CN104156941B - 一种确定图像上几何轮廓区域的方法及系统 - Google Patents
一种确定图像上几何轮廓区域的方法及系统 Download PDFInfo
- Publication number
- CN104156941B CN104156941B CN201410201100.0A CN201410201100A CN104156941B CN 104156941 B CN104156941 B CN 104156941B CN 201410201100 A CN201410201100 A CN 201410201100A CN 104156941 B CN104156941 B CN 104156941B
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- processing image
- carried out
- region
- 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
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种确定图像上几何轮廓区域的方法及系统，能较为精确地确定出预定的几何轮廓区域在图像上的位置。确定图像上几何轮廓区域的方法，包括：对原始图像进行灰度处理得到第一处理图像；对第一处理图像分别进行开运算和闭运算处理分别得到第二、第三处理图像；对第二、第三处理图像进行差值运算得到第四处理图像；对第四处理图像进行二值化运算处理得到第五处理图像；对第二处理图像进行二值化运算处理得到第六处理图像；对第六处理图像进行非运算处理得到第七处理图像；对第五处理图像和第七处理图像进行与运算得到第八处理图像；对第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓；将所述轮廓的位置信息还原到第一处理图像上，得到第一处理图像上具有所述预定的几何形状的轮廓区域。本发明适用于需要准确定位图像上的几何轮廓区域的场合。
Description
技术领域
本发明涉及电子信息技术领域，尤其涉及一种确定图像上几何轮廓区域的方法及系统。
背景技术
近几年，随着图象识别技术的发展，基于图像的条码自动识别的技术逐渐代替了光电硬件设备的条码识别技术。基于图像的条码自动识别包含一维条码的自动识读和二维条码的自动识读。目前存在的基于图像的条码自动识别的技术，都要进行一种边界检测的图像分析过程。
在实现本发明的过程中，发明人发现现有的边界检测的图像分析过程，无法确定出条码在图像上的精确位置，从而容易导致条码识读失败或识读结果错误。
发明内容
有鉴于此，本发明实施例提供一种确定图像上几何轮廓区域的方法及系统，能够较为精确地确定出预定的几何轮廓区域在图像上的位置。
为达到上述目的，本发明的实施例采用如下技术方案：
一方面，本发明实施例提供一种确定图像上几何轮廓区域的方法，包括：
获取要确定几何轮廓区域的原始图像；
对所述原始图像进行灰度处理，得到第一处理图像；
对所述第一处理图像进行开运算处理，得到第二处理图像；
对所述第一处理图像进行闭运算处理，得到第三处理图像；
对所述第二处理图像和所述第三处理图像进行差值运算，得到第四处理图像；
对所述第四处理图像进行二值化运算处理，得到第五处理图像；
对所述第二处理图像进行二值化运算处理，得到第六处理图像；
对所述第六处理图像进行非运算处理，得到第七处理图像；其中，所述非运算为将所述第六处理图像上的各个像素点的灰度值进行非运算；
对所述第五处理图像和所述第七处理图像进行与运算，得到第八处理图像；其中，所述与运算为将所述第五处理图像上各个像素点的灰度值与所述第七处理图像上相同坐标位置的像素点的灰度值进行与运算；
对所述第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓；
将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
本发明实施例提供的确定图像上几何轮廓区域的方法，通过对第二处理图像和第三处理图像进行差值运算，可以将第一处理图像上的图形与背景部分的亮度差异化进行增强；将第四处理图像进行二值化运算可以将第四处理图像进行二值化展示，并对第四处理图像上的图形进行定位；将第二处理图像进行二值化运算可以将第二处理图像进行二值化体现，并对第二处理图像上的图形进行定位；将第五处理图像与第七处理图像进行与运算，能够将第五处理图像上的图形变为纯白，背景部分变为纯黑；对第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓，并将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，即可以较为精确地得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
另一方面，本发明实施例提供一种确定图像上几何轮廓区域的系统，包括：
第一获取单元，用于获取要确定几何轮廓区域的原始图像；
灰度处理单元，用于对所述第一获取单元获取到的原始图像进行灰度处理，得到第一处理图像；
开运算处理单元，用于对所述灰度处理单元得到的第一处理图像进行开运算处理，得到第二处理图像；
闭运算处理单元，用于对所述灰度处理单元得到的第一处理图像进行闭运算处理，得到第三处理图像；
差值运算处理单元，用于对所述开运算处理单元得到的第二处理图像和所述闭运算处理单元得到的第三处理图像进行差值运算，得到第四处理图像；
第一二值化运算处理单元，用于对所述差值运算处理单元得到的第四处理图像进行二值化运算处理，得到第五处理图像；
第二二值化运算处理单元，用于对所述开运算处理单元得到的第二处理图像进行二值化运算处理，得到第六处理图像；
非运算处理单元，用于对所述第二二值化运算处理单元得到的第六处理图像进行非运算处理，得到第七处理图像；其中，所述非运算为将所述第六处理图像上的各个像素点的灰度值进行非运算；
与运算处理单元，用于对所述第一二值化运算处理单元得到的第五处理图像和所述非运算处理单元得到的第七处理图像进行与运算，得到第八处理图像；其中，所述与运算为将所述第五处理图像上各个像素点的灰度值与所述第七处理图像上相同坐标位置的像素点的灰度值进行与运算；
轮廓提取运算单元，用于对所述与运算处理单元得到的第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓；
第二获取单元，用于将所述轮廓提取运算单元获取到的具有所述预定的几何形状的轮廓的位置信息还原到所述灰度处理单元得到的第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
本发明实施例提供的确定图像上几何轮廓区域的系统，通过对第二处理图像和第三处理图像进行差值运算，可以将第一处理图像上的图形与背景部分的亮度差异化进行增强；将第四处理图像进行二值化运算可以将第四处理图像进行二值化展示，并对第四处理图像上的图形进行定位；将第二处理图像进行二值化运算可以将第二处理图像进行二值化体现，并对第二处理图像上的图形进行定位；将第五处理图像与第七处理图像进行与运算，能够将第五处理图像上的图形变为纯白，背景部分变为纯黑；对第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓，并将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，即可以较为精确地得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
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为本发明确定图像上几何轮廓区域的方法一实施例的流程示意图；
图2为将原始图像转化为bmp格式的灰度图像的效果图；
图3为图1中S3一实施例的流程示意图；
图4为将图2缩微16倍的效果图；
图5为将图4进行开运算处理的效果图；
图6为图1中S4一实施例的流程示意图；
图7为将图4进行闭运算处理的效果图；
图8为将图5和图7做差值运算的效果图；
图9为本发明确定图像上几何轮廓区域的方法另一实施例中对所述第四处理图像进行大津二值化运算处理，得到第五处理图像一实施例的流程示意图；
图10为将图8缩小4倍后，进行大津二值化运算，最后再放大4倍的效果图；
图11为将图5进行局部自适应二值化窗口参数为所述局部窗口的像素高度与像素宽度的最小值除以50后的值的局部自适应二值化处理的效果图；
图12为将进行非运算后的图5与图10进行与运算的效果图；
图13为图1中S7一实施例的流程示意图；
图14为图1中S10一实施例的流程示意图；
图15为对图12进行轮廓提取运算，筛选出矩形轮廓的效果图；
图16为将图15上的矩形轮廓还原到图2上的矩形轮廓区域进行条码特征判断，并筛选出条码区域的效果图；
图17为图1中S11一实施例的流程示意图；
图18为本发明确定图像上几何轮廓区域的系统一实施例的方框结构示意图；
图19为图18中第一二值化运算处理单元一实施例的方框结构示意图；
图20为图18中轮廓提取运算单元一实施例的方框结构示意图；
图21为本发明确定图像上几何轮廓区域的系统另一实施例的方框结构示意图；
图22为图21中条码区域筛选单元一实施例的方框结构示意图；
图23为图18中第二获取单元一实施例的方框结构示意图。
具体实施方式
下面结合附图对本发明实施例一种确定图像上几何轮廓区域的方法及系统进行详细描述。
应当明确，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。
参看图1，本发明的实施例提供一种确定图像上几何轮廓区域的方法，可以包括：
S1、获取要确定几何轮廓区域的原始图像；
S2、对所述原始图像进行灰度处理，得到第一处理图像；
S3、对所述第一处理图像进行开运算处理，得到第二处理图像；
S4、对所述第一处理图像进行闭运算处理，得到第三处理图像；
S5、对所述第二处理图像和所述第三处理图像进行差值运算，得到第四处理图像；
S6、对所述第四处理图像进行二值化运算处理，得到第五处理图像；
S7、对所述第二处理图像进行二值化运算处理，得到第六处理图像；
S8、对所述第六处理图像进行非运算处理，得到第七处理图像；其中，所述非运算为将所述第六处理图像上的各个像素点的灰度值进行非运算；
S9、对所述第五处理图像和所述第七处理图像进行与运算，得到第八处理图像；其中，所述与运算为将所述第五处理图像上各个像素点的灰度值与所述第七处理图像上相同坐标位置的像素点的灰度值进行与运算；
S10、对所述第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓区域；
S11、将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
本发明实施例提供的确定图像上几何轮廓区域的方法，通过对第二处理图像和第三处理图像进行差值运算，可以将第一处理图像上的图形与背景部分的亮度差异化进行增强；将第四处理图像进行二值化运算可以将第四处理图像进行二值化展示，并对第四处理图像上的图形进行定位；将第二处理图像进行二值化运算可以将第二处理图像进行二值化体现，并对第二处理图像上的图形进行定位；将第五处理图像与第七处理图像进行与运算，能够将第五处理图像上的图形变为纯白，背景部分变为纯黑；对第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓，并将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，即可以较为精确地得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
参看图2，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述原始图像进行灰度处理，得到第一处理图像，可以包括：
对所述原始图像进行预定格式的灰度处理，得到第一处理图像。
本实施例中，由于需要检测的图像可能来源于多种设备渠道，根据设备的不同所获取到的图像存在色度差异(例如彩色图像或者黑白图像)和格式的差异(例如gif、bmp、jpeg等)，故需要将不同色度和格式的原始图像转化为统一格式的、各个像素点的灰度值为0～255的灰度图像，作为后续进行像素点的灰度值计算和分析的初始图像。具体的图像格式转化有国际或国家公开标准，本申请不再赘述。
图像的灰度处理可用两种方法来实现：第一种方法为求出每个像素点的R、G、B三个颜色分量的平均值，然后将这个平均值作为这个像素点的三个颜色分量值；第二种方法是根据RGB和YUV颜色空间的变化关系建立表示亮度等级的分量Y与R、G、B三个颜色分量的对应关系：Y＝0.3R+0.59G+0.11B，并以这个亮度值作为图像上对应像素点的灰度值。
本实施例中，将原始图像转化为bmp格式的灰度图像，效果如图2所示。
参看图2-5，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第一处理图像进行开运算处理，得到第二处理图像(S3)，可以包括：
S30、对所述第一处理图像按照第一预定倍数进行缩微处理；
S31、对所述进行缩微处理后的第一处理图像先进行腐蚀运算，然后再进行膨胀运算，得到第二处理图像。
本实施例中，第一预定倍数可以设定为16。将图2缩小16倍，获得图2的1/16比例的全景图像，效果如图4所示。该步骤主要在于将图2的图像信息进行缩小，加速后续步骤中图像的处理速度，并且提供一个全景的图像特征，以防图像全景信息不全而导致条码区域定位失败。
假设一个图像的灰度图像为f(x，y)，则用结构元素b(x，y)对灰度图像f(x，y)进行腐蚀运算可以表示为：
(fΘb)(s，t)＝min{f(s+x，t+y)-b(x，y)|(s+x，t+y)∈Df，(x，y)∈Db}，其中Df、Db分别是f(x，y)和b(x，y)的定义域。当结构元素的所有元素都为正数时，对图像进行腐蚀运算后的图像趋向于比腐蚀运算前的图像暗：若腐蚀运算前的图像中的亮细节面积小于结构元素，则进行腐蚀运算后的亮的效果会被削弱，削弱的程度取决于亮细节周围的灰度值和结构元素的形状与幅值。腐蚀运算前的图像的边缘部分具有较大灰度值的像素点的灰度值在腐蚀运算后会降低，因此，边缘会向灰度值高的区域内部收缩。用结构元素b(x，y)对灰度图像f(x，y)进行膨胀运算可以表示为：其中Df、Db分别是f(x，y)和b(x，y)的定义域。当结构元素的所有元素都为正数时，对图像进行膨胀运算后的图像趋向于比膨胀运算前的图像亮：若膨胀运算前的图像中的暗细节面积小于结构元素，则进行膨胀运算后的暗的效果会被削弱，削弱的程度取决于结构元素的形状与幅值。膨胀运算后的图像的边缘会得到延伸。灰度图像的开运算可以表示为：开运算可以去除面积比结构元素小的亮细节，保持整体的灰度级和较大的明亮区域不变。本实施例中对图4进行开运算处理可以消除图4中图像的细微噪声，并对图4中图像的边界进行有效的平滑，但不能改变图4中所存在图像的有效面积。对图4进行开运算效果如图5所示。
参看图6、图4和图7，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第一处理图像进行闭运算处理，得到第三处理图像(S4)，可以包括：
S40、对所述第一处理图像按照第二预定倍数进行缩微处理；其中，所述第二预定倍数与所述第一预定倍数相等；
S41、对所述进行缩微处理后的第一处理图像先进行膨胀运算，然后再进行腐蚀运算，得到第三处理图像。
灰度图像的闭运算可以表示为：闭运算可以除去图像中的暗细节部分，相对的保持明亮部分不受影响。本实施例中对图4进行闭运算处理可以填充图像内细小空洞、连接邻近图像区域、平滑边界，但不能改变图4中所存在图像的有效面积。对图4进行闭运算效果如图7所示。
参看图5、图7和图8，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第二处理图像和所述第三处理图像进行差值运算，得到第四处理图像，可以包括：
将所述第二处理图像上像素点的灰度值减去所述第三处理图像上相同坐标位置的像素点的灰度值，得到对应所述坐标位置的新的灰度值，根据所述新的灰度值，生成第四处理图像。
本实施例中，将图5和图7相同坐标位置的像素点的灰度值做差值运算，并把所述灰度差值按照对应的坐标位置形成一个新的图像，效果如图8所示。通过图像的开、闭差值运算，可以将原始图像中的灰度较小的图像体现出来，形成灰度较大的图像，而原始图像中灰度较大的图像进行了灰度变小处理，形成深色背景。
在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第四处理图像进行二值化运算处理，得到第五处理图像，可以包括：对所述第四处理图像进行大津二值化运算处理，得到第五处理图像。
参看图8-10，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第四处理图像进行大津二值化运算处理，得到第五处理图像，可以包括：
S601、对所述第四处理图像按照第三预定倍数进行缩微处理，得到所述第四处理图像的微缩图像；
S602、对所述第四处理图像的微缩图像进行大津二值化运算处理，得到所述第四处理图像的微缩图像的大津二值化图像；
S603、对所述第四处理图像的微缩图像的大津二值化图像按照所述第三预定倍数的倒数进行放大，得到第五处理图像。
本实施例中，第三预定倍数可以设定为4。将图8缩小4倍后，进行大津二值化运算，最后再放大4倍恢复到图8的尺寸，即得到图8的大津二值化图像，效果如图10所示。本实施例中进行图像的缩小和放大运算，主要在于将图像缩小之后能够加快大津二值化运算速度。更为重要的是，将图像进行一定比例的缩小，能够将图像中的零散小图形进行有效的忽略，而不会影响到图像中主要图形的轮廓信息。本实施例中采用大津算法对图像进行二值化处理，不仅处理速度快，而且可以体现出图像中大图形的边界特征。
在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第二处理图像进行二值化运算处理，得到第六处理图像，可以包括：对所述第二处理图像进行局部自适应二值化运算处理，得到第六处理图像。
参看图5、图10-12，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述的局部自适应二值化运算处理过程中的局部自适应二值化窗口参数为所述局部窗口的像素高度与像素宽度的最小值除以50后的值。
本实施例中，将图像进行局部自适应二值化运算处理，并且经过严格测试和结果统计学分析，将图像中局部图像的像素高度和像素宽度中的最小值除以50后得到的值为所述局部图像的自适应二值化的最优阈值。将图5经过上述局部自适应二值化处理，即得到图5的局部自适应二值化图像，效果如图11所示。本实施例直接将图5进行局部自适应二值化处理的主要目的在于将图5中图像的细微特征进行二值化体现，清晰的表达出图5中图像的边界和内部形状特征。
本实施例中，将图10与进行非运算后的图11进行与运算，生成全景二值化轮廓图像，效果如图12所示。该步骤在整体算法中起到关键作用，其主要意义在于将全景保留图像细节特征的局部自适应二值化图像的非运算图和忽略细微噪点的大津二值化图像进行了图像共同特征的提取。对于存在条码的全景图像而言，条码图形必定在整幅图像中占据主要位置，并具有重要特征，因此在图12中必定存在为条码区域的浅色区域。
参看图13，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第二处理图像进行二值化运算处理，得到第六处理图像(S7)，可以包括：
S70、对所述第二处理图像按照第四预定倍数进行缩微处理；其中，所述第四预定倍数与所述第一预定倍数相等；
S71、对所述进行缩微处理后的第二处理图像进行二值化运算处理，得到第六处理图像。
参看图2、图12、图14-16，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓区域(S10)，可以包括：
S100、对所述第八处理图像进行轮廓提取运算；
S101、对所述轮廓提取运算提取到的轮廓进行预定的几何形状无限逼近，筛选出具有所述预定的几何形状的轮廓。
本实施例中，预定的几何形状可以为矩形。在对第八处理图像进行轮廓提取运算，并获取具有空洞特征的轮廓区域之后，通过对所述轮廓进行四角多边形无限逼近，并对四角多边形的轮廓进行矩形特征判断，对于符合矩形特征的的四角多边形轮廓进行保留，对于不符合矩形特征的四角多边形轮廓进行剔除处理，可以筛选出第八处理图像上的矩形轮廓。对图12进行轮廓提取运算，提取到的轮廓如图15所示。将图15中的矩形轮廓还原到图2上的效果如图16中的轮廓线所示。对于存在条码的全景图像而言，可以获取到可能存在条码的矩形轮廓区域，并且条码区域必存在于所述矩形轮廓区域中。
在本发明确定图像上几何轮廓区域的方法的另一实施例中，在所述对所述轮廓提取运算提取到的轮廓进行预定的几何形状无限逼近，筛选出具有所述预定的几何形状的轮廓之前，还可以包括：
将所述轮廓提取运算提取到的轮廓对应的轮廓区域的面积与预先设定的面积阈值进行比较，并筛选出轮廓区域的面积大于所述面积阈值的轮廓区域对应的轮廓；
在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述获取要确定几何轮廓区域的原始图像，包括：获取要确定条码区域的包含有条码的原始图像。
本实施例中，通过设置面积阈值进而筛选出轮廓区域的面积大于所述面积阈值的轮廓区域，可以滤除面积过小的轮廓区域。
在本发明确定图像上几何轮廓区域的方法的另一实施例中，还可以包括：对所述第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征判断，筛选出包含条码的轮廓区域。
参看图16，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征判断，筛选出包含条码的轮廓区域，可以包括：对所述第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征提取，并将提取到的特征与预先存储的条码特征进行比对；根据所述比对的结果，若提取到的所述特征与所述预先存储的条码特征相匹配，则确定所述第一处理图像上的具有所述预定的几何形状的轮廓区域为条码区域。
本实施例中，将前述实施例中获取到的矩形轮廓的位置信息还原到第一处理图像上，并使用各个条码特征，利用计算机图像处理方法对所述第一处理图像上的矩形轮廓区域进行条码特征信息判断，如果在所述轮廓区域中不存在条码特征，则剔除所述轮廓区域的位置信息，否则保留所述轮廓区域的位置信息。将图16上的矩形轮廓区域进行条码特征判断，并筛选出条码区域的效果如图16中的轮廓线标志的区域所示。
参看图17，在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域(S11)，还可以包括：
S110、将所述具有所述预定的几何形状的轮廓对应的轮廓区域按轮廓区域面积进行降序排列；
S111、按照轮廓区域面积由大到小的顺序，逐个对所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述对所述第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征判断，筛选出包含条码的轮廓区域，包括：对所述第一处理图像上的具有所述预定的几何形状的轮廓区域按照轮廓区域面积由大到小的顺序依次进行条码特征判断，直到筛选出预定数量的包含条码的轮廓区域。
本实施例中，将具有所述预定的几何形状的轮廓区域按轮廓区域面积由大到小的顺序依次进行条码特征判断，使得可以设置一个数量阈值：在筛选出的包含条码的轮廓区域小于所述阈值时继续筛选；在筛选出的包含条码的轮廓区域等于所述阈值时停止筛选，这样能够更高效地筛选出包含条码的轮廓区域。
在本发明确定图像上几何轮廓区域的方法的另一实施例中，所述几何轮廓区域为矩形轮廓区域、圆形轮廓区域或椭圆形轮廓区域。
本实施例中，几何形状可以为任意的形状，比如多边形、圆形、椭圆形等等，本申请不作过多限制。
参看图18，本发明的实施例提供一种确定图像上几何轮廓区域的系统，可以包括：
第一获取单元1，用于获取要确定几何轮廓区域的原始图像；
灰度处理单元2，用于对所述第一获取单元1获取到的原始图像进行灰度处理，得到第一处理图像；
开运算处理单元3，用于对所述灰度处理单元2得到的第一处理图像进行开运算处理，得到第二处理图像；
闭运算处理单元4，用于对所述灰度处理单元2得到的第一处理图像进行闭运算处理，得到第三处理图像；
差值运算处理单元5，用于对所述开运算处理单元3得到的第二处理图像和所述闭运算处理单元4得到的第三处理图像进行差值运算，得到第四处理图像；
第一二值化运算处理单元6，用于对所述差值运算处理单元5得到的第四处理图像进行二值化运算处理，得到第五处理图像；
第二二值化运算处理单元7，用于对所述开运算处理单元3得到的第二处理图像进行二值化运算处理，得到第六处理图像；
非运算处理单元8，用于对所述第二二值化运算处理单元7得到的第六处理图像进行非运算处理，得到第七处理图像；其中，所述非运算为将所述第六处理图像上的各个像素点的灰度值进行非运算；
与运算处理单元9，用于对所述第一二值化运算处理单元6得到的第五处理图像和所述非运算处理单元8得到的第七处理图像进行与运算，得到第八处理图像；其中，所述与运算为将所述第五处理图像上各个像素点的灰度值与所述第七处理图像上相同坐标位置的像素点的灰度值进行与运算；
轮廓提取运算单元10，用于对所述与运算处理单元9得到的第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓区域；
第二获取单元11，用于将所述轮廓提取运算单元10获取到的具有所述预定的几何形状的轮廓的位置信息还原到所述灰度处理单元2得到的第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
本发明实施例提供的确定图像上几何轮廓区域的系统，通过对第二处理图像和第三处理图像进行差值运算，可以将第一处理图像上的图形与背景部分的亮度差异化进行增强；将第四处理图像进行二值化运算可以将第四处理图像进行二值化展示，并对第四处理图像上的图形进行定位；将第二处理图像进行二值化运算可以将第二处理图像进行二值化体现，并对第二处理图像上的图形进行定位；将第五处理图像与第七处理图像进行与运算，能够将第五处理图像上的图形变为纯白，背景部分变为纯黑；对第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓，并将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，即可以较为精确地得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
本发明确定图像上几何轮廓区域的系统的各个实施例中的方法和过程可以与本发明确定图像上几何轮廓区域的方法的各个实施例中对应的方法和过程一样，下面不再详细赘述。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述灰度处理单元，用于对所述原始图像进行预定格式的灰度处理，得到第一处理图像。
本实施例中，由于需要检测的图像可能来源于多种设备渠道，根据设备的不同所获取到的图像存在色度差异(例如彩色图像或者黑白图像)，和格式的差异(例如gif、bmp、jpeg等)，故需要将不同色度和格式的原始图像转化为统一格式的、各个像素点的灰度值为0～255的灰度图像，作为后续进行像素点的灰度值计算和分析的初始图像。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，还包括：缩微处理单元，用于对所述灰度处理单元得到的第一处理图像按照第一预定倍数进行缩微处理。
本实施例中，进行缩微处理主要在于将图像的信息进行缩小，加速后续步骤中图像的处理速度，并且提供一个全景的图像特征，以防图像全景信息不全而导致条码区域定位失败。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述开运算处理单元，用于对所述缩微处理单元进行缩微处理后得到的第一处理图像先进行腐蚀运算，然后再进行膨胀运算，得到第二处理图像。
本实施例中进行先腐蚀，后膨胀的开运算处理可以消除图像的细微噪声，并对图像中图形的边界进行有效的平滑，但不能改变图像中所存在图形的有效面积。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述闭运算处理单元，用于对所述缩微处理单元进行缩微处理后得到的第一处理图像先进行膨胀运算，然后再进行腐蚀运算，得到第三处理图像。
本实施例中进行先膨胀，后腐蚀的闭运算处理可以填充图像内细小空洞、连接邻近图像区域、平滑边界，但不能改变图像中所存在图形的有效面积。在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述差值运算处理单元，用于将所述开运算处理单元得到的第二处理图像上像素点的灰度值减去所述闭运算处理单元得到的第三处理图像上相同坐标位置的像素点的灰度值，得到对应所述坐标位置的新的灰度值，根据所述新的灰度值，生成第四处理图像。
本实施例中通过图像的开、闭差值运算，可以将原始图像中的灰度较小的图像体现出来，形成灰度较大的图像，而原始图像中灰度较大的图像进行了灰度变小处理，形成深色背景。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述第一二值化运算处理单元，用于对所述差值运算处理单元生成的第四处理图像进行大津二值化运算处理，得到第五处理图像。
参看图19，在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述第一二值化运算处理单元6，可以包括：第一缩微处理子单元60，用于对所述差值运算处理单元5得到的第四处理图像按照第二预定倍数进行缩微处理，得到所述第四处理图像的微缩图像；大津二值化运算处理子单元61，用于对所述第一缩微处理子单元60得到的第四处理图像的微缩图像进行大津二值化运算处理，得到所述第四处理图像的微缩图像的大津二值化图像；放大子单元62，用于对所述大津二值化运算处理子单元61得到的第四处理图像的微缩图像的大津二值化图像按照所述第二预定倍数的倒数进行放大，得到第五处理图像。
本实施例中进行图像的缩小和放大运算，主要在于将图像缩小之后能够加快大津二值化运算速度。更为重要的是，将图像进行一定比例的缩小，能够将图像中的零散小图形进行有效的忽略，而不会影响到图像中主要图形的轮廓信息。本实施例中采用大津算法对图像进行二值化处理，不仅处理速度快，而且可以体现出图像中大图形的边界特征。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述第二二值化运算处理单元，用于对所述开运算处理单元得到的第二处理图像进行局部自适应二值化运算处理，得到第六处理图像。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述的局部自适应二值化运算处理过程中的局部自适应二值化窗口参数为所述局部窗口的像素高度与像素宽度的最小值除以50后的值。
本实施例中，将图像进行局部自适应二值化运算处理，并且经过严格测试和结果统计学分析，将图像中局部图像的像素高度和像素宽度中的最小值除以50后得到的值为所述局部图像的自适应二值化的最优阈值。本实施例直接将图像进行局部自适应二值化处理的主要目的在于将图像中图形的细微特征进行二值化体现，清晰的表达出图像中图形的边界和内部形状特征。
本实施例中，对第一二值化运算处理单元得到的第五处理图像和非运算处理单元得到的第七处理图像进行与运算，其主要意义在于将全景保留图像细节特征的局部自适应二值化图像的非运算图和忽略细微噪点的大津二值化图像进行了图像共同特征的提取。对于存在条码的全景图像而言，条码图形必定在整幅图像中占据主要位置，并具有重要特征，因此在第八处理图像中必定存在为条码区域的浅色区域。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述第二二值化运算处理单元用于对所述开运算处理单元得到的第二处理图像进行二值化运算处理，得到第六处理图像。
参看图20，在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述轮廓提取运算单元10，可以包括：轮廓获取子单元100，用于对所述与运算处理单元9得到的第八处理图像进行轮廓提取运算，获取轮廓；第一筛选子单元101，用于对所述轮廓获取子单元100获取到的轮廓进行预定的几何形状无限逼近，筛选出具有所述预定的几何形状的轮廓。
本实施例中，预定的几何形状可以为矩形。在对第八处理图像进行轮廓提取运算，并获取具有空洞特征的轮廓区域之后，通过对所述轮廓进行四角多边形无限逼近，并对四角多边形的轮廓进行矩形特征判断，对于符合矩形特征的的四角多边形轮廓进行保留，对于不符合矩形特征的四角多边形轮廓进行剔除处理，可以筛选出第八处理图像矩形轮廓。对于存在条码的全景图像而言，可以获取到可能存在条码的矩形轮廓区域，并且条码区域必存在于所述矩形轮廓区域中。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，还可以包括：第二筛选子单元，用于将所述轮廓获取子单元获取到的轮廓对应的轮廓区域的面积与预先设定的面积阈值进行比较，并筛选出轮廓区域的面积大于所述面积阈值的轮廓区域对应的轮廓。
本实施例中，通过设置面积阈值进而筛选出轮廓区域的面积大于所述面积阈值的轮廓区域，可以滤除面积过小的轮廓区域。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述第一获取单元，用于获取要确定条码区域的包含有条码的原始图像。
参看图21，在本发明确定图像上几何轮廓区域的系统的另一实施例中，还可以包括：条码区域筛选单元12，用于对所述第二获取单元11得到的第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征判断，筛选出包含条码的轮廓区域。
参看图22，在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述条码区域筛选单元12可以包括：条码特征提取子单元120，用于对所述第二获取单元11得到的第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征提取；判断子单元121，用于将提取到的特征与预先存储的条码特征进行比对，若提取到的所述特征与所述预先存储的条码特征相匹配，则确定所述第一处理图像上的具有所述预定的几何形状的轮廓区域为条码区域。
本实施例中，将第一筛选子单元筛选出的具有预设几何形状的轮廓的位置信息还原到第一处理图像上，并使用各个条码特征，利用计算机图像处理方法对所述第一处理图像上的矩形轮廓区域进行条码特征信息判断，如果在所述轮廓区域中不存在条码特征，则剔除所述轮廓区域的位置信息，否则保留所述轮廓区域的位置信息。
参看图23，在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述第二获取单元11可以包括：排序子单元110，用于将所述轮廓提取运算单元10获取到的具有所述预定的几何形状的轮廓对应的轮廓区域按轮廓区域面积大小进行降序排列；第二获取子单元111，用于按照所述排序子单元110排出的所述轮廓区域面积由大到小的顺序，逐个对所述预定的几何形状的轮廓区域的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述条码区域筛选单元，用于对所述第二获取子单元得到的第一处理图像上的具有所述预定的几何形状的轮廓区域按照轮廓区域面积由大到小的顺序依次进行条码特征判断，直到筛选出预定数量的包含条码的轮廓区域。
本实施例中，将具有所述预定的几何形状的轮廓区域按轮廓区域面积由大到小的顺序依次进行条码特征判断，使得可以设置一个数量阈值：在筛选出的包含条码的轮廓区域小于所述阈值时继续筛选；在筛选出的包含条码的轮廓区域等于所述阈值时停止筛选，这样能够更高效地筛选出包含条码的轮廓区域。
在本发明确定图像上几何轮廓区域的系统的另一实施例中，所述几何轮廓区域为矩形轮廓区域、圆形轮廓区域或椭圆形轮廓区域。
本实施例中，几何形状可以为任意的形状，比如多边形、圆形、椭圆形等等，本申请不作过多限制。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (35)
1.一种确定图像上几何轮廓区域的方法，其特征在于，包括：
获取要确定几何轮廓区域的原始图像；
对所述原始图像进行灰度处理，得到第一处理图像；
对所述第一处理图像进行开运算处理，得到第二处理图像；
对所述第一处理图像进行闭运算处理，得到第三处理图像；
对所述第二处理图像和所述第三处理图像进行差值运算，得到第四处理图像；
对所述第四处理图像进行二值化运算处理，得到第五处理图像；
对所述第二处理图像进行二值化运算处理，得到第六处理图像；
对所述第六处理图像进行非运算处理，得到第七处理图像；其中，所述非运算为将所述第六处理图像上的各个像素点的灰度值进行非运算；
对所述第五处理图像和所述第七处理图像进行与运算，得到第八处理图像；其中，所述与运算为将所述第五处理图像上各个像素点的灰度值与所述第七处理图像上相同坐标位置的像素点的灰度值进行与运算；
对所述第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓；
将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
2.根据权利要求1所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述原始图像进行灰度处理，得到第一处理图像，包括：
将不同色度和格式的原始图像转化为统一格式的、各个像素点的灰度值为0～255的灰度图像，得到第一处理图像。
3.根据权利要求1所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第一处理图像进行开运算处理，得到第二处理图像，包括：
对所述第一处理图像按照第一预定倍数进行缩微处理；
对所述进行缩微处理后的第一处理图像先进行腐蚀运算，然后再进行膨胀运算，得到第二处理图像。
4.根据权利要求3所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第一处理图像进行闭运算处理，得到第三处理图像，包括：
对所述第一处理图像按照第二预定倍数进行缩微处理；其中，所述第二预定倍数与所述第一预定倍数相等；
对所述进行缩微处理后的第一处理图像先进行膨胀运算，然后再进行腐蚀运算，得到第三处理图像。
5.根据权利要求4所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第二处理图像和所述第三处理图像进行差值运算，得到第四处理图像，包括：
将所述第二处理图像上像素点的灰度值减去所述第三处理图像上相同坐标位置的像素点的灰度值，得到对应所述坐标位置的新的灰度值，根据所述新的灰度值，生成第四处理图像。
6.根据权利要求1所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第四处理图像进行二值化运算处理，得到第五处理图像，包括：
对所述第四处理图像进行大津二值化运算处理，得到第五处理图像。
7.根据权利要求6所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第四处理图像进行大津二值化运算处理，得到第五处理图像，包括：
对所述第四处理图像按照第三预定倍数进行缩微处理，得到所述第四处理图像的微缩图像；
对所述第四处理图像的微缩图像进行大津二值化运算处理，得到所述第四处理图像的微缩图像的大津二值化图像；
对所述第四处理图像的微缩图像的大津二值化图像按照所述第三预定倍数的倒数进行放大，得到第五处理图像。
8.根据权利要求1所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第二处理图像进行二值化运算处理，得到第六处理图像，包括：
对所述第二处理图像进行局部自适应二值化运算处理，得到第六处理图像。
9.根据权利要求8所述的确定图像上几何轮廓区域的方法，其特征在于，所述的局部自适应二值化运算处理过程中的局部自适应二值化窗口参数为所述局部窗口的像素高度与像素宽度的最小值除以50后的值。
10.根据权利要求1所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓，包括：
对所述第八处理图像进行轮廓提取运算；
对所述轮廓提取运算提取到的轮廓进行预定的几何形状无限逼近，筛选出具有所述预定的几何形状的轮廓。
11.根据权利要求10所述的确定图像上几何轮廓区域的方法，其特征在于，在所述对所述轮廓提取运算提取到的轮廓进行预定的几何形状无限逼近，筛选出具有所述预定的几何形状的轮廓之前，还包括：
将所述轮廓提取运算提取到的轮廓对应的轮廓区域的面积与预先设定的面积阈值进行比较，并筛选出轮廓区域的面积大于所述面积阈值的轮廓区域对应的轮廓。
12.根据权利要求1所述的确定图像上几何轮廓区域的方法，其特征在于，所述获取要确定几何轮廓区域的原始图像，包括：
获取要确定条码区域的包含有条码的原始图像。
13.根据权利要求1所述的确定图像上几何轮廓区域的方法，其特征在于，还包括：
对所述第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征判断，筛选出包含条码的轮廓区域。
14.根据权利要求13所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征判断，筛选出包含条码的轮廓区域，包括：
对所述第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征提取，并将提取到的特征与预先存储的条码特征进行比对；根据所述比对的结果，若提取到的所述特征与所述预先存储的条码特征相匹配，则确定所述第一处理图像上的具有所述预定的几何形状的轮廓区域为条码区域。
15.根据权利要求13所述的确定图像上几何轮廓区域的方法，其特征在于，所述将所述具有所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域，包括：
将所述具有所述预定的几何形状的轮廓对应的轮廓区域按轮廓区域面积大小进行降序排列；
按照轮廓区域面积由大到小的顺序，逐个对所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
16.根据权利要求15所述的确定图像上几何轮廓区域的方法，其特征在于，所述对所述第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征判断，筛选出包含条码的轮廓区域，包括：
对所述第一处理图像上的具有所述预定的几何形状的轮廓区域按照轮廓区域面积由大到小的顺序依次进行条码特征判断，直到筛选出预定数量的包含条码的轮廓区域。
17.根据权利要求1至16任一项所述的确定图像上几何轮廓区域的方法，其特征在于，所述几何轮廓区域为矩形轮廓区域、圆形轮廓区域或椭圆形轮廓区域。
18.一种确定图像上几何轮廓区域的系统，其特征在于，包括：
第一获取单元，用于获取要确定几何轮廓区域的原始图像；
灰度处理单元，用于对所述第一获取单元获取到的原始图像进行灰度处理，得到第一处理图像；
开运算处理单元，用于对所述灰度处理单元得到的第一处理图像进行开运算处理，得到第二处理图像；
闭运算处理单元，用于对所述灰度处理单元得到的第一处理图像进行闭运算处理，得到第三处理图像；
差值运算处理单元，用于对所述开运算处理单元得到的第二处理图像和所述闭运算处理单元得到的第三处理图像进行差值运算，得到第四处理图像；
第一二值化运算处理单元，用于对所述差值运算处理单元得到的第四处理图像进行二值化运算处理，得到第五处理图像；
第二二值化运算处理单元，用于对所述开运算处理单元得到的第二处理图像进行二值化运算处理，得到第六处理图像；
非运算处理单元，用于对所述第二二值化运算处理单元得到的第六处理图像进行非运算处理，得到第七处理图像；其中，所述非运算为将所述第六处理图像上的各个像素点的灰度值进行非运算；
与运算处理单元，用于对所述第一二值化运算处理单元得到的第五处理图像和所述非运算处理单元得到的第七处理图像进行与运算，得到第八处理图像；其中，所述与运算为将所述第五处理图像上各个像素点的灰度值与所述第七处理图像上相同坐标位置的像素点的灰度值进行与运算；
轮廓提取运算单元，用于对所述与运算处理单元得到的第八处理图像进行轮廓提取运算，获取具有预定的几何形状的轮廓区域；
第二获取单元，用于将所述轮廓提取运算单元获取到的具有所述预定的几何形状的轮廓的位置信息还原到所述灰度处理单元得到的第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
19.根据权利要求18所述的确定图像上几何轮廓区域的系统，其特征在于，所述灰度处理单元，用于将不同色度和格式的原始图像转化为统一格式的、各个像素点的灰度值为0～255的灰度图像，得到第一处理图像。
20.根据权利要求18所述的确定图像上几何轮廓区域的系统，其特征在于，还包括：
缩微处理单元，用于对所述灰度处理单元得到的第一处理图像按照第一预定倍数进行缩微处理。
21.根据权利要求20所述的确定图像上几何轮廓区域的系统，其特征在于，所述开运算处理单元，用于对所述缩微处理单元进行缩微处理后的第一处理图像先进行腐蚀运算，然后再进行膨胀运算，得到第二处理图像。
22.根据权利要求21所述的确定图像上几何轮廓区域的系统，其特征在于，所述闭运算处理单元，用于对所述缩微处理单元进行缩微处理后的第一处理图像先进行膨胀运算，然后再进行腐蚀运算，得到第三处理图像。
23.根据权利要求22所述的确定图像上几何轮廓区域的系统，其特征在于，所述差值运算处理单元，用于将所述开运算处理单元得到的第二处理图像上像素点的灰度值减去所述闭运算处理单元得到的第三处理图像上相同坐标位置的像素点的灰度值，得到对应所述坐标位置的新的灰度值，根据所述新的灰度值，生成第四处理图像。
24.根据权利要求18所述的确定图像上几何轮廓区域的系统，其特征在于，所述第一二值化运算处理单元，用于对所述差值运算处理单元生成的第四处理图像进行大津二值化运算处理，得到第五处理图像。
25.根据权利要求24所述的确定图像上几何轮廓区域的系统，其特征在于，所述第一二值化运算处理单元，包括：
第一缩微处理子单元，用于对所述差值运算处理单元得到的第四处理图像按照第二预定倍数进行缩微处理，得到所述第四处理图像的微缩图像；
大津二值化运算处理子单元，用于对所述第一缩微处理子单元得到的第四处理图像的微缩图像进行大津二值化运算处理，得到所述第四处理图像的微缩图像的大津二值化图像；
放大子单元，用于对所述大津二值化运算处理子单元得到的第四处理图像的微缩图像的大津二值化图像按照所述第二预定倍数的倒数进行放大，得到第五处理图像。
26.根据权利要求20所述的确定图像上几何轮廓区域的系统，其特征在于，所述第二二值化运算处理单元，用于对所述开运算处理单元得到的第二处理图像进行局部自适应二值化运算处理，得到第六处理图像。
27.根据权利要求26所述的确定图像上几何轮廓区域的系统，其特征在于，所述的局部自适应二值化运算处理过程中的局部自适应二值化窗口参数为所述局部窗口的像素高度与像素宽度的最小值除以50后的值。
28.根据权利要求18所述的确定图像上几何轮廓区域的系统，其特征在于，所述轮廓提取运算单元，包括：
轮廓获取子单元，用于对所述与运算处理单元得到的第八处理图像进行轮廓提取运算，获取轮廓；
第一筛选子单元，用于对所述轮廓获取子单元获取到的轮廓进行预定的几何形状无限逼近，筛选出具有所述预定的几何形状的轮廓。
29.根据权利要求28所述的确定图像上几何轮廓区域的系统，其特征在于，还包括：
第二筛选子单元，用于将所述轮廓获取子单元获取到的轮廓对应的轮廓区域的面积与预先设定的面积阈值进行比较，并筛选出轮廓区域的面积大于所述面积阈值的轮廓区域对应的轮廓。
30.根据权利要求18所述的确定图像上几何轮廓区域的系统，其特征在于，所述第一获取单元，用于获取要确定条码区域的包含有条码的原始图像。
31.根据权利要求30所述的确定图像上几何轮廓区域的系统，其特征在于，还包括：
条码区域筛选单元，用于对所述第二获取单元得到的第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征判断，筛选出包含条码的轮廓区域。
32.根据权利要求31所述的确定图像上几何轮廓区域的系统，其特征在于，所述条码区域筛选单元包括：
条码特征提取子单元，用于对所述第二获取单元得到的第一处理图像上的具有所述预定的几何形状的轮廓区域进行条码特征提取；
判断子单元，用于将提取到的特征与预先存储的条码特征进行比对，若提取到的所述特征与所述预先存储的条码特征相匹配，则确定所述第一处理图像上的具有所述预定的几何形状的轮廓区域为条码区域。
33.根据权利要求31或32所述的确定图像上几何轮廓区域的系统，其特征在于，所述第二获取单元，包括：
排序子单元，用于将所述轮廓提取运算单元获取到的具有所述预定的几何形状的轮廓对应的轮廓区域按轮廓区域面积大小进行降序排列；
第二获取子单元，用于按照所述排序子单元排出的所述轮廓区域面积由大到小的顺序，逐个对所述预定的几何形状的轮廓的位置信息还原到所述第一处理图像上，得到所述第一处理图像上具有所述预定的几何形状的轮廓区域。
34.根据权利要求33所述的确定图像上几何轮廓区域的系统，其特征在于，所述条码区域筛选单元，用于对所述第二获取子单元得到的第一处理图像上的具有所述预定的几何形状的轮廓区域按照轮廓区域面积由大到小的顺序依次进行条码特征判断，直到筛选出预定数量的包含条码的轮廓区域。
35.根据权利要求18-27、28-32任一项所述的确定图像上几何轮廓区域的系统，其特征在于，所述几何轮廓区域为矩形轮廓区域、圆形轮廓区域或椭圆形轮廓区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410201100.0A CN104156941B (zh) | 2014-05-13 | 2014-05-13 | 一种确定图像上几何轮廓区域的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410201100.0A CN104156941B (zh) | 2014-05-13 | 2014-05-13 | 一种确定图像上几何轮廓区域的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104156941A CN104156941A (zh) | 2014-11-19 |
| CN104156941B true CN104156941B (zh) | 2017-09-26 |
Family
ID=51882431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410201100.0A Active CN104156941B (zh) | 2014-05-13 | 2014-05-13 | 一种确定图像上几何轮廓区域的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104156941B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985129A (zh) * | 2018-08-02 | 2018-12-11 | 谷东科技（广州）有限公司 | 二维码的定位与检出方法 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017113290A1 (zh) * | 2015-12-31 | 2017-07-06 | 深圳配天智能技术研究院有限公司 | 一种一维码定位的方法及装置 |
| CN106570879B (zh) * | 2016-10-28 | 2019-01-18 | 南京仁光电子科技有限公司 | 一种应用在大屏幕交互系统中的图像处理方法 |
| CN107169973A (zh) * | 2017-05-18 | 2017-09-15 | 深圳市优微视技术有限公司 | 一种图像的背景去除和合成方法及装置 |
| CN107490583A (zh) * | 2017-09-12 | 2017-12-19 | 桂林电子科技大学 | 一种基于机器视觉的夹片缺陷检测方法 |
| CN108460388B (zh) * | 2018-01-18 | 2022-03-29 | 深圳市易成自动驾驶技术有限公司 | 定位标志的检测方法、装置及计算机可读存储介质 |
| CN109086643B (zh) * | 2018-06-05 | 2021-11-02 | 山东泰宝信息科技集团有限公司 | 一种基于机器视觉的彩盒标签检测方法及系统 |
| CN109492450A (zh) * | 2018-10-18 | 2019-03-19 | 成都中科信息技术有限公司 | 一种基于版面分析的条形码定位方法 |
| CN110000941B (zh) * | 2019-04-28 | 2021-01-22 | 宇晶机器（长沙）有限公司 | 一种多线切割机工作台进给速度控制系统及其控制方法 |
| CN110930355B (zh) * | 2019-10-10 | 2022-02-11 | 江苏科技大学 | 一种基于图像处理的微米级河鲀表皮体刺轮廓建模方法 |
| CN113450373A (zh) * | 2020-08-18 | 2021-09-28 | 中国人民解放军63729部队 | 一种基于光学实况图像的运载火箭飞行过程特征事件实时判别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101281597A (zh) * | 2008-04-25 | 2008-10-08 | 北京工业大学 | 一种产品包装图形标识信息在线实时采集识别装置及方法 |
| CN102393906A (zh) * | 2011-07-12 | 2012-03-28 | 四川大学 | 一种基于计算机视觉检测技术的二维码快速检测提取方法 |
| CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9652652B2 (en) * | 2012-10-23 | 2017-05-16 | Sicpa Holding Sa | Method and device for identifying a two-dimensional barcode |
-
2014
- 2014-05-13 CN CN201410201100.0A patent/CN104156941B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101281597A (zh) * | 2008-04-25 | 2008-10-08 | 北京工业大学 | 一种产品包装图形标识信息在线实时采集识别装置及方法 |
| CN102393906A (zh) * | 2011-07-12 | 2012-03-28 | 四川大学 | 一种基于计算机视觉检测技术的二维码快速检测提取方法 |
| CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 二维条码图像处理算法及其VLSI设计研究;李建华;《中国博士论文全文数据库》;20131111(第11期);摘要，正文第12-51页 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985129A (zh) * | 2018-08-02 | 2018-12-11 | 谷东科技（广州）有限公司 | 二维码的定位与检出方法 |
| CN108985129B (zh) * | 2018-08-02 | 2021-11-23 | 谷东科技有限公司 | 二维码的定位与检出方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104156941A (zh) | 2014-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104156941B (zh) | 一种确定图像上几何轮廓区域的方法及系统 | |
| CN107545239B (zh) | 一种基于车牌识别与车辆特征匹配的套牌检测方法 | |
| CN105139386B (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
| US8238605B2 (en) | Digital video target moving object segmentation method and system | |
| US7751610B2 (en) | Image recognition method and image recognition apparatus | |
| CN107784301A (zh) | 用于识别图像中文字区域的方法和装置 | |
| CN110517246B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN107590447A (zh) | 一种文字标题识别方法及装置 | |
| CN101599125A (zh) | 复杂背景下图像处理的二值化方法 | |
| CN102956029B (zh) | 图像处理装置以及图像处理方法 | |
| US20080247649A1 (en) | Methods For Silhouette Extraction | |
| KR101549495B1 (ko) | 문자 추출 장치 및 그 방법 | |
| CN106951869A (zh) | 一种活体验证方法及设备 | |
| CN113221763B (zh) | 一种基于视频图像亮度的火焰识别方法 | |
| CN108921857A (zh) | 一种面向监视场景的视频图像焦点区域分割方法 | |
| KR101613703B1 (ko) | 차량영상검지와 번호판 영역 추출방법 | |
| CN111539980A (zh) | 一种基于可见光的多目标追踪方法 | |
| CN114255212A (zh) | 一种基于cnn的fpc表面缺陷检测方法及其系统 | |
| TW201032180A (en) | Method and device for keeping image background by multiple gauss models | |
| JPS61141087A (ja) | 画像処理方法及び装置 | |
| CN110930358A (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
| US20110158516A1 (en) | Image classification methods and systems | |
| CN114926829A (zh) | 一种证件检测方法、装置、电子设备及存储介质 | |
| JP4116377B2 (ja) | 画像処理方法および画像処理装置 | |
| CN112465817A (zh) | 一种基于方向滤波器的路面裂缝检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |