CN110020657A - 一种裁床的位图轮廓坐标提取方法 - Google Patents
一种裁床的位图轮廓坐标提取方法 Download PDFInfo
- Publication number
- CN110020657A CN110020657A CN201910035429.7A CN201910035429A CN110020657A CN 110020657 A CN110020657 A CN 110020657A CN 201910035429 A CN201910035429 A CN 201910035429A CN 110020657 A CN110020657 A CN 110020657A
- Authority
- CN
- China
- Prior art keywords
- profile
- cutting
- bitmap
- offset
- silhouettes
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
一种裁床的位图轮廓坐标提取方法,包括如下步骤:1)将设计位图灰度化;2)灰度图像二值化;3)将二值图像去噪,保证轮廓信息的正确性,避免噪音的干扰;4)使用Canny算子将去噪后的图像提取轮廓,得到切割轮廓的所有节点;5)初步剔除掉得到的轮廓中不需要进行切割的轮廓,并将确定为闭合轮廓的非闭合轮廓拼接起来;6)剔除掉轮廓中处在同一条直线上的冗余节点,在不影响切割效果的情况下提高了切割速度,重复步骤6),直至剔除掉所有的冗余节点;7)去除掉内轮廓中包含的轮廓,去除掉得到的所有轮廓中不需要切割的轮廓。本发明在极大程度上还原了原图的轮廓信息,保证了切割精度,并提高了切割的工作效率。
Description
技术领域
本发明属于图像中轮廓处理、提取领域,具体而言,涉及一种满足于高精度数控设备切割精度要求的图像轮廓坐标提取方法。
背景技术
裁床是目前国内外各大小型工厂企业广泛使用的一种高精度数控机床。它具有加工速度快,精度高等特点。对于用户来说,只需要提供一份轮廓的坐标文件,就能切割出理想的图案。因此,裁床的出现对于各工厂企业来说,极大程度上降低了人工成本,减少了由于雕刻失误、雕刻误差大等造成的材料浪费。
目前,大多数的裁床的加工文件采用的是DXF、PLT格式或者NetCDF文件。由设计人员使用绘图软件设计出具体图案,然后交由加工工人使用AutoCAD或者精雕软件生成矢量图文件。或者由加工工人直接使用AutoCAD或者精雕软件创建具有切割图案的轮廓组合的文件。
DXF和PLT文件一般是使用AutoCAD或者精雕软件来创建,不过AutoCAD、精雕软件使用起来比较复杂,工厂企业要想正常高效地生产加工,就需要对加工工人进行额外的培训和指导。这样就大大的提高了加工成本,其次,由设计人员提供设计图稿,再由加工工人文件生成,最后开始切割加工。这其中时间成本太高,加工效率极低。
发明内容
为了克服现有裁床加工文件生成方式的时间成本太高、加工效率极低的不组装,本发明提出一种直接由设计图形生成裁床可识别的文件的裁床的位图轮廓坐标提取方法。
为实现上述目的,本发明采取了以下的技术方案:
一种裁床的位图轮廓坐标提取方法,包括如下步骤:
1)将导入的位图进行灰度处理;
2)将灰度图像进行二值化处理;
3)将2)中处理得到的二值化图像进行中值滤波、开运算,去除图像的噪音干扰;
4)将去噪后的图像使用Canny算子进行轮廓提取,得到图案的粗糙轮廓,所有的轮廓保存在vector<vector<Point>>Contours中;
5)将得到的轮廓线进行筛选、拼接处理;
6)筛选轮廓中关键节点;
7)筛选内轮廓。遍历每条轮廓PointList,然后判断当前轮廓上的所有点与其他轮廓的位置关系,如果,满足有一条轮廓与当前轮廓上所有点的位置关系都是包含关系,则判断当前轮廓为内轮廓,并且将外轮廓计数变量OuterContour加1;当OuterContour计数超过3时,则判断当前为内轮廓中的内轮廓,删除当前轮廓,并进行7)重复操作。
进一步,所述步骤5)中,将得到的轮廓线进行筛选、拼接处理的步骤如下:
5.1)遍历所有的轮廓Contours,筛选出闭合轮廓并且面积小于阈值AreaThreshold的轮廓,和非闭合轮廓中周长大于LengthThreshold的轮廓;如果是前者,就将此轮廓从容器中删除;如果是后者,判定此轮廓可能是闭合轮廓的残缺轮廓,将这种残缺轮廓保存在vector<vector<Point>>IncomContours中,并删除Contours中这条轮廓的存储列表,进入下一步;
5.2)遍历IncomContours,找到一条非闭合轮廓Contour1的端点TPointStart1和TPointEnd1,然后寻找一条满足有一个端点和这条轮廓端点距离小于阈值DisThresthold的轮廓Contour2;Contour2的端点为TPointStart2和TPointEnd2,进行步骤5.3);如果找不到Contour2,则判断Contour1是干扰轮廓,并删除Contour1,重复操作5.2);
5.3)判断这两条轮廓的两端端点距离,如果同时满足小于阈值DisThresthold,则判断Contour1和Contour2是属于同一条闭合轮廓,将Contour2添加到Contour1列表,添加Contour2时,两条轮廓的相邻端点一一对应,删除Contour1列表,然后进行步骤5.2);否则,将Contour2和Contour1中端点距离大于阈值DisThresthold1的两个端点作为新的TPointStart1和TPointEnd1,重复步骤5.2);
5.4)IncomContours中剩下的都是补全的闭合轮廓,将IncomContours添加到Contours中;
再进一步,所述步骤6)中,筛选轮廓中关键节点的步骤如下:
6.1)遍历闭合轮廓Contours,找到轮廓相邻三个节点,第一个节点为Point1(x1,y1),第二个节点是Point2(x2,y2),第三个节点是Point3(x3,y3);
6.2)计算相邻节点构成的直线的表达式的斜率k和偏移量b,Point1(x1,y1)和Point2(x2,y2)构成的直线是y=k1x+b1,Point2(x2,y2)和Point3(x3,y3)构成的直线是y=k2x+b2。比较k1和k2,以及b1和b2之间的大小关系;
6.3)如果0<|k1-k2|=SlopeDiff<RatioThresold并且0<|b1-b2|=Off set<OffsetThresold,则判断这三点基本处于一条直线上,然后采用最小二乘法拟合这三点构成的直线,计算出来的斜率为k,偏移量为b,累加斜率差SlopeDiff和偏移量OffSet,进行步骤6.4);若不能同时满足0<|k1-k2|=SlopeDiff<RatioThresold、0<|b1-b2|=Offset<OffsetThre sold,则将Point2当成拐点保存下来,进行步骤6.5);
6.4)如果SlopeDiff和Offset均在阈值Max范围之内,则删除中间点Point2(x2,y2),如果不能同时满足条件SlopeDiff和OffsetT均在阈值Max范围之内,则将中间点Point2(x2,y2)当成拐点保存下来,将SlopeDiff和OffsetT清零。进行下一步;
6.5)找出Point3的后面一个点Point4(x4,y4),计算出Point3和Point4构成的直线的斜率k3和偏移量b3,进行操作6.2)。
在所述步骤2)中,采用阈值法将图像二值化。
所述步骤3)中,先后采用中值滤波、开运算滤波。
所述步骤6)中,步骤6.3)中最小二乘法拟合出来的直线斜率和偏移量的计算公式如下所示:
所述步骤7)中,采用根据判断是否是内轮廓中的内轮廓的方法来筛选干扰轮廓。
本发明的技术构思为:通过中值滤波、引入开运算,剔除掉图像中的细小突出的噪音。用Canny算子得到图像上的所有轮廓,通过步骤5)的筛选和拼接,剔除掉图案上的所有小轮廓和非闭合轮廓,这些轮廓在生产中是不需要进行切割的。拼接是为了将轮廓提取过程中一些断开连接的闭合轮廓重新连接上。这样保存下来的就是裁床需要进行切割的轮廓形状。最后通过计算得出,相邻两点构成直线的斜率和偏移量,再通过比较相邻三点构成的直线的斜率和偏移量,判断这三个点是否基本处于同一条直线上。如果处于同一条直线上并且累加的斜率差和偏移量均在可接受范围之内,则删除中间点。否则,判定中间点是拐点,保留下来。通过设置阈值,可以达到不同的切割精度。
本发明的有益效果主要表现在:1、能够筛选出裁床需要的切割轮廓,尽量避免手动筛选。2、能够保证切割精度,提取出位图的轮廓坐标信息。
附图说明
图1为需要进行切割的图形文件进行灰度化后的截图。
图2为对JPG原图灰度化、二值化后的黑白图形。其中(a)为未去噪前的图像中存在的一些噪音。(b)为去噪后的效果图。(c)为去噪后的全局二值化图像。
图3为对二值化图形提取到的轮廓。其中(a)为轮廓提取后可能出现的连接断开的截图,(b)为存在的干扰轮廓,(c)为将轮廓进行筛选、拼接后得到的轮廓,(d)为去噪后的提取出的轮廓。
图4为两种方法筛选关键节点的对比图。其中(a)为仅比较前后相邻节点形成的直线斜率和偏移量的效果图,(b)为加入比较累加斜率差和偏移量的效果图。
图5为筛选到的关键节点。
图6为部分轮廓放大后的效果图。
图7为裁床的位图轮廓坐标提取方法的流程图。
具体实施方案
下面结合附图对本发明进行详细的描述。
参照图1~图7,一种裁床的位图轮廓坐标提取方法,包括如下骤:
1)将原图进行灰度处理;
2)将灰度图像进行二值化处理,得到二值化图形。如图1所示,图片背景颜色为白色,而原图图案灰度化后颜色差异明显。采用阈值化二值法,可将图案和背景区分开,并且可以排除掉图案上不同颜色造成的干扰轮廓。效果如图2中(c)所示。
3)将二值化图形去噪,获取轮廓。如图2中(a)所示,原始图像二值化后,可能会存留一些空隙。并且边缘处可能会存在一些孤立的黑点,采用开运算和中值滤波能有效的降低这几种噪音干扰,去噪效果如图2中(b)所示。而由于之前有效排除掉了大部分噪声,再采用Canny算子提取出来的轮廓会十分光滑并且与原图轮廓逼近程度较大。效果如图3中(d)所示。
4)将去噪后的图像使用Canny算子进行轮廓提取,得到图案的粗糙轮廓,所有的轮廓保存在vector<vector<Point>>Contours中;
5)将得到的轮廓线进行筛选、拼接处理;如图3中(d)所示,提取出来的轮廓中有大部分是不需要进行切割的,如果采用手动的方式,去除这些不需要切割的轮廓,会极大程度上降低生产效率,并且人工去除操作会比较麻烦,甚至造成一定程度上的误差。
在步骤5)中,筛选、拼接处理的步骤如下:
首先,如图3中(d)所示,不需要进行切割的轮廓大部分面积较小。计算闭合轮廓的面积,由经验法得出,切割过程中,切割轮廓面积一般都会超过阈值AreaThreshold。根据这一点可以排除掉大部分的干扰轮廓。
其次,如图3中(b)所示,会存在一些非闭合的小线段的干扰轮廓存在,使用计算面积的方式是不能排除这种干扰轮廓的。并且,如图3中(a)所示,部分切割轮廓可能会出现断裂的现象。需要进行拼接。
获取所有的非闭合轮廓,遍历获取到的非闭合轮廓,然后寻找一条,至少有一端端点距离当前轮廓端点距离小于阈值DisThresthold的轮廓,继续判断另外两个端点之间的距离,如果这两条轮廓另外两个端点的距离也小于阈值DisThresthold,则可判断这两条轮廓是从同一条轮廓断下来的两条轮廓,并将这两条轮廓拼接起来。如果匹配到的轮廓只有一端端点距离小于阈值DisThresthold,则将匹配到的这条轮廓的另外一个端点作为当前轮廓的另外一个端点,即假设这两条轮廓是同一条轮廓,且可能还存在未匹配到的断裂轮廓。然后继续匹配轮廓,如果最终匹配不到能够首尾相连的轮廓,也就是说不能找到若干轮廓,这若干轮廓与当前轮廓彼此之间端点一一对应,且端点之间距离均小于阈值DisThresthold,则判断当前轮廓是干扰轮廓,删除当前轮廓,并继续此步骤,直至遍历结束。能够保留下来的轮廓,可认为都是裁床需要进行切割的闭合轮廓,如图3中(c)所示。
6)筛选轮廓中的关键点。删除掉不影响切割的冗余坐标点,保留轮廓中的拐点,这样既能不影响切割轮廓,还能提高切割效率。
步骤6)中筛选关键点的步骤如下:
6.1)遍历闭合轮廓Contours,找到轮廓相邻三个节点,第一个节点为Point1(x1,y1),第二个节点是Point2(x2,y2),第三个节点是Point3(x3,y3);
6.2)计算相邻节点构成的直线的表达式的斜率k和偏移量b,Point1(x1,y1)和Point2(x2,y2)构成的直线是y=k1x+b1,Point2(x2,y2)和Point3(x3,y3)构成的直线是y=k2x+b2。比较k1和k2,以及b1和b2之间的大小关系;
6.3)如果0<|k1-k2|=SlopeDiff<RatioThresold并且0<|b1-b2|=Off set<OffsetThresold,则判断这三点基本处于一条直线上,然后采用最小二乘法拟合这三点构成的直线,计算出来的斜率为k,偏移量为b,累加斜率差SlopeDiff和偏移量OffSet,进行步骤6.4);若不能同时满足0<|k1-k2|=SlopeDiff<RatioThresold、0<|b1-b2|=Offset<OffsetThre sold,则将Point2当成拐点保存下来,进行步骤6.5);
6.4)如果SlopeDiff和Offset均在阈值Max范围之内,则删除中间点Point2(x2,y2),如果不能同时满足条件SlopeDiff和OffsetT均在阈值Max范围之内,则将中间点Point2(x2,y2)当成拐点保存下来,将SlopeDiff和OffsetT清零。进行下一步;
6.5)找出Point3的后面一个点Point4(x4,y4),计算出Point3和Point4构成的直线的斜率k3和偏移量b3,进行操作6.2)。
进一步,步骤6.3)中,拟合三点构成的直线的计算公式如下:
如图4中(a)所示,如果只考虑满足不等式0<|k1-k2|=SlopeDiff<RatioThresold1和0<|b1-b2|=Offset<OffsetThresold,则删除中间点,会增大切割误差。因为如果切割一段弧度较小的轮廓时,每两个点之间形成的线段彼此之间斜率和偏移量不会太大,也就是说会将一段弧度较小的弧线当成一条直线来处理。对于切割精度要求较高的裁床来说,这是不满足用户需求的。因此,本发明设计每次判断相邻三点基本处于一条直线上时,累加斜率差和偏移量,当斜率差值到达一定的阈值时,就将中间点当成拐点保留,并将斜率差和偏移量清零。如图5所示,能有效的改善弧度较小的曲线的处理效果,曲线的还原度较高。
7)筛选内轮廓,遍历每条轮廓PointList,然后判断当前轮廓上的所有点与其他轮廓的位置关系,如果,满足有一条轮廓与当前轮廓上所有点的位置关系都是包含关系,则判断当前轮廓为内轮廓,并且将外轮廓计数变量OuterContour加1;当OuterContour计数超过3时,则判断当前为内轮廓中的内轮廓,删除当前轮廓,并进行7)重复操作。
所述步骤7)中,采用根据判断是否是内轮廓中的内轮廓的方法来筛选干扰轮廓。
Claims (7)
1.一种裁床的位图轮廓坐标提取方法,其特征在于,所述方法包括如下步骤:
1)将导入的位图进行灰度处理;
2)将灰度图像进行二值化处理;
3)将2)中处理得到的二值化图像进行中值滤波、开运算,去除图像的噪音干扰;
4)将去噪后的图像使用Canny算子进行轮廓提取,得到图案的粗糙轮廓,所有的轮廓保存在vector<vector<Point>>Contours中;
5)将得到的轮廓线进行筛选、拼接处理;
6)筛选轮廓中关键节点;
7)筛选内轮廓,遍历每条轮廓PointList,然后判断当前轮廓上的所有点与其他轮廓的位置关系,如果,满足有一条轮廓与当前轮廓上所有点的位置关系都是包含关系,则判断当前轮廓为内轮廓,并且将外轮廓计数变量OuterContour加1;当OuterContour计数超过3时,则判断当前为内轮廓中的内轮廓,删除当前轮廓,并进行7)重复操作。
2.如权利要求1所述的一种裁床的位图轮廓坐标提取方法,其特征在于,所述步骤5)中,将得到的轮廓线进行筛选、拼接处理的步骤如下:
5.1)遍历所有的轮廓Contours,筛选出闭合轮廓并且面积小于阈值AreaThreshold的轮廓,和非闭合轮廓中周长大于LengthThreshold的轮廓;如果是前者,就将此轮廓从容器中删除;如果是后者,判定此轮廓可能是闭合轮廓的残缺轮廓,将这种残缺轮廓保存在vector<vector<Point>>IncomContours中,并删除Contours中这条轮廓的存储列表,进入下一步;
5.2)遍历IncomContours,找到一条非闭合轮廓Contour1的端点TPointStart1和TPointEnd1,然后寻找一条满足有一个端点和这条轮廓端点距离小于阈值DisThresthold的轮廓Contour2;Contour2的端点为TPointStart2和TPointEnd2,进行步骤5.3);如果找不到Contour2,则判断Contour1是干扰轮廓,并删除Contour1,重复操作5.2);
5.3)判断这两条轮廓的两端端点距离,如果同时满足小于阈值DisThresthold,则判断Contour1和Contour2是属于同一条闭合轮廓,将Contour2添加到Contour1列表,添加Contour2时,两条轮廓的相邻端点一一对应,删除Contour1列表,然后进行步骤5.2);否则,将Contour2和Contour1中端点距离大于阈值DisThresthold1的两个端点作为新的TPointStart1和TPointEnd1,重复步骤5.2);
5.4)IncomContours中剩下的都是补全的闭合轮廓,将IncomContours添加到Contours中。
3.如权利要求1或2所述的一种裁床的位图轮廓坐标提取方法,其特征在于,所述步骤6)中,筛选轮廓中关键节点的步骤如下:
6.1)遍历闭合轮廓Contours,找到轮廓相邻三个节点,第一个节点为Point1(x1,y1),第二个节点是Point2(x2,y2),第三个节点是Point3(x3,y3);
6.2)计算相邻节点构成的直线的表达式的斜率k和偏移量b,Point1(x1,y1)和Point2(x2,y2)构成的直线是y=k1x+b1,Point2(x2,y2)和Point3(x3,y3)构成的直线是y=k2x+b2。比较k1和k2,以及b1和b2之间的大小关系;
6.3)如果0<|k1-k2|=SlopeDiff<RatioThresold并且0<|b1-b2|=Offs et<OffsetThresold,则判断这三点基本处于一条直线上,然后采用最小二乘法拟合这三点构成的直线,计算出来的斜率为k,偏移量为b,累加斜率差SlopeDiff和偏移量OffSet,进行步骤6.4);若不能同时满足0<|k1-k2|=SlopeDiff<RatioThresold、0<|b1-b2|=Offset<OffsetThresol d,则将Point2当成拐点保存下来,进行步骤6.5);
6.4)如果SlopeDiff和Offset均在阈值Max范围之内,则删除中间点Point2(x2,y2),如果不能同时满足条件SlopeDiff和OffsetT均在阈值Max范围之内,则将中间点Point2(x2,y2)当成拐点保存下来,将SlopeDiff和OffsetT清零。进行下一步;
6.5)找出Point3的后面一个点Point4(x4,y4),计算出Point3和Point4构成的直线的斜率k3和偏移量b3,进行操作6.2)。
4.如权利要求1或2所述的一种裁床的位图轮廓坐标提取方法,其特征在于,在所述步骤2)中,采用阈值法将图像二值化。
5.如权利要求1或2所述的一种裁床的位图轮廓坐标提取方法,其特征在于,所述步骤3)中,先后采用中值滤波、开运算滤波。
6.如权利要求1或2所述的一种裁床的位图轮廓坐标提取方法,其特征在于,所述步骤6)中,步骤6.3)中最小二乘法拟合出来的直线斜率和偏移量的计算公式如下所示:
7.如权利要求1或2所述的一种裁床的位图轮廓坐标提取方法,其特征在于,所述步骤7)中,采用根据判断是否是内轮廓中的内轮廓的方法来筛选干扰轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910035429.7A CN110020657A (zh) | 2019-01-15 | 2019-01-15 | 一种裁床的位图轮廓坐标提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910035429.7A CN110020657A (zh) | 2019-01-15 | 2019-01-15 | 一种裁床的位图轮廓坐标提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110020657A true CN110020657A (zh) | 2019-07-16 |
Family
ID=67188793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910035429.7A Pending CN110020657A (zh) | 2019-01-15 | 2019-01-15 | 一种裁床的位图轮廓坐标提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110020657A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910401A (zh) * | 2019-10-31 | 2020-03-24 | 五邑大学 | 半自动化图像分割数据标注方法、电子装置及存储介质 |
CN113139936A (zh) * | 2021-03-31 | 2021-07-20 | 武汉钢铁有限公司 | 一种图像分割处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495584A (zh) * | 2011-11-24 | 2012-06-13 | 重庆大学 | 工业ct断层序列图像直接生成数控加工代码的方法 |
CN105528485A (zh) * | 2015-12-07 | 2016-04-27 | 常州天能博智能***科技有限公司 | 一种从位图自动轮廓提取及路径生成的方法 |
CN107622499A (zh) * | 2017-08-24 | 2018-01-23 | 中国东方电气集团有限公司 | 一种基于目标二维轮廓模型的识别与空间定位方法 |
CN108596190A (zh) * | 2018-04-23 | 2018-09-28 | 福建师范大学 | 一种具有准确轮廓信息的对象提取方法 |
-
2019
- 2019-01-15 CN CN201910035429.7A patent/CN110020657A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495584A (zh) * | 2011-11-24 | 2012-06-13 | 重庆大学 | 工业ct断层序列图像直接生成数控加工代码的方法 |
CN105528485A (zh) * | 2015-12-07 | 2016-04-27 | 常州天能博智能***科技有限公司 | 一种从位图自动轮廓提取及路径生成的方法 |
CN107622499A (zh) * | 2017-08-24 | 2018-01-23 | 中国东方电气集团有限公司 | 一种基于目标二维轮廓模型的识别与空间定位方法 |
CN108596190A (zh) * | 2018-04-23 | 2018-09-28 | 福建师范大学 | 一种具有准确轮廓信息的对象提取方法 |
Non-Patent Citations (4)
Title |
---|
曹德列: "不规则图形数控切割关键技术研究", 《万方数据》 * |
-牧野-: "findContours函数参数详解", 《CSDN》 * |
臧建彬 等: "《热工基础实验》", 30 June 2017, 同济大学出版社 * |
陈慕泽,等: "《MBA MPAcc MPA管理类联考综合能力核心教程 第3版 2017版》", 30 April 2016, 北京理工大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910401A (zh) * | 2019-10-31 | 2020-03-24 | 五邑大学 | 半自动化图像分割数据标注方法、电子装置及存储介质 |
CN113139936A (zh) * | 2021-03-31 | 2021-07-20 | 武汉钢铁有限公司 | 一种图像分割处理方法及装置 |
CN113139936B (zh) * | 2021-03-31 | 2022-07-08 | 武汉钢铁有限公司 | 一种图像分割处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118500B (zh) | 一种基于图像的三维激光扫描点云数据的分割方法 | |
CN110197153B (zh) | 一种户型图中墙体自动识别方法 | |
CN113822890A (zh) | 一种微裂纹检测方法、装置、***及存储介质 | |
CN105046750A (zh) | 一种自动分割全颌牙齿三角网格模型的方法 | |
US20140125663A1 (en) | 3d model shape analysis method based on perception information | |
CN110020657A (zh) | 一种裁床的位图轮廓坐标提取方法 | |
CN108596920A (zh) | 一种基于彩色图像的目标分割方法及装置 | |
CN111524139B (zh) | 一种基于双边滤波器的角点检测方法和检测*** | |
CN106683062A (zh) | 一种静止摄像机下的基于ViBe的运动目标检测方法 | |
CN113567550A (zh) | 地面材质检测方法、装置、电子设备、芯片和存储介质 | |
JP3831232B2 (ja) | 画像処理方法 | |
CN115641615A (zh) | 复杂背景下闭合手掌感兴趣区域提取方法 | |
JP5295044B2 (ja) | マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム | |
CN113610052A (zh) | 一种基于深度学习的隧道渗漏水自动识别方法 | |
CN110298816B (zh) | 一种基于图像重生成的桥梁裂缝检测方法 | |
CN111199163A (zh) | 一种环形码的边缘检测与定位识别方法 | |
CN111105408B (zh) | 一种基于图像处理的建筑物表面裂缝检测方法及*** | |
CN114782346A (zh) | 基于多形态数据扩增与分块识别的布匹图像缺陷检测方法 | |
CN104504702A (zh) | 基于方格搜索法的水泥刻槽路面裂缝识别方法 | |
CN110706264B (zh) | 一种基于声呐点云数据的水下施工控制事件自动获取方法 | |
CN115409954A (zh) | 一种基于orb特征点的稠密点云地图构建方法 | |
CN115953459B (zh) | 一种复杂光照条件下的激光条纹中心线提取方法 | |
CN111127450A (zh) | 一种基于图像的桥梁裂缝检测方法及*** | |
Huang et al. | Research on Extraction Method of Navigation Line of Substation Wheeled Inspection Robot Based on Machine Vision | |
Nath et al. | Accurate spatial neighborhood relationships for arbitrarily-shaped objects using Hamilton-Jacobi GVD |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |