CN106023136A - 边界优化方法及装置 - Google Patents
边界优化方法及装置 Download PDFInfo
- Publication number
- CN106023136A CN106023136A CN201610285586.XA CN201610285586A CN106023136A CN 106023136 A CN106023136 A CN 106023136A CN 201610285586 A CN201610285586 A CN 201610285586A CN 106023136 A CN106023136 A CN 106023136A
- Authority
- CN
- China
- Prior art keywords
- line segment
- border
- boundary
- rectangular area
- sampling block
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Image Analysis (AREA)
Abstract
本公开揭示了一种边界优化方法及装置,属于图片处理领域。所述边界优化方法包括:对图片中的图像进行四边形检测,得到包含该图像的四边形区域;将四边形区域矫正为矩形区域,沿该矩形区域的边界对该矩形区域进行切割;分别沿着矩形区域的四条边界的内边缘提取至少一个采样块;对于每条边界,根据边界处提取的各个采样块中的所存在线段的端点坐标,计算该边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。本公开解决了由于处理器的计算速度有限,因此智能设备对图片边界进行优化所需要的时间较长的问题;达到了通过对图像进行采样计算,降低了智能设备进行边界优化前的计算过程,加快了智能设备对图片边界进行优化的速度的效果。
Description
技术领域
本公开涉及图片处理领域,特别涉及一种边界优化方法及装置。
背景技术
目前,用户可以使用智能设备当成扫描仪,对拍摄后的文档、证件、海报等图片进行分割和矫正,对图片的边界进行优化,去除图片边界的背景区域。
由于对图片进行分割和矫正是一种高精度的计算过程,由于处理器的计算速度有限,因此智能设备对图片边界进行优化所需要的时间较长。
发明内容
本公开提供一种边界优化方法及装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种边界优化方法,所述方法包括:对图片中的图像进行四边形检测,得到包含所述图像的四边形区域;将所述四边形区域矫正为矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割;分别沿着所述矩形区域的四条边界的内边缘提取至少一个采样块;对于每条边界,根据所述边界处提取的各个采样块中的所存在线段的端点坐标,计算所述边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。通过先对图片中包含图像的矩形区域的边界进行初步切割,再对包含该图像的矩形边界进行采样优化,由于图像的采样计算的计算量比全图计算的计算量小;解决了由于处理器的计算速度有限,因此智能设备对图片边界进行优化所需要的时间较长的问题;达到了通过对图像进行采样计算,降低了智能设备进行边界优化前的计算过程,加快了智能设备对图片边界进行优化的速度的效果。
可选的,所述将所述四边形区域矫正为矩形区域,包括:获取所述四边形区域的四个顶点坐标,计算出所述四边形区域对应的矩形区域的长宽比;根据所述四边形区域的四个顶点坐标和所述矩形区域的长宽比,计算出所述四边形区域转换为所述矩形区域的变换方程;利用所述变换方程将所述四边形区域矫正为矩形区域。受拍摄角度影响,智能设备拍摄文档、证件、海报后得到图片通常并非矩形,因此智能设备将四边形区域矫正为矩形区域后,再对图像进行边界优化,可以提高边界优化的精准度。
可选的,所述对于每条边界,根据所述边界处提取的各个采样块中的所存在线段的端点坐标,计算所述边界的边界离散程度,包括:对于每个采样块,对所述采样块中的图像进行直线检测,获取所述采样块中检测到的线段以及所述线段对应的端点坐标;对于每条边界,根据所述边界上所有采样块中的各条线段对应的端点坐标,计算所述边界的边界离散程度。由于智能设备所提取的采样块中可能包含有图像的边界,对采样块进行直线扫描后,可能会获取与图像的边界上的线段,因此可以根据采样块中的各条线段对应的端点坐标,计算边界的边界离散程度。
可选的,所述对于每条边界,根据所述边界上所有采样块中的各条线段对应的端点坐标,计算所述边界的边界离散程度,包括:对于所述矩形区域的每条横向边界,从所述横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取所述线段组合中各条线段的端点坐标,将所有端点坐标中Y坐标的最大值减去Y坐标的最小值,得到所述线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为所述横向边界的边界离散程度;对于所述矩形区域的每条竖向边界,从所述横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取所述线段组合中各条线段的端点坐标,将所有端点坐标中X坐标的最大值减去X坐标的最小值,得到所述线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为所述竖向边界的边界离散程度。由于一个采样块中可能存在多条线段,因此从每个采样块中选取出线段组成的线段组合可能有多种,在多个线段组合中,由于离散程度最小的线段组合中的线段为图像边界上的线段的可能性较大,因此可以将线段组合中最小的离散程度作为该线段组合所在边界的边界离散程度。
可选的,在获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,所述方法还包括:当所述采样块位于所述横向边界处时,对于所述采样块中检测到的任一条线段,计算所述线段与所述横向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除;当所述采样块位于所述竖向边界处时,对于所述采样块中检测到的任一条线段,计算所述线段与所述竖向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除。由于被矫正为矩形后的图像的图像横向边界上的线段基本与矩形区域的横向边界上的线段平行,因此在横向边界上的采样块中,与横向边界的夹角过大的线段为图像边界上的线段的可能性较小,对于竖向边界同理。所以将夹角较大的线段剔除,可以提高边界离散程度计算的精确性。
可选的,所述方法还包括:在获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,对于所述采样块中检测到的任一条线段,根据所述线段的端点坐标计算所述线段的线段长度,将线段长度小于预定长度阈值的线段进行剔除。由于小于预定长度的线段为图像边界上的线段的可能性较小,将小于预定长度的线段剔除,可以提高边界离散程度计算的精确性。
可选的,所述对边界离散程度符合标准的边界进行边界优化,包括:对于所述矩形区域的每条横向边界,在所述横向边界的边界离散程度低于预定离散标准时,获取求取所述边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的Y坐标求平均,得到所述横向边界的Y优化坐标;在所述Y优化坐标的位置,沿横向方向对所述横向边界进行切割;对于所述矩形区域的每条竖向边界,在所述竖向边界的边界离散程度低于预定离散标准时,获取求取所述边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的X坐标求平均,得到所述竖向边界的X优化坐标;在所述X优化坐标的位置,沿竖向方向对所述竖向边界进行切割。为了确定较为合适的边界切割位置,智能设备可以对求取边界离散程度时所使用的线段组合中各条线段的端点坐标求平均,来获取较为合适的切割坐标。
可选的,所述对图片中的图像进行四边形检测,得到包含所述图像的四边形区域,包括:缩小所述图片,对缩小后的所述图片中的图像进行四边形检测,得到包含所述图像的四边形区域。由于图像的分辨率与智能设备优化图片边界所花的时长呈正相关,将图片缩小来降低图片的分辨率后,再对该图像进行边界优化可以有效加快智能设备优化图片边界的速度。
可选的,所述将所述四边形区域矫正为矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割,包括:将所述四边形区域矫正为所述矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割,放大切割后的所述矩形区域。由于放大矩形区域后,图片画面的分辨率提高,在初步切割后未完全优化掉的部分会显示出来,对放大后的矩形区域进一步采样优化,使得边界优化的效果更好。
根据本公开实施例的第二方面,提供一种边界优化装置,所述装置包括:检测模块,被配置为对图片中的图像进行四边形检测,得到包含所述图像的四边形区域;切割模块,被配置为将所述检测模块检测出的所述四边形区域矫正为矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割;提取模块,被配置为分别沿着所述矩形区域的四条边界的内边缘提取至少一个采样块;优化模块,被配置为对于每条边界,根据所述边界处提取的各个采样块中的所存在线段的端点坐标,计算所述边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
可选的,所述切割模块,包括:第一计算子模块,被配置为获取所述检测模块检测出的所述四边形区域的四个顶点坐标,计算出所述四边形区域对应的矩形区域的长宽比;第二计算子模块,被配置为根据所述检测模块检测出的所述四边形区域的四个顶点坐标和所述第一计算子模块计算出的所述矩形区域的长宽比,计算出所述四边形区域转换为所述矩形区域的变换方程;矫正子模块,被配置为利用所述第二计算子模块计算出的所述变换方程将所述四边形区域矫正为矩形区域。
可选的,所述优化模块,包括:获取子模块,被配置为对于每个采样块,对所述采样块中的图像进行直线检测,获取所述采样块中检测到的线段以及所述线段对应的端点坐标;第三计算子模块,被配置为对于每条边界,根据所述边界上所有采样块中的各条线段对应的端点坐标,计算所述边界的边界离散程度。
可选的,所述计算子模块,包括:第四计算子模块,被配置为对于所述矩形区域的每条横向边界,从所述横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取所述线段组合中各条线段的端点坐标,将所有端点坐标中Y坐标的最大值减去Y坐标的最小值,得到所述线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为所述横向边界的边界离散程度;第五计算子模块,被配置为对于所述矩形区域的每条竖向边界,从所述横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取所述线段组合中各条线段的端点坐标,将所有端点坐标中X坐标的最大值减去X坐标的最小值,得到所述线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为所述竖向边界的边界离散程度。
可选的,所述装置还包括:第一剔除模块,被配置为在获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,当所述采样块位于所述横向边界处时,对于所述采样块中检测到的任一条线段,计算所述线段与所述横向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除;第二剔除模块,被配置为在获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,当所述采样块位于所述竖向边界处时,对于所述采样块中检测到的任一条线段,计算所述线段与所述竖向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除。
可选的,所述装置还包括:第三剔除模块,被配置为在所述获取子模块获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,对于所述采样块中检测到的任一条线段,根据所述线段的端点坐标计算所述线段的线段长度,将线段长度小于预定长度阈值的线段进行剔除。
可选的,所述优化模块,包括:第一切割子模块,被配置为对于所述第四计算子模块计算的所述矩形区域的每条横向边界,在所述横向边界的边界离散程度低于预定离散标准时,获取求取所述边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的Y坐标求平均,得到所述横向边界的Y优化坐标;在所述Y优化坐标的位置,沿横向方向对所述横向边界进行切割;第二切割子模块,被配置为对于所述矩形区域的每条竖向边界,在所述第五计算子模块计算的所述竖向边界的边界离散程度低于预定离散标准时,获取求取所述边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的X坐标求平均,得到所述竖向边界的X优化坐标;在所述X优化坐标的位置,沿竖向方向对所述竖向边界进行切割。
可选的,所述检测模块,还被配置为:缩小所述图片,对缩小后的所述图片中的图像进行四边形检测,得到包含所述图像的四边形区域。
可选的,所述切割模块,还被配置为:将所述四边形区域矫正为所述矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割,放大切割后的所述矩形区域。
根据本公开实施例的第三方面,提供一种边界优化装置,所述装置包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为:
对图片中的图像进行四边形检测,得到包含所述图像的四边形区域;
将所述四边形区域矫正为矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割;
分别沿着所述矩形区域的四条边界的内边缘提取至少一个采样块;
对于每条边界,根据所述边界处提取的各个采样块中的所存在线段的端点坐标,计算所述边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并于说明书一起用于解释本公开的原理。
图1A是根据一示例性实施例示出的一种边界优化方法的流程图;
图1B是根据一示例性实施例示出的将四边形区域矫正为矩形区域方法的流程图;
图1C是根据一示例性实施例示出的分别沿着矩形区域的四条边界的内边缘提取至少一个采样块的示意图;
图1D是根据一示例性实施例示出的将四边形区域矫正为矩形区域的示意图;
图1E是根据一示例性实施例示出的将四边形区域矫正为矩形区域的示意图;
图1F是根据一示例性实施例示出的计算边界的边界离散程度方法的流程图;
图1G是根据一示例性实施例示出的计算横向边界的边界离散程度方法的流程图;
图1H是根据一示例性实施例示出的计算竖向边界的边界离散程度方法的流程图;
图1I是根据一示例性实施例示出的线段剔除方法的流程图;
图1J是根据一示例性实施例示出的对边界离散程度符合标准的横向边界进行边界优化方法的流程图;
图1K是根据一示例性实施例示出的对边界离散程度符合标准的竖向边界进行边界优化方法的流程图;
图2A是根据一示例性实施例示出的一种边界优化装置的框图;
图2B是根据另一示例性实施例示出的一种边界优化装置的框图;
图3是根据一示例性实施例示出的一种用于优化边界的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在实际应用中,用户可以使用智能设备当成扫描仪,对拍摄后的文档、证件、海报等图片进行分割和矫正,对图片的边界进行优化,去除图片边界的背景区域。由于对图片进行分割和矫正是一种高精度的计算过程,由于处理器的计算速度有限,因此智能设备对图片边界进行优化所需要的时间较长。为了能加快智能设备对图片边界进行优化的速度,本实施例中智能设备先对图片中包含图像的矩形区域的边界进行初步切割,再对包含该图像的矩形边界进行采样优化,以实现对图片边界的快速优化。下面结合图1A、图1B、图1E至图1J对边界优化方法进行描述。
图1A是根据一示例性实施例示出的一种边界优化方法的流程图,该边界优化方法应用于智能设备中,该智能设备可以为移动电话,平板设备、移动电脑等,如图1A所示,该边界优化方法包括以下步骤。
在步骤101中,对图片中的图像进行四边形检测,得到包含该图像的四边形区域。
可选的,缩小图片,对缩小后的该图片中的图像进行四边形检测,得到包含该图像的四边形区域。
在步骤102中,将四边形区域矫正为矩形区域,沿该矩形区域的边界对该矩形区域进行切割。
获取四边形区域的四个顶点坐标,计算出该四边形区域对应的矩形区域的长宽比,根据四边形区域的四个顶点坐标和矩形区域的长宽比,计算出该四边形区域转换为该矩形区域的变换方程,利用该变换方程将四边形区域矫正为矩形区域,沿该矩形区域的边界对该矩形区域进行切割。
可选的,将四边形区域矫正为矩形区域,沿该矩形区域的边界对该矩形区域进行切割,放大切割后的该矩形区域。
在步骤103中,分别沿着矩形区域的四条边界的内边缘提取至少一个采样块。
图1C是根据一示例性实施例示出的分别沿着矩形区域的四条边界的内边缘提取至少一个采样块的示意图,如图1C所示,沿该矩形区域10的边界对该矩形区域10进行切割后,沿着切割后的矩形区域10的四条边界的内边缘提取至少一个采样块,每个采样块(采样块20至采样块25)的四条边均位于该切割后的矩形区域内,且每个采样块(采样块20至采样块25)的四条边中存在一条边与该矩形区域的一条边界重合。
需要说明的时,采样块可以在边界上被均匀提取,可以被非均匀提取。
需要说明的是,本实施中以采样块为矩形进行举例说明,但本实施例并不限定采样块的具体形状。
在步骤104中,对于每条边界,根据边界处提取的各个采样块中的所存在线段的端点坐标,计算该边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
矩形区域存在四条边界,在四条边界中,两条为横向边界,两条为竖向边界。由于横向边界的边界离散程度与Y坐标相关,竖向边界的边界离散程度与X坐标相关,因此边界离散程度需要依据该边界的方向区分计算。
对边界上的各个采样块中的图像进行直线检测,获取各个采样块中检测到的线段以及该线段对应的端点坐标。对于每条边界,根据边界上所有采样块中的各条线段对应的端点坐标,计算该边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
这里所讲的边界离散程度符合标准的边界是指边界离散程度低于预定离散标准的边界。
综上所述,本公开实施例中提供的边界优化方法,通过先对图片中包含图像的矩形区域的边界进行初步切割,再对包含该图像的矩形边界进行采样优化,由于图像的采样计算的计算量比全图计算的计算量小;解决了由于处理器的计算速度有限,因此智能设备对图片边界进行优化所需要的时间较长的问题;达到了通过对图像进行采样计算,降低了智能设备进行边界优化前的计算过程,加快了智能设备对图片边界进行优化的速度的效果。
在一种可能实现的方式中,受拍摄角度影响,智能设备拍摄文档、证件、海报后得到图片通常并非矩形,为了提高边界优化的精准度,智能设备可以将四边形区域矫正为矩形区域后,再对图像进行边界优化。图1B是根据一示例性实施例示出的将四边形区域矫正为矩形区域方法的流程图,如图1B所示,该将四边形区域矫正为矩形区域方法包括以下步骤。图1A中的步骤102可以替换为下述步骤102a至步骤102c。
在步骤102a中,获取四边形区域的四个顶点坐标,计算出该四边形区域对应的矩形区域的长宽比。
图1D是根据一示例性实施例示出的将四边形区域矫正为矩形区域的示意图,如图1D所示,智能设备在图片30中建立坐标系后,可以获取四边形区域40的四个顶点坐标,利用透视投影方程计算出该四边形区域10对应的矩形区域的四个顶点坐标40a、40b、40c和40d,根据矩形区域的四个顶点坐标计算出该矩形区域的长宽比。
在步骤102b中,根据四边形区域的四个顶点坐标和矩形区域的长宽比,计算出该四边形区域转换为该矩形区域的变换方程。
这里所讲的变换方程可以为单应变换。
在步骤102c中,利用变换方程将四边形区域矫正为矩形区域。
图1E是根据一示例性实施例示出的将四边形区域矫正为矩形区域的示意图,如图1E所示,利用单应变换可以将四边形区域40矫正为矩形区域10。
在本实施例中,将四边形区域矫正为矩形区域后,再对图像进行边界优化,可以提高边界优化的精准度。
在一种可能的实现方式中,由于智能设备所提取的采样块中可能包含有图像的边界,对采样块进行直线扫描后,可能会获取与图像的边界上的线段,因此可以根据采样块中的各条线段对应的端点坐标,计算边界的边界离散程度。图1F是根据一示例性实施例示出的计算边界的边界离散程度方法的流程图,如图1F所示,该计算边界的边界离散程度方法包括以下步骤。
在步骤104a中,对于每个采样块,对采样块中的图像进行直线检测,获取该采样块中检测到的线段以及该线段对应的端点坐标。
当智能设备利用变换方程将四边形区域矫正为矩形区域,沿矩形区域的边界对该矩形区域进行切割后,智能设备可以在矩形区域重新建立坐标系,对所提取的所有采样块中的图像进行直线检测,获取采样块中检测到的线段以及该线段对应的端点坐标。
这里所讲的直线检测的方法可以为LSD、霍夫变换等。
在步骤104b中,对于每条边界,根据边界上所有采样块中的各条线段对应的端点坐标,计算该边界的边界离散程度。
对于横向边界边界来讲,边界离散程度是指该横向边界上的端点坐标中的最大X坐标与最小X坐标之差。为了减少智能设备的计算量,这本实施例仅利用采样块中检测到的线段对应的端点坐标来计算边界的边界离散程度。图1G是根据一示例性实施例示出的计算横向边界的边界离散程度方法的流程图,如图1G所示,该计算横向边界的边界离散程度方法包括以下步骤。
在步骤104b1中,对于矩形区域的每条横向边界,从该横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同。
举例来讲,智能设备在一条横向边界上提取了3个采样方块,在第一个采样方块中检测到1条线段,在第二个采样方块中检测到2条线段,在第三个采样方块中检测到2条线段。
其中,第一个采样方块中线段的坐标为[(1,2),(3,4)];
第二个采样方块中线段的坐标为[(1,2),(3,4)],[(2,3),(4,5)];
第三个采样方块中线段的坐标为[(3,4),(4,5)],[(4,5),(6,7)]。
那么,从该横向边界上的每个采样块中选取线段组成预定个线段组合后,各个线段组合可能为:
第一个线段组合:[(1,2),(3,4)],[(1,2),(3,4)],[(3,4),(4,5)];
第二个线段组合:[(1,2),(3,4)],[(1,2),(3,4)],[(4,5),(6,7)];
第三个线段组合:[(1,2),(3,4)],[(2,3),(4,5)],[(3,4),(4,5)];
第四个线段组合:[(1,2),(3,4)],[(2,3),(4,5)],[(4,5),(6,7)]。
在步骤104b2中,对于每个线段组合,获取该线段组合中各条线段的端点坐标,将所有端点坐标中Y坐标的最大值减去Y坐标的最小值,得到该线段组合的离散程度。
以下述4个线段组合进行举例:
第一个线段组合:[(1,2),(3,4)],[(1,2),(3,4)],[(3,4),(4,5)];
第二个线段组合:[(1,2),(3,4)],[(1,2),(3,4)],[(4,5),(6,7)];
第三个线段组合:[(1,2),(3,4)],[(2,3),(4,5)],[(3,4),(4,5)];
第四个线段组合:[(1,2),(3,4)],[(2,3),(4,5)],[(4,5),(6,7)]。
其中,第一个线段组合中端点坐标Y坐标的最大值为5,Y坐标的最小值为2,该第一个线段组合的离散程度为3(5-2=3);
第二个线段组合中端点坐标Y坐标的最大值为7,Y坐标的最小值为2,该第二个线段组合的离散程度为5(7-2=5);
第三个线段组合中端点坐标Y坐标的最大值为5,Y坐标的最小值为2,该第三个线段组合的离散程度为3(5-2=3);
第四个线段组合中端点坐标Y坐标的最大值为5,Y坐标的最小值为2,该第四个线段组合的离散程度为5(7-2=5)。
在步骤104b3中,将每个线段组合的离散程度中最小的离散程度作为该横向边界的边界离散程度。
假设某一条横向边界上的采样块中,获取到4个线段组合。第一个线段组合的离散程度为3,第二个线段组合的离散程度为5,第三个线段组合的离散程度为3,第四个线段组合的离散程度为7。那么,该横向边界的边界离散程度则为3。
图1H是根据一示例性实施例示出的计算竖向边界的边界离散程度方法的流程图,如图1H所示,该计算竖向边界的边界离散程度方法包括以下步骤。
在步骤104b4中,对于矩形区域的每条竖向边界,从横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同。
在步骤104b5中,对于每个线段组合,获取该线段组合中各条线段的端点坐标,将所有端点坐标中X坐标的最大值减去X坐标的最小值,得到该线段组合的离散程度。
在步骤104b6中,将每个线段组合的离散程度中最小的离散程度作为该竖向边界的边界离散程度。
需要说明的是,步骤104b1至步骤104b3为计算横向边界的边界离散程度方法,步骤104b4至步骤104b6为计算竖向边界的边界离散程度方法。由于两种计算方法相类似,差别仅在于横向边界的边界离散程度与Y坐标相关,竖向边界的边界离散程度与X坐标相关,因此本实施例不对步骤104b4至步骤104b6赘述说明。
在本实施例中,由于一个采样块中可能存在多条线段,因此从每个采样块中选取出线段组成的线段组合可能有多种,在多个线段组合中,由于离散程度最小的线段组合中的线段为图像边界上的线段的可能性较大,因此可以将线段组合中最小的离散程度作为该线段组合所在边界的边界离散程度。
在一种可能的实现方式中,被矫正为矩形后的图像的图像横向边界上的线段基本与矩形区域的横向边界上的线段平行,因此在横向边界上的采样块中,与横向边界的夹角过大的线段为图像边界上的线段的可能性较小,对于竖向边界同理。所以将夹角较大的线段剔除,可以提高边界离散程度计算的精确性。图1I是根据一示例性实施例示出的线段剔除方法的流程图,如图1I所示,该线段剔除方法包括以下步骤。
在步骤104c中,当采样块位于横向边界处时,对于该采样块中检测到的任一条线段,计算该线段与该横向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除。
获取线段的端点坐标后,根据下述公式可以求出线段与该横向边界的夹角,其中,(x1,y1)和(x2,y2)分别为线段的两个端点坐标。
在步骤104d中,当采样块位于竖向边界处时,对于该采样块中检测到的任一条线段,计算该线段与该竖向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除。
需要说明的是,步骤104d与步骤104c的计算过程相同,本实施例不对步骤104d赘述说明。
在另一种可能的实现方式中,将长度较短的线段剔除,也可以提高边界离散程度计算的精确性。
在步骤104e中,在获取采样块中检测到的线段以及该线段对应的端点坐标之后,对于该采样块中检测到的任一条线段,根据该线段的端点坐标计算该线段的线段长度,将线段长度小于预定长度阈值的线段进行剔除。
假设预定长度阈值为10,智能设备将会将采样块中所检测到的线段中长度小于10的线段进行剔除。
这里所讲的预定长度阈值可以为固定长度,可以与采样块边界长度相关,也可以与矩形边界的长度相关,本实施例不限定预定长度阈值的具体长度。
在一种可能的实现方式中,为了确定较为合适的边界切割位置,智能设备可以对求取边界离散程度时所使用的线段组合中各条线段的端点坐标求平均,来获取较为合适的切割坐标。图1J是根据一示例性实施例示出的对边界离散程度符合标准的横向边界进行边界优化方法的流程图,如图1J所示,该对边界离散程度符合标准的横向边界进行边界优化方法包括以下步骤。
在步骤104f1中,对于矩形区域的每条横向边界,在该横向边界的边界离散程度低于预定离散标准时,获取求取该边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的Y坐标求平均,得到该横向边界的Y优化坐标。
举例来说,设横向边界的边界离散程度为5,求取该边界离散程度时所使用的线段组合为:[(1,2),(3,4)],[(1,2),(3,4)],[(3,4),(4,5)]。
当预定离散标准为7时,由于该横向边界的边界离散程度低于预定离散标准(5<7),智能设备计算出该横向边界的Y优化坐标为3.5[(2+4+2+4+4+5)/6]。
当预定离散标准为3时,由于该横向边界的边界离散程度低于预定离散标准(5>3),智能设备将判定该横向边界不能被优化,将不执行后续操作。
在步骤104f2中,在该Y优化坐标的位置,沿横向方向对该横向边界进行切割。
图1K是根据一示例性实施例示出的对边界离散程度符合标准的竖向边界进行边界优化方法的流程图,如图1K所示,该对边界离散程度符合标准的竖向边界进行边界优化方法包括以下步骤。
在步骤104g1中,对于矩形区域的每条竖向边界,在该竖向边界的边界离散程度低于预定离散标准时,获取求取该边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的X坐标求平均,得到该竖向边界的X优化坐标。
在步骤104g2中,在该X优化坐标的位置,沿竖向方向对该竖向边界进行切割。
需要说明的是,步骤104f1至步骤104f2为计算横向边界的边界离散程度方法,步骤104g1至步骤104g2为计算竖向边界的边界离散程度方法。由于两种计算方法相类似,差别仅在于横向边界的边界离散程度与Y坐标相关,竖向边界的边界离散程度与X坐标相关,因此本实施例不对步骤104g1至步骤104g2赘述说明。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图2A是根据一示例性实施例示出的一种边界优化装置的框图,该边界优化装置应用于智能设备中,该智能设备可以为移动电话,平板设备、移动电脑等,如图2A所示,该边界优化装置包括但不限于:检测模块201、切割模块202、提取模块203和优化模块204。
检测模块201,被配置为对图片中的图像进行四边形检测,得到包含该图像的四边形区域。
切割模块202,被配置为将检测模块201检测出的四边形区域矫正为矩形区域,沿该矩形区域的边界对该矩形区域进行切割。
提取模块203,被配置为分别沿着矩形区域的四条边界的内边缘提取至少一个采样块。
图1C是根据一示例性实施例示出的分别沿着矩形区域的四条边界的内边缘提取至少一个采样块的示意图,如图1C所示,沿该矩形区域30的边界对该矩形区域30进行切割后,沿着切割后的矩形区域30的四条边界的内边缘提取至少一个采样块,每个采样块(采样块40至采样块45)的四条边均位于该切割后的矩形区域内,且每个采样块(采样块40至采样块45)的四条边中存在一条边与该矩形区域的一条边界重合。
需要说明的时,采样块可以在边界上被均匀提取,可以被非均匀提取。
需要说明的是,本实施中以采样块为矩形进行举例说明,但本实施例并不限定采样块的具体形状。
优化模块204,被配置为对于每条边界,根据边界处提取的各个采样块中的所存在线段的端点坐标,计算该边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
矩形区域存在四条边界,在四条边界中,两条为横向边界,两条为竖向边界。由于横向边界的边界离散程度与Y坐标相关,竖向边界的边界离散程度与X坐标相关,因此边界离散程度需要依据该边界的方向区分计算。
这里所讲的边界离散程度符合标准的边界是指边界离散程度低于预定离散标准的边界。
在一种可能的实现方式中,请参见图2B,其是根据另一示例性实施例示出的一种边界优化装置的框图,该边界优化装置应用于智能设备中,该智能设备可以为移动电话,平板设备、移动电脑等,如图2B所示,该切割模块202,包括:第一计算子模块202a、第二计算子模块202b和矫正子模块202c。
第一计算子模块202a,被配置为获取检测模块201检测出的四边形区域的四个顶点坐标,计算出该四边形区域对应的矩形区域的长宽比。
图1D是根据一示例性实施例示出的将四边形区域矫正为矩形区域的示意图,如图1D所示,智能设备在图片20中建立坐标系后,可以获取四边形区域10的四个顶点坐标,利用透视投影方程计算出该四边形区域10对应的矩形区域的四个顶点坐标10a、10b、10c和10d,根据矩形区域的四个顶点坐标计算出该矩形区域的长宽比。
第二计算子模块202b,被配置为根据检测模块201检测出的四边形区域的四个顶点坐标和矩形区域的长宽比,计算出该四边形区域转换为该矩形区域的变换方程。
这里所讲的变换方程可以为单应变换。
矫正子模块202c,被配置为利用第二计算子模块202b计算出的变换方程将四边形区域矫正为矩形区域。
在一种可能的实现方式中,仍旧参见图2B所示,该优化模块204,包括:获取子模块204a和第三计算子模块204b。
获取子模块204a,被配置为对于每个采样块,对采样块中的图像进行直线检测,获取该采样块中检测到的线段以及该线段对应的端点坐标。
当智能设备利用变换方程将四边形区域矫正为矩形区域,沿矩形区域的边界对该矩形区域进行切割后,智能设备可以在矩形区域重新建立坐标系,对所提取的所有采样块中的图像进行直线检测,获取采样块中检测到的线段以及该线段对应的端点坐标。
这里所讲的直线检测的方法可以为LSD、霍夫变换等。
第三计算子模块204b,被配置为对于每条边界,根据边界上所有采样块中的各条线段对应的端点坐标,计算该边界的边界离散程度。
在一种可能的实现方式中,仍旧参见图2B所示,该第三计算子模块204b,包括:第四计算子模块204b1和第五计算子模块204b2。
第四计算子模块204b1,被配置为对于矩形区域的每条横向边界,从该横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取该线段组合中各条线段的端点坐标,将所有端点坐标中Y坐标的最大值减去Y坐标的最小值,得到该线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为该横向边界的边界离散程度。
第五计算子模块204b2,被配置为对于矩形区域的每条竖向边界,从横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取该线段组合中各条线段的端点坐标,将所有端点坐标中X坐标的最大值减去X坐标的最小值,得到该线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为该竖向边界的边界离散程度。
在一种可能的实现方式中,仍旧参见图2B所示,该装置还包括:第一剔除模块205和第二剔除模块206。
第一剔除模块205,被配置为在获取采样块中检测到的线段以及该线段对应的端点坐标之后,当该采样块位于横向边界处时,对于该采样块中检测到的任一条线段,计算该线段与该横向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除。
获取线段的端点坐标后,根据下述公式可以求出线段与该横向边界的夹角,其中,(x1,y1)和(x2,y2)分别为线段的两个端点坐标。
第二剔除模块206,被配置为在获取采样块中检测到的线段以及该线段对应的端点坐标之后,当该采样块位于竖向边界处时,对于该采样块中检测到的任一条线段,计算该线段与该竖向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除。
在一种可能的实现方式中,仍旧参见图2B所示,该装置还包括:第三剔除模块207。
第三剔除模块207,被配置为在获取子模块204b获取采样块中检测到的线段以及该线段对应的端点坐标之后,对于该采样块中检测到的任一条线段,根据该线段的端点坐标计算该线段的线段长度,将线段长度小于预定长度阈值的线段进行剔除。
这里所讲的预定长度阈值可以为固定长度,可以与采样块边界长度相关,也可以与矩形边界的长度相关,本实施例不限定预定长度阈值的具体长度。
在一种可能的实现方式中,仍旧参见图2B所示,该优化模块204,包括:第一切割子模块204c和第二切割子模块204d。
第一切割子模块204c,被配置为对于矩形区域的每条横向边界,在第四计算子模块204c计算的该横向边界的边界离散程度低于预定离散标准时,获取求取该边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的Y坐标求平均,得到该横向边界的Y优化坐标;在该Y优化坐标的位置,沿横向方向对该横向边界进行切割。
第二切割子模块204d,被配置为对于矩形区域的每条竖向边界,在第五计算子模块204d计算的该竖向边界的边界离散程度低于预定离散标准时,获取求取该边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的X坐标求平均,得到该竖向边界的X优化坐标;在该X优化坐标的位置,沿竖向方向对该竖向边界进行切割。
在一种可能的实现方式中,仍旧参见图2B所示,该检测模块201,还被配置为:缩小图片,对该图片中的图像进行四边形检测,得到包含该图像的四边形区域。
在一种可能的实现方式中,仍旧参见图2B所示,该切割模块202,还被配置为:将四边形区域矫正为矩形区域,沿该矩形区域的边界对该矩形区域进行切割,放大切割后的该矩形区域。
综上所述,本公开实施例中提供的边界优化装置,通过先对图片中包含图像的矩形区域的边界进行初步切割,再对包含该图像的矩形边界进行采样优化,由于图像的采样计算的计算量比全图计算的计算量小;解决了由于处理器的计算速度有限,因此智能设备对图片边界进行优化所需要的时间较长的问题;达到了通过对图像进行采样计算,降低了智能设备进行边界优化前的计算过程,加快了智能设备对图片边界进行优化的速度的效果。
在本实施例中,将四边形区域矫正为矩形区域后,再对图像进行边界优化,可以提高边界优化的精准度。
在本实施例中,受拍摄角度影响,智能设备拍摄文档、证件、海报后得到图片通常并非矩形,因此智能设备将四边形区域矫正为矩形区域后,再对图像进行边界优化,可以提高边界优化的精准度。
在本实施例中,由于一个采样块中可能存在多条线段,因此从每个采样块中选取出线段组成的线段组合可能有多种,在多个线段组合中,由于离散程度最小的线段组合中的线段为图像边界上的线段的可能性较大,因此可以将线段组合中最小的离散程度作为该线段组合所在边界的边界离散程度。
在本实施例中,为了确定较为合适的边界切割位置,智能设备可以对求取边界离散程度时所使用的线段组合中各条线段的端点坐标求平均,来获取较为合适的切割坐标。
在本实施例中,由于图像的分辨率与智能设备优化图片边界所花的时长呈正相关,将图片缩小来降低图片的分辨率后,再对该图像进行边界优化可以有效加快智能设备优化图片边界的速度。
在本实施例中,由于放大矩形区域后,图片画面的分辨率提高,在初步切割后未完全优化掉的部分会显示出来,对放大后的矩形区域进一步采样优化,使得边界优化的效果更好。
本公开一示例性实施例提供了一种边界优化获取装置,该合法安装包获取装置包括:处理器、用于存储处理器可执行指令的存储器;
其中,处理器被配置为:
对图片中的图像进行四边形检测,得到包含该图像的四边形区域;
将四边形区域矫正为矩形区域,沿该矩形区域的边界对该矩形区域进行切割;
分别沿着矩形区域的四条边界的内边缘提取至少一个采样块;
对于每条边界,根据边界处提取的各个采样块中的所存在线段的端点坐标,计算该边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
图3是根据一示例性实施例示出的一种用于优化边界的装置的框图。例如,装置300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图3,装置300可以包括以下一个或多个组件:处理组件302,存储器304,电源组件306,多媒体组件308,音频组件310,输入/输出(I/O)接口312,传感器组件314,以及通信组件316。
处理组件302通常控制装置300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器318来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理组件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在装置300的操作。这些数据的示例包括用于在装置300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件306为装置300的各种组件提供电力。电源组件306可以包括电源管理系统,一个或多个电源,及其他与为装置300生成、管理和分配电力相关联的组件。
多媒体组件308包括在装置300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件308包括一个前置摄像头和/或后置摄像头。当装置300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(MIC),当装置300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
I/O接口312为处理组件302和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器,用于为装置300提供各个方面的状态评估。例如,传感器组件314可以检测到装置300的打开/关闭状态,组件的相对定位,例如组件为装置300的显示器和小键盘,传感器组件314还可以检测装置300或装置300一个组件的位置改变,用户与装置300接触的存在或不存在,装置300方位或加速/减速和装置300的温度变化。传感器组件314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于装置300和其他设备之间有线或无线方式的通信。装置300可以接入基于通信标准的无线网络,如Wi-Fi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述边界优化方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器304,上述指令可由装置300的处理器318执行以完成上述边界优化方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (19)
1.一种边界优化方法,其特征在于,所述方法包括:
对图片中的图像进行四边形检测,得到包含所述图像的四边形区域;
将所述四边形区域矫正为矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割;
分别沿着所述矩形区域的四条边界的内边缘提取至少一个采样块;
对于每条边界,根据所述边界处提取的各个采样块中的所存在线段的端点坐标,计算所述边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
2.根据权利要求1所述的方法,其特征在于,所述将所述四边形区域矫正为矩形区域,包括:
获取所述四边形区域的四个顶点坐标,计算出所述四边形区域对应的矩形区域的长宽比;
根据所述四边形区域的四个顶点坐标和所述矩形区域的长宽比,计算出所述四边形区域转换为所述矩形区域的变换方程;
利用所述变换方程将所述四边形区域矫正为矩形区域。
3.根据权利要求1所述的方法,其特征在于,所述对于每条边界,根据所述边界处提取的各个采样块中的所存在线段的端点坐标,计算所述边界的边界离散程度,包括:
对于每个采样块,对所述采样块中的图像进行直线检测,获取所述采样块中检测到的线段以及所述线段对应的端点坐标;
对于每条边界,根据所述边界上所有采样块中的各条线段对应的端点坐标,计算所述边界的边界离散程度。
4.根据权利要求3所述的方法,其特征在于,所述对于每条边界,根据所述边界上所有采样块中的各条线段对应的端点坐标,计算所述边界的边界离散程度,包括:
对于所述矩形区域的每条横向边界,从所述横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取所述线段组合中各条线段的端点坐标,将所有端点坐标中Y坐标的最大值减去Y坐标的最小值,得到所述线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为所述横向边界的边界离散程度;
对于所述矩形区域的每条竖向边界,从所述横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取所述线段组合中各条线段的端点坐标,将所有端点坐标中X坐标的最大值减去X坐标的最小值,得到所述线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为所述竖向边界的边界离散程度。
5.根据权利要求3所述的方法,其特征在于,在获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,所述方法还包括:
当所述采样块位于所述横向边界处时,对于所述采样块中检测到的任一条线段,计算所述线段与所述横向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除;
当所述采样块位于所述竖向边界处时,对于所述采样块中检测到的任一条线段,计算所述线段与所述竖向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,对于所述采样块中检测到的任一条线段,根据所述线段的端点坐标计算所述线段的线段长度,将线段长度小于预定长度阈值的线段进行剔除。
7.根据权利要求1所述的方法,其特征在于,所述对边界离散程度符合标准的边界进行边界优化,包括:
对于所述矩形区域的每条横向边界,在所述横向边界的边界离散程度低于 预定离散标准时,获取求取所述边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的Y坐标求平均,得到所述横向边界的Y优化坐标;在所述Y优化坐标的位置,沿横向方向对所述横向边界进行切割;
对于所述矩形区域的每条竖向边界,在所述竖向边界的边界离散程度低于预定离散标准时,获取求取所述边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的X坐标求平均,得到所述竖向边界的X优化坐标;在所述X优化坐标的位置,沿竖向方向对所述竖向边界进行切割。
8.根据权利要求1至7中任一所述的方法,其特征在于,所述对图片中的图像进行四边形检测,得到包含所述图像的四边形区域,包括:
缩小所述图片,对缩小后的所述图片中的图像进行四边形检测,得到包含所述图像的四边形区域。
9.根据权利要求1至7中任一所述的方法,其特征在于,所述将所述四边形区域矫正为矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割,包括:
将所述四边形区域矫正为所述矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割,放大切割后的所述矩形区域。
10.一种边界优化装置,其特征在于,所述装置包括:
检测模块,被配置为对图片中的图像进行四边形检测,得到包含所述图像的四边形区域;
切割模块,被配置为将所述检测模块检测出的所述四边形区域矫正为矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割;
提取模块,被配置为分别沿着所述矩形区域的四条边界的内边缘提取至少一个采样块;
优化模块,被配置为对于每条边界,根据所述边界处提取的各个采样块中的所存在线段的端点坐标,计算所述边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
11.根据权利要求10所述的装置,其特征在于,所述切割模块,包括:
第一计算子模块,被配置为获取所述检测模块检测出的所述四边形区域的四个顶点坐标,计算出所述四边形区域对应的矩形区域的长宽比;
第二计算子模块,被配置为根据所述检测模块检测出的所述四边形区域的四个顶点坐标和所述第一计算子模块计算出的所述矩形区域的长宽比,计算出所述四边形区域转换为所述矩形区域的变换方程;
矫正子模块,被配置为利用所述第二计算子模块计算出的所述变换方程将所述四边形区域矫正为矩形区域。
12.根据权利要求10所述的装置,其特征在于,所述优化模块,包括:
获取子模块,被配置为对于每个采样块,对所述采样块中的图像进行直线检测,获取所述采样块中检测到的线段以及所述线段对应的端点坐标;
第三计算子模块,被配置为对于每条边界,根据所述边界上所有采样块中的各条线段对应的端点坐标,计算所述边界的边界离散程度。
13.根据权利要求12所述的装置,其特征在于,所述计算子模块,包括:
第四计算子模块,被配置为对于所述矩形区域的每条横向边界,从所述横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取所述线段组合中各条线段的端点坐标,将所有端点坐标中Y坐标的最大值减去Y坐标的最小值,得到所述线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为所述横向边界的边界离散程度;
第五计算子模块,被配置为对于所述矩形区域的每条竖向边界,从所述横向边界上的每个采样块中选取线段组成预定个线段组合,每个线段组合中的线段均来自于不同的采样块,任两个线段组合中的线段不完全相同;对于每个线段组合,获取所述线段组合中各条线段的端点坐标,将所有端点坐标中X坐标的最大值减去X坐标的最小值,得到所述线段组合的离散程度;将每个线段组合的离散程度中最小的离散程度作为所述竖向边界的边界离散程度。
14.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第一剔除模块,被配置为在获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,当所述采样块位于所述横向边界处时,对于所述采样块中检测到的任一条线段,计算所述线段与所述横向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除;
第二剔除模块,被配置为在获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,当所述采样块位于所述竖向边界处时,对于所述采样块中检测到的任一条线段,计算所述线段与所述竖向边界的夹角,将夹角大于预定夹角阈值的线段进行剔除。
15.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第三剔除模块,被配置为在所述获取子模块获取所述采样块中检测到的线段以及所述线段对应的端点坐标之后,对于所述采样块中检测到的任一条线段,根据所述线段的端点坐标计算所述线段的线段长度,将线段长度小于预定长度阈值的线段进行剔除。
16.根据权利要求10所述的装置,其特征在于,所述优化模块,包括:
第一切割子模块,被配置为对于所述矩形区域的每条横向边界,在所述第四计算子模块计算的所述横向边界的边界离散程度低于预定离散标准时,获取求取所述边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的Y坐标求平均,得到所述横向边界的Y优化坐标;在所述Y优化坐标的位置,沿横向方向对所述横向边界进行切割;
第二切割子模块,被配置为对于所述矩形区域的每条竖向边界,在所述第五计算子模块计算的所述竖向边界的边界离散程度低于预定离散标准时,获取求取所述边界离散程度时所使用的线段组合中各条线段的端点坐标,对获取的所有端点坐标中的X坐标求平均,得到所述竖向边界的X优化坐标;在所述X优化坐标的位置,沿竖向方向对所述竖向边界进行切割。
17.根据权利要求10至16中任一所述的装置,其特征在于,所述检测模块,还被配置为:
缩小所述图片,对缩小后的所述图片中的图像进行四边形检测,得到包含 所述图像的四边形区域。
18.根据权利要求10至16中任一所述的装置,其特征在于,所述切割模块,还被配置为:
将所述四边形区域矫正为所述矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割,放大切割后的所述矩形区域。
19.一种边界优化装置,其特征在于,所述装置包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为:
对图片中的图像进行四边形检测,得到包含所述图像的四边形区域;
将所述四边形区域矫正为矩形区域,沿所述矩形区域的边界对所述矩形区域进行切割;
分别沿着所述矩形区域的四条边界的内边缘提取至少一个采样块;
对于每条边界,根据所述边界处提取的各个采样块中的所存在线段的端点坐标,计算所述边界的边界离散程度,对边界离散程度符合标准的边界进行边界优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610285586.XA CN106023136B (zh) | 2016-04-29 | 2016-04-29 | 边界优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610285586.XA CN106023136B (zh) | 2016-04-29 | 2016-04-29 | 边界优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106023136A true CN106023136A (zh) | 2016-10-12 |
CN106023136B CN106023136B (zh) | 2019-02-12 |
Family
ID=57082164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610285586.XA Active CN106023136B (zh) | 2016-04-29 | 2016-04-29 | 边界优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023136B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103312A (zh) * | 2017-06-07 | 2017-08-29 | 深圳天珑无线科技有限公司 | 一种图片处理方法及装置 |
CN110853063A (zh) * | 2019-10-31 | 2020-02-28 | 广州华多网络科技有限公司 | 图像分割信息的处理方法、装置、设备和存储介质 |
GB2590619A (en) * | 2019-12-20 | 2021-07-07 | Restricted Image Ltd | Image management system and method |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473541A (zh) * | 2013-08-21 | 2013-12-25 | 方正国际软件有限公司 | 一种证件透视校正方法及系统 |
CN103679638A (zh) * | 2013-12-25 | 2014-03-26 | 广州广电运通金融电子股份有限公司 | 残缺或变形的四边形图像的校正方法 |
US8705836B2 (en) * | 2012-08-06 | 2014-04-22 | A2iA S.A. | Systems and methods for recognizing information in objects using a mobile device |
CN103813050A (zh) * | 2012-11-02 | 2014-05-21 | 富士施乐株式会社 | 图像处理设备和图像处理方法 |
US9160946B1 (en) * | 2015-01-21 | 2015-10-13 | A2iA S.A. | Systems and methods for capturing images using a mobile device |
-
2016
- 2016-04-29 CN CN201610285586.XA patent/CN106023136B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8705836B2 (en) * | 2012-08-06 | 2014-04-22 | A2iA S.A. | Systems and methods for recognizing information in objects using a mobile device |
CN103813050A (zh) * | 2012-11-02 | 2014-05-21 | 富士施乐株式会社 | 图像处理设备和图像处理方法 |
CN103473541A (zh) * | 2013-08-21 | 2013-12-25 | 方正国际软件有限公司 | 一种证件透视校正方法及系统 |
CN103679638A (zh) * | 2013-12-25 | 2014-03-26 | 广州广电运通金融电子股份有限公司 | 残缺或变形的四边形图像的校正方法 |
US9160946B1 (en) * | 2015-01-21 | 2015-10-13 | A2iA S.A. | Systems and methods for capturing images using a mobile device |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103312A (zh) * | 2017-06-07 | 2017-08-29 | 深圳天珑无线科技有限公司 | 一种图片处理方法及装置 |
CN110853063A (zh) * | 2019-10-31 | 2020-02-28 | 广州华多网络科技有限公司 | 图像分割信息的处理方法、装置、设备和存储介质 |
CN110853063B (zh) * | 2019-10-31 | 2023-04-07 | 广州方硅信息技术有限公司 | 图像分割信息的处理方法、装置、设备和存储介质 |
GB2590619A (en) * | 2019-12-20 | 2021-07-07 | Restricted Image Ltd | Image management system and method |
GB2590619B (en) * | 2019-12-20 | 2022-01-05 | Restricted Image Ltd | Image management system and method |
Also Published As
Publication number | Publication date |
---|---|
CN106023136B (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105528606B (zh) | 区域识别方法及装置 | |
EP3163504B1 (en) | Method, device and computer-readable medium for region extraction | |
WO2017071065A1 (zh) | 区域识别方法及装置 | |
WO2017071058A1 (zh) | 区域识别方法及装置 | |
WO2017215224A1 (zh) | 指纹录入提示方法和装置 | |
CN105491284B (zh) | 预览图像的显示方法和装置 | |
WO2017128767A1 (zh) | 指纹模板录入方法及装置 | |
CN106250894A (zh) | 卡片信息识别方法及装置 | |
CN105631403A (zh) | 人脸识别方法及装置 | |
CN105488511A (zh) | 图像的识别方法及装置 | |
CN106682736A (zh) | 图像识别方法及装置 | |
CN104077563B (zh) | 人脸识别方法和装置 | |
CN106296570A (zh) | 图像处理方法及装置 | |
CN104731880A (zh) | 图片排序方法和装置 | |
CN104111778A (zh) | 图片显示方法和装置 | |
CN106210495A (zh) | 图像拍摄方法和装置 | |
CN105931239A (zh) | 图像处理的方法及装置 | |
CN106023136A (zh) | 边界优化方法及装置 | |
CN105335714A (zh) | 照片处理方法、装置和设备 | |
CN114529606A (zh) | 位姿检测方法及装置、电子设备和存储介质 | |
CN114514566A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN105574834A (zh) | 图像处理方法及装置 | |
CN105957114A (zh) | 对图像中多边形进行检测的方法及装置 | |
CN104182751B (zh) | 目标物边缘提取方法和装置 | |
CN104899588B (zh) | 识别图像中的字符的方法及装置 |
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 |