CN106815815A - 一种去除图像中不闭合曲线段的方法 - Google Patents
一种去除图像中不闭合曲线段的方法 Download PDFInfo
- Publication number
- CN106815815A CN106815815A CN201611258093.3A CN201611258093A CN106815815A CN 106815815 A CN106815815 A CN 106815815A CN 201611258093 A CN201611258093 A CN 201611258093A CN 106815815 A CN106815815 A CN 106815815A
- Authority
- CN
- China
- Prior art keywords
- point
- closed curve
- image
- pointlist
- curve section
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 claims description 7
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 239000002956 ash Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种去除图像中不闭合曲线段的方法。它先对图像进行二值化,并通过细化,将图像中存在的每条曲线变成单像素曲线;遍历图像中像素点,找到一个不闭合曲线段的起点并且存储该点到pointList中;若当前点p是不闭合曲线段的终点,则根据pointList中记录的点进行线段去除,如果不是终点则根据其8邻域点灰度值使点p定位到与点p相邻的下一个点;然后更新记录点p的八领域值的变量值,再判断当前点p是否处于该不闭合曲线段的终点,直到达到预先设定的次数。本发明通过使用该方法去除图像中不闭合的曲线段,可以有效地去除图像中所有的指定长度范围内的不闭合曲线,并且很好地保留了所有的闭合曲线段和想要保留的指定长度范围以外的不闭合曲线段。
Description
技术领域
本发明属于图像处理和计算机视觉技术领域,具体是一种对图像中一定长度内的不闭合曲线段进行去除的去除图像中不闭合曲线段的方法。
背景技术
随着计算机视觉领域的不断发展,目前在图像理解和智能识别跟踪等图像处理分析中,经常需要得到有效的物体外边缘轮廓。在通过传统的边缘检测方法检测出来的图像中,由于不可避免地受到噪声的干扰,会检测出一些不闭合的杂边,这些没有实际意义的线段往往会对真正的物体边缘识别形成干扰,为实际使用带来诸多不便,因而要想办法去除这些不闭合的曲线。
当前用来去除图像中不闭合曲线的方法还比较少,与本发明较接近的技术方案为:文献(张麟瑞,贾玉林,程科。简单图像闭合外边缘轮廓提取。红外与激光工程,2006,35(3):367-370)提出一种模仿流水特性的外边界闭合算法,该方法流水特性认为如果曲线段不闭合并且缺口较大,就会全部被侵蚀掉,所以这种方法只能使缺口较大的不闭合曲线去除,对于一些缺口比较小的杂边,如果运用这种方法来处理,就会使得本来要除去的不闭合杂边可能保留下来并且闭合了。
综上所述,当前用于去除图像中不闭合曲线段的方法存在着如下不足:对缺口比较小的不闭合曲线段不能够进行去除。
发明内容
针对现有技术中存在的上述问题,本发明的目的在于提供一种对图像中一定长度内的不闭合曲线段进行去除的去除图像中不闭合曲线段的方法,它解决了图像中不闭合曲线段对物体边缘的识别形成干扰的现象。
所述的一种去除图像中不闭合曲线段的方法,其特征在于包括如下步骤:
步骤1:对图像进行二值化,并通过细化,将图像中存在的每条曲线变成单像素曲线;
步骤2:遍历图像中像素点,找到一个不闭合曲线段的起点并且存储该点到pointList中,其中pointList表示用于存储该不闭合曲线段上像素点的数组;
步骤3:判断当前点p是否处于该不闭合曲线段的终点,如果不是终点则进行步骤4的处理;如果是终点,则进行线段去除,具体处理步骤如下:
步骤3.1:若B(p)=0或B(p)≧3,则把所有存储在pointList中的n个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环,其中n表示pointList中元素的个数;
步骤3.2:若B(p)=2,按以下情况分别处理:若B(p)=2并且C2(p)=1,令p1,p3,p5,p7等于0,执行步骤4;其他B(p)=2的情况,则把存储在pointList中的0~n-1个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环;
步骤3.3:若B(p)=1,则执行步骤4;其中,B(p)为像素点p的8邻域值的有序集{p0,p1,p2,p3,p4,p5,p6,p7}中非0元素的数量,p0,p1,p2,p3,p4,p5,p6,p7分别表示点p的8邻域点的灰度值;C2(p)为有序集{p0,p1,p2,p3,p4,p5,p6,p7}中“11”模式的数量,“11”模式指有序集中相邻两个元素为非0、且该相邻两个元素两边相邻元素都为0,有序集中首尾两个元素也为相邻元素;C3(p)为有序集{p0,p1,p2,p3,p4,p5,p6,p7}中“111”模式的数量,“111”模式指有序集中相邻三个元素为非0、且该相邻三个元素两边相邻元素都为0,有序集中首尾两个元素也为相邻元素;
步骤4:由当前点p定位到与点p相邻的下一个点,利用当前点p的8邻域点灰度值通过公式(1)和(2)进行处理:
其中x,y分别表示点p的横坐标和纵坐标;
步骤5:记录经过步骤4处理后的点p的8邻域点的灰度值,即更新p0,p1,p2,p3,p4,p5,p6,p7的值,如果8邻域点中有某个点的灰度值大于0,并且这个点在pointList中已经存在,则令记录该点灰度值的pk等于0,k=0,1,2,…,7,然后把点p存储到pointList中后进入步骤3循环,直到达到预先设定的次数,则把存储在pointList中的0~n个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环。
所述的一种去除图像中不闭合曲线段的方法,其特征在于确定像素点p为不闭合曲线段的起点必须满足以下条件之一:
2.1)B(p)=1
2.2)B(p)=2并且C2(p)=1
2.3)B(p)=3并且C3(p)=1
2.4)B(p)=0。
本发明的一种去除图像中不闭合曲线段的方法。它先对图像进行二值化,并通过细化,将图像中存在的每条曲线变成单像素曲线;遍历图像中像素点,找到一个不闭合曲线段的起点并且存储该点到pointList中;若当前点p是不闭合曲线段的终点,则根据pointList中记录的点进行线段去除,如果不是终点则根据其8邻域点灰度值使点p定位到与点p相邻的下一个点;然后更新记录点p的八领域值的变量值,再判断当前点p是否处于该不闭合曲线段的终点,直到达到预先设定的次数。本发明通过使用该方法去除图像中不闭合的曲线段,可以有效地去除图像中所有的指定长度范围内的不闭合曲线,并且很好地保留了所有的闭合曲线段和想要保留的指定长度范围以外的不闭合曲线段。
附图说明
图1为本发明的像素点p的八邻域图像;
图2为本发明实施例中二值化图像;
图3为本发明实施例中细化结果图像;
图4为本发明处理之后的效果图。
具体实施方式
下面结合实施例来详细阐述本发明的去除图像中不闭合曲线段的具体实施方式。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
本发明的一种去除图像中不闭合曲线段的方法,包括如下步骤:
步骤1:对图像进行二值化,并通过细化,将图像中存在的曲线变成单像素曲线;在本实例中,二值化的结果如图2所示,细化后的结果如图3所示;
步骤2:遍历图像中像素点,找到一个不闭合曲线段的起点并且存储该点到pointList中,其中pointList表示用于存储该不闭合曲线段上像素点的数组;确定像素点p为不闭合曲线段的起点必须满足以下条件之一:
(2.1)B(p)=1
(2.2)B(p)=2并且C2(p)=1
(2.3)B(p)=3并且C3(p)=1
(2.4)B(p)=0
其中,B(p)为有序集{p0,p1,p2,p3,p4,p5,p6,p7}中非0元素的数量,p0,p1,p2,p3,p4,p5,p6,p7分别表示点p的8邻域点的灰度值;C2(p)为有序集{p0,p1,p2,p3,p4,p5,p6,p7}中“11”模式的数量,“11”模式指有序集中相邻两个元素为非0、并且该相邻两个元素两边相邻元素都为0的情况,有序集中首尾两个元素也为相邻元素;C3(p)为有序集{p0,p1,p2,p3,p4,p5,p6,p7}中“111”模式的数量,“111”模式指有序集中相邻三个元素为非0、并且该相邻三个元素两边相邻元素都为0的情况;在本实施例中,点p的8邻域点如图1所示;
步骤3:判断当前点p是否处于该不闭合曲线段的终点,如果不是终点则进行步骤4的处理;如果是终点则进行线段去除,具体处理步骤如下:
步骤3.1:若B(p)=0或B(p)>=3,则把所有存储在pointList中的n个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环,其中n表示pointList中元素的个数;
步骤3.2:若B(p)=2,按以下情况分别处理:若B(p)=2并且C2(p)=1,令p1,p3,p5,p7等于0,执行步骤4;其他B(p)=2的情况,则把存储在pointList中的0~n-1个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环;
步骤3.3:若B(p)=1,则执行步骤4;
步骤4:由当前点p定位到与点p相邻的下一个点,利用当前点p的8邻域点灰度值通过公式(1)和(2)进行处理:
其中x,y分别表示点p的横坐标和纵坐标;
步骤5:记录经过步骤4处理后的点p的8邻域点的灰度值,即更新p0,p1,p2,p3,p4,p5,p6,p7的值,如果8邻域点中有某个点的灰度值大于0,并且这个点在pointList中已经存在,则令记录该点灰度值的pk等于0,k=0,1,2,…,7,然后把点p存储到pointList中后进入步骤3循环,直到达到指定的次数,这个次数由预先设定,次数越大,能够去除的不闭合曲线段的长度越长,次数越小,能够去除的不闭合曲线段的长度越短,在本实例中,这个次数指定为1000,即可以去除图像中长度在1000以内的不闭合曲线段。如果循环次数达到了1000则把存储在pointList中的0~n个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环。最终得到如图4所示的效果,可以看到图像中长度在1000以内的不闭合线段都去除了。
Claims (2)
1.一种去除图像中不闭合曲线段的方法,其特征在于包括如下步骤:
步骤1:对图像进行二值化,并通过细化,将图像中存在的每条曲线变成单像素曲线;
步骤2:遍历图像中像素点,找到一个不闭合曲线段的起点并且存储该点到pointList中,其中pointList表示用于存储该不闭合曲线段上像素点的数组;
步骤3:判断当前点p是否处于该不闭合曲线段的终点,如果不是终点则进行步骤4的处理;如果是终点,则进行线段去除,具体处理步骤如下:
步骤3.1:若B(p)=0或B(p)≧3,则把所有存储在pointList中的n个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环,其中n表示pointList中元素的个数;
步骤3.2:若B(p)=2,按以下情况分别处理:若B(p)=2并且C2(p)=1,令p1,p3,p5,p7等于0,执行步骤4;其他B(p)=2的情况,则把存储在pointList中的0~n-1个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环;
步骤3.3:若B(p)=1,则执行步骤4;其中,B(p)为像素点p的八邻域值的有序集{p0,p1,p2,p3,p4,p5,p6,p7}中非0元素的数量,p0,p1,p2,p3,p4,p5,p6,p7分别表示点p的8邻域点的灰度值;C2(p)为有序集{p0,p1,p2,p3,p4,p5,p6,p7}中“11”模式的数量,“11”模式指有序集中相邻两个元素为非0、且该相邻两个元素两边相邻元素都为0,有序集中首尾两个元素也为相邻元素;C3(p)为有序集{p0,p1,p2,p3,p4,p5,p6,p7}中“111”模式的数量,“111”模式指有序集中相邻三个元素为非0、且该相邻三个元素两边相邻元素都为0,有序集中首尾两个元素也为相邻元素;
步骤4:由当前点p定位到与点p相邻的下一个点,利用当前点p的8邻域点灰度值通过公式(1)和(2)进行处理:
其中x,y分别表示点p的横坐标和纵坐标;
步骤5:记录经过步骤4处理后的点p的8邻域点的灰度值,即更新p0,p1,p2,p3,p4,p5,p6,p7的值,如果8邻域点中有某个点的灰度值大于0,并且这个点在pointList中已经存在,则令记录该点灰度值的pk等于0,k=0,1,2,…,7,然后把点p存储到pointList中后进入步骤3循环,直到达到预先设定的次数,则把存储在pointList中的0~n个像素点的灰度值全部置0,即去除该线段,然后进入步骤2循环,直到遍历完图像中所有像素点则结束循环。
2.根据权利要求1所述的一种去除图像中不闭合曲线段的方法,其特征在于确定像素点p为不闭合曲线段的起点必须满足以下条件之一:
2.1)B(p)=1
2.2)B(p)=2并且C2(p)=1
2.3)B(p)=3并且C3(p)=1
2.4)B(p)=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611258093.3A CN106815815B (zh) | 2016-12-30 | 2016-12-30 | 一种去除图像中不闭合曲线段的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611258093.3A CN106815815B (zh) | 2016-12-30 | 2016-12-30 | 一种去除图像中不闭合曲线段的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106815815A true CN106815815A (zh) | 2017-06-09 |
CN106815815B CN106815815B (zh) | 2019-05-24 |
Family
ID=59110703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611258093.3A Active CN106815815B (zh) | 2016-12-30 | 2016-12-30 | 一种去除图像中不闭合曲线段的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106815815B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470144A (zh) * | 2018-01-31 | 2018-08-31 | 浙江工业大学 | 一种基于曲线分段的汽车方向盘检测方法 |
CN108470145A (zh) * | 2018-01-31 | 2018-08-31 | 浙江工业大学 | 一种基于曲线斜率变化的汽车方向盘检测方法 |
CN114332148A (zh) * | 2021-12-14 | 2022-04-12 | 成都乐信圣文科技有限责任公司 | 用于线框图的未闭合线段的检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661612A (zh) * | 2009-07-27 | 2010-03-03 | 北京航空航天大学 | 基于伪细节点单形的指纹图像修复方法 |
WO2012061669A3 (en) * | 2010-11-05 | 2012-07-12 | Cytognomix,Inc. | Centromere detector and method for determining radiation exposure from chromosome abnormalities |
CN103136387A (zh) * | 2011-11-25 | 2013-06-05 | 鸿富锦精密工业(深圳)有限公司 | 边界线图形检查处理系统及方法 |
CN105761271A (zh) * | 2016-03-16 | 2016-07-13 | 武汉大学 | 核安全壳表面缺陷自动检测方法及系统 |
-
2016
- 2016-12-30 CN CN201611258093.3A patent/CN106815815B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661612A (zh) * | 2009-07-27 | 2010-03-03 | 北京航空航天大学 | 基于伪细节点单形的指纹图像修复方法 |
WO2012061669A3 (en) * | 2010-11-05 | 2012-07-12 | Cytognomix,Inc. | Centromere detector and method for determining radiation exposure from chromosome abnormalities |
CN103136387A (zh) * | 2011-11-25 | 2013-06-05 | 鸿富锦精密工业(深圳)有限公司 | 边界线图形检查处理系统及方法 |
CN105761271A (zh) * | 2016-03-16 | 2016-07-13 | 武汉大学 | 核安全壳表面缺陷自动检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
F BURKERT 等: "Real‐time object detection with sub‐pixel accuracy using the level set method", 《THE PHOTOGRAMMETRIC RECORD》 * |
夏涛 等: "基于局部灰度分析的红外图像轮廓跟踪算法", 《激光与红外》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470144A (zh) * | 2018-01-31 | 2018-08-31 | 浙江工业大学 | 一种基于曲线分段的汽车方向盘检测方法 |
CN108470145A (zh) * | 2018-01-31 | 2018-08-31 | 浙江工业大学 | 一种基于曲线斜率变化的汽车方向盘检测方法 |
CN108470145B (zh) * | 2018-01-31 | 2021-03-16 | 浙江工业大学 | 一种基于曲线斜率变化的汽车方向盘检测方法 |
CN108470144B (zh) * | 2018-01-31 | 2021-05-04 | 浙江工业大学 | 一种基于曲线分段的汽车方向盘检测方法 |
CN114332148A (zh) * | 2021-12-14 | 2022-04-12 | 成都乐信圣文科技有限责任公司 | 用于线框图的未闭合线段的检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106815815B (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784344B (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
CN109977798B (zh) | 用于行人重识别的掩膜池化模型训练和行人重识别方法 | |
CN109409205B (zh) | 基于线间距特征点聚类的航拍视频公路车道线检测方法 | |
CN109785291A (zh) | 一种车道线自适应检测方法 | |
CN111784747B (zh) | 一种基于关键点检测和校正的车辆多目标跟踪系统及方法 | |
CN110782477A (zh) | 基于序列图像的运动目标快速检测方法、计算机视觉系统 | |
CN106815815A (zh) | 一种去除图像中不闭合曲线段的方法 | |
CN110414385B (zh) | 一种基于单应性变换和特征窗口的车道线检测方法及系统 | |
CN106845495B (zh) | 一种图像中断裂曲线闭合方法 | |
CN104282027B (zh) | 一种基于Hough变换的圆检测方法 | |
CN103729828B (zh) | 视频去雨方法 | |
CN103577828B (zh) | 一种基于边缘特征的道路检测方法 | |
CN108710883B (zh) | 一种采用轮廓检测的完整显著性物体检测方法 | |
US9342731B1 (en) | System and method for identification of fingerprints | |
CN107122732B (zh) | 一种监控场景下高鲁棒性的快速车牌定位方法 | |
CN109101985A (zh) | 一种基于自适应邻域测试的图像误匹配点对剔除方法 | |
CN103714517A (zh) | 视频去雨方法 | |
CN112084957B (zh) | 一种移动目标滞留检测方法及系统 | |
CN110765856B (zh) | 基于卷积的低质量手指静脉图像边缘检测算法 | |
CN112069924A (zh) | 车道线检测方法、装置及计算机可读存储介质 | |
CN109934193B (zh) | 全局上下文先验约束的抗遮挡人脸超分辨率方法及其系统 | |
CN108229327B (zh) | 一种基于背景重建的车道线检测方法、装置与系统 | |
JP2007189432A (ja) | 車両用撮像装置 | |
KR101910256B1 (ko) | 카메라 기반 도로 곡률 추정을 위한 차선 검출 방법 및 시스템 | |
Gu et al. | Robust road lane detection using extremal-region enhancement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |