CN101930593A - 单一物体影像萃取系统及方法 - Google Patents

单一物体影像萃取系统及方法 Download PDF

Info

Publication number
CN101930593A
CN101930593A CN2009103037666A CN200910303766A CN101930593A CN 101930593 A CN101930593 A CN 101930593A CN 2009103037666 A CN2009103037666 A CN 2009103037666A CN 200910303766 A CN200910303766 A CN 200910303766A CN 101930593 A CN101930593 A CN 101930593A
Authority
CN
China
Prior art keywords
object block
block
picture
threshold values
setting threshold
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.)
Granted
Application number
CN2009103037666A
Other languages
English (en)
Other versions
CN101930593B (zh
Inventor
李忠一
叶建发
卢秋桦
蔡程丰
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 CN2009103037666A priority Critical patent/CN101930593B/zh
Priority to US12/605,435 priority patent/US8380006B2/en
Publication of CN101930593A publication Critical patent/CN101930593A/zh
Application granted granted Critical
Publication of CN101930593B publication Critical patent/CN101930593B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种单一物体影像萃取方法，该方法包括如下步骤：从存储体中获取影像摄取装置摄取的图片；对获取的图片进行二值化处理得到一个二值化图片；在该二值化图片中寻找面积大于第一设定阀值的物体区块；当找到面积大于第一设定阀值的物体区块时，记录该物体区块的位置和大小，并将该物体区块的位置和大小依次存储在一个数据结构中；根据物体区块的位置和大小，依次计算所述数据结构中每两个物体区块的距离，并将距离小于第二设定阀值的两个物体区块合并在一起，直至所述数据结构中的物体区块循环完毕以生成一个完整的物体。利用本发明可以将被分割的物体组合成一个完整的物体。

Description

单一物体影像萃取系统及方法
技术领域
本发明涉及一种影像处理系统及方法，尤其涉及一种单一物体影像萃取系统及方法。
背景技术
影像杂讯是指影像摄取装置获取的图像与真实图像的某些像素不完全相同，产生偏差。传统的去除影像杂讯的方法有：
(1)使用差异阀值过滤不相同的像素；
(2)使用模糊化加阀值过滤的方法过滤不相同的像素。
传统的方法虽然可以减少很多杂讯，但可能导致图像中某一物体被分割成数个小部分。
发明内容
鉴于以上内容，有必要提供一种单一物体影像萃取系统，其可将被分割的物体组合成一个完整的物体。
鉴于以上内容，还有必要提供一种单一物体影像萃取方法，其可将被分割的物体组合成一个完整的物体。
一种单一物体影像萃取系统，该系统包括：获取模块，用于从存储体中获取影像摄取装置摄取的图片；处理模块，用于对获取的图片进行二值化处理得到一个二值化图片；搜索模块，用于在该二值化图片中寻找面积大于第一设定阀值的物体区块；所述搜索模块，还用于判断是否找到面积大于第一设定阀值的物体区块；记录模块，用于记录搜索模块所寻找到的每个物体区块的位置和大小，并将每个物体区块的位置和大小依次存储在一个数据结构中；合并模块，用于根据物体区块的位置和大小，依次计算所述数据结构中每两个物体区块的距离，并将距离小于第二设定阀值的两个物体区块合并在一起，直至所述数据结构中的物体区块循环完毕以生成一个完整的物体。
一种单一物体影像萃取方法，该方法包括如下步骤：从存储体中获取影像摄取装置摄取的图片；对获取的图片进行二值化处理得到一个二值化图片；在该二值化图片中寻找面积大于第一设定阀值的物体区块；当找到面积大于第一设定阀值的物体区块时，记录该物体区块的位置和大小，并将该物体区块的位置和大小依次存储在一个数据结构中；根据物体区块的位置和大小，依次计算所述数据结构中每两个物体区块的距离，并将距离小于第二设定阀值的两个物体区块合并在一起，直至所述数据结构中的物体区块循环完毕以生成一个完整的物体。
相较于现有技术，所述的单一物体影像萃取系统及方法，其可将被分割的物体组合成一个完整的物体，提高了影像的品质。
附图说明
图1是本发明单一物体影像萃取系统较佳实施例的系统架构图。
图2是本发明单一物体影像萃取方法较佳实施例的流程图。
具体实施方式
如图1所示，是本发明单一物体影像萃取系统较佳实施例的系统架构图。该影像萃取系统21运行于主机2中，所述主机2与显示设备1、影像摄取装置3和输入设备4相连。该主机2包括存储体20和中央处理器(Central Processing Unit，CPU)23。
其中，所述影像摄取装置3用于摄取图片资料22，并将摄取的图片资料22传送到主机2。在本实施例中，所述影像摄取装置3为网络摄影机(IP Camera)。
所述存储体20可以是主机2中的硬盘等，用于存储图片资料22。所述中央处理器23用于控制影像萃取系统21的执行。
所述主机2连接有显示设备1，用于显示影像摄取装置3传送给主机2的图片等。所述输入设备4可以是键盘和鼠标等，用于进行数据输入。
所述影像萃取系统21用于从存储体20中获取影像摄取装置3摄取的图片，并将被分割的物体组合成一个完整的物体。其中，该影像萃取系统21包括获取模块210、处理模块211、搜索模块212、记录模块213和合并模块214。本发明所称的模块是完成一特定功能的计算机程序段，比程序更适合于描述软件在计算机中的执行过程，因此在本发明以下对软件描述都以模块描述。
所述获取模块210用于从存储体20中获取影像摄取装置3摄取的图片。
所述处理模块211用于对获取的图片进行二值化处理得到一个二值化图片。具体而言，本领域的技术人员一般将白色的灰度值定义为255，黑色灰度值定义为0，而由黑到白之间的明暗度均匀地划分为256个等级，处理模块211以该获取的图片的平均灰度值作为二值化处理的分界值，将该获取的图片转换为只有两个灰度值(例如0和255)的影像。例如，将所有灰度值大于该获取的图片的平均灰度值的像素点转换为黑色，将所有灰度值小于等于该获取的图片的平均灰度值的像素点转换为白色。
所述搜索模块212用于在该二值化图片中寻找面积大于第一设定阀值(如100个像素单位)的物体区块。
具体而言，如果该二值化图片的背景为白色，则搜索模块212在该二值化图片中寻找面积大于第一设定阀值的黑色区块，如果该二值化图片的背景为黑色，则搜索模块212在该二值化图片中寻找面积大于第一设定阀值的白色区块。在本实施例中，所述物体区块是指该二值化图片中彼此相连的像素组合而成的区块。
所述搜索模块212还用于判断是否找到面积大于第一设定阀值的物体区块。
所述记录模块213用于记录搜索模块212所寻找到的每个物体区块的位置和大小，并将每个物体区块的位置和大小依次存储在一个队列中。在本实施例中，所述物体区块的位置是指该物体区块的中心点对应的坐标值。在其它实施例中，所述记录模块213也可以将每个物体区块的位置和大小依次存储在其它数据结构中，如数组。
所述合并模块214用于根据物体区块的位置和大小，依次计算队列中每两个物体区块的距离，并将距离小于第二设定阀值(如10个像素单位长度)的两个物体区块合并在一起，直至整个队列循环完毕以生成一个完整的物体。
在本实施例中，合并的两个物体区块将从队列中删除，下次合并时，将从队列的头部重新开始合并。例如，物体区块的位置存储在队列P中，记为P[0]、P[1]、P[2]、P[3]、P[4]…P[n]。首先，合并模块214计算P[0]与队列中其它元素的距离，如果P[0]与P[1]的距离大于等于第二设定阀值，则继续计算P[0]与P[2]的距离，如果P[0]与P[2]的距离小于第二设定阀值，则将P[0]与P[2]对应的物体区块合并，并从队列P中删除P[0]与P[2]，新的队列P变为P[1]、P[3]、P[4]、P[5]、P[6]…P[n]。然后，合并模块214从P[1]开始重新寻找距离小于第二设定阀值的物体区块进行合并操作，直至整个队列循环完毕。
在其它实施例中，所述获取模块210还用于对获取的图片进行模糊化，以提高后续操作的准确性。
如图2所示，是本发明单一物体影像萃取方法较佳实施例的流程图。
步骤S1，获取模块210从存储体20中获取影像摄取装置3摄取的图片。
步骤S2，处理模块211对获取的图片进行二值化处理得到一个二值化图片。具体而言，本领域的技术人员一般将白色的灰度值定义为255，黑色灰度值定义为0，而由黑到白之间的明暗度均匀地划分为256个等级，处理模块211以该获取的图片的平均灰度值作为二值化处理的分界值，将该获取的图片转换为只有两个灰度值(例如0和255)的影像。例如，将所有灰度值大于该获取的图片的平均灰度值的像素点转换为黑色，将所有灰度值小于等于该获取的图片的平均灰度值的像素点转换为白色。
步骤S3，搜索模块212在该二值化图片中寻找面积大于第一设定阀值(如100个像素单位)的物体区块。具体而言，如果该二值化图片的背景为白色，则搜索模块212在该二值化图片中寻找面积大于第一设定阀值的黑色区块，如果该二值化图片的背景为黑色，则搜索模块212在该二值化图片中寻找面积大于第一设定阀值的白色区块。在本实施例中，所述物体区块是指该二值化图片中彼此相连的像素组合而成的区块。
步骤S4，搜索模块212判断是否找到面积大于第一设定阀值的物体区块。如果找到面积大于第一设定阀值的物体区块，执行步骤S5，如果没有找到面积大于第一设定阀值的物体区块，流程结束。
步骤S5，记录模块213记录搜索模块212所寻找到的每个物体区块的位置和大小，并将每个物体区块的位置和大小依次存储在一个队列中。在本实施例中，所述物体区块的位置是指该物体区块的中心点对应的坐标值。在其它实施例中，所述记录模块213也可以将每个物体区块的位置和大小依次存储在其它数据结构中，如数组。
步骤S6，合并模块214根据物体区块的位置和大小，依次计算队列中每两个物体区块的距离，并将距离小于第二设定阀值(如10个像素单位长度)的两个物体区块合并在一起，直至整个队列循环完毕以生成一个完整的物体。在本实施例中，合并的两个物体区块将从队列中删除，下次合并时，将从队列的头部重新开始合并。
在其它实施例中，所述方法还包括步骤：获取模块210对获取的图片进行模糊化，以提高后续操作的准确性。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种单一物体影像萃取方法，其特征在于，该方法包括如下步骤：
从存储体中获取影像摄取装置摄取的图片；
对获取的图片进行二值化处理得到一个二值化图片；
在该二值化图片中寻找面积大于第一设定阀值的物体区块；
当找到面积大于第一设定阀值的物体区块时，记录该物体区块的位置和大小，并将该物体区块的位置和大小依次存储在一个数据结构中；及
根据物体区块的位置和大小，依次计算所述数据结构中每两个物体区块的距离，并将距离小于第二设定阀值的两个物体区块合并在一起，直至所述数据结构中的物体区块循环完毕以生成一个完整的物体。
2.如权利要求1所述的单一物体影像萃取方法，其特征在于，所述物体区块是指该二值化图片中彼此相连的像素组合而成的区块。
3.如权利要求1所述的单一物体影像萃取方法，其特征在于，所述步骤在该二值化图片中寻找面积大于第一设定阀值的物体区块包括：
如果该二值化图片的背景为白色，则在该二值化图片中寻找面积大于第一设定阀值的黑色区块；及
如果该二值化图片的背景为黑色，则在该二值化图片中寻找面积大于第一设定阀值的白色区块。
4.如权利要求1所述的单一物体影像萃取方法，其特征在于，所述物体区块的位置是指该物体区块的中心点对应的坐标值。
5.如权利要求1所述的单一物体影像萃取方法，其特征在于，所述数据结构为队列或数组。
6.一种单一物体影像萃取系统，其特征在于，该系统包括：
获取模块，用于从存储体中获取影像摄取装置摄取的图片；
处理模块，用于对获取的图片进行二值化处理得到一个二值化图片；
搜索模块，用于在该二值化图片中寻找面积大于第一设定阀值的物体区块；
所述搜索模块，还用于判断是否找到面积大于第一设定阀值的物体区块；
记录模块，用于记录搜索模块所寻找到的每个物体区块的位置和大小，并将每个物体区块的位置和大小依次存储在一个数据结构中；及
合并模块，用于根据物体区块的位置和大小，依次计算所述数据结构中每两个物体区块的距离，并将距离小于第二设定阀值的两个物体区块合并在一起，直至所述数据结构中的物体区块循环完毕以生成一个完整的物体。
7.如权利要求6所述的单一物体影像萃取系统，其特征在于，所述物体区块是指该二值化图片中彼此相连的像素组合而成的区块。
8.如权利要求6所述的单一物体影像萃取系统，其特征在于，所述搜索模块在该二值化图片中寻找面积大于第一设定阀值的物体区块包括：
如果该二值化图片的背景为白色，则在该二值化图片中寻找面积大于第一设定阀值的黑色区块；及
如果该二值化图片的背景为黑色，则在该二值化图片中寻找面积大于第一设定阀值的白色区块。
9.如权利要求6所述的单一物体影像萃取系统，其特征在于，所述物体区块的位置是指该物体区块的中心点对应的坐标值。
10.如权利要求6所述的单一物体影像萃取系统，其特征在于，所述数据结构为队列或数组。
CN2009103037666A 2009-06-26 2009-06-26 单一物体影像萃取系统及方法 Expired - Fee Related CN101930593B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN2009103037666A CN101930593B (zh) 2009-06-26 2009-06-26 单一物体影像萃取系统及方法
US12/605,435 US8380006B2 (en) 2009-06-26 2009-10-26 System and method for merging separated pixel blocks into an integral image of an object

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2009103037666A CN101930593B (zh) 2009-06-26 2009-06-26 单一物体影像萃取系统及方法

Publications (2)

Publication Number Publication Date
CN101930593A true CN101930593A (zh) 2010-12-29
CN101930593B CN101930593B (zh) 2012-11-21

Family

ID=43369753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009103037666A Expired - Fee Related CN101930593B (zh) 2009-06-26 2009-06-26 单一物体影像萃取系统及方法

Country Status (2)

Country Link
US (1) US8380006B2 (zh)
CN (1) CN101930593B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102843497A (zh) * 2011-04-26 2012-12-26 李国君 影像区块合并方法
CN105159634A (zh) * 2015-07-10 2015-12-16 深圳市美贝壳科技有限公司 一种照片拼接投射的方法及装置
CN108257315A (zh) * 2016-12-28 2018-07-06 财团法人工业技术研究院 物流站与物流托运方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11721119B2 (en) 2020-12-18 2023-08-08 Konica Minolta Business Solutions U.S.A., Inc. Finding natural images in document pages

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1921560A (zh) * 2005-08-26 2007-02-28 电子科技大学 一种视频对象外边界提取方法
WO2007080818A1 (en) * 2006-01-11 2007-07-19 Mitsubishi Electric Corporation Method for extracting features of an iris in images
CN101136067A (zh) * 2007-10-09 2008-03-05 天津工业大学 基于综合特征一致性模型的人造目标检测方法
CN101154271A (zh) * 2006-09-30 2008-04-02 电子科技大学中山学院 基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0692767B1 (en) * 1994-07-13 2003-10-08 Canon Kabushiki Kaisha Image processing apparatus and method
US6577759B1 (en) * 1999-08-17 2003-06-10 Koninklijke Philips Electronics N.V. System and method for performing region-based image retrieval using color-based segmentation
GB2378340A (en) * 2001-07-31 2003-02-05 Hewlett Packard Co Generation of an image bounded by a frame or of overlapping images
CA2492288A1 (en) * 2002-07-15 2004-01-22 Juan Botas Assaying and imaging system identifying traits of biological specimens
JP4012140B2 (ja) * 2003-11-20 2007-11-21 キヤノン株式会社 画像処理装置、情報処理装置及びそれらの制御方法、プログラム
TWI309026B (en) * 2005-04-12 2009-04-21 Newsoft Technology Corp Method for auto-cropping image objects and method for detecting image object contour

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1921560A (zh) * 2005-08-26 2007-02-28 电子科技大学 一种视频对象外边界提取方法
WO2007080818A1 (en) * 2006-01-11 2007-07-19 Mitsubishi Electric Corporation Method for extracting features of an iris in images
CN101154271A (zh) * 2006-09-30 2008-04-02 电子科技大学中山学院 基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割方法
CN101136067A (zh) * 2007-10-09 2008-03-05 天津工业大学 基于综合特征一致性模型的人造目标检测方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102843497A (zh) * 2011-04-26 2012-12-26 李国君 影像区块合并方法
CN102843497B (zh) * 2011-04-26 2015-06-10 李国君 影像区块合并方法
CN105159634A (zh) * 2015-07-10 2015-12-16 深圳市美贝壳科技有限公司 一种照片拼接投射的方法及装置
CN105159634B (zh) * 2015-07-10 2018-07-06 深圳市美贝壳科技有限公司 一种照片拼接投射的方法及装置
CN108257315A (zh) * 2016-12-28 2018-07-06 财团法人工业技术研究院 物流站与物流托运方法
TWI634495B (zh) * 2016-12-28 2018-09-01 財團法人工業技術研究院 物流站與物流托運方法
US10755223B2 (en) 2016-12-28 2020-08-25 Industrial Technology Research Institute Logistic station and method for logistic

Also Published As

Publication number Publication date
US8380006B2 (en) 2013-02-19
CN101930593B (zh) 2012-11-21
US20100329587A1 (en) 2010-12-30

Similar Documents

Publication Publication Date Title
CN110610510B (zh) 目标跟踪方法、装置、电子设备及存储介质
CN102156751B (zh) 一种提取视频指纹的方法及装置
WO2019184522A1 (zh) 一种重复视频的判断方法及装置
US20100272364A1 (en) Image editing system and method
CN108881947B (zh) 一种直播流的侵权检测方法及装置
CN109635148B (zh) 人脸图片存储方法及装置
GB2501224A (en) Generating and comparing video signatures using sets of image features
US8417026B2 (en) Gesture recognition methods and systems
US11062455B2 (en) Data filtering of image stacks and video streams
WO2021139197A1 (zh) 一种图像处理方法及装置
JP6278108B2 (ja) 画像処理装置、画像センサ、画像処理方法
US11057626B2 (en) Video processing device and method for determining motion metadata for an encoded video
JP6849101B2 (ja) 高速で漸進的なスーパーボクセルベースの時空間ビデオセグメンテーション法
CN101930593B (zh) 单一物体影像萃取系统及方法
CN107330387B (zh) 基于图像数据的行人检测方法
CN112036232B (zh) 一种图像表格结构识别方法、系统、终端以及存储介质
CN111368867A (zh) 档案归类方法及系统、计算机可读存储介质
US8346006B1 (en) Real time auto-tagging system
CN110222046B (zh) 列表数据的处理方法、装置、服务器和存储介质
US20150058579A1 (en) Systems and methods for memory utilization for object detection
CN112235598B (zh) 一种视频结构化处理方法、装置及终端设备
Xiao et al. Trajectories-based motion neighborhood feature for human action recognition
US11593582B2 (en) Method and device for comparing media features
US11663184B2 (en) Information processing method of grouping data, information processing system for grouping data, and non-transitory computer readable storage medium
US20210073262A1 (en) Media retrieval method and apparatus

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: 20121121

Termination date: 20140626

EXPY Termination of patent right or utility model