CN108389167B - 图像处理方法、装置、计算机设备和存储介质 - Google Patents
图像处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN108389167B CN108389167B CN201810136981.0A CN201810136981A CN108389167B CN 108389167 B CN108389167 B CN 108389167B CN 201810136981 A CN201810136981 A CN 201810136981A CN 108389167 B CN108389167 B CN 108389167B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- contour line
- target object
- edge data
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 35
- 238000003672 processing method Methods 0.000 title abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 239000011521 glass Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像处理方法、装置、计算机设备和存储介质。所述方法包括:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中所述目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据;通过待处理图像的相关信息,得到待处理图像中目标对象的边缘数据,进而得到目标对象在待处理图像中的特征数据,特征数据可用于对待处理图像进行修正,这样无需依赖图像拍摄设备固有的图像采集精准性,即可显著提高图像的特征识别准确率。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像处理方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展,图像拍摄广泛应用于人们的生产生活中,比如在玻璃马赛克的拼装作业中,需要将不同的小片马赛克按照预设的规律摆放到方框固定盘内。通过机器人和视觉识别系统替代人工作业,视觉识别系统对目标物体的特征进行识别,然后将识别到的目标物体的数据信息传送给机器人,指引机器人进行仿人动作作业。
在对目标物体进行识别时,需要确保所拍摄到的目标物体足够清晰,才可实现对目标物体特征的准确识别。但由于图像拍摄设备的拍摄环境、设备的性能等原因,导致获取到的图像会出现不清晰的状况,造成识别图像特征准确率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高图像特征识别准确率的图像处理方法、装置、计算机设备和存储介质。
一种图像处理方法,所述方法包括:
获取待处理图像以及所述待处理图像的参考线与初始轮廓线,其中,所述待处理图像包括目标对象;
当所述初始轮廓线与所述参考线之间的角度小于预设角度时,将所述初始轮廓线作为所述待处理图像的轮廓线;
根据所述待处理图像的轮廓线,得到所述待处理图像中所述目标对象的边缘数据;
根据所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据,所述特征数据用于对所述待处理图像进行修正。
在一个实施例中,根据所述待处理图像的轮廓线,得到所述待处理图像中所述目标对象的边缘数据,包括:
将所述待处理图像的轮廓线中的当前轮廓线作为所述待处理图像的距离参考线;
当所述待处理图像的轮廓线中的非当前轮廓线与所述距离参考线的距离小于预设值时,滤除所述非当前轮廓线;
根据滤除后的轮廓线得到所述待处理图像中所述目标对象的边缘数据。
在一个实施例中,根据滤除后的轮廓线得到所述待处理图像中所述目标对象的边缘数据,包括:
分别计算相邻两条所述滤除后的轮廓线之间的间距;
将各所述间距的平均值作为所述待处理图像中所述目标对象的边缘数据。
在一个实施例中,根据所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据,包括:
获取所述待处理图像的几何特征数据;
根据所述目标对象的边缘数据以及所述待处理图像的几何特征数据,得到所述目标对象在所述待处理图像中的数量;
根据所述目标对象在所述待处理图像中的数量以及所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据。
在一个实施例中,所述方法还包括:
当所述初始轮廓线与所述参考线之间的角度大于或等于预设角度时,滤除所述初始轮廓线。
在一个实施例中,获取待处理图像以及所述待处理图像的参考线与初始轮廓线,包括:
获取所述待处理图像;
对所述待处理图像进行灰度处理,获取灰度处理后的待处理图像的参考线以及初始轮廓线。
在一个实施例中,所述待处理图像为模糊图像。
一种图像处理装置,所述装置包括:
特征获取模块,用于获取待处理图像以及所述待处理图像的参考线与初始轮廓线,其中,所述待处理图像包括目标对象;
特征筛选模块,用于当所述初始轮廓线与所述参考线之间的角度小于预设角度时,将所述初始轮廓线作为所述待处理图像的轮廓线;
边缘数据获取模块,用于根据所述待处理图像的轮廓线,得到所述待处理图像中所述目标对象的边缘数据;
目标数据获取模块,用于根据所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据,所述特征数据用于对所述待处理图像进行修正。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
获取待处理图像以及所述待处理图像的参考线与初始轮廓线,其中,所述待处理图像包括目标对象;
当所述初始轮廓线与所述参考线之间的角度小于预设角度时,将所述初始轮廓线作为所述待处理图像的轮廓线;
根据所述待处理图像的轮廓线,得到所述待处理图像中所述目标对象的边缘数据;
根据所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据,所述特征数据用于对所述待处理图像进行修正。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待处理图像以及所述待处理图像的参考线与初始轮廓线,其中,所述待处理图像包括目标对象;
当所述初始轮廓线与所述参考线之间的角度小于预设角度时,将所述初始轮廓线作为所述待处理图像的轮廓线;
根据所述待处理图像的轮廓线,得到所述待处理图像中所述目标对象的边缘数据;
根据所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据,所述特征数据用于对所述待处理图像进行修正。
上述图像处理方法、装置、计算机设备和存储介质,获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据;通过待处理图像的相关信息,得到待处理图像中目标对象的边缘数据,进而得到目标对象在待处理图像中的特征数据,特征数据可用于对待处理图像进行修正,这样无需依赖图像拍摄设备固有的图像采集精准性,即可显著提高图像的特征识别准确率。
附图说明
图1为一个实施例中图像处理方法的应用环境图;
图2为一个实施例中图像处理方法的流程示意图;
图3为一个实施例中边缘数据获取步骤的流程示意图;
图4为一个实施例中图像处理方法的效果示意图;
图5为一个实施例中图像处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的图像处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。在终端运行的图像处理方法包括获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中所述目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据;通过待处理图像的相关信息,得到待处理图像中目标对象的边缘数据,进而得到目标对象在待处理图像中的特征数据,特征数据可用于对待处理图像进行修正,这样无需依赖图像拍摄设备固有的图像采集精准性,即可显著提高图像的特征识别准确率。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种图像处理方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤202,获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象。
目标对象指待处理图像的组成单元,一副待处理图像可以包括多个不同的目标对象,比如在玻璃马赛克的拼装作业中,作业员需要将不同的小片马赛克按照预设的规律摆放到多方框固定盘内,不同的小片马赛克即为不同的目标对象,不同的小片马赛克按照预设的规律摆放到方框固定盘内组成待处理图像。待处理图像可以通过图像拍摄设备拍摄得到,待处理图像的参考线是指待处理图像中目标对象的参考基准,比如方框固定盘的水平线或垂直线;待处理图像的初始轮廓线是指待处理图像中目标对象的轮廓线,包括横向轮廓线和纵向轮廓线。
具体地,待处理图像包括目标物体和方框固定盘,目标物体放置于方框固定盘。根据目标物体的已知参考特征,目标物体地对边是平行的,目标物体放在方框固定盘内也是相互平行的,同时平行于方框固定盘的相应的最外边框。那么目标物体的轮廓边都是平行于方框固定盘的对应最外边框,于是可以将方框固定盘的最外边框的某一条边作为参考线。待处理图像的初始轮廓线包括对待处理图像从左向右、从上向下找到的每一条轮廓线。
步骤204,当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线。
计算每条初始轮廓线与参考线之间的角度,当该条初始轮廓线与参考线之间的角度小于预设角度时,将该条初始轮廓线作为待处理图像的轮廓线。计算每条初始轮廓线与参考线之间的角度,平行线之间的角度为0度,预设角度可以是0度,这样可以保证待处理图像的轮廓线与相应参考线相平行。
具体地,待处理图像包括目标物体和方框固定盘,目标物体放置于方框固定盘。由于目标物体摆放的细小误差,或角度计算等因素的影响,可能有些轮廓线与相应参考线之间的角度只是接近0,因此,可以通过设置一个预设角度,比如0.5度,只将偏差小于该预设角度的轮廓线保留,这样可以获取所有与相应参考线相平行的待处理图像的轮廓线。
步骤206,根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据。
目标对象的边缘数据是指目标对象在待处理图像中的轮廓线信息,可以是目标对象的几何特征信息,比如目标对象的长度和宽度。根据待处理图像的轮廓线,可以计算待处理图像从上到下相邻两条轮廓线之间的间距,得到目标对象的边缘数据,比如目标对象的几何特征,具体可以是目标对象的长度或宽度;再计算待处理图像从左到右相邻两条轮廓线之间的间距,得到目标对象的边缘数据,比如目标对象的几何特征,相应地,具体可以是目标对象的宽度或长度。
步骤208,根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
目标对象在待处理图像中的特征数据是指目标对象在待处理图像中的相关信息,包括目标对象在待处理图像中的数量信息、目标对象在待处理图像中的坐标位置信息等。
根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,具体可以包括:获取待处理图像的几何特征数据;根据目标对象的边缘数据以及待处理图像的几何特征数据,得到目标对象在待处理图像中的数量;根据目标对象在待处理图像中的数量以及目标对象的边缘数据,得到目标对象在待处理图像中的特征数据。
根据目标对象的边缘数据,得到目标对象在待处理图像中的数量,比如待处理图像包括目标物体和方框固定盘,目标物体的边缘数据包括目标物体的长度和宽度,可以将目标物体的长度、宽度对应地除以方框固定盘的外框尺寸,得到目标物体在方框固定盘内横向、纵向的数量。再以方框固定盘的中心为原点,通过目标物体的长度和宽度,结合目标物体的数量,可以计算出横向和纵向每排目标物体的边缘轮廓线,得到目标物体在待处理图像中的特征数据。
上述图像处理方法中,获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据;通过待处理图像的相关信息,得到待处理图像中目标对象的边缘数据,进而得到目标对象在待处理图像中的特征数据,特征数据可用于对待处理图像(例如图像拍摄设备拍摄的图像)进行修正,这样无需依赖图像拍摄设备固有的图像采集精准性,即可显著提高图像的特征识别准确率。
在一个实施例中,如图3所示,根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据,包括:
步骤302,将待处理图像的轮廓线中的当前轮廓线作为待处理图像的距离参考线;
步骤304,当待处理图像的轮廓线中的非当前轮廓线与距离参考线的距离小于预设值时,滤除非当前轮廓线;
步骤306,根据滤除后的轮廓线得到待处理图像中目标对象的边缘数据。
待处理图像的轮廓线包括待处理图像从左向右以及从上向下的各条轮廓线。比如,可以选取待处理图像从左向右的第一条轮廓线作为待处理图像从左向右的轮廓线中的当前轮廓线,以从左向右的第一条轮廓线为待处理图像的距离参考线,与从左向右的第一条轮廓线平行的轮廓线作为待处理图像的轮廓线中的非当前轮廓线。当选取待处理图像从上向下的第一条轮廓线作为待处理图像从上向下的轮廓线中的当前轮廓线,以从上向下的第一条轮廓线为待处理图像的距离参考线,与从上向下的第一条轮廓线平行的轮廓线作为待处理图像的轮廓线中的非当前轮廓线。当待处理图像的轮廓线中的非当前轮廓线与距离参考线的距离小于预设值时,滤除该非当前轮廓线,根据滤除后的轮廓线得到待处理图像中目标对象的边缘数据,这样可以提高所得到的目标对象的边缘数据的精准性。
具体地,以待处理图像中从左向右和从上向下的第一条轮廓线为距离参考线,逐条遍历其它与其平行的轮廓线,计算与距离参考线的距离,设置一个预设值,该预设值小于目标对象的长度或宽度,预设值具体可以为目标对象的长度或宽度的30%~50%,当遍历过程中的轮廓线与距离参考线的距离小于预设值,则将该条轮廓线滤除。当第一条距离参考线与其它轮廓线遍历完后,以第二条轮廓线为参考线,重复以上过程。
其中,根据滤除后的轮廓线得到待处理图像中目标对象的边缘数据,具体可以包括:分别计算相邻两条滤除后的轮廓线之间的间距;将各间距的平均值作为待处理图像中目标对象的边缘数据。
在一个实施例中,图像处理方法还包括:当初始轮廓线与参考线之间的角度大于或等于预设角度时,滤除初始轮廓线。比如横向轮廓线与方框固定盘的水平线之间的角度大于或等于预设角度时,滤除该横向轮廓线;纵向轮廓线与方框固定盘的垂直线之间的角度大于或等于预设角度时,滤除该纵向轮廓线;以保证待处理图像的轮廓线与相应参考线相平行。
在一个实施例中,获取待处理图像以及待处理图像的参考线与初始轮廓线,包括:获取待处理图像,对待处理图像进行灰度处理,获取灰度处理后的待处理图像的参考线以及初始轮廓线。对图像进行灰度处理是指将彩色图像转化成为灰度图像,彩色图像中的每个像素的颜色由R(红)、G(绿)、B(蓝)三个分量决定,而每个分量有255种值可取,这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,在数字图像处理中先将图像转变成灰度图像以使后续的图像的计算量变得少一些。
在一个实施例中,待处理图像为模糊图像。比如,可以获取图像,计算图像中各相邻像素点之间的差值,当各相邻像素点之间的差值中小于预设值的差值所占比例大于预设比例时,判定该图像为模糊图像,将其作为待处理图像,这样可以有针对性的挑选出需要提高图像特征识别准确率的图像。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,在复杂环境中,视觉识别系统难以拍摄到高清的目标物体图像,比如在玻璃马赛克的拼装作业中,作业员需要将不同颜色的小片马赛克按照预设的规律摆放到方框固定盘内。当用机器人加视觉识别系统替代人工作业,视觉识别系统对目标物体的特征进行识别,然后将识别的数据信息传送给机器人,指引机器人进行仿人动作作业。首先,根据目标物体马赛克的已有参考特征,即目标物体马赛克的对边的两条边是平行的,将目标物体放在方框固定盘内也是相互平行的,同时平行于方框固定盘的相应的最外边框,那么识别出来的目标物体的轮廓边都是平行于方框固定盘的对应最外边框,于是可以将方框固定盘的最外边框的某一条边作为参考线。然后从左向右、从上向下对每一条找到的轮廓线,计算其与参考线之间的角度,平行线间的角度为0度,由于目标物体摆放的细小误差,或是计算的关系,可能有些线间的角度只是接近0,可以通过设置一个阈值,比如0.5度,将偏差小于阀值的轮廓线保留。对保留的轮廓线,也是从左向右、从上向下,以第一条线为参考线,逐条遍历其它与其平行的轮廓线,计算其与参考线的距离,设置一个预设阈值,该阈值小于目标物体马赛克的长度或是宽度,较优的值为其长度或宽度的30%~50%,当遍历过程中的轮廓线与参考线的距离小于预设阈值,则将该条轮廓线滤除。当第一条参考线遍历完后,以第二条轮廓线为参考线,重复以上步骤。获取距离比较滤除后的轮廓线,计算两两间的间距,将所有得到的间距值求平均,所得到的值为目标物体的长度或是宽度。用求得的长度和宽度对应除以方框固定盘的外框尺寸,得到目标物体在方框固定盘的棋盘格内横向或是纵向的数量。再以方框固定盘的中心为原点,通过目标物体的长度和宽度,结合目标物体的数量,可以计算出每排目标物体的边缘轮廓线。通过上述图像处理方法得到的效果示意图如图4所示,可以看到通过该图像处理方法进行边缘轮廓识别,每个目标物体马赛克的边缘都被准确的识别出来,且线条规则,有效地提高了图像特征识别的准确率。
在一个实施例中,如图5所示,提供了一种图像处理装置,包括:特征获取模块502、特征筛选模块504、边缘数据获取模块506和目标数据获取模块508,其中:
特征获取模块502,用于获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,所述待处理图像包括目标对象;
特征筛选模块504,用于当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为所述待处理图像的轮廓线;
边缘数据获取模块506,用于根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;
目标数据获取模块508,用于根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,边缘数据获取模块包括:参考线获取单元,用于将待处理图像的轮廓线中的当前轮廓线作为待处理图像的距离参考线;轮廓线筛选单元,用于当待处理图像的轮廓线中的非当前轮廓线与距离参考线的距离小于预设值时,滤除非当前轮廓线;边缘数据获取单元,用于根据滤除后的轮廓线得到待处理图像中目标对象的边缘数据。
在一个实施例中,边缘数据获取单元包括:间距计算单元,用于分别计算相邻两条滤除后的轮廓线之间的间距;间距平均单元,用于将各间距的平均值作为待处理图像中目标对象的边缘数据。
在一个实施例中,目标数据获取模块包括:待处理图像特征获取单元,用于获取待处理图像的几何特征数据;数量获取单元,用于根据目标对象的边缘数据以及待处理图像的几何特征数据,得到目标对象在待处理图像中的数量;目标特征获取单元,用于根据目标对象在待处理图像中的数量以及目标对象的边缘数据,得到目标对象在待处理图像中的特征数据。
在一个实施例中,图像处理装置还包括:筛选模块,用于当初始轮廓线与参考线之间的角度大于或等于预设角度时,滤除初始轮廓线。
在一个实施例中,特征获取模块包括:图像获取单元,用于获取待处理图像;图像处理单元,用于对待处理图像进行灰度处理,获取灰度处理后的待处理图像的参考线以及初始轮廓线。
在一个实施例中,图像处理装置中的待处理图像为模糊图像。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定,在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;将待处理图像的轮廓线中的当前轮廓线作为待处理图像的距离参考线;当待处理图像的轮廓线中的非当前轮廓线与距离参考线的距离小于预设值时,滤除非当前轮廓线;根据滤除后的轮廓线得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;将待处理图像的轮廓线中的当前轮廓线作为待处理图像的距离参考线;当待处理图像的轮廓线中的非当前轮廓线与距离参考线的距离小于预设值时,滤除非当前轮廓线;分别计算相邻两条滤除后的轮廓线之间的间距;将各间距的平均值作为待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;获取待处理图像的几何特征数据;根据目标对象的边缘数据以及待处理图像的几何特征数据,得到目标对象在待处理图像中的数量;根据目标对象在待处理图像中的数量以及目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;当初始轮廓线与参考线之间的角度大于或等于预设角度时,滤除初始轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待处理图像;对待处理图像进行灰度处理,获取灰度处理后的待处理图像的参考线以及初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;当初始轮廓线与参考线之间的角度大于或等于预设角度时,滤除初始轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象,待处理图像为模糊图像;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;将待处理图像的轮廓线中的当前轮廓线作为待处理图像的距离参考线;当待处理图像的轮廓线中的非当前轮廓线与距离参考线的距离小于预设值时,滤除非当前轮廓线;根据滤除后的轮廓线得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;将待处理图像的轮廓线中的当前轮廓线作为待处理图像的距离参考线;当待处理图像的轮廓线中的非当前轮廓线与距离参考线的距离小于预设值时,滤除非当前轮廓线;分别计算相邻两条滤除后的轮廓线之间的间距;将各间距的平均值作为待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;获取待处理图像的几何特征数据;根据目标对象的边缘数据以及待处理图像的几何特征数据,得到目标对象在待处理图像中的数量;根据目标对象在待处理图像中的数量以及目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;当初始轮廓线与参考线之间的角度大于或等于预设角度时,滤除初始轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待处理图像;对待处理图像进行灰度处理,获取灰度处理后的待处理图像的参考线以及初始轮廓线,其中,待处理图像包括目标对象;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;当初始轮廓线与参考线之间的角度大于或等于预设角度时,滤除初始轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待处理图像以及待处理图像的参考线与初始轮廓线,其中,待处理图像包括目标对象,待处理图像为模糊图像;当初始轮廓线与参考线之间的角度小于预设角度时,将初始轮廓线作为待处理图像的轮廓线;根据待处理图像的轮廓线,得到待处理图像中目标对象的边缘数据;根据目标对象的边缘数据,得到目标对象在待处理图像中的特征数据,特征数据用于对待处理图像进行修正。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法,所述方法包括:
获取待处理图像以及所述待处理图像的参考线与初始轮廓线,其中,所述待处理图像包括目标对象;
当所述初始轮廓线与所述参考线之间的角度小于预设角度时,将所述初始轮廓线作为所述待处理图像的轮廓线;
根据所述待处理图像的轮廓线,得到所述待处理图像中所述目标对象的边缘数据;
根据所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据,所述特征数据用于对所述待处理图像进行修正;
所述根据所述待处理图像的轮廓线,得到所述待处理图像中所述目标对象的边缘数据,包括:
将所述待处理图像的轮廓线中的当前轮廓线作为所述待处理图像的距离参考线;
当所述待处理图像的轮廓线中的非当前轮廓线与所述距离参考线的距离小于预设值时,滤除所述非当前轮廓线;
根据滤除后的轮廓线得到所述待处理图像中所述目标对象的边缘数据。
2.根据权利要求1所述的方法,其特征在于,所述根据滤除后的轮廓线得到所述待处理图像中所述目标对象的边缘数据,包括:
分别计算相邻两条所述滤除后的轮廓线之间的间距;
将各所述间距的平均值作为所述待处理图像中所述目标对象的边缘数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据,包括:
获取所述待处理图像的几何特征数据;
根据所述目标对象的边缘数据以及所述待处理图像的几何特征数据,得到所述目标对象在所述待处理图像中的数量;
根据所述目标对象在所述待处理图像中的数量以及所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述方法还包括:
当所述初始轮廓线与所述参考线之间的角度大于或等于预设角度时,滤除所述初始轮廓线。
5.根据权利要求1至3任意一项所述的方法,其特征在于,所述获取待处理图像以及所述待处理图像的参考线与初始轮廓线,包括:
获取所述待处理图像;
对所述待处理图像进行灰度处理,获取灰度处理后的待处理图像的参考线以及初始轮廓线。
6.根据权利要求1至3任意一项所述的方法,其特征在于,所述待处理图像为模糊图像。
7.一种图像处理装置,其特征在于,所述装置包括:
特征获取模块,用于获取待处理图像以及所述待处理图像的参考线与初始轮廓线,其中,所述待处理图像包括目标对象;
特征筛选模块,用于当所述初始轮廓线与所述参考线之间的角度小于预设角度时,将所述初始轮廓线作为所述待处理图像的轮廓线;
边缘数据获取模块,用于根据所述待处理图像的轮廓线,得到所述待处理图像中所述目标对象的边缘数据;
目标数据获取模块,用于根据所述目标对象的边缘数据,得到所述目标对象在所述待处理图像中的特征数据,所述特征数据用于对所述待处理图像进行修正;
所述边缘数据获取模块包括:参考线获取单元,用于将所述待处理图像的轮廓线中的当前轮廓线作为所述待处理图像的距离参考线;轮廓线筛选单元,用于当所述待处理图像的轮廓线中的非当前轮廓线与所述距离参考线的距离小于预设值时,滤除所述非当前轮廓线;边缘数据获取单元,用于根据滤除后的轮廓线得到所述待处理图像中目标对象的边缘数据。
8.根据权利要求7所述的装置,其特征在于,
所述边缘数据获取单元包括:间距计算单元,用于分别计算相邻两条滤除后的轮廓线之间的间距;以及间距平均单元,用于将各间距的平均值作为所述待处理图像中目标对象的边缘数据。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810136981.0A CN108389167B (zh) | 2018-02-09 | 2018-02-09 | 图像处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810136981.0A CN108389167B (zh) | 2018-02-09 | 2018-02-09 | 图像处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108389167A CN108389167A (zh) | 2018-08-10 |
CN108389167B true CN108389167B (zh) | 2020-04-21 |
Family
ID=63075739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810136981.0A Active CN108389167B (zh) | 2018-02-09 | 2018-02-09 | 图像处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108389167B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315288B (zh) * | 2023-11-28 | 2024-02-13 | 图兮数字科技(北京)有限公司 | 目标对象的轮廓确定方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156874A (zh) * | 2010-01-25 | 2011-08-17 | 安克生医股份有限公司 | 从一影像处理系统中撷取一肿瘤轮廓的方法 |
CN106446893A (zh) * | 2016-09-14 | 2017-02-22 | 苏州佳世达电通有限公司 | 用于车牌辨识的倾斜校正方法及倾斜校正系统 |
CN107356213A (zh) * | 2017-06-26 | 2017-11-17 | 精锐视觉智能科技(深圳)有限公司 | 滤光片同心度测量方法及终端设备 |
CN107578439A (zh) * | 2017-07-19 | 2018-01-12 | 阿里巴巴集团控股有限公司 | 生成目标图像的方法、装置及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5153593B2 (ja) * | 2008-12-02 | 2013-02-27 | 株式会社Pfu | 画像処理装置および画像処理方法 |
-
2018
- 2018-02-09 CN CN201810136981.0A patent/CN108389167B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156874A (zh) * | 2010-01-25 | 2011-08-17 | 安克生医股份有限公司 | 从一影像处理系统中撷取一肿瘤轮廓的方法 |
CN106446893A (zh) * | 2016-09-14 | 2017-02-22 | 苏州佳世达电通有限公司 | 用于车牌辨识的倾斜校正方法及倾斜校正系统 |
CN107356213A (zh) * | 2017-06-26 | 2017-11-17 | 精锐视觉智能科技(深圳)有限公司 | 滤光片同心度测量方法及终端设备 |
CN107578439A (zh) * | 2017-07-19 | 2018-01-12 | 阿里巴巴集团控股有限公司 | 生成目标图像的方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108389167A (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035299B (zh) | 目标跟踪方法、装置、计算机设备及存储介质 | |
CN110941986B (zh) | 活体检测模型的训练方法、装置、计算机设备和存储介质 | |
CN109840477B (zh) | 基于特征变换的受遮挡人脸识别方法及装置 | |
CN108961175B (zh) | 人脸亮度调整方法、装置、计算机设备及存储介质 | |
EP3384429A1 (en) | Method for identification of candidate points as possible characteristic points of a calibration pattern within an image of the calibration pattern | |
CN108280829A (zh) | 焊缝图像识别方法、计算机装置及计算机可读存储介质 | |
CN110378230B (zh) | 失踪人脸识别方法、装置、计算机设备和存储介质 | |
CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN110580693B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN110147708B (zh) | 一种图像数据处理方法和相关装置 | |
US9406140B2 (en) | Method and apparatus for generating depth information | |
CN109447942B (zh) | 图像模糊度确定方法、装置、计算机设备及存储介质 | |
CN110796709A (zh) | 车架号尺寸获取方法、装置、计算机设备和存储介质 | |
CN114723755B (zh) | 玻璃屏幕的圆角缺陷检测方法、装置、设备及存储介质 | |
CN108389167B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN109447935B (zh) | 红外图像处理方法、装置、计算机设备和可读存储介质 | |
CN110322477B (zh) | 特征点观察窗口设置方法、跟踪方法、装置、设备和介质 | |
CN110598712A (zh) | 物体位置识别方法、装置、计算机设备及存储介质 | |
CN109063601B (zh) | 唇纹检测方法、装置、计算机设备和存储介质 | |
CN113302619B (zh) | 目标区域评估和特征点评估的系统和方法 | |
CN110738606A (zh) | 多光源系统的图像校正方法、装置、终端及存储介质 | |
CN111553850A (zh) | 基于双目立体视觉的三维信息获取方法和装置 | |
CN113902644A (zh) | 一种图像处理方法、装置、设备以及存储介质 | |
CN106952320B (zh) | 改善图像处理中图像延拓质量的方法及装置 | |
CN113421282B (zh) | 运动检测方法、设备和介质 |
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 |