一种自动获取目标图像的方法
技术领域
本发明涉及图像处理技术领域,具体涉及一种自动获取目标图像的方法。
背景技术
随着图像处理技术的发展,几乎所有的移动智能终端都携带有拍照功能。因拍照功能非常方便快速,且能全面的记录图像内容,因此人们经常利用移动智能终端拍摄一些目标,如文档、报告、宣传册等等。一些情况下,这些拍摄资料中包含一些需要终端或计算机进一步处理的数据,因此终端或计算机中的某些软件会将拍摄的资料图片进行目标提取与识别。
然而,在利用终端拍摄这些目标时,往往会发生几何变形或扭曲。扭曲的内容虽然人眼可以辨认,然而机器却无法对扭曲的图像进行识别,导致其无法进行下一步的操作。
发明内容
本发明要解决的技术问题是:解决现有技术中采集的目标图像易发生扭曲,机器无法识别的问题。
为实现上述的发明目的,本发明提供了一种自动获取目标图像的方法。包括:
采集目标的第一图像并进行边缘增强处理;
检测边缘增强处理后的图像,获取与所述目标适应的形状;
将所述形状作为目标的侯选区域;
采集并调整所述目标的第二图像,使所述第二图像中的目标适应所述候选区域的形状。
优选地,在将所述形状作为目标的侯选区域之后,还包括检测所述候选区域内图像的纹理分布。
优选地,所述检测所述候选区域内图像的纹理分布包括,
提取并判断所述候选区域内图像的局部直方图分布或局部方差:
若所述局部直方图分布均匀或局部方差小于预设的方差阈值,则所述候选区域内图像的纹理分布一致;
若所述局部直方图分布不均匀或局部方差不小于预设的方差阈值,则所述候选区域内图像的纹理分布不一致。
优选地,在所述检测所述候选区域内图像的纹理分布后,还包括检测所述候选区域内图像的亮度;
若所述候选区域内图像的纹理分布以及亮度均一致,则采集并调整所述目标的第二图像。
优选地,所述检测所述候选区域内图像的亮度包括:
检测所述候选区域内图像像素的整体亮度均值与预设的亮度阈值的大小关系:
若所述整体亮度均值不小于所述预设的亮度阈值,则所述候选区域内图像的平均亮度足够大,并继续判断所述候选区域内的亮度平均程度,包括:
将所述候选区域划分为若干个子区域,计算所述每个子区域的亮度均值;
若所述每个子区域的亮度均值与所述整体亮度均值之差不小于预设的变化阈值,则所述候选区域内的亮度一致;
若所述整体亮度均值小于所述预设的亮度阈值,或所述每个子区域的亮度均值与所述整体亮度均值之差大于预设的变化阈值,则所述候选区域内图像的亮度不一致。
优选地,在所述采集所述目标的第二图像之前,还包括检测图像采集装置的运动状态;
若所述运动状态为稳定,则采集并调整所述目标的第二图像。
优选地,在所述采集并调整所述目标的第二图像之后,还包括检测所述第二图像的模糊程度;
若所述第二图像模糊,则重新检测所述图像采集装置的运动状态。
优选地,所述检测所述第二图像的模糊程度包括,检测所述第二图像的高频成分与预设的频率阈值的大小关系:
若所述高频成分不小于所述预设的频率阈值,则所述第二图像不模糊;
若所述高频成分小于所述预设的频率阈值,则所述第二图像模糊。
优选地,所述进行边缘增强处理包括采用高通滤波器或梯度增强算法对所述第一图像进行边缘增强处理。
优选地,所述第一图像的分辨率低于所述第二图像的分辨率。
本发明提供了一种自动获取目标图像的方法,该方法通过对目标图像进行边缘检测图像,并在边缘检测图像中选择适合的形状,设置候选区域,令目标形状适应候选区域的形状,从而对扭曲的目标图像形状进行恢复,得到机器能够识别的、不发生扭曲的高质量图像。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明第一实施例提供的自动获取目标图像方法流程图;
图2是图1所示方法中采集低分辨率图像步骤示意图;
图3是图1所示方法中在边缘增强图像检测对应形状步骤示意图;
图4(a)是图1所示选择合适四边形步骤中长宽比例不符合的四边形示意图;
图4(b)是图1所示选择合适四边形步骤中大小不符合的四边形示意图;
图5是图1所示方法中根据符合四边形设置候选区域示意图;
图6是图1所示方法中判断区域内图像亮度步骤示意图;
图7是本发明第二实施例提供的设置候选区域方法示意图;
图8是本发明第三实施例提供的设置候选区域方法示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明提供了一种自动获取目标图像的方法,该方法包括:采集目标的第一图像并对第一图像进行边缘增强处理;检测边缘增强处理后的图像,获取与目标适应的形状;将形状作为目标的侯选区域;采集并调整目标的第二图像,使第二图像中的目标适应候选区域的形状。
下面对本发明提供的自动获取目标图像的方法进行详细说明。
实施例一
如图1所示,本实施例提供了一种自动获取目标图像的方法。其中,如图2所示,本实施例中的采集目标优选尺寸为A4纸张大小的、内容为文档的第一目标3,装置优选为手机1,则自动获取目标图像方法包括:
S101、采集目标的第一图像;
其中,第一图像优选像素为640×480左右的低分辨率图像。如图2所示。优选地,手机1进入预览模式,在手机1的视窗2中显示所拍摄的第一目标3。第一目标3在视窗2中显示为进大远小的四边形。除第一目标3之外,在视窗内还有其他干扰目标(第一干扰目标4、第二干扰目标5)。
S102、对第一图像进行边缘增强处理;
其中较优地,利用高通滤波器对第一图像边缘进行增强化,减少第一图像中的低频成分,保留高频成分;
其中较优地,还可以采用索贝尔(sobel)算子方法对第一图像的进行边缘增强。
S103、在边缘增强图像中检测与目标形状对应的形状,并加入到候选集中。S103中的子步骤具体如下:
S1031、利用直线检测方法在边缘增强图像上检测直线,优选地采用霍夫变换(Houghtransform)或线段检测算法(LSD,linesegmentdetectionalgorithm)来进行直线的检测;
S1032、由于本实施例中的目标为四边形的第一目标3,因此优选地搜索任意四条相交且连通的直线形成的四边形。如图3所示,搜索到3个四边形,分别是第一目标四边形31、第一干扰目标四边形41以及第二干扰目标四边形51;
经过搜索之后,将检测到第一目标四边形31、第一干扰目标四边形41以及第二干扰目标四边形51加入到候选集中;
S104、在候选集的对应形状中选择与目标比例尺寸、大小相符合的符合形状;并根据符合形状设置候选区域。S104中的子步骤具体如下:
S1041、选择长宽比例尺寸符合的形状。
如图4(a)所示,第二干扰目标四边形51的长宽比例不符合第一目标3的比例,因此排除第二干扰目标四边形51;
S1042、选择大小符合的形状。
如图4(b)所示,第一干扰目标四边形41虽然长宽比例符合,但是大小不符合,因此排除第一干扰目标四边形41;
S1043、根据S1041以及S1042子步骤的判断,选择第一目标四边形31,并根据第一目标四边形31设置候选区域;
如图5所示,第一目标四边形31在视窗2中显示为近大远小的梯形。由于第一目标3为A4大小,长宽比为10:7,因此选择第一目标四边形31的底边,并以底边作为长,设置长宽比例为10:7的四边形区域,该四边形区域即为候选区域6。将图像置于候选区域6内;
S105、判断候选区域内图像纹理特征是否一致;
优选地,首选提取候选区域6内图像的纹理特征,再判断整幅图像纹理特征是否一致。
其中较优地,提取候选区域6内图像的局部直方图分布或局部方差等:
若局部直方图分布均匀或局部方差小于预设的方差阈值,则候选区域内图像的纹理分布一致;
若局部直方图分布不均匀或局部方差不小于预设的方差阈值,则候选区域内图像的纹理分布不一致。
若候选区域6内纹理特征一致,则进入下一步骤;若不一致则重新回到S104步骤;
S106、判断候选区域内图像亮度是否一致;
优选地,首先判断候选区域内图像像素的整体亮度均值是否大于预设的亮度阈值:
若整体亮度均值不小于预设的亮度阈值,则说明候选区域内图像的平均亮度足够;并继续判断候选区域内的亮度平均程度。
其中,判断候选区域内的亮度平均程度具体包括:
将候选区域划分为若干个子区域,计算每个子区域的亮度均值;
若每个子区域的亮度均值与整体亮度均值之差不小于预设的变化阈值,则说明所述候选区域内的亮度一致。
若所述整体亮度均值小于所述预设的亮度阈值,或所述每个子区域的亮度均值与所述整体亮度均值之差大于预设的变化阈值,则说明所述候选区域内图像的亮度不一致。
其中,预设的亮度阈值可以为整个图像亮度范围值一半的取值。
若候选区域6内亮度一致,则进入下一步骤;若不一致,如图6所示,图像中出现亮度不均匀区域7,则重新回到S104步骤;
S107、若纹理特征及亮度均一致,则进入图像采集模式,装置对焦;
S108、检测装置是否运动,防止拍摄过程中由于运动产生采集图像的模糊;
优选地,利用加速度传感器等辅助传感器来检测装置(在本实施中为手机1)是否运动。若装置不稳定,则提示用户固定好装置;若装置稳定,则进入下一步骤;
S109、若装置稳定,则采集目标的第二图像,使第二图像中第一目标3的形状适应候选区域6的形状,实现第一目标3的校正;
优选地,第二图像为高分辨率图像,在本实施例中,装置为手机1,其中较优地,第二图像像素为3264×2448的高分辨率图像。
S110、检测第二图像是否模糊,若模糊则重新执行S108步骤;
优选地,通过分析第二图像的高频成分是否达到预设的频率阈值来实现检测:
若高频成分不小于预设的频率阈值,则第二图像不模糊;
若高频成分小于预设的频率阈值,则第二图像模糊。
其中,预设的频率阈值大小根据拍摄目标具体而定。
本实施例中为拍摄目标为第一目标3,由于第一目标3中包含文字内容的图像,可计算其梯度的直方图,选取包含98%成分的梯度值作为频率阈值。
S111、若第二图像不模糊,则结束采集,得到高质量的、不扭曲的、可以被机器识别的图像。
本实施例提供了一种自动获取目标图像的方法,该方法通过对目标的低分辨率图像进行边缘增强;在边缘增强的图像中选择与目标相符合的形状,并设置候选区域,最后采集目标的高分辨率图像,使目标的形状适应候选区域的形状。本实施例提供的方法有效地解决因为拍摄图像扭曲导致机器无法识别的问题,便于机器对图像中内容的进一步处理。
实施例二
当然可以理解,本发明并不限于此,本发明还可以对其他规则形状的目标进行校正。
如图7所示,手机1拍摄正六边形的第二目标8,在视窗2中显示第二目标8为近大远小的类正六边形。通过对第二目标8的第一图像进行边缘增强;在边缘增强图像中检测正六边形;并在检测的结果中选择尺寸比例大小最符合第二目标8的符合形状。以符合形状的最近处的一边为基准,根据第二目标8的实际比例,设置正六边形的候选区域9为理想区域;采集第二目标8的第二图像,令第二图像中第二目标8的形状适应候选区域9的形状,即完成第二目标8图像的扭曲校正,获得高质量可以被机器识别的图像。
本实施例中其他特征与实施例一相同,再次不再赘述。
实施例三
如图8所示,手机1拍摄圆形的第三目标10,在视窗2中显示第三目标10为椭圆形。对第三目标10的低分辨率图像进行边缘增强;在边缘增强图像中通过霍夫Hough变换检测图像中的圆形;并筛选比例符合的形状;根据符合形状的半径来设置候选区域11;采集第二图像,令第二图像中第三目标10的形状适应候选区域11的形状,即完成第三目标图像10的扭曲校正,获得高质量可以被机器识别的图像。
当然可以理解,当目标为椭圆是,综合符合形状的长半径、短半径以及目标的实际比例,设置候选区域。
本实施例中其他特征与实施例一相同,再次不再赘述。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。