CN108242059A - 图像边界查找方法和装置 - Google Patents
图像边界查找方法和装置 Download PDFInfo
- Publication number
- CN108242059A CN108242059A CN201611216151.6A CN201611216151A CN108242059A CN 108242059 A CN108242059 A CN 108242059A CN 201611216151 A CN201611216151 A CN 201611216151A CN 108242059 A CN108242059 A CN 108242059A
- Authority
- CN
- China
- Prior art keywords
- array
- row
- separation
- target image
- boundary
- 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.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像边界查找方法和装置,该方法包括:对目标图像进行二值化,得到二值化目标图像;获取二值化目标图像的列分界点数组,其中,所述列分界点数组中的每一项数值对应表示二值化目标图像中每列的上分界点或下分界点在每列的位置;对所述列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组;获取所述列分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的行作为目标图像的上边界或下边界。本发明实施例能够充分获取目标图像特征区域的边界信息,排除噪声的干扰,运算量小,提升了图像边界的查找精度和查找速度。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种图像边界查找方法和装置。
背景技术
图像的边界是指图像局部强度变化最显著的部分,边界作为图像的基本特征,是图像分割、纹理特征和形状特征等图像分析的重要基础,在图像处理领域十分重要。
现有技术中通常利用图像中行和或列和的突变来查找图像边界,而行和或者列和作为统计信息其粒度较大,如法反映出图像的细节信息,因此,采用这种方法来识别图像边界,容易受到图像噪声的影响,识别精度低。
发明内容
本发明实施例提供一种图像边界查找方法和装置,以解决现有技术中图像边界识别精度低的问题。
第一方面,本发明实施例提供了一种图像边界查找方法,包括:
对目标图像进行二值化,得到二值化目标图像;
获取二值化目标图像的列分界点数组,其中,所述列分界点数组中的每一项数值对应表示二值化目标图像中每列的上分界点或下分界点在每列的位置;
对所述列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组;
获取所述列分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的行作为目标图像的上边界或下边界。
第二方面,本发明实施例提供了一种图像边界查找方法,包括:
对目标图像进行二值化,得到二值化目标图像;
获取二值化目标图像的行分界点数组,其中,所述行分界点数组中的每一项数值对应表示二值化目标图像中每行的左分界点或右分界点在每行的位置;
对所述行分界点数组中的每项数值按照大小进行排序,得到行分界点顺序数组;
获取所述行分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的列作为目标图像的左边界或右边界。
第三方面,本发明实施例还提供了一种图像边界查找装置,该装置包括:
二值化模块,用于对目标图像进行二值化,得到二值化目标图像;
列分界点数组获取模块,用于获取二值化目标图像的列分界点数组,其中,所述列分界点数组中的每一项数值对应表示二值化目标图像中每列的上分界点或下分界点在每列的位置;
列分界点数组排序模块,用于对所述列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组;
上下边界获取模块,用于获取所述列分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的行作为目标图像的上边界或下边界。
第四方面,本发明实施例还提供了一种图像边界查找装置,该装置包括:
二值化模块,用于对目标图像进行二值化,得到二值化目标图像;
行分界点数组获取模块,用于获取二值化目标图像的行分界点数组,其中,所述行分界点数组中的每一项数值对应表示二值化目标图像中每行的左分界点或右分界点在每行的位置;
行分界点数组排序模块,用于对所述行分界点数组中的每项数值按照大小进行排序,得到行分界点顺序数组;
左右边界获取模块,用于获取所述行分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的列作为目标图像的左边界或右边界。
本发明实施例通过计算目标图像每列(或行)的边界,避免了根据目标图像的统计信息查找边界导致查找精度低的问题,能够充分获取目标图像特征区域的边界信息,信息粒度大,查找精度高。对列(或行)分界点数组进行排序,清晰的反映出目标图像边界和噪声的位置信息,然后根据列(或行)分界点顺序数组的预设位置的值确定图像的上/下边界(或左/右边界),从而排除噪声的干扰,且运算量小,提升了图像边界的查找精度和查找速度。
附图说明
图1是本发明实施例一中的一种图像边界查找方法的流程图;
图2A是本发明实施例二中的一种图像上边界查找方法的流程图;
图2B是二值化的人民币光变100特征区域图像;
图3是本发明实施例三中的一种图像下边界查找方法的流程图;
图4是本发明实施例四中的一种图像边界查找装置的结构示意图;
图5为本发明实施例五中的一种图像边界查找方法的流程图;
图6是本发明实施例六中的一种图像边界查找装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种图像边界查找方法的流程图,本实施例可适用于查找图像的上边界或下边界,该方法可以由图像边界查找装置来执行,该装置可以采用软件和/或硬件的方式实现。
本发明实施例一的方法具体包括:
S101、对目标图像进行二值化,得到二值化目标图像。
具体的,图像二值化也称为图像黑白化,将图像上的像素点的灰度值设置为0或者255,整个图像呈现出明显的黑白效果。其中,灰度值为0表示黑色,灰度值为255表示白色。在本实施例中,采用最大类间方差法(OTSU算法)或者P参数法对目标图像进行二值化,得到二值化目标图像。
S102、获取二值化目标图像的列分界点数组,其中,列分界点数组中的每一项数值对应表示二值化目标图像中每列的上分界点或下分界点在每列的位置。
首先,根据目标图像的特征,将二值化后的图像分为前景和背景。所述前景和背景是一个相对概念。如果关注目标图像的白色区域,则白色区域是前景;如果关注目标图像的黑色区域,则黑色区域是前景。针对二值化目标图像的每列寻找上分界点或者下分界点,获取上分界点或者下分界点在每列的位置,组成列分界点数组。针对目标图像的每列查找边界的过程中,如果遇到前景像素点,且其固定方向上若干行存在超过行数阈值的前景像素点,则该前景像素点为边界点。将所述边界点在每列的位置对应存储在列分界点数组对应的数组项中,并将没有分界点的列在所述列分界点数组中对应的数组项的值设置为零。
可选的,边界点在每列的位置可以是该边界点所在列的行号。例如,若二值化目标图像共100行,下边界点在每列的位置可以是第80行,上边界点在每列的位置可以是第20行。
S103、对列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组。
具体的,采用冒泡排序算法、基数排序算法或者快速排序算法对列分界点数组中的每项数值进行排序,排列顺序可以设置为由大到小排序列分界点数组中的每项数值,或由小到大排序列分界点数组中的每项数值。
S104、获取列分界点顺序数组中预设位置的数组项的数值作为边界位置,该边界位置在二值化目标图像中对应的行作为目标图像的上边界或下边界。
具体的,预设边界位置与图像边界宽度和排除噪声的比例有关,根据目标图像边界的宽度和预设噪声宽度,针对排序后的列分界点数组,设置预设位置,查找列分界点数组中预设位置的像素点所在的行,作为目标图像的上边界或下边界。
本发明实施例一提供了一种图像边界查找方法,通过计算目标图像每列的边界,避免了根据目标图像的统计信息查找边界导致查找精度低的问题,能够充分获取目标图像特征区域的边界信息,信息粒度大,查找精度高。对列分界点数组进行排序,清晰的反映出目标图像边界和噪声的位置信息,然后根据列分界点顺序数组的预设位置的值确定图像的上/下边界,从而排除噪声的干扰,且复杂度低,运算量小,提升了图像边界的查找精度和查找速度。
实施例二
图2A是本发明实施例二中的一种图像上边界查找方法的流程图,实施例二在实施例一的基础上,以查找目标图像的上边界为例进行进一步说明。如图2A所示,本发明实施例二的方法具体包括:
S201、对目标图像进行二值化,得到二值化目标图像。
S202、获取二值化目标图像的列分界点数组,其中,所述列分界点数组中的每一项数值对应表示二值化目标图像中每列的上分界点在每列的位置。
优选的,对二值化目标图像中的每一列,逐列从上往下查找满足上分界点条件的点作为上分界点;
将上分界点在每列的位置对应存储在列上分界点数组对应的数组项中,并且将没有上分界点的列在列上分界点数组中对应的数组项的值设为零。
S203、对列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组。
优选的,对列上分界点数组中的每项数值按照从大到小进行排序,得到列上分界点顺序数组。
S204、获取列分界点顺序数组中预设位置的数组项的数值作为边界位置,该边界位置在二值化目标图像中对应的行作为目标图像的上边界。
优选的,根据目标图像上边界的宽度和预设噪声宽度,在列上分界点顺序数组的数组项中,获取从后往前数预设上边界位置的数组项的数值作为上边界位置,该上边界位置在二值化目标图像中对应的行作为目标图像的上边界。
在本实施例中,如图2B所示,以人民币光变100特征区域图像为例进行说明。采用最大类间方差法对人民币光变100特征区域图像进行二值化处理,得到二值化人民币目标图像,其中,人民币光变100区域是前景,表现为白色区域,其余为背景,表现为黑色区域。查找二值化人民币目标图像的上边界,首先需要按列查找图像中每列的上边界分界点,存储为一个数组。针对二值化人民币目标图像每列从上向下查找上边界点的过程中,如果查找到第一前景像素点,且其下方若干行存在超过行数阈值的前景像素点,则该第一前景像素点为上边界点。例如,行数阈值可设置为6,第一前景像素点下方10行存在超过6个前景像素点,则第一前景像素点为上分界点。
其中,关于目标图像的列的位置从上往下行数逐渐增加还是减小,是根据预设标准决定。例如,从上往下共有的100个像素点的位置可以是1至100的顺序排列,也可以是100至1的顺序排列。优选的,为了加快查找速度,可以在图像高度的一半位置处,结束查找。将上分界点在每列的位置对应存储在列上分界点数组对应的数组项中,并且将没有上分界点的列在所述列上分界点数组中对应的数组项的值设为零。
图像边界表现为图像相邻像素点处的灰度值发生了剧烈的变化,而噪声点也表现为灰度值的突变,在查找图像上边界的过程中,存在将噪声点作为上边界点存储到列上分界点数组中的可能性。
若从上往下共有的100个像素点的位置是1至100的顺序排列,则对列上分界点数组中的每项数值按照从大到小进行排序,得到列上分界点顺序数组。所述列上分界点顺序数组包括若干个零,大部分的图像上边界点对应的位置和小部分的噪声点对应的位置。根据目标图像上边界的宽度和预设噪声宽度,在列上分界点顺序数组的数组项中,获取从后往前数预设上边界位置的数组项的数值作为上边界位置,所述上边界位置在二值化目标图像中对应的行作为目标图像的上边界。例如,如果二值化人民币目标图像的宽度为100列,其中,光变100区域为80列。预设上边界位置与图像上边界宽度和排除噪声的比例有关,根据上边界的宽度为40列和所要排除噪声的比例为百分之十,确定预设上边界位置为第30列,针对列上分界点顺序数组从后往前数第30列的数值作为上边界位置,上边界位置在二值化人民币目标图像中对应的行作为二值化人民币目标图像的上边界。
或者,在上面的例子中,对所述列上分界点数组中的每项数值按照从小到大进行排序,得到列上分界点顺序数组。对应的,根据目标图像上边界的宽度和预设噪声宽度,在所述列上分界点顺序数组的数组项中,获取从前往后数预设上边界位置的数组项的数值作为上边界位置,所述上边界位置在二值化目标图像中对应的行作为目标图像的上边界。
根据目标图像上边界的查找方法,在查找目标图像上边界点时,还可以将目标图像分成多个小块,而不是以一个完整的列查找。例如,二值化目标图像共100列,每4列为一小块,共25小块。如果查找到第一前景点(白色区域为前景),计算二值化目标图像每一小块的行和,如果其下方若干行存在超过行数阈值的行和大于设定阈值,例如第一前景点下方3行中存在2行的行和大于设定阈值200,则该第一前景点为上边界点。其中,所述行数阈值和设定阈值的选取根据目标图像的特征而确定。
根据目标图像上边界的查找方法,还可以从图像左侧和右侧分别进行查找目标图像的上边界,获取目标图像的左上边界和右上边界。比较所述左上边界和右上边界对应的数组项的数值,取其中较小的数值所对应的上边界的行作为目标图像的上边界,例如,当二值化人民币图像光变100区域的右侧存在污损,采用整体查找图像上边界的方法则误差较大,如果分别对人民币左边和右边求取上边界,则还可以进行修正,排除目标图像部分缺陷造成的边界查找错误。
本发明实施例二提供了一种图像上边界查找方法,根据目标图像边界的宽度和预设噪声宽度获取列上分界点顺序数组的预设位置作为上边界,排除了噪声点,同时不超过上边界实际宽度,对目标图像边界的查找精确到每一个像素点,提升了图像边界的查找精度,并且运算量小,查找速度快。
实施例三
图3是本发明实施例三提供的一种图像下边界查找方法的流程图,实施例三在实施例一的基础上,以查找目标图像的下边界为例进行进一步说明。如图3所示,本发明实施例三的方法具体包括:
S301、对目标图像进行二值化,得到二值化目标图像。
S302、获取二值化目标图像的列分界点数组,其中,所述列分界点数组中的每一项数值对应表示二值化目标图像中每列的下分界点在每列的位置。
优选的,对二值化目标图像中的每一列,逐列从下往上查找满足下分界点条件的点作为下分界点;
将下分界点在每列的位置对应存储在列下分界点数组对应的数组项中,并且将没有下分界点的列在列下分界点数组中对应的数组项的值设为零。
S303、对列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组。
优选的,对列下分界点数组中的每项数值按照从小到大进行排序,得到列下分界点顺序数组。
S304、获取列分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的行作为目标图像的下边界。
优选的,根据目标图像下边界的宽度和预设噪声宽度,在所述列下分界点顺序数组的数组项中,获取从前往后数预设下边界位置的数组项的数值作为下边界位置,该下边界位置在二值化目标图像中对应的行作为目标图像的下边界。
在本实施例中,如图2B所示,以人民币光变100区域图像为例进行说明。采用最大类间方差法对人民币光变100区域图像进行二值化处理,得到二值化人民币目标图像,其中,人民币光变100区域是前景,,表现为白色区域,其余为背景,表现为黑色区域。查找二值化人民币目标图像的下边界,首先需要按列查找图像中每列的下边界分界点,存储为一个数组。针对二值化人民币目标图像每列从下往上查找下边界点的过程中,如果查找到第一前景像素点,且其上方若干行存在超过行数阈值的前景像素点,则该第一前景像素点为下边界点。例如,行数阈值可设置为3,第一前景像素点上方5行存在超过3个前景像素点,则第一前景像素点为下分界点。
其中,关于目标图像的列的位置从下往上行数逐渐增加还是减小,是根据预设标准决定。例如,从下往上共有的100个像素点的位置可以是1至100的顺序排列,也可以是100至1的顺序排列。优选的,为了加快查找速度,可以在图像高度的一半位置处,结束查找。将下分界点在每列的位置对应存储在列下分界点数组对应的数组项中,并且将没有下分界点的列在所述列下分界点数组中对应的数组项的值设为零。
图像边界表现为图像相邻像素点处的灰度值发生了剧烈的变化,而噪声点也表现为灰度值的突变,在查找图像下边界的过程中,存在将噪声点作为下边界点存储到列下分界点数组中的可能性。
若从上往下共有的100个像素点的位置是1至100的顺序排列,则对列下分界点数组中的每项数值按照从小到大进行排序,得到列下分界点顺序数组。所述列下分界点顺序数组包括若干个零,大部分的图像下边界点对应的位置和小部分的噪声点对应的位置。根据目标图像下边界的宽度和预设噪声宽度,在列下分界点顺序数组的数组项中,获取从后往前数预设下边界位置的数组项的数值作为下边界位置,所述下边界位置在二值化目标图像中对应的行作为目标图像的下边界。例如,如果二值化人民币目标图像的宽度为100列,其中,特征区域光变100部分为80列。预设下边界位置与图像下边界宽度和排除噪声的比例有关,根据下边界的宽度为40列和所要排除噪声的比例为百分之十,确定预设下边界位置为第30列,针对列下分界点顺序数组从后往前数第30列的数值作为下边界位置,下边界位置在二值化人民币目标图像中对应的行作为二值化人民币目标图像的下边界。
或者,在上面的例子中,对所述列下分界点数组中的每项数值按照从大到小进行排序,得到列下分界点顺序数组。对应的,根据目标图像下边界的宽度和预设噪声宽度,在所述列下分界点顺序数组的数组项中,获取从前往后数预设下边界位置的数组项的数值作为下边界位置,所述下边界位置在二值化目标图像中对应的行作为目标图像的下边界。
根据目标图像下边界的查找方法,在查找目标图像下边界点时,还可以将目标图像分成多个小块,而不是以一个完整的列查找。例如,二值化目标图像共100列,每4列为一小块,共25小块。如果查找到第一前景点(白色区域为前景),计算二值化目标图像每一小块的行和,如果其上方若干行存在超过行数阈值的行和大于设定阈值,例如第一前景点上方3行中存在2行的行和大于设定阈值200,则该第一前景点为下边界点。其中,所述行数阈值和设定阈值的选取根据目标图像的特征而确定。
根据目标图像下边界的查找方法,还可以从图像左侧和右侧分别进行查找目标图像的下边界,获取目标图像的左下边界和右下边界。比较所述左下边界和右下边界对应的数组项的数值,取其中较小的数值所对应的下边界的行作为目标图像的下边界,例如,当人民币图像光变100区域的左侧存在污损,采用整体查找图像下边界的方法则误差较大,如果分别对二值化人民币图像左边和右边求取下边界,则还可以进行修正,排除目标图像部分缺陷造成的边界查找错误。
本发明实施例三提供了一种图像下边界查找方法,根据目标图像边界的宽度和预设噪声宽度获取列下分界点顺序数组的预设位置作为下边界,排除了噪声点,同时不超过下边界实际宽度,对目标图像边界的查找精确到每一个像素点,提升了图像边界的查找精度,并且运算量小,查找速度快。
实施例四
图4是本发明实施例四中的一种图像边界查找装置的结构示意图,该图像边界查找装置应用于查找图像的上边界或下边界。如图4所示,装置包括:
二值化模块401,用于对目标图像进行二值化,得到二值化目标图像;
列分界点数组获取模块402,用于获取二值化目标图像的列分界点数组,其中,所述列分界点数组中的每一项数值对应表示二值化目标图像中每列的上分界点或下分界点在每列的位置;
列分界点数组排序模块403,用于对所述列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组;
上下边界获取模块404,用于获取所述列分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的行作为目标图像的上边界或下边界。
优选的,列分界点数组获取模块402包括:
上分界点查找单元,用于对二值化目标图像中的每一列,逐列从上往下查找满足上分界点条件的点作为上分界点;
下分界点查找单元,用于对二值化目标图像中的每一列,逐列从下往上查找满足下分界点条件的点作为下分界点;
列上分界点数组获取单元,用于将所述上分界点在每列的位置对应存储在列上分界点数组对应的数组项中,并且将没有上分界点的列在所述列上分界点数组中对应的数组项的值设为零;
列下分界点数组获取单元,用于将所述下分界点在每列的位置对应存储在列下分界点数组对应的数组项中,并且将没有下分界点的列在所述列下分界点数组中对应的数组项的值设为零。
优选的,列分界点数组排序模块403包括:
列上分界点数组排序单元,用于对所述列上分界点数组中的每项数值按照从大到小进行排序,得到列上分界点顺序数组;
列下分界点数组排序单元,用于对所述列下分界点数组中的每项数值按照从小到大进行排序,得到列下分界点顺序数组。
优选的,上下边界获取模块404包括:
上边界获取单元,用于根据目标图像上边界的宽度和预设噪声宽度,在所述列上分界点顺序数组的数组项中,获取从后往前数预设上边界位置的数组项的数值作为上边界位置,所述上边界位置在二值化目标图像中对应的行作为目标图像的上边界;
下边界获取单元,用于根据目标图像下边界的宽度和预设噪声宽度,在所述列下分界点顺序数组的数组项中,获取从前往后数预设下边界位置的数组项的数值作为下边界位置,所述下边界位置在二值化目标图像中对应的行作为目标图像的下边界。
具体的,通过二值化模块401对目标图像进行二值化,得到二值化目标图像。利用上分界点查找单元或下分界点查找单元对应在二值化目标图像的每列寻找上分界点或者下分界点,获取上分界点或者下分界点在每列的位置,通过列上分界点数组获取单元或列下分界点数组获取单元对应获取列上分界点数组或列下分界点数组。
通过列分界点数组排序模块403中的列上分界点数组排序单元,对所述列上分界点数组中的每项数值排序,得到列上分界点顺序数组。通过列分界点数组排序模块403中的列下分界点数组排序单元,对所述列下分界点数组中的每项数值排序,得到列下分界点顺序数组。
预设边界位置与图像边界宽度和排除噪声的比例有关,根据目标图像边界的宽度和预设噪声宽度,针对排序后的列上分界点数组或列下分界点数组,设置预设位置,查找列上分界点数组或列下分界点数组中预设位置的像素点所在的行,作为目标图像的上边界或下边界。
本发明实施例四提供了一种图像边界查找装置,能够充分获取目标图像特征区域的边界信息,信息粒度大,查找精度高,能够排除噪声干扰,复杂度低,提升了图像上边界或下边界的查找精度和查找速度。
实施例五
图5为本发明实施例五提供的一种图像边界查找方法的流程图,本实施例可适用于查找图像的左边界或右边界,该方法可以由图像边界查找装置来执行,该装置可以采用软件和/或硬件的方式实现。
S501、对目标图像进行二值化,得到二值化目标图像;
S502、获取二值化目标图像的行分界点数组,其中,所述行分界点数组中的每一项数值对应表示二值化目标图像中每行的左分界点或右分界点在每行的位置;
S503、对行分界点数组中的每项数值按照大小进行排序,得到行分界点顺序数组;
S504、获取行分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的列作为目标图像的左边界或右边界。
具体的,采用最大类间方差法(OTSU算法)或者P参数法对目标图像进行二值化,得到二值化目标图像。根据目标图像的特征,将二值化后的图像分为前景和背景。前景和背景是一个相对概念。如果关注目标图像的白色区域,则白色区域是前景;如果关注目标图像的黑色区域,则黑色区域是前景。
对二值化目标图像中的每一行,逐行从左往右查找满足左分界点条件的点作为左分界点,如果查找到第一前景像素点(白色区域为前景),且其右方若干列存在超过列数阈值的前景像素点,则该第一前景像素点为左边界点。其中,关于目标图像的行的位置从左往右列数逐渐增加还是减小,是根据预设标准决定。例如,从左往右共有的100个像素点的位置可以是1至100的顺序排列,也可以是100至1的顺序排列。优选的,为了加快查找速度,可以在图像宽度的一半位置处,结束查找。将所述左分界点在每行的位置对应存储在行左分界点数组对应的数组项中,并且将没有左分界点的行在所述行左分界点数组中对应的数组项的值设为零。
采用冒泡排序算法、基数排序算法或者快速排序算法对所述列分界点数组中的每项数值进行排序,排列顺序可以设置为由大到小排序列分界点数组中的每项数值,或由小到大排序列分界点数组中的每项数值。
图像边界表现为图像相邻像素点处的灰度值发生了剧烈的变化,而噪声点也表现为灰度值的突变,在查找图像左边界的过程中,存在将噪声点作为左边界点存储到行左分界点数组中的可能性。
若从左往右共有的100个像素点的位置是1至100的顺序排列,则对行左分界点数组中的每项数值按照从大到小进行排序,得到行左分界点顺序数组。根据目标图像左边界的高度和预设噪声高度,在行左分界点顺序数组的数组项中,获取从后往前数预设左边界位置的数组项的数值作为左边界位置,所述左边界位置在二值化目标图像中对应的列作为目标图像的左边界。
或者,对行左分界点数组中的每项数值按照从小到大进行排序,得到行左分界点顺序数组。根据目标图像左边界的高度和预设噪声高度,在行左分界点顺序数组的数组项中,获取从前往后数预设左边界位置的数组项的数值作为左边界位置,所述左边界位置在二值化目标图像中对应的列作为目标图像的左边界。
根据目标图像左边界的查找方法,在查找目标图像左边界点时,还可以将目标图像分成多个小块,而不是以一个完整的行查找。例如,二值化目标图像共100行,每4行为一小块,共25小块。如果查找到第一前景点(白色区域为前景),计算二值化目标图像的列和,如果其右方若干列存在超过列数阈值的列和大于设定阈值,例如第一前景点右方3列中存在2列的列和大于设定阈值200,则该第一前景点为左边界点。其中,所述列数阈值和设定阈值的选取根据目标图像的特征而确定。
根据目标图像左边界的查找方法,还可以从图像上方和下方分别进行查找目标图像的左边界,获取目标图像的上左边界和下左边界。比较上左边界和下左边界对应的数组项的数值,取其中较小的数值所对应的左边界的列作为目标图像的左边界,例如,当人民币图像光变100区域的上方存在污损,采用整体查找图像左边界的方法则误差较大,如果分别对二值化人民币图像上方和下方求取左边界,则还可以进行修正,排除目标图像部分缺陷造成的边界查找错误。
相应的,对二值化目标图像中的每一行,逐行从右往左查找满足右分界点条件的点作为右分界点,如果查找到第一前景像素点(白色区域为前景),且其左方若干列存在超过列数阈值的前景像素点,则该第一前景像素点为右边界点。其中,关于目标图像的行的位置从右往左列数逐渐增加还是减小,是根据预设标准决定。例如,从右往左共有的100个像素点的位置可以是1至100的顺序排列,也可以是100至1的顺序排列。将右分界点在每行的位置对应存储在行右分界点数组对应的数组项中,并且将没有右分界点的行在所述行右分界点数组中对应的数组项的值设为零。
采用冒泡排序算法、基数排序算法或者快速排序算法对所述列分界点数组中的每项数值进行排序,排列顺序可以设置为由大到小排序列分界点数组中的每项数值,或由小到大排序列分界点数组中的每项数值。
图像边界表现为图像相邻像素点处的灰度值发生了剧烈的变化,而噪声点也表现为灰度值的突变,在查找图像右边界的过程中,存在将噪声点作为右边界点存储到行右分界点数组中的可能性。对所述行右分界点数组中的每项数值按照从大到小进行排序,得到行右分界点顺序数组。根据目标图像右边界的高度和预设噪声高度,在行右分界点顺序数组的数组项中,获取从后往前数预设右边界位置的数组项的数值作为右边界位置,所述右边界位置在二值化目标图像中对应的列作为目标图像的右边界。
或者,对行右分界点数组中的每项数值按照从小到大进行排序,得到行右分界点顺序数组。根据目标图像右边界的高度和预设噪声高度,在行右分界点顺序数组的数组项中,获取从前往后数预设右边界位置的数组项的数值作为右边界位置,所述右边界位置在二值化目标图像中对应的列作为目标图像的右边界。
根据目标图像右边界的查找方法,在查找目标图像右边界点时,还可以将目标图像分成多个小块,而不是以一个完整的行查找。例如,二值化目标图像共100行,每4行为一小块,共25小块。如果查找到第一前景点(白色区域为前景),计算二值化目标图像的列和,如果其左方若干列存在超过列数阈值的列和大于设定阈值,例如第一前景点左方3列中存在2列的列和大于设定阈值200,则该第一前景点为右边界点。其中,所述列数阈值和设定阈值的选取根据目标图像的特征而确定。
根据目标图像右边界的查找方法,还可以从图像上方和下方分别进行查找目标图像的右边界,获取目标图像的上右边界和下右边界。比较右边界和下右边界对应的数组项的数值,取其中较小的数值所对应的右边界的列作为目标图像的右边界,例如,当人民币图像光变100区域的下方存在污损,采用整体查找图像右边界的方法则误差较大,如果分别对二值化人民币图像上方和下方求取右边界,则还可以进行修正,排除目标图像部分缺陷造成的边界查找错误。
本发明实施例五提供了一种图像左边界或右查找方法,根据目标图像边界的宽度和预设噪声宽度获取行分界点顺序数组的预设位置作为左边界或右边界,排除了噪声点,同时不超过边界的实际宽度,对目标图像边界的查找精确到每一个像素点,提升了图像边界的查找精度,运算量小,查找速度快。
实施例六
图6是本发明实施例六中的一种图像边界查找装置的结构示意图,该图像边界查找装置应用于查找图像的左边界或右边界。如图6所示,装置包括:
二值化模块601,用于对目标图像进行二值化,得到二值化目标图像;
行分界点数组获取模块602,用于获取二值化目标图像的行分界点数组,其中,所述行分界点数组中的每一项数值对应表示二值化目标图像中每行的左分界点或右分界点在每行的位置;
行分界点数组排序模块603,用于对行分界点数组中的每项数值按照大小进行排序,得到行分界点顺序数组;
左右边界获取模块604,用于获取行分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的列作为目标图像的左边界或右边界。
具体的,通过二值化模块601对目标图像进行二值化,得到二值化目标图像。利用行分界点数组获取模块602在二值化目标图像的每行寻找左分界点或者右分界点,获取左分界点或者右分界点在每行的位置,获取行左分界点数组或行右分界点数组。
通过行分界点数组排序模块603对行左分界点数组中的每项数值排序,得到行左分界点顺序数组。通过行分界点数组排序模块603对行右分界点数组中的每项数值排序,得到行右分界点顺序数组。
根据目标图像边界的高度和预设噪声高度,针对排序后的行左分界点数组或行右分界点数组,设置预设位置,查找行左分界点数组或行右分界点数组中预设位置的像素点所在的列,作为目标图像的左边界或右边界。
本发明实施例六提供了一种图像边界查找装置,能够充分获取目标图像特征区域的边界信息,信息粒度大,查找精度高,能够排除噪声干扰,,复杂度低,提升了图像左边界或右边界的查找精度和查找速度。
本发明实施例提供的图像边界查找装置可执行本发明任意实施例提供的图像边界查找方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像边界查找方法,其特征在于,包括:
对目标图像进行二值化,得到二值化目标图像;
获取二值化目标图像的列分界点数组,其中,所述列分界点数组中的每一项数值对应表示二值化目标图像中每列的上分界点或下分界点在每列的位置;
对所述列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组;
获取所述列分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的行作为目标图像的上边界或下边界。
2.根据权利要求1所述的方法,其特征在于,获取二值化目标图像的列分界点数组包括:
对二值化目标图像中的每一列,逐列从上往下查找满足上分界点条件的点作为上分界点,逐列从下往上查找满足下分界点条件的点作为下分界点;
将所述上分界点在每列的位置对应存储在列上分界点数组对应的数组项中,并且将没有上分界点的列在所述列上分界点数组中对应的数组项的值设为零;
相应的,将所述下分界点在每列的位置对应存储在列下分界点数组对应的数组项中,并且将没有下分界点的列在所述列下分界点数组中对应的数组项的值设为零。
3.根据权利要求2所述的方法,其特征在于,对所述列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组,包括:
对所述列上分界点数组中的每项数值按照从大到小进行排序,得到列上分界点顺序数组;
相应的,对所述列下分界点数组中的每项数值按照从小到大进行排序,得到列下分界点顺序数组。
4.根据权利要求3所述的方法,其特征在于,所述获取所述列分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的行作为目标图像的上边界或下边界,包括:
根据目标图像上边界的宽度和预设噪声宽度,在所述列上分界点顺序数组的数组项中,获取从后往前数预设上边界位置的数组项的数值作为上边界位置,所述上边界位置在二值化目标图像中对应的行作为目标图像的上边界;
相应的,根据目标图像下边界的宽度和预设噪声宽度,在所述列下分界点顺序数组的数组项中,获取从后往前数预设下边界位置的数组项的数值作为下边界位置,所述下边界位置在二值化目标图像中对应的行作为目标图像的下边界。
5.一种图像边界查找方法,其特征在于,包括:
对目标图像进行二值化,得到二值化目标图像;
获取二值化目标图像的行分界点数组,其中,所述行分界点数组中的每一项数值对应表示二值化目标图像中每行的左分界点或右分界点在每行的位置;
对所述行分界点数组中的每项数值按照大小进行排序,得到行分界点顺序数组;
获取所述行分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的列作为目标图像的左边界或右边界。
6.一种图像边界查找装置,其特征在于,包括:
二值化模块,用于对目标图像进行二值化,得到二值化目标图像;
列分界点数组获取模块,用于获取二值化目标图像的列分界点数组,其中,所述列分界点数组中的每一项数值对应表示二值化目标图像中每列的上分界点或下分界点在每列的位置;
列分界点数组排序模块,用于对所述列分界点数组中的每项数值按照大小进行排序,得到列分界点顺序数组;
上下边界获取模块,用于获取所述列分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的行作为目标图像的上边界或下边界。
7.根据权利要求6所述的装置,其特征在于,所述列分界点数组获取模块包括:
上分界点查找单元,用于对二值化目标图像中的每一列,逐列从上往下查找满足上分界点条件的点作为上分界点;
下分界点查找单元,用于对二值化目标图像中的每一列,逐列从下往上查找满足下分界点条件的点作为下分界点;
列上分界点数组获取单元,用于将所述上分界点在每列的位置对应存储在列上分界点数组对应的数组项中,并且将没有上分界点的列在所述列上分界点数组中对应的数组项的值设为零;
列下分界点数组获取单元,用于将所述下分界点在每列的位置对应存储在列下分界点数组对应的数组项中,并且将没有下分界点的列在所述列下分界点数组中对应的数组项的值设为零。
8.根据权利要求7所述的装置,其特征在于,所述列分界点数组排序模块包括:
列上分界点数组排序单元,用于对所述列上分界点数组中的每项数值按照从大到小进行排序,得到列上分界点顺序数组;
列下分界点数组排序单元,用于对所述列下分界点数组中的每项数值按照从小到大进行排序,得到列下分界点顺序数组。
9.根据权利要求8所述的装置,其特征在于,所述上下边界获取模块包括:
上边界获取单元,用于根据目标图像上边界的宽度和预设噪声宽度,在所述列上分界点顺序数组的数组项中,获取从后往前数预设上边界位置的数组项的数值作为上边界位置,所述上边界位置在二值化目标图像中对应的行作为目标图像的上边界;
下边界获取单元,用于根据目标图像下边界的宽度和预设噪声宽度,在所述列下分界点顺序数组的数组项中,获取从后往前数预设下边界位置的数组项的数值作为下边界位置,所述下边界位置在二值化目标图像中对应的行作为目标图像的下边界。
10.一种图像边界查找装置,其特征在于,包括:
二值化模块,用于对目标图像进行二值化,得到二值化目标图像;
行分界点数组获取模块,用于获取二值化目标图像的行分界点数组,其中,所述行分界点数组中的每一项数值对应表示二值化目标图像中每行的左分界点或右分界点在每行的位置;
行分界点数组排序模块,用于对所述行分界点数组中的每项数值按照大小进行排序,得到行分界点顺序数组;
左右边界获取模块,用于获取所述行分界点顺序数组中预设位置的数组项的数值作为边界位置,所述边界位置在二值化目标图像中对应的列作为目标图像的左边界或右边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611216151.6A CN108242059B (zh) | 2016-12-26 | 2016-12-26 | 图像边界查找方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611216151.6A CN108242059B (zh) | 2016-12-26 | 2016-12-26 | 图像边界查找方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108242059A true CN108242059A (zh) | 2018-07-03 |
CN108242059B CN108242059B (zh) | 2021-03-12 |
Family
ID=62704743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611216151.6A Active CN108242059B (zh) | 2016-12-26 | 2016-12-26 | 图像边界查找方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108242059B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111578845A (zh) * | 2020-05-12 | 2020-08-25 | 创想智控科技(济南)有限公司 | 激光线的检测方法及装置、激光传感器、可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070065025A1 (en) * | 2005-09-16 | 2007-03-22 | Sony Corporation And Sony Electronics Inc. | Extracting a moving object boundary |
CN101149801A (zh) * | 2007-10-23 | 2008-03-26 | 北京大学 | 一种复杂结构文档图像倾斜快速检测方法 |
US20140219560A1 (en) * | 2007-12-14 | 2014-08-07 | Flashfoto, Inc. | Rule-based segmentation for objects with frontal view in color images |
US8837830B2 (en) * | 2012-06-12 | 2014-09-16 | Xerox Corporation | Finding text in natural scenes |
CN104298947A (zh) * | 2014-08-15 | 2015-01-21 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种对二维条码精确定位的方法及装置 |
CN104573627A (zh) * | 2014-11-19 | 2015-04-29 | 湖南大学 | 基于二值图像的车道线保留与检测算法 |
CN105354570A (zh) * | 2015-10-15 | 2016-02-24 | 深圳市捷顺科技实业股份有限公司 | 一种车牌左右边界精确定位的方法及系统 |
CN105976386A (zh) * | 2016-05-19 | 2016-09-28 | 重庆交通大学 | 一种突变点排序求路面病害二值图斑边界算法 |
-
2016
- 2016-12-26 CN CN201611216151.6A patent/CN108242059B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070065025A1 (en) * | 2005-09-16 | 2007-03-22 | Sony Corporation And Sony Electronics Inc. | Extracting a moving object boundary |
CN101149801A (zh) * | 2007-10-23 | 2008-03-26 | 北京大学 | 一种复杂结构文档图像倾斜快速检测方法 |
US20140219560A1 (en) * | 2007-12-14 | 2014-08-07 | Flashfoto, Inc. | Rule-based segmentation for objects with frontal view in color images |
US8837830B2 (en) * | 2012-06-12 | 2014-09-16 | Xerox Corporation | Finding text in natural scenes |
CN104298947A (zh) * | 2014-08-15 | 2015-01-21 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种对二维条码精确定位的方法及装置 |
CN104573627A (zh) * | 2014-11-19 | 2015-04-29 | 湖南大学 | 基于二值图像的车道线保留与检测算法 |
CN105354570A (zh) * | 2015-10-15 | 2016-02-24 | 深圳市捷顺科技实业股份有限公司 | 一种车牌左右边界精确定位的方法及系统 |
CN105976386A (zh) * | 2016-05-19 | 2016-09-28 | 重庆交通大学 | 一种突变点排序求路面病害二值图斑边界算法 |
Non-Patent Citations (3)
Title |
---|
MINGWU REN等: "Tracing boundary contours in a binary image", 《 IMAGE AND VISION COMPUTING》 * |
杨晓玲: "基于几何特征的车牌定位与字符分割技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
高贵龙: "车牌识别系统中车牌定位与识别算法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111578845A (zh) * | 2020-05-12 | 2020-08-25 | 创想智控科技(济南)有限公司 | 激光线的检测方法及装置、激光传感器、可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108242059B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11004129B2 (en) | Image processing | |
Bustince et al. | Image thresholding using restricted equivalence functions and maximizing the measures of similarity | |
Vallotton et al. | Recovery, visualization, and analysis of actin and tubulin polymer flow in live cells: a fluorescent speckle microscopy study | |
CN109918969B (zh) | 人脸检测方法及装置、计算机装置和计算机可读存储介质 | |
Bhargavi et al. | A survey on threshold based segmentation technique in image processing | |
JP7044898B2 (ja) | ナンバープレート認識方法、および、そのシステム | |
CN107145867A (zh) | 基于多任务深度学习的人脸及人脸遮挡物检测方法 | |
CN102043959B (zh) | 车牌字符分割方法 | |
KR101719088B1 (ko) | 영역 분할 방법 및 검사 장치 | |
JP2013125322A (ja) | 学習装置、プログラム及び学習方法 | |
US9070016B2 (en) | Biometric authentication apparatus, biometric authentication method and recording medium | |
CN109886128A (zh) | 一种低分辨率下的人脸检测方法 | |
CN1704966A (zh) | 一种色情图像检测方法 | |
JP2009157821A (ja) | 距離画像生成装置、環境認識装置、及びプログラム | |
CN110349167A (zh) | 一种图像实例分割方法及装置 | |
CN106529543A (zh) | 一种动态计算多色级二值化自适应阈值的方法及其系统 | |
JP2013030183A (ja) | 環境認識装置及びプログラム | |
CN108446702A (zh) | 一种图像字符分割方法、装置、设备及存储介质 | |
CN107274425B (zh) | 一种基于脉冲耦合神经网络的彩色图像分割方法及装置 | |
Lee et al. | Experiment of image processing algorithm for efficient pothole detection | |
CN103743750A (zh) | 一种大口径光学元件表面损伤分布图的生成方法 | |
Zhang et al. | Meta-evaluation of image segmentation using machine learning | |
CN104952071A (zh) | 一种基于灰度空间相关的最大类间方差图像分割算法 | |
CN108242059A (zh) | 图像边界查找方法和装置 | |
CN113971644A (zh) | 基于数据增强策略选择的图像识别方法及装置 |
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 |