CN104680170A - 对图像中包含的对象进行分类的方法和装置 - Google Patents
对图像中包含的对象进行分类的方法和装置 Download PDFInfo
- Publication number
- CN104680170A CN104680170A CN201310611519.9A CN201310611519A CN104680170A CN 104680170 A CN104680170 A CN 104680170A CN 201310611519 A CN201310611519 A CN 201310611519A CN 104680170 A CN104680170 A CN 104680170A
- Authority
- CN
- China
- Prior art keywords
- orientation angle
- crest
- boundary pixel
- shape
- regular shape
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及对图像中包含的对象进行分类的方法和装置。一种对图像中包含的对象进行分类的方法,包括:确定对象的形状是否为单个规则形状;如果对象的形状不是单个规则形状,则根据对象的方向角度曲线确定对象是不规则形状还是重叠的规则形状。通过本发明,可以区分图像中包含的不规则形状的对象与重叠的规则形状的对象。
Description
技术领域
本发明涉及图像识别领域,更具体地涉及一种用于对图像中包含的对象进行分类的方法和装置。
背景技术
现有技术中对于具有不规则形状与规则形状的对象进行分类通常是利用轮廓形状或表面纹理来分类。规则对象指的是圆形平滑且为凸的形状,而不规则形状的轮廓不平滑并且有很多凹陷部分。但是由于规则对象也可能会重叠在一起,导致重叠后的整体形状不再平滑并且在重叠区域也包含了凹陷部分,这种情况无法被传统方法解决。
因此需要一种能够对图像中包含的对象进行正确分类的方法。
发明内容
在下文中给出关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
本发明的一个主要目的在于,提供一种对图像中包含的对象进行分类的方法,包括:确定对象的形状是否为单个规则形状;如果对象的形状不是单个规则形状,则根据对象的方向角度曲线确定对象是不规则形状还是重叠的规则形状。
根据本发明的一个方面,提供了一种对图像中包含的对象进行分类的装置,包括:第一分类单元,所述第一分类单元用于确定所述对象的形状是否为单个规则形状;第二分类单元,如果所述对象的形状不是单个规则形状,则所述第二分类单元用于根据所述对象的方向角度曲线确定所述对象是不规则形状还是重叠的规则形状。
另外,本发明的实施例还提供了用于实现上述方法的计算机程序。
此外,本发明的实施例还提供了至少计算机可读介质形式的计算机程序产品,其上记录有用于实现上述方法的计算机程序代码。
通过本发明,可以区分图像中包含的不规则形状的对象与重叠的规则形状的对象。
通过以下结合附图对本发明的最佳实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
参照下面结合附图对本发明实施例的说明,会更加容易地理解本发明的以上和其它目的、特点和优点。附图中的部件只是为了示出本发明的原理。在附图中,相同的或类似的技术特征或部件将采用相同或类似的附图标记来表示。
图1A-1C是示出图像中包含的不规则形状、单个规则形状、或重叠的规则形状的对象的示意图;
图2是示出根据本发明的一个实施例的对图像中包含的对象进行分类的方法200的示例性流程图;
图3A-3B示出了方向角度曲线的示例图
图4示出了获得对象的方向角度曲线的步骤的示例性流程图;;
图5是示出方向角度曲线中的波峰的示例图;
图6是示出方向角度曲线中的最大方向角度改变和波峰距离的示例图;
图7是示出根据本发明的一个实施例的对图像中包含的对象进行分类的装置700的示例性配置的框图;
图8是示出第二分类单元720的示例性配置的框图;
图9是示出可以用于实施本发明的对图像中包含的对象进行分类的方法和装置的计算设备的举例的结构图。
具体实施方式
下面参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意,为了清楚的目的,附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
本发明提出的方法和装置可以对图像中包含的不规则形状、单个规则形状、或重叠的规则形状的对象进行分类。图1A-1C分别示出了这三种类型的对象。不规则形状对象的轮廓不平滑并且有很多凹陷部分,如图1A所示。单个规则对象具有圆形平滑且为凸的形状,如图1B所示。图1C示出了重叠的规则形状的对象。
根据本发明的实施例的方法,在分类过程中采用两个步骤。首先确定对象的形状是否为单个规则形状,如果不是,则在第二个步骤中区分出不规则形状或重叠的规则形状。
图2是示出根据本发明的一个实施例的对图像中包含的对象进行分类的方法200的示例性流程图。
如图2所示,在步骤S210中,确定对象的形状是否为单个规则形状。
在步骤S210中,优选地,采用对象的面积比率,紧致性,密实度这三种特征中的至少一项来确定对象的形状是否为单个规则形状。
这三种特征的定义如下:
面积比率:分类对象的面积除以整张图像的面积。
紧致性:分类对象边缘轮廓的周长平方除以对象的面积。
密实性:分类对象的面积除以它的凸面积,凸面积指的是包含该对象的最小凸多边形的面积。
具体地,确定对象的形状是否为单个规则形状包括:计算图像中对象的面积比率、紧致性和密实度中的至少一项;将面积比率、紧致性和密实度中的至少一项与其相应的预定阈值进行比较来确定对象是否为单个规则形状。
其中各个预定阈值可以通过衡量训练数据的最小误差值来调节。例如,在检测普通规则形状的细菌与不规则形状的芽孢杆菌时,若满足面积比率小于0.001,或紧致性小于14且密实性大于0.98,利用本发明的方法可以把测试细菌分类成单个规则形状的普通细菌,否则分为不规则形状的芽孢杆菌或重叠规则形状的普通细菌,并通过步骤220来进行进一步细分。
在步骤S220中,根据对象的方向角度曲线确定该对象是不规则形状还是重叠的规则形状。
图3A-3B示出了两种不同形状的对象的方向角度曲线的示例。其中,图3A是与不规则形状对象对应的方向角度曲线,图3B是与重叠的规则形状对象对应的方向角度曲线。
从图3A-3B中可以看到,不规则形状对象所对应的方向角度曲线与重叠的规则形状对象所对应的方向角度曲线有明显的不同。也就是说,不同形状的对象的方向角度曲线具有其特定的特征。因此可以根据对象的方向角度曲线来确定对象是规则形状还是重叠的规则形状。
图4示出了获得对象的方向角度曲线的步骤的示例性流程图。
在步骤S410中,进行对象的每个边界像素的坐标的平滑操作。通过计算对象的每个边界像素的多个邻近像素的平均位置来得到每个边界像素的平滑坐标。其中平滑因子取决于邻近像素的数量2K(每个像素的前K个和后K个邻近像素)。即通过计算边界像素的2K个邻近像素的平均位置来得到平滑后的边界像素的平滑坐标(xs i,ys i)(平滑前必须为整数值的坐标位置在平滑后可以为非整数):
在步骤S420中,利用每个边界像素的平滑坐标来计算每个边界像素的方向角度。具体地,每个边界像素的方向角度di由其前K个和后K个邻近像素平滑后的坐标位置通过以下方程得到:
在步骤S430中,在得到所有边界像素的方向角度后,根据每个边界像素的方向角度可以得到该对象的方向角度曲线。
其中,K的值取决于边界像素点的数量,通常在5到15之间。
优选地,在得到对象的方向角度曲线之后,可以再根据对象的方向角度曲线来计算基于对象的方向角度曲线的特征。基于对象的方向角度曲线的特征可以包括但不限于:对象的最大方向角度改变、波峰距离标准方差以及波峰数目差。
首先,这里对方向角度曲线上的波峰定义如下:若一个边界像素的方向角度值大于其N个邻近像素的方向角度值,则认为该边界像素点的方向角度处于一个波峰。在邻近像素的数目为2K时,整条方向角度曲线上总共的波峰数量计为Np。Np的值取决于边界像素的数量,通常在5到20之间。如图5所示,示出了方向角度曲线中的波峰。
接着,根据对象的方向角度曲线来计算对象的最大方向角度改变。方向角度改变定义为:在方向角度曲线中的每个波谷的方向角度与下一个波峰的方向角度之间的差值。对所有这些方向角度改变值取最大值作为最大方向角度改变。如图6所示,其中的虚线箭头是方向角度曲线中的最大方向角度改变的示意图。
接着,根据对象的方向角度曲线来计算波峰距离标准方差。如图6所示,其中的双箭头分别示出了多个波峰距离。波峰距离定义为方向角度曲线上两个相邻波峰之间的边界像素的数量除以边界像素点的总数。取所有这些相邻波峰之间的距离的标准方差作为波峰距离标准方差。
然后,根据对象的方向角度曲线来计算波峰数目差。取邻近像素的数目为大于2K的一个值2K’来重复上述步骤S310-S330得到一个新的方向角度曲线,并得到新的波峰数量Np’,用Np’减去Np即可得到波峰数目差。其中K’的值也取决于边界像素点的数量,一般在25到100之间。
最后,将最大方向角度改变、波峰距离标准方差以及波峰数目差中的至少一项与其相应的预定阈值进行比较来确定对象是不规则形状还是重叠的规则形状。
这些预定阈值同样也可以通过衡量训练数据的最小误差值来调节。若最大方向角度改变值越小,或波峰距离标准方差值越小,或波峰数目差值越大,则越可能是不规则形状,反之则可能是重叠规则形状。
例如,当最大方向角度小于预定阈值T1,波峰距离标准方差值小于预定阈值T2,且波峰数目差值大于预定阈值T3,则可以确定对象是不规则形状。
图7是示出根据本发明的一个实施例的对图像中包含的对象进行分类的装置700的示例性配置的框图。
如图7所示,对图像中包含的对象进行分类的装置700包括第一分类单元710和第二分类单元720。
第一分类单元710确定对象的形状是否为单个规则形状。如果对象的形状不是单个规则形状,则第二分类单元720根据对象的方向角度曲线确定对象是不规则形状还是重叠的规则形状。
优选地,如图8所示,第二分类单元720可以包括平滑坐标获取单元810、方向角度计算单元820、方向角度曲线获取单元830、最大方向角度改变计算单元840、波峰距离标准方差计算单元850、波峰数目差计算单元860、形状确定单元870。
平滑坐标获取单元810用于通过计算对象的每个边界像素的多个邻近像素的平均位置来得到每个边界像素的平滑坐标。方向角度计算单元820用于利用每个边界像素的平滑坐标来计算每个边界像素的方向角度。方向角度曲线获取单元830用于根据每个边界像素的方向角度得到对象的方向角度曲线。最大方向角度改变计算单元840用于计算方向角度曲线中的每个波谷的方向角度与下一个波峰的方向角度之间的差作为方向角度改变,在所有方向角度改变中取最大值作为最大方向角度改变。波峰距离标准方差计算单元850用于计算方向角度曲线中两个相邻的波峰之间的像素的数目除以边界像素的总数作为两个相邻的波峰之间的波峰距离,取所有相邻的波峰之间的波峰距离的标准方差作为波峰距离标准方差。波峰数目差计算单元860用于对对象的每个边界像素的多个邻近像素的数目分别取两个不同的值2K和2K’(K’>K),得到对象的两个不同的方向角度曲线,两个不同的方向角度曲线的波峰的数目分别为Np和Np’,用Np’-Np得到波峰数目差。形状确定单元870用于将最大方向角度改变、波峰距离标准方差以及波峰数目差中的至少一项与其相应的预定阈值进行比较来确定对象是不规则形状还是重叠的规则形状。
优选地,图像中包含的对象可以是细菌。
关于对图像中包含的对象进行分类的装置700的各个部分的操作和功能的细节可以参照结合图1至图6描述的本发明的对图像中包含的对象进行分类的方法的实施例,这里不再详细描述。
在此需要说明的是,图7-8所示的对图像中包含的对象进行分类的装置700及其组成单元的结构仅仅是示例性的,本领域技术人员可以根据需要对图7-8所示的结构框图进行修改。
本发明所提出的方法和装置可用于显微镜下培养基中的细菌检测。不规则形状的芽孢杆菌与规则形状的普通细菌可以根据本发明的方法或装置区分出来,用于细菌分割及计数等进一步识别操作。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。
在通过软件和/或固件实现本发明的实施例的情况下,从存储介质或网络向具有专用硬件结构的计算机,例如图9所示的通用计算机900安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等等。
在图9中,中央处理单元(CPU)901根据只读存储器(ROM)902中存储的程序或从存储部分908加载到随机存取存储器(RAM)903的程序执行各种处理。在RAM903中,也根据需要存储当CPU901执行各种处理等等时所需的数据。CPU901、ROM902和RAM903经由总线904彼此链路。输入/输出接口905也链路到总线904。
下述部件链路到输入/输出接口905:输入部分906(包括键盘、鼠标等等)、输出部分907(包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分908(包括硬盘等)、通信部分909(包括网络接口卡比如LAN卡、调制解调器等)。通信部分909经由网络比如因特网执行通信处理。根据需要,驱动器910也可链路到输入/输出接口905。可拆卸介质911比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器910上,使得从中读出的计算机程序根据需要被安装到存储部分908中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质911安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图9所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质911。可拆卸介质911的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM902、存储部分908中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
本发明还提出一种存储有机器可读取的指令代码的程序产品。指令代码由机器读取并执行时,可执行上述根据本发明实施例的方法。
