CN115311228A - 基于matlab图像边缘检测的球压压痕测量方法及系统 - Google Patents
基于matlab图像边缘检测的球压压痕测量方法及系统 Download PDFInfo
- Publication number
- CN115311228A CN115311228A CN202210939561.2A CN202210939561A CN115311228A CN 115311228 A CN115311228 A CN 115311228A CN 202210939561 A CN202210939561 A CN 202210939561A CN 115311228 A CN115311228 A CN 115311228A
- Authority
- CN
- China
- Prior art keywords
- image
- ball indentation
- maximum value
- edge detection
- edge
- 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
- 238000007373 indentation Methods 0.000 title claims abstract description 84
- 238000003708 edge detection Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000000691 measurement method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000011810 insulating material Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000012815 thermoplastic material Substances 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
- G06T7/0002—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
- G06T7/12—Edge-based segmentation
-
- 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
-
- 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
- G06T2207/20024—Filtering details
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了基于MATLAB图像边缘检测的球压压痕测量方法及系统，属于球压压痕测量领域。包括以下步骤：获取球压压痕图像；对图像进行预处理；利用高斯‑拉普拉斯算子对预处理后的图像进行边缘检测，获得图像边缘；遍历图像边缘所有元素点的坐标，寻找最小点的位置坐标和最大点的位置坐标；基于最小点位置坐标和最大点位置坐标的值，计算球压压痕图像的直径。本发明利用MATLAB数字图像测量技术对采集到的压痕图像进行变换增强，通过高斯‑拉普拉斯算子对图像进行边缘检测，寻找图像最小点的位置坐标和图像最大点的位置坐标，利用两个坐标的值计算图像的直径，提高了测量精度，实现了对球压检测图像直径的智能化测量。
Description
技术领域
本发明属于球压压痕测量领域，尤其涉及基于MATLAB图像边缘检测的球压压痕测量方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
绝缘材料在家用电器和电子产品中被广泛使用，其性能优劣对产品的安全性起着决定作用。球压试验是产品安全标准中考核热塑材料耐热特性的重要试验，也是实验室能力验证和比对常用的材料试验项目。试验合格与否与压痕大小相关，压痕直径的大小是判定材料是否合格的直接判据，国标要求其直径不超过2mm为合格。
在球压压痕的测量上，目前大多数检测方法是在光学显微镜下测量，或者使用带刻度的放大镜进行测量。这种检测方法对人员的要求比较高，由于不同的测量人员操作设备的习惯不同或者测量方法的不同，不可避免的造成误差较大的情况，同时测量时间过长，需要消耗大量的人力资源。
除此之外，在试验实际操作中压痕边界通常较为模糊，试验人员不能较为准确地判定压痕的起点，很容易造成压痕读值的偏差，因此现有技术的测量方法准确性较低，不同人员测量时也存在人为误差和主观性。
为了得到一个较为清晰的压痕边界，现有的边缘检测方法通常会使用边缘检测算子。边缘检测算子包括基于一阶导数的边缘检测算子和基于二阶导数的边缘检测算子。基于一阶导数的边缘检测算子包括Roberts算子、Sobel算子、Prewitt算子等，基于二阶导数的边缘检测算子有拉普拉斯(Laplacian)算子，另外还有Log算子和Canny算子。
常用的球压检测图像处理方法多使用上述边缘检测算子寻找图像的边缘，但是目前已知的方法只寻找出了图像的边缘，对于图像直径的测量还是依赖于人工，无法确保测量精度，无法达到智能化的效果。
发明内容
为克服上述现有技术的不足，本发明提供了基于MATLAB图像边缘检测的球压压痕测量方法及系统，利用MATLAB数字图像测量技术对采集到的压痕图像进行变换增强，通过高斯-拉普拉斯算子对图像进行边缘检测，寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；继续寻找最大值数组中的最大值，得到球压压痕图像的直径，从而提高了测量精度，实现了对球压检测图像直径的智能化测量。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
本发明第一方面提供了基于MATLAB图像边缘检测的球压压痕测量方法。
基于MATLAB图像边缘检测的球压压痕测量方法，包括以下步骤：
获取球压压痕图像；
对图像进行预处理；
利用高斯-拉普拉斯算子对预处理后的图像进行边缘检测，获得图像边缘；
寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；
基于获得的最大值数组，得到球压压痕图像的直径。
本发明第二方面提供了基于MATLAB图像边缘检测的球压压痕测量系统。
基于MATLAB图像边缘检测的球压压痕测量系统，包括：
图像获取模块，被配置为：获取球压压痕图像；
预处理模块，被配置为：对图像进行预处理；
图像边缘获取模块，被配置为：利用高斯-拉普拉斯算子对预处理后的图像进行边缘检测，获得图像边缘；
最大值数组获取模块，被配置为：寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；
图像直径获取模块，被配置为：基于获得的最大值数组，得到球压压痕图像的直径。
本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的基于MATLAB图像边缘检测的球压压痕测量方法中的步骤。
本发明第四方面提供了电子设备，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程序，所述处理器执行所述程序时实现如本发明第一方面所述的基于MATLAB图像边缘检测的球压压痕测量方法中的步骤。
以上一个或多个技术方案存在以下有益效果：
1、本发明提供了基于MATLAB图像边缘检测的球压压痕测量方法及系统，利用MATLAB数字图像测量技术对采集到的压痕图像进行变换增强，通过高斯-拉普拉斯算子对图像进行边缘检测，寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；继续寻找最大值数组中的最大值，得到球压压痕图像的直径，从而提高了测量精度，实现了对球压检测图像直径的智能化测量。
2、本发明对图像进行了灰度化处理和二值化处理、得到二值化的灰度图像之后，首先使用高斯函数对二值化的灰度图像进行低通滤波，再利用拉普拉斯算子提取边缘，进一步提高了边缘提取的精度。
3、本发明创新性的提出了一种通过寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；继续寻找最大值数组中的最大值，得到球压压痕图像的直径的方法；该方法相比较现有技术中试验人员对压痕边界较为模糊的图像进行压痕读值时，采用人工目视的方式进行读值，不能准确判定压痕的起点、造成压痕读值偏差、准确性较低的问题，有了极大的改进。
4、本发明消除了人工进行测量和读值造成的人为误差和主观性，结果更加客观准确。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为第一个实施例的方法流程图。
图2为第一个实施例经过预处理之后的图。
图3为第一个实施例经过高斯-拉普拉斯算子处理之后的图。
图4为第一个实施例的原始图。
图5为第一个实施例的另一个原始图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明提出的总体思路：本发明提供了基于MATLAB图像边缘检测的球压压痕测量方法及系统，利用MATLAB数字图像测量技术对采集到的压痕图像进行变换增强，通过高斯-拉普拉斯算子对图像进行边缘检测，寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；继续寻找最大值数组中的最大值，得到球压压痕图像的直径，从而提高了测量精度，实现了对球压检测图像直径的智能化测量。
边缘检测方法是一种MATLAB数字图像测量技术，可应用于压痕图像处理。
实施例一
本实施例公开了基于MATLAB图像边缘检测的球压压痕测量方法。
如图1所示，基于MATLAB图像边缘检测的球压压痕测量方法，包括以下步骤：
获取球压压痕图像；
对图像进行预处理；
利用高斯-拉普拉斯算子对预处理后的图像进行边缘检测，获得图像边缘；
寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；
基于获得的最大值数组，得到球压压痕图像的直径。
优选的，所述获取球压压痕图像，具体为：固定摄像头与球压压痕图片之间的距离，利用摄像头对图片进行拍摄，获取球压压痕图像。
由于摄像头的焦距不同，同一摄像头拍摄的压痕图片所显示的图像比例不同，影响算法的设计。为了克服这一影响，本发明固定了摄像头种类，只使用一款摄像头对图像进行拍摄，同时对拍摄图片的距离进行了固定。
优选的，所述对图像进行预处理，具体为：
使用imread函数读取图像信息；
使用rgb2gray函数对图像进行灰度化处理；
使用im2bw函数对图像进行二值化处理，得到二值化的灰度图像。
首先使用imread函数读取图像信息，然后使用rgb2gray函数与im2bw函数对图像进行灰度化处理与二值化处理，目的是为了将彩色的图像转化为数字矩阵，后期对图像矩阵点坐标进行数值计算。
图像预处理之后的结果如图2所示。
优选的，利用高斯-拉普拉斯算子对预处理后的图像进行边缘检测，具体为：使用高斯函数对二值化的灰度图像进行低通滤波，再利用拉普拉斯算子提取边缘。
优选的，利用拉普拉斯算子提取边缘，具体为：利用拉普拉斯高斯算子对二值化的灰度图像进行积分运算，从而寻找图像的边界。
拉普拉斯算子是一种高通滤波器，是影像灰度函数在两个垂直方向二阶偏导数之和。在离散数字影像的情况下,直接用影像灰度级的二阶差分代替连续情形下的二阶偏导数,拉普拉斯算子对噪声很敏感,在提取边缘时往往会出现伪边缘响应。
为克服拉普拉斯算子的不足,宜先对数字影像进行低通滤波，抑制噪声。高斯函数是一种很好的归一化低通滤波器,可用于对数字影像进行低通滤波，以减少噪声的影响，在此基础上再利用拉普拉斯算子提取边缘,这就是高斯-拉普拉斯算子，又称为LOG(Laplacian of Gaussian)算子。
经过高斯-拉普拉斯算子处理之后的结果，如图3所示。
优选的，寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中，具体为：
以图像边缘上任一点为起始点，将起始点坐标与各剩余点坐标分别作差，对差值取绝对值，并对各个绝对值进行比较，寻找数值最大的绝对值，将该数值最大的绝对值放入最大值数组中；
遍历图像边缘的所有元素点，分别将每一个元素点的数值最大的绝对值放入最大值数组中。
下面进行举例说明：
例如，在经过高斯-拉普拉斯算子处理之后获得的图像边缘上有10个元素点，首先随机取10个点当中的一个作为起始点，记为d1，剩余的9个点记为d2-d10；分别将d1与d2-d10的坐标值进行作差并将差值取绝对值，获得了10个差值的绝对值c1-c10，对c1-c10进行比较，将其中最大的值放入最大值数组中，例如c3。因此，对于d1，将最大的差值绝对值c3放入最大值数组中。
然后，遍历图像边缘上的所有点，即d2-d10，按照上述方法分别获得d2最大的差值绝对值，d3最大的差值绝对值，d4最大的差值绝对值…d10最大的差值绝对值，将获得的d2-d10最大的差值绝对值分别放入最大值数组中。
通过上述方式即获得了一个最大值数组。
优选的，基于获得的最大值数组，得到球压压痕图像的直径，具体为：
寻找最大值数组中的最大值，该最大值即为球压压痕图像的直径。
如图4-图5所示，为本发明原始图像。图4和图5中横线为人工通过目视的方式进行测量时手工绘制而成，图4中经过手工绘制和测量，得到直径为2152mm；图5中经过手工绘制和测量，得到直径为1631μm。
采用本发明所述的基于MATLAB图像边缘检测的球压压痕测量方法，得到对应于图4和图5的直径分别为：2151.4mm和1630.7um。
实施例二
本实施例公开了基于MATLAB图像边缘检测的球压压痕测量系统。
如图2所示，基于MATLAB图像边缘检测的球压压痕测量系统，包括：
图像获取模块，被配置为：获取球压压痕图像；
预处理模块，被配置为：对图像进行预处理；
图像边缘获取模块，被配置为：利用高斯-拉普拉斯算子对预处理后的图像进行边缘检测，获得图像边缘；
最大值数组获取模块，被配置为：寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；
图像直径获取模块，被配置为：基于获得的最大值数组，得到球压压痕图像的直径。
实施例三
本实施例的目的是提供计算机可读存储介质。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例1所述的基于MATLAB图像边缘检测的球压压痕测量方法中的步骤。
实施例四
本实施例的目的是提供电子设备。
电子设备，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程序，所述处理器执行所述程序时实现如本公开实施例1所述的基于MATLAB图像边缘检测的球压压痕测量方法中的步骤。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.基于MATLAB图像边缘检测的球压压痕测量方法，其特征在于，包括以下步骤：
获取球压压痕图像；
对图像进行预处理；
利用高斯-拉普拉斯算子对预处理后的图像进行边缘检测，获得图像边缘；
寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；
基于获得的最大值数组，得到球压压痕图像的直径。
2.如权利要求1所述的基于MATLAB图像边缘检测的球压压痕测量方法，其特征在于，所述获取球压压痕图像，具体为：固定摄像头与球压压痕图片之间的距离，利用摄像头对图片进行拍摄，获取球压压痕图像。
3.如权利要求1所述的基于MATLAB图像边缘检测的球压压痕测量方法，其特征在于，所述对图像进行预处理，具体为：
使用imread函数读取图像信息；
使用rgb2gray函数对图像进行灰度化处理；
使用im2bw函数对图像进行二值化处理，得到二值化的灰度图像。
4.如权利要求3所述的基于MATLAB图像边缘检测的球压压痕测量方法，其特征在于，利用高斯-拉普拉斯算子对预处理后的图像进行边缘检测，具体为：使用高斯函数对二值化的灰度图像进行低通滤波，再利用拉普拉斯算子提取边缘。
5.如权利要求1所述的基于MATLAB图像边缘检测的球压压痕测量方法，其特征在于，寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中，具体为：
以图像边缘上任一点为起始点，将起始点坐标与各剩余点坐标分别作差，对差值取绝对值，并对各个绝对值进行比较，寻找数值最大的绝对值，将该数值最大的绝对值放入最大值数组中；
遍历图像边缘的所有元素点，分别将每一个元素点的数值最大的绝对值放入最大值数组中。
6.如权利要求1所述的基于MATLAB图像边缘检测的球压压痕测量方法，其特征在于，基于获得的最大值数组，得到球压压痕图像的直径，具体为：
寻找最大值数组中的最大值，该最大值即为球压压痕图像的直径。
7.如权利要求4所述的基于MATLAB图像边缘检测的球压压痕测量方法，其特征在于，利用拉普拉斯算子提取边缘，具体为：利用拉普拉斯高斯算子对二值化的灰度图像进行积分运算，从而寻找图像的边界。
8.基于MATLAB图像边缘检测的球压压痕测量系统，其特征在于：包括：
图像获取模块，被配置为：获取球压压痕图像；
预处理模块，被配置为：对图像进行预处理；
图像边缘获取模块，被配置为：利用高斯-拉普拉斯算子对预处理后的图像进行边缘检测，获得图像边缘；
最大值数组获取模块，被配置为：寻找图像边缘上每一个元素点坐标与其他元素点坐标差值的最大值，遍历图像边缘所有元素点，分别将获得的最大值放入最大值数组中；
图像直径获取模块，被配置为：基于获得的最大值数组，得到球压压痕图像的直径。
9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于MATLAB图像边缘检测的球压压痕测量方法中的步骤。
10.电子设备，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程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于MATLAB图像边缘检测的球压压痕测量方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210939561.2A CN115311228A (zh) | 2022-08-05 | 2022-08-05 | 基于matlab图像边缘检测的球压压痕测量方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210939561.2A CN115311228A (zh) | 2022-08-05 | 2022-08-05 | 基于matlab图像边缘检测的球压压痕测量方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115311228A true CN115311228A (zh) | 2022-11-08 |
Family
ID=83861399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210939561.2A Pending CN115311228A (zh) | 2022-08-05 | 2022-08-05 | 基于matlab图像边缘检测的球压压痕测量方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115311228A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100134517A1 (en) * | 2007-05-22 | 2010-06-03 | Manale Saikaly | Method for automatic boundary segmentation of object in 2d and/or 3d image |
| CN103679167A (zh) * | 2013-12-18 | 2014-03-26 | 杨新锋 | 一种ccd图像处理的方法 |
| CN108596928A (zh) * | 2018-04-08 | 2018-09-28 | 黄河科技学院 | 基于改进高斯-拉普拉斯算子的噪声图像边缘检测方法 |
| CN209043708U (zh) * | 2018-07-27 | 2019-06-28 | 天津市产品质量监督检测技术研究院 | 一种球压试验压痕自动测量装置 |
| CN110298817A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技（深圳）有限公司 | 基于图像处理的目标物统计方法、装置、设备及存储介质 |
| CN113436214A (zh) * | 2021-06-28 | 2021-09-24 | 山东大学 | 布氏硬度压痕圆测量方法、系统及计算机可读存储介质 |
-
2022
- 2022-08-05 CN CN202210939561.2A patent/CN115311228A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100134517A1 (en) * | 2007-05-22 | 2010-06-03 | Manale Saikaly | Method for automatic boundary segmentation of object in 2d and/or 3d image |
| CN103679167A (zh) * | 2013-12-18 | 2014-03-26 | 杨新锋 | 一种ccd图像处理的方法 |
| CN108596928A (zh) * | 2018-04-08 | 2018-09-28 | 黄河科技学院 | 基于改进高斯-拉普拉斯算子的噪声图像边缘检测方法 |
| CN209043708U (zh) * | 2018-07-27 | 2019-06-28 | 天津市产品质量监督检测技术研究院 | 一种球压试验压痕自动测量装置 |
| CN110298817A (zh) * | 2019-05-20 | 2019-10-01 | 平安科技（深圳）有限公司 | 基于图像处理的目标物统计方法、装置、设备及存储介质 |
| CN113436214A (zh) * | 2021-06-28 | 2021-09-24 | 山东大学 | 布氏硬度压痕圆测量方法、系统及计算机可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 周又之 等: "初等数学手册", 新时代出版社 * |
| 张秀兰: "基于MATLAB的数字图像的边缘检测", 《吉林化工学院学报》, no. 02 * |
| 董云峰: "基于MATLAB的图像边缘检测方法的研究", 《大庆师范学院学报》, no. 03 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2017020829A1 (zh) | 解像力测试方法和解像力测试装置 | |
| CN108780050B (zh) | 检测镜头的方法及装置、电子设备和计算机可读存储介质 | |
| CN111027546B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
| EP3291552A1 (en) | Stray light effect testing of a camera | |
| CN109781747B (zh) | 基于机器视觉的细胞学标本样片染色效果检测方法及系统 | |
| CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
| CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
| CN109283182A (zh) | 一种电池焊点缺陷的检测方法、装置及系统 | |
| Flesia et al. | Sub-pixel straight lines detection for measuring through machine vision | |
| CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
| Fu et al. | Medicine glass bottle defect detection based on machine vision | |
| CN108876842A (zh) | 一种亚像素边缘角度的测量方法、系统、设备及存储介质 | |
| CN111462056A (zh) | 工件表面缺陷检测方法、装置、设备及存储介质 | |
| CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
| CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
| KR100779312B1 (ko) | 결함 검출 장치, 이미지 센서 디바이스, 이미지 센서 모듈,화상 처리 장치, 디지털 화상 품질 테스터, 및 결함 검출방법 | |
| WO2018078582A1 (en) | Method for distinguishing fresh meat from meat subjected to freezing by means of analysis of images of muscle tissue and corresponding system arranged to execute said method | |
| CN115311228A (zh) | 基于matlab图像边缘检测的球压压痕测量方法及系统 | |
| CN113614774A (zh) | 用于目标涂层的图像数据中的缺陷检测的方法和系统 | |
| CN111563869A (zh) | 用于摄像模组质检的污点测试方法 | |
| CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
| CN109448012A (zh) | 一种图像边缘检测方法及装置 | |
| CN111504608B (zh) | 辉度均匀检测系统及辉度均匀检测方法 | |
| CN108507953B (zh) | 一种带膜组件自有缺陷检测方法及装置 | |
| 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 |
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: 20221108 |
|
| RJ01 | Rejection of invention patent application after publication |