CN115598025A - 图像处理方法及使用该方法的碳酸钙粉质检系统 - Google Patents
图像处理方法及使用该方法的碳酸钙粉质检系统 Download PDFInfo
- Publication number
- CN115598025A CN115598025A CN202211592428.0A CN202211592428A CN115598025A CN 115598025 A CN115598025 A CN 115598025A CN 202211592428 A CN202211592428 A CN 202211592428A CN 115598025 A CN115598025 A CN 115598025A
- Authority
- CN
- China
- Prior art keywords
- sliding window
- calcium carbonate
- carbonate powder
- difference degree
- curve
- 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
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 title claims abstract description 212
- 239000000843 powder Substances 0.000 title claims abstract description 107
- 229910000019 calcium carbonate Inorganic materials 0.000 title claims abstract description 106
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000007689 inspection Methods 0.000 title claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012216 screening Methods 0.000 claims abstract description 18
- 239000002245 particle Substances 0.000 claims description 26
- 238000010606 normalization Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000002270 dispersing agent Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 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
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- 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
- G06T7/11—Region-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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及图像处理方法及使用该方法的碳酸钙粉质检系统,该方法获取碳酸钙粉末在电子显微镜下的初始图像,通过超像素分割得到至少两个超像素块;筛选独立超像素块,进而获取滑窗的初始面积,获取每次滑动时滑窗内的差异度,构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,根据每个区间内的差异度以及差异度的数量获取对应滑窗的调整必要性;利用调整必要性和差异度调整对应滑窗的大小,滑窗每次滑动时基于调整后的大小对初始图像对应位置进行分割,得到每个碳酸钙粉末的独立区域。本发明能够通过图像处理自适应获取滑窗尺寸,使每个位置均能够以最佳尺寸分割,将单个碳酸钙粉末区域准确划分。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种图像处理方法及使用该方法的碳酸钙粉质检系统。
背景技术
碳酸钙粉广泛应用于化工产业的制造生产中。制造生产前需要对碳酸钙粉进行质量检测,在进行质量检测的过程中,对碳酸钙粉末的平均粒径的测定是其中重要的一项。在进行碳酸钙粉末的平均粒径的测定时,需要首先利用乙醇等分散剂对碳酸钙粉末进行分散,然后采集碳酸钙粉末在电子显微镜下的图像,计算电子显微镜图像下每个碳酸钙粉末的粒径,进一步计算所有碳酸钙粉末的平均粒径,完成碳酸钙粉末的质量评价。
目前已经出现了利用图像处理识别的方法对电子显微镜下的碳酸钙粉末图像进行粒径计算的方法,但是由于碳酸钙粉末分布的随机性,会出现粘连情况,即便是分散剂也不能做到完全分散,所以需要首先对粘连的碳酸钙粉末进行分割再进行后续处理。通常使用的分割方法为利用DBSCAN聚类算法对电子显微镜下的图像碳酸钙粉末进行分割,但由于现有的DBSCAN聚类算法其邻域半径与邻域密度值需要预先设定,而预先设定的参数可能并不能适合整张图像中的所有碳酸钙粉末,会导致分割效果出现偏差,影响后续对于碳酸钙粉末的质量分析。
发明内容
为了解决现有的对碳酸钙粉末图像进行处理时图像分割效果较差从而影响后续质量评价结果的问题,本发明提供一种图像处理方法及使用该方法的碳酸钙粉质检系统,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图像处理方法,该方法包括以下步骤:
获取碳酸钙粉末在电子显微镜下的初始图像,对所述初始图像通过超像素分割得到至少两个超像素块;
根据像素点的梯度值筛选出关注点,在每个超像素块中,获取任意两个关注点之间的距离,基于所述距离得到每个超像素块的分布连续性;利用所述分布连续性筛选独立超像素块;
以所有独立超像素块的平均面积作为滑窗的初始面积,通过滑动滑窗遍历所述初始图像,获取每次滑动时滑窗内的差异度,通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,根据每个区间内的差异度以及差异度的数量获取对应滑窗的调整必要性;
利用所述调整必要性和所述差异度调整对应滑窗的大小,滑窗每次滑动时基于调整后的大小对所述初始图像对应位置进行分割,得到每个碳酸钙粉末的独立区域。
进一步的,所述分布连续性的获取方法为:
将所有像素点的梯度值进行归一化,当归一化结果大于预设的梯度阈值时,对应的像素点标记为关注点;计算任意一个关注点与其他关注点之间的最小距离,对所有关注点对应的最小距离求和并归一化,由预设值减去归一化结果得到所述分布连续性。
进一步的,所述差异度的获取方法为:
获取所述初始图像的灰度图像,统计滑窗内每个灰度级对应的像素点的数量,计算每个灰度级对应的像素点的数量占滑窗内所有像素点数量的比例,基于每个灰度级对应的比例获取滑窗内的信息熵作为对应的差异度。
进一步的,所述通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,包括:
以差异度作为横坐标,差异度对应的数量作为纵坐标构建直角坐标系,对该直角坐标系内的坐标点进行曲线拟合得到所述差异度数量曲线;获取该曲线上所有极小值点,每两个相邻的极小值点组成一个区间,完成所述区间划分。
进一步的,所述调整必要性的获取方法为:
对于每个区间,获取区间内所有差异度的平均值,获取区间内差异度数量的最大值,由所述平均值和所述最大值的比值乘上预设的权重并归一化得到所述调整必要性。
进一步的,所述利用所述调整必要性和所述差异度调整对应滑窗的大小,包括:
所述初始面积开方得到滑窗的初始边长,计算调整必要性和差异度的乘积,以初始边长减去所述乘积得到的结果作为调整后滑窗的边长。
进一步的,所述独立超像素块的筛选过程为:
预设独立阈值,当所述分布连续性小于或者等于所述独立阈值时,对应的超像素块为独立超像素块。
第二方面,本发明一个实施例提供了一种碳酸钙粉质检系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取碳酸钙粉末在电子显微镜下的初始图像,对所述初始图像通过超像素分割得到至少两个超像素块;
根据像素点的梯度值筛选出关注点,在每个超像素块中,获取任意两个关注点之间的距离,基于所述距离得到每个超像素块的分布连续性;利用所述分布连续性筛选独立超像素块;
以所有独立超像素块的平均面积作为滑窗的初始面积,通过滑动滑窗遍历所述初始图像,获取每次滑动时滑窗内的差异度,通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,根据每个区间内的差异度以及差异度的数量获取对应滑窗的调整必要性;
利用所述调整必要性和所述差异度调整对应滑窗的大小,滑窗每次滑动时基于调整后的大小对所述初始图像对应位置进行分割,得到每个碳酸钙粉末的独立区域,在所述独立区域中获取碳酸钙粉末的平均粒径并进行质量评价。
进一步的,所述碳酸钙粉末的平均粒径的获取过程为:
获取每个单独区域内碳酸钙粉末的长径和短径,计算所有长径和短径的平均值作为碳酸钙粉末的平均粒径。
进一步的,所述质量评价的过程为:将平均粒径与粒径标准对比,判断碳酸钙粉末的质量等级。
本发明实施例至少具有如下有益效果:
首先通过对初始图像进行超像素分割,得到多个超像素块,完成初始图像的初步分割,每个超像素块可能是单独的碳酸钙粉末,也可能是由粘连的碳酸钙粉末构成的;然后基于梯度值筛选出关注点,梯度值反映像素点的差异情况,若是单独的碳酸钙粉末,超像素块内的像素点的梯度值比较一致,筛选出关注点作为后续筛选独立超像素块的基础;关注点之间的距离反映了超像素块内像素点的粘连性,距离越大,说明关注点越分散,连续性越差,出现粘连的可能性越小,由此得到了每个超像素块的分布连续性;且能够根据分布连续性的大小反映出粘连的可能性,进而筛选出只包含单独碳酸钙粉末的独立超像素块;进一步的,独立超像素块是已经分割出的单独的碳酸钙粉末,因此以独立超像素块的平均面积作为分割基础,即滑窗的初始面积,对于存在粘连的超像素块,未将单独的碳酸钙粉末分割出来,说明以能够将单独碳酸钙粉末分割出来的初始面积作为分割基准时会出现分割不完全的情况,因此对于存在粘连的超像素块需要将滑窗进一步调整;滑窗滑动至边缘位置时差异更大,此时更应该调整滑窗大小以保证分割准确,因此利用滑窗内的差异度以及差异度所反映的特征获取滑窗的调整必要性,进而对初始面积进行调整,自适应得到不同位置处的滑窗;以及自适应滑窗对初始图像进行分割,得到碳酸钙粉末的独立区域。通过图像处理自适应获取不同位置的滑窗大小,使每个位置以最佳尺寸进行分割,能够得到准确的分割结果,分割出单个碳酸钙粉末,提高了质量评价结果的准确度。
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图像处理方法的步骤流程图;
图2为本发明一个实施例提供的一个初始图像的示例图;
图3为图2的超像素分割结果图像。
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图像处理方法及使用该方法的碳酸钙粉质检系统,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图像处理方法及使用该方法的碳酸钙粉质检系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种图像处理方法的步骤流程图,该方法包括以下步骤:
步骤S001,获取碳酸钙粉末在电子显微镜下的初始图像,对初始图像通过超像素分割得到至少两个超像素块。
首先利用95%浓度乙醇或者无水乙醇等分散剂对碳酸钙粉末进行分散,在分散液中取样于载玻片上并自然干燥,然后在扫描电子显微镜的放大倍数下通过相机采集碳酸钙粉末在电子显微镜下的图像,记为初始图像,如图2所示。
对初始图像通过超像素分割得到多个超像素块,超像素分割为利用像素之间特征的相似性将像素点分组的现有技术,具体分割过程不再赘述。经超像素分割后得到不同的超像素块,每个超像素块可能是单个碳酸钙粉末区域,也可能是两个或者两个以上的碳酸钙粉末出现粘连被划分的区域,超像素分割结果如图3所示。
步骤S002,根据像素点的梯度值筛选出关注点,在每个超像素块中,获取任意两个关注点之间的距离,基于距离得到每个超像素块的分布连续性;利用分布连续性筛选独立超像素块。
对于仅包含单个碳酸钙粉末的区域可直接进行质量评价分析,而对于包含多个碳酸钙粉末的区域,需先进行分割处理再进行质量评级。因此首先需要先识别出仅包含单个碳酸钙粉末的独立超像素块和包含多个碳酸钙粉末的粘连超像素块。
当超像素块区域内仅存在单个碳酸钙粉末时,其内部像素点间差异较小,而当区域内部为多个碳酸钙粉末时,其内部像素点间差异较大。而像素点的梯度值能够反映像素点与其邻域之间的差异,当超像素块区域内仅存在单个碳酸钙粉末时,内部像素点的梯度值较为统一,梯度较大的点处于区域边缘处,当图中出现梯度较大的噪声点时,噪声点在区域内部散乱分布。而当超像素块区域内部存在多个碳酸钙粉末时,其内部像素点的梯度值会出现差异,由于存在粘连,梯度较大的点即粘连粉末区域边缘,也会存在于区域内部,因此这些梯度较大的点具有连续性。基于此将所有像素点的梯度值进行归一化,当归一化结果大于预设的梯度阈值时,对应的像素点标记为关注点。
通过归一化将梯度值映射到(0,1),便于梯度阈值的设置。作为一个示例,在本发明实施例中预设的梯度阈值为0.6,在其他实施例中还可以根据实际情况进行梯度阈值的设置。
由于需要排除整个超像素块区域边缘点的影响,因此使用canny边缘检测算法获取每一超像素块区域边缘点,在获取的关注点中去除边缘点。
由于当超像素块区域内仅存在单个碳酸钙粉末时,内部梯度较大的点为噪声点,噪声点分布散乱;而当超像素块区域内部存在多个粘连碳酸钙粉末时,内部梯度较大的点为粘连粉末边缘处的点,存在连续性。因此为了区分独立超像素块和粘连超像素块,获取每个超像素块的分布连续性。
关注点代表梯度值较大的点,因此每个关注点与周围关注点之间的最近距离能够反映超像素区域内梯度值较大的点是否连续,即计算任意一个关注点与其他关注点之间的最小距离,对所有关注点对应的最小距离求和并归一化,由预设值减去归一化结果得到分布连续性。具体的计算公式为:
对于任意两个关注点,通过两点间的距离公式获取对应的距离,对于每个关注点来说,通过计算得到该关注点与其他所有关注点之间的最小距离,所有最小距离的和反映了整个超像素块中关注点的连续性,最小距离的和越大,说明关注点越分散,即不连续,因此通过归一化后利用预设值1减去归一化结果,得到分布连续性,最小距离的和越小,相应的分布连续性的值越大。
预设独立阈值,当分布连续性小于或者等于独立阈值时,对应的超像素块为独立超像素块。
当所求得的分布连续性大于独立阈值时,说明超像素块内的关注点连续性较强,即存在两个或多个碳酸钙粉末,该超像素块为粘连超像素块,粘连超像素块中碳酸钙粉末边缘之间的区域为粘连区域。当所求得的分布连续性小于或者等于独立阈值时,说明超像素块内的关注点连续性较差,即仅存在单个碳酸钙粉末,该超像素块为独立超像素块。
作为一个示例,在本发明实施例中独立阈值预设为0.7,在其他实施例中还可以根据实际情况调整独立阈值的数值。
步骤S003,以所有独立超像素块的平均面积作为滑窗的初始面积,通过滑动滑窗遍历初始图像,获取每次滑动时滑窗内的差异度,通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,根据每个区间内的差异度以及差异度的数量获取对应滑窗的调整必要性。
滑窗为正方形的窗口,滑窗的边长即为DBSCAN聚类算法的邻域半径,使用原始的DBSCAN聚类算法对碳酸钙粉末进行分割时,当邻域半径值及邻域密度值设定不当时,滑窗滑至粘连边缘处,仍满足所设定的邻域半径值与邻域密度值,此时会导致将粘连区域分割不完全。因此本发明通过计算调整必要性对初始滑窗大小进行调整,得到自适应大小的滑窗,完成准确分割。
首先获取所有独立超像素块的平均面积作为滑窗的初始面积,将平均滑窗面积记为,则滑窗的初始面积即为,由于滑窗为正方形的窗口,滑窗的初始面积开方得到滑窗的初始边长,以该初始边长对应的滑窗进行分割时,能够将现有的独立超像素块分割出来,但是对于粘连超像素块,分割效果不理想。因此需要获取滑窗每次滑动时的调整必要性以调整初始边长的大小。
其中独立超像素块的面积通过统计独立超像素块中的像素点数量获取。
获取初始图像的灰度图像,统计滑窗内每个灰度级对应的像素点的数量,计算每个灰度级对应的像素点的数量占滑窗内所有像素点数量的比例,基于每个灰度级对应的比例获取滑窗内的信息熵作为对应的差异度。
对初始图像的灰度图像利用r×r大小的滑窗进行遍历,获取滑窗内每个灰度级对应的像素点的数量,以每个灰度级对应的像素点的数量占滑窗内所有像素点数量的比例作为对应像素点的出现概率,进而计算滑窗内的信息熵作为差异度,其中表示滑窗内灰度级为k的像素点所占的比例;表示以2为底数,的对数;n表示滑窗内灰度级的总数量。该信息熵公式为现有公式,能够反映滑窗内像素点的混乱程度,体现滑窗内像素点的差异情况及滑窗内不同区域像素点的占比信息。
统计每个差异度对应的数量L,以差异度H作为横坐标,差异度对应的数量作为纵坐标构建直角坐标系,对该直角坐标系内的坐标点进行曲线拟合得到差异度数量曲线;获取该曲线上所有极小值,每两个相邻的极小值组成一个区间,完成区间划分。
在本实施例中曲线拟合的方法为最小二乘法,并且对拟合曲线进行平滑操作,得到差异度数量曲线。获取该曲线上所有极小值点,记极小值的数量为n,每两个相邻的极小值点组成一个区间,曲线的起始点和终止点分别与相邻的极小值点组成一个区间,共得到n+1个区间,完成区间划分。
对于每个区间,获取区间内所有差异度的平均值,获取区间内差异度数量的最大值,由平均值和最大值的比值乘上预设的权重并归一化得到调整必要性。
由于当滑窗滑至碳酸钙粉末内部区域时滑窗内部的差异度较小,而且碳酸钙粉末的面积在滑窗中占比较多,边缘在滑窗中占比较少;而当滑窗滑至粘连边缘时,其滑窗内部差异度较大,而且碳酸钙粉末的面积在滑窗中占比较少,边缘在滑窗中占比较多,此时需调整滑窗大小,保证将碳酸钙粉末分割开。
滑窗滑动时差异度越大的位置,越有可能是粘连边缘,需要调整的必要性就越大;粘连区域的面积占比较小,在滑动到粘连区域时,需要对滑窗大小进行调整,即对于粘连区域来说调整必要性越大。同一差异度的数量越大,对应的滑窗越不可能属于粘连区域,因此利用差异度和区间内同一差异度的数量获取每个区间的调整必要性,每个滑窗的调整必要性即为该滑窗所述区间的调整必要性:
其中,表示调整必要性,表示归一化函数,表示预设的权重,表示所有差异度对应的数量中的最大值,表示最大值函数,表示第个差异度,表示区间中较小的端点为第个差异度,表示区间中较小的端点为第个差异度,表示区间长度,组成的区间为,表示区间中所有差异度的平均值。
由于每个滑窗对应一个差异度,即所有差异度的总数量是一定的,的值越大说明差异度对应的数量的最大值占总数量的比例越大,该最大值对应的滑窗数量占比越大,而初始图像中粘连超像素块的占比较少,因此的值越大对应的滑窗越不可能为粘连区域,则相应的滑窗大小越不需要进行调整;反之的值越小,对应的滑窗越有可能是粘连区域,相应的滑窗大小越需要进行调整,即与调整必要性呈负相关关系。
区间内的平均差异度越大,越有可能为粘连区域,调整的必要性越大,即平均差异度与调整必要性呈正相关关系。
滑窗对应的调整必要性越大,对应位置越可能属于粘连区域,越需要调整滑窗的大小以准确分割开粘连的碳酸钙粉末。
步骤S004,利用调整必要性和差异度调整对应滑窗的大小,滑窗每次滑动时基于调整后的大小对初始图像对应位置进行分割,得到每个碳酸钙粉末的独立区域。
由于当滑窗位于碳酸钙粉末内部时,滑窗内差异度较小,当滑窗位于碳酸钙粘连边缘处时,滑窗内差异度较大,因此根据差异度的大小调整滑窗大小即邻域半径值大小,以初始边长进行分割时,对于存在粘连的超像素块,未将单独的碳酸钙粉末分割出来,说明以能够将单独碳酸钙粉末分割出来的初始边长作为分割基准时会出现分割不完全的情况,因此对于存在粘连的超像素块需要将滑窗进一步缩小,即计算调整必要性和差异度的乘积,以初始边长减去乘积得到的结果作为调整后滑窗的边长。具体的公式为:。表示第a个滑窗的差异度,表示第a个滑窗调整后的滑窗边长。
根据每一滑窗内的差异度获取得到每一滑窗的调整必要程度进而获取得到自适应滑窗大小即邻域半径大小,从而当滑窗滑动至粘连区域时能够及时调整滑窗大小,将粘连处分割开来,获取得到独立的碳酸钙粉末,消除了滑窗滑至粘连边缘处时导致分割不完全的缺陷。
综上所述,本发明实施例获取碳酸钙粉末在电子显微镜下的初始图像,对初始图像通过超像素分割得到至少两个超像素块;根据像素点的梯度值筛选出关注点,在每个超像素块中,获取任意两个关注点之间的距离,基于距离得到每个超像素块的分布连续性;利用分布连续性筛选独立超像素块;以所有独立超像素块的平均面积作为滑窗的初始面积,通过滑动滑窗遍历初始图像,获取每次滑动时滑窗内的差异度,通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,根据每个区间内的差异度以及差异度的数量获取对应滑窗的调整必要性;利用调整必要性和差异度调整对应滑窗的大小,滑窗每次滑动时基于调整后的大小对初始图像对应位置进行分割,得到每个碳酸钙粉末的独立区域。本发明实施例能够通过自适应获取不同位置的滑窗大小,使每个位置以最佳尺寸进行分割,得到准确的分割结果。
本发明实施例还提出了一种碳酸钙粉质检系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取碳酸钙粉末在电子显微镜下的初始图像,对初始图像通过超像素分割得到至少两个超像素块;根据像素点的梯度值筛选出关注点,在每个超像素块中,获取任意两个关注点之间的距离,基于距离得到每个超像素块的分布连续性;利用分布连续性筛选独立超像素块;以所有独立超像素块的平均面积作为滑窗的初始面积,通过滑动滑窗遍历初始图像,获取每次滑动时滑窗内的差异度,通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,根据每个区间内的差异度以及差异度的数量获取对应滑窗的调整必要性;利用调整必要性和差异度调整对应滑窗的大小,滑窗每次滑动时基于调整后的大小对初始图像对应位置进行分割,得到每个碳酸钙粉末的独立区域,在独立区域中获取碳酸钙粉末的平均粒径并进行质量评价。
其中平均粒径的获取过程为:
获取每个单独区域内碳酸钙粉末的长径和短径,计算所有长径和短径的平均值作为碳酸钙粉末的平均粒径。
每一粒碳酸钙粉末都有一个长径和一个短径,因此通过所有长径和短径的和除以2倍的碳酸钙粉末的数量得到平均粒径。
质量评价的过程为:
将平均粒径与粒径标准对比,判断碳酸钙粉末的质量等级。当碳酸钙粉末适用于不同材料时对应的质量判断标准不同,可根据碳酸粉末的后续用途进行粒径标准的确定,粒径标准参考现有的国家碳酸钙粉末质量评价标准。
通过准确分割得到单个碳酸钙粉末区域,在准确分割的基础上完成质量检测,提高了质量评价结果的准确性。
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 (10)
1.一种图像处理方法,其特征在于,该方法包括以下步骤:
获取碳酸钙粉末在电子显微镜下的初始图像,对所述初始图像通过超像素分割得到至少两个超像素块;
根据像素点的梯度值筛选出关注点,在每个超像素块中,获取任意两个关注点之间的距离,基于所述距离得到每个超像素块的分布连续性;利用所述分布连续性筛选独立超像素块;
以所有独立超像素块的平均面积作为滑窗的初始面积,通过滑动滑窗遍历所述初始图像,获取每次滑动时滑窗内的差异度,通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,根据每个区间内的差异度以及差异度的数量获取对应滑窗的调整必要性;
利用所述调整必要性和所述差异度调整对应滑窗的大小,滑窗每次滑动时基于调整后的大小对所述初始图像对应位置进行分割,得到每个碳酸钙粉末的独立区域。
2.根据权利要求1所述的一种图像处理方法,其特征在于,所述分布连续性的获取方法为:
将所有像素点的梯度值进行归一化,当归一化结果大于预设的梯度阈值时,对应的像素点标记为关注点;计算任意一个关注点与其他关注点之间的最小距离,对所有关注点对应的最小距离求和并归一化,由预设值减去归一化结果得到所述分布连续性。
3.根据权利要求1所述的一种图像处理方法,其特征在于,所述差异度的获取方法为:
获取所述初始图像的灰度图像,统计滑窗内每个灰度级对应的像素点的数量,计算每个灰度级对应的像素点的数量占滑窗内所有像素点数量的比例,基于每个灰度级对应的比例获取滑窗内的信息熵作为对应的差异度。
4.根据权利要求1所述的一种图像处理方法,其特征在于,所述通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,包括:
以差异度作为横坐标,差异度对应的数量作为纵坐标构建直角坐标系,对该直角坐标系内的坐标点进行曲线拟合得到所述差异度数量曲线;获取该曲线上所有极小值点,每两个相邻的极小值点组成一个区间,完成所述区间划分。
5.根据权利要求1所述的一种图像处理方法,其特征在于,所述调整必要性的获取方法为:
对于每个区间,获取区间内所有差异度的平均值,获取区间内差异度数量的最大值,由所述平均值和所述最大值的比值乘上预设的权重并归一化得到所述调整必要性。
6.根据权利要求1所述的一种图像处理方法,其特征在于,所述利用所述调整必要性和所述差异度调整对应滑窗的大小,包括:
所述初始面积开方得到滑窗的初始边长,计算调整必要性和差异度的乘积,以初始边长减去所述乘积得到的结果作为调整后滑窗的边长。
7.根据权利要求1所述的一种图像处理方法,其特征在于,所述独立超像素块的筛选过程为:
预设独立阈值,当所述分布连续性小于或者等于所述独立阈值时,对应的超像素块为独立超像素块。
8.一种碳酸钙粉质检系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如下步骤:
获取碳酸钙粉末在电子显微镜下的初始图像,对所述初始图像通过超像素分割得到至少两个超像素块;
根据像素点的梯度值筛选出关注点,在每个超像素块中,获取任意两个关注点之间的距离,基于所述距离得到每个超像素块的分布连续性;利用所述分布连续性筛选独立超像素块;
以所有独立超像素块的平均面积作为滑窗的初始面积,通过滑动滑窗遍历所述初始图像,获取每次滑动时滑窗内的差异度,通过统计同一差异度的数量构建差异度数量曲线,基于该曲线的极值对该曲线进行区间划分,根据每个区间内的差异度以及差异度的数量获取对应滑窗的调整必要性;
利用所述调整必要性和所述差异度调整对应滑窗的大小,滑窗每次滑动时基于调整后的大小对所述初始图像对应位置进行分割,得到每个碳酸钙粉末的独立区域,在所述独立区域中获取碳酸钙粉末的平均粒径并进行质量评价。
9.根据权利要求8所述的碳酸钙粉质检系统,其特征在于,所述碳酸钙粉末的平均粒径的获取过程为:
获取每个单独区域内碳酸钙粉末的长径和短径,计算所有长径和短径的平均值作为碳酸钙粉末的平均粒径。
10.根据权利要求8所述的碳酸钙粉质检系统,其特征在于,所述质量评价的过程为:将平均粒径与粒径标准对比,判断碳酸钙粉末的质量等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211592428.0A CN115598025B (zh) | 2022-12-13 | 2022-12-13 | 图像处理方法及使用该方法的碳酸钙粉质检系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211592428.0A CN115598025B (zh) | 2022-12-13 | 2022-12-13 | 图像处理方法及使用该方法的碳酸钙粉质检系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115598025A true CN115598025A (zh) | 2023-01-13 |
CN115598025B CN115598025B (zh) | 2023-03-10 |
Family
ID=84851918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211592428.0A Active CN115598025B (zh) | 2022-12-13 | 2022-12-13 | 图像处理方法及使用该方法的碳酸钙粉质检系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115598025B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861301A (zh) * | 2023-02-16 | 2023-03-28 | 山东百成新材料科技股份有限公司 | 用于改性沥青生产的多物料均匀性视觉评价方法 |
CN116188495A (zh) * | 2023-04-21 | 2023-05-30 | 山东无棣金土地开发建设有限公司 | 一种国土监测数据高效处理方法 |
CN116342594A (zh) * | 2023-05-26 | 2023-06-27 | 山东鸿安食品科技有限公司 | 一种具有反馈调节的淀粉智能干燥方法、系统及设备 |
CN116468724A (zh) * | 2023-06-08 | 2023-07-21 | 四川亿欣新材料有限公司 | 一种基于光学传感技术的碳酸钙含量测试方法 |
CN116681701A (zh) * | 2023-08-02 | 2023-09-01 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种儿童肺部超声图像处理方法 |
Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991011783A1 (en) * | 1990-01-23 | 1991-08-08 | Massachusetts Institute Of Technology | Recognition of patterns in images |
KR20030013092A (ko) * | 2001-08-07 | 2003-02-14 | 삼성전자주식회사 | 이동물체 자동 추적장치 및 방법 |
US20040218798A1 (en) * | 2000-03-09 | 2004-11-04 | The Regents Of The University Of California | Automated video-microscopic imaging and data acquisition system for colloid deposition measurements |
KR101363370B1 (ko) * | 2012-11-29 | 2014-02-17 | 주식회사 포스코 | 영상패턴 분석에 의한 원료광 입자크기 측정 장치 및 방법 |
EP2713338A1 (en) * | 2012-09-28 | 2014-04-02 | Ricoh Company, Ltd. | Method and device for dividing object |
CN104075965A (zh) * | 2014-07-02 | 2014-10-01 | 北京机械设备研究所 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 |
CN104766324A (zh) * | 2015-04-08 | 2015-07-08 | 山东大学 | 基于超像素和异常检测的彩色血细胞图像白细胞分割方法 |
CN105469088A (zh) * | 2015-11-17 | 2016-04-06 | 西北工业大学 | 一种适用于目标识别的物体预测区域优化方法 |
US20160189007A1 (en) * | 2014-12-26 | 2016-06-30 | Deere And Company | Grain quality monitoring |
US20160343150A1 (en) * | 2015-05-20 | 2016-11-24 | Saudi Arabian Oil Company | Image-based analysis of a geological thin section |
CN106815852A (zh) * | 2016-12-24 | 2017-06-09 | 辽宁师范大学 | 基于四元数极谐变换的彩色图像取证方法 |
CN108364266A (zh) * | 2018-02-09 | 2018-08-03 | 重庆大学 | 使用微流控芯片进行细胞全息重建观测的流路结构去除方法 |
US20190019291A1 (en) * | 2017-07-11 | 2019-01-17 | MESC Health Ltd | Method and System for Image Analysis to Detect Cancer |
CN110136140A (zh) * | 2019-04-16 | 2019-08-16 | 上海鹰瞳医疗科技有限公司 | 眼底图像血管影像分割方法及设备 |
US20190355169A1 (en) * | 2018-05-18 | 2019-11-21 | Samsung Electronics Co., Ltd. | Semantic mapping for low-power augmented reality using dynamic vision sensor |
US10713794B1 (en) * | 2017-03-16 | 2020-07-14 | Facebook, Inc. | Method and system for using machine-learning for object instance segmentation |
WO2020189849A1 (ko) * | 2019-03-21 | 2020-09-24 | (주)싸이젠텍 | 인공지능 프로그램 기반 이물선별장치 |
CN112070774A (zh) * | 2020-09-16 | 2020-12-11 | 西南石油大学 | 一种用于页岩数字岩心图像分割的神经网络优化方法 |
CN213714998U (zh) * | 2020-05-14 | 2021-07-16 | 中山艾尚智同信息科技有限公司 | 一种基于图像的砂石粒径分析设备 |
CN114140462A (zh) * | 2021-12-10 | 2022-03-04 | 江苏牛犇轴承有限公司 | 一种基于图像处理的轴承磨损程度评估方法 |
CN114926463A (zh) * | 2022-07-20 | 2022-08-19 | 深圳市尹泰明电子有限公司 | 一种适用于芯片电路板的生产质量检测方法 |
CN114972329A (zh) * | 2022-07-13 | 2022-08-30 | 江苏裕荣光电科技有限公司 | 基于图像处理的表面缺陷检测仪的图像增强方法及系统 |
CN115018765A (zh) * | 2022-04-24 | 2022-09-06 | 海门市博洋铸造有限公司 | 基于灰度梯度共生矩阵的粉末冶金零件成品检测方法 |
CN115272319A (zh) * | 2022-09-27 | 2022-11-01 | 江苏亚振钻石有限公司 | 一种矿石粒度检测方法 |
CN115311301A (zh) * | 2022-10-12 | 2022-11-08 | 江苏银生新能源科技有限公司 | 一种pcb板焊点缺陷检测方法 |
CN115345893A (zh) * | 2022-09-15 | 2022-11-15 | 吉林大学中日联谊医院 | 基于图像处理的卵巢组织癌变区域分割方法 |
CN115393354A (zh) * | 2022-10-27 | 2022-11-25 | 江苏集宿智能装备有限公司 | 一种激光切割缺陷识别方法 |
CN115436239A (zh) * | 2022-11-07 | 2022-12-06 | 四川亿欣新材料有限公司 | 一种碳酸钙颗粒度检测方法 |
US20220391615A1 (en) * | 2021-06-01 | 2022-12-08 | Hummingbird Technologies Limited | Tool for counting and sizing plants in a field |
-
2022
- 2022-12-13 CN CN202211592428.0A patent/CN115598025B/zh active Active
Patent Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1991011783A1 (en) * | 1990-01-23 | 1991-08-08 | Massachusetts Institute Of Technology | Recognition of patterns in images |
US20040218798A1 (en) * | 2000-03-09 | 2004-11-04 | The Regents Of The University Of California | Automated video-microscopic imaging and data acquisition system for colloid deposition measurements |
KR20030013092A (ko) * | 2001-08-07 | 2003-02-14 | 삼성전자주식회사 | 이동물체 자동 추적장치 및 방법 |
EP2713338A1 (en) * | 2012-09-28 | 2014-04-02 | Ricoh Company, Ltd. | Method and device for dividing object |
KR101363370B1 (ko) * | 2012-11-29 | 2014-02-17 | 주식회사 포스코 | 영상패턴 분석에 의한 원료광 입자크기 측정 장치 및 방법 |
CN104075965A (zh) * | 2014-07-02 | 2014-10-01 | 北京机械设备研究所 | 一种基于分水岭分割的显微图像颗粒粒度测量方法 |
US20160189007A1 (en) * | 2014-12-26 | 2016-06-30 | Deere And Company | Grain quality monitoring |
CN104766324A (zh) * | 2015-04-08 | 2015-07-08 | 山东大学 | 基于超像素和异常检测的彩色血细胞图像白细胞分割方法 |
US20160343150A1 (en) * | 2015-05-20 | 2016-11-24 | Saudi Arabian Oil Company | Image-based analysis of a geological thin section |
CN105469088A (zh) * | 2015-11-17 | 2016-04-06 | 西北工业大学 | 一种适用于目标识别的物体预测区域优化方法 |
CN106815852A (zh) * | 2016-12-24 | 2017-06-09 | 辽宁师范大学 | 基于四元数极谐变换的彩色图像取证方法 |
US10713794B1 (en) * | 2017-03-16 | 2020-07-14 | Facebook, Inc. | Method and system for using machine-learning for object instance segmentation |
US20190019291A1 (en) * | 2017-07-11 | 2019-01-17 | MESC Health Ltd | Method and System for Image Analysis to Detect Cancer |
CN108364266A (zh) * | 2018-02-09 | 2018-08-03 | 重庆大学 | 使用微流控芯片进行细胞全息重建观测的流路结构去除方法 |
US20190355169A1 (en) * | 2018-05-18 | 2019-11-21 | Samsung Electronics Co., Ltd. | Semantic mapping for low-power augmented reality using dynamic vision sensor |
WO2020189849A1 (ko) * | 2019-03-21 | 2020-09-24 | (주)싸이젠텍 | 인공지능 프로그램 기반 이물선별장치 |
CN110136140A (zh) * | 2019-04-16 | 2019-08-16 | 上海鹰瞳医疗科技有限公司 | 眼底图像血管影像分割方法及设备 |
CN213714998U (zh) * | 2020-05-14 | 2021-07-16 | 中山艾尚智同信息科技有限公司 | 一种基于图像的砂石粒径分析设备 |
CN112070774A (zh) * | 2020-09-16 | 2020-12-11 | 西南石油大学 | 一种用于页岩数字岩心图像分割的神经网络优化方法 |
US20220391615A1 (en) * | 2021-06-01 | 2022-12-08 | Hummingbird Technologies Limited | Tool for counting and sizing plants in a field |
CN114140462A (zh) * | 2021-12-10 | 2022-03-04 | 江苏牛犇轴承有限公司 | 一种基于图像处理的轴承磨损程度评估方法 |
CN115018765A (zh) * | 2022-04-24 | 2022-09-06 | 海门市博洋铸造有限公司 | 基于灰度梯度共生矩阵的粉末冶金零件成品检测方法 |
CN114972329A (zh) * | 2022-07-13 | 2022-08-30 | 江苏裕荣光电科技有限公司 | 基于图像处理的表面缺陷检测仪的图像增强方法及系统 |
CN114926463A (zh) * | 2022-07-20 | 2022-08-19 | 深圳市尹泰明电子有限公司 | 一种适用于芯片电路板的生产质量检测方法 |
CN115345893A (zh) * | 2022-09-15 | 2022-11-15 | 吉林大学中日联谊医院 | 基于图像处理的卵巢组织癌变区域分割方法 |
CN115272319A (zh) * | 2022-09-27 | 2022-11-01 | 江苏亚振钻石有限公司 | 一种矿石粒度检测方法 |
CN115311301A (zh) * | 2022-10-12 | 2022-11-08 | 江苏银生新能源科技有限公司 | 一种pcb板焊点缺陷检测方法 |
CN115393354A (zh) * | 2022-10-27 | 2022-11-25 | 江苏集宿智能装备有限公司 | 一种激光切割缺陷识别方法 |
CN115436239A (zh) * | 2022-11-07 | 2022-12-06 | 四川亿欣新材料有限公司 | 一种碳酸钙颗粒度检测方法 |
Non-Patent Citations (7)
Title |
---|
AMRANE A 等: "Object Detection in Images Based on Homogeneous Region Segmentation", 《RECENT TRENDS AND FUTURE TECHNOLOGY IN APPLIED INTELLIGENCE》 * |
Y. YANG 等: "Particle size measurement based on quality assessment of crystal images" * |
YI-TAO LIANG 等: "Haze_image_moving_window_threshold_segmentation_algorithm_based_on_contrast_enhancement", 《10TH INTERNATIONAL CONFERENCE ON SOFTWARE, KNOWLEDGE, INFORMATION MANAGEMENT & APPLICATIONS 》 * |
吕镜潺: "基于TEM纳米颗粒的图像识别", 《中国优秀硕士学位论文全文数据库》 》 * |
周祺智 等: "基于局部分类的铝合金低倍组织图像分割", 《机械制造与自动化》 * |
张大蔓: "基于图像分割的破碎颗粒粒度分布检测", 《中国优秀硕士学位论文全文数据库》 * |
訾兴琰: "基于粒径分布的圆形粒子扫描电镜图像分类研究" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861301A (zh) * | 2023-02-16 | 2023-03-28 | 山东百成新材料科技股份有限公司 | 用于改性沥青生产的多物料均匀性视觉评价方法 |
CN116188495A (zh) * | 2023-04-21 | 2023-05-30 | 山东无棣金土地开发建设有限公司 | 一种国土监测数据高效处理方法 |
CN116342594A (zh) * | 2023-05-26 | 2023-06-27 | 山东鸿安食品科技有限公司 | 一种具有反馈调节的淀粉智能干燥方法、系统及设备 |
CN116468724A (zh) * | 2023-06-08 | 2023-07-21 | 四川亿欣新材料有限公司 | 一种基于光学传感技术的碳酸钙含量测试方法 |
CN116468724B (zh) * | 2023-06-08 | 2023-08-29 | 四川亿欣新材料有限公司 | 一种基于光学传感技术的碳酸钙含量测试方法 |
CN116681701A (zh) * | 2023-08-02 | 2023-09-01 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种儿童肺部超声图像处理方法 |
CN116681701B (zh) * | 2023-08-02 | 2023-11-03 | 青岛市妇女儿童医院(青岛市妇幼保健院、青岛市残疾儿童医疗康复中心、青岛市新生儿疾病筛查中心) | 一种儿童肺部超声图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115598025B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115598025B (zh) | 图像处理方法及使用该方法的碳酸钙粉质检系统 | |
CN114862862B (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
CN115861135B (zh) | 一种应用于箱体全景探测的图像增强及识别方法 | |
CN115170576B (zh) | 基于机器视觉的铝管表面缺陷检测方法 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN115330783A (zh) | 一种钢丝绳缺陷检测方法 | |
CN115311290A (zh) | 一种精密仪器金属零部件缺陷检测方法 | |
CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN114943736B (zh) | 一种汽车散热翅片生产质量检测方法及系统 | |
CN114782432B (zh) | 一种基于纹理特征的改进canny算子的边缘检测方法 | |
CN113554629A (zh) | 基于人工智能的带钢红锈缺陷检测方法 | |
CN115619793B (zh) | 基于计算机视觉的电源适配器外观质量检测方法 | |
CN116385450B (zh) | 基于图像处理的ps片材抗耐磨性检测方法 | |
CN115082451B (zh) | 一种基于图像处理的不锈钢汤勺缺陷检测方法 | |
CN116091504B (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN114897773B (zh) | 一种基于图像处理的扭曲木材检测方法及系统 | |
CN110441319B (zh) | 一种外观缺陷的检测方法及装置 | |
CN115511907B (zh) | 一种用于led屏幕的划痕检测方法 | |
CN115274486B (zh) | 一种半导体表面缺陷识别方法 | |
CN115496692A (zh) | 一种润滑油磨粒图像增强方法 | |
CN116703251A (zh) | 基于人工智能的胶圈生产质量检测方法 | |
CN107194917B (zh) | 基于dap和arelm的在轨sar图像变化检测方法 | |
CN117705815B (zh) | 一种基于机器视觉的印刷缺陷检测方法 | |
CN114820611B (zh) | 基于人工智能的机械零件质量评估方法及系统 | |
CN113759375B (zh) | 基于统计特性的sar图像非局部均值去噪方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |