CN108010043A - 一种图像轮廓分割方法及装置 - Google Patents
一种图像轮廓分割方法及装置 Download PDFInfo
- Publication number
- CN108010043A CN108010043A CN201711271920.7A CN201711271920A CN108010043A CN 108010043 A CN108010043 A CN 108010043A CN 201711271920 A CN201711271920 A CN 201711271920A CN 108010043 A CN108010043 A CN 108010043A
- Authority
- CN
- China
- Prior art keywords
- profile
- subsegment
- point
- segmentation
- subdivision
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
Abstract
本申请公开了一种图像轮廓分割方法及装置,涉及图像处理技术领域,为解决现有技术中不能快速高精度的分割图像轮廓的问题而发明。该方法主要包括:按照预置间距,计算图像轮廓的轮廓K链码;根据所述轮廓K链码,定位所述图像轮廓的断点;根据所述断点,粗分割所述图像轮廓;根据预置拟合算法,生成粗分子段的粗分拟合曲线,所述粗分子段为所述粗分割的结果;计算所述粗分拟合曲线与所述图像轮廓点的粗分割误差;根据所述粗分割误差,判断所述图像轮廓的细分点;根据所述细分点,分割所述图像轮廓。本申请主要应用于图像轮廓分割的过程中。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像轮廓分割方法及装置。
背景技术
在数字图像中,图像轮廓是图像最基本的特征之一,往往携带着一幅图像的大部分信息。而图像轮廓存在于图像的不规则结构和不平稳现象中,也即存在于信号的突变点处,这些点给出了图像轮廓的位置,这些图像轮廓是图像中目标物体的重要特征,通常将图像轮廓分割成线段/圆弧段,以方便后续对各个特征段进行精确分析。
现有技术中,轮廓分割主要采用动态规划的方法,根据适当的准则建立相应的误差评价函数,然后通过递归的方法求出误差最小解,即全局最优分割方法。该方法在目标函数合理的前提下误差较小,精度高,但需要预先确定轮廓的分割特征段情况,即需要输入轮廓由中线段和圆弧段的具体数量,这是很多实际应用所不具备的,无法事先确定轮廓中线段和圆弧段的具体数量,所以不能快速高精度的分割图像轮廓。
发明内容
本申请提供了一种图像轮廓分割方法及装置,以解决现有技术不能快速高精度分割图像轮廓的问题。
第一方面,本申请提供了一种图像轮廓分割方法,该方法包括:按照预置间距,计算图像轮廓的轮廓K链码;根据所述轮廓K链码,定位所述图像轮廓的断点;根据所述断点,粗分割所述图像轮廓;根据预置拟合算法,生成粗分子段的粗分拟合曲线,所述粗分子段为所述粗分割的结果;计算所述粗分拟合曲线与所述图像轮廓点的粗分割误差;根据所述粗分割误差,判断所述图像轮廓的细分点;根据所述细分点,分割所述图像轮廓。采用本实现方式,采用断点定位、拟合和精确分割三部分。断点定位根据轮廓K链码定位断点,初步将图像轮廓划分为若干粗分子段。根据图像轮廓的实际数据点,对各个粗分子段拟合,精确分割是在粗分子段的头尾两端处理,更精细地判断分割各处轮廓点的分割情况。与现有技术相比,采用轮廓K链码进行轮廓分析,具有平滑滤波作用,降低图像轮廓中噪声点的干扰,且无需设置轮廓中线段和圆弧段的数量,即可精确分割任意图像轮廓。
结合第一方面,在第一方面第一种可能的实现方式中,所述断点包括角点和平滑节点;所述根据所述轮廓K链码,定位所述图像轮廓的断点,包括:计算所述轮廓K链码的微分K链码;探测所述微分K链码的局部极值点对应的角点;根据所述角点,分段线性逼近所述轮廓K链码;获取所述逼近结果的顶点对应的平滑节点。采用本实现方式,采用轮廓K链码和微分K链码,能够定位图像轮廓的角点和平滑节点位置。
结合第一方面,在第一方面第二种可能的实现方式中,所述轮廓K链码是向量的方向,所述微分K链码是向量与向量的夹角,其中pi(i=1,2,…n)为第i个轮廓点。
结合第一方面,在第一方面第三种可能的实现方式中,所述根据预置拟合算法,生成粗分子段的拟合曲线,包括:计算所述粗分子段的子段斜率;如果所述子段斜率小于预置斜率,则确定所述粗分子段的类型为线段;如果所述子段斜率不小于所述预置斜率,则确定所述粗分子段的类型为圆弧;根据所述粗分子段的类型,拟合所述粗分子段。采用本实现方式,不需预置线段和圆弧段的数量,即可区分图像轮廓中的线段和圆弧段。
结合第一方面,在第一方面第四中可能的实现方式中,所述根据所述粗分割误差,判断所述图像轮廓的细分点,包括:查找所述断点的邻接轮廓点,所述邻接轮廓点是与所述断点的距离小于预置邻接距离的所述粗分子段的轮廓点;在粗分子段的基础上所述邻接轮廓点划分到所述邻接轮廓点所在的粗分子段的相邻子段,生成所述图像轮廓的细分子段;根据所述预置拟合算法,生成细分子段的细分拟合曲线;计算所述细分拟合曲线与所述图像轮廓的细分割误差;如果所述细分割误差不小于所述粗分割误差,则确定所述断点为所述细分点;如果所述细分割误差小于所述粗分割误差,则重新确定所述邻接轮廓点为所述断点,以便于确定所述细分点。采用本实现方式,能够通过误差的比较确定精确的分割点,以达到精确分割图像轮廓的目的。
第二方面,本申请还提供了一种图像轮廓分割装置,所述装置包括用于执行第一方面各种实现方式中方法步骤的模块。
第三方面,本申请还提供了一种终端,包括:处理器、及存储器;所述处理器可以执行所述存储器中所存储的程序或指令,从而实现以第一方面各种实现方式所述图像轮廓分割方法。
第四方面,本申请还提供了一种存储介质,该计算机存储介质可存储有程序,该程序执行时可实现包括本申请提供的图像轮廓分割方法各实施例中的部分或全部步骤。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种图像轮廓分割方法流程图;
图2为本申请提供的一种角点示意图;
图3为本申请提供的一种平滑节点示意图;
图4为本申请一种定位图像轮廓的断点的方法流程图;
图5为本申请提供的一种图像轮廓的示意图;
图6为本申请提供的一种定位断点的过程示意图;
图7为本申请提供的一种生成粗分子段的拟合曲线的方法流程图;
图8为本申请提供的一种判断图像轮廓细分点的方法流程图;
图9为本申请提供的一种图像轮廓分割装置组成框图;
图10为本申请提供的一种定位单元的组成框图;
图11为本申请提供的一种生成单元的组成框图;
图12为本申请提供的一种判断单元的组成框图。
具体实施方式
参见图1,为本申请提供的一种图像轮廓分割方法流程图。如图1所示,该方法包括:
101、按照预置间距,计算图像轮廓的轮廓K链码。
图像轮廓存在于图像的不规则结构和不平稳现象中,也即存在于信号的突变点处,这些点给出了图像轮廓的位置,这些图像轮廓是图像中目标物体的重要特征。链码是指相邻两像素连线的8种可能方向值,在本申请实施例中轮廓K链码是向量的方向,其中其中pi(i=1,2,…n)为第i个轮廓点。也就是链码中的相邻像素的间距为K。预置间距,可以根据图像轮廓包括的像素点个数确定,可以分割图像轮廓的实时性要求确定,也可以根据分割图像轮廓的精确度确定。在本申请实施例中对预置间距的确定方法不做限定。预置间距为K的图像轮廓的链码,为轮廓K链码。获取图像轮廓,然后根据预置间距,计算图像轮廓的轮廓K链码。
102、根据轮廓K链码,定位图像轮廓的断点。
参见图2,为本申请提供的一种角点示意图。参加图3,为本申请提供的一种平滑节点示意图。如图2和3所示,图像轮廓的断点包括角点和平滑节点。断点也就是不同的线段或者圆弧的连接点。不同的线段或圆弧的连接方式不同,所以其计算出的轮廓K链码也不相同,所以能够依据轮廓K链码确定断点。
103、根据断点,粗分割图像轮廓。
以断点为分割点,分割图像轮廓。由于根据轮廓K链码定位的断点方向是8个可能方向的一种,只能对图像轮廓做大致的划分,所以将该分割称为粗分割。
104、根据预置拟合算法,生成粗分子段的粗分拟合曲线。
粗分子段为粗分割的结果。以步骤103所述的粗分割的生成的粗分子段作为拟合的基础,拟合粗分子段。
105、计算粗分拟合曲线与图像轮廓点的粗分割误差。
粗分割误差,是指粗分拟合曲线与图像轮廓的差别程度,可以是两条曲线的个点的误差和,也可以是两条曲线的个点的方差和,在本申请实施例中对粗分割误差的计算方法不做限定。
106、根据粗分割误差,判断图像轮廓的细分点。
为了提高图像分割的精度,在粗分割的基础上,重新判断断点附近的轮廓点划分到相邻粗分子段,再判断新的分割方式能否减少分割误差。通过不断重新确定断点和细分点,以确定分割误差最小的细分点。
107、根据细分点,分割图像轮廓。
根据步骤106求得的细分点,分割图像轮廓。
采用本实现方式,采用断点定位、拟合和精确分割三部分。断点定位根据轮廓K链码定位断点,初步将图像轮廓划分为若干粗分子段。根据图像轮廓的实际数据点,对各个粗分子段拟合,精确分割是在粗分子段的头尾两端处理,更精细地判断分割各处轮廓点的分割情况。与现有技术相比,采用轮廓K链码进行轮廓分析,具有平滑滤波作用,降低图像轮廓中噪声点的干扰,且无需设置轮廓中线段和圆弧段的数量,即可精确分割任意图像轮廓。
参见图4,为本申请一种定位图像轮廓的断点的方法流程图。在图1所示方法的基础上,断点包括角点和平滑节点,如图4所示,根据轮廓K链码,定位图像轮廓的断点,包括:
401、计算轮廓K链码的微分K链码。
具体的,所述轮廓K链码是向量的方向,所述微分K链码是向量与向量的夹角,其中pi(i=1,2,…n)为第i个轮廓点。
402、探测微分K链码的局部极值点对应的角点。
计算微分K链码的局部极值点,极值点在图像轮廓中的位置即为图像轮廓的角点。
403、根据角点,分段线性逼近轮廓K链码。
K链码曲线中,水平线对应轮廓中的线段部分,斜线则对应轮廓中的圆弧(圆)。基于上述原理,以角点位置为分割点,将轮廓K链码进行分段线性逼近。
404、获取逼近结果的顶点对应的平滑节点。
逼近结果中的顶点对应图像轮廓中的平滑节点。
对于本申请实施例,具体的应用场景可以如下所示,但不限于此,包括:参见图5,为本申请提供的一种图像轮廓的示意图。参见图6,为本申请提供的一种定位断点的过程示意图,其中图6(b)为图5所示的图像轮廓的轮廓K链码曲线,图6(c)为图5所示的图像轮廓的微分K链码曲线。计算轮廓K链码的微分K链码,K链码曲线中,水平线对应轮廓中的线段部分,斜线则对应轮廓中的圆弧(圆)。由此,可先定位微分k链码曲线的局部极值,即轮廓角点位置,对应图6(d)中k链码曲线的“×”点,然后根据角点位置将k链码曲线进行分段线性逼近,如图6(e)所示,逼近结果中的顶点对应轮廓中的平滑节点,每一段k链码曲线对应轮廓中的线段或者圆弧段,其中,水平k链码段对应轮廓中的线段,斜的k链码段对应轮廓中的圆弧段。
采用本实现方式,采用轮廓K链码和微分K链码,能够定位图像轮廓的角点和平滑节点位置。
参见图7,为本申请提供的一种生成粗分子段的拟合曲线的方法流程图。在图1所示方法的基础上,根据预置拟合算法,生成粗分子段的拟合曲线,包括:
701、计算粗分子段的子段斜率。
702、如果子段斜率小于预置斜率,则确定粗分子段的类型为线段。
703、如果子段斜率不小于预置斜率,则确定粗分子段的类型为圆弧。
704、根据粗分子段的类型,拟合粗分子段。
K链码曲线中,水平线对应轮廓中的线段部分,斜线则对应轮廓中的圆弧(圆)。其水平线还是斜线,可以用斜率判断。在判断粗分子段的类型之后,再根据预置拟合算法生成粗分子段的拟合曲线。采用本实现方式,不需预置线段和圆弧段的数量,即可区分图像轮廓中的线段和圆弧段。
参见图8,为本申请提供的一种判断图像轮廓细分点的方法流程图。在图1所示方法的基础上,根据粗分割误差,判断图像轮廓的细分点,包括:
801、查找断点的邻接轮廓点。
细分点,也就是在断点的基础上,查找断点附近的轮廓点中分割误差最小点。邻接轮廓点是与断点的距离小于预置邻接距离的粗分子段的轮廓点。其预置距离可以根据轮廓K链码的曲线长度确定,可以根据各个断点的间距确定,也可以根据断点个数确定,在本申请实施例中不做限定。其预置距离的确定,一方面需要考虑细分点判断的准确度,另一方便还需要考虑确定细分点的计算量,综合考虑上述两方面已确定预置距离的最优值。再确定预置距离之后,根据预置距离,查找断点的邻接轮廓点。
802、在粗分子段的基础上邻接轮廓点划分到邻接轮廓点所在的粗分子段的相邻子段,生成图像轮廓的细分子段。
803、根据预置拟合算法,生成细分子段的细分拟合曲线。
804、计算细分拟合曲线与图像轮廓的细分割误差。
805、如果细分割误差不小于粗分割误差,则确定断点为细分点。
806、如果细分割误差小于粗分割误差,则重新确定邻接轮廓点为断点,以便于确定细分点。
重新确定邻接轮廓点为断点后,还需要重新确定邻接轮廓点的细分割误差为新的断点的粗分割误差。在重新确定断点和粗分割误差后,重新查找断点的邻接轮廓点,判断新断点时候为细分点。
采用本实现方式,能够通过误差的比较确定精确的分割点,以达到精确分割图像轮廓的目的。
参见图9,为本申请提供的一种图像轮廓分割装置组成框图。参见图10,为本申请提供的一种定位单元的组成框图。参见图11,为本申请提供的一种生成单元的组成框图。参见图12,为本申请提供的一种判断单元的组成框图。作为图1、4、7和8所示方法的具体实现,如图9所示,该装置包括:
第一计算单元91,用于按照预置间距,计算图像轮廓的轮廓K链码;
定位单元92,用于根据轮廓K链码,定位图像轮廓的断点;
粗分割单元93,用于根据断点,粗分割图像轮廓;
生成单元94,用于根据预置拟合算法,生成粗分子段的粗分拟合曲线,粗分子段为粗分割的结果;
第二计算单元95,用于计算粗分拟合曲线与图像轮廓点的粗分割误差;
判断单元96,根据粗分割误差,判断图像轮廓的细分点;
细分割单元97,用于根据细分点,分割图像轮廓。
进一步地断点包括角点和平滑节点;
如图10所示,定位单元92,包括:
计算模块921,用于计算轮廓K链码的微分K链码;
探测模块922,用于探测微分K链码的局部极值点对应的角点;
逼近模块923,用于根据角点,分段线性逼近轮廓K链码;
获取模块924,用于获取逼近结果的顶点对应的平滑节点。
进一步地,轮廓K链码是向量的方向,微分K链码是向量与向量的夹角,其中pi(i=1,2,…n)为第i个轮廓点。
进一步地,如图11所示,生成单元94,包括:
计算模块941,用于计算粗分子段的子段斜率;
确定模块942,用于如果子段斜率小于预置斜率,则确定粗分子段的类型为线段;
确定模块942,还用于如果子段斜率不小于预置斜率,则确定粗分子段的类型为圆弧;
拟合模块943,用于根据粗分子段的类型,拟合粗分子段。
进一步地,如图12所示,判断单元96,包括:
查找模块961,用于查找断点的邻接轮廓点,邻接轮廓点是与断点的距离小于预置邻接距离的粗分子段的轮廓点;
生成模块962,用于在粗分子段的基础上邻接轮廓点划分到邻接轮廓点所在的粗分子段的相邻子段,生成图像轮廓的细分子段;
生成模块962,还用于根据预置拟合算法,生成细分子段的细分拟合曲线;
计算模块963,用于计算细分拟合曲线与图像轮廓的细分割误差;
确定模块964,用于如果细分割误差不小于粗分割误差,则确定断点为细分点;
确定模块964,还用于如果细分割误差小于粗分割误差,则重新确定邻接轮廓点为断点,以便于确定细分点。
采用本实现方式,采用断点定位、拟合和精确分割三部分。断点定位根据轮廓K链码定位断点,初步将图像轮廓划分为若干粗分子段。根据图像轮廓的实际数据点,对各个粗分子段拟合,精确分割是在粗分子段的头尾两端处理,更精细地判断分割各处轮廓点的分割情况。与现有技术相比,采用轮廓K链码进行轮廓分析,具有平滑滤波作用,降低图像轮廓中噪声点的干扰,且无需设置轮廓中线段和圆弧段的数量,即可精确分割任意图像轮廓。
具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的图像轮廓分割方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-onlymemory,简称:ROM)或随机存储记忆体(英文:randomaccessmemory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于装置实施例而言,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中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (10)
1.一种图像轮廓分割方法,其特征在于,所述方法包括:
按照预置间距,计算图像轮廓的轮廓K链码;
根据所述轮廓K链码,定位所述图像轮廓的断点;
根据所述断点,粗分割所述图像轮廓;
根据预置拟合算法,生成粗分子段的粗分拟合曲线,所述粗分子段为所述粗分割的结果;
计算所述粗分拟合曲线与所述图像轮廓点的粗分割误差;
根据所述粗分割误差,判断所述图像轮廓的细分点;
根据所述细分点,分割所述图像轮廓。
2.如权利要求1所述的方法,其特征在于,所述断点包括角点和平滑节点;
所述根据所述轮廓K链码,定位所述图像轮廓的断点,包括:
计算所述轮廓K链码的微分K链码;
探测所述微分K链码的局部极值点对应的角点;
根据所述角点,分段线性逼近所述轮廓K链码;
获取所述逼近结果的顶点对应的平滑节点。
3.如权利要求2所述的方法,其特征在于,所述轮廓K链码是向量的方向,所述微分K链码是向量与向量的夹角,其中pi(i=1,2,…n)为第i个轮廓点。
4.如权利要求1所述的方法,其特征在于,所述根据预置拟合算法,生成粗分子段的拟合曲线,包括:
计算所述粗分子段的子段斜率;
如果所述子段斜率小于预置斜率,则确定所述粗分子段的类型为线段;
如果所述子段斜率不小于所述预置斜率,则确定所述粗分子段的类型为圆弧;
根据所述粗分子段的类型,拟合所述粗分子段。
5.如权利要求1所述的方法,其特征在于,所述根据所述粗分割误差,判断所述图像轮廓的细分点,包括:
查找所述断点的邻接轮廓点,所述邻接轮廓点是与所述断点的距离小于预置邻接距离的所述粗分子段的轮廓点;
在粗分子段的基础上所述邻接轮廓点划分到所述邻接轮廓点所在的粗分子段的相邻子段,生成所述图像轮廓的细分子段;
根据所述预置拟合算法,生成细分子段的细分拟合曲线;
计算所述细分拟合曲线与所述图像轮廓的细分割误差;
如果所述细分割误差不小于所述粗分割误差,则确定所述断点为所述细分点;
如果所述细分割误差小于所述粗分割误差,则重新确定所述邻接轮廓点为所述断点,以便于确定所述细分点。
6.一种图像轮廓分割装置,其特征在于,所述装置包括:
第一计算单元,用于按照预置间距,计算图像轮廓的轮廓K链码;
定位单元,用于根据所述轮廓K链码,定位所述图像轮廓的断点;
粗分割单元,用于根据所述断点,粗分割所述图像轮廓;
生成单元,用于根据预置拟合算法,生成粗分子段的粗分拟合曲线,所述粗分子段为所述粗分割的结果;
第二计算单元,用于计算所述粗分拟合曲线与所述图像轮廓点的粗分割误差;
判断单元,根据所述粗分割误差,判断所述图像轮廓的细分点;
细分割单元,用于根据所述细分点,分割所述图像轮廓。
7.如权利要求6所述的装置,其特征在于,所述断点包括角点和平滑节点;
所述定位单元,包括:
计算模块,用于计算所述轮廓K链码的微分K链码;
探测模块,用于探测所述微分K链码的局部极值点对应的角点;
逼近模块,用于根据所述角点,分段线性逼近所述轮廓K链码;
获取模块,用于获取所述逼近结果的顶点对应的平滑节点。
8.如权利要求7所述的装置,其特征在于,所述轮廓K链码是向量的方向,所述微分K链码是向量与向量的夹角,其中pi(i=1,2,…n)为第i个轮廓点。
9.如权利要求6所述的装置,其特征在于,所述生成单元,包括:
计算模块,用于计算所述粗分子段的子段斜率;
确定模块,用于如果所述子段斜率小于预置斜率,则确定所述粗分子段的类型为线段;
所述确定模块,还用于如果所述子段斜率不小于所述预置斜率,则确定所述粗分子段的类型为圆弧;
拟合模块,用于根据所述粗分子段的类型,拟合所述粗分子段。
10.如权利要求6所述的装置,其特征在于,所述判断单元,包括:
查找模块,用于查找所述断点的邻接轮廓点,所述邻接轮廓点是与所述断点的距离小于预置邻接距离的所述粗分子段的轮廓点;
生成模块,用于在粗分子段的基础上所述邻接轮廓点划分到所述邻接轮廓点所在的粗分子段的相邻子段,生成所述图像轮廓的细分子段;
所述生成模块,还用于根据所述预置拟合算法,生成细分子段的细分拟合曲线;
计算模块,用于计算所述细分拟合曲线与所述图像轮廓的细分割误差;
确定模块,用于如果所述细分割误差不小于所述粗分割误差,则确定所述断点为所述细分点;
所述确定模块,还用于如果所述细分割误差小于所述粗分割误差,则重新确定所述邻接轮廓点为所述断点,以便于确定所述细分点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711271920.7A CN108010043A (zh) | 2017-12-06 | 2017-12-06 | 一种图像轮廓分割方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711271920.7A CN108010043A (zh) | 2017-12-06 | 2017-12-06 | 一种图像轮廓分割方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108010043A true CN108010043A (zh) | 2018-05-08 |
Family
ID=62056506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711271920.7A Pending CN108010043A (zh) | 2017-12-06 | 2017-12-06 | 一种图像轮廓分割方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108010043A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108838556A (zh) * | 2018-06-15 | 2018-11-20 | 厦门盈趣科技股份有限公司 | 一种防止纸张切割过程卷曲的方法 |
CN110706225A (zh) * | 2019-10-14 | 2020-01-17 | 山东省肿瘤防治研究院(山东省肿瘤医院) | 基于人工智能的肿瘤识别系统 |
CN111462153A (zh) * | 2020-04-30 | 2020-07-28 | 柳州智视科技有限公司 | 一种基于图像轮廓Freeman链码的角点特征提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1680072A (zh) * | 2004-04-08 | 2005-10-12 | 电子科技大学 | 一种静态刀具图像的精密测量方法 |
CN101281112A (zh) * | 2008-04-30 | 2008-10-08 | 浙江理工大学 | 一种对网状粘连稻米的图像式自动分析方法 |
CN105405117A (zh) * | 2015-10-16 | 2016-03-16 | 凌云光技术集团有限责任公司 | 基于图像轮廓的角点提取方法及装置 |
-
2017
- 2017-12-06 CN CN201711271920.7A patent/CN108010043A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1680072A (zh) * | 2004-04-08 | 2005-10-12 | 电子科技大学 | 一种静态刀具图像的精密测量方法 |
CN101281112A (zh) * | 2008-04-30 | 2008-10-08 | 浙江理工大学 | 一种对网状粘连稻米的图像式自动分析方法 |
CN105405117A (zh) * | 2015-10-16 | 2016-03-16 | 凌云光技术集团有限责任公司 | 基于图像轮廓的角点提取方法及装置 |
Non-Patent Citations (2)
Title |
---|
JEN-MING CHEN ET AL: "Segmentation of planar curves into circular arcs and line segments", 《IMAGE AND VISION COMPUTING》 * |
屈玉福 等: "多传感三维运动坐标测量技术研究", 《光电子•激光》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108838556A (zh) * | 2018-06-15 | 2018-11-20 | 厦门盈趣科技股份有限公司 | 一种防止纸张切割过程卷曲的方法 |
CN110706225A (zh) * | 2019-10-14 | 2020-01-17 | 山东省肿瘤防治研究院(山东省肿瘤医院) | 基于人工智能的肿瘤识别系统 |
CN111462153A (zh) * | 2020-04-30 | 2020-07-28 | 柳州智视科技有限公司 | 一种基于图像轮廓Freeman链码的角点特征提取方法 |
CN111462153B (zh) * | 2020-04-30 | 2023-05-19 | 柳州智视科技有限公司 | 一种基于图像轮廓Freeman链码的角点特征提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400332B (zh) | 一种目标检测跟踪方法、装置及计算机设备 | |
CN108010043A (zh) | 一种图像轮廓分割方法及装置 | |
CN106855415B (zh) | 地图匹配方法和系统 | |
Awrangjeb et al. | Robust image corner detection based on the chord-to-point distance accumulation technique | |
CN102521840B (zh) | 一种运动目标跟踪方法、系统及终端 | |
CN108801171A (zh) | 一种隧道断面形变分析方法及装置 | |
US20150104067A1 (en) | Method and apparatus for tracking object, and method for selecting tracking feature | |
CN105096299A (zh) | 多边形检测方法和多边形检测装置 | |
CN109598744A (zh) | 一种视频跟踪的方法、装置、设备和存储介质 | |
Wang et al. | Distortion calibrating method of measuring rail profile based on local affine invariant feature descriptor | |
CN107483953A (zh) | 帧间运动估计方法、装置及电子设备 | |
CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
Halir | An automatic estimation of the axis of rotation of fragments of archaeological pottery: A multi-step model-based approach | |
CN109543534A (zh) | 一种目标跟踪中目标丢失重检的方法及装置 | |
CN109146918A (zh) | 一种基于分块的自适应相关目标定位方法 | |
CN111814803A (zh) | 一种图形分割方法、装置、设备及计算机可读存储介质 | |
US10997754B2 (en) | Freeform drawing beautification | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
Göpfert et al. | Using snakes for the registration of topographic road database objects to ALS features | |
CN115388806A (zh) | 零件表面线型偏差检测方法、装置、电子设备及存储介质 | |
KR102239386B1 (ko) | 광학 흐름 기법으로 레이더 이미지 자료로부터 산출된 벡터를 활용한 태풍 중심 자동 선정 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
Chen et al. | Subpixel estimation of circle parameters using orthogonal circular detector | |
CN108763817B (zh) | 一种基于最小二乘法建模的电力地下管网匹配方法 | |
CN112561853B (zh) | 一种角点检测方法、装置、设备及计算机可读存储介质 | |
KR102378659B1 (ko) | 패턴 이미지 검출 방법 및 패턴 이미지 검출 장치 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant after: Lingyunguang Technology Co., Ltd Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant before: LUSTER LIGHTTECH GROUP Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |