CN113160259B - 边缘检测方法、装置、计算机设备及存储介质 - Google Patents
边缘检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113160259B CN113160259B CN202110485292.2A CN202110485292A CN113160259B CN 113160259 B CN113160259 B CN 113160259B CN 202110485292 A CN202110485292 A CN 202110485292A CN 113160259 B CN113160259 B CN 113160259B
- Authority
- CN
- China
- Prior art keywords
- edge
- point
- distribution curve
- rectangular area
- detected
- 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.)
- Active
Links
- 238000003708 edge detection Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims abstract description 57
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 23
- 238000003384 imaging method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T7/13—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
- G06T7/187—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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及图像处理技术领域,提供了一种边缘检测方法、装置、计算机设备及存储介质,所述方法包括:获取待检测图像,其中,待检测图像包括待检测的第一边;在待检测图像中确定第一矩形区域和第二矩形区域,其中,第一矩形区域的第一中轴线和第二矩形区域的第一中轴线均与第一边平行且与第一边的距离小于第一预设值;分别对第一矩形区域和第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线;根据第一分布曲线和第二分布曲线,确定目标检测区域;对目标检测区域进行边缘检测,以得到第一边的边缘。本发明可以适用于具有不同表面特征的待检测物体的边缘检测,具有较高的兼容性。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种边缘检测方法、装置、计算机设备及存储介质。
背景技术
边缘检测的目的是标识数字图像中亮度变化明显的点,通过边缘检测可以识别图像中的特定物体的边缘。
现有的边缘检测方法中,通过区域分割逐步提取ROI的方法;人工画ROI,并通过特征跟随的方法;直接进行边缘检测,然后根据特征选取目标边缘等方法,这些方法由于基于待检测物体的表面特征进行的,而不同待检测物体的表面特征千差万别,因而,现有方法中,针对不同的待检测物体,需要基于其对应的表面特征进行边缘检测,因而该方法不具有兼容性。
发明内容
本发明的目的在于提供了一种边缘检测方法、装置、计算机设备及存储介质,其能够屏蔽待检测物体的表面特征的变化,因而不受其表面特征变化的影响,能够稳定地检测出边缘ROI区域,从而可以适用于具有不同表面特征的待检测物体的边缘检测,具有较高的兼容性。
为了实现上述目的,本发明采用的技术方案如下:
第一方面,本发明提供一种边缘检测方法,所述方法包括:获取待检测图像,其中,所述待检测图像包括待检测的第一边;在所述待检测图像中确定第一矩形区域和第二矩形区域,其中,所述第一矩形区域的第一中轴线和所述第二矩形区域的第一中轴线均与所述第一边平行且与所述第一边的距离小于第一预设值;分别对所述第一矩形区域和所述第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线;根据所述第一分布曲线和所述第二分布曲线,确定目标检测区域;对所述目标检测区域进行边缘检测,以得到所述第一边的边缘。
第二方面,本发明提供一种边缘检测装置,所述装置包括:获取模块,用于获取待检测图像,其中,所述待检测图像包括待检测的第一边;第一确定模块,用于在所述待检测图像中确定第一矩形区域和第二矩形区域,其中,所述第一矩形区域的第一中轴线和所述第二矩形区域的第一中轴线均与所述第一边平行且与所述第一边的距离小于第一预设值;投影模块,用于分别对所述第一矩形区域和所述第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线;第二确定模块,还用于根据所述第一分布曲线和所述第二分布曲线,确定目标检测区域;检测模块,用于对所述目标检测区域进行边缘检测,以得到所述第一边的边缘。
第三方面,本发明提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上述的边缘检测方法。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的边缘检测方法。
相对于现有技术,本发明通过对待检测图像中第一矩形区域和第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线;再根据第一分布曲线和第二分布曲线,确定目标检测区域;最后,对目标检测区域进行边缘检测,得到第一边的边缘。本发明由于屏蔽了待检测物体的表面特征的变化,因而不受其表面特征变化的影响,可以适用于具有不同表面特征的待检测物体的边缘检测,具有较高的兼容性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种边缘检测方法的流程的示意图。
图2为本发明实施例提供的另一种边缘检测方法的流程的示意图。
图3为本发明实施例提供的第一矩形区域的示例图。
图4为本发明实施例提供的另一种边缘检测方法的流程的示意图。
图5为本发明实施例提供的另一种边缘检测方法的流程的示意图。
图6为本发明实施例提供的另一种边缘检测方法的流程的示意图。
图7为本发明实施例提供的另一种边缘检测方法的流程的示意图。
图8为本发明实施例提供的第一矩形区域中第一边缘点的示例图。
图9为本发明实施例提供的第二矩形区域的示例图。
图10为本发明实施例提供的目标检测区域的示例图。
图11为本发明实施例提供的检测出的竖直边缘和水平边缘的示例图。
图12为本发明实施例提供的边缘检测装置的方框示意图。
图13为本发明实施例提供的计算机设备的方框示意图。
图标:10-计算机设备;11-处理器;12-存储器;13-总线;14-通信接口;100-边缘检测装置;110-获取模块;120-第一确定模块;130-投影模块;140-第二确定模块;150-检测模块;160-位置确定模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
现有的边缘检测技术都是基于待检测物体的表面特征进行的,而不同待检测物体的表面特征千差万别,因此,针对不同的待检测物体,需要基于其对应的表面特征进行边缘检测。
以摄像机的行业为例,在摄像机生产过程中,需要保证镜头的光轴与图像传感器的中心这二者的投影距离小于某一设计值,否则会导致成品摄像机的图像出现暗角,或者是四周畸变增大的缺陷。对于高分辨率产品,这一技术指标会更加严格。在实际情况中,如不做特殊处理,镜头结构的设计误差和图像传感器所在的印刷电路板PCB(PrintedCircuit Board,PCB)的加工误差不可避免地会导致成品摄像机无法满足上述技术指标。
故在摄像机的实际生产中,需要精确地检测图像传感器在PCB上的位置,而对于位置检测而言,最重要的是能检测出图像传感器相对于PCB的边缘,现有的边缘检测技术,通常是基于图像传感器的表面特征进行的,因此,每种边缘检测方法只能适用于表面特征相似的图像传感器,由于厂家用于生产摄像机的图像传感器种类众多,不同种类的图像传感器的表面特征相差较大,采用现有技术实现的边缘检测方法不能兼容表面特征差别较大的多种图像传感器,不具备兼容性。
有鉴于此,本发明实施例提供了一种边缘检测方法、装置、计算机设备及存储介质,其能够屏蔽图像传感器的表面特征的变化,因而不受其表面特征变化的影响,可以适用于具有不同表面特征的图像传感器的边缘检测,具有较高的兼容性,下面将对其进行详细描述。
需要说明的是,针对摄像机行业中的图像传感器的边缘检测,只是本发明实施例的一种应用场景,事实上,本发明实施例提供的边缘检测方法也适用于需要进行边缘检测的其他场景。
请参考图1,图1为本发明实施例提供的一种边缘检测方法的流程的示意图,该方法包括以下步骤:
步骤S100,获取待检测图像,其中,待检测图像包括待检测的第一边。
在本实施例中,待检测图像中可以包括待检测物体的一部分的图像,例如,待检测物体的一个角,或者待检测物体的一个边,也可以包括待检测物体的完整的图像。
在本实施例中,用于拍摄待检测图像的成像装置可以根据需要确定其拍摄精度,对于边缘检测的精度要求较高的场景,使用分辨率较高的成像装置进行拍摄,例如,对于摄像机的图像传感器的边缘检测的应用场景,通常使用工业相机对PCB上的图像传感器进行成像。
步骤S110,在待检测图像中确定第一矩形区域和第二矩形区域,其中,第一矩形区域的第一中轴线和第二矩形区域的第一中轴线均与第一边平行且与第一边的距离小于第一预设值。
在本实施例中,第一矩形区域和第二矩形区域均可以是长方形,也可以是正方形,两者的大小可以相同,也可以不同,且第一矩形区域和第二矩形区域可以同为长方形,可以同为正方形,也可以一个为长方形,一个未正方形,待检测的第一边与待检测图像的边界可以平行、也可以不平行,本发明实施例对此不予限定,但是需要保证第一矩形区域的中轴线和第二矩形区域的中轴线均与第一边平行。
在本实施例中,第一预设值越小,则第一矩形区域的第一中轴线和第二矩形区域的第一中轴线越近,则边缘检测的结果的精度也越高,第一矩形区域的第一中轴线与第一边的距离可以用像素的个数表示,此时,第一预设值也用像素的个数表示。
步骤S120,分别对第一矩形区域和第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线。
在本实施例中,第一矩形区域和第二矩形区域有其各自的第一中轴线,第一分布曲线是对第一矩形区域沿其第一中轴线进行灰度投影得到的,第二分布曲线是对第二矩形区域沿其第一中轴线进行灰度投影得到的。第一分布曲线和第二分布曲线的生成过程可以独立地、同时进行,也可以先生成一个再生成另一个。通过将一个二维的矩形区域转化为一个一维的分布曲线,屏蔽了待检测物体的表面特征的变化对于边缘检测的影响,提高了兼容性,屏蔽了图像亮度的变化以及待检测物体的表面存在的脏污等对于边缘检测的影响,在保证边缘检测的精度的前提下,也提高了该方法的稳定性。
步骤S130,根据第一分布曲线和第二分布曲线,确定目标检测区域。
在本实施例中,目标检测区域为第一边的边缘所在的区域,也称为感兴趣区域ROI(Region Of Interest,ROI)。
步骤S140,对目标检测区域进行边缘检测,以得到第一边的边缘。
在本实施例中,对目标检测区域进行边缘检测可以采用的算子包括、但不限于Canny算子、Prewitt算子和sobel算子等。
本发明实施例提供的上述方法,通过对待检测图像中的第一矩形区域和第二矩形区域进行灰度投影,得到对应的分布曲线,进而根据分布曲线确定目标检测区域,最后对目标检测区域进行边缘检测,得到第一边的边缘,整个过程不需要基于待检测图像中待检测物体的表面特征,因而可以适用于具有不同表面特征的待检测物体的边缘检测,具有较高的兼容性,同时避免了由于受待测物体的表面脏污对表面特征的影响而最终导致边缘检测的不稳定。
在图1的基础上,本发明实施例还提供了一种确定第一矩形区域和第二矩形区域的具体实施方式,请参照图2,图2为本发明实施例提供的另一种边缘检测方法的流程的示意图,步骤S110包括以下子步骤:
子步骤S1101,在第一边的预设范围内确定第一点和第二点,其中,第一点的横坐标和第二点的横坐标均在第一横坐标和第二横坐标范围内,第一点与第一边的距离及第二点与第一边的距离均小于第一预设值。
在本实施例中,第一边包括第一端点和第二端点,所述第一端点的坐标包括第一横坐标,所述第二端点的坐标包括第二横坐标,例如,第一端点和第二端点的坐标分别表示为:(Rv1,Cv1)和(Rv2,Cv2),第一点的横坐标表示为:Rp1,第二点的横坐标表示为:Rp2,则二者均需满足如下条件:Rp1∈(min(Rv1,Rv2),max(Rv1,Rv2)),Rp2∈(min(Rv1,Rv2),max(Rv1,Rv2))。
在本实施例中,第一点的横坐标和第二点的横坐标确定后,在确定第一点的纵坐标时,要满足第一点与第一边的距离小于第一预设值,在确定第二点的纵坐标时,要满足第二点与第一边的距离小于第一预设值,即第一点和第二点均尽可能地靠近第一边,例如,第一点与第一边的距离表示为Dv1,第二点与第一边的距离表示为Dv2,则Dv1→0,Dv2→0。
子步骤S1102,以第一点为中心确定第一矩形区域,其中,第一矩形区域的第一中轴线与第一边平行且与第一边的距离小于第一预设值。
在本实施例中,可以理解的是,为了对第一边的边缘进行检测,第一矩形区域和第二矩形区域均需要包括跨越第一边的两边的区域,也就是说第一矩形区域和第二矩形区域均覆盖了位于第一边的两边的区域。
在本实施例中,为了更清楚地表示第一矩形区域,请参照图3,图3为本发明实施例提供的第一矩形区域的示例图,图3是包含图像传感器的一角的待检测图像,图3中,Pv为第一点,Sw为第一中轴的半轴,Sl为第二中轴的半轴。作为一种具体实施方式,Sw的值应使第一矩形区域在第一中轴的方向上尽可能只包含图像传感器的感光区域,也就是说,在第一矩形区域中位于Sw右侧的部分只包含图像传感器的感光区域,而未包括除该感光区域之外的区域,由此使得后续投影结果更能准确地反应图像传感器的灰度特征。作为一种具体实施方式,Sl需满足:Sl>Dv且Sl>1,其中,Dv为第一点与第一边的距离,用像素点的个数表示。在Dv→0的条件下,此时第一边会沿第一中轴线的方向大致从第一矩形区域的中部穿过,也即是第一中轴线大致与第一边重合。
子步骤S1103,以第二点为中心确定第二矩形区域,其中,第二矩形区域的第一中轴线与第一边平行且与第一边的距离小于第一预设值。
在本实施例中,第二矩形区域的确定方式与第一矩形区域相同,只是第一点和第二点是不同的两个点,具体确定过程此处不再赘述。
本发明实施例提供的上述方法,通过先确定矩形区域的中心点再确定对应的矩形区域,可以快速地确定满足条件的第一矩形区域和第二矩形区域。
在图1的基础上,本发明实施例还提供了一种得到第一分布曲线和第二分布曲线的具体实施方式,请参照图4,图4为本发明实施例提供的另一种边缘检测方法的流程的示意图,步骤S120包括以下子步骤:
子步骤S1201,统计第一矩形区域中与第一矩形区域的第一中轴线平行的每一列上的第一像素点的第一灰度值。
在本实施例中,针对第一矩形区域,每一列包括多个第一像素点,每一列对应一个第一灰度值,第一灰度值为该列上的第一像素点的灰度值之和。
需要说明的是,当第一中轴线与平面直角坐标系的坐标轴平行时,则第一像素点的坐标值均为整数,此时可以直接取对应坐标点的灰度值计算第一灰度值,当第一中轴线与平面直角坐标系的坐标轴不平行时,则计算出的第一像素点的坐标值可能为小数,此时可以用与第一像素点的坐标值最邻近的像素点的灰度值作为第一像素点的灰度值进行统计,也可以采用其他插值方法确定第一像素点的坐标值的灰度值。
子步骤S1202,根据第一灰度值生成第一分布曲线。
在本实施例中,第一分布曲线是根据第一矩形区域中每一列对应的第一灰度值生成的,作为一种具体实施方式,第一分布曲线表示为:其中,ris为所述第一矩形区域中第ci列的行起始坐标,rie为所述第一矩形区域中第ci列的行终止坐标,G(r,ci)为第r行第ci列的第一像素点的第一灰度值。
子步骤S1203,统计第二矩形区域中与第二矩形区域的第一中轴线平行的每一列上的第二像素点的第二灰度值。
在本实施例中,针对第二矩形区域,每一列包括多个第二像素点,每一列对应一个第二灰度值,第二灰度值为该列上的第二像素点的灰度值之和。
子步骤S1204,根据第二灰度值生成第二分布曲线。
在本实施例中,第二分布曲线是根据第二矩形区域中每一列对应的第二灰度值生成的,作为一种具体实施方式,第二分布曲线表示为:其中,rjs为所述第二矩形区域中第cj列的行起始坐标,rje为所述第二矩形区域中第cj列的行终止坐标,G(r,cj)为第r行第cj列的第二像素点的第二灰度值。
本发明实施例提供的上述方法,将灰度投影的结果用第一分布曲线和第二分布曲线表示,以便于后续利用数学计算的方式通过第一分布曲线和第二分布曲线确定目标检测区域,使得确定目标检测区域更精确。
在图1的基础上,本发明实施例还提供了一种确定目标检测区域的具体实施方式,请参照图5,图5为本发明实施例提供的另一种边缘检测方法的流程的示意图,步骤S130包括以下子步骤:
子步骤S1301,对第一分布曲线求导,得到导数值满足预设条件的多个第一边缘点。
在本实施例中,作为一种具体实施方式,为了消除第一矩形区域中的噪声,使确定的目标检测区域更精确,可以先对第一分布曲线进行高斯平滑滤波,然后对滤波后的第一分布曲线求导。
在本实施例中,预设条件为导数值的绝对值大于预设阈值,第一边缘点为导数值的绝对值大于预设阈值的像素点。分布曲线的边缘特征为:当导数值大于0、且其绝对值大于预设阈值时,对应的第一边缘点处于由暗到亮变化的边缘,当导数值小于0、且其绝对值大于预设阈值时,对应的第一边缘点处于由亮到暗变化的边缘。第一边缘点可以表示为:
或/>其中,t为预设阈值。
在本实施例中,第一边缘点包括像素点,对应的导数值可能大于0、也可能小于0,也可能大于0和小于0的都有。
子步骤S1302,对第二分布曲线求导,得到导数值满足预设条件的多个第二边缘点。
在本实施例中,第二边缘点与第一边缘点类似,此处不再赘述。
子步骤S1303,从多个第一边缘点和多个第二边缘点中确定第一目标边缘点和第二目标边缘点,其中,第一目标边缘点和第二目标边缘点之间的距离大于第二预设值。
在本实施例中,以确定第一目标边缘点为例,根据具体的应用场景,确定与应用场景匹配的边缘特征,进而从第一边缘点中确定第一目标边缘点,例如,应用场景需要的是从亮变暗的边缘,则从导数值大于0的第一边缘点中确定第一目标边缘点,故,根据实际的需要,第一目标边缘点可以是第一边缘点中导数值大于0的像素点,也可以是第一边缘点中导数值小于0的像素点,第二目标边缘点与第一目标边缘点类似,只不过需要满足第一目标边缘点和第二目标边缘点之间的距离大于第二预设值。
作为一种具体实施方式,第一目标边缘点和第二目标边缘点之间的距离用ls表示,则第二预设值为:2+2nr,其中,nr为预设的直线拟合时去除的首尾边缘点的数目。在具体应用场景中,考虑到在边缘检测时第一目标边缘点和第二目标边缘点之间的边缘点不会被完全检测出来,所以ls在满足上述条件的情况下,可以应尽可能地设置的大一点,以使得拟合的直线更准确,最终使得边缘检测的结果更准确。
子步骤S1304,根据第一目标边缘点和第二目标边缘点,生成边缘直线。
子步骤S1305,对边缘直线做膨胀运算,得到目标检测区域。
在本实施例中,膨胀运算的目的是对边缘直线进行放大,其的思路是:定义结构元,结构元在整幅图像中移动,移动到每个像素点上,如果结构元与图像上对应像素点的像素值至少有一个像素相等时,保留这个像素点的值。结构元大小的选取应以使目标检测区域的最小覆盖边缘区域为优,结构元设置的太大会引入干扰边缘。
本发明实施例提供的上述方法,通过对第一分布曲线和第二分布曲线求导,并根据导数值选择第一目标边缘点和第二目标边缘点,使得边缘直线更精确,最终使得到的目标检测区域既不会过大,导致引入过多的干扰边缘,也不会过小,导致目标检测区域不能完全覆盖第一边的边缘。
在图1的基础上,本发明实施例还提供了一种确定第一边的边缘的具体实施方式,请参照图6,图6为本发明实施例提供的另一种边缘检测方法的流程的示意图,步骤S140包括以下子步骤:
子步骤S1401,利用预设边缘检测算子对目标检测区域进行边缘检测,得到多个第三边缘点。
在本实施例中,第三边缘点为预设边缘检测算子的输出。
子步骤S1402,对多个第三边缘点进行直线拟合,得到第一边的边缘函数。
在本实施例中,直线拟合可以采用、但不限于最小二乘法、梯度下降法、高斯牛顿法等。
子步骤S1403,根据第一边的边缘函数,确定第一边的边缘。
本发明实施例提供的上述方法,在确定最佳的目标检测区域后,再采用预设边缘检测算子进行边缘检测,保证了最终确定的第一边的边缘的准确性。
需要说明的是,图2中的步骤S110的子步骤S1101-S1103也可以代替图4-图6中的步骤S110,图4中的步骤S120的子步骤S1201-1204也可以代替图2、图5-图6中的步骤S120,图5中的步骤S130的子步骤S1301-S1305也可以代替图2、图4和图6中的步骤S130,图6中的步骤S140的子步骤S1401-S1403也可以代替图2、图4-图5中的步骤S140,以取得对应的技术效果。
在本实施例中,在摄像机的生产过程中,为了确定图像传感器在PCB上的位置,可以采用上述方式对图像传感器的两个边的边缘进行检测,根据检测结果确定图像传感器在PCB上的位置,因此,本发明实施例还提供了一种确定图像传感器在PCB上的位置的处理方式,请参照图7,图7为本发明实施例提供的另一种边缘检测方法的流程的示意图,该方法还包括以下步骤:
步骤S200,对第二边进行边缘检测,得到第二边的边缘。
在本实施例中,首先对位于PCB上的图像传感器进行成像,得到待检测图像,该待检测图像中包括待检测的第一边和待检测的第二边,第一边和第二边为图像传感器的两条边,第一边和第二边形成一个夹角。
在本实施例中,对第二边进行边缘检测的方式与对第一边进行边缘检测的方式类似,只不过对第二边进行边缘检测时,确定的第一矩形的第一中轴线和所述第二矩形区域的第一中轴线与第二边平行,且与第二边的距离小于第一预设值,其余与第一边的边缘的检测类似,此处不再赘述。
步骤S210,根据第一边的边缘和第二边的边缘,确定图像传感器在的待检测图像中的位置。
为了更清楚地说明上述边缘检测方法的具体应用,本发明实施例结合具体的应用场景,提供了一种计算图像传感器两条边的边缘的检测过程的示例。
安防行业中,在制作机芯镜头时,通常先将钣金件与固定有图像传感器的PCB板通过胶水固定在一起,制作成一个模组,然后将该模组通过钣金件的螺孔与镜头固定在一起。在制作模组的过程中需要保证图像传感器的中心能与镜头的光轴对准,在实际中可按如下方法进行。
首先,设计一台设备,该设备上安装一套由多轴(至少包含X平移轴、Y平移轴、Z旋转轴)控制的夹具载台(该夹具应与图像传感器的PCB板匹配)。
其次,在夹具载台下方安装一套成像***,对图像传感器的PCB板进行成像,所成的像应至少包含图像传感器的一个角,作为一种具体实施方式,该角所对应的两条边的像素长度至少为各自维度上图像尺寸的1/2。
第三,将一个已点好胶且已确认其图像传感器中心与光轴重合度满足技术指标的模组放在夹具载台上。
第四,利用成像***采集该标准模组的图像,得到待检测图像,然后采用上述边缘检测方法,得到标准模组的两条边在图像中的像素位置。
第五,将一个待调校图像传感器PCB板放到夹具载台上,然后从成像***中实时采集待检测图像,利用上述边缘检测方法检测出待检测图像中的图像传感器的两条边,并分别计算这两条边与标准模组的对应两条边的距离sh和sv、夹角θ。
最后,调节X平移轴、Y平移轴和Z旋转轴,改变图像传感器PCB板的位置和水平角度,直到sh、sv、θ均小于其对应指标,则认为图像传感器的中心和光轴的重合度已满足设计指标。后续则按照工艺要求对钣金和正在调校的PCB板进行点胶固化,复制出一个模组。
在上述方法中,利用本发明实施例提供的边缘检测方法进行边缘检测的过程如下:
(1)选取第一点Pv1。在该实施例中,图像传感器的感光区域的一个角的两条边在图像中的像素长度至少为图像对应维度尺寸的1/2,图像的尺寸为2592×1944。故图像传感器感光区域的一个角对应的横向边缘长度至少为1296,竖直边缘长度至少为972。因此第一点Pv1的坐标选取为(700,1296)。
(2)生成第一矩形区域。Sl的值设置为1296,Sw的值设置为200(<972-700),这样的设定可以保证生成的第一矩形区域在竖直方向上不超出感光区域,同时,不需要过多的计算,便能在横向上覆盖到图像中的边缘点,从而不会遗漏掉目标边缘点。第一矩形区域如图8中的黑色边框的矩形框所示。
(3)在第一矩形区域内计算灰度投影,得到第一分布曲线,然后对第一分布曲线进行高斯滤波,并对滤波后的第一分布曲线求导,选取符合要求的点。此处,预设条件中的预设阈值t设置为5,根据实际场景的需要,按照图像传感器边缘特征,选取由暗到亮的边缘上的像素点,即f′>0。如图8中黑色圆圈内的“x”所示。
(4)根据图像传感器边缘的分布特征,我们选取如图8中最右边的那个点作为第一目标边缘点pv1,坐标记为(rv1,cv1)。
(5)在重复上述(1)-(4)步骤计算目标竖直边缘上的第二目标边缘点。作为一种具体实施方式,为了使第一矩形区域在竖直方向上不超出图像传感器的感光区域,先采用上述同样的步骤计算出水平边缘上的一个点,用ph1表示,求得的坐标记为(rh1,ch1)。此时选取的投影矩形中心Ph1的坐标为(972,1892),Sl为972,Sw为500。然后选取第二点Pv2的坐标为Sl设置为40,Sw的值设置为/>以此生成的投影矩形(即第二矩形区域)如图9的黑色框所示。投影矩形确定后,按上述同样的方法,计算得到第二目标边缘点pv2,如图9中的“x”所示。
(6)对pv1、pv2连成的线段进行膨胀,得到边缘检测的目标检测区域ROI,如图10中的黑色矩形框所示。此处,膨胀结构元选取的是正方形,其边长设置为16。
(7)在ROI内执行边缘检测。采用canny边缘检测算子,得到第三边缘点后,再通过特征值筛选掉干扰边缘,例如去掉长度太小的边缘,去掉方向与90°相差较大的边缘等。
(8)得到第三边缘点后进行直线拟合,得到目标边缘的数学方程表示。此处采用的是最小二乘拟合。
(9)检测水平边缘。因为已计算得到ph1,此处只需要按步骤(5)的原理再计算出ph2即可。然后再按照步骤(6)-(8)的方法计算出水平边缘的数学表示。最终检测得到的两条边缘如图11所示。
需要说明的是,在本实施例中,上述确定图像传感器在待检测图像中的位置只是上述的边缘检测方法的一种应用场景,事实上,边缘检测还可以应用在其他场景,比如说,根据图像传感器在PBC上的标准位置和利用上述的边缘检测方法检测出的实际位置,计算出图像传感器的位置的偏差,判断该偏差是否在可接受的范围内,又比如说,对图像传感器进行成像,使得待检测图像中包括完整的图像传感器的像,通过确定图像传感器的各个边的边缘,进而确定图像传感器的尺寸。
为了执行上述实施例及各个可能的实施方式中边缘检测的相应步骤,下面给出一种边缘检测装置100的实现方式。请参照图12,图12示出了本发明实施例提供的边缘检测装置100的方框示意图。需要说明的是,本实施例所提供的边缘检测装置100,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及指出。
边缘检测装置100包括获取模块110、第一确定模块120、投影模块130、第二确定模块140、检测模块150及位置确定模块160。
获取模块110,用于获取待检测图像,其中,待检测图像包括待检测的第一边。
第一确定模块120,用于在待检测图像中确定第一矩形区域和第二矩形区域,其中,第一矩形区域的第一中轴线和第二矩形区域的第一中轴线均与第一边平行且与第一边的距离小于第一预设值。
作为一种具体实施方式,第一边包括第一端点和第二端点,第一端点的坐标包括第一横坐标,第二端点的坐标包括第二横坐标,第一确定模块120具体用于:在第一边的预设范围内确定第一点和第二点,其中,第一点的横坐标和第二点的横坐标均在第一横坐标和第二横坐标范围内,第一点与第一边的距离及第二点与第一边的距离均小于第一预设值;以第一点为中心确定第一矩形区域,其中,第一矩形区域的第一中轴线与第一边平行且与第一边的距离小于第一预设值;以第二点为中心确定第二矩形区域,其中,第二矩形区域的第一中轴线与第一边平行且与第一边的距离小于第一预设值。
投影模块130,用于分别对第一矩形区域和第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线。
作为一种具体实施方式,投影模块130具体用于:统计第一矩形区域中与第一矩形区域的第一中轴线平行的每一列上的第一像素点的第一灰度值;根据第一灰度值生成第一分布曲线;统计第二矩形区域中与第二矩形区域的第一中轴线平行的每一列上的第二像素点的第二灰度值;根据第二灰度值生成第二分布曲线。
作为一种具体实施方式,第一分布曲线表示为:所述第一分布曲线表示为:其中,ris为第一矩形区域中第ci列的行起始坐标,rie为第一矩形区域中第ci列的行终止坐标,G(r,ci)为第r行第ci列的第一像素点的第一灰度值,第二分布曲线表示为:/>其中,rjs为第二矩形区域中第cj列的行起始坐标,rje为第二矩形区域中第cj列的行终止坐标,G(r,cj)为第r行第cj列的第二像素点的第二灰度值。
第二确定模块140,用于根据第一分布曲线和第二分布曲线,确定目标检测区域。
作为一种具体实施方式,第二确定模块140具体用于:对第一分布曲线求导,得到导数值满足预设条件的多个第一边缘点;对第二分布曲线求导,得到导数值满足预设条件的多个第二边缘点;从多个第一边缘点和多个第二边缘点中确定第一目标边缘点和第二目标边缘点,其中,第一目标边缘点和第二目标边缘点之间的距离大于第二预设值;根据第一目标边缘点和第二目标边缘点,生成边缘直线;对边缘直线做膨胀运算,得到目标检测区域。
检测模块150,用于对目标检测区域进行边缘检测,以得到第一边的边缘。
作为一种具体实施方式,检测模块150具体用于:利用预设边缘检测算子对目标检测区域进行边缘检测,得到多个第三边缘点;对多个第三边缘点进行直线拟合,得到第一边的边缘函数;根据第一边的边缘函数,确定第一边的边缘。
待检测图像还包括待检测的第二边,第一边和第二边为图像传感器的两条边,第一边和第二边形成一个夹角,位置确定模块160用于:对第二边进行边缘检测,得到第二边的边缘;根据第一边的边缘和第二边的边缘,确定图像传感器在的待检测图像中的位置。
本发明实施例还提供了一种可以执行上述边缘检测方法的计算机设备10的方框示意图,请参照图13,图13示出了本发明实施例提供的计算机设备10的方框示意图,计算机设备10包括处理器11、存储器12、总线13、通信接口14。处理器11、存储器12通过总线13连接,处理器11通过通信接口14与外部设备通信。
处理器11可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器11中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器11可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器12用于存储程序,例如本发明实施例中的边缘检测装置100,边缘检测装置100均包括至少一个可以软件或固件(firmware)的形式存储于存储器12中的软件功能模块,处理器11在接收到执行指令后,执行所述程序以实现本发明实施例中的边缘检测方法。
存储器12可能包括高速随机存取存储器(RAM:Random Access Memory),也可能还包括非易失存储器(non-volatile memory)。可选地,存储器12可以是内置于处理器11中的存储装置,也可以是独立于处理器11的存储装置。
总线13可以是ISA总线、PCI总线或EISA总线等。图13仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的边缘检测方法。
综上所述,本发明实施例提供了一种边缘检测方法、装置、计算机设备及存储介质,所述方法包括:获取待检测图像,其中,待检测图像包括待检测的第一边;在待检测图像中确定第一矩形区域和第二矩形区域,其中,第一矩形区域的第一中轴线和第二矩形区域的第一中轴线均与第一边平行且与第一边的距离小于第一预设值;分别对第一矩形区域和第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线;根据第一分布曲线和第二分布曲线,确定目标检测区域;对目标检测区域进行边缘检测,以得到第一边的边缘。相对于现有技术,本发明通过对待检测图像中第一矩形区域和第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线;再根据第一分布曲线和第二分布曲线,确定目标检测区域;最后,对目标检测区域进行边缘检测,得到第一边的边缘。本发明由于屏蔽了待检测物体的表面特征的变化,因而不受其表面特征变化的影响,可以适用于具有不同表面特征的待检测物体的边缘检测,具有较高的兼容性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种边缘检测方法,其特征在于,所述方法包括:
获取待检测图像,其中,所述待检测图像包括待检测的第一边,所述第一边包括第一端点和第二端点,所述第一端点的坐标包括第一横坐标,所述第二端点的坐标包括第二横坐标;
在所述待检测图像中确定第一矩形区域和第二矩形区域,其中,所述第一矩形区域的第一中轴线和所述第二矩形区域的第一中轴线均与所述第一边平行且与所述第一边的距离小于第一预设值;
分别对所述第一矩形区域和所述第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线;
根据所述第一分布曲线和所述第二分布曲线,确定目标检测区域;
对所述目标检测区域进行边缘检测,以得到所述第一边的边缘;
所述在所述待检测图像中确定第一矩形区域和第二矩形区域的步骤包括:
在所述第一边的预设范围内确定第一点和第二点,其中,所述第一点的横坐标和所述第二点的横坐标均在所述第一横坐标和所述第二横坐标范围内,所述第一点与所述第一边的距离及所述第二点与所述第一边的距离均小于所述第一预设值;
以所述第一点为中心确定第一矩形区域,其中,所述第一矩形区域的第一中轴线与所述第一边平行且与所述第一边的距离小于所述第一预设值;
以所述第二点为中心确定第二矩形区域,其中,所述第二矩形区域的第一中轴线与所述第一边平行且与所述第一边的距离小于所述第一预设值;
所述根据所述第一分布曲线和所述第二分布曲线,确定目标检测区域的步骤包括:
对所述第一分布曲线求导,得到导数值满足预设条件的多个第一边缘点;
对所述第二分布曲线求导,得到导数值满足所述预设条件的多个第二边缘点;
从所述多个第一边缘点和所述多个第二边缘点中确定第一目标边缘点和第二目标边缘点,其中,所述第一目标边缘点和所述第二目标边缘点之间的距离大于第二预设值;
根据所述第一目标边缘点和所述第二目标边缘点,生成边缘直线;
对所述边缘直线做膨胀运算,得到所述目标检测区域。
2.如权利要求1所述的边缘检测方法,其特征在于,所述分别对所述第一矩形区域和所述第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线的步骤包括:
统计所述第一矩形区域中与所述第一矩形区域的第一中轴线平行的每一列上的第一像素点的第一灰度值;
根据所述第一灰度值生成第一分布曲线;
统计所述第二矩形区域中与所述第二矩形区域的第一中轴线平行的每一列上的第二像素点的第二灰度值;
根据所述第二灰度值生成第二分布曲线。
3.如权利要求2所述的边缘检测方法,其特征在于,所述第一分布曲线表示为:,其中,/>为所述第一矩形区域中第/>列的行起始坐标,/>为所述第一矩形区域中第/>列的行终止坐标,/>为第/>行第/>列的第一像素点的第一灰度值,所述第二分布曲线表示为:/>,其中,/>为所述第二矩形区域中第/>列的行起始坐标,/>为所述第二矩形区域中第/>列的行终止坐标,/>为第/>行第/>列的第二像素点的第二灰度值。
4.如权利要求1所述的边缘检测方法,其特征在于,所述对所述目标检测区域进行边缘检测,以得到所述第一边的边缘的步骤包括:
利用预设边缘检测算子对所述目标检测区域进行边缘检测,得到多个第三边缘点;
对所述多个第三边缘点进行直线拟合,得到所述第一边的边缘函数;
根据所述第一边的边缘函数,确定所述第一边的边缘。
5.如权利要求1所述的边缘检测方法,其特征在于,所述待检测图像还包括待检测的第二边,所述第一边和所述第二边为图像传感器的两条边,所述第一边和所述第二边形成一个夹角,所述方法还包括:
对所述第二边进行边缘检测,得到所述第二边的边缘;
根据所述第一边的边缘和所述第二边的边缘,确定所述图像传感器在所述的待检测图像中的位置。
6.一种边缘检测装置,其特征在于,所述装置包括:
获取模块,用于获取待检测图像,其中,所述待检测图像包括待检测的第一边,所述第一边包括第一端点和第二端点,所述第一端点的坐标包括第一横坐标,所述第二端点的坐标包括第二横坐标;
第一确定模块,用于在所述待检测图像中确定第一矩形区域和第二矩形区域,其中,所述第一矩形区域的第一中轴线和所述第二矩形区域的第一中轴线均与所述第一边平行且与所述第一边的距离小于第一预设值;
投影模块,用于分别对所述第一矩形区域和所述第二矩形区域沿各自的第一中轴线进行灰度投影,得到第一分布曲线和第二分布曲线;
第二确定模块,还用于根据所述第一分布曲线和所述第二分布曲线,确定目标检测区域;
检测模块,用于对所述目标检测区域进行边缘检测,以得到所述第一边的边缘;
所述第一确定模块,具体用于:在所述第一边的预设范围内确定第一点和第二点,其中,所述第一点的横坐标和所述第二点的横坐标均在所述第一横坐标和所述第二横坐标范围内,所述第一点与所述第一边的距离及所述第二点与所述第一边的距离均小于所述第一预设值;以所述第一点为中心确定第一矩形区域,其中,所述第一矩形区域的第一中轴线与所述第一边平行且与所述第一边的距离小于所述第一预设值;以所述第二点为中心确定第二矩形区域,其中,所述第二矩形区域的第一中轴线与所述第一边平行且与所述第一边的距离小于所述第一预设值;
所述第二确定模块,具体用于:对所述第一分布曲线求导,得到导数值满足预设条件的多个第一边缘点;对所述第二分布曲线求导,得到导数值满足所述预设条件的多个第二边缘点;从所述多个第一边缘点和所述多个第二边缘点中确定第一目标边缘点和第二目标边缘点,其中,所述第一目标边缘点和所述第二目标边缘点之间的距离大于第二预设值;根据所述第一目标边缘点和所述第二目标边缘点,生成边缘直线;对所述边缘直线做膨胀运算,得到所述目标检测区域。
7.一种计算机设备,包括存储器和处理器,其特征在于,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的边缘检测方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-5中任一项所述的边缘检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485292.2A CN113160259B (zh) | 2021-04-30 | 2021-04-30 | 边缘检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110485292.2A CN113160259B (zh) | 2021-04-30 | 2021-04-30 | 边缘检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160259A CN113160259A (zh) | 2021-07-23 |
CN113160259B true CN113160259B (zh) | 2024-01-30 |
Family
ID=76873103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110485292.2A Active CN113160259B (zh) | 2021-04-30 | 2021-04-30 | 边缘检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160259B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113566721B (zh) * | 2021-07-27 | 2024-01-23 | 凌云光技术股份有限公司 | 一种螺钉孔径测量方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5317388A (en) * | 1992-06-29 | 1994-05-31 | United Parcel Service Of America, Inc. | Method and apparatus for determining the displacement of a rectangular object with respect to a reference position |
CN103914830A (zh) * | 2014-02-22 | 2014-07-09 | 小米科技有限责任公司 | 直线检测方法和装置 |
CN104298753A (zh) * | 2014-10-17 | 2015-01-21 | 重庆市云日信息技术有限公司 | 基于人脸图像处理的人才测评方法 |
CN104981105A (zh) * | 2015-07-09 | 2015-10-14 | 广东工业大学 | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 |
CN108520521A (zh) * | 2017-04-20 | 2018-09-11 | 南京航空航天大学 | 基于图像处理的车轮踏面提取和拼接的方法 |
CN109978940A (zh) * | 2019-03-28 | 2019-07-05 | 福州大学 | 一种sab安全气囊尺寸视觉测量方法 |
CN110992356A (zh) * | 2019-12-17 | 2020-04-10 | 深圳辰视智能科技有限公司 | 目标对象检测方法、装置和计算机设备 |
CN111896556A (zh) * | 2020-08-04 | 2020-11-06 | 湖南大学 | 一种基于机器视觉的玻璃瓶底缺陷检测方法及*** |
CN112215240A (zh) * | 2020-10-13 | 2021-01-12 | 珠海博明视觉科技有限公司 | 一种提高2d复杂边缘检测精度的优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259782A (zh) * | 2016-12-28 | 2018-07-06 | 株式会社理光 | 图像处理装置、摄影***、图像处理方法 |
-
2021
- 2021-04-30 CN CN202110485292.2A patent/CN113160259B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5317388A (en) * | 1992-06-29 | 1994-05-31 | United Parcel Service Of America, Inc. | Method and apparatus for determining the displacement of a rectangular object with respect to a reference position |
CN103914830A (zh) * | 2014-02-22 | 2014-07-09 | 小米科技有限责任公司 | 直线检测方法和装置 |
CN104298753A (zh) * | 2014-10-17 | 2015-01-21 | 重庆市云日信息技术有限公司 | 基于人脸图像处理的人才测评方法 |
CN104981105A (zh) * | 2015-07-09 | 2015-10-14 | 广东工业大学 | 一种快速精确获得元件中心和偏转角度的检测及纠偏方法 |
CN108520521A (zh) * | 2017-04-20 | 2018-09-11 | 南京航空航天大学 | 基于图像处理的车轮踏面提取和拼接的方法 |
CN109978940A (zh) * | 2019-03-28 | 2019-07-05 | 福州大学 | 一种sab安全气囊尺寸视觉测量方法 |
CN110992356A (zh) * | 2019-12-17 | 2020-04-10 | 深圳辰视智能科技有限公司 | 目标对象检测方法、装置和计算机设备 |
CN111896556A (zh) * | 2020-08-04 | 2020-11-06 | 湖南大学 | 一种基于机器视觉的玻璃瓶底缺陷检测方法及*** |
CN112215240A (zh) * | 2020-10-13 | 2021-01-12 | 珠海博明视觉科技有限公司 | 一种提高2d复杂边缘检测精度的优化方法 |
Non-Patent Citations (2)
Title |
---|
Contour-based corner detection and classification by using mean projection transform;Seyed Mostafa Mousavi Kahaki等;《Sensors》;第14卷(第3期);4126-4143 * |
基于图像分割的线段检测方法;张博等;《应用技术学报》;第14卷(第04期);328-331 * |
Also Published As
Publication number | Publication date |
---|---|
CN113160259A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
US6768509B1 (en) | Method and apparatus for determining points of interest on an image of a camera calibration object | |
CN109479082B (zh) | 图象处理方法及装置 | |
TWI441095B (zh) | 距離估算方法及其距離估算裝置,及其機器可讀取媒體 | |
EP3595285A1 (en) | Photography processing method and device for camera module, and terminal apparatus | |
Surh et al. | Noise robust depth from focus using a ring difference filter | |
CN105303514A (zh) | 图像处理方法和装置 | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
CN108716890A (zh) | 一种基于机器视觉的高精度尺寸检测方法 | |
CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
CN108986129B (zh) | 标定板检测方法 | |
CN107230212B (zh) | 一种基于视觉的手机尺寸的测量方法及*** | |
JP2013174547A (ja) | ステレオ3次元計測装置 | |
Farag | A comprehensive real-time road-lanes tracking technique for autonomous driving | |
US20200074660A1 (en) | Image processing device, driving assistance system, image processing method, and program | |
CN113744256A (zh) | 一种深度图空洞填充方法、装置、服务器及可读存储介质 | |
CN113160259B (zh) | 边缘检测方法、装置、计算机设备及存储介质 | |
US20040109599A1 (en) | Method for locating the center of a fiducial mark | |
CN113112396B (zh) | 导电粒子的检测方法 | |
KR20160001868A (ko) | 카메라에서 촬영된 영상의 왜곡을 보정하기 위한 영상 왜곡 보정 방법 | |
KR101574195B1 (ko) | 모바일 플랫폼에 기반한 가상 카메라의 자동 캘리브레이션 방법 | |
US20220076428A1 (en) | Product positioning method | |
CN113744200B (zh) | 一种摄像头脏污检测方法、装置及设备 | |
CN112734721B (zh) | 一种光轴偏转角度检测方法、装置、设备和介质 | |
CN114120343A (zh) | 证件图像质量评估方法及终端 |
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 |