CN115063408B - 图像处理方法、装置、计算机设备和存储介质 - Google Patents
图像处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115063408B CN115063408B CN202210894948.0A CN202210894948A CN115063408B CN 115063408 B CN115063408 B CN 115063408B CN 202210894948 A CN202210894948 A CN 202210894948A CN 115063408 B CN115063408 B CN 115063408B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- characteristic
- processed
- position information
- 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
Images
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像处理方法、装置、计算机设备和存储介质。所述方法包括:获取待处理图像,其中,所述待处理图像为扫描电子显微镜图像;对所述待处理图像进行预处理,以获取所述待处理图像中各边缘区对应的特征图像;对各所述特征图像进行边缘循迹以获取各所述边缘区的边缘曲线;将各所述边缘曲线对应叠加于所述待处理图像上,以形成标识出边缘曲线的目标图像。采用本方法能够即可精确识别出图形边缘。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像处理方法、装置、计算机设备和存储介质。
背景技术
图形化工艺(光刻与刻蚀)用于将设计版图转移至晶圆表面,是芯片制造流程中的关键环节。晶圆表面图形尺寸与设计版图之间的差异是图形化工艺性能的核心评价指标。
为弥补晶圆表面图形尺寸与设计版图之间的差异,通常使用光学临近效应校正(Optic Proximity Correction, OPC)技术对原始设计版图的每条线段进行补偿修正,使显影后(After Develop Inspect,ADI)和刻蚀后(After Etch Inspect,AEI)的图形尽量忠实还原设计版图。
而检测ADI图形和AEI图形是否忠实还原设计版图,需要确定ADI图形和AEI图形的边缘轮廓,而ADI图形和AEI图形的线条具有一定线宽,其边缘轮廓难以精确确定,导致难以精确检测ADI图形和AEI图形是否忠实还原设计版图,进而难以进行精确的反馈调整,导致补偿修正效果较差。
发明内容
基于此,有必要针对上述技术问题,提供一种能够准确确定并标识出边缘曲线的图像处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种图像处理方法,所述方法包括:
获取待处理图像,其中,所述待处理图像为扫描电子显微镜图像;
对所述待处理图像进行预处理,以获取所述待处理图像中各边缘区对应的特征图像;
对各所述特征图像进行边缘循迹以获取各所述边缘区的边缘曲线;
将各所述边缘曲线对应叠加于所述待处理图像上,以形成标识出边缘曲线的目标图像。
在其中一个实施例中,对所述待处理图像进行预处理,包括:
对所述待处理图像进行滤波处理;
对滤波处理后的图像进行二值化处理以获取二值灰度图像;
对二值灰度图像进行连通域分割以分割出各连通域图像,其中,所述连通域图像包括至少一个边缘区;
根据各所述连通域图像和所述滤波处理后的图像获取各所述连通域图像对应的所述特征图像。
在其中一个实施例中,根据各所述连通域图像和所述滤波处理后的图像获取各所述连通域图像对应的所述特征图像,包括:
将各所述连通域图像中像素的灰度值与所述滤波处理后的图像中对应像素的灰度值相乘,以获取各所述连通域图像像素的目标灰度值;
基于各所述连通域图像和各所述目标灰度值获取各所述特征图像。
在其中一个实施例中,对所述特征图像进行边缘循迹以获取所述边缘区的边缘曲线,包括:
根据所述特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,直到获取所述边缘区的最后一个特征像素的位置信息,其中,i≥2;
根据第一个特征像素至最后一个特征像素的位置信息确定所述边缘曲线。
在其中一个实施例中,根据所述特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息之前,还包括:
获取所述边缘区上的第一个特征像素的位置信息,其中,当所述边缘区与对应所述特征图像的边界相连时,所述第一个特征像素为所述图像边界上灰度值最高的像素,当所述目标边缘区未与所述目标边缘区图像的边界相连时,所述第一个特征像素为灰度值最高的像素;
根据第一个特征像素的位置信息确定第二个特征像素的位置信息,其中,所述第二个特征像素位于所述第一个特征像素的垂直轴线上,且与所述第一个特征像素相邻。
在其中一个实施例中,根据所述特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,包括:
根据所述特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的候选像素;
将各所述候选像素中灰度值最高的候选像素的位置信息确定为第i+1个特征像素的位置信息。
在其中一个实施例中,根据所述特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的候选像素,包括:
根据所述特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息确定所述边缘曲线的候选延伸方向,其中,以所述第i-1个特征像素向所述第i个特征像素延伸的方向作为参考方向,所述候选延伸方向与所述参考方向之间的夹角小于90度;
将位于所述候选延伸方向并与所述第i个特征像素相邻的像素确定为第i+1个特征像素的候选像素。
在其中一个实施例中,对所述待处理图像进行预处理之前,还包括:
根据预设压缩比例对所述待处理图像进行压缩;
将各所述边缘曲线对应叠加于所述待处理图像上之前,还包括:
根据所述预设压缩比例对所述边缘曲线进行扩展。
第二方面,本申请还提供了一种图像处理装置。所述装置包括:
第一获取模块,用于获取待处理图像,其中,所述待处理图像为扫描电子显微镜图像;
预处理模块,用于对所述待处理图像进行预处理,以获取所述待处理图像的各边缘区对应的特征图像;
第二获取模块,用于对各所述特征图像进行边缘循迹以获取各所述边缘区的边缘曲线;
叠加模块,用于将各所述边缘曲线对应叠加于所述待处理图像上,以形成标识出边缘曲线的目标图像。
第三方面,本申请还提供了一种计算机设备。所述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以下步骤:
获取待处理图像,其中,所述待处理图像为扫描电子显微镜图像;
对所述待处理图像进行预处理,以获取所述待处理图像中各边缘区对应的特征图像;
对各所述特征图像进行边缘循迹以获取各所述边缘区的边缘曲线;
将各所述边缘曲线对应叠加于所述待处理图像上,以形成标识出边缘曲线的目标图像。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待处理图像,其中,所述待处理图像为扫描电子显微镜图像;
对所述待处理图像进行预处理,以获取所述待处理图像中各边缘区对应的特征图像;
对各所述特征图像进行边缘循迹以获取各所述边缘区的边缘曲线;
将各所述边缘曲线对应叠加于所述待处理图像上,以形成标识出边缘曲线的目标图像。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待处理图像,其中,所述待处理图像为扫描电子显微镜图像;
对所述待处理图像进行预处理,以获取所述待处理图像中各边缘区对应的特征图像;
对各所述特征图像进行边缘循迹以获取各所述边缘区的边缘曲线;
将各所述边缘曲线对应叠加于所述待处理图像上,以形成标识出边缘曲线的目标图像。
上述图像处理方法、装置、计算机设备、存储介质和计算机程序产品,通过对待处理图像进行预处理,以获取待处理图像的各目标边缘区图像;进而获取各目标边缘区图像的边缘曲线;在确定边缘曲线后,将各边缘曲线叠加于所述待处理图像上,即可精确识别出图形边缘,从而便于准确确定ADI图形和AEI图形是否忠实还原设计版图。
附图说明
图1为一个实施例中图像处理方法的流程示意图;
图2为一个实施例中待处理图像的示意图;
图3-图7为对图2所示的图像进行预处理得到的各特征图像的示意图;
图8为图2所示的图像叠加边缘曲线形成的目标图像,其中,边缘区内的黑色曲线为边缘曲线;
图9为一个实施例中对待处理图像进行预处理步骤的流程示意图;
图10为对图2所示的图像进行滤波并二值化处理得到的二值灰度图像的示意图;
图11-图15为对图10所示的图像进行连通域分割得到的各连通域图像的示意图;
图16为一个实施例中确定第i+1个特征像素的候选像素的示意图;
图17为一个实施例中图像处理装置的结构框图;
图18为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,本申请提供了一种图像处理方法,该图像处理方法包括:
S101:获取待处理图像,其中,待处理图像为扫描电子显微镜图像。
应用中,待处理图像可以为不带测量结果与其他标记的灰度图。
S102:对待处理图像进行预处理,以获取待处理图像中各边缘区对应的特征图像。
可以理解,通过对待处理图像进行预处理,获取待处理图像的各边缘区对应的特征图像,从而将待处理图像的各边缘区分割开来,以便后续分别对待处理图像的各边缘区进行处理。其中,由于图像分辨率问题,在扫描电子显微镜图像上,两不同图案的交界为具有一定线宽的交界区,即边缘区。
示例性地,待处理图像为图2所示的图像时,图2中存在边缘区11、边缘区12、边缘区13、边缘区14、边缘区15,对待处理图像进行预处理得到的各特征图像为图3-图7的图像,图3中的边缘区11a与图2中的边缘区11对应,图4中的边缘区12a与图2中的边缘区12对应,图5中的边缘区13a与图2中的边缘区13对应,图6中的边缘区14a与图2中的边缘区14对应,图7中的边缘区15a与图2中的边缘区15对应。
S103:对各特征图像进行边缘循迹以获取各边缘区的边缘曲线。
其中,边缘曲线位于边缘区中。
S104:将各边缘曲线对应叠加于待处理图像上,以形成标识出边缘曲线的目标图像。
具体地,如图8所示,将边缘曲线(黑色曲线部分)对应叠加于待处理图像,形成标识出边缘曲线的目标图像,从而确定出待处理图像中的各图形的边缘轮廓,例如沟槽的边缘轮廓。
本实施例中,通过对待处理图像进行预处理,以获取待处理图像的各目标边缘区图像;进而获取各目标边缘区图像的边缘曲线;在确定边缘曲线后,将各边缘曲线叠加于待处理图像上,即可精确识别出图形边缘,从而便于准确确定ADI图形和AEI图形是否忠实还原设计版图。
在一个实施例中,如图9所示,对待处理图像进行预处理,包括:
S901:对待处理图像进行滤波处理。
其中,可以采用中值滤波法对待处理图像进行滤波处理。中值滤波法是一种非线性平滑技术,它将每一像素的灰度值设置为该像素某邻域窗口内的所有像素点灰度值的中值。通过对待处理图像进行中值滤波,可以去除待处理图像中的椒盐噪声。
S902:对滤波处理后的图像进行二值化处理以获取二值灰度图像。
具体地,对滤波图像进行二值化处理,即将滤波图像中灰度值小于预设阈值的像素的灰度值设为0,将滤波图像中灰度值大于预设阈值的像素的灰度值设为相应预设值,例如255。从而将背景区域和边缘区分离开来。对图2所示的待处理图像滤波处理后,再进行二值化处理得到的图像如图10所示,图2中的边缘区11、边缘区12、边缘区13、边缘区14、边缘区15变为图10中的边缘区11a、边缘区12a、边缘区13a、边缘区14a、边缘区15a。
示例性地,将图片灰度化后,我们选择127(灰度值范围的一半)作为阈值,即将像素值大于127的像素值全部设为255,小于127的全部设为0。
S903:对二值灰度图像进行连通域分割以分割出各连通域图像,其中,连通域图像包括至少一个边缘区。
可以理解,在二值灰度图像中,灰度值为零的像素为背景像素,灰度值大于零的像素为图形像素,图形像素的灰度值相同,连通区域为具有相同灰度值且位置相邻的像素组成的图形区域,因此,根据二值灰度图像中各像素的位置信息和灰度值即可实现连通域分割,分割出各包括不同边缘区的连通域图像。示例性地,对图10所示的二值灰度图像进行连通域分割,得到图11至图15所示的连通域图像,将图10中的边缘区11a、边缘区12a、边缘区13a、边缘区14a、边缘区15a分割至图11至图15所示的连通域图像中。
S904:根据各连通域图像和滤波处理后的图像获取各连通域图像对应的特征图像。
具体地,基于各连通域图像和滤波处理后的图像获取各特征图像,使各特征图像中对应背景像素的灰度值为零,其余像素的灰度值与滤波处理后的图像中对应像素的灰度值相对应,进而使对应图形像素的灰度值不再相同,从而能够基于像素的灰度值确定各连通域图像的边缘曲线。
在一个实施例中,根据各连通域图像和滤波处理后的图像获取各连通域图像对应的特征图像,包括:将各连通域图像中像素的灰度值与滤波处理后的图像中对应像素的灰度值相乘,以获取各连通域图像像素的目标灰度值;基于各连通域图像和各目标灰度值获取各特征图像。
示例性地,基于图11至图15所示的连通域图像和各目标灰度值可以获取图3至图7所示的特征图像,对应地,边缘区11a、边缘区12a、边缘区13a、边缘区14a、边缘区15a变为边缘区11b、边缘区12b、边缘区13b、边缘区14b、边缘区15b。
其中,将滤波图像中灰度值大于预设阈值的像素的灰度值设为预设值X,则在确定各连通域图像中像素的目标灰度值后,将各连通域图像中像素的灰度值设为目标灰度值/X得到各特征图像。
可以理解,由于背景像素的灰度值为零,则滤波图像与背景像素对应的像素(与背景像素的位置信息相同)的灰度值无论为多少,将各连通域图像中像素的灰度值与滤波图像对应像素的灰度值相乘后,背景像素的灰度值依然为零,而图形像素的灰度值将会重新设定,进而根据重新设定的图形像素的灰度值来确定边缘曲线。
示例性地,滤波图像中A像素对应背景像素,B像素对应图形像素,则在经过上述步骤后,特征图像中对应A像素的灰度值为零,特征图像中对应B像素的灰度值与B像素的灰度值相同。
在一个实施例中,对滤波图像进行二值化处理以获取二值灰度图像,包括:获取滤波图像的各像素的灰度值;将灰度值小于预设阈值的像素的灰度值设为零,将灰度值大于预设阈值的像素的灰度值设为一。
可以理解,在将灰度值大于预设阈值的像素的灰度值设为一后,在确定各连通域图像中像素的目标灰度值后,直接将各连通域图像中像素的灰度值设为目标灰度值即可得到各特征图像。
在一个实施例中,对特征图像进行边缘循迹以获取边缘区的边缘曲线,包括:根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,直到获取边缘区的最后一个特征像素的位置信息,其中,i≥2;根据第一个特征像素至最后一个特征像素的位置信息确定边缘曲线。
其中,根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息可以确定边缘曲线的延伸趋势,因此,根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,可以降低延伸方向出错的概率,避免形成错误的闭合曲线。
在一个实施例中,根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息之前,还包括:获取边缘区上的第一个特征像素的位置信息,其中,当边缘区与对应特征图像的边界相连时,第一个特征像素为图像边界上灰度值最高的像素,当目标边缘区未与目标边缘区图像的边界相连时,第一个特征像素为灰度值最高的像素;根据第一个特征像素的位置信息确定第二个特征像素的位置信息,其中,第二个特征像素位于第一个特征像素的垂直轴线上,且与第一个特征像素相邻。
可以理解,第一个特征像素为边缘曲线的初始点,在边缘区与对应特征图像的边界相连时,若第一个特征像素未位于对应特征图像的边界上,则确定出的边缘曲线可能并不完整,因此,当边缘区与对应特征图像的边界相连时,第一个特征像素为图像边界上灰度值最高的像素,以从图像边界上确定边缘曲线的初始点,避免边缘曲线不完整。
具体地,当第一个特征像素位于图像边界上时,第二个特征像素唯一确定。当第一个特征像素未处于图像边界上时,存在两个像素符合第二个特征像素的条件,选择两个像素中的一者作为第二个特征像素。应用中,当存在两个像素符合参考像素的条件时,可以默认第一个特征像素下方的像素为第二个特征像素。
在一个实施例中,根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,包括:根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的候选像素;将各候选像素中灰度值最高的候选像素的位置信息确定为第i+1个特征像素的位置信息。
在一个实施例中,根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的候选像素,包括:根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息确定边缘曲线的候选延伸方向,其中,以第i-1个特征像素向第i个特征像素延伸的方向作为参考方向,候选延伸方向与参考方向的夹角小于90度;将位于候选延伸方向并与第i个特征像素相邻的像素确定为候选像素。
可以理解,当候选延伸方向与参考方向的夹角小于90度时,位于候选延伸方向并与第i个特征像素相邻的像素只会有3个。应用中,候选延伸方向与参考方向之间的夹角可以确定为0度和45度。
示例性地,图16为边缘区像素点灰度图,图16中的格点为像素,(xc,yc)为已定边缘曲线的当前点,即第i个特征像素,(x0,y0)为已定边缘曲线的上一个点,即第i-1个特征像素,确定第i+1个特征像素的方法为:顺延(x0,y0)->(xc,yc)得到参考方向,与(xc,yc)相邻的像素(x1,y1)、(x2,y2)和(x3,y3)位于候选延伸方向上,像素(x1,y1)、(x2,y2)和(x3,y3)为候选像素,然后分别读取三个候选像素的灰度值,灰度值最大的候选像素被选择为第i+1个特征像素。
在一个实施例中,对待处理图像进行预处理之前,还包括:根据预设压缩比例对待处理图像进行压缩的步骤;将各边缘曲线对应叠加于待处理图像上之前,还包括:根据预设压缩比例对边缘曲线进行扩展的步骤。
本实施例中,通过对待处理图像压缩,从而降低后续过程的处理时间。而由于各边缘曲线是基于压缩后的待处理图像得到的边缘曲线,原始待处理图像并未压缩,因此,为了各边缘曲线能对应叠加于待处理图像上,需要基于预设压缩比例对边缘曲线进行扩展,以与原始待处理图像的大小对应。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的图像处理方法的图像处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个图像处理装置实施例中的具体限定可以参见上文中对于图像处理方法的限定,在此不再赘述。
在一个实施例中,如图17所示,提供了一种图像处理装置1700,包括:第一获取模块1701、预处理模块1702、第二获取模块1703和叠加模块1704,其中:
第一获取模块1701,用于获取待处理图像,其中,待处理图像为扫描电子显微镜图像;
预处理模块1702,用于对待处理图像进行预处理,以获取待处理图像的各边缘区对应的特征图像;
第二获取模块1703,用于对各特征图像进行边缘循迹以获取各边缘区的边缘曲线;
叠加模块1704,用于将各边缘曲线对应叠加于待处理图像上,以形成标识出边缘曲线的目标图像。
在一个实施例中,预处理模块1702包括:滤波子模块、二值化处理子模块、分割子模块和获取子模块,滤波子模块用于对待处理图像进行滤波处理;二值化处理子模块用于对滤波处理后的图像进行二值化处理以获取二值灰度图像;分割子模块用于对二值灰度图像进行连通域分割以分割出各连通域图像,其中,连通域图像包括至少一个边缘区;获取子模块用于根据各连通域图像和滤波处理后的图像获取各连通域图像对应的特征图像。
在一个实施例中,获取子模块包括:乘算单元和获取单元,乘算单元用于将各连通域图像中像素的灰度值与滤波处理后的图像中对应像素的灰度值相乘,以获取各连通域图像像素的目标灰度值;获取单元用于基于各连通域图像和各目标灰度值获取各特征图像。
在一个实施例中,第二获取模块1703包括:第一确定子模块和第二确定子模块,第一确定子模块用于根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,直到获取边缘区的最后一个特征像素的位置信息,其中,i≥2;第一确定子模块用于根据第一个特征像素至最后一个特征像素的位置信息确定边缘曲线。
在一个实施例中,第二获取模块1703还包括:定位子模块和第三确定子模块,定位子模块用于获取边缘区上的第一个特征像素的位置信息,其中,当边缘区与对应特征图像的边界相连时,第一个特征像素为图像边界上灰度值最高的像素,当目标边缘区未与目标边缘区图像的边界相连时,第一个特征像素为灰度值最高的像素;第三确定子模块用于根据第一个特征像素的位置信息确定第二个特征像素的位置信息,其中,第二个特征像素位于第一个特征像素的垂直轴线上,且与第一个特征像素相邻。
在一个实施例中,第一确定子模块包括:第一确定单元和第二确定单元,第一确定单元用于根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的候选像素;第二确定单元用于将各候选像素中灰度值最高的候选像素的位置信息确定为第i+1个特征像素的位置信息。
在一个实施例中,第一确定单元包括:延伸子单元和确定子单元,延伸子单元用于根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息确定边缘曲线的候选延伸方向,其中,以第i-1个特征像素向第i个特征像素延伸的方向作为参考方向,候选延伸方向与参考方向之间的夹角小于90度;确定子单元用于将位于候选延伸方向并与第i个特征像素相邻的像素确定为第i+1个特征像素的候选像素。
在一个实施例中,图像处理装置1700还包括:压缩模块和扩展模块,压缩模块用于根据预设压缩比例对待处理图像进行压缩;扩展模块用于根据预设压缩比例对边缘曲线进行扩展。
上述图像处理装置1700中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图18所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示单元和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像处理方法。该计算机设备的显示单元可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图18中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待处理图像,其中,待处理图像为扫描电子显微镜图像;
对待处理图像进行预处理,以获取待处理图像中各边缘区对应的特征图像;
对各特征图像进行边缘循迹以获取各边缘区的边缘曲线;
将各边缘曲线对应叠加于待处理图像上,以形成标识出边缘曲线的目标图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对待处理图像进行滤波处理;对滤波处理后的图像进行二值化处理以获取二值灰度图像;对二值灰度图像进行连通域分割以分割出各连通域图像,其中,连通域图像包括至少一个边缘区;根据各连通域图像和滤波处理后的图像获取各连通域图像对应的特征图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将各连通域图像中像素的灰度值与滤波处理后的图像中对应像素的灰度值相乘,以获取各连通域图像像素的目标灰度值;基于各连通域图像和各目标灰度值获取各特征图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,直到获取边缘区的最后一个特征像素的位置信息,其中,i≥2;根据第一个特征像素至最后一个特征像素的位置信息确定边缘曲线。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取边缘区上的第一个特征像素的位置信息,其中,当边缘区与对应特征图像的边界相连时,第一个特征像素为图像边界上灰度值最高的像素,当目标边缘区未与目标边缘区图像的边界相连时,第一个特征像素为灰度值最高的像素;根据第一个特征像素的位置信息确定第二个特征像素的位置信息,其中,第二个特征像素位于第一个特征像素的垂直轴线上,且与第一个特征像素相邻。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的候选像素;将各候选像素中灰度值最高的候选像素的位置信息确定为第i+1个特征像素的位置信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息确定边缘曲线的候选延伸方向,其中,以第i-1个特征像素向第i个特征像素延伸的方向作为参考方向,候选延伸方向与参考方向之间的夹角小于90度;将位于候选延伸方向并与第i个特征像素相邻的像素确定为第i+1个特征像素的候选像素。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在对待处理图像进行预处理之前,根据预设压缩比例对待处理图像进行压缩;在将各边缘曲线对应叠加于待处理图像上之前,根据预设压缩比例对边缘曲线进行扩展。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待处理图像,其中,待处理图像为扫描电子显微镜图像;
对待处理图像进行预处理,以获取待处理图像中各边缘区对应的特征图像;
对各特征图像进行边缘循迹以获取各边缘区的边缘曲线;
将各边缘曲线对应叠加于待处理图像上,以形成标识出边缘曲线的目标图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对待处理图像进行滤波处理;对滤波处理后的图像进行二值化处理以获取二值灰度图像;对二值灰度图像进行连通域分割以分割出各连通域图像,其中,连通域图像包括至少一个边缘区;根据各连通域图像和滤波处理后的图像获取各连通域图像对应的特征图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将各连通域图像中像素的灰度值与滤波处理后的图像中对应像素的灰度值相乘,以获取各连通域图像像素的目标灰度值;基于各连通域图像和各目标灰度值获取各特征图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,直到获取边缘区的最后一个特征像素的位置信息,其中,i≥2;根据第一个特征像素至最后一个特征像素的位置信息确定边缘曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取边缘区上的第一个特征像素的位置信息,其中,当边缘区与对应特征图像的边界相连时,第一个特征像素为图像边界上灰度值最高的像素,当目标边缘区未与目标边缘区图像的边界相连时,第一个特征像素为灰度值最高的像素;根据第一个特征像素的位置信息确定第二个特征像素的位置信息,其中,第二个特征像素位于第一个特征像素的垂直轴线上,且与第一个特征像素相邻。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的候选像素;将各候选像素中灰度值最高的候选像素的位置信息确定为第i+1个特征像素的位置信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息确定边缘曲线的候选延伸方向,其中,以第i-1个特征像素向第i个特征像素延伸的方向作为参考方向,候选延伸方向与参考方向之间的夹角小于90度;将位于候选延伸方向并与第i个特征像素相邻的像素确定为第i+1个特征像素的候选像素。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在对待处理图像进行预处理之前,根据预设压缩比例对待处理图像进行压缩;在将各边缘曲线对应叠加于待处理图像上之前,根据预设压缩比例对边缘曲线进行扩展。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取待处理图像,其中,待处理图像为扫描电子显微镜图像;
对待处理图像进行预处理,以获取待处理图像中各边缘区对应的特征图像;
对各特征图像进行边缘循迹以获取各边缘区的边缘曲线;
将各边缘曲线对应叠加于待处理图像上,以形成标识出边缘曲线的目标图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对待处理图像进行滤波处理;对滤波处理后的图像进行二值化处理以获取二值灰度图像;对二值灰度图像进行连通域分割以分割出各连通域图像,其中,连通域图像包括至少一个边缘区;根据各连通域图像和滤波处理后的图像获取各连通域图像对应的特征图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将各连通域图像中像素的灰度值与滤波处理后的图像中对应像素的灰度值相乘,以获取各连通域图像像素的目标灰度值;基于各连通域图像和各目标灰度值获取各特征图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的位置信息,直到获取边缘区的最后一个特征像素的位置信息,其中,i≥2;根据第一个特征像素至最后一个特征像素的位置信息确定边缘曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取边缘区上的第一个特征像素的位置信息,其中,当边缘区与对应特征图像的边界相连时,第一个特征像素为图像边界上灰度值最高的像素,当目标边缘区未与目标边缘区图像的边界相连时,第一个特征像素为灰度值最高的像素;根据第一个特征像素的位置信息确定第二个特征像素的位置信息,其中,第二个特征像素位于第一个特征像素的垂直轴线上,且与第一个特征像素相邻。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息,确定第i+1个特征像素的候选像素;将各候选像素中灰度值最高的候选像素的位置信息确定为第i+1个特征像素的位置信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据特征图像上第i个特征像素的位置信息和第i-1个特征像素的位置信息确定边缘曲线的候选延伸方向,其中,以第i-1个特征像素向第i个特征像素延伸的方向作为参考方向,候选延伸方向与参考方向之间的夹角小于90度;将位于候选延伸方向并与第i个特征像素相邻的像素确定为第i+1个特征像素的候选像素。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在对待处理图像进行预处理之前,根据预设压缩比例对待处理图像进行压缩;在将各边缘曲线对应叠加于待处理图像上之前,根据预设压缩比例对边缘曲线进行扩展。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种图像处理方法,其特征在于,所述方法包括:
获取待处理图像,其中,所述待处理图像为扫描电子显微镜图像;
对所述待处理图像进行预处理,以获取所述待处理图像中各边缘区对应的特征图像;
获取所述边缘区上的第一个特征像素的位置信息,其中,当所述边缘区与对应所述特征图像的边界相连时,所述第一个特征像素为所述特征图像边界上灰度值最高的像素,当所述边缘区未与所述特征图像的边界相连时,所述第一个特征像素为所述边缘区上灰度值最高的像素;
根据所述边缘区上的第一个特征像素的位置信息确定所述边缘区上的第二个特征像素的位置信息,其中,所述第二个特征像素位于所述第一个特征像素的垂直轴线上,且与所述第一个特征像素相邻;
根据所述边缘区上第i个特征像素的位置信息和第i-1个特征像素的位置信息确定所述边缘区的边缘曲线的候选延伸方向,其中,以所述第i-1个特征像素向所述第i个特征像素延伸的方向作为参考方向,所述候选延伸方向与所述参考方向之间的夹角小于90度,i≥2;
将位于所述候选延伸方向并与所述第i个特征像素相邻的像素确定为第i+1个特征像素的候选像素;
将各所述候选像素中灰度值最高的候选像素的位置信息确定为第i+1个特征像素的位置信息,直到获取所述边缘区的最后一个特征像素的位置信息;
根据各所述边缘区的第一个特征像素至最后一个特征像素的位置信息确定各所述边缘区的边缘曲线;
将各所述边缘曲线对应叠加于所述待处理图像上,以形成标识出边缘曲线的目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,对所述待处理图像进行预处理,包括:
对所述待处理图像进行滤波处理;
对滤波处理后的图像进行二值化处理以获取二值灰度图像;
对二值灰度图像进行连通域分割以分割出各连通域图像,其中,所述连通域图像包括至少一个边缘区;
根据各所述连通域图像和所述滤波处理后的图像获取各所述连通域图像对应的所述特征图像。
3.根据权利要求2所述的图像处理方法,其特征在于,根据各所述连通域图像和所述滤波处理后的图像获取各所述连通域图像对应的所述特征图像,包括:
将各所述连通域图像中像素的灰度值与所述滤波处理后的图像中对应像素的灰度值相乘,以获取各所述连通域图像像素的目标灰度值;
基于各所述连通域图像和各所述目标灰度值获取各所述特征图像。
4.根据权利要求2所述的图像处理方法,其特征在于,对滤波处理后的图像进行二值化处理以获取二值灰度图像,包括:获取滤波图像的各像素的灰度值;将灰度值小于预设阈值的像素的灰度值设为零,将灰度值大于预设阈值的像素的灰度值设为一。
5.根据权利要求1所述的图像处理方法,其特征在于,对所述待处理图像进行预处理之前,还包括:
根据预设压缩比例对所述待处理图像进行压缩;
将各所述边缘曲线对应叠加于所述待处理图像上之前,还包括:
根据所述预设压缩比例对所述边缘曲线进行扩展。
6.一种图像处理装置,其特征在于,所述装置包括:
第一获取模块,用于获取待处理图像,其中,所述待处理图像为扫描电子显微镜图像;
预处理模块,用于对所述待处理图像进行预处理,以获取所述待处理图像的各边缘区对应的特征图像;
第二获取模块,用于获取所述边缘区上的第一个特征像素的位置信息,其中,当所述边缘区与对应所述特征图像的边界相连时,所述第一个特征像素为所述特征图像边界上灰度值最高的像素,当所述边缘区未与所述特征图像的边界相连时,所述第一个特征像素为所述边缘区上灰度值最高的像素;根据所述边缘区上的第一个特征像素的位置信息确定所述边缘区上的第二个特征像素的位置信息,其中,所述第二个特征像素位于所述第一个特征像素的垂直轴线上,且与所述第一个特征像素相邻;根据所述边缘区上第i个特征像素的位置信息和第i-1个特征像素的位置信息确定所述边缘区的边缘曲线的候选延伸方向,其中,以所述第i-1个特征像素向所述第i个特征像素延伸的方向作为参考方向,所述候选延伸方向与所述参考方向之间的夹角小于90度,i≥2;将位于所述候选延伸方向并与所述第i个特征像素相邻的像素确定为第i+1个特征像素的候选像素;将各所述候选像素中灰度值最高的候选像素的位置信息确定为第i+1个特征像素的位置信息,直到获取所述边缘区的最后一个特征像素的位置信息;根据各所述边缘区的第一个特征像素至最后一个特征像素的位置信息确定各边缘区的边缘曲线;
叠加模块,用于将各所述边缘曲线对应叠加于所述待处理图像上,以形成标识出边缘曲线的目标图像。
7.根据权利要求6所述的图像处理装置,其特征在于,所述预处理模块包括:
滤波子模块,用于对所述待处理图像进行滤波处理;
二值化处理子模块,用于对滤波处理后的图像进行二值化处理以获取二值灰度图像;
分割子模块,用于对所述二值灰度图像进行连通域分割以分割出各连通域图像,其中,所述连通域图像包括至少一个边缘区;
获取子模块,用于根据各所述连通域图像和所述滤波处理后的图像获取各所述连通域图像对应的所述特征图像。
8.根据权利要求7所述的图像处理装置,其特征在于,所述获取子模块包括:
乘算单元,用于将各所述连通域图像中像素的灰度值与所述滤波处理后的图像中对应像素的灰度值相乘,以获取各所述连通域图像像素的目标灰度值
获取单元,用于基于各所述连通域图像和各所述目标灰度值获取各所述特征图像。
9.根据权利要求6所述的图像处理装置,其特征在于,所述图像处理装置还包括:
压缩模块,用于根据预设压缩比例对所述待处理图像进行压缩;
扩展模块,用于根据预设压缩比例对所述边缘曲线进行扩展。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
11.一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,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894948.0A CN115063408B (zh) | 2022-07-28 | 2022-07-28 | 图像处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894948.0A CN115063408B (zh) | 2022-07-28 | 2022-07-28 | 图像处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115063408A CN115063408A (zh) | 2022-09-16 |
CN115063408B true CN115063408B (zh) | 2022-12-02 |
Family
ID=83205356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210894948.0A Active CN115063408B (zh) | 2022-07-28 | 2022-07-28 | 图像处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115063408B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193302A (zh) * | 2010-03-03 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及*** |
CN103543394A (zh) * | 2013-10-27 | 2014-01-29 | 华北电力大学(保定) | 一种高压电气设备放电紫外成像量化参数提取方法 |
CN104317159A (zh) * | 2010-03-03 | 2015-01-28 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及*** |
CN110619318A (zh) * | 2019-09-27 | 2019-12-27 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法、显微镜、***和介质 |
CN113808109A (zh) * | 2021-09-17 | 2021-12-17 | 贵州电网有限责任公司 | 一种采用GaN红紫外传感器检测零值绝缘子放电分布的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006026843A1 (de) * | 2006-06-09 | 2007-12-20 | Carl Zeiss Nts Gmbh | Verfahren zur Bearbeitung eines digitalen Grauwertbildes |
US10484601B2 (en) * | 2015-08-31 | 2019-11-19 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
CN107507208B (zh) * | 2017-07-12 | 2020-04-10 | 天津大学 | 一种基于轮廓上曲率估计的图像特征点提取方法 |
CN113298837B (zh) * | 2021-07-27 | 2021-11-26 | 南昌工程学院 | 一种图像边缘提取方法、装置、存储介质及设备 |
-
2022
- 2022-07-28 CN CN202210894948.0A patent/CN115063408B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193302A (zh) * | 2010-03-03 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及*** |
CN104317159A (zh) * | 2010-03-03 | 2015-01-28 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及*** |
CN103543394A (zh) * | 2013-10-27 | 2014-01-29 | 华北电力大学(保定) | 一种高压电气设备放电紫外成像量化参数提取方法 |
CN110619318A (zh) * | 2019-09-27 | 2019-12-27 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法、显微镜、***和介质 |
CN113808109A (zh) * | 2021-09-17 | 2021-12-17 | 贵州电网有限责任公司 | 一种采用GaN红紫外传感器检测零值绝缘子放电分布的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115063408A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6792842B2 (ja) | 外観検査装置、変換データ生成装置、及びプログラム | |
WO2013091088A1 (en) | Image registration method and system robust to noise | |
US20160292838A1 (en) | Image synthesis apparatus, image synthesis method, and recording medium | |
CN111539238B (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
CN117011304B (zh) | 缺陷检测方法、装置、计算机设备及计算机可读存储介质 | |
CN112560864B (zh) | 图像语义分割方法、装置及图像语义分割模型的训练方法 | |
CN113838138B (zh) | 一种优化特征提取的***标定方法、***、装置和介质 | |
CN115759148B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
Sun et al. | A general non-local denoising model using multi-kernel-induced measures | |
Mishra et al. | Development of robust neighbor embedding based super-resolution scheme | |
CN117291790B (zh) | 一种sar图像配准方法、装置、设备及介质 | |
CN115063408B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN111882588B (zh) | 图像块配准方法及相关产品 | |
Climer et al. | Local lines: A linear time line detector | |
Karaca et al. | Interpolation-based image inpainting in color images using high dimensional model representation | |
CN115272428A (zh) | 图像对齐方法、装置、计算机设备和存储介质 | |
CN115147296A (zh) | 高光谱图像矫正方法、装置、计算机设备和存储介质 | |
WO2022188102A1 (zh) | 深度图像的修复方法及装置、摄像头组件及电子设备 | |
CN115797194A (zh) | 图像降噪方法、装置、电子设备、存储介质和程序产品 | |
CN112651896A (zh) | 有效矢量范围确定方法、装置、电子设备及可读存储介质 | |
CN115965856B (zh) | 图像检测模型构建方法、装置、计算机设备及存储介质 | |
CN116563357B (zh) | 图像匹配方法、装置、计算机设备及计算机可读存储介质 | |
CN115600619B (zh) | 点阵二维码识别方法、装置、电子设备及存储介质 | |
CN116659520B (zh) | 基于仿生偏振视觉增强的匹配定位方法、装置和设备 | |
CN114926668B (zh) | 一种基于sift的变形目标定位算法 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 510700 No. 28, Fenghuang fifth road, Huangpu District, Guangzhou, Guangdong Patentee after: Yuexin Semiconductor Technology Co.,Ltd. Address before: 510700 No. 28, Fenghuang fifth road, Huangpu District, Guangzhou, Guangdong Patentee before: Guangzhou Yuexin Semiconductor Technology Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |