CN108416817B - 一种残影校正系数自动获得方法 - Google Patents
一种残影校正系数自动获得方法 Download PDFInfo
- Publication number
- CN108416817B CN108416817B CN201810101689.5A CN201810101689A CN108416817B CN 108416817 B CN108416817 B CN 108416817B CN 201810101689 A CN201810101689 A CN 201810101689A CN 108416817 B CN108416817 B CN 108416817B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- corrected
- correction
- template
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种残影校正系数自动获得方法,包括:获取校正模板和待校正图像;读取校正模板并做梯度运算,确定参考物图形的边缘;在参考物图形区域内选取若干像素点作为第一选区,在校正模板的参考物图形区域外选取相同数量的像素点作为第二选区,计算两个选区的区域灰度差值;读取一张待校正图像,计算待校正图像中与校正模板中第一选区及第二选区对应的第一选区及第二选区的区域灰度差值;将待校正图像上两选区灰度均值的差值与校正模板上两选区灰度均值的差值作比值,得到残影校正系数。本发明的残影校正系数自动获得方法利用算法手段计算残影系数,节省人力,提高残影测试的效率,保证计算结果的稳定性,利于后期分析拟合的准确性。
Description
技术领域
本发明涉及探测器领域的图像处理技术,特别是涉及一种残影校正系数自动获得方法。
背景技术
平板探测器作为X射线的成像***,由于材料的原因,残影的出现从原理上无法完全避免,应用校正算法十分必要,而算法的效果很大程度上与拟合系数有关,为了测试一连串的系数,目前一般依靠人工目检,代入系数观察应用效果来得出残影系数。但是对于图像张数较多的情况,人工计算系数常常会出现误差并且效率低下,导致之后拟合效果也不够理想,而所谓计算系数的算法也不过是自动将系数带入并输出校正图像,并无法做到真正意义上的自动。
上述方法的缺陷比较明显:1)每次测试系数时除采集图像外,还需耗费人员精力来试测系数;2)人工测试的方法花费时间长,即便熟练的员工,采集一个系数也需要经过试确定系数、计算校正图、适当增减系数并重新计算等步骤,这样计算一个系数的时间就足够计算机算法计算一个图像序列了;3)一致性不强,当系数设置得当时,图像较为均匀,但是对于值设置为多少最为均匀时没有确定的标准,不同的人可能会得出不同结果,使得拟合结果有一些差异,结果不稳定;4)容差问题,由于人工试测参数缺乏定量标准,使结果没有确定的正确值,也不知道系数微调后是否超出容差范围,而算法得出的系数能看出明显波动,经分析,这种波动其实就是系数容差范围的一种表现,对于考察后期分析拟合结果是否恰当有一定作用。
鉴于上述分析,当前的残影校正系数的测试方法还有待进一步改进和提高。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种残影校正系数自动获得方法,用于解决现有技术中人工测试系数效率低、一致性差、容差范围小以及影响拟合的准确性等问题。
为实现上述目的,本发明采用以下方案:一种残影校正系数自动获得方法,所述残影校正系数自动获得方法至少包括以下步骤:步骤1)获取校正模板和待校正图像;步骤2)读取所述校正模板并做梯度运算,根据梯度值确定所述校正模板中参考物图形的边缘;步骤3)在所述校正模板的参考物图形区域内随机选取若干像素点作为第一选区,在所述校正模板的参考物图形区域外随机选取相同数量的像素点作为第二选区,并计算两个选区的区域灰度差值;步骤4)读取一张待校正图像,并计算所述待校正图像中与所述校正模板中第一选区及第二选区对应的第一选区及第二选区的区域灰度差值;步骤5)将所述待校正图像上两选区灰度均值的差值与所述校正模板上两选区灰度均值的差值作比值,以得到残影校正系数。
于本发明的一实施方式中,还包括按照时间顺序依次选取多张不同的待校正图像,计算不同的待校正图像上两个选区的区域灰度差值,并分别与所述校正模板上两个选区的区域灰度差值作比值,计算得到不同待校正图像对应的各时间点的残影校正系数。
于本发明的一实施方式中,所述区域灰度差值为第一选区中各像素点灰度均值与第二选区中各像素点灰度均值的差值,或所述区域灰度差值为第一选区中各像素点灰度与第二选区中对应各像素点灰度差值的均值。
于本发明的一实施方式中,所述参考物图形边缘像素点的梯度值至少大于校正模板图像上最大梯度值的70%。
于本发明的一实施方式中,获取所述校正模板和所述待校正图像至少包括以下步骤:在大剂量曝光下拍摄参考物图形;曝光结束后获取暗场图像,在所述暗场图像中选取校正模板;获取暗场图像后撤去参考物,并在小剂量曝光下获取待校正图像。
于本发明的一实施方式中,所述校正模板选自两次曝光之间的暗场图像中残影残留最大的图像。
于本发明的一实施方式中,获取所述校正模板和所述待校正图像至少包括以下步骤:在大剂量曝光下拍摄参考物图形,并在亮场图像中选取校正模板;曝光结束后撤去参考物,并在小剂量曝光下获取待校正图像。
于本发明的一实施方式中,所述校正模板选自亮场图像中残影残留最大的图像。
于本发明的一实施方式中,所述参考物为钨片、铝块或铅板。
于本发明的一实施方式中,还包括在拍摄获取所述校正模板和所述待校正图像的原始图像之后进行预处理的步骤,将预处理后的所述校正模板和所述待校正图像用于算法运算。
于本发明的一实施方式中,对原始图像进行预处理的步骤包括裁剪原始图像和/或调整灰阶。
于本发明的一实施方式中,在所述步骤3)中,在所述校正模板的参考物图形区域内选取固定区域作为第一选区,在所述校正模板的参考物图形区域外选取固定区域作为第二选区,并计算两个选区的区域灰度差值,其中,所述第一选区和所述第二选区内像素点的数量相同。
如上所述,本发明的残影校正系数自动获得方法,至少具有以下有益效果:
1、节省测试时间,只需测试人员按要求采集图像即可,残影校正系数由算法自动获得,并进行拟合和验证,提高测试效率;
2、提高系数测量的客观性,避免因不同人拟合出不同的结果而增加重复测试的时间,且算法得出的系数能看出明显波动,这种波动是系数容差范围的一种表现,利于后期分析拟合结果;
3、算法简便巧妙,获得系数后可立即验证效果,及时优化测试方案,计算结果具有均一性,能保证数次计算结果的稳定性;
4、算法实现,节约硬件成本。
附图说明
图1为本发明残影校正系数自动获得方法于实施例1中的流程图。
图2为本发明残影校正系数自动获得方法于实施例1中根据梯度图像自动选取的第一选区和第二选区的放大图。
图3为本发明残影校正系数自动获得方法于实施例1中用作校正模板的图像。
图4为本发明残影校正系数自动获得方法于实施例1中用梯度算法处理过的校正模板。
图5为本发明残影校正系数自动获得方法于实施例1中残影系数计算结果示意图。
元件标号说明
S1~S5步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,虽图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
实施例1
请参阅图1,本发明提供一种残影校正系数自动获得方法,从根本上来说就是求得残影图像差异和校正模板上图像差异的比值,因此,简单来说只需找到定义差异的方法,两者相除即可得到校正系数。具体地,所述残影校正系数自动获得方法至少包括以下步骤:
S1、获取校正模板和待校正图像;
S2、读取所述校正模板并做梯度运算,根据梯度值确定所述校正模板中参考物图形的边缘;
S3、在所述校正模板的参考物图形区域内随机选取若干像素点作为第一选区,在所述校正模板的参考物图形区域外随机选取相同数量的像素点作为第二选区,并计算两个选区的区域灰度差值;
S4、读取一张待校正图像,并计算所述待校正图像中与所述校正模板中第一选区及第二选区对应的第一选区及第二选区的区域灰度差值;
S5、将所述待校正图像上两选区灰度均值的差值与所述校正模板上两选区灰度均值的差值作比值,以得到残影校正系数。
在所述步骤S2中根据梯度值确定参考物图形的边缘,这样就可以自动找到图形的位置,然后通过步骤S3选取第一选区和第二选区,请参阅图2,为根据梯度图像自动选取的第一选区和第二选区的放大图,其中,灰色部分的色块标识了参考物图形区域内的第一选区,白色部分为参考物图形区域外的第二选区,两选区的中间部分为参考物图形的边缘。
需要注意的是,上述所得残影校正系数为一张待校正图像对应的时间点的残影校正系数,还需计算采集的每张待校正图像(对应不同时间点)上的残影校正系数,最后通过拟合才能表现出残影残留的衰减规律。所以,残影校正系数自动获得方法还包括:按照时间顺序依次选取多张不同的待校正图像,计算不同的待校正图像上两个选区的区域灰度差值,并分别与所述校正模板上两个选区的区域灰度差值作比值,计算得到不同待校正图像对应的各时间点的残影校正系数。
在该实施例中,所述参考物图形边缘像素点的梯度值至少大于校正模板图像上最大梯度值的70%。
当然,在其它实施例中,可以根据需要调整获取边缘的算法,扩大或缩小边缘像素点的灰度值。
在该实施例中,所述区域灰度差值为第一选区中各像素点灰度均值与第二选区中各像素点灰度均值的差值,或所述区域灰度差值为第一选区中各像素点灰度与第二选区中对应各像素点灰度差值的均值,通过这两种方法计算的结果是一致的。
在该实施例中,获取所述校正模板和所述待校正图像至少包括以下步骤:
在大剂量曝光下拍摄参考物图形;
曝光结束后获取暗场图像,在所述暗场图像中选取校正模板;
获取暗场图像后撤去参考物,并在小剂量曝光下获取待校正图像。
本发明中各曝光参数取决于使用环境和习惯,并无确定要求;参考物的选取以透过率较低的材料为佳,例如钨片、铝块或铅板,由于拍摄钨片得到的图形边缘清晰、对比度高,为优选参考物,但并不是强制要求。
需要注意的是,所述校正模板的选取无确定规范,但是为了保证算法运行的准确,模板上的残影边缘尽量清晰,所以,校正模板选自两次曝光之间的暗场图像中残影残留最大的图像,图3所示即为选取的校正模板图像。图4为经过梯度算法处理过的校正模板图像。
本发明的残影校正系数自动获得方法还包括在拍摄获取所述校正模板和所述待校正图像的原始图像之后进行预处理的步骤,将预处理后的所述校正模板和所述待校正图像用于算法运算。例如,对原始图像进行预处理的步骤包括裁剪原始图像和/或调整灰阶。
作为示例,本发明的残影校正系数自动获得方法还包括判断当前读取的待校正图像是否为最后一张,若是,则结束;若否,则继续读取下一张待校正图像。
请参阅图5,为本发明残影校正系数自动获得方法中残影系数计算结果示意图,其中,横坐标表示为第几张待校正图像,纵坐标表示为该待校正图像对应的残影校正系数。
实施例2
该实施例与实施例1的区别在于,改变了选取的校正模板的图像。在该实施例中,获取所述校正模板和所述待校正图像至少包括以下步骤:
在大剂量曝光下拍摄参考物图形,并在亮场图像中选取校正模板;
曝光结束后撤去参考物,并在小剂量曝光下获取待校正图像。
这里,获取的校正模板是从亮场图像中选取的一张,而不是从暗场图像中选取的,且所述校正模板选自亮场图像中残影残留最大的图像。
实施例3
该实施例与上述实施例1和实施例2同样使用本发明的算法计算残影系数,只是调整了获取选区的方法。具体是,将参考物置于平板探测器上的固定位置,在所述校正模板的图形区域内选取固定区域作为第一选区,在所述校正模板的图形区域外选取固定区域作为第二选区,并计算两个选区的区域灰度差值,其中,所述第一选区和所述第二选区内像素点的数量相同。这种做法也能达到目的,但不具备随意性,需要测试人员每次将钨片置于同一区域,增加了限制,并且会延长采图时间。
需要注意的是,通过本发明的残影校正系数自动获得方法获得了残影校正系数之后,还要选取合适的核函数对残影校正系数进行拟合。该部分不在本算法计算范围内,在此不再赘述。
作为示例,在本发明计算残影系数基础上增加一些其它后处理部分,例如对获取的曲线进行低通滤波以获得更为平滑的残影系数的曲线,这一步骤并非必要,对拟合结果影响不大,若方法不得当反而会干扰拟合结果的准确性。
作为示例,将本发明的残影校正系数自动获得方法用于实时校正,该算法由于需要避免干扰临床图像,一般不会用于临床图像的处理,但并非不可行,若不计较使用算法所占用的时间,也不评估对临床图像的影响,将该算法用于实时处理。计算出残影系数,当即使用查看效果,这没有改变处理的原理和实质,也属于本发明的一种变形使用。
综上所述,本发明的残影校正系数自动获得方法,利用算法手段计算残影系数,并进行拟合和验证,节省人力,提高残影测试的效率,使得这项繁琐的工作变得更容易进行;程序的计算结果具有均一性,保证数次计算的结果的稳定性,提高系数测量的客观性,避免因不同人拟合出不同的结果而增加重复测试的时间,且算法得出的系数能看出明显波动,这种波动是系数容差范围的一种表现,利于后期分析拟合结果;计算残影时使用边缘提取方法更加简便和巧妙,获得系数后可立即验证效果,及时优化测试方案;算法实现,节约硬件成本。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
需知,上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。例如,以下任意一种或者多种变形组合都属于本发明的一种替代方案,没有改变本发明的实质,都应该属于本发明所附有的权利要求和保护范围。
Claims (8)
1.一种残影校正系数自动获得方法,其特征在于,所述残影校正系数自动获得方法至少包括以下步骤:
步骤1)获取校正模板和待校正图像;
步骤2)读取所述校正模板并做梯度运算,根据梯度值确定所述校正模板中参考物图形的边缘;
步骤3)在所述校正模板的参考物图形区域内随机选取若干像素点作为第一选区,在所述校正模板的参考物图形区域外随机选取相同数量的像素点作为第二选区,并计算两个选区的区域灰度差值;
步骤4)读取一张待校正图像,并计算所述待校正图像中与所述校正模板中第一选区及第二选区对应的第一选区及第二选区的区域灰度差值;
步骤5)将所述待校正图像上两选区灰度均值的差值与所述校正模板上两选区灰度均值的差值作比值,以得到残影校正系数;
步骤1)包括:
在大剂量曝光下拍摄参考物图形;
曝光结束后获取暗场图像,在所述暗场图像中选取校正模板;
获取暗场图像后撤去参考物,并在小剂量曝光下获取待校正图像;
其中,所述校正模板选自两次曝光之间的暗场图像中残影残留最大的图像;
或
在大剂量曝光下拍摄参考物图形,并在亮场图像中选取校正模板;
曝光结束后撤去参考物,并在小剂量曝光下获取待校正图像;
其中,所述校正模板选自亮场图像中残影残留最大的图像。
2.根据权利要求1所述的残影校正系数自动获得方法,其特征在于,还包括按照时间顺序依次选取多张不同的待校正图像,计算不同的待校正图像上两个选区的区域灰度差值,并分别与所述校正模板上两个选区的区域灰度差值作比值,计算得到不同待校正图像对应的各时间点的残影校正系数。
3.根据权利要求1或2所述的残影校正系数自动获得方法,其特征在于,所述区域灰度差值为第一选区中各像素点灰度均值与第二选区中各像素点灰度均值的差值,或所述区域灰度差值为第一选区中各像素点灰度与第二选区中对应各像素点灰度差值的均值。
4.根据权利要求1所述的残影校正系数自动获得方法,其特征在于,所述参考物图形边缘像素点的梯度值至少大于校正模板图像上最大梯度值的70%。
5.根据权利要求1所述的残影校正系数自动获得方法,其特征在于,所述参考物为钨片、铝块或铅板。
6.根据权利要求1所述的残影校正系数自动获得方法,其特征在于,还包括在拍摄获取所述校正模板和所述待校正图像的原始图像之后进行预处理的步骤,将预处理后的所述校正模板和所述待校正图像用于算法运算。
7.根据权利要求6所述的残影校正系数自动获得方法,其特征在于,对原始图像进行预处理的步骤包括裁剪原始图像和/或调整灰阶。
8.根据权利要求1所述的残影校正系数自动获得方法,其特征在于,在所述步骤3)中,在所述校正模板的参考物图形区域内选取固定区域作为第一选区,在所述校正模板的参考物图形区域外选取固定区域作为第二选区,并计算两个选区的区域灰度差值,其中,所述第一选区和所述第二选区内像素点的数量相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810101689.5A CN108416817B (zh) | 2018-02-01 | 2018-02-01 | 一种残影校正系数自动获得方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810101689.5A CN108416817B (zh) | 2018-02-01 | 2018-02-01 | 一种残影校正系数自动获得方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108416817A CN108416817A (zh) | 2018-08-17 |
CN108416817B true CN108416817B (zh) | 2022-04-19 |
Family
ID=63126753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810101689.5A Active CN108416817B (zh) | 2018-02-01 | 2018-02-01 | 一种残影校正系数自动获得方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416817B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785248A (zh) * | 2018-12-19 | 2019-05-21 | 新绎健康科技有限公司 | 一种用于对图像颜色进行校正的方法及*** |
TWI720660B (zh) * | 2019-10-23 | 2021-03-01 | 大陸商北京集創北方科技股份有限公司 | 光學圖像的殘影消除方法及利用其之電子裝置 |
CN110740230A (zh) * | 2019-10-23 | 2020-01-31 | 北京集创北方科技股份有限公司 | 图像采集方法、残影衰减参数测定***、图像采集装置、电子设备及计算机可读存储介质 |
CN111397856B (zh) * | 2020-03-30 | 2022-03-29 | 昆山国显光电有限公司 | 显示面板的残影测试方法、残影测试装置 |
CN114757853B (zh) * | 2022-06-13 | 2022-09-09 | 武汉精立电子技术有限公司 | 平场校正函数的获取方法及***、平场校正方法及*** |
CN118154699B (zh) * | 2024-04-30 | 2024-07-23 | 合肥埃科光电科技股份有限公司 | 标定方法、图像余晖矫正方法、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377464A (zh) * | 2012-04-28 | 2013-10-30 | 北京国药恒瑞美联信息技术有限公司 | 一种消除残影的图像处理方法及*** |
CN104680489A (zh) * | 2015-02-11 | 2015-06-03 | 深圳怡化电脑股份有限公司 | 一种图像校正方法及*** |
CN105574833A (zh) * | 2015-12-23 | 2016-05-11 | 上海奕瑞光电子科技有限公司 | 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 |
CN106097282A (zh) * | 2016-07-01 | 2016-11-09 | 上海奕瑞光电子科技有限公司 | 消除平板探测器图像残影的方法及平板探测器 |
CN106131463A (zh) * | 2016-08-25 | 2016-11-16 | 上海奕瑞光电子科技有限公司 | 非晶硅平板探测器及其图像处理方法、dr设备 |
CN106296595A (zh) * | 2015-06-08 | 2017-01-04 | 上海奕瑞光电子科技有限公司 | 一种平板探测器以及降低平板探测器图像残影的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4747219B2 (ja) * | 2009-04-08 | 2011-08-17 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
-
2018
- 2018-02-01 CN CN201810101689.5A patent/CN108416817B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377464A (zh) * | 2012-04-28 | 2013-10-30 | 北京国药恒瑞美联信息技术有限公司 | 一种消除残影的图像处理方法及*** |
CN104680489A (zh) * | 2015-02-11 | 2015-06-03 | 深圳怡化电脑股份有限公司 | 一种图像校正方法及*** |
CN106296595A (zh) * | 2015-06-08 | 2017-01-04 | 上海奕瑞光电子科技有限公司 | 一种平板探测器以及降低平板探测器图像残影的方法 |
CN105574833A (zh) * | 2015-12-23 | 2016-05-11 | 上海奕瑞光电子科技有限公司 | 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 |
CN106097282A (zh) * | 2016-07-01 | 2016-11-09 | 上海奕瑞光电子科技有限公司 | 消除平板探测器图像残影的方法及平板探测器 |
CN106131463A (zh) * | 2016-08-25 | 2016-11-16 | 上海奕瑞光电子科技有限公司 | 非晶硅平板探测器及其图像处理方法、dr设备 |
Non-Patent Citations (2)
Title |
---|
Image Contrast Enhancement Based on Differential Gray Level of Gradient Pixel Pairs;FUMIHIKO SAITOH;《Electronics and Communications》;20080731;第91卷(第7期);1099–1106 * |
背景差目标检测法中图像灰度校正问题的研究;廉晟;《甘肃科技》;20100108;第26卷(第1期);53-55 * |
Also Published As
Publication number | Publication date |
---|---|
CN108416817A (zh) | 2018-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416817B (zh) | 一种残影校正系数自动获得方法 | |
US7783103B2 (en) | Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method | |
CN102096917B (zh) | 胶囊内窥镜冗余图像数据的自动剔除方法 | |
CN112033965B (zh) | 基于差分图像分析的3d弧形表面缺陷检测方法 | |
US7680311B2 (en) | System aid for digital radiographic image quality verification | |
US8837807B2 (en) | Inspection method with color correction | |
WO2009147821A1 (ja) | 樹脂材料検査装置および記録媒体 | |
US10458927B2 (en) | Image processing device, image processing method, and program | |
US20140105480A1 (en) | Image measurement apparatus, image measurement method and image measurement system | |
CN108445010B (zh) | 自动光学检测方法及装置 | |
CN109949725B (zh) | 一种aoi***图像灰度标准化方法及*** | |
CN117011300B (zh) | 一种实例分割与二次分类相结合的微小缺陷检测方法 | |
JP4610656B2 (ja) | 検査装置、検査方法、プログラムおよび記録媒体 | |
KR100779312B1 (ko) | 결함 검출 장치, 이미지 센서 디바이스, 이미지 센서 모듈,화상 처리 장치, 디지털 화상 품질 테스터, 및 결함 검출방법 | |
JP2023514944A (ja) | Ct画像内のリングアーチファクトの補正の方法及びデバイス並びにコンピュータプログラム媒体 | |
WO2020130786A1 (en) | A method of analyzing visual inspection image of a substrate for corrosion determination | |
CN115797233A (zh) | 图像灰度校正方法、视觉检测方法及装置 | |
WO2019126916A1 (zh) | 一种测试方法、装置及终端 | |
CN115546131A (zh) | 一种带钢表面黑灰的定量评价方法及相关设备 | |
WO2022163002A1 (ja) | 撮影条件設定システム、撮影条件設定方法及びプログラム | |
EP4010873B1 (en) | Use of an hdr image in a visual inspection process | |
KR20220111214A (ko) | 인공지능 기반 제품 결함 검사 방법, 장치 및 컴퓨터 프로그램 | |
CN108519066B (zh) | 一种基于四侧光源图像的织物平整度的客观评定方法 | |
CN108596993B (zh) | 校正图像不饱和伪影的***及校正方法 | |
Aziz et al. | Effectiveness of color correction on the quantitative analysis of histopathological images acquired by different whole-slide scanners |
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 |