CN103177259A - 色块识别方法及装置 - Google Patents
色块识别方法及装置 Download PDFInfo
- Publication number
- CN103177259A CN103177259A CN201310125145XA CN201310125145A CN103177259A CN 103177259 A CN103177259 A CN 103177259A CN 201310125145X A CN201310125145X A CN 201310125145XA CN 201310125145 A CN201310125145 A CN 201310125145A CN 103177259 A CN103177259 A CN 103177259A
- Authority
- CN
- China
- Prior art keywords
- color lump
- color
- image
- profile
- shape
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种色块识别方法及装置,该色块识别方法及装置通过对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓来确定色块的形状,根据提取到的色块的轮廓计算色块的质心坐标来获取色块的位置,选取色块内的一个点所在位置的颜色来确定色块的颜色。因此其能够同时识别色块的形状、位置及颜色,从而能够更加全面的提取色块的信息。
Description
技术领域
本发明涉及一种图像处理领域,特别是涉及一种色块识别方法及装置。
背景技术
色块识别是图像识别的重要部分,有着十分广阔的应用前景,可应用于机器人比赛的场地识别、信件包裹的自动分拣和归类等。然而,常用的色块识别方法只能识别色块的颜色,而无法获取更多色块的信息,例如色块的形状及位置信息。这样导致提取出的色块信息不够全面,对色块的识别较差。
发明内容
基于此,有必要提供一种能够同时识别色块的形状、位置及颜色的色块识别方法及装置。
一种色块识别方法,包括以下步骤:色块形状识别,对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓,确定色块的形状;色块位置识别,根据提取到的色块的轮廓计算色块的质心坐标;色块颜色识别,选取形状确定的色块内的任一个点并根据所述任一个点所在位置的需要识别的图像的颜色来确定色块的颜色。
在其中一个实施例中,所述色块形状识别的步骤之前还包括对需要识别的图像进行光照补偿处理的光照补偿步骤。
在其中一个实施例中,所述色块形状识别的步骤包括以下步骤:将需要识别的图像转换为灰度图像;将转换过的灰度图像转换成二值图像;利用边缘检测对所述二值图像进行区域分析,并过滤小面积区域,提取所述二值图像的轮廓;提取所述二值图像的轮廓的顶点数目,判断色块的形状。
在其中一个实施例中,所述提取所述二值图像的轮廓的顶点数目,判断色块的形状的步骤包括如下步骤:对所述二值图像的轮廓进行圆检测,判断所述轮廓是否为圆形;若是,则结束对所述轮廓的形状的判定;否则,提取所述轮廓的顶点数目,根据轮廓的顶点数目判断色块的形状。
在其中一个实施例中,所述对所述轮廓进行圆检测,判断所述轮廓是否为圆形的步骤是采用霍夫变换算法进行的。
在其中一个实施例中,所述色块位置识别的步骤包括如下步骤:根据提取到的色块的轮廓确定搜索区域;计算所述搜索区域的Hu矩的零阶矩及一阶矩;根据计算得出的Hu矩的零阶矩及一阶矩确定色块的质心坐标。
在其中一个实施例中,所述色块颜色识别的步骤是在HSV颜色空间内进行的。
在其中一个实施例中,所述色块颜色识别步骤中,选取色块的质心所在位置的颜色来确定色块的颜色。
在其中一个实施例中,所述色块颜色识别步骤之前还包括采用均值滤波方法对需要识别的图像进行去噪的步骤。
一种色块识别装置,包括:色块形状识别模块,用于对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓,确定色块的形状;色块位置识别模块,用于根据提取到的色块的轮廓计算色块的质心坐标;色块颜色识别模块,用于选取形状确定的色块内的任一个点并根据所述任一个点所在位置的需要识别的图像的颜色来确定色块的颜色。
上述色块识别方法及装置通过对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓来确定色块的形状,根据提取到的色块的轮廓计算色块的质心坐标来获取色块的位置,选取色块内的一个点所在位置的颜色来确定色块的颜色。因此其能够同时识别色块的形状、位置及颜色,从而能够更加全面的提取色块的信息。
附图说明
图1为一个实施例的色块识别方法的流程图;
图2为图1所示色块识别方法的色块形状识别的流程图;
图3为图1所示色块识别方法的提取通过边缘检测得到的二值图像的轮廓的顶点数目,判断色块的形状的流程图;
图4为图1所示色块识别方法的色块位置识别的流程图;
图5为一个实施例的色块识别装置的模块图;
图6为图5所示色块识别装置的具体模块图。
具体实施方式
请参考图1,一个实施例提供一种色块识别方法。该色块识别方法包括以下步骤:
步骤S110,光照补偿,对需要识别的图像进行光照补偿处理。
此处的需要识别的图像中可以包括多个色块,此处对需要识别的图像进行光照补偿处理是为了消除光照变化对识别结果的影响。
在该实施例中,光照补偿处理采用直方图均衡化方法。传统的直方图均衡化法是通过增加图像灰度值的动态范围,增加对比度,以使图像具有较大的反差。此处是将直方图均衡化法应用于RGB(red green blue,红绿蓝)彩色图像增强中,其步骤如下:先将需要处理的彩色图像(此处为需要识别的图像)表示成一个三维数组:Zrgb=[Zr Zg Zb]T,其中Zr,Zg,Zb分别表示红分量图像、绿分量图像和蓝分量图像,则每一个分量图像可以看作是一个灰度图像;然后利用直方图均衡化方法分别对Zr,Zg,Zb进行处理,获得增强后的输出图像分量Sr,Sg,Sb;最后将增强后的输出图像分量Sr,Sg,Sb三个分量组成光照补偿后的输出图像。这样就完成了光照补偿处理。
步骤S120,色块形状识别,对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓,确定色块的形状。色块的形状确定后,色块也就可以从需要识别的图像中区分出来了。这样可以方便确定色块的位置与颜色。请参考图2,该步骤S120,色块形状识别的步骤进一步包括以下步骤:
步骤S121,将需要识别的图像转换为灰度图像。
步骤S122,将转换过的灰度图像转换成二值图像。将需要识别的图像转换成二值图像可以简化图像,方便对图像的处理。
步骤S123,利用边缘检测对二值图像进行区域分析,并过滤小面积区域,提取二值图像的轮廓。此处的边缘检测是对图像灰度变化的度量、检测和定位。边缘检测可以采用Canny边缘检测算法,即通过求信号函数的极大值来判定图像边缘像素点。边缘检测主要包括以下步骤:先用高斯滤波器平滑二值图像;然后用一阶偏导的有限差分来计算梯度的幅值和方向;接着对梯度幅值进行非极大值抑制;最后用双阈值算法检测和连接边缘。这样就可以得到二值图像的边缘。二值图像边缘提取后,计算二值图像边缘围成的轮廓的面积,以去除面积小于设定值的轮廓,实现小面积区域过滤。这样就可以将所需要的色块全部提取出来,并得到所需要色块的轮廓。
步骤S124,提取通过边缘检测得到的二值图像的轮廓的顶点数目,判断色块的形状。请参考图3,该步骤S124具体包括如下步骤:对二值图像的轮廓进行圆检测,判断该轮廓是否为圆形;若是,则结束对该轮廓的形状的判定;否则,提取该轮廓的顶点数目,根据轮廓的顶点数目判断色块的形状。若轮廓顶点数目不满足大于2且小于5的条件,则过滤该轮廓并结束形状判定,若该轮廓顶点数目等于4,则判断色块的形状为四边形,若该轮廓顶点数目等于3,则判断色块的形状为三角形。在该实施例中,色块的形状包括圆形、三角形和四边形。但此处并不以此为限,通过适当的对步骤进行改变可以使该色块识别方法能够识别更多形状的色块。另外,此处对轮廓进行圆检测,判断轮廓是否为圆形的步骤是采用霍夫变换算法进行的。
步骤S130,色块位置识别,根据提取到的色块的轮廓计算色块的质心坐标。请参考图4,该步骤S130,色块位置识别步骤主要包括如下步骤:
步骤S131,根据提取到的色块的轮廓确定搜索区域。
步骤S132,计算该搜索区域的Hu矩的零阶矩及一阶矩。设点(x,y)为某搜索区域中的像素位置,I(x,y)是点(x,y)处的像素值,则该搜索区域的零阶矩M00和一阶矩M01,M10分别如下:
步骤S133,根据计算得出的Hu矩的零阶矩及一阶矩确定色块的质心位置。则根据计算得出的Hu矩的零阶矩及一阶矩就可以得到该搜索区域,即色块的质心的位置为:(xc,yc)=(M10/M00,M01/M00)。在该实施例中,色块质心的位置也就是色块的位置。
步骤S140,色块颜色识别,选取形状确定的色块内的任一个点并根据该任一个点所在位置的需要识别的图像的颜色来确定色块的颜色。在进行步骤S140,色块颜色识别的步骤之前可以采用均值滤波方法对需要识别的图像进行去噪。另外,在该实施例中,进行色块颜色识别时是选取色块的质心所在位置的颜色来确定色块的颜色。步骤S140,色块颜色识别的步骤是在HSV(hue saturationvalue,色相饱和度)颜色空间内进行的。步骤S120,色块形状识别的步骤可以确定色块的形状,同时也可以过滤掉需要识别的图像中一些不需要的图像。这样,色块的形状确定后在进行色块颜色识别时就可以将色块位置、形状及颜色对应起来。而不会出现色块位置、形状及颜色不对应的情况。例如,出现坐标(3,5)位置的红色圆形色块进行颜色识别后为坐标(2,7)位置的绿色三角形色块的颜色,即绿色。
具体的,将光照补偿后的需要进行颜色识别的图像的RGB彩色图像转换为HSV颜色空间。在HSV颜色空间中,H、S、V分别表示色彩、饱和度、亮度。色彩H由绕V轴的旋转角给定,范围为0-360。检测色块质心位置的颜色,将其作为色块颜色。接着将色块质心处的H值设置为以该点为中心的邻域窗口内的所有点H值的平均值,以实现将色块图像去噪的目的。在本实施例中将颜色模型分割成六部分,其中,若获得的色彩H的值的范围为0-60,则色块颜色为红色;若H的值的范围为60-120,则色块颜色为黄色;若H的值的范围为120-180,则色块颜色为绿色;若H的值的范围为180-240,则色块颜色为青色;若H的值的范围为240-300,则色块颜色为蓝色;若H的值的范围为300-360,则色块颜色为品红。在其他实施例中,可将颜色模型分割得更为详细。这样就可以得到色块的质心的颜色,也就得到了色块的颜色。
通过以上步骤就可以得到色块的形状、位置及颜色信息。
请参考图5,本发明的一个实施例提供一种色块识别装置。该色块识别装置包括光照补偿模块210、色块形状识别模块220、色块位置识别模块230及色块颜色识别模块240。光照补偿模块210对需要识别的图像进行光照补偿处理。色块形状识别模块220用于对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓,确定色块的形状。色块位置识别模块230用于根据提取到的色块的轮廓计算色块的质心坐标。色块颜色识别模块240用于选取形状确定的色块内的任一个点并根据该任一个点所在位置的需要识别的图像的颜色来确定色块的颜色。
请参考图6,进一步的,色块形状识别模块220包括灰度图像转换模块221、二值图像转换模块222、轮廓提取模块223及顶点提取模块224。灰度图像转换模块221用于将需要识别的图像转换为灰度图像。二值图像转换模块222用于将转换过的灰度图像转换成二值图像。将需要识别的图像转换成二值图像可以简化图像,方便对图像的处理。轮廓提取模块223用于利用边缘检测对二值图像进行区域分析,并过滤小面积区域,提取二值图像的轮廓。顶点提取模块224用于提取通过边缘检测得到的二值图像的轮廓的顶点数目,判断色块的形状。
请参考图6,色块位置识别模块230包括搜索区域确定模块231、计算模块232及质心位置确定模块233。其中,搜索区域确定模块231用于根据提取到的色块的轮廓确定搜索区域。计算模块232用于计算该搜索区域的Hu矩的零阶矩及一阶矩。质心位置确定模块233用于根据计算得出的Hu矩的零阶矩及一阶矩确定色块的质心位置。
上述色块识别方法及装置通过对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓来确定色块的形状,根据提取到的色块的轮廓计算色块的质心坐标来获取色块的位置,选取色块内的一个点所在位置的颜色来确定色块的颜色。因此其能够同时识别色块的形状、位置及颜色,从而能够更加全面的提取色块的信息。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种色块识别方法,其特征在于,包括以下步骤:
色块形状识别,对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓,确定色块的形状;
色块位置识别,根据提取到的色块的轮廓计算色块的质心坐标;
色块颜色识别,选取形状确定的色块内的任一个点并根据所述任一个点所在位置的需要识别的图像的颜色来确定色块的颜色。
2.根据权利要求1所述的色块识别方法,其特征在于,所述色块形状识别的步骤之前还包括对需要识别的图像进行光照补偿处理的光照补偿步骤。
3.根据权利要求1所述的色块识别方法,其特征在于,所述色块形状识别的步骤包括以下步骤:
将需要识别的图像转换为灰度图像;
将转换过的灰度图像转换成二值图像;
利用边缘检测对所述二值图像进行区域分析,并过滤小面积区域,提取所述二值图像的轮廓;
提取所述二值图像的轮廓的顶点数目,判断色块的形状。
4.根据权利要求3所述的色块识别方法,其特征在于,所述提取所述二值图像的轮廓的顶点数目,判断色块的形状的步骤包括如下步骤:
对所述二值图像的轮廓进行圆检测,判断所述轮廓是否为圆形;
若是,则结束对所述轮廓的形状的判定;
否则,提取所述轮廓的顶点数目,根据轮廓的顶点数目判断色块的形状。
5.根据权利要求4所述的色块识别方法,其特征在于,所述对所述轮廓进行圆检测,判断所述轮廓是否为圆形的步骤是采用霍夫变换算法进行的。
6.根据权利要求1所述的色块识别方法,其特征在于,所述色块位置识别的步骤包括如下步骤:
根据提取到的色块的轮廓确定搜索区域;
计算所述搜索区域的Hu矩的零阶矩及一阶矩;
根据计算得出的Hu矩的零阶矩及一阶矩确定色块的质心坐标。
7.根据权利要求1所述的色块识别方法,其特征在于,所述色块颜色识别的步骤是在HSV颜色空间内进行的。
8.根据权利要求1所述的色块识别方法,其特征在于,在所述色块颜色识别步骤中,选取色块的质心所在位置的颜色来确定色块的颜色。
9.根据权利要求1所述的色块识别方法,其特征在于,在所述色块颜色识别步骤之前还包括采用均值滤波方法对需要识别的图像进行去噪的步骤。
10.一种色块识别装置,其特征在于,包括:
色块形状识别模块,用于对需要识别的图像进行边缘检测,提取需要识别的图像中色块的轮廓,确定色块的形状;
色块位置识别模块,用于根据提取到的色块的轮廓计算色块的质心坐标;
色块颜色识别模块,用于选取形状确定的色块内的任一个点并根据所述任一个点所在位置的需要识别的图像的颜色来确定色块的颜色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310125145.XA CN103177259B (zh) | 2013-04-11 | 2013-04-11 | 色块识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310125145.XA CN103177259B (zh) | 2013-04-11 | 2013-04-11 | 色块识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103177259A true CN103177259A (zh) | 2013-06-26 |
CN103177259B CN103177259B (zh) | 2016-05-18 |
Family
ID=48637100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310125145.XA Active CN103177259B (zh) | 2013-04-11 | 2013-04-11 | 色块识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103177259B (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105082141A (zh) * | 2015-05-08 | 2015-11-25 | 上海交通大学 | 执行模块、解魔方机器人及其使用方法 |
CN105138616A (zh) * | 2015-08-10 | 2015-12-09 | 闻泰通讯股份有限公司 | 一种便于查找图片的方法 |
CN105243664A (zh) * | 2015-10-08 | 2016-01-13 | 东南大学 | 一种基于视觉的轮式移动机器人快速目标跟踪方法 |
CN106096599A (zh) * | 2016-04-28 | 2016-11-09 | 浙江工业大学 | 一种基于涂色块的内部集卡定位方法 |
WO2016188021A1 (zh) * | 2015-05-22 | 2016-12-01 | 京东方科技集团股份有限公司 | 颜色辨识***、颜色辨识方法和显示装置 |
CN106295656A (zh) * | 2016-08-03 | 2017-01-04 | 徐庆 | 基于图像色块内容的图像轮廓特征提取方法和装置 |
CN106325750A (zh) * | 2016-08-26 | 2017-01-11 | 曹蕊 | 一种应用于终端设备的文字识别方法及*** |
CN106485231A (zh) * | 2016-10-21 | 2017-03-08 | 上海未来伙伴机器人有限公司 | 一种目标色块提取方法及装置 |
CN106780531A (zh) * | 2016-12-22 | 2017-05-31 | 河海大学 | 一种基于色块点特征的图像边缘提取方法 |
CN106855949A (zh) * | 2016-11-29 | 2017-06-16 | 广州视源电子科技股份有限公司 | 标记点的识别方法及装置 |
CN106964563A (zh) * | 2017-04-28 | 2017-07-21 | 福州大学 | 一种塑料瓶分拣方法 |
CN106984556A (zh) * | 2017-04-28 | 2017-07-28 | 福州大学 | 一种塑料瓶智能分拣***及其工作方法 |
WO2017128604A1 (zh) * | 2016-01-26 | 2017-08-03 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其基于形状匹配的魔方检测定位方法 |
CN107336251A (zh) * | 2016-09-20 | 2017-11-10 | 苏州小璐机器人有限公司 | 一种机器人队列的控制方法及*** |
CN107491714A (zh) * | 2016-06-13 | 2017-12-19 | 深圳光启合众科技有限公司 | 智能机器人及其目标物体识别方法和装置 |
CN108152278A (zh) * | 2017-11-22 | 2018-06-12 | 沈阳普泽众康医药科技有限公司 | 一种尿液检测方法及装置 |
CN108510477A (zh) * | 2018-03-15 | 2018-09-07 | 深圳市飞点健康管理有限公司 | 试纸色块的定位方法及装置 |
CN108596232A (zh) * | 2018-04-16 | 2018-09-28 | 杭州睿珀智能科技有限公司 | 一种基于形状和颜色特征的鞋垫自动分类方法 |
CN108890692A (zh) * | 2018-07-05 | 2018-11-27 | 陕西大中科技发展有限公司 | 一种用于工业机器人视觉分拣的物料颜色识别方法 |
CN109345735A (zh) * | 2018-10-12 | 2019-02-15 | 南京理工大学 | 一种无人售货机商品识别方法及*** |
CN109587337A (zh) * | 2018-12-14 | 2019-04-05 | 江苏科技大学 | 一种快速检测真菌毒素的方法及智能手机 |
CN110355765A (zh) * | 2019-05-27 | 2019-10-22 | 西安交通大学 | 一种基于视觉识别的自动跟随避障方法及机器人 |
CN110414333A (zh) * | 2019-06-20 | 2019-11-05 | 平安科技(深圳)有限公司 | 一种图像边界的检测方法及装置 |
CN111126414A (zh) * | 2019-12-03 | 2020-05-08 | 武汉邦拓信息科技有限公司 | 一种基于深度学习的装修图内图块识别方法 |
CN113470125A (zh) * | 2021-07-21 | 2021-10-01 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1721144A (zh) * | 2004-07-13 | 2006-01-18 | 中国科学院自动化研究所 | 一种基于物体表面颜色的快速跟踪方法与装置 |
US20100002957A1 (en) * | 2008-07-03 | 2010-01-07 | Rastislav Lukac | Detecting Edges In A Digital Images |
CN102005040A (zh) * | 2010-09-09 | 2011-04-06 | 吉林大学 | 基于多特征融合匹配的目标交接算法 |
-
2013
- 2013-04-11 CN CN201310125145.XA patent/CN103177259B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1721144A (zh) * | 2004-07-13 | 2006-01-18 | 中国科学院自动化研究所 | 一种基于物体表面颜色的快速跟踪方法与装置 |
US20100002957A1 (en) * | 2008-07-03 | 2010-01-07 | Rastislav Lukac | Detecting Edges In A Digital Images |
CN102005040A (zh) * | 2010-09-09 | 2011-04-06 | 吉林大学 | 基于多特征融合匹配的目标交接算法 |
Non-Patent Citations (3)
Title |
---|
冈萨雷斯等: "《数字图像处理》", 30 June 2011, article "数字图像处理", pages: 463-465 * |
李巍等: "一种基于纹理和颜色的目标跟踪方法", 《计算机仿真》, vol. 28, no. 1, 31 January 2011 (2011-01-31), pages 273 - 276 * |
陈守刚: "基于直方图均衡化的彩色图像增强研究", 《重庆三峡学院学报》, vol. 27, no. 132, 31 December 2011 (2011-12-31), pages 74 - 77 * |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105082141A (zh) * | 2015-05-08 | 2015-11-25 | 上海交通大学 | 执行模块、解魔方机器人及其使用方法 |
WO2016188021A1 (zh) * | 2015-05-22 | 2016-12-01 | 京东方科技集团股份有限公司 | 颜色辨识***、颜色辨识方法和显示装置 |
US10204424B2 (en) | 2015-05-22 | 2019-02-12 | Boe Technology Group Co., Ltd. | Color identifying system, color identifying method and display device |
CN105138616A (zh) * | 2015-08-10 | 2015-12-09 | 闻泰通讯股份有限公司 | 一种便于查找图片的方法 |
CN105243664B (zh) * | 2015-10-08 | 2018-07-17 | 东南大学 | 一种基于视觉的轮式移动机器人快速目标跟踪方法 |
CN105243664A (zh) * | 2015-10-08 | 2016-01-13 | 东南大学 | 一种基于视觉的轮式移动机器人快速目标跟踪方法 |
WO2017128604A1 (zh) * | 2016-01-26 | 2017-08-03 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其基于形状匹配的魔方检测定位方法 |
CN106096599A (zh) * | 2016-04-28 | 2016-11-09 | 浙江工业大学 | 一种基于涂色块的内部集卡定位方法 |
CN106096599B (zh) * | 2016-04-28 | 2019-03-26 | 浙江工业大学 | 一种基于涂色块的内部集卡定位方法 |
CN107491714A (zh) * | 2016-06-13 | 2017-12-19 | 深圳光启合众科技有限公司 | 智能机器人及其目标物体识别方法和装置 |
CN107491714B (zh) * | 2016-06-13 | 2022-04-05 | 中科晶锐(苏州)科技有限公司 | 智能机器人及其目标物体识别方法和装置 |
CN106295656A (zh) * | 2016-08-03 | 2017-01-04 | 徐庆 | 基于图像色块内容的图像轮廓特征提取方法和装置 |
CN106295656B (zh) * | 2016-08-03 | 2017-09-15 | 徐庆 | 基于图像色块内容的图像轮廓特征提取方法和装置 |
CN106325750A (zh) * | 2016-08-26 | 2017-01-11 | 曹蕊 | 一种应用于终端设备的文字识别方法及*** |
CN107336251A (zh) * | 2016-09-20 | 2017-11-10 | 苏州小璐机器人有限公司 | 一种机器人队列的控制方法及*** |
CN106485231A (zh) * | 2016-10-21 | 2017-03-08 | 上海未来伙伴机器人有限公司 | 一种目标色块提取方法及装置 |
CN106855949A (zh) * | 2016-11-29 | 2017-06-16 | 广州视源电子科技股份有限公司 | 标记点的识别方法及装置 |
CN106780531A (zh) * | 2016-12-22 | 2017-05-31 | 河海大学 | 一种基于色块点特征的图像边缘提取方法 |
CN106780531B (zh) * | 2016-12-22 | 2019-10-15 | 河海大学 | 一种基于色块点特征的图像边缘提取方法 |
CN106964563B (zh) * | 2017-04-28 | 2019-02-22 | 福州大学 | 一种塑料瓶分拣方法 |
CN106984556A (zh) * | 2017-04-28 | 2017-07-28 | 福州大学 | 一种塑料瓶智能分拣***及其工作方法 |
CN106964563A (zh) * | 2017-04-28 | 2017-07-21 | 福州大学 | 一种塑料瓶分拣方法 |
CN108152278A (zh) * | 2017-11-22 | 2018-06-12 | 沈阳普泽众康医药科技有限公司 | 一种尿液检测方法及装置 |
CN108510477B (zh) * | 2018-03-15 | 2021-08-24 | 深圳市飞点健康管理有限公司 | 试纸色块的定位方法及装置 |
CN108510477A (zh) * | 2018-03-15 | 2018-09-07 | 深圳市飞点健康管理有限公司 | 试纸色块的定位方法及装置 |
CN108596232A (zh) * | 2018-04-16 | 2018-09-28 | 杭州睿珀智能科技有限公司 | 一种基于形状和颜色特征的鞋垫自动分类方法 |
CN108890692A (zh) * | 2018-07-05 | 2018-11-27 | 陕西大中科技发展有限公司 | 一种用于工业机器人视觉分拣的物料颜色识别方法 |
CN109345735A (zh) * | 2018-10-12 | 2019-02-15 | 南京理工大学 | 一种无人售货机商品识别方法及*** |
CN109587337A (zh) * | 2018-12-14 | 2019-04-05 | 江苏科技大学 | 一种快速检测真菌毒素的方法及智能手机 |
CN110355765A (zh) * | 2019-05-27 | 2019-10-22 | 西安交通大学 | 一种基于视觉识别的自动跟随避障方法及机器人 |
CN110414333A (zh) * | 2019-06-20 | 2019-11-05 | 平安科技(深圳)有限公司 | 一种图像边界的检测方法及装置 |
WO2020253062A1 (zh) * | 2019-06-20 | 2020-12-24 | 平安科技(深圳)有限公司 | 一种图像边界的检测方法及装置 |
CN111126414A (zh) * | 2019-12-03 | 2020-05-08 | 武汉邦拓信息科技有限公司 | 一种基于深度学习的装修图内图块识别方法 |
CN113470125A (zh) * | 2021-07-21 | 2021-10-01 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及*** |
CN113470125B (zh) * | 2021-07-21 | 2024-01-12 | 杭州万事利丝绸文化股份有限公司 | 一种对图案进行颜色搭配的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN103177259B (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103177259A (zh) | 色块识别方法及装置 | |
CN102043950B (zh) | 基于canny算子和边缘点统计的车辆轮廓识别方法 | |
CN109377485B (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
CN105046700B (zh) | 基于亮度校正与颜色分类的水果表面缺陷检测方法及*** | |
CN101571419B (zh) | 采用图像分割的汽车仪表led指示灯自动检验方法 | |
CN102750535B (zh) | 自动提取图像前景的方法和*** | |
CN104866849A (zh) | 一种基于移动终端的食品营养成分标签识别方法 | |
CN105865329B (zh) | 基于视觉的成捆圆钢端面中心坐标的获取***和方法 | |
CN110008968B (zh) | 一种基于图像视觉的机器人结算自动触发方法 | |
CN103198319B (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN102938057B (zh) | 一种车辆阴影消除方法及装置 | |
CN104766344B (zh) | 基于运动边缘提取器的车辆检测方法 | |
CN105701487A (zh) | 一种车标定位的方法 | |
CN107527343A (zh) | 一种基于图像处理的双孢蘑菇分级方法 | |
CN102147867A (zh) | 一种基于主体的国画图像和书法图像的识别方法 | |
CN113256624A (zh) | 连铸圆坯缺陷检测方法、装置、电子设备及可读存储介质 | |
CN106327464A (zh) | 一种边缘检测方法 | |
CN105787475A (zh) | 一种复杂环境下的交通标志检测与识别方法 | |
CN103903284A (zh) | 一种基于最小二乘法的多圆检测方法 | |
CN108090492B (zh) | 基于尺度线索抑制的轮廓检测方法 | |
CN105787912A (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN109409409A (zh) | 基于hog+cnn的交通标志的实时检测方法 | |
Wang et al. | License plate location algorithm based on edge detection and morphology | |
CN109284759A (zh) | 一种基于支持向量机(svm)的魔方颜色识别方法 | |
CN104281850A (zh) | 一种文字区域识别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |