CN111681181A - 一种织物表面起球程度的评价方法 - Google Patents
一种织物表面起球程度的评价方法 Download PDFInfo
- Publication number
- CN111681181A CN111681181A CN202010462300.7A CN202010462300A CN111681181A CN 111681181 A CN111681181 A CN 111681181A CN 202010462300 A CN202010462300 A CN 202010462300A CN 111681181 A CN111681181 A CN 111681181A
- Authority
- CN
- China
- Prior art keywords
- fabric
- area
- image
- hair
- evaluating
- 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.)
- Withdrawn
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 17
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 206010004542 Bezoar Diseases 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 241001388119 Anisotremus surinamensis Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种织物表面起球程度的评价方法,包括:S10:采集输入织物表面图像,对所述织物表面图像进行预处理;S20:对预处理后的图像的每一个通道,在傅里叶变换域内利用频谱滤波的方法对毛球进行粗分割;S30:对粗分割的结果采用直方图均衡化的方法进行增强;S40:利用基于最大稳定极值区域检测的织物毛球精分割算法提取增强后织物样本图像的极小值区域,并利用形态学的方法剔除不是毛球的小区域,得到毛球的精分割结果;S50:对织物样本图像的RGB三个通道的毛球检测结果进行处理得到最终的毛球区域;S60:根据毛球占比面积和毛球的面积标准差进行毛球等级评定,本发明检测更加精确可靠,有较好的检测效果且可高效自动检测毛球等级。
Description
技术领域
本发明涉及织物检测技术领域,尤其涉及到一种织物表面起球程度的评价方法。
背景技术
如何评价织物的起球性能,是纺织品检验领域的一项重要内容。人们平常采用的方法是标准样照对照评级,方法带有很大的主观性,会因人为因素而产生差异,不能对织物的起球程度作精确定量的描速。对于同一个待测的织物样品,不同的测试人员可能得出不同的检测结果,随着计算机数字图像处理技术的发展,又因基于织物灰度图像的织物起球等级的计算机视觉评估***具有成本低廉、操作简便、携带方便等优势,故成为目前最常用的织物毛球客观评级***,但由于织物的种类繁多、对起球织物的选择以及采集起球图像的限制条件比较多,且采用起球图像的分割方法不够完善,受环境的影响大会导致织物起球信息不能被精确地识别。
综上所述,提供一种检测更加精确可靠,有较好的检测效果且可高效自动检测毛球等级的织物表面起球程度的评价方法,是本领域技术人员急需解决的问题。
发明内容
本方案针对上文提到的问题和需求,提出一种织物表面起球程度的评价方法及装置,其由于采取了如下技术方案而能够解决上述技术问题。
为了达到上述目的,本发明提供如下技术方案:一种织物表面起球程度的评价方法,具体步骤包括:
S10:采集输入织物表面图像,对所述织物表面图像进行预处理操作来增强毛球和背景的对比度,得到预处理后的图像;
S20:对所述预处理后的图像的每一个通道,在傅里叶变换域内利用频谱滤波的方法对毛球进行粗分割;
S30:对粗分割的结果采用直方图均衡化的方法进行增强;
S40:利用基于最大稳定极值区域检测的织物毛球精分割算法提取增强后织物样本图像的极小值区域,并利用形态学的方法剔除不是毛球的小区域,得到毛球的精分割结果;
S50:对织物样本图像的RGB三个通道的毛球检测结果进行处理得到最终的毛球区域;
S60:根据毛球占比面积和毛球的面积标准差进行毛球等级评定。
进一步地,所述预处理包括对织物表面图像进行去噪和边缘增强处理,经过预处理得到所述织物表面图像的预处理图像。
进一步地,所述步骤S20具体包括:
S21:对所述预处理后的图像根据公式U(x,y)=a*log(1+ I(x,y))进行对数拉伸,其中,a为固定系数;
S23:根据设置的阈值T,利用频谱幅值的大小与阈值的关系来滤除代表织物纹理的频率信号,
S24:根据进行阈值化操作后的频谱图恢复频谱中心点周围半径为r的区域内的代表毛球的频率信号;
更进一步地,所述用于恢复毛球频率信号的半径r的确定步骤包括:对于FU(u,v)的每一个像素点U(i,j),计算以该像素点为中心,大小为N×N的窗口内的FU(u,v)对应的最大值,如果该窗口最大值等于该像素点的值,则该像素点是FU的一个局部最大值点;以最大像素值的0.8为阈值对所有局部最大值点进行取舍,保留对应像素点的像素值大于该阈值的局部最大值点;计算除FU(u,v)中心点以外的所有局部最大值点与FU(u,v)中心点的距离,取其中的最小值作为半径r。
进一步地,所述步骤S40具体包括:
S41:对进行增强后的图像中所有像素点进行排序,采用并查集算法计算更新连通分量结构和连通分量面积;
S42:根据公式w(i)=|Zi+△-Zi-△|/Zi对所有的连通区域Z1,Z2… Zn,计算连通分量面积的变化率,进而获取最大稳定极小值区域, 其中,第一个区域是后一个区域的子区域,即Zi∈Zi+1。
进一步地,利用形态学的方法剔除不是毛球的小区域后,对检测区域分别沿x轴和y轴平移一定的距离,剔除边界的一些误检区域对区域进行修正得到毛球的精分割结果。
进一步地,对织物样本图像的RGB三个通道的毛球检测结果进行或操作,得到准确的毛球区域。
进一步地,所述步骤S60具体包括:
S61:根据毛球像素数统计图像中每个毛球的面积Si和毛球个数 N,毛球总面积S=Si*N,毛球占比Q=S/A,A为样本织物面积;
本发明的有益效果是,该发明对毛球检测更加精确可靠,有较好的检测效果且可高效自动检测毛球等级。
下文中将结合附图对实施本发明的最优实施例进行更详尽的描述,以便能容易地理解本发明的特征和优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下文中将对本发明实施例的附图进行简单介绍。其中,附图仅仅用于展示本发明的一些实施例,而非将本发明的全部实施例限制于此。
图1为本发明一种织物表面起球程度的评价方法步骤示意图。
图2为本发明中粗分割方法具体步骤示意图。
图3为本实施例中恢复毛球频率信号的半径r确定流程图示意图。
图4为本实施例中织物相关测试图片示意图,其中,a为测试织物的原始图像,b为备用测试织物的原始图像,c为a的原始灰度图像,d为经过对数变换后的灰度图像,e为未经过对比度拉伸处理的粗分割图像,f为经过对比度拉伸处理的粗分割图像,g为未经过形态学运算和修正的精分割图,h为经过形态学运算和修正的精分割图。
具体实施方式
为了使得本发明的技术方案的目的、技术方案和优点更加清楚,下文中将结合本发明具体实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。附图中相同的附图标记代表相同的部件。需要说明的是,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种对毛球检测更加精确可靠,有较好的检测效果且可高效自动检测毛球等级的织物表面起球程度的评价方法。如附图1至附图4所示,一种织物表面起球程度的评价方法,具体步骤包括:S10:采集输入织物表面图像,对所述织物表面图像进行预处理操作来增强毛球和背景的对比度,得到预处理后的图像,其中,预处理包括对织物表面图像进行去噪和边缘增强处理,经过预处理得到所述织物表面图像的预处理图像;
S20:对所述预处理后的图像的每一个通道,在傅里叶变换域内利用频谱滤波的方法对毛球进行粗分割;
所述步骤S20具体包括:
S21:对所述预处理后的图像根据公式U(x,y)=a*log(1+ I(x,y))进行对数拉伸,其中,a为固定系数;
S23:根据设置的阈值T,利用频谱幅值的大小与阈值的关系来滤除代表织物纹理的频率信号,
S24:根据进行阈值化操作后的频谱图恢复频谱中心点周围半径为r的区域内的代表毛球的频率信号;
S30:对粗分割的结果采用直方图均衡化的方法进行增强;
S40:利用基于最大稳定极值区域检测的织物毛球精分割算法提取增强后织物样本图像的极小值区域,并利用形态学的方法剔除不是毛球的小区域,得到毛球的精分割结果;
所述步骤S40具体包括:
S41:对进行增强后的图像中所有像素点进行排序,采用并查集算法计算更新连通分量结构和连通分量面积;
S42:根据公式w(i)=|Zi+△-Zi-△|/Zi对所有的连通区域Z1,Z2… Zn,计算连通分量面积的变化率,进而获取最大稳定极小值区域, 其中,第一个区域是后一个区域的子区域,即Zi∈Zi+1;
S50:对织物样本图像的RGB三个通道的毛球检测结果进行处理得到最终的毛球区域;
S60:根据毛球占比面积和毛球的面积标准差进行毛球等级评定,其中,对织物样本图像的RGB三个通道的毛球检测结果进行或操作,得到准确的毛球区域;
所述步骤S60具体包括:
S61:根据毛球像素数统计图像中每个毛球的面积Si和毛球个数 N,毛球总面积S=Si*N,毛球占比Q=S/A,A为样本织物面积;
在本方法中,如图3恢复毛球频率信号的半径r确定流程图所示,所述用于恢复毛球频率信号的半径r的确定步骤包括:对于 FU(u,v)的每一个像素点U(i,j),计算以该像素点为中心,大小为N ×N的窗口内的FU(u,v)对应的最大值,如果该窗口最大值等于该像素点的值,则该像素点是FU的一个局部最大值点;以最大像素值的 0.8为阈值对所有局部最大值点进行取舍,保留对应像素点的像素值大于该阈值的局部最大值点;计算除FU(u,v)中心点以外的所有局部最大值点与FU(u,v)中心点的距离,取其中的最小值作为半径r。
利用形态学的方法剔除不是毛球的小区域后,对检测区域分别沿x轴和y轴平移一定的距离,剔除边界的一些误检区域对区域进行修正得到毛球的精分割结果。
由于织物起球图像光照分量的整体变化是较为平缓的图像低频部分,而变化比较剧烈的图像高频部分一般为织物毛球信息与纹理信息,因此要消除织物图像中的光照不均现象,就需要滤除图像中的低频信息。而步骤2根据设置的阈值T,利用频谱幅值的大小与阈值的关系来滤除代表织物纹理的频率信号。
采用本评级***的一实施例实验:在Pentium3.2GHz的PC上采用编译环境为MATLAB-R2014a软件进行实验。测试图片为两个织物表面起球的图片,图片大小均为500×500,如图4所示,对图片进行图像预处理,对图片a的原始灰度图像c进行对数变换后得到灰度图像d,由对比变换前后图片可以看到,经过对数变换后的图片的纹理更清晰,也更有利于后面的进一步处理。对分割结果进行对比度拉伸可以增强背景对比度,如图像e为未经过对比度拉伸处理的粗分割结果,相比于经过对比度拉伸处理后的粗分割结果的图像f 毛球区域更为明显。在经过粗分割后需要对毛球进行进行一步的精分割,但由于毛球与织物过于相似,在很大的基于像素值的阈值范围内,毛球与织物表面都具有很接近的像素值,因此,传统的基于像素值的单一阈值分割方法也就不能有很好的分割效果。本方法中采用的基于最大稳定极值区域的方法是基于毛球的局部特征性,不依靠单一的阈值,则能获得较好的分割效果,如图像g,可以看到得到的精分割图像中还是存在很多细小的不属于毛球区域的干扰区域,需要对这些区域进采用形态学运算行剔除,且因为光照的影响,检测的区域实际为球阴影的区域,所以需要对检测区域分别沿x轴和y轴平移一定的距离进行修正得到最终清晰准确的图像h。
应当说明的是,本发明所述的实施方式仅仅是实现本发明的优选方式,对属于本发明整体构思,而仅仅是显而易见的改动,均应属于本发明的保护范围之内。
Claims (8)
1.一种织物表面起球程度的评价方法,其特征在于,具体步骤包括:
S10:采集输入织物表面图像,对所述织物表面图像进行预处理操作来增强毛球和背景的对比度,得到预处理后的图像;
S20:对所述预处理后的图像的每一个通道,在傅里叶变换域内利用频谱滤波的方法对毛球进行粗分割;
S30:对粗分割的结果采用直方图均衡化的方法进行增强;
S40:利用基于最大稳定极值区域检测的织物毛球精分割算法提取增强后织物样本图像的极小值区域,并利用形态学的方法剔除不是毛球的小区域,得到毛球的精分割结果;
S50:对织物样本图像的RGB三个通道的毛球检测结果进行处理得到最终的毛球区域;
S60:根据毛球占比面积和毛球的面积标准差进行毛球等级评定。
2.根据权利要求1所述的织物表面起球程度的评价方法,其特征在于,所述预处理包括对织物表面图像进行去噪和边缘增强处理,经过预处理得到所述织物表面图像的预处理图像。
3.根据权利要求1所述的织物表面起球程度的评价方法,其特征在于,所述步骤S20具体包括:
S21:对所述预处理后的图像根据公式U(x,y)=a*log(1+I(x,y))进行对数拉伸,其中,a为固定系数;
S23:根据设置的阈值T,利用频谱幅值的大小与阈值的关系来滤除代表织物纹理的频率信号,
S24:根据进行阈值化操作后的频谱图恢复频谱中心点周围半径为r的区域内的代表毛球的频率信号;
4.根据权利要求3所述的织物表面起球程度的评价方法,其特征在于,所述用于恢复毛球频率信号的半径r的确定步骤包括:对于FU(u,v)的每一个像素点U(i,j),计算以该像素点为中心,大小为N×N的窗口内的FU(u,v)对应的最大值,如果该窗口最大值等于该像素点的值,则该像素点是FU的一个局部最大值点;以最大像素值的0.8为阈值对所有局部最大值点进行取舍,保留对应像素点的像素值大于该阈值的局部最大值点;计算除FU(u,v)中心点以外的所有局部最大值点与FU(u,v)中心点的距离,取其中的最小值作为半径r。
5.根据权利要求1所述的织物表面起球程度的评价方法,其特征在于,所述步骤S40具体包括:
S41:对进行增强后的图像中所有像素点进行排序,采用并查集算法计算更新连通分量结构和连通分量面积;
S42:根据公式w(i)=|Zi+△-Zi-△|/Zi对所有的连通区域Z1,Z2…Zn,计算连通分量面积的变化率,进而获取最大稳定极小值区域,其中,第一个区域是后一个区域的子区域,即Zi∈Zi+1。
6.根据权利要求1所述的织物表面起球程度的评价方法,其特征在于,利用形态学的方法剔除不是毛球的小区域后,对检测区域分别沿x轴和y轴平移一定的距离,剔除边界的一些误检区域对区域进行修正得到毛球的精分割结果。
7.根据权利要求1所述的织物表面起球程度的评价方法,其特征在于,对织物样本图像的RGB三个通道的毛球检测结果进行或操作,得到准确的毛球区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462300.7A CN111681181A (zh) | 2020-05-27 | 2020-05-27 | 一种织物表面起球程度的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462300.7A CN111681181A (zh) | 2020-05-27 | 2020-05-27 | 一种织物表面起球程度的评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111681181A true CN111681181A (zh) | 2020-09-18 |
Family
ID=72453579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010462300.7A Withdrawn CN111681181A (zh) | 2020-05-27 | 2020-05-27 | 一种织物表面起球程度的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111681181A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927180A (zh) * | 2020-10-15 | 2021-06-08 | 内蒙古鄂尔多斯资源股份有限公司 | 一种基于生成对抗网络的羊绒羊毛光学显微镜图像识别方法 |
CN117079144A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种非均匀光照下沥青路面检测图像线性裂缝提取方法 |
-
2020
- 2020-05-27 CN CN202010462300.7A patent/CN111681181A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927180A (zh) * | 2020-10-15 | 2021-06-08 | 内蒙古鄂尔多斯资源股份有限公司 | 一种基于生成对抗网络的羊绒羊毛光学显微镜图像识别方法 |
CN112927180B (zh) * | 2020-10-15 | 2022-11-15 | 内蒙古鄂尔多斯资源股份有限公司 | 一种基于生成对抗网络的羊绒羊毛光学显微镜图像识别方法 |
CN117079144A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种非均匀光照下沥青路面检测图像线性裂缝提取方法 |
CN117079144B (zh) * | 2023-10-17 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种非均匀光照下沥青路面检测图像线性裂缝提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934802B (zh) | 一种基于傅里叶变换和图像形态学的布匹疵点检测方法 | |
CN109410230B (zh) | 一种可抗噪声的改进Canny图像边缘检测方法 | |
CN108765465B (zh) | 一种无监督sar图像变化检测方法 | |
CN111161222B (zh) | 一种基于视觉显著性的印刷辊筒缺陷检测方法 | |
CN107220649A (zh) | 一种素色布匹缺陷检测和分类方法 | |
CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
CN114757900A (zh) | 基于人工智能的纺织品缺陷类型识别方法 | |
CN114118144A (zh) | 抗干扰的航空遥感图像阴影精准检测方法 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN111681181A (zh) | 一种织物表面起球程度的评价方法 | |
CN114820631B (zh) | 一种抗纹理干扰的面料缺陷检测方法 | |
CN114821284B (zh) | 一种纺织品生产用码布机智能调节方法 | |
CN116664565A (zh) | 一种光伏太阳能电池片的隐裂检测方法及*** | |
CN115330795A (zh) | 布匹毛刺缺陷检测方法 | |
CN112435235A (zh) | 一种基于图像分析的籽棉含杂率检测方法 | |
CN115100077A (zh) | 一种新型图像增强方法与装置 | |
CN107862689A (zh) | 皮革表面明显破损自动识别方法及计算机可读存储介质 | |
CN110378271B (zh) | 一种基于质量维度评估参量的步态识别设备筛选方法 | |
Ma et al. | An algorithm for fabric defect detection based on adaptive canny operator | |
CN114693543B (zh) | 图像降噪方法及装置、图像处理芯片、图像采集设备 | |
CN115908399A (zh) | 一种基于改进视觉注意机制的磁片瑕疵检测方法 | |
Zhang et al. | A LCD screen Mura defect detection method based on machine vision | |
Prabha et al. | Defect detection of industrial products using image segmentation and saliency | |
CN110458042B (zh) | 一种荧光ctc中的探针数目检测方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200918 |