CN115340408A - 古瓷器冲线无伤修复方法 - Google Patents
古瓷器冲线无伤修复方法 Download PDFInfo
- Publication number
- CN115340408A CN115340408A CN202211080598.0A CN202211080598A CN115340408A CN 115340408 A CN115340408 A CN 115340408A CN 202211080598 A CN202211080598 A CN 202211080598A CN 115340408 A CN115340408 A CN 115340408A
- Authority
- CN
- China
- Prior art keywords
- porcelain
- line
- ancient
- punching
- image information
- 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
- 229910052573 porcelain Inorganic materials 0.000 title claims abstract description 102
- 238000004080 punching Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000006378 damage Effects 0.000 title claims abstract description 15
- 239000000853 adhesive Substances 0.000 claims abstract description 34
- 230000001070 adhesive effect Effects 0.000 claims abstract description 34
- 230000008439 repair process Effects 0.000 claims abstract description 24
- 238000007790 scraping Methods 0.000 claims abstract description 9
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 238000001035 drying Methods 0.000 claims abstract description 5
- 239000011230 binding agent Substances 0.000 claims abstract description 4
- 239000011248 coating agent Substances 0.000 claims abstract description 4
- 238000000576 coating method Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 40
- 238000005520 cutting process Methods 0.000 claims description 9
- 239000011521 glass Substances 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 239000004922 lacquer Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 102000004190 Enzymes Human genes 0.000 claims description 3
- 108090000790 Enzymes Proteins 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 239000012445 acidic reagent Substances 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 239000003153 chemical reaction reagent Substances 0.000 claims description 3
- 239000000645 desinfectant Substances 0.000 claims description 3
- 239000003599 detergent Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 238000005086 pumping Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000005406 washing Methods 0.000 description 5
- 230000002265 prevention Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000007767 bonding agent Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C04—CEMENTS; CONCRETE; ARTIFICIAL STONE; CERAMICS; REFRACTORIES
- C04B—LIME, MAGNESIA; SLAG; CEMENTS; COMPOSITIONS THEREOF, e.g. MORTARS, CONCRETE OR LIKE BUILDING MATERIALS; ARTIFICIAL STONE; CERAMICS; REFRACTORIES; TREATMENT OF NATURAL STONE
- C04B41/00—After-treatment of mortars, concrete, artificial stone or ceramics; Treatment of natural stone
- C04B41/80—After-treatment of mortars, concrete, artificial stone or ceramics; Treatment of natural stone of only ceramics
-
- C—CHEMISTRY; METALLURGY
- C04—CEMENTS; CONCRETE; ARTIFICIAL STONE; CERAMICS; REFRACTORIES
- C04B—LIME, MAGNESIA; SLAG; CEMENTS; COMPOSITIONS THEREOF, e.g. MORTARS, CONCRETE OR LIKE BUILDING MATERIALS; ARTIFICIAL STONE; CERAMICS; REFRACTORIES; TREATMENT OF NATURAL STONE
- C04B41/00—After-treatment of mortars, concrete, artificial stone or ceramics; Treatment of natural stone
- C04B41/80—After-treatment of mortars, concrete, artificial stone or ceramics; Treatment of natural stone of only ceramics
- C04B41/81—Coating or impregnation
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06V10/30—Noise filtering
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- 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
- G06V10/766—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using regression, e.g. by projecting features on hyperplanes
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Ceramic Engineering (AREA)
- Materials Engineering (AREA)
- Structural Engineering (AREA)
- Organic Chemistry (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了古瓷器冲线无伤修复方法，属于古物修复技术领域，该修复方法具体步骤如下：(1)收集古瓷器图片并进行冲线建模；(2)对待修复瓷器进行冲线清洗及烘干；(3)提取瓷器颜色并调制粘合剂；(4)涂抹粘合剂进行冲线覆盖；(5)对多余粘合剂进行检测刮除；本发明更方便工作人员对瓷器冲线进行查看，同时能够避免因刮刀刮除位置偏差导致古瓷器修复出现损伤，降低工作人员修复误差，能够快速地调制与古瓷器原色相同的粘合剂覆盖冲线，降低工作人员颜色调制难度，方便工作人员使用，提高古瓷器冲线修复的颜色一致性，保证了修复后的古瓷器的美观。
Description
技术领域
本发明涉及古物修复技术领域，尤其涉及古瓷器冲线无伤修复方法。
背景技术
瓷器是以瓷土为原料，经配料、成形、干燥、焙烧等工艺过程制成的，瓷器比陶器质地致密、坚硬、光滑、不吸水，盐类不易渗入瓷器内部。瓷器的损坏多是机械性损伤，出土瓷器或传世瓷器的保护，以防震、防压、防撞击、防摔为主，已破碎的瓷器，经粘结、补配、修饰等工艺，可恢复原状，粘结剂与粘结陶器的材料相同，瓷器上的冲线指的是生产的瓷器制品和地下出土的瓷器在使用、流转、保管过程中出现的线状裂痕，其中，瓷器的冲线又分为闭冲以及开冲，闭冲的瓷器裂痕线是闭合的，不透光线，而开冲的瓷器在损坏后走形和错位的裂痕，可以透过光线；因此，发明出古瓷器冲线无伤修复方法变得尤为重要；
经检索，中国专利号CN104276848A公开了古瓷器冲线无伤修复方法，该发明虽然方法简单，修复效果好，但是不方便工作人员对瓷器冲线进行查看，且容易出现因刮刀刮除位置偏差导致古瓷器修复出现损伤；此外，现有的古瓷器冲线无伤修复方法粘合剂需人工调制，调制难度较高，不方便工作人员使用，无法保证瓷器冲线修复后颜色的一致性；为此，我们提出古瓷器冲线无伤修复方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷，而提出的古瓷器冲线无伤修复方法。
为了实现上述目的，本发明采用了如下技术方案：
古瓷器冲线无伤修复方法，该修复方法具体步骤如下：
(1)收集古瓷器图片并进行冲线建模；
(2)对待修复瓷器进行冲线清洗及烘干；
(3)提取瓷器颜色并调制粘合剂；
(4)涂抹粘合剂进行冲线覆盖；
(5)对多余粘合剂进行检测刮除。
作为本发明的进一步方案，步骤(1)中所述冲线建模具体步骤如下：
步骤一：计算机通过外部相机或摄像头采集古瓷器图像信息，依据采集到的图像信息的显示比例来确定分块数量，并对各图像信息进行分块处理；
步骤二：通过傅里叶正反变换对分块处理后的图像信息进行滤波处理以降低噪声干扰，之后将各组图像信息导入一级目标检测网络中，并通过一级目标检测网络提取各组图像信息中的特征数据；
步骤三：将各组特征数据送入双向特征金字塔，进行特征融合，再将融合结果进行分类回归，输出检测框、类别以及分数，之后将输入的图像信息的分辨率、目标检测网络的宽度和深度作为待优化的参数，对目标检测网络架构进行大量的搜索，在目标检测网络参数量小于某一数值的情况下，寻找让其精确率最高的参数作为检测参数；
步骤四：一级目标检测网络收集检测框信息，并获取检测框坐标信息，之后对含有检测框的各图像信息进行扩大化剪裁，在通过二级目标检测网络过滤掉各组冲线图片中属于背景的简单负样本，挑选出可能含有冲线的区域进行分类和回归，并生成多组锚框，再通过扩大化剪裁对各图像信息进行二次剪裁以获取冲线具体位置；
步骤五：接收工作人员上传的古瓷器信息，并构建相对应的三维瓷器模型，同时将获取的冲线位置与瓷器模型进行匹配，并在瓷器模型上添加相关待修复冲线。
作为本发明的进一步方案，步骤二中所述傅里叶正反变换具体计算公式如下：
其中，u，v均为频率变量，x，y为图像信息各像素点坐标，公式(1)为傅里叶正变换，公式(2)为傅里叶反变换；
步骤四中扩大化剪裁具体计算公式如下：
x1′＝max(x1-|x2-x1|*e,0) (3)
x2′＝min(x2+|x2-x1|*e,width) (4)
y1′＝max(y1-|y2-y1|*e,0) (5)
y2′＝min(y2+|y2-y1|*e,height) (6)
其中，width,height分别代表待检测图像信息的宽和高，单位为像素，e代表扩大率，且e从0依次递增0.2到0.8。
作为本发明的进一步方案，步骤(2)中所述冲线清洗具体是使用碱性试剂、酸性试剂、生物酶、84消毒液、家用洗洁精清洗冲线内部相应的污渍。
作为本发明的进一步方案，步骤(3)中所述粘合剂调制具体步骤如下：
第一步：对图像信息中各像素点R、G以及B三组分量数据进行采集，再依据采集到的三组分量对X、Y以及Z三组刺激值进行计算，并依据计算结果构建L*a*b*模型；
第二步：收集该图像信息L*、a*以及b*的平均值作为该图像信息的特征向量，之后计算机依据采集到的各组特征向量确认古瓷器冲线位置处颜色组成，并对作为粘合剂的生漆进行颜色调配以获取相对应颜色的粘合剂。
作为本发明的进一步方案，第一步中所述L*a*b*模型具体构造公式如下：
X＝0.4902R+0.3099G+0.1999B (7)
Y＝0.1770R+0.8123G+0.0.0107B (8)
Z＝0.0101G+0.9809B (9)
其中，L*代表亮度，a*表示从红色至绿色范围，b*表示从蓝色至黄色范围。
作为本发明的进一步方案，步骤(4)中所述冲线覆盖具体步骤如下：
S1：工作人员将调配好的粘合剂涂抹在待修复古瓷器的冲线上，涂抹完成后，将古瓷器放入真空箱中，并将冲线进行水平放置，之后打开真空箱开关进行抽真空，当真空表数值度达到0.02～0.03Mpa即可；
S2：当粘合剂完全渗进冲线中时，等待30～60分钟，打开真空箱放气阀放气，且每5～10分钟放气一次，同时每次放气量为0.05p，放气时间5秒左右，放气4～6次后直至达到真空表数值为0正常气压，再将古瓷器从真空箱中取出。
作为本发明的进一步方案，步骤(5)中所述检测刮除具体步骤如下：
P1：工作人员将带有窥视镜的刮刀放置在古瓷器冲线处，同时计算机接收窥视镜反馈的影像信息，之后构建相对应的刮刀模型，并将起同步在瓷器模型中，且当工作人员移动刮刀时，该刮刀模型也进行同步移动；
P2：计算机对瓷器模型冲线处进行放大，之后工作人员通过刮刀对冲线上多余的粘合剂进行刮除，同时计算机实时监测刮刀所在位置，若刮刀位置异常，则发出警报，并提示工作人员进行更正。
相比于现有技术，本发明的有益效果在于：
1、该古瓷器冲线无伤修复方法相较于以往修复方法，本发明通过外部相机或摄像头采集古瓷器图像信息，并依据各图像信息的显示比例来进行分块处理，在对图像信息进行降噪处理，之后通过一级目标检测网络以及二级目标检测网络获取冲线图片信息以确认冲线位置，并构建相关瓷器模型，当冲线覆盖完成后，工作人员将带有窥视镜的刮刀放置在古瓷器冲线处，同时计算机接收窥视镜反馈的影像信息，之后构建相对应的刮刀模型，并将起同步在瓷器模型中，且当工作人员移动刮刀时，该刮刀模型也进行同步移动，同时计算机对瓷器模型冲线处进行放大，之后工作人员通过刮刀对冲线上多余的粘合剂进行刮除，同时若刮刀位置异常，计算机则发出警报，并提示工作人员进行更正，工作人员可通过观察计算机构建的瓷器模型来刮除多余粘合剂，更方便工作人员对瓷器冲线进行查看，同时能够避免因刮刀刮除位置偏差导致古瓷器修复出现损伤，降低工作人员修复误差；
2、该古瓷器冲线无伤修复方法通过计算机对图像信息中各像素点R、G以及B三组分量数据进行采集，再依据采集到的三组分量对X、Y以及Z三组刺激值进行计算，并依据计算结果构建L*a*b*模型，之后收集该图像信息L*、a*以及b*的平均值作为该图像信息的特征向量，之后计算机依据采集到的各组特征向量确认古瓷器冲线位置处颜色组成，并对作为粘合剂的生漆进行颜色调配以获取相对应颜色的粘合剂，之后工作人员将调配好的粘合剂涂抹在待修复古瓷器的冲线上以进行冲线覆盖处理，能够快速地调制与古瓷器原色相同的粘合剂覆盖冲线，降低工作人员颜色调制难度，方便工作人员使用，提高古瓷器冲线修复的颜色一致性，保证了修复后的古瓷器的美观。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明提出的古瓷器冲线无伤修复方法的流程框图。
具体实施方式
实施例1
参照图1，古瓷器冲线无伤修复方法，该修复方法具体步骤如下：
收集古瓷器图片并进行冲线建模。
具体的，计算机通过外部相机或摄像头采集古瓷器图像信息，依据采集到的图像信息的显示比例来确定分块数量，并对各图像信息进行分块处理，再通过傅里叶正反变换对分块处理后的图像信息进行滤波处理以降低噪声干扰，之后将各组图像信息导入一级目标检测网络中，并通过一级目标检测网络提取各组图像信息中的特征数据，同时将各组特征数据送入双向特征金字塔，进行特征融合，再将融合结果进行分类回归，输出检测框、类别以及分数，之后将输入的图像信息的分辨率、目标检测网络的宽度和深度作为待优化的参数，对目标检测网络架构进行大量的搜索，在目标检测网络参数量小于某一数值的情况下，寻找让其精确率最高的参数作为检测参数，最后一级目标检测网络收集检测框信息，并获取检测框坐标信息，之后对含有检测框的各图像信息进行扩大化剪裁，在通过二级目标检测网络过滤掉各组冲线图片中属于背景的简单负样本，挑选出可能含有冲线的区域进行分类和回归，并生成多组锚框，再通过扩大化剪裁对各图像信息进行二次剪裁以获取冲线具体位置，计算机再接收工作人员上传的古瓷器信息，并构建相对应的三维瓷器模型，同时将获取的冲线位置与瓷器模型进行匹配，并在瓷器模型上添加相关待修复冲线。
需要进一步说明的是，傅里叶正反变换具体计算公式如下：
其中，u，v均为频率变量，x，y为图像信息各像素点坐标，公式(1)为傅里叶正变换，公式(2)为傅里叶反变换；
扩大化剪裁具体计算公式如下：
x1′＝max(x1-|x2-x1|*e,0) (3)
x2′＝min(x2+|x2-x1|*e,width) (4)
y1′＝max(y1-|y2-y1|*e,0) (5)
y2′＝min(y2+|y2-y1|*e,height) (6)
其中，width,height分别代表待检测图像信息的宽和高，单位为像素，e代表扩大率，且e从0依次递增0.2到0.8。
对待修复瓷器进行冲线清洗及烘干。
需要进一步说明的是，冲线清洗具体是使用碱性试剂、酸性试剂、生物酶、84消毒液、家用洗洁精清洗冲线内部相应的污渍。
实施例2
参照图1，古瓷器冲线无伤修复方法，该修复方法具体步骤如下：
提取瓷器颜色并调制粘合剂。
具体的，计算机对图像信息中各像素点R、G以及B三组分量数据进行采集，再依据采集到的三组分量对X、Y以及Z三组刺激值进行计算，并依据计算结果构建L*a*b*模型，再收集该图像信息L*、a*以及b*的平均值作为该图像信息的特征向量，之后计算机依据采集到的各组特征向量确认古瓷器冲线位置处颜色组成，并对作为粘合剂的生漆进行颜色调配以获取相对应颜色的粘合剂。
需要进一步说明的是，生漆具体有强渗透性，能够提高粘合剂渗进冲线的速度，提高工作人员修复效率。
此外，需要进一步说明的是，L*a*b*模型具体构造公式如下：
X＝0.4902R+0.3099G+0.1999B (7)
Y＝0.1770R+0.8123G+0.0.0107B (8)
Z＝0.0101G+0.9809B (9)
其中，L*代表亮度，a*表示从红色至绿色范围，b*表示从蓝色至黄色范围。
涂抹粘合剂进行冲线覆盖。
具体的，工作人员将调配好的粘合剂涂抹在待修复古瓷器的冲线上，涂抹完成后，将古瓷器放入真空箱中，并将冲线进行水平放置，之后打开真空箱开关进行抽真空，当真空表数值度达到0.02～0.03Mpa即可，当粘合剂完全渗进冲线中时，等待30～60分钟，打开真空箱放气阀放气，且每5～10分钟放气一次，同时每次放气量为0.05p，放气时间5秒左右，放气4～6次后直至达到真空表数值为0正常气压，再将古瓷器从真空箱中取出。
对多余粘合剂进行检测刮除。
具体的，工作人员将带有窥视镜的刮刀放置在古瓷器冲线处，同时计算机接收窥视镜反馈的影像信息，之后构建相对应的刮刀模型，并将起同步在瓷器模型中，且当工作人员移动刮刀时，该刮刀模型也进行同步移动，且计算机对瓷器模型冲线处进行放大，之后工作人员通过刮刀对冲线上多余的粘合剂进行刮除，同时计算机实时监测刮刀所在位置，若刮刀位置异常，则发出警报，并提示工作人员进行更。
Claims (8)
1.古瓷器冲线无伤修复方法，其特征在于，该修复方法具体步骤如下：
(1)收集古瓷器图片并进行冲线建模；
(2)对待修复瓷器进行冲线清洗及烘干；
(3)提取瓷器颜色并调制粘合剂；
(4)涂抹粘合剂进行冲线覆盖；
(5)对多余粘合剂进行检测刮除。
2.根据权利要求1所述的古瓷器冲线无伤修复方法，其特征在于，步骤(1)中所述冲线建模具体步骤如下：
步骤一：计算机通过外部相机或摄像头采集古瓷器图像信息，依据采集到的图像信息的显示比例来确定分块数量，并对各图像信息进行分块处理；
步骤二：通过傅里叶正反变换对分块处理后的图像信息进行滤波处理以降低噪声干扰，之后将各组图像信息导入一级目标检测网络中，并通过一级目标检测网络提取各组图像信息中的特征数据；
步骤三：将各组特征数据送入双向特征金字塔，进行特征融合，再将融合结果进行分类回归，输出检测框、类别以及分数，之后将输入的图像信息的分辨率、目标检测网络的宽度和深度作为待优化的参数，对目标检测网络架构进行大量的搜索，在目标检测网络参数量小于某一数值的情况下，寻找让其精确率最高的参数作为检测参数；
步骤四：一级目标检测网络收集检测框信息，并获取检测框坐标信息，之后对含有检测框的各图像信息进行扩大化剪裁，在通过二级目标检测网络过滤掉各组冲线图片中属于背景的简单负样本，挑选出可能含有冲线的区域进行分类和回归，并生成多组锚框，再通过扩大化剪裁对各图像信息进行二次剪裁以获取冲线具体位置；
步骤五：接收工作人员上传的古瓷器信息，并构建相对应的三维瓷器模型，同时将获取的冲线位置与瓷器模型进行匹配，并在瓷器模型上添加相关待修复冲线。
3.根据权利要求2所述的古瓷器冲线无伤修复方法，其特征在于，步骤二中所述傅里叶正反变换具体计算公式如下：
其中，u，v均为频率变量，x，y为图像信息各像素点坐标，公式(1)为傅里叶正变换，公式(2)为傅里叶反变换；
步骤四中扩大化剪裁具体计算公式如下：
x1′＝max(x1-|x2-x1|*e,0) (3)
x2′＝min(x2+|x2-x1|*e,width) (4)
y1′＝max(y1-|y2-y1|*e,0) (5)
y2′＝min(y2+|y2-y1|*e,height) (6)
其中，width,height分别代表待检测图像信息的宽和高，单位为像素，e代表扩大率，且e从0依次递增0.2到0.8。
4.根据权利要求1所述的古瓷器冲线无伤修复方法，其特征在于，步骤(2)中所述冲线清洗具体是使用碱性试剂、酸性试剂、生物酶、84消毒液、家用洗洁精清洗冲线内部相应的污渍。
5.根据权利要求2所述的古瓷器冲线无伤修复方法，其特征在于，步骤(3)中所述粘合剂调制具体步骤如下：
第一步：对图像信息中各像素点R、G以及B三组分量数据进行采集，再依据采集到的三组分量对X、Y以及Z三组刺激值进行计算，并依据计算结果构建L*a*b*模型；
第二步：收集该图像信息L*、a*以及b*的平均值作为该图像信息的特征向量，之后计算机依据采集到的各组特征向量确认古瓷器冲线位置处颜色组成，并对作为粘合剂的生漆进行颜色调配以获取相对应颜色的粘合剂。
6.根据权利要求5所述的古瓷器冲线无伤修复方法，其特征在于，第一步中所述L*a*b*模型具体构造公式如下：
X＝0.4902R+0.3099G+0.1999B (7)
Y＝0.1770R+0.8123G+0.0.0107B (8)
Z＝0.0101G+0.9809B (9)
其中，L*代表亮度，a*表示从红色至绿色范围，b*表示从蓝色至黄色范围。
7.根据权利要求1所述的古瓷器冲线无伤修复方法，其特征在于，步骤(4)中所述冲线覆盖具体步骤如下：
S1：工作人员将调配好的粘合剂涂抹在待修复古瓷器的冲线上，涂抹完成后，将古瓷器放入真空箱中，并将冲线进行水平放置，之后打开真空箱开关进行抽真空，当真空表数值度达到0.02～0.03Mpa即可；
S2：当粘合剂完全渗进冲线中时，等待30～60分钟，打开真空箱放气阀放气，且每5～10分钟放气一次，同时每次放气量为0.05p，放气时间5秒左右，放气4～6次后直至达到真空表数值为0正常气压，再将古瓷器从真空箱中取出。
8.根据权利要求7所述的古瓷器冲线无伤修复方法，其特征在于，步骤(5)中所述检测刮除具体步骤如下：
P1：工作人员将带有窥视镜的刮刀放置在古瓷器冲线处，同时计算机接收窥视镜反馈的影像信息，之后构建相对应的刮刀模型，并将起同步在瓷器模型中，且当工作人员移动刮刀时，该刮刀模型也进行同步移动；
P2：计算机对瓷器模型冲线处进行放大，之后工作人员通过刮刀对冲线上多余的粘合剂进行刮除，同时计算机实时监测刮刀所在位置，若刮刀位置异常，则发出警报，并提示工作人员进行更正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211080598.0A CN115340408A (zh) | 2022-09-05 | 2022-09-05 | 古瓷器冲线无伤修复方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211080598.0A CN115340408A (zh) | 2022-09-05 | 2022-09-05 | 古瓷器冲线无伤修复方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115340408A true CN115340408A (zh) | 2022-11-15 |
Family
ID=83955188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211080598.0A Pending CN115340408A (zh) | 2022-09-05 | 2022-09-05 | 古瓷器冲线无伤修复方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115340408A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101211341A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 图像智能模式识别搜索方法 |
| CN104276848A (zh) * | 2013-07-04 | 2015-01-14 | 济南古今文物修复材料有限公司 | 古瓷器冲线无伤修复方法 |
| CN109583376A (zh) * | 2018-11-30 | 2019-04-05 | 陕西科技大学 | 基于多特征信息融合的古陶瓷断源断代方法 |
| CN110420800A (zh) * | 2019-07-25 | 2019-11-08 | 马鞍山市智新纳米材料有限公司 | 一种角度可调的金属陶瓷合金刮刀组件及其角度调节方法 |
| CN111861970A (zh) * | 2019-04-23 | 2020-10-30 | 天和防务技术（北京）有限公司 | 古文物修复处理方法、装置、计算机设备及存储介质 |
| CN114660060A (zh) * | 2022-03-07 | 2022-06-24 | 南京理工大学 | 一种基于矩阵扫描的宏观傅里叶叠层超分辨成像方法 |
-
2022
- 2022-09-05 CN CN202211080598.0A patent/CN115340408A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101211341A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 图像智能模式识别搜索方法 |
| CN104276848A (zh) * | 2013-07-04 | 2015-01-14 | 济南古今文物修复材料有限公司 | 古瓷器冲线无伤修复方法 |
| CN109583376A (zh) * | 2018-11-30 | 2019-04-05 | 陕西科技大学 | 基于多特征信息融合的古陶瓷断源断代方法 |
| CN111861970A (zh) * | 2019-04-23 | 2020-10-30 | 天和防务技术（北京）有限公司 | 古文物修复处理方法、装置、计算机设备及存储介质 |
| CN110420800A (zh) * | 2019-07-25 | 2019-11-08 | 马鞍山市智新纳米材料有限公司 | 一种角度可调的金属陶瓷合金刮刀组件及其角度调节方法 |
| CN114660060A (zh) * | 2022-03-07 | 2022-06-24 | 南京理工大学 | 一种基于矩阵扫描的宏观傅里叶叠层超分辨成像方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5394546B2 (ja) | 周波数領域においてフィルムグレインのパターンをモデリングする方法及び装置 | |
| CN109300090A (zh) | 一种基于亚像素和条件对抗生成网络的单幅图像去雾方法 | |
| CN106651805B (zh) | 基于机器学习的图像水印去除方法 | |
| CN104899891B (zh) | 一种识别孕囊组织的方法、装置及宫腔吸引装置 | |
| CN107016691A (zh) | 基于超像素特征的运动目标检测方法 | |
| CN104915938B (zh) | 一种高密度椒盐噪声污染图像修复方法 | |
| CN107018352A (zh) | 一种视频图像处理方法、装置及系统 | |
| WO2005124316A3 (en) | Method and apparatus for configuring and testing a machine vision detector | |
| EP1585343A3 (en) | Image interpolation method | |
| CN108550159A (zh) | 一种基于图像三色分割的烟气浓度标识方法 | |
| CN108305232B (zh) | 一种单帧高动态范围图像生成方法 | |
| CN109670398A (zh) | 一种猪只图像的分析方法及设备 | |
| CN110223251A (zh) | 适用于人工与自然光源的卷积神经网络水下图像复原方法 | |
| CN110111282A (zh) | 一种基于运动矢量和cnn的视频去模糊方法 | |
| CN105915869A (zh) | 一种彩色自适应压缩计算鬼成像系统及方法 | |
| CN108805851A (zh) | 一种图像时域噪声的评估方法及装置 | |
| CN115340408A (zh) | 古瓷器冲线无伤修复方法 | |
| CN107784640B (zh) | 耳膜状态实时分析方法 | |
| CN105405153B (zh) | 智能移动终端抗噪声干扰运动目标提取方法 | |
| CN105354598B (zh) | 一种在线检测连续带状泡沫金属材料漏镀缺陷的方法 | |
| CN109712093A (zh) | 一种基于海天背景的图像颜色还原方法及装置 | |
| CN101510306A (zh) | 一种视频图像照度分布估计方法 | |
| CN110874862A (zh) | 用于三维重建的系统及方法 | |
| CN109345483A (zh) | 基于图像三色分割的厨房油烟浓度标识方法 | |
| CN105389795B (zh) | 一种垃圾料位检测方法、装置及上料板机 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221115 |