CN101228550A - 图像的二值化 - Google Patents
图像的二值化 Download PDFInfo
- Publication number
- CN101228550A CN101228550A CNA2006800270127A CN200680027012A CN101228550A CN 101228550 A CN101228550 A CN 101228550A CN A2006800270127 A CNA2006800270127 A CN A2006800270127A CN 200680027012 A CN200680027012 A CN 200680027012A CN 101228550 A CN101228550 A CN 101228550A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- row
- binaryzation
- parameter
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/16—Image preprocessing
- G06V30/162—Quantising the image signal
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/30176—Document
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
根据本发明的用于二值化图像的方法和设备,为了初始化包括像素的图像,将图像拆分成两个半图像。基于落在与分离半图像的边界相邻的区域中的像素的值初始化局部参数。然后使用自适应阈值分别为每个半图像执行二值化,其中从初始化局部参数继续的每个半图像计算自适应阈值。
Description
技术领域
本发明涉及用于二值化图像的方法、图像处理芯片组和支持图像二值化的电子设备以及其中存储用于二值化图像的软件代码的软件程序产品。
背景技术
信息常常作为彩色图像或者灰度图像来呈现,即使它的内容可能作为二进制图像。这样的信息的例子是打印文档、手写笔记、条形码、在电视文字广播上和在普通屏幕上的TV屏幕上显示的一些信息、在计算机监视器上的一些演示等。
在一些情形下,可能希望借助二值化将这样的彩色或者灰度图像转换成二值图像例如以便有助于文档分析或者减少数据量。在多数文档成像系统中,二值化过程通常先于文档分析过程。
通常,二值化包括比较图像每个像素的原值与阈值。用于这一像素的二进制值然后可以在阈值被超过的情况下设置为第一值如黑色、否则设置为第二值如白色。一个值的像素如所有黑色像素然后可以代表所识别的对象,而另一值的像素如所有白色像素可以代表背景。
高效地实施二值化的任务可能很复杂。为文档处理应用而必须二值化的打印文本的物理尺度常常甚至在同一页上也变化很大。另外,如果要实现手写笔记的二值化则复杂度增加。
此外,多数常规对象识别系统专门为扫描仪所采集的文档图像而开发。然而,数字相机日益流行。移动电话和其它移动设备也越来越大程度地配备有嵌入式相机部件或者配备有用于将允许拍摄画面和记录电影的辅助设备与相机部件连接的设施。数字相机或者嵌入式相机部件因此可以用作为例如用于字符扫描和识别功能的新的一种输入接口。因此,对于也能够处理相机图像的需要日益重要。涉及到的移动设备本身有利地配备有图像二值化设施。
相机图像中的对象比扫描仪图像中的对象更难以识别。原因在于利用相机比利用扫描仪更难以控制成像环境。即使假设用户仔细拍摄图像,但是对获得的相机图像的处理仍然可能成问题。首先,相机图像亮度由于不均匀的光照或者由于相机透镜的畸变而可能不一致。其次,相机图像的色阶表面比扫描仪图像的色阶表面更平滑。换而言之,在例如字符的图像中对象的边缘不如在扫描仪图像中那样清晰,因此在前景与背景之间的强度差在许多相机图像中变化。第三,相机图像可能由于附加到所捕获图像上的传感器噪声或者由于相机的光学系统即相机透镜所致光学模糊和晕影而失真。这些问题在聚焦不良的相机图像中尤其明显。
为了处理相机图像,二值化的性能因此至关重要。然而,常规局部二值化方式的性能依赖于二值化中所用参数。如果特定参数集对于一个图像很好地起作用,但是这些参数很有可能将不适合于其它图像。另外,即使仔细计算最优参数,但是二值化方式可能无法保存对象结构的重要细节。因而当二值化相机图像时必须考虑若干问题。
已经开发各种方法用来二值化图像。这些方法可以分类成全局二值化方法和局部二值化方法。
在全局二值化方法中,最重要的步骤包括确定全局阈值。这一阈值然后将用作为用于图像每个像素的判决因子。这一方法基于输入直方图为双模态的假设。这一方法的优点在于它对于一致图像的简易和有效。但是如果背景或噪声特征是不一致的,则这一方法可能造成大的误差。
在局部二值化方法中,基于一些局部统计为图像的每个像素确定专用阈值。许多流行的局部二值化方法是基于窗的方式,其中根据在以(i,j)为中心的窗口中像素的灰度值来计算用于像素(i,j)的局部阈值。已经提出各种公式用于计算这样的局部阈值。
P.D.Wellner在1993年EuroPARC Technical Report EPC-93-110的″Adaptive thresholding for the DigitalDesk″中已经提出一种局部二值化方法。所呈现的方法为包含打印文本的图像而专门设计并且使用移动平均来判决二值化的结果。这一方法的思想在于计算后n个所见像素的移动求和。当像素的值明显低于移动平均时将它设置为黑色、否则将它留作白色。这一方法仅需一次经过图像。图像作为一维像素流来对待,并且可以直接计算或者基于如下等式估计可以用于确定移动平均的移动求和:
其中Mi+1是用于像素pi+1的移动求和的估计。根据称为“交错书写(boustrophedon)”(在希腊语中意指“牛耕”)的扫描方法从相机图像中获取一维像素流。也就是说,由从左到右的一行行进和由从右到左的下一行行进等等获取图像。通过使用这一方法来避免图像的一侧相对于另一侧的偏离。所估计的移动平均然后根据如下等式用作为局部阈值:
其中P是用于像素pi的所得二进制值,其中n是移动求和中考虑的像素数目,以及其中α是固定百分比值。这一项代表实际移动平均。然而需要注意移动求和Mi本身常常称为移动平均。这一算法的简易扩展是将当前阈值与来自上一行的阈值平均以便考虑照度改变以及也考虑图像的垂直轴。
这一方法的可能问题在于用来根据平均值来选择阈值的百分比值α是固定的。实验表明当使用各种打印文本图像类型时以及当出现不同捕获条件时这单个值变得不充分。
发明内容
本发明的一个目的是提供一种现有二值化解决方案的替代方案。本发明的另一目的在于实现快速二值化。本发明的又一目的在于实现对相机捕获的图像的高效二值化。
提出一种用于二值化图像的方法,其中该图像包括像素。该方法包括将图像拆分成两个半图像以及基于落在与分离半图像的边界相邻的区域中的像素的值来初始化局部参数。该方法还包括使用自适应阈值分别为每个半图像执行二值化。从初始化的局部参数开始为每个半图像计算自适应阈值。
另外,提出一种图像处理芯片组和一种电子设备。二者为包括像素的图像的二值化而包括:初始化部分,适于将图像拆分成两个半图像以及基于落在与分离半图像的边界相邻的区域中的像素的值来初始化局部参数。该图像处理芯片和该电子设备还包括:二值化部分,适于使用自适应阈值分别为图像的两个半图像的每一个执行二值化,其中从初始化部分所初始化的局部参数开始为每个半图像计算自适应阈值。
所提出的电子设备可以例如但并非唯一地是移动电话、任一种移动或者固定计算机、数字相机、个人数字助理或者包括相机功能的任一种便携设备等。
最后提出一种软件程序产品,其中存储用于二值化图像的软件代码,其中该图像包括像素。当由电子设备的处理单元执行时,该软件代码实现所提出的方法的步骤。该软件程序产品可以例如是专用存储设备、电子设备的处理单元所能存取的电子设备的存储器或者软件代码加载于其中以供执行的电子设备的处理单元的缓存器等。
本发明从如下考虑继续:如果先基于来自两个半图像的像素初始化在每个半图像的二值化中利用的局部参数则可以相互独立地二值化图像的两个半图像。
本发明的一个优点在于两个半图像的独立二值化实现了半图像的并行二值化。这使二值化更快。
本发明的又一优点在于所用自适应阈值可以反映来自与目标像素有关的范围的局部信息,因此它对原图像性质的变化并不敏感。
通常,按列和行排列数字图像的像素。
分离半图像的边界然后可以例如是垂直线。初始化局部参数在这一情况下可以就每行而言包括在与垂直线相邻的区域中的这一行中像素值的初始求和。自适应阈值可以适应于从与相应行相关联的初始求和开始基于加窗移动求和的每个半图像的每行中的每个像素。可选地,边界然后可以例如是水平线。初始化局部参数在这一情况下可以就每列而言包括在与水平线相邻的区域中的这一列中像素值的初始求和。自适应阈值可以适应于从与相应列相关联的初始求和开始基于加窗移动求和的每个半图像的每个列中的每个像素。
所提出的初始化提供一种用以从输入图像中消除晕影的高效方式。常规“交错书写”扫描对于消除在连续行之间的偏差而言是高效的,但是晕影畸变数量在连续行上不同。事实上,它的特征是强非线性。一种选择会是将自适应计算长度用于移动求和。但是这会明显地使该过程变复杂。所提出的新扫描实现起来容易得多。由于不再在交替方向上执行扫描而是从计算的初始化重新针对每行或者列而开始,所以通过对行或者列的独立计算来简易地消除晕影。
另外,按行或者列的单独处理还在每个半图像中实现并行处理。
由于移动求和的平滑能力,所以有二值化在移动求和的方向上使粗线变细的风险。用来二值化当前像素的所有项将在线内,但是由于有噪相机传感器所以它们将非常不同。因此,二值化可以判决背景存在于粗线内。
提出第一方式,根据该方法通过向加窗移动求和应用自适应局部校正将这一效应校正到某一程度。为此,可以在将平均加窗移动求和用于为特定像素计算自适应阈值之前利用为与特定像素相邻的像素而确定的加窗移动求和来平均为特定像素而确定的加窗移动求和。这样的附加平均允许对阈值增加局部影响。在这一方式的一个实施例中,为特定像素而确定的加窗移动求和至少与为其中确定移动求和的同一行或者列中先于特定像素的像素而确定的加窗移动求和一起平均。本实施例确保对每个像素的计算能够限制在单行或列中。取而代之或者除此之外,为特定像素而确定的加窗移动求和可以与为其中确定移动求和的先前行或者列中的像素而确定的至少一个加窗移动求和一起平均。
另外提出第二方式,根据该方式通过在垂直方向上使用辅校正二值化来校正细化线条的效应,这完全消除这一所不希望的效应。也就是说,以垂直或水平拆分获得的二值化图像被认为只是一个初步结果。另外,在正交方向上将原图像拆分成两个另外半图像,对于这些另外半图像,以与上文分别针对第一水平和垂直拆分所描述相同的方式初始化另外局部参数。然后使用另外初始化局部参数在每个另外半图像中分别校正初步结果。有可能对整个初步二进制图像执行这样的校正。然而,为了加速这一处理步骤,可以将校正限制于对象计算。这意味着只有那些在第一初步二值化步骤中确定为属于背景的那些图像部分才被考虑可能进行校正。因此,仅在另一方向上并且针对有限数目的像素,才进行与初始方向上相同的过程。在第一二值化步骤中确定为属于背景的每个像素现在也可能被确定为属于对象,并且相应地校正关联值。
尽管所呈现的第一方式具有更快速度优点,但是第二方式具有获得更好校正解决方案的优点。
需要注意在第二方式中,在应用校正之前二进制输出已经可用,所以这一步骤是补充步骤。由于校正所需额外耗时,因此在一个实施例中可以仅在用户的请求下、例如只要当用户对获得的初始二值化不满意时才进行校正。
用于像素的最优阈值可以依赖于局部图像行为和全局图像行为。
因此,除了局部参数之外还有利地计算全局参数,例如可以与局部参数的初始化并行进行。为每个半图像计算自适应参数然后还可以考虑全局参数。这一方式特别地适合于使自适应阈值适应于每个种光照条件。需要注意可以为整个图像或者分别为每个半图像计算全局参数。为了进一步提高对照度变化的鲁棒性,每个半图像也可以划分成子图像、例如划分成两个或者四个半图像等。然后可以相应地为每个半图像计算和改变全局参数。
如果初始化的局部参数包括在与边界相邻的区域中像素值的初始求和并且从相应初始求和开始基于像素值的加窗移动求和为每个半图像的每个像素计算自适应阈值,则可以通过向用于特定像素的加窗移动求和应用以下运算来确定用于特定像素的自适应阈值:
1.乘以用于移动平均的调节函数的值,其中调节函数具有在移动平均的第一范围中的递减值、在移动平均的第二范围中的恒定值和在移动平均的第三范围中的递减值。这些范围由计算的全局参数值中的第一和第二计算的全局参数值限定。
2.乘以落在第一与所述第二计算的全局参数值之间的第三计算的全局参数值。
作为附加运算,可以应用除以在移动求和中考虑的像素的数目以便将移动求和转换成移动平均。然而,如果数目固定,则可以通过相应地选择调节函数来隐含地执行这一运算。
将理解可以任意地选择所示运算的次序。
可以自适应地根据输入图像来计算所有所需参数和函数,使得校准不是必需。
本发明可以用于灰度图像、彩色图像以及直接来自于相机传感器的原始数据。如果图像是彩色图像,则可以先将它转换成灰度图像。然而可选地,可以选择颜色之一作为用于二值化的基础,或者可以分别为两个或者更多颜色执行二值化。在这一情况下可以将所得多个二进制图像组合成单个二进制图像。
还可以通过应用二进制校正、例如借助应用二进制中值滤波的二进制中值滤波器和/或应用二进制形态滤波的二进制形态滤波器来进一步校正所得二进制图像。
已经指明本发明实现高程度并行处理,各类实施的并行处理增加了总体处理速度。一言以蔽之,对于并行处理而言以下各项都是可能的选择:与为图像计算全局参数并行进行初始化局部参数;在为按列和行排列像素的图像初始化局部参数时,分别为至少两列或者至少两行并行进行局部参数的单独初始化;局部参数在一个方向上的初始化与局部参数在另一方向上的初始化并行进行;在二值化中,对于每个半图像并行地进行自适应阈值的计算;和/或在针对按列和行排列像素的图像的二值化时分,别为相应一个半图像中的至少两列或者至少两行并行进行自适应阈值的单独计算;等等。
由于本发明可以用于不同种类的图像,例如用于拜尔矩阵图像或者用于插值图像,所以它可以并入于图像处理链中或者它可以实施为按需安装的单独SIS(系统安装套件)封装。
所呈现的二值化可以例如用于色量化或者用以从背景中分离对象。本发明可以例如用于在文档处理系统中或者在对象/背景分离系统中作为第一步骤的图像预处理步骤中。预处理的目的在于从输入图像中获得将实现对象检测或者字符识别的最好可能二进制图像。
本发明还可以用于各种应用。一个示例使用情况是处理、检索和存储形式为文本而不是彩色图像的文档。又一示例使用情况是扫描和存储笔记以供将来检索。又一示例使用情况是扫描和存储地图。如果二值化良好,则用户无需考虑所扫描的彩色图像以理解所代表的含义。又一示例使用情况是板演示、扫描和存储。又一示例使用情况是扫描在电视机和监视器显示器上呈现的文本信息如移动电话号码或者网站。又一示例使用情况是用于条形码应用等的预处理步骤
将理解所提出的图像处理芯片组和所提出的电子设备可以包括适于实现任何所呈现的实施例的装置。同样可以实施在所提出的软件程序产品中存储的软件代码以实现任何所呈现的实施例。
本发明的其它目的和特征将从结合附图来考虑的如下具体描述中变得明显。然而将理解到仅出于图示的目的而不是作为对限制本发明的限定而设计附图,对于本发明的限定应当参照所附的权利要求。还应当理解附图未按比例绘制而且它们仅用来在概念上图示这里描述的结构和过程。
附图说明
图1是根据本发明实施例的电子设备的示意框图;
图2是图示了图1的电子设备中二值化的流程图;
图3是图示了在图2的二值化范围中利用的局部参数二值化的图;
图4a是图示了针对第一个半图像在图2的二值化范围中利用的移动求和计算的图;
图4b是图示了针对第二个半图像在图2的二值化范围中利用的移动求和计算的图;
图5是代表在图2的二值化范围中利用的自适应参数函数的图;
图6是图示了图2的二值化变形的流程图;
图7a是将要二值化的原图像的例子;
图7b是利用现有技术方式得到的图7a的二值化图像;以及
图7c是利用根据本发明的方式得到的图7a的二值化图像。
具体实施方式
图1是根据本发明实施例实现高效二值化的电子设备的示意框图。
举例而言,该电子设备是相机电话10,也就是包括内嵌式相机功能的移动电话。然而将理解它可以是从高效图像二值化中受益的任一其它种类的电子设备。
相机电话10包括图像传感器11,例如CCD(电荷耦合器件)传感器。
相机电话10还包括适于执行各种软件程序代码的处理单元12。软件代码包括可选图像处理代码13和与二值化有关的软件程序代码。图像处理代码13可以实现例如图像链或者JPG图像生成器。它与图像传感器11一起形成常规图像捕获部分。与二值化有关的软件程序代码包括可选灰度计算代码14、全局参数提取代码15、局部参数初始化代码16、自适应二值化代码17和二进制校正代码18。
处理单元12可以例如是运行用于各种应用的软件代码的相机电话10的通用数字处理单元,或者它可以是专用相机处理单元。可选地,图像处理代码13和与二值化有关的软件程序代码14-18的功能可以例如实施于图像处理芯片组中。
相机电话10还包括存储器19。
将理解相机电话10还包括各种其它部件,包括实现移动通信的部件等。
将参照图2至图5具体地描述图1的相机电话10可以执行的二值化。
图2是图示了二值化步骤的流程图。
在第一步骤中,图像捕获部分11、13(步骤201)捕获图像。所捕获的图像可以是从CCD传感器11直接获得的拜尔矩阵图像数据。可选地,它可以是由图像处理代码13输出的彩色图像,例如由成像链输出的彩色图像或者在压缩拜尔矩阵图像数据之后获得的彩色JPG。所捕获的图像可以例如具有640×480像素的尺寸但是同样可以是任何其它尺寸。
当使用拜尔矩阵数据时,从传感器11获得的图像包含用于每个像素的四个分量,即一个红色分量、两个绿色分量和一个蓝色分量。在一个实施例中,只有一个绿色分量以及红色分量用于二值化。在二值化中仅使用所选分量具有的优点在于每个忽略的分量将拜尔矩阵数据量减少四分之一,这也减少计算复杂度和增加二值化的处理速度。另外,蓝色分量是噪声最多的分量,因此它的不存在还有助于去噪处理。然而需要注意,如果将要二值化的对象在输入中表现为黑色、例如如果对象为条形码,则这样的分量选择才有利。只有在这一情况下蓝色分量的不存在才没有太大影响。
例如由图像处理代码13或者可选回复计算代码14进行色分量选择。
图像捕获部分11、13输出的数据被传递到灰度计算代码14。
灰度计算代码14将彩色图像变换成灰度图像(步骤202)。这可以例如通过所选红色、绿色和蓝色分量的适当平均来实现。可选地,可以取代灰度图像而使用彩色图像中的仅一个分量如绿色分量。这足以二值化黑白书写的捕获文档。如果所捕获的图像也包含有色字符、则如果例如为每个像素平均红色和绿色分量则获得更好结果。如果将要二值化的对象以浅色出现,则应当也使用蓝色分量。与每个像素相关联的灰度可以例如是落在范围0至255中的256个可能灰度中的一个灰度。
灰度计算增加了二值化的速度,因为在后续处理步骤中只需要进一步处理一个分量。
获得的灰度图像数据提供给全局参数提取代码15、局部参数初始化代码16和自适应二值化代码17。
在下一步骤中全局参数提取代码15从整个图像中提取数个全局参数(步骤203)。这些全局参数可以如下文将进一步描述的那样用作为用于局部参数的加权或者用于判决在自适应二值化过程中应用的校正。
在全局参数提取的一个可能实施中,为此确定整个图像的最大值(Max)和最小值(Min)。全局参数D、D1和D2然后可以推导如下:
D=(Max+Min)/2
D1=(Min+D)/2
D2=(D+Max)/2
在全局参数提取的另一可能实施中,直方图用来导出全局参数。先计算整个图像的直方图。也就是说,为每个可能灰度而确定与相应灰度所关联的像素数目。然后将D设置为对应于在直方图非零部分中间的灰度。将D1设置为对应于如下最高灰度,直方图在该最高灰度代表多于10%像素属于由较高灰度代表的对象。类似地,将D2设置为如下最低灰度,直方图在该最低灰度代表多于10%像素属于由较低灰度代表的背景。例如,灰度计算(步骤202)可以获得具有256个灰度的灰度图像。为了借助直方图确定全局参数D1和D2,先为相应灰度图像计算直方图。从0开始朝着25 5继续,然后计算第一直方图最大值M1。如果当前值大于前两个值以及后两个将来值则可以认为已经获得最大值。从255开始朝着0继续以类似方式计算第二最大值M2。以Sep=(M1+M2)/2来近似对象/背景分离值。从0至Sep计算直方图值的求和S1而从Sep至255计算求和S2。然后通过D1=S1×10/100和D2=S2×10/100获得全局参数值。
两种实施均获得良好性能。第一实施对于更普通的捕获图像而言表现更好但是对于彩色捕获图像而言则不然。
并行地或者依次地,局部参数初始化代码16初始化多个局部参数(步骤204)。需要注意对于依次初始化也可以经由全局参数提取代码15而不是直接由灰度计算代码14将捕获的图像数据提供给局部参数初始化代码16。
为了初始化,沿着水平或者垂直分离线将图像拆分成两个尺寸相等的图像。然后借助对与分离线相邻的两个半图像的像素值执行的计算来确定用于两个半图像的局部参数的共同初始值。
针对垂直分离线在图3的图中图示了对这样的共同初始值的可能计算。
图3呈现了沿着垂直初始化分离线303拆分成第一个半图像I301和第二个半图像II 302的图像300。图像300的每个行k包括相同数目的像素304。
对于图像300的每个行k,计算初始值M0。在所给例子中,用于相应行的初始值M0是在行k中位于垂直线一旁的第一个半图像I301的四个像素值与在行k中位于垂直线一旁的第二个半图像II 302的四个像素值之和。初始值M0是用于半图像301、3 02的共同初始值。
可选地,在水平分离线的情况下,在图像的每个列中将在特定列中与分离线相邻的来自每个半图像的四个像素值求和。
在这一步骤204之后可以在每个半图像中独立地执行进一步处理。
接收所提取的全局参数D、D1和D2、所计算的局部初始值M0和灰度图像数据作为输入的自适应二值化代码17执行下一步骤(步骤205)。灰度图像数据包括所有像素的灰度。需要注意灰度图像数据也可以经由全局参数提取代码15和/或局部参数初始化代码16而不是直接由灰度计算代码14提供给自适应二值化代码17。
自适应二值化代码17分别为每个半图像301、302执行自适应二值化。
先基于所提供的全局参数值和所提供的初始值为半图像的每个像素确定自适应阈值。
如下文将要说明的那样,初始值M0用于借助移动平均的中心递归实施以移动求和Mi+1的形式为每个像素Pi+1确定局部参数值。将理解也可以直接计算移动平均。
假设沿着垂直线303将原图像拆分成两个半图像301、302,将对行进行相应半图像的处理。
图4a图示了根据下式为半图像I 301的相应行k中的像素pi+1确定移动求和Mi+1:
Mi+1=Mi+Pi-a-Pi-b
相应行k的像素p0是与分离线303相邻的半图像II 302的像素,而像素索引向左增加。在步骤204计算对于相应行k的像素p0有效的初始值M0。在所给例子中,按照在初始值M0中组合的相应八个像素值将变量a和b设置为a=3和b=5。
为在图4b中示出的第二个半图像II 302的像素以相同方式确定移动求和。在这一情况下,像素p0是与分离线303相邻的半图像I 301的像素,像素索引向右增加。
可以用将处理保持于行内的方式通过进一步平均用于像素pi+1的当前移动求和Mi+1和用于像素pi的在先前步骤中计算的移动求和Mi来增加对预期阈值的局部影响。所得局部参数值用H表示。取而代之或者除此之外,也可以通过平均用于当前行k的像素pi+1的值Mi+1和用于先前行k-1的像素pi+1的值Mi+1来获得参数值H。
然后可以根据下式来确定用于一个半图像的特定行中像素pi+1的自适应阈值Ti:
在所给例子中,n=8是所用窗口尺寸,GP=D/8是仅依赖于所提供的全局参数值D的全局参数因子,而AP(x)是依赖于所提供的全局参数D1和D2的自适应参数函数。
在图5中图示了函数AP(x)的形状以及全局参数D1和D2控制它的形状的方式。可见AP的值对于从0上升到D1的阈值x的值而言从约2减少到约1。然后,AP的值随着阈值x的值从D1上升到D2而基本上保持恒定。最后,AP的值对于从D2上升到255的阈值x的值而言进一步减少。可见这一函数将仅在像素值pi+1落在全局参数值D1与D2之间时才用恒定值加权自适应阈值。基于全局参数D1和D2的确定值为相应图像自动地调节函数的形状。
一旦已经为特定像素pi确定阈值Ti,自适应二值化代码17确定像素pi的灰度是否落在阈值Ti以上。在它落在阈值以上的情况下,将像素pi设置为“黑色”,否则将像素pi设置为“白色”。
需要注意在水平分离线的情况下,在列而不是行中以等效方式执行处理。
最后,二进制校正代码18以校正二进制图像为目的向获得的二进制图像应用二进制运算(步骤206)。具体而言,中值滤波器执行二进制中值滤波(步骤207),继而形态滤波器执行形态滤波(步骤208)。二进制中值滤波器负责去噪。它的目的在于消除可能在二值化之后产生的所有小的类似冲激的赝像(artifact)。形态滤波器负责侵蚀/伸缩校正。它们具有只要图像中存在字符就将字符的形状校正为悦目的形状这一能力,因为它们使字符看起来更流畅。需要注意处理的次序也可以相反。因此可能先使用形态滤波器后使用中值滤波器。
可以代之以恰在图像的捕获之后提供具有相似任务的去噪步骤。在这一情况下将要二值化的图像已经被清除一些所不希望的赝像。然而,这一方式的缺点在于需要很复杂的去噪算法以便实现良好性能,例如以24个相邻行作为输入的西格马滤波器。出于处理速度原因,因此优选让自适应过程负责去噪。实验表明:对于更多类别的捕获图像,当只有在二值化之后才校正图像时所得结果更好。另外,即使对捕获的图像执行去噪也仍然需要一些附加二进制校正,这提供了在二进制域中实施整体去噪的又一原因。
二值化和校正的图像然后可以例如存储于存储器19中以供进一步使用。取而代之或者除此之外,二值化和校正的图像也可以在相机电话10的显示器上呈现给用户或者由一些另外应用如字符识别应用或者条形码读取器应用等加以处理。
所呈现的二值化是自适应的而无需用户进行设置或者调整:由于基于捕获的图像数据自动地检测和校正所用参数和函数,所以对系统的校准并非必需。此外,初始化步骤允许在自适应二值化步骤中对图像的多列或者多行进行并行处理,因此加速了处理。也可以使初始化步骤并行化。所呈现的二值化的初始化步骤还提供了消除晕影的高效方式。
需要注意可以用许多方式改变所呈现的操作。
例如,如图2中虚线所示,可以跳过灰度计算步骤202。在这一情况下,分别为捕获图像的所有所选色分量执行后续步骤203-205。也就是说,对于从CCD传感器直接获得的拜尔矩阵的图像而言需要四次单独二值化,而对于在图像链的输出处获得的彩色图像和对于在压缩之后获得的彩色JPG图像也需要三次单独二值化。通过向所有计算的二进制输出应用OR运算来获得最终结果。如果没有灰度图像计算,则可以获得对输入图像中存在的所有颜色的二值化的很精细调节。如果需要二值化丰富多彩的图像,则应当使用所有色分量。
另外,可以分别为多个子图像中的每个子图像而不是为整个图像等同地计算全局参数D、D1和D2。随着二值化进入子图像中,然后相应地改变全局参数和AP(x)函数。为此可以将原图像划分成2、4、8或者16个等同或者不同尺寸的子图像。在两个子图像的情况下,子图像可以例如对应于半图像,而对于多于两个子图像,每个半图像可以进一步加以划分。使用一个全局参数集或者多个全局参数集获得多少有些相似的性能。仅对于非常不同的半图像才表现出一些差异。
图6是图示了参照图2描述的二值化的可能进一步变形的流程图。
在该二值化中,捕获图像601、计算灰度图像602和提取全局参数603的步骤可以分别对应于图2的步骤201、202和203。
另外,可以针对沿着垂直线拆分的灰度图像如参照图2的步骤204所述初始化局部参数(步骤604)。如上文参照图2的步骤205所述,初始化的局部参数然后可以用于在两个半图像中按行计算二进制图像(步骤605)。
然而,还沿着水平线拆分同一灰度图像以便按列初始化局部参数。以沿着水平线的拆分为基础的初始化从而取代上文参照图2的步骤204提到的以沿着垂直线的拆分为基础的初始化。
因此,仅一个拆分用于图2中呈现的解决方案,而两个可能拆分-水平方向和垂直方向-均并行用于图6中呈现的解决方案。
利用水平拆分而获得的初始化局部参数然后用于在通过沿着水平线的划分而获得的两个半图像中按行独立地校正在步骤605中获得的对象(步骤612)。需要注意仅更新对象计算。这意味着对于这一步骤而言不考虑初始对象检测。如果已经确定当前像素属于在步骤605的初始计算中的对象,则简单地跳过步骤612。因此只有当在步骤605的初始计算中检测到背景时才需要校正。换而言之,只有在步骤605中已经设置为“白色”的像素才有可能被校正。如果在正交方向上的二值化判决当前像素也属于对象,则将当前像素从背景值校正为对象值。除了在步骤612中仅为有限数目的像素采取判决这一事实之外,辅二值化准确地对应于就水平分离线的所述情况而言参照步骤205描述的二值化。
将理解也可以基于按列处理来执行基本二值化(步骤604、605),而基于按行处理来执行后续校正(步骤611、612)。
然后使所得的校正图像进行上文参照图2的步骤206、207和208描述的二进制校正(步骤606、607、608)。
根据本发明所呈现的对二值化的变形还具有的优点在于第二拆分适合于针对可能在移动方向上存在于所得二进制图像中的所不希望的线条来校正在步骤305中获得的二进制图像。
图7a、7b和7c图示了所提出的二值化的效果。图7a是在原像中着色的捕获图像。图7b是利用在上文引用的Wellner所著文献中呈现的二值化方式而得到的二值化图像。图7c是利用根据本发明的二值化方式而得到的二值化图像。
尽管已经示出和描述以及指出了应用于其优选实施例的本发明的基本新颖特征,但是将理解本领域技术人员可以在不脱离本发明的精神情况下做出对所述设备和方法的在形式和细节上的各种省略和替代以及改变。例如,明确地旨在于使以基本上相同方式执行基本上相同功能以实现相同结果的那些单元和/或方法步骤的所有组合都在本发明的范围内。另外,应当认识到作为一般的设计选择事项,结合本发明的任何公开形式或者实施例而示出和/或描述的结构和/或单元和/或方法步骤都可以并入于任何其它公开或者描述或者暗示的形式或者实施例中。因此,仅如所附权利要求的范围所指示的那样来限定本发明。
Claims (21)
1.一种用于二值化图像的方法,所述图像包括像素,所述方法包括:
将所述图像拆分成两个半图像;
基于落在与分离所述半图像的边界相邻的区域中的像素的值来初始化局部参数;以及
使用自适应阈值分别为每个所述半图像执行二值化,其中从所述初始化的局部参数开始为每个所述半图像计算所述自适应阈值。
2.根据权利要求1所述的方法,其中所述像素按列和行排列,其中所述边界是垂直线,其中所述初始化的局部参数就每行而言包括在与所述垂直线相邻的所述区域中的所述行中像素值的初始求和,以及其中所述自适应阈值适应于从与相应行相关联的初始求和开始基于加窗移动求和的每个半图像的每行中的每个像素。
3.根据权利要求2述的方法,还包括:沿着水平线将所述图像拆分成两个另外半图像;初始化另外局部参数,所述另外初始化的局部参数就每列而言包括在与所述水平线相邻的区域中像素值的初始求和;以及使用所述另外初始化的局部参数分别在每个所述另外半图像中校正所述二值化图像。
4.根据权利要求2所述的方法,其中在将加窗移动求和用于为特定像素计算自适应阈值之前,利用为与所述特定像素相邻的像素而确定的加窗移动求和来平均为所述特定像素而确定的所述加窗移动求和。
5.根据权利要求1所述的方法,其中所述像素按列和行排列,其中所述边界是水平线,其中所述初始化的局部参数就每列而言包括在与所述水平线相邻的所述区域中的所述列中像素值的初始求和,以及其中所述自适应阈值是从与相应列相关联的初始求和开始基于加窗移动求和的每个半图像的每列中的每个像素。
6.根据权利要求5述的方法,还包括:沿着垂直线将所述图像拆分成两个另外半图像;初始化另外局部参数,所述另外初始化的局部参数就每行而言包括在与所述垂直线相邻的区域中像素值的初始求和;以及使用所述另外初始化的局部参数分别在每个所述另外半图像中校正所述二值化图像。
7.根据权利要求4所述的方法,其中在将加窗移动求和用于为特定像素计算自适应阈值之前,利用为与所述特定像素相邻的像素而确定的加窗移动求和来平均为所述特定像素而确定的所述加窗移动求和。
8.根据权利要求1所述的方法,还包括为所述图像计算全局参数的步骤,其中还另外考虑所述全局参数为每个述半图像计算所述自适应阈值。
9.根据权利要求8所述的方法,其中分别为每个所述半图像确定所述全局参数。
10.根据权利要求8所述的方法,其中所述初始化的局部参数包括在与所述边界相邻的所述区域中像素值的初始求和,其中从相应初始求和开始基于像素值的加窗移动求和为每个半图像的像素计算自适应阈值,以及其中通过向用于特定像素的求和应用如下运算来确定用于特定像素的自适应阈值:
除以在所述移动求和中考虑的像素的数目以获得移动平均;
乘以用于所述移动平均的调节函数的值,其中所述调节函数具有在移动平均的第一范围中的递减值、在移动平均的第二范围中的恒定值和在移动平均的第三范围中的递减值,所述范围由所述计算的全局参数值中的第一和第二计算的全局参数值限定;以及
乘以落在所述第一与所述第二计算的全局参数值之间的第三计算的全局参数值。
11.根据权利要求1所述的方法,其中所述图像是彩色图像,所述方法包括将所述彩色图像转换成灰度图像的在先步骤。
12.根据权利要求1所述的方法,还包括向所述二值化图像应用二进制校正。
13.根据权利要求12所述的方法,其中所述二进制校正包括二进制中值滤波和二进制形态滤波中的至少一个滤波。
14.根据权利要求1所述的方法,其中根据以下每个项中的至少一项来进行并行处理:
-与为所述图像计算全局参数并行进行初始化局部参数;
-在针对其中所述像素按列和行排列的图像的局部参数初始化中,为至少两列或者至少两行分别并行进行局部参数的单独初始化;
-局部参数在一个方向上的初始化与局部参数在另一方向上的附加初始化并行进行;
-在所述二值化内为每个所述半图像并行进行自适应阈值的计算;以及
-在针对其中所述像素按列和行排列的图像的所述二值化内分别为所述半图像中的相应一个半图像中至少两列或者至少两行并行进行自适应阈值的单独计算。
15.一种图像处理芯片集,为包括像素的图像的二值化而包括:
初始化部分,适于将图像拆分成两个半图像以及基于落在与分离所述半图像的边界相邻的区域中的像素的值来初始化局部参数;以及
二值化部分,适于使用自适应阈值分别为图像的两个半图像的每一个执行二值化,其中从所述初始化部分所初始化的局部参数开始为每个所述半图像计算所述自适应阈值。
16.根据权利要求15所述的图像处理芯片集,还包括:全局参数提取部分,适于为所述图像计算全局参数,其中所述二值化部分适于还考虑所述全局参数为每个所述半图像计算所述自适应阈值。
17.一种电子设备,为包括像素的图像的二值化而包括:
初始化部分,适于将图像拆分成两个半图像以及基于落在与分离所述半图像的边界相邻的区域中的像素的值来初始化局部参数;以及
二值化部分,适于使用自适应阈值分别为图像的两个半图像的每一个执行二值化,其中从所述初始化部分所初始化的局部参数开始为每个所述半图像计算所述自适应阈值。
18.根据权利要求17所述的电子设备,还包括:全局参数提取部分,适于为所述图像计算全局参数,其中所述二值化部分适于还考虑所述全局参数为每个所述半图像计算所述自适应阈值。
19.根据权利要求17所述的电子设备,其中所述电子设备是移动电话、计算机、数字相机、个人数字助理和包括相机功能的便携设备之一。
20.一种软件程序产品,其中存储用于二值化图像的软件代码,其中所述图像包括像素,所述软件代码在由电子设备的处理单元执行时实现以下步骤:
将所述图像拆分成两个半图像;
基于落在与分离所述半图像的边界相邻的区域中的像素的值来初始化局部参数;以及
使用自适应阈值分别为每个所述半图像执行二值化,其中从所述初始化的局部参数开始为每个所述半图像计算所述自适应阈值。
21.根据权利要求20所述的软件程序产品,其中当由电子设备的处理单元执行时所述软件代码还实现为所述图像计算全局参数的步骤,还考虑所述全局参数为每个所述半图像计算所述自适应阈值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/194,124 | 2005-07-29 | ||
US11/194,124 US7636467B2 (en) | 2005-07-29 | 2005-07-29 | Binarization of an image |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101228550A true CN101228550A (zh) | 2008-07-23 |
Family
ID=37232940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006800270127A Pending CN101228550A (zh) | 2005-07-29 | 2006-07-06 | 图像的二值化 |
Country Status (7)
Country | Link |
---|---|
US (1) | US7636467B2 (zh) |
EP (1) | EP1910994B1 (zh) |
KR (1) | KR100945809B1 (zh) |
CN (1) | CN101228550A (zh) |
AT (1) | ATE546797T1 (zh) |
BR (1) | BRPI0614403A2 (zh) |
WO (1) | WO2007012986A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989348A (zh) * | 2009-07-30 | 2011-03-23 | 株式会社理光 | 图像处理装置、图像处理方法和计算机可读存储介质 |
CN107206495A (zh) * | 2015-01-29 | 2017-09-26 | 奥科宁克有限公司 | 用于模拟添加制造体的系统和方法 |
CN111080665A (zh) * | 2019-12-31 | 2020-04-28 | 歌尔股份有限公司 | 图像边框识别方法、装置、设备和计算机存储介质 |
CN111583150A (zh) * | 2020-05-07 | 2020-08-25 | 湖南优象科技有限公司 | 一种二维码图像处理方法与系统 |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7817876B2 (en) * | 2006-04-12 | 2010-10-19 | Etron Technology, Inc. | Method of noisy signal analysis and apparatus thereof |
US7946491B2 (en) | 2006-08-03 | 2011-05-24 | Nokia Corporation | Method, apparatus, and computer program product for providing a camera barcode reader |
US8078001B2 (en) | 2007-05-11 | 2011-12-13 | Micron Technology, Inc. | Methods, apparatuses and systems for piecewise generation of pixel correction values for image processing |
US20080310721A1 (en) * | 2007-06-14 | 2008-12-18 | John Jinhwan Yang | Method And Apparatus For Recognizing Characters In A Document Image |
US8463068B2 (en) | 2007-08-09 | 2013-06-11 | Micron Technology, Inc. | Methods, systems and apparatuses for pixel value correction using multiple vertical and/or horizontal correction curves |
CA2598400A1 (en) * | 2007-08-22 | 2009-02-22 | Hazem Y. Abdelazim | System and method for onscreen text recognition for mobile devices |
KR100974900B1 (ko) * | 2008-11-04 | 2010-08-09 | 한국전자통신연구원 | 동적 임계값을 이용한 마커 인식 장치 및 방법 |
US20130032696A1 (en) * | 2010-04-30 | 2013-02-07 | Konica Minolta Medical & Graphic, Inc. | Radiation image capturing apparatus |
US20120092374A1 (en) * | 2010-10-19 | 2012-04-19 | Apple Inc. | Systems, methods, and computer-readable media for placing a representation of the captured signature in a document |
US8928769B2 (en) * | 2011-03-31 | 2015-01-06 | Drs Sustainment Systems, Inc. | Method for image processing of high-bit depth sensors |
JP6102088B2 (ja) * | 2011-09-01 | 2017-03-29 | 株式会社リコー | 画像投影装置、画像処理装置、画像投影方法、画像投影方法のプログラム及びそのプログラムを記録した記録媒体 |
WO2013036794A1 (en) * | 2011-09-08 | 2013-03-14 | Drexel University | Reconfigurable antenna based solutions for device authentication and instrusion detection in wireless networks |
US8594446B2 (en) | 2012-01-12 | 2013-11-26 | Eastman Kodak Company | Method for enhancing a digitized document |
US11425395B2 (en) | 2013-08-20 | 2022-08-23 | Google Llc | Encoding and decoding using tiling |
US9172842B2 (en) | 2014-03-07 | 2015-10-27 | Lexmark International, Inc. | Image binarization for optical character recognition |
US9342892B2 (en) | 2014-03-07 | 2016-05-17 | Lexmark International, Inc. | Image binarization |
US9412036B2 (en) * | 2014-03-07 | 2016-08-09 | Samsung Electronics Co., Ltd. | Methods and systems for object detection based on column-wise and row-wise sums of pixel values |
US9679216B2 (en) * | 2015-05-07 | 2017-06-13 | The United States Of America As Represented By The Secretary Of The Air Force | Morphological automatic triangle orientation detection |
CN104914997A (zh) * | 2015-05-25 | 2015-09-16 | 华东师范大学 | 基于可穿戴计算机设备的字符快速识别系统及其识别方法 |
US10176402B2 (en) * | 2016-07-18 | 2019-01-08 | Apple Inc. | Pixel classification techniques |
CN109427047B (zh) * | 2017-08-28 | 2021-01-26 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
US10909406B2 (en) * | 2018-01-08 | 2021-02-02 | Newgen Software Technologies Limited | Image processing system and method |
KR102634726B1 (ko) * | 2019-09-18 | 2024-02-06 | 엘지디스플레이 주식회사 | 모션추정방법, 이를 이용한 표시장치 및 그의 구동방법 |
TWI726525B (zh) * | 2019-12-09 | 2021-05-01 | 新唐科技股份有限公司 | 影像二值化方法與電子裝置 |
KR102559013B1 (ko) * | 2021-03-02 | 2023-07-24 | 주식회사 유진로봇 | 로봇의 맵 노이즈 제거 장치 및 방법 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0677818B1 (en) | 1994-04-15 | 2000-05-10 | Canon Kabushiki Kaisha | Image pre-processor for character recognition system |
US5588435A (en) * | 1995-11-22 | 1996-12-31 | Siemens Medical Systems, Inc. | System and method for automatic measurement of body structures |
KR100222989B1 (ko) * | 1997-07-04 | 1999-10-01 | 윤종용 | 셔틀 방식의 독취 장치에서 독취된 이미지를 이진화하기 위한 이미지 처리 장치 및 방법 |
US6160913A (en) * | 1998-03-25 | 2000-12-12 | Eastman Kodak Company | Method and apparatus for digital halftone dots detection and removal in business documents |
US6757426B2 (en) * | 2001-03-21 | 2004-06-29 | Eastman Kodak Company | System and method for image processing by automatic color dropout |
US6842541B2 (en) * | 2001-10-31 | 2005-01-11 | Xerox Corporation | Adaptive color super resolution thresholding |
FR2840093B1 (fr) | 2002-05-27 | 2006-02-10 | Real Eyes 3D | Procede de numerisation par camera avec correction de la deformation et amelioration de la resolution |
KR100497399B1 (ko) * | 2003-07-22 | 2005-06-23 | 삼성전자주식회사 | 병렬처리에 의한 이미지 이진화 방법 및 장치 |
-
2005
- 2005-07-29 US US11/194,124 patent/US7636467B2/en not_active Expired - Fee Related
-
2006
- 2006-07-06 BR BRPI0614403-9A patent/BRPI0614403A2/pt not_active IP Right Cessation
- 2006-07-06 CN CNA2006800270127A patent/CN101228550A/zh active Pending
- 2006-07-06 WO PCT/IB2006/052271 patent/WO2007012986A1/en active Application Filing
- 2006-07-06 KR KR1020087002389A patent/KR100945809B1/ko not_active IP Right Cessation
- 2006-07-06 AT AT06766012T patent/ATE546797T1/de active
- 2006-07-06 EP EP06766012A patent/EP1910994B1/en not_active Not-in-force
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989348A (zh) * | 2009-07-30 | 2011-03-23 | 株式会社理光 | 图像处理装置、图像处理方法和计算机可读存储介质 |
CN101989348B (zh) * | 2009-07-30 | 2013-01-23 | 株式会社理光 | 图像处理装置和图像处理方法 |
US8590775B2 (en) | 2009-07-30 | 2013-11-26 | Ricoh Company, Limited | Image processing apparatus, image processing method, and computer readable storage medium |
CN107206495A (zh) * | 2015-01-29 | 2017-09-26 | 奥科宁克有限公司 | 用于模拟添加制造体的系统和方法 |
CN107206495B (zh) * | 2015-01-29 | 2019-07-02 | 奥科宁克有限公司 | 用于创建三维体积质量模型的方法 |
CN111080665A (zh) * | 2019-12-31 | 2020-04-28 | 歌尔股份有限公司 | 图像边框识别方法、装置、设备和计算机存储介质 |
CN111583150A (zh) * | 2020-05-07 | 2020-08-25 | 湖南优象科技有限公司 | 一种二维码图像处理方法与系统 |
CN111583150B (zh) * | 2020-05-07 | 2023-06-16 | 湖南优象科技有限公司 | 一种二维码图像处理方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
US20070025625A1 (en) | 2007-02-01 |
BRPI0614403A2 (pt) | 2011-03-29 |
ATE546797T1 (de) | 2012-03-15 |
US7636467B2 (en) | 2009-12-22 |
KR20080021832A (ko) | 2008-03-07 |
WO2007012986A1 (en) | 2007-02-01 |
EP1910994B1 (en) | 2012-02-22 |
EP1910994A1 (en) | 2008-04-16 |
KR100945809B1 (ko) | 2010-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101228550A (zh) | 图像的二值化 | |
US8818095B2 (en) | Image processing apparatus, image processing method, and computer-readable, non-transitory medium | |
CN101248454B (zh) | 图像处理方法和设备、数字照相机 | |
KR101376701B1 (ko) | 화상처리장치, 촬상장치, 화상출력장치, 이들 장치에있어서의 방법 및 프로그램 | |
US8120665B2 (en) | Image processing method and apparatus, digital camera, and recording medium recording image processing program | |
US10382712B1 (en) | Automatic removal of lens flares from images | |
US7242816B2 (en) | Group average filter algorithm for digital image processing | |
KR101907414B1 (ko) | 촬영 이미지 기반의 문자 인식 장치 및 방법 | |
CN102648622A (zh) | 图像处理装置、图像处理方法、图像处理程序、记录有图像处理程序的记录介质 | |
US20110044554A1 (en) | Adaptive deblurring for camera-based document image processing | |
WO2005015355A2 (en) | Automatic image cropping system and method for use with portable devices equipped with digital cameras | |
WO2008134000A1 (en) | Image segmentation and enhancement | |
US20210256657A1 (en) | Method, system, and computer-readable medium for improving quality of low-light images | |
US8538191B2 (en) | Image correction apparatus and method for eliminating lighting component | |
CN107566684A (zh) | 图像处理装置、图像处理方法及存储介质 | |
US9076225B2 (en) | Image processing device, an image processing method and a program to be used to implement the image processing | |
JP3833993B2 (ja) | カラー文書画像を二値化する方法及び装置 | |
Ma et al. | Automatic image cropping for mobile device with built-in camera | |
KR20100119558A (ko) | 디지털 카메라들에서의 이미지 데이터 추출 및 어셈블리에 대한 시스템과 방법 | |
JP3906221B2 (ja) | 画像処理方法及び画像処理装置 | |
JP4890351B2 (ja) | 画像処理装置、画像処理プログラムおよび該画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体、ならびに画像処理方法 | |
Xu | Content Understanding for Imaging Systems: Page Classification, Fading Detection, Emotion Recognition, and Saliency Based Image Quality Assessment and Cropping | |
JP4174466B2 (ja) | カラーカメラの色調整システム、方法及びこのシステムを用いた文字・図形認識方法 | |
JP2005295313A (ja) | コード読取装置、電子機器、パラメータの調整方法及びパラメータ調整プログラム | |
JP6335097B2 (ja) | 画像の二値化方法、プログラム及び二値化装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20080723 |
|
C20 | Patent right or utility model deemed to be abandoned or is abandoned |