CN108090924B - 图像处理方法和装置、机器人 - Google Patents
图像处理方法和装置、机器人 Download PDFInfo
- Publication number
- CN108090924B CN108090924B CN201610975741.0A CN201610975741A CN108090924B CN 108090924 B CN108090924 B CN 108090924B CN 201610975741 A CN201610975741 A CN 201610975741A CN 108090924 B CN108090924 B CN 108090924B
- Authority
- CN
- China
- Prior art keywords
- matrix
- color
- value
- target object
- image frame
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像处理方法和装置、机器人。其中,该方法包括:获取目标图像帧中目标对象的颜色参考值,其中,颜色参考值为目标对象在预设区域内出现次数最多的颜色的颜色值;获取由目标图像帧中与颜色参考值的差值小于或者等于预设值的像素点形成的第一区域;将第一区域的边缘作为目标对象的轮廓,本申请解决了现有技术中无法准确确定视频中目标对象的轮廓的技术问题。
Description
技术领域
本申请涉及图像领域,具体而言,涉及一种图像处理方法和装置、机器人。
背景技术
目标对象的监测与追踪是智能视频系统研究的重要内容,在科技、军事、交通、安全、医疗等领域都发挥了举足轻重的作用,在现有技术中,对视频的图像帧进行提取以及处理,得到的结果精确度低,无法准确确定视频中的目标对象的轮廓。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种图像处理方法和装置、机器人,以至少解决现有技术中无法准确确定视频中目标对象的轮廓的技术问题。
根据本申请实施例的一个方面,提供了一种图像处理方法,包括:获取目标图像帧中目标对象的颜色参考值,其中,所述颜色参考值为所述目标对象在预设区域内出现次数最多的颜色的颜色值;获取由所述目标图像帧中与所述颜色参考值的差值小于或者等于预设值的像素点形成的第一区域;将所述第一区域的边缘作为所述目标对象的轮廓。
进一步地,获取目标图像帧中目标对象的颜色参考值包括:从所述目标图像帧中选择所述目标对象所在的第二区域;获取以所述第二区域的中心点为原点的所述预设区域内的多个像素点;从所述多个像素点中查找出现次数最多的颜色所对应的颜色值;将出现次数最多的颜色所对应的颜色值作为所述颜色参考值。
进一步地,将所述第一区域的边缘作为所述目标对象的轮廓包括:获取所述第一区域中全部像素点的颜色值所构成的矩阵,其中,所述矩阵中每个元素表示一个像素点的颜色值;计算所述矩阵的梯度,并计算所述梯度的绝对值;将所述梯度的绝对值对应在所述目标图像帧中,得到所述目标对象的轮廓。
进一步地,从所述目标图像帧中选择所述目标对象所在的第二区域包括:获取所述目标对象在目标坐标系中的第三区域;将所述第三区域对应的坐标映射到所述目标图像帧中,得到目标坐标;将所述目标坐标所对应的所述目标图像帧中的区域作为所述第二区域。
进一步地,获取所述目标对象在目标坐标系中的第三区域包括:获取所述目标对象的特征颜色值;将所述目标图像帧的颜色值和所述特征颜色值之差作为第一矩阵;根据所述第一矩阵计算所述第三区域。
进一步地,根据所述第一矩阵计算所述第三区域包括:根据所述第一矩阵的元素的颜色值确定第一坐标点,其中,所述第一坐标点的颜色值是所述第一矩阵的元素中最大的;以所述第一坐标点为中心作矩形框,其中,所述矩形框的边沿的元素的颜色值的平均值与所述矩形框的框内的元素的颜色值的平均值存在预设数值关系;在所述目标对象处于所述矩形框内时,将所述矩形框所在的区域作为所述第三区域。
进一步地,所述第一矩阵的每个元素具有红、绿、蓝三个维度,根据所述第一矩阵的元素的颜色值确定第一坐标点包括:将所述第一矩阵中每个元素的红、绿、蓝三个维度的颜色值相加,得到第二矩阵,其中,所述第二矩阵的每个元素具有一个维度;将所述第二矩阵中每个元素的周边预设数量的元素的颜色值求平均值,将所述平均值作为所述第二矩阵中元素的颜色值;将所述第二矩阵中颜色值在第一预设范围之内的元素的颜色值赋值为零,得到第三矩阵;将所述第三矩阵中颜色值最大的元素的坐标作为所述第一坐标点。
进一步地,将所述第一矩阵中每个元素的红、绿、蓝三个维度的颜色值相加,得到第二矩阵包括:将所述第一矩阵中第一元素的红、绿、蓝三个维度的颜色值相加得到的结果,与权重值更改矩阵中的第二元素相乘,得到所述第二矩阵,其中,所述第一元素为所述第一矩阵中的任意一个元素,所述第二元素在所述权重值更改矩阵中的坐标与所述第一元素在所述第一矩阵的坐标相同,所述权重值更改矩阵如下:其中,Rc为单轴方向下降比例,(N1c,N2c)为图像的中心点的坐标,x为图像的像素点的横坐标,y为图像的像素点的纵坐标。
根据本申请实施例的另一方面,还提供了一种图像处理装置,包括:第一获取单元,用于获取目标图像帧中目标对象的颜色参考值,其中,所述颜色参考值为所述目标对象在预设区域内出现次数最多的颜色的颜色值;第二获取单元,用于获取由所述目标图像帧中与所述颜色参考值的差值小于或者等于预设值的像素点形成的第一区域;处理单元,用于将所述第一区域的边缘作为所述目标对象的轮廓。
进一步地,所述第一获取单元包括:选择子单元,用于从所述目标图像帧中选择所述目标对象所在的第二区域;第一获取子单元,用于获取以所述第二区域的中心点为原点的所述预设区域内的多个像素点;查找子单元,用于从所述多个像素点中查找出现次数最多的颜色所对应的颜色值;确定子单元,用于将出现次数最多的颜色所对应的颜色值作为所述颜色参考值。
进一步地,所述处理单元包括:第二获取子单元,用于获取所述第一区域中全部像素点的颜色值所构成的矩阵,其中,所述矩阵中每个元素表示一个像素点的颜色值;计算子单元,用于计算所述矩阵的梯度,并计算所述梯度的绝对值;处理子单元,用于将所述梯度的绝对值对应在所述目标图像帧中,得到所述目标对象的轮廓。
进一步地,所述选择子单元包括:获取模块,用于获取所述目标对象在目标坐标系中的第三区域;映射模块,用于将所述第三区域对应的坐标映射到所述目标图像帧中,得到目标坐标;确定模块,用于将所述目标坐标所对应的所述目标图像帧中的区域作为所述第二区域。
进一步地,所述获取模块包括:获取子模块,用于获取所述目标对象的特征颜色值;确定子模块,用于将所述目标图像帧的颜色值和所述特征颜色值之差作为第一矩阵;计算子模块,用于根据所述第一矩阵计算所述第三区域。
进一步地,所述计算子模块包括:第一确定大模块,用于根据所述第一矩阵的元素的颜色值确定第一坐标点,其中,所述第一坐标点的颜色值是所述第一矩阵的元素中最大的;处理大模块,用于以所述第一坐标点为中心作矩形框,其中,所述矩形框的边沿的元素的颜色值的平均值与所述矩形框的框内的元素的颜色值的平均值存在预设数值关系;判断大模块,用于判断所述目标对象是否处于所述矩形框内;第二确定大模块,用于当所述目标对象处于所述矩形框内时,将所述矩形框所在的区域作为所述第三区域。
进一步地,所述第一矩阵的每个元素具有红、绿、蓝三个维度,所述第一确定大模块包括:第一计算小模块,用于将所述第一矩阵中每个元素的红、绿、蓝三个维度的颜色值相加,得到第二矩阵,其中,所述第二矩阵的每个元素具有一个维度;第二计算小模块,用于将所述第二矩阵中每个元素的周边预设数量的元素的颜色值求平均值,将所述平均值作为所述第二矩阵中元素的颜色值;赋值小模块,用于将所述第二矩阵中颜色值在第一预设范围之内的元素的颜色值赋值为零,得到第三矩阵;确定小模块,用于将所述第三矩阵中颜色值最大的元素的坐标作为所述第一坐标点。
进一步地,所述第一计算小模块具体用于:将所述第一矩阵中第一元素的红、绿、蓝三个维度的颜色值相加得到的结果,与权重值更改矩阵中的第二元素相乘,得到所述第二矩阵,其中,所述第一元素为所述第一矩阵中的任意一个元素,所述第二元素在所述权重值更改矩阵中的坐标与所述第一元素在所述第一矩阵的坐标相同,所述权重值更改矩阵如下:其中,Rc为单轴方向下降比例,(N1c,N2c)为图像的中心点的坐标,x为图像的像素点的横坐标,y为图像的像素点的纵坐标。
根据本申请实施例的另一方面,还提供了一种机器人,包括:上述图像处理装置。
在本申请实施例中,通过将出现次数最多的颜色的颜色值作为颜色参考值,将目标图像帧中颜色值与颜色参考值相等或者比较接近的像素点认为是目标对象的像素点,获取目标图像帧中颜色值与颜色参考值相等或者比较接近的像素点的集合所在的区域(第一区域),对第一区域进行处理,将第一区域的边缘作为目标对象的轮廓,实现了准确确定视频中的目标对象的轮廓的技术效果,进而解决了现有技术中无法准确确定视频中目标对象的轮廓的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本发明实施例的图像处理方法的流程图;
图2是本发明实施例中目标图像帧中第二区域的示意图;
图3是本发明实施例中第二区域的中心点的示意图;
图4是本发明实施例中预设区域的示意图;
图5是本发明实施例中将第二区域内若干像素点的颜色值清零之后得到结果的示意图;
图6是本发明实施例中手掌轮廓的示意图;
图7是本发明实施例中降低精度及颜色量值之前的图像帧的示意图;
图8是本发明实施例中降低精度及颜色量值之后的图像帧的示意图;
图9是本发明实施例中第二图像帧的示意图;
图10是本发明实施例中第一图像帧的递推颜色值的示意图;
图11是本发明实施例中像素点的颜色值为第一结果的图像帧的示意图;
图12是本发明实施例中像素点的颜色值为第二结果的图像帧的示意图;
图13是本发明实施例中第二颜色值的梯度的绝对值对应的图像帧的示意图;
图14是本发明实施例中第一图像帧的递推颜色值的梯度对应的图像帧的示意图;
图15是本发明实施例中像素点的颜色值为第三结果的图像帧的示意图;
图16是本发明实施例中保存预设比例的像素点对应的图像帧的示意图;
图17是本发明实施例中像素点的颜色值为第四结果的图像帧的示意图;
图18是本发明实施例中像素点的颜色值为第五结果的图像帧的示意图;
图19是本发明实施例中像素点的颜色值为使用第二加权公式计算出的第一矩阵对应的图像帧的示意图;
图20是本发明实施例中根据第一矩阵得到的第二矩阵表示的图像帧的示意图;
图21是本发明实施例使用权重值更改矩阵之后得到的图像帧的示意图;
图22是本发明实施例中将一些像素点清零之后的图像帧的示意图;
图23是本发明实施例中将图像帧的颜色值进行更改后得到的图像帧的示意图;
图24是本发明实施例中将像素点的颜色值替换成周边像素点的颜色值的平均值之后得到的图像帧的示意图;
图25是本发明实施例中像素点的颜色值为第三矩阵的图像帧的示意图;
图26是本发明实施例中包含第一坐标点并且像素点的颜色值为第三矩阵的图像帧的示意图;
图27是本发明实施例中将矩形框扩张至第一范围的示意图;
图28是本发明实施例中将矩形框收缩至第二范围的示意图;
图29是本发明实施例中将矩形框清除之后的示意图;
图30是本发明实施例中多个矩形框的示意图;
图31是本发明实施例将人的拳头作为目标对象的视频中的图像帧的示意图;
图32是将人的拳头作为目标对象时,将第二区域内若干像素点的颜色值清零之后得到结果的示意图;
图33是本发明实施例中人的拳头的轮廓的示意图;
图34是根据本发明实施例的图像处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先对本申请实施例所涉及的技术术语作如下解释:
颜色值:一种颜色在某种颜色模式中所对应的值。例如,当使用RGB颜色模式时,白色的颜色值为(255,255,255),红色的颜色值为(255,0,0),绿色的颜色值为(0,255,0),蓝色的颜色值为(0,0,255),黄色的颜色值为(255,255,0),黑色的颜色值为(0,0,0)。
梯度:在单变量的实值函数的情况下,梯度是导数,或者,对于一个线性函数,梯度是线的斜率。在向量微积分中,标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向,梯度的长度是这个最大的变化率。
矩阵的梯度:以一个3*3矩阵为例,说明矩阵梯度的算法。
矩阵[x,y]=梯度(C),则其中,x是矩阵的横向梯度,x的第一列的数值是矩阵C的第二列减去矩阵C的第一列,例如-5=(2-7)/1,x的第二列的数值是矩阵C的第二列减去第一列的值加上第三列减去第二列的值再除以2,例如-3=((2-7)+(1-2))/2。X的最后一列的数值等于矩阵C的最后一列减去倒数第二列的值除以1,例如-1=(1-2)/2。
根据本申请实施例,提供了一种图像处理方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的图像处理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标图像帧中目标对象的颜色参考值,其中,颜色参考值为目标对象在预设区域内出现次数最多的颜色的颜色值。
步骤S104,获取由目标图像帧中与颜色参考值的差值小于或者等于预设值的像素点形成的第一区域。
步骤S106,将第一区域的边缘作为目标对象的轮廓。
目标对象的颜色参考值是很接近目标对象的真实颜色的颜色值的,也可以说,将目标图像帧中颜色值与颜色参考值相等或者比较接近(差值小于或者等于预设值)的像素点认为是目标对象的像素点。第一区域即为目标图像帧中与颜色参考值的差值小于或者等于预设值的像素点集合。将第一区域的边缘作为目标对象的轮廓。
通过将出现次数最多的颜色的颜色值作为颜色参考值,将目标图像帧中颜色值与颜色参考值相等或者比较接近的像素点认为是目标对象的像素点,获取目标图像帧中颜色值与颜色参考值相等或者比较接近的像素点的集合所在的区域(第一区域),对第一区域进行处理,将第一区域的边缘作为目标对象的轮廓,解决了现有技术中无法准确确定出目标对象的轮廓的技术问题,达到了准确确定出目标对象的轮廓的技术效果。
可选地,获取目标图像帧中目标对象的颜色参考值包括:从目标图像帧中选择目标对象所在的第二区域;获取以第二区域的中心点为原点的预设区域内的多个像素点;从多个像素点中查找出现次数最多的颜色所对应的颜色值;将出现次数最多的颜色所对应的颜色值作为颜色参考值。
预设区域可以是以第二区域(图2所示的整个区域为第二区域)的中心点(如图3所示手掌中黑色的圆点)为中心的多个像素点组成的区域(如图4所示的手掌中心的白色方框所在的区域),从预设区域中查找出现次数最多的颜色所对应的颜色值,将出现次数最多的颜色所对应的颜色值作为颜色参考值。例如,预设区域是以第二区域的中心点为中心的81个像素点组成的区域,从这81个像素点中查找出现次数最多的颜色所对应的颜色值,将出现次数最多的颜色所对应的颜色值作为颜色参考值。将第二区域内颜色值与颜色参考值的差不在预设范围的像素点的颜色值清零,清零后的结果如图5所示。
可选地,将所述第一区域的边缘作为所述目标对象的轮廓包括:获取第一区域中全部像素点的颜色值所构成的矩阵,其中,矩阵中每个元素表示一个像素点的颜色值;计算矩阵的梯度,并计算梯度的绝对值;将梯度的绝对值对应在目标图像帧中,得到目标对象的轮廓。
第一区域中全部像素点的颜色值所构成的矩阵在目标对象的边缘位置颜色值的变化快,变化率大,而在目标对象的非边缘位置的颜色值的变化慢,变化率小。由于梯度体现函数的变化率,通过对第一区域中全部像素点的颜色值所构成的矩阵求梯度,能够发现求梯度得到的矩阵中的一部分元素的颜色值的绝对值较小,另一部分元素的颜色值的绝对值较大,颜色值的绝对值较小的元素所表示的像素点为目标对象的非边缘位置的像素点,颜色值的绝对值较大的元素所表示的像素点为目标对象的边缘位置的像素点,将梯度的绝对值对应在目标图像帧中,这样就得到了目标对象的轮廓。
将第一区域中全部像素点的颜色值所构成的矩阵求梯度,得到一个矩阵,将这个矩阵的全部元素取绝对值,得到上述梯度的绝对值,将梯度的绝对值对应在目标图像帧中,得到目标对象的轮廓,如图6所示的手掌边缘的白色线条。图6是本发明实施例中手掌轮廓的示意图。
可选地,从目标图像帧中选择目标对象所在的第二区域包括:获取目标对象在目标坐标系中的第三区域;将第三区域对应的坐标映射到目标图像帧中,得到目标坐标;将目标坐标所对应的目标图像帧中的区域作为第二区域。
在执行上述步骤S102之前,可以先降低视频文件的精度,这样能够提高计算机的运算速度,降低视频文件的精度的方法是:在单轴中每4个点选择1个点出来,即将第4点、第8点、第12点、第16点选择出来,其他数据忽略。再将视频的颜色值降低(例如,由256色降低为64色),以方便比较不同帧的颜色差值。当使用本发明实施例所提供的方法时,需要获取目标对象在低精度的图像帧中的第三区域,将低精度的图像帧的坐标还原为原始图像帧的坐标,即将用于指示第三区域的坐标映射到目标图像帧中,得到目标坐标,将目标坐标所指示的目标图像帧中的区域作为第二区域,目标图像帧的精度与原始视频文件的精度是相同的。
图7是本发明实施例中降低精度及颜色量值之前的图像帧的示意图,图8是本发明实施例中降低精度及颜色量值之后的图像帧的示意图。
可选地,获取目标对象在目标坐标系中的第三区域包括:获取目标对象的特征颜色值;将目标图像帧的颜色值和特征颜色值之差作为第一矩阵;根据第一矩阵计算第三区域。
作为一种可选的实施例,可以采用以下方法计算第一矩阵:将目标图像帧的颜色值和特征颜色值之差作为第一矩阵,即将目标图像帧的颜色值的矩阵减去特征颜色值的矩阵得到的矩阵作为第一矩阵。特征颜色值能够表征目标对象的颜色的特征,特征颜色值与背景的颜色值有较大的区别。以目标对象为人的手掌为例,则目标对象的特征颜色值可以定义为手掌的颜色:(250,200,125)±(50,50,50)。
作为另一种可选的实施例,也可以使用第一加权公式计算第一矩阵,其中第一加权公式是:第一矩阵=第一系数*第一结果+第二系数*第二结果+第三系数*第三结果+第四系数*第四结果+第五系数*第五结果,其中,第一系数、第二系数、第三系数、第四系数和第五系数中至少一个不等于零。
获取第一结果、第二结果、第三结果、第四结果、第五结果的具体过程在下文有详细说明。
一个视频文件通常由多个图像帧组成,第一图像帧、第二图像帧为同一个视频文件中任意相邻的两个图像帧。每个图像帧都是由若干个像素点构成的,每个像素点的颜色值即构成了图像帧的颜色值。第一图像帧中的像素点的颜色值为第一颜色值,第二图像帧中的像素点的颜色值为第二颜色值。
一般来说,可以用矩阵表示图像帧的颜色值,例如,图像帧Ti的颜色值为矩阵Mi,矩阵Mi的元素对应着图像帧Ti的每个像素点的颜色值。由于颜色值的取值与颜色模式有关,为了方便叙述,在本发明实施例中,如无特殊说明,均采用RGB颜色模式。需要说明的是,本发明实施例所提供的图像处理方法在其他颜色模式下也能够使用,只需要将颜色值的大小根据颜色模式作调整即可。当采用RGB颜色模式时,矩阵M1的每个元素都有三个维度,例如,矩阵M1的第10行第20列的元素是(255,255,0),则表示图像帧T1中位于第10行第20列的像素点的颜色值是(255,255,0)。
第N+1图像帧的递推颜色值、第N+1图像帧与第N图像帧的递推颜色值这三者之间存在如下关系:
第N+1图像帧的递推颜色值=(第N+1图像帧+R*第N图像帧的递推颜色值)/(1+R)。R为预设比例值,R的取值范围为(0,1)。例如,R可以取0.9。在第一图像帧为第一帧图像帧时,第一图像帧的递推颜色值根据第一颜色值得到。
对该式的等号的左右两边同时求梯度,得:
第N+1图像帧的递推颜色值的梯度=(第N+1图像帧的梯度+R*第N图像帧的递推颜色值的梯度)/(1+R)。
获取第一结果的过程是:将第二图像帧的第二颜色值与第一图像帧的递推颜色值作差,并且求绝对值,得到第一结果。图9是本发明实施例中第二图像帧的示意图。图10是本发明实施例中第一图像帧的递推颜色值的示意图。图11是本发明实施例中像素点的颜色值为第一结果的图像帧的示意图。
获取第二结果的过程是:获取第二图像帧的第二颜色值与第一图像帧的递推颜色值的差值,对差值求梯度,并且求绝对值,得到第二结果。图12是本发明实施例中像素点的颜色值为第二结果的图像帧的示意图。
获取第三结果的过程是:求第二颜色值的梯度的绝对值(表示如图13所示的图像)与第一图像帧的递推颜色值的梯度(递推颜色值的梯度表示如图14所示的图像)之差,并且求绝对值(表示如图15所示的图像),得到第三结果。
获取第四结果的过程是:获取第二颜色值与第一图像帧的递推颜色值之差的梯度矩阵,按照梯度矩阵的元素由大到小的顺序保存预设比例的元素,将保存预设比例的元素之后的新的梯度矩阵的梯度求绝对值,作为第四结果。即,第二颜色值与第一图像帧的递推颜色值之差为一个矩阵,对这个矩阵求梯度,即得到第二颜色值与第一图像帧的递推颜色值之差的梯度矩阵,梯度矩阵中包含多个元素,将多个元素从大到小进行排列,将预设比例的元素保持不变,其余均清零,例如,预设比例为前10%,其余90%的元素均清零,这样处理之后,得到新的梯度矩阵(表示如图16所示的图像),对这个新的梯度矩阵求梯度,得到另一个矩阵(为方便叙述,使用Mt表示),将矩阵Mt中的所有元素取绝对值,得到第四结果(表示如图17所示的图像)。
获取第五结果的过程是:将第一图像帧的第一颜色值和特征颜色值之差作为第五结果(表示如图18所示的图像)。
当使用矩阵表示图像帧的颜色值时,递推颜色值也是一个矩阵,由于对矩阵求梯度的结果仍旧是矩阵,对矩阵的梯度求梯度的结果仍旧是矩阵,对矩阵进行加减乘除运算后得到的结果仍旧是矩阵,因此第一结果、第二结果、第三结果、第四结果和第五结果均为矩阵。
由于在获取第一结果、第二结果、第三结果、第四结果、第五结果中的任何一个时都存在误差,通过使用多个加权的方法计算第一矩阵,能够降低误差,提高计算第一矩阵的精度值。
考虑到将颜色值差的影响平均化,可以使用第二加权公式计算第一矩阵,其中,第二加权公式是:第一矩阵=第一系数*㏒a(第一结果)+第二系数*㏒a(第二结果)+第三系数*㏒a(第三结果)+第四系数*㏒a(第四结果)+第五系数*㏒a(第五结果),其中,a可以取2、e(自然对数的底)、5、10等数值。图19是本发明实施例中像素点的颜色值为第一矩阵的图像帧的示意图。
可选地,根据第一矩阵计算第三区域包括:根据第一矩阵的元素的颜色值确定第一坐标点,其中,第一坐标点的颜色值是第一矩阵的元素中最大的;以第一坐标点为中心作矩形框,其中,矩形框的边沿的元素的颜色值的平均值与矩形框的框内的元素的颜色值的平均值存在预设数值关系;判断目标对象是否处于矩形框内;如果目标对象处于矩形框内,将矩形框所在的区域作为第三区域。
可选地,第一矩阵的每个元素具有红、绿、蓝三个维度,根据第一矩阵的元素的颜色值确定第一坐标点包括:将第一矩阵中每个元素的红、绿、蓝三个维度的颜色值相加,得到第二矩阵,其中,第二矩阵的每个元素具有一个维度;将第二矩阵中每个元素的周边预设数量的元素的颜色值求平均值,将平均值作为第二矩阵中元素的颜色值;将第二矩阵中颜色值在第一预设范围之内的元素的颜色值赋值为零,得到第三矩阵;将第三矩阵中颜色值最大的元素的坐标作为第一坐标点。
如前文所述,可以用矩阵表示图像帧的颜色值,例如,图像帧Ti的颜色值为矩阵Mi,矩阵Mi的元素对应着图像帧Ti的每个像素点的颜色值。当采用RGB颜色模式时,表示图像帧Ti的颜色值的矩阵Mi的每个元素都有红、绿、蓝三个维度,第一矩阵的每个元素也有红、绿、蓝三个维度。在本申请实施例中,将第一矩阵的每个元素的红、绿、蓝三个维度的颜色值相加,得到第二矩阵(如图20所示)。下面详细说明怎样由第一矩阵求得第二矩阵。
例如,当第一矩阵时,求第二矩阵C2。第一矩阵C1是一个3行4列的矩阵,一共有12个元素,每个元素都有红、绿、蓝三个维度。其中,第一矩阵C1中第2行第3列的元素是(21,32,0),将第一矩阵C1中第2行第3列的元素在红、绿、蓝三个维度的值相加,即将21、32、0相加,得到53,即第二矩阵C2中第2行第3列的元素的值为53。对第一矩阵中的其他元素进行的计算同理,最后得到第二矩阵第二矩阵C2是一个3行4列的矩阵,一共有12个元素,每个元素只有一个维度。
为了降低图像帧的周边位置的权重,提升图像帧的中间位置的重要性,作为一种可选的实施例,可以将第一矩阵中第一元素的红、绿、蓝三个维度的颜色值相加得到的结果,与权重值更改矩阵中的第二元素相乘,得到第二矩阵,其中,第一元素为第一矩阵中的任意一个元素,第二元素在权重值更改矩阵中的坐标与第一元素在第一矩阵的坐标相同,权重值更改矩阵如下:其中,Rc为单轴方向下降比例,(N1c,N2c)为图像的中心点的坐标,x为图像帧的像素点的横坐标,y为图像帧的像素点的纵坐标。图21是本发明实施例使用权重值更改矩阵之后得到的图像帧的示意图。
当目标对象的各处的颜色值比较接近时,还可以使用下述方法对图像帧进行处理,以目标对象是手掌为例,由于手掌的颜色与黑色、白色的颜色值的差距较大,因此,可以认为,图像帧中那些颜色值与黑色、白色的颜色值非常接近的像素点不是组成手掌的图像的像素点,因此,可以将这些像素点的颜色值清零。由于黑色的颜色值是(0,0,0),白色的颜色值是(255,255,255),可以设定当第二矩阵中元素的颜色值小于150,或者大于675时,认为这个元素不是组成手掌的图像的元素,将这个元素的颜色值清零。图22是本发明实施例中将一些像素点清零之后的图像帧的示意图。
然后,使用下一公式对图像帧的颜色值进行更改:
第N+1图像帧的颜色值(更改后)=第N+1图像帧的颜色值(更改前)+r*第N图像帧的颜色值(已被过滤),其中,r为预设的比例值。
例如,当得到第3个图像帧的颜色值之后,将第3个图像帧的颜色值与第2个图像帧的已过滤的颜色值*r的和作为第3个图像帧的更改后的颜色值;当得到第4个图像帧的颜色值之后,将第4个图像帧的颜色值与第3个图像帧的已过滤的颜色值*r的和作为第4个图像帧的更改后的颜色值;当得到第5个图像帧的颜色值之后,将第5个图像帧的颜色值与第4个图像帧的已过滤的颜色值*r的和作为第5个图像帧的更改后的颜色值。
图23是本发明实施例中将图像帧的颜色值进行更改后得到的图像帧的示意图。
将第二矩阵中每个元素的周边预设数量的元素的颜色值求平均值,将平均值作为第二矩阵中元素的颜色值,例如预设数量为9时,将以第二矩阵中元素a为中心的3行3列的9个元素的颜色值求平均值,将求得的平均值替换元素a的颜色值。再例如预设数量为25时,将以元素a为中心的5行5列的25个元素的颜色值求平均值,将求得的平均值替换元素a的坐标。
假设矩阵将矩阵C3中的每一个元素(注意:第一行、第一列、最后一行和最后一列的元素除外)替换成以该元素为中心的3行3列的元素的颜色值的平均值,然后,将第一行、第一列、最后一行和最后一列的元素的值清零,得到矩阵C4。以矩阵C3中的第3行第3列的元素12为例说明。以该元素12为中心的3行3列的9个元素的颜色值为4、9、15、8、12、11、20、30、40,求这9个颜色值的平均值,得到16.56,因此,矩阵C4的第3行第3列的元素的颜色值为16.56。矩阵C4的其他元素的计算以此类推,最后求得矩阵C4:
图24是本发明实施例中将像素点的颜色值替换成周边像素点的颜色值的平均值之后得到的图像帧的示意图。
在将第二矩阵中的每个元素进行替换之后,将替换后的第二矩阵的替换后的那些元素的颜色值从大到小进行排序,颜色值在第一预设范围之内的元素的颜色值赋值为零,将颜色值不在第一预设范围之内的元素的颜色值减去某一个预设值,得到第三矩阵。第三矩阵即为图像帧完成过滤后得到的颜色值。
第一预设范围可以有多个,例如,第一预设范围可以为颜色值在排序中位于后面90%、80%,等。以第一预设范围为颜色值在排序中位于后面80%为例进行说明。假设替换后的第二矩阵为矩阵C4,将矩阵C4中除第一行、第一列、最后一行和最后一列的元素之外的所有元素根据颜色值从大到小进行排序,将颜色值在排序中位于后面80%的元素赋值为零,将颜色值在排序中位于前面20%的元素的2个元素每个元素分别减去排序中的第三个元素14.11(矩阵C4中位于第4行第3列的元素),第三个元素与这两个元素中最小的元素之差最小。得到第三矩阵C5。第三矩阵所表示出的图像如图25所示。
将第三矩阵中颜色值最大的元素的坐标作为第一坐标点,如第三矩阵中的第3行第3列的元素2.45的坐标作为第一坐标点,显示出的图像如图26中的黑色点。
一般情况下,一个图像帧的像素点的个数是以千或者万为数量级的,图像帧的像素点的颜色值的集合如果用矩阵表示,则这个矩阵中包含几千甚至上万个元素,这个矩阵的行的数量或列的数量可能会超过100。但是本发明实施例中,使用如此高阶的矩阵举例子会非常不方便,所以只能以低阶矩阵为例对本发明实施例所提供的方法进行说明。需要注意的是,本发明实施例所提供的方法对高阶矩阵的情况是完全适用的。
将第一坐标点作为中心作矩形框,并且对矩形框由小到大进行扩张(如图27所示),对矩形框的扩张可以有多种方式,例如,方式一:将第一坐标点作为中心作矩形框,对矩形框由小到大进行扩张,直至矩形框的边沿的元素的颜色值的平均值与矩形框的框内的元素的颜色值的平均值满足预设数值关系(例如,矩形框的边沿的元素的颜色值的平均值等于矩形框的框内的元素的颜色值的平均值与某个预设比例值的乘积),此时,停止对矩形框的扩张。方式二:将第一坐标点作为中心作矩形框,对矩形框由小到大进行扩张,在扩张过程中,只要发现颜色值大于0的元素,就将矩形框扩张直至矩形框包含该元素。扩张完成后,再对矩形框进行收缩(收缩后的图像如图28所示),直至矩形框的边沿的元素的颜色值的平均值与矩形框的框内的元素的颜色值的平均值满足预设数值关系。
当矩形框的扩张(或收缩)完成之后,保存矩形框的中心点、长度和高度等信息,然后将矩形框清除,图29是本发明实施例中将矩形框清除之后的示意图。使用同样的方法继续找下一个矩形框。图30是本发明实施例中多个矩形框的示意图。假如一共找出多个矩形框,则求每个矩形框的框内的元素的颜色值的平均值,筛选出框内的元素的颜色值的平均值最大的矩形框Km,然后判断目标对象是否处于矩形框Km内。需要注意的是,根据任意相邻的两个图像帧(例如图像帧T1和图像帧T2),都能够根据本发明实施例所提供的方法根据图像帧T1和图像帧T2求得一个矩形框Km。不同的相邻图像帧确定出的矩形框Km也是不同的。也就是说,通过对不同的相邻图像帧的处理,能够得到多个不同的矩形框Km。
可以通过判断矩形框Km是否满足预设条件来判断目标对象是否处于矩形框Km中,当目标对象处于矩形框Km中时,认为矩形框Km是有效矩形框,记录其位置、大小信息。预设条件可以为以下多个中的任意一个或者多个:(1)矩形框的框内的元素的颜色值的平均值大于某个预设值;(2)矩形框的面积在某个预设范围之内;(3)矩形框的长与高之比在某个预设范围之内;(4)矩形框的长或者高的数值大小在某个预设范围之内;(5)矩形框内的元素的颜色值的总值大于已有的10个有效矩形框内的元素的颜色值的总值的平均值的一定比例(例如85%);(6)矩形框内的出现次数最多的颜色所对应的颜色值与已有的10个有效矩形框内的出现次数最多的颜色所对应的颜色值的平均值的差在一定范围之内。
如果判断出目标对象处于矩形框Km中,将矩形框Km所在的区域作为第三区域。
当目标对象是人的拳头时,由于拳头的颜色比较平均,可以采用本发明实施例所提供的方法,利用类似目标对象为手掌的图像处理方法,来确定拳头的轮廓。具体地,获取目标图像帧(如图31所示)中目标对象的颜色参考值,其中,颜色参考值为目标对象的预设区域内出现次数最多的颜色的颜色值,例如,预设区域是以第二区域的中心点为中心的81个像素点组成的区域,从这81个像素点中查找出现次数最多的颜色所对应的颜色值,将出现次数最多的颜色所对应的颜色值作为颜色参考值。将第二区域内颜色值与颜色参考值的差不在预设范围的像素点的颜色值清零,清零后的结果如图32所示。获取目标图像帧中与颜色参考值的差值小于或者等于预设值的像素点的第一区域,将第一区域的边缘作为目标对象的轮廓(如图33所示)。
根据本发明实施例,还提供了一种图像处理装置。该图像处理装置可以执行上述图像处理方法,上述图像处理方法也可以通过该图像处理装置实施。
图34是根据本发明实施例的图像处理装置的示意图。如图34所示,该图像处理装置包括:第一获取单元10、第二获取单元20和处理单元30。
第一获取单元10,用于获取目标图像帧中目标对象的颜色参考值,其中,颜色参考值为目标对象在预设区域内出现次数最多的颜色的颜色值。
第二获取单元20,用于获取由目标图像帧中与颜色参考值的差值小于或者等于预设值的像素点形成的第一区域。
处理单元30,用于将第一区域的边缘作为目标对象的轮廓。
第一获取单元10将出现次数最多的颜色的颜色值作为颜色参考值,目标图像帧中颜色值与颜色参考值相等或者比较接近的像素点被认为是目标对象的像素点,第二获取单元20获取目标图像帧中颜色值与颜色参考值相等或者比较接近的像素点的集合所在的区域(第一区域),处理单元30对这个集合所在的区域进行处理,将第一区域的边缘作为目标对象的轮廓,解决了现有技术中无法准确确定出目标对象的轮廓的技术问题,达到了准确确定出目标对象的轮廓的技术效果。
可选地,第一获取单元10包括:选择子单元,用于从目标图像帧中选择目标对象所在的第二区域;第一获取子单元,用于获取以第二区域的中心点为原点的预设区域内的多个像素点;查找子单元,用于从多个像素点中查找出现次数最多的颜色所对应的颜色值;确定子单元,用于将出现次数最多的颜色所对应的颜色值作为颜色参考值。
可选地,处理单元30包括:第二获取子单元,用于获取第一区域中全部像素点的颜色值所构成的矩阵,其中,矩阵中每个元素表示一个像素点的颜色值;计算子单元,用于计算矩阵的梯度,并计算梯度的绝对值;处理子单元,用于将梯度的绝对值对应在目标图像帧中,得到目标对象的轮廓。
可选地,选择子单元包括:获取模块,用于获取目标对象在目标坐标系中的第三区域;映射模块,用于将第三区域对应的坐标映射到目标图像帧中,得到目标坐标;确定模块,用于将目标坐标所对应的目标图像帧中的区域作为第二区域。
可选地,获取模块包括:获取子模块,用于获取目标对象的特征颜色值;确定子模块,用于将目标图像帧的颜色值和特征颜色值之差作为第一矩阵;计算子模块,用于根据第一矩阵计算第三区域。
可选地,计算子模块包括:第一确定大模块,用于根据第一矩阵的元素的颜色值确定第一坐标点,其中,第一坐标点的颜色值是第一矩阵的元素中最大的;处理大模块,用于以第一坐标点为中心作矩形框,其中,矩形框的边沿的元素的颜色值的平均值与矩形框的框内的元素的颜色值的平均值存在预设数值关系;判断大模块,用于判断目标对象是否处于矩形框内;第二确定大模块,用于当目标对象处于矩形框内时,将矩形框所在的区域作为第三区域。
可选地,第一矩阵的每个元素具有红、绿、蓝三个维度,第一确定大模块包括:第一计算小模块,用于将第一矩阵中每个元素的红、绿、蓝三个维度的颜色值相加,得到第二矩阵,其中,第二矩阵的每个元素具有一个维度;第二计算小模块,用于将第二矩阵中每个元素的周边预设数量的元素的颜色值求平均值,将平均值作为第二矩阵中元素的颜色值;赋值小模块,用于将第二矩阵中颜色值在第一预设范围之内的元素的颜色值赋值为零,得到第三矩阵;确定小模块,用于将第三矩阵中颜色值最大的元素的坐标作为第一坐标点。
可选地,第一计算小模块具体用于:将第一矩阵中第一元素的红、绿、蓝三个维度的颜色值相加得到的结果,与权重值更改矩阵中的第二元素相乘,得到第二矩阵,其中,第一元素为第一矩阵中的任意一个元素,第二元素在权重值更改矩阵中的坐标与第一元素在第一矩阵的坐标相同,权重值更改矩阵如下:其中,Rc为单轴方向下降比例,(N1c,N2c)为图像的中心点的坐标,x为图像的像素点的横坐标,y为图像的像素点的纵坐标。
根据本发明实施例,还提供了一种机器人。该机器人包括上述的图像处理装置。图像处理装置的第一获取单元10将出现次数最多的颜色的颜色值作为颜色参考值,目标图像帧中颜色值与颜色参考值相等或者比较接近的像素点被认为是目标对象的像素点,第二获取单元20获取目标图像帧中颜色值与颜色参考值相等或者比较接近的像素点的集合所在的区域(第一区域),处理单元30对这个集合所在的区域进行处理,将第一区域的边缘作为目标对象的轮廓,解决了现有技术中无法准确确定出目标对象的轮廓的技术问题,达到了准确确定出目标对象的轮廓的技术效果。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (15)
1.一种图像处理方法,其特征在于,包括:
获取目标图像帧中目标对象的颜色参考值,其中,所述颜色参考值为所述目标对象在预设区域内出现次数最多的颜色的颜色值;
获取由所述目标图像帧中与所述颜色参考值的差值小于或者等于预设值的像素点形成的第一区域;
将所述第一区域的边缘作为所述目标对象的轮廓;
其中,获取目标图像帧中目标对象的颜色参考值包括:
从所述目标图像帧中选择所述目标对象所在的第二区域;
获取以所述第二区域的中心点为原点的所述预设区域内的多个像素点;
从所述多个像素点中查找出现次数最多的颜色所对应的颜色值;
将出现次数最多的颜色所对应的颜色值作为所述颜色参考值。
2.根据权利要求1所述的方法,其特征在于,从所述目标图像帧中选择所述目标对象所在的第二区域包括:
获取所述目标对象在目标坐标系中的第三区域;
将所述第三区域对应的坐标映射到所述目标图像帧中,得到目标坐标;
将所述目标坐标所对应的所述目标图像帧中的区域作为所述第二区域。
3.根据权利要求2所述的方法,其特征在于,获取所述目标对象在目标坐标系中的第三区域包括:
获取所述目标对象的特征颜色值;
将所述目标图像帧的颜色值和所述特征颜色值之差作为第一矩阵;
根据所述第一矩阵计算所述第三区域。
4.根据权利要求3所述的方法,其特征在于,根据所述第一矩阵计算所述第三区域包括:
根据所述第一矩阵的元素的颜色值确定第一坐标点,其中,所述第一坐标点的颜色值是所述第一矩阵的元素中最大的;
以所述第一坐标点为中心作矩形框,其中,所述矩形框的边沿的元素的颜色值的平均值与所述矩形框的框内的元素的颜色值的平均值存在预设数值关系;
在所述目标对象处于所述矩形框内时,将所述矩形框所在的区域作为所述第三区域。
5.根据权利要求4所述的方法,其特征在于,所述第一矩阵的每个元素具有红、绿、蓝三个维度,根据所述第一矩阵的元素的颜色值确定第一坐标点包括:
将所述第一矩阵中每个元素的红、绿、蓝三个维度的颜色值相加,得到第二矩阵,其中,所述第二矩阵的每个元素具有一个维度;
将所述第二矩阵中每个元素的周边预设数量的元素的颜色值求平均值,将所述平均值作为所述第二矩阵中元素的颜色值;
将所述第二矩阵中颜色值在第一预设范围之内的元素的颜色值赋值为零,得到第三矩阵;
将所述第三矩阵中颜色值最大的元素的坐标作为所述第一坐标点。
7.根据权利要求1所述的方法,其特征在于,将所述第一区域的边缘作为所述目标对象的轮廓包括:
获取所述第一区域中全部像素点的颜色值所构成的矩阵,其中,所述矩阵中每个元素表示一个像素点的颜色值;
计算所述矩阵的梯度,并计算所述梯度的绝对值;
将所述梯度的绝对值对应在所述目标图像帧中,得到所述目标对象的轮廓。
8.一种图像处理装置,其特征在于,包括:
第一获取单元,用于获取目标图像帧中目标对象的颜色参考值,其中,所述颜色参考值为所述目标对象在预设区域内出现次数最多的颜色的颜色值;
第二获取单元,用于获取由所述目标图像帧中与所述颜色参考值的差值小于或者等于预设值的像素点形成的第一区域;
处理单元,用于将所述第一区域的边缘作为所述目标对象的轮廓;
其中,所述第一获取单元包括:
选择子单元,用于从所述目标图像帧中选择所述目标对象所在的第二区域;
第一获取子单元,用于获取以所述第二区域的中心点为原点的所述预设区域内的多个像素点;
查找子单元,用于从所述多个像素点中查找出现次数最多的颜色所对应的颜色值;
确定子单元,用于将出现次数最多的颜色所对应的颜色值作为所述颜色参考值。
9.根据权利要求8所述的装置,其特征在于,所述选择子单元包括:
获取模块,用于获取所述目标对象在目标坐标系中的第三区域;
映射模块,用于将所述第三区域对应的坐标映射到所述目标图像帧中,得到目标坐标;
确定模块,用于将所述目标坐标所对应的所述目标图像帧中的区域作为所述第二区域。
10.根据权利要求9所述的装置,其特征在于,所述获取模块包括:
获取子模块,用于获取所述目标对象的特征颜色值;
确定子模块,用于将所述目标图像帧的颜色值和所述特征颜色值之差作为第一矩阵;
计算子模块,用于根据所述第一矩阵计算所述第三区域。
11.根据权利要求10所述的装置,其特征在于,所述计算子模块包括:
第一确定大模块,用于根据所述第一矩阵的元素的颜色值确定第一坐标点,其中,所述第一坐标点的颜色值是所述第一矩阵的元素中最大的;
处理大模块,用于以所述第一坐标点为中心作矩形框,其中,所述矩形框的边沿的元素的颜色值的平均值与所述矩形框的框内的元素的颜色值的平均值存在预设数值关系;
判断大模块,用于判断所述目标对象是否处于所述矩形框内;
第二确定大模块,用于当所述目标对象处于所述矩形框内时,将所述矩形框所在的区域作为所述第三区域。
12.根据权利要求11所述的装置,其特征在于,所述第一矩阵的每个元素具有红、绿、蓝三个维度,所述第一确定大模块包括:
第一计算小模块,用于将所述第一矩阵中每个元素的红、绿、蓝三个维度的颜色值相加,得到第二矩阵,其中,所述第二矩阵的每个元素具有一个维度;
第二计算小模块,用于将所述第二矩阵中每个元素的周边预设数量的元素的颜色值求平均值,将所述平均值作为所述第二矩阵中元素的颜色值;
赋值小模块,用于将所述第二矩阵中颜色值在第一预设范围之内的元素的颜色值赋值为零,得到第三矩阵;
确定小模块,用于将所述第三矩阵中颜色值最大的元素的坐标作为所述第一坐标点。
14.根据权利要求8所述的装置,其特征在于,所述处理单元包括:
第二获取子单元,用于获取所述第一区域中全部像素点的颜色值所构成的矩阵,其中,所述矩阵中每个元素表示一个像素点的颜色值;
计算子单元,用于计算所述矩阵的梯度,并计算所述梯度的绝对值;
处理子单元,用于将所述梯度的绝对值对应在所述目标图像帧中,得到所述目标对象的轮廓。
15.一种机器人,其特征在于,包括:权利要求8至14任一项所述的图像处理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610975741.0A CN108090924B (zh) | 2016-11-07 | 2016-11-07 | 图像处理方法和装置、机器人 |
PCT/CN2017/092029 WO2018082332A1 (zh) | 2016-11-07 | 2017-07-06 | 图像处理方法和装置、机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610975741.0A CN108090924B (zh) | 2016-11-07 | 2016-11-07 | 图像处理方法和装置、机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108090924A CN108090924A (zh) | 2018-05-29 |
CN108090924B true CN108090924B (zh) | 2020-03-10 |
Family
ID=62075683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610975741.0A Expired - Fee Related CN108090924B (zh) | 2016-11-07 | 2016-11-07 | 图像处理方法和装置、机器人 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108090924B (zh) |
WO (1) | WO2018082332A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033500B (zh) * | 2018-12-29 | 2023-09-22 | 北京金山安全软件有限公司 | 一种图形填充方法、装置及电子设备 |
CN110774283A (zh) * | 2019-10-29 | 2020-02-11 | 龙岩学院 | 一种基于计算机视觉的机器人行走控制系统及方法 |
CN110889882B (zh) * | 2019-11-11 | 2023-05-30 | 北京皮尔布莱尼软件有限公司 | 一种合成图片的方法及计算设备 |
CN112862917A (zh) * | 2019-11-28 | 2021-05-28 | 西安四维图新信息技术有限公司 | 地图采集方法及装置 |
CN111582290B (zh) * | 2020-05-13 | 2023-04-07 | 郑州轻工业大学 | 一种计算机图像识别方法 |
CN111612857B (zh) * | 2020-05-28 | 2024-03-26 | 北京明略昭辉科技有限公司 | 一种颜色获取方法、装置、电子设备及可读存储介质 |
CN111860192A (zh) * | 2020-06-24 | 2020-10-30 | 国网宁夏电力有限公司检修公司 | 一种移动物体的识别方法及系统 |
CN112215769A (zh) * | 2020-10-09 | 2021-01-12 | 深圳开立生物医疗科技股份有限公司 | 一种超声图像处理方法、装置及超声设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101699511A (zh) * | 2009-10-30 | 2010-04-28 | 深圳创维数字技术股份有限公司 | 彩色图像分割方法及系统 |
CN102136068A (zh) * | 2011-03-31 | 2011-07-27 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
WO2012147844A1 (ja) * | 2011-04-27 | 2012-11-01 | 日本電気株式会社 | 物体又は形状の認識又は検索方法およびそのシステムおよびそのプログラム |
CN105205832A (zh) * | 2015-08-31 | 2015-12-30 | 清华大学深圳研究生院 | 一种运动目标检测的方法 |
CN105741230A (zh) * | 2016-01-29 | 2016-07-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像处理的方法及移动终端 |
-
2016
- 2016-11-07 CN CN201610975741.0A patent/CN108090924B/zh not_active Expired - Fee Related
-
2017
- 2017-07-06 WO PCT/CN2017/092029 patent/WO2018082332A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101699511A (zh) * | 2009-10-30 | 2010-04-28 | 深圳创维数字技术股份有限公司 | 彩色图像分割方法及系统 |
CN102136068A (zh) * | 2011-03-31 | 2011-07-27 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
WO2012147844A1 (ja) * | 2011-04-27 | 2012-11-01 | 日本電気株式会社 | 物体又は形状の認識又は検索方法およびそのシステムおよびそのプログラム |
CN105205832A (zh) * | 2015-08-31 | 2015-12-30 | 清华大学深圳研究生院 | 一种运动目标检测的方法 |
CN105741230A (zh) * | 2016-01-29 | 2016-07-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种图像处理的方法及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
WO2018082332A1 (zh) | 2018-05-11 |
CN108090924A (zh) | 2018-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090924B (zh) | 图像处理方法和装置、机器人 | |
US8644605B2 (en) | Mapping colors of an image | |
US9984445B2 (en) | Tone mapping | |
JP5918915B2 (ja) | カラーフィルタを有するセンサを用いて、改善されたカラー画像を作成するための方法およびデバイス | |
US20160253787A1 (en) | Methods and systems for denoising images | |
US8818136B2 (en) | Image interpolation method based on matrix and image processing system | |
US20090034838A1 (en) | Device adaptively switching color emphasis processing for image | |
EP2908287A1 (en) | Image segmentation device, image segmentation method, and depth map generating method | |
JPH10503307A (ja) | 画像識別装置 | |
CN104243820A (zh) | 一种确定图像边界的方法及装置 | |
CN104143186B (zh) | 一种slic超像素分块优化方法 | |
CN111860276B (zh) | 人体关键点检测方法、装置、网络设备及存储介质 | |
CN101867832A (zh) | 阈值确定装置和阈值确定方法 | |
JP2009157821A (ja) | 距離画像生成装置、環境認識装置、及びプログラム | |
CN103793888A (zh) | 一种基于参照图像的主要颜色的图像增强方法 | |
CN111161188A (zh) | 一种降低图像色彩噪声的方法、计算机装置及计算机可读存储介质 | |
CN106204551A (zh) | 一种图像显著性检测方法及装置 | |
CN103258334A (zh) | 彩色图像的场景光源颜色估计方法 | |
CN111163301A (zh) | 色彩调整方法、装置及计算机可读存储介质 | |
CN110334652B (zh) | 图像处理方法、电子设备及存储介质 | |
CN113706393A (zh) | 视频增强方法、装置、设备及存储介质 | |
CN104484865A (zh) | 对视频图像进行去雨的方法 | |
CN108564633B (zh) | 灰度图像压缩方法、装置及计算机设备 | |
CN108062773B (zh) | 图像处理方法和装置、机器人 | |
CN103686113A (zh) | 基于数字相机的原始数据的白平衡系统和方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200310 Termination date: 20201107 |
|
CF01 | Termination of patent right due to non-payment of annual fee |