CN103235930A - 一种动物耳标码图像快速粗定位方法 - Google Patents
一种动物耳标码图像快速粗定位方法 Download PDFInfo
- Publication number
- CN103235930A CN103235930A CN2013101034759A CN201310103475A CN103235930A CN 103235930 A CN103235930 A CN 103235930A CN 2013101034759 A CN2013101034759 A CN 2013101034759A CN 201310103475 A CN201310103475 A CN 201310103475A CN 103235930 A CN103235930 A CN 103235930A
- Authority
- CN
- China
- Prior art keywords
- image
- ear tag
- animal ear
- sign indicating
- indicating number
- 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)
Abstract
一种动物耳标码图像快速粗定位方法,包括以下步骤:A、快速定位到含有动物耳标码图像的区域;B、提取含有动物耳标码图像的区域;进一步,所述步骤A包括:A1、利用图像重采样得到源图像的差分图像;A2、利用改进的快速自适应阈值法对差分图像进行二值化处理,得到二值图像;A3、从二值图像判断与定位可能包含动物耳标码图像的区域。本发明先从采集到的图像中,定位出包含动物耳标码图像的区域,然后提取该区域图像,从而可减少了算法的运算时间,可用在需要实时处理的手持式设备上。
Description
技术领域
本发明涉及一种特殊类型图像定位的方法,具体来说,它涉及一种利用二值化、轮廓跟踪与矩形检测等技术进行对动物耳标码图像的快速粗定位方法。
背景技术
现代动物标识与追溯系统建设是在疯牛病发生后,自20世纪80年代以来疯牛病的暴发严重影响了牛及牛肉制品的出口量,为了恢复牛类产品的国际贸易,出口国不得不提供证据证明本国奶牛及牛肉制品等的动物卫生状况,为此,欧盟首先提出了肉牛和犊牛的追溯性。近年来各种恶性食源性公共卫生危机频发,一些高致病的人畜共患病(如口蹄疫、猪流感等)在全球范围内不断暴发和传播。
由于我国人口密度大,养殖场分散,动物养殖数量巨大,如果暴发疫情,传播速度更快,危害更大,因而需要建立健全动物标识和可追溯体系,对动物进行标识,并建立相应的防疫档案,以便进行跟踪与追溯。这为动物耳标码识读终端提供了广阔的发展空间。由于这几年国内食品安全问题层出不穷,国家对食品安全越来越重视,对蔬菜和动物肉类食物的安全监督越来越严格。同时,近年来猪肉等肉类价格不断攀升,我国对生猪养殖户进行了一定的补贴,积极鼓励生猪养殖,从而大大加快了生猪养殖业的发展,这都为动物耳标及其耳标码识读终端开拓了更广泛的市场前景。但由于耳标码识别设备市场价格高昂,从而制约了动物耳标产业的进一步发展。
国外对条码技术以及该技术在动物耳标的研究和应用相对较早,始于20世纪80年代末。美国、德国、日本、墨西哥、埃及、哥伦比亚、巴西、新加坡、菲律宾、南非、加拿大等国,已将条码技术应用于公安等部门对各类证件的管理,以及食品安全、动物养殖和蔬菜的食品安全和追溯等,便于消费者利用互联网平台对食品进行跟踪索源。
动物耳标码是国家农业部提出的用于动物标识与溯源的二维条码标准,国内的相关厂商未能及时跟进,识读技术仍相当落后。而在动物耳标码的识读中,耳标码图像的定位尤其显得重要,它不仅决定了识读的速度,也决定了识读设备使用上的人性化的程度。目前,在动物耳标码图像定位的方法上,最简单的方法是规定用户在一个小框内,直接对准图像进行拍摄,但这样会导致在使用上造成麻烦,不够人性化。也有学者提出采用三段式自动对焦的摄像头采集图像,然后将采集到的图像按照近段区域、中段区域和远段区域进行处理,但这样的方法过于复杂,成本也过高。
实际上,动物耳标码的图像存在两个重要的特征:
1、图像周边都是很宽阔的空白区;
2、图像的整体外轮廓是一个矩形,里边由很多小模块组成。
因此,可利用上述特征可以很容易将动物耳标码图像与其他部分区分开。
发明内容
本发明的目的是提供一种方法简单、可减少算法的运算时间的动物耳标码图像快速粗定位方法。
本发明提供的一种动物耳标码图像快速粗定位方法,包括以下步骤:
A、快速定位到含有动物耳标码图像的区域;
B、提取含有动物耳标码图像的区域。
进一步,所述步骤A包括:
A1、利用图像重采样得到源图像的差分图像;
A2、利用改进的快速自适应阈值法对差分图像进行二值化处理,得到二值图像;
A3、从二值图像判断与定位可能包含动物耳标码图像的区域。
进一步,所述步骤A3包括:
对二值图像进行标记,将图像中重叠连通区域标记为同一区域;
统计标记为同一区域的像素数量以去除干扰区域;
对接近矩形的区域进行轮廓跟踪,并利用基于Freeman准则的直线检测方法来判断该区域的轮廓的各条边是否为直线,然后判断该轮廓是否为矩形,从而进一步去除了背景中非矩形的图像干扰。
所述步骤A3还包括:
根据矩形相似度判断所述面积最小的外接矩形区域是否为矩形,若否则重新选取面积最小的外接矩形区域,所述矩形相似度为被检测区域的实际像素之和与被检测区域最小的外接矩形区域的面积的比例,反映了物体对其外接矩形的充满程度。
所述步骤B包括:
获取矩形区域的四个顶点,利用透视投影校正法提取该区域。
本发明的有益效果是:本发明先分析了动物耳标码图像的特征,从而获得两个重要的图像特征,即动物耳标码图像周边存在比较宽的空白区和图像外轮廓为矩形,根据这两个图像特征,本发明方法先从采集到的图像中,定位出包含动物耳标码图像的区域,然后提取该区域图像,从而减少了算法的运算时间,可用在需要实时处理的手持式设备上,提高使用上的人性化体验。
附图说明
图1为本发明基于Freeman准则的动物耳标码图像定位方法的工作流程图。
图2为本发明的整个算法流程图。
图3为本发明的步骤A的流程图。
图4为本发明的快速二值化方法的数据结构图。
图5为本发明的快速二值化方法的扫描方式图。
图6为本发明的基于Freeman准则直线检测的矩形区域定位的步骤流程图。
图7为本发明的图像标记扫描方式图。
图8为本发明的八方链码的编码方式图。
图9为本发明的链码存储数据结构图。
图10为本发明的示例原图。
图11为本发明的示例差分图像。
图12为本发明的示例快速二值图像。
图13为本发明的示例屏蔽背景干扰的二值图像。
图14为本发明的提取目标图像。
具体实施方式
本发明实现动物耳标码的快速定位方法,利用它的两个固有的图像特征,即图像周围存在比较宽的空白区,容易和背景分离开来;图像为一个包含很多小模块的矩形区域,从而可以快速定位图像并将该区域提取出来。该方法的框架如图1所示,包括以下步骤:
A、快速定位到含有动物耳标码图像的区域;
B、提取含有动物耳标码图像的区域。
本发明的整个算法流程图如图2所示;
参照图3,上述步骤A具体包括:
A1、利用图像重采样得到源图像的差分图像;
所述差分图像的数学描述如下所示:
其中,D(x,y)为差分图像,重采样是在将原图像划分为一系列的4×4大小的子图像中进行,,,H与W分别表示原图像的高度和宽度。max()为过采样,min()为降采样。通过该操作,图像缩小为原图像的1/4,背景中大部分的小模块都被去除,动物耳标码内的小模块也融合在一起,此时图像为原图像的1/4,进一步减少运算量,大部分的背景图像已被去除,动物耳标码图像也融合成了一个矩形的方块,此时便可通过图像二值化的方法进一步去除图像背景的干扰。
A2、利用改进的快速自适应阈值法对差分图像进行二值化处理,得到二值图像;
经过差分处理后,需要进一步消除背景的干扰,并对图像定位。因此,本发明采用了快速自适应阈值的算法,利用目标像素点与周围像素点的关系,对图像进行逐点阈值二值化,只需遍历一次图像,即可完成图像的二值化,算法的复杂度低,鲁棒性强。
令图像中像素点n处为目标像素点,其灰度级为Pn,则可将图像看作是由各行首尾依次连接而成的一维数组,如图4所示。
对图像采用自左向右然后自右向左的逐行交替扫描方式,如图5所示。
令fs(n)为像素点n前s个像素的像素和,即:
其中,s取值为1/8的图像宽度。
于是,目标像素点n二值化的结果T(n)的值是0还是1,取决于目标像素点n处的像素值与前面s个像素的加权值平均值的大小,即:
其中,t取10。
由于每移动一个像素,前面都有s-1个像素的像素值是相同的,因此,本发明每移动一个像素,即从fs(n)中减去像素点s处的灰度值,同时加上前一次遍历的像素点n处的灰度级,作为新的fs(n)值,然后继续判断新的像素点n处的二值化结果。该方法可以加快图像二值化的速度。
A3、从二值图像判断与定位可能包含动物耳标码图像的区域。
对二值图像进行标记,将图像中重叠连通区域标记为同一区域;
统计标记为同一区域的像素数量以去除干扰区域;
对接近矩形的区域进行轮廓跟踪,并利用Freeman准则检测该区域是否为矩形,然后提取该区域。
图6是本发明实施例中基于Freeman准则直线检测的矩形区域定位的步骤流程图,具体包括:
先对输入的二值图像进行标记,采用基于区域增长法和线标记法的图像标记法,从上往下、自左至右对图像进行线扫描,遇到该行连通区域起始与最后一个像素时,采用8邻域连通法检查是否存在重叠连通的区域段,如果有则合并区域段,否则作为新的“种子段”,继续扫描,直到图像中所有的连通域标记完毕,其过程如图7所示,将图7将区域①~④统一标记为1,将区域⑤~⑩统一标记为2。
区域的统计实际上就是统计标记为同一个区域的像素数量。利用统计的结果,进一步去除小区域的影响,或者是尺寸很大,像素却很少的区域。然后求取接近矩形的区域。
再对接近矩形的区域进行轮廓跟踪,将轮廓坐标保存在数组中,然后用旋转法计算各轮廓坐标旋转后的坐标值,取各次旋转中的最小面积即可。由于对精度要求不高,所以每次旋转的角度可以设大一点,以减小计算量。对轮廓的跟踪,需要利用八方向链码进行寻址,所述八方链码的编码方式如图8所示。假设当前顶点为Pi(xi,yi),Pi的跟踪方向为Di,则下一个顶点Pi+1的编码为Ci+1,跟踪的方向变化规则为:
而坐标变化的规则为:
为节省存储空间,不必对轮廓上的每个点坐标都进行记录,而只用记录起始点坐标,然后依次记录后一个轮廓点相对于前一个轮廓点的方向链码即可。链码表中前2个单元存储起始点坐标,第3个单元记录链码表长度,从第4个存储单元开始为轮廓上每个点的链码值。链码表结构如图9所示。
由于动物耳标码图像的轮廓是一个矩形,因此可以在轮廓跟踪之后,对矩形的轮廓链表进行基于Freeman准则的直线检测,然后对检测出的直线判断其是否为矩形的四条边。为此,需要在Freeman准则的基础上,建立三个准则。
准则1:图9所示的8邻域边界链码,如果链码值相同且为偶数的像素的集合,称为线段子元。
准则2:线段元是由一个或者多个线段子元组成的集合,且彼此的长度至多相差一个像素;个链码至多有两个取值,这两个不同取值的链码方向相差450。
准则3:令线段元中起始像素坐标为(X1, Y1),终止像素坐标为(X2, Y2),该线段元中含有M个像素点。而线段中起始像素坐标为(X3, Y3),终止像素坐标为(X4, Y4),该线段中含有N个像素点。
基于以上三个准则,本发明检测直线的步骤如下:
1)读入前一个步骤轮廓跟踪的起点坐标Ps(xs,ys),将Ps作为第一个像素保存到线段子元中。
2)令s=s+1,读入下一个坐标Ps,若该点为起始点,即回到了开始状态,则算法结束;根据准则1确定该点是否属于线段子元,若属于,则将Pi保存到线段子元中,转2);否则,将当前线段子元看作一个完整的线段子元,进行下一步的处理,执行3)。
3)若线段元中没有线段子元,则将线段子元作为线段元的第一线段子元加入线段元结构中;否则,根据准则2判断线段子元是否属于线段元。若属于,将线段子元加入线段元,然后将线段子元置空并将Ps加入线段子元中,转2);否则,将当前线段元看作一完整的线段元,进行下一步处理,执行4)。
4)若线段中没有线段元,则将线段元作为线段的第一线段元加入线段中;否则根据准则3判断线段元是否属于线段。若不属于,则线段为一完整直线段,保存该直线段并置空线段结构。最后无论线段元是否属于线段,均将线段元加入线段中,并分别用当前的线段子元和点Ps初始化线段元和线段子元并转2)。
通过上述步骤,可对图像中的每一个目标图像进行直线检测,将非直线的图像进一步排除掉。然后对进行了直线检测的目标图像,进一步判断其是否为矩形,本发明采用的步骤如下:
1)首先判断目标图像的直线线段条数是否为4条,若是则转入2);否则该目标图像不是动物耳标码图像,算法结束。
2)若相邻两线段的夹角在450~1350之间,则认为该目标图像为矩形,可能包含动物耳标码图像,记录下各顶点坐标,以供图像提取;否则算法结束。
通过上述方法,将包含动物耳标码图像的区域迅速初步定位,时间复杂度为O(n),避免了大量的幅度运算,简单高效。
在实施中,上述步骤B是将动物耳标码的图像提取出来,具体包括:
1)利用步骤A获得的四个矩形的顶点,分别计算每条边的长度,即:
2)由于动物耳标码的图像为正矩形,故采用步骤1)中计算得到的最长的边长为提取后动物耳标码图像的边长l,并创建l×l大小的新图像。
3)以步骤A获得的矩形顶点为基准点,从左上角开始按照顺时针方向依次为(x(1)1, y(1)1),(x(2)1, y(2)1),(x(3)1, y(3)1),(x(4)1, y(4)1);令提取后的动物耳标码图像对应原图像的四个基准点为(x(1)0, y(1)0),(x(2)0, y(2)0),(x(3)0, y(3)0),(x(4)0, y(4)0)。
4)将基准点代入下式,得:
5)解出前4个变换参数,即
6)将基准点与参数C 1~4代入下式,解出C 5~8:
7)获得8个参数C 1~8后,即可遍历新建的目标图像,然后根据上式计算目标图像的每一个像素点对应原图像中的位置,将对应位置的像素灰度级赋予目标图像中的像素点。对于在原图像中找不到对应坐标点的情况,也就是浮点坐标,本发明采用双线性插值法加以解决。
步骤B完成后,即可得到一个完整的动物耳标码的图像。
图10为实际使用中采集到的包含动物耳标码的原图;图11为A1步骤处理后的差分图像,图像为原图像的1/4大小,从而减小了运算量;图12为经过A2步骤处理后的二值图像;图13为经过步骤A3,排除掉背景干扰,包含目标图像的二值图像;图14为提取后的目标图像。
以上所述仅为本发明的较佳实施方式,本发明并不局限于上述实施方式,在实施过程中可能存在局部微小的结构改动,如果对本发明的各种改动或变型不脱离本发明的精神和范围,且属于本发明的权利要求和等同技术范围之内,则本发明也意图包含这些改动和变型。
Claims (4)
1.一种动物耳标码图像快速粗定位方法,包括以下步骤:
A、快速定位到含有动物耳标码图像的区域;
B、提取含有动物耳标码图像的区域;
进一步,所述步骤A包括:
A1、利用图像重采样得到源图像的差分图像;
A2、利用改进的快速自适应阈值法对差分图像进行二值化处理,得到二值图像;
A3、从二值图像判断与定位可能包含动物耳标码图像的区域。
2.根据权利要求1所述的一种动物耳标码图像快速粗定位方法,其特征在于,所述步骤A3包括:
对二值图像进行标记,将图像中重叠连通区域标记为同一区域;
统计标记为同一区域的像素数量以去除干扰区域;
对接近矩形的区域进行轮廓跟踪,并利用基于Freeman准则的直线检测方法来判断该区域的轮廓的各条边是否为直线,然后判断该轮廓是否为矩形,从而进一步去除了背景中非矩形的图像干扰。
3.根据权利要求1所述的一种动物耳标码图像快速粗定位方法,其特征在于,所述步骤A3还包括:
根据矩形相似度判断所述面积最小的外接矩形区域是否为矩形,若否则重新选取面积最小的外接矩形区域,所述矩形相似度为被检测区域的实际像素之和与被检测区域最小的外接矩形区域的面积的比例,反映了物体对其外接矩形的充满程度。
4.根据权利要求1所述的一种动物耳标码图像快速粗定位方法,其特征在于,所述步骤B包括:
获取矩形区域的四个顶点,利用透视投影校正法提取该区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101034759A CN103235930A (zh) | 2013-03-28 | 2013-03-28 | 一种动物耳标码图像快速粗定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101034759A CN103235930A (zh) | 2013-03-28 | 2013-03-28 | 一种动物耳标码图像快速粗定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103235930A true CN103235930A (zh) | 2013-08-07 |
Family
ID=48883969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101034759A Pending CN103235930A (zh) | 2013-03-28 | 2013-03-28 | 一种动物耳标码图像快速粗定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103235930A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709487A (zh) * | 2016-12-07 | 2017-05-24 | 浙江省公众信息产业有限公司 | 动物耳标矩阵码的识别方法以及装置 |
CN109800615A (zh) * | 2018-12-28 | 2019-05-24 | 新大陆数字技术股份有限公司 | 二维码区域的检测定位方法及系统 |
CN112036206A (zh) * | 2020-08-25 | 2020-12-04 | 北京小龙潜行科技有限公司 | 基于识别码式猪耳标的监控方法、装置及系统 |
CN117195934A (zh) * | 2023-11-07 | 2023-12-08 | 双胞胎(集团)股份有限公司 | 一种耳标的跟踪方法及养殖数据采集方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040247175A1 (en) * | 2003-06-03 | 2004-12-09 | Konica Minolta Photo Imaging, Inc. | Image processing method, image capturing apparatus, image processing apparatus and image recording apparatus |
-
2013
- 2013-03-28 CN CN2013101034759A patent/CN103235930A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040247175A1 (en) * | 2003-06-03 | 2004-12-09 | Konica Minolta Photo Imaging, Inc. | Image processing method, image capturing apparatus, image processing apparatus and image recording apparatus |
Non-Patent Citations (4)
Title |
---|
刘佳: "猪耳标二维条码图像识读研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
刘佳: "猪耳标二维条码图像识读研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 31 May 2011 (2011-05-31) * |
尚振宏等: "运用Freeman准则的直线检测算法", 《计算机辅助设计与图形学学报》 * |
张变莲等: "一种复杂车辆图像中的多车牌定位方法", 《光子学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709487A (zh) * | 2016-12-07 | 2017-05-24 | 浙江省公众信息产业有限公司 | 动物耳标矩阵码的识别方法以及装置 |
CN109800615A (zh) * | 2018-12-28 | 2019-05-24 | 新大陆数字技术股份有限公司 | 二维码区域的检测定位方法及系统 |
CN112036206A (zh) * | 2020-08-25 | 2020-12-04 | 北京小龙潜行科技有限公司 | 基于识别码式猪耳标的监控方法、装置及系统 |
CN117195934A (zh) * | 2023-11-07 | 2023-12-08 | 双胞胎(集团)股份有限公司 | 一种耳标的跟踪方法及养殖数据采集方法 |
CN117195934B (zh) * | 2023-11-07 | 2024-02-20 | 双胞胎(集团)股份有限公司 | 一种耳标的跟踪方法及养殖数据采集方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | A robust system to detect and localize texts in natural scene images | |
CN104424482B (zh) | 图像处理设备和图像处理方法 | |
CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
CN103295016B (zh) | 基于深度与rgb信息和多尺度多方向等级层次特征的行为识别方法 | |
CN105701476A (zh) | 一种基于机器视觉的生产线产品自动化识别系统及方法 | |
CN102509085A (zh) | 基于轮廓不变矩特征的猪行走姿态识别系统和方法 | |
Li et al. | A review of object detection techniques | |
CN105389581B (zh) | 一种胚芽米胚芽完整度智能识别系统及其识别方法 | |
CN101504716A (zh) | 基于现场可编程门阵列的qr二维条码识别方法及系统 | |
CN103345631A (zh) | 图像特征提取、训练、检测方法及模块、装置、系统 | |
CN102708552A (zh) | 一种快速二维条码图像运动去模糊方法 | |
CN105809094A (zh) | 基于机器视觉的条形码识别方法 | |
CN107301368A (zh) | 一种DataMatrix二维码的识别方法 | |
CN103235930A (zh) | 一种动物耳标码图像快速粗定位方法 | |
CN112819796A (zh) | 烟丝异物识别方法及设备 | |
CN109086772A (zh) | 一种扭曲粘连字符图片验证码的识别方法及系统 | |
Zhang et al. | Detection and identification method of medical label barcode based on deep learning | |
Liu et al. | Robust outdoor text detection using text intensity and shape features | |
EP3360077A1 (en) | Method and system for classifying objects from a stream of images | |
CN107273815A (zh) | 一种个体行为识别方法及系统 | |
CN105005969A (zh) | 一种票据图像涂改检测方法及系统 | |
WO2014079058A1 (zh) | 一种视频图像处理方法及系统 | |
CN114170549A (zh) | 一种基于深度学习的水面漂浮物检测方法 | |
Tsai et al. | Use SSD to detect the digital region in electricity meter | |
CN114120094A (zh) | 一种基于人工智能的水污染识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130807 |