CN117237669B - 结构件特征提取方法、装置、设备及存储介质 - Google Patents
结构件特征提取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117237669B CN117237669B CN202311507784.2A CN202311507784A CN117237669B CN 117237669 B CN117237669 B CN 117237669B CN 202311507784 A CN202311507784 A CN 202311507784A CN 117237669 B CN117237669 B CN 117237669B
- Authority
- CN
- China
- Prior art keywords
- qualified
- straight line
- contrast
- angle
- distance
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 91
- 238000001914 filtration Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000003708 edge detection Methods 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005498 polishing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000002146 bilateral effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- 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
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域，并公开了一种结构件特征提取方法、装置、设备及存储介质，该方法包括：对图像进行边缘保持滤波处理，对滤波后的图像进行边缘检测得到边缘点图像，通过霍夫变换算法在边缘点图像中生成候选直线集合，对其进行角度处理得到第一合格直线集合和合格角度集合，对第一合格直线集合进行对比度处理得到第二合格直线集合和第二对比度集合，对第二合格直线集合进行距离处理得到第三合格直线集合和第二距离集合，三个合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征。本发明能有效的兼容不同结构件颜色变化和其他边缘特征的干扰。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种结构件特征提取方法、装置、设备及存储介质。
背景技术
随着汽车技术的不断发展，现代车载显示屏幕不仅提供基本的娱乐功能，还具备导航、通讯、车辆信息、安全警示和互联互通等高级功能，车载显示还用于显示导航、交通信息、车辆性能数据等。因此，确保车载显示屏幕准确贴合，以便顺畅运行这些功能，对于提供更好的用户体验至关重要。车载显示屏幕的贴合过程就是将屏幕模组贴合到结构件上，保证屏幕和结构件之间的配合满足设计和客户需求，结构件的材料一般采用塑料、金属等。
每个车厂为了保证其独特的外观面，会对结构件的外观面颜色做独特的要求。这种情况直接影响到产线屏幕和结构件的对位贴合过程。以往的对位贴合过程中会采用固定打光方法，使得结构件的边缘能够清晰，方便图像处理算法能够准确的识别结构件的边缘直线特征。但是，当结构件的颜色发生很大变化，或者结构件的边缘处还有其他颜色接近的边缘时，很容易导致图像处理算法识别出错误的结构件边缘直线特征，最终导致屏幕与结构件贴合后不能满足设计和客户需求。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种结构件特征提取方法、装置、设备及存储介质，旨在解决现有技术在遇到结构件的颜色发生很大变化，或者结构件的边缘处还有其他颜色接近的边缘时，图像处理算法识别出错误的结构件边缘直线特征的技术问题。
为实现上述目的，本发明提供了一种结构件特征提取方法，所述方法包括以下步骤：
获取图像，对所述图像进行边缘保持滤波处理，得到滤波后的图像；
对所述滤波后的图像进行边缘检测，得到边缘点图像；
通过霍夫变换算法在所述边缘点图像中生成候选直线集合；
对所述候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合；
对所述第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合；
对所述第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合；
对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征。
可选地，所述对所述图像做边缘保持滤波处理，得到滤波后的图像，包括：
获取所述图像中各个像素的位置坐标、所述图像中各个像素所处位置的像素值、所述图像中滤波核中心像素的像素值、滤波核尺寸、以及滤波参数；根据所述图像中各个像素的位置坐标、所述图像中各个像素所处位置的像素值、所述图像中滤波核中心像素的像素值、滤波核尺寸、以及滤波参数对所述图像中各个像素进行滤波处理，得到所述图像中各个像素的待求像素值；
根据所述图像中各个像素的待求像素值，得到滤波后的图像。
可选地，所述对所述候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合，包括：
对所述候选直线集合通过角度计算，得到所述候选直线集合的角度集合；
将所述角度集合中每个角度与直线角度阈值进行比较，得到所述角度集合中每个角度与所述角度阈值的差值；
当所述差值大于等于预设值时，判定所述角度所属的直线不合格；
当所述差值小于预设值时，判定所述角度所属的直线合格，生成第一合格直线集合，并将所述角度集合中判定合格的角度生成合格角度集合。
可选地，所述对所述第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合，包括：
对所述第一合格直线集合通过对比度计算得到所述第一合格直线集合的第一对比度集合；
将所述第一对比度集合中每个对比度与直线对比度阈值进行比较，得到所述第一对比度集合中每个对比度和所述直线对比度阈值的差值；
当所述差值小于预设值时，判定所述对比度所属的直线不合格；
当所述差值大于等于预设值时，判定所述对比度所属的直线合格，生成第二合格直线集合，并将所有对比度判断合格的对比度生成第二对比度集合。
可选地，所述对所述第一合格直线集合通过对比度计算得到所述第一合格直线集合的第一对比度集合，包括：
从所述第一合格直线集合中的每条直线的两边各取预设个数长方形区域；
通过每个长方形区域中像素总个数、长方形预设区域中预设位置处像素值、长方形预设区域的灰度均值得到每个长方形区域的灰度均值；
根据所述每个长方形区域的灰度均值，得到所述第一合格直线集合中每条直线的对比度，组成第一对比度集合。
可选地，所述对所述第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合，包括：
对所述第二合格直线集合通过距离计算得到所述第二合格直线集合的第一距离集合；
将所述第一距离集合中每条直线到预设标定点的距离和直线距离阈值进行比较，得到所述第一距离集合中每条直线到预设标定点的距离和直线距离阈值的差值；
当所述差值小于预设值时，判定所述距离所属的直线不合格；
当所述差值大于等于预设值时，判定所述距离所属的直线合格，生成第三合格直线集合，并将所有距离判断合格的对比度生成第二距离集合。
可选地，所述对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征，包括：
获取所述第一合格直线集合、第二合格直线集合、第三合格直线集合中所有相同的直线组成第四合格直线集合；
获取所述合格角度集合、第二对比度集合、第二距离集合中和所述第四合格直线集合对应的角度值、对比度值以及距离值并输入综合打分公式，对所述第四合格直线集合进行综合打分；
得到所述第四合格直线集合中每条直线的最后得分；
获取所述第四合格直线集合中最后得分最高的直线，根据所述得分最高的直线的特征提取所述合格角度集合、第二对比度集合以及第二距离集合的结构件中对应直线的边缘直线特征。
此外，为实现上述目的，本发明还提出一种结构件特征提取装置，所述结构件特征提取装置包括：
图像处理模块，用于获取图像，对所述图像进行边缘保持滤波处理，得到滤波后的图像，对所述滤波后的图像进行边缘检测，得到边缘点图像，通过霍夫变换算法在所述边缘点图像中生成候选直线集合；
角度处理模块，用于对所述候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合；
对比度处理模块，用于对所述第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合；
距离处理模块，用于对所述第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合；
特征输出模块，用于对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征。
此外，为实现上述目的，本发明还提出一种结构件特征提取设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的结构件特征提取程序，所述结构件特征提取程序配置为实现如上文所述的结构件特征提取方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有结构件特征提取程序，所述结构件特征提取程序被处理器执行时实现如上文所述的结构件特征提取方法的步骤。
本发明根据获取图像，对所述图像进行边缘保持滤波处理，得到滤波后的图像；对所述滤波后的图像进行边缘检测，得到边缘点图像；通过霍夫变换算法在所述边缘点图像中生成候选直线集合；对所述候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合；对所述第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合；对所述第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合；对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征。相比于现有技术通过采用固定打光方法来进行结构件边缘直线特征提取，本发明对图像做边缘保持滤波算法处理，在保持图像中结构件边缘的同时，能够有效的滤除图像中的噪点；对于滤波之后的图像，依次进行canny算子边缘检测、候选直线生成、角度计算、角度判断、对比度计算、对比度判断、距离计算、距离判断、综合打分，选择最高分、进而提取到最终的结构件边缘直线特征。本发明能够在不改变打光方式的情况下，有效的兼容不同结构件颜色变化和其他边缘特征的干扰。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的结构件特征提取设备的结构示意图；
图2为本发明结构件特征提取方法第一实施例的流程示意图；
图3为本发明结构件特征提取方法第二实施例的流程示意图；
图4为本发明结构件特征提取方法第三实施例的流程示意图；
图5为结构件特征提取方法的第三实施例取长方形区域示意图；
图6为本发明结构件特征提取方法第四实施例的流程示意图；
图7为结构件特征提取方法的整体流程示意图；
图8为本发明结构件特征提取装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的结构件特征提取设备结构示意图。
如图1所示，该结构件特征提取设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对结构件特征提取设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及结构件特征提取程序。
在图1所示的结构件特征提取设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明结构件特征提取设备中的处理器1001、存储器1005可以设置在结构件特征提取设备中，所述结构件特征提取设备通过处理器1001调用存储器1005中存储的结构件特征提取程序，并执行本发明实施例提供的结构件特征提取方法。
本发明实施例提供了一种结构件特征提取方法，参照图2，图2为本发明结构件特征提取方法第一实施例的流程示意图。
本实施例中，所述结构件特征提取方法包括以下步骤：
步骤S10：获取图像，对图像进行边缘保持滤波处理，得到滤波后的图像。
需要说明的是，本实施例方法的执行主体可以是具有数据处理以及程序运行功能的终端设备，例如台式电脑、集成电脑等，也可以是具有相同或相似功能的电子设备，例如上述台式电脑设备。以下以台式电脑设备（以下简称电脑设备）为例对本实施例及下述各实施例进行说明。
可理解的是，获取图像是整个流程的开始，图像中包含结构件边缘的成像细节。
应理解的是，边缘滤波处理采用的是改进的自适应双边滤波算法。
在具体实现中，通过信息收集模块获取图像信息，对图像采用改进的自适应双边滤波算法来进行边缘保持滤波处理，得到滤波后的图像。
步骤S20：对滤波后的图像进行边缘检测，得到边缘点图像。
需要说明的是，本发明采用的边缘检测方法为canny算子边缘检测方法，通过高斯模糊、计算梯度、非极大值抑制、双阈值以及边缘跟踪步骤在图像中检测出边缘，同时抑制噪声和连接断裂的边缘。
应理解的是，得到的边缘点图像仅包含被检测为边缘的像素点的信息。
在具体实现中，对滤波后的图像通过canny算子边缘检测，进一步做边缘提取，找到图像中的每个边缘点，得到边缘点图像。
步骤S30：通过霍夫变换算法在边缘点图像中生成候选直线集合。
需要说明的是，霍夫变换算法为一种在计算机视觉和图像处理领域广泛应用的技术，用于检测图像中的直线、圆和其他形状，霍夫变换的基本思想是将图像中的每个像素点映射到一个参数空间，以便在参数空间中寻找共线或共圆的像素点。
在具体实现中，通过霍夫变换算法对边缘点图像进行检测，将边缘点图像中的直线形状提取，并生成候选直线集合。
步骤S40：对候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合。
需要说明的是，角度处理为角度计算和角度判断。
在具体实现中，对候选直线集合进行角度计算得到所有候选直线的角度集合，再对所有候选直线的角度集合进行角度判断，得到第一合格直线集合和合格角度集合/>。
步骤S50：对第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合。
需要说明的是，对比度处理为对比度计算和对比度判断。
在具体实现中，对第一合格直线集合进行对比度计算得到第一合格直线集合/>的第一对比度集合，再对第一合格直线集合/>的第一对比度集合进行对比度判断，得到第二合格直线集合/>和第二对比度集合/>。
步骤S60：对第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合。
需要说明的是，距离处理包括距离计算和距离判断。
在具体实现中，对第二合格直线集合进行距离计算得到第二合格直线集合/>的第一距离集合，再对第二合格直线集合/>的第一距离集合进行距离判断，得到第三合格直线集合/>和第二距离集合/>。
步骤S70：对第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征。
需要说明的是，结构件边缘的直线特征是指一种用于描述结构件或工件的边缘轮廓的特定直线特性。这些特征通常用于检测、识别和分析工件中的边缘，以帮助实现自动化制造、机器视觉和质量控制等应用。
在具体实现中，对第一合格直线集合、第二合格直线集合/>、第三合格直线集合/>、合格角度集合/>、第二对比度集合/>以及第二距离集合/>进行综合打分，得到最后得分，选择最后得分的最高值，作为直线特征输出。
本实施例根据获取图像，对图像进行边缘保持滤波处理，得到滤波后的图像；对滤波后的图像进行边缘检测，得到边缘点图像；通过霍夫变换算法在边缘点图像中生成候选直线集合；对候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合；对第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合；对第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合；对第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征。相比于现有技术通过采用固定打光方法来进行结构件边缘直线特征提取，本发明对图像做边缘保持滤波算法处理，在保持图像中结构件边缘的同时，能够有效的滤除图像中的噪点；对于滤波之后的图像，依次进行canny算子边缘检测、候选直线生成、角度计算、角度判断、对比度计算、对比度判断、距离计算、距离判断、综合打分，选择最高分、进而提取到最终的结构件边缘直线特征。本发明能够在不改变打光方式的情况下，有效的兼容不同结构件颜色变化和其他边缘特征的干扰。
参考图3，图3为本发明结构件特征提取方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，步骤S20，可以包括：
步骤S201：获取图像中各个像素的位置坐标、图像中各个像素所处位置的像素值、述图像中滤波核中心像素的像素值、滤波核尺寸、以及滤波参数。
需要说明的是，在原始图像中，包含很多噪声，对于提取结构件的边缘直线特征有很大的影响。同时过度滤波也可能会导致边缘直线特征丢失。需要通过滤波处理来解决。
在具体实现中，获取并设定I(x,y)表示图像中(x,y)位置的像素值，I(xc,yc)表示滤波核中心处的像素值，(xc,yc)是滤波核中心像素的坐标，滤波核的尺寸为（m,n），k是比例调节因子，abc的表达式分别为，/>，/>。
步骤S202：根据图像中各个像素的位置坐标、图像中各个像素所处位置的像素值、图像中滤波核中心像素的像素值、滤波核尺寸、以及滤波参数对图像中各个像素进行滤波处理，得到图像中各个像素的待求像素值。
在具体实现中，输入图像中各个像素的位置坐标、图像中各个像素所处位置的像素值I(x,y)、述图像中滤波核中心像素的像素值I(xc,yc)、滤波核尺寸（m,n）以及滤波参数a、b、c和比例调节因子k，到滤波公式：
得到图像中(x,y)位置的待求像素值。
步骤S203：根据图像中各个像素的待求像素值，得到滤波后的图像。
在具体实现中，将图像中各个像素的待求像素值通过应用滤波器或卷积核处理后得到滤波后的图像。
本实施例通过采用改进的自适应双边滤波算法来实现滤波的同时保持边缘的直线特征，精准的提取结构件的边缘直线特征，在保持图像中结构件边缘的同时，能够有效的滤除图像中的噪点。
参考图4，图4为本发明结构件特征提取方法第三实施例的流程示意图。
基于上述第一实施例，在本实施例中，步骤S30，可以包括：
步骤S301：对候选直线集合通过角度计算，得到候选直线集合的角度集合。
在具体实现中，假设候选直线集合中一共有N条直线，对于候选直线集合中的每条直线，通过如下公式计算直线的角度：
式中，i=1,2.....N,（,/>）和（/>,/>）表示第i条直线的起始点和终点，/>表示第i条直线的角度计算值。所有角度计算完成之后，形成所有候选直线的角度集合/>。
步骤S302：将:角度集合中每个角度与直线角度阈值进行比较，得到角度集合中每个角度与角度阈值的差值。
在具体实现中，对于候选直线的角度集合中每个角度/>，根据如下公式判断其与角度阈值的大小：
式中，是直线角度阈值，/>是直线角度值与角度阈值的差值。
步骤S303：当差值大于等于预设值时，判定角度所属的直线不合格。
在具体实现中，当直线角度值与角度阈值的差值大于0，则认为此直线不符合要求，进行舍弃。
步骤S304：当差值小于预设值时，判定角度所属的直线合格，生成第一合格直线集合，并将角度集合中判定合格的角度生成合格角度集合。
在具体实现中，当直线角度值与角度阈值的差值小于等于0，则认为此直线符合要求，将所有角度判断合格的直线组成直线集合/>，同时，将所有角度判断合格直线的角度组成角度集合/>。
进一步地，从第一合格直线集合中的每条直线的两边各取预设个数长方形区域；通过每个长方形区域中像素总个数、长方形预设区域中预设位置处像素值、长方形预设区域的灰度均值得到每个长方形区域的灰度均值；根据每个长方形区域的灰度均值，得到第一合格直线集合中每条直线的对比度，组成第一对比度集合；将第一对比度集合中每个对比度与直线对比度阈值进行比较，得到第一对比度集合中每个对比度和直线对比度阈值的差值；当差值小于预设值时，判定对比度所属的直线不合格；当差值大于等于预设值时，判定对比度所属的直线合格，生成第二合格直线集合，并将所有对比度判断合格的对比度生成第二对比度集合。
在具体实现中，对于集合中的每条直线，分别在直线的两边（左右方向或者上下方向）各取三个长方形区域，左右方向的直线，在左边取R1、R2、R3，右边取R4、R5、R6；上下方向的直线，在上边取R1、R2、R3，下边取R4、R5、R6，根据如下公式，计算每个长方形区域的灰度均值：
式中，j=1,2,3,4,5,6；P表示第j个长方形区域中像素总个数；/>表示第j个长方形区域/>中位置/>处的像素值；/>表示第j个长方形区域/>的灰度均值。根据上面的公式，则得到R1、R2、R3、R4、R5、R6每个区域的灰度均值/>、/>、/>、/>、/>、/>。假设集合中有M条直线，然后根据如下公式计算集合/>中每条直线的对比度：
式中，h=1,2,3......M。
对于集合中每条直线的对比度，根据如下公式进行对比度判断：
所有对比度判断合格的直线组成直线集合，同时，所有对比度判断合格直线的对比度组成对比度集合/>。
需要说明的是，是直线对比度阈值，/>是直线对比度值与对比度阈值的差值。/>小于0当则认为此直线不符合要求，进行舍弃。
如图5所示，图5为结构件特征提取方法的第三实施例取长方形区域示意图。
进一步地，对第二合格直线集合通过距离计算得到第二合格直线集合的第一距离集合；将第一距离集合中每条直线到预设标定点的距离和直线距离阈值进行比较，得到第一距离集合中每条直线到预设标定点的距离和直线距离阈值的差值；当差值小于预设值时，判定距离所属的直线不合格；当差值大于等于预设值时，判定距离所属的直线合格，生成第三合格直线集合，并将所有距离判断合格的对比度生成第二距离集合。
在具体实现中，在图像中选取一个特定标定点W，假设U表示集合中直线的总个数，对于集合/>中的每条直线，根据如下公式计算标定点W到每条直线的距离：
式中，q=1,2,3......U，表示点到直线的距离计算公式，/>表示集合/>中第q条直线。
对于集合中每条直线的对比度，根据如下公式进行对比度判断：
所有距离判断合格的直线组成直线集合，同时，所有距离判断合格直线的距离组成距离集合/>。
需要说明的是，是直线距离阈值，/>是直线距离值与距离阈值的差值。/>小于0当则认为此直线不符合要求，进行舍弃。
在本实施例中，通过角度计算、角度判断、对比度计算、对比度判断、距离计算、距离判断步骤，得到了第一合格直线集合、第二合格直线集合/>、第三合格直线集合/>、合格角度集合/>、第二对比度集合/>以及第二距离集合/>，精确的提取出包含结构件边缘特征的集合。
参考图6，图6为本发明结构件特征提取方法第四实施例的流程示意图。
基于上述第一实施例，在本实施例中，步骤S70，可以包括：
步骤S701：获取第一合格直线集合、第二合格直线集合、第三合格直线集合中所有相同的直线组成第四合格直线集合。
在具体实现中，选择第一合格直线集合、第二合格直线集合/>和第三合格直线集合/>中所有相同的直线，组成第四合格直线集合/>。
步骤S702：获取合格角度集合、第二对比度集合、第二距离集合中和第四合格直线集合对应的角度值、对比度值以及距离值并输入综合打分公式，对第四合格直线集合进行综合打分。
步骤S703：得到第四合格直线集合中每条直线的最后得分。
在具体实现中，假设第四合格直线集合中有Z条直线，则对于集合/>中的每条直线，在集合/>、/>和/>中分别找到这条直线对应的角度值、对比度值和距离值，根据如下公式进行综合打分：
式中，v=1,2......Z，表示集合/>中每条直线的最后得分，/>是打分系数，/>表示第v条直线的角度值，/>表示第v条直线的对比度值，/>表示第v条直线的距离值。
步骤S704：获取第四合格直线集合中最后得分最高的直线，根据得分最高的直线的特征提取合格角度集合、第二对比度集合以及第二距离集合的结构件中对应直线的边缘直线特征。
在具体实现中，根据综合打分结构，输出第四合格直线集合中打分最高的直线，获取该直线分别在合格角度集合/>、第二对比度集合/>以及第二距离集合/>中的角度、对比度、距离信息，即为所需提取的结构件直线特征。
本实施例通过综合打分、选择最高分值、提取最终的直线特征输出步骤实现了准确的识别结构件的边缘直线特征的功能。
如图7所示，图7为结构件特征提取方法的整体流程示意图，首先对输入的图像做边缘保持滤波算法处理，对于滤波之后的图像，依次进行canny算子边缘检测、候选直线生成、角度计算、角度判断、对比度计算、对比度判断、距离计算、距离判断、在三次判断过程中，分别将不符合条件的直线舍弃，将符合条件的直线综合打分，选择最高分，进而提取到最终的结构件边缘直线特征。
此外，本发明实施例还提出一种结构件特征提取设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的结构件特征提取程序，所述结构件特征提取程序配置为实现如上文所述的结构件特征提取方法的步骤。
此外，本发明实施例还提出一种存储介质，其特征在于，存储介质上存储有结构件特征提取程序，所述结构件特征提取程序被处理器执行时实现如上文所述的结构件特征提取方法的步骤。
参照图8，图8为本发明结构件特征提取装置第一实施例的结构框图。
如图8所示，本发明实施例提出的结构件特征提取装置包括：
图像处理模块10，用于获取图像，对图像进行边缘保持滤波处理，得到滤波后的图像；
图像处理模块10，还用于对滤波后的图像进行边缘检测，得到边缘点图像；
图像处理模块10，还用于通过霍夫变换算法在边缘点图像中生成候选直线集合；
角度处理模块20，用于对候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合；
对比度处理模块30，用于对第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合；
距离处理模块40，用于对第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合；
特征输出模块50，用于对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征。
本实施例图像处理模块10获取图像，对图像进行边缘保持滤波处理，得到滤波后的图像，对滤波后的图像进行边缘检测，得到边缘点图像，通过霍夫变换算法在边缘点图像中生成候选直线集合；角度处理模块20，对候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合；对比度处理模块30，对第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合；距离处理模块40，对第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合；特征输出模块50，对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征。本发明对图像做边缘保持滤波算法处理，在保持图像中结构件边缘的同时，能够有效的滤除图像中的噪点；对于滤波之后的图像，依次进行canny算子边缘检测、候选直线生成、角度计算、角度判断、对比度计算、对比度判断、距离计算、距离判断、综合打分，选择最高分、进而提取到最终的结构件边缘直线特征。本发明能够在不改变打光方式的情况下，有效的兼容不同结构件颜色变化和其他边缘特征的干扰。
在一实施例中，图像处理模块10还用于对图像做边缘保持滤波处理，得到滤波后的图像：
获取图像中各个像素的位置坐标、图像中各个像素所处位置的像素值、图像中滤波核中心像素的像素值、滤波核尺寸、以及滤波参数；
根据图像中各个像素的位置坐标、图像中各个像素所处位置的像素值、图像中滤波核中心像素的像素值、滤波核尺寸、以及滤波参数对图像中各个像素进行滤波处理，得到图像中各个像素的待求像素值；
根据图像中各个像素的待求像素值，得到滤波后的图像。
在一实施例中，角度处理模块20还用于对候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合：
对候选直线集合通过角度计算，得到候选直线集合的角度集合；
将角度集合中每个角度与直线角度阈值进行比较，得到角度集合中每个角度与角度阈值的差值；
当差值大于等于预设值时，判定角度所属的直线不合格；
当差值小于预设值时，判定角度所属的直线合格，生成第一合格直线集合，并将角度集合中判定合格的角度生成合格角度集合。
在一实施例中，对比度处理模块30还用于对第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合：
对第一合格直线集合通过对比度计算得到第一合格直线集合的第一对比度集合；
将第一对比度集合中每个对比度与直线对比度阈值进行比较，得到第一对比度集合中每个对比度和直线对比度阈值的差值；
当差值小于预设值时，判定对比度所属的直线不合格；
当差值大于等于预设值时，判定对比度所属的直线合格，生成第二合格直线集合，并将所有对比度判断合格的对比度生成第二对比度集合。
在一实施例中，角度处理模块20还用于对第一合格直线集合通过对比度计算得到第一合格直线集合的第一对比度集合，包括：
从第一合格直线集合中的每条直线的两边各取预设个数长方形区域；
通过每个长方形区域中像素总个数、长方形预设区域中预设位置处像素值、长方形预设区域的灰度均值得到每个长方形区域的灰度均值；
根据每个长方形区域的灰度均值，得到第一合格直线集合中每条直线的对比度，组成第一对比度集合。
在一实施例中，距离处理模块40还用于对第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合，包括：
对第二合格直线集合通过距离计算得到第二合格直线集合的第一距离集合；
将第一距离集合中每条直线到预设标定点的距离和直线距离阈值进行比较，得到第一距离集合中每条直线到预设标定点的距离和直线距离阈值的差值；
当差值小于预设值时，判定距离所属的直线不合格；
当差值大于等于预设值时，判定距离所属的直线合格，生成第三合格直线集合，并将所有距离判断合格的对比度生成第二距离集合。
在一实施例中，特征输出模块50还用于对第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征，包括：
获取第一合格直线集合、第二合格直线集合、第三合格直线集合中所有相同的直线组成第四合格直线集合；
获取合格角度集合、第二对比度集合、第二距离集合中和所述第四合格直线集合对应的角度值、对比度值以及距离值并输入综合打分公式，对第四合格直线集合进行综合打分；
得到第四合格直线集合中每条直线的最后得分；
获取第四合格直线集合中最后得分最高的直线，根据得分最高的直线的特征提取合格角度集合、第二对比度集合以及第二距离集合的结构件中对应直线的边缘直线特征。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种结构件特征提取方法，其特征在于，所述方法包括以下步骤：
获取图像，对所述图像进行边缘保持滤波处理，得到滤波后的图像；
对所述滤波后的图像进行边缘检测，得到边缘点图像；
通过霍夫变换算法在所述边缘点图像中生成候选直线集合；
对所述候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合，其中，当直线角度值与角度阈值的差值小于等于0，则认为此直线符合要求，将所有角度判定合格的直线组成第一合格直线集合，同时，将所有角度判定合格直线的角度组成合格角度集合；
对所述第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合，其中，将所述第一合格直线集合中对比度判定合格的直线组成第二合格直线集合，将所有对比度判定合格的对比度生成第二对比度集合；
对所述第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合，其中，将所述第二合格直线集合中距离判定合格的直线组成第三合格直线集合，将所有距离判定合格的距离生成第二距离集合；
对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征；
所述对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征，包括：
获取所述第一合格直线集合、第二合格直线集合、第三合格直线集合中所有相同的直线组成第四合格直线集合；
获取所述合格角度集合、第二对比度集合、第二距离集合中和所述第四合格直线集合对应的角度值、对比度值以及距离值并输入综合打分公式，对所述第四合格直线集合进行综合打分；
得到所述第四合格直线集合中每条直线的最后得分；
获取所述第四合格直线集合中最后得分最高的直线，根据所述得分最高的直线的特征提取所述合格角度集合、第二对比度集合以及第二距离集合的结构件中对应直线的边缘直线特征。
2.如权利要求1所述的结构件特征提取方法，其特征在于，所述对所述图像做边缘保持滤波处理，得到滤波后的图像，包括：
获取所述图像中各个像素的位置坐标、所述图像中各个像素所处位置的像素值、所述图像中滤波核中心像素的像素值、滤波核尺寸以及滤波参数；
根据所述图像中各个像素的位置坐标、所述图像中各个像素所处位置的像素值、所述图像中滤波核中心像素的像素值、滤波核尺寸以及滤波参数对所述图像中各个像素进行滤波处理，得到所述图像中各个像素的待求像素值；
根据所述图像中各个像素的待求像素值，得到滤波后的图像。
3.如权利要求1所述的结构件特征提取方法，其特征在于，所述对所述候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合，包括：
对所述候选直线集合通过角度计算，得到所述候选直线集合的角度集合；
将所述角度集合中每个角度与直线角度阈值进行比较，得到所述角度集合中每个角度与所述角度阈值的差值；
当所述差值大于等于预设值时，判定所述角度所属的直线不合格；
当所述差值小于预设值时，判定所述角度所属的直线合格，生成第一合格直线集合，并将所述角度集合中判定合格的角度生成合格角度集合。
4.如权利要求1所述的结构件特征提取方法，其特征在于，所述对所述第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合，包括：
对所述第一合格直线集合通过对比度计算得到所述第一合格直线集合的第一对比度集合；
将所述第一对比度集合中每个对比度与直线对比度阈值进行比较，得到所述第一对比度集合中每个对比度和所述直线对比度阈值的差值；
当所述差值小于预设值时，判定所述对比度所属的直线不合格；
当所述差值大于等于预设值时，判定所述对比度所属的直线合格，生成第二合格直线集合，并将所有对比度判定合格的对比度生成第二对比度集合。
5.如权利要求4所述的结构件特征提取方法，其特征在于，所述对所述第一合格直线集合通过对比度计算得到所述第一合格直线集合的第一对比度集合，包括：
从所述第一合格直线集合中的每条直线的两边各取预设个数长方形区域；
通过每个长方形区域中像素总个数、长方形预设区域中预设位置处像素值、长方形预设区域的灰度均值得到每个长方形区域的灰度均值；
根据所述每个长方形区域的灰度均值，得到所述第一合格直线集合中每条直线的对比度，组成第一对比度集合。
6.如权利要求1所述的结构件特征提取方法，其特征在于，所述对所述第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合，包括：
对所述第二合格直线集合通过距离计算得到所述第二合格直线集合的第一距离集合；
将所述第一距离集合中每条直线到预设标定点的距离和直线距离阈值进行比较，得到所述第一距离集合中每条直线到预设标定点的距离和直线距离阈值的差值；
当所述差值小于预设值时，判定所述距离所属的直线不合格；
当所述差值大于等于预设值时，判定所述距离所属的直线合格，生成第三合格直线集合，并将所有距离判定合格的距离生成第二距离集合。
7.一种结构件特征提取装置，其特征在于，所述结构件特征提取装置包括：
图像处理模块，用于获取图像，对所述图像进行边缘保持滤波处理，得到滤波后的图像，对所述滤波后的图像进行边缘检测，得到边缘点图像，通过霍夫变换算法在所述边缘点图像中生成候选直线集合；
角度处理模块，用于对所述候选直线集合进行角度处理，得到第一合格直线集合和合格角度集合，其中，当直线角度值与角度阈值的差值小于等于0，则认为此直线符合要求，将所有角度判定合格的直线组成第一合格直线集合，同时，将所有角度判定合格直线的角度组成合格角度集合；
对比度处理模块，用于对所述第一合格直线集合进行对比度处理，得到第二合格直线集合和第二对比度集合，其中，将所述第一合格直线集合中对比度判定合格的直线组成第二合格直线集合，将所有对比度判定合格的对比度生成第二对比度集合；
距离处理模块，用于对所述第二合格直线集合进行距离处理，得到第三合格直线集合和第二距离集合，其中，将所述第二合格直线集合中距离判定合格的直线组成第三合格直线集合，将所有距离判定合格的距离生成第二距离集合；
特征输出模块，用于对所述第一合格直线集合、第二合格直线集合、第三合格直线集合、合格角度集合、第二对比度集合以及第二距离集合进行综合打分，根据打分结果提取结构件边缘直线特征；
所述特征输出模块，还用于获取所述第一合格直线集合、第二合格直线集合、第三合格直线集合中所有相同的直线组成第四合格直线集合；
获取所述合格角度集合、第二对比度集合、第二距离集合中和所述第四合格直线集合对应的角度值、对比度值以及距离值并输入综合打分公式，对所述第四合格直线集合进行综合打分；
得到所述第四合格直线集合中每条直线的最后得分；
获取所述第四合格直线集合中最后得分最高的直线，根据所述得分最高的直线的特征提取所述合格角度集合、第二对比度集合以及第二距离集合的结构件中对应直线的边缘直线特征。
8.一种结构件特征提取设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的结构件特征提取程序，所述结构件特征提取程序配置为实现如权利要求1至6中任一项所述的结构件特征提取方法的步骤。
9.一种存储介质，其特征在于，所述存储介质上存储有结构件特征提取程序，所述结构件特征提取程序被处理器执行时实现如权利要求1至6中任一项所述的结构件特征提取方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311507784.2A CN117237669B (zh) | 2023-11-14 | 2023-11-14 | 结构件特征提取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311507784.2A CN117237669B (zh) | 2023-11-14 | 2023-11-14 | 结构件特征提取方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117237669A CN117237669A (zh) | 2023-12-15 |
| CN117237669B true CN117237669B (zh) | 2024-02-06 |
Family
ID=89086455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311507784.2A Active CN117237669B (zh) | 2023-11-14 | 2023-11-14 | 结构件特征提取方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117237669B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107220939A (zh) * | 2016-03-21 | 2017-09-29 | 吴健奇 | 一种基于三角形定标法的岩芯高光谱数据几何畸变校正方法 |
| CN107228626A (zh) * | 2017-05-05 | 2017-10-03 | 南昌航空大学 | 基于图像的轨头断面轮廓尺寸合格性检测方法 |
| CN109842756A (zh) * | 2017-11-28 | 2019-06-04 | 东莞市普灵思智能电子有限公司 | 一种镜头畸变矫正和特征提取的方法及系统 |
| CN110555832A (zh) * | 2019-09-02 | 2019-12-10 | 山东建筑大学 | 一种基于机器视觉的汽车发动机连杆质量多参数检测方法，系统，设备及存储介质 |
| CN110852173A (zh) * | 2019-10-15 | 2020-02-28 | 山东大学 | 一种针对模糊焊缝的视觉定位方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8995749B2 (en) * | 2013-03-28 | 2015-03-31 | Mitutoyo Corporation | Enhanced edge detection tool for edges of irregular surfaces |
| US11332644B2 (en) * | 2019-10-16 | 2022-05-17 | Mark Uniat | Method and articles of manufacture for masking irregular or curved boundaries |
-
2023
- 2023-11-14 CN CN202311507784.2A patent/CN117237669B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107220939A (zh) * | 2016-03-21 | 2017-09-29 | 吴健奇 | 一种基于三角形定标法的岩芯高光谱数据几何畸变校正方法 |
| CN107228626A (zh) * | 2017-05-05 | 2017-10-03 | 南昌航空大学 | 基于图像的轨头断面轮廓尺寸合格性检测方法 |
| CN109842756A (zh) * | 2017-11-28 | 2019-06-04 | 东莞市普灵思智能电子有限公司 | 一种镜头畸变矫正和特征提取的方法及系统 |
| CN110555832A (zh) * | 2019-09-02 | 2019-12-10 | 山东建筑大学 | 一种基于机器视觉的汽车发动机连杆质量多参数检测方法，系统，设备及存储介质 |
| CN110852173A (zh) * | 2019-10-15 | 2020-02-28 | 山东大学 | 一种针对模糊焊缝的视觉定位方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Edge-based feature extraction module for 3D point cloud shape classification;Xue Huang.et.;《Computers & Graphics》;第112卷;31-39 * |
| 基于IRANSAC-IRLS直线拟合算法及应用;罗金鐄等;《自动化与仪表》;第38卷(第9期);87-91 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117237669A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107392139B (zh) | 一种基于霍夫变换的车道线检测方法及终端设备 | |
| EP2863335A1 (en) | Method, device and storage medium for locating feature points on human face | |
| CN107636727A (zh) | 一种目标检测的方法及装置 | |
| CN107545223B (zh) | 图像识别方法及电子设备 | |
| JP5454737B2 (ja) | 瞼検出装置、瞼検出方法及びプログラム | |
| US9600888B2 (en) | Image processing device, image processing method, and program | |
| CN103198455B (zh) | 一种利用全变差最小化和灰度共生矩阵的图像去噪方法 | |
| CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
| CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
| CN111696072A (zh) | 彩色图像的直线检测方法、装置、电子设备及存储介质 | |
| CN111951283A (zh) | 一种基于深度学习的医学图像识别方法及系统 | |
| CN112634301A (zh) | 设备区域图像提取方法及装置 | |
| CN110427909B (zh) | 一种移动端驾驶证检测方法、系统及电子设备和存储介质 | |
| CN106600615B (zh) | 一种图像边缘检测算法评价系统及方法 | |
| CN116797590A (zh) | 一种基于机器视觉的Mura缺陷检测方法及系统 | |
| CN117237669B (zh) | 结构件特征提取方法、装置、设备及存储介质 | |
| CN114219936A (zh) | 目标检测方法、电子设备、存储介质和计算机程序产品 | |
| CN115690104B (zh) | 一种晶圆裂缝检测方法、装置及存储介质 | |
| CN111754467A (zh) | 基于霍夫变换的车位检测方法、装置、计算机设备及存储介质 | |
| CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
| CN110472490A (zh) | 基于改进VGGNet的动作识别方法及装置、存储介质和终端 | |
| CN115482239A (zh) | 一种图像定位方法、系统、装置及介质 | |
| CN109815791B (zh) | 基于血管的身份识别方法和装置 | |
| CN115294351A (zh) | 图像特征提取方法、装置和电子设备 | |
| CN114548250A (zh) | 一种基于数据分析的手机外观检测方法及装置 |
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 | ||
| CP03 | Change of name, title or address |
Address after: Room 572, 18th Floor, Building B4, Phase I, Longshan Innovation Park, Wuhan Future Science and Technology City, No. 999 Gaoxin Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000 Patentee after: Wuhan Haiwei Technology Co.,Ltd. Country or region after: China Address before: Room 572, 18th Floor, Building B4, Phase I, Longshan Innovation Park, Wuhan Future Science and Technology City, No. 999 Gaoxin Avenue, Donghu New Technology Development Zone, Wuhan, Hubei Province, 430000 (Wuhan Area of Free Trade Zone) Patentee before: WUHAN HAIWEI TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |