CN109785245B - 一种光斑图像修整方法 - Google Patents
一种光斑图像修整方法 Download PDFInfo
- Publication number
- CN109785245B CN109785245B CN201811484962.3A CN201811484962A CN109785245B CN 109785245 B CN109785245 B CN 109785245B CN 201811484962 A CN201811484962 A CN 201811484962A CN 109785245 B CN109785245 B CN 109785245B
- Authority
- CN
- China
- Prior art keywords
- gray
- image
- value
- spot
- light spot
- 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
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种光斑图像修整方法,包括以下步骤:图像预处理;光斑几何边缘与光斑物理边缘的提取;光斑几何边缘与光斑物理边缘围成的中间环形区域去杂点;所述中间环形区域灰度均匀化;所述中间环形区域边缘***区域灰度修整。本发明以视觉图像处理为基础,结合激光能量分布理论,对图像灰度进行修整,既提升了图像清晰度与信噪比,又提高了视觉图像处理抗干扰性,从而可以更准确识别模糊、发散光斑的中心位置,提高了视觉图像处理方法的精度与使用范围。同时避免基于能量分布的光斑图像处理方法对噪声敏感的缺点,解决激光光束远距离传播造成光斑位置难以识别的问题。
Description
技术领域
本发明属于机器视觉测量领域,具体涉及一种光斑图像修整方法。
背景技术
一些精密光学测量***中,逐渐使用激光和机器视觉相结合的方法对位移、高度差等物理量进行精确测量,主要原理为通过采集激光光斑图像,利用图像灰度处理的方法识别光斑中心位置的变化,利用此中心位置变化反映被测物理量。由于激光在大气中传播距离较长时产生发散和模糊变形的现象,使得光斑边缘中混入较强的连续噪声,影响光斑中心位置识别,从而影响测量精度。
目前已有的激光光斑图像处理方法主要为两类,一类为通过视觉图像处理方法,另一类为基于激光能量分布处理方法。基于视觉图像处理方法主要特点为通过阈值分割对图像进行处理,具有一定抗干扰能力,计算速度快、精度较高,其阈值的合理设定为关键因素,而模糊光斑图像的边缘区域中,噪声和有用信号通常混在一起,难以通过阈值分割识别准确光斑区域。另一类为基于能量分布的光斑图像处理方法,其主要特点为通过波动光学理论与高斯分布可计算光斑任意一点处的理论能量,并通过高斯拟合计算光斑中心位置。该方法可准确计算光斑区域与对应能量值,进而推算光斑图像相应灰度值,但抗干扰能力较差,仅适用于光斑清晰、能量集中的场合。
发明内容
本发明旨在至少在一定程度上解决上述技术问题之一。本发明针对现有光斑图像处理方法中无法对模糊、发散的光斑图像进行准确识别的问题,综合视觉图像处理与激光能量分布的方法,以视觉图像处理为基础,通过激光能量分布对光斑图像灰度进行修整,提供一种光斑图像灰度修整方法,消除光斑发散、畸变形成的噪声,提高图像清晰度从而提高光斑位置识别精度。该方法特别适用于激光在大气中传播距离较长时产生光斑发散和模糊变形的场合,通过对激光光斑图像灰度修整,以提高光斑位置识别准确性。
本发明的技术方案是:本发明通过对激光光斑灰度图像中值滤波,并进行图像对比度调整及图像频域滤波,实现对激光光斑灰度图像预处理;利用Canny算子提取光斑几何边缘,并采用最小二乘圆拟合计算光斑中心位置,由光斑中心位置灰度值为中心,遍历图像各个方向,寻找距离光斑中心位置最近、且灰度为中心点灰度1/e2倍的边缘像素点,边缘像素点的集合形成环状,环状作为光斑物理边缘;在光斑几何边缘与物理边缘围成的中间环形区域,对每个点进行窗口去杂点,并以光斑中心位置辐射方向为行,计算行灰度均值,对环形区域灰度进行均匀化处理;依据光斑灰度分布,进行灰度分布截面高斯拟合,将中间环形区域边缘***区域的灰度值置为相应拟合函数的值,得到所需要的修整图像。根据边缘提取、几何中心计算方法再次计算修整图像中光斑几何中心位置,与修整前图像的中心位置相比,精度更高,从而解决激光光束在大气中传播时光斑发散、畸变造成光斑中心位置识别困难、误差大的问题。
一种光斑图像修整方法,包括以下步骤:
图像预处理:将光斑图像进行预处理去噪,得到预处理后的光斑图像;
光斑几何边缘与光斑物理边缘的提取:利用Canny算子提取光斑几何边缘,并通过最小二乘圆拟合计算光斑中心位置;由光斑中心位置出发遍历图像各个方向,寻找离光斑中心位置最近、且灰度为中心点灰度1/e2倍的边缘像素点,所述边缘像素点的集合形成环状,所述环状作为光斑物理边缘;
光斑几何边缘与光斑物理边缘围成的中间环形区域去杂点;
所述中间环形区域灰度均匀化;
所述中间环形区域边缘***区域灰度修整。
上述方案中,所述图像预处理包括对光斑图像进行中值滤波,图像对比度调整及图像频域滤波。
进一步的,所述图像对比度调整具体为:
将中值滤波处理后的光斑图像进行分段线性变换:取图像灰度最小值和最大值,最小值和最大值之间设置灰度中间值,将图像灰度划分为两段,第一段为灰度最小值至灰度中间值,第二段为灰度中间值至灰度最大值,将两段中像素点灰度值分别乘以变换系数完成对比度变换。
进一步的,所述图像频域滤波具体为:
对图像对比度调整后光斑图像使用二阶巴特沃斯高通滤波器进行频谱高通滤波,滤除图像低频成分,增强图像高频成分。
上述方案中,所述光斑几何边缘与光斑物理边缘围成的中间环形区域去杂点具体为:
遍历中间环形区域取每个像素点的窗口,计算所述窗口灰度极大值,将窗口灰度极大值的M倍作为阈值,如窗口中心像素点灰度值大于阈值,则将中心像素点灰度值设置为窗口最***像素点平均灰度值。
进一步的,所述M的取值范围为1.1-1.6。
上述方案中,所述中间环形区域灰度均匀化具体为:
在所述中间环形区域内,以光斑中心位置辐射方向取行,计算该行像素点平均灰度值;
将所述光斑中心位置灰度值的1/e2倍作为边缘理论值,设定第一阈值为所述理论值的A倍,设定第二阈值为所述理论值的B倍,其中B大于A,若所述行像素点平均灰度值大于第一阈值,则对该行内所有灰度值大于第二阈值的点的灰度值置为平均灰度值。
进一步的于,所述A的取值范围为1.05-1.20;所述B的取值范围为1.10-1.50。
上述方案中,所述中间环形区域边缘***区域灰度修整具体为:
依据光斑图像灰度分布,进行光斑图像灰度分布截面高斯拟合,将中间环形区域边缘***区域的灰度值按照拟合高斯函数理论灰度值进行衰减,最终得到所需修整图像。
进一步的,所述光斑图像灰度分布截面高斯拟合具体为:
分别取光斑图像的横向为X轴、纵向为Y轴,取光斑灰度值为Z轴组成X-Y-Z三维坐标系,即为光斑图像三维灰度分布;
在所述光斑图像三维灰度分布中,依次取通过光斑半径的二维灰度分布截面,利用高斯光束模型对二维灰度分布截面进行拟合,计算该灰度分布截面理论灰度值。
与现有技术相比,本发明的有益效果是:本发明以视觉图像处理为基础,结合激光能量分布理论,对图像灰度进行修整,既提升了图像清晰度与信噪比,又提高了视觉图像处理抗干扰性,从而可以更准确识别模糊、发散光斑的中心位置,提高了视觉图像处理方法的精度与使用范围。同时避免基于能量分布的光斑图像处理方法对噪声敏感的缺点,解决激光光束远距离传播造成光斑位置难以识别的问题。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明一实施方式的光斑图像修整方法示意图;
图2为本发明一实施方式的光斑去杂点方法示意图;
图3为本发明一实施方式的灰度均匀化示意图;
图4为本发明一实施方式的激光光斑图像;
图5为本发明一实施方式的亮度均匀化操作效果图;
图6为本发明一实施方式的光斑修整图像。
图中,1、光斑几何边缘;2、光斑物理边缘;3、中间环形区域;4、光斑中心位置;5、中心像素点;6、一般像素点;7、窗口梯度;8、梯度与窗***点;9、行像素点;10、第二阈值;11、第一阈值。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明所述光斑图像修整方法,包括以下步骤:
图像预处理;
光斑几何边缘1与光斑物理边缘2的提取;
光斑几何边缘1与光斑物理边缘2围成的中间环形区域3去杂点;
所述中间环形区域3灰度均匀化;
所述中间环形区域3边缘***区域灰度修整。
所述图像预处理包括对光斑图像进行中值滤波、图像对比度调整与图像频域滤波,具体为:使用CCD图像采集设备采集光斑灰度图像后,将每一像素点的灰度值设置为该点3邻域窗口内的所有像素点灰度值的中值,从而实现中值滤波;中值滤波处理后使用分段线性的方法调节光斑图像对比度,提取图像灰度最大值与最小值,优选的,设图像灰度最小值加30的值为中间值,将灰度值在分布在所述最小值与中间值内所有像素点的灰度值乘以因数0.70,中间值至最高灰度值所的有像素点灰度值乘以因数1.15,使图像处理效果达到最佳;最后对图像进行频域滤波,利用傅里叶变换计算图像频谱,使用二阶巴特沃斯高通滤波器对图像进行高通滤波,并优选增强倍数为3,将频谱中剩余的高频成分乘以3进行增强,通过傅里叶逆变换将图像频谱还原为光斑图像。
如图1所示,所述光斑几何边缘1与光斑物理边缘2的提取,具体为:将光斑灰度图像利用Canny算子提取边缘,将其记为光斑几何边缘1。利用最小二乘原理对光斑几何边缘1进行圆拟合,计算光斑几何边缘1的拟合圆方程进而得光斑中心位置4。由光斑中心位置4的灰度值出发,向光斑***方向遍历光斑区域,寻找距离光斑中心位置4最近、且灰度为中心点灰度其1/e2倍的边缘像素点,所有边缘像素点的集合形成一个环状,所述环状作为光斑物理边缘2。由于噪声影响导致光斑几何边缘1与光斑物理边缘2并不重合,从而两者围成中间环形区域3。本发明主要对中间环形区域3进行去杂点、灰度均匀化操作,并对所述中间环形区域3的***光斑区域进行灰度调整操作,得到所需光斑修整图像。
如图2所示,所述光斑几何边缘1与光斑物理边缘2围成的中间环形区域3去杂点,该步骤目的为去除中间环形区域3的异常亮点,防止异常亮点影响后续操作。对图1中间环形区域3内所有像素点依次取5×5窗口,其中横线与纵线交点为像素点,包括一般像素点6和中心像素点5。首先计算该窗口像素点灰度极大值,步骤为计算该窗口梯度7,由于数字图像是离散信号,图像的灰度极大值可能出现在梯度方向与窗***点8处,计算窗口梯度7与该窗口所有交点的最大值,并与该窗口除中心点外所有像素点的灰度最大值进行比较,取较大者为该窗口灰度极大值。在1.1-1.6倍中,优选该窗口灰度极大值的1.3倍作为阈值,若中心像素点5的灰度值大于阈值,则将该点灰度置为最***像素点灰度平均灰度值,反之不进行任何操作。
如图3所示,所述中间环形区域3灰度均匀化具体为:在所述中间环形区域3内,以光斑中心位置4辐射方向取行,图3中横轴为该行像素点9,纵轴为该行像素点灰度值,设该行共有n个像素点,第一个像素点距光斑中心位置4距离为r,第n个像素点距光斑中心位置4距离为r+n,。取所述光斑中心位置4灰度值的1/e2倍为光斑边缘理论值,优选的,在1.05-1.20中,选取该理论值的1.1倍设为第一阈值11,在1.10-1.50中,选取该理论值的1.2倍设为第二阈值10,计算该行所有像素点平均灰度,若所述平均值大于所述第一阈值11,则对该点集内所有灰度值大于所述第二阈值10的点置为所述平均值。
所述中间环形区域3边缘***区域灰度修整具体为:取光斑图像三维灰度分布,以光斑图像横向和纵向为灰度分布的X、Y轴,光斑灰度值为Z轴。在三维灰度分布中,在光斑半径方向上取二维灰度分布截面,对二维灰度分布截面利用高斯分进行曲线拟合,计算灰度分布理论值,将中间环形区域3以外区域的灰度值按照拟合高斯函数灰度值进行衰减,得到所需的修整图像。
利用本发明所述光斑图像修整方法进行光斑处理过程如下:
图像预处理。所述预处理方法包括中值滤波、对比度调整与频域滤波。首先使用中值滤波对光斑图像背景区域进行消噪,主要用于滤除光斑图像背景中的噪声。之后采用分段线性变换的方法对光斑图像对比度进行调节,提高光斑区域灰度值,降低背景区域灰度值。最后对光斑图像进行频域滤波增强,利用傅里叶变换计算图像频谱,对图像频谱进行二阶巴特沃斯高通滤波,滤除图像中的低频噪声,将剩余高频成分乘以3以进行高频增强,对所述图像频谱进行傅里叶逆变换得到预处理后的光斑图像。
光斑几何边缘1和光斑物理边缘2的提取。对经过预处理的光斑灰度图像使用Canny算子进行边缘提取,将提取到的边缘记为光斑几何边缘1,利用最小二乘原理对光斑几何边缘1进行圆拟合,并计算拟合圆的光斑中心位置4。由光斑中心位置像素点出发,遍历所有光斑区域,寻找距离光斑中心位置4最近且灰度值下降到中心位置灰度值1/e2倍的点,所有点的集合组成光斑物理边缘2。
光斑几何边缘1与光斑物理边缘2围成的中间环形区域3去杂点。首先,在所述光斑物理边缘2与所述光斑几何边缘1围成的中间环形区域3内,以从左到右从上到下的顺序依次取每个像素点5×5窗口共计25个像素点,计算该窗口最***像素点的平均灰度值。其次计算该窗口极大值,方法为取除中心像素点5外所有像素点灰度的最大值,并计算梯度在窗口范围内的最大值,将该行像素点灰度最大值与梯度最大值中较大的作为该窗口极大值。在1.1-1.6倍中,优选所述窗口极大值的1.3倍作为阈值,若窗口中心像素点5灰度值大于所述阈值,则将中心像素点5灰度值置为窗口最***像素点平均灰度值,相反则不进行任何操作。
所述中间环形区域3灰度均匀化。在所述中间环形区域3内,以光斑中心位置4辐射方向取行,计算该行像素点平均灰度值。将所述光斑中心位置4灰度值的1/e2倍作为边缘灰度理论值,在1.05-1.20倍中,优选第一阈值11为所述理论值的1.1倍,在1.10-1.50倍中,优选第二阈值10为所述理论值的1.2倍,若所述平均值大于所述第一阈值11,则对该行内所有灰度值大于第二阈值10的点,将其灰度值置为平均灰度值。如图4所示,为通过CCD相机采集到的激光光斑图像,由于光斑发散及背景光干扰,使光斑图像质量较差,光斑与背景噪声混在一起导致图像模糊,光斑边缘难以分辨。进行光斑图像识别时,难以对图像进行分割以准确提取激光光斑,从而造成较大的光斑中心位置识别误差。图5为经过步骤图像预处理、光斑几何边缘1和光斑物理边缘2的提取、去杂点、灰度均匀化处理的效果图,与CCD相机采集的激光光斑图像即图4进行对比,光斑图像质量与清晰度有较大提升,特别是抑制了中间环形区域的噪声,将光斑边缘从图像噪声中分离,使激光光斑图像原本较为模糊的边缘更加清晰,提高图像清晰度从而提升激光光斑中心位置识别准确性与精度。
所述中间环形区域3边缘***区域灰度修整。取光斑图像三维灰度分布,以光斑图像横向和纵向为灰度分布的X、Y轴,光斑灰度值为Z轴。在三维灰度分布中,在光斑半径方向上取二维灰度分布截面,对二维灰度分布截面利用高斯分进行曲线拟合,计算灰度分布理论值,将中间环形区域3以外区域的灰度值按照拟合高斯函数灰度值进行衰减,得到所需的修整图像,如图6。经过本发明提出的激光光斑灰度修整方法,与图5相比,光斑图像质量进一步提高。步骤5较为明显地抑制了图像背景噪声,光斑背景灰度明显降低,使光斑与图像背景呈现明显灰度差异,光斑与背景灰度差异越大,光斑识别越精确,故步骤5可进一步提升光斑中心位置识别精度。
本发明通过对激光光斑图像进行灰度修整,抑制了光斑发散与光斑图像中的噪声,提升激光光斑图像质量与清晰度,使未经过处理时较为模糊的光斑边缘更加清晰,同时,通过对中间环形区域边缘***区域的修整,降低了图像背景噪声灰度,使光斑灰度与图像背景灰度差异明显,即图像背景相对更暗,光斑相对更亮,从而提升激光光斑识别准确性,提高光斑中心位置识别精度。
应当理解,虽然本说明书是按照各个实施例描述的,但并非每个实施例仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。
Claims (9)
1.一种光斑图像修整方法,其特征在于,包括以下步骤:
图像预处理:将光斑图像进行预处理去噪,得到预处理后的光斑图像;
光斑几何边缘(1)与光斑物理边缘(2)的提取:利用Canny算子提取光斑几何边缘(1),并通过最小二乘圆拟合计算光斑中心位置(4);由光斑中心位置(4)出发遍历图像各个方向,寻找离光斑中心位置(4)最近、且灰度为中心点灰度1/e2倍的边缘像素点,所述边缘像素点的集合形成环状,所述环状作为光斑物理边缘(2);
光斑几何边缘(1)与光斑物理边缘(2)围成的中间环形区域(3)去杂点;
所述中间环形区域(3)灰度均匀化:在所述中间环形区域(3)内,以光斑中心位置(4)辐射方向取行,计算该行像素点平均灰度值;将所述光斑中心位置(4)灰度值的1/e2倍作为边缘理论值,设定第一阈值(11)为所述理论值的A倍,设定第二阈值(10)为所述理论值的B倍,其中B大于A,若所述行像素点平均灰度值大于第一阈值(11),则对该行内所有灰度值大于第二阈值(10)的点的灰度值置为平均灰度值;
所述中间环形区域(3)边缘***区域灰度修整。
2.根据权利要求1所述的光斑图像修整方法,其特征在于,所述图像预处理包括对光斑图像进行中值滤波,图像对比度调整及图像频域滤波。
3.根据权利要求2所述的光斑图像修整方法,其特征在于,所述图像对比度调整具体为:
将中值滤波处理后的光斑图像进行分段线性变换:取图像灰度最小值和最大值,最小值和最大值之间设置灰度中间值,将图像灰度划分为两段,第一段为灰度最小值至灰度中间值,第二段为灰度中间值至灰度最大值,将两段中像素点灰度值分别乘以变换系数完成对比度变换。
4.根据权利要求2所述的光斑图像修整方法,其特征在于,所述图像频域滤波具体为:
对图像对比度调整后光斑图像使用二阶巴特沃斯高通滤波器进行频谱高通滤波,滤除图像低频成分,增强图像高频成分。
5.根据权利要求1所述的光斑图像修整方法,其特征在于,所述光斑几何边缘(1)与光斑物理边缘(2)围成的中间环形区域(3)去杂点具体为:
遍历中间环形区域(3)取每个像素点的窗口,计算所述窗口灰度极大值,将窗口灰度极大值的M倍作为阈值,如窗口中心像素点(5)灰度值大于阈值,则将中心像素点(5)灰度值设置为窗口最***像素点平均灰度值。
6.根据权利要求5所述的光斑图像修整方法,其特征在于,所述M的取值范围为1.1-1.6。
7.根据权利要求1所述的光斑图像修整方法,其特征在于,所述A的取值范围为1.05-1.20;所述B的取值范围为1.10-1.50。
8.根据权利要求1所述的光斑图像修整方法,其特征在于,所述中间环形区域(3)边缘***区域灰度修整具体为:
依据光斑图像灰度分布,进行光斑图像灰度分布截面高斯拟合,将中间环形区域(3)边缘***区域的灰度值按照拟合高斯函数理论灰度值进行衰减,最终得到所需修整图像。
9.根据权利要求8所述的光斑图像修整方法,其特征在于,所述光斑图像灰度分布截面高斯拟合具体为:
分别取光斑图像的横向为X轴、纵向为Y轴,取光斑灰度值为Z轴组成X-Y-Z三维坐标系,即为光斑图像三维灰度分布;
在所述光斑图像三维灰度分布中,依次取通过光斑半径的二维灰度分布截面,利用高斯光束模型对二维灰度分布截面进行拟合,计算该灰度分布截面理论灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811484962.3A CN109785245B (zh) | 2018-12-06 | 2018-12-06 | 一种光斑图像修整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811484962.3A CN109785245B (zh) | 2018-12-06 | 2018-12-06 | 一种光斑图像修整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785245A CN109785245A (zh) | 2019-05-21 |
CN109785245B true CN109785245B (zh) | 2023-03-24 |
Family
ID=66496101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811484962.3A Active CN109785245B (zh) | 2018-12-06 | 2018-12-06 | 一种光斑图像修整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785245B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175955A (zh) * | 2019-06-10 | 2019-08-27 | 谢耀华 | 一种利用预处理和后处理来提高光学显微***分辨率的方法 |
CN110533601B (zh) * | 2019-07-15 | 2023-07-18 | 江苏大学 | 一种激光光斑中心位置及轮廓获取方法 |
CN110599413B (zh) * | 2019-08-15 | 2023-05-09 | 江苏大学 | 基于深度学习卷积神经网络的激光光斑图像去噪的方法 |
CN110567395B (zh) * | 2019-09-18 | 2021-04-06 | 长春理工大学 | 一种激光光斑尺寸边缘轮廓线绘制方法 |
CN111289235B (zh) * | 2020-03-27 | 2021-09-24 | 纪玉峰 | 一种方便按动检测的键帽及用于检测该键帽的检测*** |
CN112288785B (zh) * | 2020-10-29 | 2022-07-15 | 中国科学院长春光学精密机械与物理研究所 | 子孔径扫描平场定标的数据处理方法、***和存储介质 |
CN112698380A (zh) * | 2020-12-16 | 2021-04-23 | 南京大学 | 一种适用于强背景噪声下低能质子束的束流截面处理方法 |
CN112816187B (zh) * | 2021-01-06 | 2022-12-13 | 北京工业大学 | 一种激光光斑的质量判定方法 |
CN112987320B (zh) * | 2021-03-09 | 2023-03-28 | 中国科学院空天信息创新研究院 | 一种应用于光斑振幅调制整形的调制图像生成方法 |
CN113096205B (zh) * | 2021-03-09 | 2024-06-04 | 中国科学院空天信息创新研究院 | 一种应用于光斑整形的二值图像的生成方法 |
CN112710632A (zh) * | 2021-03-23 | 2021-04-27 | 四川京炜交通工程技术有限公司 | 一种玻璃微珠高低折射率检测方法及*** |
CN113096040B (zh) * | 2021-04-08 | 2022-06-03 | 中国工程物理研究院机械制造工艺研究所 | 面曝光光斑光强匀化方法及其应用 |
CN114235149B (zh) * | 2021-11-30 | 2024-02-27 | 中国科学院合肥物质科学研究院 | 一种基于ccd反射成像法的激光测量***及其方法 |
CN114820448B (zh) * | 2022-03-25 | 2024-07-05 | 理大产学研基地(深圳)有限公司 | 基于影像分段的高光检测方法、装置、终端及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880355A (zh) * | 2012-09-04 | 2013-01-16 | 广东威创视讯科技股份有限公司 | 基于摄像头定位的触摸光斑提取方法及*** |
CN108198220A (zh) * | 2018-01-19 | 2018-06-22 | 长春希达电子技术有限公司 | 一种光学相机图像曲面精确标定方法 |
-
2018
- 2018-12-06 CN CN201811484962.3A patent/CN109785245B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880355A (zh) * | 2012-09-04 | 2013-01-16 | 广东威创视讯科技股份有限公司 | 基于摄像头定位的触摸光斑提取方法及*** |
CN108198220A (zh) * | 2018-01-19 | 2018-06-22 | 长春希达电子技术有限公司 | 一种光学相机图像曲面精确标定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109785245A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785245B (zh) | 一种光斑图像修整方法 | |
CN111462066B (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN114494210B (zh) | 基于图像处理的塑料膜生产缺陷检测方法及*** | |
CN105787902B (zh) | 利用分块排序检测噪声的图像降噪方法 | |
CN110428463B (zh) | 非球面光学元件离焦模糊定中图像自动提取中心的方法 | |
CN111126174A (zh) | 一种用于机器人抓取零件的视觉检测方法 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
CN108921819B (zh) | 一种基于机器视觉的验布装置及方法 | |
WO2021109697A1 (zh) | 字符分割方法、装置以及计算机可读存储介质 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及*** | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN116012357A (zh) | 基于机器视觉的汽车圆形拖车孔气纹缺陷检测方法 | |
CN110717909A (zh) | 一种金属表面划痕检测方法与装置 | |
CN103778613A (zh) | 一种窗口自适应的极化sar影像滤波方法 | |
CN110969656A (zh) | 一种基于机载设备激光光束光斑大小的检测方法 | |
CN117764986A (zh) | 基于图像处理的钛板表面缺陷检测方法 | |
CN103455985A (zh) | 基于Hessian结构分析的道路裂缝增强方法 | |
CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
CN114155226A (zh) | 一种微小缺陷边缘计算方法 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN111815575B (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
CN113223074A (zh) | 一种水下激光条纹中心提取方法 | |
CN109146905A (zh) | 针对低亮度环境的canny算子边缘检测算法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN104966271A (zh) | 基于生物视觉感受野机制的图像去噪方法 |
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 |