CN116664453A - 一种用于游泳触摸板的pet板检测方法 - Google Patents
一种用于游泳触摸板的pet板检测方法 Download PDFInfo
- Publication number
- CN116664453A CN116664453A CN202310945371.6A CN202310945371A CN116664453A CN 116664453 A CN116664453 A CN 116664453A CN 202310945371 A CN202310945371 A CN 202310945371A CN 116664453 A CN116664453 A CN 116664453A
- Authority
- CN
- China
- Prior art keywords
- image block
- main image
- underwater
- gray scale
- gray
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 230000009182 swimming Effects 0.000 title claims abstract description 25
- 229920000139 polyethylene terephthalate Polymers 0.000 title abstract description 23
- 239000005020 polyethylene terephthalate Substances 0.000 title abstract description 23
- -1 polyethylene terephthalate Polymers 0.000 title abstract description 5
- 238000009499 grossing Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域,提出了一种用于游泳触摸板的PET板检测方法,包括:获取水下灰度图;根据水下灰度图的信噪比获取图像块的大小;获取每个像素点对应的主图像块以及此时的若干图像块,根据主图像块与其对应的图像块内像素点的灰度值获取主图像块与图像块的相似性;根据水下灰度图的信噪比以及主图像块与图像块的相似性获取主图像块与图像块的平滑参数,并结合相似性获取主图像块与图像块的权重因子;根据每个像素点的主图像块与其对应的所有图像块的权重因子对水下灰度图去噪获取去噪水下灰度图,根据去噪水下灰度图完成PET版的检测。本发明能够通过分析图像的整体和局部来自适应的选取平滑系数的大小,达到更好的去噪效果。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种用于游泳触摸板的PET板检测方法。
背景技术
游泳触摸板是游泳比赛中的重要设备之一,其主要作用是为游泳运动员提供一个结束比赛的标志和计时点。当运动员游完比赛的距离后,需要用手触碰游泳触摸板,以便结束比赛并记录比赛成绩。因此游泳触摸板的质量会影响比赛的公正性和比赛的公平性,因此需要定期对游泳触摸板进行质量检测,一般容易出现的表面缺陷有裂纹、划痕、凹坑等,这些缺陷都比较明显,容易进行检测,但是因为游泳触摸板一般都在水下的位置,在水下拍照会有大量的噪声产生从而影响检测结果,因此对拍摄到的图像如何进行去噪处理从而使得缺陷更容易被进行检测是本次发明研究的重点。
NL-means算法计算量过大,每幅图像都按照一个标准来进行运算会产生大量的计算时间,并且平滑参数的大小会对去噪结果产生很大的影响,非自适应的平滑参数会使去噪效果无法根据图像的实际情况来发生改变从而导致图像去噪效果不佳。
发明内容
本发明提供一种用于游泳触摸板的PET板检测方法,以解决图像去噪效果不佳的问题,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用于游泳触摸板的PET板检测方法,该方法包括以下步骤:
获取水下灰度图;
根据水下灰度图中所有像素点的灰度值获取水下灰度图的信噪比,根据信噪比获取图像块的大小;
获取每个像素点对应的主图像块,在每个像素点为主图像块时获取此时水下灰度图的若干图像块,根据每个像素点的主图像块与其对应的图像块内每个像素点的灰度值获取每个像素点的主图像块与其对应的每个图像块的相似性;
根据水下灰度图的信噪比以及主图像块与图像块的相似性获取主图像块与图像块的平滑参数;根据主图像块与图像块的平滑参数以及相似性获取主图像块与图像块的权重因子;
获取每个像素点的主图像块与其对应的所有图像块的权重因子,根据每个像素点的主图像块与其对应的所有图像块的权重因子以及图像块的灰度信息获取每个像素点的去噪灰度值;根据像素点的去噪灰度值获取去噪水下灰度图,根据去噪水下灰度图完成PET版的检测。
优选的,所述根据水下灰度图中所有像素点的灰度值获取水下灰度图的信噪比,根据信噪比获取图像块的大小的方法为:
获取水下灰度图所有像素点的灰度均值,根据灰度均值获取水下灰度图中像素点灰度值的标准差作为噪声值;
根据灰度均值平方与噪声值平方的比值获取水下灰度图的信噪比;
图像块的大小与灰度图的信噪比呈反比关系。
优选的,所述根据每个像素点的主图像块与其对应的图像块内每个像素点的灰度值获取每个像素点的主图像块与其对应的每个图像块的相似性的方法为:
对于水下灰度图的像素点,以任意一个像素点为中心得到一个主图像块,当水下灰度图存在一个主图像块后,在水下灰度图中填充和主图像块大小相同的图像块直到水下灰度图不能出现新的图像块为止;
计算水下灰度图中每个像素点对应的主图像块与此时填充的每个图像块的灰度值的均方误差,令均方误差作为主图像块与填充的每个图像块的相似性。
优选的,所述在水下灰度图中填充和主图像块大小相同的图像块的方法为:
在水下灰度图确定主图像块后,令填充的图像块和主图像块对应的行一样,主图像块左右两侧的列与填充的图像块左右两侧的列相邻,填充时需要满足图像块的中心点在水下灰度图内,若与主图像块行对其的图像块填充完毕后,将主图像块对应的所有行的填充结果复制到剩下的行中,使得水下灰度图填充完毕后,图像块之间不存在空隙,图像块之间互不重叠;
对于图像块超出水下灰度图边界的图像块,根据灰度均值计算得到主图像块与图像块之间的相似性;
对于不在图像块内部的像素点,根据像素点本身的灰度值得到主图像块与像素点的相似性。
优选的,所述对于图像块超出水下灰度图边界的图像块,根据灰度均值计算得到主图像块与图像块之间的相似性的方法为:
若图像块的一部分不在水下灰度图中,那么将图像块中在水下灰度图中的像素点记为保留像素点,获取所有保留像素点的灰度值均值,将图像块不在水下灰度图的点的灰度值为保留像素点的灰度值均值,之后计算主图像块与图像块的灰度值的均方误差作为主图像块与图像块之间的相似性。
优选的,对于不在图像块内部的像素点,根据像素点本身的灰度值得到主图像块与像素点的相似性的方法为:
在图像块填充完毕后,将不在图像块内的像素点记为离散像素点,对于每个离散像素点,计算与主图像块所有像素点的灰度值的均方误差作为离散像素点与主图像块的相似性。
优选的,所述根据水下灰度图的信噪比以及主图像块与图像块的相似性获取主图像块与图像块的平滑参数的方法为:
式中,表示图像块边长的长度,表示水下灰度图的信噪比,表示
主图像块A与其对应的第v个图像块的相似性,表示主图像块A与其对应的第v个图
像块的平滑参数。
优选的,所述根据主图像块与图像块的平滑参数以及相似性获取主图像块与图像块的权重因子的方法为:
式中,表示主图像块A与其对应的第v个图像块的相似性,表示
主图像块A与其对应的第v个图像块的平滑参数,表示以自然常数为底的指数函数,表示主图像块与其对应的所有图像块的权重和,表示主图像块A与其对应
的第v个图像块的权重因子。
优选的,所述根据每个像素点的主图像块与其对应的所有图像块的权重因子以及图像块的灰度信息获取每个像素点的去噪灰度值的方法为:
获取每个像素点的主图像块对应的所有图像块的中心像素点的灰度值,令每个像素点的主图像块与其对应的所有图像块的权重因子与图像块的中心像素点的灰度值相乘累加得到每个像素点的去噪灰度值。
本发明的有益效果是:本发明能够提前根据图像的质量来决定后续进行相似度计算的图像块的尺寸大小,从而在处理图像质量高的图像时可以节省算力,在处理图像质量低的图像时会提高噪声的处理力度,达到更好的去噪效果并且能够通过分析图像的整体和局部来自适应的选取平滑系数的大小,尽可能的做到在去噪的同时也保留图像的细节,从而使得去噪之后的图像更加的真实。
