CN108182688B - 一种食物图像分割方法 - Google Patents

一种食物图像分割方法 Download PDF

Info

Publication number
CN108182688B
CN108182688B CN201810055165.7A CN201810055165A CN108182688B CN 108182688 B CN108182688 B CN 108182688B CN 201810055165 A CN201810055165 A CN 201810055165A CN 108182688 B CN108182688 B CN 108182688B
Authority
CN
China
Prior art keywords
edge
service plate
determines
plate edge
tentatively
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
CN201810055165.7A
Other languages
English (en)
Other versions
CN108182688A (zh
Inventor
陈晓鹏
杨德顺
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.)
Guangzhou Send Cheng Ke Food Information Technology Co Ltd
Original Assignee
Guangzhou Send Cheng Ke Food Information Technology 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 Guangzhou Send Cheng Ke Food Information Technology Co Ltd filed Critical Guangzhou Send Cheng Ke Food Information Technology Co Ltd
Priority to CN201810055165.7A priority Critical patent/CN108182688B/zh
Publication of CN108182688A publication Critical patent/CN108182688A/zh
Application granted granted Critical
Publication of CN108182688B publication Critical patent/CN108182688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/12—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
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • 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
    • G06T2207/10004—Still image; Photographic image

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

本发明公开了一种食物图像分割办法，包括以下步骤：S1，获取并处理图像，初步提取餐盘边缘；S2，对初步得到的餐盘边缘进行分析，确定初步得到的餐盘边缘的缺失类别，单一边缘缺失则进入步骤S3，多边缘缺失则进入步骤S4；S3，对初步提取的餐盘边缘进行处理，确定餐盘中心，对边缘进行对称修复；S4，对初步提取的餐盘边缘进行处理，确定边缘缺失的位置，对边缘进行切割。本发明通过对初步提取的餐盘边缘进行分析，确定其属于哪一种边缘缺失，对于不同的边缘缺失采取不同的分割方式，并且不是单一的修复处理，而是根据实际情况对餐盘边缘进行修复或者切割，以保证图像切割更准确，解决目前图像分割技术无法对放置在碗碟中的食物进行准确分割的问题。

Description

一种食物图像分割方法
技术领域
本发明涉及一种图像分割办法，尤其涉及一种实物图像分割办法。
背景技术
随着智能识别的发展，图像分割技术作为提取图像要素的基础方法已经在广泛领域得到应用。现有的图像分割方法主要分为基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。阈值分割算法是通过确定确定阈值，将阈值与像素点的灰度值逐个进行比较，而进行分割。区域分割法则需要选择一组能正确代表所需区域的种子像素，确定在生长过程中的相似性准则，制定让生长停止的条件或准则。边缘检测则是根据不同的图像灰度不同，边界处一般有明显的边缘，利用此特征进行分割图像。总结目前常用的图像分割技术，其本质都是基于灰度值进行处理，因此如果被检测物体间有一定间隔，或者相邻的两个物体，有比较明显的灰度值差值，上述技术都可以取得较好的分割效果。但在食物识别领域，由于盛放食物的餐具颜色相近甚至相同，餐具边缘容易重叠，遮挡等原因，单纯采用现有的技术进行食物图像分割，都会出现黏连情况，食物图像分割不准确，对识别结果造成影响，对此，需要一种可针对放置在碗碟等餐具内的食物进行准确图像分割的办法。
发明内容
本发明目的在于提供一种食物图像分割方法，旨在解决目前图像分割技术无法对放置在碗碟等餐具内的食物进行准确的图像分割。
本发明所述的一种食物图像分割办法，包括以下步骤：
S1，获取并处理图像，初步提取餐盘边缘；
S2，对初步得到的餐盘边缘进行分析，确定初步得到的餐盘边缘的缺失类别，单一边缘缺失则进入步骤S3，多边缘缺失则进入步骤S4；
S3，对初步提取的餐盘边缘进行处理，确定餐盘中心，对边缘进行对称修复；
S4，对初步提取的餐盘边缘进行处理，确定边缘缺失的位置，对边缘进行切割。
本发明所述的一种食物图像分割办法，获取放有食物的餐盘图像，对图像进行初步处理，初步提取到餐盘边缘，但是，由于食物存放于餐盘中，会因为餐盘颜色与食物相近，餐盘边缘受遮挡等原因，导致初步提取到的餐盘边缘不准确，影响后续的图像识别，对此，本发明对出图提取的餐盘边缘进行进一步处理。本发明通过对初步提取的餐盘边缘进行分析，确定其属于哪一种边缘缺失，对于不同的边缘缺失采取不同的分割方式。具体而言，本发明对初步提取的餐盘边缘进行缺失分类，在仅有一处边缘缺失时，将其划分为单一边缘缺失类，对其进行修复，因为，这种单一边缘缺失，其缺失的部分较小，通常是这种情况多出现于由于盛放的食物露出边缘，或者手指等干扰物接触餐盘边缘而导致的，这样的情况，通过对边缘的修复，可以尽可能的将食物图像提取出来，避免图像丢失，可以保证图像的准确切割。而对于存在多处边缘缺失时，将其划分为多边缘缺失，对其进行切割，这是因为，这种多边缘缺失，其缺失部分较大，通常是以为餐具与餐具之间靠得太近，或者由于高低不同而造成边缘的重叠、缺失，也就是说，其缺失的部分极大可能的不是食物本身，如果单纯的对边缘进行修复，则可能将大量的非食物图像包含在边缘之内，导致图像切割依旧不准确，面对这种情况，对边缘进行切割反而可以保证跟准确的图像边缘切割。综上，本发明提供的一种食物图像分割办法，对初步提取的餐盘边缘进行进一步处理，并且不是单一的修复处理，而是根据实际情况对餐盘边缘进行修复或者切割，以保证图像切割更准确，解决目前图像分割技术无法对放置在碗碟等餐具内的食物进行准确的图像分割的问题。
附图说明
图1是一种食物图像分割办法的流程图1；
图2是一种食物图像分割办法的流程图2；
图3是一种食物图像分割办法的流程图3；
图4是一种食物图像分割办法的流程图4。
具体实施方式
根据图1所示，一种食物图像分割办法，包括以下步骤：S1，获取并处理图像，初步提取餐盘边缘；S2，对初步得到的餐盘边缘进行分析，确定初步得到的餐盘边缘的缺失类别，单一边缘缺失则进入步骤S3，多边缘缺失则进入步骤S4；S3，对初步提取的餐盘边缘进行处理，确定餐盘中心，对边缘进行对称修复；S4，对初步提取的餐盘边缘进行处理，确定边缘缺失的位置，对边缘进行切割。本发明通过对初步提取的餐盘边缘进行分析，确定其属于哪一种边缘缺失，对于不同的边缘缺失采取不同的分割方式，并且不是单一的修复处理，而是根据实际情况对餐盘边缘进行修复或者切割，以保证图像切割更准确，解决目前图像分割技术无法对放置在碗碟等餐具内的食物进行准确的图像分割的问题。
所述步骤S1包括以下步骤：S11，获取实物图像，对图像取样并数值化处理；S12，对经过数值化处理的图像进行基于灰度值的分割，初步得到餐盘边缘。对获取的图像进行提取采用，使得减少像素样本，降低运算压力，对经过灰度处理的图像进行分割，在本实施例中采用基于阈值的分割方法将高于阈值和低于阈值的像素区分开来，确定餐盘边缘，得到初步提取的餐盘边缘。
如图2所示，所述步骤S2包括以下步骤：S21，对初步提取得到的餐盘边缘做多边形逼近，确定角度阈值；S22，对初步提取得到的餐盘边缘多边形的内角进行角度值对比，确定内角大于阈值的点的个数，内角大于阈值的点仅有一个则进入步骤S23，内角大于阈值的点不止一个则进入步骤S24；S23，内角大于阈值的点仅有一个，确定该种边缘缺失属于单一边缘缺失，进入步骤S3；S24，内角大于阈值的点存在多个，确定该种边缘缺失属于多边缘缺失，进入步骤S4。由于餐盘本身采用多边形，故而对初步得到的餐盘边缘做多边形逼近，以确定餐盘的形状，在确定餐盘的形状后以多边形的内角会阈值，对边缘内的所有内角的角度与阈值进行对比，确定内角角度大于阈值的点，因为阈值为多边形内角角度，而边缘内存在大于阈值的内角角度，即可判断该处边缘缺失，确定比边缘缺失的个数，在仅一处边缘缺失时，因其缺失较少对其进行边缘修复，在存在多处边缘缺失时，对其进行边缘切割，避免存在大量非食物像素包含在边缘内。
如图3所示，所述步骤S3包括以下步骤：S31，对初步提取得到的餐盘边缘做多边形逼近，确定餐具中心；S32，检测初步提取得到的餐盘边缘的中心矩，求垂直于长轴、短轴的最远点，确定对称轴；S33，对初步提取得到的餐盘边缘进行轴对称处理，得到经过修复的餐盘边缘。由于餐盘采用对称形状，在确定餐具中心和对称轴后，对边缘进行对称操作，将无缺失的部分对称至缺失部分，即可得到完整的边缘，实现对餐盘边缘的修复。
如图4所示，所述步骤S4包括以下步骤：S31，对初步提取得到的餐盘边缘做多边形逼近，确定餐具中心；S32，根据矢量计算初步提取得到的餐盘边缘的多边形角度，确定角度阈值；S33，对初步提取得到的餐盘边缘多边形的内角进行角度值对比，确定高于阈值的点，连接距离最近的两个高于阈值的点进行切割，得到经过切割的餐盘边缘。由于餐盘本身采用多边形，故而对初步得到的餐盘边缘做多边形逼近，以确定餐盘的形状，在确定餐盘的形状后以多边形的内角会阈值，对边缘内的所有内角的角度与阈值进行对比，确定内角角度大于阈值的点，因为阈值为多边形内角角度，而边缘内存在大于阈值的内角角度，即可判断该处边缘缺失，确定该边缘缺失位置，将相邻最近的两个点相连并进行切割，避免将其他遮挡物包含在边缘内，由于并且不是单一的修复处理，而是根据实际情况对餐盘边缘进行修复或者切割，以保证图像切割更准确，解决目前图像分割技术无法对放置在碗碟等餐具内的食物进行准确的图像分割的问题。
对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。

Claims (4)

1.一种食物图像分割方法，其特征在于，包括以下步骤：
S1，获取并处理图像，初步提取餐盘边缘；
S2，对初步提取得到的餐盘边缘做多边形逼近，确定角度阈值，对初步提取得到的餐盘边缘多边形的内角进行角度值对比，确定内角大于阈值的点的个数，若内角大于阈值的点仅有一个则确定边缘的缺失类别属于单一边缘缺失并进入步骤S3，若内角大于阈值的点存在多个则确定边缘的缺失类别属于多边缘缺失并进入步骤S4；
S3，对初步提取的餐盘边缘进行处理，确定餐盘中心，对边缘进行对称修复；
S4，对初步提取的餐盘边缘进行处理，确定边缘缺失的位置，对边缘进行切割。
2.根据权利要求1所述的一种食物图像分割方法，其特征在于，所述步骤S1包括以下步骤：
S11，获取实物图像，对图像取样并数值化处理；
S12，对经过数值化处理的图像进行基于灰度值的分割，初步得到餐盘边缘。
3.根据权利要求1所述的一种食物图像分割方法，其特征在于，所述步骤S3包括以下步骤：
S31，对初步提取得到的餐盘边缘做多边形逼近，确定餐具中心；
S32，检测初步提取得到的餐盘边缘的中心矩，求垂直于长轴、短轴的最远点，确定对称轴；
S33，对初步提取得到的餐盘边缘进行轴对称处理，得到经过修复的餐盘边缘。
4.根据权利要求1所述的一种食物图像分割方法，其特征在于，所述步骤S4包括以下步骤：
S41，对初步提取得到的餐盘边缘做多边形逼近，确定餐具中心；
S42，根据矢量计算初步提取得到的餐盘边缘的多边形角度，确定角度阈值；
S43，对初步提取得到的餐盘边缘多边形的内角进行角度值对比，确定高于阈值的点，连接距离最近的两个高于阈值的点进行切割，得到经过切割的餐盘边缘。
CN201810055165.7A 2018-01-19 2018-01-19 一种食物图像分割方法 Active CN108182688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810055165.7A CN108182688B (zh) 2018-01-19 2018-01-19 一种食物图像分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810055165.7A CN108182688B (zh) 2018-01-19 2018-01-19 一种食物图像分割方法

Publications (2)

Publication Number Publication Date
CN108182688A CN108182688A (zh) 2018-06-19
CN108182688B true CN108182688B (zh) 2019-03-19

Family

ID=62550960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810055165.7A Active CN108182688B (zh) 2018-01-19 2018-01-19 一种食物图像分割方法

Country Status (1)

Country Link
CN (1) CN108182688B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116503614B (zh) * 2023-04-27 2024-07-02 杭州食方科技有限公司 餐盘形状特征提取网络训练方法和餐盘形状信息生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295018A (zh) * 2013-05-21 2013-09-11 常州大学 一种枝叶遮挡果实精确识别方法
CN104954780A (zh) * 2015-07-01 2015-09-30 南阳师范学院 一种适用于高清2d/3d转换的dibr虚拟图像修复方法
CN105976407A (zh) * 2016-05-20 2016-09-28 重庆大学 一种适用于遮挡条件下的餐盘形状识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7755645B2 (en) * 2007-03-29 2010-07-13 Microsoft Corporation Object-based image inpainting

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103295018A (zh) * 2013-05-21 2013-09-11 常州大学 一种枝叶遮挡果实精确识别方法
CN104954780A (zh) * 2015-07-01 2015-09-30 南阳师范学院 一种适用于高清2d/3d转换的dibr虚拟图像修复方法
CN105976407A (zh) * 2016-05-20 2016-09-28 重庆大学 一种适用于遮挡条件下的餐盘形状识别方法

Also Published As

Publication number Publication date
CN108182688A (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
WO2019228063A1 (zh) 商品检测终端、方法、系统以及计算机设备、可读介质
CN107610114B (zh) 基于支持向量机的光学卫星遥感影像云雪雾检测方法
CN105046252B (zh) 一种人民币冠字码识别方法
CN105718945B (zh) 基于分水岭和神经网络的苹果采摘机器人夜间图像识别方法
CN102542289B (zh) 一种基于多高斯计数模型的人流量统计方法
CN109636784B (zh) 基于最大邻域和超像素分割的图像显著性目标检测方法
CN108133216B (zh) 基于机器视觉的可实现小数点读取的数码管读数识别方法
CN110610506B (zh) 一种基于图像处理技术的姬松茸子实体生长参数检测方法
CN103336946A (zh) 一种基于双目立体视觉的成簇状番茄识别方法
CN104156951B (zh) 一种针对支气管肺泡灌洗液涂片的白细胞检测方法
CN102288606B (zh) 基于机器视觉的花粉活力测定方法
CN109886277B (zh) 一种基于轮廓分析的茶鲜叶识别方法
CN103473785A (zh) 一种基于三值化图像聚类的快速多目标分割方法
CN107563384A (zh) 基于广义Hough聚类的粘连猪的头尾识别方法
CN104732534B (zh) 一种图像中显著目标的抠取方法及系统
CN102982534A (zh) 基于弦线切线法的Canny边缘检测双阈值获取方法
CN108364300A (zh) 蔬菜叶部病害图像分割方法、系统及计算机可读存储介质
CN112132153A (zh) 基于聚类和形态学处理的番茄果实识别方法及系统
CN102663723A (zh) 一种基于颜色样本与电场模型的图像分割方法
CN110751619A (zh) 一种绝缘子缺陷检测方法
CN108182688B (zh) 一种食物图像分割方法
CN112699734A (zh) 门槛检测方法、移动机器人及存储介质
CN111091071A (zh) 基于探地雷达双曲波拟合的地下目标检测方法及系统
CN109784336A (zh) 一种基于yolo目标检测算法的红外图像故障点识别方法
CN106446832B (zh) 一种基于视频的实时检测行人的方法

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