JP6303332B2 - 画像処理装置、画像処理方法および画像処理プログラム - Google Patents
画像処理装置、画像処理方法および画像処理プログラム Download PDFInfo
- Publication number
- JP6303332B2 JP6303332B2 JP2013176217A JP2013176217A JP6303332B2 JP 6303332 B2 JP6303332 B2 JP 6303332B2 JP 2013176217 A JP2013176217 A JP 2013176217A JP 2013176217 A JP2013176217 A JP 2013176217A JP 6303332 B2 JP6303332 B2 JP 6303332B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- closed region
- binarization threshold
- value
- pixel
- 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
Images
Classifications
-
- 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
- G06T7/0002—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
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Description
さらに、1つの案では、上記画像処理装置と同様の処理をコンピュータに実行させる画像処理プログラムが提供される。
〔第1の実施の形態〕
図1は、第1の実施の形態に係る画像処理装置の構成例および処理例を示す図である。画像処理装置1は、複数の物体が映った入力画像から、各物体の輪郭を検出する処理を行う。特に、画像処理装置1は、入力画像において、ある物体がその周囲の他の物体に接触している場合でも、その物体の輪郭を高精度に検出可能である。
輪郭検出部3は、二値化画像P1〜P3のそれぞれにおける閉領域21の面積を算出する(ステップS2)。そして、輪郭検出部3は、閉領域の21の面積の変化率に基づいて、閉領域21の境界を物体11の輪郭として検出するために用いるべき二値化閾値の最適値を決定する。
図2は、第2の実施の形態に係る画像処理装置のハードウェア構成例を示す図である。画像処理装置100は、例えば、図2のようなコンピュータとして実現される。
RAM102は、画像処理装置100の主記憶装置として使用される。RAM102には、プロセッサ101に実行させるOS(Operating System)プログラムやアプリケーションプログラムの少なくとも一部が一時的に格納される。また、RAM102には、プロセッサ101による処理に必要な各種データが格納される。
以上のようなハードウェア構成によって、画像処理装置100の処理機能を実現することができる。
図4は、ヒストグラムのバックプロジェクションによる濃淡画像の生成処理例を示す図である。図4に示すように、濃淡画像の生成は、例えば、撮像画像211からの色サンプリング、ヒストグラムの算出、ヒストグラムのバックプロジェクションという手順で行われる。
次に、算出されたHSVヒストグラム214を撮像画像211にバックプロジェクションすることで、頻度を画素値とする濃淡画像215が生成される。この処理では、画像処理装置100は、撮像画像211の各画素について、元の画素値に基づくHおよびSの値に対応する頻度をHSVヒストグラム214から判別し、判別した頻度を撮像画像211の対応する画素の位置に画素値として代入する。生成された濃淡画像215においては、画素値が大きいほど、その画素が検出対象の物体に属する確率が高いことを示し、画素値が小さいほど、その画素が検出対象の物体以外の背景領域に属する確率が高いことを示す。
<濃淡画像への変換>
画像変換部111は、複数の物体が映った撮像画像を、HSVヒストグラムの頻度を画素値とする濃淡画像に変換する。濃淡画像の生成処理手順は図4で説明した通りであり、画像変換部111は、撮像画像の画素値に基づいてHSVヒストグラムを算出し、HSVヒストグラムを撮像画像にバックプロジェクションすることで、濃淡画像を生成する。
基準点抽出部112は、濃淡画像を距離変換して距離変換画像を生成し、距離変換画像における極大点を複数抽出する。各極大点の位置が基準点とされる。
d2(i,j)=min{d1(i,j),d2(i−1,j)+1,d2(i,j−1)+1} ・・・(1)
次に、基準点抽出部112は、逆ラスタスキャンによる距離変換を行う。基準点抽出部112は、上記のようにして生成された第2の距離変換画像を右下端から左上端へ逆ラスタスキャンしながら、次の式(2)の演算を行うことで、第2の距離変換画像を最終的な第3の距離変換画像に変換する。ここで、第3の距離変換画像における画素(i,j)の画素値をd(i,j)とする。
d(i,j)=min{d2(i,j),d(i+1,j)+1,d(i,j+1)+1} ・・・(2)
次に、基準点抽出部112は、上記のようにして生成された距離変換画像の各画素を対象に、近傍画素の中で極大となる画素の位置を求める。例えば、基準点抽出部112は、画素(i,j)について、その画素を中心とする7画素×7画素の領域から、画素値が最大の位置(最大点)を探索するとともに、その画素値(最大値)を記憶する。基準点抽出部112は、この処理を距離変換画像の左上端から右下端へラスタスキャンしながら実行し、最大値が更新された場合には、更新された最大値の画素を新たな最大点として追加するとともに、記憶していた最大値を更新する。
<最適な閾値の探索および輪郭抽出>
二値化処理部113は、画像変換部111によって変換された濃淡画像の各画素を閾値と比較することで二値化し、二値化画像を生成する。閾値探索部114は、二値化処理部113に、閾値を徐々に変化させながら二値化画像を生成させる。
また、閾値が例えばさらにT(j+1)に低下すると、閉領域243はさらに大きくなり、その面積も増加する。このとき、閉領域243は、物体241aの実際の輪郭と、これに隣接する物体241bの実際の輪郭とが連結した領域にまで拡大してしまう。
なお、図示しないが、輪郭抽出の対象となる物体に対して、他の物体が接触していない場合には、その物体の輪郭は次のようにして抽出される。この物体の領域の内部に基準点が抽出されると、閾値探索部114は、上記と同様に閾値を徐々に小さくしながら二値化処理部113に二値化画像を生成させる。これにより、基準点を包含する閉領域が生成され、閾値の低下に伴って閉領域は徐々に拡大する。しかし、物体には他の物体が接触していないことから、閉領域は物体の実際の輪郭と一致した時点で一旦飽和し、閉領域の面積の変化率が極端に小さくなる。
[ステップS11]画像変換部111は、撮像画像の画素値に基づいてHSVヒストグラムを算出する。
[ステップS13]基準点抽出部112は、濃淡画像を距離変換して距離変換画像を生成し、距離変換画像における極大点を複数抽出する。基準点抽出部112は、抽出された各極大点を、それぞれ物体に対応する基準点として出力する。このとき、基準点抽出部112は、濃淡画像における各基準点の座標を、例えばRAM102に保存する。
[ステップS15]閾値探索部114は、二値化処理部113に対して二値化処理のための閾値を設定する。
上記の第2の実施の形態では、基準点ごとに閉領域の面積の変化率を算出して、基準点ごとに最適閾値を判定した。これに対して、以下の第3の実施の形態は、基準点を通る複数の分割線によって分割された分割領域ごとに、閉領域の面積の変化率を算出するように、第2の実施の形態を変形したものである。このような方法を用いることで、撮像画像に映った物体に照明の当たり方のバラツキがあった場合でも、物体ごとの輪郭を高精度に検出できるようにする。
閾値探索部114aは、第2の実施の形態と同様に、二値化処理部113に、閾値を徐々に変化させながら二値化画像を生成させる。ただし、閾値探索部114aは、基準点に対応する閉領域の輪郭を検出するための二値化時の最適な閾値を、基準点ごとではなく、分割領域ごとに決定する。
図12は、閾値の変化に応じた部分閉領域の面積変化の例を示す図である。図12では、部分二値化領域255a〜255dから、二値化処理によってそれぞれ部分閉領域253a〜253dが形成されたとする。また、グラフ261a〜261dは、部分二値化領域255a〜255dのそれぞれについて個別に閾値を変化させたときの、部分閉領域253a〜253dの面積の遷移を示す。
[ステップS21]図9のステップS11〜S13と同様の処理が実行される。すなわち、画像変換部111は、撮像画像の画素値に基づいてHSVヒストグラムを算出し、HSVヒストグラムを撮像画像にバックプロジェクションすることで、濃淡画像を生成する。基準点抽出部112は、濃淡画像を距離変換して距離変換画像を生成し、距離変換画像における極大点を、基準点として複数抽出する。
[ステップS24]閾値探索部114aは、二値化処理部113に対して二値化処理のための閾値を設定する。
なお、ステップS25での二値化対象領域としては、例えば、図11で説明した部分二値化領域が設定される。このような二値化対象領域は、閾値探索部114aから二値化処理部113に対して設定される。
[ステップS28]閾値探索部114aは、ステップS27で判定した最適閾値を用いて生成された二値化画像を二値化処理部113に出力させる。この二値化画像は、ステップS25で生成済みの、対応する部分閉領域を包含する二値化対象領域のみの二値化画像であってよい。
[ステップS31]閾値探索部114aは、ステップS21で抽出されたすべての基準点を選択済みかを判定する。選択されていない基準点がある場合には、ステップS22の処理が実行される。一方、全基準点が選択済みの場合、処理が終了する。なお、後者の場合、図示しないが、画像処理装置100aは、抽出された各物体の輪郭を基に、撮像画像における各物体の面積を算出してもよい。さらに、画像処理装置100aは、算出された各物体の面積を基に、各物体の推定重量を算出してもよい。
また、第2の実施の形態と同様に、輪郭抽出部115は、ステップS30で閉領域の輪郭を抽出したとき、その輪郭の円形度あるいはアスペクト比(あるいはそれらの両方)を算出し、算出された値が所定の閾値範囲内であるかを判定してもよい。算出された値が所定の閾値範囲外である場合、目的とする物体の輪郭が正確に検出されていない可能性がある。そこで、画像処理装置100aは、該当する基準点についてステップS23〜S30の処理を再実行する。このとき、例えば、ステップS24で設定する閾値のステップ幅を小さくしたり、設定する閾値のレンジを変更してもよい。これにより、目的とする物体を正確に検出し、その輪郭の検出精度を向上させることができる。
(付記1) 複数の物体が映った画像における画素ごとの特徴量を所定の二値化閾値と比較することで、前記画像の各画素の値を二値化して二値化画像を生成する処理を、前記二値化閾値を変化させながら実行して複数の二値化画像を生成する二値化処理部と、
前記複数の二値化画像それぞれに現れる閉領域のうち、前記複数の二値化画像の間で領域の一部が重複する対応閉領域の面積を算出し、前記二値化閾値の変化に伴う前記対応閉領域の面積の変化率に基づいて、前記対応閉領域の境界を物体の輪郭として検出するために用いるべき前記二値化閾値を決定する輪郭検出部と、
を有することを特徴とする画像処理装置。
前記輪郭検出部は、前記二値化閾値の変化に伴って連続して生成される2つの二値化画像の間で、前記対応閉領域の面積の変化率が所定の上限閾値以上になった場合に、当該2つの二値化画像のうち前側の二値化画像における前記対応閉領域の境界を、物体の輪郭として検出する、
ことを特徴とする付記1記載の画像処理装置。
ことを特徴とする付記1〜3のいずれか1つに記載の画像処理装置。
前記複数の二値化画像それぞれに現れる閉領域のうち、前記複数の二値化画像の間で領域の一部が重複する対応閉領域の面積を算出し、
前記二値化閾値の変化に伴う前記対応閉領域の面積の変化率に基づいて、前記対応閉領域の境界を物体の輪郭として検出するために用いるべき前記二値化閾値を決定する、
ことを特徴とする画像処理方法。
前記面積の変化率に基づく決定処理では、前記二値化閾値の変化に伴って連続して生成される2つの二値化画像の間で、前記対応閉領域の面積の変化率が所定の上限閾値以上になった場合に、当該2つの二値化画像のうち前側の二値化画像における前記対応閉領域の境界を、物体の輪郭として検出する、
ことを特徴とする付記8記載の画像処理方法。
処理をさらに含むことを特徴とする付記9記載の画像処理方法。
前記二値化画像の生成では、前記特徴量画像の各画素の値を前記二値化閾値と比較することで前記二値化画像を生成する、
ことを特徴とする付記8〜10のいずれか1つに記載の画像処理方法。
前記対応閉領域の面積の算出では、前記対応閉領域の面積として、前記複数の二値化画像それぞれに現れる、同一の前記基準点を内包する閉領域の面積を算出する、
ことを特徴とする付記11記載の画像処理方法。
前記対応閉領域の面積の算出では、前記対応閉領域の面積として、前記複数の二値化画像それぞれに現れる、同一の前記基準点を内包する閉領域の面積を算出する、
ことを特徴とする付記8〜10のいずれか1つに記載の画像処理方法。
複数の物体が映った画像における画素ごとの特徴量を所定の二値化閾値と比較することで、前記画像の各画素の値を二値化して二値化画像を生成する処理を、前記二値化閾値を変化させながら実行して複数の二値化画像を生成し、
前記複数の二値化画像それぞれに現れる閉領域のうち、前記複数の二値化画像の間で領域の一部が重複する対応閉領域の面積を算出し、
前記二値化閾値の変化に伴う前記対応閉領域の面積の変化率に基づいて、前記対応閉領域の境界を物体の輪郭として検出するために用いるべき前記二値化閾値を決定する、
処理を実行させることを特徴とする画像処理プログラム。
2 二値化処理部
3 輪郭検出部
11,12 物体
21,22 閉領域
P1〜P3 二値化画像
S1〜S3 ステップ
TH1〜TH3 二値化閾値
Claims (8)
- 第1物体と、前記第1物体に接触する第2物体とを含む複数の物体それぞれの輪郭を検出する画像処理装置であって、
前記複数の物体が映った画像における画素ごとの画素値に基づく値の頻度を、前記画像の各画素にバックプロジェクションすることで特徴量画像を生成し、前記特徴量画像の各画素の値を所定の二値化閾値と比較することで、前記画像の各画素の値を二値化して二値化画像を生成する処理を、前記二値化閾値を変化させながら実行して複数の二値化画像を生成する二値化処理部と、
前記複数の二値化画像のうち、第1の二値化閾値に基づいて生成される、第1閉領域と第2閉領域とが映った第1の二値化画像と、前記二値化処理部が前記二値化閾値を変化させた場合に前記第1の二値化閾値に対して連続する値を有する第2の二値化閾値に基づいて生成される、前記第1閉領域および前記第2閉領域と対応する位置に第3閉領域が映った第2の二値化画像とについて、前記第1閉領域の面積と前記第3閉領域の面積との差が上限閾値以上の場合に、前記第1の二値化閾値を前記第1物体の輪郭を検出するための前記二値化閾値として決定する輪郭検出部と、
を有することを特徴とする画像処理装置。 - 前記輪郭検出部は、前記第1閉領域の面積に対する前記第3閉領域の面積の増加量が前記上限閾値以上になった場合に、前記第1閉領域の境界を前記第1物体の輪郭として検出する、
ことを特徴とする請求項1記載の画像処理装置。 - 前記輪郭検出部は、前記特徴量画像に対して距離変換を行い、変換後の画像における極大点を、物体ごとの基準点として抽出し、前記第1閉領域と前記第3閉領域の各面積として、前記第1の二値化画像と前記第2の二値化画像のそれぞれに現れる、同一の前記基準点を内包する閉領域の面積を算出することを特徴とする請求項1記載の画像処理装置。
- 複数の物体が映った画像における画素ごとの特徴量を所定の二値化閾値と比較することで、前記画像の各画素の値を二値化して二値化画像を生成する処理を、前記二値化閾値を変化させながら実行して複数の二値化画像を生成する二値化処理部と、
前記複数の物体が映った画像から、前記画素ごとの特徴量のうち極大値を有する画素を基準点として抽出し、前記基準点を通る複数の分割線によって前記基準点の周囲領域を分割することで複数の分割領域として、前記複数の分割領域をそれぞれ選択し、前記複数の二値化画像のうち、第1の二値化閾値に基づいて生成される、選択した分割領域に現れる第1部分閉領域が映った第1の二値化画像と、前記二値化処理部が前記二値化閾値を変化させた場合に前記第1の二値化閾値に対して連続する値を有する第2の二値化閾値に基づいて生成される、前記第1部分閉領域に対応する位置に第2部分閉領域が映った第2の二値化画像について、前記第1部分閉領域の面積と前記第2部分閉領域の面積との差に基づいて、前記第1の二値化閾値と前記第2の二値化閾値のいずれかを、前記選択した分割領域に映る物体の輪郭の一部を検出するための前記二値化閾値として決定する輪郭検出部と、
を有することを特徴とする画像処理装置。 - 第1物体と、前記第1物体に接触する第2物体とを含む複数の物体それぞれの輪郭を検出するための画像処理方法であって、
前記複数の物体が映った画像における画素ごとの画素値に基づく値の頻度を、前記画像の各画素にバックプロジェクションすることで特徴量画像を生成し、前記特徴量画像の各画素の値を所定の二値化閾値と比較することで、前記画像の各画素の値を二値化して二値化画像を生成する処理を、前記二値化閾値を変化させながら実行して複数の二値化画像を生成し、
前記複数の二値化画像のうち、第1の二値化閾値に基づいて生成される、第1閉領域と第2閉領域とが映った第1の二値化画像と、前記複数の二値化画像の生成のために前記二値化閾値を変化させた場合に前記第1の二値化閾値に対して連続する値を有する第2の二値化閾値に基づいて生成される、前記第1閉領域および前記第2閉領域と対応する位置に第3閉領域が映った第2の二値化画像とについて、前記第1閉領域の面積と前記第3閉領域の面積との差が上限閾値以上の場合に、前記第1の二値化閾値を前記第1物体の輪郭を検出するための前記二値化閾値として決定する、
ことを特徴とする画像処理方法。 - 複数の物体が映った画像における画素ごとの特徴量を所定の二値化閾値と比較することで、前記画像の各画素の値を二値化して二値化画像を生成する処理を、前記二値化閾値を変化させながら実行して複数の二値化画像を生成し、
前記複数の物体が映った画像から、前記画素ごとの特徴量のうち極大値を有する画素を基準点として抽出し、
前記基準点を通る複数の分割線によって前記基準点の周囲領域を分割することで複数の分割領域として、前記複数の分割領域をそれぞれ選択し、
前記複数の二値化画像のうち、第1の二値化閾値に基づいて生成される、選択した分割領域に現れる第1部分閉領域が映った第1の二値化画像と、前記複数の二値化画像の生成のために前記二値化閾値を変化させた場合に前記第1の二値化閾値に対して連続する値を有する第2の二値化閾値に基づいて生成される、前記第1部分閉領域に対応する位置に第2部分閉領域が映った第2の二値化画像について、前記第1部分閉領域の面積と前記第2部分閉領域の面積との差に基づいて、前記第1の二値化閾値と前記第2の二値化閾値のいずれかを、前記選択した分割領域に映る物体の輪郭の一部を検出するための前記二値化閾値として決定する、
ことを特徴とする画像処理方法。 - 第1物体と、前記第1物体に接触する第2物体とを含む複数の物体それぞれの輪郭を検出するための画像処理プログラムであって、
コンピュータに、
前記複数の物体が映った画像における画素ごとの画素値に基づく値の頻度を、前記画像の各画素にバックプロジェクションすることで特徴量画像を生成し、前記特徴量画像の各画素の値を所定の二値化閾値と比較することで、前記画像の各画素の値を二値化して二値化画像を生成する処理を、前記二値化閾値を変化させながら実行して複数の二値化画像を生成し、
前記複数の二値化画像のうち、第1の二値化閾値に基づいて生成される、第1閉領域と第2閉領域とが映った第1の二値化画像と、前記複数の二値化画像の生成のために前記二値化閾値を変化させた場合に前記第1の二値化閾値に対して連続する値を有する第2の二値化閾値に基づいて生成される、前記第1閉領域および前記第2閉領域と対応する位置に第3閉領域が映った第2の二値化画像とについて、前記第1閉領域の面積と前記第3閉領域の面積との差が上限閾値以上の場合に、前記第1の二値化閾値を前記第1物体の輪郭を検出するための前記二値化閾値として決定する、
処理を実行させることを特徴とする画像処理プログラム。 - コンピュータに、
複数の物体が映った画像における画素ごとの特徴量を所定の二値化閾値と比較することで、前記画像の各画素の値を二値化して二値化画像を生成する処理を、前記二値化閾値を変化させながら実行して複数の二値化画像を生成し、
前記複数の物体が映った画像から、前記画素ごとの特徴量のうち極大値を有する画素を基準点として抽出し、
前記基準点を通る複数の分割線によって前記基準点の周囲領域を分割することで複数の分割領域として、前記複数の分割領域をそれぞれ選択し、
前記複数の二値化画像のうち、第1の二値化閾値に基づいて生成される、選択した分割領域に現れる第1部分閉領域が映った第1の二値化画像と、前記複数の二値化画像の生成のために前記二値化閾値を変化させた場合に前記第1の二値化閾値に対して連続する値を有する第2の二値化閾値に基づいて生成される、前記第1部分閉領域に対応する位置に第2部分閉領域が映った第2の二値化画像について、前記第1部分閉領域の面積と前記第2部分閉領域の面積との差に基づいて、前記第1の二値化閾値と前記第2の二値化閾値のいずれかを、前記選択した分割領域に映る物体の輪郭の一部を検出するための前記二値化閾値として決定する、
処理を実行させることを特徴とする画像処理プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013176217A JP6303332B2 (ja) | 2013-08-28 | 2013-08-28 | 画像処理装置、画像処理方法および画像処理プログラム |
US14/341,320 US9514382B2 (en) | 2013-08-28 | 2014-07-25 | Image processing apparatus and image processing method |
CN201410409160.1A CN104424482B (zh) | 2013-08-28 | 2014-08-19 | 图像处理设备和图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013176217A JP6303332B2 (ja) | 2013-08-28 | 2013-08-28 | 画像処理装置、画像処理方法および画像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015045966A JP2015045966A (ja) | 2015-03-12 |
JP6303332B2 true JP6303332B2 (ja) | 2018-04-04 |
Family
ID=52583336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013176217A Active JP6303332B2 (ja) | 2013-08-28 | 2013-08-28 | 画像処理装置、画像処理方法および画像処理プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US9514382B2 (ja) |
JP (1) | JP6303332B2 (ja) |
CN (1) | CN104424482B (ja) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10115187B2 (en) * | 2015-01-30 | 2018-10-30 | Raytheon Company | Apparatus and processes for classifying and counting corn kernels |
US10614291B2 (en) * | 2015-06-08 | 2020-04-07 | Beijing Kuangshi Technology Co., Ltd. | Living body detection method, living body detection system and computer program product |
CN106097345B (zh) * | 2016-06-14 | 2020-04-14 | 三亚深海科学与工程研究所 | 一种线状目标分割方法及分割系统 |
TWI618916B (zh) * | 2016-09-23 | 2018-03-21 | 啟碁科技股份有限公司 | 貨架庫存估測方法與系統 |
JP6670787B2 (ja) * | 2017-03-23 | 2020-03-25 | 日本電信電話株式会社 | 繰り返しパターン発見装置、方法、及びプログラム |
US10553091B2 (en) * | 2017-03-31 | 2020-02-04 | Qualcomm Incorporated | Methods and systems for shape adaptation for merged objects in video analytics |
CN107221001A (zh) * | 2017-05-18 | 2017-09-29 | 苏州恩巨网络有限公司 | 一种区域信息获取方法及装置 |
US10922801B2 (en) * | 2017-07-19 | 2021-02-16 | Lockheed Martin Corporation | Channel-based binarization of color |
CN107993224B (zh) * | 2017-11-28 | 2021-06-11 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
JP6813004B2 (ja) * | 2018-06-28 | 2021-01-13 | Jfeスチール株式会社 | 鋼材非圧下部幅検出装置及びその検出方法 |
JP7277116B2 (ja) * | 2018-11-29 | 2023-05-18 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
KR20200084164A (ko) * | 2019-01-02 | 2020-07-10 | 엘지이노텍 주식회사 | 사육장 환경 관리 장치 |
CN110930358B (zh) * | 2019-10-17 | 2023-04-21 | 广州丰石科技有限公司 | 一种基于自适应算法的太阳能面板图像处理方法 |
CN111325760B (zh) * | 2020-01-26 | 2023-07-04 | 四川大学 | 仿真植被阻水面积的确定方法 |
CN111401552B (zh) * | 2020-03-11 | 2023-04-07 | 浙江大学 | 基于调整批量大小与梯度压缩率的联邦学习方法和系统 |
CN111402301B (zh) * | 2020-03-17 | 2023-06-13 | 浙江大华技术股份有限公司 | 积水检测方法及装置、存储介质及电子装置 |
CN111950422A (zh) * | 2020-08-05 | 2020-11-17 | 万翼科技有限公司 | 图纸识别方法及相关装置 |
CN112183554A (zh) * | 2020-09-01 | 2021-01-05 | 国交空间信息技术(北京)有限公司 | 一种自动化道路边界轮廓提取方法 |
CN112762940A (zh) * | 2020-12-30 | 2021-05-07 | 浙江德源智能科技股份有限公司 | 机器人行走路线规划方法、程序及存储介质 |
CN112700463A (zh) * | 2020-12-30 | 2021-04-23 | 上海幻维数码创意科技股份有限公司 | 基于图像检测的多媒体展厅交互方法、装置及存储介质 |
CN113033400B (zh) * | 2021-03-25 | 2024-01-19 | 新东方教育科技集团有限公司 | 识别数学式子的方法、装置、存储介质及电子设备 |
CN113469980B (zh) * | 2021-07-09 | 2023-11-21 | 连云港远洋流体装卸设备有限公司 | 一种基于图像处理的法兰识别方法 |
CN113763266B (zh) * | 2021-08-11 | 2023-11-17 | 浙江大学 | 一种基于图像处理的蜜柚纵剖与横剖皮厚测量方法 |
CN113763397B (zh) * | 2021-09-03 | 2024-03-29 | 国网山东省电力公司电力科学研究院 | 复合绝缘子故障检测方法及系统 |
CN115100192B (zh) * | 2022-08-22 | 2023-01-17 | 歌尔光学科技有限公司 | 拖影检测方法、装置及电子设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02199586A (ja) * | 1989-01-30 | 1990-08-07 | Hitachi Ltd | 形状情報を保存する画像2値化処理方法 |
JP2856229B2 (ja) * | 1991-09-18 | 1999-02-10 | 財団法人ニューメディア開発協会 | 画像切り出し箇所検出方法 |
US5689575A (en) | 1993-11-22 | 1997-11-18 | Hitachi, Ltd. | Method and apparatus for processing images of facial expressions |
US5768412A (en) * | 1994-09-19 | 1998-06-16 | Hitachi, Ltd. | Region segmentation method for particle images and apparatus thereof |
US5920655A (en) * | 1995-02-10 | 1999-07-06 | Canon Kabushiki Kaisha | Binarization image processing for multi-level image data |
JP2000097929A (ja) * | 1998-09-25 | 2000-04-07 | Yoshiyuki Sasaki | 食肉の肉質判別方法 |
JP3383844B2 (ja) | 2000-06-01 | 2003-03-10 | 独立行政法人産業技術総合研究所 | 楕円形の検出方法、検出プログラムを記録したコンピュータ読み取り可能な記録媒体および検出装置 |
US8160296B2 (en) * | 2005-04-15 | 2012-04-17 | Mississippi State University Research And Technology Corporation | Change analyst |
CN101621615A (zh) * | 2009-07-24 | 2010-01-06 | 南京邮电大学 | 一种自适应背景建模及运动目标检测方法 |
US8345976B2 (en) * | 2010-08-06 | 2013-01-01 | Sony Corporation | Systems and methods for segmenting digital images |
JP6183038B2 (ja) * | 2012-11-15 | 2017-08-23 | 株式会社リコー | 領域抽出装置、領域抽出方法およびプログラム |
CN103077529B (zh) * | 2013-02-27 | 2016-04-06 | 电子科技大学 | 基于图像扫描的植物叶片特征分析系统 |
-
2013
- 2013-08-28 JP JP2013176217A patent/JP6303332B2/ja active Active
-
2014
- 2014-07-25 US US14/341,320 patent/US9514382B2/en active Active
- 2014-08-19 CN CN201410409160.1A patent/CN104424482B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104424482B (zh) | 2018-07-03 |
US9514382B2 (en) | 2016-12-06 |
JP2015045966A (ja) | 2015-03-12 |
CN104424482A (zh) | 2015-03-18 |
US20150063651A1 (en) | 2015-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6303332B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN110678901B (zh) | 信息处理设备、信息处理方法和计算机可读存储介质 | |
US9818232B2 (en) | Color-based depth smoothing of scanned 3D model to enhance geometry in 3D printing | |
AU2016225841B2 (en) | Predicting accuracy of object recognition in a stitched image | |
JP2014059875A5 (ja) | ||
WO2014007300A1 (ja) | 細胞分裂過程追跡装置及びその方法、コンピュータにより処理可能な細胞分裂過程追跡プログラムを記憶する記憶媒体 | |
US11908183B2 (en) | Image analysis and processing pipeline with real-time feedback and autocapture capabilities, and visualization and configuration system | |
JP2009265732A (ja) | 画像処理装置及びその方法 | |
JP2008250746A (ja) | 移動物体追跡装置 | |
US20200292463A1 (en) | Apparatus for optimizing inspection of exterior of target object and method thereof | |
JP2018181333A5 (ja) | ||
JP5849206B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP2007048006A (ja) | 画像処理装置および画像処理プログラム | |
JP5780791B2 (ja) | 細胞の追跡処理方法 | |
US9727145B2 (en) | Detecting device and detecting method | |
KR101313879B1 (ko) | 기울기 히스토그램을 이용한 사람 검출 추적 시스템 및 방법 | |
JP6643301B2 (ja) | 欠陥検査装置及び欠陥検査方法 | |
JP6140599B2 (ja) | 炎検出装置 | |
JP2008084109A (ja) | 目開閉判定装置及び目開閉判定方法 | |
KR101276792B1 (ko) | 눈 검출 장치 및 방법 | |
JP2010146159A (ja) | 瞼検出装置、瞼検出方法及びプログラム | |
KR20150060032A (ko) | 움직임 검출 시스템 및 방법 | |
JP6229568B2 (ja) | 画像処理装置、画像処理システム、画像処理方法および画像処理プログラム | |
JP6062825B2 (ja) | 特徴点抽出装置、特徴点抽出方法、及び特徴点抽出プログラム | |
WO2021192295A1 (ja) | 画像処理システム、撮像システム、画像処理方法および非一時的なコンピュータ可読媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160510 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170420 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170425 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170626 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20171010 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171222 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20180111 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6303332 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |