CN114549499B - 一种用于终端设备的高拍仪达标检测方法、系统及介质 - Google Patents
一种用于终端设备的高拍仪达标检测方法、系统及介质 Download PDFInfo
- Publication number
- CN114549499B CN114549499B CN202210190629.1A CN202210190629A CN114549499B CN 114549499 B CN114549499 B CN 114549499B CN 202210190629 A CN202210190629 A CN 202210190629A CN 114549499 B CN114549499 B CN 114549499B
- Authority
- CN
- China
- Prior art keywords
- image
- parameter
- ambiguity
- detection
- recognition rate
- 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 206
- 238000004364 calculation method Methods 0.000 claims abstract description 80
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 7
- 238000012015 optical character recognition Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012800 visualization Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30168—Image quality inspection
-
- 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
- G06T2207/30176—Document
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开了一种用于终端设备的高拍仪达标检测方法、系统及介质,所述方法包括以下步骤:配置第一图像处理算法、第一识别率检测算法和第一模糊度检测算法;设置图像处理参数、模糊度计算参数和识别率计算参数;基于所述图像处理参数调用所述第一图像处理算法获取样张图像;基于所述模糊度计算参数和所述样张图像调用所述第一模糊度检测算法,得到第一模糊度;基于所述识别率计算参数和所述样张图像调用所述第一识别率检测算法,得到第一识别率;基于所述第一识别率和所述第一模糊度设定高拍仪达标检测结果;本发明能够高精准度的对高拍仪的图像扫描质量和图像识别质量进行检测和把控,智能化程度和检测效率极高,保证了高拍仪出厂时的质量。
Description
技术领域
本发明涉及数字图像处理技术领域,特别是涉及一种用于终端设备的高拍仪达标检测方法、系统及介质。
背景技术
国产化金融领域所用终端设备中,常采用高拍仪进行重要的业务数据交互和图像识别,故高拍仪的质量达标检测尤为重要;目前对于高拍仪的图像扫描模糊度检测以及图像识别检测的质量都通过人工进行肉眼比对判断,这种方式的人工成本较高,检测统一化程度低,检测精准度和效率均较低。
发明内容
本发明主要解决的是现有的终端设备高拍仪达标检测方法的人工成本较高,检测统一化程度低,检测精准度和效率均较低的问题。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种用于终端设备的高拍仪达标检测方法,包括以下步骤:
初始配置步骤:
配置第一图像处理算法、第一识别率检测算法和第一模糊度检测算法;
设置图像处理参数、模糊度计算参数和识别率计算参数;
参数检测步骤:
基于所述图像处理参数调用所述第一图像处理算法获取样张图像;
基于所述模糊度计算参数和所述样张图像调用所述第一模糊度检测算法,得到第一模糊度;
基于所述识别率计算参数和所述样张图像调用所述第一识别率检测算法,得到第一识别率;
达标判断步骤:
基于所述第一模糊度和所述第一识别率设定高拍仪达标检测结果。
作为一种改进的方案,所述图像处理参数包括:第一映射值和模板类型;所述第一映射值为若干行标记值以及与若干所述行标记值均分别匹配的若干字符标记值和若干数量标记值;
所述模糊度计算参数包括:滑窗窗口尺寸、全局拉普拉斯方差阈值和局部拉普拉斯方差阈值;
所述识别率计算参数包括识别率阈值。
作为一种改进的方案,所述第一图像处理算法包括:
配置文本模板,按照若干所述行标记值在所述文本模板中创建若干填充行;按照所述行标记值将若干所述字符标记值分别填充至若干所述填充行中,得到第一文本;拍摄所述第一文本的若干第一图像;
对若干所述第一图像分别进行图像筛选步骤,得到若干待变换图像;对若干待变换图像分别进行透视变换,得到若干待识别图像;若干所述待识别图像均为所述样张图像。
作为一种改进的方案,所述图像筛选步骤包括:
设置第一灰度值,按照所述第一灰度值对所述第一图像进行灰度化处理,得到第二图像;基于高通滤波算法对所述第二图像进行去噪处理,得到第三图像;对所述第三图像进行二值化处理,得到第四图像;
设置第一筛选参数;对所述第四图像进行边缘检测,得到第一检测参数;比对所述第一检测参数是否与所述第一筛选参数相匹配;
若匹配,则基于所述模板类型设定轮廓逼近形状;对所述第四图像进行角点检测,得到若干角点信息;基于所述轮廓逼近形状和若干所述角点信息对所述第四图像进行多边形轮廓逼近,得到第五图像;设定所述第五图像为所述待变换图像。
作为一种改进的方案,所述第一模糊度检测算法为:
基于所述样张图像执行第一计算步骤,得到第一全局方差值;判断所述第一全局方差值是否大于所述全局拉普拉斯方差阈值;若否,则输出第一参数,并设定所述第一参数为所述第一模糊度;若是,则基于所述第一计算步骤执行第二计算步骤。
作为一种改进的方案,所述第一计算步骤包括:计算所述样张图像的二维图像函数;基于所述二维图像函数进行关于所述样张图像的拉普拉斯计算,得到关于所述样张图像的全局二阶导数;对所述全局二阶导数进行方差计算,得到所述第一全局方差值;
所述第二计算步骤包括:
按照所述滑窗窗口尺寸在所述样张图像上划分若干滑窗检测区域;基于所述第一计算步骤和滑窗检测法对若干所述滑窗检测区域内的所述样张图像进行第二局部方差值的依次遍历计算;
若所述依次遍历计算的过程中出现大于所述局部拉普拉斯方差阈值的所述第二局部方差值,则停止所述依次遍历计算,输出所述第一参数,并设定所述第一参数为所述第一模糊度;若所述依次遍历计算的过程中未出现大于所述局部拉普拉斯方差阈值的所述第二局部方差值,则输出第二参数,并设定所述第二参数为所述第一模糊度。
作为一种改进的方案,所述第一识别率检测算法为:
设定第一图像特征和膨胀尺寸;将所述样张图像中与所述第一图像特征相匹配的第一图像区域按照所述膨胀尺寸进行横向膨胀,得到第一膨胀图像;
识别所述二值化处理中的第一灰度值;在所述第一膨胀图像中设定与所述第一灰度值相匹配的区域为空白行区域;基于所述空白行区域和横向膨胀后的所述第一图像区域在所述第一膨胀图像确定字符行;
基于所述字符行在所述第一膨胀图像中的第一位置关系以及若干所述填充行在所述第一图像中的第二位置关系,在若干所述行标记值中识别所述字符行所对应的第一行标记值;
在若干所述字符标记值中确认与所述第一行标记值相匹配的第一字符标记值;在若干所述数量标记值中确认与所述第一字符标记值相匹配的第一数量标记值;从所述第一膨胀图像中切分出所述字符行,得到待识别字符行;按照所述第一数量标记值将所述待识别字符行进行等距切割,得到若干字符图像;
将若干所述字符图像导入高拍仪的图像识别神经网络中进行图像识别,得到若干图像识别结果;统计若干所述图像识别结果中与所述第一字符标记值相匹配的所述图像识别结果的第一数量;计算所述第一数量与所述第一数量标记值的第一比值;比对所述第一比值是否达到所述识别率阈值;
若达到,则输出第三参数,并设定所述第三参数为所述第一识别率;若未达到,则输出第四参数,并设定所述第四参数为所述第一识别率。
作为一种改进的方案,所述基于所述第一模糊度和所述第一识别率设定高拍仪达标检测结果的步骤进一步包括:
识别所述第一模糊度和所述第一识别率,若所述第一模糊度为所述第二参数,且所述第一识别率为所述第三参数,则设定所述高拍仪达标检测结果为高拍仪达标;若所述第一模糊度非所述第二参数或所述第一识别率非所述第三参数,则设定所述高拍仪达标检测结果为高拍仪未达标。
本发明还提供一种用于终端设备的高拍仪达标检测系统,包括:
初始配置模块、参数检测模块和达标判断模块;
所述初始配置模块用于配置第一图像处理算法、第一识别率检测算法和第一模糊度检测算法;所述初始配置模块还用于设置图像处理参数、模糊度计算参数和识别率计算参数;
所述参数检测模块用于根据所述图像处理参数调用所述第一图像处理算法获取样张图像;所述参数检测模块还用于根据所述模糊度计算参数和所述样张图像调用所述第一模糊度检测算法,得到第一模糊度;所述参数检测模块还用于根据所述识别率计算参数和所述样张图像调用所述第一识别率检测算法,得到第一识别率;
所述达标判断模块用于根据所述第一模糊度和所述第一识别率设定高拍仪达标检测结果。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述用于终端设备的高拍仪达标检测方法的步骤。
本发明的有益效果是:
1、本发明所述的用于终端设备的高拍仪达标检测方法,可以实现高精准度的对高拍仪的图像扫描质量和图像识别质量进行检测和把控,同时不需要过多的人工参数,检测过程基于自主研发的算法,智能化程度和检测效率极高,保证了高拍仪出厂时的质量,利于检测标准的统一,弥补了现有技术的不足,具有极高的市场价值和应用价值。
2、本发明所述的用于终端设备的高拍仪达标检测系统,可以通过初始配置模块、参数检测模块和达标判断模块的相互配合,进而实现高精准度的对高拍仪的图像扫描质量和图像识别质量进行检测和把控,同时不需要过多的人工参数,检测过程基于自主研发的算法,智能化程度和检测效率极高,保证了高拍仪出厂时的质量,利于检测标准的统一,弥补了现有技术的不足,具有极高的市场价值和应用价值。
3、本发明所述的计算机可读存储介质,可以实现引导初始配置模块、参数检测模块和达标判断模块进行配合,进而实现高精准度的对高拍仪的图像扫描质量和图像识别质量进行检测和把控,同时不需要过多的人工参数,检测过程基于自主研发的算法,智能化程度和检测效率极高,保证了高拍仪出厂时的质量,利于检测标准的统一,并有效提高所述用于终端设备的高拍仪达标检测方法的可操作性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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是本发明实施例1所述用于终端设备的高拍仪达标检测方法的流程图;
图2是本发明实施例1所述用于终端设备的高拍仪达标检测方法的具体流程示意图;
图3是本发明实施例2所述用于终端设备的高拍仪达标检测系统的架构图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
在本发明的描述中,需要说明的是,本发明所描述的实施例是本发明一部分实施例,而不是全部的实施例;基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“第一”、“第二”、“第三”、“第四”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是:OCR(Optical Character Recognition)是光学字符识别。
实施例1
本实施例提供一种用于终端设备的高拍仪达标检测方法,如图1和图2所示,包括以下步骤:
S100、初始配置步骤,具体包括:
S110、配置第一图像处理算法、第一识别率检测算法和第一模糊度检测算法;设置图像处理参数、模糊度计算参数和识别率计算参数;
具体的,所述图像处理参数包括:第一映射值和模板类型;在本实施例中,第一映射值为若干行标记值以及与若干所述行标记值均分别匹配的若干字符标记值和若干数量标记值;对应的,一开始模板的创建是基于行标记值、字符标记值和数量标记值进行的,主要用于高拍仪图像识别率的确认中;在本实施例中,模板类型为A4,模板类型的设定关乎后续图像处理过程中的轮廓逼近确认;在本实施例中,行标记值用于其对应行与字符标记值之间的索引,数量标记值为每个字符标记值所需要在行中填充的数量,字符标记值即为需要进行识别检测的字符值,例如,若行标记值为2,对应的字符标记值为A,对应的数量标记值为5,则对应的,上述映射关系即代表,在生成的样张图像中,第2行填充有5个字符“A”。
具体的,所述模糊度计算参数包括:滑窗窗口尺寸、全局拉普拉斯方差阈值和局部拉普拉斯方差阈值;在本实施例中,滑窗窗口尺寸根据模板类型所对应的尺寸设置,在本实施例中设置为模板类型对应尺寸的1/20,该数值越小,则模糊度检测的结果越精确;对应的,拉普拉斯算子的本身定义是用于测量图像的二阶导数,而拉普拉斯算子会显示出图像中快速梯度变化的区域,如果二阶导数对应的方差较高,则说明该二阶导数对应的图像有较多梯度变化的区域,则会说明图像有广泛响应扩散,说明图像的边缘较多,说明图像清晰度高,而如果二阶导数对应的方差较低,则说明该二阶导数对应的图像有较低的响应扩散,说明图像的边缘较少,说明图像清晰度低,比较模糊;故全局拉普拉斯方差阈值和局部拉普拉斯方差阈值基于此原理设定,且根据不同的图像复杂程度设定,通常设定为一个中等偏高的值,进而反应图像是否出现模糊;
具体的,所述识别率计算参数包括:识别率阈值;在本实施例中,识别率阈值设定为90%,用于确认高拍仪的识别能力是否达标,具体数值可以具体情况设定。
S200、参数检测步骤,具体包括:
S210、基于所述图像处理参数调用所述第一图像处理算法获取样张图像;基于所述模糊度计算参数和所述样张图像调用所述第一模糊度检测算法,得到第一模糊度;基于所述识别率计算参数和所述样张图像调用所述第一识别率检测算法,得到第一识别率;
具体的,所述第一图像处理算法包括:
配置文本模板,按照若干所述行标记值在所述文本模板中创建若干填充行;按照所述行标记值将若干所述字符标记值分别填充至若干所述填充行中,得到第一文本;拍摄所述第一文本的若干第一图像;在本实施例中,文本模板为空模板,文本模板可以为电子格式也可以为实物纸张格式,填充行即为在文本模板中划分的若干平行的空文本行,等待文本的填充;对应的,为了提高识别难度,进而提高测试的精准度,可以将空文本行的长度设定的相互不同;对应的,后续将每个字符标记值按照其对应的数量标记值填充至其对应的行标记值所对应的填充行中即可,在本实施例中,第一映射值中存在如下关系:即若行标记值为2,对应的字符标记值为A,对应的数量标记值为5,则第一映射值中,行标记值为2,其对应的若干字符标记值为5个“A”,即其对应的字符标记值为5个;故与若干所述行标记值均分别匹配的若干字符标记值中,行标记值与字符标记值的映射关系可以为一对多的关系,但行标记值与数量标记值为一对一的关系,行标记值与填充行的映射关系同为一对一的关系;故在本步骤中,按照所述行标记值将若干所述字符标记值分别填充至若干所述填充行中,结合上述举例,即将5个“A”填充至行标记值2所对应的一个填充行中;对应的,若第一文本为电子格式,即采用截屏程序进行第一图像的获取,若第一文本为实物纸张格式,即采用摄像设备进行第一图像的获取;在本实施例中,若干第一图像即为在不同的环境、光强、角度下结合第一文本不同的排放方向所捕捉出的不同第一图像,其用于提高样本图像的复杂度,提升检测精准度;
对若干所述第一图像分别进行图像筛选步骤,得到若干待变换图像;待变换图像即为确认出可以进行主要检测过程的合格样本,故对若干待变换图像分别进行透视变换,得到若干待识别图像;透视变换即为图像处理领域内的透视变换将图像进行方向矫正变换的操作,设定若干所述待识别图像均为所述样张图像。
具体的,所述图像筛选步骤包括:
设置第一灰度值,按照所述第一灰度值对所述第一图像进行灰度化处理,得到第二图像;基于高通滤波算法对所述第二图像进行去噪处理,得到第三图像;对所述第三图像进行二值化处理,得到第四图像;在本实施例中,第一灰度值为第一图像的RGB色彩值的平均值;灰度化处理即将第一图像的RGB三色值都调整为第一灰度值,进而便于后续的样张筛选;去噪处理进一步提高图像的可视化程度,提高筛选和检测的精准度;二值化处理为对图像进行白色背景黑色字符的图像处理,进而提高图像可识别性;
设置第一筛选参数;对所述第四图像进行边缘检测,得到第一检测参数;比对所述第一检测参数是否与所述第一筛选参数相匹配;在本实施例中,第一筛选参数包括但不限于图像的面积、长度和宽度等;第一检测参数为与第一筛选参数的类型分别匹配的各值;只有第一检测参数中的各值与第一筛选参数中的各个值均匹配时,才判断第一检测参数与所述第一筛选参数相匹配;对应的,第一检测参数中关于面积的参数可以在通过边缘检测所得到的图像边缘宽度和长度的乘积进行得到;若匹配,则说明,图像符合要求,故基于所述模板类型设定轮廓逼近形状,在本实施例中,因模板类型为A4,故设定轮廓逼近形状为四边形,具体情况具体设置,轮廓逼近形状包括但不限于与模板类型相匹配的若干多边形;对所述第四图像进行角点检测,得到若干角点信息;角点信息即为第四图像的角点位置坐标,故基于所述轮廓逼近形状和若干所述角点信息对所述第四图像进行多边形轮廓逼近,得到第五图像;进行多边形轮廓逼近后得到的第五图像其轮廓更加饱和,能够提高透视变换时的精准度,故设定所述第五图像为所述待变换图像。
具体的,所述第一模糊度检测算法为:
基于所述样张图像执行第一计算步骤,得到第一全局方差值;判断所述第一全局方差值是否大于所述全局拉普拉斯方差阈值;若否,则输出第一参数,并设定所述第一参数为所述第一模糊度;若是,则基于所述第一计算步骤执行第二计算步骤;在本实施例中,第一参数为“NO”,代表第一模糊度为不合格。
具体的,所述第一计算步骤包括:计算所述样张图像的二维图像函数;基于所述二维图像函数进行关于所述样张图像的拉普拉斯计算,得到关于所述样张图像的全局二阶导数;对所述全局二阶导数进行方差计算,得到所述第一全局方差值;在本实施例中,第一计算步骤即为样张图像的全局拉普拉斯变换,第二计算步骤为样张图像的局部拉普拉斯变换,故在第一计算步骤得到的第一全局方差值不符合标准时,即说明该样张图像模糊,高拍仪拍摄模糊,故不进行后续测试,直接输出参数结果;
具体的,所述第二计算步骤包括:
按照所述滑窗窗口尺寸在所述样张图像上划分若干滑窗检测区域;基于所述第一计算步骤和滑窗检测法对若干所述滑窗检测区域内的所述样张图像进行第二局部方差值的依次遍历计算;在本实施例中,即基于第一计算步骤对每个滑窗检测区域内的所述样张图像依次进行局部方差的计算,计算过程与第一计算步骤相同,均为二维函数的确认和拉普拉斯变换的步骤以及方差的求解;对应的,重点在于基于滑窗遍历检测的方式,一个一个的对滑窗检测区域内的所述样张图像进行遍历,当只要出现不符合要求的结果时,直接停止测试,提高测试效率;即,若所述依次遍历计算的过程中出现大于所述局部拉普拉斯方差阈值的所述第二局部方差值,则说明样张图像的局部图像的模糊度不合格,故停止所述依次遍历计算,输出所述第一参数,并设定所述第一参数为所述第一模糊度;若所述依次遍历计算的过程中未出现大于所述局部拉普拉斯方差阈值的所述第二局部方差值,则说明样张图像的全局图像模糊度和局部图像的模糊度均合格,高拍仪的拍照模糊度合格,故输出第二参数,并设定所述第二参数为所述第一模糊度;在本实施例中,第二参数为“YES”,代表第一模糊度为合格。
具体的,所述第一识别率检测算法为:
设定第一图像特征和膨胀尺寸;将所述样张图像中与所述第一图像特征相匹配的第一图像区域按照所述膨胀尺寸进行横向膨胀,得到第一膨胀图像;在本实施例中,第一图像特征为字符特征,即为与若干字符标记值均匹配的特征,故上述膨胀为对于样张图像中的字符进行横向膨胀,膨胀尺寸基于每个填充行所对应的不同数量标记值设定,数量标记值较小的,膨胀尺寸较大,横向膨胀的目的为将字符在横向进行伸长,进而将同行字符间距缩小,进而便于区分具体的字符行;故识别所述二值化处理中的第一灰度值;第一灰度值为二值化处理中对应空白区域的灰度值,故在所述第一膨胀图像中设定与所述第一灰度值相匹配的区域为空白行区域;基于所述空白行区域和横向膨胀后的所述第一图像区域在所述第一膨胀图像确定字符行;即在第一膨胀图像中,将除横向膨胀后的所述第一图像区域外的空白行区域剔除,即得到的若干相互平行的区域即为字符行,对应的,本实施例中,对每个字符行都进行如下操作:
基于所述字符行在所述第一膨胀图像中的第一位置关系以及若干所述填充行在所述第一图像中的第二位置关系,在若干所述行标记值中识别所述字符行所对应的第一行标记值;即确定字符行在第一膨胀图像中排列在第几行,在原第一图像中识别若干所述填充行的行数,进而根据字符行在第一膨胀图像中排列在第几行确认出该字符行在第一图像中所对应的填充行,而字符行在第一图像中所对应的填充行所对应的行标记值,即为第一行标记值;故以第一行标记值为索引,确认出该行内对应的字符值,用于后续的识别精准度判断,故在若干所述字符标记值中确认与所述第一行标记值相匹配的第一字符标记值;在若干所述数量标记值中确认与所述第一字符标记值相匹配的第一数量标记值;从所述第一膨胀图像中切分出所述字符行,得到待识别字符行;按照所述第一数量标记值将所述待识别字符行进行等距切割,得到若干字符图像;若干字符图像即为该字符行中所填充的若干字符被进行单独切割后的图像,进而确认出字符行中的每个字符位所对应的字符;后续对字符进行神经网络的识别检测;故
将若干所述字符图像导入高拍仪的图像识别神经网络中进行图像识别,得到若干图像识别结果;在本实施例中,图像识别即为OCR识别;图像识别结果即为与字符图像对应的经过OCR识别出的字符值;故计算若干所述图像识别结果中与所述第一字符标记值相匹配的所述图像识别结果的第一数量;例如若干所述图像识别结果分别为:A、v、a、A和A,而第一字符标记值为A,则第一数量为3个;故计算所述第一数量与所述第一数量标记值的第一比值;比对所述第一比值是否达到所述识别率阈值;若达到,则说明高拍仪的识别率达标,故输出第三参数,并设定所述第三参数为所述第一识别率;在本实施例中,第三参数为“1”,代表第一识别率为达标识别率;若未达到,则说明高拍仪的识别率未达标,故输出第四参数,并设定所述第四参数为所述第一识别率;在本实施例中,第四参数为“0”,代表第一识别率为未达标识别率。
S300、达标判断步骤,具体包括:
S310、基于所述第一模糊度和所述第一识别率设定高拍仪达标检测结果。
具体的,在本实施例中,第一模糊度和第一识别率都达标的情况下,才说明高拍仪达标,第一模糊度和第一识别率中只要有一者未达标,则说明高拍仪未达标;故识别所述第一模糊度和所述第一识别率,若所述第一模糊度为所述第二参数,且所述第一识别率为所述第三参数,则设定所述高拍仪达标检测结果为高拍仪达标;若所述第一模糊度非所述第二参数或所述第一识别率非所述第三参数,则设定所述高拍仪达标检测结果为高拍仪未达标。
实施例2
本实施例基于与实施例1中所述的一种用于终端设备的高拍仪达标检测方法相同的发明构思,提供一种用于终端设备的高拍仪达标检测系统,如图3所示,包括:初始配置模块、参数检测模块和达标判断模块;
所述用于终端设备的高拍仪达标检测系统中,初始配置模块用于配置第一图像处理算法、第一识别率检测算法和第一模糊度检测算法;所述初始配置模块还用于设置图像处理参数、模糊度计算参数和识别率计算参数;
具体的,所述图像处理参数包括:第一映射值和模板类型;所述第一映射值为若干行标记值以及与若干所述行标记值均分别匹配的若干字符标记值和若干数量标记值;所述模糊度计算参数包括:滑窗窗口尺寸、全局拉普拉斯方差阈值和局部拉普拉斯方差阈值;所述识别率计算参数包括识别率阈值。
所述用于终端设备的高拍仪达标检测系统中,参数检测模块用于根据所述图像处理参数调用所述第一图像处理算法获取样张图像;所述参数检测模块还用于根据所述模糊度计算参数和所述样张图像调用所述第一模糊度检测算法,得到第一模糊度;所述参数检测模块还用于根据所述识别率计算参数和所述样张图像调用所述第一识别率检测算法,得到第一识别率;
具体的,所述第一图像处理算法包括:参数检测模块配置文本模板,按照若干所述行标记值在所述文本模板中创建若干填充行;参数检测模块按照所述行标记值将若干所述字符标记值分别填充至若干所述填充行中,得到第一文本;参数检测模块拍摄所述第一文本的若干第一图像;参数检测模块对若干所述第一图像分别进行图像筛选步骤,得到若干待变换图像;参数检测模块对若干待变换图像分别进行透视变换,得到若干待识别图像;参数检测模块设定若干所述待识别图像均为所述样张图像。
具体的,所述图像筛选步骤包括:参数检测模块设置第一灰度值,并按照所述第一灰度值对所述第一图像进行灰度化处理,得到第二图像;参数检测模块基于高通滤波算法对所述第二图像进行去噪处理,得到第三图像;参数检测模块对所述第三图像进行二值化处理,得到第四图像;参数检测模块设置第一筛选参数;参数检测模块对所述第四图像进行边缘检测,得到第一检测参数;参数检测模块比对所述第一检测参数是否与所述第一筛选参数相匹配;若匹配,则参数检测模块基于所述模板类型设定轮廓逼近形状;参数检测模块对所述第四图像进行角点检测,得到若干角点信息;参数检测模块基于所述轮廓逼近形状和若干所述角点信息对所述第四图像进行多边形轮廓逼近,得到第五图像;参数检测模块设定所述第五图像为所述待变换图像。
具体的,所述第一模糊度检测算法为:参数检测模块基于所述样张图像执行第一计算步骤,得到第一全局方差值;参数检测模块判断所述第一全局方差值是否大于所述全局拉普拉斯方差阈值;若否,则参数检测模块输出第一参数,并设定所述第一参数为所述第一模糊度;若是,则参数检测模块基于所述第一计算步骤执行第二计算步骤。
具体的,所述第一计算步骤包括:参数检测模块计算所述样张图像的二维图像函数;参数检测模块基于所述二维图像函数进行关于所述样张图像的拉普拉斯计算,得到关于所述样张图像的全局二阶导数;参数检测模块对所述全局二阶导数进行方差计算,得到所述第一全局方差值;
具体的,所述第二计算步骤包括:参数检测模块按照所述滑窗窗口尺寸在所述样张图像上划分若干滑窗检测区域;参数检测模块基于所述第一计算步骤和滑窗检测法对若干所述滑窗检测区域内的所述样张图像进行第二局部方差值的依次遍历计算;若所述依次遍历计算的过程中出现大于所述局部拉普拉斯方差阈值的所述第二局部方差值,则参数检测模块停止所述依次遍历计算,参数检测模块输出所述第一参数,并设定所述第一参数为所述第一模糊度;若所述依次遍历计算的过程中未出现大于所述局部拉普拉斯方差阈值的所述第二局部方差值,则参数检测模块输出第二参数,并设定所述第二参数为所述第一模糊度。
具体的,所述第一识别率检测算法为:参数检测模块设定第一图像特征和膨胀尺寸;参数检测模块将所述样张图像中与所述第一图像特征相匹配的第一图像区域按照所述膨胀尺寸进行横向膨胀,得到第一膨胀图像;参数检测模块识别所述二值化处理中的第一灰度值;参数检测模块在所述第一膨胀图像中设定与所述第一灰度值相匹配的区域为空白行区域;参数检测模块基于所述空白行区域和横向膨胀后的所述第一图像区域在所述第一膨胀图像确定字符行;参数检测模块基于所述字符行在所述第一膨胀图像中的第一位置关系以及若干所述填充行在所述第一图像中的第二位置关系,参数检测模块在若干所述行标记值中识别所述字符行所对应的第一行标记值;参数检测模块在若干所述字符标记值中确认与所述第一行标记值相匹配的第一字符标记值;参数检测模块在若干所述数量标记值中确认与所述第一字符标记值相匹配的第一数量标记值;参数检测模块从所述第一膨胀图像中切分出所述字符行,得到待识别字符行;参数检测模块按照所述第一数量标记值将所述待识别字符行进行等距切割,得到若干字符图像;参数检测模块将若干所述字符图像导入高拍仪的图像识别神经网络中进行图像识别,得到若干图像识别结果;参数检测模块计算若干所述图像识别结果中与所述第一字符标记值相匹配的所述图像识别结果的第一数量;参数检测模块计算所述第一数量与所述第一数量标记值的第一比值;参数检测模块比对所述第一比值是否达到所述识别率阈值;若达到,则参数检测模块输出第三参数,并设定所述第三参数为所述第一识别率;若未达到,则参数检测模块输出第四参数,并设定所述第四参数为所述第一识别率。
所述用于终端设备的高拍仪达标检测系统中,达标判断模块用于根据所述第一模糊度和所述第一识别率设定高拍仪达标检测结果;
具体的,达标判断模块识别所述第一模糊度和所述第一识别率,若所述第一模糊度为所述第二参数,且所述第一识别率为所述第三参数,则达标判断模块设定所述高拍仪达标检测结果为高拍仪达标;若所述第一模糊度非所述第二参数或所述第一识别率非所述第三参数,则达标判断模块设定所述高拍仪达标检测结果为高拍仪未达标。
实施例3
本实施例提供一种计算机可读存储介质,包括:
所述存储介质用于储存将上述实施例1所述的用于终端设备的高拍仪达标检测方法实现所用的计算机软件指令,其包含用于执行上述为所述用于终端设备的高拍仪达标检测方法所设置的程序;具体的,该可执行程序可以内置在实施例2所述的用于终端设备的高拍仪达标检测系统中,这样,用于终端设备的高拍仪达标检测系统就可以通过执行内置的可执行程序实现所述实施例1所述的用于终端设备的高拍仪达标检测方法。
此外,本实施例具有的计算机可读存储介质可以采用一个或多个可读存储介质的任意组合,其中,可读存储介质包括电、光、电磁、红外线或半导体的系统、装置或器件,或者以上任意组合。
区别于现有技术,采用本申请一种用于终端设备的高拍仪达标检测方法、系统及介质可以通过本方法实现高精准度的对高拍仪的图像扫描质量和图像识别质量进行检测和把控,同时不需要过多的人工参数,检测过程基于自主研发的算法,智能化程度和检测效率极高,通过本系统为本方法提供了有效的技术支撑,最终保证了高拍仪出厂时的质量,利于检测标准的统一,弥补了现有技术的不足,具有极高的市场价值和应用价值。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种用于终端设备的高拍仪达标检测方法,其特征在于,包括以下步骤:
初始配置步骤:
配置第一图像处理算法、第一识别率检测算法和第一模糊度检测算法;设置图像处理参数、模糊度计算参数和识别率计算参数;
参数检测步骤:
基于所述图像处理参数调用所述第一图像处理算法获取样张图像;基于所述模糊度计算参数和所述样张图像调用所述第一模糊度检测算法,得到第一模糊度;基于所述识别率计算参数和所述样张图像调用所述第一识别率检测算法,得到第一识别率;
达标判断步骤:
基于所述第一模糊度和所述第一识别率设定高拍仪达标检测结果;
所述图像处理参数包括:第一映射值和模板类型;所述第一映射值为若干行标记值以及与若干所述行标记值均分别匹配的若干字符标记值和若干数量标记值;
所述模糊度计算参数包括:滑窗窗口尺寸、全局拉普拉斯方差阈值和局部拉普拉斯方差阈值;
所述识别率计算参数包括识别率阈值;
所述第一图像处理算法包括:
配置文本模板,按照若干所述行标记值在所述文本模板中创建若干填充行;按照所述行标记值将若干所述字符标记值分别填充至若干所述填充行中,得到第一文本;拍摄所述第一文本的若干第一图像;
对若干所述第一图像分别进行图像筛选步骤,得到若干待变换图像;对若干所述待变换图像分别进行透视变换,得到若干待识别图像;
若干所述待识别图像均为所述样张图像;
所述图像筛选步骤包括:
设置第一灰度值,按照所述第一灰度值对所述第一图像进行灰度化处理,得到第二图像;基于高通滤波算法对所述第二图像进行去噪处理,得到第三图像;对所述第三图像进行二值化处理,得到第四图像;
设置第一筛选参数;对所述第四图像进行边缘检测,得到第一检测参数;比对所述第一检测参数是否与所述第一筛选参数相匹配;
若匹配,则基于所述模板类型设定轮廓逼近形状;对所述第四图像进行角点检测,得到若干角点信息;基于所述轮廓逼近形状和若干所述角点信息对所述第四图像进行多边形轮廓逼近,得到第五图像;设定所述第五图像为所述待变换图像;
所述第一模糊度检测算法为:
基于所述样张图像执行第一计算步骤,得到第一全局方差值;判断所述第一全局方差值是否大于所述全局拉普拉斯方差阈值;若否,则输出第一参数,并设定所述第一参数为所述第一模糊度;若是,则基于所述第一计算步骤执行第二计算步骤;
所述第一计算步骤包括:
计算所述样张图像的二维图像函数;基于所述二维图像函数进行关于所述样张图像的拉普拉斯计算,得到关于所述样张图像的全局二阶导数;对所述全局二阶导数进行方差计算,得到所述第一全局方差值;
所述第二计算步骤包括:
按照所述滑窗窗口尺寸在所述样张图像上划分若干滑窗检测区域;基于所述第一计算步骤和滑窗检测法对若干所述滑窗检测区域内的所述样张图像进行第二局部方差值的依次遍历计算;
若所述依次遍历计算的过程中出现大于所述局部拉普拉斯方差阈值的所述第二局部方差值,则停止所述依次遍历计算,输出所述第一参数,并设定所述第一参数为所述第一模糊度;若所述依次遍历计算的过程中未出现大于所述局部拉普拉斯方差阈值的所述第二局部方差值,则输出第二参数,并设定所述第二参数为所述第一模糊度;
所述第一识别率检测算法为:
设定第一图像特征和膨胀尺寸;将所述样张图像中与所述第一图像特征相匹配的第一图像区域按照所述膨胀尺寸进行横向膨胀,得到第一膨胀图像;
识别所述二值化处理中的第一灰度值;在所述第一膨胀图像中设定与所述第一灰度值相匹配的区域为空白行区域;基于所述空白行区域和所述横向膨胀后的所述第一图像区域在所述第一膨胀图像确定字符行;
基于所述字符行在所述第一膨胀图像中的第一位置关系以及若干所述填充行在所述第一图像中的第二位置关系,在若干所述行标记值中识别所述字符行所对应的第一行标记值;
在若干所述字符标记值中确认与所述第一行标记值相匹配的第一字符标记值;在若干所述数量标记值中确认与所述第一字符标记值相匹配的第一数量标记值;从所述第一膨胀图像中切分出所述字符行,得到待识别字符行;按照所述第一数量标记值将所述待识别字符行进行等距切割,得到若干字符图像;
将若干所述字符图像导入高拍仪的图像识别神经网络中进行图像识别,得到若干图像识别结果;统计若干所述图像识别结果中与所述第一字符标记值相匹配的所述图像识别结果的第一数量;计算所述第一数量与所述第一数量标记值的第一比值;比对所述第一比值是否达到所述识别率阈值;
若达到,则输出第三参数,并设定所述第三参数为所述第一识别率;若未达到,则输出第四参数,并设定所述第四参数为所述第一识别率;
所述基于所述第一模糊度和所述第一识别率设定高拍仪达标检测结果的步骤进一步包括:
识别所述第一模糊度和所述第一识别率,若所述第一模糊度为所述第二参数,且所述第一识别率为所述第三参数,则设定所述高拍仪达标检测结果为高拍仪达标;若所述第一模糊度非所述第二参数或所述第一识别率非所述第三参数,则设定所述高拍仪达标检测结果为高拍仪未达标。
2.基于权利要求1所述的一种用于终端设备的高拍仪达标检测方法的用于终端设备的高拍仪达标检测系统,其特征在于,包括:初始配置模块、参数检测模块和达标判断模块;
所述初始配置模块用于配置第一图像处理算法、第一识别率检测算法和第一模糊度检测算法;所述初始配置模块还用于设置图像处理参数、模糊度计算参数和识别率计算参数;
所述参数检测模块用于根据所述图像处理参数调用所述第一图像处理算法获取样张图像;所述参数检测模块还用于根据所述模糊度计算参数和所述样张图像调用所述第一模糊度检测算法,得到第一模糊度;所述参数检测模块还用于根据所述识别率计算参数和所述样张图像调用所述第一识别率检测算法,得到第一识别率;
所述达标判断模块用于根据所述第一模糊度和所述第一识别率设定高拍仪达标检测结果。
3.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1所述用于终端设备的高拍仪达标检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210190629.1A CN114549499B (zh) | 2022-03-01 | 2022-03-01 | 一种用于终端设备的高拍仪达标检测方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210190629.1A CN114549499B (zh) | 2022-03-01 | 2022-03-01 | 一种用于终端设备的高拍仪达标检测方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549499A CN114549499A (zh) | 2022-05-27 |
CN114549499B true CN114549499B (zh) | 2024-07-16 |
Family
ID=81662134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210190629.1A Active CN114549499B (zh) | 2022-03-01 | 2022-03-01 | 一种用于终端设备的高拍仪达标检测方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549499B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455994A (zh) * | 2012-05-28 | 2013-12-18 | 佳能株式会社 | 图像模糊度的确定方法和设备 |
CN105989347A (zh) * | 2015-02-28 | 2016-10-05 | 科大讯飞股份有限公司 | 客观题智能阅卷方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648189B (zh) * | 2018-05-15 | 2022-04-05 | 北京五八信息技术有限公司 | 图像模糊检测方法、装置、计算设备及可读存储介质 |
JP7357454B2 (ja) * | 2019-03-25 | 2023-10-06 | 三菱電機株式会社 | 特徴特定装置、特徴特定方法及び特徴特定プログラム |
CN113076952B (zh) * | 2021-03-02 | 2024-05-28 | 西安中诺通讯有限公司 | 一种文本自动识别和增强的方法及装置 |
CN113971664B (zh) * | 2021-10-28 | 2024-09-13 | 平安科技(深圳)有限公司 | 基于ssd的业务审核方法、装置、电子设备、存储介质 |
-
2022
- 2022-03-01 CN CN202210190629.1A patent/CN114549499B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455994A (zh) * | 2012-05-28 | 2013-12-18 | 佳能株式会社 | 图像模糊度的确定方法和设备 |
CN105989347A (zh) * | 2015-02-28 | 2016-10-05 | 科大讯飞股份有限公司 | 客观题智能阅卷方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114549499A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2680765C1 (ru) | Автоматизированное определение и обрезка неоднозначного контура документа на изображении | |
CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
EP0853293B1 (en) | Subject image extraction method and apparatus | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
CN110569774B (zh) | 基于图像处理与模式识别的折线图图像自动数字化方法 | |
CN113962306A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
CN109977910B (zh) | 基于彩色线段的票据快速定位方法及其系统 | |
CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
CN113569859A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
KR102366396B1 (ko) | Rgb-d 데이터와 딥러닝을 이용한 3d객체영역분할 방법과 그 시스템 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN114549499B (zh) | 一种用于终端设备的高拍仪达标检测方法、系统及介质 | |
CN110310341B (zh) | 颜色算法中默认参数的生成方法、装置、设备和存储介质 | |
CN110031471B (zh) | 大口径光学元件表面缺陷增长分析方法、系统、装置 | |
CN117095417A (zh) | 一种屏摄表单图像文本识别方法、装置、设备及存储介质 | |
JPH11306325A (ja) | 対象物検出装置及び対象物検出方法 | |
CN116934734A (zh) | 基于图像的零件缺陷多路并行检测方法、装置及相关介质 | |
CN113284158B (zh) | 一种基于结构约束聚类的图像边缘提取方法及系统 | |
CN116125489A (zh) | 一种室内物体三维检测方法、计算机设备及存储介质 | |
CN113780222B (zh) | 一种人脸活体检测方法、装置、电子设备和可读存储介质 | |
CN114926429A (zh) | 一种线迹长度检测方法、装置、设备及可读存储介质 | |
CN115393855A (zh) | 一种车牌产品质量检测方法、系统及设备 | |
CN112906469A (zh) | 一种基于建筑平面图的消防传感器及报警设备的识别方法 | |
WO2020107196A1 (zh) | 一种对拍摄装置的拍摄质量评测方法、装置及终端设备 |
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 |