CN112785514A - 一种快速条码图像运动消减方法 - Google Patents
一种快速条码图像运动消减方法 Download PDFInfo
- Publication number
- CN112785514A CN112785514A CN202011621274.4A CN202011621274A CN112785514A CN 112785514 A CN112785514 A CN 112785514A CN 202011621274 A CN202011621274 A CN 202011621274A CN 112785514 A CN112785514 A CN 112785514A
- Authority
- CN
- China
- Prior art keywords
- image
- bar code
- lobe
- candidate
- motion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000009467 reduction Effects 0.000 title claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000004044 response Effects 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000011410 subtraction method Methods 0.000 claims 2
- 238000005457 optimization Methods 0.000 claims 1
- 238000011426 transformation method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000005530 etching Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种快速条码图像运动消减方法,属于图像处理技术领域,包括以下步骤:基于方向一致性提取条码图像,对提取的条码图像进行盲去模糊处理,根据图像获取运动模糊方向和运动模糊长度,得到运动模糊的点扩散函数,根据模糊图像获取的运动模糊长度和模糊角度,采用维纳滤波进行条码图像的恢复,通过根据定位条码图像获取运动模糊方向和运动模糊长度,然后使用维纳滤波进行条码图像的恢复,使得能够在移动场景下,获取清晰的条码图像,提高工作效率和用户体验感,进而使得条码技术能够应用到更多复杂多变的场景中。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种快速条码图像运动消减方法。
背景技术
日常条码扫描过程中获取到的绝大部分都是模糊的条码图像,对于这部分模糊的条码图像,传统的解码方法无法正确识别条码图像中的条码信息,需要手动保持长时间的静止和聚焦,在移动场景下,人们无法获得清晰的条码图像,这些情况大大影响了工作效率,降低了用户体验感。为了使条码更好的应用到复杂多变的场景中,针对运动模糊的情形,特提出一种针对条码图像的去模糊方法,可将模糊条码图像复原为可识别的清晰条码图像。
由于整幅图像进行分析与去模糊处理需要耗费较多时间,而条码识别对及时性要求很高,故只针对条码区域进行去模糊处理,以提高算法效率。针对条码图像分析,条码图像存在两个特点,第一,条码区域内的条、空是平行排列的,方向趋于一致;第二,为了提高条码的可识读性,条码在制作时,条和空之间有着较大的反射率差,从而条码区域内的灰度对比度较大,而且边缘信息丰富。结合上述条码特点,提出一种基于条码一致性的条码定位方法,根据定位图像获取运动模糊方向和运动模糊长度,然后使用维纳滤波进行条码图像的恢复。
发明内容
为了克服现有技术存在的缺陷,本发明提供一种快速条码图像运动消减方法。
本发明解决其技术问题所采用的技术方案是:一种快速条码图像运动消减方法,包括以下步骤:
A、基于方向一致性提取条码图像;
B、对提取的条码图像进行盲去模糊处理,根据图像获取运动模糊方向和运动模糊长度,得到运动模糊的点扩散函数;
C、根据模糊图像获取的运动模糊长度和模糊角度,采用维纳滤波进行条码图像的恢复。
作为优选,所述步骤A具体包括图像预处理、图像分块进行方向一致性评估、候选图像块连通域分析、条码区域筛选和定位和条码倾斜校正;
A1、进行图像预处理,对获取图像进行中值滤波后,使用sobel算子计算图像中各像素点对应的梯度;
A2、将图像分割成图像块的图像块,记分块后的图像块为W,得到图像块的集合{P1,P2,...PN},其中N为图像块的总数,使用公式(1)计算图像块的方向一致性Coh(Pi);
A3、对候选图像块Pi使用公式,通过公式(2)计算图像块Pi的平均梯度方向θi,作为Pi的梯度方向估计;
其中,
A4、对每一个候选图像块Pi,统计其八邻域范围内的候选图像块数目。如果有超过2组为候选图像块,则Pi保留;否则,取消Pi的候选标,通过腐蚀操作可以滤除干扰线条和局部背景。
A5、根据生长原则,对所有候选图像块判断其与八邻域的邻接关系,使用局域生长算法,将互相连通的所有候选图像块进行合并,即为候选的条码区域。
将候选图像块的连通关系(生长原则)定义为:候选图像块Pi与候选图像块Pj相互邻接,它们的平均梯度方向分别为θi和θj,如果满足条件:
|θi-θj|<ε0 or|θi-θj|<π-ε0 (3)
则候选图像块Pi与候选图像块Pj相互连通,其中εa是角度偏差阈值。
A6、根据公式(4)计算候选条码区域P的方向一致性,获取条码的方向一致性Coh(P)、尺寸大小Width(Pi)和边缘数Edges(Pi)后,根据公式(5)判断候选区域是否有效。
其中M是条码区域中的候选图像块总数。
其中σcoh设置范围为0.9~0.98,σw为条码的最小可辨识长度,其设置范围为95~125,σe是边缘数阈值,其设置范围为45~95。
作为优选,所述步骤B中,采用改进的randon变换的方法来提取运动模糊角度;
3)、首先选择1°作为步长,计算频谱在0°~180°上的randon变换,选取randon变换的极大值对应的角度θ′;
4)、以0.5°为步长计算以θ′-3°~θ′+3°上的randon变换,求取得极大值对应的角度θ即为所求;
获取运动模糊方向后,则求取模糊长度步骤如下:
1)、将运动模糊的图像G顺时针旋转θ度,得到G_x;
2)、将得到的图像G_x的三个基色R、G、B进行分离;
3)、将运动模糊的的垂直中心部分提取用于像素值校验;
4)、在每个纵行中找出最大的像素值并且累计得到一维矩阵H,然后绘制H的点线图;
5)、找出中心波瓣任意一边的第一个转折点,该转折点的像素值为该傅里叶频谱的主要波瓣宽度(Wc);
6)、按照上述方法分别在中心波瓣的左右两边分别找出第二、第三和第四波瓣宽度,分别记为Wright1,Wright2,Wright3,Wleft1,Wleft2,Wleft3;
7)、对每一个波瓣进行筛选,如果该波瓣宽度和任何一个波瓣的宽度之间的像素差异大于3个像素值,则舍弃该波瓣,否则,保留该波瓣,并作为模糊尺度来考虑;
8)、计算所有保留的波瓣的平均波瓣宽度;
举例,若所有波瓣均保留则,
9)、运动模糊长度可以用图像的宽度除以平均波瓣宽度D得到;
由此,可以计算运动图像的点扩散函数:
作为优选,所述步骤C中,根据运动方向(即上述所求运动模糊方向)和模糊长度,可求得运动模糊的点扩散函数的空间表达式,然后采用维纳滤波进行条码图像去模糊;
维纳滤波的传递函数M(u,v)为:
其中,H(u,v)为模糊核的频域响应,Snn(u,v)为噪声对应的频率谱密度,Sff(u,v)为图像的频率谱密度;
通过维纳滤波之后得到的复原图像f的频率响应F为:
其中,G(u,v)为模糊图像的频率响应;
1)、对模糊图像进行傅里叶变换得到G(u,v);
2)、根据公式(3)计算的点扩散函数求得其二维傅里叶变换H(u,v);
3)、计算噪声的谱密度Snn(u,v)与图像的谱密度Sff(u,v)之比K;
4)、由公式(5)计算得到复原后图像的频率响应;
5)、利用傅里叶逆变换得到复原后的图像。
本发明的有益效果是:通过根据定位条码图像获取运动模糊方向和运动模糊长度,然后使用维纳滤波进行条码图像的恢复,使得能够在移动场景下,获取清晰的条码图像,提高工作效率和用户体验感,进而使得条码技术能够应用到更多复杂多变的场景中。
附图说明
图1为本发明实施例中作为示例的原条码图像;
图2为本发明实施例示例中提取后边缘图像;
图3为本发明实施例示例中的分块结果;
图4为本发明实施例示例中的腐蚀操作结果;
图5为本发明实施例示例中条码区域的选取过程示意图;
图6为本发明实施例示例中定位的条码区域;
图7为本发明实施例示例中原图的条码区域;
图8为本发明实施例示例中维纳滤波复原后的条码区域;
图9为本发明实施例的步骤示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是,对于这些实施方式的说明用于帮助理解本发明,但并不构成对本发明的限定。此外,下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
如附图所示,本发明提供的一种快速条码图像运动消减方法,包括以下步骤:
A、基于方向一致性提取条码图像;
B、对提取的条码图像进行盲去模糊处理,根据图像获取运动模糊方向和运动模糊长度,得到运动模糊的点扩散函数;
C、根据模糊图像获取的运动模糊长度和模糊角度,采用维纳滤波进行条码图像的恢复。
作为优选,所述步骤A具体包括图像预处理、图像分块进行方向一致性评估、候选图像块连通域分析、条码区域筛选和定位和条码倾斜校正;
A1、进行图像预处理,对获取图像进行中值滤波后,使用sobel算子计算图像中各像素点对应的梯度;
A2、将图像分割成图像块的图像块,记分块后的图像块为W,得到图像块的集合{P1,P2,...PN},其中N为图像块的总数,使用公式(1)计算图像块的方向一致性Coh(Pi);
A3、对候选图像块Pi使用公式,通过公式(2)计算图像块Pi的平均梯度方向θi,作为Pi的梯度方向估计;
其中,
A4、对每一个候选图像块Pi,统计其八邻域范围内的候选图像块数目。如果有超过2组为候选图像块,则Pi保留;否则,取消Pi的候选标,通过腐蚀操作可以滤除干扰线条和局部背景。
A5、根据生长原则,对所有候选图像块判断其与八邻域的邻接关系,使用局域生长算法,将互相连通的所有候选图像块进行合并,即为候选的条码区域。
将候选图像块的连通关系(生长原则)定义为:候选图像块Pi与候选图像块Pj相互邻接,它们的平均梯度方向分别为θi和θj,如果满足条件:
|θi-θj|<ε0 or |θi-θj|<π-ε0 (3)
则候选图像块Pi与候选图像块Pj相互连通,其中εa是角度偏差阈值。
A6、根据公式(4)计算候选条码区域P的方向一致性,获取条码的方向一致性Coh(P)、尺寸大小Width(Pi)和边缘数Edges(Pi)后,根据公式(5)判断候选区域是否有效。
其中M是条码区域中的候选图像块总数。
其中设置范围为0.9~0.98,在本实施例中设置为0.96,为条码的最小可辨识长度,其设置范围为95~125,在本实施例中,设置为条码的模块数95,是边缘数阈值,其设置范围为45~95,在本实施例中,考虑到各种干扰因素的影响,取值可以小于标准条码的边缘数,设置为45。
作为优选,所述步骤B中,采用改进的randon变换的方法来提取运动模糊角度;
5)、首先选择1°作为步长,计算频谱在0°~180°上的randon变换,选取randon变换的极大值对应的角度θ′;
6)、以0.5°为步长计算以θ′-3°~θ′+3°上的randon变换,求取得极大值对应的角度θ即为所求;
获取运动模糊方向后,则求取模糊长度步骤如下:
1)、将运动模糊的图像G顺时针旋转θ度,得到G_x;
2)、将得到的图像G_x的三个基色R、G、B进行分离;
3)、将运动模糊的的垂直中心部分提取用于像素值校验;
4)、在每个纵行中找出最大的像素值并且累计得到一维矩阵H,然后绘制H的点线图;
5)、找出中心波瓣任意一边的第一个转折点,该转折点的像素值为该傅里叶频谱的主要波瓣宽度(Wc);
6)、按照上述方法分别在中心波瓣的左右两边分别找出第二、第三和第四波瓣宽度,分别记为Wright1,Wright2,Wright3,Wleft1,Wleft2,Wleft3;
7)、对每一个波瓣进行筛选,如果该波瓣宽度和任何一个波瓣的宽度之间的像素差异大于3个像素值,则舍弃该波瓣,否则,保留该波瓣,并作为模糊尺度来考虑;
8)、计算所有保留的波瓣的平均波瓣宽度;
举例,若所有波瓣均保留则,
9)、运动模糊长度可以用图像的宽度除以平均波瓣宽度D得到;
由此,可以计算运动图像的点扩散函数:
作为优选,所述步骤C中,根据运动方向(即上述所求运动模糊方向)和模糊长度,可求得运动模糊的点扩散函数的空间表达式,然后采用维纳滤波进行条码图像去模糊;
维纳滤波的传递函数M(u,v)为:
其中,H(u,v)为模糊核的频域响应,Snn(u,v)为噪声对应的频率谱密度,Sff(u,v)为图像的频率谱密度;
通过维纳滤波之后得到的复原图像f的频率响应F为:
其中,G(u,v)为模糊图像的频率响应;
1)、对模糊图像进行傅里叶变换得到G(u,v);
2)、根据公式(3)计算的点扩散函数求得其二维傅里叶变换H(u,v);
3)、计算噪声的谱密度Snn(u,v)与图像的谱密度Sff(u,v)之比K;
4)、由公式(5)计算得到复原后图像的频率响应;
5)、利用傅里叶逆变换得到复原后的图像。
具体的以实际示例进行演示,参见图1为原条码图像,图2为提取后的边缘图像,图3为分块结果,其中图中的细线框为满足方向一致性的图像分块结果,图4为为腐蚀操作结果,图5为条码区域的选取过程,图中线框为选取的条码区域,图6为定位的条码区域;
以上述附图为例,可求得模糊角度θ为5°,模糊长度L为5,即根据运动方向和模糊长度可求得运动模糊的点扩散函数的空间域表达式,然后采用维纳滤波进行图像的恢复,其中图7为原图中的条码区域,图8为维纳滤波复原后的条码区域。
以上结合附图对本发明的实施方式作了详细说明,但本发明不限于所描述的实施方式。对于本领域的技术人员而言,在不脱离本发明原理和精神的情况下,对这些实施方式进行多种变化、修改、替换和变型,仍落入本发明的保护范围内。
Claims (4)
1.一种快速条码图像运动消减方法,其特征在于,包括以下步骤:
A、基于方向一致性提取条码图像;
B、对提取的条码图像进行盲去模糊处理,根据图像获取运动模糊方向和运动模糊长度,得到运动模糊的点扩散函数;
C、根据模糊图像获取的运动模糊长度和模糊角度,采用维纳滤波进行条码图像的恢复。
2.根据权利要求1所述的快速条码图像运动消减方法,其特征在于,所述步骤A具体包括图像预处理、图像分块进行方向一致性评估、候选图像块连通域分析、条码区域筛选和定位和条码倾斜校正;
A1、进行图像预处理,对获取图像进行中值滤波后,使用sobel算子计算图像中各像素点对应的梯度;
A2、将图像分割成图像块的图像块,记分块后的图像块为W,得到图像块的集合{P1,P2,...PN},其中N为图像块的总数,使用公式(1)计算图像块的方向一致性Coh(Pi);
A3、对候选图像块Pi使用公式,通过公式(2)计算图像块Pi的平均梯度方向θi,作为Pi的梯度方向估计;
其中,
A4、对每一个候选图像块Pi,统计其八邻域范围内的候选图像块数目,如果有超过2组为候选图像块,则Pi保留;否则,取消Pi的候选标,通过腐蚀操作可以滤除干扰线条和局部背景;
A5、根据生长原则,对所有候选图像块判断其与八邻域的邻接关系,使用局域生长算法,将互相连通的所有候选图像块进行合并,即为候选的条码区域;
将候选图像块的连通关系定义为:候选图像块Pi与候选图像块Pj相互邻接,它们的平均梯度方向分别为θi和θj,如果满足条件:
|θi-θj|<εaor|θi-θj|<π-εa (3)
则候选图像块Pi与候选图像块Pj相互连通,其中εa是角度偏差阈值;
A6、根据公式(4)计算候选条码区域P的方向一致性,获取条码的方向一致性Coh(P)、尺寸大小Width(Pi)和边缘数Edges(Pi)后,根据公式(5)判断候选区域是否有效;
其中M是条码区域中的候选图像块总数;
其中σcoh设置范围为0.9~0.98,σw为条码的最小可辨识长度,其设置范围为95~125,σe是边缘数阈值,其设置范围为45~95。
3.根据权利要求1所述的快速条码图像运动消减方法,其特征在于,所述步骤B中,采用改进的randon变换的方法来提取运动模糊角度;
1)、首先选择1°作为步长,计算频谱在0°~180°上的randon变换,选取randon变换的极大值对应的角度θ′;
2)、以0.5°为步长计算以θ′-3°~θ′+3°上的randon变换,求取得极大值对应的角度θ即为所求;
获取运动模糊方向后,则求取模糊长度步骤如下:
1)、将运动模糊的图像G顺时针旋转θ度,得到G_x;
2)、将得到的图像G_x的三个基色R、G、B进行分离;
3)、将运动模糊的的垂直中心部分提取用于像素值校验;
4)、在每个纵行中找出最大的像素值并且累计得到一维矩阵H,然后绘制H的点线图;
5)、找出中心波瓣任意一边的第一个转折点,该转折点的像素值为该傅里叶频谱的主要波瓣宽度(Wc);
6)、按照上述方法分别在中心波瓣的左右两边分别找出第二、第三和第四波瓣宽度,分别记为Wright1,Wright2,Wright3,Wleft1,Wleft2,Wleft3;
7)、对每一个波瓣进行筛选,如果该波瓣宽度和任何一个波瓣的宽度之间的像素差异大于3个像素值,则舍弃该波瓣,否则,保留该波瓣,并作为模糊尺度来考虑;
8)、计算所有保留的波瓣的平均波瓣宽度;
举例,若所有波瓣均保留则,
9)、运动模糊长度可以用图像的宽度除以平均波瓣宽度D得到;
由此,可以计算运动图像的点扩散函数:
4.根据权利要求1所述的快速条码图像运动消减方法,其特征在于,作为优选,所述步骤C中,根据运动方向和模糊长度,可求得运动模糊的点扩散函数的空间表达式,然后采用维纳滤波进行条码图像去模糊;
维纳滤波的传递函数M(u,v)为:
其中,H(u,v)为模糊核的频域响应,Snn(u,v)为噪声对应的频率谱密度,Sff(u,v)为图像的频率谱密度;
通过维纳滤波之后得到的复原图像f的频率响应F为:
其中,G(u,v)为模糊图像的频率响应;
1)、对模糊图像进行傅里叶变换得到G(u,v);
2)、根据公式(3)计算的点扩散函数求得其二维傅里叶变换H(u,v);
3)、计算噪声的谱密度Snn(u,v)与图像的谱密度Sff(u,v)之比K;
4)、由公式(5)计算得到复原后图像的频率响应;
5)、利用傅里叶逆变换得到复原后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621274.4A CN112785514A (zh) | 2020-12-31 | 2020-12-31 | 一种快速条码图像运动消减方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621274.4A CN112785514A (zh) | 2020-12-31 | 2020-12-31 | 一种快速条码图像运动消减方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785514A true CN112785514A (zh) | 2021-05-11 |
Family
ID=75753312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011621274.4A Pending CN112785514A (zh) | 2020-12-31 | 2020-12-31 | 一种快速条码图像运动消减方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785514A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114529555A (zh) * | 2021-12-31 | 2022-05-24 | 红云红河烟草(集团)有限责任公司 | 一种基于图像识别的烟箱高效进出库检测方法 |
CN115331269A (zh) * | 2022-10-13 | 2022-11-11 | 天津新视光技术有限公司 | 一种基于梯度向量场的指纹识别方法及应用 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329725A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 基于梯度投影和形态学的指纹图像分割方法 |
CN102708552A (zh) * | 2012-05-24 | 2012-10-03 | 中山大学 | 一种快速二维条码图像运动去模糊方法 |
CN104636706A (zh) * | 2015-03-04 | 2015-05-20 | 深圳市金准生物医学工程有限公司 | 一种基于梯度方向一致性复杂背景条码图像自动分割方法 |
CN104732217A (zh) * | 2015-03-27 | 2015-06-24 | 电子科技大学 | 一种自适应模板大小指纹方向场计算方法 |
-
2020
- 2020-12-31 CN CN202011621274.4A patent/CN112785514A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329725A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 基于梯度投影和形态学的指纹图像分割方法 |
CN102708552A (zh) * | 2012-05-24 | 2012-10-03 | 中山大学 | 一种快速二维条码图像运动去模糊方法 |
CN104636706A (zh) * | 2015-03-04 | 2015-05-20 | 深圳市金准生物医学工程有限公司 | 一种基于梯度方向一致性复杂背景条码图像自动分割方法 |
CN104732217A (zh) * | 2015-03-27 | 2015-06-24 | 电子科技大学 | 一种自适应模板大小指纹方向场计算方法 |
Non-Patent Citations (2)
Title |
---|
SHAMIK TIWARI,ET.AL: "Review of Motion Blur Estimation Techniques", 《JOURNAL OF IMAGE AND GRAPHICS》 * |
景晓军,等: "《图像处理技术及其应用》", 31 August 2005, 国防工业出版 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114529555A (zh) * | 2021-12-31 | 2022-05-24 | 红云红河烟草(集团)有限责任公司 | 一种基于图像识别的烟箱高效进出库检测方法 |
CN115331269A (zh) * | 2022-10-13 | 2022-11-11 | 天津新视光技术有限公司 | 一种基于梯度向量场的指纹识别方法及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Iterative filter adaptive network for single image defocus deblurring | |
CN108765325B (zh) | 一种小型无人机模糊图像复原方法 | |
US8712114B2 (en) | Elegant solutions for fingerprint image enhancement | |
US7751641B2 (en) | Method and system for digital image enhancement | |
CN106097256B (zh) | 一种基于图像盲去模糊的视频图像模糊度检测方法 | |
CN112785514A (zh) | 一种快速条码图像运动消减方法 | |
CN111696064B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN112580385B (zh) | 一种基于多帧图像融合和非局部均值滤波的条码解码方法 | |
CN112200742A (zh) | 一种应用于边缘检测的滤波去噪方法 | |
CN116051416B (zh) | 基于sar图像的海洋锋自动检测识别方法及装置 | |
CN112381742A (zh) | 一种单幅图像去运动模糊方法及*** | |
CN113012061A (zh) | 降噪处理方法、装置及电子设备 | |
CN108335268B (zh) | 一种基于盲解卷积的彩色图像去模糊的方法 | |
CN111179186A (zh) | 一种保护图像细节的图像去噪*** | |
CN110852947B (zh) | 一种基于边缘锐化的红外图像超分辨方法 | |
Duran et al. | A Novel Framework for Nonlocal Vectorial Total Variation Based on ℓ p, q, r− norms | |
CN114662519B (zh) | 基于位置探测图形梯度和强度先验的qr码盲去模糊方法 | |
Zhang et al. | A new image filtering method: Nonlocal image guided averaging | |
CN113436116A (zh) | 基于二分图中多标准光条纹选择的夜晚图像去模糊方法 | |
RU2405200C2 (ru) | Способ и устройство быстрого фильтрования шума цифровых изображений | |
CN110728686B (zh) | 一种基于Voronoi的车载灯具图像分割方法 | |
CN113450380A (zh) | 一种基于机场跑道刻线的轨迹校准方法 | |
CN112801903A (zh) | 一种基于视频降噪的目标跟踪方法、装置和计算机设备 | |
CN109766889B (zh) | 基于曲线拟合的轨道图像识别后处理方法 | |
Nasonov et al. | Image sharpening with blur map estimation using convolutional neural network |
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 |
Application publication date: 20210511 |
|
RJ01 | Rejection of invention patent application after publication |