RU2014138042A - Способ и система уменьшения локализованных артефактов в данных визуализации - Google Patents
Способ и система уменьшения локализованных артефактов в данных визуализации Download PDFInfo
- Publication number
- RU2014138042A RU2014138042A RU2014138042A RU2014138042A RU2014138042A RU 2014138042 A RU2014138042 A RU 2014138042A RU 2014138042 A RU2014138042 A RU 2014138042A RU 2014138042 A RU2014138042 A RU 2014138042A RU 2014138042 A RU2014138042 A RU 2014138042A
- Authority
- RU
- Russia
- Prior art keywords
- visualization data
- visualization
- artifacts
- classes
- determining
- Prior art date
Links
- 238000012800 visualization Methods 0.000 title claims abstract 47
- 238000000034 method Methods 0.000 title claims abstract 14
- 238000006073 displacement reaction Methods 0.000 claims abstract 6
- 230000011218 segmentation Effects 0.000 claims abstract 3
- 238000009499 grossing Methods 0.000 claims 2
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T7/0012—Biomedical 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
- G06T7/11—Region-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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal 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
- G06T2207/20172—Image enhancement details
- G06T2207/20201—Motion blur correction
-
- 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
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Data Mining & Analysis (AREA)
- Pulmonology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
1. Способ (200) уменьшения локализованных артефактов в данных визуализации, причем способ содержит этапы, на которых:сегментируют (212) данные визуализации для идентификации одной или более предполагаемых областей (216) в данных визуализации, рядом с которыми ожидается появление локализованных артефактов;определяют (220) содержащую артефакты интересующую область (222) в данных визуализации вокруг каждой предполагаемой области;определяют (224) один или более классов для данных визуализации содержащих артефакты интересующих областей и связывают (226) каждый класс с по меньшей мере одним репрезентативным значением визуализации;относят (228) каждый элемент данных визуализации в пределах содержащих артефакты областей к одному из классов;определяют (230) локальное поле (232) смещения в пределах содержащих артефакты областей, описывающее для каждого элемента данных визуализации в пределах содержащих артефакты областей разность между вычисленным значением визуализации и репрезентативным значением визуализации на основании классификации; иприменяют (234) локальное поле смещения к данным визуализации в пределах содержащих артефакты областей для получения данных (236) визуализации с коррекцией артефактов.2. Способ по п. 1, в котором этап сегментации содержит этап,на котором применяют одно или более пороговых значений к данным визуализации.3. Способ по п. 1, дополнительно содержащий по меньшей мере два класса для данных визуализации содержащих артефакты интересующих областей, определяемые взаимоисключающими минимальными и максимальными значениями классов.4. Способ по п. 3, дополнительно содержащий этап, на котором определяют количество классов и минимальные и макси
Claims (14)
1. Способ (200) уменьшения локализованных артефактов в данных визуализации, причем способ содержит этапы, на которых:
сегментируют (212) данные визуализации для идентификации одной или более предполагаемых областей (216) в данных визуализации, рядом с которыми ожидается появление локализованных артефактов;
определяют (220) содержащую артефакты интересующую область (222) в данных визуализации вокруг каждой предполагаемой области;
определяют (224) один или более классов для данных визуализации содержащих артефакты интересующих областей и связывают (226) каждый класс с по меньшей мере одним репрезентативным значением визуализации;
относят (228) каждый элемент данных визуализации в пределах содержащих артефакты областей к одному из классов;
определяют (230) локальное поле (232) смещения в пределах содержащих артефакты областей, описывающее для каждого элемента данных визуализации в пределах содержащих артефакты областей разность между вычисленным значением визуализации и репрезентативным значением визуализации на основании классификации; и
применяют (234) локальное поле смещения к данным визуализации в пределах содержащих артефакты областей для получения данных (236) визуализации с коррекцией артефактов.
2. Способ по п. 1, в котором этап сегментации содержит этап,
на котором применяют одно или более пороговых значений к данным визуализации.
3. Способ по п. 1, дополнительно содержащий по меньшей мере два класса для данных визуализации содержащих артефакты интересующих областей, определяемые взаимоисключающими минимальными и максимальными значениями классов.
4. Способ по п. 3, дополнительно содержащий этап, на котором определяют количество классов и минимальные и максимальные значения классов до получения (204) данных визуализации.
5. Способ по п. 3, дополнительно содержащий этап, на котором определяют количество классов и минимальные и максимальные значения классов по меньшей мере частично с помощью анализа данных визуализации.
6. Способ по п. 3, в котором классификация содержащих артефакты областей содержит первый класс наименьших значений, второй класс средних значений и третий класс высоких значений.
7. Способ по п. 1, в котором определение локального поля смещения содержит этап сглаживания, которое способствует гладкости локального поля смещения и уменьшает шум.
8. Система обработки изображений, содержащая логику, сохраненную в памяти, причем логика обеспечивает команды для уменьшения локализованных артефактов в данных визуализации, причем команды содержат:
сегментирование (212) данных визуализации для идентификации одной или более предполагаемых областей (216) в данных визуализации, рядом с которыми ожидается появление локализованных артефактов;
определение (220) содержащей артефакты интересующей области (222) в данных визуализации вокруг каждой предполагаемой области;
определение (224) одного или более классов для данных визуализации содержащих артефакты интересующих областей и связывание (226) каждого класса с по меньшей мере одним репрезентативным значением визуализации;
отнесение (228) каждого элемента данных визуализации в пределах содержащих артефакты областей к одному из классов;
определение (230) локального поля (232) смещения в пределах содержащих артефакты областей, описывающего для каждого элемента данных визуализации в пределах содержащих артефакты областей разность между вычисленным значением визуализации и репрезентативным значением визуализации на основании классификации; и
применение (234) локального поля смещения к данным визуализации в пределах содержащих артефакты областей для получения данных (236) визуализации с коррекцией артефактов.
9. Система по п. 8, в которой этап сегментации содержит применение одного или более пороговых значений к данным визуализации.
10. Система по п. 8, дополнительно содержащая по меньшей мере два класса для данных визуализации содержащих артефакты интересующих областей, определяемые взаимоисключающими минимальными и максимальными значениями классов.
11. Система по п. 10, дополнительно содержащая определение количества классов и минимальных и максимальных значений классов до получения (204) данных визуализации.
12. Система по п. 10, дополнительно содержащая определение количества классов и минимальных и максимальных значений классов по меньшей мере частично с помощью анализа данных визуализации.
13. Система по п. 10, в которой классификация содержащих артефакты областей содержит первый класс наименьших значений, второй класс средних значений и третий класс высоких значений.
14. Система по п. 8, в которой определение локального поля смещения содержит этап сглаживания, которое способствует гладкости локального поля смещения и уменьшает шум.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261601693P | 2012-02-22 | 2012-02-22 | |
US61/601,693 | 2012-02-22 | ||
PCT/IB2013/051302 WO2013124777A1 (en) | 2012-02-22 | 2013-02-18 | Method and system for reducing localized artifacts in imaging data |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2014138042A true RU2014138042A (ru) | 2016-04-10 |
Family
ID=48095952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2014138042A RU2014138042A (ru) | 2012-02-22 | 2013-02-18 | Способ и система уменьшения локализованных артефактов в данных визуализации |
Country Status (5)
Country | Link |
---|---|
US (1) | US9295443B2 (ru) |
EP (1) | EP2816955B1 (ru) |
CN (1) | CN104135931B (ru) |
RU (1) | RU2014138042A (ru) |
WO (1) | WO2013124777A1 (ru) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6242631B2 (ja) * | 2012-08-30 | 2017-12-06 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置及びx線コンピュータ断層撮影装置 |
CN106102581B (zh) * | 2014-01-29 | 2019-12-31 | 皇家飞利浦有限公司 | 图像数据中移动的结构的分割 |
DE102015206630B4 (de) * | 2015-04-14 | 2022-05-05 | Siemens Healthcare Gmbh | Multispektrale CT-Bildgebung |
KR101725891B1 (ko) * | 2015-08-05 | 2017-04-11 | 삼성전자주식회사 | 단층 영상 장치 및 그에 따른 단층 영상 복원 방법 |
US9697623B1 (en) | 2015-09-15 | 2017-07-04 | Shanghai United Imaging Healthcare Co., Ltd. | Image reconstruction system and method |
CN105184835B (zh) * | 2015-09-15 | 2018-11-06 | 上海联影医疗科技有限公司 | 乳腺断层图像重建方法和装置 |
GB2547360B (en) | 2015-09-15 | 2018-02-14 | Shanghai United Imaging Healthcare Co Ltd | Image reconstruction system and method |
US20170109903A1 (en) * | 2015-10-20 | 2017-04-20 | Michal Kulon | Method for Reduction of Artifacts and Preservation of Soft Tissue Contrast and Conspicuity of Iodinated Materials on Computed Tomography Images by means of Adaptive Fusion of Input Images Obtained from Dual-Energy CT Scans, and Use of differences in Voxel intensities between high and low-energy images in estimation of artifact magnitude |
US10932730B2 (en) * | 2015-12-17 | 2021-03-02 | Koninklijke Philips N.V. | Method for estimating the radiation dose received by an organ during a computed tomography scan |
CN105574833B (zh) * | 2015-12-23 | 2018-11-27 | 上海奕瑞光电子科技股份有限公司 | 探测器暗场图像模板中震颤或敲击伪影的识别及校正方法 |
WO2017130018A1 (en) * | 2016-01-25 | 2017-08-03 | Adaptix Ltd | Medical imaging system with a fixed array of x-ray detectors and a fixed array of x-ray emitters for producing a digital 3-dimensional image |
US10013780B2 (en) * | 2016-02-29 | 2018-07-03 | General Electric Company | Systems and methods for artifact removal for computed tomography imaging |
CN108074219B (zh) * | 2016-11-11 | 2021-05-07 | 上海东软医疗科技有限公司 | 一种图像校正方法、装置及医疗设备 |
CN107316277B (zh) * | 2017-04-24 | 2020-12-18 | 苏州动影信息科技有限公司 | 一种医学锥束ct图像中运动伪影修正方法 |
US10993689B2 (en) * | 2017-08-31 | 2021-05-04 | General Electric Company | Method and system for motion assessment and correction in digital breast tomosynthesis |
TWI714025B (zh) * | 2019-03-19 | 2020-12-21 | 緯創資通股份有限公司 | 影像辨識方法及影像辨識裝置 |
CN112649773B (zh) * | 2020-12-22 | 2023-05-26 | 上海联影医疗科技股份有限公司 | 磁共振扫描方法、装置、设备及存储介质 |
US11759658B2 (en) * | 2021-03-31 | 2023-09-19 | Siemens Healthineers International Ag | Motion artifact reduction in computed tomography |
CN113822820A (zh) * | 2021-10-22 | 2021-12-21 | 上海电气(集团)总公司智惠医疗装备分公司 | 一种图像校正方法、装置及电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6208138B1 (en) * | 1998-06-11 | 2001-03-27 | Siemens Corporate Research, Inc. | Bias field estimation for intensity inhomogeneity correction in MR images |
US7110588B2 (en) * | 2001-05-10 | 2006-09-19 | Agfa-Gevaert N.V. | Retrospective correction of inhomogeneities in radiographs |
JP3930493B2 (ja) * | 2004-05-17 | 2007-06-13 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像処理方法、画像処理装置およびx線ct装置 |
EP1984754A2 (en) * | 2006-02-03 | 2008-10-29 | Koninklijke Philips Electronics N.V. | Accounting for foreign objects when creating ct-based attenuation maps |
CN101909525B (zh) * | 2008-01-11 | 2013-06-05 | 株式会社岛津制作所 | 图像处理方法、装置以及断层摄影装置 |
-
2013
- 2013-02-18 CN CN201380010576.XA patent/CN104135931B/zh active Active
- 2013-02-18 WO PCT/IB2013/051302 patent/WO2013124777A1/en active Application Filing
- 2013-02-18 US US14/377,202 patent/US9295443B2/en active Active
- 2013-02-18 RU RU2014138042A patent/RU2014138042A/ru not_active Application Discontinuation
- 2013-02-18 EP EP13716393.7A patent/EP2816955B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20160007948A1 (en) | 2016-01-14 |
WO2013124777A1 (en) | 2013-08-29 |
CN104135931A (zh) | 2014-11-05 |
US9295443B2 (en) | 2016-03-29 |
EP2816955B1 (en) | 2022-10-19 |
EP2816955A1 (en) | 2014-12-31 |
CN104135931B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2014138042A (ru) | Способ и система уменьшения локализованных артефактов в данных визуализации | |
US10291823B2 (en) | Apparatus and method for color calibration | |
US8538150B2 (en) | Method and apparatus for segmenting multi-view images into foreground and background based on codebook | |
WO2020024585A1 (zh) | 一种训练物体检测模型的方法、装置以及设备 | |
JP2019067404A (ja) | マルコフ連鎖を用いてイメージ上の対象客体を追跡、分割する方法及び装置 | |
US20150213582A1 (en) | Image processing apparatus and method thereof | |
CN109416749B (zh) | 一种图像的灰阶分类方法、装置以及可读存储介质 | |
JP5908844B2 (ja) | 画像処理装置および画像処理方法 | |
US20160307050A1 (en) | Method and system for ground truth determination in lane departure warning | |
US20160286092A1 (en) | Image processing apparatus and image processing method | |
RU2013104895A (ru) | Процессор изображений с функциональностью выбора контуров | |
KR101662407B1 (ko) | 영상의 비네팅 보정 방법 및 장치 | |
EA201991678A1 (ru) | Способ получения данных 3d модели из множества компонентов объекта | |
JP2015103249A (ja) | 画像中のゼブラクロッシングの検出装置及び方法 | |
JP2010108205A (ja) | 超解像画像作成方法 | |
US9916663B2 (en) | Image processing method and process simulation apparatus | |
KR101796523B1 (ko) | 가변조명 하의 깊이정보 정확도 향상방법 및 시스템 | |
US9710922B2 (en) | Image processing apparatus, method and medium storing a program for detecting a motion vector | |
CN107895355B (zh) | 一种移动侦测和图像对比度自适应增强系统及其方法 | |
JP5896661B2 (ja) | 情報処理装置、情報処理装置の制御方法、およびプログラム | |
KR101766740B1 (ko) | 영역 기반 그래프 컷을 이용한 객체 분할 장치 및 방법 | |
KR101372507B1 (ko) | 가변 블록 기반 역광 영역 검출을 이용한 영상 개선 장치 및 방법 | |
US8571342B2 (en) | Image processing and generation of focus information | |
CN108053414A (zh) | 一种机器视觉边缘检测技术 | |
JP6125331B2 (ja) | テクスチャ検出装置、テクスチャ検出方法、テクスチャ検出プログラム、および画像処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FA92 | Acknowledgement of application withdrawn (lack of supplementary materials submitted) |
Effective date: 20170616 |