CN101853502B - 图像比较系统及方法 - Google Patents

Abstract

一种图像比较方法，该方法从第一张黑白图像及第二张黑白图像中分别提取其目标物体骨干，生成对应的骨干图像，再将第一张黑白图像的目标物体进行轮廓加粗后覆盖在第二张图像的骨干图像上，以得到第二张黑白图像相对于第一张黑白图像多出的部分，进一步地，再将第二张黑白图像中的目标物体进行轮廓加粗后覆盖在第一张图像的骨干图像上，以得到第二张黑白图像相对于第一张黑白图像少的部分，从而比较出两张黑白图像之间的差异。本发明还提供一种图像比较系统。本发明对能够准备地比较图像中的目标物体的差异。

Description

图像比较系统及方法

技术领域

本发明涉及一种图像处理系统及方法，特别是关于一种对图像进行差异比较的系统及方法。

背景技术

对两张图像进行比较，最简单的方法是比较图像中的各个像素值，找出像素值不同的区域。一般来说，这种方法只能精确地比较像素值上的差异，而不适用于大多数实际的图像辨识。当对两张图像中的目标物体进行对比时，可以提取图像的形状特征，根据形状特征确定两张图像的相似程度。提取形状特征常用的方法有傅立叶变换和不变矩等。然而，提取形状特征的运算量往往比较大，当运算能力不足时难以实现，并且对目标物体进行模糊辨识的效果不是很理想。

此外，当比较一张原图像及一张对上述原图像扫描之后生成的扫描图像时，由于在扫描时出现的种种原因，如扫描仪质量问题，可能使该扫描图像出现一些误差点或者偏差，而利用传统的图像比较方法对该两张图像进行比较时，可能得出的比较结果是两张图像不一致，而这样的结果可能导致用户的错误判断。例如，用户需要对一份合约的原文件和该合约打印后的扫描文件进行比较，若该扫描文件因扫描仪的问题出现了某些误差点，则利用传统的图像比较方法会得到该两张图像不一致，因此，该用户可能会错误地认为该合约曾经被篡改过。

发明内容

鉴于以上内容，有必要提供一种图像比较系统，其采用轮廓加粗及提取骨干的方法对图像进行比较，其不会因为图像上的某些误差而错误地判断该比较的图像不一致。

此外，还有必要提供一种图像比较方法，其采用轮廓加粗及提取骨干的方法对图像进行比较，其不会因为图像上的某些误差而错误地判断该比较的图像不一致。

一种图像比较系统，运行于计算机中，用于比较图像中目标物体的差异。该系统包括：骨干提取模块，用于提取黑白图像A2中目标物体的骨干，得到骨干图像A3，及提取黑白图像B2中目标物体的骨干，得到骨干图像B3；轮廓加粗模块，用于将黑白图像A2中目标物体的外轮廓加粗，以得到加粗图像A4，及将黑白图像B2中目标物体的外轮廓加粗，以得到加粗图像B4；图像覆盖模块，用于将加粗图像A4覆盖在骨干图像B3上，生成覆盖图像AB1，以得到黑白图像B2相对于黑白图像A2多的部分，及将加粗图像B4覆盖在骨干图像A3上，生成覆盖图像AB2，以得到黑白图像B2相对于黑白图像A2少的部分；及结果输出模块，用于输出对黑白图像A2和B2的比较结果。

一种图像比较方法，用于比较两张图像中目标物体的差异。该方法包括步骤：提取黑白图像B2中目标物体的骨干，得到骨干图像B3；将黑白图像A2中目标物体的外轮廓加粗，以得到加粗图像A4；将加粗图像A4覆盖在骨干图像B3上，生成覆盖图像AB1，以得到黑白图像B2相对于黑白图像A2多出的部分；提取黑白图像A2中目标物体的骨干，得到骨干图像A3；将黑白图像B2中目标物体的外轮廓加粗，以得到加粗图像B4；将加粗图像B4覆盖在骨干图像A3上，生成覆盖图像AB2，以得到黑白图像B2相对于黑白图像A2少的部分；及输出对黑白图像A2和B2的比较结果。

本发明易于实现，且能够准备地比较图像中目标物体的差异，而不会因为图像上的某些误差而错误地判断该比较的图像不一致。

附图说明

图1为本发明图像比较系统较佳实施例的功能模块图。

图2为图1中轮廓加粗模块的子功能模块图。

图3为图1中图像覆盖模块的子功能模块图。

图4为黑白图像的示意图。

图5为由图4所示的黑白图像得到的骨干图像的示意图。

图6(A)及图6(B)分别为一张黑白图像及对该黑白图像中的目标物体的外轮廓加粗之后生成的加粗图像的示意图。

图7(A)及图7(B)演示了一个3阶加粗矩阵及该3阶加粗矩阵的矩阵坐标。

图8为本发明图像比较方法较佳实施例的实施流程图。

图9为图8中步骤S13及S16的详细实施流程图。

图10为图8中步骤S14及S17的详细实施流程图。

具体实施方式

参阅图1所示，是本发明图像比较系统1较佳实施例的功能模块图。所述图像比较系统1运行于计算机中。该图像比较系统1包括图像转换模块10、骨干提取模块11、轮廓加粗模块12、图像覆盖模块13及结果输出模块14。

所述图像转换模块10用于将需要比较的彩色图像转换为黑白图像，从而分割出目标物体。黑白图像也称为二值图像，图像中只包含黑和白两个灰度，没有中间的过渡。黑白图像的像素值通常为0或者1，0表示黑色，1表示白色。为了便于说明，将黑白图像中代表目标物体的像素值称为目标物体像素值，以及将黑白图像中目标物体的颜色称为前景色，背景的颜色称为背景色。参阅图4所示，为一个黑白图像的示意图。在该黑白图像中，白色部分为目标物体，黑色部分为背景。应该可以理解，在其他的黑白图像中，也可能是黑色部分为目标物体，白色部分为背景色。

详细地，在本实施例中，对于彩色图像A和B，图像转换模块100首先利用一个转换算法将A和B分别转换为灰度图像A1和B1，然后将灰度图像A1和B1进行二值化处理，分别转换为黑白图像A2和B2。灰度图像是指每个像素值的信息由一个量化的灰度值来描述的图像，灰度值通常为整数。例如，8位的灰度图像具有256级灰度，灰度值取值范围是0-255。也就是说，用0-255的整数来描述从黑到白的不同等级的灰度，0表示黑色，255表示白色。将彩色图像转换为灰度图像的转换算法可以为：Gray＝(R*0.3+G*.059+B*0.11)。

二值化处理就是设定一个阈值，将灰度值大于或等于阈值的像素值取值为1，而灰度值小于阈值的像素值取值为0。灰度图像的二值化可以根据图像中目标物体的不同而有不同的二值化算法。目前主要的二值化算法有全局阈值法、局部阈值法和动态阈值法。其中最简单的是全局阈值法，就是整个图像采用单一阈值进行图像二值化，比如将阈值设置为0-255的中值127。

应该可以理解，若需要比较的图像本来就是黑白图像，则可以不需要该图像转换模块10。

所述骨干提取模块11用于从黑白图像A2或者B2中提取其目标物体的骨干，得到骨干图像A3或者B3。以下，以提取黑白图像A2中目标物体骨干为例详细说明该骨干提取模块11怎样提取目标物体骨干。

在本实施例中，所述骨干提取模块11对黑白图像A2按行或者按列提取每个点的像素值，对于任意一行(或列)，若该行(或列)中存在多个连续的目标物体像素值，则以一个目标物体像素值表示该多个连续的目标物体像素值。例如，以该多个连续的目标物体像素值的中间一个像素值来表示该多个连续的目标物体像素值。也就是说，提取的目标物体骨干的宽度为1。例如，假设黑白图像中取值为1的像素值是目标物体像素值，假设该黑白图像某一行的所有点的像素值为1，1，1，0，0，1，1，1，1，1，0，0，1，则提取图像骨干后该行的像素值是0，1，0，0，0，0，0，1，0，0，0，0，1。参阅图5所示，是对图4中黑白图像的目标物体提取骨干后得到的骨干图像。

所述轮廓加粗模块12用于将黑白图像A2或者B2中目标物体的外轮廓加粗，以得到加粗图像A4或者B4。参阅图6(A)及图6(B)所示，分别为一张黑白图像及对该黑白图像中目标物体的外轮廓加粗之后生成的加粗图像的示意图。该轮廓加粗模块12的子功能模块图请参见图2所示。

所述图像覆盖模块13用于将加粗图像A4覆盖在骨干图像B3上，生成覆盖图像AB1，以得到骨干图像B3相对于加粗图像A4多的部分，及将加粗图像B4覆盖在骨干图像A3上，生成覆盖图像AB2，以得到加粗图像B4相对于骨干图像A3少的部分。所述骨干图像B3相对于加粗图像A4多的部分也即黑白图像B2的目标物体比黑白图像A2的目标物体多出的部分，以及加粗图像B4相对于骨干图像A3少的部分也即黑白图像B2的目标物体比黑白图像A2的目标物体少的部分。该图像覆盖模块13的子功能模块图请参见图3所示。

所述的结果输出模块14用于根据图像覆盖模块13的处理结果生成并输出黑白图像A2和B2的比较结果，该比较结果为黑白图像A2和B2一致或者不一致。进一步地，当黑白图像A2和B2的比较结果不一致时，该结果输出模块14还将黑白图像B2相较于黑白图像A2多出的部分以彩色标注在黑白图像B2上，及/或把将黑白图像B2相较于黑白图像A2少的部分以彩色标注在黑白图像A2上，并显示出上述标注之后的黑白图像A2和B2。也就是说，当黑白图像B2的目标物体有比黑白图像A2的目标物体多出的部分时，或者，当黑白图像B2的目标物体有比黑白图像A2的目标物体少的部分时，该比较结果为黑白图像A2和B2不一致；反之，则该比较结果为黑白图像A2和B2一致。

参阅图2所示，是图1中轮廓加粗模块12的子功能模块图。该轮廓加粗模块12包括设置子模块120、第一图像获取子模块121、坐标值读取子模块122、第一像素值读取子模块123、第一判断子模块124、点获取子模块125及第一着色子模块126。

所述的设置子模块120用于定义一个加粗矩阵，该加粗矩阵中定义了需要采用前景色，即目标物体的颜色着色的点。所述加粗矩阵可以是一个X阶矩阵，如图7(A)所示的3阶矩阵。所述加粗矩阵的中心处数值为1，表示在进行外轮廓加粗操作过程中的当前点。所述加粗矩阵中心处以外的其他位置的数值由0、1组成，其中1表示需要采用前景色着色，0表示不需要采用前景色着色。众所周知，在二维平面图像中，每一个点都有相邻的八个点，即右上、上、左上、右、左、右下、下、左下八个点。在图7(A)所示的3阶加粗矩阵中，矩阵中心处的上、下、左、右取值为1，左上、右上、左下、右下取值为0，则表示，对当前点的上、下、左、右四个相邻点采用目标物体的颜色着色。

此外，该设置子模块120还用于设置上述加粗矩阵的矩阵坐标。详细地，该设置子模块130可以设置加粗矩阵中心处的点的坐标值为(x，y)，则其右上、上、左上、右、左、右下、下、左下八个点的坐标分别为(x-1，y-1)、(x，y-1)、(x+1，y-1)、(x-1，y)、(x+1，y)、(x-1，y+1)、(x，y+1)、(x+1，y+1)。该矩阵坐标可以参见图7(B)所示。

所述的第一图像获取子模块121用于获取第一图像。本实施例中，所述第一图像为黑白图像A2或者B2。

所述的坐标值读取子模块122用于读取该第一图像的每一行的每个点的坐标值。

所述的第一像素值获取子模块123用于读取该第一图像的每一行的每个点的像素值。

所述的第一判断子模块124用于判断该第一图像的第N行的第n点的像素值是否与该第一图像中目标物体像素值相同。进一步地，该第一判断子模块124还用于判断该第n点是否为该第N行的最末点，及该第N行是否为该第一图像的最末行。

所述的点获取子模块125用于当第一图像的第N行第n点的像素值与该第一图像的目标物体像素值相同时，根据上述定义的加粗矩阵及该加粗矩阵的矩阵坐标在该第一图像取出与该第N行第n点相邻的Y个点。例如，已知该第一图像中第N行第n点的坐标值为(x，y)，根据图7(A)所示的加粗矩阵及图7(B)所示的矩阵坐标，该点获取子模块125获取坐标值为(x，y-1)，(x，y+1)，(x-1，y)，(x+1，y)的4个点。

所述的第一着色子模块126用于判断上述获取的Y个点中是否存在其像素值与该第一图像中目标物体像素值不同的点，以及当存在这样的点时，用该第一图像中目标物体的颜色对该点着色，以加粗该第一图像的目标物体外轮廓生成加粗图像。

参阅图3所示，是图1中图像覆盖模块13的子功能模块图。该图像覆盖模块13包括第二图像获取子模块130、第二像素值读取子模块131、第二判断子模块132、覆盖子模块133、第二着色子模块134及图像生成子模块135。

所述第二图像获取子模块130用于获取需要进行图像覆盖的第二图像及第三图像。本实施例中，所述第二图像及第三图像均为黑白图像，且其目标物体颜色为黑色，背景颜色为白色。所述第二图像及第三图像分别为加粗图像A4及骨干图像B3，或者该第二图像及第三图像分别为加粗图像B4及骨干图像A3。

所述的第二像素值读取子模块131用于读取该第二图像及第三图像的每一行的每个点的像素值。本实施例中，该像素值为0或者1，其中，0表示黑色，1表示白色。

所述的第二判断子模块132用于判断第二图像中第N行第n点的像素值与第三图像中第N行第n点的像素值是否相同。当第二图像与第三图像第N行第n点的像素值不同时，该第二判断子模块132还用于判断第二图像中的第N行第n点的像素值是否为0，即该点是否为黑色。进一步地，所述第二判断子模块132还用于判断该第n点是否为该第N行的最末点，及该第N行是否为该第二图像及第三图像的最末行。

所述的覆盖子模块133用于当第二图像中第N行第n点的像素值与第三图像中第N行第n点的像素值相同时，或者虽然第二图像与第三图像第N行第n点的像素值不同，但第二图像中的第N行第n点的像素值为0时，用该第二图像中第N行第n点覆盖该第三图像中第N行第n点。

所述的第二着色子模块134，用于当第二图像与第三图像第N行第n点的像素值不同，且第二图像中的该第N行第n点的像素值不为0时，将第三图像中的第N行第n点着彩色，以便更清楚地展现该多出的点。

所述的图像生成子模块135用于生成第二图像覆盖第三图像之覆盖图像，如覆盖图像AB1及覆盖图像AB2。

参阅图8所示，是本发明图像比较方法较佳实施例的实施流程图。

步骤S10，图像转换模块10将需要比较的彩色图像A和B利用一个转换算法分别转换为灰度图像A1和B1。所述将彩色图像转换为灰度图像的转换算法可以为：Gray＝(R*0.3+G*.059+B*0.11)。

步骤S11，图像转换模块10将灰度图像A1和B1进行二值化处理，分别转换为黑白图像A2和B2。所述二值化处理就是设定一个阈值，将灰度值大于或等于阈值的像素值取值为1，而灰度值小于阈值的像素值取值为0。灰度图像的二值化可以根据图像中目标物体的不同而有不同的二值化算法。目前主要的二值化算法有全局阈值法、局部阈值法和动态阈值法。其中最简单的是全局阈值法，就是整个图像采用单一阈值进行图像二值化，比如将阈值设置为0-255的中值127。

需要说明书的是，若需要比较的图像本来就是黑白图像，则可以不需要步骤S10及步骤S11。

步骤S12，骨干提取模块11从黑白图像B2中提取其目标物体骨干，得到骨干图像B3。详细地，所述骨干提取模块11对黑白图像B2按行或者按列提取每个点的像素值。对于任意一行(或列)，若该行(或列)中存在多个连续的目标物体像素值，则以一个目标物体像素值表示该多个连续的目标物体像素值。例如，以该多个连续的目标物体像素值的中间一个像素值来表示该多个连续的目标物体像素值。也就是说，提取的目标物体骨干的宽度为1。例如，假设黑白图像中取值为1的像素值是目标物体像素值，假设该黑白图像某一行所有点的像素值为1，1，1，0，0，1，1，1，1，1，0，0，1，则提取图像骨干后该行的像素值是0，1，0，0，0，0，0，1，0，0，0，0，1。

步骤S13，轮廓加粗模块12将黑白图像A2中目标物体的外轮廓加粗，生成加粗图像A4。该步骤的详细流程请参见图9所示。

步骤S14，图像覆盖模块13将加粗图像A4覆盖在骨干图像B3上，生成覆盖图像AB1，以得到骨干图像B3相对于加粗图像A4多的部分。该步骤的详细流程请参见图10所示。

步骤S15，骨干提取模块11从黑白图像A2中提取其目标物体骨干，得到骨干图像A3。提取骨干图像A3的方法可以参照步骤S12中提取骨干图像B3的方法。

步骤S16，轮廓加粗模块12将黑白图像B2中目标物体的外轮廓加粗，生成加粗图像B4。该步骤的详细流程请参见图9所示。

步骤S17，图像覆盖模块13将加粗图像B4覆盖在骨干图像A3上，生成覆盖图像AB2，以得到加粗图像B4相对于骨干图像A3少的部分。该步骤的详细流程请参见图10所示。

步骤S18，结果输出模块14输出对黑白图像A2和B2的比较结果。进一步地，当黑白图像A2和B2的比较结果为不一致时，在该步骤中，结果输出模块14还将黑白图像B2相较于黑白图像A2多出的部分以彩色标注在黑白图像B2上及把将黑白图像B2相较于黑白图像A2少的部分以彩色标注在黑白图像A2上，并显示出上述标注之后的黑白图像A2和B2。

参阅图9所示，是图8中步骤S13及S16的详细实施流程图。

步骤S100，设置子模块120定义一个加粗矩阵并设置该加粗矩阵的矩阵坐标。所述加粗矩阵可以是一个X阶矩阵。

步骤S101，第一图像获取子模块121获取第一图像。本实施例中，所述第一图像为黑白图像A2或者黑白图像B2。

步骤S102，坐标值读取子模块122读取该第一图像的第N行所有点的坐标值，此时N＝1。

步骤S103，第一像素值获取子模块123读取该第一图像的第N行所有点的像素值。

步骤S104，第一判断子模块124判断该第一图像的第N行的第n点的像素值是否与该第一图像的目标物体像素值相同，此时n＝1。若像素值相同，则流程进入步骤S105。否则，若像素值不相同，则进入步骤S108。

在步骤S105中，点获取子模块125根据上述定义的加粗矩阵及该加粗矩阵的矩阵坐标在第一图像取出该第N行第n点相邻的Y个点。例如，已知该第一图像中第N行第n点的坐标值为(x，y)，根据图7(A)所示的加粗矩阵及图7(B)所示的矩阵坐标，该点获取子模块125获取坐标值为(x，y-1)，(x，y+1)，(x-1，y)，(x+1，y)的4个点。

步骤S106，第一着色子模块126判断上述获取的Y个点中是否存在其像素值与该第一图像中目标物体像素值不同的点。若该Y个点中存在像素值与该第一图像中目标物体像素值不同的点，则流程进入步骤S107。否则，若该Y个点中不存在像素值与该第一图像中目标物体像素值不同的点，则流程进入步骤S108。

在步骤S107中，第一着色子模块126用该第一图像中目标物体的颜色对该点着色，以加粗该第一图像的目标物体外轮廓。

在步骤S108中，第一判断子模块124判断该第n点是否为第N行的最末点。若不是最末点，则流程返回步骤S104，此时n＝n+1。若是最末点，则流程进入步骤S109。

在步骤S109中，第一判断子模块124判断该第N行是否为该第一图像的最末行。若不是最末行，则流程返回步骤S102，此时N＝N+1。若是最末行，则流程结束。

参阅图10所示，是图8中步骤S14及S17的详细实施流程图。

步骤S200，第二图像获取子模块130获取需要进行图像覆盖的第二图像及第三图像。本实施例中，所述第二图像及第三图像均为黑白图像，且其目标物体颜色为黑色，背景颜色为白色。所述第二图像及第三图像分别为加粗图像A4及骨干图像B3，或者该第二图像及第三图像分别为加粗图像B4及骨干图像A3。

步骤S201，第二像素值读取子模块131读取该第二图像及第三图像的第N行的所有点的像素值，此时N＝1。本实施例中，该像素值为0或者1，其中，0表示黑色，1表示白色。

步骤S202，第二判断子模块132判断该第二图像与第三图像的第N行第n点的像素值是否相同，此时n＝1。若像素值相同，则流程进入步骤S204。否则，若像素值不相同，则流程进入步骤S203。

在步骤S203中，该第二判断子模块132进一步判断第二图像中的该第N行第n点的像素值是否为0，即该点是否为黑色。若该点像素值为0，则流程进入步骤S204。否则，若该点像素值不为0，则流程进入步骤S205。

在步骤S204中，覆盖子模块133用该第二图像中第N行第n点覆盖该第三图像中第N行第n点。

在步骤S205中，着色子模块134将第三图像中的该第N行第n点着彩色，以便更清楚地展现该多出的点。

步骤S206，第二判断子模块132判断该第n点是否为该第N行的最末点。若不是最末点，则流程返回步骤S202，此时的n＝n+1。若是最末点，则流程进入步骤S207。

步骤S207，第二判断子模块132判断该第N行是否为该第二图像及第三图像的最末行。若不是最末行，则流程返回步骤S201，此时的N＝N+1。若是最末点，则流程进入步骤S208。

步骤S208，图像生成子模块135生成第二图像覆盖第三图像之覆盖图像，即生成覆盖图像AB1或覆盖图像AB2。

Claims (10)

1.一种图像比较系统，运行于计算机中，用于比较图像中目标物体的差异，其特征在于，该系统包括：

骨干提取模块，用于提取黑白图像A2中目标物体的骨干，得到骨干图像A3，及提取黑白图像B2中目标物体的骨干，得到骨干图像B3；

轮廓加粗模块，用于将黑白图像A2中目标物体的外轮廓加粗，以得到加粗图像A4，及将黑白图像B2中目标物体的外轮廓加粗，以得到加粗图像B4；

图像覆盖模块，用于将加粗图像A4覆盖在骨干图像B3上，生成覆盖图像AB1，以得到黑白图像B2相对于黑白图像A2多的部分，及将加粗图像B4覆盖在骨干图像A3上，生成覆盖图像AB2，以得到黑白图像B2相对于黑白图像A2少的部分；及

结果输出模块，用于根据图像覆盖模块的处理结果生成并输出黑白图像A2和B2的比较结果。

2.如权利要求1所述的图像比较系统，其特征在于，该系统还包括：

图像转换模块，用于在需要比较的图像不是黑白图像时，将该需要比较的图像转换为黑白图像。

3.如权利要求1所述的图像比较系统，其特征在于，所述的轮廓加粗模块包括：

设置子模块，用于定义一个加粗矩阵及设置该加粗矩阵的矩阵坐标，其中该加粗矩阵中定义了需要采用黑白图像A2或者B2中目标物体的颜色着色的点；

第一图像获取子模块，用于获取黑白图像A2或者B2；

坐标值读取子模块，用于读取黑白图像A2或者B2的每一行的每个点的坐标值；

第一像素值获取子模块，用于读取黑白图像A2或者B2的每一行的每个点的像素值；

第一判断子模块，用于判断黑白图像A2或者B2的第N行的第n点的像素值是否与该黑白图像A2或者B2中目标物体像素值相同，判断该第n点是否为第N行的最末点，及该第N行是否为黑白图像A2或者B2的最末行；

点获取子模块，用于当黑白图像A2或者B2的第N行第n点的像素值与该黑白图像A2或者B2中目标物体像素值相同时，根据上述定义的加粗矩阵及该加粗矩阵的矩阵坐标在黑白图像A2或者B2取出与该第N行第n点相邻的Y个点；及

第一着色子模块，用于判断上述获取的Y个点中是否存在其像素值与该黑白图像A2或者B2中目标物体像素值不同的点，以及当存在这样的点时，用该黑白图像A2或者B2中目标物体的颜色对该点着色。

4.如权利要求1所述的图像比较系统，其特征在于，所述的图像覆盖模块包括：

第二图像获取子模块，用于获取需要进行图像覆盖的加粗图像及骨干图像，所述加粗图像及骨干图像为加粗图像A4及骨干图像B3或者该加粗图像及骨干图像为加粗图像B4及骨干图像A3；

第二像素值读取子模块，用于读取上述加粗图像及骨干图像的每一行的每个点的像素值；

第二判断子模块，用于判断加粗图像中第N行第n点的像素值与骨干图像中第N行第n点的像素值是否相同，判断该第n点是否为该第N行的最末点，及该第N行是否为上述加粗图像及骨干图像的最末行；

覆盖子模块，用于当加粗图像中第N行第n点的像素值与骨干图像中第N行第n点的像素值相同时，或者虽然加粗图像与骨干图像的第N行第n点的像素值不同，但加粗图像的第N行第n点的颜色为黑色时，用该加粗图像中第N行第n点覆盖该骨干图像中第N行第n点；

第二着色子模块，用于当加粗图像中与骨干图像第N行第n点的像素值不同，且加粗图像中的第N行第n点的颜色为白色时，将骨干图像中的第N行第n点着彩色；及

图像生成子模块，用于生成用加粗图像覆盖骨干图像之后的覆盖图像，其中，若加粗图像及骨干图像为加粗图像A4及骨干图像B3，则生成的覆盖图像为AB1，及若加粗图像及骨干图像为加粗图像B4及骨干图像A3，则生成的覆盖图像为AB2。

5.一种图像比较方法，用于比较两张图像中目标物体的差异，其特征在于，该方法包括步骤：

第一骨干提取步骤：提取黑白图像B2中目标物体的骨干，得到骨干图像B3；

第一轮廓加粗步骤：将黑白图像A2中目标物体的外轮廓加粗，以得到加粗图像A4；

第一图像覆盖步骤：将加粗图像A4覆盖在骨干图像B3上，生成覆盖图像AB1，以得到黑白图像B2相对于黑白图像A2多出的部分；

第二骨干提取步骤：提取黑白图像A2中目标物体的骨干，得到骨干图像A3；

第二轮廓加粗步骤：将黑白图像B2中目标物体的外轮廓加粗，以得到加粗图像B4；

第二图像覆盖步骤：将加粗图像B4覆盖在骨干图像A3上，生成覆盖图像AB2，以得到黑白图像B2相对于黑白图像A2少的部分；及

结果输出步骤，输出对黑白图像A2和B2的比较结果。

6.如权利要求5所述的图像比较方法，其特征在于，若需要比较的图像是彩色图像A和B时，该方法还包括：

将需要比较的彩色图像A和B利用一个转换算法分别转换为灰度图像A1和B1；

设定一个阈值；及

将灰度图像A1和B1中灰度值大于或等于该阈值的像素值取值为1，及将灰度值小于该阈值的像素值取值为0，生成黑白图像A2和B2。

7.如权利要求6所述的图像比较方法，其特征在于，所述阈值为0～255之间的中值127。

8.如权利要求5所述的图像比较方法，其特征在于，所述的第一骨干提取步骤或者第二骨干提取步骤包括：

按行或者按列提取黑白图像A2或者B2中每个点的像素值；及

当每一行或列中存在多个连续的目标物体像素值时，以一个目标物体像素值表示该多个连续的目标物体像素值。

9.如权利要求5所述的图像比较方法，其特征在于，所述的第一轮廓加粗步骤或者第二轮廓加粗步骤包括：

(A)定义一个加粗矩阵及设置该加粗矩阵的矩阵坐标，其中该加粗矩阵中定义了需要采用黑白图像A2或者B2中目标物体的颜色着色的点；

(B)获取黑白图像A2或者B2，并设置N＝1及n＝1；

(C)读取黑白图像A2或者B2的第N行的每个点的坐标值；

(D)读取黑白图像A2或者B2的第N行的每个点的像素值；

(E)判断黑白图像A2或者B2的第N行的第n点的像素值是否与该黑白图像A2或者B2的目标物体像素值相同；

(F)当黑白图像A2或者B2的第N行第n点的像素值与该黑白图像A2或者B2的目标物体像素值相同时，根据上述定义的加粗矩阵及该加粗矩阵的矩阵坐标在该黑白图像A2或者B2取出与该第N行第n点相邻的Y个点；

(G)当上述获取的Y个点中不存在其像素值与该黑白图像A2或者B2中目标物体像素值不同的点时，用该黑白图像A2或者B2中目标物体的颜色对该点着色；

(H)判断该第n点是否为第N行的最末点，其中，若该第n点不是第N行的最末点，则n＝n+1，并返回步骤(E)，或者若该第n点是第N行的最末点，则进入步骤(I)；及

(I)判断该第N行是否为黑白图像A2或者B2的最末行，若不是最末行，则N＝N+1，并返回步骤(C)。

10.如权利要求5所述的图像对比方法，其特征在于，所述的第一图像覆盖步骤或者第二图像覆盖步骤步骤包括：

(a)获取需要进行图像覆盖的加粗图像及骨干图像，所述加粗图像及骨干图像为加粗图像A4及骨干图像B3或者该加粗图像及骨干图像为加粗图像B4及骨干图像A3，并设置N＝1及n＝1；

(b)读取上述加粗图像及骨干图像的第N行的每个点的像素值；

(c)判断加粗图像中第N行第n点的像素值与骨干图像中第N行第n点的像素值是否相同；

(d)当加粗图像中第N行第n点的像素值与骨干图像中第N行第n点的像素值相同时，或者虽然加粗图像中与骨干图像中第N行第n点的像素值不同，但加粗图像的第N行第n点的颜色为黑色时，用该加粗图像中第N行第n点覆盖该骨干图像中第N行第n点；

(e)当加粗图像中与骨干图像第N行第n点的像素值不同，且加粗图像中的第N行第n点的颜色为白色时，将骨干图像中的第N行第n点着彩色；

(f)判断该第n点是否为该第N行的最末点，其中，若不是最末点，则n＝n+1，并返回步骤(c)，若该第n点是该第N行的最末点，则进入步骤(g)；

(g)判断第N行是否为该加粗图像及骨干图像的最末行，其中，若不是最末行，则N＝N+1，并返回步骤(b)，若该第N行是最末行，则进入步骤(h)；及

(h)生成加粗图像覆盖骨干图像之后的覆盖图像。

Images