相应地,用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等。
本领域的普通技术人员应理解,在此所例举的是示例性的,本发明并不局限于此。
在本说明书中,“第一”、“第二”以及“第N个”等表述是为了将所描述的特征在文字上区分开,以清楚地描述本发明。因此,不应将其视为具有任何限定性的含义。
作为一个示例,上述方法的各个步骤以及上述设备的各个组成模块和/或单元可以实施为软件、固件、硬件或其组合,并作为相应设备中的一部分。上述装置中各个组成模块、单元通过软件、固件、硬件或其组合的方式进行配置时可使用的具体手段或方式为本领域技术人员所熟知,在此不再赘述。
作为一个示例,在通过软件或固件实现的情况下,可以从存储介质或网络向具有专用硬件结构的计算机(例如图9所示的通用计算机900)安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等。
在上面对本发明具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其他实施方式中使用,与其他实施方式中的特征相组合,或替代其他实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其他特征、要素、步骤或组件的存在或附加。
此外,本发明的方法不限于按照说明书中描述的时间顺序来执行,也可以按照其他的时间顺序地、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
本发明及其优点,但是应当理解在不超出由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且,本发明的范围不仅限于说明书所描述的过程、设备、手段、方法和步骤的具体实施例。本领域内的普通技术人员从本发明的公开内容将容易理解,根据本发明可以使用执行与在此的相应实施例基本相同的功能或者获得与其基本相同的结果的、现有和将来要被开发的过程、设备、手段、方法或者步骤。因此,所附的权利要求旨在在它们的范围内包括这样的过程、设备、手段、方法或者步骤。
基于以上的说明,可知公开至少公开了以下技术方案:
附记1.一种对图像中包含的对象进行分类的方法,包括:
确定所述对象的形状是否为单个规则形状;
如果所述对象的形状不是单个规则形状,则根据所述对象的方向角度曲线确定所述对象是不规则形状还是重叠的规则形状。
附记2.根据附记1所述的方法,其中,所述方向角度曲线通过以下步骤来获得:
通过计算所述对象的每个边界像素的多个邻近像素的平均位置来得到每个所述边界像素的平滑坐标;
利用每个所述边界像素的平滑坐标来计算每个所述边界像素的方向角度;
根据每个所述边界像素的所述方向角度得到所述对象的所述方向角度曲线。
附记3.根据附记2所述的方法,其中,根据所述对象的方向角度曲线确定所述对象是不规则形状还是重叠的规则形状包括:
根据所述对象的所述方向角度曲线来计算所述对象的最大方向角度改变、波峰距离标准方差以及波峰数目差中的至少一项;
将所述最大方向角度改变、所述波峰距离标准方差以及所述波峰数目差中的所述至少一项与其相应的预定阈值进行比较来确定所述对象是不规则形状还是重叠的规则形状,
其中所述最大方向角度改变通过以下步骤计算:计算所述方向角度曲线中的每个波谷的方向角度与下一个波峰的方向角度之间的差作为方向角度改变,在所有所述方向角度改变中取最大值作为所述最大方向角度改变;
所述波峰距离标准方差通过以下步骤计算:计算所述方向角度曲线中两个相邻的波峰之间的边界像素的数目除以所述边界像素的总数作为所述两个相邻的波峰之间的波峰距离,取所有相邻的波峰之间的波峰距离的标准方差作为波峰距离标准方差;
所述波峰数目差通过以下步骤计算:对所述对象的每个边界像素的多个邻近像素的数目分别取两个不同的值2K和2K’(K’>K),得到所述对象的两个不同的方向角度曲线,所述两个不同的方向角度曲线的波峰的数目分别为Np和Np’,用Np’-Np得到所述波峰数目差。
附记4、根据附记3所述的方法,其中,所述边界像素的2K个邻近像素是所述边界像素的前K个邻近像素和后K个邻近像素。
附记5、根据附记1所述的方法,其中,确定所述对象的形状是否为单个规则形状包括:
计算所述图像中所述对象的面积比率、紧致性和密实度中的至少一项;
将所述面积比率、所述紧致性和所述密实度中的所述至少一项与其相应的预定阈值进行比较来确定所述对象是否为单个规则形状。
附记6、根据附记1-5中任意一项所述的方法,其中,所述对象是细菌。
附记7.一种对图像中包含的对象进行分类的装置,包括:
第一分类单元,所述第一分类单元用于确定所述对象的形状是否为单个规则形状;
第二分类单元,如果所述对象的形状不是单个规则形状,则所述第二分类单元用于根据所述对象的方向角度曲线确定所述对象是不规则形状还是重叠的规则形状。
附记8.根据附记7所述的装置,其中,所述第二分类单元包括:
平滑坐标获取单元,所述平滑坐标获取单元用于通过计算所述对象的每个边界像素的多个邻近像素的平均位置来得到每个所述边界像素的平滑坐标;
方向角度计算单元,所述方向角度计算单元用于利用每个所述边界像素的平滑坐标来计算每个所述边界像素的方向角度;
方向角度曲线获取单元,所述方向角度曲线获取单元用于根据每个所述边界像素的所述方向角度得到所述对象的所述方向角度曲线。
附记9.根据附记8所述的装置,其中,所述第二分类单元还包括:
最大方向角度改变计算单元,所述最大方向角度改变计算单元用于计算所述方向角度曲线中的每个波谷的方向角度与下一个波峰的方向角度之间的差作为方向角度改变,在所有所述方向角度改变中取最大值作为最大方向角度改变;
波峰距离标准方差计算单元,所述波峰距离标准方差计算单元用于计算所述方向角度曲线中两个相邻的波峰之间的像素的数目除以所述边界像素的总数作为所述两个相邻的波峰之间的波峰距离,取所有相邻的波峰之间的波峰距离的标准方差作为波峰距离标准方差;
波峰数目差计算单元,所述波峰数目差计算单元用于对所述对象的每个边界像素的多个邻近像素的数目分别取两个不同的值2K和2K’(K’>K),得到所述对象的两个不同的方向角度曲线,所述两个不同的方向角度曲线的波峰的数目分别为Np和Np’,用Np’-Np得到波峰数目差;
形状确定单元,所述形状确定单元用于将所述最大方向角度改变、所述波峰距离标准方差以及所述波峰数目差中的至少一项与其相应的预定阈值进行比较来确定所述对象是不规则形状还是重叠的规则形状。
附记10、根据附记9所述的装置,其中,所述边界像素的2K个邻近像素是所述边界像素的前K个邻近像素和后K个邻近像素。
附记11、根据附记7所述的装置,其中,所述第一分类单元包括:
对象特征确定单元,所述对象特征确定单元用于计算所述图像中所述对象的面积比率、紧致性和密实度中的至少一项;
规则形状确定单元,所述规则形状确定单元用于将所述面积比率、所述紧致性和所述密实度中的所述至少一项与其相应的预定阈值进行比较来确定所述对象是否为单个规则形状。
附记12、根据附记7-11中任意一项所述的装置,其中,所述对象是细菌。
Claims (10)
1.一种对图像中包含的对象进行分类的方法,包括:
确定所述对象的形状是否为单个规则形状;
如果所述对象的形状不是单个规则形状,则根据所述对象的方向角度曲线确定所述对象是不规则形状还是重叠的规则形状。
2.根据权利要求1所述的方法,其中,所述方向角度曲线通过以下步骤来获得:
通过计算所述对象的每个边界像素的多个邻近像素的平均位置来得到每个所述边界像素的平滑坐标;
利用每个所述边界像素的平滑坐标来计算每个所述边界像素的方向角度;
根据每个所述边界像素的所述方向角度得到所述对象的所述方向角度曲线。
3.根据权利要求2所述的方法,其中,根据所述对象的方向角度曲线确定所述对象是不规则形状还是重叠的规则形状包括:
根据所述对象的所述方向角度曲线来计算所述对象的最大方向角度改变、波峰距离标准方差以及波峰数目差中的至少一项;
将所述最大方向角度改变、所述波峰距离标准方差以及所述波峰数目差中的所述至少一项与其相应的预定阈值进行比较来确定所述对象是不规则形状还是重叠的规则形状,
其中所述最大方向角度改变通过以下步骤计算:计算所述方向角度曲线中的每个波谷的方向角度与下一个波峰的方向角度之间的差作为方向角度改变,在所有所述方向角度改变中取最大值作为所述最大方向角度改变;
所述波峰距离标准方差通过以下步骤计算:计算所述方向角度曲线中两个相邻的波峰之间的边界像素的数目除以所述边界像素的总数作为所述两个相邻的波峰之间的波峰距离,取所有相邻的波峰之间的波峰距离的标准方差作为波峰距离标准方差;
所述波峰数目差通过以下步骤计算:对所述对象的每个边界像素的多个邻近像素的数目分别取两个不同的值2K和2K’(K’>K),得到所述对象的两个不同的方向角度曲线,所述两个不同的方向角度曲线的波峰的数目分别为Np和Np’,用Np’-Np得到所述波峰数目差。
4.根据权利要求3所述的方法,其中,所述边界像素的2K个邻近像素是所述边界像素的前K个邻近像素和后K个邻近像素。
5.根据权利要求1所述的方法,其中,确定所述对象的形状是否为单个规则形状包括:
计算所述图像中所述对象的面积比率、紧致性和密实度中的至少一项;
将所述面积比率、所述紧致性和所述密实度中的所述至少一项与其相应的预定阈值进行比较来确定所述对象是否为单个规则形状。
6.根据权利要求1-5中任意一项所述的方法,其中,所述对象是细菌。
7.一种对图像中包含的对象进行分类的装置,包括:
第一分类单元,所述第一分类单元用于确定所述对象的形状是否为单个规则形状;
第二分类单元,如果所述对象的形状不是单个规则形状,则所述第二分类单元用于根据所述对象的方向角度曲线确定所述对象是不规则形状还是重叠的规则形状。
8.根据权利要求7所述的装置,其中,所述第二分类单元包括:
平滑坐标获取单元,所述平滑坐标获取单元用于通过计算所述对象的每个边界像素的多个邻近像素的平均位置来得到每个所述边界像素的平滑坐标;
方向角度计算单元,所述方向角度计算单元用于利用每个所述边界像素的平滑坐标来计算每个所述边界像素的方向角度;
方向角度曲线获取单元,所述方向角度曲线获取单元用于根据每个所述边界像素的所述方向角度得到所述对象的所述方向角度曲线。
9.根据权利要求8所述的装置,其中,所述第二分类单元还包括:
最大方向角度改变计算单元,所述最大方向角度改变计算单元用于计算所述方向角度曲线中的每个波谷的方向角度与下一个波峰的方向角度之间的差作为方向角度改变,在所有所述方向角度改变中取最大值作为最大方向角度改变;
波峰距离标准方差计算单元,所述波峰距离标准方差计算单元用于计算所述方向角度曲线中两个相邻的波峰之间的像素的数目除以所述边界像素的总数作为所述两个相邻的波峰之间的波峰距离,取所有相邻的波峰之间的波峰距离的标准方差作为波峰距离标准方差;
波峰数目差计算单元,所述波峰数目差计算单元用于对所述对象的每个边界像素的多个邻近像素的数目分别取两个不同的值2K和2K’(K’>K),得到所述对象的两个不同的方向角度曲线,所述两个不同的方向角度曲线的波峰的数目分别为Np和Np’,用Np’-Np得到波峰数目差;
形状确定单元,所述形状确定单元用于将所述最大方向角度改变、所述波峰距离标准方差以及所述波峰数目差中的至少一项与其相应的预定阈值进行比较来确定所述对象是不规则形状还是重叠的规则形状。
10.根据权利要求7-9中任意一项所述的装置,其中,所述对象是细菌。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310611519.9A CN104680170B (zh) | 2013-11-26 | 2013-11-26 | 对图像中包含的对象进行分类的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310611519.9A CN104680170B (zh) | 2013-11-26 | 2013-11-26 | 对图像中包含的对象进行分类的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104680170A true CN104680170A (zh) | 2015-06-03 |
CN104680170B CN104680170B (zh) | 2018-02-06 |
Family
ID=53315187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310611519.9A Active CN104680170B (zh) | 2013-11-26 | 2013-11-26 | 对图像中包含的对象进行分类的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680170B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050008263A1 (en) * | 2003-05-30 | 2005-01-13 | Toshinori Nagahashi | Image retrieving system, image classifying system, image retrieving program, image classifying program, image retrieving method and image classifying method |
CN101978391A (zh) * | 2008-03-21 | 2011-02-16 | 通用电气公司 | 用于自动分割密集细胞群体的方法和系统 |
CN102708576A (zh) * | 2012-05-18 | 2012-10-03 | 西安电子科技大学 | 基于结构字典的分块图像压缩感知重建方法 |
-
2013
- 2013-11-26 CN CN201310611519.9A patent/CN104680170B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050008263A1 (en) * | 2003-05-30 | 2005-01-13 | Toshinori Nagahashi | Image retrieving system, image classifying system, image retrieving program, image classifying program, image retrieving method and image classifying method |
CN101978391A (zh) * | 2008-03-21 | 2011-02-16 | 通用电气公司 | 用于自动分割密集细胞群体的方法和系统 |
CN102708576A (zh) * | 2012-05-18 | 2012-10-03 | 西安电子科技大学 | 基于结构字典的分块图像压缩感知重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104680170B (zh) | 2018-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11514369B2 (en) | Systems and methods for machine learning model interpretation | |
CN102054271B (zh) | 文本行检测方法和装置 | |
US20160171735A1 (en) | Computing device and method for joining point clouds | |
CN106325737A (zh) | 一种书写路径擦除方法及设备 | |
CN105488515A (zh) | 训练卷积神经网路分类器的方法和图像处理装置 | |
CN102663454B (zh) | 一种字符书写规范度评测的方法和装置 | |
CN103679190A (zh) | 分类装置、分类方法以及电子设备 | |
CN111783844A (zh) | 基于深度学习的目标检测模型训练方法、设备及存储介质 | |
CN103971361A (zh) | 图像处理装置和方法 | |
CN112734691A (zh) | 一种工业制品缺陷检测方法、装置、终端设备及存储介质 | |
CN106469138B (zh) | 词云的生成方法及装置 | |
Medina-Carnicer et al. | A novel histogram transformation to improve the performance of thresholding methods in edge detection | |
CN104992146A (zh) | 一种用于人脸识别的方法和装置 | |
CN111144109B (zh) | 文本相似度确定方法和装置 | |
CN104809751A (zh) | 生成事件组演化图的方法和装置 | |
WO2019125716A1 (en) | System and method for drawing beautification | |
CN113111708B (zh) | 车辆匹配样本生成方法、装置、计算机设备和存储介质 | |
US20160247283A1 (en) | System and method for directionality based row detection | |
US9495609B2 (en) | System and method for evaluating data | |
Huang et al. | How different are species distribution model predictions?—Application of a new measure of dissimilarity and level of significance to giant panda Ailuropoda melanoleuca | |
CN105303584A (zh) | 基于激光雷达的运动目标检测方法及装置 | |
Lenarduzzi et al. | Kernel-based adaptive approximation of functions with discontinuities | |
CN116936116A (zh) | 一种智能医疗数据分析方法和系统 | |
CN111461152B (zh) | 货物检测方法及装置、电子设备和计算机可读介质 | |
CN104680170A (zh) | 对图像中包含的对象进行分类的方法和装置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180531 Address after: Kanagawa Co-patentee after: FUJITSU RESEARCH AND DEVELOPMENT CENTER CO., LTD. Patentee after: Fujitsu Ltd. Address before: Kanagawa Patentee before: Fujitsu Ltd. |