CN103577824A - 一种提取目标图像的方法及装置 - Google Patents
一种提取目标图像的方法及装置 Download PDFInfo
- Publication number
- CN103577824A CN103577824A CN201210258829.2A CN201210258829A CN103577824A CN 103577824 A CN103577824 A CN 103577824A CN 201210258829 A CN201210258829 A CN 201210258829A CN 103577824 A CN103577824 A CN 103577824A
- Authority
- CN
- China
- Prior art keywords
- pixel
- searched
- entropy
- region
- macroblock
- 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
本发明公开了一种提取目标图像的方法及装置,用以解决现有技术中提取目标图像的准确性较低的问题。该方法确定待搜索区域后,确定待搜索区域中每个像素点的边缘强度和边缘方向,据此确定待搜索区域中的有效边缘像素点,将待搜索区域划分为若干个像素宏块,根据每个像素宏块中包含的有效边缘像素点的个数以及边缘方向,确定每个像素宏块的熵值,据此在待搜索区域中确定由若干个像素宏块构成的连通域,在确定的连通域中提取目标图像。由于目标图像与周围其他图像的形状复杂度差异较大,而像素宏块的熵值可以反映出该像素宏块中图像的形状复杂度,因此根据各像素宏块的熵值确定连通域,并在连通域中提取目标图像,可以提高提取目标图像的准确性。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种提取目标图像的方法及装置。
背景技术
目前,在输入图像中提取目标图像的技术已经成为视频监控等领域中必不可少的核心技术。
例如,在智能交通领域中,对车辆进行图像采集后,通常提取采集的图像中包含的车牌的图像。此时,对车辆采集的图像即为输入图像,要提取的车牌的图像即为目标图像。而在某些应用场景下,除了要提取车牌的图像之外,还需要提取车标的图像,以辨识该车辆的品牌。
在现有技术中,在输入图像中提取车标图像的方法如图1所示。图1为现有技术中提取车标图像的过程,具体包括以下步骤:
S101:在输入图像中确定要提取的车标图像所在的待搜索区域。
其中,可以根据该输入图像中车牌所在的区域确定车标图像所在的待搜索区域。
S102:对确定的待搜索区域中的图像进行边缘计算,得到边缘图。
S103:在水平方向上将得到的边缘图划分为左部区域、中部区域、右部区域。
S104:确定该边缘图的左部区域和右部区域中的边缘方向。
S105:去除边缘图中确定的边缘方向,并将剩余的边缘进行膨胀合并,得到车标图像。
在上述过程中,由于车辆的车标两侧一般是相互对称的散热片,因此步骤S102中得到的边缘图中除了包括有车标的边缘之外,还包括有车标两侧的散热片的边缘。而通过步骤S103将边缘图划分为左部区域、中部区域、右部区域之后,车标的边缘就应位于中部区域中,两侧的散热片的边缘则分别为与左部区域和右部区域中。通过步骤S104,既可以确定出车标两侧的散热片的边缘方向,也即可以确定出散热片的方向。步骤S105中在边缘图中去除确定的边缘方向,则可以将边缘图中散热片的边缘去除掉,剩余的边缘就是车标的边缘,对剩余的边缘进行膨胀合并即可得到车标图像。
然而,通过如图1所示的方法,对于车辆前脸较为简单、或者车标两侧的散热片是水平方向或垂直方向的车辆的图像能够达到较好的效果,但是在实际应用场景中,存在着诸多车辆前脸较为复杂、流线型较高、车标两侧的散热片并非是标准的水平方向或垂直方向的车辆,对于这些车辆的图像,采用图1所示的方法则不能准确的提取出车标图像。因此,现有技术中提取目标图像的准确性较低。
发明内容
本发明实施例提供一种提取目标图像的方法及装置,用以解决现有技术中提取目标图像的准确性较低的问题。
本发明实施例提供的一种提取目标图像的方法,包括:
在输入图像中,确定要提取的目标图像所在的待搜索区域;
确定所述待搜索区域中包含的每个像素点的边缘强度和边缘方向;
根据每个像素点的边缘强度,确定所述待搜索区域中的有效边缘像素点;
将所述待搜索区域划分为若干个像素宏块,针对划分的每个像素宏块,根据该像素宏块中包含的有效边缘像素点的个数,以及每个有效边缘像素点的边缘方向,确定该像素宏块的熵值;
根据确定的每个像素宏块的熵值,在所述待搜索区域中确定至少一个由若干个像素宏块构成的连通域;
在确定的连通域包含的图像中提取所述目标图像。
本发明实施例提供的一种提取目标图像的装置,包括:
区域确定模块,用于在输入图像中,确定要提取的目标图像所在的待搜索区域;
边缘确定模块,用于确定所述待搜索区域中包含的每个像素点的边缘强度和边缘方向;
边缘点确定模块,用于根据每个像素点的边缘强度,确定所述待搜索区域中的有效边缘像素点;
熵值确定模块,用于将所述待搜索区域划分为若干个像素宏块,针对划分的每个像素宏块,根据该像素宏块中包含的有效边缘像素点的个数,以及每个有效边缘像素点的边缘方向,确定该像素宏块的熵值;
连通域确定模块,用于根据确定的每个像素宏块的熵值,在所述待搜索区域中确定至少一个由若干个像素宏块构成的连通域;
提取模块,用于在确定的连通域包含的图像中提取所述目标图像。
本发明实施例提供一种提取目标图像的方法及装置,该方法在输入图像中确定待搜索区域后,确定待搜索区域中每个像素点的边缘强度和边缘方向,并据此确定待搜索区域中的有效边缘像素点,将待搜索区域划分为若干个像素宏块,根据每个像素宏块中包含的有效边缘像素点的个数以及边缘方向,确定每个像素宏块的熵值,并据此在待搜索区域中确定由若干个像素宏块构成的连通域,在确定的连通域包含的图像中提取目标图像。由于目标图像的形状复杂度与周围其他图像的形状复杂度相比通常差异较大,而像素宏块的熵值可以反映出该像素宏块中包含的图像的形状复杂度,因此根据各像素宏块的熵值确定连通域,并在连通域包含的图像中提取目标图像,可以提高提取目标图像的准确性。
附图说明
图1为现有技术中提取车标图像的过程;
图2为本发明实施例提供的提取目标图像的过程;
图3为本发明实施例提供的当目标图像为车标图像时,在输入图像中确定待搜索区域的示意图;
图4为本发明实施例提供的将待搜索区域划分为若干个像素宏块的示意图;
图5为本发明实施例提供的根据确定的每个像素宏块的熵值,在待搜索区域中确定至少一个由若干个像素宏块构成的连通域的过程;
图6为本发明实施例提供的提取目标图像的装置结构示意图。
具体实施方式
本发明实施例提供一种提取目标图像的方法及装置,该方法在输入图像中确定待搜索区域后,确定待搜索区域中每个像素点的边缘强度和边缘方向,并据此确定待搜索区域中的有效边缘像素点,将待搜索区域划分为若干个像素宏块,根据每个像素宏块中包含的有效边缘像素点的个数以及边缘方向,确定每个像素宏块的熵值,并据此在待搜索区域中确定由若干个像素宏块构成的连通域,在确定的连通域包含的图像中提取目标图像。由于目标图像的形状复杂度与周围其他图像的形状复杂度相比通常差异较大,而像素宏块的熵值可以反映出该像素宏块中图像的形状复杂度,因此根据各像素宏块的熵值确定连通域,并在连通域包含的图像中提取目标图像,可以提高提取目标图像的准确性。
下面结合说明书附图,对本发明实施例进行详细描述。
图2为本发明实施例提供的提取目标图像的过程,具体包括以下步骤:
S201:在输入图像中,确定要提取的目标图像所在的待搜索区域。
在本发明实施例中,首先要在输入图像中确定目标图像所在的待搜索区域,可以采用现有技术中确定待搜索区域的方法在输入图像中确定待搜索区域。
下面以输入图像为采集的车辆图像,要提取的目标图像为车标图像为例进行说明。
图3为本发明实施例提供的当目标图像为车标图像时,在输入图像中确定待搜索区域的示意图。
当目标图像为车标图像时,先确定车牌图像在输入图像中所处的矩形区域,如图3所示,矩形ABCD即为输入图像,该输入图像中的矩形abcd所在的区域即为车牌图像在输入图像中所处的矩形区域。
将该矩形区域中位于上方的水平边界线,确定为要提取的目标图像所在的待搜索区域中位于下方的水平边界线,如图3所示,矩形abcd所在的区域的边界线ad即为矩形abcd所在的区域中位于上方的水平边界线,因此边界线ad即为待搜索区域中位于下方的水平边界线。
确定该矩形区域中位于上方的水平边界线的长度,分别将该矩形区域中位于左右两侧的垂直边界线向上延长确定的该长度,将延长了该长度的两条垂直边界线,分别确定为待搜索区域中位于左右两侧的垂直边界线,如图3所示。确定边界线ad的长度,矩形abcd所在的区域的边界线ab和dc即为矩形abcd所在的区域中位于左右两侧的垂直边界线,因此将边界线ab向上延长至a’,将边界线dc向上延长至d’,a’a和d’d的长度即为边界线ad的长度,将a’a和d’d确定为待搜索区域中位于左右两侧的垂直边界线。
连结待搜索区域左右两侧的垂直边界线上位于上方的端点,将连接该待搜索区域左右两侧的垂直边界线上位于上方的端点的线,确定为该待搜索区域中位于上方的水平边界线,如图3所示。待搜索区域中位于左右两侧的垂直边界线为a’a和d’d,其中,a’a上位于上方的端点为a’,d’d上位于上方的端点为d’,因此连结端点a’和d’,线a’d’作为待搜索区域中位于上方的水平边界线。
将确定的待搜索区域中位于下方的水平边界线、位于左右两侧的垂直边界线、位于上方的水平边界线所围成的区域,确定为待搜索区域,如图3所示。确定的待搜索区域中位于下方的水平边界线为ad,位于左右两侧的垂直边界线为a’a和d’d,位于上方的水平边界线为a’d’,因此由ad、a’a、d’d、a’d’所围成的正方形a’add’所在的区域就是待搜索区域。
S202:确定该待搜索区域中包含的每个像素点的边缘强度和边缘方向。
在本发明实施例中,可以通过对待搜索区域包含的图像进行边缘计算,来确定待搜索区域中包含的每个像素点的边缘强度和边缘方向,其中,可以采用任何边缘计算方法对待搜索区域包含的图像进行边缘计算。
下面以通过Sobel边缘计算的方法对待搜索区域包含的图像进行边缘计算为例进行说明。
当采用Sobel边缘计算方法时,针对待搜索区域中包含的每个像素点,通过Sobel算子,分别确定该像素点在水平方向上的边缘强度,以及该像素点在垂直方向上的边缘强度。也即,针对待搜索区域中包含的每个像素点,通过Sobel算子,分别确定该像素点在X轴和Y轴方向上的边缘强度。
采用公式P=|XSobel|+|YSobel|确定该像素点的边缘强度,其中,XSobel为该像素点在水平方向上的边缘强度,YSobel为该像素点在垂直方向上的边缘强度,P为确定的该像素点的边缘强度。
采用公式确定该像素点的边缘方向,其中,Dir为确定的该像素点的边缘方向,Dir的取值为0°到180°的范围。
S203:根据每个像素点的边缘强度,确定该待搜索区域中的有效边缘像素点。
为了降低边缘强度较小的噪声像素点对后续提取目标图像的准确性的影响,本发明实施例中将边缘强度较大的像素点作为有效边缘像素点。具体的,可以预先设定一个强度阈值,并根据确定的每个像素点的边缘强度,在待搜索区域中确定边缘强度大于设定强度阈值的像素点,作为该待搜索区域中的有效边缘像素点。
S204:将该待搜索区域划分为若干个像素宏块,针对划分的每个像素宏块,根据该像素宏块中包含的有效边缘像素点的个数,以及每个有效边缘像素点的边缘方向,确定该像素宏块的熵值。
在本发明实施例中,可以将待搜索区域划分为若干个像素宏块,并确定每个像素宏块的熵值。其中,一个像素宏块的熵值可以反映该像素宏块中包含的图像的形状复杂度。
具体的,针对划分的每个像素宏块,确定该像素宏块的熵值的方法可以为:判断该像素宏块中包含的有效边缘像素点的个数是否大于设定数量,若是,则对该像素宏块中包含的每个有效边缘像素点的边缘方向进行取整操作,并根据取整后的每个有效边缘像素点的边缘方向,根据公式确定该像素宏块的熵值,其中,D为0到180的整数,Hist(D)为该像素宏块中包含的边缘方向的取整值为D的有效边缘像素点的个数,Total为该像素宏块中包含的有效边缘像素点的个数,否则,确定该像素宏块的熵值为0。其中,对该像素宏块中包含的每个有效边缘像素点的边缘方向进行取整操作时,可以采用四舍五入的取整方式进行取整操作,当然,也可以采用上取整或下取整的方式进行取整操作。
例如,假设划分的某个像素宏块中包含的有效边缘像素点的个数大于设定数量,且该像素宏块中包含的某个有效边缘像素点的边缘方向为1.4°,则对该有效边缘像素点的边缘方向进行四舍五入取整后得到的取整值为1°。
采用上述方法对该像素宏块中包含的所有有效边缘像素点的边缘方向都进行取整操作后,则统计取整后的边缘方向为0°的有效边缘像素点的个数,记为Hist(0),统计取整后的边缘方向为1°的有效边缘像素点的个数,记为Hist(1),统计取整后的边缘方向为2°的有效边缘像素点的个数,记为Hist(2),以此类推,直至统计取整后的边缘方向为180°的有效边缘像素点的个数,并记为Hist(180)为止。采用公式确定该像素宏块的熵值,确定的该像素宏块的熵值越大,则说明该像素宏块中包含的图像的形状复杂度越高,确定的该像素宏块的熵值越小,则说明该像素宏块中包含的图像的形状复杂度越低。
S205:根据确定的每个像素宏块的熵值,在该待搜索区域中确定至少一个由若干个像素宏块构成的连通域。
S206:在确定的连通域包含的图像中提取目标图像。
由于目标图像的形状复杂度与周围的其他图像的形状复杂度相比通常差异较大,因此上述步骤S205中根据确定的每个像素宏块的熵值,在待搜索区域中确定由若干个像素宏块构成的连通域,并通过后续的步骤S206在确定的连通域中提取目标图像,相比于现有技术中仅仅通过去除边缘图中指定方向的边缘而提取目标图像的方法,本发明实施例提供的提取目标图像的方法可以提高提取目标图像的准确性。
具体的,在上述步骤S204中,将待搜索区域划分为若干个像素宏块的方法可以为:将该待搜索区域划分为相同大小的若干个像素宏块,且相邻的像素宏块有部分重叠。较佳的,划分的每一对相邻的像素宏块之间的重叠部分也是相同的,如图4所示。
图4为本发明实施例提供的将待搜索区域划分为若干个像素宏块的示意图,在图4中,以待搜索区域中左上角的像素点为(0,0)点建立直角坐标系,以16x16个像素点划分像素宏块,且每一对相邻的像素宏块之间的重叠部分为12x16个像素点,则第一个像素宏块的四个顶点的坐标为a(0,0)、b(15,0)、c(15,15)、d(0,15),第二个像素宏块的四个顶点的坐标为e(4,0)、f(19,0)、g(19,15)、h(4,15),可以看出,第一个像素宏块和第二个像素宏块是相邻的一对像素宏块,这两个像素宏块都是16x16个像素点的像素宏块,并且这两个像素宏块重叠的部分即为矩形ebch所在的区域中包含的像素点,也即重叠部分所包含的像素点为12x16个像素点。可以采用上述方法继续将待搜索区域划分为若干个像素宏块。
下面仍以目标图像为车标图像为例进行说明。由于车标的形状通常较为复杂,边缘结构较为多变,而散热片的形状通常较为简单,边缘方向较为单一,因此车标图像的形状复杂度远高于周围的散热片图像的形状复杂度。从而,针对划分的像素宏块而言,如果该像素宏块的熵值较大,则说明该像素宏块中包含的图像可能是车标图像中的一部分图像,如果该像素宏块的熵值较小,则说明该像素宏块中包含的图像不是车标图像。因此,在图2所示的步骤S205中,可以根据确定的每个像素宏块的熵值,在待搜索区域中确定出至少一个由若干个熵值较大的像素宏块构成的连通域,具体过程如图5所示。
图5为本发明实施例提供的根据确定的每个像素宏块的熵值,在待搜索区域中确定至少一个由若干个像素宏块构成的连通域的过程,具体包括以下步骤:
S501:根据确定的每个像素宏块的熵值,确定该待搜索区域中所有像素宏块的熵值的均值和标准差,并确定该均值与该标准差的和值。
S502:针对每个像素宏块的熵值,采用指定方法调整该像素宏块的熵值。
其中,该指定方法为:判断该像素宏块的熵值是否大于步骤S501中确定的和值,若是,则保持该像素宏块的熵值不变,否则,将该像素宏块的熵值调整为0。
可见,上述步骤S501中确定的均值与标准差的和值实际上是作为了一个判定阈值,在步骤S502中,针对每个像素宏块的熵值,如果该像素宏块的熵值大于判定阈值,则说明该像素宏块的熵值较大,保持该像素宏块的熵值不变,如果该像素宏块的熵值不大于判定阈值,则说明该像素宏块的熵值较小,将该像素宏块的熵值调整为0。
S503:针对每个像素宏块,生成该像素宏块对应的像素点,其中,生成的该像素宏块对应的像素点的像素值为调整后的该像素宏块的熵值。
S504:将生成的每个像素点按照对应的每个像素宏块在待搜索区域中所处的位置进行排列,构成熵值图。
例如,如果生成的某个像素点对应的像素宏块是待搜索区域中第1行第2列的像素宏块,则将该像素点排在第1行第2列的位置。从而,将每个像素点都按照其对应的像素宏块在待搜索区域中所处的位置进行排列后,即可构成一幅新的图像,该新的图像即为熵值图。
S505:通过对该熵值图进行邻域生长处理,确定该熵值图中满足指定条件的连通域,其中,满足指定条件的连通域为:不包含像素值为0的像素点的连通域。
其中,在对该熵值图进行邻域生长处理时,可以采用八邻域生长算法进行处理。具体的,先以该熵值图中不属于任何连通域、且像素值不为0的像素点作为种子进行八邻域生长,在进行生长时,针对该种子的8个邻域像素点,如果该邻域像素点的像素值为0,则不生长到该邻域像素点,如果该邻域像素点的像素值不为0,则生长到该邻域像素点。此时,作为种子的该像素点以及生长到的邻域像素点就构成了一个连通域。针对生长到的每个邻域像素点,再分别以每个邻域像素点作为种子,继续按照上述方法进行八邻域生长,以不断扩大该连通域,直至该连通域不再扩大为止。采用上述八邻域生长方法确定出的连通域中则不会包含像素值为0的像素点,因此确定出的连通域即为满足指定条件的连通域。
S506:在待搜索区域中,确定由满足指定条件的连通域中包含的各像素点对应的像素宏块构成的连通域。
也即,通过步骤S505在熵值图中确定了满足指定条件的连通域后,确定该满足指定条件的连通域所包含的所有像素点在待搜索区域中对应的像素宏块,并在待搜索区域中确定由这些像素宏块构成的连通域。后续则可以在确定的该待搜索区域中的连通域中提取目标图像。
通过如图5所示的方法在待搜索区域中确定的连通域即为由若干个熵值较大的像素宏块构成的连通域,因此在确定的该待搜索区域中的连通域中提取目标图像则可以提高提取目标图像的准确性。
进一步的,当要提取的目标图像为车标图像时,在图2所示的步骤S206中,则可以根据车标的形状特点进行提取,以进一步提高提取目标图像的准确性。具体的,针对在待搜索区域中确定的每个连通域,确定该连通域的外接矩形,当确定的外接矩形的高度与宽度的比值不大于设定比值时,将该连通域确定为备选连通域;针对确定的每个备选连通域,确定该备选连通域中包含的每个像素宏块的熵值的平均值;选择确定的平均值最大的备选连通域,在选择的备选连通域包含的图像中提取所述目标图像。其中,该设定比值可以根据实际情况进行设定,例如设定为2。
采用上述方法提取作为目标图像的车标图像的原因在于,通常情况下,车标图像在水平方向上的宽度是不小于该车标图像在竖直方向上的高度的,因此,如果在待搜索区域中确定的某个连通域的外接矩形的高度与宽度的比值大于设定比值,则可以认为该连通域中包含的图像不是车标图像,从而只将外接矩形的高度与宽度的比值不大于设定比值的连通域确定为备选连通域。又因为车标图像的形状复杂度较高,因此在确定的各个备选连通域中,所包含的像素宏块的熵值的平均值最大的备选连通域则是最有可能包含车标图像的连通域,因此选择所包含的像素宏块的熵值的平均值最大的备选连通域,并在选择的备选连通域中提取车标图像。
当然,当要提取的目标图像不是车标图像时,也可以采用其他方法筛选连通域,并在筛选出的连通域中提取目标图像。
图6为本发明实施例提供的提取目标图像的装置结构示意图,具体包括:
区域确定模块601,用于在输入图像中,确定要提取的目标图像所在的待搜索区域;
边缘确定模块602,用于确定所述待搜索区域中包含的每个像素点的边缘强度和边缘方向;
边缘点确定模块603,用于根据每个像素点的边缘强度,确定所述待搜索区域中的有效边缘像素点;
熵值确定模块604,用于将所述待搜索区域划分为若干个像素宏块,针对划分的每个像素宏块,根据该像素宏块中包含的有效边缘像素点的个数,以及每个有效边缘像素点的边缘方向,确定该像素宏块的熵值;
连通域确定模块605,用于根据确定的每个像素宏块的熵值,在所述待搜索区域中确定至少一个由若干个像素宏块构成的连通域;
提取模块606,用于在确定的连通域包含的图像中提取所述目标图像。
所述区域确定模块601具体用于,当要提取的目标图像为车标图像时,确定车牌图像在所述输入图像中所处的矩形区域;将所述矩形区域中位于上方的水平边界线,确定为要提取的目标图像所在的待搜索区域中位于下方的水平边界线;确定所述矩形区域中位于上方的水平边界线的长度,分别将所述矩形区域中位于左右两侧的垂直边界线向上延长确定的所述长度,将延长了所述长度的两条垂直边界线,分别确定为所述待搜索区域中位于左右两侧的垂直边界线;连结所述待搜索区域左右两侧的垂直边界线上位于上方的端点,将连结所述待搜索区域左右两侧的垂直边界线上位于上方的端点的线,确定为所述待搜索区域中位于上方的水平边界线;将确定的所述待搜索区域中位于下方的水平边界线、位于左右两侧的垂直边界线、位于上方的水平边界线所围成的区域,确定为所述待搜索区域。
所述边缘确定模块602具体用于,针对所述待搜索区域中包含的每个像素点,通过Sobel算子,分别确定该像素点在水平方向上的边缘强度,以及该像素点在垂直方向上的边缘强度;采用公式P=|XSobel|+|YSobel|确定该像素点的边缘强度,其中,XSobel为该像素点在水平方向上的边缘强度,YSobel为该像素点在垂直方向上的边缘强度,P为确定的该像素点的边缘强度;采用公式确定该像素点的边缘方向,其中,Dir为确定的该像素点的边缘方向。
所述边缘点确定模块603具体用于,根据确定的每个像素点的边缘强度,在所述待搜索区域中确定边缘强度大于设定强度阈值的像素点,作为所述待搜索区域中的有效边缘像素点。
所述熵值确定模块604具体用于,将所述待搜索区域划分为相同大小的若干个像素宏块,且相邻的像素宏块有部分重叠。
所述熵值确定模块604具体用于,判断该像素宏块中包含的有效边缘像素点的个数是否大于设定数量;若是,则对该像素宏块中包含的每个有效边缘像素点的边缘方向进行取整操作,并根据取整后的每个有效边缘像素点的边缘方向,根据公式确定该像素宏块的熵值,其中,D为0到180的整数,Hist(D)为该像素宏块中包含的边缘方向的取整值为D的有效边缘像素点的个数,Total为该像素宏块中包含的有效边缘像素点的个数;否则,确定该像素宏块的熵值为0。
所述连通域确定模块605具体用于,根据确定的每个像素宏块的熵值,确定所述待搜索区域中所有像素宏块的熵值的均值和标准差,并确定所述均值与所述标准差的和值;针对每个像素宏块的熵值,采用指定方法调整该像素宏块的熵值,所述指定方法为:判断该像素宏块的熵值是否大于所述和值,若是,则保持该熵值不变,否则,将该熵值调整为0;针对每个像素宏块,生成该像素宏块对应的像素点,其中,生成的该像素点对应的像素值为调整后的该像素宏块的熵值;将生成的每个像素点按照对应的每个像素宏块在所述待搜索区域中所处的位置进行排列,构成熵值图;通过对所述熵值图进行邻域生长处理,确定所述熵值图中满足指定条件的连通域,其中,所述满足指定条件的连通域为:不包含像素值为0的像素点的连通域;在所述待搜索区域中,确定由所述满足指定条件的连通域中包含的各像素点对应的像素宏块构成的连通域。
所述提取模块606具体用于,当要提取的目标图像为车标图像时,针对确定的每个连通域,确定该连通域的外接矩形,当确定的外接矩形的高度与宽度的比值不大于设定比值时,将该连通域确定为备选连通域;针对确定的每个备选连通域,确定该备选连通域中包含的每个像素宏块的熵值的平均值;选择确定的平均值最大的备选连通域,在选择的备选连通域包含的图像中提取所述目标图像。
本发明实施例提供一种提取目标图像的方法及装置,该方法在输入图像中确定待搜索区域后,确定待搜索区域中每个像素点的边缘强度和边缘方向,并据此确定待搜索区域中的有效边缘像素点,将待搜索区域划分为若干个像素宏块,根据每个像素宏块中包含的有效边缘像素点的个数以及边缘方向,确定每个像素宏块的熵值,并据此在待搜索区域中确定由若干个像素宏块构成的连通域,在确定的连通域包含的图像中提取目标图像。由于目标图像的形状复杂度与周围其他图像的形状复杂度相比通常差异较大,而像素宏块的熵值可以反映出该像素宏块中图像的形状复杂度,因此根据各像素宏块的熵值确定连通域,并在连通域包含的图像中提取目标图像,可以提高提取目标图像的准确性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (16)
1.一种提取目标图像的方法,其特征在于,包括:
在输入图像中,确定要提取的目标图像所在的待搜索区域;
确定所述待搜索区域中包含的每个像素点的边缘强度和边缘方向;
根据每个像素点的边缘强度,确定所述待搜索区域中的有效边缘像素点;
将所述待搜索区域划分为若干个像素宏块,针对划分的每个像素宏块,根据该像素宏块中包含的有效边缘像素点的个数,以及每个有效边缘像素点的边缘方向,确定该像素宏块的熵值;
根据确定的每个像素宏块的熵值,在所述待搜索区域中确定至少一个由若干个像素宏块构成的连通域;
在确定的连通域包含的图像中提取所述目标图像。
2.如权利要求1所述的方法,其特征在于,当要提取的目标图像为车标图像时,确定要提取的目标图像所在的待搜索区域具体包括:
确定车牌图像在所述输入图像中所处的矩形区域;
将所述矩形区域中位于上方的水平边界线,确定为要提取的目标图像所在的待搜索区域中位于下方的水平边界线;
确定所述矩形区域中位于上方的水平边界线的长度,分别将所述矩形区域中位于左右两侧的垂直边界线向上延长确定的所述长度,将延长了所述长度的两条垂直边界线,分别确定为所述待搜索区域中位于左右两侧的垂直边界线;
连结所述待搜索区域左右两侧的垂直边界线上位于上方的端点,将连结所述待搜索区域左右两侧的垂直边界线上位于上方的端点的线,确定为所述待搜索区域中位于上方的水平边界线;
将确定的所述待搜索区域中位于下方的水平边界线、位于左右两侧的垂直边界线、位于上方的水平边界线所围成的区域,确定为所述待搜索区域。
4.如权利要求1所述的方法,其特征在于,根据每个像素点的边缘强度,确定所述待搜索区域中的有效边缘像素点,具体包括:
根据确定的每个像素点的边缘强度,在所述待搜索区域中确定边缘强度大于设定强度阈值的像素点,作为所述待搜索区域中的有效边缘像素点。
5.如权利要求1所述的方法,其特征在于,将所述待搜索区域划分为若干个像素宏块,具体包括:
将所述待搜索区域划分为相同大小的若干个像素宏块,且相邻的像素宏块有部分重叠。
6.如权利要求1所述的方法,其特征在于,根据该像素宏块中包含的有效边缘像素点的个数,以及每个有效边缘像素点的边缘方向,确定该像素宏块的熵值,具体包括:
判断该像素宏块中包含的有效边缘像素点的个数是否大于设定数量;
若是,则对该像素宏块中包含的每个有效边缘像素点的边缘方向进行取整操作,并根据取整后的每个有效边缘像素点的边缘方向,根据公式确定该像素宏块的熵值,其中,D为0到180的整数,Hist(D)为该像素宏块中包含的边缘方向的取整值为D的有效边缘像素点的个数,Total为该像素宏块中包含的有效边缘像素点的个数;
否则,确定该像素宏块的熵值为0。
7.如权利要求1所述的方法,其特征在于,根据确定的每个像素宏块的熵值,在所述待搜索区域中确定至少一个由若干个像素宏块构成的连通域,具体包括:
根据确定的每个像素宏块的熵值,确定所述待搜索区域中所有像素宏块的熵值的均值和标准差,并确定所述均值与所述标准差的和值;
针对每个像素宏块的熵值,采用指定方法调整该像素宏块的熵值,所述指定方法为:判断该像素宏块的熵值是否大于所述和值,若是,则保持该熵值不变,否则,将该熵值调整为0;
针对每个像素宏块,生成该像素宏块对应的像素点,其中,生成的该像素宏块的像素点的像素值为调整后的该像素宏块的熵值;
将生成的每个像素点按照对应的每个像素宏块在所述待搜索区域中所处的位置进行排列,构成熵值图;
通过对所述熵值图进行邻域生长处理,确定所述熵值图中满足指定条件的连通域,其中,所述满足指定条件的连通域为:不包含像素值为0的像素点的连通域;
在所述待搜索区域中,确定由所述满足指定条件的连通域中包含的各像素点对应的像素宏块构成的连通域。
8.如权利要求1所述的方法,其特征在于,当要提取的目标图像为车标图像时,在确定的连通域包含的图像中提取所述目标图像,具体包括:
针对确定的每个连通域,确定该连通域的外接矩形,当确定的外接矩形的高度与宽度的比值不大于设定比值时,将该连通域确定为备选连通域;
针对确定的每个备选连通域,确定该备选连通域中包含的每个像素宏块的熵值的平均值;
选择确定的平均值最大的备选连通域,在选择的备选连通域包含的图像中提取所述目标图像。
9.一种提取目标图像的装置,其特征在于,包括:
区域确定模块,用于在输入图像中,确定要提取的目标图像所在的待搜索区域;
边缘确定模块,用于确定所述待搜索区域中包含的每个像素点的边缘强度和边缘方向;
边缘点确定模块,用于根据每个像素点的边缘强度,确定所述待搜索区域中的有效边缘像素点;
熵值确定模块,用于将所述待搜索区域划分为若干个像素宏块,针对划分的每个像素宏块,根据该像素宏块中包含的有效边缘像素点的个数,以及每个有效边缘像素点的边缘方向,确定该像素宏块的熵值;
连通域确定模块,用于根据确定的每个像素宏块的熵值,在所述待搜索区域中确定至少一个由若干个像素宏块构成的连通域;
提取模块,用于在确定的连通域包含的图像中提取所述目标图像。
10.如权利要求9所述的装置,其特征在于,所述区域确定模块具体用于,当要提取的目标图像为车标图像时,确定车牌图像在所述输入图像中所处的矩形区域;将所述矩形区域中位于上方的水平边界线,确定为要提取的目标图像所在的待搜索区域中位于下方的水平边界线;确定所述矩形区域中位于上方的水平边界线的长度,分别将所述矩形区域中位于左右两侧的垂直边界线向上延长确定的所述长度,将延长了所述长度的两条垂直边界线,分别确定为所述待搜索区域中位于左右两侧的垂直边界线;连结所述待搜索区域左右两侧的垂直边界线上位于上方的端点,将连结所述待搜索区域左右两侧的垂直边界线上位于上方的端点的线,确定为所述待搜索区域中位于上方的水平边界线;将确定的所述待搜索区域中位于下方的水平边界线、位于左右两侧的垂直边界线、位于上方的水平边界线所围成的区域,确定为所述待搜索区域。
12.如权利要求9所述的装置,其特征在于,所述边缘点确定模块具体用于,根据确定的每个像素点的边缘强度,在所述待搜索区域中确定边缘强度大于设定强度阈值的像素点,作为所述待搜索区域中的有效边缘像素点。
13.如权利要求9所述的装置,其特征在于,所述熵值确定模块具体用于,将所述待搜索区域划分为相同大小的若干个像素宏块,且相邻的像素宏块有部分重叠。
15.如权利要求9所述的装置,其特征在于,所述连通域确定模块具体用于,根据确定的每个像素宏块的熵值,确定所述待搜索区域中所有像素宏块的熵值的均值和标准差,并确定所述均值与所述标准差的和值;针对每个像素宏块的熵值,采用指定方法调整该像素宏块的熵值,所述指定方法为:判断该像素宏块的熵值是否大于所述和值,若是,则保持该熵值不变,否则,将该熵值调整为0;针对每个像素宏块,生成该像素宏块对应的像素点,其中,生成的该像素点的像素值为调整后的该像素宏块的熵值;将生成的每个像素点按照对应的每个像素宏块在所述待搜索区域中所处的位置进行排列,构成熵值图;通过对所述熵值图进行邻域生长处理,确定所述熵值图中满足指定条件的连通域,其中,所述满足指定条件的连通域为:不包含像素值为0的像素点的连通域;在所述待搜索区域中,确定由所述满足指定条件的连通域中包含的各像素点对应的像素宏块构成的连通域。
16.如权利要求9所述的装置,其特征在于,所述提取模块具体用于,当要提取的目标图像为车标图像时,针对确定的每个连通域,确定该连通域的外接矩形,当确定的外接矩形的高度与宽度的比值不大于设定比值时,将该连通域确定为备选连通域;针对确定的每个备选连通域,确定该备选连通域中包含的每个像素宏块的熵值的平均值;选择确定的平均值最大的备选连通域,在选择的备选连通域包含的图像中提取所述目标图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210258829.2A CN103577824B (zh) | 2012-07-24 | 2012-07-24 | 一种提取目标图像的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210258829.2A CN103577824B (zh) | 2012-07-24 | 2012-07-24 | 一种提取目标图像的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103577824A true CN103577824A (zh) | 2014-02-12 |
CN103577824B CN103577824B (zh) | 2017-11-21 |
Family
ID=50049573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210258829.2A Active CN103577824B (zh) | 2012-07-24 | 2012-07-24 | 一种提取目标图像的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103577824B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862680A (zh) * | 2017-10-31 | 2018-03-30 | 西安电子科技大学 | 一种基于相关滤波器的目标跟踪优化方法 |
CN110415169A (zh) * | 2018-04-28 | 2019-11-05 | 深圳先进技术研究院 | 一种深度图超分辨率重建方法、系统及电子设备 |
CN111143597A (zh) * | 2019-12-13 | 2020-05-12 | 浙江大华技术股份有限公司 | 图像检索方法、终端及存储装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060110030A1 (en) * | 2004-11-24 | 2006-05-25 | Samsung Electronics Co., Ltd. | Method, medium, and apparatus for eye detection |
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
CN101493937A (zh) * | 2009-02-27 | 2009-07-29 | 西北工业大学 | 利用梯度局部熵检测数字图像内容可信度的方法 |
CN102068281A (zh) * | 2011-01-20 | 2011-05-25 | 深圳大学 | 一种占位性病变超声图像的处理方法 |
CN102194114A (zh) * | 2011-06-25 | 2011-09-21 | 电子科技大学 | 一种基于边缘梯度方向金字塔直方图的虹膜识别方法 |
CN102226907A (zh) * | 2011-05-24 | 2011-10-26 | 武汉嘉业恒科技有限公司 | 基于多特征的车牌定位方法及装置 |
CN102419820A (zh) * | 2011-08-18 | 2012-04-18 | 电子科技大学 | 一种快速检测视频与图像中汽车车标的方法 |
-
2012
- 2012-07-24 CN CN201210258829.2A patent/CN103577824B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060110030A1 (en) * | 2004-11-24 | 2006-05-25 | Samsung Electronics Co., Ltd. | Method, medium, and apparatus for eye detection |
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
CN101493937A (zh) * | 2009-02-27 | 2009-07-29 | 西北工业大学 | 利用梯度局部熵检测数字图像内容可信度的方法 |
CN102068281A (zh) * | 2011-01-20 | 2011-05-25 | 深圳大学 | 一种占位性病变超声图像的处理方法 |
CN102226907A (zh) * | 2011-05-24 | 2011-10-26 | 武汉嘉业恒科技有限公司 | 基于多特征的车牌定位方法及装置 |
CN102194114A (zh) * | 2011-06-25 | 2011-09-21 | 电子科技大学 | 一种基于边缘梯度方向金字塔直方图的虹膜识别方法 |
CN102419820A (zh) * | 2011-08-18 | 2012-04-18 | 电子科技大学 | 一种快速检测视频与图像中汽车车标的方法 |
Non-Patent Citations (2)
Title |
---|
李玲: ""车标定位方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
章慧等: ""基于改进的Sobel算子最大熵图像分割研究"", 《计算机科学》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862680A (zh) * | 2017-10-31 | 2018-03-30 | 西安电子科技大学 | 一种基于相关滤波器的目标跟踪优化方法 |
CN110415169A (zh) * | 2018-04-28 | 2019-11-05 | 深圳先进技术研究院 | 一种深度图超分辨率重建方法、系统及电子设备 |
CN110415169B (zh) * | 2018-04-28 | 2023-07-14 | 深圳先进技术研究院 | 一种深度图超分辨率重建方法、系统及电子设备 |
CN111143597A (zh) * | 2019-12-13 | 2020-05-12 | 浙江大华技术股份有限公司 | 图像检索方法、终端及存储装置 |
CN111143597B (zh) * | 2019-12-13 | 2023-06-20 | 浙江大华技术股份有限公司 | 图像检索方法、终端及存储装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103577824B (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102016201673B4 (de) | Vorrichtung zur erfassung der oberfläche einer befahrenen strasse und verfahren zur erfassung der oberfläche einer befahrenen strasse | |
DE102013101821B4 (de) | Außenumgebungserkennungsvorrichtung | |
US9771080B2 (en) | Road surface gradient detection device | |
CN105023014B (zh) | 一种无人机巡检输电线路图像内的杆塔目标提取方法 | |
CN105005758A (zh) | 图像处理装置 | |
CN101510304B (zh) | 一种分割获取前景图像的方法、装置和摄像头 | |
CN103065314A (zh) | 一种基于线描述子的图像连通域快速标记方法 | |
CN101477629B (zh) | 车道线的感兴趣区域提取方法和装置 | |
CN103605981A (zh) | 基于图像识别的绝缘子缺陷识别方法 | |
CN103761707B (zh) | 一种快速高效去除图像椒盐噪声的均值滤波方法 | |
CN107256633B (zh) | 一种基于单目摄像头三维估计的车型分类方法 | |
CN108205660B (zh) | 基于顶视角的红外图像人流量检测装置和检测方法 | |
CN103577824A (zh) | 一种提取目标图像的方法及装置 | |
CN107610092B (zh) | 基于视频流的路面裂缝动态检测方法 | |
CN103489161A (zh) | 一种灰度图像彩色化方法及装置 | |
CN106446796B (zh) | 一种车辆间距检测方法 | |
CN102930262A (zh) | 一种从图像中提取文字行的方法及装置 | |
CN104537342A (zh) | 一种结合山脊边界检测及霍夫变换的快速车道线检测方法 | |
CN109241920A (zh) | 一种用于车载道路监控取证系统的车道线检测方法 | |
JP2007316685A (ja) | 走路境界検出装置および走路境界検出方法 | |
CN103729828A (zh) | 视频去雨方法 | |
CN114463286A (zh) | 一种基于移动窗口的路面点云平滑及裂缝信息处理方法 | |
CN102509095A (zh) | 一种车牌图像的预处理方法 | |
CN101739553B (zh) | 一种视差图像中目标识别方法 | |
CN107527354A (zh) | 一种基于合成图的区域生长方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |