CN104021534A - 一种碎纸片拼接方法 - Google Patents
一种碎纸片拼接方法 Download PDFInfo
- Publication number
- CN104021534A CN104021534A CN201410245632.4A CN201410245632A CN104021534A CN 104021534 A CN104021534 A CN 104021534A CN 201410245632 A CN201410245632 A CN 201410245632A CN 104021534 A CN104021534 A CN 104021534A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- scrap
- joining method
- threshold
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种碎纸片拼接方法,全程采用计算机进行数据分析,首先让计算机将数据二值化,接着寻找边界图片,然后对图片进行分类。对每一行进行排序,然后检查整行拼接正确与否,若答案是否定的,则人工干预介入;若答案是肯定的,则将得到的每一行字条进行拼接。检查复原图正确与否,若答案是否定的,则人工干预介入;若答案是肯定的,则得到最优解。运用上述技术后,可在短时间内拼接出原先靠人工需要很长时间才能拼接的纸张,使得拼接纸张的效率大大提高。
Description
技术领域
本发明涉及一种拼接技术,尤其涉及一种碎纸片拼接方法。
背景技术
在当代生活中,破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。大量的纸质物证复原工作目前基本都是以手工方式完成的,一旦碎纸的数量增大到几百甚至上千块的时候,如果仍然依靠手工完成,不但耗费大量的人力、物力,而且还可能对物证造成一定的损坏。目前在国际上,德国等发达国家对破碎文件的自动修复技术已经进行了相当长时间的研究,但是由于技术封锁的原因,我们所能搜集的资料非常有限,而在国内,还没有类似的研究成果问世。
发明内容
本发明便是针对上述所提到的问题,提供一种运用计算机技术来进行碎纸片拼接的技术,该技术较之于人工拼接技术,可大大提高工作效率。
为解决上述技术问题,本发明提供了一种碎纸片拼接方法,技术全程采用计算机进行数据分析,其具体步骤为:1、首先让计算机将图像数据二值化,接着寻找边界图片,然后对图片进行分类;2、对每一行进行排序,然后检查整行拼接正确与否,若答案是否定的,则人工干预介入;若答案是肯定的,则将得到的每一行字条进行拼接;3、检查复原图正确与否,若答案是否定的,则人工干预介入;若答案是肯定的,则得到最优解。
进一步,在第1步中又可以细分为如下几个部分:数据二值化、寻找边界图片、对图片分类。
进一步,第2步可以细分为:对每一行进行排序、判断整行拼接是否正确、人工干预1;
进一步,第3步可以细分为:将得到的每一行的字条进行拼接、判断恢复图是否正确、人工干预2、得到最优解。
进一步,图像的二值化处理就是将图像上的点的灰度置为0或255,也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
进一步,为了得到理想的二值图像,一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体,其灰度值为255表示,否则这些像素点被排除在物体区域以外,灰度值为0,表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值,并且其处在一个具有其他等级灰度值的均匀背景下,使用阀值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上(比如纹理不同),可以将这个差别特征转换为灰度的差别,然后利用阀值选取技术来分割该图像。动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。
进一步,在本发明中所使用的是阈值法。通过直接对图像的灰度直方图曲线进行分析,判断极小值所在的灰度级,再对所有极小值点进行相应的分类合并来最终确定阈值的位置,避免出现过分割的现象。
进一步,在预处理阶段发明采用了基于各向异性扩散的平滑算法对图像进行滤波,以消除噪声,同时还可以使图像的灰度直方图曲线更为连续,从而加速算法的执行效率。简单阈值是指用灰度变换来研究灰度图像的一种常用方法,即设定某一阈值将灰度图像的像素分成大于阈值的像素群和小于阈值的像素群两部分。阈值(threshold)是把目标和背景区分开的标尺,选取适当的阈值就是既要尽可能保存图像信息,又要尽可能减少背景和噪声的干扰,这是选择阈值的原则。
进一步,在寻找边界图片的过程中,本案例采用区域相关的拼接算法,基于区域的配准方法是从待拼接图像的灰度值出发,对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异,对此差异比较后来判断待拼接图像重叠区域的相似程度,由此得到待拼接图像重叠区域的范围和位置,从而实现图像拼接。也可以通过FFT(快速傅立叶变换)变换将图像由时域变换到频域,然后再进行配准。对位移量比较大的图像,可以先校正图像的旋转,然后建立两幅图像之间的映射关系。
运用上述技术后,可在短时间内拼接出原先靠人工需要很长时间才能拼接的纸张,使得拼接纸张的效率大大提高。
附图说明
图1是本发明的实现的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细地说明。
如图1所示,本发明提供了一种碎纸片拼接方法,技术全程采用计算机进行数据分析,其具体步骤为:1、首先让计算机将图像数据二值化,接着寻找边界图片,然后对图片进行分类;2、对每一行进行排序,然后检查整行拼接正确与否,若答案是否定的,则人工干预介入;若答案是肯定的,则将得到的每一行字条进行拼接;3、检查复原图正确与否,若答案是否定的,则人工干预介入;若答案是肯定的,则得到最优解。
进一步,在第1步中又可以细分为如下几个部分:数据二值化S2、寻找边界图片S3、对图片分类S4;
进一步,第2步可以细分为:对每一行进行排序S5、判断整行拼接是否正确S6、人工干预S7;
进一步,第3步可以细分为:S8将得到的每一行的字条进行拼接、S9判断恢复图是否正确、S10人工干预2、S11得到最优解。
进一步,图像的二值化处理S2就是将图像上的点的灰度置为0或255,也就是讲整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中,二值图像占有非常重要的地位,特别是在实用的图像处理中,以二值图像处理实现而构成的系统是很多的,要进行二值图像的处理与分析,首先要把灰度图像二值化,得到二值化图像,这样子有利于再对图像做进一步处理时,图像的集合性质只与像素值为0或255的点的位置有关,不再涉及像素的多级值,使处理变得简单,而且数据的处理和压缩量小。为了得到理想的二值图像,一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体,其灰度值为255表示,否则这些像素点被排除在物体区域以外,灰度值为0,表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值,并且其处在一个具有其他等级灰度值的均匀背景下,使用阀值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上(比如纹理不同),可以将这个差别特征转换为灰度的差别,然后利用阀值选取技术来分割该图像。动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种碎纸片拼接方法,其特征在于,该碎纸片拼接方法采用计算机进行数据分析,包括以下步骤:
第1步,首先让计算机将图像数据二值化,接着寻找边界图片,然后对图片进行分类;
第2步,对每一行进行排序,然后检查整行拼接正确与否,若答案是否定的,则人工干预介入;若答案是肯定的,则将得到的每一行字条进行拼接;
第3步,检查复原图正确与否,若答案是否定的,则人工干预介入;若答案是肯定的,则得到最优解。
2.如权利要求1所述的碎纸片拼接方法,其特征在于,在第1步中又可以细分为如下几个部分:数据二值化、寻找边界图片、对图片分类。
3.如权利要求1所述的碎纸片拼接方法,其特征在于,第2步可以细分为:对每一行进行排序、判断整行拼接是否正确、人工干预。
4.如权利要求1所述的碎纸片拼接方法,其特征在于,第3步可以细分为:将得到的每一行的字条进行拼接、判断恢复图是否正确、人工干预、得到最优解。
5.如权利要求1所述的碎纸片拼接方法,其特征在于,图像的二值化处理就是将图像上的点的灰度置为0或255,也就是讲整个图像呈现出明显的黑白效果;即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
6.如权利要求1所述的碎纸片拼接方法,其特征在于,为了得到理想的二值图像,一般采用封闭、连通的边界定义不交叠的区域;所有灰度大于或等于阀值的像素被判定为属于特定物体,其灰度值为255表示,否则这些像素点被排除在物体区域以外,灰度值为0,表示背景或者例外的物体区域;如果某特定物体在内部有均匀一致的灰度值,并且其处在一个具有其他等级灰度值的均匀背景下,使用阀值法就可以得到比较的分割效果;如果物体同背景的差别表现不在灰度值上(比如纹理不同),可以将这个差别特征转换为灰度的差别,然后利用阀值选取技术来分割该图像;动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。
7.如权利要求1所述的碎纸片拼接方法,其特征在于,在本发明中所使用的是阈值法;通过直接对图像的灰度直方图曲线进行分析,判断极小值所在的灰度级,再对所有极小值点进行相应的分类合并来最终确定阈值的位置,避免出现过分割的现象。
8.如权利要求1所述的碎纸片拼接方法,其特征在于,在预处理阶段发明采用了基于各向异性扩散的平滑算法对图像进行滤波,以消除噪声,同时还可以使图像的灰度直方图曲线更为连续,从而加速算法的执行效率;简单阈值是指用灰度变换来研究灰度图像的一种常用方法,即设定某一阈值将灰度图像的像素分成大于阈值的像素群和小于阈值的像素群两部分;阈值(threshold)是把目标和背景区分开的标尺,选取适当的阈值就是既要尽可能保存图像信息,又要尽可能减少背景和噪声的干扰,这是选择阈值的原则。
9.如权利要求1所述的碎纸片拼接方法,其特征在于,在寻找边界图片的过程中,本案例采用区域相关的拼接算法,基于区域的配准方法是从待拼接图像的灰度值出发,对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异,对此差异比较后来判断待拼接图像重叠区域的相似程度,由此得到待拼接图像重叠区域的范围和位置,从而实现图像拼接;也可以通过FFT(快速傅立叶变换)变换将图像由时域变换到频域,然后再进行配准;对位移量比较大的图像,可以先校正图像的旋转,然后建立两幅图像之间的映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410245632.4A CN104021534A (zh) | 2014-06-05 | 2014-06-05 | 一种碎纸片拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410245632.4A CN104021534A (zh) | 2014-06-05 | 2014-06-05 | 一种碎纸片拼接方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104021534A true CN104021534A (zh) | 2014-09-03 |
Family
ID=51438273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410245632.4A Pending CN104021534A (zh) | 2014-06-05 | 2014-06-05 | 一种碎纸片拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104021534A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701500A (zh) * | 2016-01-01 | 2016-06-22 | 三峡大学 | 单面英文碎纸片拼接识别方法 |
CN105809623A (zh) * | 2016-03-04 | 2016-07-27 | 重庆交通大学 | 一种碎纸片拼接复原方法 |
CN109903270A (zh) * | 2019-01-28 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 牲畜群体数目监测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060185202A1 (en) * | 2005-01-20 | 2006-08-24 | Cohlmia Thomas L | Display and method of making thereof |
CN103679671A (zh) * | 2014-01-12 | 2014-03-26 | 王浩 | 融入fft的综合评价法的碎纸片纵横切拼接复原算法 |
CN103679678A (zh) * | 2013-12-18 | 2014-03-26 | 山东大学 | 一种矩形文字特征碎纸片的半自动拼接复原方法 |
CN103700081A (zh) * | 2013-12-17 | 2014-04-02 | 河海大学 | 一种碎纸机破碎英文文档的恢复方法 |
CN103778597A (zh) * | 2014-02-18 | 2014-05-07 | 济南大学 | 一种基于0-1规划的文档碎片拼接方法 |
-
2014
- 2014-06-05 CN CN201410245632.4A patent/CN104021534A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060185202A1 (en) * | 2005-01-20 | 2006-08-24 | Cohlmia Thomas L | Display and method of making thereof |
CN103700081A (zh) * | 2013-12-17 | 2014-04-02 | 河海大学 | 一种碎纸机破碎英文文档的恢复方法 |
CN103679678A (zh) * | 2013-12-18 | 2014-03-26 | 山东大学 | 一种矩形文字特征碎纸片的半自动拼接复原方法 |
CN103679671A (zh) * | 2014-01-12 | 2014-03-26 | 王浩 | 融入fft的综合评价法的碎纸片纵横切拼接复原算法 |
CN103778597A (zh) * | 2014-02-18 | 2014-05-07 | 济南大学 | 一种基于0-1规划的文档碎片拼接方法 |
Non-Patent Citations (1)
Title |
---|
陈稳稳 等: "基于文字特征的双面打印碎纸片拼接复原", 《计算机世界》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701500A (zh) * | 2016-01-01 | 2016-06-22 | 三峡大学 | 单面英文碎纸片拼接识别方法 |
CN105809623A (zh) * | 2016-03-04 | 2016-07-27 | 重庆交通大学 | 一种碎纸片拼接复原方法 |
CN109903270A (zh) * | 2019-01-28 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 牲畜群体数目监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086714B (zh) | 表格识别方法、识别系统及计算机装置 | |
Li et al. | Automatic pavement crack recognition based on BP neural network | |
CN108830832A (zh) | 一种基于机器视觉的塑料筒表面缺陷检测算法 | |
US8983199B2 (en) | Apparatus and method for generating image feature data | |
CN108805863B (zh) | 深度卷积神经网络结合形态学检测图像变化的方法 | |
Ni et al. | Automatic detection and counting of circular shaped overlapped objects using circular hough transform and contour detection | |
CN105809651A (zh) | 基于边缘非相似性对比的图像显著性检测方法 | |
CN107038707B (zh) | 一种图像分割方法及装置 | |
US11042986B2 (en) | Method for thinning and connection in linear object extraction from an image | |
WO2021118463A1 (en) | Defect detection in image space | |
CN111680704A (zh) | 海洋红线新增人类活动斑块自动化快速提取方法和装置 | |
CN115661765A (zh) | 一种路面病害检测方法 | |
CN113505702A (zh) | 基于双神经网络优化的路面病害识别方法及系统 | |
Chen et al. | A new watershed algorithm for cellular image segmentation based on mathematical morphology | |
CN104021534A (zh) | 一种碎纸片拼接方法 | |
Liao et al. | Deep-learning-based object-level contour detection with CCG and CRF optimization | |
CN109815763A (zh) | 二维码的检测方法、装置和存储介质 | |
CN113326734A (zh) | 一种基于YOLOv5的旋转目标检测方法 | |
Akther et al. | Detection of Vehicle's Number Plate at Nighttime using Iterative Threshold Segmentation (ITS) Algorithm | |
CN115063679B (zh) | 一种基于深度学习的路面质量评估方法 | |
Lukac et al. | Machine learning based adaptive contour detection using algorithm selection and image splitting | |
CN114511862B (zh) | 表格识别方法、装置及电子设备 | |
Nasr-Isfahani et al. | A new approach for touching cells segmentation | |
CN104156956A (zh) | 一种基于高斯小波一维峰值识别的多角度边缘检测方法 | |
CN114140551A (zh) | 一种基于轨迹图像的高速道路分歧合流点推测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140903 |
|
RJ01 | Rejection of invention patent application after publication |