CN109035220A - 目标对象的图像检测方法和装置 - Google Patents

目标对象的图像检测方法和装置 Download PDF

Info

Publication number
CN109035220A
CN109035220A CN201810751408.0A CN201810751408A CN109035220A CN 109035220 A CN109035220 A CN 109035220A CN 201810751408 A CN201810751408 A CN 201810751408A CN 109035220 A CN109035220 A CN 109035220A
Authority
CN
China
Prior art keywords
image
region
target
pixel
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.)
Pending
Application number
CN201810751408.0A
Other languages
English (en)
Inventor
邱豪强
朱元丰
张天翼
宋明岑
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Gree Intelligent Equipment Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Gree Intelligent Equipment 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Gree Intelligent Equipment Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201810751408.0A priority Critical patent/CN109035220A/zh
Publication of CN109035220A publication Critical patent/CN109035220A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30164Workpiece; Machine component

Landscapes

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

Abstract

本申请公开了一种目标对象的图像检测方法和装置。该方法包括:对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;在第一目标图像中去除第二区域中的像素,得到第二目标图像;对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;在第二目标图像中去除第四区域中的像素,得到第三目标图像;通过第三目标图像检测目标对象。通过本申请,解决了相关技术中由于目标对象的镜像及高亮度区域的干扰,难以在采集到的照片中准确检测出目标对象的问题。

Description

目标对象的图像检测方法和装置
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种目标对象的图像检测方法和装置。
背景技术
为了检测生产出的设备是否合格或运行中的设备是否处于正常的运行状态,常常需要拍摄设备的照片,对设备的待检测部位进行检测,从而判断出设备是否合格或是否处于正常的运行状态。由于设备放置在光滑地面上时,或设备的待检测部位处于光滑的工装板上,在打光拍摄的情况下,视野中会产生目标对象的反射镜象,以及高亮度区域。相关技术中,为了避免整张照片中干扰物较多,分析检测设备的照片来识别和检测目标对象时,进行分区域处理,即先以图像中的一部分作为待处理区域,在该区域中识别目标对象,将该区域处理完成后,再进行下个区域的处理,重复如此,直至遍历完整幅图像,在目标对象的检测过程中,如果出现镜面反射的现象,将会导致多个目标对象被检测到。
在目标对象的检测实时性要求很高的情况下,例如,需要在短时间内获取设备的关键器件的运行状态,若相似的目标对象在照片中存在多个,且在分区域检测时需要一一检测出来,会大大增加检测时长,降低检测效率,满足不了目标检测的实时性要求。若不分区域,在整张照片中进行检测,则不仅会受到目标对象的镜像的干扰,还会受到视野中高亮度物体等的干扰,容易出现误检的情况,难以准确判断目标对象的状态。
针对相关技术中由于目标对象的镜像及高亮度区域的干扰,难以在采集到的照片中准确检测出目标对象的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供一种目标对象的图像检测方法和装置,以解决相关技术中由于目标对象的镜像及高亮度区域的干扰,难以在采集到的照片中准确检测出目标对象的问题。
根据本申请的一个方面,提供了一种目标对象的图像检测方法。该方法包括:对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;在第一目标图像中去除第二区域中的像素,得到第二目标图像;对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;在第二目标图像中去除第四区域中的像素,得到第三目标图像;通过第三目标图像检测目标对象。
进一步地,在对第一目标图像进行阈值分割之前,该方法还包括:调整采集图像的视野,以使目标对象的镜像位于视野之外;在调整后的视野中进行图像采集,获得第一目标图像。
进一步地,在对第一目标图像进行阈值分割之前,该方法还包括:对第一目标图像进行图像增强;在对第一目标图像进行图像增强后,执行对第一目标图像进行阈值分割的步骤。
进一步地,在通过第三目标图像检测目标对象之前,该方法还包括:对第三目标图像进行阈值分割,得到第五区域和第六区域,第六区域中的像素的灰度值小于第五区域中的像素的灰度值;在第三目标图像中去除第六区域中的像素;执行通过第三目标图像检测目标对象的步骤。
进一步地,在第三目标图像中去除第六区域中的像素包括:对第三目标图像进行开运算处理;在开运算处理后的第三目标图像中去除第六区域中的像素。
进一步地,对第一目标图像进行阈值分割,得到第一区域和第二区域包括:采用最大类间方差法获取第一目标图像的分割阈值;采用分割阈值对第一目标图像进行阈值分割,得到第一区域和第二区域。
根据本申请的另一方面,提供了一种目标对象的图像检测装置。该装置包括:第一分割单元,用于对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;第一去除单元,用于在第一目标图像中去除第二区域中的像素,得到第二目标图像;第二分割单元,用于对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;第二去除单元,用于在第二目标图像中去除第四区域中的像素,得到第三目标图像;检测单元,用于通过第三目标图像检测目标对象。
进一步地,该装置还包括:调整单元,用于在对第一目标图像进行阈值分割之前,调整采集图像的视野,以使目标对象的镜像位于视野之外;采集单元,用于在调整后的视野中进行图像采集,获得第一目标图像。
为了实现上述目的,根据本申请的另一方面,提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述任意一种目标对象的图像检测方法。
为了实现上述目的,根据本申请的另一方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一种目标对象的图像检测方法。
通过本申请,采用以下步骤:对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;在第一目标图像中去除第二区域中的像素,得到第二目标图像;对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;在第二目标图像中去除第四区域中的像素,得到第三目标图像;通过第三目标图像检测目标对象,解决了相关技术中由于目标对象的镜像及高亮度区域的干扰,难以在采集到的照片中准确检测出目标对象的问题。通过对第一目标图像进行阈值分割,得到亮前景区域和暗背景区域,再对亮前景区域进行阈值分割,排除高亮度区域的干扰,进而达到了在采集到的照片中准确检测出目标对象的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的目标对象的图像检测方法的流程图;
图2是根据本申请实施例提供的第一目标图像;
图3是根据本申请实施例提供的对第一目标图像进行图像增强得到的图像;
图4是根据本申请实施例提供的第二目标图像;
图5是根据本申请实施例提供的第三目标图像;
图6是根据本申请实施例提供的在第三目标图像去除第六区域中的像素得到的图像;以及
图7是根据本申请实施例提供的目标对象的图像检测装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请的实施例,提供了一种目标对象的图像检测方法。
图1是根据本申请实施例的目标对象的图像检测方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值。
需要说明的是,目标对象为目标待检测物,可以为机器设备的待检测部件,检测照片中运动部件的状态,获知机器设备是否符合规格要求。
由于采集包含目标待检测物的照片时,目标待检测物距离镜头近,表现在照片中,处于亮区域,而背景一般为暗区域,目标待检测物的镜像处于暗区域位置,对包含运动部件的照片进行阈值分割,得到亮度较高的前景区域和亮度较低的背景区域,去除亮度较低的背景区域,保留亮度较高的前景区域,即去除了目标待检测物的镜像的干扰。
为了进一步减少目标对象的镜像的干扰,可选地,在本申请实施例提供的目标对象的图像检测方法中,在对第一目标图像进行阈值分割之前,该方法还包括:调整采集图像的视野,以使目标对象的镜像位于视野之外;在调整后的视野中进行图像采集,获得第一目标图像。
例如,在生产流水线上,由于运输产品的工装板表面光滑,在设备打光之后,拍摄的原始图片中往往包含目标检测物在工装板上的镜像,为了在后续对目标检测物进行检测的过程中尽可能少地受镜像的干扰,在采集图像时,调整摄像机的拍摄视野,例如,目标对象为设备的操控杆,检测操控杆中连杆的长度和接头的颜色形状从而判断操控杆是否符合规格,如图2所示,调整拍摄视野,使得设备的操控杆位于视野的下部,靠近视野边缘的位置,以使光滑工装板位于视野之外,从而将工装板上的操控杆的镜像位于视野之外,调整好视野进行拍摄,得到第一目标图像。
通过本实施例,在采集图像时将目标对象的部分或全部镜像排除在图像之外,减少了在图像检测的过程中目标对象的镜像的干扰。
为了在亮前景中更准确地检测到目标对象,可选地,在本申请实施例提供的目标对象的图像检测方法中,在对第一目标图像进行阈值分割之前,该方法还包括:对第一目标图像进行图像增强;在对第一目标图像进行图像增强后,执行对第一目标图像进行阈值分割的步骤。
例如,如图3所示,在阈值分割之前,对包含设备的操控杆的照片进行图像增强,可以采用直方图均衡化的方法进行图像增强,图像增强后,操纵杆后方的白色泡沫箱的亮度变高,操纵杆在泡沫箱上的阴影变浅,使得操纵杆得以清晰地凸显,便于被检测到。
为了使得亮前景和暗背景能够被准确地分割出来,需要选择合适的分割阈值,可选地,在本申请实施例提供的目标对象的图像检测方法中,对第一目标图像进行阈值分割,得到第一区域和第二区域包括:采用最大类间方差法获取第一目标图像的分割阈值;采用分割阈值对第一目标图像进行阈值分割,得到第一区域和第二区域。
例如,采用最大类间方差法中的大津法获取包含操控杆的照片的分割阈值,采用该割阈值对图像进行阈值分割,能够准确将图像分割为包含背景板的暗背景、包含操作杆和泡沫箱的亮前景。
步骤S102,在第一目标图像中去除第二区域中的像素,得到第二目标图像。
例如,如图4所示,在图片中对包含背景板的暗背景中的像素进行去除,得到包含操作杆和泡沫箱的亮前景,从而去除了不包含目标检测物的区域,减少了在无效检测上所投入的时间,提高了检测效率。
步骤S103,对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值。
例如,在第二目标图像中主要包含操纵杆和操纵杆后方的泡沫箱的高亮度区域,为了避免在检测操作杆时,高亮度的泡沫箱干扰检测,产生将泡沫箱的部分区域误检为目标检测物的情况发生,对亮前景区域进行阈值分割,得到泡沫箱的高亮度区域、操纵杆以及操纵杆在泡沫箱上产生的暗阴影区域。
步骤S104,在第二目标图像中去除第四区域中的像素,得到第三目标图像。
例如,如图5所示,对阈值分割得到的泡沫箱的高亮度区域中的像素进行去除,减少了待检测的区域范围,并排除了高亮度的泡沫箱对后续目标对象的检测干扰,提高检测效率的同时降低了误检率。
步骤S105,通过第三目标图像检测目标对象。
需要说明的是,第三目标图像相对于第一目标图像,去除了不包含目标对象的暗背景区域,并去除了亮前景中的高亮度区域,缩小了检测目标对象的无效检测范围。
例如,对去除暗背景和高亮度干扰物的照片进行检测,能够高效准确地检测到照片中的操作杆,从而根据操作杆的连杆的长度,接头的颜色判断操作杆是否符合生产要求。
本申请实施例提供的目标对象的图像检测方法,通过对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;在第一目标图像中去除第二区域中的像素,得到第二目标图像;对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;在第二目标图像中去除第四区域中的像素,得到第三目标图像;通过第三目标图像检测目标对象,解决了相关技术中由于目标对象的镜像及高亮度区域的干扰,难以在采集到的照片中准确检测出目标对象的问题。通过对第一目标图像进行阈值分割,得到亮前景区域和暗背景区域,再对亮前景区域进行阈值分割,排除高亮度区域的干扰,进而达到了在采集到的照片中准确检测出目标对象的效果。
可选地,在本申请实施例提供的目标对象的图像检测方法中,在通过第三目标图像检测目标对象之前,该方法还包括:对第三目标图像进行阈值分割,得到第五区域和第六区域,第六区域中的像素的灰度值小于第五区域中的像素的灰度值;在第三目标图像中去除第六区域中的像素;执行通过第三目标图像检测目标对象的步骤。
例如,在第二图像中去除泡沫箱的高亮度区域后,得到第三区域,第三区域存在低亮度的非目标对象时,也可以对其进行去除,进一步缩小检测范围,如图5所示,第三目标图像中,在操纵杆的一端套有黑色杆套,能够表征操纵杆的质量和状态的为连杆和接头,杆套不影响操纵杆合格与否的判断,对第三目标图像进行阈值分割,分割出亮度较低的区域并进行像素的去除,去除了黑色杆套所在的区域,得到图6,图6中包含操纵杆,操纵杆周围未被去除的区域,以及其他与操纵杆亮度相近的区域,在图6中进行操纵杆的检测。
可选地,在本申请实施例提供的目标对象的图像检测方法中,在第三目标图像中去除第六区域中的像素包括:对第三目标图像进行开运算处理;在开运算处理后的第三目标图像中去除第六区域中的像素。
需要说明的是,在图像中,较大面积的亮区域内会出现小面积的暗区域,在大面积的暗区域中会出现小面积的亮区域,例如,在黑色杆套上印有白色的文字或标识,大面积的暗区域中会出现亮度较高的斑点和狭长区域,为了避免文字或标识干扰检测,可以在对第三目标图像进行阈值分割后,对第三目标图像进行开运算,即先做腐蚀处理,消除黑色杆套上的白色的文字或标识,再做膨胀处理,使得黑色杆套所在区域的面积得到还原,再去除暗区域中的像素,实现了将杆套及杆套上印有的文字的区域的像素均去除,减少了小面积的亮度较高的区域对检测操纵杆带来的干扰。
通过本实施例,进一步将暗区域中的亮度较高的斑点和狭长区域去除,减少了对检测操纵杆带来的干扰。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种目标对象的图像检测装置,需要说明的是,本申请实施例的目标对象的图像检测装置可以用于执行本申请实施例所提供的用于目标对象的图像检测方法。以下对本申请实施例提供的目标对象的图像检测装置进行介绍。
图7是根据本申请实施例的目标对象的图像检测装置的示意图。如图7所示,该装置包括:第一分割单元10、第一去除单元20、第二分割单元30、第二去除单元40和检测单元50。
具体地,第一分割单元10,用于对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;
第一去除单元20,用于在第一目标图像中去除第二区域中的像素,得到第二目标图像;
第二分割单元30,用于对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;
第二去除单元40,用于在第二目标图像中去除第四区域中的像素,得到第三目标图像;
检测单元50,用于通过第三目标图像检测目标对象。
本申请实施例提供的目标对象的图像检测装置,通过第一分割单元10对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;第一去除单元20在第一目标图像中去除第二区域中的像素,得到第二目标图像;第二分割单元30对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;第二去除单元40在第二目标图像中去除第四区域中的像素,得到第三目标图像;检测单元50通过第三目标图像检测目标对象,解决了相关技术中由于目标对象的镜像及高亮度区域的干扰,难以在采集到的照片中准确检测出目标对象的问题,通过对第一目标图像进行阈值分割,得到亮前景区域和暗背景区域,再对亮前景区域进行阈值分割,排除高亮度区域的干扰,进而达到了在采集到的照片中准确检测出目标对象的效果。
可选地,在本申请实施例提供的目标对象的图像检测装置中,该装置还包括:调整单元,用于在对第一目标图像进行阈值分割之前,调整采集图像的视野,以使目标对象的镜像位于视野之外;采集单元,用于在调整后的视野中进行图像采集,获得第一目标图像。
可选地,在本申请实施例提供的目标对象的图像检测装置中,该装置还包括:图像增强单元,用于在对第一目标图像进行阈值分割之前,对第一目标图像进行图像增强;第一执行单元,用于在对第一目标图像进行图像增强后,执行对第一目标图像进行阈值分割的步骤。
可选地,在本申请实施例提供的目标对象的图像检测装置中,该装置还包括:第三分割单元,用于在通过第三目标图像检测目标对象之前,对第三目标图像进行阈值分割,得到第五区域和第六区域,第六区域中的像素的灰度值小于第五区域中的像素的灰度值;第三去除单元,用于在第三目标图像中去除第六区域中的像素;第二执行单元,用于执行通过第三目标图像检测目标对象的步骤。
可选地,在本申请实施例提供的目标对象的图像检测装置中,第三去除单元包括:第二处理模块,用于对第三目标图像进行开运算处理;第二去除模块,用于在开运算处理后的第三目标图像中去除第六区域中的像素。
可选地,在本申请实施例提供的目标对象的图像检测装置中,第一分割单元10包括:获取模块,用于采用最大类间方差法获取第一目标图像的分割阈值;分割模块,用于采用分割阈值对第一目标图像进行阈值分割,得到第一区域和第二区域。
所述目标对象的图像检测装置包括处理器和存储器,上述第一分割单元10、第一去除单元20、第二分割单元30、第二去除单元40和检测单元50等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决相关技术中由于目标对象的镜像及高亮度区域的干扰,难以在采集到的照片中准确检测出目标对象的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述目标对象的图像检测方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述目标对象的图像检测方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;在第一目标图像中去除第二区域中的像素,得到第二目标图像;对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;在第二目标图像中去除第四区域中的像素,得到第三目标图像;通过第三目标图像检测目标对象。
进一步地,在对第一目标图像进行阈值分割之前,该方法还包括:调整采集图像的视野,以使目标对象的镜像位于视野之外;在调整后的视野中进行图像采集,获得第一目标图像。
进一步地,在对第一目标图像进行阈值分割之前,该方法还包括:对第一目标图像进行图像增强;在对第一目标图像进行图像增强后,执行对第一目标图像进行阈值分割的步骤。
进一步地,在通过第三目标图像检测目标对象之前,该方法还包括:对第三目标图像进行阈值分割,得到第五区域和第六区域,第六区域中的像素的灰度值小于第五区域中的像素的灰度值;在第三目标图像中去除第六区域中的像素;执行通过第三目标图像检测目标对象的步骤。
进一步地,在第三目标图像中去除第六区域中的像素包括:对第三目标图像进行开运算处理;在开运算处理后的第三目标图像中去除第六区域中的像素。
进一步地,对第一目标图像进行阈值分割,得到第一区域和第二区域包括:采用最大类间方差法获取第一目标图像的分割阈值;采用分割阈值对第一目标图像进行阈值分割,得到第一区域和第二区域。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,第一目标图像中包含目标对象,第一区域中的像素的灰度值大于第二区域中的像素的灰度值;在第一目标图像中去除第二区域中的像素,得到第二目标图像;对第二目标图像进行阈值分割,得到第三区域和第四区域,其中,第四区域中的像素的灰度值大于第三区域中的像素的灰度值;在第二目标图像中去除第四区域中的像素,得到第三目标图像;通过第三目标图像检测目标对象。
进一步地,在对第一目标图像进行阈值分割之前,该方法还包括:调整采集图像的视野,以使目标对象的镜像位于视野之外;在调整后的视野中进行图像采集,获得第一目标图像。
进一步地,在对第一目标图像进行阈值分割之前,该方法还包括:对第一目标图像进行图像增强;在对第一目标图像进行图像增强后,执行对第一目标图像进行阈值分割的步骤。
进一步地,在通过第三目标图像检测目标对象之前,该方法还包括:对第三目标图像进行阈值分割,得到第五区域和第六区域,第六区域中的像素的灰度值小于第五区域中的像素的灰度值;在第三目标图像中去除第六区域中的像素;执行通过第三目标图像检测目标对象的步骤。
进一步地,在第三目标图像中去除第六区域中的像素包括:对第三目标图像进行开运算处理;在开运算处理后的第三目标图像中去除第六区域中的像素。
进一步地,对第一目标图像进行阈值分割,得到第一区域和第二区域包括:采用最大类间方差法获取第一目标图像的分割阈值;采用分割阈值对第一目标图像进行阈值分割,得到第一区域和第二区域。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种目标对象的图像检测方法,其特征在于,包括:
对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,所述第一目标图像中包含目标对象,所述第一区域中的像素的灰度值大于所述第二区域中的像素的灰度值;
在所述第一目标图像中去除所述第二区域中的像素,得到第二目标图像;
对所述第二目标图像进行阈值分割,得到第三区域和第四区域,其中,所述第四区域中的像素的灰度值大于所述第三区域中的像素的灰度值;
在所述第二目标图像中去除所述第四区域中的像素,得到第三目标图像;
通过所述第三目标图像检测所述目标对象。
2.根据权利要求1所述的方法,其特征在于,在对第一目标图像进行阈值分割之前,所述方法还包括:
调整采集图像的视野,以使所述目标对象的镜像位于所述视野之外;
在调整后的视野中进行图像采集,获得所述第一目标图像。
3.根据权利要求1所述的方法,其特征在于,在对第一目标图像进行阈值分割之前,所述方法还包括:
对所述第一目标图像进行图像增强;
在对所述第一目标图像进行图像增强后,执行对第一目标图像进行阈值分割的步骤。
4.根据权利要求1所述的方法,其特征在于,在通过所述第三目标图像检测所述目标对象之前,所述方法还包括:
对所述第三目标图像进行阈值分割,得到第五区域和第六区域,所述第六区域中的像素的灰度值小于所述第五区域中的像素的灰度值;
在所述第三目标图像中去除所述第六区域中的像素;
执行通过所述第三目标图像检测所述目标对象的步骤。
5.根据权利要求4所述的方法,其特征在于,在所述第三目标图像中去除所述第六区域中的像素包括:
对所述第三目标图像进行开运算处理;
在开运算处理后的第三目标图像中去除所述第六区域中的像素。
6.根据权利要求1所述的方法,其特征在于,对第一目标图像进行阈值分割,得到第一区域和第二区域包括:
采用最大类间方差法获取所述第一目标图像的分割阈值;
采用所述分割阈值对第一目标图像进行阈值分割,得到所述第一区域和所述第二区域。
7.一种目标对象的图像检测装置,其特征在于,包括:
第一分割单元,用于对第一目标图像进行阈值分割,得到第一区域和第二区域,其中,所述第一目标图像中包含目标对象,所述第一区域中的像素的灰度值大于所述第二区域中的像素的灰度值;
第一去除单元,用于在所述第一目标图像中去除所述第二区域中的像素,得到第二目标图像;
第二分割单元,用于对所述第二目标图像进行阈值分割,得到第三区域和第四区域,其中,所述第四区域中的像素的灰度值大于所述第三区域中的像素的灰度值;
第二去除单元,用于在所述第二目标图像中去除所述第四区域中的像素,得到第三目标图像;
检测单元,用于通过所述第三目标图像检测所述目标对象。
8.根据权利要求7所述的装置,其特征在于,该装置还包括:
调整单元,用于在对所述第一目标图像进行阈值分割之前,调整采集图像的视野,以使所述目标对象的镜像位于所述视野之外;
采集单元,用于在调整后的所述视野中进行图像采集,获得所述第一目标图像。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至6中任意一项所述的目标对象的图像检测方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的目标对象的图像检测方法。
CN201810751408.0A 2018-07-10 2018-07-10 目标对象的图像检测方法和装置 Pending CN109035220A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810751408.0A CN109035220A (zh) 2018-07-10 2018-07-10 目标对象的图像检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810751408.0A CN109035220A (zh) 2018-07-10 2018-07-10 目标对象的图像检测方法和装置

Publications (1)

Publication Number Publication Date
CN109035220A true CN109035220A (zh) 2018-12-18

Family

ID=64641950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810751408.0A Pending CN109035220A (zh) 2018-07-10 2018-07-10 目标对象的图像检测方法和装置

Country Status (1)

Country Link
CN (1) CN109035220A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111310727A (zh) * 2020-03-13 2020-06-19 浙江大华技术股份有限公司 对象检测方法及装置、存储介质、电子装置
CN111568199A (zh) * 2020-02-28 2020-08-25 佛山市云米电器科技有限公司 接水容器的识别方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354359A (zh) * 2008-09-04 2009-01-28 湖南大学 药液内运动可见异物的检测跟踪与识别方法
CN105869175A (zh) * 2016-04-21 2016-08-17 北京邮电大学 一种图像分割方法及系统
CN107564018A (zh) * 2017-08-30 2018-01-09 北京航空航天大学 一种利用改进迭代算法提取目标图像的方法
CN107564020A (zh) * 2017-08-31 2018-01-09 北京奇艺世纪科技有限公司 一种图像区域确定方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354359A (zh) * 2008-09-04 2009-01-28 湖南大学 药液内运动可见异物的检测跟踪与识别方法
CN105869175A (zh) * 2016-04-21 2016-08-17 北京邮电大学 一种图像分割方法及系统
CN107564018A (zh) * 2017-08-30 2018-01-09 北京航空航天大学 一种利用改进迭代算法提取目标图像的方法
CN107564020A (zh) * 2017-08-31 2018-01-09 北京奇艺世纪科技有限公司 一种图像区域确定方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵小川: "《MATLAB图像处理 能力提高与应用案例》", 31 January 2014 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111568199A (zh) * 2020-02-28 2020-08-25 佛山市云米电器科技有限公司 接水容器的识别方法、系统及存储介质
CN111568199B (zh) * 2020-02-28 2023-11-07 佛山市云米电器科技有限公司 接水容器的识别方法、系统及存储介质
CN111310727A (zh) * 2020-03-13 2020-06-19 浙江大华技术股份有限公司 对象检测方法及装置、存储介质、电子装置
CN111310727B (zh) * 2020-03-13 2023-12-08 浙江大华技术股份有限公司 对象检测方法及装置、存储介质、电子装置

Similar Documents

Publication Publication Date Title
CN104052905B (zh) 用于处理图像的方法和设备
JP6613605B2 (ja) 深度画像の深度値復元方法及びシステム
CN108288027A (zh) 一种图像质量的检测方法、装置及设备
US9253415B2 (en) Simulating tracking shots from image sequences
KR102516495B1 (ko) 스테레오-시간적 이미지 시퀀스들로부터 향상된 3-d 데이터 재구성을 위한 방법들 및 장치
CN111681198A (zh) 一种形态学属性滤波多模融合成像方法、系统及介质
CN112954198B (zh) 图像处理方法、装置和电子设备
CN109035220A (zh) 目标对象的图像检测方法和装置
CN109102026A (zh) 一种车辆图像检测方法、装置及系统
US20090208053A1 (en) Automatic identification and removal of objects in an image, such as wires in a frame of video
JP2020166498A (ja) 情報処理装置、三次元モデルの生成方法、及びプログラム
US11373279B2 (en) Image processing method and device
US9258490B2 (en) Smoothing of ghost maps in a ghost artifact detection method for HDR image creation
CN107113421B (zh) 一种光学系统成像质量的检测方法和装置
Khan et al. A deep hybrid few shot divide and glow method for ill-light image enhancement
CN109060830A (zh) 显示屏的杂质的检测方法和装置
US20180033156A1 (en) Method and device for filtering texture, using patch shift
CN105574844B (zh) 辐射响应函数估计方法和装置
CN111179182B (zh) 图像的处理方法及装置、存储介质及处理器
CN110738656B (zh) 一种证件照片的清晰度评估方法、存储介质及处理器
CN109360176A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN107103321B (zh) 道路二值化图像的生成方法及生成系统
Prabha et al. Defect detection of industrial products using image segmentation and saliency
CN117529929A (zh) 使用屏下相机捕获媒体的方法和电子装置
CN108038864B (zh) 一种动物目标图像的提取方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181218