CN103236056A - 基于模板匹配的图像分割方法 - Google Patents
基于模板匹配的图像分割方法 Download PDFInfo
- Publication number
- CN103236056A CN103236056A CN2013101418373A CN201310141837A CN103236056A CN 103236056 A CN103236056 A CN 103236056A CN 2013101418373 A CN2013101418373 A CN 2013101418373A CN 201310141837 A CN201310141837 A CN 201310141837A CN 103236056 A CN103236056 A CN 103236056A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- split
- characteristic point
- pixel characteristic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003709 image segmentation Methods 0.000 title abstract 3
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 239000004744 fabric Substances 0.000 claims description 24
- 238000005192 partition Methods 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于模板匹配的图像分割方法,包括以下步骤:步骤1:在待分割图像要对比部分的边缘和模板图像的边缘分别提取相同数量的像素点作为像素特征点;步骤2:分别对待分割图像要对比部分与模板图像计算每个像素特征点与同幅图像中的其他像素特征点之间角度的方差,对两幅图像中像素特征点的方差值进行对比,设定一误差值,若两个像素点之间的方差值误差在所述误差值之内则所述两个像素点相似,得到相似度的分割;步骤3:逐渐增加待分割图像要对比部分的大小,重复步骤1及步骤2,直到整幅图像都被分割完成。本发明的分割方法能够有效抵抗噪音的干扰,提高时间效率并进行准确分割,尤其对黏连部分可以进行有效的分割。
Description
技术领域
本发明涉及数字图像处理领域,具体涉及一种基于模板匹配的图像分割方法。
背景技术
图像分割是图像处理与计算机视觉领域中的基本技术之一,是指利用图像的某些特征,如灰度、颜色、形状等,将一幅图像分割成若干个独立的部分,其实质是一个按照像素属性(灰度,颜色,纹理等)进行聚类的过程。人们从图像的灰度、颜色、纹理、形状等这些特征出发,利用各种数学理论和工具,使用不同的模型,对灰度以及彩色图像进行分割处理,形成了很多不同分割方法。虽然图像分割方法已经有了很大的进展,但由于它的复杂性,仍有很多问题没有很好的解决,例如在手写字母的分割中,对黏连部分的准确分割就是一个很大的难点,因此对图像分割方法的进一步研究仍然具有非常重要的意义。
现有的图像分割方法主要有两类:基于区域生长的方法和基于边缘的方法。所谓区域生长(regiongrowing)是指将成组的像素或区域发展成更大区域的过程。从种子点的集合开始,从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域。它是一个迭代的过程,这里每个种子像素点都迭代生长,直到处理过每个像素,因此形成了不同的区域,这些区域它们的边界通过闭合的多边形定义。区域生长分割方法的关键是初始种子点的选取和生长规则的确定;另一类是基于边缘的方法(边缘检测等),图像的边缘是指图像局部区域亮度变化显著的部分。该区域的灰度剖面一般可以看做一个阶跃,即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了图像的大部分信息,图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的,同时也是图像分割所依赖的重要特征。边缘检测主要是图像的灰度变化的度量、检测和定位,边缘检测的基本思想是先利用边缘增强算子,突出图像中的局部边缘。然而,现有技术的技术方案存在以下缺点:基于区域的方法需要人为设定种子点,对噪声敏感,可能导致区域出现空洞;基于边缘的方法是通过定义像素的“边缘强度”,通过设置阈值的方法提取边缘点集,但是由于噪声和图像模糊,检测到的边界可能会有间断的情况发生。
因此,有必要提供一种新的图像分割方法来解决上述缺陷。
发明内容
本发明的目的是提供一种分割准确且分割效果好的基于模板匹配的图像分割方法,可以有效的抵抗噪音的干扰,分割黏连部分,提高时间效率。
本发明提供一种基于模板匹配的图像分割方法,包括以下步骤:步骤1:在待分割图像要对比部分的边缘和模板图像的边缘分别提取相同数量的像素点作为像素特征点;步骤2:分别对待分割图像要对比部分与模板图像计算每个像素特征点与同幅图像中的其他像素特征点之间角度的方差,对两幅图像中像素特征点的方差值进行对比,设定一误差值,若两个像素点之间的方差值误差在所述误差值之内则所述两个像素点相似,得到相似度的分割;步骤3:逐渐增加待分割图像要对比部分的大小,重复步骤1及步骤2,直到整幅图像都被分割完成。
较佳地,所述步骤1进一步包括:步骤11:对待分割图像和模板图像分别进行去噪及边缘化处理;步骤12:根据待分割图像的大小选择一个分数作为基数对图像进行切割,切割形成待分割图像的对比部分;步骤13:根据待分割图像的对比部分及模板图像的大小均匀在该两幅图像边缘分别选取数量相同的像素特征点;步骤14:判断所选择的像素特征点,如果选择均匀,则结束像素特征点的提取,如果不均匀,返回步骤13,重新提取像素特征点。
较佳地,所述步骤2进一步包括:步骤21:设定对待分割图像的对比部分用于后续对比度初始分割大小的比例;步骤22:计算每一幅图像中像素特征点的方差值;步骤23:设定误差值,对比两幅图像中像素特征点的值;步骤24:在误差范围之内的像素特征点则定位相似像素点,并记录下来;步骤25:计算相似像素点的个数,计为两幅图像相似度分数;步骤26:逐渐增加对待分割图像的对比部分的大小,重复步骤22~25,直到待分割图像扫描完成;步骤27:寻找上述相似度分数最大的像素点作为切割点进行切割;步骤28:重复上述步骤,直到待分割图像全部扫描完成。
与现有技术相比,本发明的基于模板匹配的图像分割方法,通过待分割图像和模板图像之间的对比确定待分割图像的分割点,可以解决以往分割方法中对分割位置确认错误、过切割和少切割等问题;通过根据图像具体的大小可以设置像素特征点的个数,这样可以提高参考像素点的有效性,进而提高分割的准确性。本发明的分割方法对手写单词到字母的分割有很好的效果,从而可以为图像后续特征提取等部分提供更好的支持,特别在黏连部分比较大的部分相比于轮廓跟踪等方法有更好的效果。
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是本发明的基于模板匹配的图像分割方法流程图;
图2是图1中步骤S001的子流程图;
图3是图1中步骤S002的子流程图。
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它实施例,都属于本发明保护的范围。
本发明的技术方案针对现有技术的图像分割方法不能很好的确定分割点进行图像分割,进而影响后续特征提取等步骤的效果,对于手写单词的字母分割,由于存在黏连部位的连接问题,进一步增加了分割的难度,针对分割点难确定,黏连部分难分割等问题,提出了一种基于模板匹配的分割方法,可以比较有效的解决此类分割问题。通过利用待分割图像与模板之间的像素特征点相似度进行分割,可以对分割点进行很好的确认,在字符图像分割过程中难点就是分割点的确认,本方法根据相似度值的大小变化寻找最大值点进行切割,在充分切割的同时也可以为后续字符特征提取等工作做很好的帮助。
参照图1,本发明实施例的基于模板匹配的图像分割方法包括以下的步骤:
步骤S001:在待分割图像要对比部分的边缘和模板图像的边缘分别提取相同数量的像素点作为像素特征点;
步骤S002:分别对待分割图像要对比部分与模板图像计算每个像素特征点与同幅图像中的其他像素特征点之间角度的方差,对两幅图像中像素特征点的方差值进行对比,设定一误差值,若两个像素点之间的方差值误差在所述误差值之内则所述两个像素点相似,得到相似度的分割;
步骤S003:逐渐增加待分割图像要对比部分的大小,重复步骤S001及步骤S002,直到整幅图像都被分割完成。
具体地,其主要包括两部分的内容,第一,在待分割图像要对比部分和模板图像边缘提取相同数量的一系列的像素点,这部分主要根据图像的距离大小,首先将图像进行去噪处理,再进行边缘化处理,然后根据图像的大小均匀在两幅图像的边缘提取一定数量的像素点作为像素特征点,用于后面的比较用,这里也不能做到全部平均距离,在弯度比较大的部分可以多提取一些,而相对比较平直的部分可以少提取一些,这样可以更好的体现像素特征点的权值作用。第二,计算每个像素点与其他像素点之间角度的方差,在两幅图像上分别进行同样的处理,接下来就需要对两幅图像中像素特征点的特征值进行对比,这里要设定一个波动值,只要两个像素点之间的误差在这个波动值之内就算两个像素点相似,这样求得两幅图像有多少像素点是相似的就可以得到一个相似度的分割,然后逐渐增加待分割图像的大小,重复上面的步骤,但是不能扫描整幅待分割图像,开始的时候设置一个分数值,扫描图像的一部分之后就停止扫描,然后找到相似度最大的像素点的位置,这个位置就是这个字母的切割位置了,最后对剩下的图像重复上面的操作,直到整幅图像都被分割完成。
参考图2,较佳地,所述步骤1进一步包括:
步骤11:对待分割图像和模板图像分别进行去噪及边缘化处理;
步骤12:根据待分割图像的大小选择一个分数作为基数对图像进行切割,切割形成待分割图像的对比部分;
步骤13:根据待分割图像的对比部分及模板图像的大小均匀在该两幅图像边缘分别选取数量相同的像素特征点;
步骤14:判断所选择的像素特征点,如果选择均匀,则结束像素特征点的提取,如果不均匀,返回步骤13,重新提取像素特征点。
上述的方法步骤主要可以做到几方面的好处,第一,通过截取原图像的一部分与模板进行对比,可以很好的减少不必要的比较,从而提高时间效率。第二,根据图像具体的大小确定像素特征点的个数,这样就避免了千篇一律,可以很好的利用像素特征点进行更好的特征提取,同时根据不同弯曲程度对像素特征点的选取也采用不均匀的提取方法,这样也提高方法的效率。
本发明实施例的分割方法法主要是基于像素特征点的特征值的对比,两幅图像中每个像素点都有一个与其它像素点相关的特征值,首先设定一个误差值,通过对比两幅图像中的像素特征点的特征值,通过一系列的对比确定待分割图像的分割点位置较佳地,参考图3,具体地,上述步骤2进一步包括:
步骤21:设定对待分割图像的对比部分用于后续对比度初始分割大小的比例;
步骤22:计算每一幅图像中像素特征点的方差值;
步骤23:设定误差值,对比两幅图像中像素特征点的值;
步骤24:在误差范围之内的像素特征点则定位相似像素点,并记录下来;
步骤25:计算相似像素点的个数,计为两幅图像相似度分数;
步骤26:逐渐增加对待分割图像的对比部分的大小,重复步骤22~25,直到待分割图像扫描完成;
步骤27:寻找上述相似度分数最大的像素点作为切割点进行切割;
步骤28:重复上述步骤,直到待分割图像全部扫描完成。
在很多领域往往需要对图像进行分割,为后面特征提取等工作作出更多的支持,但是以前的一些方法在切割点方面都做的不好,特别是黏连部分的切割,更是会出现少切割或者过切割问题,本发明提供的这种方法可以根据特征值的对比,可以寻找一个相似度最大的像素点位置进行切割。
本发明的分割方法可以有效的抵抗噪音的干扰,对黏连部分可以进行有效的分割;依据特征值对比的方法,可以很好的避免基于跟踪分割方法中的迷路问题等;在分割过程中充分考虑了像素特征点选取的有效性以及像素特征点的特征值的提取方法,可以有效地提高时间效率,同时还可以对切割点的正确性提供更多的帮助;本方法可以对图像进行正确的分割,对后续的特征提取及特征分类工作作出很好的贡献。
与现有技术相比,本发明的基于模板匹配的图像分割方法,通过待分割图像和模板图像之间的对比确定待分割图像的分割点,可以解决以往分割方法中对分割位置确认错误、过切割和少切割等问题;通过根据图像具体的大小可以设置像素特征点的个数,这样可以提高参考像素点的有效性,进而提高分割的准确性。本发明的分割方法对手写单词到字母的分割有很好的效果,从而可以为图像后续特征提取等部分提供更好的支持,特别在黏连部分比较大的部分相比于轮廓跟踪等方法有更好的效果。
以上对本发明实施例所提供的基于模板匹配的图像分割方法,进行了详细介绍,本发明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 (3)
1.一种基于模板匹配的图像分割方法,其特征在于,包括以下步骤:
步骤1:在待分割图像要对比部分的边缘和模板图像的边缘分别提取相同数量的像素点作为像素特征点;
步骤2:分别对待分割图像要对比部分与模板图像计算每个像素特征点与同幅图像中的其他像素特征点之间角度的方差,对两幅图像中像素特征点的方差值进行对比,设定一误差值,若两个像素点之间的方差值误差在所述误差值之内则所述两个像素点相似,得到相似度的分割;
步骤3:逐渐增加待分割图像要对比部分的大小,重复步骤1及步骤2,直到整幅图像都被分割完成。
2.如权利要求1所述的基于模板匹配的图像分割方法,其特征在于,所述步骤1进一步包括:
步骤11:对待分割图像和模板图像分别进行去噪及边缘化处理;
步骤12:根据待分割图像的大小选择一个分数作为基数对图像进行切割,切割形成待分割图像的对比部分;
步骤13:根据待分割图像的对比部分及模板图像的大小均匀在该两幅图像边缘分别选取数量相同的像素特征点;
步骤14:判断所选择的像素特征点,如果选择均匀,则结束像素特征点的提取,如果不均匀,返回步骤13,重新提取像素特征点。
3.如权利要求1所述的基于模板匹配的图像分割方法,其特征在于,所述步骤2进一步包括:
步骤21:设定对待分割图像的对比部分用于后续对比度初始分割大小的比例;
步骤22:计算每一幅图像中像素特征点的方差值;
步骤23:设定误差值,对比两幅图像中像素特征点的值;
步骤24:在误差范围之内的像素特征点则定位相似像素点,并记录下来;
步骤25:计算相似像素点的个数,计为两幅图像相似度分数;
步骤26:逐渐增加对待分割图像的对比部分的大小,重复步骤22~25,直到待分割图像扫描完成;
步骤27:寻找上述相似度分数最大的像素点作为切割点进行切割;
步骤28:重复上述步骤,直到待分割图像全部扫描完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310141837.3A CN103236056B (zh) | 2013-04-22 | 2013-04-22 | 基于模板匹配的图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310141837.3A CN103236056B (zh) | 2013-04-22 | 2013-04-22 | 基于模板匹配的图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103236056A true CN103236056A (zh) | 2013-08-07 |
CN103236056B CN103236056B (zh) | 2016-05-25 |
Family
ID=48884095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310141837.3A Active CN103236056B (zh) | 2013-04-22 | 2013-04-22 | 基于模板匹配的图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103236056B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631449A (zh) * | 2015-12-21 | 2016-06-01 | 华为技术有限公司 | 一种图片分割方法、装置及设备 |
CN106204534A (zh) * | 2016-06-28 | 2016-12-07 | 西安理工大学 | 一种无需人工标记的印刷品图像特征区域自动提取方法 |
CN106815830A (zh) * | 2016-12-13 | 2017-06-09 | 中国科学院自动化研究所 | 图像的缺陷检测方法 |
CN107358636A (zh) * | 2017-06-16 | 2017-11-17 | 华南理工大学 | 一种基于纹理合成的疏松缺陷图像生成方法 |
CN109583368A (zh) * | 2018-11-28 | 2019-04-05 | 北京京东金融科技控股有限公司 | 特征比对方法及其系统、计算机系统及计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1562137A1 (en) * | 2004-02-04 | 2005-08-10 | Alcatel | Method for recognizing handwritings on a distributed computer system and corresponding client |
CN1711559A (zh) * | 2002-12-05 | 2005-12-21 | 精工爱普生株式会社 | 特征区域提取装置、特征区域提取方法和特征区域提取程序 |
-
2013
- 2013-04-22 CN CN201310141837.3A patent/CN103236056B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1711559A (zh) * | 2002-12-05 | 2005-12-21 | 精工爱普生株式会社 | 特征区域提取装置、特征区域提取方法和特征区域提取程序 |
EP1562137A1 (en) * | 2004-02-04 | 2005-08-10 | Alcatel | Method for recognizing handwritings on a distributed computer system and corresponding client |
Non-Patent Citations (3)
Title |
---|
JAKOB STERNBY等: "On-line Arabic handwriting recognition with templates", 《PATTERN RECONGNITION》 * |
杨梦宁等: "基于最大树法的模糊图像分割方法", 《计算机科学》 * |
王慧: "基于模板匹配的手写字符识别算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631449A (zh) * | 2015-12-21 | 2016-06-01 | 华为技术有限公司 | 一种图片分割方法、装置及设备 |
CN106204534A (zh) * | 2016-06-28 | 2016-12-07 | 西安理工大学 | 一种无需人工标记的印刷品图像特征区域自动提取方法 |
CN106204534B (zh) * | 2016-06-28 | 2019-02-26 | 西安理工大学 | 一种无需人工标记的印刷品图像特征区域自动提取方法 |
CN106815830A (zh) * | 2016-12-13 | 2017-06-09 | 中国科学院自动化研究所 | 图像的缺陷检测方法 |
CN106815830B (zh) * | 2016-12-13 | 2020-01-03 | 中国科学院自动化研究所 | 图像的缺陷检测方法 |
CN107358636A (zh) * | 2017-06-16 | 2017-11-17 | 华南理工大学 | 一种基于纹理合成的疏松缺陷图像生成方法 |
CN107358636B (zh) * | 2017-06-16 | 2020-04-28 | 华南理工大学 | 一种基于纹理合成的疏松缺陷图像生成方法 |
CN109583368A (zh) * | 2018-11-28 | 2019-04-05 | 北京京东金融科技控股有限公司 | 特征比对方法及其系统、计算机系统及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103236056B (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103971102B (zh) | 基于手指轮廓和决策树的静态手势识别方法 | |
CN103310196B (zh) | 感兴趣区域与方向元素的手指静脉识别方法 | |
CN106803253B (zh) | 一种三维岩石图像裂缝识别方法 | |
CN101770581B (zh) | 高分辨率城区遥感图像中道路中心线的半自动检测方法 | |
CN104537673B (zh) | 基于多阈值和自适应模糊聚类的红外图像分割方法 | |
CN107886529A (zh) | 一种用于三维重建的点云配准方法 | |
CN109191471A (zh) | 基于改进U-Net网络的胰腺细胞图像分割方法 | |
CN107153822A (zh) | 一种基于深度学习的半自动图像精标注方法 | |
CN103236056A (zh) | 基于模板匹配的图像分割方法 | |
CN107346550B (zh) | 一种针对具有颜色信息的三维点云数据快速配准方法 | |
CN109801318A (zh) | 一种快速物体匹配算法 | |
CN104573688A (zh) | 基于深度学习的移动平台烟草激光码智能识别方法及装置 | |
CN109993750A (zh) | 一种手腕骨的分割识别方法及系统、终端及可读存储介质 | |
CN105574527A (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN101763500A (zh) | 应用于高自由度手掌图像中掌形提取和特征定位的方法 | |
CN104899851A (zh) | 一种分割肺结节图像的方法 | |
CN110189408B (zh) | 一种根据人体照片得到人体外表数据的系统及方法 | |
CN104867137A (zh) | 一种基于改进ransac算法的图像配准方法 | |
CN103839274B (zh) | 一种基于几何比例关系的扩展目标跟踪方法 | |
CN104392229A (zh) | 基于笔画片段方向分布特征的笔迹识别方法 | |
CN104834459A (zh) | 使用特征检测和语义标注来提供绘图辅助 | |
CN103854290A (zh) | 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法 | |
Chen et al. | An improved topology extraction approach for vectorization of sketchy line drawings | |
CN102930538A (zh) | 高斯势与空间直方图融合的自适应图像分割方法 | |
CN105069742B (zh) | 一种基于书写特征编辑的软笔汉字变换方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Luo Xiaonan Inventor after: Xu Songhua Inventor after: Wang Yusong Inventor after: Lin Mouguang Inventor before: Luo Xiaonan Inventor before: Wang Yusong Inventor before: Lin Mouguang |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: LUO XIAONAN WANG YUSONG LIN MOUGUANG TO: LUO XIAONAN XU SONGHUA WANG YUSONG LIN MOUGUANG |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |