CN107392207B - 一种图像归一化方法、装置和可读存储介质 - Google Patents
一种图像归一化方法、装置和可读存储介质 Download PDFInfo
- Publication number
- CN107392207B CN107392207B CN201710444915.5A CN201710444915A CN107392207B CN 107392207 B CN107392207 B CN 107392207B CN 201710444915 A CN201710444915 A CN 201710444915A CN 107392207 B CN107392207 B CN 107392207B
- Authority
- CN
- China
- Prior art keywords
- image
- original image
- vertical direction
- calculating
- horizontal direction
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/32—Normalisation of the pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
- G06V10/476—Contour-based spatial representations, e.g. vector-coding using statistical shape modelling, e.g. point distribution models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种图像归一化方法、装置和可读存储介质,该方法包括线密度计算步骤、投影直方图计算步骤、均衡化步骤和像素值计算步骤,通过计算出期望图像各像素点在原始图像中对应的像素点,并将原始图像像素点的像素值赋给期望图像像素点,实现了将原始图像进行归一化得到期望图像。由于本申请对线密度进行了一种新的定义,该新定义的线密度可最大限度的利用像素之间的相关性,根据该新定义的线密度进行的图像归一化,可使得归一化后的图像能最大限度的保持原图的形状,并且具有较好的鲁棒性和快速性,在手写文字识别、车牌定位与字符识别等中有广泛应用前景。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种图像归一化方法、装置和可读存储介质。
背景技术
随着科技的发展,数字图像被应用得越来越广泛,比如手写字体的识别和车牌识别等,这些识别过程中,图像特征提取之前,需要对图像进行归一化处理,使得图像变成所需的大小,并将重要的部分居中,这样便于在识别的时候提取特征,而不受原始图像大小或图像内容位置不同的影响。
针对图像的归一化方法目前有许多,但均存在一定的问题,有些算法运算复杂,有些归一化后产生形变。例如,一些基于图像像素值的归一化方法,将线密度定义为像素值,此方法利用像素值来进行归一化,但这种定义使线密度只与水平相关或垂直相关,像素在整个图像之间的相关性并没有充分利用;一些基于前景或背景像素距离倒数的归一化方法,先将图像二值化,再计算前景像素离水平或者垂直方向另一个前景像素的距离和背景像素离水平或者垂直方向另一个背景像素的距离,把距离最大者的倒数作为线密度的定义,由于此方法涉及到大量的浮点数计算,计算量相对较大,且只适用于二值图,在适用的广泛性方面受到一定限制;一些基于像素跳变法的归一化方法,先进行图像二值化,再以图像的跳变作为线密度,但此方法也只适用于二值图像;一些基于数学二阶矩的归一化方法,先根据二阶矩找到图像的重心,再进行比例缩放,此方法计算复杂,简单的缩放并没使图像或文字平铺在整个图像中,在识别中抽取特征时也有一定的缺陷。
发明内容
本申请提供一种图像归一化方法、装置和可读存储介质,使得归一化后的图像能最大限度的保持原图的形状,且该方法具有快速性。
本申请第一方面,提供一种图像归一化方法,用于将原始图像进行归一化得到期望图像,其特征在于包括:
线密度计算步骤,根据图像水平方向线密度以及垂直方向的线密度,分别求出原始图像在水平方向和垂直方向的线密度分布图;所述图像水平方向线密度和垂直方向线密度分别被定义为:
其中,DX(x,y)、DY(x,y)分别表示图像水平方向线密度和垂直方向线密度,f(x,y)表示原始图像像素点的像素值;
投影直方图计算步骤,分别计算所述水平方向和垂直方向线密度分布图在各自方向上的投影直方图;
均衡化步骤,对所述投影直方图按所述期望图像的宽度和高度进行均衡化;
像素值计算步骤,根据均衡化后的投影直方图,分别计算所述期望图像各像素点在原始图像中对应的像素点,并将原始图像像素点的像素值赋给所述期望图像像素点。
如权利要求1所述的方法,其特征在于,所述线密度计算步骤包括:
将原始图像进行灰度化或二值化;
计算灰度化或二值化后原始图像的积分图;
计算所述积分图在水平方向和垂直方向各自的线密度分布图。
如权利要求2所述的方法,其特征在于,所述计算所述积分图在水平方向和垂直方向各自的线密度分布图的计算方法为:所述积分图分别与预设的X方向的模板和Y方向模板分别进行卷积运算。
如权利要求1所述的方法,其特征在于,所述均衡化步骤包括:
根据原始图像的宽度和高度,分别计算所述投影直方图在水平方向和垂直方向的累积和;
根据期望图像的宽度和高度,分别计算所述期望图像在水平方向和垂直方向的缩放比例;
根据所述缩放比例,分别计算所述累加和在水平方向和垂直方向的密度直方图。
如权利要求5所述的方法,其特征在于,所述像素值计算步骤中计算所述期望图像各像素点在原始图像中对应的像素点满足:
其中,(x,y)表示原始图像的像素点坐标,(nx,ny)表示期望图像的像素点坐标,EHX(x)、EHY(y)分别表示所述累加和在水平方向、垂直方向的密度值,width、height分别表示原始图像的宽度、高度,newWidth、newHeight分别表示期望图像的宽度、高度。
本申请第二方面,提供一种图像归一化装置,其特征在于包括:
线密度计算模块,用于根据图像水平方向线密度以及垂直方向的线密度,分别求出原始图像在水平方向和垂直方向的线密度分布图;所述图像水平方向线密度和垂直方向线密度分别被定义为:
其中,DX(x,y)、DY(x,y)分别表示图像水平方向线密度和垂直方向线密度,f(x,y)表示原始图像像素点的像素值;
投影直方图计算模块,用于分别计算所述水平方向和垂直方向线密度分布图在各自方向上的投影直方图;
均衡化模块,用于对所述投影直方图按所述期望图像的宽度和高度进行均衡化;
像素值计算模块,用于根据均衡化后的投影直方图,分别计算所述期望图像各像素点在原始图像中对应的像素点,并将原始图像像素点的像素值赋给所述期望图像像素点。
本申请第三方面,提供一种图像归一化装置,其特征在于包括:
存储器,用于存储程序;
处理器,用于通过执行所述存储器存储的程序以实现如第一方面中任一项所述的方法。
本申请第四方面,提供一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如第一方面中任一项所述的方法。
依据上述实施例,由于本申请对线密度进行了一种新的定义,该新定义的线密度可最大限度的利用像素之间的相关性,根据该新定义的线密度进行的图像归一化,可使得归一化后的图像能最大限度的保持原图的形状,并且具有较好的鲁棒性和快速性,在手写文字识别、车牌定位与字符识别等中有广泛应用前景。
附图说明
图1为本申请提供的一种图像归一化方法流程图;
图2为一种积分图快速计算方法示意图;
图3为一种实施例的线密度水平及垂直投影与累加过程示意图;
图4为本申请提供的一种图像归一化装置结构图;
图5为本申请提供的另一种图像归一化装置结构图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
众所周知,线密度表示图像归一化过程中用来描述手写字符笔画间的疏密程度。针对现有的图像的归一化方法存在的算法运算复杂、归一化后产生形变等问题,发明人在构思本申请时,对线密度进行了一种新的定义,该新定义的线密度可最大限度的利用像素之间的相关性,然后根据此定义进行相应的图像归一化,可使得归一化后的图像能最大限度的保持原图的形状,并且具有较好的鲁棒性和快速性,在手写文字识别、车牌定位与字符识别等中有广泛应用前景。
本申请所定义的线密度的计算公式(1)为:
其中,f(x,y)表示原始图像像素点的像素值,∫∫f(x,y)dxdy表示原始图像像素值的积分,DX(x,y)、DY(x,y)分别表示对f(x,y)水平方向、垂直方向的偏导,也即线密度。
实施例一:
请参考图1,为本申请提供的一种图像归一化方法流程图,该方法用于将原始图像进行归一化得到期望图像,包括:
步骤100,计算线密度。根据图像水平方向线密度以及垂直方向的线密度定义的计算公式(1),分别求出水平方向和垂直方向的线密度分布图;
步骤200,计算投影直方图。分别计算所述水平方向和垂直方向线密度分布图在各自方向上的投影直方图;
步骤300,均衡化。对所述投影直方图按期望图像的宽度和高度进行均衡化;
步骤400,计算像素值。根据均衡化后的投影直方图,分别计算期望图像各像素点在原始图像中对应的像素点,并将原始图像像素点的像素值赋给期望图像像素点。
由于本申请对线密度进行了一种新的定义,该新定义的线密度可最大限度的利用像素之间的相关性,根据该新定义的线密度进行的图像归一化,可使得归一化后的图像能最大限度的保持原图的形状,并且具有较好的鲁棒性和快速性。
在一些实施例中,步骤100包括:
步骤101,先将原始图像进行灰度化或二值化;
步骤102,再计算灰度化或二值化后原始图像的积分图;
步骤103,最后计算积分图在水平方向和垂直方向各自的线密度分布图。
在一具体实施例中,步骤102中,计算灰度化或二值化后原始图像的积分图时,采用如图2所示的一种现有的积分图快速计算方法。
令左上角的像素点坐标为(0,0),图像上任一像素点的坐标为(x,y),则对于像素点(x,y)的积分值可表示为g(x,y)=∫∫f(x,y)dxdy。
图2中,A、B、C、D分别表示四个图像区域的像素值之和,四个图像区域彼此相邻,则对于像素点(x1,y1)、(x2,y2)、(x3,y3)、(x4,y5),有:
g(x1,y1)=A;
g(x2,y2)=A+B;
g(x3,y3)=A+C;
g(x4,y4)=A+B+C+D。
在一具体实施例中,由于计算的是原始图像图中某一点左上方所有像素值的和,因此在像素点(x,y)的积分图像就可以通过下式实现:
其中,width、height分别表示原始图像的宽度、高度。
在一些实施例,步骤200中,
计算水平线密度在Y方向上的投影直方图时,其计算公式为
计算垂直线密度在X方向上的投影直方图时,其计算公式为
其中,width、height分别表示原始图像的宽度、高度,HX(x,y)、HY(x,y)分别表示对线密度在水平方向、垂直方向的投影值。
在一些实施例,步骤300中,
根据原始图像的宽度和高度,分别计算所述投影直方图在水平方向和垂直方向的累积和HX(k)、HY(k);在一具体实施例中,其计算公式为:
其中,width、height分别表示原始图像的宽度、高度。
根据期望图像的宽度和高度,分别计算期望图像在水平方向和垂直方向的缩放比例RX、RY;在一具体实施例中,其计算公式为:
其中,width、height分别表示原始图像的宽度、高度,newWidth、newHeight分别表期望图像的宽度、高度。
根据所述缩放比例,分别计算累加和在水平方向和垂直方向的密度直方图;在一具体实施例中,其计算公式为:
EHX(y)=RX*HX(y)+0.5,y=0,1,...,height,EHY(x)=RY*HY(x)+0.5,x=0,1,...,width (7)
其中,EHX(x)、EHY(y)分别表示累加和在水平方向、垂直方向的密度值,
在一些实施例,步骤400中,计算期望图像各像素点在原始图像中对应的像素点满足:
其中,(x,y)表示原始图像的像素点坐标,(nx,ny)表示期望图像的像素点坐标,width、height分别表示原始图像的宽度、高度,newWidth、newHeight分别表示期望图像的宽度、高度。
将原始图像像素点的像素值赋给期望图像像素点,则期望图像像素点的像素值F(nx,ny)可表示为:
F(nx,ny)=f(x,y) (10)
如图3所示,为线密度水平及垂直投影与累加过程示意图,左上角的原始图像的线密度分布图分别经过水平方向和垂直方向投影、累加后得到右下角的期望图像,
参考图4,相应地,本申请还提供了一种图像归一化装置,包括:
线密度计算模块110,用于根据图像水平方向线密度以及垂直方向的线密度定义的计算公式(1),分别求出水平方向和垂直方向的线密度分布图;
投影直方图计算模块210,用于分别计算所述水平方向和垂直方向线密度分布图在各自方向上的投影直方图;
均衡化模块310,用于对所述投影直方图按所述期望图像的宽度和高度进行均衡化;
像素值计算模块410,用于根据均衡化后的投影直方图,分别计算所述期望图像各像素点在原始图像中对应的像素点,并将原始图像像素点的像素值赋给所述期望图像像素点。
请参考图5,本申请还提供了另一种图像归一化装置,包括:
存储器10,用于存储程序;
处理器20,用于通过执行存储器10存储的程序以实现本申请的图像归一化方法。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (9)
1.一种图像归一化方法,用于将原始图像进行归一化得到期望图像,其特征在于包括:
线密度计算步骤,根据图像水平方向线密度以及垂直方向的线密度,分别求出原始图像在水平方向和垂直方向的线密度分布图;所述图像水平方向线密度和垂直方向线密度分别被定义为:
其中,DX(x,y)、DY(x,y)分别表示图像水平方向线密度和垂直方向线密度,f(x,y)表示原始图像像素点的像素值;
投影直方图计算步骤,分别计算所述水平方向和垂直方向线密度分布图在各自方向上的投影直方图;
均衡化步骤,对所述投影直方图按所述期望图像的宽度和高度进行均衡化;
像素值计算步骤,根据均衡化后的投影直方图,分别计算所述期望图像各像素点在原始图像中对应的像素点,并将原始图像像素点的像素值赋给所述期望图像像素点。
2.如权利要求1所述的方法,其特征在于,所述线密度计算步骤包括:
将原始图像进行灰度化或二值化;
计算灰度化或二值化后原始图像的积分图;
计算所述积分图在水平方向和垂直方向各自的线密度分布图。
3.如权利要求2所述的方法,其特征在于,所述计算所述积分图在水平方向和垂直方向各自的线密度分布图的计算方法为:所述积分图分别与预设的X方向的模板和Y方向模板分别进行卷积运算。
5.如权利要求1所述的方法,其特征在于,所述均衡化步骤包括:
根据原始图像的宽度和高度,分别计算所述投影直方图在水平方向和垂直方向的累积和;
根据期望图像的宽度和高度,分别计算所述期望图像在水平方向和垂直方向的缩放比例;
根据所述缩放比例,分别计算累加和在水平方向和垂直方向的密度直方图。
7.一种图像归一化装置,用于将原始图像进行归一化得到期望图像,其特征在于包括:
线密度计算模块,用于根据图像水平方向线密度以及垂直方向的线密度,分别求出原始图像在水平方向和垂直方向的线密度分布图;所述图像水平方向线密度和垂直方向线密度分别被定义为:
其中,DX(x,y)、DY(x,y)分别表示图像水平方向线密度和垂直方向线密度,f(x,y)表示原始图像像素点的像素值;
投影直方图计算模块,用于分别计算所述水平方向和垂直方向线密度分布图在各自方向上的投影直方图;
均衡化模块,用于对所述投影直方图按所述期望图像的宽度和高度进行均衡化;
像素值计算模块,用于根据均衡化后的投影直方图,分别计算所述期望图像各像素点在原始图像中对应的像素点,并将原始图像像素点的像素值赋给所述期望图像像素点。
8.一种图像归一化装置,其特征在于包括:
存储器,用于存储程序;
处理器,用于通过执行所述存储器存储的程序以实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710444915.5A CN107392207B (zh) | 2017-06-12 | 2017-06-12 | 一种图像归一化方法、装置和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710444915.5A CN107392207B (zh) | 2017-06-12 | 2017-06-12 | 一种图像归一化方法、装置和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107392207A CN107392207A (zh) | 2017-11-24 |
CN107392207B true CN107392207B (zh) | 2020-11-17 |
Family
ID=60332291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710444915.5A Active CN107392207B (zh) | 2017-06-12 | 2017-06-12 | 一种图像归一化方法、装置和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107392207B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246553B (zh) * | 2008-03-07 | 2010-06-02 | 北京航空航天大学 | 一种基于三角剖分变换的车型识别方法 |
CN101447026B (zh) * | 2008-12-26 | 2013-02-13 | 北京中星微电子有限公司 | 一种红眼检测装置及其检测方法 |
CA2928901A1 (en) * | 2013-11-04 | 2015-05-07 | The University Of British Columbia | Cancer biomarkers and classifiers and uses thereof |
CN105005759B (zh) * | 2015-05-04 | 2018-10-02 | 南京理工大学 | 多特征融合的卡口图像前车窗的定位与提取方法 |
CN106778827B (zh) * | 2016-11-28 | 2019-04-23 | 南京鑫和汇通电子科技有限公司 | 一种基于线条聚类的头发密度评估方法 |
-
2017
- 2017-06-12 CN CN201710444915.5A patent/CN107392207B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107392207A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009543B (zh) | 一种车牌识别方法及装置 | |
US11164323B2 (en) | Method for obtaining image tracking points and device and storage medium thereof | |
US9142011B2 (en) | Shadow detection method and device | |
CN109753971B (zh) | 扭曲文字行的矫正方法及装置、字符识别方法及装置 | |
US20130322763A1 (en) | Apparatus and method for tracking object using feature descriptor, and apparatus and method for removing garbage feature | |
KR101393391B1 (ko) | 임베디드 시스템 기반의 차량 번호판 인식 방법 | |
JP2014056572A (ja) | 勾配方位のヒストグラムによるテンプレート・マッチング | |
US20180082456A1 (en) | Image viewpoint transformation apparatus and method | |
US9824267B2 (en) | Writing board detection and correction | |
WO2022134771A1 (zh) | 表格处理方法、装置、电子设备及存储介质 | |
CN108665495B (zh) | 图像处理方法及装置、移动终端 | |
CN110009615B (zh) | 图像角点的检测方法及检测装置 | |
JP6110174B2 (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
KR101903523B1 (ko) | 비디오 데이터에서 에지 프로젝션 기반의 모자이크 검출 방법 | |
CN109741306A (zh) | 应用于危险化学品库房堆垛的图像处理方法 | |
CN107392207B (zh) | 一种图像归一化方法、装置和可读存储介质 | |
CN110991501A (zh) | 一种基于Hessian矩阵的改进ORB特征点匹配方法 | |
CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
JP2016081472A (ja) | 画像処理装置、画像処理方法及びプログラム | |
KR101741761B1 (ko) | 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법 | |
JP2018010359A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN109643451B (zh) | 线检测方法 | |
CN109644236B (zh) | 角度检测方法 | |
CN105814608B (zh) | 图像处理装置和特定图形检测方法 | |
JP6373729B2 (ja) | プログラム、画像処理装置及び画像処理方法 |
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 |