專利名稱：一種利用局部極值聚類對發(fā)光二極管進(jìn)行計(jì)數(shù)的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于機(jī)器視覺技術(shù)領(lǐng)域，具體涉及一種對發(fā)光二級管進(jìn)行計(jì)數(shù)的方法。
背景技術(shù)：
發(fā)光二極管(LED)由于壽命長、能耗低等優(yōu)點(diǎn)被廣泛地應(yīng)用于指示、顯示等領(lǐng)域。白光LED技術(shù)上的突破及單個(gè)LED發(fā)光強(qiáng)度的不斷提高使LED應(yīng)用于照明領(lǐng)域成為可能[I]。在LED芯片(目前市場上統(tǒng)稱為方片)制作工藝的成品測試流程中，涉及到對LED數(shù)量進(jìn)行計(jì)量的問題。但由于人工計(jì)數(shù)計(jì)數(shù)慢、精度低、勞動(dòng)強(qiáng)度大，而傳感器檢測計(jì)數(shù)設(shè)備成本高，維護(hù)不易，因此，如何在保證成本低、響應(yīng)速度快、計(jì)數(shù)準(zhǔn)確、魯棒性高的前提下，設(shè)計(jì)一種LED計(jì)數(shù)方法是行業(yè)急需解決的難題。圖像處理的LED計(jì)數(shù)方法是運(yùn)用圖像技術(shù)對LED方片的俯拍圖進(jìn)行處理，利用非接觸式的方法獲得LED的數(shù)量，一般靜態(tài)測量結(jié)果比較穩(wěn)定，是目前行業(yè)比較常用的計(jì)數(shù)方法?，F(xiàn)有的圖像LED計(jì)數(shù)方法有Blob分析與亞像素定位算法[2]，圖形輪廓識別算法,亞像素精度分割算法[4]等。雖然現(xiàn)有的圖像LED計(jì)數(shù)方法已取得了一定的成績，但通過工業(yè)數(shù)字相機(jī)拍攝LED方片俯視圖識別效果不穩(wěn)定，密集堆放的LED圖像中存在大片連通區(qū)域或畸形區(qū)域，為LED的識別與計(jì)數(shù)帶來困難，導(dǎo)致目前的圖像LED計(jì)數(shù)方法算法效率低，處理時(shí)間過長，對質(zhì)量較差的圖像的處理不太理想，而且在實(shí)際應(yīng)用中，非常依賴于光源，算法受光照影響比較大，因此迫切需要一種響應(yīng)速度快、計(jì)數(shù)準(zhǔn)確、魯棒性較高的LED計(jì)數(shù)系統(tǒng)。使用計(jì)算機(jī)對LED方片圖像進(jìn)行處理和計(jì)數(shù)，這種方法可以大大提高工作效率，提高準(zhǔn)確度，具有一定的實(shí)用價(jià)值和應(yīng)用前景。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種成本低、計(jì)數(shù)準(zhǔn)確、耗時(shí)少、魯棒性高的發(fā)光二極管的計(jì)數(shù)方法。本發(fā)明提出的發(fā)光二極管的計(jì)數(shù)方法，是一種利用局部極值聚類的新方法，可以自動(dòng)計(jì)量LED方片上發(fā)光二極管的數(shù)量。該方法具體步驟如下
(1)對于用工業(yè)數(shù)字?jǐn)z像機(jī)拍攝的LED芯片的圖片進(jìn)行圖像預(yù)處理，具體是通過均值濾波、高斯濾波處理，去除圖像噪點(diǎn)，使得圖像模糊部分更加清晰；
(2)對經(jīng)上述預(yù)處理的圖像，求局部極小值點(diǎn)(即邊緣灰度突變黑色區(qū)域點(diǎn))，設(shè)該局部極小值點(diǎn)的標(biāo)號為i，并對該極值容積大小標(biāo)記為￡MC[l] = l，若該極小值點(diǎn)周圍存在與它灰度值相差〈C的點(diǎn)，這里C為特定閥值，則
mC[i]+ = \ ;當(dāng)計(jì)算完全后，求所有極值容積_1]的平均極值區(qū)域大小ZiMC ;去除所有區(qū)域大小< a* ALMC (α為O I的某個(gè)因子)的局部極小值點(diǎn)；一般情況，C取ALMC的O. 05 O. 15倍，α取O. 85 O. 95，具體值可根據(jù)多次測試效果最好的參數(shù)來確定；(3)對每個(gè)局部極小值點(diǎn)，以其周圍的灰度值信息建立一個(gè)數(shù)據(jù)矢量，按照矢量的歐拉距離做k-means均值聚類，將這些局部極小值點(diǎn)分成若干類，提取發(fā)光二極管亮點(diǎn)局部極值類； (4)然后分兩類情況處理對于單級發(fā)光二極管方片，發(fā)光二級管亮點(diǎn)局部極小值類的點(diǎn)數(shù)目即為發(fā)光二極管的數(shù)目；對于矩形或者平行四邊形雙極發(fā)光二極管方片，根據(jù)兩級匹配確定一個(gè)發(fā)光二極管的原則，確定發(fā)光二極管的數(shù)目。下面對各個(gè)步驟的具體內(nèi)容作進(jìn)一步描述。步驟(I)中均值濾波和高斯濾波
由于照相時(shí)曝光不足或者長時(shí)間曝光等原因，會(huì)產(chǎn)生大量噪波，致使照片圖像中出現(xiàn)一些孤立的亮點(diǎn)或者導(dǎo)致輪廓不清晰。這些現(xiàn)象將干擾發(fā)光二極管的正確計(jì)數(shù)，因此在發(fā)光二極管計(jì)數(shù)前，需要對圖片進(jìn)行去噪處理，通常會(huì)采用均值濾波和高斯濾波。步驟(2)中計(jì)算容積大小合適的局部極小值點(diǎn)
發(fā)光二極管在圖像中的表現(xiàn)形式就是一塊邊緣灰度突變的黑色區(qū)域。由于黑色區(qū)域與背景色有一度的灰度差，因此只要求得局部的極小值點(diǎn)，就能得到對應(yīng)發(fā)光二極管黑色區(qū)域的大概中心位置。根據(jù)這個(gè)特點(diǎn)，本發(fā)明提出了通過求局部極值區(qū)域來初步確定發(fā)光二極管區(qū)域的方法。掃描LED方片圖像中的每個(gè)點(diǎn)I(XjJ),若I(x,f)是以J( )為中心的大小為 的子圖像區(qū)域的最小值，求該點(diǎn)的容積大小算法如下
(I)設(shè)初始化集合S為空。將點(diǎn)加入到集合S中，給I(U) —個(gè)標(biāo)記fiag(x,f) = \。其中 Jlag(XJ)=I 表示點(diǎn) Kxj.)未經(jīng)過處理，flag(x,y)= O 表示點(diǎn) I(x,y)已經(jīng)處理過。(2)取集合S中任意一個(gè)未經(jīng)過處理的點(diǎn)J),若J(XJ)的8-領(lǐng)域點(diǎn)中存在ΚΡ,Φ (P = i-l, i, i+1； Q=]~l, j,」+1)，滿足夕喂(^{ )=1且1(幾9)-1欠/)<^(〇為某一個(gè)特定閥值)，則將點(diǎn)辦4)加入集合S。將fiagfyj、標(biāo)記為O。(3)重復(fù)步驟(2)，直到集合S中每個(gè)元素都經(jīng)過處理。集合S的元素個(gè)數(shù)就是點(diǎn)I(x7y)的容積大小參數(shù):LocalMimmumCount(LMC) (4)得到所有的局部極小值點(diǎn)及其容積大小后，求所有局部極小值點(diǎn)的平均容積大小參數(shù)Average LocalMmimumCount( ALMC)。掃描所有局部極小值點(diǎn)，去除容積
大小_ ] < a* ALMC ( α為O I的某個(gè)因子)的局部極小值點(diǎn)。得到所有的局部極小值點(diǎn)以及該點(diǎn)的區(qū)域大小后，求所有點(diǎn)的平均區(qū)域大小avg_lοcalminCount。掃描所有局部極小值點(diǎn),去除區(qū)域大小< ot*avg—localminCount (α
為O I的某個(gè)因子)的局部極小值點(diǎn)。步驟(3)中K_Means均值聚類
每個(gè)邊緣灰度突變的黑色區(qū)域都對應(yīng)于一個(gè)局部極值點(diǎn)。當(dāng)平均局部極值區(qū)域大小較小時(shí)，局部極值點(diǎn)增多，即使進(jìn)行了容積去噪，仍然存在干擾信號點(diǎn)。同時(shí)，當(dāng)圖片中存在某一個(gè)與背景色色差較大的干擾區(qū)域時(shí)也會(huì)引入噪點(diǎn)，干擾正確的局部目標(biāo)極值點(diǎn)的確定。為了更加有效的區(qū)分干擾噪點(diǎn)和發(fā)光二極管集群點(diǎn)，本發(fā)明采用K-means均值聚類算法對極值點(diǎn)進(jìn)行聚類處理。在本發(fā)明中，對求得的每個(gè)局部極小值點(diǎn)根據(jù)其周圍的像素信息生成一個(gè)特征矢量te。特征矢量te由5個(gè)分量組成,表示如下
te(0):設(shè)以J(AJ)為中心的大小為(2*k + l)*(2*k + l)(其中 = ]\Γ/2)的子圖像的
平均灰度值avgO , te(0)=avg0*|3 ,其中，β為O I的某個(gè)歸一化因子，一般情況，β取O. 8 ；
te(l):設(shè)以I(x-k,y-k)為中心的大小為(2*k + l)*(2*k + l)的子圖像的平均灰度值為avgl，te(l)=avgl - avgO ； _ :設(shè)以I(x-kj+k)為中心的大小為(2*k + l)*(2*k + l)的子圖像的平均灰度值為 avg2 , te(2)= avg2 - avgO ；
<3):設(shè)以取+ k,y-k)為中心的大小為(2*k + l)*(2*k + l)的子圖像的平均灰度值為 avg3 , te(3)= avg3 - avgO ；
<4):設(shè)以I(x+k,y + k)為中心的大小為(2*k+l)*(2*k + l)的子圖像的平均灰度為
avg4 , te ⑷=avg4 - avgO ；
設(shè)定兩個(gè)局部極小值點(diǎn)之間的距離為各個(gè)特征矢量之間的歐拉距離。因此K-Means均值聚類算法[5]如下
(1)對每個(gè)局部極小值點(diǎn)Kx,7)的特征矢量重新編號，若有η個(gè)局部極小值點(diǎn)，則其對應(yīng)的特征矢量為te
...te[n-；l]，其中任意te[i](i=CU2，…,η-l)是一個(gè)5分量的矢量；
(2)選擇k個(gè)初始化中心點(diǎn)，例如c
=te
=te[k-l]；
(3)對于te
..,te[n-I],分別與c
...c[k-l]比較，假定與c[i]的歐拉距離最小，就標(biāo)記為i ;
⑷對于所有標(biāo)記為i的點(diǎn)▲ 計(jì)算這些點(diǎn)的和sumW=Σ#ο],
te[j]句.,使得te[/]的標(biāo)記為i
并且統(tǒng)計(jì)標(biāo)記為i的點(diǎn)的個(gè)數(shù)count[i]，重新計(jì)算c[i]=s_[i]/count[i]；
(5)重復(fù)步驟(3)、步驟(4)，直到所有c[i]值的變化小于給定閥值。根據(jù)極值點(diǎn)的不同特征得到聚類結(jié)果，保留發(fā)光二極管亮點(diǎn)產(chǎn)生的局部極值點(diǎn)類群，即為目標(biāo)數(shù)據(jù)點(diǎn)群。步驟(4)中確定發(fā)光二極管數(shù)目
針對步驟(3)中已經(jīng)求得了發(fā)光二極管集群點(diǎn)的局部極小值點(diǎn)，對于單級發(fā)光二極管方片，該局部極值點(diǎn)的數(shù)目就是發(fā)光二極管的數(shù)目；對于矩形或者平行四邊形雙極發(fā)光二極管方片，由于每個(gè)發(fā)光二極管的兩級在圖片中的方向是一致的，根據(jù)這個(gè)特征對極值點(diǎn)進(jìn)行匹配，求得發(fā)光二極管數(shù)目。
本發(fā)明針對LED計(jì)數(shù)，借助均值濾波、高斯濾波等圖形處理方法，去除一些圖像噪點(diǎn)，使得圖像模糊部分更加清晰，然后提取圖像的局部極值點(diǎn)(LED亮點(diǎn)以及干擾點(diǎn))，再進(jìn)行均值聚類提取出LED亮點(diǎn)，從而達(dá)到LED計(jì)數(shù)的目的。實(shí)驗(yàn)結(jié)果表明，本發(fā)明的方法成本低、計(jì)數(shù)準(zhǔn)確、耗時(shí)少、魯棒性高，可以有效的用于自動(dòng)計(jì)量LED方片上LED的數(shù)量。


圖I為三種典型發(fā)光二極管方片樣本。其中，a是單級發(fā)光二極管方片，b是平行四邊形發(fā)光二 c是矩形發(fā)光二極管方片。圖2為實(shí)驗(yàn)結(jié)果。其中，a是單級發(fā)光二極管方片，b是平行四邊形發(fā)光二極管方片，c是矩形發(fā)光二極管方片。a中紅色的點(diǎn)表示局部極值點(diǎn)聚類算法后發(fā)光二極管的亮點(diǎn)，b、c中黃色的短線段表示雙極二極管的匹配結(jié)果。圖3為局部聚類方法流程圖。
具體實(shí)施例方式本發(fā)明的具體算法如下
局部極值聚類算法(LMC)
輸入發(fā)光二極管圖像img。I.讀取img中的數(shù)據(jù)并保存在二維數(shù)組I中QImage image (img) ; I [i] [j]=(int) qGray (image, pixel (j, i))；
2.均值濾波和高斯濾波去噪J= midfiltd, 3) ； K = gaussfilt (I. 6，9，J);其中，midfilt、gaussfilt分別表示均值濾波和高斯濾波函數(shù)；
3.計(jì)算局部極小值點(diǎn)對于圖像數(shù)據(jù)保存二維數(shù)組K，局部極小值點(diǎn)計(jì)算方法如下 對于每一個(gè)圖像中的數(shù)據(jù)K(i，j)，
如果K(i，j)沒有被訪問過，則
比較K(i，j)與以其為中心大小為N*N (N為某個(gè)固定值)的區(qū)域中每個(gè)像素的灰度值的大小，若K(i，j)是最小值，則確定K(i，j)是局部極小值點(diǎn)。直到對所有數(shù)據(jù)K (i，j)處理結(jié)束；
4.對每個(gè)局部極小值點(diǎn)，建立數(shù)據(jù)矢量
對局部極小值點(diǎn)K(i，j),建立數(shù)據(jù)矢量te，方法如下
int k = N/2;其中，N是步驟3所述的某個(gè)固定值，一般取兩個(gè)相鄰局部極小值點(diǎn)之間的距離大小。double avgO = mean (K, i_k, i+k, j-k, j+k);其中，mean (I, is, ie, js, je)函數(shù)，用于計(jì)算數(shù)組I橫坐標(biāo)從is開始ie結(jié)束,縱坐標(biāo)從js開始je結(jié)束區(qū)域,亦即I [is. . ie][js. . je]區(qū)域的平均像素大小。double te[5];其中，te 表示 K(i，j)的數(shù)據(jù)矢量。 te[O] = avgO ;
te [I] =mean (K, i_k, i_k, j_k, j_k) _ avgO;te [2] =mean (K, i_k, i_k, j+k, j+k) _ avgO;te [3] =mean(K, i+k, i+k, j-k, j-k) _ avgO;te [4] =mean(K, i+k, i+k, j+k, j+k) _ avgO;
5.對局部極值點(diǎn)進(jìn)行K-Means均值聚類int *c = k_means (te, size, dim, feilei,le-4, 0);其中，k_means是一個(gè)均值聚類函數(shù)，te是局部極值點(diǎn)的數(shù)據(jù)矢量，size是局部極值點(diǎn)的個(gè)數(shù)，dim表示循環(huán)次數(shù)，feilei表示聚類種類數(shù)，輸出c表示每個(gè)局部極值點(diǎn)的分類標(biāo)號。根
據(jù)c的倌.，確定發(fā)光二級管的聚類種類。_
輸出=K-Means均值聚類后發(fā)光二極管的聚類種類。LMC算法已經(jīng)求得了發(fā)光二極管集群點(diǎn)的局部極值點(diǎn)，對于單級發(fā)光二極管方片，該局部極值點(diǎn)的數(shù)目就是發(fā)光二極管的數(shù)目；對于矩形或者平行四邊形雙極發(fā)光二極管方片，由于每個(gè)發(fā)光二極管的兩級在圖片中的方向是一致的，根據(jù)這個(gè)特征對極值點(diǎn)進(jìn)行匹配，求得發(fā)光二極管數(shù)目。參考文獻(xiàn)
[1]Steigerwald D. A, Bhat J. C, Collins D, et al. Illumination with SolidState Lighting Technology[J]. IEEE Journal of Selected TopiCS in QuantumElectronics, 2002,8 (2):310-320.
[2]馬永華，耿瑞芳，張罡.基于Blob算法的機(jī)器視覺圖像識別方法的研究[J].儀器儀表用戶，2008，15(4) :1-2.
[3]陸地.基于圖像處理的圖形輪廓自動(dòng)識別技術(shù)研究[J].長安大學(xué)學(xué)報(bào)(建筑與環(huán)境科學(xué)版)· 2004，(3) :73-78.
[4]張海寧，張碧偉.基于亞像素精度分割的晶粒圖像識別方法[ J].電子設(shè)計(jì)工程· 2011，19(4) :113-116.
[5]Fahim A. M, Salem A. M, Torkey F. A, Ramadan M. A, et al. An efficientenhanced k-means clustering algorithm[J]. 2006，7 (10):1626-1633。
權(quán)利要求
1.一種利用局部極值聚類對發(fā)光二極管進(jìn)行計(jì)數(shù)的方法，其特征在于具體步驟如下 (1)對于用工業(yè)數(shù)字?jǐn)z像機(jī)拍攝的LED芯片的圖片進(jìn)行圖像預(yù)處理，圖像預(yù)處理采用均值濾波、高斯濾波，去除圖像噪點(diǎn)，使得圖像模糊部分更加清晰； (2)對經(jīng)上述預(yù)處理的圖像，求局部極小值點(diǎn)，設(shè)該局部極小值點(diǎn)的標(biāo)號為i，并對該極值容積大小標(biāo)記為iMCW = I ,若該極小值點(diǎn)周圍存在與它灰度值相差〈C的點(diǎn),則_d+ = l ;當(dāng)計(jì)算完全后，求所有極值容積￡MC[i']的平均極值區(qū)域大小ALMU ;去除所有區(qū)域大小ΙΜΦ] < a* AHkiC的局部極小值點(diǎn)；這里C為特定閥值，C取ALMC的O. 05 O. 15倍，α為O I的一個(gè)因子，取O.85 O. 95 ; (3)對每個(gè)局部極小值點(diǎn)，以其周圍的灰度值信息建立一個(gè)數(shù)據(jù)矢量，按照矢量的歐拉距離做k-means均值聚類，將這些局部極小值點(diǎn)分成若干類，提取發(fā)光二極管亮點(diǎn)局部極值類； (4)然后分兩類情況處理對于單級發(fā)光二極管方片，發(fā)光二級管亮點(diǎn)局部極小值類的點(diǎn)數(shù)目即為發(fā)光二極管的數(shù)目；對于矩形或者平行四邊形雙極發(fā)光二極管方片，根據(jù)兩級匹配確定一個(gè)發(fā)光二極管的原則，確定發(fā)光二極管的數(shù)目。
2.根據(jù)權(quán)利要求I所述的利用局部極值聚類對發(fā)光二極管進(jìn)行計(jì)數(shù)的方法，其特征在于步驟(2)中計(jì)算容積大小合適的局部極小值點(diǎn)的步驟為 掃描LED方片圖像中的每個(gè)點(diǎn)I(Lf),若是以為中心的大小為N* N的子圖像區(qū)域的最小值，求該點(diǎn)的容積大小算法如下 (1)設(shè)初始化集合S為空，將點(diǎn)Kx，f)加入到集合S中，給I{x,y)一個(gè)標(biāo)記flag(x,y) = l，其中彡Ogfej)=〗表示點(diǎn)!(X,)0未經(jīng)過處理，flag(x,y)= O表示點(diǎn)已經(jīng)處理過； (2)取集合S中任意一個(gè)未經(jīng)過處理的點(diǎn)’若Kx,f)的8-領(lǐng)域點(diǎn)中存在(p = i-1, i, i+1； Q=J-I, j, j+1)，滿足= 〗且,則將點(diǎn)Kp,q)加入集合s;將爲(wèi)免(x,j)標(biāo)記為ο; (3)重復(fù)步驟(2)，直到集合S中每個(gè)元素都經(jīng)過處理；集合S的元素個(gè)數(shù)就是點(diǎn)K^y')的容積大小參數(shù)lmc ；(4)得到所有的局部極小值點(diǎn)及其容積大小后，求所有局部極小值點(diǎn)的平均容積大小參數(shù)ALMC，掃描所有局部極小值點(diǎn)，去除容積大小ZIMC的局部極小值點(diǎn)； 得到所有的局部極小值點(diǎn)以及該點(diǎn)的區(qū)域大小后，求所有點(diǎn)的平均區(qū)域大小avg_localminCount,掃描所有局部極小值點(diǎn)，去除區(qū)域大小<o^avg—localmnComt的局部極小值點(diǎn)。
3.根據(jù)權(quán)利要求I所述的利用局部極值聚類對發(fā)光二極管進(jìn)行計(jì)數(shù)的方法，其特征在于 步驟(3)中K-Means均值聚類的步驟為對求得的每個(gè)局部極小值點(diǎn)Kx,y)，根據(jù)其周圍的像素信息生成一個(gè)特征矢量te，特征矢量te由5個(gè)分量組成,表示如下 _ :設(shè)以KxjO為中心的大小為(2*k+l)*(2*k + l)的子圖像的平均灰度值avgO，te(0)=avg0*p ,其中，k=M/2, ^為0 I的某個(gè)歸一化因子； te(l):設(shè)以I(x-k,y-k)為中心的大小為(2*k + r產(chǎn)(2*k + l)的子圖像的平均灰度值為avgl , te(l)=avgl -avgO ； te(2):設(shè)以I(x-k，y+k)為中心的大小為(Pk + r產(chǎn)(Pk + l)的子圖像的平均灰度值為 avg2 , t.e(2)= avg2 - avgO ； te(3):設(shè)以I(x+k,y-k)為中心的大小為(2*k + l)*(2*k + l)的子圖像的平均灰度值為 avg3 , te(3)= avg3 - avgO ； te(4):設(shè)以I(x+k,y + k)為中心的大小為(2*k+l)*(2*k + l)的子圖像的平均灰度為avg4 , te ⑷=avg4 - avgO ； 設(shè)定兩個(gè)局部極小值點(diǎn)之間的距離為各個(gè)特征矢量之間的歐拉距離，K-Means均值聚類算法如下 (1)對每個(gè)局部極小值點(diǎn)I(X3J)的特征矢量重新編號，若有n個(gè)局部極小值點(diǎn)，則其對應(yīng)的特征矢量為te
...te[n-l]，其中任意te[i]a=CU2...,n-l)是一個(gè)5分量的矢量； (2)選擇k 個(gè)初始化中心點(diǎn)，c
=te
=te[k- I]； (3)對于te
...te[n-I],分別與c
...c[k-l]比較，假定與c[i]的歐拉距離最小，就標(biāo)記為i ; ⑷對于所有標(biāo)記為i的點(diǎn),ri，計(jì)算這些點(diǎn)的和
全文摘要
本發(fā)明屬于機(jī)器視覺技術(shù)領(lǐng)域，具體為一種利用局部極值聚類對發(fā)光二極管進(jìn)行計(jì)數(shù)的方法。具體步驟包括對工業(yè)數(shù)字?jǐn)z像機(jī)拍攝的LED芯片的圖片進(jìn)行均值濾波、高斯濾波，去除圖像噪聲點(diǎn)；根據(jù)發(fā)光二極管區(qū)域和背景色的灰度差，求局部極小值點(diǎn)，確定發(fā)光二極管的大致區(qū)域；對每個(gè)局部極值點(diǎn)以其周圍的灰度值信息建立一個(gè)數(shù)據(jù)矢量，按照矢量的歐拉距離做k-means均值聚類，提取發(fā)光二極管局部極值類；最后，對于單級發(fā)光二級管芯片，發(fā)光二級管局部極值點(diǎn)數(shù)目即為發(fā)光二極管的數(shù)目，對于矩形或者平行四邊形雙極發(fā)光二級管芯片，根據(jù)兩級匹配確定一個(gè)發(fā)光二級管的原則，確定發(fā)光二極管數(shù)目。實(shí)驗(yàn)表明，本發(fā)明計(jì)數(shù)準(zhǔn)確、耗時(shí)少、魯棒性較高。
文檔編號G06T5/00GK102637299SQ20121007374
公開日2012年8月15日 申請日期2012年3月20日 優(yōu)先權(quán)日2012年3月20日
發(fā)明者唐亮, 陳雁秋 申請人:復(fù)旦大學(xué)