CN101853375B - 图像比较容错处理系统及方法 - Google Patents

图像比较容错处理系统及方法 Download PDF

Info

Publication number
CN101853375B
CN101853375B CN2009103012457A CN200910301245A CN101853375B CN 101853375 B CN101853375 B CN 101853375B CN 2009103012457 A CN2009103012457 A CN 2009103012457A CN 200910301245 A CN200910301245 A CN 200910301245A CN 101853375 B CN101853375 B CN 101853375B
Authority
CN
China
Prior art keywords
image
point
pixel value
fault
black white
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.)
Expired - Fee Related
Application number
CN2009103012457A
Other languages
English (en)
Other versions
CN101853375A (zh
Inventor
李忠一
叶建发
肖伟清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongfujin Precision Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Hongfujin Precision Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hongfujin Precision Industry Shenzhen Co Ltd, Hon Hai Precision Industry Co Ltd filed Critical Hongfujin Precision Industry Shenzhen Co Ltd
Priority to CN2009103012457A priority Critical patent/CN101853375B/zh
Priority to US12/564,722 priority patent/US8390647B2/en
Publication of CN101853375A publication Critical patent/CN101853375A/zh
Application granted granted Critical
Publication of CN101853375B publication Critical patent/CN101853375B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/34Smoothing or thinning of the pattern; Morphological operations; Skeletonisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

一种图像比较容错处理方法,该方法从第一张黑白图像中提取目标物体骨干,将第二张黑白图像中的目标物体覆盖在第一张黑白图像的目标物体骨干,从而求出两张黑白图像中目标物体的差异。此外,该方法对通过像素比较的方法对上述的差异进行容错处理。本发明还提供一种图像比较容错处理系统。本发明对能够更好地比较图像中的目标物体的差异。

