CN106327442A - 多光谱显微成像的景深扩展方法及*** - Google Patents
多光谱显微成像的景深扩展方法及*** Download PDFInfo
- Publication number
- CN106327442A CN106327442A CN201610704178.3A CN201610704178A CN106327442A CN 106327442 A CN106327442 A CN 106327442A CN 201610704178 A CN201610704178 A CN 201610704178A CN 106327442 A CN106327442 A CN 106327442A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- value
- morphological
- maximum
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003384 imaging method Methods 0.000 title claims abstract description 23
- 230000000877 morphologic effect Effects 0.000 claims abstract description 44
- 238000001914 filtration Methods 0.000 claims abstract description 18
- 230000007797 corrosion Effects 0.000 claims abstract description 6
- 238000005260 corrosion Methods 0.000 claims abstract description 6
- 230000010339 dilation Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 20
- 238000001228 spectrum Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 2
- 239000002131 composite material Substances 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种多光谱显微成像的景深扩展方法及***,包括:将每一像素点的灰度值设置为该像素点指定邻域窗口内的所有像素点灰度值的中值,并对显微图像进行噪声滤除;将膨胀后的原图像和腐蚀后的原图像做差,得到形态学梯度;以基于清晰区域临近区域也清晰为前提条件,通过形态学膨胀方法来扩大清晰区域;将图像进行膨胀后再进行腐蚀,通过形态学闭运算消除低于高亮点邻近点的孤立点或孤立点群,得到边缘图像;将得到的多副边缘图像的灰度值进行纵向比较,构建高度图;通过高度图将原始图像上像素点的RGB值赋予给新的合成图像,生成最终的融合全景深图像。本发明无需人工干扰,扩大显微镜的轴向成像范围,准确性高、速度快、实用性强。
Description
技术领域
本发明涉及显微图像景深扩展领域,具体地,涉及一种多光谱显微成像的景深扩展方法及***。
背景技术
显微镜的景深严重制约着显微镜在光轴方向上的成像范围,景深扩展技术可以若干倍地放大显微镜的景深,扩大显微镜的轴向成像范围。显微成像***能够提高图像的横向分辨率,然而这是以牺牲图像的景深为代价的。对于被测物体三维形状复杂、观测界面相变等三维动态变化过程、被测物体与光轴方向倾斜或者其他大纵深的三维视场,往往需要得到视场范围内所有物体聚焦的单张图像。因此,扩展图像景深的问题在多光谱显微成像中非常重要,由此发展出来的方法包括:改进显微成像***的机械布置,或者组成元件(机械扫描、波前编码或者综合复用入射光等))以及图像合成景深重建。前者会增加***硬件的复杂度;而后者充分利用图像合成的特点,不需要额外结构,实现简单。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种多光谱显微成像的景深扩展方法及***。
根据本发明提供的多光谱显微成像的景深扩展方法,包括如下步骤:
中值滤波步骤:将每一像素点的灰度值设置为该像素点指定邻域窗口内的所有像素点灰度值的中值,并对显微图像进行噪声滤除;从而减少后续虚假边缘产生;
形态学梯度处理步骤:将膨胀后的原图像和腐蚀后的原图像做差,得到形态学梯度,即提取出显微图像中由团块组成的目标和背景的边缘;能够突出高亮区域的***,能够描述图像亮度变化的剧烈程度,满足对清晰区域的检测,获取清晰的边缘轮廓信息;
形态学膨胀处理步骤:以基于清晰区域临近区域也清晰为前提条件,通过灰度图像的形态学膨胀方法来扩大清晰区域;其作用相当于空间最大值滤波过程,是指将一些图像与核进行卷积,核采用3×3的方形核,核与图像卷积,即计算核覆盖的区域的像素点的最大值,并把这个最大值赋给参考点指定的像素,这样就会使图像中的高亮度区域逐渐增长;
形态学闭运算步骤:将图像进行膨胀后再进行腐蚀,通过形态学闭运算消除低于高亮点邻近点的孤立点或孤立点群,得到边缘图像;态学闭运算使亮的区域连在一起,但基本的大小不变,通过形态学闭运算进一步消除了影响后续结果的噪声,保证了景深扩展的准确性;
纵向高度获取步骤:将得到的多副边缘图像的灰度值进行纵向比较,获取最大灰度所在图像序列号并记录,构建高度图;
图像合成步骤:通过高度图将原始图像上像素点的RGB值赋予给新的合成图像,生成最终的融合全景深图像,实现景深扩展。
优选地,所述形态学膨胀处理步骤中的灰度图像的形态学膨胀方法是指:将一些图像与核进行卷积,所述核采用3×3的方形核,核与图像进行卷积,即计算该核覆盖区域的像素点的最大值,并将该最大值赋给参考点指定的像素。
优选地,所述纵向高度获取步骤包括:假设有图像序列为1,2,3,…N的边缘图像,逐像素点比较N幅图片的最大灰度值,记录最大灰度值所在图像的编号,生成高度图像;具体地:
假定第一幅图像、第二幅图像、第三幅图像的边缘图像矩阵分别为:
对第一幅图像、第二幅图像、第三幅图像的边缘图像矩阵进行逐像素点比较,若坐标为(0,0)处像素点最大值在第二副图像,则令高度图坐标(0,0)处的高度值为2,坐标为(0,1)像素点最大值在第三幅图像,则令高度图坐标(0,1)处的高度值为3,依次比较第一幅图像、第二幅图像、第三幅图像的边缘图像矩阵中各个坐标的值从而生成高度图如下:
根据本发明提供的多光谱显微成像的景深扩展***,包括:中值滤波模块、形态学梯度处理模块、形态学膨胀处理模块、形态学闭运算模块、纵向高度获取模块以及图像合成模块;其中:
中值滤波模块:用于将每一像素点的灰度值设置为该像素点指定邻域窗口内的所有像素点灰度值的中值,并对显微图像进行噪声滤除;
形态学梯度处理模块:用于将膨胀后的原图像和腐蚀后的原图像做差,得到形态学梯度,即提取出显微图像中由团块组成的目标和背景的边缘;
形态学膨胀处理模块:以基于清晰区域临近区域也清晰为前提条件,通过灰度图像的形态学膨胀方法来扩大清晰区域;
形态学闭运算模块:用于将图像进行膨胀后再进行腐蚀,通过形态学闭运算消除低于高亮点邻近点的孤立点或孤立点群,得到边缘图像;
纵向高度获取模块:用于将得到的多副边缘图像的灰度值进行纵向比较,获取最大灰度所在图像序列号并记录,构建高度图;
图像合成模块:用于通过高度图将原始图像上像素点的RGB值赋予给新的合成图像,生成最终的融合全景深图像,实现景深扩展。
优选地,所述形态学膨胀处理模块中的灰度图像的形态学膨胀方法是指:将一些图像与核进行卷积,所述核采用3×3的方形核,核与图像进行卷积,即计算该核覆盖区域的像素点的最大值,并将该最大值赋给参考点指定的像素。
与现有技术相比,本发明具有如下的有益效果:
1、本发明方法中的形态学梯度操作能够描述图像亮度变化的剧烈程度,即可满足对清晰区域的检测;由于基于显微图像中团块较多,有用孤立点少的特点,通过形态学梯度方法更适用于显微图像的边缘检测。
2、本发明通过形态学闭运算使亮的区域连在一起,但基本的大小不变,进一步消除了影响后续结果的噪声,保证了景深扩展的准确性。
3、本发明具有无需人工干扰,可以若干倍地放大显微镜的景深,扩大显微镜的轴向成像范围,准确性高、速度快、实用性强且成本低廉的优点。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明提供的多光谱显微成像的景深扩展方法的流程示意图;
图2为原始细胞图像;
图3为进行中值滤波处理后的图像;
图4为进行形态学梯度处理后的图像;
图5为进行形态学膨胀处理后的图像;
图6为进行形态学闭运算处理后的图像;
图7为将一系列图像合成处理后的图像。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对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,还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的多光谱显微成像的景深扩展方法,包括如下步骤:
步骤S1:基于显微图像都是由块状的背景或目标组成的假设,使用形态学梯度方法代替普通梯度准确地提取图像中的绝大部分边缘信息;
步骤S2:通过形态学膨胀扩大边缘区域,保证边缘信息的完整性,
步骤S3:加入形态学闭运算处理部分以消除图像中噪声的影响;
步骤S4:对步骤S3得到的图像进行景深扩展,得到合成图像。
其中形态学梯度操作能够描述图像亮度变化的剧烈程度,即可满足对清晰区域的检测。
所述步骤S1中的形态学梯度方法是指:用原图像的膨胀图像减去原图像的腐蚀图像,将显微图像中由团块组成的目标和背景的边缘有效提取出来;由于基于显微图像中团块较多,有用孤立点少的特点,通过形态学梯度方法更适用于显微图像的边缘检测;
所述步骤S2中的形态学膨胀是指:基于清晰区域临近区域也清晰的假设,通过进行形态学膨胀处理来扩大清晰区域,保证边缘信息(即清晰区域)的完整性。
具体地,本发明中使用的是灰度图像的形态学膨胀方法,其作用相当于空间最大值滤波过程,是指将一些图像与核进行卷积。这里的核可以是任何的形状或大小,本发明采用的核为3×3的方形核。核与图像卷积,即计算核覆盖的区域的像素点的最大值,并把这个最大值赋给参考点指定的像素,这样就会使图像中的高亮度区域逐渐增长。
所述步骤S2包括:将图像进行膨胀再腐蚀,通过形态学闭运算消除低于高亮点邻近点的孤立点(或孤立点群)。形态学闭运算使亮的区域连在一起,但基本的大小不变。
所述步骤S3通过形态学闭运算进一步消除了影响后续结果的噪声,保证了景深扩展的准确性。具体地:
所述步骤S3包括:
步骤S3.1:对原始图像进行中值滤波预处理消除原始图像中的噪声;
步骤S3.2:采用形态学梯度方法获取序列图像的边缘信息,并进行形态学膨胀处理扩大边缘区域,经形态学膨胀处理扩大聚焦清晰区域的边缘图像已经包含了原始图像中的几乎所有边缘信息,然后对边缘图像进行形态学闭运算处理,消除存在的孤立点噪声等干扰;
步骤S3.3:对每一幅边缘图像进行纵向比较灰度值大小获取每一个像素的最大灰度所在图像序列号并记录,构建高度图,并通过高度图将原始图像上像素点的RGB值赋予最终合成图像,实现景深扩展。
本发明具有无需人工干扰,可以若干倍地放大显微镜的景深,扩大显微镜的轴向成像范围,准确性高、速度快、实用性强且成本低廉的优点。
具体地操作流程如下:
第一步,原始图像序列的中值滤波,经过中值滤波处理的图像如图3所示。
第二步,形态学梯度处理,经过形态学梯度处理的图像如图4所示。
第三步,采用3×3的方形核进行形态学膨胀处理,如图5所示。
第四步,进行形态学闭运算操作,如图6所示。
重复上述四步,得到一系列的图像序列的边缘图像,记录的图像序列为1,2,3,…N幅图片,分别经过中值滤波、形态学梯度处理、形态学膨胀处理、形态学闭运算操作,得到一系列的图像边缘图,逐像素点比较N幅图片的最大灰度值,记录这个灰度值所在图像的编号,生成高度图像。假定第一幅,第二幅,第三幅图像的边缘图像矩阵分别为
逐像素点比较,坐标为(0,0)像素点最大值在第二张图,所以高度值为2,坐标为(0,1)像素点最大值在第三张图,所以高度值为3,以此类推,生成高度图为
按照对应的高度图信息,去相应的图像序列中找到该像素值填充在合成图像中。比如高度图显示1,则该点像素值为第一副图的像素值,高度图显示2,则该点像素值为第二幅图的像素值,高度图显示3,则该点像素值为第三幅图的像素值,以此类推。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (5)
1.一种多光谱显微成像的景深扩展方法,其特征在于,包括如下步骤:
中值滤波步骤:将每一像素点的灰度值设置为该像素点指定邻域窗口内的所有像素点灰度值的中值,并对显微图像进行噪声滤除;
形态学梯度处理步骤:将膨胀后的原图像和腐蚀后的原图像做差,得到形态学梯度,即提取出显微图像中由团块组成的目标和背景的边缘;
形态学膨胀处理步骤:以基于清晰区域临近区域也清晰为前提条件,通过灰度图像的形态学膨胀方法来扩大清晰区域;
形态学闭运算步骤:将图像进行膨胀后再进行腐蚀,通过形态学闭运算消除低于高亮点邻近点的孤立点或孤立点群,得到边缘图像;
纵向高度获取步骤:将得到的多副边缘图像的灰度值进行纵向比较,获取最大灰度所在图像序列号并记录,构建高度图;
图像合成步骤:通过高度图将原始图像上像素点的RGB值赋予给新的合成图像,生成最终的融合全景深图像,实现景深扩展。
2.根据权利要求1所述的多光谱显微成像的景深扩展方法,其特征在于,所述形态学膨胀处理步骤中的灰度图像的形态学膨胀方法是指:将一些图像与核进行卷积,所述核采用3×3的方形核,核与图像进行卷积,即计算该核覆盖区域的像素点的最大值,并将该最大值赋给参考点指定的像素。
3.根据权利要求1所述的多光谱显微成像的景深扩展方法,其特征在于,所述纵向高度获取步骤包括:假设有图像序列为1,2,3,…N的边缘图像,逐像素点比较N幅图片的最大灰度值,记录最大灰度值所在图像的编号,生成高度图像;具体地:
假定第一幅图像、第二幅图像、第三幅图像的边缘图像矩阵分别为:
对第一幅图像、第二幅图像、第三幅图像的边缘图像矩阵进行逐像素点比较,若坐标为(0,0)处像素点最大值在第二副图像,则令高度图坐标(0,0)处的高度值为2,坐标为(0,1)像素点最大值在第三幅图像,则令高度图坐标(0,1)处的高度值为3,依次比较第一幅图像、第二幅图像、第三幅图像的边缘图像矩阵中各个坐标的值从而生成高度图如下:
4.一种多光谱显微成像的景深扩展***,其特征在于,包括:中值滤波模块、形态学梯度处理模块、形态学膨胀处理模块、形态学闭运算模块、纵向高度获取模块以及图像合成模块;其中:
中值滤波模块:用于将每一像素点的灰度值设置为该像素点指定邻域窗口内的所有像素点灰度值的中值,并对显微图像进行噪声滤除;
形态学梯度处理模块:用于将膨胀后的原图像和腐蚀后的原图像做差,得到形态学梯度,即提取出显微图像中由团块组成的目标和背景的边缘;
形态学膨胀处理模块:以基于清晰区域临近区域也清晰为前提条件,通过灰度图像的形态学膨胀方法来扩大清晰区域;
形态学闭运算模块:用于将图像进行膨胀后再进行腐蚀,通过形态学闭运算消除低于高亮点邻近点的孤立点或孤立点群,得到边缘图像;
纵向高度获取模块:用于将得到的多副边缘图像的灰度值进行纵向比较,获取最大灰度所在图像序列号并记录,构建高度图;
图像合成模块:用于通过高度图将原始图像上像素点的RGB值赋予给新的合成图像,生成最终的融合全景深图像,实现景深扩展。
5.根据权利要求4所述的多光谱显微成像的景深扩展***,其特征在于,所述形态学膨胀处理模块中的灰度图像的形态学膨胀方法是指:将一些图像与核进行卷积,所述核采用3×3的方形核,核与图像进行卷积,即计算该核覆盖区域的像素点的最大值,并将该最大值赋给参考点指定的像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610704178.3A CN106327442A (zh) | 2016-08-22 | 2016-08-22 | 多光谱显微成像的景深扩展方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610704178.3A CN106327442A (zh) | 2016-08-22 | 2016-08-22 | 多光谱显微成像的景深扩展方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106327442A true CN106327442A (zh) | 2017-01-11 |
Family
ID=57742344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610704178.3A Pending CN106327442A (zh) | 2016-08-22 | 2016-08-22 | 多光谱显微成像的景深扩展方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106327442A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578042A (zh) * | 2017-05-08 | 2018-01-12 | 浙江工业大学 | 一种基于r通道水平邻域方差计算的车牌定位方法 |
CN111242880A (zh) * | 2019-12-30 | 2020-06-05 | 广州市明美光电技术有限公司 | 一种用于显微镜的多景深图像叠加方法、设备及介质 |
CN111583157A (zh) * | 2020-05-13 | 2020-08-25 | 杭州睿琪软件有限公司 | 图像处理方法、***及计算机可读存储介质 |
CN111870953A (zh) * | 2020-07-24 | 2020-11-03 | 上海米哈游天命科技有限公司 | 一种高度图生成方法、装置、设备及存储介质 |
CN112734656A (zh) * | 2020-12-24 | 2021-04-30 | 中电海康集团有限公司 | 一种基于局部对比度加权平均的显微镜图像景深合成方法及*** |
CN114563869A (zh) * | 2022-01-17 | 2022-05-31 | 中国地质大学(武汉) | 一种贴片式手机显微镜检测***及其显微结果获取方法 |
CN118014882A (zh) * | 2024-04-08 | 2024-05-10 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060038144A1 (en) * | 2004-08-23 | 2006-02-23 | Maddison John R | Method and apparatus for providing optimal images of a microscope specimen |
CN102609931A (zh) * | 2012-02-01 | 2012-07-25 | 广州市明美光电技术有限公司 | 一种显微图像的景深扩展方法及装置 |
CN104050662A (zh) * | 2014-05-30 | 2014-09-17 | 清华大学深圳研究生院 | 一种用光场相机一次成像直接获取深度图的方法 |
-
2016
- 2016-08-22 CN CN201610704178.3A patent/CN106327442A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060038144A1 (en) * | 2004-08-23 | 2006-02-23 | Maddison John R | Method and apparatus for providing optimal images of a microscope specimen |
CN102609931A (zh) * | 2012-02-01 | 2012-07-25 | 广州市明美光电技术有限公司 | 一种显微图像的景深扩展方法及装置 |
CN104050662A (zh) * | 2014-05-30 | 2014-09-17 | 清华大学深圳研究生院 | 一种用光场相机一次成像直接获取深度图的方法 |
Non-Patent Citations (1)
Title |
---|
张桂荣、屈玉福: "改进堆栈调焦的显微镜景深扩展技术研究", 《仪器仪表学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578042A (zh) * | 2017-05-08 | 2018-01-12 | 浙江工业大学 | 一种基于r通道水平邻域方差计算的车牌定位方法 |
CN111242880A (zh) * | 2019-12-30 | 2020-06-05 | 广州市明美光电技术有限公司 | 一种用于显微镜的多景深图像叠加方法、设备及介质 |
CN111583157A (zh) * | 2020-05-13 | 2020-08-25 | 杭州睿琪软件有限公司 | 图像处理方法、***及计算机可读存储介质 |
CN111870953A (zh) * | 2020-07-24 | 2020-11-03 | 上海米哈游天命科技有限公司 | 一种高度图生成方法、装置、设备及存储介质 |
CN112734656A (zh) * | 2020-12-24 | 2021-04-30 | 中电海康集团有限公司 | 一种基于局部对比度加权平均的显微镜图像景深合成方法及*** |
CN112734656B (zh) * | 2020-12-24 | 2023-10-13 | 中电海康集团有限公司 | 一种基于局部对比度加权平均的显微镜图像景深合成方法及*** |
CN114563869A (zh) * | 2022-01-17 | 2022-05-31 | 中国地质大学(武汉) | 一种贴片式手机显微镜检测***及其显微结果获取方法 |
CN118014882A (zh) * | 2024-04-08 | 2024-05-10 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
CN118014882B (zh) * | 2024-04-08 | 2024-06-04 | 汉中精测电器有限责任公司 | 一种基于图像处理的扭矩传感器的钻孔定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106327442A (zh) | 多光谱显微成像的景深扩展方法及*** | |
CN111223088B (zh) | 一种基于深层卷积神经网络的铸件表面缺陷识别方法 | |
CN105654091B (zh) | 海面目标检测方法及装置 | |
CN103994724B (zh) | 基于数字图像处理技术的结构二维位移及应变监测方法 | |
CN104637064B (zh) | 一种基于边缘强度权重的离焦模糊图像清晰度检测方法 | |
CN108961229A (zh) | 基于深度学习的心血管oct影像易损失斑块检测方法及*** | |
Van Eekeren et al. | Multiframe super-resolution reconstruction of small moving objects | |
CN112733950A (zh) | 一种基于图像融合与目标检测结合的电力设备故障诊断方法 | |
CN105956557A (zh) | 一种面向对象的时序遥感影像云覆盖区域自动检测方法 | |
CN103198476B (zh) | 一种粗线型十字圆环标记的图像检测方法 | |
CN112465759A (zh) | 一种基于卷积神经网络的航空发动机叶片缺陷检测方法 | |
CN103236048A (zh) | 一种基于互信息和交互的医学图像拼接方法 | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN105913407A (zh) | 一种基于差值图对多聚焦度图像融合优化的方法 | |
CN115424017B (zh) | 一种建筑物内外轮廓分割方法、装置及存储介质 | |
CN116778288A (zh) | 一种多模态融合目标检测***及方法 | |
CN111489383B (zh) | 基于深度边缘点与彩色图像的深度图像上采样方法及*** | |
CN107194896A (zh) | 一种基于邻域结构的背景抑制方法和*** | |
CN117392156A (zh) | 基于深度学习的巩膜镜oct图像泪液层分割模型和方法和设备 | |
CN113837947B (zh) | 一种获得光学相干层析大焦深图像的处理方法 | |
Xie et al. | Detection algorithm for bearing roller end surface defects based on improved YOLOv5n and image fusion | |
CN103873773B (zh) | 基于主辅协同双光路设计的全向成像方法 | |
CN103914807A (zh) | 一种缩放尺度补偿的非局部性图像超分辨率方法及*** | |
CN113569896A (zh) | 基于图像和深度数据进行对象3d定位的计算机实现方法 | |
CN110827375B (zh) | 一种基于微光图像的红外图像真彩着色方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |
|
RJ01 | Rejection of invention patent application after publication |