CN116485884B - 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 - Google Patents
基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 Download PDFInfo
- Publication number
- CN116485884B CN116485884B CN202310768894.8A CN202310768894A CN116485884B CN 116485884 B CN116485884 B CN 116485884B CN 202310768894 A CN202310768894 A CN 202310768894A CN 116485884 B CN116485884 B CN 116485884B
- Authority
- CN
- China
- Prior art keywords
- edge pixel
- noise
- image
- edge
- pixel point
- 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
Links
- 235000013405 beer Nutrition 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20061—Hough transform
-
- 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)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于计算机视觉的精酿啤酒瓶口实时定位方法及系统,针对现有定位识别精度不足的问题,提供以下方案:获取图像的边缘像素点;计算边缘像素点属于噪声的可能性B;对边缘像素点的噪声可能性B进行校正,得到边缘像素点为噪声的真正可能性P;依据边缘像素点为噪声的真正可能性P,确定图像内各像素点所需滤波窗口的调整系数;基于调整系数确定图像内各像素点的滤波窗口,对图像内各像素点进行中值滤波去噪。本方案通过所采集到的图像先初步计算边缘像素点属于噪声的可能性,计算校正系数,获取各边缘像素点为噪声的真正可能性,之后基于真正可能性,自适应选取滤波窗口尺寸,提高去噪效果兼顾一定的图像细节,提升识别精度。
Description
技术领域
本发明属于图像数据处理技术,更具体地说,它涉及一种基于计算机视觉的精酿啤酒瓶口实时定位方法及系统。
背景技术
中国是啤酒饮品的生产和消费大国,随着啤酒行业的迅速发展,迫切的需要原有的啤酒生产线达到现代化工业生产线的高标准要求,其中啤酒瓶口定位的准确性直接影响啤酒自动化生产的效率和质量,现多通过计算机视觉技术快速、准确的实现啤酒瓶口实时定位。
例如,公告号为CN 103523491 B的专利公开了一种瓶口定位方法,其利用图像识别技术先对瓶口上的密封环进行粗定位,若粗定位失败,再进行细定位,可以一定程度上提升检测效率。
但是,由于图像采集现场环境嘈杂、光线干扰较大,且在图像传输过程中的信号干扰,采集的图像会存在大量的噪声,影响后续啤酒瓶口的定位准确性。
发明内容
针对现有技术存在的不足,本发明的第一目的在于提供一种基于计算机视觉的精酿啤酒瓶口实时定位方法,图像数据经过处理后噪声减少,瓶口定位精准。
为实现上述目的,本发明提供了如下技术方案:
一种基于计算机视觉的精酿啤酒瓶口实时定位方法,包括:
基于采集图像,获取图像的边缘像素点;
计算边缘像素点属于噪声的可能性B;
对边缘像素点的噪声可能性B进行校正,得到边缘像素点为噪声的真正可能性P;
依据边缘像素点为噪声的真正可能性P,确定图像内各像素点所需滤波窗口的调整系数;
基于调整系数确定图像内各像素点的滤波窗口,得到自适应滤波窗口,利用自适应滤波窗口对图像内各像素点进行中值滤波去噪;
将去噪处理过的数据利用霍夫圆检测方法,实现瓶口实时定位。
采用上述技术方案,利用所采集到的图像先初步计算边缘像素点属于噪声的可能性,利用金字塔下采样前后的变化和边缘像素点的灰度特征,计算校正系数,获取各边缘像素点为噪声的真正可能性,之后基于真正可能性,由此自适应选取滤波窗口尺寸,当局部邻域内噪声较多时,赋予较大的滤波窗口尺寸,提高去噪效果,当局部邻域内噪声较少时,赋予较小的滤波窗口尺寸,保护图像细节。
通过自适应滤除窗口尺寸的中值滤波对采集的啤酒瓶口图像进行去噪处理,获取高质量的啤酒瓶口图像,用以提高后续啤酒瓶口定位的准确性和稳定性。进而利用霍夫圆检测算法精准的检测出啤酒瓶口图像内符合条件的圆形区域,获取圆心坐标和半径信息,输出定位结果,实现啤酒瓶口精准的实时定位。
进一步,在计算边缘像素点属于噪声的可能性B时,正常边缘像素点的灰度梯度方向所处直线相交于圆心,否则边缘像素点为噪声。
进一步,计算边缘像素点属于噪声的可能性B的方式为:
统计边缘线上各边缘像素点与其它每一个边缘像素点灰度梯度方向所处直线的交点坐标,进而统计同一交点坐标上的交点数量,获得数量集合,其中n表示各交点坐标的种类数量;
各边缘像素点为噪声的可能性:
其中H表示集合A的信息熵,信息熵的取值范围为[0,+∞],表示该边缘线上第i个像素点处的切线与其灰度梯度方向所处直线的夹角值,m表示该边缘线的长度;
则该边缘线上各边缘像素点为噪声的可能性集合为。
进一步,在对边缘像素点的噪声可能性B进行校正,计算边缘像素点为噪声的真正可能性P数时;
对采集的原图像进行金字塔下采样,分别去除图像的奇数行和偶数列、去除图像的奇数行和奇数列、去除图像的偶数行和偶数列、去除图像的偶数行和奇数列,形成采样后的四幅图像;
利用如下算法计算边缘像素点为噪声的真正可能性P:
其中表示该边缘线上第i个边缘像素点为噪声的可能性,m表示该边缘线的长度表示该边缘线上第i个边缘像素点的灰度值,G表示该边缘线上的标准正常边缘像素点灰度值,/>表示该边缘像素点在原图像内的灰度梯度方向所处直线与切线D的夹角值,/>表示该边缘像素点在金字塔下采样图像内的灰度梯度方向所处直线与切线D的夹角值,K表示该边缘像素点经金字塔下采样后梯度方向的变化特征,/>表示该边缘像素点为噪声的可能性,/>表示该边缘像素点的灰度值。
进一步,依据边缘像素点为噪声的真正可能性P,确定图像内各像素点所需滤波窗口的调整系数,包括:
计算获得区分的长度大于1的边缘线上各边缘像素点为噪声的真正可能性P,获得集合,其中q表示长度大于1的边缘线上的边缘像素点数量;
对该集合进行归一化操作,即令该集合中的各数据值除以该集合中的最大值,获得集合,表示对应像素点所需滤波窗口尺寸的调整系数;
再令区分的长度为1的边缘线的边缘像素点所需滤波窗口尺寸的调整系数为1,令图像内的非边缘像素点所需滤波窗口尺寸的调整系数为0,进而获得采集的图像内各像素点所需滤波窗口尺寸的调整系数。
针对现有技术存在的不足,本发明的第二目的在于提供一种存储介质,存储介质上存储有计算机程序,所述计算机程序被计算机运行时执行如上任一技术方案所述的基于计算机视觉的精酿啤酒瓶口实时定位方法所包含的步骤。图像数据处理后的噪声减少,提升数据的准确性。
针对现有技术存在的不足,本发明的第三目的在于提供一种基于计算机视觉的精酿啤酒瓶口实时定位系统,包括处理器以及存储器,所述存储器存储有指令集供所述处理器调用以实现如上任一技术方案所述基于计算机视觉的精酿啤酒瓶口实时定位方法的功能,图像数据经过处理后噪声减少,瓶口定位精准。
综上所述,本发明具有以下有益效果:
1.对图像数据中进行处理,噪声数据减少,减弱图像采集环境的影响,抑制光线和数据传输中的信号干扰;
2.仅在图像数据不能达到要求时,自动调滤波窗口尺寸,既兼顾处理效率,又保证图像细节;
3.支持图像数据的实时采集处理,应用广泛。
附图说明
图1为本发明中基于计算机视觉的精酿啤酒瓶口实时定位方法的流程示意图;
图2为本发明中基于计算机视觉的精酿啤酒瓶口实时定位系统的原理示意图。
具体实施方式
下面结合附图及实施例,对本发明进行详细描述。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
实施例1:
一种基于计算机视觉的精酿啤酒瓶口实时定位方法,减少图像数据中的噪声干扰,同时兼顾处理效率,支持实时处理。参照图1,其包括如下流程:
S101:基于采集图像,获取图像的边缘像素点;
S102:计算边缘像素点属于噪声的可能性B;
S103:对边缘像素点的噪声可能性B进行校正,得到边缘像素点为噪声的真正可能性P;
S104:依据边缘像素点为噪声的真正可能性P,确定图像内各像素点所需滤波窗口的调整系数;
S105:基于调整系数确定图像内各像素点的滤波窗口,得到自适应滤波窗口,利用自适应滤波窗口对图像内各像素点进行中值滤波去噪;
S106:将去噪处理过的数据利用霍夫圆检测方法,实现瓶口实时定位。
步骤S101之前,使用工业相机采集所需的图像信息,本实施例基于图像信息数据进行处理。以及在步骤S101中,基于图像数据,对图像进行灰度化处理。
以啤酒瓶口图像作为示例,啤酒瓶口图像内的边缘应为两个同心圆边缘,且啤酒瓶口的定位参数依据就是瓶口的两个同心圆边缘位置,而图像内的噪声点为与其邻域内像素点灰度差异较大的孤立点,利用Canny边缘检测算法,获取图像内的各边缘线以及边缘像素点,标记边缘线长度为1,即该单个边缘像素点为噪声点。当噪声点处于啤酒瓶口边缘线上或者与啤酒瓶口边缘线相邻时,会令其余的长度大于1的边缘线中会存在一些噪声点。
故步骤S102计算边缘像素点属于噪声的可能性。同样以啤酒瓶口作为示例,根据啤酒瓶口边缘的圆形的特征可知,正常的边缘像素点的灰度梯度方向所处直线应经过啤酒瓶口的圆心,即相交于圆心,否则边缘像素点为噪声。由此可分析上述步骤S101获取的边缘像素点是否为噪声点。
具体的,计算边缘像素点属于噪声的可能性B的方式为:
统计边缘线上各边缘像素点与其它每一个边缘像素点灰度梯度方向所处直线的交点坐标,进而统计同一交点坐标上的交点数量,获得数量集合,其中n表示各交点坐标的种类数量。
由此,各边缘像素点为噪声的可能性:
其中H表示集合A的信息熵,信息熵的取值范围为[0,+∞],表示该边缘线上第i个像素点处的切线与其灰度梯度方向所处直线的夹角值,m表示该边缘线的长度,进而该边缘线上各边缘像素点为噪声的可能性集合为/>。
由于啤酒瓶口的正常的边缘像素点的灰度梯度方向所处直线应经应交与啤酒瓶口的圆心点,而边缘线上的噪声点的灰度梯度方向随机,会造成各噪声点的灰度梯度方向所处直线与其他边缘像素点的灰度梯度方向所处直线的交点坐标位置混乱,即当H为0时,说明该边缘线上各边缘像素点的灰度梯度方向所处直线交与一点,该边缘线上不存在噪声点,当H大于0,且越大时,该边缘线上存在噪声的概率越大。而啤酒瓶口边缘为圆形,即正常边缘像素点的切线应为其灰度梯度方向垂直,故越接近于90,该边缘像素点受噪声的影响越小,因此用归一化的/>为/>的调整值,两者的乘积表示该边缘像素点为噪声的可能性。
步骤S103对边缘像素点的噪声可能性B进行校正,得到边缘像素点为噪声的真正可能性P,源于噪声点会影响其邻域像素点的梯度方向,故上述计算会导致边缘线上与噪声点相邻的正常边缘像素点被误分为噪声点。因此需要根据噪声特征,获取边缘线上各边缘像素点为噪声的真正可能性。
因此,在步骤S103中,对采集的啤酒瓶口图像进行金字塔下采样,分别去除图像的奇数行和偶数列、去除图像的奇数行和奇数列、去除图像的偶数行和偶数列、去除图像的偶数行和奇数列,获取四幅金字塔下采样后的图像,相当于将原啤酒瓶口图像分割为四幅图像。
取上述选取的边缘线中的一个边缘像素点为例,在原啤酒瓶口图像中统计该边缘线上该边缘像素点出的切线为D,则该边缘像素点为噪声的真正可能性P为:
其中表示该边缘线上第i个边缘像素点为噪声的可能性,m表示该边缘线的长度表示该边缘线上第i个边缘像素点的灰度值,G表示该边缘线上的标准正常边缘像素点灰度值,/>表示该边缘像素点在原图像内的灰度梯度方向所处直线与切线D的夹角值,/>表示该边缘像素点在金字塔下采样图像内的灰度梯度方向所处直线与切线D的夹角值,K表示该边缘像素点经金字塔下采样后梯度方向的变化特征,/>表示该边缘像素点为噪声的可能性,/>表示该边缘像素点的灰度值。
已知啤酒瓶口的边缘为圆形,其金字塔下采样后边缘仍为圆形,且图像内的噪声点孤立存在,当较大的为与噪声点相邻的正常边缘点时,金字塔下采样后会剔除其相邻的噪声点,此时该改正常边缘点的灰度梯度方向与其对应切线垂直,因此当/>时,且越大,该边缘像素点为与噪声相邻的正常边缘像素点的概率越大,故其对/>的调整应越小,即为/>。而当/>时,说明其为噪声点或者在原图像内不与噪声相邻的正常边缘点,金字塔下采样后,其灰度梯度方向与对应切线夹角不变或者变小,说明计算的/>准确,故令此时的K为1。并且同一边缘线上的正常边缘像素点灰度值应相似,即/>越小,对应的边缘像素点灰度值越可信,故以/>为权重,对/>进行加权求和,获取该边缘线上的标准正常边缘像素点灰度值G,即当/>越小,该边缘像素点为正常边缘像素点的概率越大。因此用归一化的K为/>的调整值,即归一化的/>为/>的校正系数,进而计算获得该边缘像素点为噪声的真正可能性。
基于上述对步骤S103详细说明,同理可以计算获得区分的长度大于1的边缘线上各边缘像素点为噪声的真正可能性P,获得集合,其中q表示长度大于1的边缘线上的边缘像素点数量;
对该集合进行归一化操作,即令该集合中的各数据值除以该集合中的最大值,获得集合,表示对应像素点所需滤波窗口尺寸的调整系数;
再令区分的长度为1的边缘线的边缘像素点所需滤波窗口尺寸的调整系数为1,令图像内的非边缘像素点所需滤波窗口尺寸的调整系数为0,进而获得采集的图像内各像素点所需滤波窗口尺寸的调整系数。
作为一个具体示例,本方案选取正方形滤波窗口,设滤波窗口尺寸的最小值为3,最大值为9。再设置阈值为0.3,实施者可根据实际需求自行设定。在啤酒瓶口图像内进行逐像素点遍历,令初始窗口尺寸3,计算窗口内各像素点所需滤波窗口尺寸的调整系数的均值,若该均值小于等于阈值0.3,则认定该滤波窗口尺寸合适,若当该均值大于阈值0.3时,则令滤波窗口尺寸加2为5,再计算此时窗口内各像素点所需滤波窗口尺寸的调整系数的均值,判断该均值是否小于等于阈值0.3,直至符合阈值,确定滤波窗口尺寸,或者达到最大滤波窗口尺寸。由此完成啤酒瓶口图像内各像素点对应滤波窗口尺寸的自适应选取。
通过步骤S105,基于调整系数确定图像内各像素点的滤波窗口,得到自适应滤波窗口,利用自适应滤波窗口对图像内各像素点进行中值滤波去噪,至此利用自适应滤波窗口尺寸的中值滤波,即可实现啤酒瓶口图像的去噪处理,获取高质量的啤酒瓶口图像。
在步骤S106中,霍夫圆检测是一种常用的机器视觉算法,可以快速准确地检测图像中的圆形物体,因此本方案利用霍夫圆检测方法实现精酿啤酒瓶口的实时定位。
相对进步的是,本方案通过上述步骤一的自适应滤除窗口尺寸的中值滤波对采集的啤酒瓶口图像进行去噪处理,获取高质量的啤酒瓶口图像,用以提高后续啤酒瓶口定位的准确性和稳定性。进而利用霍夫圆检测算法精准的检测出啤酒瓶口图像内符合条件的圆形区域,获取圆心坐标和半径信息,输出定位结果,实现啤酒瓶口精准的实时定位。
实施例2:
一种存储介质,基于前述的实施例1。本例的存储介质可用于存储计算机程序,该计算机程序被计算机运行时执行如实施例1中的基于计算机视觉的精酿啤酒瓶口实时定位方法所包含的步骤。
实施例3:
一种基于计算机视觉的精酿啤酒瓶口实时定位系统,同样基于前述的实施例1,参照图2,包括处理器以及存储器,该存储器存储有指令集供处理器调用以实现如实施例1中的基于计算机视觉的精酿啤酒瓶口实时定位方法的功能。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于计算机视觉的精酿啤酒瓶口实时定位方法,其特征在于:包括:
基于采集图像,获取图像的边缘像素点;
计算边缘像素点属于噪声的可能性B;
对边缘像素点的噪声可能性B进行校正,得到边缘像素点为噪声的真正可能性P;
依据边缘像素点为噪声的真正可能性P,确定图像内各像素点所需滤波窗口的调整系数;
基于调整系数确定图像内各像素点的滤波窗口,得到自适应滤波窗口,利用自适应滤波窗口对图像内各像素点进行中值滤波去噪;
将去噪处理过的数据利用霍夫圆检测方法,实现瓶口实时定位;
在计算边缘像素点属于噪声的可能性B时,正常边缘像素点的灰度梯度方向所处直线相交于圆心,否则边缘像素点为噪声;
计算边缘像素点属于噪声的可能性B的方式为:
统计边缘线上各边缘像素点与其它每一个边缘像素点灰度梯度方向所处直线的交点坐标,进而统计同一交点坐标上的交点数量,获得数量集合,其中n表示各交点坐标的种类数量;
各边缘像素点为噪声的可能性:
其中H表示集合A的信息熵,信息熵的取值范围为[0,+∞],表示该边缘线上第i个像素点处的切线与其灰度梯度方向所处直线的夹角值,m表示该边缘线的长度;
则该边缘线上各边缘像素点为噪声的可能性集合为;
在对边缘像素点的噪声可能性B进行校正,计算边缘像素点为噪声的真正可能性P数时;
对采集的原图像进行金字塔下采样,分别去除图像的奇数行和偶数列、去除图像的奇数行和奇数列、去除图像的偶数行和偶数列、去除图像的偶数行和奇数列,形成采样后的四幅图像;
利用如下算法计算边缘像素点为噪声的真正可能性P:
其中表示该边缘线上第i个边缘像素点为噪声的可能性,m表示该边缘线的长度,/>表示该边缘线上第i个边缘像素点的灰度值,G表示该边缘线上的标准正常边缘像素点灰度值,/>表示该边缘像素点在原图像内的灰度梯度方向所处直线与切线D的夹角值,/>表示该边缘像素点在金字塔下采样图像内的灰度梯度方向所处直线与切线D的夹角值,K表示该边缘像素点经金字塔下采样后梯度方向的变化特征,/>表示该边缘像素点为噪声的可能性,/>表示该边缘像素点的灰度值;
依据边缘像素点为噪声的真正可能性P,确定图像内各像素点所需滤波窗口的调整系数,包括:
计算获得区分的长度大于1的边缘线上各边缘像素点为噪声的真正可能性P,获得集合,其中q表示长度大于1的边缘线上的边缘像素点数量;
对该集合进行归一化操作,即令该集合中的各数据值除以该集合中的最大值,获得集合,表示对应像素点所需滤波窗口尺寸的调整系数;
再令区分的长度为1的边缘线的边缘像素点所需滤波窗口尺寸的调整系数为1,令图像内的非边缘像素点所需滤波窗口尺寸的调整系数为0,进而获得采集的图像内各像素点所需滤波窗口尺寸的调整系数。
2.一种存储介质,其特征在于:所述存储介质上存储有计算机程序,所述计算机程序被计算机运行时执行如权利要求1所述基于计算机视觉的精酿啤酒瓶口实时定位方法包含的步骤。
3.一种基于计算机视觉的精酿啤酒瓶口实时定位系统,其特征在于:包括处理器以及存储器,所述存储器存储有指令集供所述处理器调用以实现如权利要求1所述基于计算机视觉的精酿啤酒瓶口实时定位方法的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768894.8A CN116485884B (zh) | 2023-06-28 | 2023-06-28 | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768894.8A CN116485884B (zh) | 2023-06-28 | 2023-06-28 | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116485884A CN116485884A (zh) | 2023-07-25 |
CN116485884B true CN116485884B (zh) | 2023-09-12 |
Family
ID=87223644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310768894.8A Active CN116485884B (zh) | 2023-06-28 | 2023-06-28 | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485884B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455800B (zh) * | 2023-12-22 | 2024-03-15 | 肥城新查庄地质勘查有限公司 | 基于计算机视觉的煤矿钻探定位方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109009085A (zh) * | 2018-07-06 | 2018-12-18 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及系统 |
WO2021068486A1 (zh) * | 2019-10-12 | 2021-04-15 | 深圳壹账通智能科技有限公司 | 基于图像识别的视力检测方法、装置、及计算机设备 |
CN113112471A (zh) * | 2021-04-09 | 2021-07-13 | 南京大学 | 基于ri-hog特征及快速金字塔的目标检测方法 |
CN113212352A (zh) * | 2020-02-06 | 2021-08-06 | 佛吉亚歌乐电子有限公司 | 图像处理装置以及图像处理方法 |
CN113313641A (zh) * | 2021-04-28 | 2021-08-27 | 北京理工大学 | 一种自适应中值滤波的ct图像去噪方法 |
WO2021217643A1 (zh) * | 2020-04-30 | 2021-11-04 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、装置及可移动平台 |
CN113763270A (zh) * | 2021-08-30 | 2021-12-07 | 青岛信芯微电子科技股份有限公司 | 蚊式噪声去除方法及电子设备 |
WO2021258832A1 (zh) * | 2020-06-23 | 2021-12-30 | 青岛科技大学 | 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法 |
CN115359541A (zh) * | 2022-08-30 | 2022-11-18 | 北京龙智数科科技服务有限公司 | 人脸图像聚类方法、装置、电子设备及存储介质 |
CN115619795A (zh) * | 2022-09-19 | 2023-01-17 | 南京鑫鼎云科技有限公司 | 一种基于偏斜分布的脑mr和自然图像分割方法 |
CN115661147A (zh) * | 2022-12-26 | 2023-01-31 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 基于机器视觉的计量检测数据识别方法 |
CN116012357A (zh) * | 2023-02-09 | 2023-04-25 | 河南职业技术学院 | 基于机器视觉的汽车圆形拖车孔气纹缺陷检测方法 |
CN116152133A (zh) * | 2023-04-20 | 2023-05-23 | 山东超越纺织有限公司 | 基于人工智能的混纺缺陷检测方法 |
CN116188462A (zh) * | 2023-04-24 | 2023-05-30 | 深圳市翠绿贵金属材料科技有限公司 | 一种基于视觉鉴定的贵金属质量检测方法及系统 |
CN116309579A (zh) * | 2023-05-19 | 2023-06-23 | 惠州市宝惠电子科技有限公司 | 一种用图像处理的变压器焊缝质量检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8233681B2 (en) * | 2004-09-24 | 2012-07-31 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer program products for hierarchical registration between a blood vessel and tissue surface model for a subject and a blood vessel and tissue surface image for the subject |
CN111242137B (zh) * | 2020-01-13 | 2023-05-26 | 江西理工大学 | 一种基于形态成分分析的椒盐噪声滤波方法、装置 |
CN112950508B (zh) * | 2021-03-12 | 2022-02-11 | 中国矿业大学(北京) | 一种基于计算机视觉的排水管道视频数据修复方法 |
US20220375039A1 (en) * | 2021-05-13 | 2022-11-24 | Seoul National University R&Db Foundation | Image processing device for image denoising |
-
2023
- 2023-06-28 CN CN202310768894.8A patent/CN116485884B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109009085A (zh) * | 2018-07-06 | 2018-12-18 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及系统 |
WO2021068486A1 (zh) * | 2019-10-12 | 2021-04-15 | 深圳壹账通智能科技有限公司 | 基于图像识别的视力检测方法、装置、及计算机设备 |
CN113212352A (zh) * | 2020-02-06 | 2021-08-06 | 佛吉亚歌乐电子有限公司 | 图像处理装置以及图像处理方法 |
WO2021217643A1 (zh) * | 2020-04-30 | 2021-11-04 | 深圳市大疆创新科技有限公司 | 红外图像处理方法、装置及可移动平台 |
WO2021258832A1 (zh) * | 2020-06-23 | 2021-12-30 | 青岛科技大学 | 基于自适应窗口滤波和小波阈值优化的水声信号去噪方法 |
CN113112471A (zh) * | 2021-04-09 | 2021-07-13 | 南京大学 | 基于ri-hog特征及快速金字塔的目标检测方法 |
CN113313641A (zh) * | 2021-04-28 | 2021-08-27 | 北京理工大学 | 一种自适应中值滤波的ct图像去噪方法 |
CN113763270A (zh) * | 2021-08-30 | 2021-12-07 | 青岛信芯微电子科技股份有限公司 | 蚊式噪声去除方法及电子设备 |
CN115359541A (zh) * | 2022-08-30 | 2022-11-18 | 北京龙智数科科技服务有限公司 | 人脸图像聚类方法、装置、电子设备及存储介质 |
CN115619795A (zh) * | 2022-09-19 | 2023-01-17 | 南京鑫鼎云科技有限公司 | 一种基于偏斜分布的脑mr和自然图像分割方法 |
CN115661147A (zh) * | 2022-12-26 | 2023-01-31 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 基于机器视觉的计量检测数据识别方法 |
CN116012357A (zh) * | 2023-02-09 | 2023-04-25 | 河南职业技术学院 | 基于机器视觉的汽车圆形拖车孔气纹缺陷检测方法 |
CN116152133A (zh) * | 2023-04-20 | 2023-05-23 | 山东超越纺织有限公司 | 基于人工智能的混纺缺陷检测方法 |
CN116188462A (zh) * | 2023-04-24 | 2023-05-30 | 深圳市翠绿贵金属材料科技有限公司 | 一种基于视觉鉴定的贵金属质量检测方法及系统 |
CN116309579A (zh) * | 2023-05-19 | 2023-06-23 | 惠州市宝惠电子科技有限公司 | 一种用图像处理的变压器焊缝质量检测方法 |
Non-Patent Citations (1)
Title |
---|
"FPGA implementation of an adaptive Window size image impulse noise suppression system";Parham Taghinia Jelodari等;《Journal of Real-Time Processing》(第16期);第1-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116485884A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
CN110992326B (zh) | 一种qfn芯片引脚图像快速倾斜校正方法 | |
CN111462066B (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN116310360A (zh) | 一种电抗器表面缺陷检测方法 | |
CN116485884B (zh) | 基于计算机视觉的精酿啤酒瓶口实时定位方法及系统 | |
CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN117152137B (zh) | 基于图像处理的焊管腐蚀状态检测方法 | |
CN110569857B (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
CN115330767B (zh) | 一种腐蚀箔生产异常识别方法 | |
CN115063430B (zh) | 基于图像处理的电气管道裂纹检测方法 | |
CN116993731B (zh) | 基于图像的盾构机刀头缺陷检测方法 | |
CN110414308B (zh) | 一种针对输电线路上动态异物的目标识别方法 | |
CN115082481A (zh) | 一种用于齿轮的图像增强方法 | |
CN115290663B (zh) | 基于光学检测的Mini LED晶圆外观缺陷检测方法 | |
CN108445009B (zh) | 一种太阳能电池板裂纹检测方法 | |
CN117974637B (zh) | 基于图像特征的引导轮裂纹缺陷智能检测方法及系统 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN110688871A (zh) | 一种基于条码识别的边缘检测方法 | |
CN115272336A (zh) | 基于梯度向量的金属零件缺陷精准检测方法 | |
CN117808799B (zh) | 基于人工智能的倒角设备加工质量检测方法 | |
CN117522778A (zh) | 一种空心砖瑕疵检测系统 | |
CN116563298A (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN116843761A (zh) | 螺栓尺寸测量方法和装置、电子设备及存储介质 | |
CN109949245B (zh) | 十字激光检测定位方法、装置、存储介质及计算机设备 | |
CN114067122A (zh) | 一种两级式二值化图像处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |