CN116309782B - 一种基于逆向特征的图像角度检测方法 - Google Patents
一种基于逆向特征的图像角度检测方法 Download PDFInfo
- Publication number
- CN116309782B CN116309782B CN202310561949.8A CN202310561949A CN116309782B CN 116309782 B CN116309782 B CN 116309782B CN 202310561949 A CN202310561949 A CN 202310561949A CN 116309782 B CN116309782 B CN 116309782B
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- feature
- reverse
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 104
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,尤其涉及一种基于逆向特征的图像角度检测方法,包括:获取待检测图像中检测特征的最大外轮廓;利用所述检测特征的最大外轮廓获取对应逆向特征图像;利用所述逆向特征图像得到待检测图像的图像角度,根据逆向特征图像内获取逆向特征物理位置从而判断角度,消除了使用模板定位精度偏差和产品颜色偏差的问题,还有生产阈值不确定的问题,保证了数据化判断的方式,大大提升了检测精度和检测兼容性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于逆向特征的图像角度检测方法。
背景技术
随着电子产品封装小型化的不断发展,基础工业的“精密化”发展并没有质的提升,造成在外观检测特征上的尺寸偏差、色差、批次等不稳定,给标准化工厂生产带来了不确定性。出现以上现象,使用传统的工业视觉检测方法误判概率较高,甚至出现检测不良。造成生产链中某个环节出现不良或残次品,使生产成本上升,降低了产品品质和生产效率。
现有的特征检测的方法大多基于特征的轮廓或者颜色的模板匹配算法,基于模板算法原理,目标特征图像和预制模板图像越接近,检查效果越好,检测结果得分越高,反之检测效果越差,检测结果得分越低。所以在实际生产中需要给出合适的检测结果阈值,但随着产品状态的波动,阈值不能实时调整,使生产管控处于风险的边缘,而本发明从方法上舍弃了单独使用模板匹配阈值的方法判定,而是采用逆向特征的物理位置数据进行角度判定。
发明内容
针对现有技术的不足,本发明提供了一种基于逆向特征的图像角度检测方法,通过待检测图像的逆向特征得到待检测图像的图像角度。
为实现上述目的,本发明提供了一种基于逆向特征的图像角度检测方法,包括:
获取待检测图像中检测特征的最大外轮廓;
利用所述检测特征的最大外轮廓获取对应逆向特征图像;
利用所述逆向特征图像得到待检测图像的图像角度。
优选的,所述获取待检测图像中检测特征的最大外轮廓包括:
获取待检测图像中检测特征的物理中心值;
利用待检测图像中像素点数量计算待检测图像的像素点灰度值均值;
根据所述待检测图像的灰度值均值进行二值化处理得到待检测图像的二值化结果;
利用所述待检测图像的二值化结果得到检测特征的最大外轮廓。
进一步的,所述利用待检测图像中像素点数量计算待检测图像的像素点灰度值均值的计算式如下:
其中,g为待检测图像的像素点灰度值均值,i为待检测图像中各像素点灰度值,N为待检测图像的像素点数量。
进一步的,根据所述待检测图像的灰度值均值进行二值化处理得到待检测图像的二值化结果包括:
判断待检测图像的像素点灰度值是否大于待检测图像的灰度值均值,若是,则待检测图像的像素点灰度值二值化结果为255,否则,待检测图像的像素点灰度值二值化结果为0;
获取待检测图像中各像素点灰度值二值化结果作为待检测图像的二值化结果。
进一步的,利用所述待检测图像的二值化结果得到检测特征的最大外轮廓包括:
获取所述待检测图像的二值化结果对应255的待检测图像的像素点作为基础像素点;
利用所述基础像素点获取检测特征的最大外轮廓的计算式如下:
其中,Xmax、Xmin、Ymax、Ymin分别为检测特征的最大外轮廓x最大值、x最小值、y最大值、y最小值,a为检测特征的最大外轮廓对应x方向起点;b为检测特征的最大外轮廓对应x方向终点,c为检测特征的最大外轮廓对应y方向起点;d为检测特征的最大外轮廓对应y方向终点。
进一步的,利用所述检测特征的最大外轮廓获取对应逆向特征图像包括:
利用所述检测特征的最大外轮廓进行异或计算得到待检测图像的逆向特征像素点灰度值;
利用所述待检测图像的逆向特征像素点灰度值建立对应逆向特征图像。
进一步的,利用所述检测特征的最大外轮廓进行异或计算得到待检测图像的逆向特征像素点灰度值的计算式如下:
其中,Q(r)为待检测图像的逆向特征像素点灰度值,T(r)为检测特征的最大外轮廓的像素点灰度值。
进一步的,利用所述逆向特征图像得到待检测图像的图像角度包括:
利用所述逆向特征图像计算逆向特征图像像素点中心坐标;
利用所述逆向特征图像像素点中心坐标计算待检测图像的图像角度。
进一步的,利用所述逆向特征图像计算逆向特征图像像素点中心坐标的计算式如下:
其中,(Qx,Qy)为逆向特征图像像素点中心坐标,Q(r)为待检测图像的逆向特征像素点灰度值,a为检测特征的最大外轮廓对应x方向起点;b为检测特征的最大外轮廓对应x方向终点,c为检测特征的最大外轮廓对应y方向起点;d为检测特征的最大外轮廓对应y方向终点。
进一步的,利用所述逆向特征图像像素点中心坐标计算待检测图像的图像角度的计算式如下:
其中,A为待检测图像的图像角度,(Qx,Qy)为逆向特征图像像素点中心坐标,(Mx,My)为待检测图像中检测特征的物理中心值对应坐标。
与最接近的现有技术相比,本发明具有的有益效果:
通过计算任意初始图像对应的灰度图像的灰度均值,以该灰度均值得到灰度均值函数的参数初始值,运用该参数初始值对该灰度图像进行二值化处理(使灰度图像变为黑白图像),根据所述黑白图像计算检测区域内白色特征的最大外轮廓,并根据最大外轮廓构建检测覆盖区域图像,此步骤有效消除了在模板定位过程中因产品差异带来的位置偏差量,根据所述黑白特征图像以及检测覆盖区域图像进行异或处理得到检测特征的逆向特征,根据逆向特征图像获取逆向特征物理位置从而判断角度,消除了使用模板定位精度偏差和产品颜色偏差的问题,还有生产阈值不确定的问题,保证了数据化判断的方式,大大提升了检测精度和检测兼容性。
附图说明
图1是本发明提供的一种基于逆向特征的图像角度检测方法的流程图;
图2是本发明提供的一种基于逆向特征的图像角度检测方法的实际应用流程图;
图3是本发明提供的一种基于逆向特征的图像角度检测方法的实际应用检测特征的最大外轮廓图;
图4是本发明提供的一种基于逆向特征的图像角度检测方法的实际应用检测特征的异或处理图;
图5是本发明提供的一种基于逆向特征的图像角度检测方法的实际应用检测特征的逆向特征图像。
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的详细说明。
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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例
本发明提供了一种基于逆向特征的图像角度检测方法,如图1所示,包括:
S1、获取待检测图像中检测特征的最大外轮廓;
S2、利用所述检测特征的最大外轮廓获取对应逆向特征图像;
S3、利用所述逆向特征图像得到待检测图像的图像角度。
S1具体包括:
S1-1、获取待检测图像中检测特征的物理中心值;
S1-2、利用待检测图像中像素点数量计算待检测图像的像素点灰度值均值;
S1-3、根据所述待检测图像的灰度值均值进行二值化处理得到待检测图像的二值化结果;
S1-4、利用所述待检测图像的二值化结果得到检测特征的最大外轮廓。
S1-2的计算式如下:
其中,g为待检测图像的像素点灰度值均值,i为待检测图像中各像素点灰度值,N为待检测图像的像素点数量。
S1-3具体包括:
S1-3-1、判断待检测图像的像素点灰度值是否大于待检测图像的灰度值均值,若是,则待检测图像的像素点灰度值二值化结果为255,否则,待检测图像的像素点灰度值二值化结果为0;
S1-3-2、获取待检测图像中各像素点灰度值二值化结果作为待检测图像的二值化结果。
S1-4具体包括:
S1-4-1、获取所述待检测图像的二值化结果对应255的待检测图像的像素点作为基础像素点;
S1-4-2、利用所述基础像素点获取检测特征的最大外轮廓的计算式如下:
其中,Xmax、Xmin、Ymax、Ymin分别为检测特征的最大外轮廓x最大值、x最小值、y最大值、y最小值,a为检测特征的最大外轮廓对应x方向起点;b为检测特征的最大外轮廓对应x方向终点,c为检测特征的最大外轮廓对应y方向起点;d为检测特征的最大外轮廓对应y方向终点。
S2具体包括:
S2-1、利用所述检测特征的最大外轮廓进行异或计算得到待检测图像的逆向特征像素点灰度值;
S2-2、利用所述待检测图像的逆向特征像素点灰度值建立对应逆向特征图像。
S2-1的计算式如下:
其中,Q(r)为待检测图像的逆向特征像素点灰度值,T(r)为检测特征的最大外轮廓的像素点灰度值。
S3具体包括:
S3-1、利用所述逆向特征图像计算逆向特征图像像素点中心坐标;
S3-2、利用所述逆向特征图像像素点中心坐标计算待检测图像的图像角度。
S3-1的计算式如下:
其中,(Qx,Qy)为逆向特征图像像素点中心坐标,Q(r)为待检测图像的逆向特征像素点灰度值,a为检测特征的最大外轮廓对应x方向起点;b为检测特征的最大外轮廓对应x方向终点,c为检测特征的最大外轮廓对应y方向起点;d为检测特征的最大外轮廓对应y方向终点。
S3-2的计算式如下:
其中,A为待检测图像的图像角度,(Qx,Qy)为逆向特征图像像素点中心坐标,(Mx,My)为待检测图像中检测特征的物理中心值对应坐标。
实施例
本发明提供了一种基于逆向特征的图像角度检测方法的实际应用流程,如图2所示,包括:
获取任意待检测的初始图像,用模板匹配获取产品中心(X,Y);
计算设定检测区域中像素点灰度值的均值,根据灰度均值进行图像处理,并获取检测特征的最大外轮廓;
检测特征的最大外轮廓图像与检测特征进行图像异或处理,从而得到检测特征的逆向特征;
获取逆向检测特征的数据信息,比对逆向特征于产品的相对物理中心位置信息,从而确定检查产品的角度。
所述根据所述灰度均值获取函数参数包括图像和区域;
所述根据所述灰度均值对图像二值化(使灰度图像变为黑白图像)处理的步骤,包括:
获取所述灰度图像中检测区域内像素点的灰度值,大于均值时像素点灰度值为255,小于等于均值时像素点灰度值为0,得到所述灰度图像的黑白特征图像;
在所述黑白特征图像中计算检测区域内白色特征的最大外轮廓步骤,包括:
获取所述黑白特征图像中像素值为255的像素点数量以及像素点坐标(x,y)的最大值和最小值,并根据像素点坐标(x,y)的最大值和最小值构建检测覆盖区域图像,检测覆盖区域图像内的像素点灰度值全部赋值为255。
所述根据所述黑白特征图像以及检测覆盖区域图像进行异或处理的步骤包括:
所述异或处理黑白特征图像与检测覆盖区域图像对应像素点灰度值相等时结果为255,不相等时结果为0,得到逆向特征图像,目的是获取逆向检测特征。
所述逆向特征图像内获取逆向特征的步骤,包括:
如果初始图像内检测特征内无逆向,在所述逆向特征图像内对应像素点灰度值为0,如果初始图像内检测特征有逆向,在所述逆向特征图像中对应像素点灰度值为255。计算逆向特征图像中像素点坐标(X1,Y1)的均值以确定逆向特征相对检查产品的物理中心位置需要(X,Y)关系,从而确定产品的角度。
本发明实施例适用于利用获取任意待检测的初始图像,用模板特征匹配方式获取产品中心(X,Y),并获取需要检测逆向特征的区域,计算检测区域中像素点灰度值的均值,根据灰度均值进行图像处理,并获取检测特征的最大外轮廓,检测特征的最大外轮廓图像与检测特征进行图像异或处理,从而得到检测特征的逆向特征,获取逆向检测特征的数据信息,比对逆向特征与产品的相对物理位置信息,从而确定检查产品的角度。
具体应用如下:
步骤S100,获取任意待检测的初始图像,并获取需要检测的区域。
在实际生产中对图像进行采集时,通常会由于相机参数、光照、产品本身的影响使得采集到的图像特征存在差异,模板定位存在一定位置偏差和结果阈值不稳定情况,因此需要对采集到的图像特征识别率的提升。
本发明实施例中以任意一张包含待检测特征图像作为初始图像,使用模板匹配的方式获取产品的中心XY值
Mx = ModelResult.X
My = ModelResult.Y
其中, ModelResult表示模板定位的结果;
Mx和My表示模板定位后产品物理中心XY值;
步骤S200,计算检测区域中像素点灰度值的均值,根据灰度均值进行图像处理,并获取检测特征的最大外轮廓。
具体的,参数初始值的获取方法为:首先获取待检测的灰度图像中区域内像素点的灰度均值为:
其中,表示该灰度图像中区域内像素点的灰度均值;表示该灰度图像中不同的
灰度值;表示该灰度图像中所有像素点的数量;
其中,S表示该灰度图像中二值化的结果;r表示该灰度图像中不同的像素点;T(r)表示检测区域内的像素值,g表示灰度图像中区域内像素点的灰度均值;
需要说明的是,由于灰度图像中所有像素点的灰度值的取值范围均为,所以
处理后图像中像素点的灰度值最大值为255,最小值为0,则本发明实施例中以灰度值最大
值255作为处理后的像素值;获取该灰度图像中灰度值为255的像素点,取得区域内所有像
素点坐标的XY值的最大和最小值,作为待检测特征的最大检测区域即为:
Xmax=Max(a:b)&T(r)=255;
Xmin=Min(a:b)&T(r)=255;
Ymax=Max(c:d)&T(r)=255;
Ymin=Min(c:d)&T(r)=255;
其中,a表示该检测区域内x方向起点;b表示该检测区域内x方向终点;
c表示该检测区域内y方向起点; d表示该检测区域内y方向终点;
Xmax,Xmin,Ymax,Ymin分别表示检测区域的x最大值,x最小值,y最大值,y最小值;
步骤S300,如图3所示,检测特征的最大外轮廓图像;
如图4所示,检测特征进行图像异或处理;
如图5所示,从而得到检测特征的逆向特征图像;
具体的,逆向特征像素点的灰度值的获取方法为:
Q(r) = T(r) ⊕ 255
其中,Q表示逆向特征像素点的灰度值,⊕表示异或运算;
步骤S400,获取逆向检测特征的数据信息,比对逆向检测特征的数据信息与产品的相对物理位置信息,从而确定检查产品的角度。
具体的,逆向特征像素点的中心位置获取方法为:
其中,Qx表示逆向特征像素点物理坐标中心x;Qy表示逆向特征像素点物理坐标中心y。
由步骤S100中获取产品的产品物理中心的数据信息Mx和My,和此步骤中获得的Qx和Qy确定产品的角度,具体的方法为:
其中,A表示逆向特征像素点物理坐标中心和产品中心连线的角度,以此角度确定产品的最终角度(最终角度数据将被传输给***以外执行机构(执行机构不是本发明的要点)。
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申请实施例的方法、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。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (6)
1.一种基于逆向特征的图像角度检测方法,其特征在于,包括:
S1、获取待检测图像中检测特征的最大外轮廓;
S1-1、获取待检测图像中检测特征的物理中心值;
S1-2、利用待检测图像中像素点数量计算待检测图像的像素点灰度值均值;
S1-3、根据所述待检测图像的灰度值均值进行二值化处理得到待检测图像的二值化结果;
S1-4、利用所述待检测图像的二值化结果得到检测特征的最大外轮廓;
S2、利用所述检测特征的最大外轮廓获取对应逆向特征图像;
S2-1、利用所述检测特征的最大外轮廓进行异或计算得到待检测图像的逆向特征像素点灰度值;
S2-1的计算式如下:
其中,Q(r)为待检测图像的逆向特征像素点灰度值,T(r)为检测特征的最大外轮廓的像素点灰度值;
S2-2、利用所述待检测图像的逆向特征像素点灰度值建立对应逆向特征图像;
S3、利用所述逆向特征图像得到待检测图像的图像角度;
S3-1、利用所述逆向特征图像计算逆向特征图像像素点中心坐标;
S3-2、利用所述逆向特征图像像素点中心坐标计算待检测图像的图像角度。
2.如权利要求1所述的一种基于逆向特征的图像角度检测方法,其特征在于,所述利用待检测图像中像素点数量计算待检测图像的像素点灰度值均值的计算式如下:
其中,g为待检测图像的像素点灰度值均值,i为待检测图像中各像素点灰度值,N为待检测图像的像素点数量。
3.如权利要求1所述的一种基于逆向特征的图像角度检测方法,其特征在于,根据所述待检测图像的灰度值均值进行二值化处理得到待检测图像的二值化结果包括:
判断待检测图像的像素点灰度值是否大于待检测图像的灰度值均值,若是,则待检测图像的像素点灰度值二值化结果为255,否则,待检测图像的像素点灰度值二值化结果为0;
获取待检测图像中各像素点灰度值二值化结果作为待检测图像的二值化结果。
4.如权利要求3所述的一种基于逆向特征的图像角度检测方法,其特征在于,利用所述待检测图像的二值化结果得到检测特征的最大外轮廓包括:
获取所述待检测图像的二值化结果对应255的待检测图像的像素点作为基础像素点;
利用所述基础像素点获取检测特征的最大外轮廓的计算式如下:
其中,Xmax、Xmin、Ymax、Ymin分别为检测特征的最大外轮廓x最大值、x最小值、y最大值、y最小值,a为检测特征的最大外轮廓对应x方向起点;b为检测特征的最大外轮廓对应x方向终点,c为检测特征的最大外轮廓对应y方向起点;d为检测特征的最大外轮廓对应y方向终点。
5.如权利要求1所述的一种基于逆向特征的图像角度检测方法,其特征在于,利用所述逆向特征图像计算逆向特征图像像素点中心坐标的计算式如下:
其中,(Qx,Qy)为逆向特征图像像素点中心坐标,Q(r)为待检测图像的逆向特征像素点灰度值,a为检测特征的最大外轮廓对应x方向起点;b为检测特征的最大外轮廓对应x方向终点,c为检测特征的最大外轮廓对应y方向起点;d为检测特征的最大外轮廓对应y方向终点,N为灰度图像中所有像素点的数量。
6.如权利要求5所述的一种基于逆向特征的图像角度检测方法,其特征在于,利用所述逆向特征图像像素点中心坐标计算待检测图像的图像角度的计算式如下:
其中,A为待检测图像的图像角度,(Qx,Qy)为逆向特征图像像素点中心坐标,(Mx,My)为待检测图像中检测特征的物理中心值对应坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561949.8A CN116309782B (zh) | 2023-05-18 | 2023-05-18 | 一种基于逆向特征的图像角度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561949.8A CN116309782B (zh) | 2023-05-18 | 2023-05-18 | 一种基于逆向特征的图像角度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116309782A CN116309782A (zh) | 2023-06-23 |
CN116309782B true CN116309782B (zh) | 2023-08-18 |
Family
ID=86794526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310561949.8A Active CN116309782B (zh) | 2023-05-18 | 2023-05-18 | 一种基于逆向特征的图像角度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309782B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109509166A (zh) * | 2017-09-15 | 2019-03-22 | 凌云光技术集团有限责任公司 | 印刷电路板图像检测方法和装置 |
CN110570342A (zh) * | 2019-07-01 | 2019-12-13 | 齐鲁工业大学 | 彩色医学图像零水印构造方法、***及检测方法、*** |
CN114926455A (zh) * | 2022-06-13 | 2022-08-19 | 凌云光技术股份有限公司 | 目标中心位置的检测方法、装置、计算机设备及存储介质 |
CN115170525A (zh) * | 2022-07-18 | 2022-10-11 | 文思海辉元辉科技(无锡)有限公司 | 一种图像差异检测方法及装置 |
CN115587966A (zh) * | 2022-08-31 | 2023-01-10 | 山东省科学院自动化研究所 | 一种在光照不均匀条件下零件有无缺漏的检测方法及*** |
CN115880472A (zh) * | 2022-12-14 | 2023-03-31 | 河南九域恩湃电力技术有限公司 | 一种电力红外图像数据智能诊断分析*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5953842B2 (ja) * | 2012-03-14 | 2016-07-20 | オムロン株式会社 | 画像検査方法および検査領域設定方法 |
-
2023
- 2023-05-18 CN CN202310561949.8A patent/CN116309782B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109509166A (zh) * | 2017-09-15 | 2019-03-22 | 凌云光技术集团有限责任公司 | 印刷电路板图像检测方法和装置 |
CN110570342A (zh) * | 2019-07-01 | 2019-12-13 | 齐鲁工业大学 | 彩色医学图像零水印构造方法、***及检测方法、*** |
CN114926455A (zh) * | 2022-06-13 | 2022-08-19 | 凌云光技术股份有限公司 | 目标中心位置的检测方法、装置、计算机设备及存储介质 |
CN115170525A (zh) * | 2022-07-18 | 2022-10-11 | 文思海辉元辉科技(无锡)有限公司 | 一种图像差异检测方法及装置 |
CN115587966A (zh) * | 2022-08-31 | 2023-01-10 | 山东省科学院自动化研究所 | 一种在光照不均匀条件下零件有无缺漏的检测方法及*** |
CN115880472A (zh) * | 2022-12-14 | 2023-03-31 | 河南九域恩湃电力技术有限公司 | 一种电力红外图像数据智能诊断分析*** |
Also Published As
Publication number | Publication date |
---|---|
CN116309782A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108124487B (zh) | 云端抄表方法及装置 | |
CN101770582B (zh) | 图像匹配***及方法 | |
CN110476056B (zh) | 一种视觉检测方法、检测设备以及机器人 | |
JP2885823B2 (ja) | 視覚認識装置 | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和*** | |
CN114897864B (zh) | 基于数模信息的工件检测及缺陷判断方法 | |
CN115601365B (zh) | 用于数控机床的轴承检测方法 | |
CN112085709A (zh) | 一种图像对比方法及设备 | |
CN111401449A (zh) | 一种基于机器视觉的图像匹配方法 | |
CN115330757B (zh) | 一种电路板焊点缺陷检测方法及*** | |
CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
CN117808799B (zh) | 基于人工智能的倒角设备加工质量检测方法 | |
CN115587966A (zh) | 一种在光照不均匀条件下零件有无缺漏的检测方法及*** | |
CN116309782B (zh) | 一种基于逆向特征的图像角度检测方法 | |
CN106951902B (zh) | 一种图像二值化处理方法及装置 | |
CN107710229B (zh) | 图像中的形状识别方法、装置、设备及计算机存储介质 | |
CN115564779B (zh) | 一种零件缺陷检测方法、装置及存储介质 | |
CN114120320A (zh) | 一种图像多目标信息识别方法、***及介质 | |
CN113870342A (zh) | 外观缺陷检测方法、智能终端以及存储装置 | |
CN112819717A (zh) | 一种刨花板图像灰度值校正方法及装置 | |
CN109272462B (zh) | 适用于金属工件识别的图像自校正方法、设备及存储设备 | |
CN111414912A (zh) | 对接型焊缝特征点的识别方法、装置、设备及存储介质 | |
CN115900829B (zh) | 一种led检测方法、装置及其电子设备 | |
CN116958152B (zh) | 一种零件尺寸测量方法、装置、设备及介质 | |
CN116612116A (zh) | 一种基于深度学习图像分割的晶体外观缺陷检测方法 |
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 |