CN101154269A - 基于边界探测的新型多阀值分析人像轮廓跟踪方法 - Google Patents
基于边界探测的新型多阀值分析人像轮廓跟踪方法 Download PDFInfo
- Publication number
- CN101154269A CN101154269A CNA2006101527436A CN200610152743A CN101154269A CN 101154269 A CN101154269 A CN 101154269A CN A2006101527436 A CNA2006101527436 A CN A2006101527436A CN 200610152743 A CN200610152743 A CN 200610152743A CN 101154269 A CN101154269 A CN 101154269A
- Authority
- CN
- China
- Prior art keywords
- portrait
- threshold values
- pure white
- photo
- pixel
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公布了一种基于边界探测算法的多阀值分析人像轮廓跟踪技术。这一技术被应用于第二代身份证人像采集系统,通过自动识别数字照片中的人像轮廓,判别并修正背景颜色、皮肤色彩范围、灰度偏差等人像信息,使之符合居民身份证制证用数字相片的样式规定和要求。这一技术在人像采集软件中的应用,已经为全国十多个省的制证照片采集工作提供了海量的高品质照片,取得了令人满意的成绩,尤其是其对特殊人群的照片处理有着非常显著的效果,是数字照片合格率准确性、稳定性和有效性的有利保证。同时这一技术在制证中心检测平台中的使用,也使得人像信息检测的自动化、智能化,批量化成为可能。
Description
技术领域:
本发明是一种基于边界探测算法和阀值分析法的人像轮廓跟踪及图像检测修正方法,属模式识别技术领域。
背景技术:
图像边缘是图像信息中最基本特征之一。所谓边缘是指其周围像素灰度有阶跃性变化或屋顶变化的像素的集合。物体的边缘是由灰度的不连续性所致,因此考察图像每个像素在某个邻域内灰度的变化,利用边缘邻近一阶或二阶方向导数变化规律即可检测图像边缘。
边缘检测有很多经典算子(Sobel,Roberts,Canny,高斯拉普拉斯算子等等)。在边沿检测中,我们通常使用模板做为边沿检测器,它在数学上的涵义是一种基于梯度的滤波器,又称边沿算子。常用的一种模板是各向同性Sobel(Isotropic Sobel)算子。各向同性的Sobel算子有两个,一个是检测水平边沿的 另一个是检测垂直平边沿的 其特点是位置加权系数更为准确,在检测不同方向的边沿时梯度的幅度一致。
轮廓跟踪又可分为起始轮廓点的选择、区域轮廓的自封闭跟踪以及记录轮廓链码。
发明内容:
本发明的基于边界探测算法和阀值分析法的人像轮廓跟踪及图像检测修正方法提出在人像轮廓边缘检测时使用自定义特殊算子获得图像灰度分布图(1),设定图像背景初始阀值(2)、两点间的灰度跳变阀值(3)、相邻两行人像轮廓边缘位置差阀值(4)、制证照片非纯白背景阀值(6)、制证照片非纯白背景像素数量标准(7)、非纯白背景制证照片中非纯白像素占图像总像素数量的百分比(8)等一系列图片非纯白背景标准,并根据标准生成人像轮廓掩码位图(5),记录相邻两行的人像轮廓边缘位置,使用相邻两行人像轮廓边缘位置差阀值(4),灰度分布图(1)对人像轮廓进行边缘修补。利用人像轮廓掩码位图与原图的比较,判别并修正背景颜色、皮肤色彩范围、灰度偏差等人像信息,使之符合第二代居民身份证制证用数字相片的样式规定和要求。包括以下步骤:
1.我们将图像文件看做二维象素矩阵显示和存储的图像。人像轮廓的边缘检测模型组成元素包括:
(1)每行有C0={C0,i}个像素,1≤i≤W,其中W为图像宽度;
(2)每列有L0={L0,j}个像素,1≤j≤H,其中H为图像高度;
(3)图像有V0={V0,M0}个像素值,1≤M0≤W×H;
(4)K点像素值的内含状态数目N1 k=255×255×255,以及其中的内含状态V1 k={V1 k,n},0≤n≤N1 k;
(5)红色分量R0={R0,m},0≤m≤255;
(6)绿色分量G0={G0,m},0≤m≤255;
(7)蓝色分量B0={B0,m},0≤m≤255;
2.逐点分别计算并生成图像的灰度分布图(1)。对于图像中位于Li行,Ci列的K点的灰度值,其计算步骤如下:
(1)3×3影像位置参考图如附图1所示
(2)梯度向量
Vf=|(Z7+Z8+Z9)-(Z1+Z2+Z3)|+|(Z7+Z8+Z9)-(Z1+Z2+Z3)|
3.利用阀值法生成初始人像轮廓掩码位图hMask
(1)设置背景颜色阀值ΔL(2)
(2)创建与原图大小一致的黑色背景位图hMask
(3)设定两点间的灰度跳变阀值ΔP(3)
(4)根据ΔL(2)和ΔP(3)逐行扫描确定人像轮廓起始点
(5)标记制证照片中的人像范围
①在hMask中将从人像轮廓左起点开始到图片中间分界线的部分标记为白色的人像部分。
②在hMask中将从人像轮廓右起点开始到图片中间分界线的部分标记为白色的人像部分。
4.利用阀值法和灰度分别图(1)对人像轮廓进行边界修补
5.检测并修正制证照片背景
(1)设置制证照片非纯白像素阀值WG(6)
(2)设置制证照片非纯白背景像素数量标准WD(7)
(3)设置非纯白背景制证照片中非纯白像素占图像总像素数量的百分比WP(8)
(4)逐点扫描原图中与人像轮廓掩码位图中的黑色部分一致的像素点,根据非纯白像素点阀值WG(6)判断该像素点是否纯白,记录非纯白像素点的个数WT(9)
(5)如果WT>WG或WT/V0>WP,照片背景非纯白
(6)根据人像轮廓掩码位图(5)修正非纯白背景(11)
附图说明:
附图13×3影像位置图
附图2为原图与灰度分布图的对比;
附图3为使用阀值法生成的人像轮廓掩码位图
附图4为使用灰度分布图修补人像轮廓边缘后的掩码位图
具体实施方案:
1.我们将图像文件看做二维象素矩阵显示和存储的图像。人像轮廓的边缘检测模型组成元素包括:
(1)每行有C0={G0,i}个像素,1≤i≤W,其中W为图像宽度;
(2)每列有L0={L0,j }个像素,1≤j≤H,其中H为图像高度;
(3)图像有V0={V0,M0}个像素值,1≤M0≤W×H:
(4)K点像素值的内含状态数目N1 k=255×255×255,以及其中的内含状态V1 k={V1 k,n},0≤n≤N1 k;
(5)红色分量R0={R0,m},0≤m≤255;
(6)绿色分量G0={G0,m},0≤m≤255;
(7)蓝色分量B0={B0,m},0≤m≤255;
2.逐点分别计算并生成图像的灰度分布图(1)。对于图像中位于Li行,Ci列的K点的灰度值,其计算步骤如下:
(1)3×3影像位置参考图如附图1所示
(2)梯度向量
Vf=|(Z7+Z8+Z9)-(Z1+Z2+Z3)|+|(Z7+Z8+Z9)-(Z1+Z2+Z3)|
3.利用阀值法生成初始人像轮廓掩码位图hMask
(1)设置背景颜色阀值ΔL(2)
(2)创建与原图大小一致的黑色背景位图hMask
(3)设定两点间的灰度跳变阀值ΔP(3)
(4)根据ΔL(2)和ΔP(3)逐行扫描确定人像轮廓起始点
(5)标记制证照片中的人像范围
①在hMask中将从人像轮廓左起点开始到图片中间分界线的部分标记为白色的人像部分。
②在hMask中将从人像轮廓右起点开始到图片中间分界线的部分标记为白色的人像部分。
4.利用阀值法和灰度分别图(1)对人像轮廓进行边界修补
5.检测并修正制证照片背景
(1)设置制证照片非纯白像素阀值WG(6)
(2)设置制证照片非纯白背景像素数量标准WD(7)
(3)设置非纯白背景制证照片中非纯白像素占图像总像素数量的百分比WP(8)
(4)逐点扫描原图中与人像轮廓掩码位图中的黑色部分一致的像素点,根据非纯白像素点阀值WG(6)判断该像素点是否纯白,记录非纯白像素点的个数WT(9)
(5)如果WT>WG或WT/V0>WP,照片背景非纯白
(6)根据人像轮廓掩码位图(5)修正非纯白背景(11)
Claims (9)
1.融合基于边界探测算法和阀值分析法的人像轮廓跟踪技术,图像检测修正技术,其实现步骤如下:
1.生成第二代身份证制证照片的灰度分布图(1)。
2.设定图像背景初始阀值ΔL(2)。
3.设定两点间的灰度跳变阀值ΔP(3)。
4.设置相邻两行人像轮廓边缘位置差阀值ΔK(4)。
5.根据设定的阀值ΔL(2)、ΔP(3),使用阀值法生成人像轮廓掩码位图(5)。
6.使用灰度分布图(1)和相邻两行人像轮廓边缘位置阀值ΔK(4)修补人像轮廓边缘。
7.设置制证照片非纯白背景阀值标准WG(6)、非纯白背景像素数量标准WD(7)、非纯白像素百分比WP(8)。
8.根据人像轮廓掩码位图(5)逐行扫描照片数据,根据WG(6)、、WD(7)、WP(8)、判断像素点是否纯白。
9.根据人像轮廓掩码位图(5)修正非纯白背景(9)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2006101527436A CN101154269A (zh) | 2006-09-27 | 2006-09-27 | 基于边界探测的新型多阀值分析人像轮廓跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2006101527436A CN101154269A (zh) | 2006-09-27 | 2006-09-27 | 基于边界探测的新型多阀值分析人像轮廓跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101154269A true CN101154269A (zh) | 2008-04-02 |
Family
ID=39255916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006101527436A Pending CN101154269A (zh) | 2006-09-27 | 2006-09-27 | 基于边界探测的新型多阀值分析人像轮廓跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101154269A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514444A (zh) * | 2013-10-15 | 2014-01-15 | 北京联合大学 | 一种基于轮廓和色彩相似对称分布特征的行人检测方法 |
CN103514444B (zh) * | 2013-10-15 | 2016-11-30 | 北京联合大学 | 一种基于轮廓和色彩相似对称分布特征的行人检测方法 |
CN109064525A (zh) * | 2018-08-20 | 2018-12-21 | 广州视源电子科技股份有限公司 | 一种图片格式转换方法、装置、设备和存储介质 |
CN109146991A (zh) * | 2018-08-20 | 2019-01-04 | 广州视源电子科技股份有限公司 | 一种图片格式转换方法、装置、设备和存储介质 |
-
2006
- 2006-09-27 CN CNA2006101527436A patent/CN101154269A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514444A (zh) * | 2013-10-15 | 2014-01-15 | 北京联合大学 | 一种基于轮廓和色彩相似对称分布特征的行人检测方法 |
CN103514444B (zh) * | 2013-10-15 | 2016-11-30 | 北京联合大学 | 一种基于轮廓和色彩相似对称分布特征的行人检测方法 |
CN109064525A (zh) * | 2018-08-20 | 2018-12-21 | 广州视源电子科技股份有限公司 | 一种图片格式转换方法、装置、设备和存储介质 |
CN109146991A (zh) * | 2018-08-20 | 2019-01-04 | 广州视源电子科技股份有限公司 | 一种图片格式转换方法、装置、设备和存储介质 |
CN109146991B (zh) * | 2018-08-20 | 2023-05-05 | 广州视源电子科技股份有限公司 | 一种图片格式转换方法、装置、设备和存储介质 |
CN109064525B (zh) * | 2018-08-20 | 2023-05-09 | 广州视源电子科技股份有限公司 | 一种图片格式转换方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11915407B2 (en) | Automated system and method for clarity measurements and clarity grading | |
CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN102226907B (zh) | 基于多特征的车牌定位方法及装置 | |
CN102375982B (zh) | 一种融合多字符特征的车牌定位方法 | |
CN103439348B (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
CN102819728A (zh) | 一种基于分类模板匹配的交通标志检测方法 | |
CN102663760B (zh) | 一种对图像中的车辆挡风镜区域进行定位分割的方法 | |
CN109872309B (zh) | 检测系统、方法、装置及计算机可读存储介质 | |
JP2004294202A (ja) | 画面の欠陥検出方法及び装置 | |
CN109409290B (zh) | 一种温度表检定读数自动识别系统及方法 | |
US8023766B1 (en) | Method and system of processing an image containing undesirable pixels | |
CN101246593B (zh) | 一种彩色图像边缘检测方法及设备 | |
CN109598681B (zh) | 一种对称唐卡修复后图像的无参考质量评价方法 | |
CN105404869A (zh) | 一种基于计算机视觉的水果外形分级方法 | |
CN103914849A (zh) | 一种红枣图像的检测方法 | |
CN116490901A (zh) | 设施平面图中包括的标记分析装置及方法 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN110910372A (zh) | 基于深度卷积神经网络的匀光板缺陷检测方法 | |
JP5201184B2 (ja) | 画像処理装置及びプログラム | |
CN101154269A (zh) | 基于边界探测的新型多阀值分析人像轮廓跟踪方法 | |
CN110969135A (zh) | 自然场景中的车标识别方法 | |
CN110688979A (zh) | 违法车辆追踪方法及装置 | |
CN114494142A (zh) | 一种基于深度学习的移动终端中框缺陷检测方法及装置 | |
CN111640122B (zh) | 基于连通域的led异形显示屏光斑定位分割方法 | |
CN113505660A (zh) | 一种纸质工程图作业批阅装置及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20080402 |