Description

图像比较容错处理系统及方法
技术领域
本发明涉及一种图像处理系统及方法,特别是关于一种图像比较及对比较后的图像进行容错处理的系统及方法。
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容错处理系统,其可以对图像中的目标物体进行比较,并在比较之后对图像进行容错处理,以防止比较结果出现偏差。
此外,还有必要提供一种图像比较容错处理方法,其可以对图像中的目标物体进行比较,并在比较之后对图像进行容错处理,以防止比较结果出现偏差。
一种图像比较容错处理系统,运行于计算机中,用于比较图像中目标物体的差异,并对该差异进行容错处理。该系统包括:骨干提取模块,用于提取黑白图像A2的目标物体的骨干,得到骨干图像A3,及提取黑白图像B2的目标物体的骨干,得到骨干图像B3;图像覆盖模块,用于将黑白图像A2覆盖在骨干图像B3上,生成覆盖图像B4,以得到骨干图像B3相对于黑白图像A2多出的部分,或者将黑白图像B2覆盖在骨干图像A3上,生成覆盖图像A4,以得到黑白图像B2相对于黑白图像A2少的部分;容错处理模块,用于对覆盖图像B4或者A4进行容错处理;及图像显示模块,用于显示或输出经过容错处理的覆盖图像A4及B4。
一种图像比较容错处理方法,用于比较两张图像中目标物体的差异,并对该差异进行容错处理。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覆盖在骨干图像B3上,生成覆盖图像B4,以得到骨干图像B3相对于黑白图像A2多出的部分;对覆盖图像B4进行容错处理;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覆盖在骨干图像A3上,生成覆盖图像A4,以得到黑白图像B2相对于黑白图像A2少的部分对覆盖图像A4进行容错处理;及显示或输出经过容错处理的覆盖图像A4及B4。
本发明易于实现,对图像中目标物体有较好的模糊辨识比较能力,并且在比较后可以对图像进行容错处理以删除被比较图像上的误差点,以防止比较结果出现偏差。
附图说明
图1为本发明图像比较容错处理系统较佳实施例的功能模块图。
图2为图1中图像覆盖模块的子功能模块图。
图3为图1中容错处理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演示了一个3阶的比较矩阵。
图7演示了图6所示比较矩阵的矩阵坐标。
图8为本发明图像比较容错处理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,是本发明图像比较容错处理系统1较佳实施例的功能模块图。所述图像比较容错处理系统1运行于计算机中。该图像比较容错处理系统1包括图像转换模块10、骨干提取模块11、图像覆盖模块12、容错处理模块13及图像显示模块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。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10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0255。也就是说,用0255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。所述的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。在本实施例中,所述骨干提取模块11对黑白图像A2或者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,是由图4所示的黑白图像得到的骨干图像的示意图。
所述图像覆盖模块12用于将黑白图像A2覆盖在骨干图像B3上,生成覆盖图像B4,以得到骨干图像B3相对于黑白图像A2多的部分,及将黑白图像B2覆盖在骨干图像A3上,生成覆盖图像A4,以得到黑白图像B2相对于骨干图像A3少的部分。所述骨干图像B3相对于黑白图像A2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,以及黑白图像B2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12的子功能模块图请参见图2所示。
所述的容错处理模块13用于对覆盖图像A4及覆盖图像B4进行容错处理。如前所述,对于某些图像,如扫描图像或者传真图像,其可能由于某种原因,如扫描仪或者传真机的质量问题,该图像可能产生某些误差,为了使图像的比较结果更准确,该容错处理模块13可以对某些容许的误差进行校正。该容错处理模块13的子功能模块图请参见图3所示。
所述的图像显示模块14用于显示或输出经过容错处理的覆盖图像A4及或B4,以直观地展示出对黑白图像A2及黑白图像B2的比较结果。
参阅图2所示,是图1中图像覆盖模块12的子功能模块图。该图像覆盖模块12包括第一图像获取子模块120、第一像素值读取子模块121、第一判断子模块122、覆盖子模块123、着色子模块124及图像生成子模块125。
所述第一图像获取子模块120用于获取需要进行图像覆盖的第一图像及第二图像。所述第一图像及第二图像均为黑白图像,且其目标物体颜色为黑色,背景颜色为白色。本实施例中,该第一图像为黑白图像A2及第二图像为骨干图像B3,或者该第一图像为黑白图像B2及第二图像为骨干图像A3。
所述的第一像素值读取子模块121用于读取第一图像及第二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。
所述的第一判断子模块122用于判断第一图像中第N行第n点的像素值与第二图像中第N行第n点的像素值是否相同。当第一图像与第二图像第N行第n点的像素值不同时,该第一判断子模块122还用于判断第一图像中的第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,该第一判断子模块122还用于判断该第n点是否为第N行的最末点,及该第N行是否为第一图像及第二图像的最末行。
所述的覆盖子模块123用于当第一图像中第N行第n点的像素值与第二图像中第N行第n点的像素值相同时,或者虽然第一图像与第二图像第N行第n点的像素值不同,但第一图像中的该第N行第n点的像素值为0时,用该第一图像中第N行第n点覆盖该第二图像中第N行第n点。
所述的着色子模块124,用于当第一图像与第二图像第N行第n点的像素值不同,且第一图像中的该第N行第n点的像素值不为0时,将第二图像中的该第N行第n点着彩色,以便更清楚地展现该多出的点。
所述的图像生成子模块125用于生成用第一图像覆盖第二图像之后生成的覆盖图像,如覆盖图像A4及覆盖图像B4。
参阅图3所示,是图1中容错处理模块13的子功能模块图。该容错处理模块13包括一个设置子模块130、第二图像获取子模块131、比较子模块132、坐标值读取子模块133、第二像素值获取子模块134、第二判断子模块135、点获取子模块136及点删除子模块137。
所述的设置子模块130用于定义一个比较矩阵,该比较矩阵中定义了在容错处理过程中需要被选择用来进行像素值比较的点。所述比较矩阵可以是一个X阶矩阵,如图6所示的3阶矩阵。所述比较矩阵的中心处数值为1,表示与待容错处理的点相对应的点。例如,当容错处理模块13根据黑白图像A2对黑白图像B2进行容错处理时,黑白图像B2中第N行第n点为待容错处理的点,而黑白图像A2中第N行第n点为与待容错处理的点相对应的点。所述比较矩阵中心处以外的其他位置的数值由0、1组成,其中1表示需与待容错处理的点进行比较的点,0表示不需与待容错处理的点进行比较的点。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6所示的3阶比较矩阵中,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,其表示某一个待容错处理的点需要同与其对应的点的上、下、左、右四个相邻点进行像素值比较。
此外,该设置子模块130还用于设置上述比较矩阵的矩阵坐标。详细地,该设置子模块130可以设置比较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所示。
所述的第二图像获取子模块131用于获取第三图像及第四图像。本实施例中,所述第三图像为黑白图像A2及所述第四图像为覆盖图像B4,或者所述第三图像为黑白图像B2及所述第四图像为覆盖图像A4。
所述的比较子模块132用于比较获取的第三图像及第四图像的高度与宽度,并在该第三图像及第四图像的高度及/或者宽度不一致时,以第三图像为基准,对第四图像进行拉伸/压缩操作,以使该第三图像及第四图像的高度与宽度一致。
所述的坐标值读取子模块133用于读取该第三图像及第四图像的每一行的每个点的坐标值。
所述的第二像素值获取子模块134用于读取该第三图像及第四图像的每一行的每个点的像素值。
所述的第二判断子模块135用于判断该第三图像及第四图像的第N行的第n点的像素值是否相同。进一步地,该第二判断子模块135还用于判断该第n点是否为第N行的最末点,及该第N行是否为第三图像及第四图像的最末行。
所述的点获取子模块136用于当第三图像及第四图像的第N行的第n点的像素值不相同时,根据上述定义的比较矩阵及该比较矩阵的矩阵坐标在第三图像取出与该第三图像中第N行第n点相邻的Y个点。例如,已知该第三图像中第N行第n点的坐标值为(x,y),根据图6所示的比较矩阵,该点获取子模块136获取坐标值为(x,y-1),(x,y+1),(x-1,y),(x+1,y)的4个点。
所述的点删除子模块137用于判断上述获取的Y个点中是否至少有一个点的像素值与第三图像中目标物体像素值相同。当获取的Y个点中没有一个点的像素值与第三图像中目标物体像素值相同时,该点删除子模块137还用于删除第四图像中的第N行第n点。
参阅图8所示,是本发明图像比较容错处理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,使其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,图像覆盖模块12将黑白图像A2覆盖在骨干图像B3上,生成覆盖图像B4,以得到骨干图像B3相对于黑白图像A2多的部分。该步骤的详细流程请参见图9所示。
步骤S14,容错处理模块13对覆盖图像B4进行容错处理。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中提取其目标物体的骨干,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,图像覆盖模块12将黑白图像B2覆盖在骨干图像A3上,生成覆盖图像A4,以得到黑白图像B2相对于骨干图像A3少的部分。该步骤的详细流程请详见图9所示。
步骤S17,容错处理模块13对覆盖图像A4进行容错处理。该步骤的详细流程请参见图10所示。
步骤S18,图像显示模块14显示或输出经过容错处理的覆盖图像A4及B4,以直观地展示出对黑白图像A2及B2的比较结果。
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,第一图像获取子模块120获取需要进行图像覆盖的第一图像及第二图像。本实施例中,所述第一图像及第二图像均为黑白图像,且其目标物体颜色为黑色,背景颜色为白色。其中,该第一图像及第二图像分别为黑白图像A2及骨干图像B3,或者该第一图像及第二图像分别为黑白图像B2及骨干图像A3。
步骤S101,第一像素值读取子模块121读取该第一图像及第二图像的第N行的所有点的像素值,此时N=1。本实施例中,因为所述第一图像及第二图像均为黑白图像,因此该像素值为0或者1。其中,0表示黑色,1表示白色。
步骤S102,第一判断子模块122判断该第一图像与第二图像的第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S104。否则,若像素值不相同,则流程进入步骤S103。
在步骤S103中,该第一判断子模块122进一步判断第一图像中的该第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S104。否则,若该点像素值不为0,则流程进入步骤S105。
在步骤S104中,覆盖子模块123用该第一图像中第N行第n点覆盖该第二图像中第N行第n点。
在步骤S105中,着色子模块124将第二图像中的该第N行第n点着彩色,以便更清楚地展现该多出的点。
步骤S106,第一判断子模块122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S102,此时的n=n+1。若是最末点,则流程进入步骤S107。
步骤S107,第一判断子模块122判断该第N行是否为该第一图像及第二图像的最末行。若不是最末行,则流程返回步骤S101,此时的N=N+1。若是最末点,则流程进入步骤S108。
步骤S108,图像生成子模块125生成用第一图像覆盖第二图像之后生成的覆盖图像,即生成覆盖图像A4或覆盖图像B4。
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,设置子模块130定义一个比较矩阵并设置该比较矩阵的矩阵坐标。所述比较矩阵可以是一个X阶矩阵。
步骤S201,第二图像获取子模块131获取第三图像及第四图像。本实施例中,所述第三图像为黑白图像A2及所述第四图像为覆盖图像B4,或者所述第三图像为黑白图像B2及所述第四图像为覆盖图像A4。
步骤S202,比较子模块132比较上述第三图像及第四图像的高度与宽度以判断该第三图像及第四图像的高度及宽度是否一致。当高度及/或者宽度一致时,流程直接进入步骤S204。或者当高度及/或者宽度不一致时,流程进入步骤S203。
在步骤S203中,比较子模块132以第三图像为基准,对第四图像进行拉伸/压缩操作,以使该第三图像及第四图像的高度与宽度一致。
在步骤S204中,坐标值读取子模块133读取该第三图像及第四图像的第N行所有点的坐标值,此时N=1。
步骤S205,第二像素值获取子模块134读取该第三图像及第四图像的该第N行所有点的像素值。
步骤S206,第二判断子模块135判断该第三图像与第四图像的第N行的第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S211。否则,若像素值不相同,则进入步骤S207。
在步骤S207中,点获取子模块136根据上述定义的比较矩阵及该比较矩阵的矩阵坐标在第三图像取出与该第三图像中第N行第n点相邻的Y个点。例如,已知该第三图像中第N行第n点的坐标值为(x,y),根据图6所示的比较矩阵,该点获取子模块136获取坐标值为(x,y-1),(x,y+1),(x-1,y),(x+1,y)的4个点。
步骤S208,点删除子模块137判断上述获取的Y个点中是否至少有一个点的像素值与第三图像中目标物体像素值相同。若该Y个点中至少有一个点的像素值与第三图像中目标物体像素值相同,则流程进入步骤S209。否则,若该Y个点中没有一个点的像素值与第三图像中目标物体像素值相同,则流程进入步骤S210。
在步骤S209中,点删除子模块137删除第四图像中的第N行第n点。
在步骤S210中,保留该第四图像中的第N行第n点。
在步骤S211中,第二判断子模块135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S206,此时n=n+1。若是最末点,则流程进入步骤S212。
在步骤S212中,第二判断子模块135判断该第N行是否为第三图像及第四图像的最末行。若不是最末行,则流程返回步骤S204,此时N=N+1。若是最末行,则流程结束。

Claims (10)

1.一种图像比较容错处理系统,运行于计算机中,用于比较图像中目标物体的差异,并对该差异进行容错处理,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;
图像覆盖模块,用于将黑白图像A2覆盖在骨干图像B3上,生成覆盖图像B4,以得到黑白图像B2相对于黑白图像A2多出的部分,或者将黑白图像B2覆盖在骨干图像A3上,生成覆盖图像A4,以得到黑白图像B2相对于黑白图像A2少的部分;
容错处理模块,用于对覆盖图像B4或者A4进行容错处理;及
图像显示模块,用于显示或输出经过容错处理的覆盖图像。
2.如权利要求1所述的图像比较容错处理系统,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,将该需要对比的图像转换为黑白图像。
3.如权利要求1所述的图像比较容错处理系统,其特征在于,所述的图像覆盖模块包括:
第一图像获取子模块,用于获取需要进行图像覆盖的第一图像及第二图像,其中所述的第一图像及第二图像分别为黑白图像A2及骨干图像B3,或者所述的第一图像及第二图像分别为黑白图像B2及骨干图像A3;
第一像素值读取子模块,用于读取第一图像及第二图像的每一行的每个点的像素值;
第一判断子模块,用于判断第一图像中第N行第n点的像素值与第二图像中第N行第n点的像素值是否相同,判断该第n点是否为第N行的最末点,及该第N行是否为第一图像及第二图像的最末行;
覆盖子模块,用于当第一图像中第N行第n点的像素值与第二图像中第N行第n点的像素值相同时,或者虽然第一图像中与第二图像中第N行第n点的像素值不同,但第一图像的第N行第n点的颜色为黑色时,用该第一图像中第N行第n点覆盖该第二图像中第N行第n点;
着色子模块,用于当第一图像中与第二图像第N行第n点的像素值不同,且第一图像中的第N行第n点的颜色为白色时,将第二图像中的第N行第n点着彩色;及
图像生成子模块,用于生成用第一图像覆盖第二图像之后的覆盖图像。
4.如权利要求1所述的图像比较容错处理系统,其特征在于,所述容错处理模块包括:
设置子模块,用于定义一个比较矩阵及设置该比较矩阵的矩阵坐标,其中所述比较矩阵中定义了在容错处理过程中需要被选择用来进行像素值比较的点;
第二图像获取子模块,用于获取第三图像及第四图像,其中所述的第三图像及第四图像分别为黑白图像A2及覆盖图像B4,或者所述的第三图像及第四图像分别为黑白图像B2及覆盖图像A4;
比较子模块,用于在该第三图像及第四图像的高度及/或者宽度不一致时,以第三图像为基准,对第四图像进行拉伸/压缩操作,以使该第三图像及第四图像的高度与宽度一致;
坐标值读取子模块,用于读取该第三图像及第四图像的每一行的每个点的坐标值;
第二像素值获取子模块,用于读取该第三图像及第四图像的每一行的每个点的像素值;
第二判断子模块,用于判断该第三图像及第四图像的第N行的第n点的像素值是否相同,判断该第n点是否为第N行的最末点,及该第N行是否为第三图像及第四图像的最末行;
点获取子模块,用于当第三图像及第四图像的第N行的第n点的像素值不相同时,根据上述定义的比较矩阵、该比较矩阵的矩阵坐标在第三图像取出与该第三图像中第N行第n点相邻的Y个点;及
点删除子模块,用于当上述获取的Y个点中至少有一个点的像素值与第三图像中目标物体的像素值相同时,删除第四图像中的第N行第n点。
5.一种图像比较容错处理方法,用于比较两张图像中目标物体的差异,并对该差异进行容错处理,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;
第一图像覆盖步骤:将黑白图像A2覆盖在骨干图像B3上,生成覆盖图像B4,以得到骨干图像B3相对于黑白图像A2多出的部分;
第一容错处理步骤:对覆盖图像B4进行容错处理;
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;
第二图像覆盖步骤:将黑白图像B2覆盖在骨干图像A3上,生成覆盖图像A4,以得到黑白图像B2相对于黑白图像A2少的部分;
第二容错处理步骤:对覆盖图像A4进行容错处理;及
图像输出步骤:显示或输出经过容错处理的覆盖图像A4及B4。
6.如权利要求5所述的图像比较容错处理方法,其特征在于,若需要比较的图像是彩色图像时,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所述的图像比较容错处理方法,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所述的图像比较容错处理方法,其特征在于,所述的骨干提取步骤包括:
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所述的图像比较容错处理方法,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包括:
a)获取需要进行图像覆盖的第一图像及第二图像,其中所述的第一图像及第二图像分别为黑白图像A2及骨干图像B3,或者所述的第一图像及第二图像分别为黑白图像B2及骨干图像A3,并设置N=1及n=1;
b)读取第一图像及第二图像的第N行的每个点的像素值;
c)判断第一图像中第N行第n点的像素值与第二图像中第N行第n点的像素值是否相同;
d)当第一图像中第N行第n点的像素值与第二图像中第N行第n点的像素值相同时,或者虽然第一图像中与第二图像中第N行第n点的像素值不同,但第一图像的第N行第n点的颜色为黑色时,用该第一图像中第N行第n点覆盖该第二图像中第N行第n点;
e)当第一图像中与第二图像第N行第n点的像素值不同,且第一图像中的第N行第n点的颜色为白色时,将第二图像中的第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,返回步骤c),或者若该第n点是该第N行的最末点,则进步g);
g)判断第N行是否为该第一图像及第二图像的最末行,其中,若不是最末行,则N=N+1,返回步骤b),或者若该第N行是最末行,则进步h);及
h)生成用第一图像覆盖第二图像之后的覆盖图像。
10.如权利要求5所述的图像比较容错处理方法,其特征在于,所述的第一容错处理步骤或者第二容错处理步骤包括:
1)定义一个比较矩阵及设置该比较矩阵的矩阵坐标,其中所述比较矩阵中定义了在容错处理过程中需要被选择用来进行像素值比较的点,并设置N=1及n=1;
2)获取第三图像及第四图像,其中所述的第三图像及第四图像分别为黑白图像A2及覆盖图像B4,或者所述的第三图像及第四图像分别为黑白图像B2及覆盖图像A4;
3)在该第三图像及第四图像的高度及/或者宽度不一致时,以第三图像为基准,对第四图像进行拉伸/压缩操作,以使该第三图像及第四图像的高度与宽度一致;
4)读取该第三图像及第四图像的第N行的每个点的坐标值;
5)读取该第三图像及第四图像的该第N行的每个点的像素值;
6)判断该第三图像及第四图像的第N行的第n点的像素值是否相同;
7)当第三图像及第四图像的第N行的第n点的像素值不相同时,根据上述定义的比较矩阵、该比较矩阵的矩阵坐标在第三图像取出与该第三图像中第N行第n点相邻的Y个点;
8)当上述获取的Y个点中至少有一个点的像素值与第三图像中目标物体像素值相同时,删除第四图像中的第N行第n点,或者当上述获取的Y个点中没有一个点的像素值与第三图像中目标物体像素值相同时,保留第四图像中的第N行第n点;
9)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,返回步骤6),或者若该第n点是第N行的最末点,则进入步骤10);及
10)判断该第N行是否为第三图像及第四图像的最末行,若不是最末行,则N=N+1,返回步骤4)。
CN2009103012457A 2009-03-31 2009-03-31 图像比较容错处理系统及方法 Expired - Fee Related CN101853375B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN2009103012457A CN101853375B (zh) 2009-03-31 2009-03-31 图像比较容错处理系统及方法
US12/564,722 US8390647B2 (en) 2009-03-31 2009-09-22 Image processing system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2009103012457A CN101853375B (zh) 2009-03-31 2009-03-31 图像比较容错处理系统及方法

Publications (2)

Publication Number Publication Date
CN101853375A CN101853375A (zh) 2010-10-06
CN101853375B true CN101853375B (zh) 2012-12-19

Family

ID=42783870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009103012457A Expired - Fee Related CN101853375B (zh) 2009-03-31 2009-03-31 图像比较容错处理系统及方法

Country Status (2)

Country Link
US (1) US8390647B2 (zh)
CN (1) CN101853375B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831381B (zh) * 2011-06-15 2016-05-04 罗普特(厦门)科技集团有限公司 影像差异比较系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818927A (zh) * 2006-03-23 2006-08-16 北京中控科技发展有限公司 指纹识别方法与系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7187785B2 (en) * 2001-08-28 2007-03-06 Nippon Telegraph And Telephone Corporation Image processing method and apparatus
JP4745830B2 (ja) * 2006-01-05 2011-08-10 キヤノン株式会社 画像処理装置、画像処理方法、コンピュータプログラム
US20080284791A1 (en) * 2007-05-17 2008-11-20 Marco Bressan Forming coloring books from digital images
CN101853502B (zh) * 2009-04-01 2012-06-20 鸿富锦精密工业(深圳)有限公司 图像比较系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818927A (zh) * 2006-03-23 2006-08-16 北京中控科技发展有限公司 指纹识别方法与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JP特开2001-109888A 2001.04.20
JP特开2003-157187A 2003.05.30
JP特开2006-277240A 2006.10.12

Also Published As

Publication number Publication date
CN101853375A (zh) 2010-10-06
US20100245933A1 (en) 2010-09-30
US8390647B2 (en) 2013-03-05

Similar Documents

Publication Publication Date Title
US8023725B2 (en) Identification of a graphical symbol by identifying its constituent contiguous pixel groups as characters
JP5701182B2 (ja) 画像処理装置、画像処理方法及びコンピュータプログラム
US7359568B2 (en) Image processing apparatus and image processing method
CN101770582B (zh) 图像匹配系统及方法
JP2016201126A (ja) 画像からのラベルの検出
US8687895B2 (en) Image processing apparatus, image processing method, and computer-readable medium
CN110335233B (zh) 基于图像处理技术的高速公路护栏板缺陷检测系统和方法
CN101751575B (zh) 图像对比系统及方法
KR20170010753A (ko) 부호의 광학적 검출 방법
JPH04315272A (ja) 図形認識装置
CN111164604A (zh) 信息处理装置
Mai et al. Vietnam license plate recognition system based on edge detection and neural networks
CN101853375B (zh) 图像比较容错处理系统及方法
CN101853502B (zh) 图像比较系统及方法
US7502524B2 (en) Method and apparatus of processing a skin print image
EP2075741A2 (en) Image comparing method, apparatus and program
US20060233452A1 (en) Text enhancement methodology in scanned images of gray-scale documents
KR101048399B1 (ko) 문자 검출 방법 및 장치
TWI446277B (zh) 圖像比較容錯處理系統及方法
TWI413021B (zh) 圖像比較系統及方法
JP2859453B2 (ja) 画像の細線化方式
Kavita et al. Static Image Shadow Detection Texture Analysis by Entropy-Based Method
KR101328233B1 (ko) 영상처리 시스템의 라벨링 장치 및 방법
KR930012139B1 (ko) 문자인식을 위한 자획추출방법
JPH0535870A (ja) 多値化データを用いた輪郭点抽出法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121219

Termination date: 20150331

EXPY Termination of patent right or utility model