CN116704015B - 一种实现噪声光斑图像自适应窗口预处理质心方法及系统 - Google Patents
一种实现噪声光斑图像自适应窗口预处理质心方法及系统 Download PDFInfo
- Publication number
- CN116704015B CN116704015B CN202310984593.9A CN202310984593A CN116704015B CN 116704015 B CN116704015 B CN 116704015B CN 202310984593 A CN202310984593 A CN 202310984593A CN 116704015 B CN116704015 B CN 116704015B
- Authority
- CN
- China
- Prior art keywords
- noise
- centroid
- window
- image
- spot image
- 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
- 238000007781 pre-processing Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 title claims description 77
- 230000003044 adaptive effect Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10052—Images from lightfield camera
-
- 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
- G06T2207/20004—Adaptive image processing
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种噪声光斑图像自适应窗口预处理质心算法及系统,算法包括根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D;同时,将噪声光斑图像二值化后,圈出像素值大于阈值的白色区域,并选择出最大的框形作为准窗口,得到准窗口尺寸(A,B),A,B分别代表所述准窗口的长和宽;对比A、B、D的值,选取自适应窗口,获得自适应窗口的长和宽;在所加窗口内对噪声光斑图像进行质心计算。该发明的优点在于:本发明通过对比光斑理论尺寸D以及处理后的噪声光斑图像的实际尺寸,对待测光斑进行自适应加窗处理,在保证噪声光斑图像中光斑质心计算有效范围的同时极大的降低了噪声对质心探测的影响。
Description
技术领域
本发明属于噪声图像处理和质心计算的技术领域,尤其涉及一种噪声光斑图像自适应窗口预处理质心方法及系统。
背景技术
大口径激光由于其尺寸较大,光束质量较难进行直接测量,通过搭建贴合待测激光束尺寸的透镜阵列在光学系统出口处得到激光的光束质量参数。在实际应用场景中,受环境光、探测器噪声等因素影响,探测器阵列采集到的光斑图像通常会出现子孔径光斑强度分布不均匀,导致子光斑质心定位精度下降,影响波前复原精度,从而使得光束质量参数测量精度降低。
为了解决透镜阵列子光斑图像的质心定位问题,科研人员近年来提出了一系列的方法。通过改进质心定位方法提高质心探测精度,如质心法、阈值质心法、加权质心法等,其中,质心法可以看作是一种对目标图像灰度值的加权运算,利用光斑图像灰度值的加权平均来获得光斑质心具体坐标,而阈值质心法可将灰度图中的噪声过滤掉,但是应根据实际图像中目标像点所处局部区域的背景特性确定合适的阈值;通过空域滤波对光斑图像像素值进行直接处理的方法包括均值滤波、中值滤波等,均值滤波又称线性滤波,主要采用几何邻域平均法,中值滤波是一种常用的非线性平滑滤波器,其基本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换。此外,基于神经网络的质心提取方法也得到广泛应用。
上述方法中,在光斑图像信噪比水平较差的情况下,使用均值滤波或中值滤波方法对图像的滤波处理效果较差,采用质心法、阈值质心法、加权质心法等对质心的计算精度普遍较低。而使用基于神经网络的质心提取方法时,质心定位精度依赖于训练集生成方式以及模型训练精度,入射光束近场光强动态起伏时训练集生成复杂、模型训练难度增大,目前尚难以用于实际的复杂波前探测场景。
发明内容
为了弥补目前在低信噪比情况时光斑图像质心计算精度的不足,实现在低信噪比情况下光斑质心的精确测量,本发明提出了一种噪声光斑图像自适应窗口预处理质心方法及系统,具体技术方案如下:
一种噪声光斑图像自适应窗口预处理质心方法,包括:
根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D;同时,将噪声光斑图像二值化后,圈出像素值大于阈值的白色区域,并选择出最大的框形作为准窗口,得到准窗口尺寸(A,B),A,B分别代表所述准窗口的长和宽;
对比A、B、D的值,选取自适应窗口,获得自适应窗口的长和宽;
在所加窗口内对噪声光斑图像进行质心计算。
可选的,选取自适应窗口,获得自适应窗口的长和宽的原则为:
其中,i为待测光斑数,D为各个子孔径焦平面内的光斑理论尺寸,、/>分别代表最终确定所加各个窗口的长和宽。
可选的,采用质心法对噪声光斑图像进行质心计算,计算公式如下:
式中,x 0,y 0分别为质心的横、纵坐标,M,N分别表示横、纵坐标上的像素总数,f(i,j)表示第(i,j)个像素的灰度值,i和j分别是对应像素点的横坐标和纵坐标。
可选的,所述质心法为阈值质心法,对噪声光斑图像进行质心计算的公式如下:
式中,x 0,y 0分别为质心的横、纵坐标,M,N分别表示横、纵坐标上的像素总数,f(i,j)表示第(i,j)个像素的灰度值,i和j分别是对应像素点的横坐标和纵坐标,T为所设阈值。
可选的,所述将噪声光斑图像二值化使用的方法为全局阈值法或自适应阈值法或OTSU法。
可选的,将噪声光斑图像二值化之前,处理光斑图像还包括对噪声光斑图像进行均值滤波处理。
可选的,根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D,包括:
根据公式得到待测激光系统发射的光束经过透镜阵列中的单个透镜的衍射极限角,再根据一倍的衍射极限角确定在探测器焦平面上的光斑理论尺寸D,确定在探测器焦平面上的光斑理论尺寸D,公式为:/>。
可选的,在所加窗口内对噪声光斑图像进行质心计算采用质心法或阈值质心法。
一种噪声光斑图像自适应窗口预处理质心方法及系统,包括:
光斑尺寸获取单元,根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D;
预加窗处理单元,将处理后的噪声光斑图像内的白色区域进行框形包围,得到对光斑图像预加窗处理时的准窗口尺寸(A,B),A,B分别代表所述准窗口的长和宽;
自适应窗口单元,对比A、B、D的值,选取自适应窗口,获得自适应窗口的长和宽;
质心计算单元,在所加窗口内采用质心法对噪声光斑图像进行质心计算。
可选的,还包括噪声光斑图像处理单元;与预加窗处理单元的输入端连接,用于平滑输入到预加窗处理单元中的噪声光斑图像的噪声和通过二值法简化噪声光斑图像噪声。
本发明的优点在于:
(1)本发明通过对比阵列光斑的理论计算尺寸以及处理后的噪声光斑图像的实际尺寸,对待测光斑进行自适应加窗处理,在保证光斑质心计算有效范围的同时极大的降低了噪声对质心探测的影响。
(2)本发明提出的方法基于质心法和阈值质心法,阈值质心法在信噪比中高水平时对噪声图像的质心提取精度已相对较高,故本发明在其基础上对待测光斑图像进行自适应加窗操作后,不仅在低信噪比时提高了光斑质心探测精度,在中高水平信噪比时噪声图像的质心提取精度也得到了进一步的提高。
(3)本发明弥补了现有质心测量方法在低信噪比时质心探测精度的不足,可实现在不同信噪比水平下光斑质心的高精度测量。
附图说明
图1为本发明的测量方法流程图。
图2为本发明的测量方法示意图。
图3为本发明的待测光斑自适应窗口方法示意图。
图4为本发明的测量系统的结构框图。
图中:
1、待测激光系统;2、透镜阵列;3、探测器阵列;4、噪声光斑图像;5、处理计算机。
具体实施方式
为了弥补目前在低信噪比情况时光斑图像质心计算精度的不足,实现在低信噪比情况下光斑质心的精确测量,如图1所示,本发明提出了一种噪声光斑图像自适应窗口预处理质心方法,包括:
S100、根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D;同时,将噪声光斑图像二值化后,圈出像素值大于阈值的白色区域,并选择出最大的框形作为准窗口,得到准窗口尺寸(A,B),A,B分别代表所述准窗口的长和宽;
S200、对比A、B、D的值,选取自适应窗口,获得自适应窗口的长和宽;
S300、在所加窗口内对噪声光斑图像进行质心计算。
可选的,选取自适应窗口,获得自适应窗口的长和宽的原则为:
其中,i为待测光斑数,D为各个子孔径焦平面内的光斑理论尺寸,、/>分别代表最终确定所加各个窗口的长和宽。
其中一种方案中,在步骤S300中,直接采用质心法对噪声光斑图像进行质心计算,计算公式如下:
式中,x 0,y 0分别为质心的横、纵坐标,M,N分别表示横、纵坐标上的像素总数,f(i,j)表示第(i,j)个像素的灰度值,i和j分别是对应像素点的横坐标和纵坐标。
另一种方案中,在步骤S300中,所述质心法为阈值质心法,对噪声光斑图像进行质心计算的公式如下:
式中,x 0,y 0分别为质心的横、纵坐标,M,N分别表示横、纵坐标上的像素总数,f(i,j)表示第(i,j)个像素的灰度值,i和j分别是对应像素点的横坐标和纵坐标,T为所设阈值。
优选的,在步骤S100中,将噪声光斑图像二值化后,圈出像素值大于阈值的白色区域,并选择出最大的框形作为准窗口,所述二值化使用的方法为全局阈值法或自适应阈值法或OTSU法。在本方案中使用全局阈值法。
优选的,将噪声光斑图像二值化之前,处理光斑图像还包括对噪声光斑图像进行均值滤波处理,这样降低对二值化处理时的整个噪声光斑图像内出现的白点数,即分布在有效光斑区域之外的部分出现相对较多的值为1的点,在选取自适应窗口时,独立的白点减少,选取自适应窗口时更快,可以有效的降低对噪声光斑图像框选的影响。如图2所示,其中均值滤波处理是在处理计算机5中实施,均值滤波处理时用当前待处理像素点(x,y)及其若干邻域像素组成一个模板,并求出模板中所有像素的均值,用以取代原图像中当前像素的值。对图像中每个像素做相同处理构成新的噪声光斑图像。
可选的,如图2和图3所示,步骤S100中,根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D,包括:根据公式得到待测激光系统1发射的光束经过透镜阵列2中的单个透镜的衍射极限角,再根据一倍的衍射极限角确定在探测器焦平面上的光斑理论尺寸D,即畸变波前经过探测器阵列3后在各个子孔径焦平面内的光斑理论尺寸D。其中子孔径焦平面在探测器焦平面的靶面上。可选的,确定在探测器焦平面上的光斑理论尺寸D,公式为:/>。
如图4所示,一种噪声光斑图像自适应窗口预处理质心方法及系统,包括:
光斑尺寸获取单元100,根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D;
预加窗处理单元200,将处理后的噪声光斑图像内的白色区域进行框形包围,得到对光斑图像预加窗处理时的准窗口尺寸(A,B),A,B分别代表所述准窗口的长和宽;
自适应窗口单元300,对比A、B、D的值,选取自适应窗口,获得自适应窗口的长和宽;
质心计算单元400,在所加窗口内对噪声光斑图像进行质心计算。
可选的,还包括噪声光斑图像处理单元500;与预加窗处理单元200的输入端连接,用于平滑输入到预加窗处理单元200中的噪声光斑图像的噪声和通过二值法简化噪声光斑图像噪声。
以上仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明创造的保护范围之内。
Claims (8)
1.一种噪声光斑图像自适应窗口预处理质心方法,其特征在于,包括:
根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D;同时,将噪声光斑图像二值化后,圈出像素值大于阈值的白色区域,并选择出最大的框形作为准窗口,得到准窗口尺寸(A,B),A,B分别代表所述准窗口的长和宽;
对比A、B、D的值,选取自适应窗口,获得自适应窗口的长和宽;
在所加窗口内对噪声光斑图像进行质心计算;
根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D,包括:
根据公式得到待测激光系统发射的光束经过透镜阵列中的单个透镜的衍射极限角,再根据一倍的衍射极限角确定在探测器焦平面上的光斑理论尺寸D,确定在探测器焦平面上的光斑理论尺寸D,公式为:/>;
选取自适应窗口,获得自适应窗口的长和宽的原则为:
其中,i为待测光斑数,D为各个子孔径焦平面内的光斑理论尺寸,、/>分别代表最终确定所加各个窗口的长和宽。
2.根据权利要求1所述的一种噪声光斑图像自适应窗口预处理质心方法,其特征在于,采用质心法对噪声光斑图像进行质心计算,计算公式如下:
式中,x 0,y 0分别为质心的横、纵坐标,M,N分别表示横、纵坐标上的像素总数,f(i,j)表示第(i,j)个像素的灰度值,i和j分别是对应像素点的横坐标和纵坐标。
3.根据权利要求1所述的一种噪声光斑图像自适应窗口预处理质心方法,其特征在于,所述质心法为阈值质心法,对噪声光斑图像进行质心计算的公式如下:
式中,式中,x 0,y 0分别为质心的横、纵坐标,M,N分别表示横、纵坐标上的像素总数,f(i,j)表示第(i,j)个像素的灰度值,i和j分别是对应像素点的横坐标和纵坐标,T为所设阈值。
4.根据权利要求1所述的一种噪声光斑图像自适应窗口预处理质心方法,其特征在于,所述将噪声光斑图像二值化使用的方法为全局阈值法或自适应阈值法或OTSU法。
5.根据权利要求4所述的一种噪声光斑图像自适应窗口预处理质心方法,其特征在于,将噪声光斑图像二值化之前,处理光斑图像还包括对噪声光斑图像进行均值滤波处理。
6.根据权利要求1所述的一种噪声光斑图像自适应窗口预处理质心方法,其特征在于,在所加窗口内对噪声光斑图像进行质心计算采用质心法或阈值质心法。
7.一种实现噪声光斑图像自适应窗口预处理质心方法的系统,其特征在于,包括:
光斑尺寸获取单元,根据测量系统对应的衍射极限角,获得噪声光斑图像对应的光斑理论尺寸D;根据公式得到待测激光系统发射的光束经过透镜阵列中的单个透镜的衍射极限角,再根据一倍的衍射极限角确定在探测器焦平面上的光斑理论尺寸D,确定在探测器焦平面上的光斑理论尺寸D,公式为:/>;
预加窗处理单元,将处理后的噪声光斑图像内的白色区域进行框形包围,得到对光斑图像预加窗处理时的准窗口尺寸(A,B),A,B分别代表所述准窗口的长和宽;
自适应窗口单元,对比A、B、D的值,选取自适应窗口,获得自适应窗口的长和宽;选取自适应窗口,获得自适应窗口的长和宽的原则为:
其中,i为待测光斑数,D为各个子孔径焦平面内的光斑理论尺寸,、/>分别代表最终确定所加各个窗口的长和宽;
质心计算单元,在所加窗口内采用质心法对噪声光斑图像进行质心计算。
8.根据权利要求7所述的系统,其特征在于,还包括噪声光斑图像处理单元;与预加窗处理单元的输入端连接,用于平滑输入到预加窗处理单元中的噪声光斑图像的噪声和通过二值法简化噪声光斑图像噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310984593.9A CN116704015B (zh) | 2023-08-07 | 2023-08-07 | 一种实现噪声光斑图像自适应窗口预处理质心方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310984593.9A CN116704015B (zh) | 2023-08-07 | 2023-08-07 | 一种实现噪声光斑图像自适应窗口预处理质心方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116704015A CN116704015A (zh) | 2023-09-05 |
CN116704015B true CN116704015B (zh) | 2023-11-14 |
Family
ID=87841900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310984593.9A Active CN116704015B (zh) | 2023-08-07 | 2023-08-07 | 一种实现噪声光斑图像自适应窗口预处理质心方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116704015B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1970797A1 (en) * | 2007-03-16 | 2008-09-17 | Leahsin Technologies Inc. | Method of speckle size and distribution control and the optical system using the same |
CN103617611A (zh) * | 2013-11-12 | 2014-03-05 | 清华大学 | 一种自动阈值分割光斑中心及尺寸检测方法 |
CN106909937A (zh) * | 2017-02-09 | 2017-06-30 | 北京汽车集团有限公司 | 交通信号灯识别方法、车辆控制方法、装置及车辆 |
CN113411501A (zh) * | 2021-06-29 | 2021-09-17 | 杭州晶耐科光电技术有限公司 | 基于嵌入式及双光谱成像的无人机载电力巡检方法及系统 |
WO2021258273A1 (zh) * | 2020-06-23 | 2021-12-30 | 广东省航空航天装备技术研究所 | 基于三维成像的加工方法、装置、设备及存储介质 |
CN114596437A (zh) * | 2022-02-25 | 2022-06-07 | 中国科学院合肥物质科学研究院 | 一种图像背景分割方法及系统 |
CN115082543A (zh) * | 2022-06-29 | 2022-09-20 | 南京铖联激光科技有限公司 | 一种激光修正方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6827444B2 (en) * | 2000-10-20 | 2004-12-07 | University Of Rochester | Rapid, automatic measurement of the eye's wave aberration |
IL188029A0 (en) * | 2007-12-10 | 2008-11-03 | Nova Measuring Instr Ltd | Optical method and system |
US9494785B2 (en) * | 2012-12-07 | 2016-11-15 | Purdue Research Foundation | Single image super-resolution microscopy and telescope systems |
DE102013019347A1 (de) * | 2013-08-15 | 2015-02-19 | Carl Zeiss Microscopy Gmbh | Hochauflösende Scanning-Mikroskopie |
-
2023
- 2023-08-07 CN CN202310984593.9A patent/CN116704015B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1970797A1 (en) * | 2007-03-16 | 2008-09-17 | Leahsin Technologies Inc. | Method of speckle size and distribution control and the optical system using the same |
CN103617611A (zh) * | 2013-11-12 | 2014-03-05 | 清华大学 | 一种自动阈值分割光斑中心及尺寸检测方法 |
CN106909937A (zh) * | 2017-02-09 | 2017-06-30 | 北京汽车集团有限公司 | 交通信号灯识别方法、车辆控制方法、装置及车辆 |
WO2021258273A1 (zh) * | 2020-06-23 | 2021-12-30 | 广东省航空航天装备技术研究所 | 基于三维成像的加工方法、装置、设备及存储介质 |
CN113411501A (zh) * | 2021-06-29 | 2021-09-17 | 杭州晶耐科光电技术有限公司 | 基于嵌入式及双光谱成像的无人机载电力巡检方法及系统 |
CN114596437A (zh) * | 2022-02-25 | 2022-06-07 | 中国科学院合肥物质科学研究院 | 一种图像背景分割方法及系统 |
CN115082543A (zh) * | 2022-06-29 | 2022-09-20 | 南京铖联激光科技有限公司 | 一种激光修正方法 |
Non-Patent Citations (3)
Title |
---|
基于机器视觉的激光光斑跟踪系统研究与实现;刘晓峰;《中国优秀硕士学位论文全文数据库》(第02期);第18、21、27-28页 * |
张广军.《光电测试技术》.中国计量出版社,2008,第314-315页. * |
杨帅等.《大学物理学》.天津大学出版社,2021,第245页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116704015A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378879B (zh) | 一种桥梁裂缝检测方法 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
CN109615653B (zh) | 基于深度学习与视场投影模型的渗漏水面积检测与识别方法 | |
CN107369159B (zh) | 基于多因素二维灰度直方图的阈值分割方法 | |
CN117237368B (zh) | 一种桥梁裂缝检测方法及系统 | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
CN104363815A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
CN110969656B (zh) | 一种基于机载设备激光光束光斑大小的检测方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN114252449B (zh) | 一种基于线结构光的铝合金焊缝表面质量检测系统及方法 | |
CN110260945B (zh) | 全反射式气液界面流动显示方法及气液界面位置识别方法 | |
CN110365404B (zh) | 无波前传感自适应系统及利用该系统提高收敛速度的方法 | |
CN114565565A (zh) | 一种视觉测量目标中心亚像素定位方法 | |
CN116704015B (zh) | 一种实现噪声光斑图像自适应窗口预处理质心方法及系统 | |
CN116612112B (zh) | 一种水桶表面缺陷视觉检测方法 | |
CN116416164B (zh) | 一种紫外光路成像分辨率优化方法 | |
CN114565564B (zh) | 一种基于相关法阈值迭代的拟合质心亚像素定位方法 | |
CN110082072B (zh) | 一种探测器阵列靶数据处理方法 | |
CN113834447A (zh) | 一种户外复杂环境下高动态激光光条自适应成像处理方法 | |
CN111008952A (zh) | 应用于法布里-珀罗干涉成像的物体内部缺陷检测方法 | |
RU2755092C1 (ru) | Способ формирования изображения с локальным градиентом яркости и устройство для его осуществления | |
CN116579955B (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及系统 | |
CN114943713B (zh) | 一种用于广域天区中密集星图的高精度星象检测方法 | |
CN117689709B (zh) | 一种基于深度图像的身高检测方法、系统、设备及介质 | |
CN117372462B (zh) | 一种高精度的水下低光目标边缘检测方法 |
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 |