CN106898082B - 一种图像污损判定的方法及装置 - Google Patents
一种图像污损判定的方法及装置 Download PDFInfo
- Publication number
- CN106898082B CN106898082B CN201710152878.0A CN201710152878A CN106898082B CN 106898082 B CN106898082 B CN 106898082B CN 201710152878 A CN201710152878 A CN 201710152878A CN 106898082 B CN106898082 B CN 106898082B
- Authority
- CN
- China
- Prior art keywords
- stained
- mean value
- grade
- pixel
- image
- 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
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/181—Testing mechanical properties or condition, e.g. wear or tear
- G07D7/187—Detecting defacement or contamination, e.g. dirt
-
- 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
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像污损判定的方法及装置,该方法包括:获取待测图像的特征区域;对所述特征区域进行分块处理,获得至少两个块区域;根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级。本发明实施例能够获得污损特征的细节,将整体与细节相结合,判定出的污损等级和实际情况吻合度高,提升了图像污损等级判定的准确性,运算简单,耗时少,提高了判定图像污损等级的效率。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种图像污损判定的方法及装置。
背景技术
目前,随着市场上纸币流通量不断增加,在流通领域的各个环节出现了许多在纸币上涂写、绘画、签名等污损纸币的情况,判定纸币的污损等级,及时处理污损纸币是必不可少的工作。
纸币污损区域通常表现为图像像素的灰度值较暗,现有技术中,通过设定阈值,直接统计图像像素灰度值小于阈值的点来判定图像污损等级,方法简单,判定速度快,但是,该方法是以图像污损区域整体来考虑的,只统计了图像污损区域的整体情况,忽视了图像污损区域的具体细节,以至于对纸币污损等级的判定不够准确,或者通过将图像灰度值较暗的像素点作为可疑点,计算邻域内可疑点的连续长度来获取纸币污损的情况,算法复杂,计算量大,导致污损判定的效率较低。
发明内容
本发明实施例提供一种图像污损判定的方法及装置,以解决现有技术中污 损判定不准确、效率低的问题。
第一方面,本发明实施例提供了一种图像污损判定的方法,包括:
获取待测图像的特征区域;
对所述特征区域进行分块处理,获得至少两个块区域;
根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级。
进一步地,根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级,包括:
计算所述特征区域中块区域的像素灰度均值;
获取所述特征区域的灰度平均值,将所述灰度平均值的设定比例作为均值阈值,计算所述像素灰度均值小于等于所述均值阈值的块区域的数量;
根据预设判定标准对所述块区域的数量进行判定,确定待测图像的污损等级。
进一步地,计算所述特征区域中块区域的像素灰度均值,包括:
按照灰度等级统计所述块区域中不同等级下的像素点的数量,并计算全部等级的像素点的总数量;
按照灰度等级由小到大的顺序,将各灰度等级下的像素点数量进行累加;
如果累加的数量值达到所述像素点的总数量的预设比例时,则以当前累加的像素点所对应的灰度值为停止点,计算累加像素值的灰度平均值作为像素灰度均值。
进一步地,根据预设判定标准对所述块区域的数量进行判定,确定待测图像的污损等级,包括:
选取至少两个污损等级最低级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最低级判定标准;
选取至少两个污损等级最高级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最高级判定标准。
进一步地,根据所述最低级判定标准和最高级判定标准,利用线性插值的方法,获取污损判定的各个等级的标准,根据所述各个等级的标准,对所述待测图像像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级。
第二方面,本发明实施例还提供了一种图像污损判定的装置,包括:
特征区域获取模块,用于获取待测图像的特征区域;
分块处理模块,用于对所述特征区域进行分块处理,获得至少两个块区域;
污损等级判定模块,用于根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级。
进一步地,所述污损等级判定模块包括:
像素灰度均值计算子模块,用于计算所述特征区域中块区域的像素灰度均值;
块区域数量计算子模块,用于获取所述特征区域的灰度平均值,将所述灰度平均值的设定比例作为均值阈值,计算所述像素灰度均值小于等于所述均值阈值的块区域的数量;
污损等级判定子模块,用于根据预设判定标准对所述块区域的数量进行判 定,确定待测图像的污损等级。
进一步地,所述像素灰度均值计算子模块包括:
统计单元,用于按照灰度等级统计所述块区域中不同等级下的像素点的数量,并计算全部等级的像素点的总数量;
累加单元,用于按照灰度等级由小到大的顺序,将各灰度等级下的像素点数量进行累加;
计算单元,用于如果累加的数量值达到所述像素点的总数量的预设比例时,则以当前累加的像素点所对应的灰度值为停止点,计算累加像素值的灰度平均值作为像素灰度均值。
进一步地,所述污损等级判定子模块包括:
最低级判定单元,用于选取至少两个污损等级最低级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最低级判定标准;
最高级判定单元,用于选取至少两个污损等级最高级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最高级判定标准。
进一步地,所述污损等级判定子模块还包括:
污损等级判定单元,用于根据所述最低级判定标准和最高级判定标准,利用线性插值的方法,获取污损判定的各个等级的标准,根据所述各个等级的标准,对所述待测图像像素灰度均值小于等于均值阈值的块区域的数量进行判定,确定待测图像的污损等级。
本发明实施例通过对待测图像特征区域进行分块处理,能够获得污损特征 的细节,获取像素灰度均值小于等于均值阈值的块区域的数量,以此来确定待测图像的污损等级,将整体与细节相结合,判定出的污损等级和实际情况吻合度高,提升了图像污损等级判定的准确性,运算简单,耗时少,提高了判定图像污损等级的效率。
附图说明
图1是本发明实施例一中的一种图像污损判定的方法的流程图;
图2是本发明实施例二中的一种图像污损判定的方法的流程图;
图3是本发明实施例三中的一种图像污损判定的方法的流程图;
图4是本发明实施例四中的一种图像污损判定的方法的流程图;
图5是本发明实施例五中的一种图像污损判定的装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种图像污损判定的方法的流程图,本实施例可适用于通过图像处理技术来进行纸币、纸张等污损等级判定的情况,该方法可以由一种图像污损判定的装置来执行,该装置可以采用软件和/或硬件的方式实现。
本发明实施例一的方法具体包括:
S101、获取待测图像的特征区域。
具体的,在可见光的条件下,利用图像传感器采集灰度图像,截取灰度图像的特征区域,本实施例中,以100元的人民币图像为例,图像分辨率可以为200dpi*150dpi,由于人民币图像中任何相对空白的区域会被作为涂写、绘画或签字的对象,截取任何相对空白的区域作为特征区域,可以截取人民币图像的固定人像区域或白水印区域作为特征区域,对特征区域进行污损等级的判定。
S102、对所述特征区域进行分块处理,获得至少两个块区域。
具体的,根据图像的物理位置和图像分辨率,能够映射出图像像素的位置,利用图像分块处理技术对截取的特征区域进行分块处理,以图像的行和列为参考,例如,可以分成10*10像素的块区域。对每个块区域进行统计计算,获取污损的细节特征。
S103、根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级。
本实施例中,计算截取的特征区域的灰度平均值,将灰度平均值的设定比例作为均值阈值,例如,可以将设定比例设置为百分之六十,则计算灰度平均值的百分之六十作为均值阈值。在特征区域中获取一个块区域作为当前的处理目标,获取当前处理目标的像素灰度均值,返回执行在特征区域中获取一个块区域作为当前处理目标的操作,直至完成对特征区域中全部块区域的像素灰度均值的计算,通过将像素灰度均值与均值阈值进行比较,计算出像素灰度均值小于等于均值阈值的块区域的数量。将上述块区域的数量和各个污损等级的标准进行比较,判定待测图像的污损等级。
本发明实施例一提供的一种图像污损判定的方法,能够获得污损特征的细节,判定出的污损等级和实际情况吻合度高,提升了图像污损等级判定的准确性,运算简单,耗时少,提高了判定图像污损等级的效率。
实施例二
图2为本发明实施例二提供的一种图像污损判定的方法的流程图,本发明实施例二以实施例一为基础进行了优化,具体是对根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级的操作进一步优化,如图2所示,本发明实施例二的具体包括:
S201、获取待测图像的特征区域。
S202、对所述特征区域进行分块处理,获得至少两个块区域。
S203、计算所述特征区域中块区域的像素灰度均值。
具体的,统计每个块区域的灰度值,对灰度值较小的像素点个数进行累加,到达预设比例时停止,计算累加像素点所对应的灰度值的平均值,作为像素灰度均值,完成特征区域中所有块区域的像素灰度均值的计算。
S204、获取所述特征区域的灰度平均值,将所述灰度平均值的设定比例作为均值阈值,计算所述像素灰度均值小于等于所述均值阈值的块区域的数量。
具体的,预先设置均值阈值,首先计算特征区域像素灰度值的平均值,然后将特征区域像素灰度值的平均值与设定比例相乘,结果作为均值阈值,其中,设定比例依据实际情况而确定,范围在0-100%之间。将每个块区域的像素灰度均值与均值阈值进行比较,计算出像素灰度均值小于等于均值阈值的块区域的数量。
S205、根据预设判定标准对所述块区域的数量进行判定,确定待测图像的 污损等级。
具体的,预先设置预设判定标准,首先获得最低级判定标准,然后获得最高级判定标准,以最低级判定标准作为起点,以最高级判定标准作为终点,做线性插值运算,获取每个污损等级的标准。将计算出的上述块区域数量与每个污损等级的标准进行对比,确定待测图像的污损等级。
本发明实施例二提供的一种图像污损判定的方法,通过对特征区域每个块区域的统计计算,避免了仅从整体考虑图像污损特征,而忽视了图像污损特征具体细节的情况,提升了污损等级判定的准确性。
实施例三
图3为本发明实施例三提供的一种图像污损判定的方法的流程图,本发明实施例三以上述各实施例为基础进行了优化改进,对计算所述特征区域中块区域的像素灰度均值进行了进一步说明,如图3所示,本发明实施例三的方法具体包括:
S301、获取待测图像的特征区域。
S302、对所述特征区域进行分块处理,获得至少两个块区域。
S303、按照灰度等级统计所述块区域中不同等级下的像素点的数量,并计算全部等级的像素点的总数量。
S304、按照灰度等级由小到大的顺序,将各灰度等级下的像素点数量进行累加。
S305、如果累加的数量值达到所述像素点的总数量的预设比例时,则以当前累加的像素点所对应的灰度值为停止点,计算累加像素值的灰度平均值作为像素灰度均值。
本实施例中,灰度图像包含256个灰度等级,不同的灰度等级对应的像素点的数量也不同。以人民币图像为例,对人民币图像特征区域的块区域计算像素灰度均值,首先统计块区域不同灰度等级下的各灰度等级分别对应的像素点的个数,并计算全部灰度等级的像素点的总数量。然后,从最低的灰度等级开始,依次将不同灰度等级所对应的各像素点进行相加,直到不同灰度等级所对应的像素点个数和达到像素点的总数量的预设比例时停止,计算累加像素点对应的灰度值的平均值作为像素灰度均值。其中,预设比例的范围为0-100%,根据实际情况而确定,例如,可以设置为10%,则统计块区域中灰度值最暗的10%的像素点。对特征区域的全部块区域进行统计,计算出全部块区域的像素灰度均值。
S306、获取所述特征区域的灰度平均值,将所述灰度平均值的设定比例作为均值阈值,计算所述像素灰度均值小于等于所述均值阈值的块区域的数量。
S307、根据预设判定标准对所述块区域的数量进行判定,确定待测图像的污损等级。
本发明实施例三提供的一种图像污损判定的方法,通过统计方法计算出全部块区域的像素灰度均值,获取图像污损的细节特征,提升了污损等级判定的准确性。
实施例四
图4为本发明实施例四提供的一种图像污损判定的方法的流程图,本发明实施例四以上述各实施例为基础进行了优化改进,对根据预设判定标准对所述块区域的数量进行判定,确定待测图像的污损等级进行了进一步说明,如图4所示,本发明实施例四的方法具体包括:
S401、获取待测图像的特征区域。
S402、对所述特征区域进行分块处理,获得至少两个块区域。
S403、计算所述特征区域中块区域的像素灰度均值。
S404、获取所述特征区域的灰度平均值,将所述灰度平均值的设定比例作为均值阈值,计算所述像素灰度均值小于等于所述均值阈值的块区域的数量。
S405、选取至少两个污损等级最低级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最低级判定标准;
S406、选取至少两个污损等级最高级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最高级判定标准。
S407、根据所述最低级判定标准和最高级判定标准,利用线性插值的方法,获取污损判定的各个等级的标准,根据所述各个等级的标准,对所述待测图像像素灰度均值小于等于均值阈值的块区域的数量进行判定,确定待测图像的污损等级。
本实施例中,预先设置污损判定标准,首先设置污损程度最低级判定标准,例如污损程度为0级判定标准,以100元人民币图像为例,可以选取10张全新的100元人民币纸币,作为污损等级最低级的目标图像。对10张全新的100元人民币图像截取相同的特征区域,选取10张全新100元人民币其中的一张作为当前处理目标,对当前处理目标的特征区域进行分块处理,对特征区域的全部块区域进行灰度均值的计算,获取像素灰度均值小于等于均值阈值的块区域的数量,即特征块的数量,直至完成对10张全新100元人民币的特征块的数量的 获取。对上述10个特征块的数量求平均值,作为污损程度最低级判定标准。
然后,设置污损程度最高级判定标准,例如污损程度为10级,但不限于10级判定标准,以100元人民币图像为例,可以选取10张污损严重的100元人民币纸币,作为污损等级最高级的目标图像。对10张污损严重的100元人民币图像截取相同的特征区域,选取10张污损严重的100元人民币其中的一张作为当前处理目标,对当前处理目标的特征区域进行分块处理,对特征区域的全部块区域进行灰度均值的计算,获取像素灰度均值小于等于均值阈值的块区域的数量,即特征块的数量,直至完成对10张污损严重的100元人民币的特征块的数量的获取。对上述10个特征块的数量求平均值,作为污损程度最高级判定标准。
最后,以污损程度最低级判定标准对应的特征块的数量为起始点,将污损程度最高级判定标准对应的特征块的数量作为终点,进行线性插值计算,获取各个污损等级的标准对应的特征块的数量。例如,以污损程度为0级的判定标准对应的特征块的数量为起点,将污损程度为10级的判定标准对应的特征块的数量作为终点,进行线性插值计算,获取其它9个等级的污损判定标准对应的特征块数量。根据计算出的待测图像的像素灰度均值小于等于均值阈值的块区域的数量,判定其所属的污损等级。
本发明实施例四提供的一种图像污损判定的方法,通过预先计算污损程度判定的各个等级标准,根据所述待测图像像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级,提升了图像污损等级判定的准确性。
实施例五
图5是本发明实施例五中的一种图像污损判定的装置的结构示意图,该装 置适用于通过图像处理技术来进行纸币、纸张等污损等级判定的情况。如图5所示,装置包括:
特征区域获取模块501,用于获取待测图像的特征区域;
分块处理模块502,用于对所述特征区域进行分块处理,获得至少两个块区域;
污损等级判定模块503,用于根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级。
本发明实施例通过对待测图像特征区域进行分块处理,能够获得污损特征的细节,获取像素灰度均值小于等于均值阈值的块区域的数量,以此来确定待测图像的污损等级,将整体与细节相结合,判定出的污损等级和实际情况吻合度高,提升了图像污损等级判定的准确性,运算简单,耗时少,提高了判定图像污损等级的效率。
在上述各实施例的基础上,所述污损等级判定模块可以包括:
像素灰度均值计算子模块,用于计算所述特征区域中块区域的像素灰度均值;
块区域数量计算子模块,用于获取所述特征区域的灰度平均值,将所述灰度平均值的设定比例作为均值阈值,计算所述像素灰度均值小于等于所述均值阈值的块区域的数量;
污损等级判定子模块,用于根据预设判定标准对所述块区域的数量进行判定,确定待测图像的污损等级。
在上述各实施例的基础上,所述像素灰度均值计算子模块可以包括:
统计单元,用于按照灰度等级统计所述块区域中不同等级下的像素点的数 量,并计算全部等级的像素点的总数量;
累加单元,用于按照灰度等级由小到大的顺序,将各灰度等级下的像素点数量进行累加;
计算单元,用于如果累加的数量值达到所述像素点的总数量的预设比例时,则以当前累加的像素点所对应的灰度值为停止点,计算累加像素值的灰度平均值作为像素灰度均值。
在上述各实施例的基础上,所述污损等级判定子模块可以包括:
最低级判定单元,用于选取至少两个污损等级最低级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最低级判定标准;
最高级判定单元,用于选取至少两个污损等级最高级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最高级判定标准。
在上述各实施例的基础上,所述污损等级判定子模块还可以包括:
污损等级判定单元,用于根据所述最低级判定标准和最高级判定标准,利用线性插值的方法,获取污损判定的各个等级的标准,根据所述各个等级的标准,对所述块区域的数量进行判定,确定待测图像的污损等级。
本实施例中,利用特征区域获取模块,获取待测图像的特征区域,通过分块处理模块对特征区域进行分块处理,获得至少两个块区域,在污损等级判定模块中,计算特征区域的平均值,获得均值阈值,通过统计每个块区域的像素灰度等级,计算每个块区域的像素灰度均值,获取像素灰度均值小于等于均值阈值的块区域的数量,和预先设置好的污损程度各个等级的标准进行比较,确 定待测图像的污损等级。
本发明实施例五提供的一种图像污损判定的装置,能够根据污损特征的细节来确定待测图像的污损等级,将整体与细节相结合,提升了图像污损等级判定的准确性,运算简单,耗时少,提高了判定图像污损等级的效率,可应用范围广。
本发明实施例提供的图像污损判定的装置可执行本发明任意实施例提供的图像污损判定的方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种图像污损判定的方法,其特征在于,包括:
获取待测图像的特征区域;
对所述特征区域进行分块处理,获得至少两个块区域;
根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级;
其中,所述根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级,包括:
计算所述特征区域中块区域的像素灰度均值;
获取所述特征区域的灰度平均值,将所述灰度平均值的设定比例作为均值阈值,计算所述像素灰度均值小于等于所述均值阈值的块区域的数量;
根据预设判定标准对所述块区域的数量进行判定,确定待测图像的污损等级;
其中,所述计算所述特征区域中块区域的像素灰度均值,包括:
按照灰度等级统计所述块区域中不同等级下的像素点的数量,并计算全部等级的像素点的总数量;
按照灰度等级由小到大的顺序,将各灰度等级下的像素点数量进行累加;
如果累加的数量值达到所述像素点的总数量的预设比例时,则以当前累加的像素点所对应的灰度值为停止点,计算累加像素值的灰度平均值作为像素灰度均值。
2.根据权利要求1所述的方法,其特征在于,根据预设判定标准对所述块区域的数量进行判定,确定待测图像的污损等级,包括:
选取至少两个污损等级最低级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最低级判定标准;
选取至少两个污损等级最高级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最高级判定标准。
3.根据权利要求2所述的方法,其特征在于,根据所述最低级判定标准和最高级判定标准,利用线性插值的方法,获取污损判定的各个等级的标准,根据所述各个等级的标准,对所述待测图像像素灰度均值小于等于均值阈值的块区域的数量进行判定,确定待测图像的污损等级。
4.一种图像污损判定的装置,其特征在于,包括:
特征区域获取模块,用于获取待测图像的特征区域;
分块处理模块,用于对所述特征区域进行分块处理,获得至少两个块区域;
污损等级判定模块,用于根据像素灰度均值小于等于均值阈值的块区域的数量,确定待测图像的污损等级;
所述污损等级判定模块包括:
像素灰度均值计算子模块,用于计算所述特征区域中块区域的像素灰度均值;
块区域数量计算子模块,用于获取所述特征区域的灰度平均值,将所述灰度平均值的设定比例作为均值阈值,计算所述像素灰度均值小于等于所述均值阈值的块区域的数量;
污损等级判定子模块,用于根据预设判定标准对所述块区域的数量进行判定,确定待测图像的污损等级;
所述像素灰度均值计算子模块包括:
统计单元,用于按照灰度等级统计所述块区域中不同等级下的像素点的数量,并计算全部等级的像素点的总数量;
累加单元,用于按照灰度等级由小到大的顺序,将各灰度等级下的像素点数量进行累加;
计算单元,用于如果累加的数量值达到所述像素点的总数量的预设比例时,则以当前累加的像素点所对应的灰度值为停止点,计算累加像素值的灰度平均值作为像素灰度均值。
5.根据权利要求4所述的装置,其特征在于,所述污损等级判定子模块包括:
最低级判定单元,用于选取至少两个污损等级最低级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最低级判定标准;
最高级判定单元,用于选取至少两个污损等级最高级的目标图像,获取所述目标图像像素灰度均值小于等于均值阈值的块区域的数量,计算所述目标图像块区域数量的平均值作为最高级判定标准。
6.根据权利要求5中所述的装置,其特征在于,所述污损等级判定子模块还包括:
污损等级判定单元,用于根据所述最低级判定标准和最高级判定标准,利用线性插值的方法,获取污损判定的各个等级的标准,根据所述各个等级的标准,对所述待测图像像素灰度均值小于等于均值阈值的块区域的数量进行判定,确定待测图像的污损等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710152878.0A CN106898082B (zh) | 2017-03-15 | 2017-03-15 | 一种图像污损判定的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710152878.0A CN106898082B (zh) | 2017-03-15 | 2017-03-15 | 一种图像污损判定的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106898082A CN106898082A (zh) | 2017-06-27 |
CN106898082B true CN106898082B (zh) | 2019-08-27 |
Family
ID=59192272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710152878.0A Active CN106898082B (zh) | 2017-03-15 | 2017-03-15 | 一种图像污损判定的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106898082B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481391B (zh) * | 2017-07-03 | 2019-11-19 | 广州广电运通金融电子股份有限公司 | 纸币涂鸦的检测方法及装置 |
CN107705415A (zh) * | 2017-10-25 | 2018-02-16 | 深圳怡化电脑股份有限公司 | 一种纸币字迹污损的检测方法及检测设备 |
CN108921838A (zh) * | 2018-06-29 | 2018-11-30 | 北京字节跳动网络技术有限公司 | 用于检测图像的方法和装置 |
CN111415450B (zh) * | 2019-01-08 | 2022-03-08 | 深圳怡化电脑股份有限公司 | 票据涂改的检测方法及其检测装置、计算机存储介质 |
CN110766683B (zh) * | 2019-10-30 | 2022-02-18 | 中国计量大学 | 一种珍珠光洁度等级检测方法及系统 |
CN111275704B (zh) * | 2020-02-28 | 2022-07-26 | 昆山国显光电有限公司 | 掩膜板的污渍检测方法和设备 |
CN112669290A (zh) * | 2020-12-30 | 2021-04-16 | 稿定(厦门)科技有限公司 | 图像比对方法及装置 |
CN114255540A (zh) * | 2022-01-25 | 2022-03-29 | 中国农业银行股份有限公司 | 一种污损纸币的识别方法、装置、设备和存储介质 |
CN115619998B (zh) * | 2022-11-30 | 2023-03-21 | 浙江绿维环境股份有限公司 | 一种基于图像的污水等级识别方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799434B (zh) * | 2010-03-15 | 2011-06-29 | 深圳市中钞科信金融科技有限公司 | 一种印刷图像缺陷检测方法 |
CN102682514B (zh) * | 2012-05-17 | 2014-07-02 | 广州广电运通金融电子股份有限公司 | 一种纸类识别方法及相关装置 |
CN103489255B (zh) * | 2013-08-23 | 2016-04-06 | 广州智萃电子科技有限公司 | 一种钞票污损检测装置和方法 |
CN104978748B (zh) * | 2015-07-06 | 2018-01-12 | 电子科技大学 | 一种基于局部像素值的液晶屏缺陷检测方法 |
-
2017
- 2017-03-15 CN CN201710152878.0A patent/CN106898082B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106898082A (zh) | 2017-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106898082B (zh) | 一种图像污损判定的方法及装置 | |
CN109741356B (zh) | 一种亚像素边缘检测方法及系统 | |
CN109035276B (zh) | 一种图像边缘提取方法、装置及自动驾驶系统 | |
US7508550B2 (en) | Image correcting apparatus and method, and image correcting program, and look-up table creating apparatus and method, and look-up table creating program | |
KR101390756B1 (ko) | 안면 특징 검출 방법 및 장치 | |
US20040190787A1 (en) | Image noise reduction | |
US8090214B2 (en) | Method for automatic detection and correction of halo artifacts in images | |
CN108596878B (zh) | 图像清晰度评价方法 | |
CN109005368B (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN110473189A (zh) | 一种文本图像清晰度判断方法及系统 | |
CN101916431A (zh) | 一种低照度图像数据处理方法及系统 | |
CN110390306A (zh) | 直角车位的检测方法、车辆和计算机可读存储介质 | |
CN109829858A (zh) | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 | |
CN110288560B (zh) | 一种图像模糊检测方法及装置 | |
CN105761256B (zh) | 图像的亚像素边缘直线获取方法及装置 | |
CN110086961A (zh) | 一种针对OLED屏的DeMURA算法 | |
CN110807406B (zh) | 一种雾天检测方法及装置 | |
CN117593193B (zh) | 一种基于机器学习的钣金图像增强方法及系统 | |
KR20220088832A (ko) | 인감스캐너를 이용한 인감대사 지원 방법 | |
CN106898085A (zh) | 识别纸币面向的方法及装置 | |
WO2019007164A1 (zh) | 纸币涂鸦的检测方法及装置 | |
JP2003162719A (ja) | ディジタルイメージの中のパターンの検出 | |
CN106951902B (zh) | 一种图像二值化处理方法及装置 | |
CN105389818B (zh) | 元件的定位方法和系统 | |
CN115619678B (zh) | 一种图像变形的矫正方法、装置、计算机设备及存储介质 |
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 |