CN108171722B - 图像提取方法、装置和烹饪器具 - Google Patents

图像提取方法、装置和烹饪器具 Download PDF

Info

Publication number
CN108171722B
CN108171722B CN201711435777.0A CN201711435777A CN108171722B CN 108171722 B CN108171722 B CN 108171722B CN 201711435777 A CN201711435777 A CN 201711435777A CN 108171722 B CN108171722 B CN 108171722B
Authority
CN
China
Prior art keywords
image
food
cavity
point
edge
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
Application number
CN201711435777.0A
Other languages
English (en)
Other versions
CN108171722A (zh
Inventor
胡子坚
孙裕文
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.)
Midea Group Co Ltd
Guangdong Midea Kitchen Appliances Manufacturing Co Ltd
Original Assignee
Midea Group Co Ltd
Guangdong Midea Kitchen Appliances Manufacturing 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 Midea Group Co Ltd, Guangdong Midea Kitchen Appliances Manufacturing Co Ltd filed Critical Midea Group Co Ltd
Priority to CN201711435777.0A priority Critical patent/CN108171722B/zh
Publication of CN108171722A publication Critical patent/CN108171722A/zh
Application granted granted Critical
Publication of CN108171722B publication Critical patent/CN108171722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20072—Graph-based image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种图像提取方法、装置和烹饪器具。其中，一种图像提取方法，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该方法包括：获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；识别第一图像的前景特征点和背景特征点；根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。本发明提供的图像提取方法，在OneCut算法的基础上，结合腔体特征等因素，无需人工干预，自动识别图像的前景特征点和背景特征点，从而能自动有效地提取目标食物。

Description

图像提取方法、装置和烹饪器具
技术领域
本发明涉及厨房电器技术领域，具体而言，涉及一种图像提取方法、一种图像提取装置，及一种烹饪器具。
背景技术
科技发展带来了图像信息的大量交流与运用，图像的自动识别技术也得到了越来越广泛的应用，同时生活中的实际问题也使得对图像识别技术的要求越来越高。
在此大环境下，结合烹饪设备，通过图像处理技术，识别出目标食物，并实现自动烹饪，将极大提升用户的使用体验。
其中，在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或者前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为了识别和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上才有可能进一步对目标进行测量和对图像进行利用。
图像分割的方法已有上千种，每年还有许多新方法出现，但尚无通用的分割理论，目前提出的分割算法大都是针对具体问题的，针对烹饪设备的图像分割算法暂时没有。
因此，如何提供一种图像提取算法，将目标物有效提取，以更好地对食物进行图像识别，成为目前亟待解决的技术问题。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，本发明的一方面在于提出了一种图像提取方法。
本发明的另一方面在于提出了一种图像提取装置。
本发明的又一方面在于提出了一种烹饪器具。
有鉴于此，本发明提出了一种图像提取方法，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取方法包括：获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；识别第一图像的前景特征点和背景特征点；根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
根据本发明的图像提取方法，腔体放入盛有食物的器具后，通过摄像装置进行拍摄，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像，根据该空腔体图像，对装有食物的腔体图像进行处理，优选地，利用图像相减算法，将包括盛有食物的器具以及食物的第一图像从装有食物的腔体图像中分离出来，从而实现将腔体背景和装在器具里面的食物分离；然后，自动识别出OneCut算法所需要的前景特征点和背景特征点，利用OneCut算法对第一图像进行分割，最后裁剪出目标食物。本发明提供的图像提取方法，在OneCut算法的基础上，结合腔体特征等因素，无需人工干预，自动识别图像的前景特征点和背景特征点，从而能自动有效地提取目标食物。
另外，根据本发明上述的图像提取方法，还可以具有如下附加的技术特征：
在上述技术方案中，优选地，识别第一图像的背景特征点的步骤，具体包括：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点。
在该技术方案中，根据分离出的第一图像，能够定位出器具的上、下、左、右四个边缘点，从而可以确定器具的中心点，根据这四个边缘点以及中心点，能够计算出第一特征值；背景特征点的获取就是通过中心点，利用第一特征值，定位出器具的边缘并计算出边缘的周长，边缘上的任意一点或多点，和/或边缘的周长即为背景特征点。其中，根据用户使用习惯分析，器具(如盘子)形状一般集中在椭圆形、圆形、长方形等，食物摆放位置习惯主要是放在盘子中间，在具体实施时，优选地，根据器具的四个边缘点，进一步可以定位出盘子的左上、左下、右上、右下4个点，根据这4个点可以确定盘子的圆心，以及计算出X轴半径、Y轴半径，采用椭圆圆周公式，可以确保圆周一定落在盘子范围里面，从而能够保证识别的背景特征点落在盘子里面，提高识别的准确性。通过本发明的技术方案，根据微波炉腔体的特征，用户放食物的习惯，盘子的形状等因素，自动识别出背景特征点，不用人工介入即可实现目标食物的提取，实用性强。
在上述任一技术方案中，优选地，识别第一图像的前景特征点的步骤，具体包括：对第一图像进行颜色区域分析，并结合器具的中心点，定位出第一图像的最大连通区域；根据最大连通区域以及中心点，计算第二特征值；根据第二特征值，确定食物的轮廓以及计算轮廓的周长，轮廓上的至少一点和/或轮廓的周长即为前景特征点。
在该技术方案中，通过对第一图像进行颜色区域统计分析，再与器具的中心点相结合，可以定位出颜色特征最明显的区域(即第一图像的最大连通区域)，前景特征点的获取是根据最大连通区域以及中心点，计算出第二特征值，再结合器具的中心点，确定出食物的轮廓并计算出轮廓的周长，轮廓上的任意一点或多点，和/或轮廓的周长即为前景特征点。在具体实施时，优选地，根据最大连通区域以及中心点，计算出一个半径，采用圆的计算公式确定前景特征点。但是，本领域技术人员应该理解，本发明并不限定采用圆的计算公式确定前景特征点，也可以是采用正方形的方式来计算，或者其他形状的计算，但前提是计算出来的前景特征点必须保证在颜色特征最明显的区域里面，这里只是举例，给定一个半径，只要保证圆周都在颜色特征最明显的区域里面即可。通过本发明的技术方案，自动识别出前景特征点和背景特征点，并能够确保前景特征点在颜色特征最明显的区域里面，从而避免了在图像分割时把食物的关键点裁剪掉，提高识别的准确性。
在上述任一技术方案中，优选地，背景特征点还包括在器具的边缘以内且在最大连通区域以外的至少一点。
在该技术方案中，背景特征点需要满足在器具的里面，并且不能把食物的关键点抠掉，因此在器具的边缘以内且在最大连通区域以外的任意一点或多点也可以作为背景特征点。
在上述任一技术方案中，优选地，第一特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；第二特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
在该技术方案中，由于本发明并不限定采用某一具体的形状(如椭圆形、圆形、长方形、正方形等)来拟合器具以及食物的真实形状，因此，本领域技术人员应该理解，第一特征值包括但不限于以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；第二特征值包括但不限于以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
在上述任一技术方案中，优选地，该图像提取方法还包括：在根据空腔体图像，对装有食物的腔体图像进行处理的步骤之前，对获取到的装有食物的腔体图像进行高斯滤波处理和/或白平衡处理；以及在识别第一图像的前景特征点和背景特征点的步骤之前，对第一图像进行腐蚀处理。
在该技术方案中，由于腔体环境是固定的，所以可以对腔体环境特征进行提前处理。首先在有灯光的环境下，先利用白平衡算法对获取到的装有食物的腔体图像进行处理，减少灯光误差所带来的影响；再利用高斯滤波算法，减少摄像头电路引入的图像噪点，提高去背景的准确度。另外，在分离出只剩器具和食物的图像后，考虑到食物的形状各不相同，有切片，有切条，摆放也各异，食物之间可能有空隙，在提取食物的时候会造成影响，通过腐蚀算法预处理，可以有效填充食物之间的间隙，进一步提高提取前景特征点的准确率。
在上述任一技术方案中，优选地，该图像提取方法还包括：当接收到腔体中放入食物，且烹饪器具的门体关闭的信号时，控制摄像装置进行拍摄。
在该技术方案中，当烹饪器具的腔体中放入食物，且门体关闭时，摄像装置会自动进行拍摄，自动识别前景特征点和后景特征点，不用人工介入即可实现目标食物的提取，这样烹饪器具才能更好的对食物进行图像识别，进而选择合适的烹饪方法。通过本发明的技术方案，只需要将食物放入烹调器具即可自动烹饪，真正的智能化给企业的产品带来高附加值，用户使用的便捷性。
本发明还提出了一种图像提取装置，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取装置包括：获取单元，用于获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；分离单元，用于根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；识别单元，用于识别第一图像的前景特征点和背景特征点；图像分割单元，用于根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
根据本发明的图像提取装置，腔体放入盛有食物的器具后，通过摄像装置进行拍摄，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像，根据该空腔体图像，对装有食物的腔体图像进行处理，优选地，利用图像相减算法，将包括盛有食物的器具以及食物的第一图像从装有食物的腔体图像中分离出来，从而实现将腔体背景和装在器具里面的食物分离；然后，自动识别出OneCut算法所需要的前景特征点和背景特征点，利用OneCut算法对第一图像进行分割，最后裁剪出目标食物。本发明提供的图像提取方法，在OneCut算法的基础上，结合腔体特征等因素，无需人工干预，自动识别图像的前景特征点和背景特征点，从而能自动有效地提取目标食物。
在上述技术方案中，优选地，识别单元，具体用于：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点。
在该技术方案中，根据分离出的第一图像，能够定位出器具的上、下、左、右四个边缘点，从而可以确定器具的中心点，根据这四个边缘点以及中心点，能够计算出第一特征值；背景特征点的获取就是通过中心点，利用第一特征值，定位出器具的边缘并计算出边缘的周长，边缘上的任意一点或多点，和/或边缘的周长即为背景特征点。其中，根据用户使用习惯分析，器具(如盘子)形状一般集中在椭圆形、圆形、长方形等，食物摆放位置习惯主要是放在盘子中间，在具体实施时，优选地，根据器具的四个边缘点，进一步可以定位出盘子的左上、左下、右上、右下4个点，根据这4个点可以确定盘子的圆心，以及计算出X轴半径、Y轴半径，采用椭圆圆周公式，可以确保圆周一定落在盘子范围里面，从而能够保证识别的背景特征点落在盘子里面，提高识别的准确性。通过本发明的技术方案，根据微波炉腔体的特征，用户放食物的习惯，盘子的形状等因素，自动识别出背景特征点，不用人工介入即可实现目标食物的提取，实用性强。
在上述任一技术方案中，优选地，识别单元，具体还用于：对第一图像进行颜色区域分析，并结合器具的中心点，定位出第一图像的最大连通区域；根据最大连通区域以及中心点，计算第二特征值；根据第二特征值，确定食物的轮廓以及计算轮廓的周长，轮廓上的至少一点和/或轮廓的周长即为前景特征点。
在该技术方案中，通过对第一图像进行颜色区域统计分析，再与器具的中心点相结合，可以定位出颜色特征最明显的区域(即第一图像的最大连通区域)，前景特征点的获取是根据最大连通区域以及中心点，计算出第二特征值，再结合器具的中心点，确定出食物的轮廓并计算出轮廓的周长，轮廓上的任意一点或多点，和/或轮廓的周长即为前景特征点。在具体实施时，优选地，根据最大连通区域以及中心点，计算出一个半径，采用圆的计算公式确定前景特征点。但是，本领域技术人员应该理解，本发明并不限定采用圆的计算公式确定前景特征点，也可以是采用正方形的方式来计算，或者其他形状的计算，但前提是计算出来的前景特征点必须保证在颜色特征最明显的区域里面，这里只是举例，给定一个半径，只要保证圆周都在颜色特征最明显的区域里面即可。通过本发明的技术方案，自动识别出前景特征点和背景特征点，并能够确保前景特征点在颜色特征最明显的区域里面，从而避免了在图像分割时把食物的关键点裁剪掉，提高识别的准确性。
在上述任一技术方案中，优选地，背景特征点还包括在器具的边缘以内且在最大连通区域以外的至少一点。
在该技术方案中，背景特征点需要满足在器具的里面，并且不能把食物的关键点抠掉，因此在器具的边缘以内且在最大连通区域以外的任意一点或多点也可以作为背景特征点。
在上述任一技术方案中，优选地，第一特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；第二特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
在该技术方案中，由于本发明并不限定采用某一具体的形状(如椭圆形、圆形、长方形、正方形等)来拟合器具以及食物的真实形状，因此，本领域技术人员应该理解，第一特征值包括但不限于以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；第二特征值包括但不限于以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
在上述任一技术方案中，优选地，该图像提取装置还包括：还包括：图像处理单元，用于在根据空腔体图像，对装有食物的腔体图像进行处理的步骤之前，对获取到的装有食物的腔体图像进行高斯滤波处理和/或白平衡处理；以及在识别第一图像的前景特征和背景特征的步骤之前，对第一图像进行腐蚀处理。
在该技术方案中，由于腔体环境是固定的，所以可以对腔体环境特征进行提前处理。首先在有灯光的环境下，先利用白平衡算法对获取到的装有食物的腔体图像进行处理，减少灯光误差所带来的影响；再利用高斯滤波算法，减少摄像头电路引入的图像噪点，提高去背景的准确度。另外，在分离出只剩器具和食物的图像后，考虑到食物的形状各不相同，有切片，有切条，摆放也各异，食物之间可能有空隙，在提取食物的时候会造成影响，通过腐蚀算法预处理，可以有效填充食物之间的间隙，进一步提高提取前景特征点的准确率。
在上述任一技术方案中，优选地，该图像提取装置还包括：控制单元，用于当接收到腔体中放入食物，且烹饪器具的门体关闭的信号时，控制摄像装置进行拍摄。
在该技术方案中，当烹饪器具的腔体中放入食物，且门体关闭时，摄像装置会自动进行拍摄，自动识别前景特征点和后景特征点，不用人工介入即可实现目标食物的提取，这样烹饪器具才能更好的对食物进行图像识别，进而选择合适的烹饪方法。通过本发明的技术方案，只需要将食物放入烹调器具即可自动烹饪，真正的智能化给企业的产品带来高附加值，用户使用的便捷性。
本发明还提出了一种烹饪器具，包括：腔体和摄像装置，摄像装置设置在腔体内，还包括：如上述技术方案中任一项的图像提取装置。
根据本发明的烹饪器具，采用如上述技术方案中任一项的图像提取装置，因而能够实现该图像提取装置的全部有益效果，在此不再赘述。
在上述技术方案中，优选地，该烹饪器具还包括：照明装置，设置在烹饪腔内；摄像装置与照明装置安装在同一水平面上。
在该技术方案中，通过将照明装置与摄像装置安装在同一水平面可以有效减少图像阴影面积，利于图像的提取与识别。
本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了根据本发明的一个实施例的图像提取方法的流程示意图；
图2示出了根据本发明的另一个实施例的图像提取方法的流程示意图；
图3示出了根据本发明的再一个实施例的图像提取方法的流程示意图；
图4示出了根据本发明的又一个实施例的图像提取方法的流程示意图；
图5示出了根据本发明的又一个实施例的图像提取方法的流程示意图；
图6示出了根据本发明的一个实施例的图像提取装置的示意框图；
图7示出了根据本发明的另一个实施例的图像提取装置的示意框图；
图8示出了根据本发明的又一个实施例的图像提取装置的示意框图；
图9示出了根据本发明的一个实施例的烹饪器具的示意框图；
图10示出了根据本发明的一个具体实施例的去盘去背景算法的流程示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，根据本发明的一个实施例的图像提取方法的流程示意图。其中，该图像提取方法，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取方法包括：
步骤102，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
步骤104，根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；
步骤106，识别第一图像的前景特征点和背景特征点；
步骤108，根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
本发明提供的图像提取方法，腔体放入盛有食物的器具后，通过摄像装置进行拍摄，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像，根据该空腔体图像，对装有食物的腔体图像进行处理，优选地，利用图像相减算法，将包括盛有食物的器具以及食物的第一图像从装有食物的腔体图像中分离出来，从而实现将腔体背景和装在器具里面的食物分离；然后，自动识别出OneCut算法所需要的前景特征点和背景特征点，利用OneCut算法对第一图像进行分割，最后裁剪出目标食物。本实施例提供的图像提取方法，在OneCut算法的基础上，结合腔体特征等因素，无需人工干预，自动识别图像的前景特征点和背景特征点，从而能自动有效地提取目标食物。
如图2所示，根据本发明的另一个实施例的图像提取方法的流程示意图。其中，该图像提取方法，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取方法包括：
步骤202，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
步骤204，根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；
步骤206，识别第一图像的背景特征点：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点；
步骤208，识别第一图像的前景特征点；
步骤210，根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
在该实施例中，根据分离出的第一图像，能够定位出器具的上、下、左、右四个边缘点，从而可以确定器具的中心点，根据这四个边缘点以及中心点，能够计算出第一特征值；背景特征点的获取就是通过中心点，利用第一特征值，定位出器具的边缘并计算出边缘的周长，边缘上的任意一点或多点，和/或边缘的周长即为背景特征点。通过本发明的实施例，根据微波炉腔体的特征，用户放食物的习惯，盘子的形状等因素，自动识别出背景特征点，不用人工介入即可实现目标食物的提取，实用性强。
根据用户使用习惯分析，器具(如盘子)形状一般集中在椭圆形、圆形、长方形等，食物摆放位置习惯主要是放在盘子中间，在具体实施例中，优选地，根据器具的四个边缘点，进一步可以定位出盘子的左上、左下、右上、右下4个点，根据这4个点可以确定盘子的圆心，以及计算出X轴半径、Y轴半径，采用椭圆圆周公式，可以确保圆周一定落在盘子范围里面，从而能够保证识别的背景特征点落在盘子里面，提高识别的准确性。
在本发明的一个实施例中，优选地，第一特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
在该实施例中，由于本发明并不限定采用某一具体的形状(如椭圆形、圆形、长方形、正方形等)来拟合器具的真实形状，因此，本领域技术人员应该理解，第一特征值包括但不限于以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
如图3所示，根据本发明的再一个实施例的图像提取方法的流程示意图。其中，该图像提取方法，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取方法包括：
步骤302，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
步骤304，根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；
步骤306，识别第一图像的背景特征点：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点；
步骤308，识别第一图像的前景特征点：对第一图像进行颜色区域分析，并结合器具的中心点，定位出第一图像的最大连通区域；根据最大连通区域以及中心点，计算第二特征值；根据第二特征值，确定食物的轮廓以及计算轮廓的周长，轮廓上的至少一点和/或轮廓的周长即为前景特征点；
步骤310，根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
在该实施例中，通过对第一图像进行颜色区域统计分析，再与器具的中心点相结合，可以定位出颜色特征最明显的区域(即第一图像的最大连通区域)，前景特征点的获取是根据最大连通区域以及中心点，计算出第二特征值，再结合器具的中心点，确定出食物的轮廓并计算出轮廓的周长，轮廓上的任意一点或多点，和/或轮廓的周长即为前景特征点。通过本发明的实施例，自动识别出前景特征点和背景特征点，并能够确保前景特征点在颜色特征最明显的区域里面，从而避免了在图像分割时把食物的关键点裁剪掉，提高识别的准确性。
在具体实施例中，优选地，根据最大连通区域以及中心点，计算出一个半径，采用圆的计算公式确定前景特征点。但是，本领域技术人员应该理解，本发明并不限定采用圆的计算公式确定前景特征点，也可以是采用正方形的方式来计算，或者其他形状的计算，但前提是计算出来的前景特征点必须保证在颜色特征最明显的区域里面，这里只是举例，给定一个半径，只要保证圆周都在颜色特征最明显的区域里面即可。
在本发明的一个实施例中，优选地，背景特征点还包括在器具的边缘以内且在最大连通区域以外的至少一点。
在该实施例中，背景特征点需要满足在器具的里面，并且不能把食物的关键点抠掉，因此在器具的边缘以内且在最大连通区域以外的任意一点或多点也可以作为背景特征点。
在本发明的一个实施例中，优选地，第一特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；第二特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
在该实施例中，由于本发明并不限定采用某一具体的形状(如椭圆形、圆形、长方形、正方形等)来拟合食物的真实形状，因此，本领域技术人员应该理解，第二特征值包括但不限于以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
如图4所示，根据本发明的又一个实施例的图像提取方法的流程示意图。其中，该图像提取方法，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取方法包括：
步骤402，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
步骤404，对装有食物的腔体图像进行高斯滤波处理和白平衡处理；
步骤406，根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；
步骤408，对第一图像进行腐蚀处理；
步骤410，识别第一图像的背景特征点：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点；
步骤412，识别第一图像的前景特征点：对第一图像进行颜色区域分析，并结合器具的中心点，定位出第一图像的最大连通区域；根据最大连通区域以及中心点，计算第二特征值；根据第二特征值，确定食物的轮廓以及计算轮廓的周长，轮廓上的至少一点和/或轮廓的周长即为前景特征点；
步骤414，根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
在该实施例中，由于腔体环境是固定的，所以可以对腔体环境特征进行提前处理。首先在有灯光的环境下，先利用白平衡算法对获取到的装有食物的腔体图像进行处理，减少灯光误差所带来的影响；再利用高斯滤波算法，减少摄像头电路引入的图像噪点，提高去背景的准确度。另外，在分离出只剩器具和食物的图像后，考虑到食物的形状各不相同，有切片，有切条，摆放也各异，食物之间可能有空隙，在提取食物的时候会造成影响，通过腐蚀算法预处理，可以有效填充食物之间的间隙，进一步提高提取前景特征点的准确率。
如图5所示，根据本发明的又一个实施例的图像提取方法的流程示意图。其中，该图像提取方法，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取方法包括：
步骤502，当接收到腔体中放入食物，且烹饪器具的门体关闭的信号时，控制摄像装置进行拍摄；
步骤504，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
步骤506，对装有食物的腔体图像进行高斯滤波处理和白平衡处理；
步骤508，根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；
步骤510，对第一图像进行腐蚀处理；
步骤512，识别第一图像的背景特征点：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点；
步骤514，识别第一图像的前景特征点：对第一图像进行颜色区域分析，并结合器具的中心点，定位出第一图像的最大连通区域；根据最大连通区域以及中心点，计算第二特征值；根据第二特征值，确定食物的轮廓以及计算轮廓的周长，轮廓上的至少一点和/或轮廓的周长即为前景特征点；
步骤516，根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
在该实施例中，由于腔体环境是固定的，所以可以对腔体环境特征进行提前处理。首先在有灯光的环境下，先利用白平衡算法对获取到的装有食物的腔体图像进行处理，减少灯光误差所带来的影响；再利用高斯滤波算法，减少摄像头电路引入的图像噪点，提高去背景的准确度。另外，在分离出只剩器具和食物的图像后，考虑到食物的形状各不相同，有切片，有切条，摆放也各异，食物之间可能有空隙，在提取食物的时候会造成影响，通过腐蚀算法预处理，可以有效填充食物之间的间隙，进一步提高提取前景特征点的准确率。
如图6所示，根据本发明的一个实施例的图像提取装置的示意框图。其中，该图像提取装置600，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取装置600包括：
获取单元602，用于获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
分离单元604，用于根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；
识别单元606，用于识别第一图像的前景特征点和背景特征点；
图像分割单元608，用于根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
本发明提供的图像提取装置600，腔体放入盛有食物的器具后，通过摄像装置进行拍摄，获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像，根据该空腔体图像，对装有食物的腔体图像进行处理，优选地，利用图像相减算法，将包括盛有食物的器具以及食物的第一图像从装有食物的腔体图像中分离出来，从而实现将腔体背景和装在器具里面的食物分离；然后，自动识别出OneCut算法所需要的前景特征点和背景特征点，利用OneCut算法对第一图像进行分割，最后裁剪出目标食物。本发明提供的图像提取方法，在OneCut算法的基础上，结合腔体特征等因素，无需人工干预，自动识别图像的前景特征点和背景特征点，从而能自动有效地提取目标食物。
在本发明的一个实施例中，优选地，识别单元606，具体用于：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点。
在该实施例中，根据分离出的第一图像，能够定位出器具的上、下、左、右四个边缘点，从而可以确定器具的中心点，根据这四个边缘点以及中心点，能够计算出第一特征值；背景特征点的获取就是通过中心点，利用第一特征值，定位出器具的边缘并计算出边缘的周长，边缘上的任意一点或多点，和/或边缘的周长即为背景特征点。通过本发明的实施例，根据微波炉腔体的特征，用户放食物的习惯，盘子的形状等因素，自动识别出背景特征点，不用人工介入即可实现目标食物的提取，实用性强。
在本发明的一个实施例中，优选地，识别单元606，具体还用于：对第一图像进行颜色区域分析，并结合器具的中心点，定位出第一图像的最大连通区域；根据最大连通区域以及中心点，计算第二特征值；根据第二特征值，确定食物的轮廓以及计算轮廓的周长，轮廓上的至少一点和/或轮廓的周长即为前景特征点。
在该实施例中，通过对第一图像进行颜色区域统计分析，再与器具的中心点相结合，可以定位出颜色特征最明显的区域(即第一图像的最大连通区域)，前景特征点的获取是根据最大连通区域以及中心点，计算出第二特征值，再结合器具的中心点，确定出食物的轮廓并计算出轮廓的周长，轮廓上的任意一点或多点，和/或轮廓的周长即为前景特征点。通过本发明的实施例，自动识别出前景特征点和背景特征点，并能够确保前景特征点在颜色特征最明显的区域里面，从而避免了在图像分割时把食物的关键点裁剪掉，提高识别的准确性。
在本发明的一个实施例中，优选地，背景特征点还包括在器具的边缘以内且在最大连通区域以外的至少一点。
在该实施例中，背景特征点需要满足在器具的里面，并且不能把食物的关键点抠掉，因此在器具的边缘以内且在最大连通区域以外的任意一点或多点也可以作为背景特征点。
在上述任一实施例中，优选地，第一特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；第二特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
在该实施例中，由于本发明并不限定采用某一具体的形状(如椭圆形、圆形、长方形、正方形等)来拟合器具以及食物的真实形状，因此，本领域技术人员应该理解，第一特征值包括但不限于以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；第二特征值包括但不限于以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
如图7所示，根据本发明的另一个实施例的图像提取装置的示意框图。其中，该图像提取装置700，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取装置700包括：
获取单元702，用于获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
分离单元704，用于根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；
识别单元706，用于识别第一图像的背景特征点：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点；以及
识别第一图像的前景特征点：对第一图像进行颜色区域分析，并结合器具的中心点，定位出第一图像的最大连通区域；根据最大连通区域以及中心点，计算第二特征值；根据第二特征值，确定食物的轮廓以及计算轮廓的周长，轮廓上的至少一点和/或轮廓的周长即为前景特征点；
图像处理单元708，用于在根据空腔体图像，对装有食物的腔体图像进行处理的步骤之前，对获取到的装有食物的腔体图像进行高斯滤波处理和/或白平衡处理；以及在识别第一图像的前景特征和背景特征的步骤之前，对第一图像进行腐蚀处理；
图像分割单元710，用于根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像。
在该实施例中，由于腔体环境是固定的，所以可以对腔体环境特征进行提前处理。首先在有灯光的环境下，先利用白平衡算法对获取到的装有食物的腔体图像进行处理，减少灯光误差所带来的影响；再利用高斯滤波算法，减少摄像头电路引入的图像噪点，提高去背景的准确度。另外，在分离出只剩器具和食物的图像后，考虑到食物的形状各不相同，有切片，有切条，摆放也各异，食物之间可能有空隙，在提取食物的时候会造成影响，通过腐蚀算法预处理，可以有效填充食物之间的间隙，进一步提高提取前景特征点的准确率。
如图8所示，根据本发明的又一个实施例的图像提取装置的示意框图。其中，该图像提取装置800，用于烹饪器具，该烹饪器具包括腔体和摄像装置，摄像装置设置在腔体内，该图像提取装置800包括：
控制单元802，用于当接收到腔体中放入食物，且烹饪器具的门体关闭的信号时，控制摄像装置进行拍摄；
获取单元804，用于获取摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
分离单元806，用于根据空腔体图像，对装有食物的腔体图像进行处理，将包括盛有食物的器具和食物的第一图像从装有食物的腔体图像中分离出来；
识别单元808，用于识别第一图像的背景特征点：根据第一图像，定位器具的上、下、左、右四个边缘点，以确定器具的中心点；根据四个边缘点以及中心点，计算第一特征值；根据第一特征值，确定器具的边缘以及计算边缘的周长，边缘上的至少一点和/或边缘的周长即为背景特征点；以及
识别第一图像的前景特征点：对第一图像进行颜色区域分析，并结合器具的中心点，定位出第一图像的最大连通区域；根据最大连通区域以及中心点，计算第二特征值；根据第二特征值，确定食物的轮廓以及计算轮廓的周长，轮廓上的至少一点和/或轮廓的周长即为前景特征点；
图像处理单元810，用于在根据空腔体图像，对装有食物的腔体图像进行处理的步骤之前，对获取到的装有食物的腔体图像进行高斯滤波处理和/或白平衡处理；以及在识别第一图像的前景特征和背景特征的步骤之前，对第一图像进行腐蚀处理；
图像分割单元812，用于根据前景特征点和背景特征点，采用OneCut算法对第一图像进行分割，得到食物的图像
在该实施例中，当烹饪器具的腔体中放入食物，且门体关闭时，摄像装置会自动进行拍摄，自动识别前景特征点和后景特征点，不用人工介入即可实现目标食物的提取，这样烹饪器具才能更好的对食物进行图像识别，进而选择合适的烹饪方法。通过本发明的技术方案，只需要将食物放入烹调器具即可自动烹饪，真正的智能化给企业的产品带来高附加值，用户使用的便捷性。
如图9所示，根据本发明的一个实施例的烹饪器具的示意框图。其中，该烹饪器具900，包括：腔体和摄像装置，摄像装置设置在腔体内，还包括如上述实施例中任一项的图像提取装置902。
本实施例提供的烹饪器具900，采用如上述实施例中任一项的图像提取装置902，因而能够实现该图像提取装置902的全部有益效果，在此不再赘述。
在本发明的一个实施例中，优选地，该烹饪器具900还包括：照明装置，设置在烹饪腔内；摄像装置与照明装置安装在同一水平面上。
在该实施例中，通过将照明装置与摄像装置安装在同一水平面可以有效减少图像阴影面积，利于图像的提取与识别。
具体实施例：提供一种去盘去背景算法，用于微波炉。原理来自人工智能领域的模式识别(Pattern Recognition)技术，并结合用户使用微波炉的习惯，常用盘子的形状特征，裁剪出烹饪设备腔体内的目标食物图像，再配合食物识别算法，对食物进行识别后，实现自动烹饪。
具体的，将摄像头模组安装在微波炉内(该安装位置需要减少图片阴影，与微波炉灯管安装在同一水平面可以有效减少阴影面积)；摄像头模组与关门通过软件控制联动，微波炉关门即拍摄图片。
出厂设置：微波炉在出厂前上电，利用软件控制摄像头模块对空腔体内进行拍照，经过白平衡算法和高斯算法预处理后，保存空腔体图片到摄像头模组，完成出厂设置。
用户使用：
(1)设备通电后，摄像头启动；
(2)将装有食物的盘子进入烹饪设备，关上门，摄像头自动拍照；
(3)拍照后，结合去盘去背景算法，提取出目标食物，该去盘去背景算法的流程示意图，如图10所示，其中，该去盘去背景算法，包括：
步骤S1，获取装有食物的腔体图片；
步骤S2，进行高斯滤波去噪点；
步骤S3，进行白平衡去灯光干扰；
步骤S4，获取预先准备好的空腔体图片；
步骤S5，运行图片相减算法；
步骤S6，运行腐蚀算法；
步骤S7，计算背景特征；
步骤S8，计算前景特征；
步骤S9，运行OneCut抠图算法；
步骤S10，提取出目标食物；
(4)根据识别算法判断出食物类型；
(5)将识别出的食物类型，通过软件交互控制，通知显示设备提供合适的烹调方式，供用户快速选择。
在本发明的另一个具体实施例中，利用傅里叶算法处理，将图片从时域分析转换到频域分析，根据纹理特征，提取目标食物。
本发明提供的去盘去背景算法，对食物识别算法不作限制，对如何显示不作限制，只需要按照不同烹饪设备腔体环境调整算法参数，即可兼容不同的烹调设备，减少后续在不同烹饪设备上的学习成本，只需要将食物放入烹调设备即可自动烹饪，真正的智能化给企业的产品带来高附加值，用户使用的便捷性。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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，均应包含在本发明的保护范围之内。

Claims (12)

1.一种图像提取方法，用于烹饪器具，其特征在于，所述烹饪器具包括腔体和摄像装置，所述摄像装置设置在所述腔体内，所述图像提取方法包括：
获取所述摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
根据所述空腔体图像，对所述装有食物的腔体图像进行处理，将包括盛有所述食物的器具和所述食物的第一图像从所述装有食物的腔体图像中分离出来；
识别所述第一图像的前景特征点和背景特征点；
根据所述前景特征点和所述背景特征点，采用OneCut算法对所述第一图像进行分割，得到所述食物的图像；
所述识别所述第一图像的背景特征点的步骤，具体包括：
根据所述第一图像，定位所述器具的上、下、左、右四个边缘点，以确定所述器具的中心点；
根据所述四个边缘点以及所述中心点，计算第一特征值；
根据所述第一特征值，确定所述器具的边缘以及计算所述边缘的周长，所述边缘上的至少一点和/或所述边缘的周长即为所述背景特征点；
所述识别所述第一图像的前景特征点，包括：
对所述第一图像进行颜色区域分析，并结合所述器具的中心点，定位出所述第一图像的最大连通区域；
根据所述最大连通区域以及所述中心点，计算第二特征值；
根据所述第二特征值，确定所述食物的轮廓以及计算所述轮廓的周长，所述轮廓上的至少一点和/或所述轮廓的周长即为所述前景特征点。
2.根据权利要求1所述的图像提取方法，其特征在于，
所述背景特征点还包括在所述器具的边缘以内且在所述最大连通区域以外的至少一点。
3.根据权利要求1所述的图像提取方法，其特征在于，
所述第一特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；
所述第二特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
4.根据权利要求1至3中任一项所述的图像提取方法，其特征在于，所述图像提取方法还包括：
在所述根据所述空腔体图像，对所述装有食物的腔体图像进行处理的步骤之前，对获取到的所述装有食物的腔体图像进行高斯滤波处理和/或白平衡处理；以及
在所述识别所述第一图像的前景特征点和背景特征点的步骤之前，对所述第一图像进行腐蚀处理。
5.根据权利要求4所述的图像提取方法，其特征在于，所述图像提取方法还包括：
当接收到所述腔体中放入所述食物，且所述烹饪器具的门体关闭的信号时，控制所述摄像装置进行拍摄。
6.一种图像提取装置，用于烹饪器具，其特征在于，所述烹饪器具包括腔体和摄像装置，所述摄像装置设置在所述腔体内，所述图像提取装置包括：
获取单元，用于获取所述摄像装置拍摄的装有食物的腔体图像以及预先存储的空腔体图像；
分离单元，用于根据所述空腔体图像，对所述装有食物的腔体图像进行处理，将包括盛有所述食物的器具和所述食物的第一图像从所述装有食物的腔体图像中分离出来；
识别单元，用于识别所述第一图像的前景特征点和背景特征点；
图像分割单元，用于根据所述前景特征点和所述背景特征点，采用OneCut算法对所述第一图像进行分割，得到所述食物的图像；
所述识别单元，具体用于：
根据所述第一图像，定位所述器具的上、下、左、右四个边缘点，以确定所述器具的中心点；
根据所述四个边缘点以及所述中心点，计算第一特征值；
根据所述第一特征值，确定所述器具的边缘以及计算所述边缘的周长，所述边缘上的至少一点和/或所述边缘的周长即为所述背景特征点；
所述识别单元，还用于：
对所述第一图像进行颜色区域分析，并结合所述器具的中心点，定位出所述第一图像的最大连通区域；
根据所述最大连通区域以及所述中心点，计算第二特征值；
根据所述第二特征值，确定所述食物的轮廓以及计算所述轮廓的周长，所述轮廓上的至少一点和/或所述轮廓的周长即为所述前景特征点。
7.根据权利要求6所述的图像提取装置，其特征在于，
所述背景特征点还包括在所述器具的边缘以内且在所述最大连通区域以外的至少一点。
8.根据权利要求6所述的图像提取装置，其特征在于，
所述第一特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长；
所述第二特征值包括以下任一项或其组合：半径、直径、长半轴长、短半轴长、边长。
9.根据权利要求6至8中任一项所述的图像提取装置，其特征在于，所述图像提取装置还包括：
图像处理单元，用于在所述根据所述空腔体图像，对所述装有食物的腔体图像进行处理的步骤之前，对获取到的所述装有食物的腔体图像进行高斯滤波处理和/或白平衡处理；以及
在所述识别所述第一图像的前景特征和背景特征的步骤之前，对所述第一图像进行腐蚀处理。
10.根据权利要求9所述的图像提取装置，其特征在于，所述图像提取装置还包括：
控制单元，用于当接收到所述腔体中放入所述食物，且所述烹饪器具的门体关闭的信号时，控制所述摄像装置进行拍摄。
11.一种烹饪器具，其特征在于，包括：腔体和摄像装置，所述摄像装置设置在所述腔体内，还包括：
如权利要求6至10中任一项所述的图像提取装置。
12.根据权利要求11所述的烹饪器具，其特征在于，还包括：
照明装置，设置在所述烹饪腔内；
所述摄像装置与所述照明装置安装在同一水平面上。
CN201711435777.0A 2017-12-26 2017-12-26 图像提取方法、装置和烹饪器具 Active CN108171722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711435777.0A CN108171722B (zh) 2017-12-26 2017-12-26 图像提取方法、装置和烹饪器具

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711435777.0A CN108171722B (zh) 2017-12-26 2017-12-26 图像提取方法、装置和烹饪器具

Publications (2)

Publication Number Publication Date
CN108171722A CN108171722A (zh) 2018-06-15
CN108171722B true CN108171722B (zh) 2020-12-22

Family

ID=62521595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711435777.0A Active CN108171722B (zh) 2017-12-26 2017-12-26 图像提取方法、装置和烹饪器具

Country Status (1)

Country Link
CN (1) CN108171722B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110598678A (zh) * 2019-10-11 2019-12-20 广东美的厨房电器制造有限公司 烹饪设备的控制方法、控制装置、烹饪设备及存储介质
CN112001965B (zh) * 2020-08-14 2021-08-27 广州掌淘网络科技有限公司 一种用于目标建筑圈边界圈定的方法、装置及设备
CN112167074A (zh) * 2020-10-14 2021-01-05 北京科技大学 一种基于宠物脸识别的自动喂食装置
CN114424882B (zh) * 2020-10-29 2023-07-07 广东美的厨房电器制造有限公司 烹饪器具的控制方法、烹饪器具和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104361613B (zh) * 2014-11-20 2017-11-21 安徽工业大学 基于水平集的烤箱内场景视频目标区域提取方法
CN107154044B (zh) * 2017-03-27 2021-01-08 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种中餐食物图像的分割方法
CN107451999B (zh) * 2017-08-16 2020-07-03 中惠创智无线供电技术有限公司 基于图像识别的异物检测方法和装置

Also Published As

Publication number Publication date
CN108171722A (zh) 2018-06-15

Similar Documents

Publication Publication Date Title
CN108171722B (zh) 图像提取方法、装置和烹饪器具
CN111684368B (zh) 基于成分识别的食物制备方法和系统
CN109684981B (zh) 青光眼图像识别方法、设备和筛查系统
CN110123149B (zh) 一种烹饪设备的烹饪控制方法以及烹饪设备
CN109697716B (zh) 青光眼图像识别方法、设备和筛查系统
CN111161295B (zh) 一种菜品图像背景剥离方法
CN107231521B (zh) 一种仪表读数识别用相机自动定位方法
EP3036714A1 (en) Unstructured road boundary detection
US20170116750A1 (en) Device and Method for Camera Driven Background Subtraction
CN108805144A (zh) 基于形态学矫正的弹孔识别方法及系统、报靶设备
CN110857831A (zh) 控制冰箱温度的方法及装置
CN111345699B (zh) 一种烹饪设备的控制方法和烹饪设备
CN110969047A (zh) 识别食材的方法、装置和冰箱
CN110913210A (zh) 一种基于标准数据采集的自动化主观像质评测方法
CN112741508A (zh) 一种烹饪设备的控制方法及烹饪设备
CN110658118B (zh) 一种烹饪烟雾的检测方法以及烟机
CN114266959A (zh) 食材的烹饪方法及装置、存储介质、电子装置
CN112353259B (zh) 基于图像识别和温度感应的烹饪方法
WO2016156827A1 (en) Image processing method and device
CN111192332B (zh) 一种基于烟雾检测的烟机控制方法以及烟机
Vlachos et al. Non-uniform illumination correction in infrared images based on a modified fuzzy c-means algorithm
CN114187368B (zh) 建筑板材的暗纹检测方法、装置、电子设备及存储介质
CN110598678A (zh) 烹饪设备的控制方法、控制装置、烹饪设备及存储介质
Makinana et al. Quality parameter assessment on iris images
Reddy et al. Spatial Mutual Relationship Based Retinal Image Contrast Enhancement for Efficient Diagnosis of Diabetic Retinopathy.

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