CN114998207B - 基于图像处理的棉织品丝光处理方法 - Google Patents

基于图像处理的棉织品丝光处理方法 Download PDF

Info

Publication number
CN114998207B
CN114998207B CN202210462137.3A CN202210462137A CN114998207B CN 114998207 B CN114998207 B CN 114998207B CN 202210462137 A CN202210462137 A CN 202210462137A CN 114998207 B CN114998207 B CN 114998207B
Authority
CN
China
Prior art keywords
brightness
image
pixel
same
cotton
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
Application number
CN202210462137.3A
Other languages
English (en)
Other versions
CN114998207A (zh
Inventor
马明辉
蒋再兴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shantou Dingtaifeng Industrial Co ltd
Original Assignee
Shantou Dingtaifeng Industrial Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shantou Dingtaifeng Industrial Co ltd filed Critical Shantou Dingtaifeng Industrial Co ltd
Priority to CN202210462137.3A priority Critical patent/CN114998207B/zh
Publication of CN114998207A publication Critical patent/CN114998207A/zh
Application granted granted Critical
Publication of CN114998207B publication Critical patent/CN114998207B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及纺织品技术领域，具体涉及一种基于图像处理的棉织品丝光处理方法，该方法包括获取同一棉织品在环境光下的第一亮度图像、以及在固定光源下的第二亮度图像；将两亮度图像作差得到实际亮度图像；获取实际亮度图像中像素值相同的像素点并归为一类，得到多种不同的像素类别；将像素类别与理想的相同亮度类别进行叠加，得到同质像素点；统计所有同质像素点的亮度得到直方图，并分为多个不同的亮度类别；对所有亮度类别的像素点进行连通域分析得到多个连通域；比较每个连通域与第一亮度图像上的对应区域之间是否相似，保留相似的连通域；保留的连通域与所有连通域的像素数量之比为丝光的均匀程度，解决了环境光对评价均匀程度所造成的误差。

Description

基于图像处理的棉织品丝光处理方法
技术领域
本发明涉及纺织品技术领域，具体涉及一种基于图像处理的棉织品丝光处理方法。
背景技术
丝光指某些棉织品经加工后表面上呈现的丝一样的光彩。好的丝光棉染色后色泽鲜艳，图案清晰，色彩均匀度好。丝光棉染色后质量与丝光工艺的质量密切相关，丝光工艺中碱水浓度在棉织品上的分布不均会极大地影响棉织品染色后的染色质量，造成染色不均等问题，此时再进行修复，需要耗费较大的精力。因此及时对丝光之后，染色之前的丝光质量进行及时把控就显得尤为重要。光泽衡量丝光织物的外观效应，常用的方法是用变角光度法、偏振光法等常规方法对丝光后棉织品的色彩均匀度进行计算。
发明人在实践中，发现上述现有技术存在以下缺陷：
上述方法在评价棉织品的色彩均匀度时，忽略了环境光对色彩均匀度的影响，而环境光并非完全是均匀的光线，环境光会影响最终的评价结果，造成评价的误差。
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像处理的棉织品丝光处理方法，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于图像处理的棉织品丝光处理方法，其特征在于，该处理方法包括：获取同一棉织品在环境光下的第一亮度图像、以及在固定光源下的第二亮度图像；将所述第二亮度图像与所述第一亮度图像作差，得到实际亮度图像；获取实际亮度图像中像素值相同的像素点，将像素值相同的像素点归为一类，得到多种不同的像素类别；将像素类别与理想的相同亮度类别所对应的区域进行叠加，得到同质像素点，所述理想的相同亮度类别是在固定光源下理论上亮度相同的像素类别；统计所有同质像素点的亮度得到直方图，对所述直方图进行多阈值分割得到多个不同的亮度类别；对所有亮度类别的像素点进行连通域分析得到多个连通域；比较每个连通域与所述第一亮度图像上的对应区域之间是否相似，保留相似的连通域；保留的连通域与所有连通域的像素数量之比为丝光的均匀程度。
进一步，所述比较每个连通域与所述第一亮度图像上的对应区域之间是否相似的步骤包括：获取所有连通域的方差，通过OTSU阈值分割法得到分割阈值，将方差小于分割阈值的连通域作为灰度值相近的连通域。
进一步，所述将像素类别与理想的相同亮度类别所对应的区域进行叠加，得到同质像素点的步骤包括：取像素类别和理想的相同亮度类别的叠加区域，将叠加区域的像素点作为同质像素点。
进一步，所述获取同一棉织品在环境光下的第一亮度图像的步骤包括：将棉织品的RGB颜色空间的图像转换为HSI颜色空间，提取亮度通道的图像得到第一亮度图像。
进一步，在所述获取同一棉织品在环境光下的第一亮度图像的步骤之前，还包括：采集棉织品的初始图像，利用语义分割网络对所述初始图像进行语义分割得到掩膜图像，将所述掩膜图像与初始图像相乘得到只包含棉织品的棉织品图像，基于所述棉织品图像提取亮度图。
进一步，所述在固定光源下理论上亮度相同的像素类别的获取步骤包括:根据像素点的坐标位置预先将图像中的像素点划分为理想的相同亮度类别。
进一步，所述多阈值分割的方法采用费歇尔准则。
本发明具有如下有益效果：
本发明实施例提供了一种基于图像处理的棉织品丝光处理方法，通过采集增加的光源的第二亮度图像，并分析获得该第二亮度图像中与光源距离相同且实际亮度相同的同质像素点，并进一步分析受环境光影响相近的同质像素点的连通域；比较每个连通域与环境光下的第一亮度图像上的对应区域之间是否相似，保留相似的连通域；保留的连通域与所有连通域的像素数量之比为丝光的均匀程度，解决了环境光对棉织品本身丝光性能的影响。
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像处理的棉织品丝光处理方法流程图。
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像处理的棉织品丝光处理方法，，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像处理的棉织品丝光处理方法，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基于图像处理的棉织品丝光处理方法流程图，该方法包括以下步骤：
步骤S001，获取同一棉织品在环境光下的第一亮度图像、以及在固定光源下的第二亮度图像。
在棉织品的上方布置相机，用于俯视采集棉织品的RGB图像，将该RGB图像称为棉织品的初始图像。在纺织品的上方布置有固定光源，该光源为平行光源。利用该光源对棉织品进行照射以辅助判断该棉织品丝光的均匀程度。
为了去除背景的影响，利用语义分割网络对棉织品的初始图像中的棉织品区域进行语义分割，得到掩膜图像。具体的，该语义分割网络采用DNN网络，训练过程具体为：使用的数据集为俯视采集的大量的棉织品的初始图像，棉织品的样式为多种多样的；需要分割的像素共分为两类，采用单通道的语义标签，将属于背景类的像素标注为0，属于棉织品的标注为1；网络的任务是分类，所有使用的loss函数为交叉熵损失函数。将实时采集的棉织品的初始图像输入训练好的语义分割网络，输出掩膜图像。将语义分割得到的掩膜图像与原图像相乘得到只含有棉织品的图像，去除了背景的干扰，将该去除背景干扰的只含有棉织品的图像称为棉织品图像。
由于该棉织品图像为RGB颜色空间的图像，将该棉织品图像从RGB颜色空间转换为HSI颜色空间，HIS颜色空间中的亮度通道的图像能够反映图像的亮度信息。
因此，基于同一棉织品，在环境光下采集棉织品的RGB图像。打开固定光源，在固定光源的照射下再次采集棉织品的RGB图像。将两次采集的RGB图像分别输入语义分割网络得到相应的掩膜，并结合原图得到相应的棉织品图像，将棉织品图像分别从RGB颜色空间转换为HSI颜色空间，提取亮度通道得到环境光下的第一亮度图像和固定光源下的第二亮度图像。
需要说明的是，固定光源所发射的光线为平行光，是一组没有衰减的平行的光线。而环境光受环境的影响，存在不稳定或者不确定的噪声的影响，并非一定是均匀的光线。因此，所采集到的环境光下的第一亮度图像存在噪声的影响，并不能反映纺织品本身丝光是否均匀。但是由于在固定光源的作用下所采集到的图像中难以避免存在环境光的干扰，并且图像的像素亮度与光源的位置密切相关，与光源的距离越近其亮度越大，也就是说在固定光源下所采集的图像中不同像素的亮度会受到该像素点与光源距离的影响，因此需要进一步的处理以排出外界因素对纺织品本身丝光特性的干扰。
步骤S002，将所述第二亮度图像与所述第一亮度图像作差，得到实际亮度图像。
由于第二亮度图像是在光源照射下的图像，第一亮度图像是环境光下的图像，两张图像之间作差是指相同位置的像素点之间的亮度值的差值，能够消除环境光的影响，得到的实际亮度图像能够反映棉织品自身的丝光特征。
需要说明的是，第一亮度图像与第二亮度图像的采集时间越接近，第二亮度图中所包含的环境光就越接近于第一亮度图像，误差就越小。本发明实施例中设定的图像采样间隔小于等于1秒。
步骤S003，获取实际亮度图像中像素值相同的像素点，将像素值相同的像素点归为一类，得到多种不同的像素类别；将像素类别与理想的相同亮度类别所对应的区域进行叠加，得到同质像素点，所述理想的相同亮度类别是在固定光源下理论上亮度相同的像素类别；统计所有同质像素点的亮度得到直方图，对所述直方图进行多阈值分割得到多个不同的亮度类别；对所有亮度类别的像素点进行连通域分析得到多个连通域。
其中，获取实际亮度图像中像素值相同的像素点，将像素值相同的像素点归为一类，得到多种不同的像素类别。由于在实际亮度图像中像素值表示亮度，也即每个像素类别中所包含的像素点为亮度相同的像素点。
其中，理想的相同亮度类别是指在相机位置和光源位置固定不变的情况下，棉织品的亮度图像中像素点的亮度值，在理想状态下，只与距离光源的位置相关；也即与光源距离相同的像素点的亮度值相同。由于采集的棉织品的尺寸相同，因此，根据像素点的坐标位置预先将图像中的像素点划分为理想的相同亮度类别。
将获得的像素类别和理想的相同亮度类别所对应的区域进行叠加的步骤具体为：取像素类别和理想的相同亮度类别的叠加区域，也即取两者的交集，叠加区域中的像素点与光源的距离相同。该叠加区域的像素点称为同质像素点，同质像素点表示在与光源距离相等的情况下像素亮度相同。在没有环境光干扰的理想情况下，与光源距离相等的像素点所对应的亮度值相等，但是由于实际情况中由于环境光的不均匀性会造成，与光源距离相等的像素点之间的亮度值有差异，因此需要再进一步分析环境光的影响范围。
其中，多阈值分割采用费歇尔准则，类间方差最大、类内方差最小的原则对所有同质像素点的亮度直方图进行阈值分割，得到多个亮度类别，每个亮度类别中所包含的像素点的亮度值相近。相同类别中像素点的亮度值相近，像素点之间的像素距离越近，就越可能具有相同的环境光，因此，对计算每一个亮度类别中任意两个像素值之间的欧式距离，得到多个不同的距离值，该距离值的倒数能够反映两者之间的相似程度，一个亮度类别中能够得到多个不同的相似程度，将相似程度大于0.8的同质像素点进行保留，保留的同质像素点受到的环境光的影响相近，同时更新亮度类别中所包含的像素点。
对不同亮度类别中的像素点进行连通域分析，对得到的连通域进行标记，进而将图像划分为了一个个的连通域，连通域内所包含的像素点的亮度值相近，并且环境光的影响相近。步骤S004，比较每个连通域与所述第一亮度图像上的对应区域之间是否相似，保留相似的连通域；保留的连通域与所有连通域的像素数量之比为丝光的均匀程度。
其中，比较每个连通域与所述第一亮度图像上的对应区域之间是否相似的步骤为：获取所有连通域的方差，通过OTSU阈值分割法得到分割阈值，将方差小于分割阈值的区域作为灰度值相近的连通域，并标记为相似的连通域进行保留。
进一步，利用第一亮度图像减去保留的连通域能够得到光照不均匀的区域。
保留的连通域与所有连通域的像素数量之比越大，均匀程度越大。
综上所述，本发明实施例提供了一种基于图像处理的棉织品丝光处理方法，该方法为了消除环境光对棉织品本身丝光性能的影响，通过采集增加的光源的第二亮度图像，并分析获得该第二亮度图像中与光源距离相同且实际亮度相同的同质像素点，并进一步分析受环境光影响相近的同质像素点的连通域；比较每个连通域与环境光下的第一亮度图像上的对应区域之间是否相似，保留相似的连通域；保留的连通域与所有连通域的像素数量之比为丝光的均匀程度。
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.基于图像处理的棉织品丝光处理方法，其特征在于，该处理方法包括：
获取同一棉织品在环境光下的第一亮度图像、以及在固定光源下的第二亮度图像；
将所述第二亮度图像与所述第一亮度图像作差，得到实际亮度图像；
获取实际亮度图像中像素值相同的像素点，将像素值相同的像素点归为一类，得到多种不同的像素类别；将像素类别与理想的相同亮度类别所对应的区域进行叠加，得到同质像素点，所述理想的相同亮度类别是在固定光源下理论上亮度相同的像素类别；统计所有同质像素点的亮度得到直方图，对所述直方图进行多阈值分割得到多个不同的亮度类别；对所有亮度类别的像素点进行连通域分析得到多个连通域；
比较每个连通域与所述第一亮度图像上的对应区域之间是否相似，保留相似的连通域；保留的连通域与所有连通域的像素数量之比为丝光的均匀程度；
所述将像素类别与理想的相同亮度类别所对应的区域进行叠加，得到同质像素点的步骤包括：取像素类别和理想的相同亮度类别的叠加区域，将叠加区域的像素点作为同质像素点。
2.根据权利要求1所述的基于图像处理的棉织品丝光处理方法，其特征在于，所述比较每个连通域与所述第一亮度图像上的对应区域之间是否相似的步骤包括：获取所有连通域的方差，通过OTSU阈值分割法得到分割阈值，将方差小于分割阈值的连通域作为灰度值相近的连通域。
3.根据权利要求1所述的基于图像处理的棉织品丝光处理方法，其特征在于，所述获取同一棉织品在环境光下的第一亮度图像的步骤包括：将棉织品的RGB颜色空间的图像转换为HSI颜色空间，提取亮度通道的图像得到第一亮度图像。
4.根据权利要求1所述的基于图像处理的棉织品丝光处理方法，其特征在于，在所述获取同一棉织品在环境光下的第一亮度图像的步骤之前，还包括：采集棉织品的初始图像，利用语义分割网络对所述初始图像进行语义分割得到掩膜图像，将所述掩膜图像与初始图像相乘得到只包含棉织品的棉织品图像，基于所述棉织品图像提取亮度图。
5.根据权利要求1所述的基于图像处理的棉织品丝光处理方法，其特征在于，所述在固定光源下理论上亮度相同的像素类别的获取步骤包括:根据像素点的坐标位置预先将图像中的像素点划分为理想的相同亮度类别。
6.根据权利要求1所述的基于图像处理的棉织品丝光处理方法，其特征在于，所述多阈值分割的方法采用费歇尔准则。
CN202210462137.3A 2022-04-28 2022-04-28 基于图像处理的棉织品丝光处理方法 Active CN114998207B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210462137.3A CN114998207B (zh) 2022-04-28 2022-04-28 基于图像处理的棉织品丝光处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210462137.3A CN114998207B (zh) 2022-04-28 2022-04-28 基于图像处理的棉织品丝光处理方法

Publications (2)

Publication Number Publication Date
CN114998207A CN114998207A (zh) 2022-09-02
CN114998207B true CN114998207B (zh) 2024-05-14

Family

ID=83025568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210462137.3A Active CN114998207B (zh) 2022-04-28 2022-04-28 基于图像处理的棉织品丝光处理方法

Country Status (1)

Country Link
CN (1) CN114998207B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113305993A (zh) * 2021-06-24 2021-08-27 广东协进陶瓷有限公司 一种镂雕丝光釉面砖及其生产方法
WO2021218603A1 (zh) * 2020-04-28 2021-11-04 深圳光峰科技股份有限公司 图像处理方法及投影系统
CN113781338A (zh) * 2021-08-31 2021-12-10 咪咕文化科技有限公司 图像增强方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004318696A (ja) * 2003-04-18 2004-11-11 Konica Minolta Photo Imaging Inc 画像処理方法、画像処理装置及び画像処理プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021218603A1 (zh) * 2020-04-28 2021-11-04 深圳光峰科技股份有限公司 图像处理方法及投影系统
CN113305993A (zh) * 2021-06-24 2021-08-27 广东协进陶瓷有限公司 一种镂雕丝光釉面砖及其生产方法
CN113781338A (zh) * 2021-08-31 2021-12-10 咪咕文化科技有限公司 图像增强方法、装置、设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种基于视觉模型与连通域统计的阈值分割新算法;赵峙江, 张田文, 张志宏;电子学报(第05期);全文 *
基于改进K均值聚类与HSV模型的棉花分割算法;任磊;赖惠成;陈钦政;王星;;计算机工程与设计(第05期);全文 *
旋转线偏振光成像方法在纺织品纤维检测中的应用;高强;曾楠;马辉;;中国激光(第09期);全文 *

Also Published As

Publication number Publication date
CN114998207A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114820627B (zh) 一种基于光学手段的纺织品质量检测方法
CN112418134B (zh) 基于行人解析的多流多标签行人再识别方法
CN106407917A (zh) 基于动态尺度分配的视网膜血管提取方法及系统
CN105844278B (zh) 一种多特征融合的织物扫描图案识别方法
CN109509171A (zh) 一种基于gmm和图像金字塔的布匹疵点检测方法
Li et al. Saliency based image segmentation
CN105404846A (zh) 一种图像处理方法及装置
CN110728302A (zh) 一种基于HSV和Lab颜色空间的色纺织物组织识别的方法
CN109035254A (zh) 基于改进K-means聚类的运动鱼体阴影去除及图像分割方法
CN113888536B (zh) 一种基于计算机视觉的印刷品重影检测方法及系统
CN109919002A (zh) 黄色禁停线识别方法、装置、计算机设备及存储介质
Jiang et al. Skin detection using color, texture and space information
Meng et al. Woven fabric density measurement by using multi-scale convolutional neural networks
CN110110667A (zh) 一种硅藻图像的处理方法、系统及相关组件
Zhang et al. Hand gesture detection and segmentation based on difference background image with complex background
CN117808800B (zh) 一种纺织品染色质量智能评估方法及系统
CN114998207B (zh) 基于图像处理的棉织品丝光处理方法
CN107038690A (zh) 一种基于多特征融合的运动阴影去除方法
Yu et al. Research on CNN Algorithm for Monochromatic Fabric Defect Detection
CN108171705A (zh) 一种透明玻璃瓶内液体的异物检测算法
CN115035111B (zh) 一种基于图像处理的有色丝色差检测方法
Kure et al. Local neighborhood analysis for fabric defect detection
CN109164014A (zh) 一种基于高光谱图像处理的多色织物润湿区域识别方法
CN113139936B (zh) 一种图像分割处理方法及装置
CN109146795A (zh) 全息再现的图像预处理方法

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
TA01 Transfer of patent application right

Effective date of registration: 20240423

Address after: 515100 Gucuo Longling Industrial Zone, Liangying Town, Chaonan District, Shantou City, Guangdong Province

Applicant after: SHANTOU DINGTAIFENG INDUSTRIAL CO.,LTD.

Country or region after: China

Address before: No. 88, Group 6, Yanying Village, Tianbu Town, Haimen City, Nantong City, Jiangsu Province, 226000

Applicant before: Nantong shengxiangying Textile Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant