CN103426157B - 图像有效区域的扫描方法及装置 - Google Patents
图像有效区域的扫描方法及装置 Download PDFInfo
- Publication number
- CN103426157B CN103426157B CN201210153097.0A CN201210153097A CN103426157B CN 103426157 B CN103426157 B CN 103426157B CN 201210153097 A CN201210153097 A CN 201210153097A CN 103426157 B CN103426157 B CN 103426157B
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate
- extreme point
- edge
- vertical direction
- 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.)
- Expired - Fee Related
Links
Abstract
本发明提出的图像有效区域的扫描方法,包括步骤S1,获取一幅待搜索图像;S2、通过垂直搜索算法获得待搜索图像的垂直方向边缘坐标;S3、通过水平搜索算法获得待搜索图像的水平方向边缘坐标;S4、将垂直方向边缘坐标所在的行和水平方向边缘坐标所在的列所围成的区域确定为图像有效区域。本发明采用流水线处理方式,利于嵌入式环境实现,采用的垂直/水平搜索算法具有滤波效应,对于图像边缘噪声具有低通作用,避免噪声造成的边缘误判,同时本发明可以直接用于Bayer RGB图像,减低计算复杂度。
Description
技术领域
本发明涉及图像处理领域,尤其涉及传感器输出图像中的图像有效区域的扫描方法及装置。
背景技术
在使用光学指纹传感器采集指纹图像时,已有的图像处理算法默认有效图像区域位于采集图像的正中,进而对中央区域进行处理,但由于光路的偏移,造成CMOS获取的图像中有效区域产生相应的偏移,此时中央区域只包含部分的有效指纹,甚至完全不包含有效指纹,同时会引入无效区域的噪声,最终影响后续算法的效果。
光学指纹传感器输出图像具有图一描述特征:区域1为图像有效区域;区域2、3为传感器外壳内侧反光造成,区域4、5纹理由传感器漏光造成,区域6为背景区域。图像处理算法在获取图像后默认对标注为1的有效区域进行处理,如图1中实线正方形区域所示。但由于光路的偏移,造成有效区域的移动,若仍把图像的中心区域作为有效区域进行处理,势必造成后续处理的失败,如图2所示,因此为了保证更后续处理的成功,需要先对有效图像区域进行判定。
图像有效区域的判定建立在图像有效区域边缘的搜索算法上。图像有效区域边缘属于阶跃边缘,边缘两侧象素值突变。为搜索此类边缘,最常见办法为对图像求一阶或二阶导数,对图像象素一阶导数极值点或二阶导数零点判为图像边缘。此类微分算子有Sobel算子,Robert算子,Prewitt算子,Laplacian算子,Canny算子。为避免搜索出的边缘范围过宽,专利申请号为01106756.x,专利名称为一种检测图像边缘的独立边界自增强方法的发明专利,提出了一种随机启发搜索,该算法的搜索起始点和终止点随机,搜索结果多次累加,最后形成边缘。
然而现有的边缘搜索方法,会遇到以下几个问题:
1、传感器按行依次输出图像,如果对图像求一阶或二阶导数,势必要求对图像进行存储,存储量视运算模板大小而定。如,使用3×3大小的模板,相应的图像也至少需要提前存储三行。针对Laplacian这样的二阶算子,由于其对噪声敏感,卷积前需要对图像进行平滑处理,图像的存储空间将进一步增加。
2、随机启发搜索由于起始点和终止点随机,需要反复累计搜索结果,运算量大,且需要全图存储,不适合AISC实现。
3、传感器CMOS输出图像格式为Bayer RGB,现有的边缘检测技术针对灰度图像设计,需要对BayerRGB格式的图像进行灰度转换,通过转换公式得到灰度图像。此转换也会带来额外的计算量。
发明内容
为了解决上述技术问题,本发明提出一种图像有效区域的扫描方法,包括如下步骤:
S1,获取一幅待搜索图像;
S2、通过垂直搜索算法获得待搜索图像的垂直方向边缘坐标;
S3、通过水平搜索算法获得待搜索图像的水平方向边缘坐标;
S4、将垂直方向边缘坐标所在的行和水平方向边缘坐标所在的列所围成的区域确定为图像有效区域。
所述垂直搜索算法包括如下步骤:
S201、在一幅待搜索图像中选取n列图像灰度值,xni为图像选择列n的灰度值,其中0<i<h图像高,且i为偶数;
S202、选取垂直相关系数ωp=[-1,-1,1,1];
S203、n列图像灰度值xni分别与系数ωp进行垂直滑动相关计算,公式为:其中yni为第n列垂直滑动相关计算结果;
S204、获得第n列图像垂直滑动相关计算结果yni的极值点;
S205、根据n列图像的垂直滑动相关计算结果yni的极值点对应的图像坐标计算图像垂直方向边缘坐标。
步骤S201中n列图像为待搜索图像宽度的n+1等分点所在的图像列;步骤S204中,yni的极值点包括垂直方向上边缘极值点和垂直方向下边缘极值点;所述步骤S205中,yni的极值点对应的图像坐标包括垂直方向上边缘极值点坐标和垂直方向下边缘极值点坐标;图像垂直方向边缘坐标包括垂直方向上边缘坐标和垂直方向下边缘坐标;所述步骤S205中,垂直方向上边缘坐标或垂直方向下边缘坐标可以通过对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别求平均值得到,或者通过分别计算n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标的中值得到,或者通过先对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别计算标准差,淘汰标准差最大的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标,并对剩下的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标计算算术平均值得到。
所述水平搜索算法包括如下步骤:
S301、在待搜索图像中选取m行图像灰度值,xmj为图像选择行m的灰度值,其中0<j<w图像宽,且j为偶数;
S302、选取水平相关系数ωq=[-1,-1,-1,-1,1,1,1,1];
S303、m行图像灰度值xmj分别与系数ωq进行水平滑动相关计算,公式为:其中ymj为第m行水平滑动相关计算结果;
S304、获得第m行图像水平滑动相关计算结果ymj的极值点;
S305、根据m行图像的水平滑动相关计算结果ymj的极值点对应的图像坐标计算图像水平方向边缘坐标。
步骤S301中,m行图像是步骤S2中得到的垂直方向边缘坐标纵向距离的m+1等分点所在的图像行;所述步骤S304中,ymj的极值点包括水平方向左边缘极值点和水平方向右边缘极值点,步骤S305中ymj的极值点对应的图像坐标包括水平方向左边缘极值点坐标和水平方向右边缘极值点坐标;图像水平方向边缘坐标包括水平方向左边缘坐标和水平方向右边缘坐标;步骤S305中,水平方向左边缘坐标或水平方向右边缘坐标可以通过对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别求平均值得到,或者通过分别计算m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标的中值得到,或者通过先对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别计算标准差,淘汰标准差最大的水平方向左边缘极值点或水平方向右边缘极值点坐标,并对剩下的水平方向左边缘极值点坐标和水平方向右边缘极值点坐标计算算术平均值得到。
本发明还包括一种图像有效区域的扫描装置,包括:
待搜索图像获取装置,用于获取一幅待搜索图像;
垂直方向边缘坐标获取装置,与待搜索图像获取装置相连,用于通过垂直搜索算法获得待搜索图像的垂直方向边缘坐标;
水平方向边缘坐标获取装置,与待搜索图像获取装置相连,用于通过水平搜索算法获得待搜索图像的水平方向边缘坐标;
图像有效区域确定装置,与垂直方向边缘坐标获取装置和水平方向边缘坐标获取装置相连,用于将垂直方向边缘坐标所在的行和水平方向边缘坐标所在的列所围成的区域确定为图像有效区域。
所述垂直搜索算法包括如下步骤:
A1、在待搜索图像中选取n列图像灰度值,xni为图像选择列n的灰度值,其中0<i<h图像高,且i为偶数;
A2、选取垂直相关系数ωp=[-1,-1,1,1];
A3、n列图像灰度值xni分别与系数ωp进行垂直滑动相关计算,公式为:其中yni为第n列垂直滑动相关计算结果;
A4、获得第n列图像垂直滑动相关计算结果yni的极值点;
A5、根据n列图像的垂直滑动相关计算结果yni的极值点对应的图像坐标计算图像垂直方向边缘坐标。
步骤A1中n列图像为待搜索图像宽度的n+1等分点所在的图像列;步骤A4中,yni的极值点包括垂直方向上边缘极值点和垂直方向下边缘极值点;所述步骤A5中,yni的极值点对应的图像坐标包括垂直方向上边缘极值点坐标和垂直方向下边缘极值点坐标;图像垂直方向边缘坐标包括垂直方向上边缘坐标和垂直方向下边缘坐标;所述步骤A5中,垂直方向上边缘坐标或垂直方向下边缘坐标可以通过对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别求平均值得到,或者通过分别计算n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标的中值得到,或者通过先对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别计算标准差,淘汰标准差最大的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标,并对剩下的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标计算算术平均值得到。
所述水平搜索算法包括如下步骤:
B1、在待搜索图像中选取m行图像灰度值,xmj为图像选择行m的灰度值,其中0<j<w图像宽,且j为偶数;
B2、选取水平相关系数ωq=[-1,-1,-1,-1,1,1,1,1];
B3、m行图像灰度值xmj分别与系数ωq进行水平滑动相关计算,公式为:其中ymj为第m行水平滑动相关计算结果;
B4、获得第m行图像水平滑动相关计算结果ymj的极值点;
B5、根据m行图像的水平滑动相关计算结果ymj的极值点对应的图像坐标计算图像水平方向边缘坐标。
步骤B1中,m行图像是垂直方向边缘坐标获取装置中得到的垂直方向边缘坐标纵向距离的m+1等分点所在的图像行;所述步骤B4中,ymj的极值点包括水平方向左边缘极值点和水平方向右边缘极值点,步骤B5中ymj的极值点对应的图像坐标包括水平方向左边缘极值点坐标和水平方向右边缘极值点坐标;图像水平方向边缘坐标包括水平方向左边缘坐标和水平方向右边缘坐标;步骤B5中,水平方向左边缘坐标或水平方向右边缘坐标可以通过对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别求平均值得到,或者通过分别计算m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标的中值得到,或者通过先对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别计算标准差,淘汰标准差最大的水平方向左边缘极值点或水平方向右边缘极值点坐标,并对剩下的水平方向左边缘极值点坐标和水平方向右边缘极值点坐标计算算术平均值得到。
本发明提供的图像有效区域扫描方法及装置具有如下三点技术优势:
1、采用流水线处理方式,不需要预存多行多列图像数据,节省存储空间,利于嵌入式环境实现。
2、垂直/水平搜索算法具有滤波效应,对于图像边缘噪声具有低通作用,避免噪声造成的边缘误判。
3、直接用于Bayer RGB图像,不需要预先把图像转化为灰度图像,减低计算复杂度。
附图说明
图1是光学指纹传感器输出图像有效区域无偏移时的图像;
图2是光学指纹传感器输出图像有效区域有偏移时的图像;
图3是本发明的流程图;
图4是本发明具体实施例中图像垂直方向边缘搜索的示意图;
图5为本发明具体实施例中图像垂直方向边缘搜索对选定列的垂直滑动相关计算示意图,其中图5a为选定列的灰度剖面图,图5b为图5a的灰度剖面图的垂直滑动相关计算结果示意图;
图6是本发明具体实施例中图像水平方向边缘搜索的示意图;
图7为本发明具体实施例中图像水平方向边缘搜索对选定行的水平滑动相关计算示意图,其中图7a为选定行的灰度剖面图,图7b为对图7a的灰度剖面图的水平滑动相关计算结果示意图。
图8是本发明图像有效区域扫描装置的连接示意图。
具体实施方式
本方案解决由于光学指纹传感器光路偏移造成的输出图像有效区域偏移的问题。
本方案通过确定图像有效区域1的上下左右四条边缘进而确定偏移后的有效区域。由于有效图像的上下边缘和左右边缘的形成机理不同,针对上下边缘和左右边缘的搜索需分别进行。
光学传感器在其可接受的曝光参数范围内获得的图像边缘清晰度有所差异,因此为了寻找最清晰的图像边缘,本方法以光学传感器采集图像最清晰时的曝光参数为基础,对此图像进行垂直或水平边缘搜索。
下面结合附图对本发明做进一步的详细描述,流程如图3所示:
S1,获取一幅待搜索图像。
本实施例中,采用光学传感器采集一幅图像作为待搜索图像。
S2,通过垂直搜索算法获得垂直待搜索图像的垂直方向边缘坐标。
垂直搜索算法包括如下步骤:
S201、在待搜索图像中选取n列图像灰度值,xni为图像选择的第n列第i行的图像灰度值。n列图像为采集图像宽度的n+1等分点所在的图像列,n的值是根据经验值选取,例如图4中选取了采集图像宽度的4等分点的3列图像。由于光学传感器采集图像为RGB图像,为了避免RGB图像到灰度图像的转换,i的值需要间隔偶数行选取,即0<i<h图像高,且i为偶数。
S202、选取垂直相关系数ωp=[-1,-1,1,1]。
S203、n列图像灰度值xni分别与系数ωp进行垂直滑动相关计算,公式为:
其中yni为第n列图像的第i行的垂直滑动相关计算结果。
图5为图像垂直方向边缘搜索对选定列的垂直滑动相关计算示意图,其中图5a为选定列的灰度剖面图,图5b为图5a的灰度剖面图的垂直滑动相关计算结果示意图。
S204、获得第n列图像垂直滑动相关计算结果yni的极值点
在第n列图像所得的垂直滑动相关计算结果yni中,挑选出yni的最大值或最小值分别作为该列图像的垂直方向上边缘极值或垂直方向下边缘极值(最大值或最小值分别对应的是上边缘还是下边缘是由采集图像是亮背景还是暗背景来确定的),其分别对应的图像坐标包括垂直方向上边缘极值点坐标Ytop_n和垂直方向下边缘极值点坐标Ybot_n。
由此可得,3列图像的灰度值x1i、x2i、x3i分别与垂直相关系数ωp进行垂直滑动相关计算,其垂直滑动相关计算结果极值点对应的坐标包括:垂直方向上边缘极值点坐标Ytop_1、Ytop_2、Ytop_3和垂直方向下边缘极值点坐标Ybot_1、Ybot_2、Ybot_3。
S205、根据n列图像的垂直滑动相关计算结果的垂直方向边缘极值点坐标计算图像垂直方向边缘坐标。
图像垂直方向边缘坐标包括垂直方向上边缘坐标Ytop和垂直方向下边缘坐标Ybot,且图像垂直方向上下边缘坐标可以通过对n个垂直方向上边缘极值点坐标和n个垂直方向下边缘极值点坐标分别求平均值得到。
例如均值计算方法的公式为:
本具体实施方式中选用3列图像灰度值进行垂直滑动相关计算,因此根据公式(2)可以得到图像垂直方向上边缘坐标图像垂直方向下边缘坐标
另外还可以先对垂直方向上/下边缘极值点坐标分别计算标准差,淘汰标准差结果最大的垂直方向上/下边缘极值点坐标,并对剩下的垂直方向上边缘极值点坐标和垂直方向上下边缘极值点坐标计算算术平均值得到。或者通过分别计算n个垂直方向上边缘极值点坐标和n个垂直方向下边缘极值点坐标的中值得到。
上述计算标准差以及中值计算方法均是本领域技术人员的惯用计算方法,此处不做详述。
S3、通过水平搜索算法获得待搜索图像的水平方向边缘坐标。
水平搜索算法包括如下步骤:
S301,在该图像中选取m行图像灰度值,xmj为图像选择的第m行第j列的图像灰度值。m行图像是步骤S2中得到的垂直方向边缘坐标纵向距离的m+1等分点所在的图像行,m是根据经验值选取,例如本实施例中图6所示,选取了步骤S1得到的垂直方向边缘坐标Ymax_top和Ymax_bot的纵向距离的10等分点的9行图像。由于光学传感器为RGB图像,为了避免RGB图像到灰度图像的转换,j的值需要间隔偶数行选取,即0<j<w图像宽,且j为偶数。
S302,选取水平相关系数ωq=[-1,-1,-1,-1,1,1,1,1]。
S303,m行图像灰度值xmj分别与系数ωq进行水平滑动相关计算,公式如下:
其中ymj为第m行图像的第j列的水平滑动相关计算结果。
图7为图像水平方向边缘搜索对选定行的水平滑动相关计算示意图,其中图7a为选定行的灰度剖面图,图7b为图7a的灰度剖面图的水平滑动相关计算结果示意图。
S304,获得第m行图像水平滑动相关计算结果ymj的极值点。
在第m行图像所得的水平滑动相关计算结果ymj中,挑选出ymj的最大值或最小值分别作为该行图像的水平方向左边缘极值和水平方向右边缘极值(最大值或最小值分别对应的是左边缘还是右边缘是由采集图像是亮背景还是暗背景来确定的),其分别对应的图像坐标包括水平方向左边缘极值点坐标Yleft_m和水平方向右边缘极值点坐标Yright_m。
具体的,9行图像的灰度值x1j、x2j……x9j分别与水平相关系数ωq进行水平滑动相关计算,其水平滑动相关计算结果极值点对应的坐标包括:水平方向左边缘极值点坐标Yleft_1、Yleft_2……Yleft_9和水平方向右边缘极值点坐标Yright_1、Yright_2……Yright_9。
S305、根据m行图像的水平滑动相关计算结果的水平方向边缘极值点坐标计算图像水平方向边缘坐标。
图像水平方向边缘坐标包括水平方向左边缘坐标Yleft和水平方向右边缘坐标Yright,且图像水平方向左右边缘坐标可以通过对m个水平方向左边缘极值点坐标和m个水平方向右边缘极值点坐标分别求平均值得到。
例如均值计算方法的公式为:
本具体实施方式中选用9行图像灰度值进行水平滑动相关计算,因此根据公式(4)可以得到,图像的水平方向左边缘坐标图像的水平方向右边缘坐标
另外还可以先对水平方向左右边缘极值点坐标分别计算标准差,淘汰标准差结果最大的水平方向左右边缘极值点坐标,再对剩下的水平方向左边缘极值点坐标和水平方向右边缘极值点坐标计算算术平均值得到。或者通过分别计算m个水平方向左边缘极值点坐标和m个水平方向右边缘极值点坐标的中值得到。
上述计算标准差以及中值计算方法均是本领域技术人员的惯用计算方法,此处不做详述。
S4、根据垂直方向边缘坐标和水平方向边缘坐标确定图像有效区域。
图像有效区域是由垂直方向上边缘坐标Ytop和垂直方向下边缘坐标Ybot所在的行,以及水平方向左边缘坐标Yleft和水平方向右边缘坐标Yright所在的列,这四条边缘所围成的区域。
如图8所示,本发明还包括一种图像有效区域的扫描装置,包括:
待搜索图像获取装置,用于获取一幅待搜索图像;
垂直方向边缘坐标获取装置,与待搜索图像获取装置相连,用于通过垂直搜索算法获得待搜索图像的垂直方向边缘坐标;
水平方向边缘坐标获取装置,与待搜索图像获取装置相连,用于通过水平搜索算法获得待搜索图像的水平方向边缘坐标;
图像有效区域确定装置,与垂直方向边缘坐标获取装置和水平方向边缘坐标获取装置相连,用于将垂直方向边缘坐标所在的行和水平方向边缘坐标所在的列所围成的区域确定为图像有效区域。
所述垂直搜索算法包括如下步骤:
A1、在待搜索图像中选取n列图像灰度值,xni为图像选择列n的灰度值,其中0<i<h图像高,且i为偶数;
A2、选取垂直相关系数ωp=[-1,-1,1,1];
A3、n列图像灰度值xni分别与系数ωp进行垂直滑动相关计算,公式为:其中yni为第n列垂直滑动相关计算结果;
A4、获得第n列图像垂直滑动相关计算结果yni的极值点;
A5、根据n列图像的垂直滑动相关计算结果yni的极值点对应的图像坐标计算图像垂直方向边缘坐标。
步骤A1中n列图像为待搜索图像宽度的n+1等分点所在的图像列;步骤A4中,yni的极值点包括垂直方向上边缘极值点和垂直方向下边缘极值点;所述步骤A5中,yni的极值点对应的图像坐标包括垂直方向上边缘极值点坐标和垂直方向下边缘极值点坐标;图像垂直方向边缘坐标包括垂直方向上边缘坐标和垂直方向下边缘坐标;所述步骤A5中,垂直方向上边缘坐标或垂直方向下边缘坐标可以通过对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别求平均值得到,或者通过分别计算n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标的中值得到,或者通过先对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别计算标准差,淘汰标准差最大的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标,并对剩下的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标计算算术平均值得到。
所述水平搜索算法包括如下步骤:
B1、在待搜索图像中选取m行图像灰度值,xmj为图像选择行m的灰度值,其中0<j<w图像宽,且j为偶数;
B2、选取水平相关系数ωq=[-1,-1,-1,-1,1,1,1,1];
B3、m行图像灰度值xmj分别与系数ωq进行水平滑动相关计算,公式为:其中ymj为第m行水平滑动相关计算结果;
B4、获得第m行图像水平滑动相关计算结果ymj的极值点;
B5、根据m行图像的水平滑动相关计算结果ymj的极值点对应的图像坐标计算图像水平方向边缘坐标。
步骤B1中,m行图像是垂直方向边缘坐标获取装置中得到的垂直方向边缘坐标纵向距离的m+1等分点所在的图像行;所述步骤B4中,ymj的极值点包括水平方向左边缘极值点和水平方向右边缘极值点,步骤B5中ymj的极值点对应的图像坐标包括水平方向左边缘极值点坐标和水平方向右边缘极值点坐标;图像水平方向边缘坐标包括水平方向左边缘坐标和水平方向右边缘坐标;步骤B5中,水平方向左边缘坐标或水平方向右边缘坐标可以通过对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别求平均值得到,或者通过分别计算m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标的中值得到,或者通过先对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别计算标准差,淘汰标准差最大的水平方向左边缘极值点或水平方向右边缘极值点坐标,并对剩下的水平方向左边缘极值点坐标和水平方向右边缘极值点坐标计算算术平均值得到。
本领域的技术人员在不脱离权利要求书确定的本发明的精神和范围的条件下,还可以对以上内容进行各种各样的修改。因此本发明的范围并不仅限于以上的说明,而是由权利要求书的范围来确定的。
Claims (6)
1.图像有效区域的扫描方法,其特征在于,包括如下步骤:
S1、获取一幅待搜索图像;
S2、通过垂直搜索算法获得待搜索图像的垂直方向边缘坐标;
所述垂直搜索算法包括如下步骤:
S201、在一幅待搜索图像中选取n列图像灰度值,xni为图像选择列n的灰度值,其中0<i<h图像高,且i为偶数;
S202、选取垂直相关系数ωp=[-1,-1,1,1];
S203、n列图像灰度值xni分别与系数ωp进行垂直滑动相关计算,公式为其中yni为第n列垂直滑动相关计算结果;
S204、获得第n列图像垂直滑动相关计算结果yni的极值点;
S205、根据n列图像的垂直滑动相关计算结果yni的极值点对应的图像坐标计算图像垂直方向边缘坐标;
S3、通过水平搜索算法获得待搜索图像的水平方向边缘坐标;
所述水平搜索算法包括如下步骤:
S301、在待搜索图像中选取m行图像灰度值,xmj为图像选择行m的灰度值,其中0<j<w图像宽,且j为偶数;
S302、选取水平相关系数ωq=[-1,-1,-1,-1,1,1,1,1];
S303、m行图像灰度值xmj分别与系数ωq进行水平滑动相关计算,公式为:其中ymj为第m行水平滑动相关计算结果;
S304、获得第m行图像水平滑动相关计算结果ymj的极值点;
S305、根据m行图像的水平滑动相关计算结果ymj的极值点对应的图像坐标计算图像水平方向边缘坐标;
S4、将垂直方向边缘坐标所在的行和水平方向边缘坐标所在的列所围成的区域确定为图像有效区域。
2.根据权利要求1所述的图像有效区域的扫描方法,其特征在于,步骤S201中n列图像为待搜索图像宽度的n+1等分点所在的图像列;步骤S204中,yni的极值点包括垂直方向上边缘极值点和垂直方向下边缘极值点;所述步骤S205中,yni的极值点对应的图像坐标包括垂直方向上边缘极值点坐标和垂直方向下边缘极值点坐标;图像垂直方向边缘坐标包括垂直方向上边缘坐标和垂直方向下边缘坐标;所述步骤S205中,垂直方向上边缘坐标或垂直方向下边缘坐标可以通过对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别求平均值得到,或者通过分别计算n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标的中值得到,或者通过先对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别计算标准差,淘汰标准差最大的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标,并对剩下的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标计算算术平均值得到。
3.根据权利要求1所述的图像有效区域的扫描方法,其特征在于,步骤S301中,m行图像是步骤S2中得到的垂直方向边缘坐标纵向距离的m+1等分点所在的图像行;所述步骤S304中,ymj的极值点包括水平方向左边缘极值点和水平方向右边缘极值点,步骤S305中ymj的极值点对应的图像坐标包括水平方向左边缘极值点坐标和水平方向右边缘极值点坐标;图像水平方向边缘坐标包括水平方向左边缘坐标和水平方向右边缘坐标;步骤S305中,水平方向左边缘坐标或水平方向右边缘坐标可以通过对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别求平均值得到,或者通过分别计算m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标的中值得到,或者通过先对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别计算标准差,淘汰标准差最大的水平方向左边缘极值点或水平方向右边缘极值点坐标,并对剩下的水平方向左边缘极值点坐标和水平方向右边缘极值点坐标计算算术平均值得到。
4.图像有效区域的扫描装置,其特征在于,包括:
待搜索图像获取装置,用于获取一幅待搜索图像;
垂直方向边缘坐标获取装置,与待搜索图像获取装置相连,用于通过垂直搜索算法获得待搜索图像的垂直方向边缘坐标;
所述垂直搜索算法包括如下步骤:
A1、在待搜索图像中选取n列图像灰度值,xni为图像选择列n的灰度值,其中0<i<h图像高,且i为偶数;
A2、选取垂直相关系数ωp=[-1,-1,1,1];
A3、n列图像灰度值xni分别与系数ωp进行垂直滑动相关计算,公式为:其中yni为第n列垂直滑动相关计算结果;
A4、获得第n列图像垂直滑动相关计算结果yni的极值点;
A5、根据n列图像的垂直滑动相关计算结果yni的极值点对应的图像坐标计算图像垂直方向边缘坐标;
水平方向边缘坐标获取装置,与待搜索图像获取装置相连,用于通过水平搜索算法获得待搜索图像的水平方向边缘坐标;
所述水平搜索算法包括如下步骤:
B1、在待搜索图像中选取m行图像灰度值,xmj为图像选择行m的灰度值,其中0<j<w图像宽,且j为偶数;
B2、选取水平相关系数ωq=[-1,-1,-1,-1,1,1,1,1];
B3、m行图像灰度值xmj分别与系数ωq进行水平滑动相关计算,公式为:其中ymj为第m行水平滑动相关计算结果;
B4、获得第m行图像水平滑动相关计算结果ymj的极值点;
B5、根据m行图像的水平滑动相关计算结果ymj的极值点对应的图像坐标计算图像水平方向边缘坐标;
图像有效区域确定装置,与垂直方向边缘坐标获取装置和水平方向边缘坐标获取装置相连,用于将垂直方向边缘坐标所在的行和水平方向边缘坐标所在的列所围成的区域确定为图像有效区域。
5.根据权利要求4所述的图像有效区域的扫描装置,其特征在于,步骤A1中n列图像为待搜索图像宽度的n+1等分点所在的图像列;步骤A4中,yni的极值点包括垂直方向上边缘极值点和垂直方向下边缘极值点;所述步骤A5中,yni的极值点对应的图像坐标包括垂直方向上边缘极值点坐标和垂直方向下边缘极值点坐标;图像垂直方向边缘坐标包括垂直方向上边缘坐标和垂直方向下边缘坐标;所述步骤A5中,垂直方向上边缘坐标或垂直方向下边缘坐标可以通过对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别求平均值得到,或者通过分别计算n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标的中值得到,或者通过先对n个垂直方向上边缘极值点坐标或n个垂直方向下边缘极值点坐标分别计算标准差,淘汰标准差最大的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标,并对剩下的垂直方向上边缘极值点坐标或垂直方向下边缘极值点坐标计算算术平均值得到。
6.根据权利要求4所述的图像有效区域的扫描装置,其特征在于,步骤B1中,m行图像是垂直方向边缘坐标获取装置中得到的垂直方向边缘坐标纵向距离的m+1等分点所在的图像行;所述步骤B4中,ymj的极值点包括水平方向左边缘极值点和水平方向右边缘极值点,步骤B5中ymj的极值点对应的图像坐标包括水平方向左边缘极值点坐标和水平方向右边缘极值点坐标;图像水平方向边缘坐标包括水平方向左边缘坐标和水平方向右边缘坐标;步骤B5中,水平方向左边缘坐标或水平方向右边缘坐标可以通过对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别求平均值得到,或者通过分别计算m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标的中值得到,或者通过先对m个水平方向左边缘极值点坐标或m个水平方向右边缘极值点坐标分别计算标准差,淘汰标准差最大的水平方向左边缘极值点或水平方向右边缘极值点坐标,并对剩下的水平方向左边缘极值点坐标和水平方向右边缘极值点坐标计算算术平均值得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210153097.0A CN103426157B (zh) | 2012-05-17 | 2012-05-17 | 图像有效区域的扫描方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210153097.0A CN103426157B (zh) | 2012-05-17 | 2012-05-17 | 图像有效区域的扫描方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103426157A CN103426157A (zh) | 2013-12-04 |
CN103426157B true CN103426157B (zh) | 2016-08-31 |
Family
ID=49650851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210153097.0A Expired - Fee Related CN103426157B (zh) | 2012-05-17 | 2012-05-17 | 图像有效区域的扫描方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103426157B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960184B (zh) * | 2017-03-08 | 2020-03-31 | 南昌航空大学 | 一种书本边框的图像定位方法 |
CN110988888B (zh) * | 2019-11-08 | 2021-10-29 | 中科长城海洋信息系统有限公司 | 海底信息的获取方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5995661A (en) * | 1997-10-08 | 1999-11-30 | Hewlett-Packard Company | Image boundary detection for a scanned image |
CN1595425A (zh) * | 2004-07-13 | 2005-03-16 | 清华大学 | 指纹多特征识别方法 |
JP2011071596A (ja) * | 2009-09-24 | 2011-04-07 | Toshiba Corp | 画像処理装置 |
CN102054169A (zh) * | 2010-12-28 | 2011-05-11 | 青岛海信网络科技股份有限公司 | 车牌定位方法 |
CN102254159A (zh) * | 2011-07-07 | 2011-11-23 | 清华大学深圳研究生院 | 一种数显仪表判读方法 |
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040218790A1 (en) * | 2003-05-02 | 2004-11-04 | Ping Lo Peter Zhen | Print segmentation system and method |
JP2010004111A (ja) * | 2008-06-18 | 2010-01-07 | Nec Electronics Corp | 画像処理装置および画像処理方法並びにプログラム |
-
2012
- 2012-05-17 CN CN201210153097.0A patent/CN103426157B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5995661A (en) * | 1997-10-08 | 1999-11-30 | Hewlett-Packard Company | Image boundary detection for a scanned image |
CN1595425A (zh) * | 2004-07-13 | 2005-03-16 | 清华大学 | 指纹多特征识别方法 |
JP2011071596A (ja) * | 2009-09-24 | 2011-04-07 | Toshiba Corp | 画像処理装置 |
CN102054169A (zh) * | 2010-12-28 | 2011-05-11 | 青岛海信网络科技股份有限公司 | 车牌定位方法 |
CN102254159A (zh) * | 2011-07-07 | 2011-11-23 | 清华大学深圳研究生院 | 一种数显仪表判读方法 |
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
Non-Patent Citations (2)
Title |
---|
一种新的纹理分析算法在目标探测中的应用;姚军 等;《计算机工程与应用》;20080711;第44卷(第20期);178-180,211 * |
基于Sobel与中位扫描线的车牌定位算法的研究;蒋德荣;《江西科技学院学报》;20120615(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103426157A (zh) | 2013-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408460B (zh) | 一种车道线检测及跟踪检测方法 | |
CN106920245B (zh) | 一种边界检测的方法及装置 | |
CN105158258A (zh) | 一种基于计算机视觉的竹条表面缺陷检测方法 | |
CN108009591A (zh) | 一种基于深度学习的接触网关键部件识别方法 | |
CN103177451B (zh) | 基于图像边缘的自适应窗口和权重的立体匹配算法 | |
RU2012145612A (ru) | Устройство обработки изображения и способ управления устройством обработки изображения | |
CN112164048B (zh) | 一种基于深度学习的磁瓦表面缺陷自动检测方法和装置 | |
CN102750705A (zh) | 基于图像融合的光学遥感图像变化检测 | |
CN111062331B (zh) | 图像的马赛克检测方法、装置、电子设备及存储介质 | |
CN104637067A (zh) | 一种纹理表面的缺陷检测方法 | |
CN107305695A (zh) | 一种图像自动坏点校正装置及方法 | |
EP3014574B1 (en) | Method and apparatus for specific image detection | |
CN103426157B (zh) | 图像有效区域的扫描方法及装置 | |
CN107423709A (zh) | 一种融合可见光与远红外线的目标检测方法 | |
CN109682820A (zh) | 一种显示屏的缺陷自动光学检测方法 | |
CN104361571B (zh) | 基于边缘信息和支持度变换的红外与微光图像融合方法 | |
CN106709952A (zh) | 一种显示屏幕的自动标定方法 | |
JP2013081171A (ja) | デジタル白黒画像の不良画素の輝度補正のための方法 | |
CN101872421B (zh) | 基于机器视觉的比色法色彩特征向量自动提取方法 | |
CN103489192B (zh) | 一种拟南芥叶片个数及叶片尖点到质心的距离的检测方法 | |
CN103591887B (zh) | 一种拟南芥区域表型的检测方法 | |
CN101286232A (zh) | 一种高精度亚像元图像的配准方法 | |
CN108428218A (zh) | 一种去除牛顿光晕的图片处理方法 | |
CN202748806U (zh) | 一种基于图像灰度信息进行手指检测实现架构 | |
CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160831 Termination date: 20200517 |
|
CF01 | Termination of patent right due to non-payment of annual fee |