CN109946308A - 一种电子元器件外观检测装置 - Google Patents
一种电子元器件外观检测装置 Download PDFInfo
- Publication number
- CN109946308A CN109946308A CN201910323361.2A CN201910323361A CN109946308A CN 109946308 A CN109946308 A CN 109946308A CN 201910323361 A CN201910323361 A CN 201910323361A CN 109946308 A CN109946308 A CN 109946308A
- Authority
- CN
- China
- Prior art keywords
- frequency coefficient
- electronic component
- appearance images
- appearance
- high frequency
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种电子元器件外观检测装置,包括用于获取待检测的电子元器件的外观图像的图像获取模块、用于对所述外观图像进行处理,获取所述外观图像中包含的电子元器件的轮廓信息的图像处理模块、用于将所述轮廓信息与标准的轮廓信息进行对比,判断所述待检测的电子元器件的外观质量是否合格的外观质量判定模块。本发明通过获取待检测的电子元器件的外观图像来进行外观质量检测,解决了现有技术中依靠人力来检测的方式导致的速度慢和容易误检漏检的问题,极大地提高了生产效率。
Description
技术领域
本发明涉及一种检测装置,具体涉及一种电子元器件外观检测装置。
背景技术
电子市场迅速发展,市场上的电子元器件种类多,数量大,一些对外观都要求的电子元器件,目前还处于通过人工目测来进行外观检测的阶段。但是因为需要检测的项目过多,再加上个人观点偏差的影响,在负责监测的工人长时间工作后,这就往往会导致监测速度过慢,误判几率增加。
发明内容
针对上述问题,本发明提供了一种电子元器件外观检测装置。
本发明的目的采用以下技术方案来实现:
一种电子元器件外观检测装置,该装置包括图像获取模块、图像处理模块和外观质量判定模块;
所述图像获取模块用于获取待检测的电子元器件的外观图像,并将其发送至图像处理模块;
所述图像处理模块用于对所述外观图像进行处理,获取所述外观图像中包含的电子元器件的轮廓信息,并将所述轮廓信息发送至外观质量判定模块;
所述外观质量判定模块用于将所述轮廓信息与标准的轮廓信息进行对比,判断所述待检测的电子元器件的外观质量是否合格。
优选地,所述电子元器件外观检测装置还包括存储模块和信息更新模块,所述信息更新模块与云服务器相连接,所述云服务器上存储着电子元器件的标准轮廓信息以及质量合格标准,所述信息更新模块按照预定的更新间隔,将所述标准轮廓信息以及质量合格标准下载到所述存储模块,并将旧的标准轮廓信息以及质量合格标准进行删除,所述存储模块与所述外观质量判定模块电性连接。
优选地,所述图像获取模块包括一照明单元,所述照明单元用于在光照不足时为所述图像获取模块提供光照。
优选地,所述图像处理模块包括图像增强单元、灰度值调整单元、二值化处理单元和轮廓提取单元;
所述图像增强单元,用于对所述外观图像进行图像增强处理;
所述灰度值调整单元,用于对经过图像增强处理的外观图像进行灰度值调整;
所述二值化处理单元用于对经过灰度值调整的外观图像进行二值化处理;
所述轮廓提取单元用于对经过二值化处理的外观图像进行轮廓提取。
优选地,所述图像增强单元包括第一处理子单元、第二处理子单元、第三处理子单元和第四处理子单元;
所述第一处理子单元用于对所述外观图像进行小波分解,获取其高频系数和低频系数;
所述第二处理子单元用于采用自定义的函数对所述高频系数进行处理,获得经过处理的高频系数;
所述第三处理子单元用于采用自定义的算法对低频系数进行处理,获得经过处理的低频系数和第二高频系数;
所述第四处理子单元用于根据经过处理的高频系数和第二高频系数,通过重构获得图像增强后的外观图像。
优选地,所述对所述外观图像进行小波分解,获取其高频系数和低频系数,包括:
采用下述式子对所述外观图像进行灰度化处理:
GS(a,b)=δ1R(a,b)+δ2G(a,b)+δ3B(a,b)
式中,GS(a,b)表示外观图像中第a行第b列的像素点的灰度值,δ1、δ2、δ3分别表示红、绿、蓝三种基色分量预设的权重值,R(a,b)、G(a,b)、B(a,b)分别表示外观图像中第a行第b列的像素点,其中a∈[1,O],b∈[1,P],O、P分别表示所述外观图像纵向和横向的像素点的总数;所述外观图像的像素点总数为O×P;
采用下面的函数获取所述外观图像的高频系数:
采用下面的函数获取所述外观图像的低频系数:
式中,为二维小波变换的尺度函数,COHFvar(sca,o,p)表示所述外观图像的高频系数,α1+α2=1,α1和α2为预设的权重参数;adjp为预设的调整参数;var∈[S,C,D],S,C,D分别表示在二维小波变换中HL,LH,HH这三个区域的子带图,sca为函数所采用的尺度参数,g(v,w)为预设的离散函数,v,w为离散函数中的变量,o,p为分别相对v,w的偏差量,所述外观图像的像素点总数为O×P,表示小波细节函数。
优选地,所述采用自定义的函数对所述高频系数进行处理,获得经过处理的高频系数,包括:
采用下述式子对所述高频系数进行处理:
式中,afCOHF为经过处理的高频系数,COHFvar(sca,o,p)为小波分解获得的高频系数,表tha和thb为设定的阈值参数,sgn为符号函数。
优选地,所述采用自定义的算法对低频系数进行处理,获得经过处理的低频系数和第二高频参数,包括:
采用下面的函数对所述低频系数进行处理:
式中,β1和β2为预设的低频系数处理权重,afCOLF为经过处理的低频系数,X(o,p,v,w)为设定的核函数,其中,BAP为预设的灰度级参数,FWP为窗口滤波参数,表示以正在处理的像素点为重心,边长为FWP个像素点的正方形窗口;E为规整化参数,k∈[1.K],k为对低频系数进行滤波时采用的区域窗口的总数,nwpk为区域窗口k中像素点的总数,ηk为区域窗口k中所有像素点灰度值的的标准差,pjgk为区域窗口k中所有像素点的灰度值的平均数,dk=pjgk-ckηk;
对经过处理的低频系数afCOLF再次进行小波分解,获得第二高频系数afCOLF2。
优选地,所述根据经过处理的高频系数和第二高频系数,通过重构获得图像增强后的外观图像,包括:
将高频系数afCOHF和第二高频系数afCOLF2进行逆变换,获得重构后的外观图像CGP。
优选地,所述对经过图像增强处理的外观图像进行灰度值调整,包括:
采用下述式子调整所述外观图像中的每个像素点的灰度值:
ADPG(a,b)=f(a,b)×J(a,b)
式中, GS(a,b)为外观图像中第a行第b列的像素点的灰度值,LQ为调整参数,使得G的值小于等于255,Φ(a,b)为外观图像中第a行第b列的像素点垂直方向的梯度和水平方向的梯度之和,tg1、tg2、tg3均为设定的灰度值调整参数。
优选地,所述对经过光照均匀校正处理的外观图像进行二值化处理,包括:
采用下述式子对所述外观图像进行二值化处理:
式中,Bin(a,b)表示所述外观图像中,经过二值化处理后的第a行第b列的像素点的灰度值;其中,t为预设的范围参数,t取值为偶数,u为预设的二值化调整参数。
优选地,所述图像获取模块从预设的不同角度获取待检测的电子元器件的外观图像,从而全面地检测所述电子元器件的外观情况。
本发明的有益效果为:本发明通过设立图像获取模块、图像处理模块和外观质量判定模块,通过获取待检测的电子元器件的外观图像来进行外观质量检测,解决了现有技术中依靠人力来检测的方式导致的速度慢和容易误检漏检的问题,极大地提高了生产效率。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1,为本发明一种电子元器件外观检测装置的一种示例性实施例图。
附图标记:
图像获取模块1、图像处理模块2、外观质量判定模块3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本发明的一种电子元器件外观检测装置,该装置包括图像获取模块1、图像处理模块2和外观质量判定模块3;
所述图像获取模块1用于获取待检测的电子元器件的外观图像,并将其发送至图像处理模块2;
所述图像处理模块2用于对所述外观图像进行处理,获取所述外观图像中包含的电子元器件的轮廓信息,并将所述轮廓信息发送至外观质量判定模块3;
所述外观质量判定模块3用于将所述轮廓信息与标准的轮廓信息进行对比,判断所述待检测的电子元器件的外观质量是否合格。
本发明上述实施例,通过设立图像获取模块1、图像处理模块2和外观质量判定模块3,通过获取待检测的电子元器件的外观图像来进行外观质量检测,解决了现有技术中依靠人力来检测的方式导致的速度慢和容易误检漏检的问题,极大地提高了生产效率。
在一种实施方式中,所述电子元器件外观检测装置还包括存储模块和信息更新模块,所述信息更新模块与云服务器相连接,所述云服务器上存储着电子元器件的标准轮廓信息以及质量合格标准,所述信息更新模块按照预定的更新间隔,将所述标准轮廓信息以及质量合格标准下载到所述存储模块,并将旧的标准轮廓信息以及质量合格标准进行删除,所述存储模块与所述外观质量判定模块3电性连接。
本发明上述实施例,通过云服务器的方式,能快速地更新分布在不同空间地域内的外观检测装置中的标准轮廓信息和质量合格标准。
在一种实施方式中,所述图像获取模块1包括一照明单元,所述照明单元用于在光照不足时为所述图像获取模块1提供光照。
在一种实施方式中,所述图像处理模块2包括图像增强单元、灰度值调整单元、二值化处理单元和轮廓提取单元;
所述图像增强单元,用于对所述外观图像进行图像增强处理;
所述灰度值调整单元,用于对经过图像增强处理的外观图像进行灰度值调整;
所述二值化处理单元用于对经过灰度值调整的外观图像进行二值化处理;
所述轮廓提取单元用于对经过二值化处理的外观图像进行轮廓提取。
在一种实施方式中,所述图像增强单元包括第一处理子单元、第二处理子单元、第三处理子单元和第四处理子单元;
所述第一处理子单元用于对所述外观图像进行小波分解,获取其高频系数和低频系数;
所述第二处理子单元用于采用自定义的函数对所述高频系数进行处理,获得经过处理的高频系数;
所述第三处理子单元用于采用自定义的算法对低频系数进行处理,获得经过处理的低频系数和第二高频系数;
所述第四处理子单元用于根据经过处理的高频系数和第二高频系数,通过重构获得图像增强后的外观图像。
本发明上述实施例,通过高频系数和第二高频系数的重构,有效地提取出了所述外观图像的边缘信息,为后续的灰度值调整和二值化处理作出了有效的支持。
在一种实施方式中,所述对所述外观图像进行小波分解,获取其高频系数和低频系数,包括:
采用下述式子对所述外观图像进行灰度化处理:
GS(a,b)=δ1R(a,b)+δ2G(a,b)+δ3B(a,b)
式中,GS(a,b)表示外观图像中第a行第b列的像素点的灰度值,δ1、δ2、δ3分别表示红、绿、蓝三种基色分量预设的权重值,R(a,b)、G(a,b)、B(a,b)分别表示外观图像中第a行第b列的像素点,其中a∈[1,O],b∈[1,P],O、P分别表示所述外观图像纵向和横向的像素点的总数;所述外观图像的像素点总数为O×P;
采用下面的函数获取所述外观图像的高频系数:
采用下面的函数获取所述外观图像的低频系数:
式中,为二维小波变换的尺度函数,COHFvar(sca,o,p)表示所述外观图像的高频系数,α1+α2=1,α1和α2为预设的权重参数;adjp为预设的调整参数;var∈[S,C,D],S,C,D分别表示在二维小波变换中HL,LH,HH这三个区域的子带图,sca为函数所采用的尺度参数,g(v,w)为预设的离散函数,v,w为离散函数中的变量,o,p为分别相对v,w的偏差量,所述外观图像的像素点总数为O×P,表示小波细节函数。
本发明上述实施例,对所述外观图像进行小波分解,在获取高频系数时考虑到了HL,LH,HH这三个区域的子带图,使得高频系数更能充分地反映图像的边沿情况,有利于下一步对高频系数进行自定义的处理。
在一种实施方式中,所述采用自定义的函数对所述高频系数进行处理,获得经过处理的高频系数,包括:
采用下述式子对所述高频系数进行处理:
式中,afCOHF为经过处理的高频系数,COHFvar(sca,o,p)为小波分解获得的高频系数,表tha和thb为设定的阈值参数,sgn为符号函数。
本发明上述实施例,通过设置自定义的阈值参数,对不同的高频系数情况采用不同的处理函数,解决了传统的阈值函数存在的边沿信息丢失和重构图像时存在的噪声残留震荡的问题,有效地降低了图像中存在的噪声。
在一种实施方式中,所述采用自定义的算法对低频系数进行处理,获得经过处理的低频系数和第二高频参数,包括:
采用下面的函数对所述低频系数进行处理:
式中,β1和β2为预设的低频系数处理权重,afCOLF为经过处理的低频系数,X(o,p,v,w)为设定的核函数,其中,BAP为预设的灰度级参数,FWP为窗口滤波参数,表示以正在处理的像素点为重心,边长为FWP个像素点的正方形窗口;E为规整化参数,k∈[1.K],k为对低频系数进行滤波时采用的区域窗口的总数,nwpk为区域窗口k中像素点的总数,ηk为区域窗口k中所有像素点灰度值的的标准差,pjgk为区域窗口k中所有像素点的灰度值的平均数,dk=pjgk-ckηk;
对经过处理的低频系数afCOLF再次进行小波分解,获得第二高频系数afCOLF2。
本发明上述实施例,通过自定义的函数对低频系数进行处理,考虑了在设定区域窗口内的其他像素点对正在处理的像素点的影响,同时也考虑了不同的窗口划分情况,避免了传统的低频系数处理方式会明暗变化剧烈的边缘会产生光晕的这个问题。
在一种实施方式中,所述根据经过处理的高频系数和第二高频系数,通过重构获得图像增强后的外观图像,包括:
将高频系数afCOHF和第二高频系数afCOLF2进行逆变换,获得重构后的外观图像CGP。
本发明上述实施例,通过高频系数和第二高频系数的重构,能最大限度地获取图像的边缘信息,为后续的二值化处理更好地保留电子元器件的轮廓信息作出了有效的铺垫。
在一种实施方式中,所述对经过图像增强处理的外观图像进行灰度值调整,包括:
采用下述式子调整所述外观图像中的每个像素点的灰度值:
ADPG(a,b)=f(a,b)×J(a,b)
式中, GS(a,b)为外观图像中第a行第b列的像素点的灰度值,LQ为调整参数,使得G的值小于等于255,Φ(a,b)为外观图像中第a行第b列的像素点垂直方向的梯度和水平方向的梯度之和,tg1、tg2、tg3均为设定的灰度值调整参数。
本发明上述实施例,通过加入像素点在水平和垂直方向的梯度作为参数,能更好地反映像素点的重要程度,灰度值调整效果好,使得外观图像的光照能更均匀地分别,细节能更好地保留,同时也增强了所述外观图像的对比度,同时也更好地为后续的二值化提供了一个更均匀的图像光照条件,加快二值化的处理速度和准确度。
在一种实施方式中,所述对经过光照均匀校正处理的外观图像进行二值化处理,包括:
采用下述式子对所述外观图像进行二值化处理:
式中,Bin(a,b)表示所述外观图像中,经过二值化处理后的第a行第b列的像素点的灰度值;其中,t为预设的范围参数,t取值为偶数,u为预设的二值化调整参数。
本发明上述实施例,计算复杂度小,速度快,有效地加快了整个电子元器件外观检测的速度,同时,综合考虑了在预设范围内其它像素点的灰度情况对待处理的像素点的影响,灰度化准确率高。
在一种实施方式中,所述图像获取模块1从预设的不同角度获取待检测的电子元器件的外观图像,从而全面地检测所述电子元器件的外观情况。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种电子元器件外观检测装置,其特征在于,该装置包括图像获取模块、图像处理模块和外观质量判定模块;
所述图像获取模块用于获取待检测的电子元器件的外观图像,并将其发送至图像处理模块;
所述图像处理模块用于对所述外观图像进行处理,获取所述外观图像中包含的电子元器件的轮廓信息,并将所述轮廓信息发送至外观质量判定模块;
所述外观质量判定模块用于将所述轮廓信息与标准的轮廓信息进行对比,判断所述待检测的电子元器件的外观质量是否合格。
2.如权利要求1所述的电子元器件外观检测装置,其特征在于,所述图像获取模块包括一照明单元,所述照明单元用于在光照不足时为所述图像获取模块提供光照。
3.如权利要求1所述的电子元器件外观检测装置,其特征在于,所述电子元器件外观检测装置还包括存储模块和信息更新模块,所述信息更新模块与云服务器相连接,所述云服务器上存储着电子元器件的标准轮廓信息以及质量合格标准,所述信息更新模块按照预定的更新间隔,将所述标准轮廓信息以及质量合格标准下载到所述存储模块,并将旧的标准轮廓信息以及质量合格标准进行删除,所述存储模块与所述外观质量判定模块电性连接。
4.如权利要求1所述的电子元器件外观检测装置,其特征在于,所述图像处理模块包括图像增强单元、灰度值调整单元、二值化处理单元和轮廓提取单元;
所述图像增强单元,用于对所述外观图像进行图像增强处理;
所述灰度值调整单元,用于对经过图像增强处理的外观图像进行灰度值调整;
所述二值化处理单元用于对经过灰度值调整的外观图像进行二值化处理;
所述轮廓提取单元用于对经过二值化处理的外观图像进行轮廓提取。
5.如权利要求4所述的电子元器件外观检测装置,其特征在于,所述图像增强单元包括第一处理子单元、第二处理子单元、第三处理子单元和第四处理子单元;
所述第一处理子单元用于对所述外观图像进行小波分解,获取其高频系数和低频系数;
所述第二处理子单元用于采用自定义的函数对所述高频系数进行处理,获得经过处理的高频系数;
所述第三处理子单元用于采用自定义的算法对低频系数进行处理,获得经过处理的低频系数和第二高频系数;
所述第四处理子单元用于根据经过处理的高频系数和第二高频系数,通过重构获得图像增强后的外观图像。
6.如权利要求5所述的电子元器件外观检测装置,其特征在于,所述对所述外观图像进行小波分解,获取其高频系数和低频系数,包括:
采用下述式子对所述外观图像进行灰度化处理:
GS(a,b)=δ1R(a,b)+δ2G(a,b)+δ3B(a,b)
式中,GS(a,b)表示外观图像中第a行第b列的像素点的灰度值,δ1、δ2、δ3分别表示红、绿、蓝三种基色分量预设的权重值,R(a,b)、G(a,b)、B(a,b)分别表示外观图像中第a行第b列的像素点,其中a∈[1,O],b∈[1,P],O、P分别表示所述外观图像纵向和横向的像素点的总数;所述外观图像的像素点总数为O×P;
采用下面的函数获取所述外观图像的高频系数:
采用下面的函数获取所述外观图像的低频系数:
式中,为二维小波变换的尺度函数,COHFvar(sca,o,p)表示所述外观图像的高频系数,α1+α2=1,α1和α2为预设的权重参数;adjp为预设的调整参数;var∈[S,C,D],S,C,D分别表示在二维小波变换中HL,LH,HH这三个区域的子带图,sca为函数所采用的尺度参数,g(v,w)为预设的离散函数,v,w为离散函数中的变量,o,p为分别相对v,w的偏差量,所述外观图像的像素点总数为O×P,表示小波细节函数。
7.如权利要求5所述的电子元器件外观检测装置,其特征在于,所述采用自定义的函数对所述高频系数进行处理,获得经过处理的高频系数,包括:
采用下述式子对所述高频系数进行处理:
式中,afCOHF为经过处理的高频系数,COHFvar(sca,o,p)为小波分解获得的高频系数,表tha和thb为设定的阈值参数,sgn为符号函数。
8.如权利要求5所述的电子元器件外观检测装置,其特征在于,所述采用自定义的算法对低频系数进行处理,获得经过处理的低频系数和第二高频参数,包括:
采用下面的函数对所述低频系数进行处理:
式中,β1和β2为预设的低频系数处理权重,afCOLF为经过处理的低频系数,X(o,p,v,w)为设定的核函数,其中,BAP为预设的灰度级参数,FWP为窗口滤波参数,表示以正在处理的像素点为重心,边长为FWP个像素点的正方形窗口;E为规整化参数,k∈[1.K],k为对低频系数进行滤波时采用的区域窗口的总数,nwpk为区域窗口k中像素点的总数,ηk为区域窗口k中所有像素点灰度值的的标准差,pjgk为区域窗口k中所有像素点的灰度值的平均数,dk=pjgk-ckηk;
对经过处理的低频系数afCOLF再次进行小波分解,获得第二高频系数afCOLF2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910323361.2A CN109946308B (zh) | 2019-04-22 | 2019-04-22 | 一种电子元器件外观检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910323361.2A CN109946308B (zh) | 2019-04-22 | 2019-04-22 | 一种电子元器件外观检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109946308A true CN109946308A (zh) | 2019-06-28 |
CN109946308B CN109946308B (zh) | 2020-01-14 |
Family
ID=67015781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910323361.2A Active CN109946308B (zh) | 2019-04-22 | 2019-04-22 | 一种电子元器件外观检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109946308B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379721A (zh) * | 2021-06-29 | 2021-09-10 | 广东科学技术职业学院 | 一种基于云平台的电子元器件质量检测装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715461A (zh) * | 2015-04-02 | 2015-06-17 | 哈尔滨理工大学 | 图像去噪方法 |
CN107169471A (zh) * | 2017-06-07 | 2017-09-15 | 深圳市创艺工业技术有限公司 | 一种基于图像融合的指纹识别*** |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测***及方法 |
-
2019
- 2019-04-22 CN CN201910323361.2A patent/CN109946308B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715461A (zh) * | 2015-04-02 | 2015-06-17 | 哈尔滨理工大学 | 图像去噪方法 |
CN107169471A (zh) * | 2017-06-07 | 2017-09-15 | 深圳市创艺工业技术有限公司 | 一种基于图像融合的指纹识别*** |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测***及方法 |
Non-Patent Citations (2)
Title |
---|
LIANG FENG ET AL.: "Image Denoising methods based on wavelet transform and threshold functions", 《JOURNAL OF MULTIMEDIA PROCESSING AND TECHNOLOGIES VOLUME》 * |
袁修贵 等: "基于小波变换的一种图像增强去噪算法", 《中南大学学报(自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379721A (zh) * | 2021-06-29 | 2021-09-10 | 广东科学技术职业学院 | 一种基于云平台的电子元器件质量检测装置 |
CN113379721B (zh) * | 2021-06-29 | 2022-05-06 | 广东科学技术职业学院 | 一种基于云平台的电子元器件质量检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109946308B (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6735417B2 (ja) | 表示パネルの自動光学検出におけるバックグラウンド抑制方法及び検出装置 | |
JP2019536128A5 (zh) | ||
CN116012346B (zh) | 一种输电线路监测方法及*** | |
CN109946308A (zh) | 一种电子元器件外观检测装置 | |
CN108447072B (zh) | 一种晶体颗粒的图像分割方法及*** | |
Nevriyanto et al. | Image enhancement using the image sharpening, contrast enhancement, and Standard Median Filter (Noise Removal) with pixel-based and human visual system-based measurements | |
CN105405145B (zh) | 一种基于图像分割技术的颗粒数粒方法 | |
CN107330891B (zh) | 一种有效的图像质量评价*** | |
CN1689318A (zh) | 锐度增强 | |
CN108303427B (zh) | 基于图像处理的家居破损程度检测*** | |
CN105719252B (zh) | 一种铁路巡检图像实时高动态范围绘制方法和装置 | |
CN116958127B (zh) | 基于图像特征的硅片质量评估方法 | |
CN106023223A (zh) | 柑橘果实大小描述及分级方法 | |
CN112801899A (zh) | 基于互补结构感知的内外循环驱动图像盲去模糊方法和装置 | |
CN1917579A (zh) | 图像中噪声的降低 | |
CN116228574A (zh) | 一种灰度图像处理方法及装置 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN115187609A (zh) | 一种大米黄粒检测方法和*** | |
CN107317968A (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 | |
CN110322431B (zh) | 雾霾图像质量评价方法、***、存储介质及电子设备 | |
Storozhilova et al. | 2.5 D extension of neighborhood filters for noise reduction in 3D medical CT images | |
CN111028309A (zh) | 基于LoRa节点的昆虫密度图构建方法及装置 | |
CN109164112A (zh) | 一种基于无人机的缆索表面缺陷检测*** | |
CN116405661B (zh) | 一种智能电视开发性能测试方法和装置 | |
Setiawan et al. | Improved Edge Detection Based on Adaptive Gaussian Smoothing in X-Ray Image |
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 |