CN105427320A - 一种图像分割提取方法 - Google Patents

Abstract

本发明涉及一种图像分割提取方法，其解决了现有技术对证件图像信息采集时效率低、效果差的技术问题，其包括以下步骤：主控模块获取彩色图像后，将彩色图像转为灰度图像；对灰度图像进行阈值过滤，换为二值图像；对二值图像计算连通区域；获取连通区域的边缘点集合；搜索连通区域角点；根据角点，判断连通区域的长边和短边，将连通区域的图像截取出来。本发明广泛用于模式识别、图像处理技术领域。

Description

一种图像分割提取方法

技术领域

本发明涉及模式识别、图像处理技术领域，尤其是涉及一种图像分割提取方法。

背景技术

在现有的证件图像信息采集装置中，当对证件拍照时，存在以下问题，一是当证件放置于识别区域内，再通过人工手动通过点击鼠标或触摸屏等操作命令按钮，控制拍照过程的进行，此类的执行流程效率很低，操作不方便；二是对于拍照获得的图像不支持自适应裁剪或者裁剪的速度慢，效果不好。

发明内容

本发明就是为了解决现有技术对证件图像信息采集时效率低、效果差的技术问题，提供了效率高、效果好的一种图像分割提取方法。

本发明提供的图像分割提取方法，包括如下步骤：

步骤1，主控模块获取彩色图像后，将彩色图像转为灰度图像；

步骤2，对灰度图像进行阈值过滤，转换为二值图像；

步骤3，对二值图像计算连通区域；

步骤4，获取连通区域的边缘点集合；

步骤5，搜索连通区域角点；

步骤6，根据角点，判断连通区域的长边和短边，将连通区域的图像截取出来。

优选地，步骤1中彩色图像转为灰度图像的转换算法为：

I(x，y)＝a·R(x，y)+b·G(x，y)+c·B(x，y)

其中R(x，y)，G(x，y)，B(x，y)分别为像素(x，y)处的R,G,B值，I(x，y)为转换后的灰度值；a，b，c的值分别为0.2125,0.7154,0.0721。

优选地，步骤2中，阈值过滤算法采用Ostu算法，步骤如下：

(1)计算每个灰度值在整个图像的数量n_i，i取值从0～255；

(2)计算每个灰度值出现在图像中的概率p_i，M是图像总体像素个数；

(3)设分割阈值为t，将灰度分为两类，每一类出现的概率为 $w_0={\mathrm{\Σ}}_{i=1}^t{p}_i$ 和 $w_1={\mathrm{\Σ}}_{i=t+1}^M{p}_i;$ 每一类的平均灰度为 ${\mathrm{\μ}}_0=\frac{{\mathrm{\μ}}_t}{w_0}$ 与 ${\mathrm{\μ}}_1=\frac{{\mathrm{\μ}}_T-{\mathrm{\μ}}_t}{1-w_0},$ 其中从1到M循环递增t，计算类间方差 ${\mathrm{\σ}}_B^2=w_0\·{({\mathrm{\μ}}_0-{\mathrm{\μ}}_T)}^2+w_1\·{({\mathrm{\μ}}_1-{\mathrm{\μ}}_T)}^2;$ 当最大时，对应的t即为所求的最佳分割或二值化的阈值。

优选地，步骤3中，计算连通区域的标记采用两遍扫描算法，其步骤如下：

(1)第一次扫描：

访问当前像素I(x,y)，如果I(x,y)＝＝1：

1)如果I(x,y)的领域中像素值都为0，则赋予I(x,y)一个新的label：

label+＝1，I(x,y)＝label；

2)如果I(x,y)的领域中有像素值>1的像素Neighbors：

a、将Neighbors中的最小值赋予给I(x,y):

I(x,y)＝min{Neighbors}；

b、记录Neighbors中各个值(label)之间的相等关系，即这些值(label)同属同一个连通区域；

labelSet[i]＝{label_m,..,label_n}，labelSet[i]中的所有label都属于同一个连通区域；

(2)第二次扫描：

访问当前像素I(x,y)，如果I(x,y)>1：

找到与label＝I(x,y)同属相等关系的一个最小label值，赋予给I(x,y)；

完成扫描后，图像中具有相同label值的像素就组成了同一个连通区域。

优选地，步骤3中，计算连通区域的标记采用种子填充算法，其步骤如下：

(1)扫描图像，直到当前像素点I(x,y)＝＝1：

1)将I(x,y)作为种子，并赋予其一个label，然后将该种子相邻的所有前景像素都压入栈中；

2)弹出栈顶像素，赋予其相同的label，然后再将与该栈顶像素相邻的所有前景像素都压入栈中；

3)重复步骤2)，直到栈为空；

此时，便找到了图像I中的一个连通区域，该区域内的像素值被标记为label；

(2)重复第(1)步，直到扫描结束，扫描结束后，就可以得到图像I中所有的连通区域。

优选地，步骤4中，定义边缘点集合E，指定需要扫描的连通区域的label；

(1)逐行扫描图像，直至所有的行被扫描一遍：

1)自左向右扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，将I(x,y)点加入集合E中，停止扫描；

2)自右向左扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

(2)逐列扫描图像，直至所有的列被扫描一遍：

1)自上向下扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

2)自下向上扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

扫描结束后，就可以得到图像I中所有的连通区域的边缘点集合。

优选地，步骤5中搜索连通区域角点的过程如下：

(1)指定需要搜索角点的连通区域R的label，计算R的boundingbox；

(2)如果boundingbox的宽高小于用户指定值，则跳过R，对下一个区域进行搜索；

(3)计算R的boundingbox的中心点O；

(4)扫描R的边缘点，找到离点O最远的点A；扫描R的边缘点，找到离点A最远的点C；扫描R的边缘点，计算离直线AC最远的点B和点D；

(5)返回A、B、C、D四个角点。

本发明的有益效果是：(1)易用性好，用户只需要将证件放置于证件承载区，采集软件会自动提取证件区域图像并进行识别。本发明优化图像分割提取算法，在证件承载区域范围内，可对证件照片进行任意位置分割提取。(2)图像分割提取精准，可以精确提取证件图像区域，节省系统存储空间。

本发明进一步的特征，将在以下具体实施方式的描述中，得以清楚地记载。

附图说明

图1是本发明的结构示意图。

10.主控模块；20.摄像头；30.补光模块；40.显示屏；50.红外感应模块；51.控制单元；52.红外发射单元；53.红外接收单元。

具体实施方式

以下参照附图，以具体实施例对本发明作进一步详细说明。

如图1所示，证件图像采集装置包括主控模块10、摄像头20、补光模块30、显示屏40和红外感应模块50，摄像头20与主控模块10连接，补光模块30与主控模块10连接，显示屏40与主控模块10连接，红外感应模块50与主控模块10连接。

红外感应模块50包括控制单元51、红外发射单元52、红外接收单元53，红外发射单元52与控制单元51连接，红外接收单元53与控制单元51连接，控制单元51与主控模块10连接。

主控模块10为工业级控制主板或计算机，运行证件识别软件，外接带有USB通信接口和GPIO等接口，显示屏40与GPIO接口连接，摄像头20、补光模块30和红外感应模块50均与USB通信接口连接。

红外感应模块50为反射型红外器件，红外发射单元52用于向外发出红外光，当红外光遇到物体，可反射回来，被红外接收单元53获取，根据是否接收到红外光，红外感应模块50输出不同的高或低电平。

摄像头20用于对证件拍照，将采集到的图像信息传送给主控模块10。补光模块30设有LED元件、开关控制芯片及外围电路，其中开关控制芯片的使能管脚受主控模块10的IO口控制，以实现LED元件的亮灭。当主控模块10的IO口置高时，开关控制芯片工作，LED元件获得电流点亮，当主控模块10的IO口置低时，开关控制芯片不工作，LED元件无法点亮。

显示屏40为触摸显示屏，提供触摸功能，用于显示系统和软件界面，以实现对系统和软件的操作。

此外，各组成部分由电源模块提供电源。

上述装置安装在为证件拍照识别的物理载体的拍照腔体内。拍照腔体向上的开口处安装透明玻璃，被配置为证件放置区域和识读区域。红外感应模块50、摄像头20安装于拍照腔体的底部，均向上照射，当拍照腔体顶部的透明玻璃处放置证件时，红外感应模块50向上发射的红外光被明显反射回去，红外感应模块50接收到反射回的红外光后，输出电平，该电平传递至主控模块10，主控模块10控制补光模块30开启，摄像头20进行拍照，所拍照片传至主控模块10。相反地，若拍照腔体顶部的透明玻璃处未放置证件，红外感应模块50中接收不到反射回的红外光，主控模块10根据红外感应模块50传递的电平进行判断，不开启摄像头20和补光模块30。

主控模块10接收到摄像头20传送的彩色图像后，对彩色图像进行处理的过程如下：

步骤1，将彩色图像转为灰度图像，转换算法为：

I(x，y)＝a·R(x，y)+b·G(x，y)+c·B(x，y)

其中R(x，y)，G(x，y)，B(x，y)分别为像素(x，y)处的R,G,B值，I(x，y)为转换后的灰度值；a，b，c的值分别为0.2125,0.7154,0.0721。

步骤2，对灰度图像进行阈值过滤，转换为二值图像。阈值过滤算法采用Ostu算法，步骤如下：

(1)计算每个灰度值在整个图像的数量n_i，i取值从0～255。

(2)计算每个灰度值出现在图像中的概率p_i，M是图像总体像素个数。

(3)设分割阈值为t，将灰度分为两类。每一类出现的概率为 $w_0={\mathrm{\Σ}}_{i=1}^t{p}_i$ 和 $w_1={\mathrm{\Σ}}_{i=t+1}^M{p}_i;$ 每一类的平均灰度为 ${\mathrm{\μ}}_0=\frac{{\mathrm{\μ}}_t}{w_0}$ 与 ${\mathrm{\μ}}_1=\frac{{\mathrm{\μ}}_T-{\mathrm{\μ}}_t}{1-w_0},$ 其中从1到M循环递增t，计算类间方差 ${\mathrm{\σ}}_B^2=w_0\·{({\mathrm{\μ}}_0-{\mathrm{\μ}}_T)}^2+w_1\·{({\mathrm{\μ}}_1-{\mathrm{\μ}}_T)}^2;$ 当最大时，对应的t即为所求的最佳分割或二值化的阈值。

步骤3，对二值图像计算连通区域。连通区域的标记可以采用两遍扫描算法或种子填充算法。

两遍扫描算法的步骤如下：

(1)第一次扫描：

访问当前像素I(x,y)，如果I(x,y)＝＝1：

1)如果I(x,y)的领域中像素值都为0，则赋予I(x,y)一个新的label：

label+＝1，I(x,y)＝label；

2)如果I(x,y)的领域中有像素值>1的像素Neighbors：

a、将Neighbors中的最小值赋予给I(x,y):

I(x,y)＝min{Neighbors}；

b、记录Neighbors中各个值(label)之间的相等关系，即这些值(label)同属同一个连通区域；

labelSet[i]＝{label_m,..,label_n}，labelSet[i]中的所有label都属于同一个连通区域。

(2)第二次扫描：

访问当前像素I(x,y)，如果I(x,y)>1：

找到与label＝I(x,y)同属相等关系的一个最小label值，赋予给I(x,y)；

完成扫描后，图像中具有相同label值的像素就组成了同一个连通区域。

种子填充算法的描述如下：

(1)扫描图像，直到当前像素点I(x,y)＝＝1：

1)将I(x,y)作为种子，并赋予其一个label，然后将该种子相邻的所有前景像素都压入栈中；

2)弹出栈顶像素，赋予其相同的label，然后再将与该栈顶像素相邻的所有前景像素都压入栈中；

3)重复步骤2)，直到栈为空；

此时，便找到了图像I中的一个连通区域，该区域内的像素值被标记为label；

(2)重复第(1)步，直到扫描结束，扫描结束后，就可以得到图像I中所有的连通区域。

步骤4，获取连通区域的边缘点集合。定义边缘点集合E，指定需要扫描的连通区域的label。

(1)逐行扫描图像，直至所有的行被扫描一遍。

1)自左向右扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，将I(x,y)点加入集合E中，停止扫描；

2)自右向左扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

(2)逐列扫描图像，直至所有的列被扫描一遍。

1)自上向下扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

2)自下向上扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

扫描结束后，就可以得到图像I中所有的连通区域的边缘点集合。

步骤5，搜索连通区域角点。

(1)指定需要搜索角点的连通区域R的label，计算R的boundingbox；

(2)如果boundingbox的宽高小于用户指定值，则跳过R，对下一个区域进行搜索；

(3)计算R的boundingbox的中心点O；

(4)扫描R的边缘点，找到离点O最远的点A；扫描R的边缘点，找到离点A最远的点C；扫描R的边缘点，计算离直线AC最远的点B和点D；

(5)返回A、B、C、D四个角点。

步骤6，根据ABCD四个角点，判断连通区域的长边和短边；将连通区域的图像截取出来，然后对图像进行旋转，使得长边沿水平方向、短边沿竖直方向，显示在触控显示屏上。

步骤7，用户根据实际情况，可以对图像进行旋转。

以上所述仅对本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡是在本发明的权利要求限定范围内，所做的任何修改、等同替换、改进等，均应在本发明的保护范围之内。

Claims (7)

1.一种图像分割提取方法，其特征在于，包括如下步骤：

步骤1，主控模块获取彩色图像后，将彩色图像转为灰度图像；

步骤2，对灰度图像进行阈值过滤，转换为二值图像；

步骤3，对二值图像计算连通区域；

步骤4，获取连通区域的边缘点集合；

步骤5，搜索连通区域角点；

步骤6，根据角点，判断连通区域的长边和短边，将连通区域的图像截取出来。

2.根据权利要求1所述的图像分割提取方法，其特征在于，所述步骤1中彩色图像转为灰度图像的转换算法为：

I(x，y)＝a·R(x，y)+b·G(x，y)+c·B(x，y)

其中R(x，y)，G(x，y)，B(x，y)分别为像素(x，y)处的R,G,B值，I(x，y)为转换后的灰度值；a，b，c的值分别为0.2125,0.7154,0.0721。

3.根据权利要求2所述的图像分割提取方法，其特征在于，所述步骤2中，阈值过滤算法采用Ostu算法，步骤如下：

(1)计算每个灰度值在整个图像的数量n_i，i取值从0～255；

(2)计算每个灰度值出现在图像中的概率p_i，M是图像总体像素个数；

(3)设分割阈值为t，将灰度分为两类，每一类出现的概率为和每一类的平均灰度为与其中从1到M循环递增t，计算类间方差 当最大时，对应的t即为所求的最佳分割或二值化的阈值。

4.根据权利要求3所述的图像分割提取方法，其特征在于，所述步骤3中，计算连通区域的标记采用两遍扫描算法，其步骤如下：

(1)第一次扫描：

访问当前像素I(x,y)，如果I(x,y)＝＝1：

1)如果I(x,y)的领域中像素值都为0，则赋予I(x,y)一个新的label：

label+＝1，I(x,y)＝label；

2)如果I(x,y)的领域中有像素值>1的像素Neighbors：

a、将Neighbors中的最小值赋予给I(x,y):

I(x,y)＝min{Neighbors}；

b、记录Neighbors中各个值(label)之间的相等关系，即这些值(label)同属同一个连通区域；

labelSet[i]＝{label_m,..,label_n}，labelSet[i]中的所有label都属于同一个连通区域；

(2)第二次扫描：

访问当前像素I(x,y)，如果I(x,y)>1：

找到与label＝I(x,y)同属相等关系的一个最小label值，赋予给I(x,y)；

完成扫描后，图像中具有相同label值的像素就组成了同一个连通区域。

5.根据权利要求3所述的图像分割提取方法，其特征在于，所述步骤3中，计算连通区域的标记采用种子填充算法，其步骤如下：

(1)扫描图像，直到当前像素点I(x,y)＝＝1：

1)将I(x,y)作为种子，并赋予其一个label，然后将该种子相邻的所有前景像素都压入栈中；

2)弹出栈顶像素，赋予其相同的label，然后再将与该栈顶像素相邻的所有前景像素都压入栈中；

3)重复步骤2)，直到栈为空；

此时，便找到了图像I中的一个连通区域，该区域内的像素值被标记为label；

(2)重复第(1)步，直到扫描结束，扫描结束后，就可以得到图像I中所有的连通区域。

6.根据权利要求4或5所述的图像分割提取方法，其特征在于，所述步骤4中，定义边缘点集合E，指定需要扫描的连通区域的label；

(1)逐行扫描图像，直至所有的行被扫描一遍：

1)自左向右扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，将I(x,y)点加入集合E中，停止扫描；

2)自右向左扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

(2)逐列扫描图像，直至所有的列被扫描一遍：

1)自上向下扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

2)自下向上扫描图像，如果当前像素I(x,y)的label与当前连通区域的label一致，停止扫描；如果集合E中不包含I(x,y)点，将I(x,y)点加入集合E中；

扫描结束后，就可以得到图像I中所有的连通区域的边缘点集合。

7.根据权利要求6所述的图像分割提取方法，其特征在于，所述步骤5中搜索连通区域角点的过程如下：

(1)指定需要搜索角点的连通区域R的label，计算R的boundingbox；

(2)如果boundingbox的宽高小于用户指定值，则跳过R，对下一个区域进行搜索；

(3)计算R的boundingbox的中心点O；

(4)扫描R的边缘点，找到离点O最远的点A；扫描R的边缘点，找到离点A最远的点C；扫描R的边缘点，计算离直线AC最远的点B和点D；

(5)返回A、B、C、D四个角点。