CN108876871B - 基于圆拟合的图像处理方法、装置与计算机可读存储介质 - Google Patents

基于圆拟合的图像处理方法、装置与计算机可读存储介质 Download PDF

Info

Publication number
CN108876871B
CN108876871B CN201810621616.9A CN201810621616A CN108876871B CN 108876871 B CN108876871 B CN 108876871B CN 201810621616 A CN201810621616 A CN 201810621616A CN 108876871 B CN108876871 B CN 108876871B
Authority
CN
China
Prior art keywords
image
pixel points
pixel
circle
point
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
CN201810621616.9A
Other languages
English (en)
Other versions
CN108876871A (zh
Inventor
邓立邦
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.)
Guangdong Matview Intelligent Science & Technology Co ltd
Original Assignee
Guangdong Matview Intelligent Science & 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 Guangdong Matview Intelligent Science & Technology Co ltd filed Critical Guangdong Matview Intelligent Science & Technology Co ltd
Priority to CN201810621616.9A priority Critical patent/CN108876871B/zh
Publication of CN108876871A publication Critical patent/CN108876871A/zh
Application granted granted Critical
Publication of CN108876871B publication Critical patent/CN108876871B/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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • 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

Landscapes

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

Abstract

本发明提供了一种基于圆拟合的图像处理方法、装置与计算机可读存储介质，该方法，包括：采用加权平均算法对目标图像进行行灰度化计算，获得灰度图像；对所述灰度图像进行颜色聚类分割，获得分割图像；对所述分割图像进行二值化处理，获得所述二值图像；连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像；将所述圆拟合图像推送到终端设备屏幕上。上述方法结合圆弧拟合技术对图像进行重新创作，降低电子绘画的难度，丰富图像的显示效果。

Description

基于圆拟合的图像处理方法、装置与计算机可读存储介质
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于圆拟合的图像处理方法、装置与计算机可读存储介质。
背景技术
曲线拟合是根据已知实际测试样点，找出被测试量之间的函数关系，使得找出的近似函数曲线能够充分反映实际测量之间的关系。目前，曲线拟合技术广泛应用在图像处理、逆向工程、计算机辅助设计以及测试数据的处理显示及故障模式诊断等领域。然而，在日常生活中，经常出现需要把曲线拟合成圆弧的情况，例如数控机床通常只能作直线、圆弧或圆柱螺旋线的运动，需要把设计图纸中不同的曲线轨迹转化成机床运动能够接受的形式。
而在计算机的绘图领域，需要依据用户的绘制轨迹生成相应的目标图像，电子绘画的难度较大，其次由于绘画设备不具备插补功能，不能够对用户绘画的图像进行圆弧拟合，一般只能得到用户绘画轨迹对应的图像，绘画显示单一。
发明内容
本发明的目的是提供一种基于圆拟合的图像处理方法、装置与计算机可读存储介质，能够结合圆弧拟合技术对图像进行重新创作，降低电子绘画的难度，丰富图像的显示效果。
本发明实施例提供了一种基于圆拟合的图像处理方法，包括：
采用加权平均算法对目标图像进行行灰度化计算，获得灰度图像；
对所述灰度图像进行颜色聚类分割，获得分割图像；
对所述分割图像进行二值化处理，获得所述二值图像；
连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像；
将所述圆拟合图像推送到终端设备屏幕上。
优选地，所述连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像，具体包括：
根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点；
对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点；
采用最小二乘法，分别计算所述像素点之间连线对应的圆心和半径；
根据所述像素点之间连线对应的圆心和半径，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像。
优选地，所述根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点，具体包括：
从相邻的像素点中确定一连接起点，并按照设定方向依次连接相邻的两个像素点，将最后一个连接的像素点作为判断点；
判断与所述判断点相邻的下一个像素点是否位于所述判断点的所在的水平方向的下方；若是，继续连接所述判断点与下一个像素点；若否，以下一个像素点为连接起点，按照设定方向重新依次连接相邻的两个像素点。
优选地，所述对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点，具体包括：
采用
Figure BDA0001698198450000021
对不相邻的像素点进行随机组合，得到若干个待连接像素点集合；
采用圆弧连接所述待连接像素点集合中的像素点；
判断第i个待连接像素点集合与第j个待连接像素点集合对应的圆弧中是否连接同一个像素点；若是，删去第i个待连接像素点集合中的像素点，对剩余的不相邻的像素点重新进行随机组合；若否，保留第i个待连接像素点集合和第j个待连接像素点集合对应的圆弧。
优选地，所述采用最小二乘法，分别计算所述像素点之间连线对应的圆心和半径，具体包括：
采用公式
Figure BDA0001698198450000031
分别计算所述像素点之间连线对应的圆心和半径；
其中，(a,b)为圆心坐标，r为拟合圆的半径，ε为残差，(xi，yi)为像素点坐标，E为像素点个数。
优选地，所述根据所述像素点之间连线对应的圆心和半径，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像，具体包括：
根据所述像素点之间连线对应的圆心和半径，获得若干个拟合圆；
根据所述像素点之间连线对应连接起点和连接终点，删除拟合圆中的多余圆弧，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像。
优选地，所述对所述灰度图像进行颜色聚类分割，获得分割图像，具体包括：
提取所述灰度图像的轮廓特征并输入到设定大小的方格矩阵中，调整所述灰度图像的像素；
采用模糊C-均值聚类算法，将调整像素后的所述灰度图像分割成C个颜色聚类区域，得到所述分割图像。
本发明实施例还提供了一种基于圆拟合的图像处理装置，包括：
灰度处理模块，用于采用加权平均算法对目标图像进行行灰度化计算，获得灰度图像；
聚类分割模块，用于对所述灰度图像进行颜色聚类分割，获得分割图像；
二值化处理模块，用于对所述分割图像进行二值化处理，获得所述二值图像；
圆拟合模块，用于连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像；
图像推送模块，用于将所述圆拟合图像推送到终端设备屏幕上。
本发明实施例还提供了一种基于圆拟合的图像处理装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的基于圆拟合的图像处理方法。
本发明实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的基于圆拟合的图像处理方法。
相对于现有技术，本发明实施例提供的一种基于圆拟合的图像处理方法的有益效果在于，所述基于圆拟合的图像处理方法，包括：采用加权平均算法对目标图像进行行灰度化计算，获得灰度图像；对所述灰度图像进行颜色聚类分割，获得分割图像；对所述分割图像进行二值化处理，获得所述二值图像；连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像；将所述圆拟合图像推送到所述终端设备屏幕上。上述方法能够结合圆弧拟合技术对图像进行重新创作，降低电子绘画的难度，丰富图像的显示效果。
附图说明
图1是本发明实施例提供的一种基于圆拟合的图像处理方法的流程图；
图2是本发明实施例提供的一种基于圆拟合的图像处理装置的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其是本发明实施例提供的一种基于圆拟合的图像处理方法的流程图，一种基于圆拟合的图像处理方法，包括：
S100：采用加权平均算法对目标图像进行行灰度化计算，获得灰度图像；
S200：对所述灰度图像进行颜色聚类分割，获得分割图像；
S300：对所述分割图像进行二值化处理，获得所述二值图像；
S400：连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像；
S500：将所述圆拟合图像推送到终端设备屏幕上。
在本实施例中，绘画前无需进行绘画类别选择、画笔参数设置等绘画设置，只需在终端设备上传指定大小的图像文件，如在电脑上传少于2M的PNG文件。没有过多的操作步骤，用户无需设置绘画步骤或者绘制图案，只需上传符合格式的图像文件便可；终端设备的传感器接收用户上传的目标图像并发送到终端设备的处理器进行灰度化处理、二值化处理对二值化处理后的目标图像进行圆拟合，生成目标图像对应的圆拟合图像并推送至终端设备的屏幕，依据上传的目标图像的进行绘画创作，图像处理过程简单，降低电子绘画的难度，丰富图像的显示效果。所述终端设备为手机、平板、绘画板、触碰屏等设备。
此外，作画效果方面，采用圆拟合技术，通过圆替换图像线条，简化计算机生成图形的步骤，从而提高计算机图像处理的效率。与传统作画产品相比，打破了图像的显示效果，保留了用户原图的结构特征，线条不再以直线、方形的形式展示，取而代之以圆弧表示，增加了用户与计算机联合作画的新颖性以及互动性。
其中，采用加权平均公式f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)，计算所述目标图像的各像素点的灰度值；i,j为任意一个像素点的位置，R(i,j)为该像素点的红色分量，G(i,j)为该像素点的绿色分量，B(i,j)为该像素点的蓝色分量。根据所述目标图像的各像素点的灰度值，生成所述灰度图像。通过上述公式使得各像素点的灰度值的范围在0至255之间，所述灰度图像呈现黑、白、灰三种颜色状态。将目标图像进行灰度化处理后，目标图像只剩下一个灰度值，可以极大地提高后续目标图像的处理效率，同时不影响目标图像的纹理特征信息。
在一种可选的实施例中，S200：对所述灰度图像进行颜色聚类分割，获得分割图像，具体包括：
提取所述灰度图像的轮廓特征并输入到设定大小的方格矩阵中，调整所述灰度图像的像素；
采用模糊C-均值聚类算法，将调整像素后的所述灰度图像分割成C个颜色聚类区域，得到所述分割图像。
例如，把调整像素后的所述灰度图像分割成C个区域，其图像大小为MxN的灰度图像，任意位置(x,y)处的灰度值为g(x,y)(0≤g(x,y)≤255)。因此，灰度图像可采用集合方式描述为G＝{g(x,y)|x＝1,2,…,M；y＝1,2,…,N}。该算法具体步骤如下：
步骤1：从0至255中任意选取C个不同大小的值作为所述灰度图像聚成C类的中心值，即采用0至255的整数初始化Z1 (0)，Z2 (0)，…，Zc (0)的值，令k＝0。
步骤2：将所述灰度图像中所有不同位置像素的灰度值g(x,y)(x＝1,2,…,M；y＝1,2,…,N)逐个按最小距离原则分划给C类中的某一类，即：
如果
Figure BDA0001698198450000061
x＝1,2,…,M；y＝1,2,…,N，存在一个l∈{1,2,…,C}，则判定
Figure BDA0001698198450000062
其中，
Figure BDA0001698198450000063
表示g(x,y)和
Figure BDA0001698198450000064
的中心Zj (k)的距离，上角标表示迭代次数。于是产生新的聚类
Figure BDA0001698198450000065
步骤3：计算重新分类后的各类中心；
Figure BDA0001698198450000071
其中，
Figure BDA0001698198450000072
为
Figure BDA0001698198450000073
类中所含模式的个数。
步骤4：如果Zj (k+1)＝Zj (k),j＝1,2,…,C，则结束；否则，k＝k+1，转至步骤2，继续迭代。
上述算法，通过设定C个用于颜色聚类划分的像素值，结合最小距离原则，对像素颜色空间中的像素值进行聚类(即：把当前图像的像素颜色值划分为C个类别)，产生新的颜色聚类划分；根据新的聚类划分，分别计算各颜色类别的中心值；根据新的中心值，重新对像素颜色空间中的像素值进行聚类，依次类推，直到颜色类别的中心值不变为止，从而达到图像分割的效果。
在一种可选的实施例中，S300：对所述分割图像进行二值化处理，获得所述二值图像，具体包括：
判断所述分割图像的任意一个像素点的灰度值是否大于第一阈值，若是，将所述任意一个像素点的灰度值更新为第一设定灰度值，若否，将所述任意一个像素点的灰度值更新为第二设定灰度值，获得所述二值图像；
其中，所述第一阈值为所述分割图像中所有像素点的灰度平均值。
在本实施例中，所述第一设定灰度值为0(黑色)，所述第二设定灰度值为255(白色)。通过将所述分割图像进一步进行二值化处理，得到黑白状态的轮廓特征，可以简化目标图像，减少目标图像的数据量，凸显目标图像的轮廓，提高与模板图像进行匹配的准确度。
在其他实施例中，将所述二值图像的像素点的第一设定灰度值更新为0，将所述二值图像的像素点的第二设定灰度值更新为1，获得更新后的所述二值图像并存储在本地数据库中。通过将所述二值图像的灰度值映射为0或1，，采用1为编码表示所述二值图像，可以减轻终端设备的存储压力。
在一种可选的实施例中，S400：连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像，具体包括：
根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点；
对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点；
采用最小二乘法，分别计算所述像素点之间连线对应的圆心和半径；
根据所述像素点之间连线对应的圆心和半径，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像。
在一种可选的实施例中，所述根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点，具体包括：
从相邻的像素点中确定一连接起点，并按照设定方向依次连接相邻的两个像素点，将最后一个连接的像素点作为判断点；
判断与所述判断点相邻的下一个像素点是否位于所述判断点的所在的水平方向的下方；若是，继续连接所述判断点与下一个像素点；若否，以下一个像素点为连接起点，按照设定方向重新依次连接相邻的两个像素点。
在一种可选的实施例中，所述对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点，具体包括：
采用
Figure BDA0001698198450000081
对不相邻的像素点进行随机组合，得到若干个待连接像素点集合；
采用圆弧连接所述待连接像素点集合中的像素点；
判断第i个待连接像素点集合与第j个待连接像素点集合对应的圆弧中是否连接同一个像素点；若是，删去第i个待连接像素点集合中的像素点，对剩余的不相邻的像素点重新进行随机组合；若否，保留第i个待连接像素点集合和第j个待连接像素点集合对应的圆弧。
下面对像素点的连线进行详细的说明：在所述二值图像对应的方格矩阵中，标识为1的像素点，白色显示，代表物体；标识为0的像素点，黑色显示，代表背景。根据上述矩阵可见，标识为1的像素点，分布有两种情况：一种是多个相邻的像素点同时聚集在一片或多片连续区域中；另一种是独立一个点零散显示，即像素点不相邻。由于不在同一直线的3个像素点便可确定一个圆，优先对连续区域的像素点进行连接，其次对独立的像素点进行连接。当前所述连接，是针对标识为1的像素点而言。
对于连续区域的连接，首先确定连接起点；接着由连接起点开始，连通相邻的2个像素点；然后基于第3个像素点到相邻的第4个像素点之间的水平方向夹角大小，从而判断第4个像素点是否与第3个像素点同一方向(即：顺时针或者逆时针方向)。同一方向，则线段连接；否则，断开。
例如：所述二值图像有一片连续区域，该区域包含ABCDEFGHIJ这10个相邻的像素点，相邻关系如下：A—>B—>C—>D—>E—>F—>G—>H—>I—>J。以顺时针方向，以A为连接起点，依次连接B、C2个像素点；基于像素点C的水平方向，判断像素点C到像素点D的水平夹角；
若水平夹角处于像素点C的水平下方，则像素点C和像素点D为同一方向，进行线段连接；然后基于像素点D的水平方向，判断像素点D到像素点E的水平夹角，依次类推。
若夹角处于像素点C的水平上方，则像素点C和像素点D为不同方向，断开；接着以像素点D为连接起点，依次连接像素点E、像素点F2个点；基于像素点F的水平方向，判断像素点F到像素点G的水平夹角，依次类推。
对于零散独立的不相邻的像素点的连接，由于不在同一直线的3个像素点便可确定一个圆，通过组合的形式，把零散的点进行圆弧连接。以下是组合的公式：
Figure BDA0001698198450000091
其中，n是不相邻的像素点的总个数，m是每次取出组合的个数，在本实施例中m＝3；
根据组合的结果，判断各组合之间是否存在交集关系；若i个待连接像素点集合的圆弧可以与j个待连接像素点集合的某个或某些像素点重合，则把重合的像素点归入到i个待连接像素点集合的圆弧连接中；然后去除i个待连接像素点集合包含的像素点，把剩下的像素点继续组合处理，判断各组合之间是否存在交集关系，依次类推，直到实现以最少圆弧覆盖最多像素点的情况。
在一种可选的实施例中，所述采用最小二乘法，分别计算所述像素点之间连线对应的圆心和半径，具体包括：
采用公式
Figure BDA0001698198450000101
分别计算所述像素点之间连线对应的圆心和半径；
其中，(a,b)为圆心坐标，r为拟合圆的半径，ε为残差，(xi，yi)为像素点坐标，E为像素点个数。
具体地，根据上述公式可以得到所述像素点之间连线对应的圆心和半径为：
Figure BDA0001698198450000102
Figure BDA0001698198450000103
Figure BDA0001698198450000104
在一种可选的实施例中，所述根据所述像素点之间连线对应的圆心和半径，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像，具体包括：
根据所述像素点之间连线对应的圆心和半径，获得若干个拟合圆；
根据所述像素点之间连线对应连接起点和连接终点，删除拟合圆中的多余圆弧，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像。
在本实施例中，根据圆心位置和半径大小，确定了当前各像素点之间连线所对应的圆大小(即：能够包含连线上所有像素点的圆大小)，并以圆形式逐一替换所述二值图像标识为1的线条。由于基于上述的图像圆拟合处理，计算得出的拟合圆中有一部分圆弧是与二值图像的轮廓无关；因此，根据圆拟合处理前对应各像素点之间的连线，以连线的起点和终点为基础，把各拟合圆多余的圆弧删除。
请参阅图2，其是本发明实施例还提供的一种基于圆拟合的图像处理装置的示意图；
所述基于圆拟合的图像处理装置，包括：
灰度处理模块1，用于采用加权平均算法对目标图像进行行灰度化计算，获得灰度图像；
聚类分割模块2，用于对所述灰度图像进行颜色聚类分割，获得分割图像；
二值化处理模块3，用于对所述分割图像进行二值化处理，获得所述二值图像；
圆拟合模块4，用于连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像；
图像推送模块5，用于将所述圆拟合图像推送到终端设备屏幕上。
在本实施例中，绘画前无需进行绘画类别选择、画笔参数设置等绘画设置，只需在终端设备上传指定大小的图像文件，如在电脑上传少于2M的PNG文件。没有过多的操作步骤，用户无需设置绘画步骤或者绘制图案，只需上传符合格式的图像文件便可；终端设备的传感器接收用户上传的目标图像并发送到终端设备的处理器进行灰度化处理、二值化处理对二值化处理后的目标图像进行圆拟合，生成目标图像对应的圆拟合图像并推送至终端设备的屏幕，依据上传的目标图像的进行绘画创作，图像处理过程简单，降低电子绘画的难度，丰富图像的显示效果。所述终端设备为手机、平板、绘画板、触碰屏等设备。
此外，作画效果方面，采用圆拟合技术，通过圆替换图像线条，简化计算机生成图形的步骤，从而提高计算机图像处理的效率。与传统作画产品相比，打破了图像的显示效果，保留了用户原图的结构特征，线条不再以直线、方形的形式展示，取而代之以圆弧表示，增加了用户与计算机联合作画的新颖性以及互动性。
其中，采用加权平均公式f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)，计算所述目标图像的各像素点的灰度值；i,j为任意一个像素点的位置，R(i,j)为该像素点的红色分量，G(i,j)为该像素点的绿色分量，B(i,j)为该像素点的蓝色分量。根据所述目标图像的各像素点的灰度值，生成所述灰度图像。通过上述公式使得各像素点的灰度值的范围在0至255之间，所述灰度图像呈现黑、白、灰三种颜色状态。将目标图像进行灰度化处理后，目标图像只剩下一个灰度值，可以极大地提高后续目标图像的处理效率，同时不影响目标图像的纹理特征信息。
在一种可选的实施例中，聚类分割模块2包括：
像素调整单元，用于提取所述灰度图像的轮廓特征并输入到设定大小的方格矩阵中，调整所述灰度图像的像素；
分割单元，用于采用模糊C-均值聚类算法，将调整像素后的所述灰度图像分割成C个颜色聚类区域，得到所述分割图像。
例如，把调整像素后的所述灰度图像分割成C个区域，其图像大小为MxN的灰度图像，任意位置(x,y)处的灰度值为g(x,y)(0≤g(x,y)≤255)。因此，灰度图像可采用集合方式描述为G＝{g(x,y)|x＝1,2,…,M；y＝1,2,…,N}。该算法具体步骤如下：
步骤1：从0至255中任意选取C个不同大小的值作为所述灰度图像聚成C类的中心值，即采用0至255的整数初始化Z1 (0)，Z2 (0)，…，Zc (0)的值，令k＝0。
步骤2：将所述灰度图像中所有不同位置像素的灰度值g(x,y)(x＝1,2,…,M；y＝1,2,…,N)逐个按最小距离原则分划给C类中的某一类，即：
如果
Figure BDA0001698198450000121
x＝1,2,…,M；y＝1,2,…,N，存在一个l∈{1,2,…,C}，则判定
Figure BDA0001698198450000122
其中，
Figure BDA0001698198450000123
表示g(x,y)和
Figure BDA0001698198450000124
的中心Zj (k)的距离，上角标表示迭代次数。于是产生新的聚类
Figure BDA0001698198450000131
步骤3：计算重新分类后的各类中心；
Figure BDA0001698198450000132
其中，
Figure BDA0001698198450000133
为
Figure BDA0001698198450000134
类中所含模式的个数。
步骤4：如果Zj (k+1)＝Zj (k),j＝1,2,…,C，则结束；否则，k＝k+1，转至步骤2，继续迭代。
上述算法，通过设定C个用于颜色聚类划分的像素值，结合最小距离原则，对像素颜色空间中的像素值进行聚类(即：把当前图像的像素颜色值划分为C个类别)，产生新的颜色聚类划分；根据新的聚类划分，分别计算各颜色类别的中心值；根据新的中心值，重新对像素颜色空间中的像素值进行聚类，依次类推，直到颜色类别的中心值不变为止，从而达到图像分割的效果。
在一种可选的实施例中，二值化处理模块3，具体用于判断所述分割图像的任意一个像素点的灰度值是否大于第一阈值，若是，将所述任意一个像素点的灰度值更新为第一设定灰度值，若否，将所述任意一个像素点的灰度值更新为第二设定灰度值，获得所述二值图像；
其中，所述第一阈值为所述分割图像中所有像素点的灰度平均值。
在本实施例中，所述第一设定灰度值为0(黑色)，所述第二设定灰度值为255(白色)。通过将所述分割图像进一步进行二值化处理，得到黑白状态的轮廓特征，可以简化目标图像，减少目标图像的数据量，凸显目标图像的轮廓，提高与模板图像进行匹配的准确度。
在其他实施例中，将所述二值图像的像素点的第一设定灰度值更新为0，将所述二值图像的像素点的第二设定灰度值更新为1，获得更新后的所述二值图像并存储在本地数据库中。通过将所述二值图像的灰度值映射为0或1，采用1为编码表示所述二值图像，可以减轻终端设备的存储压力。
在一种可选的实施例中，圆拟合模块4，包括：
第一连线单元，用于根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点；
第二连线单元，用于对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点；
第一计算单元，用于采用最小二乘法，分别计算所述像素点之间连线对应的圆心和半径；
圆弧拟合单元，用于根据所述像素点之间连线对应的圆心和半径，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像。
在一种可选的实施例中，所述第一连线单元包括：
相邻像素连接单元，用于从相邻的像素点中确定一连接起点，并按照设定方向依次连接相邻的两个像素点，将最后一个连接的像素点作为判断点；
方向判断单元，用于判断与所述判断点相邻的下一个像素点是否位于所述判断点的所在的水平方向的下方；若是，继续连接所述判断点与下一个像素点；若否，以下一个像素点为连接起点，按照设定方向重新依次连接相邻的两个像素点。
在一种可选的实施例中，所述第二连线单元包括：
像素点组合单元，用于采用
Figure BDA0001698198450000141
对不相邻的像素点进行随机组合，得到若干个待连接像素点集合；
圆弧连接单元，用于采用圆弧连接所述待连接像素点集合中的像素点；
重合判断单元，用于判断第i个待连接像素点集合与第j个待连接像素点集合对应的圆弧中是否连接同一个像素点；若是，删去第i个待连接像素点集合中的像素点，对剩余的不相邻的像素点重新进行随机组合；若否，保留第i个待连接像素点集合和第j个待连接像素点集合对应的圆弧。
下面对像素点的连线进行详细的说明：在所述二值图像对应的方格矩阵中，标识为1的像素点，白色显示，代表物体；标识为0的像素点，黑色显示，代表背景。根据上述矩阵可见，标识为1的像素点，分布有两种情况：一种是多个相邻的像素点同时聚集在一片或多片连续区域中；另一种是独立一个点零散显示，即像素点不相邻。由于不在同一直线的3个像素点便可确定一个圆，优先对连续区域的像素点进行连接，其次对独立的像素点进行连接。当前所述连接，是针对标识为1的像素点而言。
对于连续区域的连接，首先确定连接起点；接着由连接起点开始，连通相邻的2个像素点；然后基于第3个像素点到相邻的第4个像素点之间的水平方向夹角大小，从而判断第4个像素点是否与第3个像素点同一方向(即：顺时针或者逆时针方向)。同一方向，则线段连接；否则，断开。
例如：所述二值图像有一片连续区域，该区域包含ABCDEFGHIJ这10个相邻的像素点，相邻关系如下：A—>B—>C—>D—>E—>F—>G—>H—>I—>J。以顺时针方向，以A为连接起点，依次连接B、C2个像素点；基于像素点C的水平方向，判断像素点C到像素点D的水平夹角；
若水平夹角处于像素点C的水平下方，则像素点C和像素点D为同一方向，进行线段连接；然后基于像素点D的水平方向，判断像素点D到像素点E的水平夹角，依次类推。
若夹角处于像素点C的水平上方，则像素点C和像素点D为不同方向，断开；接着以像素点D为连接起点，依次连接像素点E、像素点F2个点；基于像素点F的水平方向，判断像素点F到像素点G的水平夹角，依次类推。
对于零散独立的不相邻的像素点的连接，由于不在同一直线的3个像素点便可确定一个圆，通过组合的形式，把零散的点进行圆弧连接。以下是组合的公式：
Figure BDA0001698198450000151
其中，n是不相邻的像素点的总个数，m是每次取出组合的个数，在本实施例中m＝3；
根据组合的结果，判断各组合之间是否存在交集关系；若i个待连接像素点集合的圆弧可以与j个待连接像素点集合的某个或某些像素点重合，则把重合的像素点归入到i个待连接像素点集合的圆弧连接中；然后去除i个待连接像素点集合包含的像素点，把剩下的像素点继续组合处理，判断各组合之间是否存在交集关系，依次类推，直到实现以最少圆弧覆盖最多像素点的情况。
在一种可选的实施例中，所述第一计算单元，具体用于采用公式
Figure BDA0001698198450000161
分别计算所述像素点之间连线对应的圆心和半径；
其中，(a,b)为圆心坐标，r为拟合圆的半径，ε为残差，(xi，yi)为像素点坐标，E为像素点个数。
具体地，根据上述公式可以得到所述像素点之间连线对应的圆心和半径为：
Figure BDA0001698198450000162
Figure BDA0001698198450000163
Figure BDA0001698198450000164
在一种可选的实施例中，所述圆弧拟合单元包括：
拟合圆生成单元，用于根据所述像素点之间连线对应的圆心和半径，获得若干个拟合圆；
圆弧删除单元，用于根据所述像素点之间连线对应连接起点和连接终点，删除拟合圆中的多余圆弧，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像。
在本实施例中，根据圆心位置和半径大小，确定了当前各像素点之间连线所对应的圆大小(即：能够包含连线上所有像素点的圆大小)，并以圆形式逐一替换所述二值图像标识为1的线条。由于基于上述的图像圆拟合处理，计算得出的拟合圆中有一部分圆弧是与二值图像的轮廓无关；因此，根据圆拟合处理前对应各像素点之间的连线，以连线的起点和终点为基础，把各拟合圆多余的圆弧删除。
本发明实施例还提供了一种基于圆拟合的图像处理装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的基于圆拟合的图像处理方法。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述基于圆拟合的图像处理装置中的执行过程。例如，所述计算机程序可以被分割成如图2所示功能模块。
所述基于圆拟合的图像处理装置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。所述基于圆拟合的图像处理装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是基于圆拟合的图像处理装置的示例，并不构成对基于圆拟合的图像处理装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述基于圆拟合的图像处理装置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，所述处理器是所述基于圆拟合的图像处理装置的控制中心，利用各种接口和线路连接整个基于圆拟合的图像处理装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述基于圆拟合的图像处理装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述基于圆拟合的图像处理装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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-OnlyMemory)、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电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的基于圆拟合的图像处理方法。
相对于现有技术，本发明实施例提供的一种基于圆拟合的图像处理方法的有益效果在于，所述基于圆拟合的图像处理方法，包括：采用加权平均算法对目标图像进行行灰度化计算，获得灰度图像；对所述灰度图像进行颜色聚类分割，获得分割图像；对所述分割图像进行二值化处理，获得所述二值图像；连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得所述相邻像素点之间的连线对应的圆弧，生成圆拟合图像；将所述圆拟合图像推送到所述终端设备屏幕上。上述方法能够结合圆弧拟合技术对图像进行重新创作，降低电子绘画的难度，丰富图像的显示效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (7)

1.一种基于圆拟合的图像处理方法，其特征在于，包括：
采用加权平均算法对目标图像进行灰度化计算，获得灰度图像；
对所述灰度图像进行颜色聚类分割，获得分割图像；
对所述分割图像进行二值化处理，获得二值图像；
连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得相邻像素点之间的连线对应的圆弧，生成圆拟合图像，具体包括：根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点；对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点；采用最小二乘法，分别计算所述像素点之间连线对应的圆心和半径；根据所述像素点之间连线对应的圆心和半径，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像；所述根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点，具体包括：从相邻的像素点中确定一连接起点，并按照设定方向依次连接相邻的两个像素点，将最后一个连接的像素点作为判断点；判断与所述判断点相邻的下一个像素点是否位于所述判断点的所在的水平方向的下方；若是，继续连接所述判断点与下一个像素点；若否，以下一个像素点为连接起点，按照设定方向重新依次连接相邻的两个像素点；所述对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点，具体包括：采用
Figure FDA0003790825980000011
对不相邻的像素点进行随机组合，得到若干个待连接像素点集合；采用圆弧连接所述待连接像素点集合中的像素点；判断第i个待连接像素点集合与第j个待连接像素点集合对应的圆弧中是否连接同一个像素点；若是，删去第i个待连接像素点集合中的像素点，对剩余的不相邻的像素点重新进行随机组合；若否，保留第i个待连接像素点集合和第j个待连接像素点集合对应的圆弧；
将所述圆拟合图像推送到终端设备屏幕上。
2.如权利要求1所述的基于圆拟合的图像处理方法，其特征在于，所述采用最小二乘法，分别计算所述像素点之间连线对应的圆心和半径，具体包括：
采用公式
Figure FDA0003790825980000021
分别计算所述像素点之间连线对应的圆心和半径；
其中，(a,b)为圆心坐标，r为拟合圆的半径，ε为残差，(xi，yi)为像素点坐标，E为像素点个数。
3.如权利要求1所述的基于圆拟合的图像处理方法，其特征在于，所述根据所述像素点之间连线对应的圆心和半径，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像，具体包括：
根据所述像素点之间连线对应的圆心和半径，获得若干个拟合圆；
根据所述像素点之间连线对应连接起点和连接终点，删除拟合圆中的多余圆弧，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像。
4.如权利要求1所述的基于圆拟合的图像处理方法，其特征在于，所述对所述灰度图像进行颜色聚类分割，获得分割图像，具体包括：
提取所述灰度图像的轮廓特征并输入到设定大小的方格矩阵中，调整所述灰度图像的像素；
采用模糊C-均值聚类算法，将调整像素后的所述灰度图像分割成C个颜色聚类区域，得到所述分割图像。
5.一种基于圆拟合的图像处理装置，其特征在于，包括：
灰度处理模块，用于采用加权平均算法对目标图像进行灰度化计算，获得灰度图像；
聚类分割模块，用于对所述灰度图像进行颜色聚类分割，获得分割图像；
二值化处理模块，用于对所述分割图像进行二值化处理，获得二值图像；
圆拟合模块，用于连接所述二值图像中设定灰度值的像素点，并对像素点之间的连线进行圆拟合处理，获得相邻像素点之间的连线对应的圆弧，生成圆拟合图像，还用于：根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点；对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点；采用最小二乘法，分别计算所述像素点之间连线对应的圆心和半径；根据所述像素点之间连线对应的圆心和半径，获得所述像素点之间连线对应的圆弧，生成所述圆拟合图像；所述根据相邻的像素点之间的位置关系，按照设定方向连接相邻的像素点，具体包括：从相邻的像素点中确定一连接起点，并按照设定方向依次连接相邻的两个像素点，将最后一个连接的像素点作为判断点；判断与所述判断点相邻的下一个像素点是否位于所述判断点的所在的水平方向的下方；若是，继续连接所述判断点与下一个像素点；若否，以下一个像素点为连接起点，按照设定方向重新依次连接相邻的两个像素点；所述对不相邻的像素点进行随机组合，得到若干个待连接像素点集合，并采用圆弧连接所述待连接像素点集合中的像素点，具体包括：采用
Figure FDA0003790825980000031
对不相邻的像素点进行随机组合，得到若干个待连接像素点集合；采用圆弧连接所述待连接像素点集合中的像素点；判断第i个待连接像素点集合与第j个待连接像素点集合对应的圆弧中是否连接同一个像素点；若是，删去第i个待连接像素点集合中的像素点，对剩余的不相邻的像素点重新进行随机组合；若否，保留第i个待连接像素点集合和第j个待连接像素点集合对应的圆弧；
图像推送模块，用于将所述圆拟合图像推送到终端设备屏幕上。
6.一种基于圆拟合的图像处理装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的基于圆拟合的图像处理方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的基于圆拟合的图像处理方法。
CN201810621616.9A 2018-06-15 2018-06-15 基于圆拟合的图像处理方法、装置与计算机可读存储介质 Active CN108876871B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810621616.9A CN108876871B (zh) 2018-06-15 2018-06-15 基于圆拟合的图像处理方法、装置与计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810621616.9A CN108876871B (zh) 2018-06-15 2018-06-15 基于圆拟合的图像处理方法、装置与计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108876871A CN108876871A (zh) 2018-11-23
CN108876871B true CN108876871B (zh) 2022-10-04

Family

ID=64339247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810621616.9A Active CN108876871B (zh) 2018-06-15 2018-06-15 基于圆拟合的图像处理方法、装置与计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN108876871B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033498B (zh) * 2019-04-18 2021-03-30 吉林大学 一种椭圆/矩形螺旋线一笔画效果的图案处理方法
CN110570497B (zh) * 2019-08-19 2023-06-13 广东智媒云图科技股份有限公司 基于图层叠加的绘画方法、装置、终端设备及存储介质
CN110751620B (zh) * 2019-08-28 2021-03-16 宁波海上鲜信息技术有限公司 估算体积和重量的方法、电子设备及计算机可读存储介质
CN110969678B (zh) * 2019-11-15 2023-07-25 广东智媒云图科技股份有限公司 一种平铺圆形的绘画方法、装置、终端设备及存储介质
CN112465894B (zh) * 2020-11-25 2024-02-27 创新奇智(成都)科技有限公司 圆环内外径拟合方法、装置、电子设备及存储介质
CN112748700A (zh) * 2020-12-18 2021-05-04 深圳市显控科技股份有限公司 数控代码生成方法、装置、电子设备及存储介质
CN112991307B (zh) * 2021-03-25 2023-07-25 中南大学 一种用于钻孔爆破的缺陷圆拟合方法、装置及介质
CN114332031A (zh) * 2021-12-30 2022-04-12 西安奕斯伟材料科技有限公司 一种晶圆中金属离子分布识别方法、装置、电子设备和可读存储介质
CN116580220B (zh) * 2023-07-07 2023-09-22 江苏网进科技股份有限公司 一种数字政府平台数据优化传输方法及系统
CN116563312B (zh) * 2023-07-11 2023-09-12 山东古天电子科技有限公司 一种用于双屏机显示图像分割方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5797396A (en) * 1995-06-07 1998-08-25 University Of Florida Research Foundation Automated method for digital image quantitation
CN103714329A (zh) * 2013-12-31 2014-04-09 长安大学 一种仪表指针识别的检测算法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005997B (zh) * 2015-08-05 2017-11-14 哈尔滨工业大学 一种基于行列直线聚类的多类型bga芯片视觉识别方法
CN106023186B (zh) * 2016-05-17 2019-04-05 浙江大学宁波理工学院 一种基于机器视觉的毛坯轮毂钻孔中心精确定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5797396A (en) * 1995-06-07 1998-08-25 University Of Florida Research Foundation Automated method for digital image quantitation
CN103714329A (zh) * 2013-12-31 2014-04-09 长安大学 一种仪表指针识别的检测算法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
利用圆拟合进行激光光斑中心检测;穆娟;《舰船科学技术》;20161223(第24期);参见第127-128页 *
基于图像处理的番茄识别方法;方政等;《浙江农业科学》;20151211(第12期);全文 *
基于图像技术的多刃钻尖参数的测量及应用;胡思节等;《计算机测量与控制》;20090725(第07期);参考第1270-1272页、图1-8、表1-2 *
基于快速模糊C均值聚类算法的红外图像分割;黄永林等;《强激光与粒子束》;20110615(第06期);全文 *
改进的快速模糊C均值聚类图像分割算法;许芹等;《南京理工大学学报》;20160630(第03期);全文 *
胡思节 等.基于图像技术的多刃钻尖参数的测量及应用.《计算机测量与控制》.2009,(第07期), *
鞋帮图像矢量化技术研究与实现;廖小吉等;《机械设计与制造》;20090308(第03期);全文 *

Also Published As

Publication number Publication date
CN108876871A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108876871B (zh) 基于圆拟合的图像处理方法、装置与计算机可读存储介质
CN108898643B (zh) 图像生成方法、装置与计算机可读存储介质
CN108615253B (zh) 图像生成方法、装置与计算机可读存储介质
CN109272016B (zh) 目标检测方法、装置、终端设备和计算机可读存储介质
CN110751620B (zh) 估算体积和重量的方法、电子设备及计算机可读存储介质
CN111275730A (zh) 地图区域的确定方法、装置、设备及存储介质
CN110853488B (zh) 一种poi标签显示方法、装置和设备
CN111932552B (zh) 一种主动脉建模的方法及装置
CN113159064A (zh) 基于精简的YOLOv3电路板电子元件目标检测的方法与装置
CN112651953A (zh) 图片相似度计算方法、装置、计算机设备及存储介质
CN111951377B (zh) 三维对象重建方法及终端设备
CN110705442B (zh) 一种试卷答案自动获取方法、终端设备及存储介质
CN112035821A (zh) 图形验证码识别方法、装置、计算机设备及存储介质
CN108986181B (zh) 基于圆点的图像处理方法、装置与计算机可读存储介质
CN112364807A (zh) 图像识别方法、装置、终端设备及计算机可读存储介质
CN110458857B (zh) 中心对称图元检测方法、装置、电子设备及可读存储介质
CN113449702B (zh) 遥感图像的目标检测方法、装置、存储介质及电子设备
CN117523087B (zh) 基于内容识别的三维模型优化方法
CN115345895B (zh) 用于视觉检测的图像分割方法、装置、计算机设备及介质
CN111105431A (zh) 一种标记图像的方法及装置
CN114219946B (zh) 文本图像的二值化方法及装置、电子设备和介质
US20220092448A1 (en) Method and system for providing annotation information for target data through hint-based machine learning model
CN108564571A (zh) 图像区域选取方法及终端设备
CN111260723B (zh) 棒材的质心定位方法及终端设备
CN113963004A (zh) 一种采样方法、装置及电子设备

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