基于图像处理的人造板孔穴含量统计的新方法

doi:10.3778/j.issn.1002-8331.2009.21.053

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (21): 183-184.DOI: 10.3778/j.issn.1002-8331.2009.21.053

基于图像处理的人造板孔穴含量统计的新方法

张剑飞^1，2，马岩¹，季伟东^1，3

1.东北林业大学林业与木工机械工程技术中心，哈尔滨 150040
2.黑龙江科技学院计算机与信息工程学院，哈尔滨 150027
3.哈尔滨师范大学计算机科学与信息工程学院，哈尔滨 150025

收稿日期:2009-05-05 修回日期:2009-06-04 出版日期:2009-07-21 发布日期:2009-07-21
通讯作者: 张剑飞

Area statistical method of void contents for wood-based panel based on image processing technique

ZHANG Jian-fei ^1，2，MA Yan¹，JI Wei-dong ^1，3

1.Forestry & Wood Working Mechanical Engineering Technology Center，Northeast Forestry University，Harbin 150040，China
2.College of Computer and Information Engineering，Heilongjiang University of Science and Technology，Harbin 150027，China
3.College of Computer Science and Information Engineering，Harbin Normal University，Harbin 150025，China

Received:2009-05-05 Revised:2009-06-04 Online:2009-07-21 Published:2009-07-21
Contact: ZHANG Jian-fei

摘要/Abstract

摘要： 针对人造板横切面孔穴含量的微观图像的特点，经常要对一幅图像中多个连通区域的面积进行计算。因此，提出了一种通过一次扫描图像，即能快速求出图像中多个连通区域的面积的新方法，并通过实验对两种封闭区域面积统计方法进行比较。结果表明在处理连通区域较多的面积统计时，新方法计算速度较快。

关键词: 孔穴含量, 多连通区域, 面积, 图像

Abstract: Contrary to the feature of the void contents of the cross-section image of wood-based panel，the areas of multiply connected domain in an image are required to be calculated.A new fast algorithm is presented，which can be calculated multiply connected domain efficiently，and is simple by only once scanning.Then the two area calculating methods are compared through the experiments.The result indicates that the new method is more efficient when deals with caculating the arears of multiply connected domain.

Key words: void contents, multiply connected domain, area, image

张剑飞^1，2，马岩¹，季伟东^1，3. 基于图像处理的人造板孔穴含量统计的新方法[J]. 计算机工程与应用, 2009, 45(21): 183-184.

ZHANG Jian-fei ^1，2，MA Yan¹，JI Wei-dong ^1，3. Area statistical method of void contents for wood-based panel based on image processing technique[J]. Computer Engineering and Applications, 2009, 45(21): 183-184.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[4]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[5]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[6]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[7]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[8]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[9]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[10]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[11]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[12]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[13]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[14]	李健，孙大松，张备伟. 结合双编码器与对抗训练的图像修复[J]. 计算机工程与应用, 2021, 57(7): 192-197.
[15]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.

基于图像处理的人造板孔穴含量统计的新方法

Area statistical method of void contents for wood-based panel based on image processing technique

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics