CN109034058B - 一种针对图像中区域划分和自修正方法和系统 - Google Patents
一种针对图像中区域划分和自修正方法和系统 Download PDFInfo
- Publication number
- CN109034058B CN109034058B CN201810824297.1A CN201810824297A CN109034058B CN 109034058 B CN109034058 B CN 109034058B CN 201810824297 A CN201810824297 A CN 201810824297A CN 109034058 B CN109034058 B CN 109034058B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- gray
- value
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009792 diffusion process Methods 0.000 claims abstract description 49
- 238000005070 sampling Methods 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 21
- 238000009499 grossing Methods 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种针对图像中区域划分和自修正方法和系统，获取场景视频，对所述场景视频采样,获取采样帧图像；确定采样帧图像的种子点；包括：手动选择种子点和/或自动选择种子点；以该种子点为中心进行区域扩散，获取边界并记录；根据所述边界提取二值化图像轮廓；进行边缘平滑，确定关注区域。实现了一种简单易用的对图像中任意复杂闭合区域划分的方法，并对视野偏移可实现自动更新划分区域。
Description
技术领域
本发明涉及图像处理，特别是涉及一种针对图像中区域划分和自修正方法和系统。
背景技术
在娱乐、安防等需要视频监控的场景,存在着基于摄像机对特定区域进行视觉监测的需求。例如在进行棋牌游戏监控时，在棋牌游戏中，在棋牌判断时，通常是针对特定区域进行监控，此时需监测棋牌是否放置在关注的区域内，并监控该区域变化，其他区域无需关注。因此,需对摄像机拍摄区域下的有效部分进行分割，而检测、识别等处理时只需针对该区域进行处理即可，以减少不必要的计算。或者在进行安防监控时，为了减少处理数据量，现有技术中提出场景中出现移动时才进行动态保存，以适应动态场景的快速处理需求，或者通过监控固定区域以进行重点关注，得到感兴趣区域的场景情况，也可以一定程度减少数据存储和处理数量，降低对硬件的要求。目前固定视野的区域划分方法，通常采用矩形框标注、记录关注区域。标注工作比较麻烦，且不适用于不规则区域标注。在摄像机与检测区域的位置有相对偏移时，该方法无法正常工作。但是对于只关注感兴趣区域的视频监控情况，如何精确划分区域，尤其是如何在摄像机相对于监控区域因抖动等因素不可避免地存在着相对移动情况下，进行精确的自动修正后快速划分，是现有技术需要解决的问题，并且，在确定了自动修正后，如果使用人工进行调节较为麻烦，因此需要一种能对较小范围偏移进行自修正调节并更新划分区域的方法，以及需要进行能根据上述方法进行自动调节的系统，进行无人工干预的自动调节。
发明内容
针对现有技术的不足，本发明的目的在于提供一种针对图像中区域划分和自修正方法和系统，特别适用于图像中复杂、不规则的闭合轮廓区域。通过选取种子，快速生成任意复杂闭合轮廓的轮廓点信息并记录，并对小范围的视野偏移具有自适应更新关注区域轮廓信息的功能。
一种针对图像中区域划分和自修正方法，包括如下步骤：
(1)获取场景视频，对所述场景视频采样,获取采样帧图像；
(2)确定采样帧图像的种子点；包括：手动选择种子点：通过鼠标手动选择需要关注区域中的某一点为种子点，该点与背景颜色一致，且与区域内的图案保持一定的距离；和/或自动选择种子点：计算所述灰度图像的灰度平均值ave，确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点；将确定种子点后的采样帧图像转化为灰度图像；
(3)以所述种子点为中心进行区域扩散，获取边界并记录；
(4)根据所述步骤(3)的边界提取二值化图像轮廓；
(5)进行边缘平滑，确定关注区域。
进一步地，所述步骤(2)计算所述灰度图像的灰度平均值ave，确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点,具体为：(21)计算所述灰度图像的灰度平均值ave，遍历所述灰度图像像素点,确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点，若与灰度平均值ave相同的像素点为多个，则确定最靠近所述灰度图像中心位置处的像素点为种子点；(22)若所述灰度图像中不存在与所述灰度平均值ave相同的像素点，则取与所述灰度平均值ave相近的点为种子点，所述相近点灰度值计算公式为：ave+i，所述i＝1,…,n；i逐步取值并根据步骤(21)判断直至确定种子点。
进一步地，所述步骤(3)中以所述种子点为中心进行区域扩散，具体为：(31)确定种子点的延伸方向，并在所述延伸方向上扩散，所述延伸方向扩散点为：(x，y+i)，(x，y-i)，(x+i，y)，(x-i，y)，(x-i，y+i)，(x+i，y+i)，(x-i，y-i)，(x+i，y-i)；(32)计算所述扩散点与所述种子点的灰度差值，如果该差值小于第一阈值，则确定该扩散点为区域点，继续扩散，直至第i个点灰度值与种子点灰度值差值大于等于第一阈值，则确定该点为边界点。
进一步地，所述步骤(4)根据所述步骤(3)的边界提取二值化图像轮廓，具体为：将所述扩散点置为黑色，将所述边界点置为白色，所述灰度图像转化为二值化图像，并确定其中白色边界点为轮廓。
进一步地，所述步骤(5)的进行边缘平滑，具体为：当前边界点的坐标为(xi,yi)，搜索与当前边界点邻近的边界点(x,y)，如果
小于或等于第二阈值，则确定两点为邻接点，连接所述邻接点，其中第二阈值取1-8任意值。
进一步地，所述步骤(5)之后，还具有步骤(6)：以步骤(5)确定的关注区域的边缘平滑后的轮廓为标记边框，对场景视频中采样帧进行标记，并输出，确定标记后的场景区域为监控区域并突出显示。所述突出显示为放大显示。
进一步地，所述步骤(6)之后，还具有步骤(7)，判断监测区域是否发生移动，并自适应更新。具体地：(71)由步骤(1)-(5)获取关注区域，并记录，获取当前关注区域，计算当前关注区域与保存的关注区域之间的图像相关度，若相关度小于指定阈值，则继续监测，若相关度大于等于指定阈值，则确定检测区域发生改变，关注区域内图像产生较大变化，则进行调整摄像机或桌面以精确监测。
或者设置非关注区域为灰度图像，并设置其灰度值为统一值，并计算当前该灰度值的像素点数量m，并保存，监测当前非关注区域内该灰度值像素点数量n，若|m-n|值超过指定数量值，则确定检测区域发生改变，关注区域内图像产生较大变化，则进行调整摄像机或桌面以精确监测。
本发明还提供了一种针对图像中区域划分和自修正系统，包括如下单元：
采样单元：获取场景视频，对所述场景视频采样,获取采样帧图像；
种子点确定单元：确定采样帧图像的种子点；包括：手动确定单元：通过鼠标手动选择需要关注区域中的某一点为种子点，该点与背景颜色一致，且与区域内的图案保持一定的距离；和/或自动确定单元：计算所述灰度图像的灰度平均值ave，确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点；
灰度转化单元：将确定种子点后的采样帧图像转化为灰度图像；
扩散单元：以所述种子点为中心进行区域扩散，获取边界并记录；
轮廓提取单元：根据所述步骤(3)的边界提取二值化图像轮廓；
边缘优化单元：进行边缘平滑，确定关注区域。
所述自动确定单元：还包括平均值选取单元，所述平均值选取单元计算所述灰度图像的灰度平均值ave，遍历所述灰度图像像素点,确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点，若与灰度平均值ave相同的像素点为多个，则确定最靠近所述灰度图像中心位置处的像素点为种子点；若所述灰度图像中不存在与所述灰度平均值ave相同的像素点，则取与所述灰度平均值ave相近的点为种子点，所述相近点灰度值计算公式为：ave+i，所述i＝1,…,n；i逐步取值直至确定种子点；
所述扩散单元：确定种子点的延伸方向，并在所述延伸方向上扩散，所述延伸方向扩散点为：(x，y+i)，(x，y-i)，(x+i，y)，(x-i，y)，(x-i，y+i)，(x+i，y+i)，(x-i，y-i)，(x+i，y-i)；计算所述扩散点与所述种子点的灰度差值，如果该差值小于第一阈值，则确定该扩散点为区域点，继续扩散，直至第i个点灰度值与种子点灰度值差值大于等于第一阈值，则确定该点为边界点；
所述轮廓提取单元：将所述扩散点置为黑色，将所述边界点置为白色，所述灰度图像转化为二值化图像，并确定其中白色边界点为轮廓；
边缘优化单元：当前边界点的坐标为(xi,yi)，搜索与当前边界点邻近的边界点(x,y)，如果
小于或等于第二阈值，则确定两点为邻接点，连接所述邻接点，其中第二阈值取1-8任意值。
所述一种针对图像中区域划分和自修正系统，还包括：显示单元，关注区域的边缘平滑后的轮廓为标记边框，对场景视频中采样帧进行标记，并输出，确定标记后的场景区域为监控区域并突出显示。
所述一种针对图像中区域划分和自修正系统，还包括：调整单元，判断监测区域是否发生移动，调整摄像机或桌面并自适应更新关注区域。
本发明的优点在于：本发明可以应用于图像识别、检测过程中对选定特定区域进行处理，也可应用于给定图像坐标快速获取所属哪个区域并显示该区域。实现了一种简单易用的对图像中任意复杂闭合区域划分的方法，并对视野偏移可实现自动更新划分区域。
附图说明
图1为棋牌游戏桌面示意图；
图2为区域扩散示意图；
图3为干扰偏离示意图；
图4为流程示意图；
具体实施方式
下面将对本发明进行详细说明，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做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。
一种针对图像中区域划分和自修正方法，包括如下步骤：
(1)获取场景视频，对所述场景视频采样,获取采样帧图像；
(2)确定采样帧图像的种子点；包括：手动选择种子点：通过鼠标手动选择需要关注区域中的某一点为种子点，该点与背景颜色一致，且与区域内的图案保持一定的距离；和/或自动选择种子点：计算所述灰度图像的灰度平均值ave，确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点；将确定种子点后的采样帧图像转化为灰度图像；
(3)以所述种子点为中心进行区域扩散，获取边界并记录；
(4)根据所述步骤(3)的边界提取二值化图像轮廓；
(5)进行边缘平滑，确定关注区域。
进一步地，所述步骤(2)计算所述灰度图像的灰度平均值ave，确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点,具体为：(21)计算所述灰度图像的灰度平均值ave，遍历所述灰度图像像素点,确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点，若与灰度平均值ave相同的像素点为多个，则确定最靠近所述灰度图像中心位置处的像素点为种子点；(22)若所述灰度图像中不存在与所述灰度平均值ave相同的像素点，则取与所述灰度平均值ave相近的点为种子点，所述相近点灰度值计算公式为：ave+i，所述i＝1,…,n；i逐步取值并根据步骤(21)判断直至确定种子点。
进一步地，所述步骤(3)中以所述种子点为中心进行区域扩散，具体为：(31)确定种子点的延伸方向，并在所述延伸方向上扩散，所述延伸方向扩散点为：(x，y+i)，(x，y-i)，(x+i，y)，(x-i，y)，(x-i，y+i)，(x+i，y+i)，(x-i，y-i)，(x+i，y-i)；(32)计算所述扩散点与所述种子点的灰度差值，如果该差值小于第一阈值，则确定该扩散点为区域点，继续扩散，直至第i个点灰度值与种子点灰度值差值大于等于第一阈值，则确定该点为边界点。
进一步地，所述步骤(4)根据所述步骤(3)的边界提取二值化图像轮廓，具体为：将所述扩散点置为黑色，将所述边界点置为白色，所述灰度图像转化为二值化图像，并确定其中白色边界点为轮廓。
进一步地，所述步骤(5)的进行边缘平滑，具体为：当前边界点的坐标为(xi,yi)，搜索与当前边界点邻近的边界点(x,y)，如果
小于或等于第二阈值，则确定两点为邻接点，连接所述邻接点，其中第二阈值取1-8任意值。
进一步地，所述步骤(5)之后，还具有步骤(6)：以步骤(5)确定的关注区域的边缘平滑后的轮廓为标记边框，对场景视频中采样帧进行标记，并输出，确定标记后的场景区域为监控区域并突出显示。所述突出显示为放大显示。
进一步地，所述步骤(6)之后，还具有步骤(7)，判断监测区域是否发生移动，并自适应更新。具体地：(71)由步骤(1)-(5)获取关注区域，并记录，获取当前关注区域，计算当前关注区域与保存的关注区域之间的图像相关度，若相关度小于指定阈值，则继续监测，若相关度大于等于指定阈值，则确定检测区域发生改变，关注区域内图像产生较大变化，则进行调整摄像机或桌面以精确监测。
或者设置非关注区域为灰度图像，并设置其灰度值为统一值，并计算当前该灰度值的像素点数量m，并保存，监测当前非关注区域内该灰度值像素点数量n，若|m-n|值超过指定数量值，则确定检测区域发生改变，关注区域内图像产生较大变化，则进行调整摄像机或桌面以精确监测。
本发明还提供了一种针对图像中区域划分和自修正系统，包括如下单元：
采样单元：获取场景视频，对所述场景视频采样,获取采样帧图像；
种子点确定单元：确定采样帧图像的种子点；包括：手动确定单元：通过鼠标手动选择需要关注区域中的某一点为种子点，该点与背景颜色一致，且与区域内的图案保持一定的距离；和/或自动确定单元：计算所述灰度图像的灰度平均值ave，确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点；
灰度转化单元：将确定种子点后的采样帧图像转化为灰度图像；
扩散单元：以所述种子点为中心进行区域扩散，获取边界并记录；
轮廓提取单元：根据所述步骤(3)的边界提取二值化图像轮廓；
边缘优化单元：进行边缘平滑，确定关注区域。
所述种子点确定单元：还包括平均值选取单元，所述平均值选取单元计算所述灰度图像的灰度平均值ave，遍历所述灰度图像像素点,确定所述灰度图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点，若与灰度平均值ave相同的像素点为多个，则确定最靠近所述灰度图像中心位置处的像素点为种子点；若所述灰度图像中不存在与所述灰度平均值ave相同的像素点，则取与所述灰度平均值ave相近的点为种子点，所述相近点灰度值计算公式为：ave+i，所述i＝1,…,n；i逐步取值直至确定种子点；
所述扩散单元：确定种子点的延伸方向，并在所述延伸方向上扩散，所述延伸方向扩散点为：(x，y+i)，(x，y-i)，(x+i，y)，(x-i，y)，(x-i，y+i)，(x+i，y+i)，(x-i，y-i)，(x+i，y-i)；计算所述扩散点与所述种子点的灰度差值，如果该差值小于第一阈值，则确定该扩散点为区域点，继续扩散，直至第i个点灰度值与种子点灰度值差值大于等于第一阈值，则确定该点为边界点；
所述轮廓提取单元：将所述扩散点置为黑色，将所述边界点置为白色，所述灰度图像转化为二值化图像，并确定其中白色边界点为轮廓；
边缘优化单元：当前边界点的坐标为(xi,yi)，搜索与当前边界点邻近的边界点(x,y)，如果
小于或等于第二阈值，则确定两点为邻接点，连接所述邻接点，其中第二阈值取1-8任意值。
所述一种针对图像中区域划分和自修正系统，还包括：显示单元，关注区域的边缘平滑后的轮廓为标记边框，对场景视频中采样帧进行标记，并输出，确定标记后的场景区域为监控区域并突出显示。
所述一种针对图像中区域划分和自修正系统，还包括：调整单元，判断监测区域是否发生移动，调整摄像机或桌面并自适应更新关注区域。
在娱乐、安防领域中，使用摄像机对对特定区域进行视觉监测，而视觉监测的结果好坏，取决于监测的反应时间，使用本申请所述的方法和系统能够快速响应关注区域的改变，及时调整关注区域。
所述调整单元，还包括位置规划装置，所述位置规划装置包括伸缩臂和旋转马达，若|m-n|值超过指定数量值，则确定检测区域发生改变，关注区域内图像产生较大变化时，调整单元，发出调节信号，所述调节信号包括伸缩臂进行伸缩和/或旋转马达进行旋转，伸缩尺寸以及旋转角度值为固定值，通常取1mm和5度，进行检测，当|m-n|值未超过指定数量值，符合要求，停止调节，当|m-n|值超过指定数量值，不符合要求继续重复调节，直至符合要求。
通过本发明的针对图像中区域划分和自修正系统，能够有效的进行区域的划分，并突出显示关注区域，对于非关注区域不进行后续处理，以在有限硬件条件下进行实时快速的监测处理，并且仅使用简单的数值计算，简单快速。并且根据图像的变化，调整摄像机或桌面以保证精确监测，避免错误监测。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种针对图像中区域划分和自修正方法，其特征在于：包括如下步骤：
(1)获取场景视频，对所述场景视频采样，获取采样帧图像；
(2)确定采样帧图像的种子点；包括：手动选择种子点：通过鼠标手动选择需要关注区域中的某一点为种子点，该点与背景颜色一致，且与区域内的图案保持一定的距离；和/或自动选择种子点：计算所述图像的灰度平均值ave，确定所述图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点；将确定种子点后的采样帧图像转化为灰度图像；
(3)以所述种子点为中心进行区域扩散，获取边界并记录；
(4)根据所述步骤(3)的边界提取二值化图像轮廓；
(5)进行边缘平滑，确定关注区域；
(6)以所述步骤(5)确定的关注区域的边缘平滑后的轮廓为标记边框，对场景视频中采样帧进行标记，并输出，确定标记后的场景区域为监控区域并突出显示；
(7)判断监测区域是否发生移动，并自适应更新；具体地：(71)由步骤(1)-(5)获取关注区域，并保存，获取当前关注区域，计算当前关注区域与保存的关注区域之间的图像相关度，若相关度小于指定阈值，则继续监测，若相关度大于等于指定阈值，则确定检测区域发生改变，关注区域内图像产生较大变化，则进行调整摄像机或桌面以精确监测；
或者
设置非关注区域为灰度图像，并设置其灰度值为统一值，并计算当前该灰度值的像素点数量m，并保存，监测当前非关注区域内该灰度值像素点数量n，若|m-n|值超过指定数量值，则确定检测区域发生改变，关注区域内图像产生较大变化，则进行调整摄像机或桌面以精确监测。
2.如权利要求1所述的针对图像中区域划分和自修正方法，其特征在于：所述步骤(2)计算所述灰度图像的灰度平均值ave，确定所述图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点，具体为：(21)计算所述灰度图像的灰度平均值ave，遍历所述图像像素点，确定所述图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点，若与灰度平均值ave相同的像素点为多个，则确定最靠近所述图像中心位置处的像素点为种子点；(22)若所述图像中不存在与所述灰度平均值ave相同的像素点，则取与所述灰度平均值ave相近的点为种子点，所述相近的点灰度值计算公式为：ave+i，所述i＝1，…，n；i逐步取值并根据步骤(21)判断直至确定种子点。
3.如权利要求1所述的针对图像中区域划分和自修正方法，其特征在于：所述步骤(3)中以所述种子点为中心进行区域扩散，具体为：(31)确定种子点的延伸方向，并在所述延伸方向上扩散，所述延伸方向扩散点为：(x，y+i)，(x，y-i)，(x+i，y)，(x-i，y)，(x-i，y+i)，(x+i，y+i)，(x-i，y-i)，(x+i，y-i)；(32)计算所述扩散点与所述种子点的灰度差值，如果该差值小于第一阈值，则确定该扩散点为区域点，继续扩散，直至第i个点灰度值与种子点灰度值差值大于等于第一阈值，则确定该点为边界点。
4.如权利要求3所述的针对图像中区域划分和自修正方法，其特征在于：所述步骤(4)根据所述步骤(3)的边界提取二值化图像轮廓，具体为：将所述扩散点置为黑色，将所述边界点置为白色，所述灰度图像转化为二值化图像，并确定其中白色边界点为轮廓。
5.如权利要求1所述的针对图像中区域划分和自修正方法，其特征在于：所述步骤(5)的进行边缘平滑，具体为：当前边界点的坐标为(xi，yi)，搜索与当前边界点邻近的边界点(x，y)，如果
小于或等于第二阈值，则确定两点为邻接点，连接所述邻接点，其中第二阈值取1-8任意值。
6.一种针对图像中区域划分和自修正系统，其特征在于：包括如下单元：
采样单元：获取场景视频，对所述场景视频采样，获取采样帧图像；
种子点确定单元：确定采样帧图像的种子点；包括：手动确定单元：通过鼠标手动选择需要关注区域中的某一点为种子点，该点与背景颜色一致，且与区域内的图案保持一定的距离；和/或自动确定单元：计算所述图像的灰度平均值ave，确定所述图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点；
灰度转化单元：将确定种子点后的采样帧图像转化为灰度图像；
扩散单元：以所述种子点为中心进行区域扩散，获取边界并记录；
轮廓提取单元：根据所述扩散单元获取的边界提取二值化图像轮廓；
边缘优化单元：进行边缘平滑，确定关注区域；
显示单元：以所述边缘优化单元确定的关注区域的边缘平滑后的轮廓为标记边框，对场景视频中采样帧进行标记，并输出，确定标记后的场景区域为监控区域并突出显示；
调整单元：判断监测区域是否发生移动，并自适应更新；具体地：由上述采样单元、种子点确定单元、灰度转化单元、扩散单元、轮廓提取单元、边缘优化单元获取关注区域，并保存，获取当前关注区域，计算当前关注区域与保存的关注区域之间的图像相关度，若相关度小于指定阈值，则继续监测，若相关度大于等于指定阈值，则确定检测区域发生改变，关注区域内图像产生较大变化，则进行调整摄像机或桌面以精确监测；
或者
设置非关注区域为灰度图像，并设置其灰度值为统一值，并计算当前该灰度值的像素点数量m，并保存，监测当前非关注区域内该灰度值像素点数量n，若|m-n|值超过指定数量值，则确定检测区域发生改变，关注区域内图像产生较大变化，则进行调整摄像机或桌面以精确监测。
7.如权利要求6所述的针对图像中区域划分和自修正系统，其特征在于：所述自动确定单元：还包括平均值选取单元，所述平均值选取单元计算所述图像的灰度平均值ave，遍历所述图像像素点，确定所述图像中像素点灰度值与所述灰度平均值ave相同的像素点为种子点，若与灰度平均值ave相同的像素点为多个，则确定最靠近所述图像中心位置处的像素点为种子点；若所述图像中不存在与所述灰度平均值ave相同的像素点，则取与所述灰度平均值ave相近的点为种子点，所述相近的点灰度值计算公式为：ave+i，所述i＝1，…，n；i逐步取值直至确定种子点；
所述扩散单元：确定种子点的延伸方向，并在所述延伸方向上扩散，所述延伸方向扩散点为：(x，y+i)，(x，y-i)，(x+i，y)，(x-i，y)，(x-i，y+i)，(x+i，y+i)，(x-i，y-i)，(x+i，y-i)；计算所述扩散点与所述种子点的灰度差值，如果该差值小于第一阈值，则确定该扩散点为区域点，继续扩散，直至第i个点灰度值与种子点灰度值差值大于等于第一阈值，则确定该点为边界点；
所述轮廓提取单元：将所述扩散点置为黑色，将所述边界点置为白色，所述灰度图像转化为二值化图像，并确定其中白色边界点为轮廓；
边缘优化单元：当前边界点的坐标为(xi，yi)，搜索与当前边界点邻近的边界点(x，y)，如果
小于或等于第二阈值，则确定两点为邻接点，连接所述邻接点，其中第二阈值取1-8任意值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810824297.1A CN109034058B (zh) | 2018-07-25 | 2018-07-25 | 一种针对图像中区域划分和自修正方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810824297.1A CN109034058B (zh) | 2018-07-25 | 2018-07-25 | 一种针对图像中区域划分和自修正方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109034058A CN109034058A (zh) | 2018-12-18 |
| CN109034058B true CN109034058B (zh) | 2022-01-04 |
Family
ID=64645802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810824297.1A Active CN109034058B (zh) | 2018-07-25 | 2018-07-25 | 一种针对图像中区域划分和自修正方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109034058B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112085755B (zh) * | 2020-09-14 | 2024-08-13 | 贝壳技术有限公司 | 物体轮廓检测方法、装置以及设备、存储介质 |
| CN112446386B (zh) * | 2020-12-06 | 2024-05-28 | 北京工业大学 | 基于图像识别的lbm计算域规划方法 |
| CN113989167B (zh) * | 2021-12-27 | 2022-03-29 | 杭州爱科科技股份有限公司 | 基于种子点自生长的轮廓提取方法、装置、设备及介质 |
| CN118362483A (zh) * | 2024-06-20 | 2024-07-19 | 中国科学院生态环境研究中心 | 花粉自动采样防堆叠控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101887577A (zh) * | 2010-06-21 | 2010-11-17 | 哈尔滨工程大学 | 基于区域增长的侧扫声纳图像感兴趣区域提取方法 |
| CN103049907A (zh) * | 2012-12-11 | 2013-04-17 | 深圳市旭东数字医学影像技术有限公司 | 交互式图像分割方法 |
| CN105976385A (zh) * | 2016-05-19 | 2016-09-28 | 浙江工商大学 | 一种基于图像数据场的图像分割方法 |
| CN108109117A (zh) * | 2017-12-14 | 2018-06-01 | 柳州智视科技有限公司 | 一种基于运动物体的颜色实时变换的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8917934B2 (en) * | 2012-06-14 | 2014-12-23 | International Business Machines Corporation | Multi-cue object detection and analysis |
-
2018
- 2018-07-25 CN CN201810824297.1A patent/CN109034058B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101887577A (zh) * | 2010-06-21 | 2010-11-17 | 哈尔滨工程大学 | 基于区域增长的侧扫声纳图像感兴趣区域提取方法 |
| CN103049907A (zh) * | 2012-12-11 | 2013-04-17 | 深圳市旭东数字医学影像技术有限公司 | 交互式图像分割方法 |
| CN105976385A (zh) * | 2016-05-19 | 2016-09-28 | 浙江工商大学 | 一种基于图像数据场的图像分割方法 |
| CN108109117A (zh) * | 2017-12-14 | 2018-06-01 | 柳州智视科技有限公司 | 一种基于运动物体的颜色实时变换的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109034058A (zh) | 2018-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109034058B (zh) | 一种针对图像中区域划分和自修正方法和系统 | |
| CN113658133B (zh) | 一种基于图像处理的齿轮表面缺陷检测方法及系统 | |
| CN112819772B (zh) | 一种高精度快速图形检测识别方法 | |
| CN107256225B (zh) | 一种基于视频分析的热度图生成方法及装置 | |
| CN103679173B (zh) | 图像显著区域检测方法 | |
| WO2021109697A1 (zh) | 字符分割方法、装置以及计算机可读存储介质 | |
| CN106327488B (zh) | 一种自适应的前景检测方法及其检测装置 | |
| CN111539938B (zh) | 一种轧带钢带头曲度检测方法、系统、介质及电子终端 | |
| CN109034017A (zh) | 头部姿态估计方法及机器可读存储介质 | |
| CN111047624A (zh) | 图像弱小目标检测方法、装置、设备及存储介质 | |
| CN109903265B (zh) | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 | |
| CN108717704A (zh) | 基于鱼眼图像的目标跟踪方法、计算机装置及计算机可读存储介质 | |
| CN112017210A (zh) | 目标物体跟踪方法及装置 | |
| CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
| CN114723728A (zh) | 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统 | |
| CN116385540A (zh) | 一种血管造影非充盈帧的导管定位方法和导管定位装置 | |
| CN105787484B (zh) | 一种物体跟踪或识别的方法、装置 | |
| CN110276260B (zh) | 一种基于深度摄像头的商品检测方法 | |
| TWI498830B (zh) | 不均勻光線下的車牌辨識方法及系統 | |
| JP5080416B2 (ja) | 入力画像から検出対象物の像を検出する画像処理装置 | |
| CN113159037B (zh) | 图片矫正方法、装置、计算机设备及存储介质 | |
| CN112749713B (zh) | 一种基于人工智能的大数据图像识别系统及方法 | |
| CN112532938B (zh) | 一种基于大数据技术的视频监控系统 | |
| CN111027560B (zh) | 文本检测方法以及相关装置 | |
| CN112052859A (zh) | 一种自由场景下的车牌精准定位方法及装置 |
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 |