CN105069454A - 图像识别的方法及装置 - Google Patents

图像识别的方法及装置 Download PDF

Info

Publication number
CN105069454A
CN105069454A CN201510528250.7A CN201510528250A CN105069454A CN 105069454 A CN105069454 A CN 105069454A CN 201510528250 A CN201510528250 A CN 201510528250A CN 105069454 A CN105069454 A CN 105069454A
Authority
CN
China
Prior art keywords
image
geometric configuration
target geometry
figuration
fixed reference
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
Application number
CN201510528250.7A
Other languages
English (en)
Inventor
付金祥
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.)
Guangzhou Shirui Electronics Co Ltd
Original Assignee
Guangzhou Shirui Electronics Co Ltd
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 Guangzhou Shirui Electronics Co Ltd filed Critical Guangzhou Shirui Electronics Co Ltd
Priority to CN201510528250.7A priority Critical patent/CN105069454A/zh
Publication of CN105069454A publication Critical patent/CN105069454A/zh
Priority to PCT/CN2016/090712 priority patent/WO2017032190A1/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/255Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/24Aligning, centring, orientation detection or correction of the image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/24Aligning, centring, orientation detection or correction of the image
    • G06V10/245Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种图像识别的方法和装置。所述方法包括:获取待分析的图像;识别所述图像中包含的几何形状;比对所述几何形状与设定的参考形状,确定出与所述参考形状匹配的目标几何形状;对所述目标几何形状进行标示显示。本发明根据不同的参考形状,可识别出图像中不同的几何形状,更为灵活对图像中物体进行抽象和简化处理,有利于让学生对自然生活中的几何图形有直观的认知。

Description

图像识别的方法及装置
技术领域
本发明涉及图像识别技术领域,特别是涉及一种图像中形状识别的方法及装置。
背景技术
几何学中常用点、线等要素来描述物体,然而通常人们肉眼看物体时,并不能直观地感受到物体中包含哪些几何形状。
在教学领域,现有设备或分析软件可通过分析图像中包含像素点,将图像中包含的线条识别出来。但这种识别通常也只到线条的层面,并没有考虑图像中可能包含的几何形状,更无法将线条构成的不同几何图形分别进行区别识别。
因此,教学领域现有技术对真实物体进行抽象和简化的程度不够理想,无法让学生对自然生活中的几何图形有直观的感受。
发明内容
基于此,本发明提供一种图像识别的方法及装置,能够识别图像中物体包含的不同种类的几何图形,将真实物体进行一定程度的抽象和简化。
本发明采用以下技术方案:
本发明一方面提供一种图像识别的方法,包括:
获取待分析的图像;
识别所述图像中包含的几何形状;
比对所述几何形状与设定的参考形状,确定出与所述参考形状匹配的目标几何形状;
对所述目标几何形状进行标示显示。
作为一优选方式,所述识别所述图像中包含的几何形状,包括:
获取所述图像中各像素点的灰度值;
确定出灰度值相差小于等于设定容差的相邻像素点,识别由所述相邻像素点构成的线条;
识别由所述线条构成的封闭形状,将所述封闭形状确定为所述图像中包含的几何形状。
作为一优选方式,比对所述几何形状与设定的参考形状,确定出与所述参考特征匹配的目标几何形状,包括:
提取所述参考形状的参考特征,提取所述几何形状的特征信息;
计算所述特征信息、所述参考特征的近似度,若所述近似度大于等于设定阈值,则确定对应的几何形状为目标几何形状。
作为一优选方式,所述确定对应的几何形状为目标几何形状之后还包括:
根据所述参考特征对所述目标几何形状进行修正,使修正后的目标几何形状具备所述参考形状对应的全部参考特征。
作为一优选方式,所述比对所述几何形状与设定的参考形状,确定出与所述参考特征匹配的目标几何形状之前包括:设置参考形状;
所述参考形状包括:圆形、矩形、三角形或星形;
所述参考特征包括:各点到中心点的距离信息、顶点数量、顶点夹角信息和/或边长信息。
本发明另一方面提供一种图像识别的装置,包括:
图像获取模块,用于获取待分析的图像;
第一识别模块,用于识别所述图像中包含的几何形状;
第二识别模块,用于比对所述几何形状与设定的参考形状,确定出与所述参考形状匹配的目标几何形状;
显示模块,用于对所述目标几何形状进行标示显示。
作为一优选方式,所述第一识别模块包括:
像素点分析单元,用于获取所述图像中各像素点的灰度值;
线条识别单元,用于确定出灰度值相差小于等于设定容差的相邻像素点,识别由所述相邻像素点构成的线条;
以及,形状识别单元,用于识别由所述线条构成的封闭形状,将所述封闭形状确定为所述图像中包含的几何形状。
作为一优选方式,所述第二识别模块包括:
特征提取单元,用于提取所述参考形状的参考特征,提取所述几何形状的特征信息;
以及,特征比对单元,计算所述特征信息、所述参考特征的近似度,若所述近似度大于等于设定阈值,则确定对应的几何形状为目标几何形状。
作为一优选方式,还包括:修正模块,用于根据所述参考特征对所述目标几何形状进行修正,使修正后的目标几何形状具备所述参考形状对应的全部参考特征。
作为一优选方式,还包括:设置模块,用于设置参考形状;
所述参考形状包括:圆形、矩形、三角形或星形;
所述参考特征包括:各点到中心点的距离信息、顶点数量、顶点夹角信息和/或边长信息。
实施本发明的上述技术方案的有益效果包括:基于设定的参考形状,识别待分析图像中是否有与所述参考形状匹配的目标几何形状,并在图像中将存在的目标几何形状标示出来;根据不同的参考形状,可识别出图像中不同类型的几何形状,更灵活对图像中物体进行抽象和简化处理,有利于让学生(用户)对自然生活中的几何图形建立直观的认知。
附图说明
图1为本发明一实施例图像识别的方法示意性流程图;
图2为一图像识别效果示意图;
图3为另一图像识别效果示意图;
图4为本发明另一实施例图像识别的方法示意性流程图;
图5为另一图像识别效果示意图;
图6为一图像修正效果示意图;
图7为本发明一实施例图像识别的装置示意性结构图;
图8为本发明另一实施例图像识别的装置示意性结构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种图像识别的方法,尤其适用于教学领域对图像中物体进行抽象和简化处理,识别出图像中不同类型的几何形状,辅助让学生(用户)对自然生活中的几何图形建立直观的认知。本发明实施例还提供相应的图像识别的装置。以下分别进行详细说明。
图1为本发明一实施例图像识别的方法的示意性流程图。如图1中所示,所述方法包含以下步骤S101至步骤S104,详细说明如下:
步骤S101,获取待分析的图像;
所述待分析的图像可为本地存储的图像、导入的外部图像、或者通过摄像头即时拍摄的图像。优选地,一次仅获取一张图像作为待分析的图像。
步骤S102,识别所述图像中包含的几何形状;
本实施例中,识别所述图像中包含的几何形状的方式可为:先将图像处理为灰度图像,获取图像中各像素点的灰度值;确定出灰度值相差小于等于设定容差的相邻像素点,然后识别由所述相邻像素点构成的线条;进一步地识别由所述线条构成的封闭形状,将所述封闭形状确定为所述图像中包含的几何形状。
需要说明的是,容差的设定对于识别精确度和识别力度有关键的影响,通常容差设定越小,识别精确度越高,但识别力度越小(即可能有的线条无法被识别出来);容差设定越大,识别精确度越低,但识别力度越高。因此,需根据实际情况适应性调整容差。
步骤S103,比对所述几何形状与设定的参考形状,确定出与所述参考形状匹配的目标几何形状;
优选地,步骤S103的具体方式可为:首先需提取设置的参考形状的参考特征,还需分别提取上述步骤识别出的几何形状的特征信息;然后分别计算各几何形状的特征信息与所述参考特征的近似度。所述近似度可采用百分比表示,且近似度越高,表明对应的几何形状与所述参考形状越相似,满足所述参考形状的特征越多,当近似度为100%时,对应的几何形状具备所述参考形状对应的全部参考特征;反之,近似度越低,表明对应的几何形状与所述参考形状相差越大,具备的所述参考形状对应的特征越少。
本实施例中,根据设定的匹配判定阈值,若所述近似度大于等于所述阈值,则确定对应的几何形状为目标几何形状。
需要说明的是,需在识别之前预先设置参考形状,例如圆形、矩形、三角形或星形等,上述参考特征包括但不限于各点到中心点的距离信息、顶点数量、顶点夹角信息和/或边长信息。例如圆形的参考特征包括线条为光滑连续的、各点到中心的距离相同;三角形的参考特征包括由三边组成有三个顶点的封闭图形;矩形的参考特征包括有四条边、四个顶点、且所有顶角都是直角等。
步骤S104,对所述目标几何形状进行标示显示。
优选地,可在所述图像中目标几何形状对应区域绘制填充特定颜色,或者在所述图像上新建一图层,在新建图层上绘制出对应的几何线条图,即所述图层中所述几何线条图的位置与所述图像中对应的目标几何形状的位置对齐,然后导出所述新建图层,以清楚显示所述图像中包含的目标几何形状。
下面以两个具体实例对上述实施例进行说明。
如图2所示,待分析的图像为一张自行车的照片,设定参考形状为三角形,提取三角形的特征信息例如:三个顶点、且三个顶点不在同一直线上、顶点夹角之和为180度、任意两边边长之和大于第三边等。然后开始识别自行车图像中的线条,得到由线条构成的封闭形状,判断其特征是否满足三角形的特征,如果满足就在自行车图像中对应位置标示出三角形。如图2中识别出自行车车身的三脚架和车轮中辐条构成的三角形(图中并没有将所有三角形全部显示出来,只是一个示例),或者还可将识别出的三角形导出,将识别出来的多个三角形单独进行显示。
如图3所示,待分析的图像为一张自行车的照片,重新设定参考形状为圆形,可提取圆形的特征:连续光滑的封闭曲线、各点到中心点的距离相等。开始识别,可识别出自行车两个车轮为圆形,然后进行标示显示,或将两个圆形导出单独显示。
通过上述描述识别过程,学生可以清楚地看到自行车中不同的几何形状,提高对自然生活中的几何图形的认知。
图4为本发明另一实施例图像识别的方法的示意性流程图;如图4所示,包括:
步骤S201,获取待分析的图像;
步骤S202,设置参考形状;
步骤S203,识别所述图像中包含的几何形状;
步骤S204,判断所述几何形状与所述参考形状的近似度是否满足设定条件?若是,执行下一步骤,否则,返回上一步骤。
本实施例中设定条件为设定的近似度的阈值,该阈值小于100%,例如80%;
需要说明的是,上述步骤S201~S204的具体实施方式可参考上述实施例所述,不赘述。
步骤S205,在所述图像中对识别出的目标几何形状进行标示显示。
例如在所述图像上新建一透明图层,在透明图层上绘制出对应的几何线条图,即所述透明图层中所述几何线条图的位置与所述图像中对应的目标几何形状的位置对齐,以清楚显示所述图像中包含的目标几何形状。
步骤S206,识别出的目标几何形状是否具备所述参考形状对应的全部参考特征?若是,执行步骤S208,若否,执行下一步骤。
步骤S207,根据所述参考特征对所述目标几何形状进行修正,使修正后的目标几何形状具备所述参考形状对应的全部参考特征;
需要说明的是,本实施例中,比对几何形状的特征信息与参考形状的参考特征确定目标几何形状时,可设置一定的容错范围,即设定所述阈值小于100%,近似度大于等于所述阈值的几何形状均可确认为目标几何形状。例如:可将椭圆也识别为圆形,将梯形也识别为矩形参考形状的目标几何形状,或者将菱形也识别为正方形参考形状的目标几何形状;另外,如果线条中出现一些意外的突起、转折等不平滑,也可以将其识别为平滑线条。
步骤S208,导出显示修正后的几何形状。
下面以两个具体实例本实施例进一步说明。
如图5所示,待分析的图像为一围栏的图像,设定参考形状为矩形,通过上述步骤201~204可以识别出图示的两个四边形。可是这两个四边形并非标准矩形,通过步骤S207将上述四边形经过一定的修正/变形之后,使四边形的四个顶角为直角,就可以变成标准的矩形。同时,还可对该修正过程进行动态显示,进一步帮助学生理解各种几何形状之间的变形。
需要说明的是,上述修正/变形的规则并不是随意的,而是基于参考形状的参考特征信息,并遵循三维图形中的景深变换等有规律的变化。
如图6所示,设定圆形为参考形状,左侧的图形是一个接近圆形的几何形状,因为虽然其中有一块向内凹陷,但大多数点都满足圆的特征,在一定的容错范围内可将此图形识别为一个圆形。进一步的,可根据标准圆形的特征信息对其进行修正,包括将左侧几何形状中构成向内凹陷的点去除,连接缺口部分,以使其满足标准圆形的全部特征,修正后得到右侧规则的圆形。
需要说明的是,对于前述的各方法实施例,为了简便描述,将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
根据本发明的上述实施例,基于设定的参考形状(几何形状),识别输入的图像中是否有与所述参考形状的参考特征匹配的目标几何形状,并在图像中将存在的目标几何形状标示出来;根据不同的参考形状,可识别出图像中不同的几何形状,更为灵活对图像中物体进行抽象和简化处理,有利于让学生(用户)对自然生活中的几何图形有直观的认知;另外,并可以根据图形的特征,自动矫正成更加标准的图形,有利于学生对不同几何形状进行区分对比。
以下对可用于执行上述图像识别的方法的本发明实施例的图像识别的装置进行说明。图7为本发明实施例图像识别的装置的示意性结构图,为了便于说明,图中仅仅示出了与本发明实施例相关的部分,本领域技术人员可以理解,图中示出的装置结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
图7为本发明实施例图像识别的装置的示意性结构图。如图7所示,所述装置包含:
图像获取模块710,用于获取待分析的图像;
第一识别模块720,用于识别所述图像中包含的几何形状;
第二识别模块730,用于比对所述几何形状与设定的参考形状,确定出与所述参考形状匹配的目标几何形状;
显示模块740,用于对所述目标几何形状进行标示显示。
优选的,本实施例的图像识别的装置还包括设置模块750,用于设置参考形状;
上述参考形状包括但不限于圆形、矩形、三角形或星形;上述参考特征包括但不限于:各点到中心点的距离信息、顶点数量、顶点夹角信息和/或边长信息。
作为一优选实施方式,图7中示例的第一识别模块720可具体包括:
像素点分析单元721,用于获取所述图像中各像素点的灰度值;
线条识别单元722,用于确定出灰度值相差小于等于设定容差的相邻像素点,识别由所述相邻像素点构成的线条;
以及,形状识别单元723,用于识别由所述线条构成的封闭形状,将所述封闭形状确定为所述图像中包含的几何形状。
作为一优选实施方式,图7中示例的第二识别模块730可具体包括:
特征提取单元731,用于提取所述参考形状的参考特征,以及提取所述几何形状的特征信息;
以及,特征比对单元732,计算所述特征信息、所述参考特征的近似度,若所述近似度大于等于设定阈值,则确定对应的几何形状为目标几何形状。
图8为本发明另一实施例图像识别的装置的示意性结构图。如图8所示,本实施例的图像识别的装置还包括修正模块760,用于根据所述参考特征对所述目标几何形状进行修正,使修正后的目标几何形状具备所述参考形状对应的全部参考特征。
需要说明的是,上述装置实施例中各模块/单元之间的信息交互、执行过程等内容,由于与本发明前述方法实施例基于同一构思,其带来的技术效果与本发明前述方法实施例相同,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
此外,上述图7、图8任一示例的图像识别的装置的实施方式中,各功能模块的逻辑划分仅是举例说明,实际应用中可以根据需要,例如出于相应硬件的配置要求或者软件的实现的便利考虑,将上述功能分配由不同的功能模块完成,即将所述图像识别的装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
根据在上述实施例的图像识别的装置,用户可设定的参考形状(几何形状),基于此图像识别的装置可自动识别输入的图像中是否有与所述参考形状匹配的目标几何形状,并在图像中将存在的目标几何形状标示出来;根据不同的参考形状,可识别出图像中不同的几何形状,更为灵活对图像中物体进行抽象和简化处理,有利于让学生(用户)对自然生活中的几何图形有直观的认知。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
另外,本领域普通技术人员可以理解本发明的任意实施例指定的方法的全部或部分步骤是可以通过程序来指令相关的硬件(个人计算机、服务器、或者网络设备等)来完成。该程序可以存储于一计算机可读存储介质中。该程序在执行时,可执行上述任意实施例指定的方法的全部或部分步骤。前述存储介质可以包括任何可以存储程序代码的介质,例如只读存储器(Read-OnlyMemory,ROM)、随机存取器(RandomAccessMemory,RAM)、磁盘或光盘等。
以上为对本发明所提供的图像识别的方法及装置的描述,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种图像识别的方法,其特征在于,包括:
获取待分析的图像;
识别所述图像中包含的几何形状;
比对所述几何形状与设定的参考形状,确定出与所述参考形状匹配的目标几何形状;
对所述目标几何形状进行标示显示。
2.如权利要求1所述图像识别的方法,其特征在于,所述识别所述图像中包含的几何形状,包括:
获取所述图像中各像素点的灰度值;
确定出灰度值相差小于等于设定容差的相邻像素点,识别由所述相邻像素点构成的线条;
识别由所述线条构成的封闭形状,将所述封闭形状确定为所述图像中包含的几何形状。
3.如权利要求1所述图像识别的方法,其特征在于,所述比对所述几何形状与设定的参考形状,确定出与所述参考特征匹配的目标几何形状,包括:
提取所述参考形状的参考特征,提取所述几何形状的特征信息;
计算所述特征信息、所述参考特征的近似度,若所述近似度大于等于设定阈值,则确定对应的几何形状为目标几何形状。
4.如权利要求3所述图像识别的方法,其特征在于,所述确定对应的几何形状为目标几何形状之后还包括:
根据所述参考特征对所述目标几何形状进行修正,使修正后的目标几何形状具备所述参考形状对应的全部参考特征。
5.如权利要求3所述图像识别的方法,其特征在于,所述比对所述几何形状与设定的参考形状,确定出与所述参考特征匹配的目标几何形状之前包括:
设置参考形状;
所述参考形状包括:圆形、矩形、三角形或星形;
所述参考特征包括:各点到中心点的距离信息、顶点数量、顶点夹角信息和/或边长信息。
6.一种图像识别的装置,其特征在于,包括:
图像获取模块,用于获取待分析的图像;
第一识别模块,用于识别所述图像中包含的几何形状;
第二识别模块,用于比对所述几何形状与设定的参考形状,确定出与所述参考形状匹配的目标几何形状;
显示模块,用于对所述目标几何形状进行标示显示。
7.如权利要求6所述图像识别的装置,其特征在于,所述第一识别模块包括:
像素点分析单元,用于获取所述图像中各像素点的灰度值;
线条识别单元,用于确定出灰度值相差小于等于设定容差的相邻像素点,识别由所述相邻像素点构成的线条;
以及,形状识别单元,用于识别由所述线条构成的封闭形状,将所述封闭形状确定为所述图像中包含的几何形状。
8.如权利要求6所述图像识别的装置,其特征在于,所述第二识别模块包括:
特征提取单元,用于提取所述参考形状的参考特征,以及提取所述几何形状的特征信息;
以及,特征比对单元,计算所述特征信息、所述参考特征的近似度,若所述近似度大于等于设定阈值,则确定对应的几何形状为目标几何形状。
9.如权利要求8所述图像识别的装置,其特征在于,还包括:
修正模块,用于根据所述参考特征对所述目标几何形状进行修正,使修正后的目标几何形状具备所述参考形状对应的全部参考特征。
10.如权利要求8所述图像识别的装置,其特征在于,还包括:
设置模块,用于设置参考形状;
其中,所述参考形状包括:圆形、矩形、三角形或星形;
所述参考特征包括:各点到中心点的距离信息、顶点数量、顶点夹角信息和/或边长信息。
CN201510528250.7A 2015-08-24 2015-08-24 图像识别的方法及装置 Pending CN105069454A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201510528250.7A CN105069454A (zh) 2015-08-24 2015-08-24 图像识别的方法及装置
PCT/CN2016/090712 WO2017032190A1 (zh) 2015-08-24 2016-07-20 图像识别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510528250.7A CN105069454A (zh) 2015-08-24 2015-08-24 图像识别的方法及装置

Publications (1)

Publication Number Publication Date
CN105069454A true CN105069454A (zh) 2015-11-18

Family

ID=54498815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510528250.7A Pending CN105069454A (zh) 2015-08-24 2015-08-24 图像识别的方法及装置

Country Status (2)

Country Link
CN (1) CN105069454A (zh)
WO (1) WO2017032190A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105763812A (zh) * 2016-03-31 2016-07-13 北京小米移动软件有限公司 智能拍照方法及装置
WO2017032190A1 (zh) * 2015-08-24 2017-03-02 广州视睿电子科技有限公司 图像识别的方法及装置
CN106778441A (zh) * 2017-01-12 2017-05-31 西安科技大学 一种图形图像智能识别系统及其识别方法
CN106874845A (zh) * 2016-12-30 2017-06-20 东软集团股份有限公司 图像识别的方法和装置
CN109255807A (zh) * 2017-07-13 2019-01-22 腾讯科技(深圳)有限公司 一种图像信息处理方法及服务器、计算机存储介质
CN109740614A (zh) * 2018-11-20 2019-05-10 广东智媒云图科技股份有限公司 一种获取用于叶雕的叶片背景图的方法及装置
CN110738712A (zh) * 2019-10-24 2020-01-31 广东智媒云图科技股份有限公司 一种几何图案重构方法、装置、设备及存储介质
CN112102435A (zh) * 2020-09-24 2020-12-18 北京文香信息技术有限公司 一种几何图形绘制的方法、装置、设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113343324B (zh) * 2021-06-09 2023-03-28 东莞市友杰电子有限公司 液压式机械产品外形分析系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388077A (zh) * 2007-09-11 2009-03-18 松下电器产业株式会社 目标形状检测方法及装置
CN101593270A (zh) * 2008-05-29 2009-12-02 汉王科技股份有限公司 一种手绘形状识别的方法及装置
CN102156869A (zh) * 2006-07-17 2011-08-17 松下电器产业株式会社 检测由任意线段组合的形状的方法及装置
CN104408427A (zh) * 2014-12-01 2015-03-11 上海合合信息科技发展有限公司 图像四边形识别的方法和装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110101A (zh) * 2006-07-17 2008-01-23 松下电器产业株式会社 识别图像的方法及设备
US8712163B1 (en) * 2012-12-14 2014-04-29 EyeNode, LLC Pill identification and counterfeit detection method
CN107066999A (zh) * 2013-05-22 2017-08-18 华为终端有限公司 一种文字识别方法及用户终端
CN104680519B (zh) * 2015-02-06 2017-06-23 四川长虹电器股份有限公司 基于轮廓和颜色的七巧板识别方法
CN105069454A (zh) * 2015-08-24 2015-11-18 广州视睿电子科技有限公司 图像识别的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156869A (zh) * 2006-07-17 2011-08-17 松下电器产业株式会社 检测由任意线段组合的形状的方法及装置
CN101388077A (zh) * 2007-09-11 2009-03-18 松下电器产业株式会社 目标形状检测方法及装置
CN101593270A (zh) * 2008-05-29 2009-12-02 汉王科技股份有限公司 一种手绘形状识别的方法及装置
CN104408427A (zh) * 2014-12-01 2015-03-11 上海合合信息科技发展有限公司 图像四边形识别的方法和装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017032190A1 (zh) * 2015-08-24 2017-03-02 广州视睿电子科技有限公司 图像识别的方法及装置
CN105763812B (zh) * 2016-03-31 2019-02-19 北京小米移动软件有限公司 智能拍照方法及装置
CN105763812A (zh) * 2016-03-31 2016-07-13 北京小米移动软件有限公司 智能拍照方法及装置
CN106874845B (zh) * 2016-12-30 2021-03-26 东软集团股份有限公司 图像识别的方法和装置
CN106874845A (zh) * 2016-12-30 2017-06-20 东软集团股份有限公司 图像识别的方法和装置
CN106778441A (zh) * 2017-01-12 2017-05-31 西安科技大学 一种图形图像智能识别系统及其识别方法
CN109255807A (zh) * 2017-07-13 2019-01-22 腾讯科技(深圳)有限公司 一种图像信息处理方法及服务器、计算机存储介质
CN109255807B (zh) * 2017-07-13 2023-02-03 腾讯科技(深圳)有限公司 一种图像信息处理方法及服务器、计算机存储介质
CN109740614A (zh) * 2018-11-20 2019-05-10 广东智媒云图科技股份有限公司 一种获取用于叶雕的叶片背景图的方法及装置
CN109740614B (zh) * 2018-11-20 2024-01-23 广东智媒云图科技股份有限公司 一种获取用于叶雕的叶片背景图的方法及装置
CN110738712A (zh) * 2019-10-24 2020-01-31 广东智媒云图科技股份有限公司 一种几何图案重构方法、装置、设备及存储介质
CN110738712B (zh) * 2019-10-24 2023-07-25 广东智媒云图科技股份有限公司 一种几何图案重构方法、装置、设备及存储介质
CN112102435A (zh) * 2020-09-24 2020-12-18 北京文香信息技术有限公司 一种几何图形绘制的方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2017032190A1 (zh) 2017-03-02

Similar Documents

Publication Publication Date Title
CN105069454A (zh) 图像识别的方法及装置
CN112348815B (zh) 图像处理方法、图像处理装置以及非瞬时性存储介质
US10429193B2 (en) Method and apparatus for generating high precision map
CN111179152B (zh) 一种道路标识识别方法及装置、介质、终端
CN109447994A (zh) 结合完全残差与特征融合的遥感图像分割方法
CN111376895B (zh) 一种环视泊车感知方法、装置、自动泊车系统和车辆
CN110110682B (zh) 遥感图像的语义立体重构方法
CN112154445A (zh) 高精度地图中车道线的确定方法和装置
CN103051915B (zh) 一种交互式立体视频关键帧的制作方法及制作装置
US9367737B2 (en) Floor plan space detection
CN108197567B (zh) 用于图像处理的方法、装置和计算机可读介质
CN107808140B (zh) 一种基于图像融合的单目视觉道路识别算法
CN112435267A (zh) 一种高分辨率城市卫星立体图像的视差图计算方法
CN104331890A (zh) 一种全局视差估计方法和系统
CN114898321A (zh) 道路可行驶区域检测方法、装置、设备、介质及系统
CN113947714A (zh) 一种视频监控和遥感的多模态协同优化方法及系统
CN116468870B (zh) 一种城市道路三维可视化建模方法及系统
CN114692034A (zh) 图像显示方法、装置、电子设备及计算机存储介质
CN115410173B (zh) 多模态融合的高精地图要素识别方法、装置、设备及介质
CN113807315B (zh) 一种构建待识别对象识别模型的方法、装置、设备及介质
CN111260723B (zh) 棒材的质心定位方法及终端设备
CN105513050A (zh) 一种目标图像提取方法及装置
CN112381034A (zh) 一种车道线检测方法、装置、设备及存储介质
JP2021182243A (ja) 画像判定装置、方法、及びプログラム
CN113792601B (zh) 基于霍夫直线检测结果的车位线拟合方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20151118