CN103218808A - 一种二值图轮廓跟踪方法及其装置 - Google Patents
一种二值图轮廓跟踪方法及其装置 Download PDFInfo
- Publication number
- CN103218808A CN103218808A CN2013101010970A CN201310101097A CN103218808A CN 103218808 A CN103218808 A CN 103218808A CN 2013101010970 A CN2013101010970 A CN 2013101010970A CN 201310101097 A CN201310101097 A CN 201310101097A CN 103218808 A CN103218808 A CN 103218808A
- Authority
- CN
- China
- Prior art keywords
- point
- binary map
- profile
- labeled
- frontier
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004891 communication Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种二值图轮廓跟踪方法及其装置,其中,该方法包括:将目标图像转换成对应的二值图;扫描二值图,并获取二值图中标记为1的任意一个点;记录该点的8连通方向上标记为1的点的个数;根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点;扫描下一个标记为1的点,直至扫描完整个二值图。实施本发明实施例,可以解决传统边界跟踪算法中的迷路、错路和死路问题,不仅速度快,而且能够完整准确地保持目标区域外边界的自身原貌和特点,使得边界点保持了良好的相关关系,可以根据实际应用的要求,能够较好的满足某些对边界有特殊要求的应用;且对于轮廓特征点分布比较复杂的区域更能体现优越性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种二值图轮廓跟踪方法及其装置。
背景技术
在进行图像分割、图像检测、模型重构时,往往需要对目标边缘作跟踪处理,也叫轮廓跟踪。轮廓跟踪就是通过顺序找出边缘点来跟踪边界的,其核心是如何根据当前的情况判断下一步的跟踪方向。同时,边界跟踪也是一些重要内容特征如形状、纹理、图像检测等特征提取的前提,其提取精度和速度对特征描述、识别和理解等高层次的处理有着重大的影响。在图像处理和图像检索领域中,图像重点区域的形状特性是特征提取的重要指标,很多情况下,只有准确地知道图像的形状特征才能为下一步进行更好的分析做好铺垫。在3D自动建模或者自动重建领域中,准确提取图形轮廓并一笔画是能否重造3D模型的关键。轮廓跟踪能更进一步地做好图像分割和图像重点区域分析。在识别图像中的目标时,往往需要对目标边缘作跟踪处理。而边界轮廓的确定又是研究形状特征的前提,也是计算机对图像自动识别的前提,它对特征描述、识别和理解等高层次的处理有着重大的影响。
传统的边界跟踪法一般有“虫随”法、光栅扫描法、T算法等。但是这些方法都需要多次重复才能得到结果,且重复的次数需要人为确定,很难得到完全正确的跟踪结果。此外,还有可能出现反复跟踪某局部区域,使程序陷入死循环。现有中存在一种目标邻域点边界跟踪法,它是在“虫随”法的基础上衍生而来,它克服了“虫随”法的缺点,一次循环就可得到目标物体轮廓,在搜索精度和速度上都有了一点提高,但是对于不是封闭的区域或者轮廓变化复杂的很难保证其精确度。还有另一种方法,它是在目标邻域点边界跟踪法的基础上做了进一步改进,根据上一边界点的位置从5个候选点中选择轮廓走向,一定程度上减少了搜索次数,但是以牺牲准确度为代价的。光栅扫描法通过采用设定一定阈值对图像进行多次行扫列和列扫描实现跟踪。该方法的缺点是要不断调整阈值,而且扫描严重依赖于光栅扫描的方向性,还要多次行扫描、列扫描配合使用。由于阙值选择的盲目性和行、列扫描次数的不确定性,因此很难得到目标的准确轮廓。通常地,在应用上对目标轮廓边界的期望主要有3个:细,轮廓为单像素宽;连,连续无间断(对完全在图像中的目标边界应闭合);准,各边界点在正确的位置上。
现有技术存在以下问题:
1、精确性问题:对于边缘复杂的图像,现有的轮廓跟踪算法不能准确的完全提取所有边界点。现有的是基于已经设定好的8连通方向,依照当前点的八个方向一次搜索其周边点来判定下一边界点,或者是依照上一扫描方向点的逆时针两个按照顺时针直到第五个点。这些现有的方法都不能确保很高的准确性。而准确的图像分割对轮廓跟踪提出了很高的要求,这些问题使得准确性的问题越来越突出了。
2、时间复杂度问题:在实际的图像中,现有的方法往往需要循环搜索多次,重复迭代才能检索出所有的边界轮廓点,有的一个图形轮廓需要多次扫描,严重影响效率,对于一次需要处理众多数目的图像或者要求更高更精细的图像分割、图像处理,这种效率往往是不能忍受的,急需改进。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种二值图轮廓跟踪方法及其装置,可以解决传统边界跟踪算法中的迷路、错路和死路问题,不仅速度快,而且能够完整准确地保持目标区域外边界的自身原貌和特点,使得边界点保持了良好的相关关系,可以根据实际应用的要求,能够较好的满足某些对边界有特殊要求的应用。对于轮廓特征点分布比较复杂的区域更能体现出该算法的优越性。
为了解决上述问题,本发明提出了一种二值图轮廓跟踪方法,所述方法包括:
将目标图像转换成对应的二值图;
扫描所述二值图,并获取所述二值图中标记为1的任意一个点;
记录该点的8连通方向上标记为1的点的个数;
根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点;
扫描下一个标记为1的点,直至扫描完整个二值图。
优选地,所述根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点的步骤包括:
判断该点的8连通方向上标记为1的点的个数是否大于1个且小于7个,若是,则将该点标识为轮廓边界点。
优选地,所述根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点的步骤还包括:
若个数为7,判断该点的上、下、左、右四个方向的点是否有一个标记为0,若是,则将该点标识为轮廓边界点;若否,则将该点标识为非轮廓边界点;若个数为0、1、8,则将该点标识为非轮廓边界点。
优选地,通过从上至下的方式依次扫描所述二值图。
优选地,通过从左至右的方式依次扫描所述二值图。
相应地,本发明实施例还公开了一种二值图轮廓跟踪装置,所述装置包括:
转换模块,用于将目标图像转换成对应的二值图;
扫描模块,用于扫描所述转换模块所获得的二值图,并获取所述二值图中标记为1的任意一个点;并扫描下一个标记为1的点,直至扫描完整个二值图;
记录模块,用于记录该点的8连通方向上标记为1的点的个数;
判定模块,用于根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点。
优选地,所述判定模块包括:
判断单元,用于判断该点的8连通方向上标记为1的点的个数是否大于1个且小于7个;
标识单元,用于当所述判断单元的判断结果为是时,将该点标识为轮廓边界点。
优选地,所述判断单元还用于若个数为7时,判断该点的上、下、左、右四个方向的点是否有一个标记为0,若是,则由所述标识单元将该点标识为轮廓边界点;若否,则将该点标识为非轮廓边界点;若个数为0、1、8,则由所述标识单元将该点标识为非轮廓边界点。
优选地,所述扫描模块还用于通过从上至下的方式依次扫描所述二值图。
优选地,所述扫描模块还用于通过从左至右的方式依次扫描所述二值图。
实施本发明实施例,可以解决传统边界跟踪算法中的迷路、错路和死路问题,不仅速度快,而且能够完整准确地保持目标区域外边界的自身原貌和特点,使得边界点保持了良好的相关关系,可以根据实际应用的要求,能够较好的满足某些对边界有特殊要求的应用;且对于轮廓特征点分布比较复杂的区域更能体现优越性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例的二值图轮廓跟踪方法的流程示意图;
图2是本发明实施例中二值图边界点确定过程示意图;
图3是本发明实施例中轮廓跟踪过程的示意图;
图4是本发明实施例的二值图轮廓跟踪装置的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例的二值图轮廓跟踪方法的流程示意图,如图1所示,该方法包括:
S101,将目标图像转换成对应的二值图;
S102,扫描二值图,并获取二值图中标记为1的任意一个点;
S103,记录该点的8连通方向上标记为1的点的个数;
S104,根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点;
S105,扫描下一个标记为1的点,直至扫描完整个二值图。
针对传统轮廓跟踪算法一次扫描不能获得整个二值图所有的轮廓跟踪序列,且对于轮廓边缘变化复杂的图像,其处理效果更加不明显,往往不能用一个完整的跟踪序列来表示一个图像轮廓,只能用于处理边缘变化规则的图像。针对现有的传统轮廓跟踪方法准确率低、计算次数多、易陷入死循、搜索效率环等问题,且无法克服内孔洞(边界)的存在对算法的影响,本发明实施例提出一种新的二值图(边界)轮廓跟踪方法。
该方法主要包过两部分,首先对二值图提取轮廓,其次获得不同轮廓边界点权值,最后找到起始点,综合考虑上一点的扫描方向和权值选择下一个轮廓点。
具体实施中,S104进一步包括:判断该点的8连通方向上标记为1的点的个数是否大于1个且小于7个,若是,则将该点标识为轮廓边界点。
还包括:若个数为7,判断该点的上、下、左、右四个方向的点是否有一个标记为0,若是,则将该点标识为轮廓边界点;若否,则将该点标识为非轮廓边界点;若个数为0、1、8,则将该点标识为非轮廓边界点。
在本发明实施例中,通过从上至下、从左至右的方式依次扫描二值图,直至扫描完整个二值图。
下面结合图2、图3对本发明实施例的二值图轮廓跟踪方法进行详细说明。
参考图2,本发明实施例中二值图边界点确定过程如下所示:
步骤1:把目标图像转换成与之对应的二值图;
步骤2:从上至下、从左至右依次扫描整个二值图,当找到二值图上标记为1的点时,判断该点的8连通方向上也处于标记为1点的个数circle_num;
步骤3:如果其8连通方向上标记为1点的个数1<circle_num<7,则该点是轮廓边界点,并记下contour[i][j]=1并跳转至Step2继续扫描下一个;
步骤4:如果circle_num=7,则判断该点上、下、左、右四个方向的点是否有一个其标记为0,如果是,则该点为轮廓边界点,否则该点不是轮廓边界点,并记下与之相应的contour[i][j]并跳转至Step2继续扫描下一个;
步骤5:如果circle=8||circle=1||circle=0,则该点也不是边界点,并记下contour[i][j]=0并跳转至步骤2继续扫描下一个;
步骤6:如果已经扫描并处理完整个二值图,则结束。
从上面可以很明显的看出本发明所采用的边界确定算法与传统的边界确定算法相比(直接判断八联通方向标记为1点的个数1<circle_num<8,则是边界点,否则不是边界点)有很明显的优势。其中,本发明实施例中确定的边界点的个数较少,特别对于较复杂的区域,其边缘轮廓变化更加多样则优势更加明显;其次,所提取的都是关键节点,剔除了一些冗余的点,这样为下一步选择下一边界点的时候确保了准确度与速度。
这里综合考虑上一边界点方向和下一边界点权值对下一边界点智能选择的影响。首先它定义了一个扫描方向dir和权值wei,如表1所示。
表1点的八个扫描方向列表
5 | 6 | 7 |
4 | P | 0 |
3 | 2 | 1 |
其中,Wei等于其8连通方向上边界点的个数和,即:
wei=contour[i-1][j-1]+contour[i-1][j]+contour[i-1][j+1]+contour[i][j-1]+contour[i][j+1]+contour[i+1][j-1]+contour[i+1][j]contour[i+1][j+1];
图3示出了本发明实施例的轮廓跟踪过程的示意图,具体步骤如下:
步骤1:从上至下、从左至右扫描二值图轮廓的第一个边界点记为P0,然后在其八邻域内按照表1的0,1,2,3,4,5,6,7的顺序找到首个contour[i][j]=1的点,并记下它相对前一点的方向dir,Predir=dir和位置P_next,并令contour[i][j]=0;
步骤2:在P_next点依照前面的方向依次扫描八周围个点,如果contour[i][j]=1并且wei[i][j]=2,则该点是下一选择点,否则继续判断,如果dir=Predir,则该点是下一选择点,否则选中第一个扫描到的contour[i][j]=1的点,记下该点为P_now和方向dir,并令contour[i][j]=0;
步骤3:如果P_now=P0,则该次轮廓点扫描结束;返回P0,继续按照从上至下,从左至右扫描二值图轮廓,找到下一个边界点P1,回到步骤1;
步骤4:如果P_now≠P0,令P_next=P_now,Predir=dir,回到步骤2;
步骤5:如果在二只轮廓图中找不到contour[i][j]=1的点,则结束。
在很多的应用领域,常常需要封闭、连续的目标边界,尤其是在进行区域分析时,准确、封闭的区域边界显得更为重要。传统的边界跟踪方法,无论是跟踪虫法和光栅扫描法,在对复杂区域的跟踪过程中都会因为算法本身的原因难以满足这些特殊要求。我们提出的基于优先搜索方向的边界跟踪方法提取的边界,不但能够很好的满足对边界一个像素的宽度、同一个区域的边界连通封闭、准确定位在区域外围轮廓上的要求,而且能够完整准确地保持目标区域轮廓的特点。
在本发明实施例方法中,通过内边界先行搜索以及动态权值判定等方法的创新,在一次扫描得到轮廓信息的基础上使边界跟踪趋于智能化,并且有效滤除了冗余的边界点信息,使得到的结果更加准确。此外本方法不受区域大小的影响,即使是单点区域或者线性区域也同样实用而不会产生错误或者误差,并且在跟踪过程中,充分考虑已知边界点对后续边界点的影响,使得边界点保持了良好的相关关系,可以根据实际应用要求,在跟踪过程中直接实现边界的矢量化,为后续处理提供必要的数据基础。
实施本发明的方法实施例,可以解决传统边界跟踪算法中的迷路、错路和死路问题,不仅速度快,而且能够完整准确地保持目标区域外边界的自身原貌和特点,使得边界点保持了良好的相关关系,可以根据实际应用的要求,能够较好的满足某些对边界有特殊要求的应用;且对于轮廓特征点分布比较复杂的区域更能体现优越性。
另外,本发明实施例还公开了一种二值图轮廓跟踪装置,如图4所示,该装置包括:
转换模块40,用于将目标图像转换成对应的二值图;
扫描模块41,用于扫描转换模块40所获得的二值图,并获取二值图中标记为1的任意一个点;并扫描下一个标记为1的点,直至扫描完整个二值图;
记录模块42,用于记录该点的8连通方向上标记为1的点的个数;
判定模块43,用于根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点。
其中,判定模块43包括:
判断单元,用于判断该点的8连通方向上标记为1的点的个数是否大于1个且小于7个;
标识单元,用于当判断单元的判断结果为是时,将该点标识为轮廓边界点。
该判断单元还用于若个数为7时,判断该点的上、下、左、右四个方向的点是否有一个标记为0,若是,则由标识单元将该点标识为轮廓边界点;若否,则将该点标识为非轮廓边界点;若个数为0、1、8,则由标识单元将该点标识为非轮廓边界点。
具体实施中,扫描模块41还用于通过从上至下、从左至右的方式依次扫描二值图。
本发明实施例中的二值图轮廓跟踪装置的各模块功能的实现过程及原理可参见本发明的二值图轮廓跟踪方法的实施例中关于过程原理描述,这里不再赘述。
实施本发明的装置实施例,可以解决传统边界跟踪算法中的迷路、错路和死路问题,不仅速度快,而且能够完整准确地保持目标区域外边界的自身原貌和特点,使得边界点保持了良好的相关关系,可以根据实际应用的要求,能够较好的满足某些对边界有特殊要求的应用;且对于轮廓特征点分布比较复杂的区域更能体现优越性。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的二值图轮廓跟踪方法及其装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种二值图轮廓跟踪方法,其特征在于,所述方法包括:
将目标图像转换成对应的二值图;
扫描所述二值图,并获取所述二值图中标记为1的任意一个点;
记录该点的8连通方向上标记为1的点的个数;
根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点;
扫描下一个标记为1的点,直至扫描完整个二值图。
2.如权利要求1所述的二值图轮廓跟踪方法,其特征在于,所述根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点的步骤包括:
判断该点的8连通方向上标记为1的点的个数是否大于1个且小于7个,若是,则将该点标识为轮廓边界点。
3.如权利要求1或2所述的二值图轮廓跟踪方法,其特征在于,所述根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点的步骤还包括:
若个数为7,判断该点的上、下、左、右四个方向的点是否有一个标记为0,若是,则将该点标识为轮廓边界点;若否,则将该点标识为非轮廓边界点;若个数为0、1、8,则将该点标识为非轮廓边界点。
4.如权利要求1所述的二值图轮廓跟踪方法,其特征在于,通过从上至下的方式依次扫描所述二值图。
5.如权利要求1所述的二值图轮廓跟踪方法,其特征在于,通过从左至右的方式依次扫描所述二值图。
6.一种二值图轮廓跟踪装置,其特征在于,所述装置包括:
转换模块,用于将目标图像转换成对应的二值图;
扫描模块,用于扫描所述转换模块所获得的二值图,并获取所述二值图中标记为1的任意一个点;并扫描下一个标记为1的点,直至扫描完整个二值图;
记录模块,用于记录该点的8连通方向上标记为1的点的个数;
判定模块,用于根据该点的8连通方向上标记为1的点的个数判定该点是否为轮廓边界点。
7.如权利要求6所述的二值图轮廓跟踪装置,其特征在于,所述判定模块包括:
判断单元,用于判断该点的8连通方向上标记为1的点的个数是否大于1个且小于7个;
标识单元,用于当所述判断单元的判断结果为是时,将该点标识为轮廓边界点。
8.如权利要求6或7所述的二值图轮廓跟踪装置,其特征在于,所述判断单元还用于若个数为7时,判断该点的上、下、左、右四个方向的点是否有一个标记为0,若是,则由所述标识单元将该点标识为轮廓边界点;若否,则将该点标识为非轮廓边界点;若个数为0、1、8,则由所述标识单元将该点标识为非轮廓边界点。
9.如权利要求6所述的二值图轮廓跟踪装置,其特征在于,所述扫描模块还用于通过从上至下的方式依次扫描所述二值图。
10.如权利要求6所述的二值图轮廓跟踪装置,其特征在于,所述扫描模块还用于通过从左至右的方式依次扫描所述二值图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101010970A CN103218808A (zh) | 2013-03-26 | 2013-03-26 | 一种二值图轮廓跟踪方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101010970A CN103218808A (zh) | 2013-03-26 | 2013-03-26 | 一种二值图轮廓跟踪方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103218808A true CN103218808A (zh) | 2013-07-24 |
Family
ID=48816551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101010970A Pending CN103218808A (zh) | 2013-03-26 | 2013-03-26 | 一种二值图轮廓跟踪方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103218808A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127750A (zh) * | 2016-06-20 | 2016-11-16 | 中国科学院深圳先进技术研究院 | 一种ct影像体表提取方法及系统 |
CN108846875A (zh) * | 2018-04-26 | 2018-11-20 | 广州视源电子科技股份有限公司 | 形状数据处理方法和装置 |
CN109636821A (zh) * | 2018-11-26 | 2019-04-16 | 广州星通信息科技有限公司 | 栅格连片区域轮廓识别方法及装置 |
CN110037373A (zh) * | 2019-05-30 | 2019-07-23 | 南京邮电大学 | 一种基于边界跟踪的人体尺寸测量方法 |
CN111369579A (zh) * | 2020-03-03 | 2020-07-03 | 东南数字经济发展研究院 | 一种提取三维云建模目标区域轮廓的方法 |
CN112258660A (zh) * | 2020-12-23 | 2021-01-22 | 恒信东方文化股份有限公司 | 一种虚拟穿衣图像的处理方法及其系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289126B1 (en) * | 1997-08-13 | 2001-09-11 | Sysmex Corporation | Method and apparatus for determining the boundary of an object |
CN101236652A (zh) * | 2008-03-03 | 2008-08-06 | 哈尔滨工程大学 | 一种用于处理二值图像无孔区域周长的方法 |
CN101246554A (zh) * | 2008-03-11 | 2008-08-20 | 中国科学院光电技术研究所 | 基于像素标记的多目标图像分割方法 |
CN101493400A (zh) * | 2008-01-25 | 2009-07-29 | 深圳迈瑞生物医疗电子股份有限公司 | 一种基于形状特征的自动分类校正的方法 |
-
2013
- 2013-03-26 CN CN2013101010970A patent/CN103218808A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289126B1 (en) * | 1997-08-13 | 2001-09-11 | Sysmex Corporation | Method and apparatus for determining the boundary of an object |
CN101493400A (zh) * | 2008-01-25 | 2009-07-29 | 深圳迈瑞生物医疗电子股份有限公司 | 一种基于形状特征的自动分类校正的方法 |
CN101236652A (zh) * | 2008-03-03 | 2008-08-06 | 哈尔滨工程大学 | 一种用于处理二值图像无孔区域周长的方法 |
CN101246554A (zh) * | 2008-03-11 | 2008-08-20 | 中国科学院光电技术研究所 | 基于像素标记的多目标图像分割方法 |
Non-Patent Citations (4)
Title |
---|
JIE RAO ET AL.: "A New Intelligent Contour Tracking Algorithm In Binary Image", 《2012 FOURTH INTERNATIONAL CONFERENCE ON DIGITAL HOME》, 23 November 2012 (2012-11-23) * |
唐振军 等: "一种二值图象边界提取算法", 《微计算机信息》, vol. 22, no. 103, 31 December 2006 (2006-12-31) * |
贾昔玲: "一种新的基于二值图像的边缘检测算法", 《科技情报开发与经济》, vol. 19, no. 4, 30 April 2009 (2009-04-30) * |
贾永红: "《数字图像处理》", 28 February 2010, article "邻域与邻接" * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127750A (zh) * | 2016-06-20 | 2016-11-16 | 中国科学院深圳先进技术研究院 | 一种ct影像体表提取方法及系统 |
CN106127750B (zh) * | 2016-06-20 | 2019-07-30 | 中国科学院深圳先进技术研究院 | 一种ct影像体表提取方法及系统 |
CN108846875A (zh) * | 2018-04-26 | 2018-11-20 | 广州视源电子科技股份有限公司 | 形状数据处理方法和装置 |
CN109636821A (zh) * | 2018-11-26 | 2019-04-16 | 广州星通信息科技有限公司 | 栅格连片区域轮廓识别方法及装置 |
CN110037373A (zh) * | 2019-05-30 | 2019-07-23 | 南京邮电大学 | 一种基于边界跟踪的人体尺寸测量方法 |
CN110037373B (zh) * | 2019-05-30 | 2021-06-25 | 南京邮电大学 | 一种基于边界跟踪的人体尺寸测量方法 |
CN111369579A (zh) * | 2020-03-03 | 2020-07-03 | 东南数字经济发展研究院 | 一种提取三维云建模目标区域轮廓的方法 |
CN112258660A (zh) * | 2020-12-23 | 2021-01-22 | 恒信东方文化股份有限公司 | 一种虚拟穿衣图像的处理方法及其系统 |
CN112258660B (zh) * | 2020-12-23 | 2021-03-30 | 恒信东方文化股份有限公司 | 一种虚拟穿衣图像的处理方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103218808A (zh) | 一种二值图轮廓跟踪方法及其装置 | |
US9619691B2 (en) | Multi-view 3D object recognition from a point cloud and change detection | |
CN101937078B (zh) | 基于边界识别追踪技术的雷暴云团的临近预报方法和系统 | |
CN105931295B (zh) | 一种地质图专题信息提取方法 | |
US9507052B2 (en) | Automatic recognition method of continental slope foot point based on terrain grid | |
Wang et al. | Lane detection based on random hough transform on region of interesting | |
CN110598690A (zh) | 一种端到端光学字符检测识别方法与系统 | |
CN105513041A (zh) | 一种大幅面遥感图像海陆分割的方法及系统 | |
CN105335986A (zh) | 基于特征匹配和MeanShift算法的目标跟踪方法 | |
CN104867137B (zh) | 一种基于改进ransac算法的图像配准方法 | |
CN103559724A (zh) | 一种高粘连度细胞环境下的多细胞同步跟踪方法 | |
CN107729878A (zh) | 障碍物检测方法和装置、设备、车辆、程序及存储介质 | |
CN104778679A (zh) | 一种基于高分一号卫星数据的控制点图元快速匹配方法 | |
CN104298947B (zh) | 一种对二维条码精确定位的方法及装置 | |
CN106936964A (zh) | 一种基于霍夫变换模板匹配的手机屏幕角点检测方法 | |
CN105138992A (zh) | 一种基于区域主动轮廓模型的海岸线检测方法 | |
Wei et al. | A concentric loop convolutional neural network for manual delineation-level building boundary segmentation from remote-sensing images | |
CN116051822A (zh) | 凹障碍的识别方法和装置、处理器及电子设备 | |
US20240200973A1 (en) | Method, data processing apparatus and computer program product for generating map data | |
CN105678791A (zh) | 一种基于参数不唯一的车道线检测与跟踪方法 | |
CN113936181B (zh) | 一种粘连手写英文字符的识别方法 | |
CN102867174B (zh) | 一种人脸特征定位方法及装置 | |
CN105551027A (zh) | 一种边界跟踪方法及装置 | |
CN104182731A (zh) | 一种基于十字检测的栅格状雷达检测方法 | |
CN112287906B (zh) | 一种基于深度特征融合的模板匹配跟踪方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130724 |