CN102567984A - 从图像中提取线条的方法与系统 - Google Patents
从图像中提取线条的方法与系统 Download PDFInfo
- Publication number
- CN102567984A CN102567984A CN2010106166002A CN201010616600A CN102567984A CN 102567984 A CN102567984 A CN 102567984A CN 2010106166002 A CN2010106166002 A CN 2010106166002A CN 201010616600 A CN201010616600 A CN 201010616600A CN 102567984 A CN102567984 A CN 102567984A
- Authority
- CN
- China
- Prior art keywords
- pixel
- lines
- image
- zone
- original image
- 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
本发明提供了一种从图像中提取线条的方法与系统,用以解决现有技术中线条提取不准确和不完整的问题。该方法包括:计算原图像的颜色响应图像,检测所述颜色响应图像的线条中心线;根据所述线条中心线的信息,将所述原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点;依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域。采用本发明的技术方案,有助于从图像中获得准确、完整的线条。
Description
技术领域
本发明涉及一种从图像中提取线条的方法与系统。
背景技术
从图像中提取线条是一种常见的图像处理技术。图像中的线或者线条对于基于图像内容的图像处理、图像理解而言,是非常中要的基本特征,通过提取图像中的线条,可以对图像做进一步的处理和理解,线提取方法具有非常重要的应用价值。
目前已有的线条提取方法大致包含如下两类:(1)将线视为图像中的脊或谷,估计图像在每个点的二阶偏导矩阵,对二阶偏导矩阵的特征分解后,最大或最小的特征值分别对应该店脊或谷的强度,相应的特征向量的方向表示线的法向。对该强度图像在线的法向方向做非最大抑制,即得到线的中心线。该类方法不能同时准确地检测不同宽度的线。(2)将线视为有两条并行的边缘的对象,通过检测边缘检测线。该类方法的准确度受限于边缘检测的准确程度。
现有技术中存在线条提取不准确和不完整的问题,对于该问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的是提供一种从图像中提取线条的方法与系统,以解决现有技术中线条提取不准确和不完整的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种从图像中提取线条的方法。
本发明的从图像中提取线条的方法包括:计算原图像的颜色响应图像,检测所述颜色响应图像的线条中心线;根据所述线条中心线的信息,将所述原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点;依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域。
进一步地,所述原图像的颜色响应图像表示原图像的像素值与目标线条像素值的近似度。
进一步地,若目标线条为K色线条,原图像为CMYK表示的彩色图像,所述近似度可用如下公式计算:其中,C、M、Y、K分别为0-255之间的整数,值越大表示油墨浓度越高,a和b分别是CMY颜色分量和K颜色分量的加权系数。
进一步地,计算所述原图像的颜色响应图像包括:确定目标线条像素值;计算原图像像素点像素值与目标线条像素值的距离,将所述距离转换到[0,255]的区间内,最终得到原图像的像素值与目标线条像素值的近似度。
进一步地,所述确定目标线条像素值包括:设定一个或多个目标线条像素值或者在原图像中选取一个或多个像素点的像素值作为目标线条的像素值。
进一步地,若确定多个目标线条像素值,则分别计算原图像像素点与各个目标线条像素值的近似度,最后选取近似度的最小值。
进一步地,所述检测所述颜色响应图像的线条中心线包括:计算各个像素点的线条响应强度和方向;对所述线条响应强度进行非最大抑制;生成边界链表,所述边界链表为颜色响应图像的线条中心线。
进一步地,所述方法还包括:去除较短的边界链表。
进一步地,所述根据所述线条中心线的信息,将所述原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点包括:若颜色响应图像的像素点属于线条中心线,则所述颜色响应图像的像素点所对应的原图像的像素点为线条区域像素点;若颜色响应图像的像素点不属于线条中心线,且颜色响应图像的像素点线条响应强度小于设定阈值,则所述颜色响应图像的像素点所对应的原图像的像素点为非线条区域像素点;若原图像的像素点既不属于线条区域像素点,也不属于非线条区域像素点,则所述原图像的像素点为未知区域像素点。
进一步地,所述依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域包括:依据种子点的图像分割方法,提取图像的线条区域。
进一步地,所述依据种子点的图像分割方法,提取图像的线条区域,包括:选取线条区域像素点作为前景种子点,选取非线条区域的像素点作为背景种子点,对原图像进行分割,得到的前景区域即为提取的线条区域。
进一步地,所述依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区包括:依据图像拆分(matting)的方法,提取图像的线条区域。
进一步地,所述的依据图像拆分(matting)的方法,提取图像的线条区域,包括:将原图像作为背景和线条区域按照不同透明度叠加生成的图像,通过图像的拆解复原出背景和线条区域,得到的线条区域即为提取的线条区域。
根据本发明的另一方面,提供了一种从图像中提取线条的系统。
本发明的从图像中提取线条的系统包括:计算模块,用于计算原图像的颜色响应图像;检测模块,用于检测所述颜色响应图像的线条中心线;像素分类模块,用于根据所述线条中心线的信息,将所述原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点;线条提取模块,依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域。
进一步地,所述计算模块还用于在目标线条为K色线条,原图像为CMYK表示的彩色图像的情况下使用如下公式计算原图像的像素值与目标线条像素值的近似度:
进一步地,所述计算模块还用于:确定目标线条像素值;计算原图像像素点像素值与目标线条像素值的距离,将所述距离转换到[0,255]的区间内,最终得到原图像的像素值与目标线条像素值的近似度。
进一步地,所述计算模块还用于设定一个或多个目标线条像素值或者在原图像中选取一个或多个像素点的像素值作为目标线条的像素值。
进一步地,所述计算模块还用于若确定多个目标线条像素值,则分别计算原图像像素点与各个目标线条像素值的近似度,最后选取近似度的最小值。
进一步地,所述检测模块还用于:计算各个像素点的线条响应强度和方向;对所述线条响应强度进行非最大抑制;生成边界链表,所述边界链表为颜色响应图像的线条中心线。
进一步地,所述系统还包括去除模块,用于去除较短的边界链表。
进一步地,所述像素分类模块还用于:若颜色响应图像的像素点属于线条中心线,则所述颜色响应图像的像素点所对应的原图像的像素点为线条区域像素点;若颜色响应图像的像素点不属于线条中心线,且颜色响应图像的像素点线条响应强度小于设定阈值,则所述颜色响应图像的像素点所对应的原图像的像素点为非线条区域像素点;若原图像的像素点既不属于线条区域像素点,也不属于非线条区域像素点,则所述原图像的像素点为未知区域像素点。
进一步地,所述像素分类模块还用于依据种子点的图像分割方法,提取图像的线条区域。
进一步地,所述像素分类模块还用于选取线条区域像素点作为前景种子点,选取非线条区域的像素点作为背景种子点,对原图像进行分割,得到的前景区域即为提取的线条区域。
进一步地,所述线条提取模块还用于依据图像拆分(matting)的方法,提取图像的线条区域。
进一步地,所述线条提取模块还用于将原图像作为背景和线条区域按照不同透明度叠加生成的图像,通过图像的拆解复原出背景和线条区域,得到的线条区域即为提取的线条区域。
根据本发明的技术方案,通过计算原图像的颜色响应图像,检测颜色响应图像的线条中心线,再根据该线条中心线的信息,对原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点,以及依据原图像各个像素点像素值以及像素点的分类信息提取图像的线条区域,有助于较为完整地提取出图像中不同宽度的线条,同时,根据本实施例的技术方案,能够较为完整地检测出线的边界,得到线所属的区域,为后续的图像处理、图像内容理解提供良好的基础,因此具有非常广泛的应用前景。
附图说明
说明书附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的从图像中提取线条的方法的主要步骤流程图;
图2是根据本发明实施例中在计算颜色响应图像时CMY分量和K分量的加权系数都取1时的结果的示意图;
图3是本发明实施例中指定单一颜色线条时获得线条颜色响应图像的示意图;
图4是本发明实施例中指定多种颜色线条时获得线条颜色响应图像的示意图;
图5A、图5B、图5C以及图5D是根据本发明实施例的线条中心线检测和图像标号的示意图;
图6是根据本发明实施例的从图像中提取线条的系统的主要模块示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1是根据本发明实施例的从图像中提取线条的方法的主要步骤流程图,如图1所示,该方法主要包括如下步骤:
步骤S11:计算原图像的颜色响应图像;
步骤S13:检测颜色响应图像的线条中心线;
步骤S15:根据线条中心线的信息,将原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点;
步骤S17:依据原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域。
以下结合上述步骤对本实施例的技术方案作进一步说明。
例如输入图像是一幅彩色图像,则在步骤S11中,根据目标线条的颜色特征,从输入图像生成另外一个单通道图像,称为颜色响应图像。在颜色响应图像中,像素值的大小表示输入图像中的像素值与目标线条颜色特征的近似程度。假设颜色响应图像中像素值越小,表示原图像中该像素越符合目标线条的颜色特征。
例如输入图像是用CMYK表示的彩色图像,若目标线条是K色黑色线条,可用如下公式计算颜色响应图像中的像素值:
其中,C、M、Y、K分别为0-255之间的整数,值越大表示油墨浓度越高,a和b分别是CMY分量和K分量的加权系数。颜色响应图像的像素值表示的是原图像的像素值与目标线条像素值的近似度,图2是根据本发明实施例中在计算颜色响应图像时CMY分量和K分量的加权系数都取1时的结果的示意图。
图2示出的是提取K色线条的情形。图像21表示原始图像,图像22表示线条颜色响应图像。如果要提取的目标线条是彩色线条,则可以先确定目标线条像素值,然后计算原图像像素点像素值与目标线条像素值的距离,将该距离转换到[0,255]的区间内,最终得到原图像的像素值与目标线条像素值的近似度。其中,所述的距离为颜色向量距离,如欧几里德距离,即m维颜色空间中两个像素点颜色向量的距离。在确定目标线条像素值时,可以先设定一个或多个目标线条像素值或者在原图像中选取一个或多个像素点的像素值作为目标线条的像素值。若确定多个目标线条像素值,则分别计算原图像像素点与各个目标线条像素值的近似度,最后选取近似度的最小值。
上述目标线条的颜色可以是用户指定的单一颜色或多种颜色。图3是本发明实施例中指定单一颜色线条时获得线条颜色响应图像的示意图,其中图像31表示原始图像,图像32表示采样点,图像33表示线条颜色响应图像。图4是本发明实施例中指定多种颜色线条时获得线条颜色响应图像的示意图,其中图像41表示原始图像,图像42表示采样点,图像43表示线条颜色响应图像。在获得颜色响应图像时,可由用户通过交互方式指定一些颜色采样点,从采样点中分析得到n个代表性的颜色{Ci},其中i=1...n。这里可以采用现有的聚类方法或者颜色量化方法。假设原图像中某像素的颜色为C,颜色响应图像中某像素的值为:
R=mini||C-Ci||,
其中||·||表示计算两个颜色之间的距离,如RGB或Lab等颜色空间中表示的两个颜色之间的欧几里得距离。
在步骤S13中,具体可以先计算线条颜色响应图像的各个像素点的线条响应强度和方向,再对线条响应强度进行非最大抑制,然后生成边界链表,这里的边界链表即为颜色响应图像的线条中心线。这里还可以去除较短的边界链表,最后对较短的边界链表进行去除。另外在步骤S13中,中心线可以是趋近于线条中心的链条,并不局限于严格意义上的线条中心线。
在步骤S15中,具体可以根据如下方式将原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点:
若颜色响应图像的像素点属于线条中心线,则颜色响应图像的像素点所对应的原图像的像素点为线条区域像素点;若颜色响应图像的像素点不属于线条中心线,且颜色响应图像的像素点线条响应强度小于设定阈值,则颜色响应图像的像素点所对应的原图像的像素点为非线条区域像素点;若原图像的像素点既不属于线条区域像素点,也不属于非线条区域像素点,则原图像的像素点为未知区域像素点。
根据上述方式,可以得出以图5A至图5D为例的一种结果。图5A、图5B、图5C以及图5D是根据本发明实施例的线条中心线检测和图像标号的示意图。其中,图5A的图像51中为线条响应强度图,即用像素的灰度表示线条的强度,灰度越大,表示线条强度越大;图5B的图像52中白色表示检测到颜色响应图像的中心线;图5C的图像53中白色表示线条区域,黑色表示非线条区域,灰色表示未知区域。
在步骤S17中,提取图像的线条区域可以是依据种子点的图像分割方法来进行,具体可以是选取线条区域像素点作为前景种子点,选取非线条区域的像素点作为背景种子点,对原图像进行分割,得到的前景区域即为提取的线条区域。在步骤S17中,还可以依据图像拆分(matting)的方法,提取图像的线条区域,具体可以是将原图像作为背景和线条区域按照不同透明度叠加生成的图像,通过图像的拆解复原出背景和线条区域,得到的线条区域即为提取的线条区域,例如图5D所示,图5D的图像54表示线条提取的结果图像。
图6是根据本发明实施例的从图像中提取线条的系统的主要模块示意图。如图6所示,从图像中提取线条的系统60包括:计算模块,用于计算原图像的颜色响应图像;检测模块,用于检测所述颜色响应图像的线条中心线;像素分类模块,用于根据所述线条中心线的信息,将所述原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点;线条提取模块,依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域。
计算模块还可用于在目标线条为K色线条,原图像为CMYK表示的彩色图像的情况下使用如下公式计算原图像的像素值与目标线条像素值的近似度:
其中,C、M、Y、K分别为0-255之间的整数,值越大表示油墨浓度越高,a和b分别是CMY颜色分量和K颜色分量的加权系数。
计算模块还可用于:确定目标线条像素值;计算原图像像素点像素值与目标线条像素值的距离,将所述距离转换到[0,255]的区间内,最终得到原图像的像素值与目标线条像素值的近似度。
计算模块还可用于设定一个或多个目标线条像素值或者在原图像中选取一个或多个像素点的像素值作为目标线条的像素值。
计算模块还可用于若确定多个目标线条像素值,则分别计算原图像像素点与各个目标线条像素值的近似度,最后选取近似度的最小值。
检测模块还可用于:计算各个像素点的线条响应强度和方向;对所述线条响应强度进行非最大抑制;生成边界链表,所述边界链表为颜色响应图像的线条中心线。
图6所示的系统还包括去除模块(图中未示出),用于去除较短的边界链表。
像素分类模块还可用于:若颜色响应图像的像素点属于线条中心线,则所述颜色响应图像的像素点所对应的原图像的像素点为线条区域像素点;若颜色响应图像的像素点不属于线条中心线,且颜色响应图像的像素点线条响应强度小于设定阈值,则所述颜色响应图像的像素点所对应的原图像的像素点为非线条区域像素点;若原图像的像素点既不属于线条区域像素点,也不属于非线条区域像素点,则所述原图像的像素点为未知区域像素点。
像素分类模块还可用于依据种子点的图像分割方法,提取图像的线条区域。
像素分类模块还可用于选取线条区域像素点作为前景种子点,选取非线条区域的像素点作为背景种子点,对原图像进行分割,得到的前景区域即为提取的线条区域。
线条提取模块还可用于依据图像拆分(matting)的方法,提取图像的线条区域。
线条提取模块还可用于将原图像作为背景和线条区域按照不同透明度叠加生成的图像,通过图像的拆解复原出背景和线条区域,得到的线条区域即为提取的线条区域。
从以上说明可以看出,在本实施例中,通过计算原图像的颜色响应图像,检测颜色响应图像的线条中心线,再根据该线条中心线的信息,对原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点,以及依据原图像各个像素点像素值以及像素点的分类信息提取图像的线条区域,有助于较为完整地提取出图像中不同宽度的线条,同时,根据本实施例的技术方案,能够较为完整地检测出线的边界,得到线所属的区域,为后续的图像处理、图像内容理解提供良好的基础,因此具有非常广泛的应用前景。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (25)
1.一种从图像中提取线条的方法,其特征在于,包括:
计算原图像的颜色响应图像,检测所述颜色响应图像的线条中心线;
根据所述线条中心线的信息,将所述原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点;
依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域。
2.根据权利要求1所述的方法,其特征在于,所述原图像的颜色响应图像表示原图像的像素值与目标线条像素值的近似度。
3.根据权利要求2所述的方法,其特征在于,若目标线条为K色线条,原图像为CMYK表示的彩色图像,所述近似度可用如下公式计算:
其中,C、M、Y、K分别为0-255之间的整数,值越大表示油墨浓度越高,a和b分别是CMY颜色分量和K颜色分量的加权系数。
4.根据权利要求1或2所述的方法,其特征在于,计算所述原图像的颜色响应图像包括:确定目标线条像素值;
计算原图像像素点像素值与目标线条像素值的距离,将所述距离转换到[0,255]的区间内,最终得到原图像的像素值与目标线条像素值的近似度。
5.根据权利要求4所述的方法,其特征在于,所述确定目标线条像素值包括:设定一个或多个目标线条像素值或者在原图像中选取一个或多个像素点的像素值作为目标线条的像素值。
6.根据权利要求5所述的方法,其特征在于,若确定多个目标线条像素值,则分别计算原图像像素点与各个目标线条像素值的近似度,最后选取近似度的最小值。
7.根据权利要求1或2所述的方法,其特征在于,所述检测所述颜色响应图像的线条中心线包括:
计算各个像素点的线条响应强度和方向;
对所述线条响应强度进行非最大抑制;
生成边界链表,所述边界链表为颜色响应图像的线条中心线。
8.根据权利要求7所述的方法,其特征在于,还包括:去除较短的边界链表。
9.根据权利要求1或2所述的方法,其特征在于,所述根据所述线条中心线的信息,将所述原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点包括:
若颜色响应图像的像素点属于线条中心线,则所述颜色响应图像的像素点所对应的原图像的像素点为线条区域像素点;
若颜色响应图像的像素点不属于线条中心线,且颜色响应图像的像素点线条响应强度小于设定阈值,则所述颜色响应图像的像素点所对应的原图像的像素点为非线条区域像素点;
若原图像的像素点既不属于线条区域像素点,也不属于非线条区域像素点,则所述原图像的像素点为未知区域像素点。
10.根据权利要求1或2所述的方法,其特征在于,所述依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域包括:依据种子点的图像分割方法,提取图像的线条区域。
11.根据权利要求10所述的方法,其特征在于,所述依据种子点的图像分割方法,提取图像的线条区域,包括:选取线条区域像素点作为前景种子点,选取非线条区域的像素点作为背景种子点,对原图像进行分割,得到的前景区域即为提取的线条区域。
12.根据权利要求1或2所述的方法,其特征在于,所述依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区包括:依据图像拆分(matting)的方法,提取图像的线条区域。
13.根据权利要求12所述的方法,其特征在于,所述的依据图像拆分(matting)的方法,提取图像的线条区域,包括:将原图像作为背景和线条区域按照不同透明度叠加生成的图像,通过图像的拆解复原出背景和线条区域,得到的线条区域即为提取的线条区域。
14.一种从图像中提取线条的系统,其特征在于,包括:
计算模块,用于计算原图像的颜色响应图像;
检测模块,用于检测所述颜色响应图像的线条中心线;
像素分类模块,用于根据所述线条中心线的信息,将所述原图像各个像素点划分为线条区域像素点、非线条区域像素点以及未知区域像素点;
线条提取模块,依据所述原图像各个像素点像素值以及像素点的分类信息,提取图像的线条区域。
15.根据权利要求14所述的系统,其特征在于,所述计算模块还用于在目标线条为K色线条,原图像为CMYK表示的彩色图像的情况下使用如下公式计算原图像的像素值与目标线条像素值的近似度:
其中,C、M、Y、K分别为0-255之间的整数,值越大表示油墨浓度越高,a和b分别是CMY颜色分量和K颜色分量的加权系数。
16.根据权利要求14所述的系统,其特征在于,所述计算模块还用于:
确定目标线条像素值;
计算原图像像素点像素值与目标线条像素值的距离,将所述距离转换到[0,255]的区间内,最终得到原图像的像素值与目标线条像素值的近似度。
17.根据权利要求16所述的系统,其特征在于,所述计算模块还用于设定一个或多个目标线条像素值或者在原图像中选取一个或多个像素点的像素值作为目标线条的像素值。
18.根据权利要求17所述的系统,其特征在于,所述计算模块还用于若确定多个目标线条像素值,则分别计算原图像像素点与各个目标线条像素值的近似度,最后选取近似度的最小值。
19.根据权利要求14所述的系统,其特征在于,所述检测模块还用于:
计算各个像素点的线条响应强度和方向;
对所述线条响应强度进行非最大抑制;
生成边界链表,所述边界链表为颜色响应图像的线条中心线。
20.根据权利要求19所述的系统,其特征在于,还包括去除模块,用于去除较短的边界链表。
21.根据权利要求14所述的系统,其特征在于,所述像素分类模块还用于:
若颜色响应图像的像素点属于线条中心线,则所述颜色响应图像的像素点所对应的原图像的像素点为线条区域像素点;
若颜色响应图像的像素点不属于线条中心线,且颜色响应图像的像素点线条响应强度小于设定阈值,则所述颜色响应图像的像素点所对应的原图像的像素点为非线条区域像素点;
若原图像的像素点既不属于线条区域像素点,也不属于非线条区域像素点,则所述原图像的像素点为未知区域像素点。
22.根据权利要求14所述的系统,其特征在于,所述像素分类模块还用于依据种子点的图像分割方法,提取图像的线条区域。
23.根据权利要求22所述的系统,其特征在于,所述像素分类模块还用于选取线条区域像素点作为前景种子点,选取非线条区域的像素点作为背景种子点,对原图像进行分割,得到的前景区域即为提取的线条区域。
24.根据权利要求14所述的系统,其特征在于,所述线条提取模块还用于依据图像拆分(matting)的方法,提取图像的线条区域。
25.根据权利要求24所述的系统,其特征在于,所述线条提取模块还用于将原图像作为背景和线条区域按照不同透明度叠加生成的图像,通过图像的拆解复原出背景和线条区域,得到的线条区域即为提取的线条区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106166002A CN102567984A (zh) | 2010-12-30 | 2010-12-30 | 从图像中提取线条的方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106166002A CN102567984A (zh) | 2010-12-30 | 2010-12-30 | 从图像中提取线条的方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102567984A true CN102567984A (zh) | 2012-07-11 |
Family
ID=46413333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106166002A Pending CN102567984A (zh) | 2010-12-30 | 2010-12-30 | 从图像中提取线条的方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102567984A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109870410A (zh) * | 2019-05-05 | 2019-06-11 | 征图新视(江苏)科技股份有限公司 | 一种全自动多通道光源快速成像检测方法及其系统 |
CN109934886A (zh) * | 2019-03-07 | 2019-06-25 | 广州视源电子科技股份有限公司 | 图形的填充方法、装置及交互智能设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178812A (zh) * | 2007-12-10 | 2008-05-14 | 北京航空航天大学 | 一种结构光光条中心线提取的混合图像处理方法 |
-
2010
- 2010-12-30 CN CN2010106166002A patent/CN102567984A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178812A (zh) * | 2007-12-10 | 2008-05-14 | 北京航空航天大学 | 一种结构光光条中心线提取的混合图像处理方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934886A (zh) * | 2019-03-07 | 2019-06-25 | 广州视源电子科技股份有限公司 | 图形的填充方法、装置及交互智能设备 |
CN109870410A (zh) * | 2019-05-05 | 2019-06-11 | 征图新视(江苏)科技股份有限公司 | 一种全自动多通道光源快速成像检测方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104966085B (zh) | 一种基于多显著特征融合的遥感图像感兴趣区域检测方法 | |
CN102332157B (zh) | 一种消除阴影的方法 | |
CN105404847A (zh) | 一种遗留物实时检测方法 | |
Berezhnoy et al. | Computer analysis of van Gogh’s complementary colours | |
CN101529495A (zh) | 图像遮罩生成 | |
CN101155249A (zh) | 电子水印嵌入装置和电子水印检测装置 | |
CN104268590B (zh) | 基于互补性组合特征与多相回归的盲图像质量评价方法 | |
CN103020965A (zh) | 一种基于显著性检测的前景分割方法 | |
CN104657980A (zh) | 一种改进的基于Meanshift的多通道图像分割算法 | |
CN104572971A (zh) | 图像检索的方法和装置 | |
CN106097366A (zh) | 一种基于改进的Codebook前景检测的图像处理方法 | |
CN102184404B (zh) | 掌纹图像中手掌区域的获取方法及装置 | |
CN102096672A (zh) | 一种基于模糊粗糙模型的分类规则提取方法 | |
CN104408728A (zh) | 一种基于噪声估计的伪造图像检测方法 | |
CN104217440B (zh) | 一种从遥感图像中提取建成区的方法 | |
CN104021567B (zh) | 基于首数字定律的图像高斯模糊篡改检测方法 | |
CN103164693A (zh) | 一种监控视频行人检测匹配方法 | |
CN106355607A (zh) | 一种宽基线彩色图像模板匹配方法 | |
CN104021527A (zh) | 一种图像中雨雪的去除方法 | |
Fernando et al. | Color features for dating historical color images | |
CN102629325B (zh) | 图像特征提取方法和装置及图像拷贝检测方法和系统 | |
CN102567969B (zh) | 一种彩色图像边缘检测方法 | |
Yang et al. | Saliency-based color image segmentation in foreign fiber detection | |
CN103743750A (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
CN102567984A (zh) | 从图像中提取线条的方法与系统 |
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: 20120711 |
|
C20 | Patent right or utility model deemed to be abandoned or is abandoned |