CN107038707A - 一种图像分割方法及装置 - Google Patents

一种图像分割方法及装置 Download PDF

Info

Publication number
CN107038707A
CN107038707A CN201610072384.7A CN201610072384A CN107038707A CN 107038707 A CN107038707 A CN 107038707A CN 201610072384 A CN201610072384 A CN 201610072384A CN 107038707 A CN107038707 A CN 107038707A
Authority
CN
China
Prior art keywords
image
region
edge
sub
split
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
Application number
CN201610072384.7A
Other languages
English (en)
Other versions
CN107038707B (zh
Inventor
陈碧泉
谢迪
朱江
浦世亮
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201610072384.7A priority Critical patent/CN107038707B/zh
Publication of CN107038707A publication Critical patent/CN107038707A/zh
Application granted granted Critical
Publication of CN107038707B publication Critical patent/CN107038707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供的一种图像分割方法及装置，该方法包括：获得待分割图像并进行边缘提取，生成边缘图像；将边缘图像划分成多个图像区域；获得每个图像区域内边缘的第一边缘分布信息，筛选待细分图像区域；按照预设的图像细分规则，对待细分图像区域进行细分处理，获得待细分图像区域的子图像区域；获得子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，筛选待合并图像区域；按照预设的图像合并规则，对待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果。应用本发明实施例提供的图像分割方法，降低了待分割图像中的目标被打散的程度，提高了目标提取的准确率。

Description

一种图像分割方法及装置
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像分割方法及装置。
背景技术
图像分割是指把图像分成若干个特定的、具有独特性质的区域。一般的，图像分割是进行图像识别前的一个重要环节，没有正确的图像分割就难以有正确的图像识别。
现有技术中提供了这样一种图像分割方案：首先，利用常规的边缘提取算法对待分割图像进行边缘提取，得到待分割图像的边缘图像；接着，基于田字格图像区域划分规则，将该边缘图像划分成多个图像区域，然后，按照预设的边缘过滤规则，对所划分的图像区域中的边缘进行过滤；最后，将经过边缘过滤处理后的边缘图像中的边缘进行边缘连接，获得该待分割图像的多个连通域，并根据所获得的多个连通域提取待分割图像的目标。
上述方案虽能够实现对图像的分割，但由于上述方案中对所获得的边缘图像进行的是田字格划分，该田字格划分规则中一旦所利用的田字格模板的尺寸确定之后，待分割图像被划分出的图像区域的数量也就确定了，例如，选用尺寸为3×3的田字格模板可将待分割图像划分成9个等大小的图像区域，等等，且划分之后的图像区域不可以进行局部的划分与合并。其中，田字格模板中的格子数量越多则称为田字格模板的尺寸越大，可见，选用的田字格模板的尺寸越大，待分割图像被划分出的图像区域的数量也就越多，导致待分割图像中的目标被打散的程度越厉害，因此容易破坏目标对象的完整性，影响了从待分割图像中提取目标的准确率。
发明内容
本发明实施例的目的在于提供一种图像分割方法及装置，降低待分割图像中的目标被打散的程度，以提高从待分割图像中提取目标的准确率。
为达到上述目的，本发明实施例公开了一种图像分割方法，所述方法包括：
获得待分割图像并对所述待分割图像进行边缘提取，生成所述待分割图像的边缘图像；
按照预设的区域划分规则，将所述边缘图像划分成多个图像区域；
获得每个图像区域内边缘的第一边缘分布信息，根据所述第一边缘分布信息筛选待细分图像区域；
按照预设的图像细分规则，对所述待细分图像区域进行细分处理，获得所述待细分图像区域的子图像区域，其中，所述预设的图像细分规则包括：与图像区域内包含的边缘数量相关的细分规则；
获得所述子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，根据所述第二边缘分布信息筛选待合并图像区域；
按照预设的图像合并规则，对所述待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，其中，所述预设的图像合并规则包括：与子图像区域以及未经过细分处理的图像区域中的每一个图像区域内包含的边缘数量相关的合并规则。
可选的，所述按照预设的区域划分规则，将所述边缘图像划分成多个图像区域，包括：
分别沿水平方向和竖直方向对所述待分割图像进行划分，得到(M+1)*(N+1)个图像区域；其中，M为水平方向分割线的数量，N为竖直方向分割线的数量，M、N均为非负整数。
可选的，所述按照预设的图像细分规则，对所述待细分图像区域进行细分处理，获得所述待细分图像区域的子图像区域，包括：
对划分得到的图像区域A进行虚拟细分，得到S个虚拟子图像区域；
计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，其中，i＝1，2，…，S；
在存在使得表达式PA<Pi成立的虚拟子图像区域的情况下，按照所述图像区域A细分得到所述S个虚拟子图像区域的细分方式，将所述图像区域A细分成S个子图像区域，其中，所述S个子图像区域与所述S个虚拟子图像区域一致。
可选的，所述计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，包括：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Ldiagonal为一个图像区域对角线的长度。
可选的，所述计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，包括：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Lperimeter为一个图像区域的周长。
可选的，所述按照预设的图像合并规则，对所述待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，包括：
对划分得到的子图像区域和未划分子图像区域的图像区域中的R个图像区域进行虚拟合并，得到图像区域B；
计算所述R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj以及所述图像区域B内包含的边缘的平均分布信息PB，其中，j＝1，2，…，R；
在所述R个图像区域中的每一图像区域均使得表达式PB＞Pj成立的情况下，按照所述R个图像区域合并得到所述图像区域B的合并方式，将所述R个图像区域合并为一个图像区域，其中，合并后得到的图像区域与所述图像区域B一致。
可选的，所述按照预设的图像合并规则，对所述待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，包括：
将合并处理后得到的各个图像区域内包含的边缘数量最多的图像区域确定为目标图像区域；
对所确定的目标图像区域中的边缘进行连接，生成连通域，确定所述连通域为针对待分割图像的图像分割结果。
为达到上述目的，本发明实施例公开了一种图像分割装置，所述装置包括：
边缘图像生成模块，用于获得待分割图像并对所述待分割图像进行边缘提取，生成所述待分割图像的边缘图像；
图像区域划分模块，用于按照预设的区域划分规则，将所述边缘图像划分成多个图像区域；
待细分区域筛选模块，用于获得每个图像区域内边缘的第一边缘分布信息，根据所述第一边缘分布信息筛选待细分图像区域；
图像区域细分模块，用于按照预设的图像细分规则，对所述待细分图像区域进行细分处理，获得所述待细分图像区域的子图像区域，其中，所述预设的图像细分规则包括：与图像区域内包含的边缘数量相关的细分规则；
待合并区域筛选模块，用于获得所述子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，根据所述第二边缘分布信息筛选待合并图像区域；
图像区域合并模块，用于按照预设的图像合并规则，对所述待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，其中，所述预设的图像合并规则包括：与子图像区域以及未经过细分处理的图像区域中的每一个图像区域内包含的边缘数量相关的合并规则。
可选的，所述图像区域划分模块，用于：
分别沿水平方向和竖直方向对所述待分割图像进行划分，得到(M+1)*(N+1)个图像区域；其中，M为水平方向分割线的数量，N为竖直方向分割线的数量，M、N均为非负整数。
可选的，所述图像区域细分模块，包括：
虚拟区域划分单元，用于对划分得到的图像区域A进行虚拟细分，得到S个虚拟子图像区域；
第一分布信息计算单元，用于计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，其中，i＝1，2，…，S；
区域细分单元，用于在存在使得表达式PA<Pi成立的虚拟子图像区域的情况下，按照所述图像区域A细分得到所述S个虚拟子图像区域的细分方式，将所述图像区域A细分成S个子图像区域，其中，所述S个子图像区域与所述S个虚拟子图像区域一致。
可选的，所述第一分布信息计算单元，用于：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Ldiagonal为一个图像区域对角线的长度。
可选的，所述第一分布信息计算单元，用于：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Lperimeter为一个图像区域的周长。
可选的，所述图像区域合并模块，包括：
虚拟区域合并单元，用于对划分得到的子图像区域和未划分子图像区域的图像区域中的R个图像区域进行虚拟合并，得到图像区域B；
第二分布信息计算单元，用于计算所述R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj以及所述图像区域B内包含的边缘的平均分布信息PB，其中，j＝1，2，…，R；
区域合并单元，用于在所述R个图像区域中的每一图像区域均使得表达式PB＞Pj成立的情况下，按照所述R个图像区域合并得到所述图像区域B的合并方式，将所述R个图像区域合并为一个图像区域，其中，合并后得到的图像区域与所述图像区域B一致。
可选的，所述图像区域合并模块，包括：
目标区域确定单元，用于将合并处理后得到的各个图像区域内包含的边缘数量最多的图像区域确定为目标图像区域；
分割结果确定单元，用于对所确定的目标图像区域中的边缘进行连接，生成连通域，确定所述连通域为针对待分割图像的图像分割结果。
本发明实施例提供的一种图像分割方法及装置，该方法包括：首先获得待分割图像并对待分割图像进行边缘提取，生成待分割图像的边缘图像；其次，按照预设的区域划分规则，将边缘图像划分成多个图像区域；获得每个图像区域内边缘的第一边缘分布信息，根据第一边缘分布信息筛选待细分图像区域；然后，按照预设的图像细分规则，对待细分图像区域进行细分处理，获得待细分图像区域的子图像区域；获得子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，根据第二边缘分布信息筛选待合并图像区域；最后，按照预设的图像合并规则，对待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果。应用本发明实施例提供的方案进行图像分割，在将待分割图像划分成多个图像区域后，进一步将多个图像区域中符合图像区域细分或图像区域合并的图像区域进行细分或合并，这样划分得到的图像区域中尽可能的包含了完整的图像目标，因此，降低了待分割图像中的目标被打散的程度，提高了目标提取的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种图像分割方法的流程示意图；
图2a为本发明实施例提供的一种对边缘图像进行图像划分的示意图；
图2b为对图2a中划分得到的各个图像区域进行第一层细分得到的细分结果的示意图；
图2c为对图2a中划分得到的各个图像区域进行第二层细分得到的细分结果的示意图；
图2d为对图2c中划分得到的各个图像区域进行第一层合并得到的合并结果的示意图；
图2e为对图2c中划分得到的各个图像区域进行第二层合并得到的合并结果的示意图；
图2f为本发明实施例提供的一种T型节点的示意图；
图3为本发明实施例提供的一种图像分割装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
图1为本发明实施例提供的一种图像分割方法的流程示意图，该方法可以包括以下步骤：
步骤S101：获得待分割图像并对待分割图像进行边缘提取，生成待分割图像的边缘图像。
其中，所获得的待分割图像可以为灰度图像。实际应用中，对于需要进行图像分割的彩色图像而言，要对其进行灰度化处理，以得到针对该彩色图像的待分割图像。
当获得待分割图像之后，可以采用常规的边缘提取算法来提取待分割图像中的边缘。具体的，常规的边缘提取算法可以是Susan算子、Canny算子、Sobel算子等等，上述列举的具体的边缘提取算法均为常用的图像处理算法，本发明并不需要对进行边缘提取时所采用的具体的边缘提取算法进行限定，本领域内的技术人员需要根据实际应用时的具体情况进行选择。
步骤S102：按照预设的区域划分规则，将边缘图像划分成多个图像区域。
在本发明的一种具体实现方式中，可以分别沿水平方向和竖直方向对待分割图像进行划分，得到(M+1)*(N+1)个图像区域，其中，M为水平方向分割线的数量，N为竖直方向分割线的数量，M、N均为非负整数。
参见图2a，为本发明实施例提供的一种对边缘图像进行图像划分的示意图，图2a中的图像被划分成4*3＝12个图像区域，其中，水平方向分割线的数量M＝3，竖直方向分割线的数量N＝2。
需要说明的是，上述列举的对边缘图像进行划分的实现方式仅仅是众多实现方式中的一种具体方式而已。当然，还可以有其他可行的图像区域划分方式，本发明实施例不需要对此进行限定，本领域内的技术人员需要根据实际应用时的具体情况进行合理的设置。
为了便于描述，现将步骤S103-S104结合起来进行详细的说明。
步骤S103：获得每个图像区域内边缘的第一边缘分布信息，根据第一边缘分布信息筛选待细分图像区域。
步骤S104：按照预设的图像细分规则，对待细分图像区域进行细分处理，获得待细分图像区域的子图像区域。
其中，预设的图像细分规则包括：与图像区域内包含的边缘数量相关的细分规则。
具体的，这里提及的每个图像区域内边缘的第一边缘分布信息，可以根据一个图像区域内包含的边缘数量Sum与该图像区域以像素点为单位得到的区域面积Area之间的比值Sum/Area来获得。
进一步的，可以对该图像区域进行虚拟细分，得到i个子图像区域，分别计算该图像区域内包含的边缘的第一边缘分布信息，以及虚拟细分得到的i个子图像区域内包含的边缘的第一边缘分布信息，当计算得到的i个子图像区域的第一边缘分布信息中存在大于该图像区域的第一边缘分布信息的子图像区域的情况下，将该图像区域确定为待细分图像区域并筛选出来以进行后续的细分处理。
需要说明的是，所谓的虚拟细分仅仅是逻辑上的细分，此时并不是真正将所获得每个图像细分成多个子区域，这里进行虚拟细分的目的是为了进行判断被虚拟细分的图像区域是否为待细分图像区域。
在本发明的一种具体实现方式中，按照预设的图像细分规则，对待细分图像区域进行细分处理，获得待细分图像区域的子图像区域，可以包括以下步骤：
(1)对划分得到的图像区域A进行虚拟细分，得到S个虚拟子图像区域；
(2)计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，其中，i＝1，2，…，S；
(3)在存在使得表达式PA<Pi成立的虚拟子图像区域的情况下，按照图像区域A细分得到S个虚拟子图像区域的细分方式，将图像区域A细分成S个子图像区域，其中，S个子图像区域与S个虚拟子图像区域一致。
需要说明的是，在存在使得表达式PA<Pi成立的虚拟子图像区域的情况下，可以确定图像区域A为待细分图像区域；反之，在不存在使得表达式PA<Pi成立的虚拟子图像区域的情况下，确定图像区域A不是待细分图像区域，该区域保持不变。
具体的，可以通过以下两种方式来计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，如下：
方式一：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Ldiagonal为一个图像区域对角线的长度。
方式二：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Lperimeter为一个图像区域的周长。
需要说明的是，为了便于计算，上述两种方式中用图像区域的对角线的长度Ldiagonal或图像区域的周长Lperimeter来替代图像区域的面积area。于是，这里提及的“图像区域A内包含的边缘的平均分布信息PA”是对上面提及的“图像区域内包含的边缘的第一边缘分布信息”的近似计算；同样的，“每一虚拟子图像区域内包含的边缘的平均分布信息Pi”分别是对“虚拟细分得到的i个子图像区域内包含的边缘的第一边缘分布信息”的近似计算。
当然，上述列举的两种计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi仅仅是众多实现方式中的两种具体方式而已，本发明不需要对此进行限定，任何可能的实现方式均可以应用于本发明。
参见图2b，为对图2a中划分得到的各个图像区域进行第一层细分得到的细分结果的示意图。具体的，可以利用田字格2*2的模板(即水平方式的分割线数量以及竖直方向的分割线的数量均为1)将图2a中筛选出每个待细分图像区域分别划分为4个区域，称作对图2a中划分得到的各个图像区域的第一层细分(参见图2b中的灰色区域)。
参见图2c，为对图2a中划分得到的各个图像区域进行第二层细分得到的细分结果的示意图。具体的，首先需要对图2b中的每个图像区域进行筛选，筛选出待细分图像区域，仍然可以利用田字格2*2的模板将图2b中筛选出每个待细分图像区域分别划分为4个区域，称作对图2a中划分得到的各个图像区域的第二层细分(参见图2c中虚线划分的区域)。
应用本实施例提供的方案时，可以利用对图2b或图2c中的细分方式不断的对图2a中的图像区域进行层层细分，直至得到的每个图像区域不存在待细分图像区域为止。
需要说明的是，图2b与图2c中提及的利用田字格2*2的模板对待细分图像区域的细分仅仅是众多细分方式中的一种具体的方式而已，本发明不需要限定对待细分图像区域进行细分处理时所利用的具体的细分方式，当然，更不需要限定田字格模板的大小，例如，还可以使用3*3、5*5等田字格模板。本领域内的技术人员需要根据实际应用中的具体情况进行合理的设置，任何可能的实现方式均可以应用于本发明。
为了便于描述，现将步骤S105-S106结合起来进行详细的说明。
步骤S105：获得子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，根据第二边缘分布信息筛选待合并图像区域。
步骤S106：按照预设的图像合并规则，对待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果。
其中，预设的图像合并规则包括：与子图像区域以及未经过细分处理的图像区域中的每一个图像区域内包含的边缘数量相关的合并规则。
具体的，这里提及的子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，同样可以根据一个图像区域内包含的边缘数量Sum与该图像区域以像素点为单位得到的区域面积Area之间的比值Sum/Area来获得。
进一步的，可以对子图像区域以及未经过细分处理的图像区域中的j个图像区域进行虚拟合并，得到一个虚拟合并处理后的图像区域，然后，分别计算虚拟合并前j个图像区域的第二边缘分布信息，以及虚拟合并后得到的图像区域的第二边缘分布信息，当计算得到的j个图像区域的第二分布信息均小于虚拟合并处理后得到的图像区域的第二分布信息的情况下，将j个图像区域确定为待合并图像区域并筛选出来以进行后续的合并处理。
需要说明的是，所谓的虚拟合并仅仅是逻辑上的合并，此时并不是真正将子图像区域以及未经过细分处理的图像区域中的j个图像区域合并成一个图像区域，这里进行虚拟合并的目的是为了进行判断被虚拟合并的图像区域是否为待合并图像区域。
在本发明的一种具体实现方式中，按照预设的图像合并规则，对待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，可以包括以下步骤：
(1)对划分得到的子图像区域和未划分子图像区域的图像区域中的R个图像区域进行虚拟合并，得到图像区域B；
(2)计算R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj以及图像区域B内包含的边缘的平均分布信息PB，其中，j＝1，2，…，R；
(3)在R个图像区域中的每一图像区域均使得表达式PB＞Pj成立的情况下，按照R个图像区域合并得到图像区域B的合并方式，将R个图像区域合并为一个图像区域，其中，合并后得到的图像区域与图像区域B一致。
需要说明的是，在R个图像区域中的每一图像区域均使得表达式PB＞Pj成立的情况下，可以确定R个图像区域为待合并图像区域；否则，确定R个图像区域不是待合并图像区域，该R个图像区域保持不变。
具体的，可以通过以下两种方式来计算划分得到的子图像区域和未划分子图像区域的图像区域中的R个图像区域内包含的边缘的平均分布信息Pj以及图像区域B内包含的边缘的平均分布信息PB，如下：
方式一：
按照以下表达式：
分别计算R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj以及图像区域B内包含的边缘的平均分布信息PB；其中，Sedge为一个图像区域中包含的边缘数量，Ldiagonal为一个图像区域对角线的长度。
方式二：
按照以下表达式：
分别计算R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj以及图像区域B内包含的边缘的平均分布信息PB；其中，Sedge为一个图像区域中包含的边缘数量，Lperimeter为一个图像区域的周长。
需要说明的是，为了便于计算，上述两种方式中用图像区域的对角线的长度Ldiagonal或图像区域的周长Lperimeter来替代图像区域的面积area。于是，这里提及的“R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj”是对上面提及的“子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息”的近似计算；同样的，“图像区域B内包含的边缘的平均分布信息PB”是对“虚拟合并后得到的图像区域的第二边缘分布信息”的近似计算。
当然，上述列举的两种计算划分得到的子图像区域和未划分子图像区域的图像区域中的R个图像区域Pj以及图像区域B内包含的边缘的平均分布信息PB仅仅是众多实现方式中的两种具体方式而已，本发明不需要对此进行限定，任何可能的实现方式均可以应用于本发明。
图2d为对图2c中划分得到的各个图像区域进行第一层合并得到的合并结果的示意图(参见图2d中的灰色区域)。图2e为对图2c中划分得到的各个图像区域进行第二层合并得到的合并结果的示意图(参见图2e中的带有左斜线的阴影区域)。应用本实施例提供的方案时，可以利用对图2d或图2e中的细分方式不断地对图2c中的图像区域进行层层合并，直至得到的每个图像区域不存在待合并图像区域为止。
另外，从图2b-2e可以看出，细分或合并处理后得到的多个图像区域中具有如图2f所示的T型节点(如点O)，本发明实施例将层次T窗口建模方式应用于图像分割过程，保证了对图像分割时不再是对全部图像区域的处理，而是可以对多个图像区域中的一部分图像区域进行细分或合并，避免出现因划分区域过细将图像目标打散的问题。
需要说明的是，本发明不需要限定对待合并图像区域进行合并处理时所利用的具体的合并方式，本领域内的技术人员需要根据实际应用中的具体情况进行合理的设置，任何可能的实现方式均可以应用于本发明。
应用本发明实施例提供的图像分割方法，在将待分割图像划分成多个图像区域后，可以进一步将多个图像区域中符合图像区域细分或图像区域合并的图像区域进行细分或合并，以便划分得到的图像区域中尽可能的包含完整的图像目标，因此，降低了待分割图像中的目标被打散的程度，提高了目标提取的准确率。
在本发明的一种优选实施例中，按照预设的图像合并规则，对待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，可以包括以下步骤：
(1)将合并处理后得到的各个图像区域内包含的边缘数量最多的图像区域确定为目标图像区域；
(2)对所确定的目标图像区域中的边缘进行连接，生成连通域，确定连通域为针对待分割图像的图像分割结果。
需要说明的是，在对图像区域中的边缘进行连接时，可以利用常规的边缘连接方法，例如，可以对图像区域中的边缘上的像素点进行8邻域以及16邻域搜索，若16邻域内包含边缘而8邻域不包含边缘的时候，需要将该像素点和16邻域边缘点之间的像素点也标记为边缘点，从而实现该点与16邻域边缘点之间的边缘连接。当然，本发明不需要对具体的边缘连接算法进行限定，本领域内的技术人员需要根据实际应用中的具体情况进行合理的设置。
应用本发明优选实施例提供的图像分割方法，可以进一步获得最有可能包含目标的图像区域，即目标图像区域；这样有助于降低后续处理时对不包含目标的图像区域进行处理的计算量。
图3为本发明实施例提供的一种图像分割装置的结构示意图，该装置可以包括：
边缘图像生成模块210，用于获得待分割图像并对待分割图像进行边缘提取，生成待分割图像的边缘图像。
图像区域划分模块220，用于按照预设的区域划分规则，将边缘图像划分成多个图像区域。
待细分区域筛选模块230，用于获得每个图像区域内边缘的第一边缘分布信息，根据第一边缘分布信息筛选待细分图像区域。
图像区域细分模块240，用于按照预设的图像细分规则，对待细分图像区域进行细分处理，获得待细分图像区域的子图像区域。
其中，预设的图像细分规则包括：与图像区域内包含的边缘数量相关的细分规则。
待合并区域筛选模块250，用于获得子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，根据第二边缘分布信息筛选待合并图像区域。
图像区域合并模块260，用于按照预设的图像合并规则，对待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果。
其中，预设的图像合并规则包括：与子图像区域以及未经过细分处理的图像区域中的每一个图像区域内包含的边缘数量相关的合并规则。
具体的，图像区域划分模块220，用于：
分别沿水平方向和竖直方向对待分割图像进行划分，得到(M+1)*(N+1)个图像区域；其中，M为水平方向分割线的数量，N为竖直方向分割线的数量，M、N均为非负整数。
在本发明的一种具体实现方式中，图像区域细分模块240，可以包括：
虚拟区域划分单元，用于对划分得到的图像区域A进行虚拟细分，得到S个虚拟子图像区域；
第一分布信息计算单元，用于计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，其中，i＝1，2，…，S；
区域细分单元，用于在存在使得表达式PA<Pi成立的虚拟子图像区域的情况下，按照图像区域A细分得到S个虚拟子图像区域的细分方式，将图像区域A细分成S个子图像区域，其中，S个子图像区域与S个虚拟子图像区域一致。
具体的，第一分布信息计算单元，用于：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Ldiagonal为一个图像区域对角线的长度。
具体的，第一分布信息计算单元，用于：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Lperimeter为一个图像区域的周长。
在本发明的一种具体实现方式中，图像区域合并模块260，可以包括：
虚拟区域合并单元，用于对划分得到的子图像区域和未划分子图像区域的图像区域中的R个图像区域进行虚拟合并，得到图像区域B；
第二分布信息计算单元，用于计算R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj以及图像区域B内包含的边缘的平均分布信息PB，其中，j＝1，2，…，R；
区域合并单元，用于在R个图像区域中的每一图像区域均使得表达式PB＞Pj成立的情况下，按照R个图像区域合并得到图像区域B的合并方式，将R个图像区域合并为一个图像区域，其中，合并后得到的图像区域与图像区域B一致。
具体的，图像区域合并模块260，可以包括：
目标区域确定单元，用于将合并处理后得到的各个图像区域内包含的边缘数量最多的图像区域确定为目标图像区域；
分割结果确定单元，用于对所确定的目标图像区域中的边缘进行连接，生成连通域，确定连通域为针对待分割图像的图像分割结果。
应用本发明实施例提供的图像分割方法，在将待分割图像划分成多个图像区域后，可以进一步将多个图像区域中符合图像区域细分或图像区域合并的图像区域进行细分或合并，以便划分得到的图像区域中尽可能的包含完整的图像目标，因此，降低了待分割图像中的目标被打散的程度，提高了目标提取的准确率。
对于系统或装置实施例而言，由于其基本相似于方法实施例，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。
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。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (14)

1.一种图像分割方法，其特征在于，所述方法包括：
获得待分割图像并对所述待分割图像进行边缘提取，生成所述待分割图像的边缘图像；
按照预设的区域划分规则，将所述边缘图像划分成多个图像区域；
获得每个图像区域内边缘的第一边缘分布信息，根据所述第一边缘分布信息筛选待细分图像区域；
按照预设的图像细分规则，对所述待细分图像区域进行细分处理，获得所述待细分图像区域的子图像区域，其中，所述预设的图像细分规则包括：与图像区域内包含的边缘数量相关的细分规则；
获得所述子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，根据所述第二边缘分布信息筛选待合并图像区域；
按照预设的图像合并规则，对所述待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，其中，所述预设的图像合并规则包括：与子图像区域以及未经过细分处理的图像区域中的每一个图像区域内包含的边缘数量相关的合并规则。
2.根据权利要求1所述的方法，其特征在于，所述按照预设的区域划分规则，将所述边缘图像划分成多个图像区域，包括：
分别沿水平方向和竖直方向对所述待分割图像进行划分，得到(M+1)*(N+1)个图像区域；其中，M为水平方向分割线的数量，N为竖直方向分割线的数量，M、N均为非负整数。
3.根据权利要求1所述的方法，其特征在于，所述按照预设的图像细分规则，对所述待细分图像区域进行细分处理，获得所述待细分图像区域的子图像区域，包括：
对划分得到的图像区域A进行虚拟细分，得到S个虚拟子图像区域；
计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，其中，i＝1，2，…，S；
在存在使得表达式PA<Pi成立的虚拟子图像区域的情况下，按照所述图像区域A细分得到所述S个虚拟子图像区域的细分方式，将所述图像区域A细分成S个子图像区域，其中，所述S个子图像区域与所述S个虚拟子图像区域一致。
4.根据权利要求3所述的方法，其特征在于，所述计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，包括：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Ldiagonal为一个图像区域对角线的长度。
5.根据权利要求3所述的方法，其特征在于，所述计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，包括：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Lperimeter为一个图像区域的周长。
6.根据权利要求1所述的方法，其特征在于，所述按照预设的图像合并规则，对所述待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，包括：
对划分得到的子图像区域和未划分子图像区域的图像区域中的R个图像区域进行虚拟合并，得到图像区域B；
计算所述R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj以及所述图像区域B内包含的边缘的平均分布信息PB，其中，j＝1，2，…，R；
在所述R个图像区域中的每一图像区域均使得表达式PB＞Pj成立的情况下，按照所述R个图像区域合并得到所述图像区域B的合并方式，将所述R个图像区域合并为一个图像区域，其中，合并后得到的图像区域与所述图像区域B一致。
7.根据权利要求1所述的方法，其特征在于，所述按照预设的图像合并规则，对所述待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，包括：
将合并处理后得到的各个图像区域内包含的边缘数量最多的图像区域确定为目标图像区域；
对所确定的目标图像区域中的边缘进行连接，生成连通域，确定所述连通域为针对待分割图像的图像分割结果。
8.一种图像分割装置，其特征在于，所述装置包括：
边缘图像生成模块，用于获得待分割图像并对所述待分割图像进行边缘提取，生成所述待分割图像的边缘图像；
图像区域划分模块，用于按照预设的区域划分规则，将所述边缘图像划分成多个图像区域；
待细分区域筛选模块，用于获得每个图像区域内边缘的第一边缘分布信息，根据所述第一边缘分布信息筛选待细分图像区域；
图像区域细分模块，用于按照预设的图像细分规则，对所述待细分图像区域进行细分处理，获得所述待细分图像区域的子图像区域，其中，所述预设的图像细分规则包括：与图像区域内包含的边缘数量相关的细分规则；
待合并区域筛选模块，用于获得所述子图像区域以及未经过细分处理的图像区域中的每一个图像区域内边缘的第二边缘分布信息，根据所述第二边缘分布信息筛选待合并图像区域；
图像区域合并模块，用于按照预设的图像合并规则，对所述待合并图像区域进行合并处理，确定合并处理后的各个图像区域为针对待分割图像的图像分割结果，其中，所述预设的图像合并规则包括：与子图像区域以及未经过细分处理的图像区域中的每一个图像区域内包含的边缘数量相关的合并规则。
9.根据权利要求8所述的装置，其特征在于，所述图像区域划分模块，用于：
分别沿水平方向和竖直方向对所述待分割图像进行划分，得到(M+1)*(N+1)个图像区域；其中，M为水平方向分割线的数量，N为竖直方向分割线的数量，M、N均为非负整数。
10.根据权利要求8所述的装置，其特征在于，所述图像区域细分模块，包括：
虚拟区域划分单元，用于对划分得到的图像区域A进行虚拟细分，得到S个虚拟子图像区域；
第一分布信息计算单元，用于计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi，其中，i＝1，2，…，S；
区域细分单元，用于在存在使得表达式PA<Pi成立的虚拟子图像区域的情况下，按照所述图像区域A细分得到所述S个虚拟子图像区域的细分方式，将所述图像区域A细分成S个子图像区域，其中，所述S个子图像区域与所述S个虚拟子图像区域一致。
11.根据权利要求10所述的装置，其特征在于，所述第一分布信息计算单元，用于：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Ldiagonal为一个图像区域对角线的长度。
12.根据权利要求10所述的装置，其特征在于，所述第一分布信息计算单元，用于：
按照以下表达式：
分别计算图像区域A内包含的边缘的平均分布信息PA以及每一虚拟子图像区域内包含的边缘的平均分布信息Pi；其中，Sedge为一个图像区域中包含的边缘数量，Lperimeter为一个图像区域的周长。
13.根据权利要求8所述的装置，其特征在于，所述图像区域合并模块，包括：
虚拟区域合并单元，用于对划分得到的子图像区域和未划分子图像区域的图像区域中的R个图像区域进行虚拟合并，得到图像区域B；
第二分布信息计算单元，用于计算所述R个图像区域中每一图像区域内包含的边缘的平均分布信息Pj以及所述图像区域B内包含的边缘的平均分布信息PB，其中，j＝1，2，…，R；
区域合并单元，用于在所述R个图像区域中的每一图像区域均使得表达式PB＞Pj成立的情况下，按照所述R个图像区域合并得到所述图像区域B的合并方式，将所述R个图像区域合并为一个图像区域，其中，合并后得到的图像区域与所述图像区域B一致。
14.根据权利要求8所述的装置，其特征在于，所述图像区域合并模块，包括：
目标区域确定单元，用于将合并处理后得到的各个图像区域内包含的边缘数量最多的图像区域确定为目标图像区域；
分割结果确定单元，用于对所确定的目标图像区域中的边缘进行连接，生成连通域，确定所述连通域为针对待分割图像的图像分割结果。
CN201610072384.7A 2016-02-02 2016-02-02 一种图像分割方法及装置 Active CN107038707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610072384.7A CN107038707B (zh) 2016-02-02 2016-02-02 一种图像分割方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610072384.7A CN107038707B (zh) 2016-02-02 2016-02-02 一种图像分割方法及装置

Publications (2)

Publication Number Publication Date
CN107038707A true CN107038707A (zh) 2017-08-11
CN107038707B CN107038707B (zh) 2020-06-05

Family

ID=59532448

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610072384.7A Active CN107038707B (zh) 2016-02-02 2016-02-02 一种图像分割方法及装置

Country Status (1)

Country Link
CN (1) CN107038707B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019119567A1 (en) * 2017-12-18 2019-06-27 Hong Kong Applied Science and Technology Research Institute Company Limited Systems and methods for block based edgel detection with false edge elimination
CN110502293A (zh) * 2019-07-10 2019-11-26 维沃移动通信有限公司 一种截屏方法及终端设备
CN111819599A (zh) * 2018-01-10 2020-10-23 消化器官癌症研究所 一种按照3d医学图像的解剖几何形状通过一个或多个神经网络经由结构化卷积来自动分割3d医学图像的处理
CN112784119A (zh) * 2021-01-14 2021-05-11 内蒙古蒙商消费金融股份有限公司 一种数据查询及同步优化方法及装置
CN113554639A (zh) * 2021-07-30 2021-10-26 徐庆 一种图像特征提取及描述符获取方法、装置及存储介质
CN115526901A (zh) * 2022-09-21 2022-12-27 吉林农业科技学院 一种互联网的大数据图像处理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530887A (zh) * 2013-10-29 2014-01-22 重庆大学 一种基于多特征融合的河面图像区域分割方法
CN104050657A (zh) * 2013-03-14 2014-09-17 彩滋公司 基于颜色和颜色差异的对图像的分割
US20140314312A1 (en) * 2013-04-17 2014-10-23 Canon Kabushiki Kaisha Image processing apparatus and image processing method
CN104657995A (zh) * 2015-02-12 2015-05-27 合肥工业大学 利用区域分裂技术的遥感影像分割方法
CN104899853A (zh) * 2014-03-04 2015-09-09 腾讯科技（深圳）有限公司 图像区域的划分方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104050657A (zh) * 2013-03-14 2014-09-17 彩滋公司 基于颜色和颜色差异的对图像的分割
US20140314312A1 (en) * 2013-04-17 2014-10-23 Canon Kabushiki Kaisha Image processing apparatus and image processing method
CN103530887A (zh) * 2013-10-29 2014-01-22 重庆大学 一种基于多特征融合的河面图像区域分割方法
CN104899853A (zh) * 2014-03-04 2015-09-09 腾讯科技（深圳）有限公司 图像区域的划分方法及装置
CN104657995A (zh) * 2015-02-12 2015-05-27 合肥工业大学 利用区域分裂技术的遥感影像分割方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘纪红等: ""基于视频的人眼跟踪方法研究"", 《小型微型计算机系统》 *
吴健等: ""基于八叉树分裂合并的医学体数据分割"", 《微电子学与计算机》 *
周璐璐等: ""基于边缘检测与分裂合并的多区域分割研究"", 《应用科技》 *
林敏等: ""基于边缘检测与分裂合并的图像分割算法"", 《电子技术应用》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019119567A1 (en) * 2017-12-18 2019-06-27 Hong Kong Applied Science and Technology Research Institute Company Limited Systems and methods for block based edgel detection with false edge elimination
US10510148B2 (en) 2017-12-18 2019-12-17 Hong Kong Applied Science And Technology Research Institute Co., Ltd. Systems and methods for block based edgel detection with false edge elimination
CN111819599A (zh) * 2018-01-10 2020-10-23 消化器官癌症研究所 一种按照3d医学图像的解剖几何形状通过一个或多个神经网络经由结构化卷积来自动分割3d医学图像的处理
CN110502293A (zh) * 2019-07-10 2019-11-26 维沃移动通信有限公司 一种截屏方法及终端设备
CN110502293B (zh) * 2019-07-10 2022-02-01 维沃移动通信有限公司 一种截屏方法及终端设备
CN112784119A (zh) * 2021-01-14 2021-05-11 内蒙古蒙商消费金融股份有限公司 一种数据查询及同步优化方法及装置
CN113554639A (zh) * 2021-07-30 2021-10-26 徐庆 一种图像特征提取及描述符获取方法、装置及存储介质
CN115526901A (zh) * 2022-09-21 2022-12-27 吉林农业科技学院 一种互联网的大数据图像处理系统
CN115526901B (zh) * 2022-09-21 2024-04-09 吉林农业科技学院 一种互联网的大数据图像处理系统

Also Published As

Publication number Publication date
CN107038707B (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN107038707A (zh) 一种图像分割方法及装置
CN107610113A (zh) 一种图像中基于深度学习的小目标的检测方法及装置
CN103914843B (zh) 基于分水岭算法和形态学标记的图像分割方法
US20210366122A1 (en) Method and apparatus for segmenting G-banded adhered chromosome based on geometrical characteristic and regional fusion, and chromosome karyotype analysis device
CN110232329A (zh) 基于深度学习的点云分类方法、装置、存储介质及设备
CN110458799A (zh) 基于肋骨展开图的肋骨骨折自动检测方法
Wang et al. Cracking classification using minimum rectangular cover–based support vector machine
CN105869159A (zh) 一种图像分割方法及装置
CN108764328A (zh) 太赫兹图像危险品识别方法、装置、设备及可读存储介质
CN104574358A (zh) 从聚焦堆图像进行场景分割的方法和设备
CN108765409A (zh) 一种基于ct图像的候选结节的筛选方法
CN107862863A (zh) 一种交通数据质量提升的方法及装置
CN108346098A (zh) 一种风控规则挖掘的方法及装置
Ronse Ordering partial partitions for image segmentation and filtering: Merging, creating and inflating blocks
CN113221731A (zh) 一种多尺度遥感图像目标检测方法及系统
CN106504261A (zh) 一种图像分割方法及装置
Lermé et al. Reducing graphs in graph cut segmentation
Jiao et al. Color image-guided boundary-inconsistent region refinement for stereo matching
CN111027551B (zh) 图像处理方法、设备和介质
CN112464939A (zh) 目标检测中的数据增广方法、装置及存储介质
CN104809438B (zh) 一种检测电子眼的方法和设备
CN115861610A (zh) 一种基于改进CondInst的砂石骨料图像的分割处理方法
Leung Modelling orebody structures: block merging algorithms and block model spatial restructuring strategies given mesh surfaces of geological boundaries
CN107818827A (zh) 医疗废物数据分析方法、装置及电子设备
Oruganti et al. Best Fit Polygonal Approximation for Multiple ROI Estimation

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