CN102567985A - 提取网纹图像的网格结构的方法与系统 - Google Patents

Abstract

本发明提供了一种提取网纹图像的网格结构的方法与系统，用以解决现有技术中对于网纹结构的提取效果不佳的问题。该方法包括：依据网纹单元类型确定网纹单元预选中心点，其中，所述网纹单元类型为疏网纹和密网纹；依据网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对的匹配程度的判断条件，选择网纹单元预选中心点中的网纹单元中心点，其中，所述平移向量对是指可以表示任意两个网纹单元相对位置关系的一对向量；依据平移向量对补充网纹单元中心点。

Description

提取网纹图像的网格结构的方法与系统

技术领域

本发明涉及一种提取网纹图像的网格结构的方法与系统。

背景技术

在印刷过程中，由于着墨辊对承印物的压力不均匀、承印物本身的粗糙程度也各不相同、油墨在承印物上的堆积也不相同，造成油墨在承印物上的深浅断隔，从而形成了有规律的、深浅不同的、与承印物本身纹理有关的着墨纹理，该纹理可以看作是由基本相同的纹理单元周期性出现而形成，我们称之为网纹。如图1中的方框11中的图像所示，图1是现有技术中包含网纹的图像的示例。网纹通常可以分为疏网纹和密网纹，可根据用户设置的疏密条件或其他给定的疏密条件确定。在对承印物进行扫描以获取承印物上的图像时，网纹也随之被扫描而进入获取的图像中，网纹一般会影响图像的完整性或者美观，通常在应用这些图像时希望去除网纹，并且尽量保持原图像的内容不被破坏。

为了去除图像中的网纹，目前实际生产中常采用的方法包括：(1)以较高的分辨率扫描图像，然后缩小高分辨率的图像，得到没有网纹的图像。该方法虽简单实用，但受限于扫描设备的分辨率。(2)将网纹视为图像中的噪声，采用一般的图像滤波方法对原图进行平滑或去噪。该类方法不能很好的保持图像的细节不被破坏。(3)利用纹理特征的周期性，在频域或小波域去网纹。由于承印物本身的变化、扫描时产生的扭曲等都会导致网纹本身并不完全符合周期性，这类方法也不能很好的去除网纹。

分析网纹的结构特征可以辅助网纹图像的复原等处理。但是由于网纹的周期性分布特征往往受到破坏，给网纹结构特征的提取带来了困难。现有技术对于网纹结构的提取效果不佳，这影响了网纹处理的效果，对于该问题，目前尚未提出有效解决方案。

发明内容

本发明的主要目的是提供一种提取网纹图像的网格结构的方法与系统，以解决现有技术中对于网纹结构的提取效果不佳的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种提取网纹图像的网格结构的方法。

本发明的提取网纹图像的网格结构的方法包括：依据网纹单元类型确定网纹单元预选中心点，其中，所述网纹单元类型包括基于预设疏密条件所确定的疏网纹和密网纹；判断网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对是否满足预定的匹配条件，从网纹单元预选中心点中提取满足所述预定的匹配条件的网纹单元中心点，并放弃不满足所述预定的匹配条件的网纹单元中心点，其中，所述平移向量对是指可以表示任意两个网纹单元相对位置关系的一对向量；依据平移向量对在已提取的网纹单元中心点之间补充网纹单元中心点，以得到所述网纹图像的网格结构。

进一步地，所述依据网纹单元类型确定网纹单元预选中心点包括：若网纹单元类型为密网纹，则分析图像的样本区域的纹理结构以确定所述图像的参考密网纹单元；计算参考密网纹单元与图像的互相关图像，所述互相关图像的峰值点为图像的网纹单元预选中心点。

进一步地，所述互相关图像为经过归一化后得到的互相关图像。

进一步地，所述依据网纹单元类型确定网纹单元预选中心点包括：若网纹单元类型为疏网纹，检测图像中局部亮度最小点和局部亮度最大点作为种子点，由种子点生长得到网点，网点的中心点作为图像的网纹单元预选中心点。

进一步地，确定所述平移向量对的方法包括：计算图像的自相关图像；找出所述自相关图像的峰值点；以最大的峰值点为中心，获取所有峰值点位置的向量；任意选择两个不共线的向量v1和向量v2，计算该对向量的可靠度，选择可靠度最高的一对向量v1和向量v2；最终以向量v1、向量v2、向量v1-v2和向量v1+v2中最短的两个作为平移向量对。

进一步地，确定所述可靠度的方法包括：向量v1和向量v2的距离越短，可靠度越高；同时，任意取第三个向量，令v3＝a×v1+b×v2，a和b越接近整数，可靠度越高。

进一步地，确定所述平移向量对的方法，进一步包括平移向量对的校正步骤，具体包括：依据最小二乘法，计算得到校正后的平移向量对。

进一步地，所述依据网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对的匹配程度的判断条件，选择网纹单元预选中心点中的网纹单元中心点，包括：若网纹单元类型为密网纹，判断条件还包括网纹单元预选中心点的强度大于设定阈值。

进一步地，所述依据网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对的匹配程度的判断条件，选择网纹单元预选中心点中的网纹单元中心点，包括：若网纹单元类型为疏网纹，判断条件还包括网点的对比度、形状是否满足与其它网点的一致性。

进一步地，所述方法还包括以网纹单元中心点为顶点构建网纹单元，以任意满足平移向量对关系的四个网纹中心点构建四边形。

进一步地，所述方法还包括依据所有四边形图形结构的分布，确定标准形状；依据标准形状，调整所有四边形的形状；建立图像退化模型；依据所述图像退化模型，得到去除网纹后的图像。

根据本发明的另一方面，提供了一种提取网纹图像的网格结构的系统。

本发明的提取网纹图像的网格结构的系统包括：确定模块，用于依据网纹单元类型确定网纹单元预选中心点，其中，所述网纹单元类型包括基于预设疏密条件所确定的疏网纹和密网纹；选择模块，用于判断网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对是否满足预定的匹配条件，从网纹单元预选中心点中提取满足所述预定的匹配条件的网纹单元中心点，并放弃不满足所述预定的匹配条件的网纹单元中心点，其中，所述平移向量对是指可以表示任意两个网纹单元相对位置关系的一对向量；补充模块，用于依据平移向量对在已提取的网纹单元中心点之间补充网纹单元中心点，以得到所述网纹图像的网格结构。

进一步地，所述确定单元还用于若网纹单元类型为密网纹，则分析图像的样本区域的纹理结构以确定所述图像的参考密网纹单元；计算参考密网纹单元与图像的互相关图像，所述互相关图像的峰值点为图像的网纹单元预选中心点。

进一步地，所述确定单元还用于若网纹单元类型为疏网纹，检测图像中局部亮度最小点和局部亮度最大点作为种子点，由种子点生长得到网点，网点的中心点作为图像的网纹单元预选中心点。

进一步地，所述系统还包括平移向量对模块，用于计算图像的自相关图像；找出所述自相关图像的峰值点；以最大的峰值点为中心，获取所有峰值点位置的向量；任意选择两个不共线的向量v1和向量v2，计算该对向量的可靠度，选择可靠度最高的一对向量v1和向量v2；最终以向量v1、向量v2、向量v1v2和向量v1+v2中最短的两个作为平移向量对。

进一步地，所述平移向量对模块还用于根据如下方法确定所述可靠度：向量v1和向量v2的距离越短，可靠度越高；同时，任意取第三个向量，令v3＝a×v1+b×v2，a和b越接近整数，可靠度越高。

进一步地，所述平移向量对模块还用于依据最小二乘法，计算得到校正后的平移向量对。

进一步地，还包括构建单元，用于以网纹单元中心点为顶点构建网纹单元，以任意满足平移向量对关系的四个网纹中心点构建四边形。

进一步地，所述系统还包括调整模块和去网纹模块，其中调整模块用于依据所有四边形图形结构的分布，确定标准形状；以及依据标准形状，调整所有四边形的形状；去网纹模块用于建立图像退化模型；依据所述图像退化模型，得到去除网纹后的图像。

根据本发明的技术方案，利用了网纹的周期性分布的结构特征，因而能够更好地去除网纹，并尽可能的保持原始图像细节的完整性。

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是现有技术中包含网纹的图像的示例；

图2是根据本发明实施例的提取网纹图像的网格结构的方法的主要步骤的示意图；

图3是根据本发明实施例的网纹图像与自相关图像的示意图；

图4是根据本发明实施例的平移向量的示意图；以及

图5是根据本发明实施例的提取网纹图像的网格结构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2是根据本发明实施例的提取网纹图像的网格结构的方法的主要步骤的示意图，如图2所示，该方法主要包括如下步骤：

步骤S21：依据网纹单元类型确定网纹单元预选中心点。本步骤中的网纹单元类型可以是疏网纹或者密网纹。

步骤S23：依据网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对的匹配程度的判断条件，选择网纹单元预选中心点中的网纹单元中心点。在本步骤中，平移向量对是指可以表示任意两个网纹单元相对位置关系的一对向量。

步骤S25：依据平移向量对补充网纹单元中心点。

在上述步骤S21中，如果网纹单元类型为密网纹，则分析图像的样本区域的纹理结构以确定图像的参考密网纹单元；然后计算参考密网纹单元与图像的互相关图像，该互相关图像的峰值点为图像的网纹单元预选中心点。互相关图像可以是经过归一化后得到的图像。

在上述步骤S21中，如果网纹单元类型为疏网纹，则检测图像中局部亮度最小点和局部亮度最大点作为种子点，由种子点生长得到网点，网点的中心点作为图像的网纹单元预选中心点。

以下结合图3和图4对步骤S23中的平移向量作进一步说明。图3是根据本发明实施例的网纹图像与自相关图像的示意图，其中方框31中表示网纹图像，方框32中表示该网纹图像的自相关图像。图4是根据本发明实施例的平移向量的示意图。结合图4中的向量示记，确定平移向量时可以按如下步骤进行：

1.计算图像的自相关图像；

2.找出所述自相关图像的峰值点；

3.以最大的峰值点为中心，获取所有峰值点位置的向量；

4.任意选择两个不共线的向量v1和向量v2，计算该对向量的可靠度，选择可靠度最高的一对向量v1和向量v2；

5.最终以向量v1、向量v2、向量v1-v2和向量v1+v2中最短的两个作为平移向量对。

上述步骤中，向量v1和向量v2的距离越短，可靠度越高；同时，任意取第三个向量，令v3＝a×v1+b×v2，a和b越接近整数，可靠度越高。

上述的确定平移向量对的方法还可以进一步包括平移向量对的校正步骤，具体可以是依据最小二乘法，计算得到校正后的平移向量对。

对于自相关图像中的每一个峰值点，其位置与平移向量对的关系可以表示为：

$\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{cc}{x}_1& x_2\\ y_1& y_2\end{array}\right]\left[\begin{array}{c}a\\ b\end{array}\right]$

对每一个峰值点(x，y)，将上述整数精度的平移向量对(x1，y1)(x2，y2)代入上述方程解出a和b，然后将a和b的四舍五入取整，得到a0和b0；将(x，y)、a0、b0作为已知量，(x1，y1)和(x2，y2)作为未知量，得到一对方程：

$\left[\begin{array}{c}x\\ y\end{array}\right]=\left[\begin{array}{cc}{x}_1& x_2\\ y_1& y_2\end{array}\right]\left[\begin{array}{c}{a}_0\\ b_0\end{array}\right]$

解由所有峰值点的上述方程组构成的线性方程组，得到平移向量对(x1，y1)、(x2，y2)，即得到平移向量对的最小二乘解。

网纹单元的类型不同，步骤S23中的判断条件也有所区别。若网纹单元类型为密网纹，该判断条件可以是网纹单元预选中心点的强度大于设定阈值；若网纹单元类型为疏网纹，该判断条件可以是网点的对比度、形状是否满足与其它网点的一致性。

在步骤S25之后，以得到的网纹单元中心点为顶点构建网纹单元，以任意满足平移向量对关系的四个网纹中心点构建四边形。可将该四边形变换为某个标准形状，以及依据该标准形状调整所有四边形的形状，如与平移向量对对应的平行四边形。形状变换可以采用如仿射变换等方式。这样不同形状的网纹单元可以变换到同一坐标系下，便于后续去除网纹的处理。在去除网纹的处理中，可以根据上述方法中获取的图像的网纹结构特征建立图像退化模型；然后依据图像退化模型，得到去除网纹后的图像。

图5是根据本发明实施例的提取网纹图像的网格结构的系统的主要模块示意图。如图5所示，提取网纹图像的网格结构的系统50主要包括如下模块：确定模块，用于依据网纹单元类型确定网纹单元预选中心点，其中，所述网纹单元类型包括基于预设疏密条件所确定的疏网纹和密网纹；选择模块，用于判断网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对是否满足预定的匹配条件，从网纹单元预选中心点中提取满足所述预定的匹配条件的网纹单元中心点，并放弃不满足所述预定的匹配条件的网纹单元中心点，其中，所述平移向量对是指可以表示任意两个网纹单元相对位置关系的一对向量；补充模块，用于依据平移向量对在已提取的网纹单元中心点之间补充网纹单元中心点，以得到所述网纹图像的网格结构。

确定单元还可用于若网纹单元类型为密网纹，则分析图像的样本区域的纹理结构以确定所述图像的参考密网纹单元；计算参考密网纹单元与图像的互相关图像，所述互相关图像的峰值点为图像的网纹单元预选中心点。

确定单元还可用于若网纹单元类型为疏网纹，检测图像中局部亮度最小点和局部亮度最大点作为种子点，由种子点生长得到网点，网点的中心点作为图像的网纹单元预选中心点。

图5中的系统50还可包括平移向量对模块(图中未示出)，用于计算图像的自相关图像；找出所述自相关图像的峰值点；以最大的峰值点为中心，获取所有峰值点位置的向量；任意选择两个不共线的向量v1和向量v2，计算该对向量的可靠度，选择可靠度最高的一对向量v1和向量v2；最终以向量v1、向量v2、向量v1-v2和向量v1+v2中最短的两个作为平移向量对。平移向量对模块还可用于根据如下方法确定所述可靠度：向量v1和向量v2的距离越短，可靠度越高；同时，任意取第三个向量，令v3＝a×v1+b×v2，a和b越接近整数，可靠度越高。平移向量对模块还可用于依据最小二乘法，计算得到校正后的平移向量对。

图5中的系统50还可包括构建单元(图中未示出)，用于以网纹单元中心点为顶点构建网纹单元，以任意满足平移向量对关系的四个网纹中心点构建四边形。

图5中的系统50还可包括调整模块和去网纹模块(图中未示出)，调整模块用于依据所有四边形图形结构的分布，确定标准形状；以及依据标准形状，调整所有四边形的形状；去网纹模块，用于建立图像退化模型；以及依据所述图像退化模型，得到去除网纹后的图像。

从以上描述中可以看出，本发明实施例的技术方案与一般的图像复原方式相比，利用了网纹的周期性分布的结构特征，因而能够更好地去除网纹，并尽可能的保持原始图像细节的完整性。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

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 (19)

1.一种提取网纹图像的网格结构的方法，其特征在于，包括：

依据网纹单元类型确定网纹单元预选中心点，其中，所述网纹单元类型包括基于预设疏密条件所确定的疏网纹和密网纹；

判断网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对是否满足预定的匹配条件，从网纹单元预选中心点中提取满足所述预定的匹配条件的网纹单元中心点，并放弃不满足所述预定的匹配条件的网纹单元中心点，其中，所述平移向量对是指可以表示任意两个网纹单元相对位置关系的一对向量；

依据平移向量对在已提取的网纹单元中心点之间补充网纹单元中心点，以得到所述网纹图像的网格结构。

2.根据权利要求1所述的方法，其特征在于，所述依据网纹单元类型确定网纹单元预选中心点包括：

若网纹单元类型为密网纹，则分析图像的样本区域的纹理结构以确定所述图像的参考密网纹单元；

计算参考密网纹单元与图像的互相关图像，所述互相关图像的峰值点为图像的网纹单元预选中心点。

3.根据权利要求2所述的方法，其特征在于，所述互相关图像为经过归一化后得到的互相关图像。

4.根据权利要求1所述的方法，其特征在于，所述依据网纹单元类型确定网纹单元预选中心点包括：

若网纹单元类型为疏网纹，检测图像中局部亮度最小点和局部亮度最大点作为种子点，由种子点生长得到网点，网点的中心点作为图像的网纹单元预选中心点。

5.根据权利要求1所述的方法，其特征在于，确定所述平移向量对的方法包括：

计算图像的自相关图像；

找出所述自相关图像的峰值点；

以最大的峰值点为中心，获取所有峰值点位置的向量；

任意选择两个不共线的向量v1和向量v2，计算该对向量的可靠度，选择可靠度最高的一对向量v1和向量v2；

最终以向量v1、向量v2、向量v1-v2和向量v1+v2中最短的两个作为平移向量对。

6.根据权利要求5所述的方法，其特征在于，确定所述可靠度的方法包括基于以下原则确定所述可靠度：

向量v1和向量v2的距离越短，可靠度越高；同时，任意取第三个向量，令v3＝a×v1+b×v2，a和b越接近整数，可靠度越高。

7.根据权利要求5所述的方法，其特征在于，确定所述平移向量对的方法，进一步包括平移向量对的校正步骤，具体包括：

依据最小二乘法，计算得到校正后的平移向量对。

8.根据权利要求1或2所述的方法，其特征在于，所述依据网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对的匹配程度的判断条件，选择网纹单元预选中心点中的网纹单元中心点，包括：

若网纹单元类型为密网纹，判断条件还包括网纹单元预选中心点的强度大于设定阈值。

9.根据权利要求1或4所述的方法，其特征在于，所述依据网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对的匹配程度的判断条件，选择网纹单元预选中心点中的网纹单元中心点，包括：

若网纹单元类型为疏网纹，判断条件还包括网点的对比度、形状是否满足与其它网点的一致性。

10.根据权利要求1所述的方法，其特征在于，还包括：

以网纹单元中心点为顶点构建网纹单元，以任意满足平移向量对关系的四个网纹中心点构建四边形。

11.根据权利要求10所述的方法，其特征在于，还包括：

依据所有四边形图形结构的分布，确定标准形状；

依据标准形状，调整所有四边形的形状；

建立图像退化模型；

依据所述图像退化模型，得到去除网纹后的图像。

12.一种提取网纹图像的网格结构的系统，其特征在于，包括：

确定模块，用于依据网纹单元类型确定网纹单元预选中心点，其中，所述网纹单元类型包括基于预设疏密条件所确定的疏网纹和密网纹；

选择模块，用于判断网纹单元预选中心点与周围网纹单元预选中心点的相对位置与平移向量对是否满足预定的匹配条件，从网纹单元预选中心点中提取满足所述预定的匹配条件的网纹单元中心点，并放弃不满足所述预定的匹配条件的网纹单元中心点，其中，所述平移向量对是指可以表示任意两个网纹单元相对位置关系的一对向量；

补充模块，用于依据平移向量对在已提取的网纹单元中心点之间补充网纹单元中心点，以得到所述网纹图像的网格结构。

13.根据权利要求12所述的系统，其特征在于，所述确定单元还用于若网纹单元类型为密网纹，则分析图像的样本区域的纹理结构以确定所述图像的参考密网纹单元；计算参考密网纹单元与图像的互相关图像，所述互相关图像的峰值点为图像的网纹单元预选中心点。

14.根据权利要求12所述的系统，其特征在于，所述确定单元还用于若网纹单元类型为疏网纹，检测图像中局部亮度最小点和局部亮度最大点作为种子点，由种子点生长得到网点，网点的中心点作为图像的网纹单元预选中心点。

15.根据权利要求12所述的系统，其特征在于，还包括平移向量对模块，用于计算图像的自相关图像；找出所述自相关图像的峰值点；以最大的峰值点为中心，获取所有峰值点位置的向量；任意选择两个不共线的向量v1和向量v2，计算该对向量的可靠度，选择可靠度最高的一对向量v1和向量v2；最终以向量v1、向量v2、向量v1-v2和向量v1+v2中最短的两个作为平移向量对。

16.根据权利要求15所述的系统，其特征在于，所述平移向量对模块还用于根据如下方法确定所述可靠度：向量v1和向量v2的距离越短，可靠度越高；同时，任意取第三个向量，令v3＝a×v1+b×v2，a和b越接近整数，可靠度越高。

17.根据权利要求15所述的系统，其特征在于，所述平移向量对模块还用于依据最小二乘法，计算得到校正后的平移向量对。

18.根据权利要求12所述的系统，其特征在于，还包括构建单元，用于以网纹单元中心点为顶点构建网纹单元，以任意满足平移向量对关系的四个网纹中心点构建四边形。

19.根据权利要求18所述的系统，其特征在于，还包括调整模块和去网纹模块，其中：

所述调整模块用于依据所有四边形图形结构的分布，确定标准形状；以及依据标准形状，调整所有四边形的形状；

所述去网纹模块，用于建立图像退化模型；以及依据所述图像退化模型，得到去除网纹后的图像。

Images