CN106504225A - 一种规则多边形的识别方法和装置 - Google Patents

一种规则多边形的识别方法和装置 Download PDF

Info

Publication number
CN106504225A
CN106504225A CN201610850809.2A CN201610850809A CN106504225A CN 106504225 A CN106504225 A CN 106504225A CN 201610850809 A CN201610850809 A CN 201610850809A CN 106504225 A CN106504225 A CN 106504225A
Authority
CN
China
Prior art keywords
polygon
regular polygon
regular
image
module
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.)
Pending
Application number
CN201610850809.2A
Other languages
English (en)
Inventor
鄢蕾
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.)
Nanchang Green Orange Vision Technology Co., Ltd.
Original Assignee
Shenzhen Augmented Reality Technology Co Ltd
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 Shenzhen Augmented Reality Technology Co Ltd filed Critical Shenzhen Augmented Reality Technology Co Ltd
Priority to CN201610850809.2A priority Critical patent/CN106504225A/zh
Publication of CN106504225A publication Critical patent/CN106504225A/zh
Pending legal-status Critical Current

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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/30108—Industrial image inspection

Landscapes

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

Abstract

本发明公开一种规则多边形的识别方法和装置，属于图像处理领域，通过对原始图像进行预处理、边缘检测、轮廓提取，然后将提取到的轮廓近似为规则多边形，将得到的规则多边形与待识别的多边形对比，若边数相同，则判定其为待识别的多边形。本发明提供的规则多边形的识别方法和装置，取得了识别准确率高、通用性强、效率高的有益效果。

Description

一种规则多边形的识别方法和装置
技术领域
本发明涉及图像处理领域，具体是一种规则多边形的识别方法和装置。
背景技术
在工业场景识别中，经常需要识别场景图像中的多边形，例如对圆和多边形的识别等。目前常用的多边形识别方法是霍夫变换(Hough Transform)。
霍夫变换是图像处理中从图像中识别多边形的基本方法之一，应用很广泛，也有很多改进算法。主要用来从图像中分离出具有某种相同特征的多边形，如，直线，圆等。最基本的霍夫变换是从黑白图像中识别直线(线段)。当要识别图像中的多边形时，可以先用霍夫线变换识别图像中的直线然后求直线的交点，最后判断是否有待识别多边形存在。但是，霍夫线变换会将复杂自然场景图像中的众多边缘以及非目标直线检测出来，在众多直线中分别计算两条直线交点，然后判断多条直线是否形成目标多边形是一个工作量巨大，且很繁琐的工作。因此，该方法比较适合在纯色背景下识别数量有限的多边形，并不适用于在复杂的工业场景中识别多边形。
由此可见，目前在规则多边形识别方面，存在着识别误差大、通用性差、计算量大、耗时长、效率低的缺陷。
发明内容
本发明为了克服现有技术的不足，提出一种规则多边形的识别方法和装置，目的旨在解决规则多边形识别的识别过程中存在的误差大、计算量大、耗时长、效率低的问题。
为了解决上述的技术问题，本发明提出的基本技术方案为：
一种规则多边形的识别方法，包括以下步骤：
对原始图像进行预处理操作；
对预处理操作后的图像进行边缘检测，得到边缘图像；
提取所述边缘图像的轮廓，得到轮廓图像；
将所述轮廓图像中的轮廓拟合为规则多边形，并去掉非凸多边形；
获取所述规则多边形的边数，与待识别的规则多边形对比。
一种规则多边形的识别装置，包括：
图像预处理模块，用于对原始图像进行预处理操作；
边缘检测模块，用于对预处理操作后的图像进行边缘检测，得到边缘图像；
轮廓提取模块，用于对所述边缘图像进行轮廓提取，得到轮廓图像；
多边形拟合模块，用于对所述轮廓图像进行多边形拟合，并去掉非凸多边形；以及
特征获取模块，用于获取多边形拟合模块得到的凸多边形的边数与待识别的多边形进行对比以判断是否是待识别的多边形。
在上述的规则多边形的识别方法和装置中，通过对原始图像进行预处理、边缘检测、轮廓提取，然后将提取到的轮廓近似为规则多边形，将得到的规则多边形与待识别的多边形对比，若边数基本相同，则判定其为待识别的多边形。由此解决了目前在多边形识别方面，存在着识别误差大、通用性差、计算量大、耗时长、效率低的问题，取得了识别准确率高、通用性强、效率高的有益效果。
附图说明
图1是本发明实施例提供的规则多边形的识别方法的实现流程图；
图2是本发明实施例提供的规则多边形的识别装置的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明提供一种规则多边形的识别方法，包括：
步骤S101，将原始图像进行预处理操作。
本发明的原始图像通过数码相机、手机或其它扫描装置拍摄进行采集，由于图像采集环境的不同，如光照明暗程度以及设备性能的优劣等，原始图像往往存在有噪声，对比度不够等缺点，必须对图像进行预处理。图像预处理的主要目的是消除图像中无关的信息，滤除干扰、噪声，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取的可靠性。
在本发明的一实施例中，预处理操作包括图像灰度化、图像增强、图像滤波，其中，图像滤波采用的是高斯滤波。
在其他实施例中，也可采用中值滤波、均值滤波等其他方式对图像进行降噪处理。
步骤S102，对预处理操作后的图像进行边缘检测，得到边缘图像。
在本发明的一实施例中，对预处理操作后的图像进行边缘检测的采用的是canny算子边缘检测法。
在另一实施例中，对预处理操作后的图像进行边缘检测的操作采用的是sobel算子边缘检测法。
S103，提取所述边缘图像的轮廓，得到轮廓图像。
在本发明的一实施例中，对边缘图像使用opencv的findcontours函数得到轮廓图，该函数的原型如下：
void findContours(InputOutputArray image，OutputArrayOfArrayscontours，OutputArray hierar-chy，int mode，int method，Point offset＝Point())
S104，将所述轮廓图像中的轮廓近似为规则多边形，并去掉其中的非凸多边形。
在本发明的一实施例中，该步骤调用的是opencv中的approxPolyDP函数对步骤S103中得到的轮廓点集进行多边形拟合，approxPolyDP函数的调用形式如下：
void approxPolyDP(InputArray curve，OutputArray approxCurve，doubleepsilon，bool closed)
应理解，凸多边形指如果对于一个多边形的所有边中，有一条边向两方无限延长成为一直线时，其他各边都在此直线的同旁，那么这个多边形就叫做凸多边形。根据多边形的这个特性就能够将不是凸多边形的多边形排除掉。
在本发明的另一个实施例中，步骤S104中还可对得到的凸多边形进行以下优化操作：
计算所述规则多边形所有边的边长，找出最长边；
若某条边的边长小于该最长边的0.1倍，则判断该边为异常短的边；
将异常短的边的两个顶点合并为一个顶点。
通过上述优化操作后得到的凸多边形，其形状更规则，提高识别的准确率。
在本发明的另一个实施例中，步骤S104中还可对得到的凸多边形进行以下优化操作：
将任意两个规则多边形进行比较，若两个规则多边形每对相近的点之间的距离小于两个规则多边形中最短边长的0.05倍，则将这两个多边形近似为一个多边形。
通过上述优化操作后，拟合得到的凸多边形数量减少，识别效率大大提高。
S105，获取所述规则多边形的边数，与待识别的规则多边形对比。
在本实施例中，当输出的规则多边形的边数与待识别的规则多边形的边数基本相同时，则可判断该规则多边形即为待识别的规则多边形。
在另一实施例中，当待识别的规则多边形为正多边形时或矩形时，则获取所述规则多边形的边数进行对比后，还应当获取所述规则多边形的角度与待识别的规则多边形的角度对比，若所述凸多边形的各个顶角可近似为直角，则可判断其为矩形；若所述凸多边形的各个顶角近似相等，则可判断其为正多边形。
图2示出了本发明实施例提供的规则多边形的识别装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。
一种规则多边形的识别装置，包括图像预处理模块201、边缘检测模块202、轮廓提取模块203、多边形拟合模块204、特征获取模块205，其中：
所述图像预处理模块201用于对原始图像进行预处理操作；所述边缘检测模块202用于对预处理操作后的图像进行边缘检测，得到边缘图像；所述轮廓提取模块203用于对边缘图像进行轮廓提取，得到轮廓图像；所述多边形拟合模块204用于对轮廓图像进行多边形拟合，并去掉非凸多边形；所述特征获取模块205用于获取多边形拟合模块得到的凸多边形的边数与待识别的多边形进行对比以判断是否是待识别的多边形。
作为本发明的一个实施例，所述多边形拟合模块204还包括优化模块，所述优化模块包括
边长计算单元，用于获取所述规则多边形的所有边长并找出最长边；
判断单元，用于判断所述规则多边形是否存在异常短边，即边长小于最长边的0.1倍；
顶点合并单元，用于将异常短边的两个顶点合并为一个顶点。
作为本发明的一个实施例，所述优化模块还包括多边形合并单元，用于将每对相近的点之间的距离小于两个规则多边形中最短边长的0.05倍的两个多边形合并为一个多边形。
作为本发明的一个实施例，所述特征获取模块205还用于获取所述凸多边形的角度，以识别矩形和正多边形。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。

Claims (8)

1.一种规则多边形的识别方法，其特征在于，包括以下步骤：
对原始图像进行预处理操作；
对预处理操作后的图像进行边缘检测，得到边缘图像；
提取所述边缘图像的轮廓，得到轮廓图像；
将所述轮廓图像中的轮廓拟合为规则多边形，并去掉非凸多边形；
获取所述规则多边形的边数，与待识别的规则多边形对比。
2.如权利要求1所述的规则多边形的识别方法，其特征在于：将轮廓图像拟合为规则多边形之后，还包括优化操作，所述优化操作的步骤如下：
计算所述规则多边形所有边的边长，找出最长边；
若某条边的边长小于该最长边的0.1倍，则判断该边为异常短的边；
将异常短的边的两个顶点合并为一个顶点。
3.如权利要求1或2所述的规则多边形的识别方法，其特征在于：所述优化操作还包括以下步骤：
将任意两个规则多边形进行比较，若两个规则多边形每对相近的点之间的距离小于两个规则多边形中最短边长的0.05倍，则将这两个多边形近似为一个多边形。
4.如权利要求1所述的规则多边形的识别方法，其特征在于：若待识别的多边形为正多边形，则获取所述规则多边形的边数进行对比之后还包括：获取所述规则多边形的角度，与待识别的规则多边形对比。
5.一种规则多边形的识别装置，包括：
图像预处理模块，用于对原始图像进行预处理操作；
边缘检测模块，用于对预处理操作后的图像进行边缘检测，得到边缘图像；
轮廓提取模块，用于对所述边缘图像进行轮廓提取，得到轮廓图像；
多边形拟合模块，用于将所述轮廓图像拟合为规则多边形，并去掉非凸多边形；以及
特征获取模块，用于获取多边形拟合模块得到的凸多边形的边数以判断是否是待识别的多边形。
6.如权利要求5所述获取的规则多边形的识别装置，其特征在于：所述多边形拟合模块还包括优化模块，所述优化模块包括
边长计算单元，用于获取所述规则多边形的所有边长并找出最长边；
判断单元，用于判断所述规则多边形是否存在异常短边，即边长小于最长边的0.1倍；
顶点合并单元，用于将异常短边的两个顶点合并为一个顶点。
7.如权利要求5或6所述的规则多边形的识别装置，其特征在于：所述优化模块还包括多边形合并单元，用于将每对相近的点之间的距离小于两个规则多边形中最短边长的0.05倍的两个规则多边形合并为一个规则多边形。
8.如权利要求5所述的规则多边形的识别装置，其特征在于：所述特征获取模块还用于获取所述凸多边形的角度。
CN201610850809.2A 2016-09-27 2016-09-27 一种规则多边形的识别方法和装置 Pending CN106504225A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610850809.2A CN106504225A (zh) 2016-09-27 2016-09-27 一种规则多边形的识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610850809.2A CN106504225A (zh) 2016-09-27 2016-09-27 一种规则多边形的识别方法和装置

Publications (1)

Publication Number Publication Date
CN106504225A true CN106504225A (zh) 2017-03-15

Family

ID=58290571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610850809.2A Pending CN106504225A (zh) 2016-09-27 2016-09-27 一种规则多边形的识别方法和装置

Country Status (1)

Country Link
CN (1) CN106504225A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107368828A (zh) * 2017-07-24 2017-11-21 中国人民解放军装甲兵工程学院 高清试卷图像采集分解系统和方法
CN107610236A (zh) * 2017-08-21 2018-01-19 武汉秀宝软件有限公司 一种基于图形识别的交互方法及系统
CN109752627A (zh) * 2019-01-21 2019-05-14 山东大学 一种基于机器视觉的馈线终端单元插口状态自动识别的方法
CN110060270A (zh) * 2019-04-25 2019-07-26 宁锐慧创信息科技南京有限公司 一种适用于低成像质量多边形管状物体的边缘检测方法
CN110059702A (zh) * 2019-03-29 2019-07-26 北京奇艺世纪科技有限公司 一种物体轮廓识别方法及装置
CN110310279A (zh) * 2019-07-09 2019-10-08 苏州梦想人软件科技有限公司 矩形及曲边矩形边角图像识别方法
CN112766175A (zh) * 2021-01-21 2021-05-07 宠爱王国(北京)网络科技有限公司 活体检测方法、装置及非易失性存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425984A (zh) * 2013-08-15 2013-12-04 北京京北方信息技术有限公司 一种检测票据中正多边形印章的方法和装置
CN103914687A (zh) * 2014-03-14 2014-07-09 常州大学 一种基于多通道和多阈值的矩形目标识别方法
CN104021568A (zh) * 2014-06-25 2014-09-03 山东大学 基于轮廓多边形拟合的可见光与红外图像的自动配准方法
CN104331697A (zh) * 2014-11-17 2015-02-04 山东大学 一种感兴趣区域的定位方法
CN105809667A (zh) * 2015-01-21 2016-07-27 瞿志行 扩充实境中基于深度摄影机的遮蔽效果优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425984A (zh) * 2013-08-15 2013-12-04 北京京北方信息技术有限公司 一种检测票据中正多边形印章的方法和装置
CN103914687A (zh) * 2014-03-14 2014-07-09 常州大学 一种基于多通道和多阈值的矩形目标识别方法
CN104021568A (zh) * 2014-06-25 2014-09-03 山东大学 基于轮廓多边形拟合的可见光与红外图像的自动配准方法
CN104331697A (zh) * 2014-11-17 2015-02-04 山东大学 一种感兴趣区域的定位方法
CN105809667A (zh) * 2015-01-21 2016-07-27 瞿志行 扩充实境中基于深度摄影机的遮蔽效果优化方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107368828A (zh) * 2017-07-24 2017-11-21 中国人民解放军装甲兵工程学院 高清试卷图像采集分解系统和方法
CN107610236A (zh) * 2017-08-21 2018-01-19 武汉秀宝软件有限公司 一种基于图形识别的交互方法及系统
CN107610236B (zh) * 2017-08-21 2021-05-11 武汉秀宝软件有限公司 一种基于图形识别的交互方法及系统
CN109752627A (zh) * 2019-01-21 2019-05-14 山东大学 一种基于机器视觉的馈线终端单元插口状态自动识别的方法
CN110059702A (zh) * 2019-03-29 2019-07-26 北京奇艺世纪科技有限公司 一种物体轮廓识别方法及装置
CN110059702B (zh) * 2019-03-29 2021-10-22 北京奇艺世纪科技有限公司 一种物体轮廓识别方法及装置
CN110060270A (zh) * 2019-04-25 2019-07-26 宁锐慧创信息科技南京有限公司 一种适用于低成像质量多边形管状物体的边缘检测方法
CN110060270B (zh) * 2019-04-25 2021-05-04 宁锐慧创信息科技南京有限公司 一种适用于低成像质量多边形管状物体的边缘检测方法
CN110310279A (zh) * 2019-07-09 2019-10-08 苏州梦想人软件科技有限公司 矩形及曲边矩形边角图像识别方法
CN112766175A (zh) * 2021-01-21 2021-05-07 宠爱王国(北京)网络科技有限公司 活体检测方法、装置及非易失性存储介质
CN112766175B (zh) * 2021-01-21 2024-05-28 宠爱王国(北京)网络科技有限公司 活体检测方法、装置及非易失性存储介质

Similar Documents

Publication Publication Date Title
CN106504225A (zh) 一种规则多边形的识别方法和装置
CN104751142B (zh) 一种基于笔划特征的自然场景文本检测方法
Duan et al. Combining Hough transform and contour algorithm for detecting vehicles' license-plates
CN108009472B (zh) 一种基于卷积神经网络和贝叶斯分类器的指背关节纹识别方法
CN104809446B (zh) 基于校正手掌方向的掌纹感兴趣区域快速提取方法
US9235755B2 (en) Removal of underlines and table lines in document images while preserving intersecting character strokes
CN103208004A (zh) 票据信息区域自动识别和提取方法及设备
CN104821011A (zh) 基于相机拍摄的2d户型照片生成3d户型模型的方法
CN110751154B (zh) 一种基于像素级分割的复杂环境多形状文本检测方法
CN110276279B (zh) 一种基于图像分割的任意形状场景文本探测方法
KR20130105952A (ko) 차량 번호판 인식 방법과 그 장치
CN109447117B (zh) 双层车牌识别方法、装置、计算机设备及存储介质
CN105447489B (zh) 一种图片ocr识别系统的字符与背景粘连噪声消除方法
CN112528868A (zh) 一种基于改进Canny边缘检测算法的违章压线判别方法
CN109166092A (zh) 一种图像缺陷检测方法及系统
Nag et al. New cold feature based handwriting analysis for enthnicity/nationality identification
CN107748897B (zh) 基于模式识别的大尺寸弯曲零件轮廓度质量检测方法
CN103971347A (zh) 视频图像中阴影的处理方法及装置
Shi et al. Image enhancement for degraded binary document images
Al-Mahadeen et al. Signature region of interest using auto cropping
CN106650719B (zh) 识别图片文字的方法及装置
CN110705568B (zh) 一种图像特征点提取的优化方法
Chen et al. Algorithm design of lane departure warning system based on image processing
CN106339709A (zh) 一种图像实时提取方法
TWI615780B (zh) 指紋影像處理方法與裝置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20190709

Address after: 330000 Room 1423, 14th Floor, Honggu Chengtou Building, 545 Exhibition Road, Honggutan New District, Nanchang City, Jiangxi Province

Applicant after: Nanchang Green Orange Vision Technology Co., Ltd.

Address before: 518052 Satellite Building, Xuefu Road, Nanshan High-tech Park, Shenzhen City, Guangdong Province 1705

Applicant before: Shenzhen Augmented Reality Technology Co., Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20170315

RJ01 Rejection of invention patent application after publication