CN106709394B - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN106709394B CN106709394B CN201611142233.0A CN201611142233A CN106709394B CN 106709394 B CN106709394 B CN 106709394B CN 201611142233 A CN201611142233 A CN 201611142233A CN 106709394 B CN106709394 B CN 106709394B
- Authority
- CN
- China
- Prior art keywords
- binary image
- connected domain
- area pixel
- pixel ratio
- diameter
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
Abstract
本申请提供了一种图像处理方法及装置,图像处理方法及装置包括:对待识别图像进行二值化处理,得到第一二值化图像;计算第一二值化图像中所有连通域的平均像素个数和平均直径;利用第一二值化图像中所有连通域的平均像素个数和平均直径,从第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像;计算第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值;利用第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像。在本申请中,通过以上方式实现了不合理连通域的识别和删除。
Description
技术领域
本申请涉及图像处理领域,特别涉及一种图像处理方法及装置。
背景技术
在识别图像中的点阵码时,首先需要对图像进行二值化处理,得到二值化图像,从二值化图像中识别点阵码,但是二值化图像中可能不仅含有所需识别的点阵码即合理的连通域,也可能含有干扰点即不合理的连通域。由于不合理的连通域会对点阵码识别造成干扰,从而降低点阵码识别的准确性,因此需要识别出二值化图像中不合理的连通域,并将其删除,而如何识别出二值化图像中不合理的连通域,并将其删除成为问题。
发明内容
为解决上述技术问题,本申请实施例提供一种图像处理方法及装置,以达到实现不合理连通域的识别和删除的目的,技术方案如下:
一种图像处理方法,包括:
对待识别图像进行二值化处理,得到第一二值化图像;
计算所述第一二值化图像中所有连通域的平均像素个数和平均直径;
利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像;
计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,所述面积像素比值为所述连通域的外接最小矩形的面积与所述连通域包含的像素个数的比值;
利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像。
优选的,计算所述第一二值化图像中所有连通域的平均像素个数和平均直径,包括:
统计所述第一二值化图像中连通域的个数;
将所述第一二值化图像中各个连通域的像素个数进行相加,得到像素个数和;
将所述像素个数和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均像素个数;
获取所述第一二值化图像中每个连通域的直径,所述直径为所述连通域中距离最远的两个像素之间的欧式距离;
将所述第一二值化图像中每个连通域的直径进行相加,得到直径和;
将所述直径和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均直径。
优选的,利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像,包括:
分别将所述第一二值化图像中每个连通域的像素个数与所述第一二值化图像中所有连通域的平均像素个数进行相减运算,得到像素个数差值;
分别将所述第一二值化图像中每个连通域的直径与所述第一二值化图像中所有连通域的平均直径进行相减运算,得到直径差值;
确定所述像素个数差值的绝对值不小于预设像素个数阈值或所述直径差值的绝对值不小于预设直径阈值的连通域为不合理连通域;
从所述第一二值化图像中删除所确定的不合理连通域,得到所述第二二值化图像。
优选的,计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,包括:
分别利用最小凸多边形的算法,计算所述第二二值化图像中每个连通域的外接最小矩形的面积;
分别计算所述第二二值化图像中每个连通域的外接最小矩形的面积与像素个数的比值,得到所述第二二值化图像中每个连通域的面积像素比值;
将所述第二二值化图像中每个连通域的面积像素比值进行相加,得到面积像素比值和;
统计所述第二二值化图像中连通域的个数;
将所述面积像素比值和除以所述第二二值化图像中连通域的个数,得到所述第二二值化图像中所有连通域的面积像素比值的平均值。
优选的,利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像,包括:
分别将所述第二二值化图像中每个连通域的面积像素比值与所述第二二值化图像中所有连通域的面积像素比值的平均值进行相减运算,得到面积像素比值差值;
确定所述面积像素比值差值的绝对值不小于预设面积像素比值阈值的连通域为不合理连通域;
从所述第二二值化图像中删除所确定的不合理连通域,得到所述目标二值化图像。
一种图像处理装置,包括:
二值化处理模块,用于对待识别图像进行二值化处理,得到第一二值化图像;
第一计算模块,用于计算所述第一二值化图像中所有连通域的平均像素个数和平均直径;
第一识别删除模块,用于利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像;
第二计算模块,用于计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,所述面积像素比值为所述连通域的外接最小矩形的面积与所述连通域包含的像素个数的比值;
第二识别删除模块,用于利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像。
优选的,所述第一计算模块包括:
第一统计单元,用于统计所述第一二值化图像中连通域的个数;
第一计算单元,用于将所述第一二值化图像中各个连通域的像素个数进行相加,得到像素个数和;
第二计算单元,用于将所述像素个数和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均像素个数;
获取单元,用于获取所述第一二值化图像中每个连通域的直径,所述直径为所述连通域中距离最远的两个像素之间的欧式距离;
第三计算单元,用于将所述第一二值化图像中每个连通域的直径进行相加,得到直径和;
第四计算单元,用于将所述直径和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均直径。
优选的,所述第一识别删除模块包括:
第五计算单元,用于分别将所述第一二值化图像中每个连通域的像素个数与所述第一二值化图像中所有连通域的平均像素个数进行相减运算,得到像素个数差值;
第六计算单元,用于分别将所述第一二值化图像中每个连通域的直径与所述第一二值化图像中所有连通域的平均直径进行相减运算,得到直径差值;
第一确定单元,用于确定所述像素个数差值的绝对值不小于预设像素个数阈值或所述直径差值的绝对值不小于预设直径阈值的连通域为不合理连通域;
第一删除单元,用于从所述第一二值化图像中删除所确定的不合理连通域,得到所述第二二值化图像。
优选的,所述第二计算模块包括:
第七计算单元,用于分别利用最小凸多边形的算法,计算所述第二二值化图像中每个连通域的外接最小矩形的面积;
第八计算单元,分别计算所述第二二值化图像中每个连通域的外接最小矩形的面积与像素个数的比值,得到所述第二二值化图像中每个连通域的面积像素比值;
第九计算单元,用于将所述第二二值化图像中每个连通域的面积像素比值进行相加,得到面积像素比值和;
第二统计单元,用于统计所述第二二值化图像中连通域的个数;
第十计算单元,用于将所述面积像素比值和除以所述第二二值化图像中连通域的个数,得到所述第二二值化图像中所有连通域的面积像素比值的平均值。
优选的,所述第二识别删除模块包括:
第十一计算单元,用于分别将所述第二二值化图像中每个连通域的面积像素比值与所述第二二值化图像中所有连通域的面积像素比值的平均值进行相减运算,得到面积像素比值差值;
第二确定单元,用于确定所述面积像素比值差值的绝对值不小于预设面积像素比值阈值的连通域为不合理连通域;
第二删除单元,用于从所述第二二值化图像中删除所确定的不合理连通域,得到所述目标二值化图像。
与现有技术相比,本申请的有益效果为:
在本申请中,首先对待识别图像进行二值化处理,得到第一二值化图像,计算所述第一二值化图像中所有连通域的平均像素个数和平均直径;利用所述所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像。在删除一部分不合理连通域的基础上,继续利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像,实现了不合理连通域的识别和删除。
并且,本申请采用不同的识别方式,逐步识别二值化图像中的不合理连通域,提高了对不合理连通域的识别精度,从而扩大了不合理连通域的识别范围,并删除不合理连通域,减少了不合理连通域对点阵码识别的干扰,进而提高了点阵码识别的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的图像处理方法的一种流程图;
图2是本申请提供的图像处理方法的一种子流程图;
图3是本申请提供的图像处理方法的另一种子流程图;
图4是本申请提供的图像处理方法的再一种子流程图;
图5是本申请提供的图像处理方法的再一种子流程图;
图6是本申请提供的图像处理装置的一种逻辑结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一
请参见图1,其示出了本申请提供的图像处理方法的一种流程图,可以包括以下步骤:
步骤S11:对待识别图像进行二值化处理,得到第一二值化图像。
步骤S12:计算所述第一二值化图像中所有连通域的平均像素个数和平均直径。
计算所述第一二值化图像中所有连通域的平均像素个数和平均直径即计算所述第一二值化图像中所有连通域的平均像素个数,及计算所述第一二值化图像中所有连通域的平均直径。
步骤S13:利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像。
由于利用第一二值化图像中所有连通域的平均像素个数和平均直径,无法识别出第一二值化图像中曲线状或镂空状或网状的不合理连通域,因此执行步骤S14至步骤S15,继续识别不合理连通域,实现曲线状或镂空状或网状的不合理连通域的识别。
步骤S14:计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值。
所述面积像素比值为所述连通域的外接最小矩形的面积与所述连通域包含的像素个数的比值。
计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,即计算所述第二二值化图像中每个连通域的面积像素比值及计算所述第二二值化图像中所有连通域的面积像素比值的平均值。
步骤S15:利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像。
利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,能够从第二二值化图像中识别出曲线状或镂空状或网状的不合理连通域的原理为:曲线状或镂空状或网状的连通域的像素个数在其外接的最小矩形中所占的比重小,因此曲线状或镂空状或网状的连通域的面积像素比值较大,而非曲线状或镂空状或网状的连通域的像素个数在其外接的最小矩形中所占的比重大,因此非曲线状或镂空状或网状的连通域的面积像素比值较小,根据连通域的面积像素比值的大小判断连通域是否为曲线状或镂空状或网状的不合理连通域。
在本申请中,首先对待识别图像进行二值化处理,得到第一二值化图像,计算所述第一二值化图像中所有连通域的平均像素个数和平均直径;利用所述所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像。在删除一部分不合理连通域的基础上,继续利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像,实现了不合理连通域的识别和删除。
并且,本申请采用不同的识别方式,逐步识别二值化图像中的不合理连通域,提高了对不合理连通域的识别精度,从而扩大了不合理连通域的识别范围,并删除不合理连通域,减少了不合理连通域对点阵码识别的干扰,进而提高了点阵码识别的准确性。
在本实施例中,计算所述第一二值化图像中所有连通域的平均像素个数和平均直径的过程可以参见图2,可以包括以下步骤:
步骤S21:统计所述第一二值化图像中连通域的个数。
步骤S22:将所述第一二值化图像中各个连通域的像素个数进行相加,得到像素个数和。
步骤S23:将所述像素个数和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均像素个数。
步骤S24:获取所述第一二值化图像中每个连通域的直径,所述直径为所述连通域中距离最远的两个像素之间的欧式距离。
步骤S25:将所述第一二值化图像中每个连通域的直径进行相加,得到直径和。
步骤S26:将所述直径和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均直径。
上述方法过程中,利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像的具体过程可以参见图3,可以包括以下步骤:
步骤S31:分别将所述第一二值化图像中每个连通域的像素个数与所述第一二值化图像中所有连通域的平均像素个数进行相减运算,得到像素个数差值。
步骤S32:分别将所述第一二值化图像中每个连通域的直径与所述第一二值化图像中所有连通域的平均直径进行相减运算,得到直径差值。
步骤S33:确定所述像素个数差值的绝对值不小于预设像素个数阈值或所述直径差值的绝对值不小于预设直径阈值的连通域为不合理连通域。
与确定所述像素个数差值的绝对值不小于预设像素个数阈值或所述直径差值的绝对值不小于预设直径阈值的连通域为不合理连通域相对应的,确定所述像素个数差值的绝对值小于预设像素个数阈值且所述直径差值的绝对值小于预设直径阈值的连通域为合理连通域。
在像素个数差值的绝对值不小于预设像素个数阈值时,说明像素个数超出了像素个数的合理阈值范围,则可以确定对应的连通域为不合理连通域。
同理,在直径差值的绝对值不小于预设直径阈值时,说明直径超出了直径的合理阈值范围,则可以确定对应的连通域为不合理连通域。
步骤S34:从所述第一二值化图像中删除所确定的不合理连通域,得到所述第二二值化图像。
在本实施例中,计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值的具体过程可以参见图4,可以包括以下步骤:
步骤S41:分别利用最小凸多边形的算法,计算所述第二二值化图像中每个连通域的外接最小矩形的面积。
步骤S42:分别计算所述第二二值化图像中每个连通域的外接最小矩形的面积与像素个数的比值,得到所述第二二值化图像中每个连通域的面积像素比值。
计算连通域的外接最小矩形的面积与像素个数的比值,即计算连通域的外接最小矩形的面积与该连通域的像素个数的比值。
步骤S43:将所述第二二值化图像中每个连通域的面积像素比值进行相加,得到面积像素比值和。
步骤S44:统计所述第二二值化图像中连通域的个数。
步骤S45:将所述面积像素比值和除以所述第二二值化图像中连通域的个数,得到所述第二二值化图像中所有连通域的面积像素比值的平均值。
上述方法过程中,利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值的具体过程可以参见图5,可以包括以下步骤:
步骤S51:分别将所述第二二值化图像中每个连通域的面积像素比值与所述第二二值化图像中所有连通域的面积像素比值的平均值进行相减运算,得到面积像素比值差值。
步骤S52:确定所述面积像素比值差值的绝对值不小于预设面积像素比值阈值的连通域为不合理连通域。
与确定所述面积像素比值差值的绝对值不小于预设面积像素比值阈值的连通域为不合理连通域相对应的,确定所述面积像素比值差值的绝对值小于预设面积像素比值阈值的连通域为合理连通域。
在面积像素比值差值的绝对值不小于预设面积像素比值阈值时,说明面积像素比值超出了面积像素比值的合理阈值范围,则可以确定对应的连通域为不合理连通域。
步骤S53:从所述第二二值化图像中删除所确定的不合理连通域,得到所述目标二值化图像。
从所述第二二值化图像中删除所确定的不合理连通域,即从所述第二二值化图像中删除所确定的所述面积像素比值差值的绝对值不小于预设面积像素比值阈值的连通域。
实施例二
与上述方法实施例相对应,本实施例提供了一种图像处理装置,请参见图6,图像处理装置包括:二值化处理模块11、第一计算模块12、第一识别删除模块13、第二计算模块14和第二识别删除模块15。
二值化处理模块11,用于对待识别图像进行二值化处理,得到第一二值化图像。
第一计算模块12,用于计算所述第一二值化图像中所有连通域的平均像素个数和平均直径。
第一识别删除模块13,用于利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像。
第二计算模块14,用于计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,所述面积像素比值为所述连通域的外接最小矩形的面积与所述连通域包含的像素个数的比值。
第二识别删除模块15,用于利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像。
在本实施例中,第一计算模块12具体可以包括:第一统计单元、第一计算单元、第二计算单元、获取单元、第三计算单元和第四计算单元。
第一统计单元,用于统计所述第一二值化图像中连通域的个数。
第一计算单元,用于将所述第一二值化图像中各个连通域的像素个数进行相加,得到像素个数和。
第二计算单元,用于将所述像素个数和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均像素个数。
获取单元,用于获取所述第一二值化图像中每个连通域的直径,所述直径为所述连通域中距离最远的两个像素之间的欧式距离。
第三计算单元,用于将所述第一二值化图像中每个连通域的直径进行相加,得到直径和。
第四计算单元,用于将所述直径和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均直径。
在本实施例中,第一识别删除模块13具体可以包括:第五计算单元、第六计算单元、第一确定单元和第一删除单元。
第五计算单元,用于分别将所述第一二值化图像中每个连通域的像素个数与所述第一二值化图像中所有连通域的平均像素个数进行相减运算,得到像素个数差值。
第六计算单元,用于分别将所述第一二值化图像中每个连通域的直径与所述第一二值化图像中所有连通域的平均直径进行相减运算,得到直径差值。
第一确定单元,用于确定所述像素个数差值的绝对值不小于预设像素个数阈值或所述直径差值的绝对值不小于预设直径阈值的连通域为不合理连通域。
第一删除单元,用于从所述第一二值化图像中删除所确定的不合理连通域,得到所述第二二值化图像。
在本实施例中,第二计算模块14具体可以包括:第七计算单元、第八计算单元、第九计算单元、第二统计单元和第十计算单元。
第七计算单元,用于分别利用最小凸多边形的算法,计算所述第二二值化图像中每个连通域的外接最小矩形的面积。
第八计算单元,分别计算所述第二二值化图像中每个连通域的外接最小矩形的面积与像素个数的比值,得到所述第二二值化图像中每个连通域的面积像素比值。
第九计算单元,用于将所述第二二值化图像中每个连通域的面积像素比值进行相加,得到面积像素比值和。
第二统计单元,用于统计所述第二二值化图像中连通域的个数。
第十计算单元,用于将所述面积像素比值和除以所述第二二值化图像中连通域的个数,得到所述第二二值化图像中所有连通域的面积像素比值的平均值。
在本实施例中,第二识别删除模块15具体可以包括:第十一计算单元、第二确定单元和第二删除单元。
第十一计算单元,用于分别将所述第二二值化图像中每个连通域的面积像素比值与所述第二二值化图像中所有连通域的面积像素比值的平均值进行相减运算,得到面积像素比值差值。
第二确定单元,用于确定所述面积像素比值差值的绝对值不小于预设面积像素比值阈值的连通域为不合理连通域。
第二删除单元,用于从所述第二二值化图像中删除所确定的不合理连通域,得到所述目标二值化图像。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上对本申请所提供的一种图像处理方法及装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (6)
1.一种图像处理方法,其特征在于,包括:
对待识别图像进行二值化处理,得到第一二值化图像;
计算所述第一二值化图像中所有连通域的平均像素个数和平均直径,计算所述第一二值化图像中所有连通域的平均像素个数和平均直径,包括:统计所述第一二值化图像中连通域的个数;将所述第一二值化图像中各个连通域的像素个数进行相加,得到像素个数和;将所述像素个数和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均像素个数;获取所述第一二值化图像中每个连通域的直径,所述直径为所述连通域中距离最远的两个像素之间的欧式距离;将所述第一二值化图像中每个连通域的直径进行相加,得到直径和;将所述直径和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均直径;
利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像,利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像,包括:分别将所述第一二值化图像中每个连通域的像素个数与所述第一二值化图像中所有连通域的平均像素个数进行相减运算,得到像素个数差值;分别将所述第一二值化图像中每个连通域的直径与所述第一二值化图像中所有连通域的平均直径进行相减运算,得到直径差值;确定所述像素个数差值的绝对值不小于预设像素个数阈值或所述直径差值的绝对值不小于预设直径阈值的连通域为不合理连通域;从所述第一二值化图像中删除所确定的不合理连通域,得到所述第二二值化图像;
计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,所述面积像素比值为所述连通域的外接最小矩形的面积与所述连通域包含的像素个数的比值;
利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像。
2.根据权利要求1所述的方法,其特征在于,计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,包括:
分别利用最小凸多边形的算法,计算所述第二二值化图像中每个连通域的外接最小矩形的面积;
分别计算所述第二二值化图像中每个连通域的外接最小矩形的面积与像素个数的比值,得到所述第二二值化图像中每个连通域的面积像素比值;
将所述第二二值化图像中每个连通域的面积像素比值进行相加,得到面积像素比值和;
统计所述第二二值化图像中连通域的个数;
将所述面积像素比值和除以所述第二二值化图像中连通域的个数,得到所述第二二值化图像中所有连通域的面积像素比值的平均值。
3.根据权利要求2所述的方法,其特征在于,利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像,包括:
分别将所述第二二值化图像中每个连通域的面积像素比值与所述第二二值化图像中所有连通域的面积像素比值的平均值进行相减运算,得到面积像素比值差值;
确定所述面积像素比值差值的绝对值不小于预设面积像素比值阈值的连通域为不合理连通域;
从所述第二二值化图像中删除所确定的不合理连通域,得到所述目标二值化图像。
4.一种图像处理装置,其特征在于,包括:
二值化处理模块,用于对待识别图像进行二值化处理,得到第一二值化图像;
第一计算模块,用于计算所述第一二值化图像中所有连通域的平均像素个数和平均直径,所述第一计算模块包括:第一统计单元,用于统计所述第一二值化图像中连通域的个数;第一计算单元,用于将所述第一二值化图像中各个连通域的像素个数进行相加,得到像素个数和;第二计算单元,用于将所述像素个数和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均像素个数;获取单元,用于获取所述第一二值化图像中每个连通域的直径,所述直径为所述连通域中距离最远的两个像素之间的欧式距离;第三计算单元,用于将所述第一二值化图像中每个连通域的直径进行相加,得到直径和;第四计算单元,用于将所述直径和除以所述第一二值化图像中连通域的个数,得到所述第一二值化图像中所有连通域的平均直径;
第一识别删除模块,用于利用所述第一二值化图像中所有连通域的平均像素个数和平均直径,从所述第一二值化图像中识别出并删除不合理连通域,得到第二二值化图像,所述第一识别删除模块包括:第五计算单元,用于分别将所述第一二值化图像中每个连通域的像素个数与所述第一二值化图像中所有连通域的平均像素个数进行相减运算,得到像素个数差值;第六计算单元,用于分别将所述第一二值化图像中每个连通域的直径与所述第一二值化图像中所有连通域的平均直径进行相减运算,得到直径差值;第一确定单元,用于确定所述像素个数差值的绝对值不小于预设像素个数阈值或所述直径差值的绝对值不小于预设直径阈值的连通域为不合理连通域;第一删除单元,用于从所述第一二值化图像中删除所确定的不合理连通域,得到所述第二二值化图像;
第二计算模块,用于计算所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,所述面积像素比值为所述连通域的外接最小矩形的面积与所述连通域包含的像素个数的比值;
第二识别删除模块,用于利用所述第二二值化图像中每个连通域的面积像素比值及所有连通域的面积像素比值的平均值,从所述第二二值化图像中识别出并删除不合理连通域,得到目标二值化图像。
5.根据权利要求4所述的装置,其特征在于,所述第二计算模块包括:
第七计算单元,用于分别利用最小凸多边形的算法,计算所述第二二值化图像中每个连通域的外接最小矩形的面积;
第八计算单元,分别计算所述第二二值化图像中每个连通域的外接最小矩形的面积与像素个数的比值,得到所述第二二值化图像中每个连通域的面积像素比值;
第九计算单元,用于将所述第二二值化图像中每个连通域的面积像素比值进行相加,得到面积像素比值和;
第二统计单元,用于统计所述第二二值化图像中连通域的个数;
第十计算单元,用于将所述面积像素比值和除以所述第二二值化图像中连通域的个数,得到所述第二二值化图像中所有连通域的面积像素比值的平均值。
6.根据权利要求5所述的装置,其特征在于,所述第二识别删除模块包括:
第十一计算单元,用于分别将所述第二二值化图像中每个连通域的面积像素比值与所述第二二值化图像中所有连通域的面积像素比值的平均值进行相减运算,得到面积像素比值差值;
第二确定单元,用于确定所述面积像素比值差值的绝对值不小于预设面积像素比值阈值的连通域为不合理连通域;
第二删除单元,用于从所述第二二值化图像中删除所确定的不合理连通域,得到所述目标二值化图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611142233.0A CN106709394B (zh) | 2016-12-12 | 2016-12-12 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611142233.0A CN106709394B (zh) | 2016-12-12 | 2016-12-12 | 一种图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709394A CN106709394A (zh) | 2017-05-24 |
CN106709394B true CN106709394B (zh) | 2019-07-05 |
Family
ID=58937198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611142233.0A Active CN106709394B (zh) | 2016-12-12 | 2016-12-12 | 一种图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709394B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470119A (zh) * | 2018-03-25 | 2018-08-31 | 东莞市华睿电子科技有限公司 | 一种应用于电子设备的安全解锁方法 |
CN112019868A (zh) * | 2019-05-31 | 2020-12-01 | 广州虎牙信息科技有限公司 | 人像分割方法、装置及电子设备 |
CN110263595B (zh) * | 2019-06-25 | 2023-02-17 | 北京慧眼智行科技有限公司 | 一种二维码检测方法及装置 |
CN111862195B (zh) * | 2020-08-26 | 2024-04-09 | Oppo广东移动通信有限公司 | 光斑检测方法和装置、终端和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0395187A2 (en) * | 1989-04-28 | 1990-10-31 | Interpore International | Coated biomaterials and methods for making same |
CN101944231A (zh) * | 2010-08-19 | 2011-01-12 | 北京农业智能装备技术研究中心 | 小麦穗部形态参数提取方法 |
CN102722707A (zh) * | 2012-06-11 | 2012-10-10 | 复旦大学 | 基于连通区域和间隙模型的车牌字符分割方法 |
CN105184292A (zh) * | 2015-08-26 | 2015-12-23 | 北京云江科技有限公司 | 自然场景图像中手写体数学公式结构分析与识别方法 |
CN105303189A (zh) * | 2014-07-29 | 2016-02-03 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
CN106156773A (zh) * | 2016-06-27 | 2016-11-23 | 湖南大学 | 一种文本图像的分割方法及装置 |
-
2016
- 2016-12-12 CN CN201611142233.0A patent/CN106709394B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0395187A2 (en) * | 1989-04-28 | 1990-10-31 | Interpore International | Coated biomaterials and methods for making same |
CN101944231A (zh) * | 2010-08-19 | 2011-01-12 | 北京农业智能装备技术研究中心 | 小麦穗部形态参数提取方法 |
CN102722707A (zh) * | 2012-06-11 | 2012-10-10 | 复旦大学 | 基于连通区域和间隙模型的车牌字符分割方法 |
CN105303189A (zh) * | 2014-07-29 | 2016-02-03 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
CN105184292A (zh) * | 2015-08-26 | 2015-12-23 | 北京云江科技有限公司 | 自然场景图像中手写体数学公式结构分析与识别方法 |
CN106156773A (zh) * | 2016-06-27 | 2016-11-23 | 湖南大学 | 一种文本图像的分割方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于图像区域分割的SAR图像去噪算法;于俊朋 等;《现代雷达》;20160930;第38卷(第9期);第376-383页 |
基于声图像的海底地形边界提取算法;王媛媛 等;《浙江大学学报(工学版)》;20150228;第49卷(第2期);第37-40页 |
Also Published As
Publication number | Publication date |
---|---|
CN106709394A (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709394B (zh) | 一种图像处理方法及装置 | |
US11181624B2 (en) | Method and apparatus for calibration between laser radar and camera, device and storage medium | |
CN105940430B (zh) | 人员计数方法及其装置 | |
CN105894464B (zh) | 一种中值滤波图像处理方法和装置 | |
CN103477352A (zh) | 使用深度图像的姿势识别 | |
CN103106648B (zh) | 确定图像中投影区域的方法和设备 | |
CN105718848B (zh) | 一种指纹图像的质量评估方法及装置 | |
JP6103080B2 (ja) | ビデオにおけるカメラ動きの型を検出する方法および装置 | |
CN106921504A (zh) | 一种确定不同用户的关联路径的方法和设备 | |
CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN109543770A (zh) | 点阵字符识别方法及装置 | |
CN113691733A (zh) | 视频抖动检测方法、装置、电子设备和存储介质 | |
CN104392203A (zh) | 一种基于视频分析的点状条纹噪声检测方法 | |
JP6558073B2 (ja) | 移動目標の検出方法及び移動目標の検出装置 | |
CN107301373B (zh) | 数据处理方法、装置及存储介质 | |
CN102651754A (zh) | 白板内容共享方法、白板内容共享设备及系统 | |
CN108764206B (zh) | 目标图像识别方法和系统、计算机设备 | |
CN105096263B (zh) | 图像滤波方法和装置 | |
KR102595678B1 (ko) | 차량 연계 방법, 차량 연계 장치, 노변 장치 및 클라우드 제어 플랫폼 | |
EP3985983A1 (en) | Interpolation filtering method and apparatus for intra-frame prediction, medium, and electronic device | |
CN106197466B (zh) | 一种数据处理方法、装置及终端 | |
CN113313642A (zh) | 图像去噪方法、装置、存储介质及电子设备 | |
US8908986B1 (en) | Systems and methods for selecting ink colors | |
CN104978712B (zh) | 图像处理方法及装置 | |
CN109101646B (zh) | 数据处理方法、装置、系统及计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |