CN103049904A - 一种图像提取方法及其系统、电子证书制作方法及其系统 - Google Patents
一种图像提取方法及其系统、电子证书制作方法及其系统 Download PDFInfo
- Publication number
- CN103049904A CN103049904A CN2012105058315A CN201210505831A CN103049904A CN 103049904 A CN103049904 A CN 103049904A CN 2012105058315 A CN2012105058315 A CN 2012105058315A CN 201210505831 A CN201210505831 A CN 201210505831A CN 103049904 A CN103049904 A CN 103049904A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- bitmap
- image
- certificate
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像提取方法及其系统、电子证书制作方法及其系统,图像提取方法包括:S1、顺次提取包含图像的位图中的一个像素,计算该像素的R*G*B值;S2、计算R*G*B值与预设阈值之间的差值,判断差值是否大于预设差值,若是,则将该像素值设为空,否则计算该像素的边缘检测算子,确定像素点是否为边缘点,若是,则将该像素保存起来,否则将该像素值设为空;S3、判断包含图像的位图中所有非边缘像素是否均取到,若是,返回步骤S1,否则将保存的所有像素位图存储在图像库中。本发明采用RGB三值乘积作阈值进行边缘提取,使图像边缘更加明显,有效数据更加完整;采用RGB值叠加的方式进行证书合成,使电子证书清晰度更高。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像提取方法及其系统、电子证书制作方法及其系统。
背景技术
数字证书在商品检验检测等方面有着广泛的需求,例如,商品检验检测部门每天需要给客户发布检验结果,也就是检验证书。传统的证书制作模式是得到实验室发布的数据后,打印成纸质的证书,然后通过邮寄、快递、传真、扫描等方式发布给客户,工作繁琐、效率底、安全性差,速度慢,如果是传真扫描,清晰度也差,且不便于保存和证书的分类查询。数字证书制作需要几个基本元素:
(1)电子证书的底板;
(2)电子证书的内容;
(3)电子公章,即盖在证书上的公章电子版;
(4)相关人员的签名;
(5)电子证书编号,用于保证电子证书的唯一性。
其中,难点在于电子公章相关人员签名,需要对相应的公章和签名进行提取,作为制作电子证书的基本图形要素使用。而图形提取的方法主要为图像边缘检测技术。
发明内容
本发明提出了如下技术方案:
一种图像提取方法,包括:
S1、顺次提取包含图像的位图中的一个像素,计算该像素的R*G*B值;
S2、计算所述R*G*B值与预设阈值之间的差值,判断所述差值是否大于预设差值,若是,则将该像素值设为空,否则计算该像素的边缘检测算子,确定所述像素点是否为边缘点,若是,则将该像素点保存起来,否则将该像素值设为空;
S3、判断所述包含图像的位图中所有像素点是否均取到,若是,返回步骤S1,否则将保存的像素点组成的镂空位图存储在图像库中。
进一步地,所述计算该像素的边缘检测算子包括,根据所述包含图像的位图的分辨率来确定计算该像素的边缘检测算子的计算方向,若所述位图为二值图,则取两个方向;若所述位图的为八位位图,则取八个方向;若所述位图为十六位位图,则取十六个方向,若所述位图为三十二位位图,则取三十二个方向。
进一步地,计算该像素的边缘检测算子具体为计算该像素的Laplace边缘检测算子。
其中,所述x为像素的横坐标,所述y为像素的纵坐标,所述f(x,y)为第x行第y列的像素的三元色RGB的乘积:R*G*B。
本发明还提出了一种电子证书制作方法,包括:
S1、使用上述图像提取方法提取电子签名或印章;
S2、导出包含电子证书内容的数据,将所述电子证书内容通过虚拟打印机打印到证书底板中并转换成JPEG格式,形成未签盖证书;
S3、依次将需要的电子签名或印章合成到所述未签盖证书上。
进一步地,步骤S3具体包括:
对每一位有重叠的像素,将所述未签盖证书上的该位置的像素与电子签名或印章的该位置的像素的RGB值单独进行比较,当电子签名或印章的该位置的像素值满足:R>252且G>252且B>252,或未签盖证书上该位置的像素满足R<10且G<10且B<10,则所述重叠的像素的RGB为未签盖证书上该位置的RGB值,否则所述重叠的像素的RGB值为电子签名或印章的该位置的像素的RGB值。
基于同一思想,本发明还提出了一种图像提取系统,包括:
S1、顺次提取包含图像的位图中的一个像素,计算该像素的R*G*B值;
像素色值乘积计算模块,用于顺次提取包含图像的位图中的一个非边缘像素,计算该像素的R*G*B值;
有效像素提取模块,用于计算所述R*G*B值与预设阈值之间的差值,判断所述差值是否大于预设差值,若是,则将该像素值设为空,否则计算该像素的边缘检测算子,确定所述像素点是否为边缘点,若是,则将该像素点保存起来,否则将该像素值设为空;
图像保存模块,用于判断所述包含图像的位图中所有像素点是否均取到,若是,调用像素色值乘积计算模块顺次计算下一个像素,否则将保存的像素点组成的镂空位图存储在图像库中。
进一步地,所述像素提取模块中计算该像素的边缘检测算子包括,根据所述包含图像的位图的分辨率来确定计算该像素的边缘检测算子的计算方向,若所述位图为二值图,则取两个方向;若所述位图的为八位位图,则取八个方向;若所述位图为十六位位图,则取十六个方向,若所述位图为三十二位位图,则取三十二个方向。
进一步地,所述像素提取模块中所述计算该像素的边缘检测算子具体为计算该像素的Laplace边缘检测算子。
其中,所述x为像素的横坐标,所述y为像素的纵坐标,所述f(x,y)为第x行第y列的像素的三元色RGB的乘积:R*G*B。
基于同一思想,本发明还提出了一种电子证书制作系统,包括:
电子签名或印章生成模块,用于使用如权利要求7-10之一所述的图像提取系统提取电子签名或印章;
未签盖证书合成模块,用于导出包含电子证书内容的数据,将所述电子证书内容通过虚拟打印机打印到证书底板中并转换成JPEG格式,形成未签盖证书;
完整证书合成模块,用于依次将需要的电子签名或印章合成到所述未签盖证书上。
进一步地,所述完整证书合成模块具体用于:对每一位有重叠的像素,将所述未签盖证书上的该位置的像素和电子签名或印章的该位置的像素的RGB值单独进行比较,当电子签名或印章的该位置的像素值满足:R>252或G>252或B>252,或未签盖证书上该位置的像素满足R<10或G<10或B<10,则所述重叠的像素的RGB为电子签名或印章的该位置的像素的RGB值,否则所述重叠的像素的RGB值为未签盖证书上该位置的RGB值。
附图说明
图1是本发明具体实施例一所述的图像提取方法流程图;
图2是本发明采用的Prewitt算子边缘检测算子的8个边缘样板以及8个算子样板对应的边缘方向;
图3是本发明采用的Robinson边缘检测算子的8个边缘样板以及8个算子样板对应的边缘方向;
图4(a)是本发明采用的Laplace阶跃边缘检测算子的估算模板;
图4(b)是本发明采用的Laplace屋顶边缘检测算子的估算模板;
图4(c)是本发明采用的Laplace边缘检测算子的8个方向的算子模板;
图5是本发明具体实施例三所述的电子证书制作系统结构框图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
本发明提出了一种图像提取方法,图1是本实施例所述的图像提取方法流程图,如图1所述,本实施例所述的图像提取方法包括:
S101、顺次提取包含图像的位图中的一个像素,计算该像素的R*G*B值;
提取像素点的三基色RGB值和坐标值x和y,每个像素点由[R,G,B,x,y]五元素组成,取边缘阈值是R*G*B,而不是传统的二值,因为值域较宽,所以边缘又可进行密度细分,边缘里还有边缘,比如一座山,用传统的方法取边缘值,结果可能是一个体形体,结果粗糙,而本方法却可把整座山的坡度信息较完整的提取出来。
S102、计算所述R*G*B值与预设阈值之间的差值;
本方法可用于提取各种图形,例如用于提取电子签名,印章等。因为电子签名包括黑色和蓝色,印章有红色、蓝色和黑色,本步骤依据具体提取的图形的颜色来确定,例如用于提取红色印章,则预设的阈值为视力可见的红色的R*G*B,将该像素的R*G*B值与该预设的阈值进行比较,计算两者之间的差值。
S103、判断R*G*B值与预设阈值的差是否大于预设差值,若是则执行步骤S107,否则执行步骤S104;
由于干扰和噪声,给定一个预设差值范围,在该范围之内则说明该像素点也是视力可见的,若差值在预设差值范围之外,则说明该像素点与预设的视力可见的阈值偏离很大,不在待提取图形之中。
S104、计算该像素的边缘检测算子;
本步骤具体算法可采用传统的边缘检测算法,包括:
(1)差分边缘检测方法
差分边缘检测方法是最原始、基本的方法,根据灰度迅速变化处一阶导数达到最大(阶跃边缘情况)原理,利用导数算子检测边缘。这种算子具有方向性,要求差分方向与边缘方向垂直,运算繁琐,目前很少采用。这三个差分算法检测边缘的方向模板分别如图所示:
垂直边缘 水平边缘 对角线边缘
差分算法检测边缘的方向模板
(2)Roberts边缘检测算子
根据任意一对互相垂直方向上的差分可用来计算梯度的原理,采用对角线方向相邻两像素之差,即:
Δxf=f(i,j)-f(i+1,j+1)
Δyf=f(i,j+1)-f(i+1,j)
R(i,j)=|Δxf|+|Δyf|
它们的卷积算子为:
有了Δxf,Δyf之后,很容易计算出Roberts的梯度幅值R(i,f),适当取门限TH,作如下判断:R(i,f)>TH,(i,f)为阶跃状边缘点。{R(i,f)}为边缘图像。
Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘,定位精度高,对噪声敏感。
(3)Sobel边缘检测算子
对数字图像{f(i,j)}的每个像素,考察它上、下、左、右邻点灰度的加权差,与之接近的邻点的权大。据此,定义Sobel算子如下:
卷积算子,Sobel边缘检测算子方向模板如下:
图适当取门限TH,作如下判断:s(i,j)>TH,(i,j)为阶跃状边缘点,{s(i,j)}为边缘图像。
Sobel算子很容易在空间上实现,Sobel边缘检测器不但产生较好的边缘检测效果,而且受噪声的影响也比较小。当使用大的领域时,抗噪声特性会更好,但这样做会增加计算量,并且得出的边缘也较粗。
Sobel算子利用像素点上下、左右邻点的灰度加权算法,根据在边缘点处达到极值这一现象进行边缘的检测。Sobel算子对噪声具有平滑作用,提供较为精确的边缘方向信息,但它同时也会检测出许多的伪边缘,边缘定位精度不够高。当对精度要求不是很高时,是一种较为常用的边缘检测方法。
(4)Prewitt边缘检测算子
Prewitt算子是一种边缘样板算子。这些算子样板由理想的边缘子图像构成。依次用边缘样板去检测图像,与被检测区域最为相似的样板给出最大值。用这个最大值作为算子的输出值P(i,j),这样可将边缘像素检测出来。Prewitt边缘检测算子模板以及8个算子样板对应的边缘方向如图2所示。
适当取门限TH,作如下判断:P(i,j)>TH,(i,j)为阶跃状边缘点。{P(i,j)}为边缘图像。
(5)Robinson边缘检测算子
Robinson边缘检测算子也是一种边缘样板算子,其算法和Prewitt边缘检测算子相似,只是8个边缘样板不同。边缘检测算子模板以及8个算子样板对应的边缘方向如图3所示。
(6)Laplace边缘检测算子
Laplace算子是二阶微分算子,是一个标量,属于各向同性的运算,对灰度突变敏感。在数字图像中,可用差分来近似微分运算,f(i,j)的Laplace算子为:
Laplace算子的二种估算模板如图4所示。
对阶跃状边缘,二阶导数在边缘点出现零交叉,即边缘点两边二阶导函数取异号。Laplace算子就是据此对{f(i,j)}的每个像素取它关于x方向和y方向的二阶差分之和,这是一个与边缘方向无关的边缘检测算子。而对屋顶状边缘,在边缘点的二阶导数取极小值,这时对{f(i,j)}的每个像素取它关于x方向和y方向的二阶差分之和的相反数。
Laplace算子有两个缺点:其一是边缘的方向信息丢失,其二是Laplace算子为二阶差分,双倍加强了图像中的噪声影响;优点是各向同性,即具有旋转不变性。因为在微分学中有:一个只包含偶次阶导数和取偶次幂的奇次阶导数的线性组合算子,一定是各向同性的。
Laplace算子是二阶微分算子,利用边缘点处二阶导函数出现零交叉原理检测边缘。不具有方向性,对灰度突变敏感,定位精度高,不但检测出了绝大部分的边缘,同时基本上没有出现伪边缘。但它的检测也存在一些缺点,如丢失了一些边缘、有一些边缘不够连续、对噪声敏感且不能获得边缘方向等信息。
通过以上算法的分析及实际边缘提取效果比较,Laplace算子是比较成功的,但它的检测图中还有一些不连续的检测边缘,说明它的边缘检测也不够精确。分析Laplace算子,其算法的核心便在于对Laplace算子的估算。在已有的算法中,人们都是以被检测像素点为中心,作出在其在0度、45度、90度、135度、180度、225度、270度、315度等8个方向上进行检测的模板。不同之处在于使用的参数不同。在改进的Laplace算法中,使用了如图4(c)的新模板。除原来的8个方向外,增加了22.5度、67.5度、112.5度、157.5度、202.5度、247.5度、292.5度、337.5度等8个方向,并根据Laplace算子估算的可靠性设定了适当的权矢量。Laplace改进为16个方向的算子新模板如图4所示。在改进的Laplace算子中,的估算为:
由于多尺度边缘表征了图像中不同强度和大小结构的边缘,是图像的重要特征。如果我们对变换后的整幅图像取同一阈值,那么由微弱边缘形成的局部极大值将会和由灰度不均匀或噪声等原因而产生的模极大值一并滤除。所以,有人提出采用分块自适应法选取闽值;即将图像分成许多小块,在这些小块中求模极大值的平均值。如果该平均值小于某一下限,则认为该区域无边缘点;否则,将模值大于或等于该平均值的点作为边缘输出,而低于该平均值的点则滤除掉。
由于这种自适应方法的分块是人为的,其大小难以作出适当的选定,其形状与图像的特征无关,所以这种自适应阈值的方法不利于完整地提取强弱有明显变化的边缘。针对这一缺陷,可以对满足链长度阈值的链的幅度闭值使用如下的矩形自适应阂值选取方法进行自适应的选取。
矩形自适应选取阂值法是将一个链中横坐标和纵坐标的最大值和最小值围成的矩形区域作为该链的领域,在此领域内求模极大值的平均值。如果该平均值大于事先设定的链平均幅度闭值的下限,则把该领域内模极大值大于或等于这一平均值的点作为边缘点输出,低于这一平均值的边缘点滤除掉。这样就可以随着所研究领域的模极大值的平均值来自适应地调整链平均幅度闭值Tm,有利于根据图像特征、提取边缘有强弱变化的图像边缘;链长度闽值Tn能够对模局部极大值图像中那些幅度大于Tm,但链长较短的链(有可能是由噪声引起)进行删除,这样虽然可能也删除某些边缘中一些短链,但在小尺度的逐级弥补中可以恢复这些被删掉的短链。所以,在适当地选取链长度闭值Tn后,可以采用矩形自适应法来选取链平均幅度阐值Tm,在多尺度上综合出比较满意的边缘图像。因此,通过改进的Laplace算子估算后,将Laplace算子小于预设阈值的像素过滤掉,留下Laplace算子大于预设阈值的像素。
其中所述预设阈值是一个经验值,调试的时候以能看清被提取的图像为阈值,图像在不同尺度域上都提供了一定的边缘信息。当小尺度时,图像的边缘细节信息较为丰富,边缘定位精度较高,但易受到噪声的干扰;大尺度时,图像的边缘稳定,抗噪性好,但定位精度差。在实际应用中经常存在着去除噪声和准确定位之间的矛盾。多尺度边缘检测的基本思想就是沿梯度方向,分别用几个不同尺度的边缘检测算子在相应点上检测模极大值的变换情况,并通过对闭值的选取,再在不同尺度上进行综合得到最终边缘图像,可以较好的解决噪音和定位精度之间的矛盾。
根据该估算模板,可以提高边缘提取的精度,同时又由于合理地设置了参数,因而避免了一些伪边缘的提取。改进的Laplace算子相对于原来的Laplace算子而言,不但检测出来的边缘更清晰,而且也检测出了原来所没有检测出的一些边缘。进一步地,Laplace算子可改进为32个方向,64个方向等。
本实施例中,每个像素点与周边像素点的比较根据图像的分辨率位图而取方向,2值图取2个方向,8位图取8个方向,16位图取16个方向,32位图取32个方向,最高取256个方向。例如,包含图像的位图为8位图,则Laplace算子的方向类似于九宫格,取上下左右、和四个斜向做对比而得出阈值,如图4(c))Laplace16个方向的算子新模板所示。
S105、判断该像素是否为边缘点,若是则执行步骤S106,否则执行步骤S107;
S106、将该像素点保存起来,执行步骤S108;
每个像素保存成[R,G,B,x,y]五元素组成的数据结构,当对包含图像的位图中每个像素都进行过计算后,保存起来的像素组成的图像为镂空的图像,如,若是印章,则保存后的印单像素保包含印章的有效部分的像素。
S107、将该像素设为空。
S108、判断是否每个像素均取到,若是则结束,否则返回步骤S101。
实施例二
本发明提出了一种电子证书制作方法,包括:
S1、使用如实施例一所述的图像提取方法提取电子签名或印章;
S2、导出包含电子证书内容的数据,将所述电子证书内容通过虚拟打印机打印到证书底板中并转换成JPEG格式,形成未签盖证书;
S3、依次将需要的电子签名或印章合成到所述未签盖证书上。
对每一位有重叠的像素,将所述未签盖证书上的该位置的像素和电子签名或印章的该位置的像素的RGB值单独进行比较。例如,当电子签名或印章的该位置的像素值满足:R>252或G>252或B>252,或未签盖证书上该位置的像素满足R<10或G<10或B<10,则所述重叠的像素的RGB为电子签名或印章的该位置的像素的RGB值,否则所述重叠的像素的RGB值为未签盖证书上该位置的RGB值。
实施例三
图5是本实施例所述的电子证书制作系统结构框图。如图5所示,本实施例所述的电子证书制作系统包括:
电子签名或印章生成模块501,未签盖证书合成模块502,完整证书合成模块503。进一步地,电子签名或印章生成模块501即为图像提取系统,包括像素色值乘积计算模块5011,有效像素提取模块5012,图像保存模块5013。
素色值乘积计算模块5011,用于顺次提取包含图像的位图中的一个非边缘像素,计算该像素的R*G*B值;
提取像素点的三基色RGB值和坐标值x和y,每个像素点由[R,G,B,x,y]五元素组成,取边缘阈值是R*G*B,而不是传统的二值,因为值域较宽,所以边缘又可进行密度细分,边缘里还有边缘,比如一座山,用传统的方法取边缘值,结果可能是一个体形体,结果粗糙,而本方法却可把整座山的坡度信息较完整的提取出来。
有效像素提取模块5012,用于计算所述R*G*B值与预设阈值之间的差值,判断所述差值是否大于预设差值,若是,则将该像素值设为空,否则计算该像素的边缘检测算子,确定所述像素点是否为边缘点,若是,则将该像素点保存起来,否则将该像素值设为空;
本模块可用于提取各种图形,例如用于提取电子签名,印章等。因为电子签名包括黑色和蓝色,印章有红色、蓝色和黑色,本步骤依据具体提取的图形的颜色来确定,例如用于提取红色印章,则预设的阈值为视力可见的红色的R*G*B,将该像素的R*G*B值与该预设的阈值进行比较,计算两者之间的差值。
由于干扰和噪声,给定一个预设差值范围,在该范围之内则说明该像素点也是视力可见的,若差值在预设差值范围之外,则说明该像素点与预设的视力可见的阈值偏离很大,不在待提取图形之中。
判断R*G*B值与预设阈值的差是否大于预设差值,若是则将该像素设为空,否则计算该像素点的边缘检测算子。
本模块具体算法可采用传统的边缘检测方法,包括:
(1)差分边缘检测方法
差分边缘检测方法是最原始、基本的方法,根据灰度迅速变化处一阶导数达到最大(阶跃边缘情况)原理,利用导数算子检测边缘。这种算子具有方向性,要求差分方向与边缘方向垂直,运算繁琐,目前很少采用。这三个差分算法检测边缘的方向模板分别如图所示:
垂直边缘 水平边缘 对角线边缘
差分算法检测边缘的方向模板
(2)Roberts边缘检测算子
根据任意一对互相垂直方向上的差分可用来计算梯度的原理,采用对角线方向相邻两像素之差,即:
Δxf=f(i,j)-f(i+1,j+1)
Δyf=f(i,j+1)-f(i+1,j)
R(i,j)=|Δxf|+|Δyf|
它们的卷积算子为:
有了Δxf,Δyf之后,很容易计算出Roberts的梯度幅值R(i,f),适当取门限TH,作如下判断:R(i,f)>TH,(i,f)为阶跃状边缘点。{R(i,f)}为边缘图像。
Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘,定位精度高,对噪声敏感。
(3)Sobel边缘检测算子
对数字图像{f(i,j)}的每个像素,考察它上、下、左、右邻点灰度的加权差,与之接近的邻点的权大。据此,定义Sobel算子如下:
卷积算子,Sobel边缘检测算子方向模板如下:
图适当取门限TH,作如下判断:s(i,j)>TH,(i,j)为阶跃状边缘点,{s(i,j)}为边缘图像。
Sobel算子很容易在空间上实现,Sobel边缘检测器不但产生较好的边缘检测效果,而且受噪声的影响也比较小。当使用大的领域时,抗噪声特性会更好,但这样做会增加计算量,并且得出的边缘也较粗。
Sobel算子利用像素点上下、左右邻点的灰度加权算法,根据在边缘点处达到极值这一现象进行边缘的检测。Sobel算子对噪声具有平滑作用,提供较为精确的边缘方向信息,但它同时也会检测出许多的伪边缘,边缘定位精度不够高。当对精度要求不是很高时,是一种较为常用的边缘检测方法。
(4)Prewitt边缘检测算子
Prewitt算子是一种边缘样板算子。这些算子样板由理想的边缘子图像构成。依次用边缘样板去检测图像,与被检测区域最为相似的样板给出最大值。用这个最大值作为算子的输出值P(i,j),这样可将边缘像素检测出来。Prewitt边缘检测算子模板以及8个算子样板对应的边缘方向如图2所示。
适当取门限TH,作如下判断:P(i,j)>TH,(i,j)为阶跃状边缘点。{P(i,j)}为边缘图像。
(5)Robinson边缘检测算子
Robinson边缘检测算子也是一种边缘样板算子,其算法和Prewitt边缘检测算子相似,只是8个边缘样板不同。边缘检测算子模板以及8个算子样板对应的边缘方向如图3所示。
(6)Laplace边缘检测算子
Laplace算子是二阶微分算子,是一个标量,属于各向同性的运算,对灰度突变敏感。在数字图像中,可用差分来近似微分运算,f(i,j)的Laplace算子为:
Laplace算子的二种估算模板如图4所示。
对阶跃状边缘,二阶导数在边缘点出现零交叉,即边缘点两边二阶导函数取异号。Laplace算子就是据此对{f(i,j)}的每个像素取它关于x方向和y方向的二阶差分之和,这是一个与边缘方向无关的边缘检测算子。而对屋顶状边缘,在边缘点的二阶导数取极小值,这时对{f(i,j)}的每个像素取它关于x方向和y方向的二阶差分之和的相反数。
Laplace算子有两个缺点:其一是边缘的方向信息丢失,其二是Laplace算子为二阶差分,双倍加强了图像中的噪声影响;优点是各向同性,即具有旋转不变性。因为在微分学中有:一个只包含偶次阶导数和取偶次幂的奇次阶导数的线性组合算子,一定是各向同性的。
Laplace算子是二阶微分算子,利用边缘点处二阶导函数出现零交叉原理检测边缘。不具有方向性,对灰度突变敏感,定位精度高,不但检测出了绝大部分的边缘,同时基本上没有出现伪边缘。但它的检测也存在一些缺点,如丢失了一些边缘、有一些边缘不够连续、对噪声敏感且不能获得边缘方向等信息。
通过以上算法的分析及实际边缘提取效果比较,Laplace算子是比较成功的,但它的检测图中还有一些不连续的检测边缘,说明它的边缘检测也不够精确。分析Laplace算子,其算法的核心便在于对Laplace算子的估算。在已有的算法中,人们都是以被检测像素点为中心,作出在其在0度、45度、90度、135度、180度、225度、270度、315度等8个方向上进行检测的模板。不同之处在于使用的参数不同。在改进的Laplace算法中,使用了如图4(c)的新模板。除原来的8个方向外,增加了22.5度、67.5度、112.5度、157.5度、202.5度、247.5度、292.5度、337.5度等8个方向,并根据Laplace算子估算的可靠性设定了适当的权矢量。Laplace改进为16个方向的算子新模板如图4所示,在改进的Laplace算子中,的估算为:
其中,x为像素的横坐标,y为像素的纵坐标,f(x,y)为第x行第y列的像素的三元色RGB的乘积:R*G*B。
由于多尺度边缘表征了图像中不同强度和大小结构的边缘,是图像的重要特征。如果我们对变换后的整幅图像取同一阈值,那么由微弱边缘形成的局部极大值将会和由灰度不均匀或噪声等原因而产生的模极大值一并滤除。所以,有人提出采用分块自适应法选取闽值;即将图像分成许多小块,在这些小块中求模极大值的平均值。如果该平均值小于某一下限,则认为该区域无边缘点;否则,将模值大于或等于该平均值的点作为边缘输出,而低于该平均值的点则滤除掉。
由于这种自适应方法的分块是人为的,其大小难以作出适当的选定,其形状与图像的特征无关,所以这种自适应阈值的方法不利于完整地提取强弱有明显变化的边缘。针对这一缺陷,可以对满足链长度阈值的链的幅度闭值使用如下的矩形自适应阂值选取方法进行自适应的选取。
矩形自适应选取阂值法是将一个链中横坐标和纵坐标的最大值和最小值围成的矩形区域作为该链的领域,在此领域内求模极大值的平均值。如果该平均值大于事先设定的链平均幅度闭值的下限,则把该领域内模极大值大于或等于这一平均值的点作为边缘点输出,低于这一平均值的边缘点滤除掉。这样就可以随着所研究领域的模极大值的平均值来自适应地调整链平均幅度闭值Tm,有利于根据图像特征、提取边缘有强弱变化的图像边缘;链长度闽值Tn能够对模局部极大值图像中那些幅度大于Tm,但链长较短的链(有可能是由噪声引起)进行删除,这样虽然可能也删除某些边缘中一些短链,但在小尺度的逐级弥补中可以恢复这些被删掉的短链。所以,在适当地选取链长度闭值Tn后,可以采用矩形自适应法来选取链平均幅度阐值Tm,在多尺度上综合出比较满意的边缘图像。因此,通过改进的Laplace算子估算后,将Laplace算子小于预设阈值的像素过滤掉,留下Laplace算子大于预设阈值的像素。
其中所述预设阈值是一个经验值,调试的时候以能看清被提取的图像为阈值,图像在不同尺度域上都提供了一定的边缘信息。当小尺度时,图像的边缘细节信息较为丰富,边缘定位精度较高,但易受到噪声的干扰;大尺度时,图像的边缘稳定,抗噪性好,但定位精度差。在实际应用中经常存在着去除噪声和准确定位之间的矛盾。多尺度边缘检测的基本思想就是沿梯度方向,分别用几个不同尺度的边缘检测算子在相应点上检测模极大值的变换情况,并通过对闭值的选取,再在不同尺度上进行综合得到最终边缘图像,可以较好的解决噪音和定位精度之间的矛盾。
根据该估算模板,可以提高边缘提取的精度,同时又由于合理地设置了参数,因而避免了一些伪边缘的提取。改进的Laplace算子相对于原来的Laplace算子而言,不但检测出来的边缘更清晰,而且也检测出了原来所没有检测出的一些边缘。进一步地,Laplace算子可改进为32个方向,64个方向等。
本实施例中,每个像素点与周边像素点的比较根据图像的分辨率位图而取方向,2值图取2个方向,8位图取8个方向,16位图取16个方向,32位图取32个方向,最高取256个方向。例如,包含图像的位图为8位图,则Laplace算子的方向类似于九宫格,取上下左右、和四个斜向做对比而得出阈值,如图4(c))Laplace16个方向的算子新模板所示。
通过上述边缘检测算子,判断该像素是否为边缘点,若是则通过[R,G,B,x,y]五元素将该像素点保存起来。
当对包含图像的位图中每个像素都进行过计算后,保存起来的像素组成的图像为镂空的图像,如,若是印章,则保存后的印单像素保包含印章的有效部分的像素,或者说除印章有效像素以外,其他像素的RGB值为空。
图像保存模块5013,用于判断所述包含图像的位图中所有像素点是否均取到,若是,调用像素色值乘积计算模块顺次计算下一个像素,否则将保存的像素点组成的镂空位图存储在图像库中。所述镂空位图实质上是由[R,G,B,x,y]五元素组成的点序列。
未签盖证书合成模块502,用于导出包含电子证书内容的数据,将所述电子证书内容通过虚拟打印机打印到证书底板中并转换成JPEG格式,形成未签盖证书;
完整证书合成模块503,用于依次将需要的电子签名或印章合成到所述未签盖证书上。
具体地,所述完整证书合成模块用于:对每一位有重叠的像素,将所述未签盖证书上的该位置的像素和电子签名或印章的该位置的像素的RGB值单独进行比较,当电子签名或印章的该位置的像素值满足:R>252或G>252或B>252,或未签盖证书上该位置的像素满足R<10或G<10或B<10,则所述重叠的像素的RGB为电子签名或印章的该位置的像素的RGB值,否则所述重叠的像素的RGB值为未签盖证书上该位置的RGB值。
本发明分解每个像素点的RGB(Red、Green、Blue)三基色,对三基色进行单独边缘提取,然后用RGB三基色的乘积,作为边缘阈值,RGB三个数的值域范围都是(0,0xff),即(0,255),三值相乘的值域是(0,16581375),这么大的值域范围,就非常容易提取边缘数据,数据变化较陡的地方即为边缘。比如公章的提取,红色R值变化较大,其他G值和B值变化较小,根据红色的变化就能够准确的提取红色公章的RGB值,然后合成一个完整清晰的公章。CNAS章是偏蓝色的,也是用同样的原理提取,签字是黑色或蓝色,利用RGB三值乘积做阈值进行边缘提取。图像提取后,要进行图像合成,用的是RGB值叠加的方式,而不是传统的覆盖方式,这样做出的效果就跟真实证书盖公章和签字的效果非常相近,使电子证书更清度更高。
以上实施例提供的技术方案中的全部或部分内容可以通过软件编程实现,其软件程序存储在可读取的存储介质中,存储介质例如:计算机中的硬盘、光盘或软盘。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (12)
1.一种图像提取方法,其特征在于,包括:
S1、顺次提取包含图像的位图中的一个像素,计算该像素的R*G*B值;
S2、计算所述R*G*B值与预设阈值之间的差值,判断所述差值是否大于预设差值,若是,则将该像素值设为空,否则计算该像素的边缘检测算子,确定所述像素点是否为边缘点,若是,则将该像素点保存起来,否则将该像素值设为空;
S3、判断所述包含图像的位图中所有像素点是否均取到,若是,返回步骤S1,否则将保存的像素点组成的镂空位图存储在图像库中。
2.如权利要求1所述的图像提取方法,其特征在于,所述计算该像素的边缘检测算子包括,根据所述包含图像的位图的分辨率来确定计算该像素的边缘检测算子的计算方向,若所述位图为二值图,则取两个方向;若所述位图的为八位位图,则取八个方向;若所述位图为十六位位图,则取十六个方向,若所述位图为三十二位位图,则取三十二个方向。
3.如权利要求2所述的图像提取方法,其特征在于,计算该像素的边缘检测算子具体为计算该像素的Laplace边缘检测算子。
5.一种电子证书制作方法,其特征在于,包括:
S1、使用如权利要求1-4之一所述的图像提取方法从包含电子签名或印单的位图中提取所述电子签名或印章;
S2、导出包含电子证书内容的数据,将所述电子证书内容通过虚拟打印机打印到证书底板中并转换成JPEG格式,形成未签盖证书;
S3、依次将需要的电子签名或印章合成到所述未签盖证书上。
6.如权利要求5所述的电子证书制作方法,其特征在于,步骤S3具体包括:
对每一位有重叠的像素,将所述未签盖证书上的该位置的像素与电子签名或印章的该位置的像素的RGB值单独进行比较,当电子签名或印章的该位置的像素值满足:R>252且G>252且B>252,或未签盖证书上该位置的像素满足R<10且G<10且B<10,则所述重叠的像素的RGB为未签盖证书上该位置的RGB值,否则所述重叠的像素的RGB值为电子签名或印章的该位置的像素的RGB值。
7.一种图像提取系统,其特征在于,包括:
像素色值乘积计算模块,用于顺次提取包含图像的位图中的一个非边缘像素,计算该像素的R*G*B值;
有效像素提取模块,用于计算所述R*G*B值与预设阈值之间的差值,判断所述差值是否大于预设差值,若是,则将该像素值设为空,否则计算该像素的边缘检测算子,确定所述像素点是否为边缘点,若是,则将该像素点保存起来,否则将该像素值设为空;
图像保存模块,用于判断所述包含图像的位图中所有像素点是否均取到, 若是,调用像素色值乘积计算模块顺次计算下一个像素,否则将保存的像素点组成的镂空位图存储在图像库中。
8.如权利要求7所述的图像提取系统,其特征在于,所述像素提取模块中计算该像素的边缘检测算子包括,根据所述包含图像的位图的分辨率来确定计算该像素的边缘检测算子的计算方向,若所述位图为二值图,则取两个方向;若所述位图的为八位位图,则取八个方向;若所述位图为十六位位图,则取十六个方向,若所述位图为三十二位位图,则取三十二个方向。
9.如权利要求8所述的图像提取系统,其特征在于,所述像素提取模块中所述计算该像素的边缘检测算子具体为计算该像素的Laplace边缘检测算子。
11.一种电子证书制作系统,其特征在于,包括:
电子签名或印章生成模块,包括像素色值乘积计算模块、有效像素提取模块和图像保存模块,用于从包含电子签名或印章的位图中提取电子签名或印章;
其中,像素色值乘积计算模块,用于顺次提取包含电子签名或印章的位图 中的一个非边缘像素,计算该像素的R*G*B值;
其中,有效像素提取模块,用于计算所述R*G*B值与预设阈值之间的差值,判断所述差值是否大于预设差值,若是,则将该像素值设为空,否则计算该像素的边缘检测算子,确定所述像素点是否为边缘点,若是,则将该像素点保存起来,否则将该像素值设为空;
其中,电子签名或印章的位图保存模块,用于判断所述包含电子签名或印章的位图中所有像素点是否均取到,若是,调用像素色值乘积计算模块顺次计算下一个像素,否则将保存的像素点组成的镂空位图存储在图像库中。
未签盖证书合成模块,用于导出包含电子证书内容的数据,将所述电子证书内容通过虚拟打印机打印到证书底板中并转换成JPEG格式,形成未签盖证书;
完整证书合成模块,用于依次将需要的通过所述电子签名或印章生成模块生成的电子签名或印章合成到所述通过未签盖证书合成模块生成的未签盖证书上。
12.如权利要求11所述的电子证书制作系统,其特征在于,所述完整证书合成模块具体用于:对每一位有重叠的像素,将所述未签盖证书上的该位置的像素和电子签名或印章的该位置的像素的RGB值单独进行比较,当电子签名或印章的该位置的像素值满足:R>252或G>252或B>252,或未签盖证书上该位置的像素满足R<10或G<10或B<10,则所述重叠的像素的RGB为电子签名或印章的该位置的像素的RGB值,否则所述重叠的像素的RGB值为未签盖证书上该位置的RGB值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210505831.5A CN103049904B (zh) | 2012-11-30 | 2012-11-30 | 一种图像提取方法及其系统、电子证书制作方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210505831.5A CN103049904B (zh) | 2012-11-30 | 2012-11-30 | 一种图像提取方法及其系统、电子证书制作方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103049904A true CN103049904A (zh) | 2013-04-17 |
CN103049904B CN103049904B (zh) | 2016-04-20 |
Family
ID=48062533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210505831.5A Active CN103049904B (zh) | 2012-11-30 | 2012-11-30 | 一种图像提取方法及其系统、电子证书制作方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103049904B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346599A (zh) * | 2013-07-23 | 2015-02-11 | 深圳市腾讯计算机系统有限公司 | 一种色彩边缘的检测方法及图像处理设备 |
CN107621929A (zh) * | 2017-09-12 | 2018-01-23 | 珠海智汇网络设备有限公司 | 一种灰度热敏打印方法、热敏打印机和可读存储介质 |
CN108632502A (zh) * | 2017-03-17 | 2018-10-09 | 深圳开阳电子股份有限公司 | 一种图像锐化的方法及装置 |
CN109102518A (zh) * | 2018-08-10 | 2018-12-28 | 广东工业大学 | 一种图像边缘检测的方法、系统及相关组件 |
CN110517245A (zh) * | 2019-08-20 | 2019-11-29 | 北京远舢智能科技有限公司 | 一种机械设备故障诊断系统 |
CN111914283A (zh) * | 2020-08-20 | 2020-11-10 | 绍兴市麦芒智能科技有限公司 | 一种基于大数据区块链的文件电子签章算法 |
CN112967303A (zh) * | 2021-03-08 | 2021-06-15 | 南京理工大学 | 一种图像边缘检测及其边缘精度验证方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002007807A (ja) * | 2000-06-23 | 2002-01-11 | Shachihata Inc | 氏名印受注システム |
CN1479216A (zh) * | 2002-08-02 | 2004-03-03 | ������������ʽ���� | 电子图章、ic卡、验证系统及移动设备 |
US20040064698A1 (en) * | 2002-10-01 | 2004-04-01 | Xiaomang Zhang | Electronic seal, memory medium, advanced authentication system, mobile device, and vehicle start control apparatus |
CN101122999A (zh) * | 2007-04-16 | 2008-02-13 | 北京联合大学 | 一种自动提取中国书画作品中印章图像的方法 |
CN101533517A (zh) * | 2009-04-15 | 2009-09-16 | 北京联合大学 | 一种基于结构特征的中国书画印章图像自动提取方法 |
-
2012
- 2012-11-30 CN CN201210505831.5A patent/CN103049904B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002007807A (ja) * | 2000-06-23 | 2002-01-11 | Shachihata Inc | 氏名印受注システム |
CN1479216A (zh) * | 2002-08-02 | 2004-03-03 | ������������ʽ���� | 电子图章、ic卡、验证系统及移动设备 |
US20040064698A1 (en) * | 2002-10-01 | 2004-04-01 | Xiaomang Zhang | Electronic seal, memory medium, advanced authentication system, mobile device, and vehicle start control apparatus |
CN101122999A (zh) * | 2007-04-16 | 2008-02-13 | 北京联合大学 | 一种自动提取中国书画作品中印章图像的方法 |
CN101533517A (zh) * | 2009-04-15 | 2009-09-16 | 北京联合大学 | 一种基于结构特征的中国书画印章图像自动提取方法 |
Non-Patent Citations (3)
Title |
---|
ALOK GUPTA 等: "Digital signature: use and modification to achieve success in next generational e-business processes", 《INFORMATION & MANAGEMENT》 * |
SANG KU KIM 等: "Out-of-focus blur estimation and restoration for digital auto-focusing system", 《ELECTRONICS LETTERS》 * |
郭礼华 等: "综合区域和边界信息的图像自适应分割技术", 《上海交通大学学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346599A (zh) * | 2013-07-23 | 2015-02-11 | 深圳市腾讯计算机系统有限公司 | 一种色彩边缘的检测方法及图像处理设备 |
CN108632502A (zh) * | 2017-03-17 | 2018-10-09 | 深圳开阳电子股份有限公司 | 一种图像锐化的方法及装置 |
CN107621929A (zh) * | 2017-09-12 | 2018-01-23 | 珠海智汇网络设备有限公司 | 一种灰度热敏打印方法、热敏打印机和可读存储介质 |
CN107621929B (zh) * | 2017-09-12 | 2023-07-14 | 珠海智汇网络设备有限公司 | 一种灰度热敏打印方法、热敏打印机和可读存储介质 |
CN109102518A (zh) * | 2018-08-10 | 2018-12-28 | 广东工业大学 | 一种图像边缘检测的方法、系统及相关组件 |
CN110517245A (zh) * | 2019-08-20 | 2019-11-29 | 北京远舢智能科技有限公司 | 一种机械设备故障诊断系统 |
CN110517245B (zh) * | 2019-08-20 | 2021-09-07 | 北京远舢智能科技有限公司 | 一种机械设备故障诊断系统 |
CN111914283A (zh) * | 2020-08-20 | 2020-11-10 | 绍兴市麦芒智能科技有限公司 | 一种基于大数据区块链的文件电子签章算法 |
CN111914283B (zh) * | 2020-08-20 | 2024-03-26 | 释空(上海)品牌策划有限公司 | 一种基于大数据区块链的文件电子签章算法 |
CN112967303A (zh) * | 2021-03-08 | 2021-06-15 | 南京理工大学 | 一种图像边缘检测及其边缘精度验证方法 |
CN112967303B (zh) * | 2021-03-08 | 2022-10-21 | 南京理工大学 | 一种图像边缘检测及其边缘精度验证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103049904B (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103049904B (zh) | 一种图像提取方法及其系统、电子证书制作方法及其系统 | |
CN106056155B (zh) | 基于边界信息融合的超像素分割方法 | |
CN101599120B (zh) | 一种遥感影像建筑物识别方法 | |
CN103048329B (zh) | 一种基于主动轮廓模型的路面裂缝检测方法 | |
US8306318B2 (en) | Image processing apparatus, image processing method, and computer readable storage medium | |
CN106250895A (zh) | 一种光学遥感图像感兴趣区域检测方法 | |
CN107256547A (zh) | 一种基于显著性检测的表面裂纹识别方法 | |
CN102663357A (zh) | 基于颜色特征的停车场车位检测算法 | |
CN105678700A (zh) | 基于预测梯度的图像插值方法及系统 | |
CN104598933A (zh) | 一种基于多特征融合的图像翻拍检测方法 | |
CN108090459B (zh) | 一种适用于车载视觉系统的交通标志检测识别方法 | |
CN101587189B (zh) | 用于合成孔径雷达图像的纹理基元特征提取方法 | |
CN106940791B (zh) | 一种基于低维方向梯度直方图的行人检测方法 | |
CN103914827A (zh) | 汽车密封条轮廓缺陷的视觉检测方法 | |
CN106815583A (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
CN105405138A (zh) | 基于显著性检测的水面目标跟踪方法 | |
CN109360190A (zh) | 基于图像超像素融合的建筑损毁检测方法及装置 | |
CN101739549A (zh) | 人脸检测方法及系统 | |
CN104376564A (zh) | 基于各向异性高斯方向导数滤波器提取图像粗边缘的方法 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
CN104268509B (zh) | 泥头车车牌检测的方法及系统 | |
CN102737240A (zh) | 分析数字文档图像的方法 | |
JP5691834B2 (ja) | 画像識別装置及びプログラム | |
CN105354547A (zh) | 一种结合纹理和彩色特征的行人检测方法 | |
CN103455798B (zh) | 基于最大几何流向直方图的人体检测方法 |
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 | ||
CP03 | Change of name, title or address |
Address after: 101312 building 78, yard 12, Zhuyuan Road, Shunyi District, Beijing (Tianzhu Comprehensive Bonded Zone) Patentee after: Lihong Inspection Group Co., Ltd Address before: 100028 Beijing City, Chaoyang District No. 18 East three yuan building 11 Patentee before: BEIJING HUAXIA LIHONG COMMODITY INSPECTION Co.,Ltd. |
|
CP03 | Change of name, title or address |