CN104143096B - 基于地址事件表达的二值连通域标记方法 - Google Patents

基于地址事件表达的二值连通域标记方法 Download PDF

Info

Publication number
CN104143096B
CN104143096B CN201410349770.7A CN201410349770A CN104143096B CN 104143096 B CN104143096 B CN 104143096B CN 201410349770 A CN201410349770 A CN 201410349770A CN 104143096 B CN104143096 B CN 104143096B
Authority
CN
China
Prior art keywords
point
value
array
equal
common
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.)
Active
Application number
CN201410349770.7A
Other languages
English (en)
Other versions
CN104143096A (zh
Inventor
徐江涛
张梦醒
史再峰
姚素英
高静
聂凯明
高志远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201410349770.7A priority Critical patent/CN104143096B/zh
Publication of CN104143096A publication Critical patent/CN104143096A/zh
Application granted granted Critical
Publication of CN104143096B publication Critical patent/CN104143096B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于二值图像处理领域,为避免对数量巨大的背景像素的扫描和判断,从而大大节省算法的运行时间,提高程序的执行效率。为此,本发明采取的技术方案是,基于地址事件表达的二值连通域标记方法,包括下列步骤:大小为h个水平方向像素×w个竖直方向像素的二值图像以地址事件表达(AER)的方法进行保存,其中,h、w均为正整数,分别与待处理图像的长宽像素数量相等;定义数组AX和AY,其元素个数均为L,每个元素是位数分别为对log2w和log2h上取整得到的整数;数组AX、AY分别用于存储二值图像中目标像素点的横坐标和纵坐标,L为自然数,需大于或等于待处理图像的目标点个数。本发明主要应用于二值图像处理。

Description

基于地址事件表达的二值连通域标记方法
技术领域
本发明属于二值图像处理领域,涉及一种二值图像标记方法,尤其涉及一种基于地址事件表达的二值连通域标记方法。
技术背景
二值图像的连通域标记是计算机图像处理中一个重要而基本的操作。是图像识别应用中对底层像素处理的重要环节。连通域标记将像素信息转化为区域信息,为之后的模式识别打下基础。其具体应用十分广泛,几乎遍布整个图像识别领域,例如:工业检测、文字识别、数字识别、目标追踪、医学图像处理、遥感图像处理等。
地址事件表达(AER)是近年来刚刚出现在图像领域的一种新型的图像信息存储和处理方法。AER最初出现在图像传感器领域,其只关注光强变化,保存光强发生变化的像素地址和光强变化值,从而大大降低了数据冗余。
二值图像是由黑色(背景点)和白色(目标点)组成的图像,在二值图像连通域标记中,很多时候背景像素点数量巨大而目标像素点较少。在标记过程中,对大量背景像素点的扫描、判断往往要消耗大量时间。而现有的二值图像连通域标记算法往往需要对图像矩阵或临时标记矩阵进行多次扫描,这使得不必要的时间消耗尤为严重。
发明内容
为了克服现有技术的不足,避免对数量巨大的背景像素的扫描和判断,从而大大节省算法的运行时间,提高程序的执行效率。为此,本发明采取的技术方案是,基于地址事件表达的二值连通域标记方法,包括下列步骤:大小为h个水平方向像素×w个竖直方向像素的二值图像以地址事件表达(AER)的方法进行保存,其中,h、w均为正整数,分别与待处理图像的长宽像素数量相等;定义数组AX和AY,其元素个数均为L,每个元素是位数分别为对log2w和log2h上取整得到的整数;数组AX、AY分别用于存储二值图像中目标像素点的横坐标和纵坐标,L为自然数,需大于或等于待处理图像的目标点个数;横纵坐标的存储顺序目标点在二值图像中的位置按照从上到下,从左到右的顺序排列,且横纵坐标相互对应;数组Z用于保存目标像素点的区域标记,Z的长度为L,元素位数取log2w和log2h上取整数中较大者;用长度为L、位数为log2w和log2h上取整数中较大者的数组COMMON来保存等价标记,其下标与值构成一组等价标记;
1)、对数组AX和AY进行遍历,为所有目标点的临时标记赋值:设目标点为I(AX(i),AY(i)),其中i为小于等于L的自然数,
1.1判断目标点I(AX(i),AY(i))上方点的性质:若AY(i)=1,则目标点I(AX(i),AY(i))无上方点,无需判断;若AY(i)≠1,则判断是否有AX(i-1)=AX(i),且是否有AY(i-1)=AY(i)-1,若两等式皆成立,则判定目标点I(AX(i),AY(i))与其上方点(AX(i-1),AY(i-1))相连通,属于同一连通域;否则,则判断点I(AX(i),AY(i))上方点为背景点。
1.2判断目标点I(AX(i),AY(i))左侧点的性质:若AX(i)=1,则目标点I(AX(i),AY(i))无左侧点,无需判断;若AX(i)≠1,需从i-1处对数组AX、AY分别进行倒序遍历,搜索是否存在点J(AX(j),AY(j))满足AX(j)=AX(i)-1且AY(j)=AY(i),其中,j为小于i的自然数;遍历最多至点N(AX(n),AY(n))结束,其中,点N满足AY(n)<AY(i)-1,n为小于i的自然数;若存在符合条件的点J,则判断点I(AX(i),AY(i))左侧点为目标点,否则其左侧点为背景点;
1.3赋予临时标记和记录等价标记:如果点I的上方和左侧均不是目标点,则为其在区域标记数组Z中的对应位置Z(i)按自然数递增加1的规律赋予新值M,M为自然数,只是暂时的标记值,之后可能会对其进行修改,因此称之为临时标记;赋予临时标记的同时,需在COMMON中相应位置记录,令COMMON(M)=M;若点I的上方和左侧点中有且只有一个目标点,则将这个点的临时标记赋予Z(i);若点I的上方和左侧点均为目标点,则判断这两点的临时标记值关系,若相等,则将此值赋予Z(i),若不相等,设两值分别为LA、SM,并假设LA>SM,则将两值中的较小值SM赋予Z(i),且在COMMON中相应位置记录,令COMMON(LA)=SM;同时,从第LA个元素COMMON(LA)为起点倒序遍历所有COMMON元素,找出其中值为LA的元素,并将其值全部替换为SM;
2)、修改等价标记
对等价标记数组COMMON从头遍历并进行重新赋值,按照临时标记值出现的顺序将原有的临时标记值替换成从1,2,3……,使最终得到的标记值是连续的自然数;
3)、修改区域标记数组Z
对区域标记数组Z进行遍历,按照等价标记数组COMMON中所保存的等价标记对Z中元素逐一修改。
与已有技术相比,本发明的技术特点与效果:
本发明的基于地址事件表达的二值图连通域标记方法不需要对完整的原始图像进行扫描,无须执行对大量背景点的扫描、判定,而能够直接找到目标点,并通过对少量事件的扫描判断对目标点进行标记,因而大大提高了标记效率。
附图说明
图1本发明的方法流程框图。
图2原始二值图。
图3临时标记。
图4最终标记。
具体实施方式
本算法将地址事件表达应用于二值图像连通域标记中,只处理数量较少的目标点,而无须扫描和判断数量较大的背景点,从而大大提高了二值图像连通域标记算法的执行效率。
大小为h(水平方向像素)×w(竖直方向像素)的二值图像以地址事件表达(AER)的方法进行保存。定义数组AX和AY,其元素个数均为L,每个元素是位数分别为log2w和log2h的二进制数。数组AX、AY分别用于存储二值图像中目标像素点的横坐标和纵坐标,L为自然数,需大于或等于待处理图像的目标点个数。横纵坐标的存储顺序目标点在二值图像中的位置按照从上到下,从左到右的顺序排列,且横纵坐标相互对应。数组Z用于保存目标像素点的区域标记,Z的长度为L,元素位数取log2w和log2h上取整数中较大者。在二值图标记过程中,可能会出现等价标记,即存在同一目标点有两个不同标号的情况,用长度为L、位数为log2w和log2h上取整数中较大者的数组COMMON来保存这些等价标记,其下标与值构成一组等价标记,例如:设a、b为自然数,若COMMON(a)=b,则a、b为等价标记。
1、对数组AX和AY进行遍历,为所有目标点的临时标记赋值。设目标点为I(AX(i),AY(i)),其中i为小于等于L的自然数
1.1判断目标点I(AX(i),AY(i))上方点的性质。若AY(i)=1,则目标点I(AX(i),AY(i))无上方点,无需判断。若AY(i)≠1,则判断是否有AX(i-1)=AX(i),且是否有AY(i-1)=AY(i)-1,若两等式皆成立,则判定目标点I(AX(i),AY(i))与其上方点(AX(i-1),AY(i-1))相连通,属于同一连通域。否则,则判断点I(AX(i),AY(i))上方点为背景点。
1.2判断目标点I(AX(i),AY(i))左侧点的性质。若AX(i)=1,则目标点I(AX(i),AY(i))无左侧点,无需判断。若AX(i)≠1,需从i-1处对数组AX、AY分别进行倒序遍历,搜索是否存在点J(AX(j),AY(j))满足AX(j)=AX(i)-1且AY(j)=AY(i),其中,j为小于i的自然数。遍历最多至点N(AX(n),AY(n))结束,其中,点N满足AY(n)<AY(i)-1,n为小于i的自然数。若存在符合条件的点J,则判断点I(AX(i),AY(i))左侧点为目标点,否则其左侧点为背景点。
1.3赋予临时标记和记录等价标记。如果点I的上方和左侧均不是目标点,则为其在区域标记数组Z中的对应位置Z(i)按自然数递增加1的规律赋予新值M,这个值只是暂时的标记值,之后可能会对其进行修改,因此称之为临时标记。赋予临时标记的同时,需在COMMON中相应位置记录,令COMMON(M)=M;若点I的上方和左侧点中有且只有一个目标点,则将这个点的临时标记赋予Z(i);若点I的上方和左侧点均为目标点,则判断这两点的临时标记值关系,若相等,则将此值赋予Z(i),若不相等,设两值分别为LA、SM,并假设LA>SM,则将两值中的较小值SM赋予Z(i),且在COMMON中相应位置记录,令COMMON(LA)=SM。同时,从第LA个元素COMMON(LA)为起点倒序遍历所有COMMON元素,找出其中值为LA的元素,并将其值全部替换为SM。
2、修改等价标记
对等价标记数组COMMON从头遍历并进行重新赋值,按照临时标记值出现的顺序将原有的临时标记值替换成从1,2,3……,使最终得到的标记值是连续的自然数。
3、修改区域标记数组Z
对区域标记数组Z进行遍历,按照等价标记数组COMMON中所保存的等价标记对Z中元素逐一修改。例如:a、b为自然数,若COMMON(a)=b,则将Z中所有等于a的值替换为b。最终的区域标记结果仍然以AER协议的保存方式保存在三个数组AX、AY、Z中。
以一个6×8的二值图为例对本算法进行说明,原始图如图2所示,其中深色为背景点,白色为目标点。此图像的地址事件表达为:横坐标数组AX=[2,2,2,3,4,4,5,5,5,5,5,7,7],纵坐标数组AY=[3,4,5,5,2,5,1,2,3,4,5,3,4],事件总数为13,设原始区域标记数组Z=[0,0,0,0,0,0,0,0,0,0,0,0,0]。用于保存等价标记的数组COMMON长度并不确定,可设COMMON=[0,0,0,0,0]。
1、首先对数组AX和AY以从左向右的顺序进行遍历,计算得到所有目标点的临时标记。有Z=[1,1,1,1,2,1,3,2,2,2,1,4,4],如图3所示,此时COMMON=[1,1,1,4,0]。
2、对COMMON进行重新赋值,得到COMMON=[1,1,1,2,0]。
3、修改区域标记数组Z=[1,1,1,1,1,1,1,1,1,1,1,2,2],如图4所示。
基于地址事件表达的二值连通域标记方法用对少量目标点的地址遍历来代替对大量背景点的遍历,在背景点数目较多的二值图像连通域处理中,可以大大提高处理速度。对于300×400的图像,事件数(即目标点数)为1554。采用matlab为本算法进行软件开发,在处理器为Pentium(R)Dual-Core E58003.20GHz+3.20GHz,内存为2GB,操作系统为Windows7的计算机上运行该程序100次,类似思路的传统连通域标记方法平均运行时间约为12ms,而本算法运行时间仅为5ms。

Claims (1)

1.一种基于地址事件表达的二值连通域标记方法,其特征是,包括如下步骤:
大小为h×w个像素的二值图像以地址事件表达(AER)的方法进行保存,其中,h、w均为正整数,分别与待处理图像的长宽像素数量相等;定义数组AX和AY,其元素个数均为L,两个数组中每个元素位数分别为log2w和log2h向上取整得到的整数;数组AX、AY分别用于存储二值图像中目标像素点的横坐标和纵坐标,L为自然数,需大于或等于待处理图像的目标点个数;横纵坐标的存储顺序目标点在二值图像中的位置按照从上到下,从左到右的顺序排列,且横纵坐标相互对应;数组Z用于保存目标像素点的区域标记,Z的长度为L,元素位数取log2w和log2h上取整数中较大者;用长度为L、位数为log2w和log2h上取整数中较大者的数组COMMON来保存等价标记,数组COMMON下标与值构成一组等价标记;
1)、对数组AX和AY进行遍历,为所有目标点的临时标记赋值:设目标点为I(AX(i),AY(i)),其中i为小于等于L的自然数,
1.1判断目标点I(AX(i),AY(i))上方点的性质:若AY(i)=1,则目标点I(AX(i),AY(i))无上方点,无需判断;若AY(i)≠1,则判断是否有AX(i-1)=AX(i),且是否有AY(i-1)=AY(i)-1,若两等式皆成立,则判定目标点I(AX(i),AY(i))与其上方点(AX(i-1),AY(i-1))相连通,属于同一连通域;否则,则判断点I(AX(i),AY(i))上方点为背景点;
1.2判断目标点I(AX(i),AY(i))左侧点的性质:若AX(i)=1,则目标点I(AX(i),AY(i))无左侧点,无需判断;若AX(i)≠1,需从i-1处对数组AX、AY分别进行倒序遍历,搜索是否存在点J(AX(j),AY(j))满足AX(j)=AX(i)-1且AY(j)=AY(i),其中,j为小于i的自然数;遍历最多至点N(AX(n),AY(n))结束,其中,点N满足AY(n)<AY(i)-1,n为小于i的自然数;若存在符合条件的点J,则判断点I(AX(i),AY(i))左侧点为目标点,否则其左侧点为背景点;
1.3赋予临时标记和记录等价标记:如果点I的上方和左侧均不是目标点,则为其在区域标记数组Z中的对应位置Z(i)按自然数递增加1的规律赋予新值M,M为自然数,初值为0,只是暂时的标记值,之后可能会对其进行修改,因此称之为临时标记;赋予临时标记的同时,需在COMMON中相应位置记录,令COMMON(M)=M;若点I的上方和左侧点中有且只有一个目标点,则将这个点的临时标记赋予Z(i);若点I的上方和左侧点均为目标点,则判断这两点的临时标记值关系,若相等,则将此值赋予Z(i),若不相等,设两值分别为LA、SM,并假设LA>SM,则将两值中的较小值SM赋予Z(i),且在COMMON中相应位置记录,令COMMON(LA)=SM;同时,从第LA个元素COMMON(LA)为起点倒序遍历所有COMMON元素,找出其中值为LA的元素,并将其值全部替换为SM;
2)、修改等价标记
对等价标记数组COMMON从头遍历并进行重新赋值,按照临时标记值出现的顺序将原有的临时标记值替换成从1,2,3……,使最终得到的标记值是连续的自然数;
3)、修改区域标记数组Z
对区域标记数组Z进行遍历,按照等价标记数组COMMON中所保存的等价标记对Z中元素逐一修改。
CN201410349770.7A 2014-07-22 2014-07-22 基于地址事件表达的二值连通域标记方法 Active CN104143096B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410349770.7A CN104143096B (zh) 2014-07-22 2014-07-22 基于地址事件表达的二值连通域标记方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410349770.7A CN104143096B (zh) 2014-07-22 2014-07-22 基于地址事件表达的二值连通域标记方法

Publications (2)

Publication Number Publication Date
CN104143096A CN104143096A (zh) 2014-11-12
CN104143096B true CN104143096B (zh) 2017-06-20

Family

ID=51852266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410349770.7A Active CN104143096B (zh) 2014-07-22 2014-07-22 基于地址事件表达的二值连通域标记方法

Country Status (1)

Country Link
CN (1) CN104143096B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104808057B (zh) * 2015-05-04 2018-02-02 中国电子科技集团公司第二十六研究所 一种基于异步探测的声光实时信号分析仪
CN105721772B (zh) * 2016-01-20 2018-06-22 天津师范大学 一种异步时域视觉信息成像方法
CN105719296B (zh) * 2016-01-21 2019-04-16 天津大学 基于地址-事件表示的高速图像二值连通域标记方法
CN106127786B (zh) * 2016-07-04 2018-12-18 大连理工大学 一种复杂连通区域特征的快速标定与提取方法
CN106384090A (zh) * 2016-09-10 2017-02-08 天津大学 Aer传感器的图像显示及目标数据截取方法
CN109949204B (zh) * 2019-03-29 2023-08-15 江苏亿通高科技股份有限公司 流水线结构的星点质心提取电路
CN110503086B (zh) * 2019-08-14 2021-10-22 中国科学院近代物理研究所 一种基于奇偶位置的目标质心定位系统及方法
CN112581491B (zh) * 2020-12-17 2023-03-21 西安电子科技大学 基于地址事件连通域的运动目标定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957995A (zh) * 2010-10-14 2011-01-26 华中科技大学 一种图像中关联像素点的检测提取方法及其应用
US8306325B2 (en) * 2004-06-04 2012-11-06 Yoshinaga Technologies, Llc Text character identification system and method thereof
CN103605497A (zh) * 2013-11-29 2014-02-26 柳州职业技术学院 一种二值图像连通域标记快速识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8306325B2 (en) * 2004-06-04 2012-11-06 Yoshinaga Technologies, Llc Text character identification system and method thereof
CN101957995A (zh) * 2010-10-14 2011-01-26 华中科技大学 一种图像中关联像素点的检测提取方法及其应用
CN103605497A (zh) * 2013-11-29 2014-02-26 柳州职业技术学院 一种二值图像连通域标记快速识别方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
"A Fast Region Expansion Labeling of Connected";Sung-muk Kang et al.;《IEEE ISCE 2014》;20140625;第1-2页 *
"Linear-time based on connected一component labeling sequential local operations";Kenji Suzuki et al.;《Computer Vision and Image Understanding》;20031231;第1-23页 *
"Connected Component Labeling of Binary Images on a Mesh Connected Massively Parallel Processor";M.MANnHAR;《COMPUTER VISION. GRAPHICS. AND IMAGE PROCESSING》;19891231;第133-149页 *
"一种二值图像连通区域标记快速算法";曹长虎 等;《科学技术与工程》;20101130;第8168-8180页 *
"一种二值图像连通区域标记的新算法";高红波 等;《计算机应用》;20071130;第2776-2777、2785页 *
"基于递归的二值图像连通域像素标记算法";徐正光 等;《计算机工程》;20061231;第186-188、225页 *

Also Published As

Publication number Publication date
CN104143096A (zh) 2014-11-12

Similar Documents

Publication Publication Date Title
CN104143096B (zh) 基于地址事件表达的二值连通域标记方法
Preethi et al. Region-based convolutional neural network for segmenting text in epigraphical images
US8879839B2 (en) Image processing apparatus, image processing method, and storage medium
CN103955660B (zh) 一种批量二维码图像识别方法
Çelik et al. A sigmoid‐optimized encoder–decoder network for crack segmentation with copy‐edit‐paste transfer learning
EP3330884A1 (en) Two-dimensional code preliminary positioning method and system
CN109409376B (zh) 针对固废对象的图像分割方法、计算机终端及存储介质
RU2729399C1 (ru) Способ обнаружения и распознавания визуальных маркеров большой дальности и высокой плотности
TWI405145B (zh) 以圖素之區域特徵為基礎的影像分割標記方法與系統,及其電腦可記錄媒體
CN102171723B (zh) 红眼检测的方法
CN113191358B (zh) 金属零件表面文本检测方法和系统
CN112329761A (zh) 文本检测方法、装置、设备及存储介质
CN110399760A (zh) 一种批量二维码定位方法、装置、电子设备及存储介质
CN102156870A (zh) 一种图像局部旋转不变特征的提取装置及其提取方法
Xu et al. Pixel-level pavement crack detection using enhanced high-resolution semantic network
CN106097239A (zh) 一种二维码水印加密并行化快速嵌入及提取方法
Shahzad et al. Enhanced watershed image processing segmentation
CN104598289B (zh) 一种识别方法及一种电子设备
RU2557755C1 (ru) Способ сжатия изображения при фрактальном кодировании
CN110659343A (zh) 一种地理围栏数据的提取方法、装置及设备
CN116091297A (zh) 一种图像连通域标记硬件实现算法
da Silva et al. Connected-component labeling based on hypercubes for memory constrained scenarios
CN103559681B (zh) 矢量图像显示方法和系统
Sirhan et al. Multilabel CNN model for asphalt distress classification
Yu et al. Convolutional neural networks for figure extraction in historical technical documents

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant