CN112481839B - 织物缝合方法、***、设备及存储介质 - Google Patents
织物缝合方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN112481839B CN112481839B CN202011367308.1A CN202011367308A CN112481839B CN 112481839 B CN112481839 B CN 112481839B CN 202011367308 A CN202011367308 A CN 202011367308A CN 112481839 B CN112481839 B CN 112481839B
- Authority
- CN
- China
- Prior art keywords
- fabric
- image
- binary image
- ellipse
- closed
- 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.)
- Expired - Fee Related
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 156
- 238000009958 sewing Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 52
- 238000012216 screening Methods 0.000 claims description 29
- 238000004826 seaming Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
Images
Classifications
-
- D—TEXTILES; PAPER
- D05—SEWING; EMBROIDERING; TUFTING
- D05B—SEWING
- D05B19/00—Programme-controlled sewing machines
- D05B19/02—Sewing machines having electronic memory or microprocessor control unit
-
- D—TEXTILES; PAPER
- D05—SEWING; EMBROIDERING; TUFTING
- D05B—SEWING
- D05B19/00—Programme-controlled sewing machines
- D05B19/02—Sewing machines having electronic memory or microprocessor control unit
- D05B19/04—Sewing machines having electronic memory or microprocessor control unit characterised by memory aspects
- D05B19/10—Arrangements for selecting combinations of stitch or pattern data from memory ; Handling data in order to control stitch format, e.g. size, direction, mirror image
-
- D—TEXTILES; PAPER
- D05—SEWING; EMBROIDERING; TUFTING
- D05B—SEWING
- D05B19/00—Programme-controlled sewing machines
- D05B19/02—Sewing machines having electronic memory or microprocessor control unit
- D05B19/12—Sewing machines having electronic memory or microprocessor control unit characterised by control of operation of machine
- D05B19/14—Control of needle movement, e.g. varying amplitude or period of needle movement
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Textile Engineering (AREA)
- Sewing Machines And Sewing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了织物缝合方法、***、设备及存储介质,该方法包括:根据RGB织物图像分别获取第一二值图像和第二二值图像;提取第一二值图像中的所有第一闭合轮廓,并获取每个第一闭合轮廓的中心坐标;其中,第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标;提取第二二值图像中的所有第二闭合轮廓,并获取与每个第二闭合轮廓相匹配的激光点轮廓的中心坐标;根据待缝合孔位的中心坐标和激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合,解决了现有织物生产缝合环节依靠人力完成、成本高、效率低的问题,有效提高了织物缝合过程的生产效率,降低了人力成本。
Description
技术领域
本发明涉及织物自动缝合技术领域,尤其涉及一种织物缝合方法、***、设备及存储介质。
背景技术
织物缝合是织物生产中的一个重要环节。目前的织物缝合工作主要由人力完成,由于工作强度较大、环境较差,不仅导致企业人力成本较高、织物缝合效率低下,同时也造成了一定的次品率。
发明内容
本申请实施例通过提供一种织物缝合方法、***、设备及存储介质,旨在解决现有织物生产缝合环节依靠人力完成、成本高、效率低的问题。
本申请实施例提供了一种织物缝合方法,所述织物缝合方法,包括:
根据RGB织物图像分别获取第一二值图像和第二二值图像;
提取所述第一二值图像中的所有第一闭合轮廓,并获取每个所述第一闭合轮廓的中心坐标;其中,所述第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标;以及,
提取所述第二二值图像中的所有第二闭合轮廓,并获取与每个所述第二闭合轮廓相匹配的激光点轮廓的中心坐标;
根据所述待缝合孔位的中心坐标和所述激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合。
在一实施例中,根据RGB织物图像获取第一二值图像,包括:
采集RGB织物图像;
将所述RGB织物图像转换为HSV空间图像;
提取所述HSV空间图像中的明度分量,得到V通道图像;
对所述V通道图像进行同态滤波处理,得到增强V通道图像;
对所述增强V通道图像进行二值化处理,得到所述第一二值图像。
在一实施例中,所述将RGB织物图像转换为HSV空间图像的转换过程的公式为:
其中,R、G、B的取值范围均为[0,255],H的取值范围是[0,360],S的取值范围是[0,1],V的取值范围是[0,255]。
在一实施例中,根据RGB织物图像获取第二二值图像,包括:
提取所述RGB织物图像中的红色分量,得到R通道图像;
对所述R通道图像进行二值化处理,得到所述第二二值图像。
在一实施例中,所述获取每个所述第一闭合轮廓的中心坐标,包括:
对所有所述第一闭合轮廓进行筛选,得到第一候选轮廓集,以及根据所述第一候选轮廓集生成点集;
计算所述点集中各个样本点在二维空间中x轴方向和y轴方向的标准差;
提取所述x轴方向和所述y轴方向中标准差小于预设值的方向作为所述待缝合孔位排列的主方向;
在所述主方向上对所述点集进行聚类,并对聚类结果进行筛选;
保留筛选结果中样本数最多的类,以及将所述样本数最多的类中的样本点作为所述第一闭合轮廓的中心坐标。
在一实施例中,所述获取与每个所述第二闭合轮廓匹配的激光点轮廓的中心坐标,包括:
计算所有所述第二闭合轮廓的面积;
对所有所述第二闭合轮廓进行筛选,得到第二候选轮廓集;
对所述第二候选轮廓集中的每个候选轮廓进行椭圆拟合处理,得到拟合椭圆集;
计算所述拟合椭圆集中每个拟合椭圆的椭圆特征;所述椭圆特征包括椭圆中心坐标、椭圆长轴和椭圆短轴;
采用预设的激光点轮廓特征与所述椭圆特征进行对比,若预设的激光点轮廓特征与所述椭圆特征相同,则将所述椭圆中心坐标作为所述激光点轮廓的中心坐标;所述预设的激光点轮廓特征包括激光点轮廓的长度与宽度的比值以及激光点轮廓的面积。
在一实施例中,所述根据所述待缝合孔位的中心坐标和所述激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合,包括:
基于激光发射器和缝合针在安装位置上的预设的位置偏移量,计算缝合针的移动速度,并根据所述激光点轮廓的中心坐标计算缝合针的当前坐标;
将缝合针的当前坐标作为所述缝合针的初始位置,以及将所述待缝合孔位的中心坐标作为缝合针移动的目标位置;
采用所述移动速度,控制所述缝合针从初始位置移动至目标位置,以实现待缝合孔位的缝合。
此外,为实现上述目的,本发明还提供了一种织物缝合***,包括:
第一图像处理模块,用于根据RGB织物图像分别获取第一二值图像和第二二值图像;
第二图像处理模块,用于提取所述第一二值图像中的所有第一闭合轮廓,并获取每个所述第一闭合轮廓的中心坐标;其中,所述第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标;
第三图像处理模块,用于提取所述第二二值图像中的所有第二闭合轮廓,并获取与每个所述第二闭合轮廓匹配的激光点轮廓的中心坐标;
织物缝合模块,用于根据所述待缝合孔位的中心坐标和所述激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合。
此外,为实现上述目的,本发明还提供了一种织物缝合方法设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的织物缝合程序,所述织物缝合程序被所述处理器执行时实现上述的织物缝合方法的步骤。
此外,为实现上述目的,本发明还提供了一种存储介质,其上存储有织物缝合程序,所述织物缝合程序被处理器执行时实现上述的织物缝合方法的步骤。
本申请实施例中提供的一种织物缝合方法、***、设备及存储介质的技术方案,至少具有如下技术效果或优点:
由于采用了根据RGB织物图像分别获取第一二值图像和第二二值图像,提取第一二值图像中的所有第一闭合轮廓,并获取每个第一闭合轮廓的中心坐标,其中,第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标,提取第二二值图像中的所有第二闭合轮廓,并获取与每个第二闭合轮廓相匹配的激光点轮廓的中心坐标,根据待缝合孔位的中心坐标和激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合的技术方案,解决了现有织物生产缝合环节依靠人力完成、成本高、效率低的问题。本申请基于图像识别技术实现了待缝合孔位的提取与定位,以及基于激光定位实现了织物缝合过程的自动控制,有效提高了织物缝合过程的生产效率,降低了人力成本。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的结构示意图;
图2为本发明织物缝合方法第一实施例的流程示意图;
图3为本发明织物缝合方法第二实施例的流程示意图;
图4为本发明织物缝合方法第三实施例的流程示意图;
图5为本发明织物缝合方法第四实施例的流程示意图;
图6为本发明织物缝合方法第五实施例的流程示意图;
图7为本发明织物缝合方法第六实施例的流程示意图;
图8为本发明织物缝合***的功能模块图。
具体实施方式
为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明提供一种织物缝合设备。如图1所示,图1为本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图1即可为织物缝合设备的硬件运行环境的结构示意图。
如图1所示,该织物缝合设备可以包括:处理器1001,例如CPU,存储器1005,用户接口1003,网络接口1004,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,织物缝合设备还可以包括RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。
本领域技术人员可以理解,图1中示出的织物缝合设备结构并不构成对织物缝合设备限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及织物缝合程序。其中,操作***是管理和控制织物缝合设备硬件和软件资源的程序,织物缝合程序以及其它软件或程序的运行。
在图1所示的织物缝合设备中,用户接口1003主要用于连接终端,与终端进行数据通信;网络接口1004主要用于后台服务器,与后台服务器进行数据通信;处理器1001可以用于调用存储器1005中存储的织物缝合程序。
在本实施例中,织物缝合设备包括:存储器1005、处理器1001及存储在所述存储器上并可在所述处理器上运行的织物缝合程序,其中:
处理器1001调用存储器1005中存储的织物缝合程序时,执行以下操作:
根据RGB织物图像分别获取第一二值图像和第二二值图像;
提取所述第一二值图像中的所有第一闭合轮廓,并获取每个所述第一闭合轮廓的中心坐标;其中,所述第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标;以及,
提取所述第二二值图像中的所有第二闭合轮廓,并获取与每个所述第二闭合轮廓相匹配的激光点轮廓的中心坐标;
根据所述待缝合孔位的中心坐标和所述激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合。
处理器1001调用存储器1005中存储的织物缝合程序时,还执行以下操作:
采集RGB织物图像;
将所述RGB织物图像转换为HSV空间图像;
提取所述HSV空间图像中的明度分量,得到V通道图像;
对所述V通道图像进行同态滤波处理,得到增强V通道图像;
对所述增强V通道图像进行二值化处理,得到所述第一二值图像。
其中,所述将RGB织物图像转换为HSV空间图像的转换过程的公式为:
其中,R、G、B的取值范围均为[0,255],H的取值范围是[0,360],S的取值范围是[0,1],V的取值范围是[0,255]。
处理器1001调用存储器1005中存储的织物缝合程序时,还执行以下操作:
提取所述RGB织物图像中的红色分量,得到R通道图像;
对所述R通道图像进行二值化处理,得到所述第二二值图像。
处理器1001调用存储器1005中存储的织物缝合程序时,还执行以下操作:
对所有所述第一闭合轮廓进行筛选,得到第一候选轮廓集,以及根据所述第一候选轮廓集生成点集;
计算所述点集中各个样本点在二维空间中x轴方向和y轴方向的标准差;
提取所述x轴方向和所述y轴方向中标准差小于预设值的方向作为所述待缝合孔位排列的主方向;
在所述主方向上对所述点集进行聚类,并对聚类结果进行筛选;
保留筛选结果中样本数最多的类,以及将所述样本数最多的类中的样本点作为所述第一闭合轮廓的中心坐标。
处理器1001调用存储器1005中存储的织物缝合程序时,还执行以下操作:
计算所有所述第二闭合轮廓的面积;
对所有所述第二闭合轮廓进行筛选,得到第二候选轮廓集;
对所述第二候选轮廓集中的每个候选轮廓进行椭圆拟合处理,得到拟合椭圆集;
计算所述拟合椭圆集中每个拟合椭圆的椭圆特征;所述椭圆特征包括椭圆中心坐标、椭圆长轴和椭圆短轴;
采用预设的激光点轮廓特征与所述椭圆特征进行对比,若预设的激光点轮廓特征与所述椭圆特征相同,则将所述椭圆中心坐标作为所述激光点轮廓的中心坐标;所述预设的激光点轮廓特征包括激光点轮廓的长度与宽度的比值以及激光点轮廓的面积。
处理器1001调用存储器1005中存储的织物缝合程序时,还执行以下操作:
基于激光发射器和缝合针在安装位置上的预设的位置偏移量,计算缝合针的移动速度,并根据所述激光点轮廓的中心坐标计算缝合针的当前坐标;
将缝合针的当前坐标作为所述缝合针的初始位置,以及将所述待缝合孔位的中心坐标作为缝合针移动的目标位置;
采用所述移动速度,控制所述缝合针从初始位置移动至目标位置,以实现待缝合孔位的缝合。
本发明实施例提供了织物缝合方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图2所示,在本申请的第一实施例中,本申请的织物缝合方法,包括以下步骤:
步骤S210:根据RGB织物图像分别获取第一二值图像和第二二值图像。
在本实施例中,织物为经过加工织造而成的纺织产品,RGB织物图像为生产加工中未完成缝合的织物的二维空间图像。对所述RGB织物图进行处理后,分别得到第一二值图像和第二二值图像,第一二值图像用于确定下述待缝合孔位的中心坐标、第二二值图像用于确定下述激光点轮廓的中心坐标。其中,第一二值图像为HSV颜色空间下的图像,第二二值图像为RGB颜色空间下的图像。HSV(Hue,Saturation,Value)是关于颜色的直观特性的一种颜色空间,其参数分别为色调(H),饱和度(S)和明度(V)。RGB颜色空间以R(红)、G(绿)、B(蓝)三种基本色为基础,称为三基色模式,RGB即代表红、绿、蓝三个通道的颜色。
步骤S220:提取所述第一二值图像中的所有第一闭合轮廓,并获取每个所述第一闭合轮廓的中心坐标。
在本实施例中,第一二值图像中包含了织物的多个待缝合孔位。待缝合孔位为织物生产加工中在未完成缝合时,织物上存留的中空的闭合区域,将待缝合孔位的边沿凸显出来,即形成了第一闭合轮廓。得到第一二值图像中所有的第一闭合轮廓后,计算每个第一闭合轮廓的中心坐标,所有第一闭合轮廓的中心坐标确定后,每个第一闭合轮廓对应的待缝合孔位的中心坐标也就确定了,即第一闭合轮廓的中心坐标就是织物的待缝合孔位的中心坐标。
步骤S230:提取所述第二二值图像中的所有第二闭合轮廓,并获取与每个所述第二闭合轮廓相匹配的激光点轮廓的中心坐标。
在本实施例中,第二二值图像中的第二闭合轮廓与第一二值图像中的第一闭合轮廓存在一一对应的关系,即第二闭合轮廓和第一闭合轮廓的位置特征、形状特征和尺寸大小均是相同的。织物生产加工时,安装在产线上的激光发射器发射激光线束,激光线束照射在织物的每个待缝合孔位的边沿,即每个待缝合孔位的边沿会显示有密集的激光点,待缝合孔位的边沿上的所有激光点围成的区域即为激光点轮廓。具体的,当每个第二闭合轮廓确定后,可以依次得到每个第二闭合轮廓对应待缝合孔位,以及得到每个待缝合孔位上的激光点轮廓,进而可以计算得到每个激光点轮廓的中心坐标。
步骤S240:根据所述待缝合孔位的中心坐标和所述激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合。
在本实施例中,以激光点轮廓的中心坐标为缝合针的初始位置,待缝合孔位的中心坐标为目标位置,控制缝合针从初始位置移动到目标位置对织物的待缝合孔位进行缝合。其中,每当一个待缝合孔位完成缝合后,初始位置和目标位置就会发生改变,即初始位置和目标位置分别更改为另一个待缝合孔位对应的激光点轮廓的中心坐标以及该待缝合孔位的中心坐标,如此方式控制缝合针对织物的待缝合孔位逐一进行缝合,直至织物的所有待缝合孔被缝合完成。
本实施例根据上述技术方案,由于采用了根据RGB织物图像分别获取第一二值图像和第二二值图像,提取第一二值图像中的所有第一闭合轮廓,并获取每个第一闭合轮廓的中心坐标,其中,第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标,提取第二二值图像中的所有第二闭合轮廓,并获取与每个第二闭合轮廓相匹配的激光点轮廓的中心坐标,根据待缝合孔位的中心坐标和激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合的技术手段,实现了待缝合孔位的提取与定位以及织物缝合过程的自动控制,有效提高了织物缝合过程的生产效率,降低了人力成本。
如图3所示,在本申请的第二实施例中,根据RGB织物图像获取第一二值图像,包括以下步骤:
步骤S211:采集RGB织物图像。
由安装在产线上的图像采集装置采集RGB织物图像,图像采集装置如图像传感器、摄像头、相机等。
步骤S212:将所述RGB织物图像转换为HSV空间图像。
具体的,将RGB织物图像转换为HSV空间图像的转换过程的公式为:
其中,R、G、B的取值范围均为[0,255],H的取值范围是[0,360],S的取值范围是[0,1],V的取值范围是[0,255]。
步骤S213:提取所述HSV空间图像中的明度分量,得到V通道图像。
HSV空间图像包括了色调分量、饱和度分量和明度分量,对HSV空间图像中的色调分量和饱和度分量进行滤除处理后,得到明度分量,对明度分量进行降噪处理后,得到V通道图像。
步骤S214:对所述V通道图像进行同态滤波处理,得到增强V通道图像。
对V通道图像进行同态滤波处理以实现V通道图像的细节增强,进而得到增强V通道图像。具体的,对V通道图像进行同态滤波处理过程为:
V通道图像f(x,y)包含照射分量i(x,y)和反射分量r(x,y),关系为f(x,y)=i(x,y)·r(x,y)。
照射分量为低频信号,反射分量为高频信号,织物的特征信息一般包含在反射分量中。按照公式(1)对V通道图像f(x,y)进行对数变换后,按照公式(2)采用傅里叶变换将进行对数变换后的V通道图像信号转换到频域空间得到频域图像F(u,v);按照公式(3)通过一个高通滤波器对频域图像信号进行处理,抑制低频的照射分量,增强高频的反射分量,得到增强后的频域图像F′(u,v);按照公式(4)对增强后的频域图像信号进行傅里叶反变换和指数变换,得到细节增强后的织物图像f′(x,y),所述细节增强后的织物图像f′(x,y)即为增强V通道图像。
lnf(x,y)=lni(x,y)+lnr(x,y) (1)
F(u,v)=FFT(lnf(x,y))
=FFT(lni(x,y))+FFT(lnr(x,y)) (2)
F′(u,v)=H(u,v)F(u,v) (3)
步骤S215:对所述增强V通道图像进行二值化处理,得到所述第一二值图像。
二值化处理就是图像的二值化处理,在本实施例中,增强V通道图像属于二维空间图像,对所述增强V通道图像进行二值化处理后,得到的第一二值图像也属于二维空间图像。
本实施例根据上述技术方案,由于采用了采集RGB织物图像,将RGB织物图像转换为HSV空间图像,提取HSV空间图像中的明度分量,得到V通道图像,对V通道图像进行同态滤波处理,得到增强V通道图像,对增强V通道图像进行二值化处理,得到第一二值图像的技术手段,通过对V通道图像的增强以及二值化处理,有利于提高识别第一二值图像中闭合轮廓的效率。
如图4所示,在本申请的第三实施例中,根据RGB织物图像获取第二二值图像,包括以下步骤:
步骤S216:提取所述RGB织物图像中的红色分量,得到R通道图像。
在本实施例中,RGB织物图像为三通道图像,包括红色分量、绿色分量和蓝色分量,即R通道图像、G通道图像和B通道图像。滤除G通道图像和B通道图像滤后,保留下来的图像就是R通道图像。
步骤S217:对所述R通道图像进行二值化处理,得到所述第二二值图像。
对所述R通道图像进行二值化处理后,得到第二二值图像,且第二二值图像也属于二维空间图像。
本实施例根据上述技术方案,由于采用了提取RGB织物图像中的红色分量,得到R通道图像,对R通道图像进行二值化处理,得到第二二值图像的技术手段,通过对R通道图像进行二值化处理,有利于提高识别第二二值图像中闭合轮廓的效率。
如图5所示,在本申请的第四实施例中,步骤S220中获取每个所述第一闭合轮廓的中心坐标,包括以下步骤:
步骤S221:对所有所述第一闭合轮廓进行筛选,得到第一候选轮廓集,以及根据所述第一候选轮廓集生成点集。
在本实施例中,获得第一二值图像中的所有第一闭合轮廓之后,首先,依据公式(5)计算每个第一闭合轮廓的面积s,以及计算每个第一闭合轮廓的外接矩形的中心坐标(x,y)、外接矩形的宽w和高h;其中,第一闭合轮廓的面积s也就是织物的待缝合孔位的面积;接着,依据公式(6)计算每个第一闭合轮廓的外接矩形的纵横比scale,根据待缝合孔位的面积和纵横比scale,对所有第一闭合轮廓进行初步筛选,构成第一候选轮廓集;然后获取第一候选轮廓集中所有第一闭合轮廓的中心点,由所获取到的所有第一闭合轮廓的中心点构成一个中心点集合,本实施例中称中心点集合为点集C。其中,第一闭合轮廓的中心点就是第一闭合轮廓的中心坐标,点集C就是所有第一闭合轮廓的中心坐标的集合。
步骤S222:计算所述点集中各个样本点在二维空间中x轴方向和y轴方向的标准差。
按照公式(7)计算点集C中各个样本点在二维空间中x轴方向和y轴方向的标准差,x轴方向的标准差为σx,y轴方向的标准差为σy。其中,样本点即为第一闭合轮廓的中心坐标。
步骤S223:提取所述x轴方向和所述y轴方向中标准差小于预设值的方向作为所述待缝合孔位排列的主方向。
对x轴方向的所有标准差为σx进行大小排序,选取最小的σx作为x轴方向的标准差,记为minσx,同样对y轴方向的所有标准差为σy进行大小排序,选取最小的σy作为y轴方向的标准差,记为minσy。将分别将minσx、minσy与预设值进行比较,选取minσx和minσy中小于预设值的标准差所对应的坐标轴方向作为待缝合孔位排列的主方向。若minσx小于预设值,则x轴方向作为待缝合孔位排列的主方向;若minσy小于预设值,则y轴方向作为待缝合孔位排列的主方向。其中,预设值为预先设定的,可自定义设置预设值的大小。
步骤S224:在所述主方向上对所述点集进行聚类,并对聚类结果进行筛选。
待缝合孔位排列的主方向确定之后,在该主方向上对点集C进行聚类处理,并对聚类结果进行筛选,筛选出聚类结果中样本数最多的类。
步骤S225:保留筛选结果中样本数最多的类,以及将所述样本数最多的类中的样本点作为所述第一闭合轮廓的中心坐标。
筛选出聚类结果中样本数最多的类之后,保留筛选结果中样本数最多的类,将该类中的样本点作为第一闭合轮廓的中心坐标,该类中的样本点也是织物的待缝合孔位的中心坐标,记为(xi,yi),i=1,2,...,K,其中K为待缝合孔位的数目。
本实施例根据上述技术方案,由于采用了对所有第一闭合轮廓进行筛选,得到第一候选轮廓集,以及根据第一候选轮廓集生成点集,计算点集中各个样本点在二维空间中x轴方向和y轴方向的标准差,提取x轴方向和y轴方向中标准差小于预设值的方向作为待缝合孔位排列的主方向,在主方向上对点集进行聚类,并对聚类结果进行筛选,保留筛选结果中样本数最多的类,以及将样本数最多的类中的样本点作为第一闭合轮廓的中心坐标的技术手段,使得获得的待缝合孔位的中心坐标更加准确。
如图6所示,在本申请的第五实施例中,步骤S230中获取与每个所述第二闭合轮廓相匹配的激光点轮廓的中心坐标,包括以下步骤:
步骤S231:计算所有所述第二闭合轮廓的面积。
在本实施例中,依据公式(5)计算第二二值图像中每个第二闭合轮廓的面积s'。
步骤S232:对所有所述第二闭合轮廓进行筛选,得到第二候选轮廓集。
去除第二二值图像中的噪音,并对去除噪音的第二二值图像中的所有第二闭合轮廓进行初步筛选,第二候选轮廓集。
步骤S233:对所述第二候选轮廓集中的每个候选轮廓进行椭圆拟合处理,得到拟合椭圆集。
对第二候选轮廓集中的每个候选轮廓进行椭圆拟合处理,得到与第二候选轮廓集中候选轮廓数量相同的拟合椭圆,由所得到的拟合椭圆构成拟合椭圆集,所述拟合椭圆集中的元素即为与第二候选轮廓集中的候选轮廓一一对应的拟合椭圆。
步骤S234:计算所述拟合椭圆集中每个拟合椭圆的椭圆特征。
计算拟合椭圆集中每个拟合椭圆的椭圆特征,椭圆特征包括椭圆中心坐标、椭圆长轴mA和椭圆短轴ma。
步骤S235:采用预设的激光点轮廓特征与所述椭圆特征进行对比,若预设的激光点轮廓特征与所述椭圆特征相同,则将所述椭圆中心坐标作为所述激光点轮廓的中心坐标。
激光点轮廓特征为预先设定的,其包括包括激光点轮廓的长度与宽度的比值以及激光点轮廓的面积。获得拟合椭圆集中每个拟合椭圆的椭圆特征后,根据每个拟合椭圆的椭圆长轴mA和椭圆短轴ma,可以计算出每个拟合椭圆的面积以及椭圆长轴与椭圆短轴的比值mA/ma。将每个拟合椭圆的面积与激光点轮廓的面积进行对比,以及将每个拟合椭圆的椭圆长轴与椭圆短轴的比值mA/ma与激光点轮廓的长度与宽度的比值进行对比,若拟合椭圆的面积与激光点轮廓的面积相同,且拟合椭圆的椭圆长轴与椭圆短轴的比值mA/ma与激光点轮廓的长度与宽度的比值相同,则确定激光点轮廓特征与椭圆特征相同,进而将与激光点轮廓特征相同的椭圆特征所对应的椭圆中心坐标,作为该激光点轮廓的中心坐标。举例说明,假设拟合椭圆集中包括2个拟合椭圆,分别是拟合椭圆1和拟合椭圆2,拟合椭圆1的椭圆特征为椭圆特征1,拟合椭圆2的椭圆特征为椭圆特征2;预设的激光点轮廓特征分别为激光点轮廓特征1、激光点轮廓特征2和激光点轮廓特征3,激光点轮廓特征1对应激光点轮廓1、激光点轮廓特征2对应激光点轮廓2,激光点轮廓特征3对应激光点轮廓3。若椭圆特征1与激光点轮廓特征1相同,椭圆特征2与激光点轮廓特征2相同,则选取拟合椭圆1的中心坐标作为激光点轮廓1的中心坐标,选取拟合椭圆2的中心坐标作为激光点轮廓2的中心坐标。
本实施例根据上述技术方案,由于采用了计算所有第二闭合轮廓的面积,对所有第二闭合轮廓进行筛选,得到第二候选轮廓集,对第二候选轮廓集中的每个候选轮廓进行椭圆拟合处理,得到拟合椭圆集,计算拟合椭圆集中每个拟合椭圆的椭圆特征,采用预设的激光点轮廓特征与椭圆特征进行对比,若预设的激光点轮廓特征与椭圆特征相同,则将椭圆中心坐标作为激光点轮廓的中心坐标的技术手段,保证了激光点轮廓的中心坐标选取的准确性。
如图7所示,在本申请的第六实施例中,步骤S240包括以下步骤:
步骤S241:基于激光发射器和缝合针在安装位置上的预设的位置偏移量,计算缝合针的移动速度,并根据所述激光点轮廓的中心坐标计算缝合针的当前坐标。
在本实施例中,激光发射器和缝合针在安装时是平行设置的,且激光发射器和缝合针在安装上的位置偏移量为预先设定完成的,激光发射器的位置偏移量和缝合针的位置偏移量相同。具体的,根据激光点轮廓的中心坐标(xl,yl)计算缝合针的当前坐标(xc,yc),记t时刻缝合针的当前坐到为(xc,t,yc,t),缝合工序的目标为缝合针依次对K个待缝合孔位进行缝合。以第i个待缝合孔位为例,按照公式(8)可计算得到缝合针在t时刻下的坐标(xc,t,yc,t)对应的位置偏移量,Δxi,t为x轴方向的位置偏移量,Δxy,t为y轴方向的位置偏移量。基于激光发射器和缝合针在安装位置上的预设的位置偏移量(Δxi,t,Δyi,t),按照照公式(9)计算缝合针的移动速度,缝合针的移动速度包括缝合针在x轴方向的运动速度vx,t和y轴方向的运动速度vy,t。
步骤S242:将缝合针的当前坐标作为所述缝合针的初始位置,以及将所述待缝合孔位的中心坐标作为缝合针移动的目标位置。
以第i个待缝合孔位为例,将t时刻下缝合针的当前坐标(xc,t,yc,t)作为缝合针的初始位置,即缝合针的初始位置的坐标为(xc,t,yc,t);将待缝合孔位的中心坐标作为缝合针移动的目标位置,目标位置为缝合针缝合完成第i个待缝合孔位后的最终停止位置。
步骤S243:采用所述移动速度,控制所述缝合针从初始位置移动至目标位置,以实现待缝合孔位的缝合。
以第i个待缝合孔位为例,在t时刻下,采用缝合针在x轴方向的运动速度vx,t和y轴方向的运动速度vy,t,控制缝合针从初始位置移动至目标位置,以实现对第i个待缝合孔位进行缝合。
本实施例根据上述技术方案,由于采用了基于激光发射器和缝合针在安装位置上的预设的位置偏移量,计算缝合针的移动速度,并根据所述激光点轮廓的中心坐标计算缝合针的当前坐标,将缝合针的当前坐标作为所述缝合针的初始位置,以及将所述待缝合孔位的中心坐标作为缝合针移动的目标位置,采用所述移动速度,控制所述缝合针从初始位置移动至目标位置,以实现待缝合孔位的缝合的技术手段,实现了对缝合针的移动速度的修正,提高了缝合针闭环控制的性能。
如图8所示,本申请提供的一种织物缝合***,包括:
第一图像处理模块300,用于根据RGB织物图像分别获取第一二值图像和第二二值图像;
第二图像处理模块301,用于提取所述第一二值图像中的所有第一闭合轮廓,并获取每个所述第一闭合轮廓的中心坐标;其中,所述第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标;
第三图像处理模块302,用于提取所述第二二值图像中的所有第二闭合轮廓,并获取与每个所述第二闭合轮廓匹配的激光点轮廓的中心坐标;
织物缝合模块303,用于根据所述待缝合孔位的中心坐标和所述激光点轮廓的中心坐标,控制缝合针对织物的待缝合孔位进行缝合。
进一步的,所述第一图像处理模块300,包括:
图像采集单元,用于采集RGB织物图像;
图像转化单元,用于将所述RGB织物图像转换为HSV空间图像;
第一图像提取单元,用于提取所述HSV空间图像中的明度分量,得到V通道图像;
第二图像提取单元,用于对所述V通道图像进行同态滤波处理,得到增强V通道图像;
第三图像提取单元,用于对所述增强V通道图像进行二值化处理,得到所述第一二值图像。
进一步的,所述将RGB织物图像转换为HSV空间图像的转换过程的公式为:
其中,R、G、B的取值范围均为[0,255],H的取值范围是[0,360],S的取值范围是[0,1],V的取值范围是[0,255]。
进一步的,所述第一图像处理模块300,还包括:
第四图像提取单元,用于提取所述RGB织物图像中的红色分量,得到R通道图像;
第五图像提取单元,用于对所述R通道图像进行二值化处理,得到所述第二二值图像。
进一步的,所述第二图像处理模块301,包括:
第一筛选单元,用于对所有所述第一闭合轮廓进行筛选,得到第一候选轮廓集,以及根据所述第一候选轮廓集生成点集;
第一计算单元,用于计算所述点集中各个样本点在二维空间中x轴方向和y轴方向的标准差;
第一分析单元,用于提取所述x轴方向和所述y轴方向中标准差小于预设值的方向作为所述待缝合孔位排列的主方向;
数据聚类单元,用于在所述主方向上对所述点集进行聚类,并对聚类结果进行筛选;
第一数据信息确定单元,用于保留筛选结果中样本数最多的类,以及将所述样本数最多的类中的样本点作为所述第一闭合轮廓的中心坐标。
进一步的,所述第三图像处理模块302,包括:
第二计算单元,用于计算所有所述第二闭合轮廓的面积;
第二筛选单元,用于对所有所述第二闭合轮廓进行筛选,得到第二候选轮廓集;
拟合单元,用于对所述第二候选轮廓集中的每个候选轮廓进行椭圆拟合处理,得到拟合椭圆集;
第三计算单元,用于计算所述拟合椭圆集中每个拟合椭圆的椭圆特征;所述椭圆特征包括椭圆中心坐标、椭圆长轴和椭圆短轴;
第二分析单元,用于采用预设的激光点轮廓特征与所述椭圆特征进行对比,若预设的激光点轮廓特征与所述椭圆特征相同,则将所述椭圆中心坐标作为所述激光点轮廓的中心坐标;所述预设的激光点轮廓特征包括激光点轮廓的长度与宽度的比值以及激光点轮廓的面积。
进一步的,所述织物缝合模块303,包括:
第四计算单元,用于基于激光发射器和缝合针在安装位置上的预设的位置偏移量,计算缝合针的移动速度,并根据所述激光点轮廓的中心坐标计算缝合针的当前坐标;
位置确定单元,用于将缝合针的当前坐标作为所述缝合针的初始位置,以及将所述待缝合孔位的中心坐标作为缝合针移动的目标位置;
孔位缝合单元,用于采用所述移动速度,控制所述缝合针从初始位置移动至目标位置,以实现待缝合孔位的缝合。
本发明织物缝合***具体实施方式与上述织物缝合方法各实施例基本相同,在此不再赘述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种织物缝合方法,其特征在于,所述织物缝合方法,包括:
根据RGB织物图像分别获取第一二值图像和第二二值图像,所述第一二值图像由所述RGB织物图像对应的HSV空间图像中的V通道图像得到,且所述第一二值图像中包含织物的多个待缝合孔位,所述第二二值图像由所述RGB织物图像对应的R通道图像得到,且所述第二二值图像中包括激光线束照射在织物的待缝合孔位边沿的激光点;
提取所述第一二值图像中的所有第一闭合轮廓,并获取每个所述第一闭合轮廓的中心坐标;其中,所述第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标;以及,
提取所述第二二值图像中的所有第二闭合轮廓,并获取与每个所述第二闭合轮廓相匹配的激光点轮廓的中心坐标,所述第二闭合轮廓由待缝合孔位边沿的激光点构成;
控制缝合针从所述激光点轮廓的中心坐标移动到所述待缝合孔位的中心坐标对所述待缝合孔位进行缝合。
2.如权利要求1所述的方法,其特征在于,根据RGB织物图像获取第一二值图像,包括:
采集RGB织物图像;
将所述RGB织物图像转换为HSV空间图像;
提取所述HSV空间图像中的明度分量,得到V通道图像;
对所述V通道图像进行同态滤波处理,得到增强V通道图像;
对所述增强V通道图像进行二值化处理,得到所述第一二值图像。
4.如权利要求2所述的方法,其特征在于,根据RGB织物图像获取第二二值图像,包括:
提取所述RGB织物图像中的红色分量,得到R通道图像;
对所述R通道图像进行二值化处理,得到所述第二二值图像。
5.如权利要求1所述的方法,其特征在于,所述获取每个所述第一闭合轮廓的中心坐标,包括:
对所有所述第一闭合轮廓进行筛选,得到第一候选轮廓集,以及根据所述第一候选轮廓集生成点集;
计算所述点集中各个样本点在二维空间中x轴方向和y轴方向的标准差;
提取所述x轴方向和所述y轴方向中标准差小于预设值的方向作为所述待缝合孔位排列的主方向;
在所述主方向上对所述点集进行聚类,并对聚类结果进行筛选;
保留筛选结果中样本数最多的类,以及将所述样本数最多的类中的样本点作为所述第一闭合轮廓的中心坐标。
6.如权利要求1所述的方法,其特征在于,所述获取与每个所述第二闭合轮廓匹配的激光点轮廓的中心坐标,包括:
计算所有所述第二闭合轮廓的面积;
对所有所述第二闭合轮廓进行筛选,得到第二候选轮廓集;
对所述第二候选轮廓集中的每个候选轮廓进行椭圆拟合处理,得到拟合椭圆集;
计算所述拟合椭圆集中每个拟合椭圆的椭圆特征;所述椭圆特征包括椭圆中心坐标、椭圆长轴和椭圆短轴;
采用预设的激光点轮廓特征与所述椭圆特征进行对比,若预设的激光点轮廓特征与所述椭圆特征相同,则将所述椭圆中心坐标作为所述激光点轮廓的中心坐标;所述预设的激光点轮廓特征包括激光点轮廓的长度与宽度的比值以及激光点轮廓的面积。
7.如权利要求1所述的方法,其特征在于,所述控制缝合针从所述激光点轮廓的中心坐标移动到所述待缝合孔位的中心坐标对所述待缝合孔位进行缝合,包括:
基于激光发射器和缝合针在安装位置上的预设的位置偏移量,计算缝合针的移动速度,并根据所述激光点轮廓的中心坐标计算缝合针的当前坐标;
将缝合针的当前坐标作为所述缝合针的初始位置,以及将所述待缝合孔位的中心坐标作为缝合针移动的目标位置;
采用所述移动速度,控制所述缝合针从初始位置移动至目标位置,以实现待缝合孔位的缝合。
8.一种织物缝合***,其特征在于,包括:
第一图像处理模块,用于根据RGB织物图像分别获取第一二值图像和第二二值图像,所述第一二值图像由所述RGB织物图像对应的HSV空间图像中的V通道图像得到,且所述第一二值图像中包含织物的多个待缝合孔位,所述第二二值图像由所述RGB织物图像对应的R通道图像得到,且所述第二二值图像中包括激光线束照射在织物的待缝合孔位边沿的激光点;
第二图像处理模块,用于提取所述第一二值图像中的所有第一闭合轮廓,并获取每个所述第一闭合轮廓的中心坐标;其中,所述第一闭合轮廓的中心坐标为织物的待缝合孔位的中心坐标;
第三图像处理模块,用于提取所述第二二值图像中的所有第二闭合轮廓,并获取与每个所述第二闭合轮廓匹配的激光点轮廓的中心坐标,所述第二闭合轮廓由待缝合孔位边沿的激光点构成;
织物缝合模块,用于控制缝合针从所述激光点轮廓的中心坐标移动到所述待缝合孔位的中心坐标对所述待缝合孔位进行缝合。
9.一种织物缝合设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的织物缝合程序,所述织物缝合程序被所述处理器执行时实现如权利要求1-7中任一项所述的织物缝合方法的步骤。
10.一种存储介质,其特征在于,其上存储有织物缝合程序,所述织物缝合程序被处理器执行时实现权利要求1-7中任一项所述的织物缝合方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011367308.1A CN112481839B (zh) | 2020-11-27 | 2020-11-27 | 织物缝合方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011367308.1A CN112481839B (zh) | 2020-11-27 | 2020-11-27 | 织物缝合方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112481839A CN112481839A (zh) | 2021-03-12 |
CN112481839B true CN112481839B (zh) | 2022-08-02 |
Family
ID=74936885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011367308.1A Expired - Fee Related CN112481839B (zh) | 2020-11-27 | 2020-11-27 | 织物缝合方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112481839B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494063B (zh) * | 2022-01-25 | 2023-04-07 | 电子科技大学 | 一种基于生物视觉机制的夜间交通图像增强方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10289318A (ja) * | 1997-04-17 | 1998-10-27 | Mitsubishi Chem Corp | 画像処理方法 |
CN108446697B (zh) * | 2018-03-06 | 2019-11-12 | 平安科技(深圳)有限公司 | 图片处理方法、电子装置及存储介质 |
CN108362227B (zh) * | 2018-03-19 | 2021-06-04 | 山东省科学院激光研究所 | 轮毂检测方法、装置、***及控制设备 |
CN108763996B (zh) * | 2018-03-23 | 2021-06-15 | 南京航空航天大学 | 一种基于二维码的平面定位坐标与方向角测量方法 |
CN111626967A (zh) * | 2019-02-28 | 2020-09-04 | 富华科精密工业(深圳)有限公司 | 图像增强方法、装置、计算机装置及可读存储介质 |
CN110057308A (zh) * | 2019-04-30 | 2019-07-26 | 北京理工大学 | 一种形变监测方法及*** |
CN111861990B (zh) * | 2020-06-10 | 2024-02-13 | 广东宜通联云智能信息有限公司 | 一种产品不良外观检测的方法、***及存储介质 |
-
2020
- 2020-11-27 CN CN202011367308.1A patent/CN112481839B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN112481839A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108761B (zh) | 一种基于深度特征学习的快速交通信号灯检测方法 | |
CN106296666B (zh) | 一种彩色图像去阴影方法和应用 | |
CN106407917B (zh) | 基于动态尺度分配的视网膜血管提取方法及*** | |
CN109493343A (zh) | 医疗图像异常区域分割方法及设备 | |
CN109671068B (zh) | 一种基于深度学习的腹部肌肉标注方法及装置 | |
US7970212B2 (en) | Method for automatic detection and classification of objects and patterns in low resolution environments | |
CN107909081B (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
CN108364294A (zh) | 基于超像素的腹部ct图像多器官分割方法 | |
CN105404846A (zh) | 一种图像处理方法及装置 | |
CN103577838A (zh) | 一种人脸识别方法和装置 | |
CN105069774B (zh) | 基于多示例学习与图割优化的目标分割方法 | |
CN105608455A (zh) | 一种车牌倾斜校正方法及装置 | |
CN103295013A (zh) | 一种基于成对区域的单幅图像阴影检测方法 | |
CN106971185A (zh) | 一种基于全卷积网络的车牌定位方法及装置 | |
CN112801049B (zh) | 图像分类方法和装置及设备 | |
CN111695373B (zh) | 斑马线的定位方法、***、介质及设备 | |
CN112481839B (zh) | 织物缝合方法、***、设备及存储介质 | |
CN102542244A (zh) | 人脸检测方法与***及计算机程序产品 | |
CN111062331B (zh) | 图像的马赛克检测方法、装置、电子设备及存储介质 | |
CN104680185B (zh) | 基于边界点重分类的高光谱图像分类方法 | |
CN106650611B (zh) | 一种识别车身颜色的方法及装置 | |
CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
CN102184404A (zh) | 掌纹图像中手掌区域的获取方法及装置 | |
CN107194402B (zh) | 一种并行细化骨架提取方法 | |
CN108133211A (zh) | 一种基于移动终端视觉图像的检测配电柜的方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Hu Pan Inventor after: Ren Yanan Inventor before: Hu Pan |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220802 |