CN108334879A - 一种区域提取方法、系统及终端设备 - Google Patents

一种区域提取方法、系统及终端设备 Download PDF

Info

Publication number
CN108334879A
CN108334879A CN201810140067.3A CN201810140067A CN108334879A CN 108334879 A CN108334879 A CN 108334879A CN 201810140067 A CN201810140067 A CN 201810140067A CN 108334879 A CN108334879 A CN 108334879A
Authority
CN
China
Prior art keywords
interest
region
profile point
area
contour line
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
Application number
CN201810140067.3A
Other languages
English (en)
Other versions
CN108334879B (zh
Inventor
王利
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.)
Shenzhen Launch Digital Technology Co Ltd
Original Assignee
Shenzhen Launch Digital 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 Shenzhen Launch Digital Technology Co Ltd filed Critical Shenzhen Launch Digital Technology Co Ltd
Priority to CN201810140067.3A priority Critical patent/CN108334879B/zh
Publication of CN108334879A publication Critical patent/CN108334879A/zh
Application granted granted Critical
Publication of CN108334879B publication Critical patent/CN108334879B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Abstract

本发明适用于模式识别技术领域，提供了一种区域提取方法、系统及终端设备，包括：读取初始轮廓点集；依次对初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；获取由单像素轮廓线围成的目标区域；根据目标区域，获取矩形感兴趣区域；判断矩形感兴趣区域是否为目标感兴趣区域。本实施例通过填充和细化处理得到单像素轮廓线，克服了易变形断裂的缺点；且本实施例在判断矩形感兴趣区域是否为目标感兴趣区域时只需扫描一次图像，避免重复遍历，大大提高了区域提取效率。

Description

一种区域提取方法、系统及终端设备
技术领域
本发明属于模式识别技术领域，尤其涉及一种区域提取方法、系统及终端设备。
背景技术
近年来，模式识别被广泛应用在身份验证、人机交互等领域，如深度学习中训练集正样本提取、图像分割、车牌识别等。如何高效正确地提取任意形状轮廓点集内的矩形ROI(Region Of Interest，感兴趣区域)，是解决许多模式识别问题的必要条件。
目前，通常采用形态学方法和数学方法提取任意形状区域轮廓点，但是，采用数学方法连接轮廓点，未有效利用图像中轮廓的形态信息，轮廓易变形，难以保持复杂轮廓的原始形状；形态学的方法又需要遍历整幅图像，效率低下，且存在结构元素尺寸难选、连接后的轮廓粗细不均匀或易变形断裂等问题。
发明内容
有鉴于此，本发明实施例提供了一种区域提取方法、系统及终端设备，以解决现有技术中轮廓易变形断裂，效率低下的问题。
本发明实施例的第一方面提供了一种区域提取方法，包括：
读取初始轮廓点集；
依次对初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；
获取由单像素轮廓线围成的目标区域；
根据目标区域，获取矩形感兴趣区域；
判断矩形感兴趣区域是否为目标感兴趣区域。
本发明实施例的第二方面提供了一种区域提取系统，包括：
初始轮廓点集读取模块，用于读取初始轮廓点集；
单像素轮廓线获取模块，用于依次对初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；
目标区域获取模块，用于获取由单像素轮廓线围成的目标区域；
矩形感兴趣区域获取模块，用于根据目标区域，获取矩形感兴趣区域；
目标感兴趣区域，用于判断矩形感兴趣区域是否为目标感兴趣区域。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述区域提取方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述区域提取方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：通过读取初始轮廓点集；依次对初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；获取由单像素轮廓线围成的目标区域；根据目标区域，获取矩形感兴趣区域；判断矩形感兴趣区域是否为目标感兴趣区域。本实施例通过填充和细化处理得到单像素轮廓线，克服了易变形断裂的缺点；且本实施例在判断矩形感兴趣区域是否为目标感兴趣区域时只需扫描一次图像，避免重复遍历，大大提高了区域提取效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明一个实施例提供的区域提取方法的实现流程示意图；
图2是本发明一个实施例提供的图1中步骤S102的的实现流程示意图；
图3是本发明一个实施例提供的初始轮廓点集、粗轮廓线和单像素轮廓线的示意图；
图4是本发明一个实施例提供的图1中步骤S104的实现流程示意图；
图5是本发明一个实施例提供的区域提取系统的结构示意图；
图6是本发明一个实施例提供的图5中单像素轮廓线获取模块的结构示意图；
图7是本发明一个实施例提供的图5中矩形感兴趣区域获取模块的结构示意图；
图8是本发明一个实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例1：
图1示出了本发明的一个实施例提供的一种区域提取方法的实现流程，其过程详述如下：
在步骤S101中，读取初始轮廓点集。
在本实施例中，首先在指定区域中获取任意形状的初始轮廓点集。
在本实施例中，在程序中获取初始轮廓点集的具体方法包括：
首先读取xml(Extensive Markup Language，可扩展标记语音)文件中的初始轮廓点集，xml文件中记载有按照预设顺序排列的初始轮廓点集的坐标，所述预设顺序可以为顺时针顺序，也可以为逆时针顺序。当获取到初始轮廓点集的坐标时，为了方便程序运算，在初始轮廓点集的的最后一个轮廓点的坐标后插入初始轮廓点集的第一个轮廓点的坐标，以便在程序中得到首尾相连的轮廓点的坐标。
在步骤S102中，依次对初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线。
在步骤S103中，获取由单像素轮廓线围成的目标区域。
在步骤S104中，根据目标区域，获取矩形感兴趣区域。
在步骤S105中，判断矩形感兴趣区域是否为目标感兴趣区域。
从上述实施例可知，通过读取初始轮廓点集；依次对初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；获取由单像素轮廓线围成的目标区域；根据目标区域，获取矩形感兴趣区域；判断矩形感兴趣区域是否为目标感兴趣区域。本实施例通过填充和细化处理得到单像素轮廓线，克服了易变形断裂的缺点；且本实施例在判断矩形感兴趣区域是否为目标感兴趣区域时只需扫描一次图像，避免重复遍历，大大提高了区域提取效率。
如图2所示，在本发明的一个实施例中，图2示出了上述图1中步骤S102的具体实现流程，详述如下：
在步骤S201中，以初始轮廓点集中的一个预设轮廓点为起点，依次获取初始轮廓点集中的相邻两个轮廓点。
在步骤S202中，以相邻两个轮廓点作为对角顶点，获取矩形区域。
在步骤S203中，依次填充相邻两个轮廓点之间的矩形区域，得到粗轮廓线。
在本实施例中，基于所述轮廓点集，连接所述轮廓点集中的轮廓点，得到单像素轮廓线。如图3(a)所示，图3(a)示出了初始轮廓点集的示意图，首先以预设轮廓点为起点，按照预设顺序依次获取初始轮廓点集中的相邻两个轮廓点。然后以该相邻两个轮廓点为对角顶点，获取两个对角顶点围成的矩形区域。
在本实施例中，如图3(b)所示，采用预设颜色依次填充每两个轮廓点之间的矩形区域，可以得到粗细不均匀的粗轮廓线。
在步骤S204中，将粗轮廓线细化为单像素轮廓线。
在本实施例中，如图3(c)所示，采用经典图像细化算法，将粗细不均匀的粗轮廓线细化单像素轮廓线。图像细化算法是将粗轮廓线沿着它的中心轴线将其细化为一个像素宽的线条的处理过程，经过细化处理后，能基本保留矩形区域的拓扑结构。提高了细化效率。
在本发明的一个实施例中，将粗轮廓线细化为单像素轮廓线的方法还包括：
采用骨架提取方法，将粗轮廓线细化为单像素轮廓线，或；
基于距离变换的极值提取方法，将粗轮廓线细化为单像素轮廓线。
从上述实施例可知，通过以初始轮廓点集中的一个预设轮廓点为起点，依次获取初始轮廓点集中的相邻两个轮廓点，以相邻两个轮廓点作为对角顶点，获取矩形区域，再依次填充矩形区域，得到粗轮廓线，最后通过细化方法，得到单像素轮廓线。本实施例充分利用图像中轮廓的形态信息，避免了现有技术中直接采用数学方法进行线段连接造成的难以保持复杂轮廓的原始形状的问题，同时解决了形态学膨胀再腐蚀方法造成的轮廓易变形、轮廓线非单像素且易断裂的问题。
在一个实施例中，在图1中步骤S103之后，本发明实施例还包括：采用预设颜色填充所述目标区域。
在本实施例中，通过预设颜色填充所述目标区域，将指定区域中目标区域和背景区域清楚的划分出来，以便于后续目标感兴趣区域的判断和提取。
如图3所示，在本发明的一个实施例中，图3示出了上述图1中步骤S104的具体实现流程，详述如下：
在步骤S401中，将目标区域分割成多个列区域。
在本实施例中，以单个像素为列宽，将所述目标区域分割为多个列区域，每个列区域为单像素列区域。
在步骤S402中，获取列区域的列像素点数。
在步骤S403中，判断列像素点数与预设点数的大小。
在本实施例中，获取所有列区域的列像素点数，由于列区域为单像素列区域，所以所述列像素点数，即为该列区域的“高度”。
在本实施例中，首先获取一个预设矩形框，所述预设矩形框的高度为预设点数，宽度为预设行像素点数，通过预设矩形框在所述指定区域内获取矩形感兴趣区域。
在步骤S404中，若列像素点数大于或等于预设点数，则获取对应的列区域，作为参考列区域。
在步骤S405中，使预设矩形框的预设顶点与参考列区域的预设端点重合，将预设矩形框的所在区域作为矩形感兴趣区域。
在本实施例中，若列像素点数大于或等于预设点数，则将该列区域作为参考列区域，并提取参考列区域的预设端点，按照指定规则提取矩形感兴趣区域。
所述按照指定规则提取矩形感兴趣区域，具体包括：
若所述预设端点为参考列区域的上方顶点(所述上方顶点是根据预设端点在目标区域的相对位置而定义的)，则预设矩形框的预设顶点为左上顶点，使预设矩形框的预设顶点与参考列区域的预设端点重合，将预设矩形框的所在区域作为矩形感兴趣区域。
若所述预设端点为参考列区域的下方顶点，则预设矩形框的预设顶点为左下顶点，使预设矩形框的预设顶点与参考列区域的预设端点重合，将预设矩形框的所在区域作为矩形感兴趣区域。
根据获取的参考列区域，按照预设规则依次获取矩形感兴趣区域，根据预设点数的大小，在指定区域可提取0、1或者多个满足上述条件的矩形感兴趣区域。
从上述实施例可知，通过分割列区域，根据预设点数及预设矩形框提取矩形感兴趣区域，只需遍历一遍目标区域，即可获取矩形感兴趣区域，从而提高了区域提取的效率。
在一个实施例中，图1中步骤S105的具体实现流程包括：
步骤S501：判断所述矩形感兴趣区域内像素点的像素颜色是否均为所述预设颜色。
在本实施例中，为了快速判断获取的矩形感兴趣区域是否全部落在目标区域内，也就是判断获取的矩形感兴趣区域是否均为所述预设颜色。引入了积分图像算法。具体过程如下：
设积分图像IΣ中，每一个像素点为(x,y)，则IΣ(x,y)为指定区域的图像的起始预设点为(0,0)到(x,y)像素点处所构成的矩形区域内所有像素值之和，在本实施例中，起始预设点可以设置为所述指定区域的左上角像素点，所述IΣ(x,y)为：
根据积分图像算法，可以快速计算指定区域内任意矩形区域内的像素值之和，假设ACDB为一个矩形区域，则该矩形区域的像素值之和为：
其中，(x0,y0)为A的像素坐标，(x1,y1)为D的像素坐标。
在本实施例中，假设预设颜色为白色，则目标区域的颜色为白色，而指定区域内非目标区域的颜色为黑色，并采用预设颜色填充预设矩形框。设白色像素的值为1，黑色像素的值为0，计算指定区域的积分图像后，则可判定所有满足条件的矩形感兴趣区域内的像素值之和是否与预设矩形框内的像素值之和相同，若相同，则判断该矩形感兴趣区域全部落在目标区域内，获取该矩形感兴趣区域为目标感兴趣区域。
在本发明的一个实施例中，判断矩形感兴趣区域内像素点的颜色是否均为预设颜色的方法还包括：
1)为非目标区域的像素点赋值为零，目标区域的像素点赋非零值；
2)查找矩形感兴趣区域内像素值为零的像素点，若所述矩形感兴趣区域内未查找到像素值为零的像素点，则判断所述矩形感兴趣区域为目标感兴趣区域。
在本实施例中，若在矩形感兴趣区域内查找到像素值为零的像素点，则可知所述矩形感兴趣区域内的像素并不全为预设颜色，则可判定所述矩形感兴趣区域不是目标感兴趣区域。
步骤S502：若所述矩形感兴趣区域内像素点的像素颜色均为所述预设颜色，则获取所述矩形感兴趣区域作为目标感兴趣区域。
从上述实施例可知，判断矩形感兴趣区域内像素点的颜色是否均为预设颜色，从而判断矩形感兴趣区域是否为目标感兴趣区域。从而能够仅对指定区域的每个像素扫描一次，即可判定矩形感兴趣区域是否为目标感兴趣区域，避免了对多个矩形感兴趣区域的重复遍历且冗余判断的情况，大大提高了判断效率，且运算简单，进一步提高了运算效率，从而加快了区域提取的速度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
实施例2：
如图5所示，本发明的一个实施例提供的区域提取系统100，用于执行图1所对应的实施例中的方法步骤，其包括：
初始轮廓点集读取模块110，用于读取初始轮廓点集；
单像素轮廓线获取模块120，用于依次对所述初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；
目标区域获取模块130，用于获取由所述单像素轮廓线围成的目标区域；
矩形感兴趣区域获取模块140，用于根据所述目标区域，获取矩形感兴趣区域；
目标感兴趣区域150，用于判断所述矩形感兴趣区域是否为目标感兴趣区域。
从上述实施例可知，通过读取初始轮廓点集；依次对初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；获取由单像素轮廓线围成的目标区域；根据目标区域，获取矩形感兴趣区域；判断矩形感兴趣区域是否为目标感兴趣区域。本实施例克服了轮廓易变形断裂的缺点；且本实施例只需扫描一次指定区域的图像，避免重复遍历，大大提高了区域提取的效率。
如图6所示，在本发明的一个实施例中，图5所对应的实施例中的单像素轮廓线获取模块120还包括用于执行图2所对应的实施例中的方法步骤的结构，其包括：
相邻轮廓点获取单元121，用于以所述初始轮廓点集中的一个预设轮廓点为起点，依次获取所述初始轮廓点集中的相邻两个轮廓点；
矩形区域获取单元122，用于以相邻两个轮廓点作为对角顶点，获取矩形区域；
粗轮廓线获取单元123，用于依次填充相邻两个轮廓点之间的所述矩形区域，得到粗轮廓线；
单像素轮廓线获取单元124，用于将所述粗轮廓线细化为所述单像素轮廓线。
从上述实施例可知，本实施例充分利用图像中轮廓的形态信息，避免了现有技术中直接采用数学方法进行线段连接造成的难以保持复杂轮廓的原始形状的问题，同时解决了形态学膨胀再腐蚀方法造成的轮廓易变形、轮廓线非单像素且易断裂的问题。
在一个实施例中，在所述目标区域获取模块之后，还包括：
目标区域填充模块，用于采用预设颜色填充所述目标区域。
如图7所示，在本发明的一个实施例中，图5所对应的实施例中的矩形感兴趣区域获取模块140还包括用于执行图4所对应的实施例中的方法步骤的结构，其包括：
列区域获取单元141，用于将所述目标区域分割成多个列区域；
列像素点数获取单元142，用于获取所述列区域的列像素点数；
点数判断单元143，用于判断所述列像素点数与预设点数的大小；
参考区域获取单元144，用于若所述列像素点数大于或等于所述预设点数，则获取对应的所述列区域，作为参考列区域；
矩形感兴趣区域获取单元145，用于使预设矩形框的预设顶点与所述参考列区域的预设端点重合，将所述预设矩形框的所在区域作为所述矩形感兴趣区域。
从上述实施例可知，通过分割列区域，根据预设点数提取矩形感兴趣区域，只需遍历一遍目标区域，即可提取矩形感兴趣区域，从而提高了区域提取的效率。
在一个实施例中，目标感兴趣区域150还包括：
颜色判断单元，用于判断所述矩形感兴趣区域内像素点的像素颜色是否均为所述预设颜色；
目标感兴趣区域获取单元，用于若所述矩形感兴趣区域内像素点的像素颜色均为所述预设颜色，则获取所述矩形感兴趣区域作为目标感兴趣区域。
从上述实施例可知，通过判断所述矩形感兴趣区域内像素点的像素颜色是否均为所述预设颜色，从而判断矩形感兴趣区域是否为目标感兴趣区域。从而能够对指定区域的每个像素扫描一次，即可判定矩形感兴趣区域是否为目标感兴趣区域，避免了对多个矩形感兴趣区域的重复遍历且冗余判断的缺点，大大提高了判断效率，且运算简单，进一步提高了运算效率，从而加快了区域提取的速度。
实施例3：
本发明实施例还提供了一种终端设备8，包括存储器81、处理器80以及存储在存储器81中并可在处理器上运行的计算机程序82，所述处理器80执行所述计算机程序82时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述处理器80执行所述计算机程序82时实现如实施例2中所述的各装置实施例中的各模块的功能，例如图5所示的模块110至150的功能。
所述终端设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备8可包括，但不仅限于，处理器80、存储器81。例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述终端设备8的内部存储单元，例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备，例如所述终端设备8上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序82以及所述终端设备8所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
实施例4：
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述计算机程序被处理器执行时实现如实施例2中所述的各装置实施例中的各模块的功能，例如图5所示的模块110至150的功能。
所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例系统中的模块或单元可以根据实际需要进行合并、划分和删减。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种区域提取方法，其特征在于，包括：
读取初始轮廓点集；
依次对所述初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；
获取由所述单像素轮廓线围成的目标区域；
根据所述目标区域，获取矩形感兴趣区域；
判断所述矩形感兴趣区域是否为目标感兴趣区域。
2.如权利要求1所述的区域提取方法，其特征在于，所述依次对所述初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线，包括：
以所述初始轮廓点集中的一个预设轮廓点为起点，依次获取所述初始轮廓点集中的相邻两个轮廓点；
以相邻两个轮廓点作为对角顶点，获取矩形区域；
依次填充相邻两个轮廓点之间的所述矩形区域，得到粗轮廓线；
将所述粗轮廓线细化为所述单像素轮廓线。
3.如权利要求1所述的区域提取方法，其特征在于，所述获取由所述单像素轮廓线围成的目标区域之后，还包括：
采用预设颜色填充所述目标区域。
4.如权利要求3所述的区域提取方法，其特征在于，所述根据所述目标区域，获取矩形感兴趣区域，包括：
将所述目标区域分割成多个列区域；
获取所述列区域的列像素点数；
判断所述列像素点数与预设点数的大小；
若所述列像素点数大于或等于所述预设点数，则获取对应的所述列区域，作为参考列区域；
使预设矩形框的预设顶点与所述参考列区域的预设端点重合，将所述预设矩形框的所在区域作为所述矩形感兴趣区域。
5.如权利要求4所述的区域提取方法，其特征在于，所述判断所述矩形感兴趣区域是否为目标感兴趣区域，包括：
判断所述矩形感兴趣区域内像素点的像素颜色是否均为所述预设颜色；
若所述矩形感兴趣区域内像素点的像素颜色均为所述预设颜色，则获取所述矩形感兴趣区域作为目标感兴趣区域。
6.一种区域提取系统，其特征在于，包括：
初始轮廓点集读取模块，用于读取初始轮廓点集；
单像素轮廓线获取模块，用于依次对所述初始轮廓点集内的相邻两个轮廓点之间的矩形区域进行填充和细化处理，得到单像素轮廓线；
目标区域获取模块，用于获取由所述单像素轮廓线围成的目标区域；
矩形感兴趣区域获取模块，用于根据所述目标区域，获取矩形感兴趣区域；
目标感兴趣区域，用于判断所述矩形感兴趣区域是否为目标感兴趣区域。
7.如权利要求6所述的一种区域提取系统，其特征在于，所述单像素轮廓线获取模块，包括：
相邻轮廓点获取单元，用于以所述初始轮廓点集中的一个预设轮廓点为起点，依次获取所述初始轮廓点集中的相邻两个轮廓点；
矩形区域获取单元，用于以相邻两个轮廓点作为对角顶点，获取矩形区域；
粗轮廓线获取单元，用于依次填充相邻两个轮廓点之间的所述矩形区域，得到粗轮廓线；
单像素轮廓线获取单元，用于将所述粗轮廓线细化为所述单像素轮廓线。
8.如权利要求6所述的一种区域提取系统，其特征在于，在所述目标区域获取模块之后，还包括：
目标区域填充模块，用于采用预设颜色填充所述目标区域。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述区域提取方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述区域提取方法的步骤。
CN201810140067.3A 2018-02-11 2018-02-11 一种区域提取方法、系统及终端设备 Active CN108334879B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810140067.3A CN108334879B (zh) 2018-02-11 2018-02-11 一种区域提取方法、系统及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810140067.3A CN108334879B (zh) 2018-02-11 2018-02-11 一种区域提取方法、系统及终端设备

Publications (2)

Publication Number Publication Date
CN108334879A true CN108334879A (zh) 2018-07-27
CN108334879B CN108334879B (zh) 2020-08-21

Family

ID=62929178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810140067.3A Active CN108334879B (zh) 2018-02-11 2018-02-11 一种区域提取方法、系统及终端设备

Country Status (1)

Country Link
CN (1) CN108334879B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472766A (zh) * 2018-08-27 2019-03-15 石家庄铁道大学 桥梁螺栓区域定位方法及终端设备
CN110533742A (zh) * 2019-09-03 2019-12-03 广州视源电子科技股份有限公司 一种图像填色方法、装置、设备及存储介质
CN112444519A (zh) * 2019-08-30 2021-03-05 比亚迪股份有限公司 车辆故障检测装置和方法
CN114661930A (zh) * 2022-05-24 2022-06-24 深圳顶匠科技有限公司 基于可拓展标记语言的位图处理方法、装置及设备
CN116385471A (zh) * 2023-06-02 2023-07-04 中科微至科技股份有限公司 一种基于定向区域生长的激光轮廓线提取方法
CN116797778A (zh) * 2023-03-23 2023-09-22 北京鹰之眼智能健康科技有限公司 感兴趣区域获取方法、电子设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7123761B2 (en) * 2001-11-20 2006-10-17 Konica Corporation Feature extracting method, subject recognizing method and image processing apparatus
CN101599174A (zh) * 2009-08-13 2009-12-09 哈尔滨工业大学 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法
CN101894391A (zh) * 2010-06-24 2010-11-24 江苏如意通动漫产业有限公司 智能无纸卡通制作方法
CN102194111A (zh) * 2011-06-21 2011-09-21 哈尔滨工程大学 非接触握拳式手背静脉样本roi区域自适应提取方法
CN102495584A (zh) * 2011-11-24 2012-06-13 重庆大学 工业ct断层序列图像直接生成数控加工代码的方法
CN102800087A (zh) * 2012-06-28 2012-11-28 华中科技大学 超声颈动脉血管膜的自动分割方法
CN105740872A (zh) * 2016-01-29 2016-07-06 徐庆 图像特征提取方法及其装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7123761B2 (en) * 2001-11-20 2006-10-17 Konica Corporation Feature extracting method, subject recognizing method and image processing apparatus
CN101599174A (zh) * 2009-08-13 2009-12-09 哈尔滨工业大学 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法
CN101894391A (zh) * 2010-06-24 2010-11-24 江苏如意通动漫产业有限公司 智能无纸卡通制作方法
CN102194111A (zh) * 2011-06-21 2011-09-21 哈尔滨工程大学 非接触握拳式手背静脉样本roi区域自适应提取方法
CN102495584A (zh) * 2011-11-24 2012-06-13 重庆大学 工业ct断层序列图像直接生成数控加工代码的方法
CN102800087A (zh) * 2012-06-28 2012-11-28 华中科技大学 超声颈动脉血管膜的自动分割方法
CN105740872A (zh) * 2016-01-29 2016-07-06 徐庆 图像特征提取方法及其装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472766A (zh) * 2018-08-27 2019-03-15 石家庄铁道大学 桥梁螺栓区域定位方法及终端设备
CN109472766B (zh) * 2018-08-27 2022-05-17 石家庄铁道大学 桥梁螺栓区域定位方法及终端设备
CN112444519A (zh) * 2019-08-30 2021-03-05 比亚迪股份有限公司 车辆故障检测装置和方法
CN112444519B (zh) * 2019-08-30 2022-07-15 比亚迪股份有限公司 车辆故障检测装置和方法
CN110533742A (zh) * 2019-09-03 2019-12-03 广州视源电子科技股份有限公司 一种图像填色方法、装置、设备及存储介质
CN110533742B (zh) * 2019-09-03 2021-05-11 广州视源电子科技股份有限公司 一种图像填色方法、装置、设备及存储介质
CN114661930A (zh) * 2022-05-24 2022-06-24 深圳顶匠科技有限公司 基于可拓展标记语言的位图处理方法、装置及设备
CN114661930B (zh) * 2022-05-24 2022-08-26 深圳顶匠科技有限公司 基于可拓展标记语言的位图处理方法、装置及设备
CN116797778A (zh) * 2023-03-23 2023-09-22 北京鹰之眼智能健康科技有限公司 感兴趣区域获取方法、电子设备和存储介质
CN116797778B (zh) * 2023-03-23 2024-03-22 北京鹰之眼智能健康科技有限公司 感兴趣区域获取方法、电子设备和存储介质
CN116385471A (zh) * 2023-06-02 2023-07-04 中科微至科技股份有限公司 一种基于定向区域生长的激光轮廓线提取方法
CN116385471B (zh) * 2023-06-02 2023-09-01 中科微至科技股份有限公司 一种基于定向区域生长的激光轮廓线提取方法

Also Published As

Publication number Publication date
CN108334879B (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
CN108334879A (zh) 一种区域提取方法、系统及终端设备
US10429193B2 (en) Method and apparatus for generating high precision map
CN108596168B (zh) 用于识别图像中字符的方法、装置及介质
CN108399386A (zh) 饼图中的信息提取方法及装置
CN112287912B (zh) 基于深度学习的车道线检测方法以及装置
CN106339707A (zh) 一种基于对称性特征的仪表指针图像识别方法
CN110378351B (zh) 印章鉴别方法及装置
Liu et al. Road centerlines extraction from high resolution images based on an improved directional segmentation and road probability
CN111177445A (zh) 标准图元的确定方法、图元识别方法、装置和电子设备
WO2020125062A1 (zh) 一种图像融合方法及相关装置
CN108090486A (zh) 一种台球比赛中的图像处理方法及装置
CN109389110B (zh) 一种区域确定方法及装置
CN110570445A (zh) 一种图像分割方法、装置、终端及可读介质
CN111695609A (zh) 目标物损伤程度判定方法、装置、电子设备及存储介质
CN113592886A (zh) 建筑图纸的审图方法、装置、电子设备及介质
CN104463091B (zh) 一种基于图像lgbp特征子向量的人脸图像识别方法
CN111079626A (zh) 一种活体指纹识别方法、电子设备及计算机可读存储介质
CN108268868B (zh) 身份证图像的倾斜值获取方法及装置、终端、存储介质
CN113420580A (zh) 用于对二维码进行辅助定位符定位的方法及装置、二维码扫描设备、存储介质
CN110503114B (zh) 图像特征提取方法、装置、肿瘤识别系统及存储介质
CN116434085B (zh) 基于纹理特征分析的坑槽识别方法、装置、设备及介质
CN109801428A (zh) 纸币边缘直线的检测方法、检测装置及终端
CN116311327A (zh) 处方图像检测方法
CN111126248A (zh) 一种遮挡下的车辆识别方法及装置
CN116012393A (zh) 一种纸箱点云分割方法、装置以及处理设备

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: B501, Building F2, TCL Science Park, No. 1001, Zhongshanyuan Road, Shuguang Community, Xili Street, Nanshan District, Shenzhen City, Guangdong Province, 518000

Patentee after: LAUNCH DIGITAL TECHNOLOGY Co.,Ltd.

Address before: 518000 Third Floor, Fengyun Building, Galaxy, No. 5 Xinxi Road, North District, Nanshan High-tech Park, Shenzhen City, Guangdong Province

Patentee before: LAUNCH DIGITAL TECHNOLOGY Co.,Ltd.