与操作,获得与图像C;
G、将二值图像A、二值图像B、二值图像C进行与操作,获得与图像D;与图像D见图5,代表研合卡要求研合的区域图;
将与图像A中白色像素点的数量除以二值图像A中白色像素点的数量得到模具的轻微研合率;
将与图像B中白色像素点的数量除以二值图像B中白色像素点的数量得到模具的一般研合率;
将与图像C中白色像素点的数量除以二值图像C中白色像素点的数量得到模具的着重研合率;
将与图像A、与图像B、与图像C进行与操作,获得与图像E;与图像E见图6,代表零件符合研合要求的区域图;
将与图像E中白色像素点的数量除以与图像D中白色像素点的数量得到模具的总研合率。
所述的步骤C中二值图像转化的具体过程为:设定固定的H值、V值范围,将S值的取值范围按轻微研合率、一般研合率、着重研合率分为三个范围,形成三组转化参数;利用三组转化参数分别对部件HSV图像和对照图进行二值转化,H、V、S三个通道均满足范围的像素点像素值取值为255,否则取值为0,从而将HSV图像转换为单通道的二值图像。
本实施例中:
与图像A白色像素点的数量29454,二值图像A白色像素点数量31133,得到轻微研合率94.60%;
与图像B白色像素点的数量2779,二值图像B白色像素点数量3058,得到一般研合率90.87%;
与图像C白色像素点的数量15303,二值图像C白色像素点数量16115,得到着重研合率94.96%;
与图像E(即图6)白色像素点的数量47536,与图像D(即图5)白色像素点数量50306,得到总研合率94.49%。
Claims (7)
1.一种基于图像处理的模具研合率检测方法,其特征在于,包括以下步骤:
A、取涂有色彩的板料通过模具进行施压,拍摄经过施压后的模具或零件的RGB颜色空间的正视图;取上述模具或零件对应的研合卡图,作为对照图;若正视图与对照图互为镜像,则将正视图翻转,作为部件图,否则直接将正视图作为部件图;
B、将部件图由RGB颜色空间转换为HSV颜色空间,得到部件HSV图像;
C、对于部件HSV图像,固定H值、V值范围,S值对应轻微研合率、一般研合率、着重研合率分为三个梯度范围,分别进行二值图像转化,获得对应轻微研合率、一般研合率、着重研合率的部件二值图像,记为二值图像a、二值图像b、二值图像c;
对于对照图,固定S值、V值范围,H值对应对照图上轻微研合率、一般研合率、着重研合率所标示的颜色分别选择对应范围,分别进行二值图像转化,获得对应轻微研合率、一般研合率、着重研合率的对照二值图像,记为二值图像A、二值图像B、二值图像C;
D、对部件图和对照图分别建立像素坐标系,分别取部件图和对照图中模具或零件上的同一位置点,分别获取这些点在其图像中的像素坐标,部件图和对照图中分别取多个的这种像素点,获得部件图像素坐标组和对照图像素坐标组;
根据这两个像素坐标组,计算获得部件图和对照图的单应性矩阵,基于单应性矩阵对二值图像a、二值图像b、二值图像c进行透视变换,得到透视变换图像a、透视变换图像b、透视变换图像c;
E、如果部件图为零件的,则将透视变换图像a、透视变换图像b、透视变换图像c进行取反操作,图像中原黑色像素点置为白色像素点,原白色像素点置为黑色像素点,得到取反图像a、取反图像b、取反图像c;
F、对于部件图为零件的:将取反图像a与二值图像A进行与操作,获得与图像A;将取反图像b与二值图像B进行与操作,获得与图像B;将取反图像c与二值图像C进行与操作,获得与图像C;
对于部件图为模具的:将透视变换图像a与二值图像A进行与操作,获得与图像A;将透视变换图像b与二值图像B进行与操作,获得与图像B;将透视变换图像c与二值图像C进行与操作,获得与图像C;
G、将二值图像A、二值图像B、二值图像C进行与操作,获得与图像D;
将与图像A中白色像素点的数量除以二值图像A中白色像素点的数量得到模具的轻微研合率;
将与图像B中白色像素点的数量除以二值图像B中白色像素点的数量得到模具的一般研合率;
将与图像C中白色像素点的数量除以二值图像C中白色像素点的数量得到模具的着重研合率;
将与图像A、与图像B、与图像C进行与操作,获得与图像E;
将与图像E中白色像素点的数量除以与图像D中白色像素点的数量得到模具的总研合率。
2.如权利要求1所述的基于图像处理的模具研合率检测方法,其特征在于:
所述的步骤C中,部件HSV图像的二值图像转化的具体过程为:设定固定的H值、V值范围,将S值的取值范围按轻微研合率、一般研合率、着重研合率分为三个范围,形成三组转化参数;利用三组转化参数分别对部件HSV图像进行二值转化,H、V、S三个通道均满足范围的像素点像素值取值为255,否则取值为0,从而将HSV图像转换为单通道的二值图像。
3.如权利要求2所述的基于图像处理的模具研合率检测方法,其特征在于:
所述的步骤C中,部件HSV图像S值的取值范围具体设置为:
对于模具:轻微研合率30-255,一般研合率15-255,着重研合率5-255;
对于零件:轻微研合率185-255,一般研合率200-255,着重研合率215-255。
4.如权利要求1所述的基于图像处理的模具研合率检测方法,其特征在于:
所述的步骤C中,对照图的二值图像转化的具体过程为:固定S值、V值范围,H值对应对照图上轻微研合率、一般研合率、着重研合率所标示的颜色分别选择对应范围,形成三组转化参数;利用三组转化参数分别对对照图进行二值转化,H、V、S三个通道均满足范围的像素点像素值取值为255,否则取值为0,从而将HSV图像转换为单通道的二值图像。
5.如权利要求4所述的基于图像处理的模具研合率检测方法,其特征在于:
所述的步骤C中,对照图的H值的取值范围具体设置为:
轻微研合率35-77,一般研合率11-34,着重研合率0-10、156-180。
6.如权利要求1所述的基于图像处理的模具研合率检测方法,其特征在于:所述的步骤D中,部件图和对照图中模具或零件上的同一位置点分别取4-10个。
7.如权利要求1所述的基于图像处理的模具研合率检测方法,其特征在于:所述的步骤F和G中,与操作过程为:即遍历各张图像像素,当各张图像同一像素坐标值均大于0时,则将该坐标的像素值置为255,即显示白色,反之则置为0,显示黑色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111474305.2A CN114240859B (zh) | 2021-12-06 | 2021-12-06 | 一种基于图像处理的模具研合率检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111474305.2A CN114240859B (zh) | 2021-12-06 | 2021-12-06 | 一种基于图像处理的模具研合率检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114240859A CN114240859A (zh) | 2022-03-25 |
CN114240859B true CN114240859B (zh) | 2024-03-19 |
Family
ID=80753248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111474305.2A Active CN114240859B (zh) | 2021-12-06 | 2021-12-06 | 一种基于图像处理的模具研合率检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240859B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117584153B (zh) * | 2024-01-16 | 2024-04-05 | 季华实验室 | 冲压模具试研合控制方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886896A (zh) * | 2019-02-28 | 2019-06-14 | 闽江学院 | 一种蓝色车牌分割与矫正方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9031294B2 (en) * | 2010-07-23 | 2015-05-12 | National Institute Of Advanced Industrial Science And Technology | Region segmented image data creating system and feature extracting system for histopathological images |
-
2021
- 2021-12-06 CN CN202111474305.2A patent/CN114240859B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886896A (zh) * | 2019-02-28 | 2019-06-14 | 闽江学院 | 一种蓝色车牌分割与矫正方法 |
Non-Patent Citations (1)
Title |
---|
一种基于图像处理的余药检测处理方法;徐宁;段智敏;;沈阳理工大学学报;20060330(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114240859A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492776B (zh) | 一种amoled屏亮度不均智能外部光学补偿方法 | |
CN104680519B (zh) | 基于轮廓和颜色的七巧板识别方法 | |
GB2596947A (en) | Optimizing detection of images in relation to targets based on colorspace transformation techniques | |
CN114240859B (zh) | 一种基于图像处理的模具研合率检测方法 | |
US20060132867A1 (en) | Tone reproduction characteristics measuring device for color monitor | |
CN108154502A (zh) | 一种基于卷积神经网络的通孔焊点识别方法 | |
CN107301634A (zh) | 一种机器人自动分拣方法及系统 | |
CN113222940B (zh) | 一种基于rgb-d图像和cad模型的机器人自动抓取工件方法 | |
CN103065334A (zh) | 一种基于hsv颜色空间的偏色检测、校正方法及装置 | |
CN110660060B (zh) | Oled屏幕混色缺陷检测方法、终端设备及计算机可读介质 | |
CN106803257A (zh) | 一种作物病害叶片图像中病斑的分割方法 | |
CN105872511B (zh) | 利用多条gamma曲线提高平板电视色温一致性的方法 | |
CN110766636B (zh) | 一种用于ai芯片的智能图像处理方法 | |
CN101771825B (zh) | 图像亮色补偿的方法和装置 | |
CN105258653A (zh) | 一种用于遥控器键盘上色状况合格性的自动检测方法 | |
CN106558044A (zh) | 影像模组的解像力测量方法 | |
CN106780426B (zh) | 一种基于色彩特征模型的集成电路板多形态焊点定位方法 | |
CN109003268B (zh) | 一种超薄柔性ic基板外观颜色检测方法 | |
CN107316040A (zh) | 一种光照不变的图像颜色空间变换方法 | |
CN109087371B (zh) | 一种控制机器人画像的方法及系统 | |
CN106504200B (zh) | 基于色调偏移估计及逐点色调映射的图像光照补偿方法和系统 | |
CN115839677A (zh) | 高动态范围物体表面三维形貌测量方法及系统 | |
CN110726536B (zh) | 一种彩色数码反射显微镜颜色校正方法 | |
CN114972825A (zh) | 一种mmi按键图标矩阵自动检测的实现方法 | |
CN115195322B (zh) | 一种视觉打标的方法 |
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 |