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,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地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种用于游泳触摸板的PET板检测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例提供的一种用于游泳触摸板的PET板检测方法流程图,该方法包括以下步骤:
步骤S001,使用相机获取水下灰度图。
由于游泳触摸板的PET板有一部分在水下,而水下部分的PET板在采集时会出现大量噪声,因此本实施例使用CCD相机采集PET板水下部分的图像,并将采集的PET板的水下部分的图像进行灰度化得到水下灰度图。
至此,得到水下灰度图。
步骤S002,获取水下灰度图的信噪比,进而根据信噪比获取图像块大小。
对于采集到的水下灰度图,由于在水下,采集过程中不可避免的会有大量的噪声产生,噪声的存在会对缺陷检测存在干扰,使得缺陷检测的结果变得不准确。而一般来说图像中包含的信息不是混乱的,具备相似性,图像中每一个像素点都不是独立存在的,一个像素点可能与图像的其余像素点都表现出很强的相似性,因此可以通过像素点之间的相似性分析原本限速点的灰度值,修复被噪声影响的像素点达到去噪的效果。
在计算图像像素点之间的相似性时,为了改善加权系数对噪声的鲁棒性,需要将像素点之间的相似性变化为计算图像块之间的相似性,因此图像块尺寸和形状就会对去噪效果产生影响,为了方便后续计算,将图像块选择为正方形。当图像块的尺寸较小时,那么后续计算的相似性数据就越多,去噪效果就越强,但是相对应的就会产生更多的计算,花费更长的时间。当图像块的尺寸较大时,后续相似性的数据就越少,去噪效果就会减弱,但是计算量会大大减小,节省更多的时间。因此对图像块进行尺寸选择时,先计算水下灰度图的信噪比来衡量水下灰度图的图像质量,通过水下灰度图的图像质量来选择图像块尺寸。
具体的,获取水下灰度图中所有像素点的灰度值均值记为,根据水下灰度图中
每个像素点的灰度值与灰度值均值的差异获取试下灰度图的噪声值,根据计算出来水下灰
度图的噪声值获取水下灰度图的信噪比,获取信噪比的方法为:
式中,表示水下灰度图中所有像素点的灰度值均值,表示水下灰度图中坐
标为的像素点的灰度值,、分别表示水下灰度图的长度和宽度,表示水下灰
度图中像素点的数量,表示噪声值,表示水下灰度图的信噪比。
由于信噪比越大,图像质量越好,图像块可以越大,基于此根据信噪比获取图像块的大小,公式如下:
式中,表示水下灰度图的信噪比,、、表示参数因子,在本实施例中,参数
因子,,,表示以自然常数为底的指数函数,表示图像块的边
长的长度,表示取的整数部分。
由此得到图像块的大小为,且为了后续计算需要令图像块边长为奇数,因此
若的求值为小数时,为离其最近的奇数,若的求值为整数
时,则取整数两侧任意一个奇数,其中的取值范围为[3,29]。
至此,获取了图像块的大小。
步骤S003,获取每个像素点的主图像块,并填充图像块,获取主图像块与图像块的相似性,根据相似性获取平滑参数,根据平滑参数以及相似性获取主图像块与图像块的权重因子。
将水下灰度图的任意一个像素点都得到一个主图像块,令该像素点为主图像块的中心点,在水下灰度图中同时只存在一个主图像块,对于水下灰度图,得到主图像块后,令填充的图像块和主图像块对应的行一样,主图像块左右两侧的列与填充的图像块左右两侧的列相邻,填充时需要满足图像块的中心点在水下灰度图内,若与主图像块行对其的图像块填充完毕后,将主图像块对应的所有行的填充结果复制到剩下的行中,使得水下灰度图填充完毕后,图像块之间不存在空隙,图像块之间互不重叠,填充的图像块与主图像块大小相同;获取若干图像块,若存在剩余像素点构不成图像块,则保留像素点,由此对于每个主图像块得到与其余所有图像块的相似性,主图像块与其余一个图像块的相似性由均方误差影响,公式如下:
式中,表示主图像块A内坐标为的像素点的灰度值,表示图像
块B内坐标为的像素点的灰度值,表示图像块边长的长度,表示主图像块A
和图像块B的均方误差即相似性。MES的值越大,说明两个图像块之间的相似性越低,反之,
MSE的值越小则说明两个图像块之间的相似性越高。
若图像块的一部分不在水下灰度图中,那么将图像块中在水下灰度图中的像素点记为保留像素点,获取所有保留像素点的灰度值均值,将图像块不在水下灰度图的点的灰度值为保留像素点的灰度值均值。
对于每个主图像块以及其对应的所有图像块在水下灰度图中分布后,存在若干构不成图像块的像素点,即像素点不在图像块中,对于这些像素点记为离散像素点,对于每个离散像素点,计算与主图像块所有像素点的灰度值的均方误差作为该离散像素点与主图像块的相似性,此时将一个离散像素点作为一个图像块。
在本实施例中,对于去噪的分析,平滑参数是一个很重要参数,平滑参数的值越大,则图像的去噪效果越好,但是图像损失的细节就越多,图像就会变得更加模糊,反之,平滑参数的值越小,则图像的去噪效果越差,但是图像保留的细节就越多。因此为了得到合适的平滑参数,需要根据图像块的尺寸大小和相似性,以及整体图像的信噪比来进行综合考虑从而得到最适合的平滑参数。
当图像块的尺寸越大时,里面包含的细节就越多,因此需要对水下灰度图的细节进行一定保护,因此图像块的尺寸K越大,则平滑参数就越小,二者之间成反比关系。两个图像块之间的相似性也会对平滑参数的选取产生一定的影响,当MSE的取值越小时,说明两个图像块之间的相似性越强,则去噪效果不需要那么强,平滑参数的取值就相对应的应该小一点,因此图像块之间的相似性与平滑参数的选取成正比关系。而水下灰度图的信噪比则反映了水下灰度图的质量,水下灰度图质量越高,说明水下灰度图的噪音越少,自然平滑参数就应该选取更小来防止丢失一些细节,因此水下灰度图的信噪比与平滑参数的选取成反比关系。
基于上述分析,根据所得到的水下灰度图的信噪比和图像块之间的相似性获取图像块的平滑参数,公式如下:
式中,表示图像块边长的长度,表示水下灰度图的信噪比,表示
主图像块A与其对应的第v个图像块的相似性,表示主图像块A与其对应的第v个图
像块的平滑参数。
为了能够尽可能的减少水下灰度图中的噪声从而使得可以准确的检测出游泳触摸PET板的表面缺陷问题,需要将获得的水下灰度图进行整体和局部的分析,在尽可能的保留水下灰度图细节的情况下进行去噪。因此在处理图像质量好并且因为图像块比较大而包含更多细节的图像时,尽可能的降低平滑参数来保留细节,而在处理MSE比较大相关性比较弱可能包含更多噪声的图像时,尽可能的增高平滑参数来使降噪效果变得更好。
根据所得到的主图像块和其对应的图像块之间的相似性和平滑参数得到主图像块的权重,公式如下:
式中,表示主图像块A与其对应的第v个图像块的相似性,表示
主图像块A与其对应的第v个图像块的平滑参数,表示以自然常数为底的指数函数,表示主图像块与其对应的所有图像块的权重和,表示主图像块A与其对应
的第v个图像块的权重因子。
至此,获取每个主图像块与其对应的图像块的权重因子。
步骤S004,根据权重因子对水下灰度图进行去噪,完成缺陷检测。
将水下灰度图中的每个像素点依次获取主图像块,获取每个像素点的主图像块与其对应的图像块的权重因子。
因为水下环境复杂导致采集到的游泳触摸PET板的图像有大量的噪声干扰,因此若不进行去噪处理则无法完成对触摸板的表面缺陷检测。通过以上步骤已经得到了图像块之间的权重,接下来则需要对每个像素点的灰度值进行修正,修正的方式如下:
式中,表示主图像块A对应的第v个图像块中心像素点的灰度值,表示
主图像块A与其对应的第v个图像块的权重因子,表示主图像块A中心像素点
经过去噪后新的灰度值。
至此,以每个像素点获取主图像块,根据上述步骤对每个像素点修正,即对水下灰度图完成去噪,去噪后使用常规红外线缺陷检测方法即可检测出游泳触摸PET板的表面缺陷。水面上部分使用常规红外线缺陷检测方法检测,两者结合即可对PET板完成检测。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种用于游泳触摸板的PET板检测方法,其特征在于,该方法包括以下步骤:
获取水下灰度图;
根据水下灰度图中所有像素点的灰度值获取水下灰度图的信噪比,根据信噪比获取图像块的大小;
获取每个像素点对应的主图像块,在每个像素点为主图像块时获取此时水下灰度图的若干图像块,根据每个像素点的主图像块与其对应的图像块内每个像素点的灰度值获取每个像素点的主图像块与其对应的每个图像块的相似性;
根据水下灰度图的信噪比以及主图像块与图像块的相似性获取主图像块与图像块的平滑参数;根据主图像块与图像块的平滑参数以及相似性获取主图像块与图像块的权重因子;
获取每个像素点的主图像块与其对应的所有图像块的权重因子,根据每个像素点的主图像块与其对应的所有图像块的权重因子以及图像块的灰度信息获取每个像素点的去噪灰度值;根据像素点的去噪灰度值获取去噪水下灰度图,根据去噪水下灰度图完成PET版的检测。
2.根据权利要求1所述的一种用于游泳触摸板的PET板检测方法,其特征在于,所述根据水下灰度图中所有像素点的灰度值获取水下灰度图的信噪比,根据信噪比获取图像块的大小的方法为:
获取水下灰度图所有像素点的灰度均值,根据灰度均值获取水下灰度图中像素点灰度值的标准差作为噪声值;
根据灰度均值平方与噪声值平方的比值获取水下灰度图的信噪比;
图像块的大小与灰度图的信噪比呈反比关系。
3.根据权利要求1所述的一种用于游泳触摸板的PET板检测方法,其特征在于,所述根据每个像素点的主图像块与其对应的图像块内每个像素点的灰度值获取每个像素点的主图像块与其对应的每个图像块的相似性的方法为:
对于水下灰度图的像素点,以任意一个像素点为中心得到一个主图像块,当水下灰度图存在一个主图像块后,在水下灰度图中填充和主图像块大小相同的图像块直到水下灰度图不能出现新的图像块为止;
计算水下灰度图中每个像素点对应的主图像块与此时填充的每个图像块的灰度值的均方误差,令均方误差作为主图像块与填充的每个图像块的相似性。
4.根据权利要求3所述的一种用于游泳触摸板的PET板检测方法,其特征在于,所述在水下灰度图中填充和主图像块大小相同的图像块的方法为:
在水下灰度图确定主图像块后,令填充的图像块和主图像块对应的行一样,主图像块左右两侧的列与填充的图像块左右两侧的列相邻,填充时需要满足图像块的中心点在水下灰度图内,若与主图像块行对其的图像块填充完毕后,将主图像块对应的所有行的填充结果复制到剩下的行中,使得水下灰度图填充完毕后,图像块之间不存在空隙,图像块之间互不重叠;
对于图像块超出水下灰度图边界的图像块,根据灰度均值计算得到主图像块与图像块之间的相似性;
对于不在图像块内部的像素点,根据像素点本身的灰度值得到主图像块与像素点的相似性。
5.根据权利要求4所述的一种用于游泳触摸板的PET板检测方法,其特征在于,所述对于图像块超出水下灰度图边界的图像块,根据灰度均值计算得到主图像块与图像块之间的相似性的方法为:
若图像块的一部分不在水下灰度图中,那么将图像块中在水下灰度图中的像素点记为保留像素点,获取所有保留像素点的灰度值均值,将图像块不在水下灰度图的点的灰度值为保留像素点的灰度值均值,之后计算主图像块与图像块的灰度值的均方误差作为主图像块与图像块之间的相似性。
6.根据权利要求4所述的一种用于游泳触摸板的PET板检测方法,其特征在于,所述对于不在图像块内部的像素点,根据像素点本身的灰度值得到主图像块与像素点的相似性的方法为:
在图像块填充完毕后,将不在图像块内的像素点记为离散像素点,对于每个离散像素点,计算与主图像块所有像素点的灰度值的均方误差作为离散像素点与主图像块的相似性。
7.根据权利要求1所述的一种用于游泳触摸板的PET板检测方法,其特征在于,所述根据水下灰度图的信噪比以及主图像块与图像块的相似性获取主图像块与图像块的平滑参数的方法为:
式中,表示图像块边长的长度,/>表示水下灰度图的信噪比,/>表示主图像块A与其对应的第v个图像块的相似性,/>表示主图像块A与其对应的第v个图像块的平滑参数。
8.根据权利要求1所述的一种用于游泳触摸板的PET板检测方法,其特征在于,所述根据主图像块与图像块的平滑参数以及相似性获取主图像块与图像块的权重因子的方法为:
式中,表示主图像块A与其对应的第v个图像块的相似性,/>表示主图像块A与其对应的第v个图像块的平滑参数,/>表示以自然常数为底的指数函数,/>表示主图像块与其对应的所有图像块的权重和,/>表示主图像块A与其对应的第v个图像块的权重因子。
9.根据权利要求1所述的一种用于游泳触摸板的PET板检测方法,其特征在于,所述根据每个像素点的主图像块与其对应的所有图像块的权重因子以及图像块的灰度信息获取每个像素点的去噪灰度值的方法为:
获取每个像素点的主图像块对应的所有图像块的中心像素点的灰度值,令每个像素点的主图像块与其对应的所有图像块的权重因子与图像块的中心像素点的灰度值相乘累加得到每个像素点的去噪灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310945371.6A CN116664453B (zh) | 2023-07-31 | 2023-07-31 | 一种用于游泳触摸板的pet板检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310945371.6A CN116664453B (zh) | 2023-07-31 | 2023-07-31 | 一种用于游泳触摸板的pet板检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116664453A true CN116664453A (zh) | 2023-08-29 |
CN116664453B CN116664453B (zh) | 2023-10-20 |
Family
ID=87717450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310945371.6A Active CN116664453B (zh) | 2023-07-31 | 2023-07-31 | 一种用于游泳触摸板的pet板检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116664453B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8582916B2 (en) * | 2007-12-25 | 2013-11-12 | Medic Vision—Brain Technologies Ltd. | Noise reduction of images |
US20140147042A1 (en) * | 2012-11-27 | 2014-05-29 | Chenyang Ge | Device for uniformly enhancing images |
CN106600567A (zh) * | 2017-01-03 | 2017-04-26 | 长沙全度影像科技有限公司 | 一种自适应非局部均值去噪方法 |
CN108921800A (zh) * | 2018-06-26 | 2018-11-30 | 成都信息工程大学 | 基于形状自适应搜索窗口的非局部均值去噪方法 |
CN113160084A (zh) * | 2021-04-19 | 2021-07-23 | 新疆大学 | 多孔硅生物传感器表面量子点荧光图像的去噪方法及装置 |
CN114612345A (zh) * | 2022-04-01 | 2022-06-10 | 江苏通纺互联科技有限公司 | 一种基于图像处理的光源检测方法 |
CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
CN116071763A (zh) * | 2023-03-06 | 2023-05-05 | 山东薪火书业有限公司 | 基于文字识别的教辅图书智能校编系统 |
-
2023
- 2023-07-31 CN CN202310945371.6A patent/CN116664453B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8582916B2 (en) * | 2007-12-25 | 2013-11-12 | Medic Vision—Brain Technologies Ltd. | Noise reduction of images |
US20140147042A1 (en) * | 2012-11-27 | 2014-05-29 | Chenyang Ge | Device for uniformly enhancing images |
CN106600567A (zh) * | 2017-01-03 | 2017-04-26 | 长沙全度影像科技有限公司 | 一种自适应非局部均值去噪方法 |
CN108921800A (zh) * | 2018-06-26 | 2018-11-30 | 成都信息工程大学 | 基于形状自适应搜索窗口的非局部均值去噪方法 |
CN113160084A (zh) * | 2021-04-19 | 2021-07-23 | 新疆大学 | 多孔硅生物传感器表面量子点荧光图像的去噪方法及装置 |
CN114612345A (zh) * | 2022-04-01 | 2022-06-10 | 江苏通纺互联科技有限公司 | 一种基于图像处理的光源检测方法 |
CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
CN116071763A (zh) * | 2023-03-06 | 2023-05-05 | 山东薪火书业有限公司 | 基于文字识别的教辅图书智能校编系统 |
Non-Patent Citations (4)
Title |
---|
LINA ZHANG ET AL.: "A mixed de-nosing method of digital image based on removed-noise threshold", 《PROCEEDINGS OF 2011 INTERNATIONAL CONFERENCE ON ELECTRONIC & MECHANICAL ENGINEERING AND INFORMATION TECHNOLOGY》, pages 1223 - 1226 * |
QIN JIANG ET AL.: "Underwater Image Denoising Based on Non-Local Methods", 《2018 OCEANS - MTS/IEEE KOBE TECHNO-OCEANS (OTO)》, pages 1 - 5 * |
曹硕等: "基于模糊边缘补足的自适应非局部均值图像去噪算法", 《激光与光电子学进展》, vol. 55, no. 01, pages 213 - 218 * |
王思涛等: "基于边缘提取的非局部均值图像去噪", 《电子测量技术》, vol. 41, no. 11, pages 99 - 102 * |
Also Published As
Publication number | Publication date |
---|---|
CN116664453B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191459B (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN108109147B (zh) | 一种模糊图像的无参考质量评价方法 | |
CN105427324B (zh) | 基于二值化阈值自动搜索的磁光成像缺陷检测方法 | |
CN111881918A (zh) | 一种多尺度旋转船舶目标检测算法 | |
CN115690105B (zh) | 一种基于计算机视觉的铣刀划痕检测方法 | |
CN117218122B (zh) | 基于图像数据的手表外壳质量检测方法 | |
CN114863258B (zh) | 海天线场景中基于视角转换检测小目标的方法 | |
CN107341824B (zh) | 一种图像配准的综合评价指标生成方法 | |
CN101271569B (zh) | 用于评估图像的装置、方法 | |
CN117058147B (zh) | 基于计算机视觉的环保塑料制品缺陷检测方法 | |
CN114581432B (zh) | 一种基于深度学习的舌象仪舌象分割方法 | |
CN109903245B (zh) | 红外图像的非均匀校正方法 | |
CN109916912A (zh) | 一种铁轨扣件病害检测方法及系统 | |
CN115346126A (zh) | 一种边坡裂纹识别方法 | |
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 | |
CN114266899B (zh) | 一种基于多核dsp的图像目标并行检测方法 | |
CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
CN109978916B (zh) | 基于灰度图像特征匹配的Vibe运动目标检测方法 | |
CN116664453B (zh) | 一种用于游泳触摸板的pet板检测方法 | |
CN107808165A (zh) | 一种基于susan角点检测的红外图像匹配方法 | |
CN111445435A (zh) | 一种基于多区块小波变换的无参考图像质量评价方法 | |
CN110910332B (zh) | 一种视觉slam系统动态模糊处理方法 | |
CN117522778A (zh) | 一种空心砖瑕疵检测系统 | |
CN104867120B (zh) | 基于比值分布的sar图像非局部降斑方法 |
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 |