CN112918116B - 一种用于提高彩色印刷***打印精度的方法 - Google Patents
一种用于提高彩色印刷***打印精度的方法 Download PDFInfo
- Publication number
- CN112918116B CN112918116B CN202110114040.9A CN202110114040A CN112918116B CN 112918116 B CN112918116 B CN 112918116B CN 202110114040 A CN202110114040 A CN 202110114040A CN 112918116 B CN112918116 B CN 112918116B
- Authority
- CN
- China
- Prior art keywords
- overprint
- color
- optical identifier
- point
- optical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000003287 optical effect Effects 0.000 claims abstract description 74
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000000295 complement effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 229910003460 diamond Inorganic materials 0.000 claims description 3
- 239000010432 diamond Substances 0.000 claims description 3
- 210000004209 hair Anatomy 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 4
- 239000002699 waste material Substances 0.000 abstract description 2
- 239000003086 colorant Substances 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/21—Ink jet for multi-colour printing
- B41J2/2132—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/21—Ink jet for multi-colour printing
- B41J2/2132—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding
- B41J2/2135—Alignment of dots
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于提高彩色印刷***打印精度的方法,包括以下步骤:1、打印叠印光学识别符;2、数字化采集所述的叠印光学识别符;3、对采集到的叠印光学识别符进行CMYK色彩通道分割;4、对CMYK各通道的图像进行边缘特征提取;5、对CMYK各通道图像边缘特征进行几何中心定位,计算获得喷头校准值。本发明叠印光学识别符定位算法精度高,能够有效提升套印印刷品的品质;叠印光学识别符尺寸较小,可避免承印物的浪费;本发明自动化程度高,减少人工成本和设备的调试时间。
Description
技术领域
本发明涉及彩色印刷技术领域,具体涉及一种用于提高彩色印刷***打印精度的方法。
背景技术
套印是彩色数字印刷的一种重要技术手段,其基本原理是将几种不同颜色的油墨按照特定的顺序依次印刷在同一承印物上。彩色套印***中所有喷头需要同样的参考系,以确保印刷内容套印准确。现有数字印刷***中,喷头校准参数的设定往往需要人工操作,不仅耗费时间,也难以实现更大规模的生产作业。
要实现喷头参数的自动化校准,一种可行的技术线路是实现叠印光学识别符的坐标检测。一些传统的数字化检测方法,如模板匹配、形态学腐蚀、霍夫变换、线性拟合等,存在着一些局限:当十字线的边缘不清晰时,线性拟合得到的结果精度较低;当数字图像对比度较差时,形态学腐蚀不能较好地找到十字线的中心坐标。因此这些方法都还未实现更大规模的应用。
发明内容
针对现有技术的不足,本发明旨在提供一种用于提高彩色印刷***打印精度的方法,可以提高印刷***整体精度,降低人工成本,提高效率。
为了实现上述目的,本发明采用如下技术方案:
一种用于提高彩色印刷***打印精度的方法,包括以下步骤:
S1、将彩色印刷***切换到运行状态,并打印叠印光学识别符;
S2、对步骤S1中打印得到的叠印光学识别符进行采集,得到叠印光学识别符数字图像;
S3、对步骤S2所得叠印光学识别符数字图像进行CMYK色彩通道分割,得到C、M、Y和K四个色彩通道的四幅叠印光学识别符灰度图像;
S4、对步骤S3中得到的四幅叠印光学识别符灰度图像分别进行特征提取,得到C、M、Y和K四个色彩通道的叠印光学识别符边缘特征图;
S5、对步骤S4中得到的C、M、Y和K四个色彩通道的叠印光学识别符边缘特征图进行中心定位,得到四个色彩通道的叠印光学识别符的几何中心,计算C、M和Y通道的几何中心与K通道的几何中心的相对距离,利用该数值修正喷头的校准参数。
进一步地,步骤S1中,所述叠印光学识别符为十字线、三角形、圆形中的一种或组合。
更进一步地,所述十字线、三角形、圆形的线宽典型值为0.1mm。
再进一步地,当所述叠印光学识别符为三角形时,其边长的典型值为0.8-1.2mm;当所述叠印光学识别符是十字线时,其线段长度的典型值为0.8-1.2mm;当所述叠印光学识别符为圆形时,其直径长度的典型值为0.8-1.2mm。
进一步地,步骤S2中,采用CCD相机或CMOS相机对叠印光学识别符进行采集。
进一步地,步骤S3中,对步骤S2所得叠印光学识别符数字图像利用色彩补余算法进行色彩空间变换得到C、M、Y和K四个色彩通道的四幅叠印光学识别符灰度图像,具体过程如下:
首先按下式进行计算:
式中,c、m、y为C、M、Y颜色通道的补余值;GMAX为最大灰度值;R、G、B为叠印光学识别符数字图像在RGB色彩空间下的矩阵数据;
再按下式进行计算:
式中,C、M、Y、K为CMYK色彩空间数字图像的转换结果,min表示取最小值。
进一步地,步骤S3的具体过程如下:
1)采集得到叠印光学识别符数字图像后,其色彩空间为RGB色彩空间,判断待判定像素点的R、G、B通道是否同时小于160,若是,则该像素点判定为黑色点即K点,同时将R、G、B通道的数值都增加60,进入步骤2);若判定像素点的R、G、B通道不同时小于160,则直接进入步骤2);
2)分别判断R、G、B三个通道数值是否小于160,若R小于160则判定为青色点即C点,若G小于160则判定为品红色点即M点,若B小于160则判定为黄色点即Y点;若上述情况均不满足,对于1)中待判定像素点的R、G、B通道同时小于160的情况,说明该点仅为黑色点,对于1)中待判定像素点的R、G、B通道不同时小于160的情况,则判定该点无油墨印刷;
各个像素点处的颜色判定结果可能存在只有一种色点、两种色点重合、三种色点重合、四种色点重合这四种情况。
进一步地,步骤S4的具体过程为:
式中,Gauss代表二维高斯函数,x,y表示叠印光学识别符灰度图像的像素点坐标,σ是高斯分布的方差参数;
S4.2、构造改进的拉普拉斯算子KI,如下式:
其中,0≤x≤H,0≤y≤W;H和W表示算子矩阵的行数和列数;
S4.3、令叠印光学识别符灰度图像矩阵数据P和改进拉普拉斯算子KI作卷积运算,得到图像边缘特征信息Rconv,如下式:
Rconv=P*KI;
式中,x,y为叠印光学识别符灰度图像矩阵坐标。
进一步地,步骤S5中,采用菱形模板匹配算法进行中心定位。
本发明的有益效果在于:
1、利用本发明方法可以实现高程度自动化的喷头校准参数,喷头校准参数可由计算机程序自动计算出,减少人工成本和设备的调试时间。
2、本发明的叠印光学识别符定位算法精度高,能够有效提升套印印刷品的品质;具体地,本发明采用基于二维高斯滤波和改进拉普拉斯边缘检测的方法,相对于传统的检测方法,对噪声有更好的抑制效果,同时对采集图像的对比度要求更低,更能适应复杂的工业生产环境,也可以获得更高的理论精度。
3、本发明采用的叠印光学识别符尺寸较小,便于印刷在不影响印品效果的空白区域,仅需满足数字图像采集装置工作要求即可,可避免承印物的浪费;
附图说明
图1为本发明实施例中的方法流程示意图;
图2为本发明实施例中的三角形叠印光学识别符示意图;
图3为本发明实施例中的十字线叠印光学识别符示意图;
图4为本发明实施例中的十字线和圆形组合叠印光学识别符示意图;
图5为本发明实施例中CMYK颜色通道分割算法流程图。
具体实施方式
以下将结合附图对本发明作进一步的描述,需要说明的是,本实施例以本技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围并不限于本实施例。
本发明公开了一种用于提高彩色印刷***打印精度的方法,如图1所示,包括以下步骤:
S1、将彩色印刷***切换到运行状态,并打印叠印光学识别符。
图2、图3、图4所示是三种常用的可用的叠印光学识别符。
具体地,图2是三角形叠印光学识别符,图3是十字线叠印光学识别符,图4是十字线和圆形组合叠印光学识别符。
本实施例中采用如图3所示的十字线叠印光学识别符,其线宽为0.1mm,线段长度为0.8mm。
令彩色印刷***启动,C、M、Y、K四个颜色通道的喷头均在某一确定的坐标点打印十字线叠印光学识别符。
S2、利用CCD相机对步骤S1中打印得到的叠印光学识别符进行采集,将采集获得的叠印光学识别符数字图像输入计算机中进行后续处理。
S3、对步骤S2所得叠印光学识别符数字图像进行CMYK色彩通道分割,得到C、M、Y和K四个色彩通道的四幅叠印光学识别符灰度图像;本实施例中,采用色彩补余算法对数字图像进行色彩空间变换。
CCD相机采集到的数字图像以RGB色彩空间存储,需要转换为CMYK色彩空间。根据色彩变换关系,RGB是无法与CMYK一一对应的,必须通过算法利用C、M、Y通道的值计算出K的值。
一般地,RGB色彩空间的每个通道取值范围是0到255,CMYK色彩空间每个通道取值范围是0到100。色彩补余算法的具体计算过程如下:
式中,c、m、y为C、M、Y颜色通道的补余值;GMAX为最大灰度值,本实施例中最大灰度值为255;R、G、B为数字图像在RGB色彩空间下的矩阵数据。
式中,C、M、Y、K为CMYK色彩空间数字图像的转换结果,min表示取最小值。
S4、对步骤S3中得到的四幅叠印光学识别符灰度图像分别进行特征提取,得到C、M、Y和K四个色彩通道的叠印光学识别符边缘特征图。
在本实施例中,采用基于二维高斯滤波和改进拉普拉斯边缘检测的算法对四幅叠印光学识别符灰度图像进行特征提取。
需要说明的是,二维拉普拉斯变换基于二维梯度,其定义如下:
二维拉普拉斯变换可以用拉普拉斯卷积核与矩阵的卷积形式表达,拉普拉斯卷积核如下式:
二维拉普拉斯变换的卷积形式如下式:
式中,*表示卷积运算,I是拉普拉斯卷积核,I_是拉普拉斯卷积核的另外一种形式,P是数字图像矩阵数据,本实施例中是某个颜色通道的灰度图。
拉普拉斯算子不会对图像做平滑处理,因此对噪声敏感,图像的噪点较易被当作图像的边缘。本实施例引入二维高斯滤波与二维拉普拉斯变换相结合,算法噪声抑制性能得到提升。
二维高斯函数定义如下:
式中,Gauss表示高斯函数,x,y为图像矩阵坐标,σ为高斯分布的方差参数。
改进拉普拉斯边缘检测算法的具体过程如下:
(1)根据二维高斯函数的定义,计算高斯矩阵GH×W,该矩阵是H行,W列的,如下式:
GH×W=[Gauss(x,y,σ)]0≤x≤H-1,0≤y≤W-1,x,y∈N;
式中,Gauss表示高斯函数,x,y表示数字图像的像素点坐标,σ为高斯分布的方差参数,N代表自然数。
(2)计算高斯矩阵所有组成数字的和SG,式中GH×W表示高斯矩阵,如下式:
SG=∑GH×W;
(3)计算高斯卷积算子K,对高斯矩阵进行归一化处理;用高斯矩阵的和SG除以所述高斯矩阵GH×W,可得到高斯卷积算子K,如下式:
(4)提取图像的边缘特征Rconv:将数字图像矩阵P依次与高斯卷积算子K和拉普拉斯卷积核I或I_做卷积运算,如下式:
Rconv=P*K*I或Rconv=P*K*I_;
需要注意的是,上述过程时间复杂度较高,因为需要计算二维卷积。本实施例将二维卷积运算分解为一维卷积运算,降低算法时间复杂度。因此,本实施例采用基于二维高斯滤波和改进拉普拉斯边缘检测的算法进行特征提取,其具体过程为:
式中,Gauss代表二维高斯函数,x,y表示叠印光学识别符灰度图像的像素点坐标,σ是高斯分布的方差参数。
2)构造改进的拉普拉斯算子KI,如下式:
其中,0≤x≤H,0≤y≤W。H和W表示算子矩阵的行数和列数;
3)令数字图像矩阵P和改进拉普拉斯算子KI作卷积运算,得到图像边缘特征信息Rconv,如下式:
Rconv=P*KI;
式中,x,y为图像矩阵坐标,上述两个二值化处理公式分别对应拉普拉斯卷积核I和I_。
S5、对步骤S4中得到的C、M、Y和K四个色彩通道的叠印光学识别符边缘特征图,采用菱形模板匹配算法进行中心定位,得到四个色彩通道叠印光学识别符的几何中心;计算C、M和Y通道几何中心与K通道几何中心之间的相对距离,利用该数值修正喷头的校准参数。
设C通道几何中心的坐标为(xC,yC),M通道几何中心的坐标为(xM,yM),Y通道几何中心的坐标为(xy,yy),K通道的几何中心为(xk,yk)。一般地,需要将C,M,Y通道与K通道保持几何中心一致。分别计算如下的C,M,Y通道校准量:
δC=(xC-xK,yC-yK)
δM=(xM-xM,yC-yK);
δY=(xY-xK,yY-yK)
通过计算机将该控制参数发送至印刷控制***,所述C,M,Y通道校准量即为印刷***偏移修正量。
实施例2
本实施例和实施例1基本相同,主要区别在于,步骤S3不采用色彩补余算法得到C、M、Y和K四个色彩通道的四幅叠印光学识别符灰度图像。由于在实际应用时,印刷时的校准误差不确定,不同颜色的叠印光学识别符可能存在多种重叠模式:可能每种颜色独立存在,可能某两种颜色相互重叠,可能某三种颜色相互重叠,可能四种颜色相互重叠。这种情况给色彩空间变换带来困难,本实施例采用如下方法得到C、M、Y和K四个色彩通道的四幅叠印光学识别符灰度图像,以解决上述问题。如图5所示:
1)采集得到叠印光学识别符数字图像后,其色彩空间为RGB色彩空间,判断待判定像素点的R、G、B通道是否同时小于160,若是,则该像素点判定为黑色点(K点),同时将R、G、B通道的数值都增加60,进入步骤2);若判定像素点的R、G、B通道不同时小于160,则直接进入步骤2);
2)分别判断R、G、B三个通道数值是否小于160,若R小于160则判定为青色点(C点),若G小于160则判定为品红色点(M点),若B小于160则判定为黄色点(Y点);若上述情况均不满足,对于1)中待判定像素点的R、G、B通道同时小于160的情况,说明该点仅为黑色点,对于1)中待判定像素点的R、G、B通道不同时小于160的情况,则判定该点无油墨印刷。
需要指出的,上述某像素点处的颜色判定结果不限于仅存在一种颜色,即可能存在只有一种色点、两种色点重合、三种色点重合,四种色点重合这四种情况。
对于本领域的技术人员来说,可以根据以上的技术方案和构思,给出各种相应的改变和变形,而所有的这些改变和变形,都应该包括在本发明权利要求的保护范围之内。
Claims (9)
1.一种用于提高彩色印刷***打印精度的方法,其特征在于,包括以下步骤:
S1、将彩色印刷***切换到运行状态,并打印叠印光学识别符;
S2、对步骤S1中打印得到的叠印光学识别符进行采集,得到叠印光学识别符数字图像;
S3、对步骤S2所得叠印光学识别符数字图像进行CMYK色彩通道分割,得到C、M、Y和K四个色彩通道的四幅叠印光学识别符灰度图像;
S4、对步骤S3中得到的四幅叠印光学识别符灰度图像分别进行特征提取,得到C、M、Y和K四个色彩通道的叠印光学识别符边缘特征图;
S5、对步骤S4中得到的C、M、Y和K四个色彩通道的叠印光学识别符边缘特征图进行中心定位,得到四个色彩通道的叠印光学识别符的几何中心,计算C、M和Y通道的几何中心与K通道的几何中心的相对距离,利用该数值修正喷头的校准参数。
2.根据权利要求1所述的方法,其特征在于,步骤S1中,所述叠印光学识别符为十字线、三角形、圆形中的一种或组合。
3.根据权利要求2所述的方法,其特征在于,所述十字线、三角形、圆形的线宽典型值为0.1mm。
4.根据权利要求2所述的方法,其特征在于,当所述叠印光学识别符为三角形时,其边长的典型值为0.8-1.2mm;当所述叠印光学识别符是十字线时,其线段长度的典型值为0.8-1.2mm;当所述叠印光学识别符为圆形时,其直径长度的典型值为0.8-1.2mm。
5.根据权利要求1所述的方法,其特征在于,步骤S2中,采用CCD相机或CMOS相机对叠印光学识别符进行采集。
7.根据权利要求1所述的方法,其特征在于,步骤S3的具体过程如下:
1)采集得到叠印光学识别符数字图像后,其色彩空间为RGB色彩空间,判断待判定像素点的R、G、B通道是否同时小于160,若是,则该像素点判定为黑色点即K点,同时将R、G、B通道的数值都增加60,进入步骤2);若判定像素点的R、G、B通道不同时小于160,则直接进入步骤2);
2)分别判断R、G、B三个通道数值是否小于160,若R小于160则判定为青色点即C点,若G小于160则判定为品红色点即M点,若B小于160则判定为黄色点即Y点;若上述情况均不满足,对于1)中待判定像素点的R、G、B通道同时小于160的情况,说明该点仅为黑色点,对于1)中待判定像素点的R、G、B通道不同时小于160的情况,则判定该点无油墨印刷;
各个像素点处的颜色判定结果存在只有一种色点、两种色点重合、三种色点重合、四种色点重合这四种情况。
8.根据权利要求1所述的方法,其特征在于,步骤S4的具体过程为:
式中,Gauss代表二维高斯函数,x,y表示叠印光学识别符灰度图像的像素点坐标,σ是高斯分布的方差参数;
S4.2、构造改进的拉普拉斯算子KI,如下式:
其中,0≤x≤H,0≤y≤W;H和W表示算子矩阵的行数和列数;
S4.3、令叠印光学识别符灰度图像矩阵数据P和改进拉普拉斯算子KI作卷积运算,得到图像边缘特征信息Rconv,如下式:
Rconv=P*KI;
式中,x,y为叠印光学识别符灰度图像矩阵坐标。
9.根据权利要求1所述的方法,其特征在于,步骤S5中,采用菱形模板匹配算法进行中心定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110114040.9A CN112918116B (zh) | 2021-01-27 | 2021-01-27 | 一种用于提高彩色印刷***打印精度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110114040.9A CN112918116B (zh) | 2021-01-27 | 2021-01-27 | 一种用于提高彩色印刷***打印精度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112918116A CN112918116A (zh) | 2021-06-08 |
CN112918116B true CN112918116B (zh) | 2022-07-22 |
Family
ID=76167274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110114040.9A Expired - Fee Related CN112918116B (zh) | 2021-01-27 | 2021-01-27 | 一种用于提高彩色印刷***打印精度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112918116B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100577025B1 (ko) * | 1998-11-09 | 2006-05-08 | 실버브룩 리서치 피티와이 리미티드 | 하프토너/합성기 유닛 |
KR20020076368A (ko) * | 2001-03-28 | 2002-10-11 | 주식회사신도리코 | 칼라 프린팅을 위한 칼라 화상처리 장치 |
JP2009194894A (ja) * | 2008-01-15 | 2009-08-27 | Seiko Epson Corp | エッジ周辺の印刷画質を向上可能な画像処理 |
JP5436388B2 (ja) * | 2010-10-05 | 2014-03-05 | キヤノン株式会社 | 画像処理装置、画像処理方法および画像記録装置 |
US8553289B2 (en) * | 2011-03-29 | 2013-10-08 | Xerox Corporation | Method and apparatus for compensation of arbitrary banding sources using inline sensing and control |
JP6040522B2 (ja) * | 2011-11-15 | 2016-12-07 | セイコーエプソン株式会社 | 印刷装置、印刷方法およびそのプログラム |
JP5775510B2 (ja) * | 2012-12-27 | 2015-09-09 | 富士フイルム株式会社 | ヘッドモジュールの調整方法、インクジェットヘッドの製造方法 |
JP2018118382A (ja) * | 2017-01-23 | 2018-08-02 | セイコーエプソン株式会社 | 画像処理方法、画像処理装置および印刷システム |
CN107220974A (zh) * | 2017-07-21 | 2017-09-29 | 北京印刷学院 | 一种全参考图像质量评价方法和装置 |
-
2021
- 2021-01-27 CN CN202110114040.9A patent/CN112918116B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN112918116A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106803257B (zh) | 一种作物病害叶片图像中病斑的分割方法 | |
CN107389693B (zh) | 一种基于机器视觉的印刷品缺陷自动检测方法 | |
CN112613429B (zh) | 一种基于机器视觉适用于多视角图像指针式仪表读数方法 | |
CN109886954B (zh) | 一种印刷品缺陷检测方法 | |
CN108647664B (zh) | 一种基于环视图像的车道线检测方法 | |
CN107862319B (zh) | 一种基于邻域投票的异源高分光学影像匹配误差剔除方法 | |
LU102950B1 (en) | Tobacco plant counting method based on uav remote sensing technology and image processing technology | |
CN112381819A (zh) | 基于hsv颜色模型的植保雾滴检测方法 | |
CN114120051A (zh) | 一种胶条边缘点的筛选方法 | |
CN111382658A (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN114511704B (zh) | 一种基于高速产线的喷印码识别检测方法 | |
CN112861654A (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
CN113989369A (zh) | 一种用于激光加工***高精度的标定方法及装置 | |
CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
CN112918116B (zh) | 一种用于提高彩色印刷***打印精度的方法 | |
CN113838144B (zh) | 一种基于机器视觉和深度学习的uv打印机上物件定位方法 | |
CN111402343A (zh) | 高精度标定板及标定方法 | |
Mao et al. | Agricultural robot navigation path recognition based on k-means algorithm for large-scale image segmentation | |
CN111815542B (zh) | 一种树木年轮图像髓心定位、年轮测量方法 | |
CN112633393B (zh) | 一种瓷砖纹理自动分类方法及装置 | |
CN115463805A (zh) | 一种基于点胶路径的点胶方法及点胶*** | |
CN114066993A (zh) | 基于机器视觉的配电柜控制面板分割方法 | |
CN116309547B (zh) | 一种零件表面质量检测方法、装置、设备及介质 | |
CN110189335B (zh) | 一种基于航拍图像的农作物异常分析方法 | |
CN113256671B (zh) | 一种基于YCbCr颜色空间的树果计数方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220722 |
|
CF01 | Termination of patent right due to non-payment of annual fee |