CN105488791A - 自然背景中图像边缘的定位方法及装置 - Google Patents
自然背景中图像边缘的定位方法及装置 Download PDFInfo
- Publication number
- CN105488791A CN105488791A CN201510834973.XA CN201510834973A CN105488791A CN 105488791 A CN105488791 A CN 105488791A CN 201510834973 A CN201510834973 A CN 201510834973A CN 105488791 A CN105488791 A CN 105488791A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- reconnaissance
- characteristic
- color characteristic
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/446—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering using Haar-like filters, e.g. using integral image techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种自然背景中图像边缘的定位方法及装置,包括:对位于自然背景中的图像,提取作为比对标准的中心颜色特征;与中心颜色特征进行比对,根据比对结果为图像的各边缘提取多个待选点;根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组;使用各待选点组中的待选点拟合出对应的拟合线条;选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。采用本发明中的方法,减少了执行主体的计算量,提高了图像边缘定位的速度,避免了自然背景中出现的边缘的干扰,提高了图像边缘定位的准确性。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种自然背景中图像边缘的定位方法及装置。
背景技术
实际生活和工作中,需要获取图片或者视频中某些带有图框的图像中的信息,例如,名片上的信息,或者标签上的信息等等,获取此类信息时,需要终端设备首先对图像边缘进行定位,即对其边缘进行检测。
传统图像边缘检测方法,一般采用Hough变换或显著性检测等方式。
Hough变换是利用图像空间和Hough参数空间的点-线对偶性,把图像空间中的检测问题转换到参数空间。采用该方法进行图像边缘检测,需要将每个点映射成参数空间的一个曲面,是一到多映射,因而计算量大,导致检测速率变慢,而且当图像受到外界噪声的干扰时,信噪比较低,此时常规Hough变换的性能将急剧下降,导致获取的图像边缘准确度低。
若采用显著性检测方法,比较依赖背景的一致性,使得背景干扰太大,同时容易忽略图像边缘本身的信息,导致获取的图像边缘准确度不高。
目前尚未有一种较为准确的图像边缘的定位方法。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的自然背景中图像边缘的定位方法及装置。
基于本发明的一个方面,提供了一种自然背景中图像边缘的定位方法,包括:
对位于自然背景中的图像,提取作为比对标准的中心颜色特征;
与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点;
根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组;
使用各待选点组中的待选点拟合出对应的拟合线条;
选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。
可选地,各边缘均完成定位操作之后,还包括:将选择出的、与各边缘对应的拟合线条合并,生成所述图像的完整边缘。
可选地,对位于自然背景中的图像,提取作为比对标准的中心颜色特征之前,还包括:
对所述图像进行归一化处理,将所述图像转化为可处理的标准格式。
可选地,提取作为比对标准的中心颜色特征,包括:根据所述图像的亮度L和颜色(a,b)提取所述中心颜色特征。
可选地,与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点,包括:
为所述图像的各边缘设置特征对比模板;
使用任一边缘的特征对比模板与所述图像进行卷积,并将卷积得到的灰度值与所述中心颜色特征进行比对,得到比对结果;
选择比对结果中灰度值超过所述中心颜色特征的点提取为待选点。
可选地,若所述图像为矩形,则为所述图像设置8个方向的特征对比模板,其中,每两个相邻方向的特征对比模板组合检测所述图像的一条边缘。
可选地,所述特征对比模板为带宽度的边缘算子。
可选地,检测出的边缘宽度为所述模板宽度的1/2。
可选地,还包括:
若所述图像为矩形,且所述图像与竖直方向存在角度,根据所述角度调整所述完整边缘,直至所述完整边缘与所述竖直方向间的角度消失。
基于本发明的另一个方面,提供了一种自然背景中图像边缘的定位装置,包括:
提取模块,适于对位于自然背景中的图像,提取作为比对标准的中心颜色特征;
比对模块,适于与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点;
分组模块,适于针对各边缘,执行如下操作:根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组;
拟合模块,适于针对各边缘,使用各待选点组中的待选点拟合出对应的拟合直线;
定位模块,适于针对各边缘,选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。
可选地,自然背景中图像边缘的定位装置还包括:
合并模块,适于对各边缘均完成定位操作之后,将选择出的、与各边缘对应的拟合线条合并,生成所述图像的完整边缘。
可选地,自然背景中图像边缘的定位装置还包括:
预处理模块,适于对所述图像进行归一化处理,将所述图像转化为可处理的标准格式。
可选地,所述提取模块还适于:根据所述图像的亮度L和颜色(a,b)提取所述中心颜色特征。
可选地,所述比对模块还适于:
为所述图像的各边缘设置特征对比模板;
使用任一边缘的特征对比模板与所述图像进行卷积,并将卷积得到的灰度值与所述中心颜色特征进行比对,灰度值超过所述中心颜色特征提取为待选点。
可选地,若所述图像为矩形,则为所述图像设置8个方向的特征对比模板,其中,每两个相邻方向的特征对比模板组合检测所述图像的一条边缘。
可选地,所述特征对比模板为带宽度的边缘算子。
可选地,检测出的边缘宽度为所述模板宽度的1/2。
可选地,所述预处理模块还适于:
若所述图像为矩形,且所述图像与竖直方向存在角度,根据所述角度调整所述完整边缘,直至所述完整边缘与所述竖直方向间的角度消失。
根据本发明实施例中的方法,提取图像的中心颜色特征作为比对标准,由于中心颜色特征的中心性使得各边缘到中心的关系相对而言符合平均性,例如比对特征点到各边缘的距离或者方向较统一,使得得到的各边缘的待选点保持平滑性,不易出现误差较大的待选点,能够尽量避免自然背景对中心颜色特征所带来的影响,例如若比对特征点靠近某一边缘,且该边缘附近的自然背景颜色与比对特征点颜色相近,则容易导致线条模糊化。因此,采用中心颜色特征可以尽量将自然背景与图像分割开,避免自然背景的多种干扰(例如颜色干扰或者噪声干扰),提高了图像边缘定位的准确度。另外,与中线颜色特征进行比对提取待选点,相对于传统边缘检测方法,降低了执行主体的计算量,提高了图像边缘定位的速度。根据距离和/或方向对该边缘对应的多个待选点进行分组,使得分布散乱的待选点呈现一定的规律性,根据呈现出的规律,有利于拟合出边缘对应的拟合线条,提高候选拟合线条的质量,进而提高了图像边缘定位的准确性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
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示出了根据本发明一个实施例的自然背景中图像边缘的定位方法的处理流程图;
图2示出了根据本发明一个实施例的提取自然背景中图像的中心颜色特征的模型示意图;
图3示出了根据本发明一个实施例的自然背景中图像示意图;
图4示出了根据本发明一个实施例的为图像边缘设置的特征对比模板示意图;
图5示出了根据本发明一个实施例的为矩形图像边缘设置的8个方向带宽度的边缘算子的示意图;
图6示出了根据本发明一个实施例的计算边缘点的二维置信度的模型示意图;
图7示出了根据本发明一个实施例的LifeVC标签图像边缘的定位方法的处理流程图;
图8示出了根据本发明一个实施例的自然背景中图像边缘的定位装置的结构示意图;以及
图9示出了根据本发明一个实施例的自然背景中图像边缘的定位装置的另一种结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为解决上述技术问题,本发明实施例提供了一种自然背景中图像边缘的定位方法。图1示出了根据本发明一个实施例的自然背景中图像边缘的定位方法的处理流程图。参见图1,该方法至少包括以下步骤S102至步骤S110。
首先,本发明实施例执行步骤S102,对位于自然背景中的图像,提取作为比对标准的中心颜色特征。
具体地,图2示出了根据本发明一个实施例的提取自然背景中图像的中心颜色特征的模型示意图,该模型示意图中包括a,b,L三个坐标轴,其中L代表图像的亮度,用于候选边缘检测,(a,b)代表图像的颜色,用于前景建模和相似度分析。参见图2,L轴正方向极限处颜色为白色,L轴负方向极限处颜色为黑色,a轴正方向极限处颜色为红色,a轴负方向极限处颜色为绿色,b轴正方向极限处颜色为黄色,b轴负方向极限处颜色为蓝色。本发明实施例根据图像的亮度L和颜色(a,b)作为三维进行中心颜色特征的提取。具体地,采用镜头扫描图像后,首先检测到图像的中心位置,然后获取图像中心位置颜色的相关信息,将该颜色的相关信息输入图2所示的模型,根据模型得到该图像的中心颜色特征值。
本发明实施例提供了具体实例,用于阐述中心颜色特征的提取过程。图3示出了根据本发明一个实施例的自然背景中图像示意图,本例采用镜头扫描局部,LifeVC标签是位于该图自然背景中的图像,自然背景为标签背后的桌体、桌面上放置的文件等物体。使用图2所示出的中心颜色特征的提取模型,对LifeVC标签的中心颜色特征进行提取,提取结果为中心颜色特征值(a:0,b:0,L:69)。本发明实施例提取图像的中心颜色特征作为比对标准,中心颜色特征的中心性使得各边缘到中心的关系相对而言是符合平均性的,从而使得后文根据中心颜色特征比对得到的各边缘的待选点保持平滑性,不易出现误差较大的待选点。若采用其他位置的颜色特征作为比对标准,则因各边缘到比对特征点的距离、方向不统一,则比对得到的各边缘的待选点可能会出现误差较大的情况。进一步,由于中心颜色特征在图像中的中心性,能够尽量避免自然背景对中心颜色特征所带来的影响,例如若比对特征点靠近某一边缘,且该边缘附近的自然背景颜色与比对特征点颜色相近,则容易导致线条模糊化。因此,采用中心颜色特征可以尽量将自然背景与图像分割开,避免自然背景的多种干扰(例如颜色干扰或者噪声干扰),提高了图像边缘定位的准确度。
需要说明地是,本发明实施例采用图3所示的LifeVC标签作为一个具体事例,对本发明实施例的保护范围并不造成限定。在实际应用中,本发明实施例可适用于任何具备边缘的图像,例如圆形、正方形、梯形、不规则图形等等。
在步骤S102执行结束之后,继续执行步骤S104,通过与步骤S102提取的中心颜色特征进行比对,获取到比对结果。进而根据获取的比对结果为图像的各边缘提取多个待选点。与传统检测方法相比,本发明实施例中采用与中心颜色特征进行比对提取待选点,对执行主体而言,占用较少的工作资源,降低了计算量,提高了图像边缘定位的速度。
其中,为各边缘提取多个待选点包括多种算法,本发明实施例提供了一种优选的算法,即通过卷积的方式进行待选点提取。需要说明地是,卷积是一种线性运算,是通过两个函数生成第三个函数的一种数学算子,例如mask运算,应用于图像滤波。本发明实施例中是将特征对比模板和图像这两个函数卷积生成第三函数,第三函数的输出值为图像中点的灰度值。例如选取图像中的某一具体点,将该点对应的相关值输入第三函数,得到该点的灰度值,再与中心颜色特征值进行比对,根据比对结果提取待选点。
具体地,待选点的提取方式至少包括以下步骤:
步骤1、为图像的各边缘设置特征对比模板;
步骤2、使用任一边缘的特征对比模板与图像进行卷积,并将卷积得到的灰度值与中心颜色特征进行比对,得到比对结果;
步骤3、选择比对结果中灰度值超过中心颜色特征的点提取为待选点。
具体地,自然背景中图像至少包括一个边缘,为图像的每个边缘设置对应的特征对比模板。例如,图3中的LifeVC标签图像包括上、下、左、右四个边缘,为图像的左边缘设置对应的特征对比模板,相应地,为图像的右边缘、上边缘及下边缘设置对应的特征对比模板。
在本发明的一个优选实施例中,设置的特征对比模板为带宽度的边缘算子。图4示出了根据本发明一个实施例的为图像边缘设置的特征对比模板示意图。图4中设置的特征对比模板为带宽度的边缘算子,需要说明地是,边缘算子的宽度可选取任一值,例如选择宽度为11*11的边缘算子。此外,该边缘算子还可以设置不同亮度的区域,图4中示出了一个深色区域和一个浅色区域。若根据实际需要,边缘算子还可以设置为层进式亮度区域等等。
由于本发明实施例中的边缘算子为带宽度的方块区域,使用边缘算子检测出来的待选点聚集的区域也是有宽度的,宽度大概为边缘算子宽度的一半,使得提取的待选点比较集中,有利于待选点呈现出一定的规律性,从而使得按照此规律生成的边缘聚集性和连续性好。进一步,采用该边缘算子进行图像边缘检测,若该图像中的大部分像素点满足边缘算子的亮度差异要求,则该点可作为该边缘的待选点,若出现单个像素点满足亮度差异要求,则该点为噪点,因此使用带宽度的边缘算子对图像边缘进行检测,消除了孤立噪点,避免了类边缘的噪点干扰,提高了图像边缘定位的准确性。
需要说明地是,图4仅仅示出一个特征对比模板的示意图,该特征对比模板并不完全适用于图像的任一形状边缘,因此还包括其他类型的特征对比模板,能从其中选择出适用于图像每个边缘的特征对比模板,例如多角度边缘算子,能为具有圆形、梯形或者不规则形状边缘的图像进行图像边缘检测。
优选地,若自然背景中图像为矩形,为该图像设置8个方向带宽度的边缘算子,其中,每两个相邻方向的边缘算子组合检测该矩形图像的一条边缘。图5示出了根据本发明一个实施例的为矩形图像边缘设置的8个方向带宽度的边缘算子示意图,其中,0°模板和45°模板用于检测矩形图像的左边缘,315°模板和270°模板用于检测矩形图像的上边缘,225°模板和180°模板用于检测矩形图像的右边缘,135°模板和90°模板用于检测矩形图像的下边缘。
对图像任一边缘设置对应的特征对比模板后,将特征对比模板与图像进行卷积,生成对应的第三函数,卷积结果为灰度值,再将灰度值与步骤S102提取的中心颜色特征值进行对比,并将灰度值超过提取的中心颜色特征值作为待选点。具体地,例如,使用图5示出的8个方向的特征对比模板分别与LifeVC标签图像进行卷积,得到各自对应的第三函数,将LifeVC标签图像中具体某一点的相关值输入对应的第三函数,即可得到该点对应的灰度值,将该灰度值与LifeVC标签图像的中心颜色特征值(a:0,b:0,L:69)进行比对,选择对比结果中超过该中心颜色特征值的点作为待选点。
各边缘提取多个待选点后,执行步骤S106,根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组。将相对于边缘距离相近,方向相同的待选点分成一组,按照该规则进行分组,每个边缘至少对应一组待选点。将对应的多个待选点进行分组,使得分布散乱的待选点呈现一定的规律性,根据呈现出的规律,有利于拟合出边缘对应的拟合线条,提高候选拟合线条的质量,进而提高了图像边缘定位的准确性。
根据提取的待选点的分组情况,执行步骤S108,使用各待选点组中的待选点拟合出对应的拟合线条。即根据步骤S106的分组,将各组中的待选点按照呈现出的规律拟合出拟合线条,自然背景中图像的每个边缘至少对应一条拟合线条。例如,临近LifeVC标签图像右边缘拟合出4条拟合线条,其中只有1条是LifeVC标签图像右边缘对应的拟合线条,其他3条拟合线条可能包括LifeVC标签图像自身中出现的边缘对应的拟合线条,还可能包括自然背景中出现的边缘对应的拟合线条。根据拟合线条与图像边缘的拟合程度,选择出一条拟合线条作为图像的边缘,其中拟合程度包括拟合线条的长度与图像边缘的长度近似相等、或者拟合线条到图像边缘的距离最近、或者拟合线条的倾斜角度与图像边缘的倾斜角度一致等。
需要注意地是,若采用传统边缘检测方法,由于存在自然背景中边缘直线的干扰,因此LifeVC标签图像右边缘生成的拟合线条要多于4条,这是由于本发明对图像和自然背景中的边缘点均进行二维置信度的计算,包括维度1的计算,即边缘点到中轴的距离图的计算,维度2的计算,边缘内侧与前景颜色相似度的计算。图6示出了本发明一个实施例的计算边缘点的二维置信度的模型示意图。参见图6,模型平面的x,y变量代表边缘点的颜色和位置,模型的z坐标代表二维置信度的计算值f(x,y),用该值判断该边缘点是否是自然背景中的边缘点。因此避免了自然背景中大部分边缘直线的干扰。
由于自然背景中图像的每个边缘对应的拟合线条至少有一条,需要按照步骤S110,选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。具体地,例如,临近LifeVC标签右侧边缘有4条拟合线条,将4条拟合线条包括的待选点数量进行比较,选择出待选点数最多的拟合线条,并将该拟合线条作为LifeVC标签右侧边缘。LifeVC标签其他3个边缘的拟合线条的确定方式与右侧边缘的确定方式相类似,在此不再赘述。
综上可知,根据本发明实施例中的方法,提取图像的中心颜色特征作为比对标准,由于中心颜色特征的中心性使得各边缘到中心的关系相对而言符合平均性,例如比对特征点到各边缘的距离或者方向较统一,使得得到的各边缘的待选点保持平滑性,不易出现误差较大的待选点,能够尽量避免自然背景对中心颜色特征所带来的影响,例如若比对特征点靠近某一边缘,且该边缘附近的自然背景颜色与比对特征点颜色相近,则容易导致线条模糊化。因此,采用中心颜色特征可以尽量将自然背景与图像分割开,避免自然背景的多种干扰(例如颜色干扰或者噪声干扰),提高了图像边缘定位的准确度。另外,与中线颜色特征进行比对提取待选点,相对传统边缘检测方法,降低了执行主体的计算量,提高了图像边缘定位的速度。根据距离和/或方向对该边缘对应的多个待选点进行分组,使得分布散乱的待选点呈现一定的规律性,根据呈现出的规律,有利于拟合出边缘对应的拟合线条,提高候选拟合线条的质量,进而提高了图像边缘定位的准确性。
在本发明的一个优选实施例中,若图像中各边缘均完成定位操作之后,至少还需要进行以下步骤:
将选择出的、与各边缘对应的拟合线条合并,生成图像的完整边缘。例如,按照本发明中的方法将LifeVC标签图像的上、下、左、右四个边缘均拟合出对应的拟合线条后,将这4条拟合线条合并,得到LifeVC标签图像的完整边缘。
需要注意地是,由于图像的来源不同,例如采用不同的终端设备拍摄或者同一终端设备选择不同的拍摄模式,导致图像的特征参数(例如,图片格式,图片尺寸及图片亮度灰度等)不同,进而会对图像边缘的定位处理造成困难。因此,在本发明的一个优选实施例中,对位于自然背景中的图像,提取作为比对标准的中心颜色特征之前,还至少进行以下步骤:
对图像进行归一化处理,将图像转化为可处理的标准格式。例如将图像转化为统一格式(例如jpg)或者对图片进行灰度均衡化处理,或者将图像尺寸缩放到标准尺寸(例如384*288)等等。对图像进行归一化处理后,使得图像具有统一的标准格式,有利于执行主体按照本发明的方法进行图像边缘的定位处理。
若自然背景中的图像是矩形,并且图像与竖直方向存在角度时,在本发明的一个优选实施例中,根据角度调整完整边缘,直至完整边缘与竖直方向间的角度消失。例如,图像的放置发生平转或者立体旋转,在进行图像边缘定位处理前,一方面可以调整特征对比模板的角度,即将带宽度的边缘算子的角度根据图像的角度进行相应调整,另一方面还可以采用空间网格校正的方法,将原图像划分为等比网格,并逐格映射到模型图像的同比网格,得到与竖直方向零角度差的具有完整边缘的图像。
下面以LifeVC标签图像作为本发明一个具体实施例,进一步说明本发明提供的自然背景中图像边缘的定位方法的操作步骤以及有益效果。图7示出了根据本发明一个实施例的LifeVC标签图像边缘的定位方法的处理流程图。
首先,将LifeVC标签图像输入执行主体,对LifeVC标签图像进行归一化处理,将其转化为标准格式,例如对LifeVC标签图像进行灰度均衡化处理,以及将图像尺寸调整到384*288等等。然后采用镜头扫描LifeVC标签图像,检测到LifeVC标签的中心位置,获取图像中心位置颜色的相关信息,将该颜色的相关信息输入图2所示的模型,根据模型得到该图像的中心颜色特征值(a:0,b:0,L:69)。由于LifeVC标签图像的中心颜色特征具有中心性,使得4个边缘到中心的关系相对而言是符合平均性的,从而使得后文根据中心颜色特征比对得到的4个边缘的待选点保持平滑性,不易出现误差较大的待选点。若采用其他位置的颜色特征作为比对标准,则因各4个边缘到比对特征点的距离、方向不统一,则比对得到的各边缘的待选点可能会出现误差较大的情况。进一步,由于中心颜色特征在图像中的中心性,能够尽量避免自然背景对中心颜色特征所带来的影响。因此,采用中心颜色特征可以尽量将自然背景与LifeVC标签分割开,避免自然背景的多种干扰(例如颜色干扰或者噪声干扰),提高了图像边缘定位的准确度。
LifeVC标签图像包括上、下、左、右4个边缘,为这4个边缘设置图5示出的8个方向带宽度的边缘算子。其中,0°模板和45°模板用于检测LifeVC标签图像的左边缘,315°模板和270°模板用于检测矩形LifeVC标签图像的上边缘,225°模板和180°模板用于检测LifeVC标签图像的右边缘,135°模板和90°模板用于检测LifeVC标签图像的下边缘。
然后使用图5示出的8个方向的特征对比模板分别与LifeVC标签图像进行卷积,得到各边缘对应的第三函数,将LifeVC标签图像中具体某一点的相关值输入对应的第三函数,即可得到该点对应的灰度值,将该灰度值与LifeVC标签图像的中心颜色特征值(a:0,b:0,L:69)进行比对,选择对比结果中超过该中心颜色特征值的点作为待选点。相对于传统边缘检测方法,本发明采用与中线颜色特征进行比对提取待选点,减少了执行主体的计算量,提高了图像边缘的定位速度。
将相对于LifeVC标签图像每个边缘距离相近,方向相同的待选点分成一组,得到LifeVC标签的4个边缘对应的待选点组。按照该规则进行分组,使得分布散乱的待选点呈现一定的规律性,根据呈现出的规律,有利于拟合出边缘对应的拟合线条,提高候选拟合线条的质量。
最后将LifeVC标签的4个边缘对应的各待选点组中的待选点拟合出对应的拟合线条,选择临近每个边缘待选点最多的拟合线条作为LifeVC标签相应的边缘,再将4个边缘对应的拟合线条合并,生成LifeVC标签图像的完整边缘。
基于同一发明构思,本发明实施例还提供了一种自然背景中图像边缘的定位装置。图8示出了根据本发明一个实施例的自然背景中图像边缘的定位装置的结构示意图。参见图8,该装置至少包括:
提取模块810,适于对位于自然背景中的图像,提取作为比对标准的中心颜色特征;
比对模块820,与提取模块810耦合,适于与中心颜色特征进行比对,根据比对结果为图像的各边缘提取多个待选点;
分组模块830,与比对模块820耦合,适于针对各边缘,执行如下操作:根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组;
拟合模块840,与分组模块830耦合,适于针对各边缘,使用各待选点组中的待选点拟合出对应的拟合直线;
定位模块850,与拟合模块840耦合,适于针对各边缘,选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。
在一个优选的实施例中,参见图9,自然背景中图像边缘的定位装置还可以包括:
合并模块860,与定位模块850耦合,适于对各边缘均完成定位操作之后,将选择出的、与各边缘对应的拟合线条合并,生成图像的完整边缘。
在一个优选的实施例中,参见图9,自然背景中图像边缘的定位装置还可以包括:
预处理模块870,提取模块810与该模块耦合,适于对图像进行归一化处理,将图像转化为可处理的标准格式。
在一个优选的实施例中,提取模块810还适于:根据图像的亮度L和颜色(a,b)提取中心颜色特征。
在一个优选的实施例中,比对模块820还适于:
为图像的各边缘设置特征对比模板;
使用任一边缘的特征对比模板与图像进行卷积,并将卷积得到的灰度值与中心颜色特征进行比对,灰度值超过中心颜色特征提取为待选点。
在一个优选的实施例中,若图像为矩形,则为图像设置8个方向的特征对比模板,其中,每两个相邻方向的特征对比模板组合检测图像的一条边缘。
优选地,上述特征对比模板为带宽度的边缘算子。其中,检测出的边缘宽度为特征对比模板宽度的1/2。
在一个优选的实施例中,预处理模块870还适于:若图像为矩形,且图像与竖直方向存在角度,根据角度调整完整边缘,直至完整边缘与竖直方向间的角度消失。
综上,采用本发明实施例提供的自然背景中图像边缘的定位方法及装置可以达到如下有益效果:
根据本发明实施例中的方法,提取图像的中心颜色特征作为比对标准,由于中心颜色特征的中心性使得各边缘到中心的关系相对而言符合平均性,例如比对特征点到各边缘的距离或者方向较统一,使得得到的各边缘的待选点保持平滑性,不易出现误差较大的待选点,能够尽量避免自然背景对中心颜色特征所带来的影响,例如若比对特征点靠近某一边缘,且该边缘附近的自然背景颜色与比对特征点颜色相近,则容易导致线条模糊化。因此,采用中心颜色特征可以尽量将自然背景与图像分割开,避免自然背景的多种干扰(例如颜色干扰或者噪声干扰),提高了图像边缘定位的准确度。另外,与中线颜色特征进行比对提取待选点,相对于传统边缘检测方法,减少了执行主体的计算量,提高了图像边缘的定位速度。根据距离和/或方向对该边缘对应的多个待选点进行分组,使得分布散乱的待选点呈现一定的规律性,根据呈现出的规律,有利于拟合出边缘对应的拟合线条,提高候选拟合线条的质量,进而提高了图像边缘定位的准确性。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的自然背景中图像边缘定位装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
基于本发明的一个方面,还公开了:A1、一种自然背景中图像边缘的定位方法,包括:
对位于自然背景中的图像,提取作为比对标准的中心颜色特征;
与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点;
根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组;
使用各待选点组中的待选点拟合出对应的拟合线条;
选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。
A2、根据A1所述的方法,其中,各边缘均完成定位操作之后,还包括:将选择出的、与各边缘对应的拟合线条合并,生成所述图像的完整边缘。
A3、根据A1或A2所述的方法,其中,对位于自然背景中的图像,提取作为比对标准的中心颜色特征之前,还包括:
对所述图像进行归一化处理,将所述图像转化为可处理的标准格式。
A4、根据A1-A3任一项所述的方法,其中,提取作为比对标准的中心颜色特征,包括:根据所述图像的亮度L和颜色(a,b)提取所述中心颜色特征。
A5、根据A1-A4任一项所述的方法,其中,与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点,包括:
为所述图像的各边缘设置特征对比模板;
使用任一边缘的特征对比模板与所述图像进行卷积,并将卷积得到的灰度值与所述中心颜色特征进行比对,得到比对结果;
选择比对结果中灰度值超过所述中心颜色特征的点提取为待选点。
A6、根据A5所述的方法,其中,若所述图像为矩形,则为所述图像设置8个方向的特征对比模板,其中,每两个相邻方向的特征对比模板组合检测所述图像的一条边缘。
A7、根据A5或A6所述的方法,其中,所述特征对比模板为带宽度的边缘算子。
A8、根据权A7所述的方法,其中,检测出的边缘宽度为所述模板宽度的1/2。
A9、根据A2至A8任一项所述的方法,其中,还包括:
若所述图像为矩形,且所述图像与竖直方向存在角度,根据所述角度调整所述完整边缘,直至所述完整边缘与所述竖直方向间的角度消失。
基于本发明的另一个方面,还公开了:B10、一种自然背景中图像边缘的定位装置,包括:
提取模块,适于对位于自然背景中的图像,提取作为比对标准的中心颜色特征;
比对模块,适于与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点;
分组模块,适于针对各边缘,执行如下操作:根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组;
拟合模块,适于针对各边缘,使用各待选点组中的待选点拟合出对应的拟合直线;
定位模块,适于针对各边缘,选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。
B11、根据B10所述的装置,其中,还包括:
合并模块,适于对各边缘均完成定位操作之后,将选择出的、与各边缘对应的拟合线条合并,生成所述图像的完整边缘。
B12、根据B10或B11所述的装置,其中,还包括:
预处理模块,适于对所述图像进行归一化处理,将所述图像转化为可处理的标准格式。
B13、根据B10-B12任一项所述的装置,其中,所述提取模块还适于:根据所述图像的亮度L和颜色(a,b)提取所述中心颜色特征。
B14、根据B10-B13任一项所述的装置,其中,所述比对模块还适于:
为所述图像的各边缘设置特征对比模板;
使用任一边缘的特征对比模板与所述图像进行卷积,并将卷积得到的灰度值与所述中心颜色特征进行比对,灰度值超过所述中心颜色特征提取为待选点。
B15、根据B14所述的装置,其中,若所述图像为矩形,则为所述图像设置8个方向的特征对比模板,其中,每两个相邻方向的特征对比模板组合检测所述图像的一条边缘。
B16、根据B14或B15所述的装置,其中,所述特征对比模板为带宽度的边缘算子。
B17、根据B16所述的装置,其中,检测出的边缘宽度为所述模板宽度的1/2。
B18、根据B10至B17任一项所述的装置,其中,所述预处理模块还适于:
若所述图像为矩形,且所述图像与竖直方向存在角度,根据所述角度调整所述完整边缘,直至所述完整边缘与所述竖直方向间的角度消失。
Claims (10)
1.一种自然背景中图像边缘的定位方法,包括:
对位于自然背景中的图像,提取作为比对标准的中心颜色特征;
与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点;
根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组;
使用各待选点组中的待选点拟合出对应的拟合线条;
选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。
2.根据权利要求1所述的方法,其中,各边缘均完成定位操作之后,还包括:将选择出的、与各边缘对应的拟合线条合并,生成所述图像的完整边缘。
3.根据权利要求1或2所述的方法,其中,对位于自然背景中的图像,提取作为比对标准的中心颜色特征之前,还包括:
对所述图像进行归一化处理,将所述图像转化为可处理的标准格式。
4.根据权利要求1-3任一项所述的方法,其中,提取作为比对标准的中心颜色特征,包括:根据所述图像的亮度L和颜色(a,b)提取所述中心颜色特征。
5.根据权利要求1-4任一项所述的方法,其中,与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点,包括:
为所述图像的各边缘设置特征对比模板;
使用任一边缘的特征对比模板与所述图像进行卷积,并将卷积得到的灰度值与所述中心颜色特征进行比对,得到比对结果;
选择比对结果中灰度值超过所述中心颜色特征的点提取为待选点。
6.根据权利要求1-5任一项所述的方法,其中,若所述图像为矩形,则为所述图像设置8个方向的特征对比模板,其中,每两个相邻方向的特征对比模板组合检测所述图像的一条边缘。
7.根据权利要求1-6任一项所述的方法,其中,所述特征对比模板为带宽度的边缘算子。
8.根据权利要求1-7任一项所述的方法,其中,检测出的边缘宽度为所述模板宽度的1/2。
9.根据权利要求1-8任一项所述的方法,其中,还包括:
若所述图像为矩形,且所述图像与竖直方向存在角度,根据所述角度调整所述完整边缘,直至所述完整边缘与所述竖直方向间的角度消失。
10.一种自然背景中图像边缘的定位装置,包括:
提取模块,适于对位于自然背景中的图像,提取作为比对标准的中心颜色特征;
比对模块,适于与所述中心颜色特征进行比对,根据比对结果为所述图像的各边缘提取多个待选点;
分组模块,适于针对各边缘,执行如下操作:根据距离和/或方向对该边缘对应的多个待选点进行分组,得到多个待选点组;
拟合模块,适于针对各边缘,使用各待选点组中的待选点拟合出对应的拟合直线;
定位模块,适于针对各边缘,选择临近该边缘待选点最多的拟合线条,将其定位为该边缘。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510834973.XA CN105488791B (zh) | 2015-11-25 | 2015-11-25 | 自然背景中图像边缘的定位方法及装置 |
PCT/CN2016/104935 WO2017088637A1 (zh) | 2015-11-25 | 2016-11-07 | 自然背景中图像边缘的定位方法及装置 |
US15/740,439 US20180253852A1 (en) | 2015-11-25 | 2016-11-07 | Method and device for locating image edge in natural background |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510834973.XA CN105488791B (zh) | 2015-11-25 | 2015-11-25 | 自然背景中图像边缘的定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105488791A true CN105488791A (zh) | 2016-04-13 |
CN105488791B CN105488791B (zh) | 2018-02-13 |
Family
ID=55675756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510834973.XA Active CN105488791B (zh) | 2015-11-25 | 2015-11-25 | 自然背景中图像边缘的定位方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180253852A1 (zh) |
CN (1) | CN105488791B (zh) |
WO (1) | WO2017088637A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017088637A1 (zh) * | 2015-11-25 | 2017-06-01 | 北京奇虎科技有限公司 | 自然背景中图像边缘的定位方法及装置 |
CN106910196A (zh) * | 2015-12-23 | 2017-06-30 | 北京奇虎科技有限公司 | 一种图像检测方法及装置 |
CN107464245A (zh) * | 2017-06-29 | 2017-12-12 | 北京捷通华声科技股份有限公司 | 一种图像结构边缘的定位方法及装置 |
CN108010538A (zh) * | 2017-12-22 | 2018-05-08 | 北京奇虎科技有限公司 | 音频数据处理方法及装置、计算设备 |
CN110334752A (zh) * | 2019-06-26 | 2019-10-15 | 电子科技大学 | 一种基于梯形卷积的不规则形状物体检测方法 |
CN110751703A (zh) * | 2019-10-22 | 2020-02-04 | 广东智媒云图科技股份有限公司 | 一种绕线画生成方法、装置、设备及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10582176B2 (en) * | 2017-09-26 | 2020-03-03 | HKC Corporation Limited | Method and structure for generating picture compensation signal, and restoring system |
CN111951290B (zh) | 2019-05-16 | 2023-11-03 | 杭州睿琪软件有限公司 | 一种图像中物体的边缘检测方法及装置 |
CN117058357B (zh) * | 2023-10-11 | 2024-01-23 | 中车城市交通规划设计研究院有限公司 | 基于视觉辅助的转向架落车对位校正方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001097171A2 (en) * | 2000-06-09 | 2001-12-20 | Northshore Laboratories, Inc. | Magnifying digital image using edge mapping |
US20050232515A1 (en) * | 2004-04-20 | 2005-10-20 | Samsung Electronics Co., Ltd. | Image transforming device and method thereof |
CN101593277A (zh) * | 2008-05-30 | 2009-12-02 | 电子科技大学 | 一种复杂彩色图像中文本区域自动定位方法及装置 |
CN102226907A (zh) * | 2011-05-24 | 2011-10-26 | 武汉嘉业恒科技有限公司 | 基于多特征的车牌定位方法及装置 |
CN102542275A (zh) * | 2011-12-15 | 2012-07-04 | 广州商景网络科技有限公司 | 一种证件照背景自动识别方法及其系统 |
CN103971126A (zh) * | 2014-05-12 | 2014-08-06 | 百度在线网络技术(北京)有限公司 | 一种交通标志识别方法和装置 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5179419A (en) * | 1991-11-22 | 1993-01-12 | At&T Bell Laboratories | Methods of detecting, classifying and quantifying defects in optical fiber end faces |
US5373566A (en) * | 1992-12-24 | 1994-12-13 | Motorola, Inc. | Neural network-based diacritical marker recognition system and method |
US5913105A (en) * | 1995-11-29 | 1999-06-15 | Advanced Micro Devices Inc | Method and system for recognizing scratch patterns on semiconductor wafers |
US5822819A (en) * | 1997-05-28 | 1998-10-20 | Raytheon Appliances Inc. | Ultrasonic water level detection system for use in a washing machine |
US6035058A (en) * | 1998-02-10 | 2000-03-07 | Eastman Kodak Company | Automatic color dropout using luminance-chrominance space processing |
US6464641B1 (en) * | 1998-12-01 | 2002-10-15 | Ge Medical Systems Global Technology Company Llc | Method and apparatus for automatic vessel tracking in ultrasound imaging |
US6068598A (en) * | 1998-12-01 | 2000-05-30 | General Electric Company | Method and apparatus for automatic Doppler angle estimation in ultrasound imaging |
US6312385B1 (en) * | 2000-05-01 | 2001-11-06 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for automatic detection and sizing of cystic objects |
US7651850B2 (en) * | 2003-05-16 | 2010-01-26 | Board Of Regents, The University Of Texas System | Image and part recognition technology |
US7693329B2 (en) * | 2004-06-30 | 2010-04-06 | Lexmark International, Inc. | Bound document scanning method and apparatus |
US8218869B2 (en) * | 2009-03-29 | 2012-07-10 | Mitsubishi Electric Research Laboratories, Inc. | Image segmentation using spatial random walks |
ES2395102B1 (es) * | 2010-10-01 | 2013-10-18 | Telefónica, S.A. | Metodo y sistema para segmentacion de primer plano de imagenes en tiempo real |
JP2012243051A (ja) * | 2011-05-19 | 2012-12-10 | Fuji Heavy Ind Ltd | 環境認識装置および環境認識方法 |
CN103247050B (zh) * | 2013-05-16 | 2015-12-02 | 北京工业大学 | 一种渐进式图像分割方法 |
CN103914840B (zh) * | 2014-04-01 | 2016-08-17 | 山东大学 | 一种针对非简单背景的人体轮廓自动提取方法 |
US9378417B2 (en) * | 2014-05-30 | 2016-06-28 | Rolta India Ltd | Contrast for RGB images in a GIS application |
CN104077773A (zh) * | 2014-06-23 | 2014-10-01 | 北京京东方视讯科技有限公司 | 图像边缘检测方法、图像目标识别方法及装置 |
US9367766B2 (en) * | 2014-07-22 | 2016-06-14 | Adobe Systems Incorporated | Text line detection in images |
CN105488791B (zh) * | 2015-11-25 | 2018-02-13 | 北京奇虎科技有限公司 | 自然背景中图像边缘的定位方法及装置 |
-
2015
- 2015-11-25 CN CN201510834973.XA patent/CN105488791B/zh active Active
-
2016
- 2016-11-07 WO PCT/CN2016/104935 patent/WO2017088637A1/zh active Application Filing
- 2016-11-07 US US15/740,439 patent/US20180253852A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001097171A2 (en) * | 2000-06-09 | 2001-12-20 | Northshore Laboratories, Inc. | Magnifying digital image using edge mapping |
US20050232515A1 (en) * | 2004-04-20 | 2005-10-20 | Samsung Electronics Co., Ltd. | Image transforming device and method thereof |
CN101593277A (zh) * | 2008-05-30 | 2009-12-02 | 电子科技大学 | 一种复杂彩色图像中文本区域自动定位方法及装置 |
CN102226907A (zh) * | 2011-05-24 | 2011-10-26 | 武汉嘉业恒科技有限公司 | 基于多特征的车牌定位方法及装置 |
CN102542275A (zh) * | 2011-12-15 | 2012-07-04 | 广州商景网络科技有限公司 | 一种证件照背景自动识别方法及其系统 |
CN103971126A (zh) * | 2014-05-12 | 2014-08-06 | 百度在线网络技术(北京)有限公司 | 一种交通标志识别方法和装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017088637A1 (zh) * | 2015-11-25 | 2017-06-01 | 北京奇虎科技有限公司 | 自然背景中图像边缘的定位方法及装置 |
CN106910196A (zh) * | 2015-12-23 | 2017-06-30 | 北京奇虎科技有限公司 | 一种图像检测方法及装置 |
CN107464245A (zh) * | 2017-06-29 | 2017-12-12 | 北京捷通华声科技股份有限公司 | 一种图像结构边缘的定位方法及装置 |
CN107464245B (zh) * | 2017-06-29 | 2020-08-18 | 北京捷通华声科技股份有限公司 | 一种图像结构边缘的定位方法及装置 |
CN108010538A (zh) * | 2017-12-22 | 2018-05-08 | 北京奇虎科技有限公司 | 音频数据处理方法及装置、计算设备 |
CN108010538B (zh) * | 2017-12-22 | 2021-08-24 | 北京奇虎科技有限公司 | 音频数据处理方法及装置、计算设备 |
CN110334752A (zh) * | 2019-06-26 | 2019-10-15 | 电子科技大学 | 一种基于梯形卷积的不规则形状物体检测方法 |
CN110334752B (zh) * | 2019-06-26 | 2022-11-08 | 电子科技大学 | 一种基于梯形卷积的不规则形状物体检测方法 |
CN110751703A (zh) * | 2019-10-22 | 2020-02-04 | 广东智媒云图科技股份有限公司 | 一种绕线画生成方法、装置、设备及存储介质 |
CN110751703B (zh) * | 2019-10-22 | 2023-05-16 | 广东智媒云图科技股份有限公司 | 一种绕线画生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20180253852A1 (en) | 2018-09-06 |
WO2017088637A1 (zh) | 2017-06-01 |
CN105488791B (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105488791A (zh) | 自然背景中图像边缘的定位方法及装置 | |
US10924729B2 (en) | Method and device for calibration | |
CN106875444B (zh) | 一种目标物定位方法及装置 | |
Krig | Computer vision metrics | |
US7780084B2 (en) | 2-D barcode recognition | |
US10447999B2 (en) | Alignment of images of a three-dimensional object | |
CN109191424B (zh) | 一种乳腺肿块检测与分类系统、计算机可读存储介质 | |
CN105303514A (zh) | 图像处理方法和装置 | |
CN108780507A (zh) | 用于提供图像分类器的系统和方法 | |
US11080892B2 (en) | Computer-implemented methods and system for localizing an object | |
CN109584220A (zh) | 一种丝印定位方法、丝印缺陷检测方法和相关装置 | |
US10019848B2 (en) | Edge preserving color smoothing of 3D models | |
CN105335952B (zh) | 匹配代价计算方法和装置、以及视差值计算方法和设备 | |
CN110807807B (zh) | 一种单目视觉的目标定位的图案、方法、装置及设备 | |
CN104851122A (zh) | 一种阴影特效图的生成方法及装置 | |
CN105427333A (zh) | 视频序列图像的实时配准方法、系统及拍摄终端 | |
Alperovich et al. | A variational model for intrinsic light field decomposition | |
CN109214996A (zh) | 一种图像处理方法及装置 | |
CN111325728B (zh) | 产品缺陷检测方法、装置、设备及存储介质 | |
CN110705442B (zh) | 一种试卷答案自动获取方法、终端设备及存储介质 | |
CN112270759A (zh) | 基于图像的光效处理方法、装置、设备及存储介质 | |
CN106910196A (zh) | 一种图像检测方法及装置 | |
CN107093183A (zh) | 一种基于索贝尔边缘检测技术的涂胶路径提取方法 | |
CN111435531B (zh) | 一种图像偏转角度检测方法、智能设备及存储介质 | |
Kasper et al. | Multiple point light estimation from low-quality 3D reconstructions |
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 |
Effective date of registration: 20220726 Address after: Room 801, 8th floor, No. 104, floors 1-19, building 2, yard 6, Jiuxianqiao Road, Chaoyang District, Beijing 100015 Patentee after: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Address before: 100088 room 112, block D, 28 new street, new street, Xicheng District, Beijing (Desheng Park) Patentee before: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Patentee before: Qizhi software (Beijing) Co.,Ltd. |
|
TR01 | Transfer of patent right |