CN107704861B - 用于计算机视觉系统的图像轮廓数据结构的转换模版的构造方法 - Google Patents

Abstract

图像轮廓数据结构，是一种有序数据集，该图像轮廓数据结构的数据集的成员数至少为3，该图像轮廓数据结构的数据集至少有一个数据包含偏转值，该图像轮廓数据结构的数据的成员所包含的偏转值可能是正值、零、负值三种情况中的一种，该图像轮廓数据结构的数据的成员所包含的偏转值的表述是本点的上个点和本点的上上个点的第一连线与本点和本点的上个点的第二连线这两条连线之间的偏转度；该图像轮廓数据结构的数据集的所有成员的所包含的偏转值的偏转方向的正负符号代表偏转方向，数值代表偏转度，数值越大偏转越大。本发明能够提高运算效率、降低成本、更加适合并行运算、提高识别速度，提供了一种新思路。

Description

用于计算机视觉系统的图像轮廓数据结构的转换模版的构造 方法

技术领域

本发明属于计算机视觉，具体涉及图像轮廓数据结构的转换模版的构造方法、计算机视觉或人工智能。

背景技术

计算机视觉是人工智能的重要模块。

视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。

图像轮廓的处理是计算视觉中一个较为重要的步骤，在很多种应用场合具有重要意义比如文字识别系统、证件识别系统、指纹识别系统、虹膜识别系统、材料表面纹理识别、实物产品质量检测、标识码码识别（比如条形码、二维码等等）。

计算机视觉系统一直以具备人类识别纠错能力的方向发展，然而人脑具有的上千亿的神经元的运算能力是现代科技尚难以追赶的（全世界最强的超级计算机都无法模拟），所以很多的人类在图形识别方面的功能，我们难以达成，在一些对产品尺寸能耗有要求的场合（比如手提电脑、智能手机、监控系统、自动驾驶汽车等场合），现有的计算机视觉系统尚存一些困难，存在改进空间。

人脑可以轻松识别图像中不同位置、不同旋转角度摆放的图形，将图形旋转任意角度，人类均可轻松快速的识别（原因是人类能够快速的获得轮廓线条各个部分的相对关系），在这一方面现有的计算机图像识别系统的运算效率还存在提高空间，现有的识别系统在该方面的处理速度和识别率之间存在一定冲突，识别率高的运算慢、运算快的识别率低，存在改进空间。

本申请提出了一种全新的图像轮廓数据结构，开发了一种全新的计算机图像线条或轮廓处理方法，克服了上述的技术问题。

发明内容

为克服以上问题，本申请提出了图像轮廓数据结构、文字识别系统、计算机视觉系统、人工智能系统；具有以下方案。

方案1、图像轮廓数据结构，是一种有序数据集，其特征在于：该图像轮廓数据结构的数据集的成员数至少为3，该图像轮廓数据结构的数据集至少有一个数据包含偏转值，该图像轮廓数据结构的数据的成员所包含的偏转值可能是正值、零、负值三种情况中的一种，该图像轮廓数据结构的数据的成员所包含的偏转值的表述是本点的上个点和本点的上上个点的第一连线与本点和本点的上个点的第二连线这两条连线之间的偏转度；该图像轮廓数据结构的数据集的所有成员的所包含的偏转值的运算方向的方法是一致的；该图像轮廓数据结构的数据集的所有成员的所包含的偏转值的偏转方向的正负符号代表偏转方向，数值代表偏转度，数值越大偏转越大。

方案2、如方案1所述的图像轮廓数据结构，其特征在于：数据结构的数据集的所有成员的所包含的偏转值的偏转方向的正符号代表往左偏转。（假设一个虚拟人从上上个点出发经由上个点前进构成射线路径，如果本点位于虚拟人的左手边则偏转值的符号为正，如果本点位于虚拟人的右手边则偏转值的符号为负）方案3、如方案1所述的图像轮廓数据结构，其特征在于：数据结构的数据集的所有成员的所包含的偏转值的偏转方向的正符号代表往右偏转。（假设一个虚拟人从上上个点出发经由上个点前进构成射线路径，如果本点位于虚拟人的右手边则偏转值的符号为正，如果本点位于虚拟人的左手边则偏转值的符号为负）

方案4、如方案1所述的图像轮廓数据结构，其特征在于：如果本点的上上个点的位置与本点相重叠则本点的偏转值为零，也就是说如果本点与上上个点相同则本点的偏转值为零。比如有序数据集{P0,P1,P2}中数据P2的坐标与P0的坐标相等则P2的偏转值为零。

方案5、如方案1所述的图像轮廓数据结构，其特征在于：偏转值的数值范围是-3到3之间的正整数或负整数或零。

方案6、图像轮廓数据结构的转换模版，其特征在于：为将点阵图中有序轮廓点集转换成方案1所述的图像轮廓数据结构而构造；构造查询表数组int M[a1][a2][b1][b2]用于预先储存需要被计算的本点的偏转值， a1、a2、b1、b2的数值均为3，也就是说M是一个四维数组，M的四个维度中每个维度包含的3个成员，第一个维度的查询值是本点的上上个点的X坐标与本点的上个点的X坐标这两个X坐标值的差值加上1，第二个维度的查询值是本点的上上个点的y坐标与本点的上个点的y坐标这两个y坐标值的差值加上1，第三个维度的查询值是本点的X坐标与本点的上个点的X坐标这两个X坐标值的差值加上1，第四个维度的查询值是本点的y坐标与本点的上个点的y坐标这两个y坐标值的差值加上1；假设有轮廓有序点集{P0,P1,P2}，则P2的偏转值等于 M[P0.X-P1.X+1][ P0.Y-P1.Y+1][ P2.X-P1.X+1][P2.Y-P1.Y+1] 所储存的值；数组M储存的值在处理图像之前就准备好了。加1是为了防止查询时填入的数组下标为负数，数组成员的下标是从零或1开始的，不能填入负数。

方案7、如方案6的图像轮廓数据结构的转换模版，其特征在于：数组M储存的值通过运算程序实现计算好，并写成固定数据储存在存储装置中，供图像处理时实时调用。

方案8、如方案1的图像轮廓数据结构或6的图像轮廓数据结构的转换模版，其特征在于：数组M储存的值通过人工运算获得，并写成固定数据储存在存储装置中，供图像处理时实时调用。

方案9、如方案1的图像轮廓数据结构或6的图像轮廓数据结构的转换模版，其特征在于：数组M储存的值通过如下方法计算获得：以本点的上个点为中心点，以围绕在中心点周围的8个点作为周边点，本点和本点的上上个点必定属于周边点，以本点的上上个点为起点依据时针顺序对周边点进行赋予辅助运算值U，除本点的上上个点以外周边点的辅助运算值等于周边点按时针方向排序的序号，本点的上上个点的辅助运算值为4；本点的偏转值等于辅助运算值减去4。

方案10、如方案9所述的时针顺序为顺时针。

方案11、如方案9所述的时针顺序为逆时针。如图11。

方案12、如方案1的图像轮廓数据结构或6的图像轮廓数据结构的转换模版，其特征在于：数组M储存的值通过如下方法计算获得：以本点的上个点为中心点，以围绕在中心点周围的8个点作为周边点，本点和本点的上上个点必定属于周边点，以本点的上上个点为起点依据时针顺序,周边点的偏转值依次为{0,3,2,1,0，-1，-2，-3}。

方案13、如方案12所述的时针顺序为顺时针。如图10，图12中三点顺序为P0->P1->P2方案14、如方案12所述的时针顺序为逆时针。如图12，图12中三点顺序为P0->P1->P2。

方案15、文字识别系统，其特征在于：采用方案1-11中任一方案所述的技术方案处理图像。

方案16、计算机视觉系统，其特征在于：采用方案1-11中任一方案所述的技术方案处理图像。

方案17、人工智能系统，其特征在于：采用方案1-11中任一方案所述的技术方案处理图像。

方案18、CUDA图像识别系统，其特征在于：采用方案1-11中任一方案所述的技术方案处理图像。

本发明能够极大的提高运算效率、降低成本、更加适合并行运算、提高识别速度，提供了一种图像轮廓处理新思路。图像轮廓数据结构的储存可以是计算机编程中常用的数组也可以是指针链表，也可以是有序硬件存储装置，偏转值的获得可以通过计算机软件运算获得也可以通过特意为之设计的硬件获得。本发明可以处理环状闭合点集（比如闭合的有序点集）也可以处理非闭合的边缘点集（比如直线、弧线等等）。

附图说明

图1为实施示例1的待处理的图像，括号中的数字的含义是（X坐标，Y坐标，颜色），其中（-1,-1,-1）是为了运算方便构筑的辅助点，方便运算。

图2-7是对图1中的点的偏转值的运算过程展示，其中U是用于辅助运算的值，S是偏转值，图中有写S的点位当前运算的本点。

图8是图1经由图2-7所示过程运算后所获得的偏转值有序集的示意图，偏转值有序集是闭合环状的。

图9是图8的中图形进行转动和平移后的图像，进行处理后可以获得的偏转值有序集展示，图9的偏转值有序集与图8 的偏转值有序集相等。

图10-12是为了对本发明的偏转值的运算做多种示例。

具体实施方式

实施示例1、以图1所示的4x4像素图像的处理为示例，利用图2-7所示的方法获取图像轮廓数据结构，该图像轮廓数据结构的数据集的成员数至少为3，该图像轮廓数据结构的数据集至少有一个数据包含偏转值，该图像轮廓数据结构的数据的成员所包含的偏转值可能是正值、零、负值三种情况中的一种，该图像轮廓数据结构的数据的成员所包含的偏转值的表述是本点的上个点和本点的上上个点的第一连线与本点和本点的上个点的第二连线这两条连线之间的偏转度；该图像轮廓数据结构的数据集的所有成员的所包含的偏转值的运算方向的方法是一致的；该图像轮廓数据结构的数据集的所有成员的所包含的偏转值的偏转方向的正负符号代表偏转方向，数值代表偏转度，数值越大偏转越大。

本实施示例处理时先运用现有技术对图像1中的图像轮廓的点集进行有序标记（现有技术对图像轮廓的获取存在多种手段比如但不限于虫随法、光栅扫描法、 碎点法等等）对被有序标记的边界进行转换，其转换方法是：以当前需要运算的点位本点，以本点的上个点为中心点，以围绕在中心点周围的8个点作为周边点，本点和本点的上上个点必定属于周边点，以本点的上上个点为起点依据时针顺序对周边点进行赋予辅助运算值U，除本点的上上个点以外周边点的辅助运算值等于周边点按时针方向排序的序号，本点的上上个点的辅助运算值为4；本点的偏转值等于辅助运算值减去4；时针顺序为顺时针。

本点是指运算时当时需要获得偏转值的点，运算时可以按顺序将图像轮廓的点集一一进行运算，也可以利用并行运算进行计算（由于本点的运算只与前两个点相关，且需要写入数据的点只有本点，所以可以对图像轮廓的点集的每一个点进行并行运算，这样可以获得更快的运算速度）。图2中本点是（1,2,1），图3中本点是（2,2,1）图4中本点是（3,2,1），图5中本点是（3,1,1），图6中本点是（2,0,1）,图7 中本点是（1,1,1），图1-7中箭头代表点集的顺序方向。图1的图像经过图2-7所示的运算方法得到图8的标记结果，图像轮廓数据结构可以转化为一个在逻辑上首尾相连的环形数组数据{1,2,1,2,0,2}。

实施示例2、以实施示例1中所用的方法对图9的图像的轮廓进行转换，获得在逻辑上首位相连的环形数组数据{2,1,2,1,2,0};由于实施示例1所获得环形数组数据和实施示例2所获得环形数组数据均为在逻辑上首尾相连的环形数组数据，所以{1,2,1,2,0,2}与{2,,1,2,1,2,0}是相等的，该环形数据在计算机内存中的数组排列方式存在多种形式比如{0.2,1,2,1,2}、{2，0,2,1,2,1}、{1,2,0,2,1,2}等等，不再一一举例。

实施示例3、如图10所示，修改实施示例1或的的本点的偏转值的运算方法，以本点的上个点为中心点，以围绕在中心点周围的8个点作为周边点，本点和本点的上上个点必定属于周边点，以本点的上上个点为起点依据时针顺序,周边点的偏转值依次为{0，3,2,1,0，-1，-2，-3}。时针顺序为顺时针。

实施示例4、如图11所示，修改实施示例1或的的本点的偏转值的运算方法，以本点的上个点为中心点，以围绕在中心点周围的8个点作为周边点，本点和本点的上上个点必定属于周边点，以本点的上上个点为起点依据时针顺序,周边点的偏转值依次为{0，3,2,1,0，-1，-2，-3}。时针顺序为逆时针。

实施示例5、如图12所示，展示了本点与本点的上上个点相等的情况的处理方法，图中P2是本点P1是本点的上个点，P2是本点的上上个点，P2的偏转值为0。

实施示例6，改变实施示例1-5的运算方法，使本点与本点的上上个点相等的情况本点的偏转值等于S=4。

其他说明：图8、图9说明了本发明可以将不同旋转角度的相似图像的轮廓统一为相等或具有相近规律的有序数据集，能够使得计算机视觉系统能够很好的识别被旋转的字符或图像。

Claims (1)

1.用于计算机视觉系统的图像轮廓数据结构的转换模版的构造方法，其特征在于：

为将点阵图中有序轮廓点集转换成图像轮廓数据结构而构造；

图像轮廓数据结构，是一种有序数据集，其特征在于：该图像轮廓数据结构的数据集的成员数至少为3，该图像轮廓数据结构的数据集至少有一个数据包含偏转值，该图像轮廓数据结构的数据的成员所包含的偏转值是正值、零、负值三种情况中的一种，该图像轮廓数据结构的数据的成员所包含的偏转值的表述是本点的上个点和本点的上上个点的第一连线与本点和本点的上个点的第二连线这两条连线之间的偏转度；该图像轮廓数据结构的数据集的所有成员的所包含的偏转值的运算方向的方法是一致的；该图像轮廓数据结构的数据集的所有成员的所包含的偏转值的偏转方向的正负符号代表偏转方向，数值代表偏转度，数值越大偏转越大；

构造查询表数组int M[3][3][3][3]用于预先储存需要被计算的本点的偏转值，第一个维度 的查询值是本点的上上个点的X坐标与本点的上个点的X坐标这两个X坐标值的差值加上1，第二个维度 的查询值是本点的上上个点的y坐标与本点的上个点的y坐标这两个y坐标值的差值加上1，第三个维度 的查询值是本点的X坐标与本点的上个点的X坐标这两个X坐标值的差值加上1，第四个维度 的查询值是本点的y坐标与本点的上个点的y坐标这两个y坐标值的差值加上1；

数组M储存的值在处理图像之前就准备好了；

数组M储存的值通过如下方法计算获得：

以本点的上个点为中心点，以围绕在中心点周围的8个点作为周边点，本点和本点的上上个点必定属于周边点，以本点的上上个点为起点依据时针顺序对周边点进行赋予辅助运算值U，除本点的上上个点以外周边点的辅助运算值等于周边点按时针方向排序的序号，本点的上上个点的辅助运算值为4；

本点的偏转值等于辅助运算值减去4。

Images