CN115307582A - 一种电线电缆的截面积测量方法 - Google Patents
一种电线电缆的截面积测量方法 Download PDFInfo
- Publication number
- CN115307582A CN115307582A CN202211238037.9A CN202211238037A CN115307582A CN 115307582 A CN115307582 A CN 115307582A CN 202211238037 A CN202211238037 A CN 202211238037A CN 115307582 A CN115307582 A CN 115307582A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- acquiring
- value
- cable
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical group [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 44
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 230000009466 transformation Effects 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 description 8
- 238000009499 grossing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003063 flame retardant Substances 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及电缆检测技术领域,具体涉及一种电线电缆的截面积测量方法,该方法采集样品电缆的横截面图像,并获取横截面图像的灰度图像;获取灰度图像中的单电缆区域,利用自适应的高斯核对单电缆区域进行卷积,得到下采样图像;利用扩充高斯核对扩充图像进行卷积,得到上采样图像;基于扩充高斯核、扩充图像的灰度值、以及标准灰度值获取扩充图像中每个扩充位置的填充值;将上采样图像扩充位置上的灰度值与对应的填充值相加作为相应位置的灰度值,得到优化灰度图像;对优化灰度图像进行平滑操作得到待检测图像,提取待检测图像中每个铜芯的截面积,进而获取单根电缆的截面积。本发明能够更准确地提取铜芯边缘,获取更加准确的截面积。
Description
技术领域
本发明涉及电缆检测技术领域,具体涉及一种电线电缆的截面积测量方法。
背景技术
电线电缆是用以传输电能、信息和实现电磁能转换的线材产品。随着中国电力工业、数据通信业、城市轨道交通业、汽车业以及造船等行业规模的不断扩大,对电线电缆的需求也将迅速增长,其质量的好坏直接影响到工程质量及消费者的生命财产安全。
电缆检测时,截面积是其中一个重要的指标,传统的检测方法主要有测径法、称重法和测量直流电阻法,随着人工智能以及图像处理的发展,出现了智能获取电缆截面积的方法,相较于传统检测方法更加准确高效。而现有的智能质检技术建立在图像识别的基础上,截面的剪切刮痕会对图像的边缘识别造成干扰,而常规的图像平滑技术会模糊高频信息,导致铜芯截面边缘信息不能准确获取,进而也无法得到准确的截面面积信息。
发明内容
为了解决上述技术问题,本发明提供一种电线电缆的截面积测量方法,所采用的技术方案具体如下:
本发明一个实施例提供了一种电线电缆的截面积测量方法,该方法包括以下步骤:
采集样品电缆的横截面图像,并获取横截面图像的灰度图像;所述横截面图像至少包括铜芯、绝缘层;
获取灰度图像中每个绝缘层内的多个铜芯组成的单电缆截面,并获取单电缆截面的外接矩形组成的单电缆区域,利用自适应的高斯核对所述单电缆区域进行卷积,得到下采样图像;
通过补零扩充下采样图像得到扩充图像,获取四倍尺度的高斯核作为扩充高斯核,利用所述扩充高斯核对所述扩充图像进行卷积,得到上采样图像;基于扩充高斯核、扩充图像的灰度值、以及标准灰度值获取所述扩充图像中每个扩充位置的填充值;将上采样图像扩充位置上的灰度值与对应的填充值相加作为相应位置的灰度值,得到优化灰度图像;
对所述优化灰度图像进行平滑操作得到待检测图像,提取所述待检测图像中每个铜芯的截面积,将绝缘层内的所有铜芯的截面积相加,得到的结果即为单根电缆的截面积;
其中,所述下采样图像的获取方法为:
获取单电缆区域内所有奇数行的平均灰度值以及奇数列的平均灰度值,再进行欧式变换,变换结果作为第一刮痕含量;获取单电缆区域内所有偶数行的平均灰度值以及偶数列的平均灰度值,再进行欧式变换,变换结果作为第二刮痕含量,将第一刮痕含量和第二刮痕含量中的较大值对应的行和列消除,得到所述下采样图像。
优选的,所述获取横截面图像的灰度图像之后,还包括以下步骤:
将所述灰度图像转换为频谱图像,并通过高斯低通滤波器得到所述频谱图像的模糊图像,将所述模糊图像反馈到空间域的灰度图像中,得到处理后的灰度图像。
优选的,所述单电缆区域的获取方法为:
获取单电缆截面的绝缘层最外侧边缘的外接矩形作为对应单电缆截面的单电缆区域,所述外接矩形为最小外接矩形。
优选的,所述扩充图像的获取方法为:
在消除的行和列的位置上补零,得到与所述单电缆区域大小相同的所述扩充图像。
优选的,所述填充值的获取方法为:
获取正常区域的灰度点灰度值作为所述标准灰度值;利用所述扩充高斯核对所述扩充图像进行卷积,得到每个位置的卷积值;以所述标准灰度值与所述卷积值的差作为对应位置的填充值。
本发明实施例至少具有如下有益效果:
1、获取横截面图像中的单电缆区域,对单电缆区域进行图像处理得到消除截面刮痕的优化灰度图像,再对优化灰度图像进行平滑,提取铜芯的截面积,然后得到单根电缆的截面积。本发明能够将电缆横截面中的边缘信息尽可能多地保留,同时将截面刮痕以及噪声消除,使对应区域平滑,能够更准确地提取铜芯边缘,获取更加准确的截面积。
2、通过将单电缆区域进行高斯卷积得到去除大部分刮痕灰度值并缩小尺寸的下采样图像,然后对下采样图像进行扩充,扩充图像卷积后每个位置的灰度值加上对应的填充值作为新的灰度值组成优化灰度图像,使截面上的刮痕被标准灰度值替代,以达到刮痕消除的效果,减少对后续边缘提取的干扰,使提取结果更加准确。
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提供的一种电线电缆的截面积测量方法的步骤流程图;
图2为本发明一个实施例提供的横截面图像示例图。
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电线电缆的截面积测量方法,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电线电缆的截面积测量方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种电线电缆的截面积测量方法的步骤流程图,该方法包括以下步骤:
步骤S001,采集样品电缆的横截面图像,并获取横截面图像的灰度图像;横截面图像至少包括铜芯、绝缘层。
具体的步骤包括:
1、采集样品电缆的横截面图像,并获取横截面图像的灰度图像。
在多个型号、规格的电缆中任意选取样品电缆,采用液压剪钳或者电动剪钳截断样品电缆的铜芯电缆,通过相机采集铜芯电缆的截面图像,截面图像中至少包括铜芯和绝缘层。将横截面图像灰度化,减少计算量。
作为一个示例,本发明实施例中采用铠装电缆作为样品电缆,铠装电缆内部为多根电缆合并而成,如图2所示,横截面图像中包括铜芯201、绝缘层202、阻燃物203和外铠装层204。每个绝缘层内的所有铜芯组成了一根电缆,多根电缆合并成为一根铠装电缆。
需要说明的是,图像灰度化为本领域常用的公知技术,灰度化方法有很多,本发明实施例不再一一列举。
2、优选的,获取横截面图像的灰度图像之后,还包括以下步骤:
将灰度图像转换为频谱图像,并通过高斯低通滤波器得到频谱图像的模糊图像,将模糊图像反馈到空间域的灰度图像中,得到处理后的灰度图像。
由图2可以看出,铜芯之间存在大量间隙,该间隙均为高频信息,用于提取铜芯边缘。但铜芯截面存在大量密集的截切刮痕,刮痕为剪钳截切时留下的,其刮痕方向与截切方向平行。若对图像直接进行边缘分割,这些刮痕也属于高频像素,会严重干扰截面区域的获取。
首先针对性地对部分高频分量进行增强,而不是增强所有高频分量,具体的预处理为:通过傅里叶变换将灰度图像转化为频谱图像,设置一个高斯低通滤波器,将低频分量滤出,分离图像中的高频、低频信息。
其中,高斯低通滤波器的二维表示形式为:
本发明实施例采用一个参数进行降清晰度的模糊处理,这样就产生了一个仅有边缘清晰的图像:
通过将滤出的低频信息利用模糊系数进行模糊,在不改变原本高频边缘的基础上,变相增强高频,以便更好地对其特征进行提取,进行后续处理。
然后将处理后的频谱图像转换至空间域,得到处理后的灰度图像。
步骤S002,获取灰度图像中每个绝缘层内的多个铜芯组成的单电缆截面,并获取单电缆截面的外接矩形组成的单电缆区域,利用自适应的高斯核对单电缆区域进行卷积,得到下采样图像。
具体的步骤包括:
1、获取灰度图像中的所有单电缆区域。
获取单电缆截面的绝缘层最外侧边缘的外接矩形作为对应单电缆截面的单电缆区域,外接矩形为最小外接矩形。
由于本发明实施例中的样品电缆为多根电缆组合而成的铠装电缆,因此以绝缘层为界限,将每个独立的电缆截面分割出来,在其他以单根电缆作为样品电缆的实施例中,无需分割,直接以横截面图像作为单电缆区域即可。
在本发明实施例中获取每个单电缆截面的绝缘层最外侧边缘的最小外接矩形作为单电缆区域。
优选的,将最大外接矩的长、宽都调整为2的次幂数,例如8、16、32像素等等。具体操作为在最小外接矩形的基础上向外继续扩展,长宽扩展中首次达到2的次幂数时定型,作为最终的单电缆区域。
2、获取下采样图像。
获取单电缆区域内所有奇数行的平均灰度值以及奇数列的平均灰度值,再进行欧式变换,变换结果作为第一刮痕含量;获取单电缆区域内所有偶数行的平均灰度值以及偶数列的平均灰度值,再进行欧式变换,变换结果作为第二刮痕含量,将第一刮痕含量和第二刮痕含量中的较大值对应的行和列消除,得到下采样图像。
由于单电缆区域的长和宽都为2的次幂数,奇数行和偶数行的数量相同,奇数列和偶数列的数量也相同,而在步骤S001中将低频信息进行了模糊,那么奇数行奇数列的平均灰度值的大小能够代表奇数行奇数列中包括刮痕像素点的多少,同样的,偶数行偶数列的平均灰度值的大小也能够代表偶数行偶数列中包括刮痕像素点的多少,因此,通过平均灰度值来反映刮痕含量,得到第一刮痕含量和第二刮痕含量,将刮痕含量更多的行和列消除。
当第一刮痕含量大于第二刮痕含量时,将预设的高斯核的奇数行和奇数列元素设置为0,使利用高斯核进行卷积时,奇数行和奇数列的卷积结果为0,去除奇数行和奇数列,得到一张尺寸为原来单电缆区域的1/4尺寸的下采样图像。
同理,当第二刮痕含量大于第一刮痕含量时,将预设的高斯核的偶数行和偶数列元素设置为0,使利用高斯核进行卷积时,偶数行和偶数列的卷积结果为0,去除偶数行和偶数列,得到一张尺寸为原来单电缆区域的1/4尺寸的下采样图像。
步骤S003,通过补零扩充下采样图像得到扩充图像,获取四倍尺度的高斯核作为扩充高斯核,利用扩充高斯核对扩充图像进行卷积,得到上采样图像;基于扩充高斯核、扩充图像的灰度值、以及标准灰度值获取扩充图像中每个扩充位置的填充值;将上采样图像扩充位置上的灰度值与对应的填充值相加作为相应位置的灰度值,得到优化灰度图像。
具体的步骤包括:
1、在消除的行和列的位置上补零,得到与单电缆区域大小相同的扩充图像。
由于步骤S002是利用图像金字塔下采样的降分辨率效果来消除部分高频的刮痕信息,消除后仍需要通过上采样还原图像,而下采样的层数越多,越难还原图像,因此仅对原图像进行一次下采样,然后在步骤S002中消除的行和列的位置上补零,将图像在每个方向上扩大为当前的2倍,总图扩大4倍,得到与单电缆区域大小相同的扩充图像。
2、获取上采样图像。
同样通过在消除的行和列的位置补零,对原高斯核进行扩充,将高斯核尺度扩充为原来的四倍,作为扩充高斯核。
利用扩充高斯核对扩充图像进行卷积,得到上采样图像。
3、获取扩充图像中每个扩充位置的填充值。
获取正常区域的灰度点灰度值作为标准灰度值;利用扩充高斯核对扩充图像进行卷积,得到每个位置的卷积值;以标准灰度值与卷积值的差作为对应位置的填充值。
为了去掉刮痕,上采样还原图像尺度后需要让原本去除的行、列不体现刮痕的灰度级,而是铜芯无刮痕的低频灰度级。
通过已知的标准灰度值来进行运算,计算每个位置应填充的灰度值:
4、获取优化灰度图像。
将上采样图像扩充位置上的灰度值与对应的填充值相加作为相应位置的灰度值,得到优化灰度图像。
在优化灰度图像中,去除了高频刮痕,变成了模糊且与背景灰度均匀的灰度值。
频谱图像中的高频分量,从空间域分析,包括铜芯线截面边缘、绝缘层截面边缘、外铠装层截面边缘、以及铜芯表面上的截切刮痕。对于铜芯电缆的质检要求,绝缘层的厚度、外铠装层的厚度信息都是需要测量的,因此除了铜芯表面的截切刮痕,其余高频的边缘信息都是需要增强的。
通过常规的滤波平滑算法可以将铜芯截面的刮痕平滑掉,但是由于刮痕太过密集,刮痕像素点的灰度值明显高于无刮痕区域,即使被平滑,铜芯表面的灰度值也会出现极其不均匀的状态。
需要说明的是,此处所说的常规的滤波平滑算法不包括高斯滤波,因为高斯滤波对高频信息的模糊程度太高,而我们仍需要保留一部分高频信息,一般指的是用中值滤波、均值滤波做局部平滑。
为了解决上述平滑算法的问题,本发明通过将单电缆区域进行高斯卷积得到去除大部分刮痕灰度值并缩小尺寸的下采样图像,然后对下采样图像进行扩充,扩充图像卷积后每个位置的灰度值加上对应的填充值作为新的灰度值组成优化灰度图像,使截面上的刮痕被标准灰度值替代,以达到刮痕消除的效果。
步骤S004,对优化灰度图像进行平滑操作得到待检测图像,提取待检测图像中每个铜芯的截面积,将绝缘层内的所有铜芯的截面积相加,得到的结果即为单根电缆的截面积。
处理后的优化灰度图像,大幅减少了刮痕图像的高频像素点。此时利用均值滤波法再对优化灰度图像进行平滑得到待检测图像,平滑后的得到待检测图像中的铜芯截面灰度更为均匀,其他铜芯边缘、绝缘层边缘、间隙边缘、外铠装层边缘几乎没有受到影响,可以更好地提取铜芯的截面积。
提取待检测图像中每个铜芯的截面积,将绝缘层内的所有铜芯的截面积相加,得到的结果即为单根电缆的截面积。
作为一个示例,对平滑后的待检测图像进行Canny算子检测,将铜芯截面分割出来,提取面积参数,再将单电缆区域中包含的所有铜芯的截面积相加,得到单电缆区域的截面积。
综上所述,本发明实施例采集样品电缆的横截面图像,并获取横截面图像的灰度图像;横截面图像至少包括铜芯、绝缘层;获取灰度图像中每个绝缘层内的多个铜芯组成的单电缆截面,并获取单电缆截面的外接矩形组成的单电缆区域,利用自适应的高斯核对单电缆区域进行卷积,得到下采样图像;通过补零扩充下采样图像得到扩充图像,获取四倍尺度的高斯核作为扩充高斯核,利用扩充高斯核对扩充图像进行卷积,得到上采样图像;基于扩充高斯核、扩充图像的灰度值、以及标准灰度值获取扩充图像中每个扩充位置的填充值;将上采样图像扩充位置上的灰度值与对应的填充值相加作为相应位置的灰度值,得到优化灰度图像;对优化灰度图像进行平滑操作得到待检测图像,提取待检测图像中每个铜芯的截面积,将绝缘层内的所有铜芯的截面积相加,得到的结果即为单根电缆的截面积。本发明能够将电缆横截面中的边缘信息尽可能多地保留,同时将截面刮痕以及噪声消除,使对应区域平滑,能够更准确地提取铜芯边缘,获取更加准确的截面积。
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。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或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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (5)
1.一种电线电缆的截面积测量方法,其特征在于,该方法包括以下步骤:
采集样品电缆的横截面图像,并获取横截面图像的灰度图像;所述横截面图像至少包括铜芯、绝缘层;
获取灰度图像中每个绝缘层内的多个铜芯组成的单电缆截面,并获取单电缆截面的外接矩形组成的单电缆区域,利用自适应的高斯核对所述单电缆区域进行卷积,得到下采样图像;
通过补零扩充下采样图像得到扩充图像,获取四倍尺度的高斯核作为扩充高斯核,利用所述扩充高斯核对所述扩充图像进行卷积,得到上采样图像;基于扩充高斯核、扩充图像的灰度值、以及标准灰度值获取所述扩充图像中每个扩充位置的填充值;将上采样图像扩充位置上的灰度值与对应的填充值相加作为相应位置的灰度值,得到优化灰度图像;
对所述优化灰度图像进行平滑操作得到待检测图像,提取所述待检测图像中每个铜芯的截面积,将绝缘层内的所有铜芯的截面积相加,得到的结果即为单根电缆的截面积;
其中,所述下采样图像的获取方法为:
获取单电缆区域内所有奇数行的平均灰度值以及奇数列的平均灰度值,再进行欧式变换,变换结果作为第一刮痕含量;获取单电缆区域内所有偶数行的平均灰度值以及偶数列的平均灰度值,再进行欧式变换,变换结果作为第二刮痕含量,将第一刮痕含量和第二刮痕含量中的较大值对应的行和列消除,得到所述下采样图像。
2.根据权利要求1所述的一种电线电缆的截面积测量方法,其特征在于,所述获取横截面图像的灰度图像之后,还包括以下步骤:
将所述灰度图像转换为频谱图像,并通过高斯低通滤波器得到所述频谱图像的模糊图像,将所述模糊图像反馈到空间域的灰度图像中,得到处理后的灰度图像。
3.根据权利要求1所述的一种电线电缆的截面积测量方法,其特征在于,所述单电缆区域的获取方法为:
获取单电缆截面的绝缘层最外侧边缘的外接矩形作为对应单电缆截面的单电缆区域,所述外接矩形为最小外接矩形。
4.根据权利要求3所述的一种电线电缆的截面积测量方法,其特征在于,所述扩充图像的获取方法为:
在消除的行和列的位置上补零,得到与所述单电缆区域大小相同的所述扩充图像。
5.根据权利要求1所述的一种电线电缆的截面积测量方法,其特征在于,所述填充值的获取方法为:
获取正常区域的灰度点灰度值作为所述标准灰度值;利用所述扩充高斯核对所述扩充图像进行卷积,得到每个位置的卷积值;以所述标准灰度值与所述卷积值的差作为对应位置的填充值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211238037.9A CN115307582B (zh) | 2022-10-11 | 2022-10-11 | 一种电线电缆的截面积测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211238037.9A CN115307582B (zh) | 2022-10-11 | 2022-10-11 | 一种电线电缆的截面积测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115307582A true CN115307582A (zh) | 2022-11-08 |
CN115307582B CN115307582B (zh) | 2022-12-20 |
Family
ID=83868190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211238037.9A Active CN115307582B (zh) | 2022-10-11 | 2022-10-11 | 一种电线电缆的截面积测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115307582B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115931572A (zh) * | 2023-03-02 | 2023-04-07 | 阳谷领航电缆有限公司 | 特种电缆性能在线安装检测方法 |
CN116912096A (zh) * | 2023-09-14 | 2023-10-20 | 惠州市耀盈精密技术有限公司 | 一种基于imold系统的精密模具模板图像生成方法 |
CN118501187A (zh) * | 2024-07-16 | 2024-08-16 | 宁波东方电缆股份有限公司 | 一种用于海洋脐带缆绝缘层的质量检测方法与系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195467B1 (en) * | 1999-03-25 | 2001-02-27 | Image Processing Technologies, Inc. | Method and apparatus for sharpening a grayscale image |
CN104794504A (zh) * | 2015-04-28 | 2015-07-22 | 浙江大学 | 基于深度学习的图形图案文字检测方法 |
US20170350051A1 (en) * | 2016-06-03 | 2017-12-07 | DRAWstitch International Ltd. | Method of Converting Photo Image Into Realistic and Customized Embroidery |
CN112669257A (zh) * | 2020-11-23 | 2021-04-16 | 西安科锐盛创新科技有限公司 | 一种基于迁移学习的颅内血管病灶识别方法 |
CN114140342A (zh) * | 2021-11-01 | 2022-03-04 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114782432A (zh) * | 2022-06-20 | 2022-07-22 | 南通电博士自动化设备有限公司 | 一种基于纹理特征的改进canny算子的边缘检测方法 |
-
2022
- 2022-10-11 CN CN202211238037.9A patent/CN115307582B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195467B1 (en) * | 1999-03-25 | 2001-02-27 | Image Processing Technologies, Inc. | Method and apparatus for sharpening a grayscale image |
CN104794504A (zh) * | 2015-04-28 | 2015-07-22 | 浙江大学 | 基于深度学习的图形图案文字检测方法 |
US20170350051A1 (en) * | 2016-06-03 | 2017-12-07 | DRAWstitch International Ltd. | Method of Converting Photo Image Into Realistic and Customized Embroidery |
CN112669257A (zh) * | 2020-11-23 | 2021-04-16 | 西安科锐盛创新科技有限公司 | 一种基于迁移学习的颅内血管病灶识别方法 |
CN114140342A (zh) * | 2021-11-01 | 2022-03-04 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114782432A (zh) * | 2022-06-20 | 2022-07-22 | 南通电博士自动化设备有限公司 | 一种基于纹理特征的改进canny算子的边缘检测方法 |
Non-Patent Citations (2)
Title |
---|
万园园 等: "结合全局语义优化的对抗性灰度图像彩色化", 《液晶与显示》 * |
李洪安 等: "结合Pix2Pix生成对抗网络的灰度图像着色方法", 《计算机辅助设计与图形学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115931572A (zh) * | 2023-03-02 | 2023-04-07 | 阳谷领航电缆有限公司 | 特种电缆性能在线安装检测方法 |
CN116912096A (zh) * | 2023-09-14 | 2023-10-20 | 惠州市耀盈精密技术有限公司 | 一种基于imold系统的精密模具模板图像生成方法 |
CN116912096B (zh) * | 2023-09-14 | 2024-01-09 | 惠州市耀盈精密技术有限公司 | 一种基于imold系统的精密模具模板图像生成方法 |
CN118501187A (zh) * | 2024-07-16 | 2024-08-16 | 宁波东方电缆股份有限公司 | 一种用于海洋脐带缆绝缘层的质量检测方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115307582B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115307582B (zh) | 一种电线电缆的截面积测量方法 | |
EP3018906B1 (en) | Systems and methods for rectifying image artifacts | |
EP1093087B1 (en) | Removing chroma noise from digital images by using variable shape pixel neighborhood regions | |
CN110175964A (zh) | 一种基于拉普拉斯金字塔的Retinex图像增强方法 | |
DE102016121959A1 (de) | Bildbearbeitungsvorrichtung und Bildbearbeitungsverfahren zur Vorverarbeitung zum Erhalten eines Bildes mit verbesserter Schärfe | |
CN102243711A (zh) | 一种基于邻域嵌套的图像超分辨率重建方法 | |
US20140050417A1 (en) | Image filtering based on structural information | |
CN105701477A (zh) | 一种基于平稳小波变换视觉显著性的织物疵点检测方法 | |
CN111179196B (zh) | 一种基于分而治之的多分辨率深度网络图像去高光方法 | |
CN106815818A (zh) | 一种图像去噪方法 | |
CN110866870B (zh) | 一种医学图像任意倍数放大的超分辨处理方法 | |
JPWO2008093835A1 (ja) | 画像処理方法 | |
CN102663703B (zh) | 基于Treelet的Bayer型CFA图像去噪方法 | |
CN112070717A (zh) | 基于图像处理的输电线路覆冰厚度检测方法 | |
CN112330761B (zh) | 基于混合精度训练的深度ect图像增强方法 | |
EP0389044B1 (en) | Processing picture signals | |
CN115294118A (zh) | 一种船用钣金焊接缺陷识别方法 | |
EP2198402A1 (en) | Method of generating a multiscale contrast enhanced image | |
CN112529853A (zh) | 一种用于水下养殖网箱的网衣破损检测方法及装置 | |
CN112541873B (zh) | 一种基于双边滤波器的图像处理方法 | |
CN103679663A (zh) | Tetrolet变换域结合PDE和GCV理论的图像去噪方法 | |
EP3806027B1 (en) | Method and apparatus for noise reduction | |
Park et al. | False contour reduction using neural networks and adaptive bi-directional smoothing | |
Arif et al. | Super-resolution using edge modification through stationary wavelet transform | |
CN108665419B (zh) | 一种图像去噪的方法及装置 |
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 | ||
CP03 | Change of name, title or address |
Address after: 226200 group 11, Chengbei Village, Huilong Town, Qidong City, Nantong City, Jiangsu Province Patentee after: Jiangsu Dianboshi Energy Equipment Co.,Ltd. Address before: 226000 group 11, Chengbei Village, Huilong Town, Qidong City, Nantong City, Jiangsu Province Patentee before: Nantong Electric doctor automation equipment Co.,Ltd. |
|
CP03 | Change of name, title or address |