CN105719296B - 基于地址-事件表示的高速图像二值连通域标记方法 - Google Patents

基于地址-事件表示的高速图像二值连通域标记方法 Download PDF

Info

Publication number
CN105719296B
CN105719296B CN201610041232.0A CN201610041232A CN105719296B CN 105719296 B CN105719296 B CN 105719296B CN 201610041232 A CN201610041232 A CN 201610041232A CN 105719296 B CN105719296 B CN 105719296B
Authority
CN
China
Prior art keywords
event
value
address
onset
offset
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.)
Active
Application number
CN201610041232.0A
Other languages
English (en)
Other versions
CN105719296A (zh
Inventor
徐江涛
闫石
高静
高志远
史再峰
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201610041232.0A priority Critical patent/CN105719296B/zh
Publication of CN105719296A publication Critical patent/CN105719296A/zh
Application granted granted Critical
Publication of CN105719296B publication Critical patent/CN105719296B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及数字图像处理领域，为提供一种基于低冗余AER事件信息表示的高速二值连通域算法，能够滤除大量冗余数据，大幅度的降低算法的运算量，实现高速的连通域标记，进而提高机器视觉系统的实时性。本发明采用的技术方案是,基于地址‑事件表示的高速图像二值连通域标记方法，首先获取包括事件属性和地址的AER事件信息，将原始二值图像I0向右平移一列获得图像I1，通过I1与I0做差来模拟目标物平移引起的光强变化，通过这些事件对精确地定位相应的各个目标，即通过“OFF‑ON”事件对进行标记，使同一连通域被相同标号值的事件对所夹，从而实现高速的二值连通域标记处理。本发明主要应用于数字图像处理场合。

Description

基于地址-事件表示的高速图像二值连通域标记方法
技术领域
本发明涉及数字图像处理领域，涉及一种高速图像二值连通域标记方法。
背景技术
二值图像是由前景点(1)和背景点(0)构成的，因其实际只包含前景点的位置信息，而不是整幅图像的灰度信息，可以有效的减少图像处理过程中的运算量，所以二值图像处理在数字图像处理领域有着非常重要的作用。连通域标记是二值图像处理领域中最常见的运算之一，它可以将二值图像中不同目标形成的连通区域通过赋予不同的标号值分割提取出来，从而方便对各个目标分别进行特征分析和模板匹配，最终达到目标识别的目的。因此二值连通域标记的速度提升对机器视觉系统的实时性具有重要意义。地址-事件表示(Address Event Representation，AER)方法只输出视场图像中发生变化点的坐标和变化的属性，而变化较小的背景和目标内部区域就不会触发事件输出，这样可以有效的减少冗余信息的输出，这一现象对于二值图像更为明显。因此可以将二值图像转化为AER事件信息予以存储。
传统基于全帧图像的等价标号二值连通域标记算法主要流程为：
初步标记。先对二值图像按从上到下、从左到右的顺序进行一次完整扫描，判断所有像素点是否为前景点并对前景点进行初步标记，得到临时标记矩阵。对于每一个前景点，只扫描上、左2个像素的标记值。若这上、左两点均无标记值，则该点赋予新的标记值；若这两点有唯一的标记值，说明该点与已标记区域连通，赋予此标记值；若这两点有不同的标记值，说明前面不同标号的区域最终连通在一起，对该点赋予较小的标记值，并这两个标记值作为等价标号对记录下来。等价标记对存储在一维数组Equl中，其中，数组的下标为临时标记值，例如：Equl(i1)＝i2，表示临时标记i1、i2等价，即i1、i2标记的区域连通。为了便于连通域合并，等价表按照i2<i1的原则组织。
等价表整理。对等价表进行扫描整理，将所有等价的标号统一为其中的最小值，得到共同连通域标记。例如Equl(i1)＝i2，Equl(i2)＝i3，且有i3<i2<i1，则整理得到的等价对为Equl(i1)＝i3，Equl(i2)＝i3。对整理后的等价表进行重新扫描，将共通连通域标记按出现的先后顺序进行重新编号，确保标号连续。
修正初步标记。对临时标记矩阵进行扫描，根据等价表将临时连通域标记合并替换，得到最终的连通域标记。
这种算法需要对全部像素点进行两次遍历，每次遍历过程都需要对大量的背景点以及冗余目标点进行扫描、判定和赋值。这些无效的操作很大程度地增加了算法运行时间，特别是对于高分别率、大尺度的二值图像，算法程序运行的冗余现象更为明显。
发明内容
为克服现有技术的不足，本发明的目的是提供一种基于低冗余AER事件信息表示的高速二值连通域算法，能够滤除大量冗余数据，大幅度的降低算法的运算量，实现高速的连通域标记，进而提高机器视觉系统的实时性。本发明采用的技术方案是,基于地址-事件表示的高速图像二值连通域标记方法，首先获取包括事件属性和地址的AER事件信息，将原始二值图像I0向右平移一列获得图像I1，通过I1与I0做差来模拟目标物平移引起的光强变化，其中差值为-1的点响应输出OFF事件，差值为1的点响应输出ON事件，差值为0的点为冗余像素点不作输出；待标记目标物区域应处于由前后边缘产生的“OFF-ON”事件对之间，通过这些事件对精确地定位相应的各个目标，即通过“OFF-ON”事件对进行标记，使同一连通域被相同标号值的事件对所夹，从而实现高速的二值连通域标记处理。
具体步骤是：
(1)首先获取包括事件属性和地址的AER事件信息，将原始二值图像I0向右平移一列获得图像I1，通过I1与I0做差来模拟目标物平移引起的光强变化，其中差值为-1的点响应输出OFF事件，差值为1的点响应输出ON事件，差值为0的点为冗余像素点不作输出；
(2)将OFF/ON事件信息，按其地址从左至右，从上至下的顺序将ON事件和OFF事件和OFF事件记录在ONSet数组和OFFSet数组中；在ONSet和OFFSet数组中的各个OFF/ON事件依次包含三个元素：1)行地址x、2)列地址y、3)连通域标号值value。其中OFFSet(n)和ONSet(n)为一组OFF/ON事件对,x为行坐标,y为列坐标,n为正整数；
(3)对OFFSet/ONSet数组进行首次遍历，为所有的事件对赋予临时标记并记录等价标记；
(3.1)对于第一个事件对(OFFSet(1)/ONSet(1))，直接赋予临时标号值i＝1；
(3.2)对于第n(n≥2)个事件对(OFFSet(n)/ONSet(n))，首先判断当前事件对的上一行地址是否存在事件对，若不存在则说明上方无连通区域，该事件对直接赋予新临时标号值i＝i+1；若存在则说明上方可能存在连通区域，顺序选取上一地址行所有事件的列地址组成判定向量，分别与当前OFF/ON事件的列地址(OFFSet(n,y)/ONSet(n,y))相比较，若无相交情况则说明不属于同一连通域，对(OFFSet(n)/ONSet(n))赋予新临时标号值i＝i+1；
(3.3)若存在相交情况，则判定该事件对于上方事件对相连通，属于同一连通域，对OFFSet(n,value)赋予上一行中列地址≥OFFSet(n,y)且最接近的ON事件的标号值；对ONSet(n,value)赋予上一行中列地址≤ONSet(n,y)且最接近的OFF事件的标号值；比较这两个标号值，若这两个标号值相同，说明该事件对连接于同一区域；若这两个标号值不同，则说明该事件对连接了不同的连通域，首先将这两个标号之中较小的值赋予该事件对，然后将上一地址行在此事件对列地址间所有事件的不同标号值设为等价标记，记入等价标号数组Equl，例如确定临时标号n,p,q等价，则Equl(n)＝Equl(p)＝Equl(q)＝min(n,p,q)。根据每个事件对的具体情况更新等价标号数组Equl，直至所有OFFSet/ONSet遍历完毕；
(4)合并等价标号：根据Equl数组的等价性修订中的临时标号：a、b为自然数，若Equl(a)＝b，则将OFFSet/ONSet中所有临时标号为a的值替换为b；
(5)原始图像标记。根据每个事件对的地址和标号值将原始二值图像中对应区域内的所有像素点赋予相同的连通域标记，以此完成原始二值图像的连通域标记处理。
本发明的特点及有益效果是：
本发明算法仅对极低冗余的事件信息进行处理，事件信息的数据量仅为原始二值图像的10％-35％，无需对大量的背景点和目标区域内部点进行反复遍历，因此可以大大提高二值连通域标记的处理效率和算法速度。
附图说明：
图1算法流程；
图2算法实例分析。
具体实施方式
本发明的目的是设计一种基于低冗余AER事件信息表示的高速二值连通域算法。通过处理二值图像中前景目标产生的事件信息，实现不同目标形成的连通区域的标记分割。因为AER事件信息极低冗余的特性，可以大幅度的降低算法的运算量，实现高速的连通域标记，进而提高机器视觉系统的实时性。
(1)首先获取AER事件信息(包括事件属性和地址)。将原始二值图像I0向右平移一列获得图像I1，通过I1与I0做差来模拟目标物平移引起的光强变化，其中差值为-1的点响应输出OFF事件，差值为1的点响应输出ON事件，差值为0的点为冗余像素点不作输出。待标记目标物区域应处于由前后边缘产生的“OFF-ON”事件对之间，通过这些事件对就可以精确地定位相应的各个目标。
(2)将OFF/ON事件信息，按其地址从左至右，从上至下的顺序分别压制成OFF/ON事件数组OFFSet/ONSet。各个OFF/ON事件依次包含三个元素：1.行地址x、2.列地址y、3.连通域标号值value。其中OFFSet(n)和ONSet(n)为一组OFF/ON事件对。
(3)对OFFSet/ONSet数组进行首次遍历，为所有的事件对赋予临时标记并记录等价标记。
(3.1)对于第一个事件对(OFFSet(1)/ONSet(1))，直接赋予临时标号值i＝1；
(3.2)对于第n(n≥2)个事件对(OFFSet(n)/ONSet(n))，首先判断当前事件对的上一行地址是否存在事件对，若不存在则说明上方无连通区域，该事件对直接赋予新临时标号值i＝i+1；若存在则说明上方可能存在连通区域，顺序选取上一地址行所有事件的列地址组成判定向量，分别与当前OFF/ON事件的列地址(OFFSet(n,y)/ONSet(n,y))相比较，若无相交情况则说明不属于同一连通域，对(OFFSet(n)/ONSet(n))赋予新临时标号值i＝i+1；
(3.3)若存在相交情况，则判定该事件对于上方事件对相连通，属于同一连通域，对OFFSet(n,value)赋予上一行中列地址≥OFFSet(n,y)且最接近的ON事件的标号值；对ONSet(n,value)赋予上一行中列地址≤ONSet(n,y)且最接近的OFF事件的标号值。比较这两个标号值，若这两个标号值相同，说明该事件对连接于同一区域；若这两个标号值不同，则说明该事件对连接了不同的连通域，首先将这两个标号之中较小的值赋予该事件对，然后将上一地址行在此事件对列地址间所有事件的不同标号值设为等价标记，记入等价标号数组Equl，例如确定临时标号n,p,q等价，则Equl(n)＝Equl(p)＝Equl(q)＝min(n,p,q)。根据每个事件对的具体情况更新等价标号数组Equl，直至所有OFFSet/ONSet遍历完毕。
(4)合并等价标号。根据Equl数组的等价性修订中的临时标号，例如：a、b为自然数，若Equl(a)＝b，则将OFFSet/ONSet中所有临时标号为a的值替换为b。
(5)原始图像标记。根据每个事件对的地址和标号值将原始二值图像中对应区域内的所有像素点赋予相同的连通域标记，以此完成原始二值图像的连通域标记处理。
图2显示了本文算法一个实例的具体分析。在行地址x＝2下首次出现了3个事件对OFFSet/ONSet1,2,3，依次赋予连通域标号1,2,3；第3行的3个事件对OFFSet/ONSet4,5,6都只与上一行的一个事件对相交，根据连通性赋予与之相同临时标记值；第4行的第二个事件OFFSet/ONSet8同时与上一行的两个事件对相交，根据(2.3)中的规则对ON/OFF事件分别进行标号，其中OFFSet(8,value)＝ONSet(5,value)＝2、ONSet(8,value)＝OFFSet(6,value)＝3，由此可见同一事件对OFFSet/ONSet8中ON/OFF事件标号不同，即出现连通域合并的情况，临时标号2,3等价；合并等价标号时将事件集中标号3的事件全部替换为标号2；最终根据事件对的标号值和地址映射域完成对该图所有像素点的连通域标记。
将当前地址行上的所有事件的列地址作为一个判定向量予以暂存，以便下一行的事件对进行连通性判定，这样可以消除事件判定时多余的遍历扫描，加快算法的速度。当下一地址行上的所有事件对全部标记完成时，将该判定向量清空，存入下一地址行上的所有事件对的列地址，以此循环往复直至所有事件对标记完毕。

Claims (1)

1.一种基于地址-事件表示的高速图像二值连通域标记方法，其特征是，首先获取包括事件属性和地址的AER事件信息，将原始二值图像I0向右平移一列获得图像I1，通过I1与I0做差来模拟目标物平移引起的光强变化，其中差值为-1的点响应输出OFF事件，差值为1的点响应输出ON事件，差值为0的点为冗余像素点不作输出；待标记目标物区域应处于由前后边缘产生的“OFF-ON”事件对之间，通过这些事件对定位相应的各个目标，即通过“OFF-ON”事件对进行标记，使同一连通域被相同标号值的事件对所夹，从而实现高速的二值连通域标记处理；
高速的二值连通域标记处理具体步骤是，
(1)首先获取包括事件属性和地址的AER事件信息，将原始二值图像I0向右平移一列获得图像I1，通过I1与I0做差来模拟目标物平移引起的光强变化，其中差值为-1的点响应输出OFF事件，差值为1的点响应输出ON事件，差值为0的点为冗余像素点不作输出；
(2)将OFF/ON事件信息，按其地址从左至右，从上至下的顺序将ON事件和OFF事件和OFF事件记录在ONSet数组和OFFSet数组中；在ONSet和OFFSet数组中的各个OFF/ON事件依次包含三个元素：1)行地址x、2)列地址y、3)连通域标号值value，其中OFFSet(n)和ONSet(n)为一组OFF/ON事件对,x为行坐标,y为列坐标,n为正整数；
(3)对OFFSet/ONSet数组进行首次遍历，为所有的事件对赋予临时标记并记录等价标记；
(3.1)对于第一个事件对(OFFSet(1)/ONSet(1))，直接赋予临时标号值i＝1；
(3.2)对于第n(n≥2)个事件对(OFFSet(n)/ONSet(n))，首先判断当前事件对的上一行地址是否存在事件对，若不存在则说明上方无连通区域，该事件对直接赋予新临时标号值i＝i+1；若存在则说明上方可能存在连通区域，顺序选取上一地址行所有事件的列地址组成判定向量，分别与当前OFF/ON事件的列地址(OFFSet(n,y)/ONSet(n,y))相比较，若无相交情况则说明不属于同一连通域，对(OFFSet(n)/ONSet(n))赋予新临时标号值i＝i+1；
(3.3)若存在相交情况，则判定该事件对于上方事件对相连通，属于同一连通域，对OFFSet(n,value)赋予上一行中列地址≥OFFSet(n,y)且最接近的ON事件的标号值；对ONSet(n,value)赋予上一行中列地址≤ONSet(n,y)且最接近的OFF事件的标号值；比较这两个标号值，若这两个标号值相同，说明该事件对连接于同一区域；若这两个标号值不同，则说明该事件对连接了不同的连通域，首先将这两个标号之中较小的值赋予该事件对，然后将上一地址行在此事件对列地址间所有事件的不同标号值设为等价标记，记入等价标号数组Equl，确定临时标号n,p,q等价，则Equl(n)＝Equl(p)＝Equl(q)＝min(n,p,q)，根据每个事件对的具体情况更新等价标号数组Equl，直至所有OFFSet/ONSet遍历完毕；
(4)合并等价标号：根据Equl数组的等价性修订中的临时标号：a、b为自然数，若Equl(a)＝b，则将OFFSet/ONSet中所有临时标号为a的值替换为b；
(5)原始图像标记，根据每个事件对的地址和标号值将原始二值图像中对应区域内的所有像素点赋予相同的连通域标记，以此完成原始二值图像的连通域标记处理。
CN201610041232.0A 2016-01-21 2016-01-21 基于地址-事件表示的高速图像二值连通域标记方法 Active CN105719296B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610041232.0A CN105719296B (zh) 2016-01-21 2016-01-21 基于地址-事件表示的高速图像二值连通域标记方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610041232.0A CN105719296B (zh) 2016-01-21 2016-01-21 基于地址-事件表示的高速图像二值连通域标记方法

Publications (2)

Publication Number Publication Date
CN105719296A CN105719296A (zh) 2016-06-29
CN105719296B true CN105719296B (zh) 2019-04-16

Family

ID=56154695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610041232.0A Active CN105719296B (zh) 2016-01-21 2016-01-21 基于地址-事件表示的高速图像二值连通域标记方法

Country Status (1)

Country Link
CN (1) CN105719296B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145191A (zh) * 2019-12-28 2020-05-12 武汉瑞纳捷电子技术有限公司 一种基于游程编码的连通域查找方法及装置
CN113724142B (zh) * 2020-05-26 2023-08-25 杭州海康威视数字技术股份有限公司 图像复原系统及方法
CN112581491B (zh) * 2020-12-17 2023-03-21 西安电子科技大学 基于地址事件连通域的运动目标定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102402686A (zh) * 2011-12-07 2012-04-04 北京云星宇交通工程有限公司 一种基于连通域分析的车牌字符分割方法
CN104143096A (zh) * 2014-07-22 2014-11-12 天津大学 基于地址事件表达的二值连通域标记方法
CN104376570A (zh) * 2014-12-02 2015-02-25 莫海棠 一种遥感二值图像目标区域分割的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102402686A (zh) * 2011-12-07 2012-04-04 北京云星宇交通工程有限公司 一种基于连通域分析的车牌字符分割方法
CN104143096A (zh) * 2014-07-22 2014-11-12 天津大学 基于地址事件表达的二值连通域标记方法
CN104376570A (zh) * 2014-12-02 2015-02-25 莫海棠 一种遥感二值图像目标区域分割的方法

Also Published As

Publication number Publication date
CN105719296A (zh) 2016-06-29

Similar Documents

Publication Publication Date Title
CN109446369B (zh) 图像半自动标注的交互方法及系统
CN112528863A (zh) 表格结构的识别方法、装置、电子设备及存储介质
CN109886971A (zh) 一种基于卷积神经网络的图像分割方法及系统
CN110163640A (zh) 一种在视频中植入广告的方法及计算机设备
CN103530619B (zh) 基于rgb-d数据构成的少量训练样本的手势识别方法
CN107845092A (zh) 服装logo效果检测方法、装置及电子设备
CN108052523A (zh) 基于卷积神经网络的赌博网站识别方法和系统
CN108921152A (zh) 基于物体检测网络的英文字符切分方法及装置
CN105719296B (zh) 基于地址-事件表示的高速图像二值连通域标记方法
CN105574161B (zh) 一种商标图形要素识别方法、装置和系统
CN106960208A (zh) 一种仪表液晶数字自动切分和识别的方法及系统
CN110516554A (zh) 一种多场景多字体中文文字检测识别方法
CN107085726A (zh) 基于多方法去噪和连通区域分析的甲骨拓片单字定位方法
CN107292936B (zh) 一种汉字字体矢量化方法
CN111967313A (zh) 一种深度学习目标检测算法辅助的无人机图像标注方法
CN109544564A (zh) 一种医疗图像分割方法
CN112883926B (zh) 表格类医疗影像的识别方法及装置
CN111027538A (zh) 一种基于实例分割模型的集装箱检测方法
CN109614856A (zh) 基于卷积神经网络的真菌图像分类方法
CN106056055B (zh) 基于部件组合的梵音藏文联机手写样本生成方法
CN107330430A (zh) 藏文字符识别装置与方法
CN110458132A (zh) 一种基于端到端的不定长文本识别方法
CN110334566A (zh) 一种基于三维全卷积神经网络的oct内外指纹提取方法
CN105608714B (zh) 一种基于cad和gis协同的分幅影像生成方法及系统
CN112686872B (zh) 基于深度学习的木材计数方法

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