CN109146795A - 全息再现的图像预处理方法 - Google Patents
全息再现的图像预处理方法 Download PDFInfo
- Publication number
- CN109146795A CN109146795A CN201710504246.6A CN201710504246A CN109146795A CN 109146795 A CN109146795 A CN 109146795A CN 201710504246 A CN201710504246 A CN 201710504246A CN 109146795 A CN109146795 A CN 109146795A
- Authority
- CN
- China
- Prior art keywords
- image
- region growing
- gray level
- bianry
- seed 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000007781 pre-processing Methods 0.000 title claims abstract description 13
- 238000002474 experimental method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 4
- 238000005286 illumination Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提出的全息再现的图像预处理方法,涉及全息图像处理技术领域,步骤1、灰度化,对图像的R、G、B三个分量图像分别采取了顶帽运算的方式进行图像背景的补偿,然后,将得到的三幅图像叠加,从而得到灰度图像;步骤2、阈值化,运用Otsu阈值化方法计算所述步骤1得到的灰度图像中使得类间方差最大的阈值,然后将图像阈值化,得到二值图像;步骤3、区域生长,对所述步骤2初步得到的二值图像再次做开运算,并将结果作为种子点,对灰度图像进行区域生长。本发明对原始图像经过本申请的方法预处理后,得到了较为理想的二值图像,便于后续的对图像特征进行提取以及识别,且方法的效果经过实验进行了验证,实验结果证明本方法可得到较好的二值图像,以便于图像的识别。
Description
技术领域
本发明涉及全息图像处理技术领域,尤其是全息再现的图像预处理方法。
背景技术
图像预处理是图像识别中必不可少的环节,其效果的好坏将直接影响识别算法的复杂度及识别的准确率。常见的图像预处理的方法有图像的灰度化、图像增强、二值化以及图像分割等。但当原始图像是透明的防伪标识在红色激光的照射下、在全息屏上再现的图像,属于典型的光照不均匀的图像,因此需要结合使用多种图像预处理方法,才能得到较好的二值图像,以便于图像的识别。
发明内容
本发明提供的全息再现的图像预处理方法,原始图像经过预处理后,得到了较为理想的二值图像。
本发明具体采用如下技术方案实现:
一种全息再现的图像预处理方法,具体包括以下步骤:
步骤1、灰度化,对图像的R、G、B三个分量图像分别采取了顶帽运算的方式进行图像背景的补偿,然后,将得到的三幅图像叠加,从而得到灰度图像;
步骤2、阈值化,运用Otsu阈值化方法计算所述步骤1得到的灰度图像中使得类间方差最大的阈值,然后将图像阈值化,得到二值图像;
步骤3、区域生长,对所述步骤2初步得到的二值图像再次做开运算,并将结果作为种子点,对灰度图像进行区域生长,区域生长的条件是若像素与种子点之间的亮度差的绝对值小于或等于某个阈值(此处阈值为15),则判定这个像素是类似于该种子点的,并将其划归到该种子点所属区域,直到找不到这样的像素点时,区域生长结束。
本发明提供的全息再现的图像预处理方法,其有益效果在于:原始图像经过本申请的方法预处理后,得到了较为理想的二值图像,便于后续的对图像特征进行提取以及识别,且方法的效果经过实验进行了验证,实验结果证明本方法可得到较好的二值图像,以便于图像的识别。
附图说明
图1是本发明所预处理的原始图像示意图;
图2是本发明的图像预处理流程图;
图3是R、G、B三分量分别进行顶帽运算的结果示意图;
图4是R、G、B三分量顶帽运算叠加得到的图像及其直方图;
图5是原图先灰度化再顶帽运算得到图像及其直方图;
图6是二值图像示意图;
图7是开运算结果作为种子点示意图;
图8是区域生长结果示意图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。
本申请处理的图像是透明的全息防伪标识在红色激光的照射下、在接收屏上再现的图像,摄像头采集得到原始图像如图1所示。该图像是典型的光照不均匀的彩色图像,图像中心有大亮斑,且汉字被中心大亮斑以及其呈环形分布的余光侵蚀。因此,要想获得理想的二值图像,仅仅使用任何一种常用的预处理方法都是不够的。
本实施例提出一种全息再现的图像预处理方法,预处理流程如图2所示,具体流程如下:
步骤1、灰度化,通常情况下,彩色图像处理第一步是先将原始图像灰度化,但是考虑到本申请图像的特殊性,本申请并没有直接将原始彩色图像进行灰度化处理,而是为了尽可能地消除图像的中心亮斑,对图像的R、G、B三个分量图像分别采取了顶帽运算的方式进行图像背景的补偿,然后,将得到的三幅图像叠加,从而得到灰度图像。这样做的好处是在充分利用每个分量上的亮度信息补偿背景的同时,也保留了各分量图上汉字部分的亮度信息;
步骤2、阈值化,运用Otsu阈值化方法计算灰度图像中使得类间方差最大的阈值,然后将图像阈值化,得到二值图像;
步骤3、区域生长,为了进一步去除噪声,本申请采取了对初步得到的二值图像再次做开运算,并将结果作为种子点,对灰度图像进行区域生长。区域生长的条件是若像素与种子点之间的亮度差的绝对值小于或等于某个阈值(此处阈值为15),则判定这个像素是类似于该种子点的,并将其划归到该种子点所属区域,直到找不到这样的像素点时,区域生长结束。
为验证本方法的有效性,针对原始图像图1做以下实验:
实验1、将该图像R、G、B三个分量分别进行顶帽运算,结果如图3所示。对比这三幅图像,R分量运算的结果中汉字的结构信息相对较完整,亮度值也最大,但是汉字靠近中心亮斑位置的笔划有残缺;G分量和B分量的结果中,虽然汉字结构信息不完整,且亮度很暗,但是汉字靠近中心亮斑位置的笔划保存完好。这一点也充分说明,只有将这三者进行叠加,才能使得到的灰度图像中的汉字的亮度和结构完整性同时达到理想值。
实验2、将实验1得到的三个图像叠加,得到结果及其直方图如图4所示。为了作对比,将原始图像先用进行灰度化,再进行顶帽运算,得到结果及其直方图如图5所示。前者得到的灰度图比后者的效果好,图像整体较亮,且图中汉字更凸显一些。从两者的直方图可以更直观地看出:前者像素的灰度范围分布更广,主要分布在0到200之间;后者像素的灰度分布范围较窄,主要集中在0到50之间。说明本申请的灰度化方法效果理想。
实验3、通过Otsu方法找到灰度图像的最佳阈值,对图像进行二值化,得到结果如图6所示。图像中汉字笔划信息比较凸显,且汉字整体结构比较完整,但是在汉字周围仍然存在较多亮斑残留的噪声。
实验4、为了进一步去除噪声,对初步得到的二值图像再次做开运算,并将结果(如图7)作为种子点,对图4中的灰度图像进行区域生长,区域生长的条件是若像素的亮度与种子点之间的差的绝对值小于或等于某个阈值(此处阈值为15),则将其划归到种子点的区域,区域生长的结果如图8所示。由于对初步得到的二值图像再次进行了开运算,其结果几乎不包含噪声,完全属于图像中汉字部分的信息,属于感兴趣的点,用来做区域生长的种子点是非常合适的。区域生长结果显示,噪声得到消除,汉字结构完整,汉字区域生长的结果良好。需要指出的是,在针对不同的原始图像时,为了得到最好的生长结果,可能需要选取不同的最佳阈值。
原始图像经过本申请的方法预处理后,得到了较为理想的二值图像,便于后续的对图像特征进行提取以及识别,且方法的效果经过实验进行了验证,实验结果证明本方法可得到较好的二值图像,以便于图像的识别。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (1)
1.一种全息再现的图像预处理方法,其特征在于,具体包括以下步骤:
步骤1、灰度化,对图像的R、G、B三个分量图像分别采取了顶帽运算的方式进行图像背景的补偿,然后,将得到的三幅图像叠加,从而得到灰度图像;
步骤2、阈值化,运用Otsu阈值化方法计算所述步骤1得到的灰度图像中使得类间方差最大的阈值,然后将图像阈值化,得到二值图像;
步骤3、区域生长,对所述步骤2初步得到的二值图像再次做开运算,并将结果作为种子点,对灰度图像进行区域生长,区域生长的条件是若像素与种子点之间的亮度差的绝对值小于或等于某个阈值(此处阈值为15),则判定这个像素是类似于该种子点的,并将其划归到该种子点所属区域,直到找不到这样的像素点时,区域生长结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710504246.6A CN109146795A (zh) | 2017-06-28 | 2017-06-28 | 全息再现的图像预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710504246.6A CN109146795A (zh) | 2017-06-28 | 2017-06-28 | 全息再现的图像预处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146795A true CN109146795A (zh) | 2019-01-04 |
Family
ID=64805464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710504246.6A Pending CN109146795A (zh) | 2017-06-28 | 2017-06-28 | 全息再现的图像预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146795A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415879A (zh) * | 2020-11-25 | 2021-02-26 | 奥比中光科技集团股份有限公司 | 一种结构光场调控方法及系统 |
-
2017
- 2017-06-28 CN CN201710504246.6A patent/CN109146795A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415879A (zh) * | 2020-11-25 | 2021-02-26 | 奥比中光科技集团股份有限公司 | 一种结构光场调控方法及系统 |
CN112415879B (zh) * | 2020-11-25 | 2022-05-24 | 奥比中光科技集团股份有限公司 | 一种结构光场调控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934802B (zh) | 一种基于傅里叶变换和图像形态学的布匹疵点检测方法 | |
CN107578035B (zh) | 基于超像素-多色彩空间的人体轮廓提取方法 | |
CN106096601B (zh) | 一种自动检测票据中字符类型的方法和系统 | |
CN111401372B (zh) | 一种扫描文档图文信息提取与鉴别的方法 | |
CN107133929B (zh) | 基于背景估计和能量最小化的低质量文档图像二值化方法 | |
CN108805829B (zh) | 影像数据处理方法、装置、设备及计算机可读存储介质 | |
CN108765402B (zh) | 无纺布缺陷检测与分类方法 | |
CN101615292B (zh) | 基于灰度信息的人眼精确定位方法 | |
CN108288258A (zh) | 一种针对恶劣天气条件下的低质图像增强方法 | |
CN104484652A (zh) | 一种指纹识别方法 | |
CN116485785B (zh) | 一种太阳能电池片的表面缺陷检测方法 | |
CN106096491B (zh) | 一种眼底彩色照相图像中微动脉瘤自动化识别方法 | |
CN112730454B (zh) | 基于光学、红外热波与超声波融合的复合材料的损伤智能检测方法 | |
CN111986378B (zh) | 一种票据彩色纤维丝检测方法和系统 | |
CN113034474A (zh) | 一种oled显示器晶圆图的测试方法 | |
CN108154490A (zh) | 基于改进模糊集理论的高压输电线路绝缘子图像增强方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN106960424B (zh) | 基于优化分水岭的结核杆菌图像分割识别方法及装置 | |
CN116843581A (zh) | 一种多场景图的图像增强方法、系统、设备和存储介质 | |
CN109146795A (zh) | 全息再现的图像预处理方法 | |
CN112132848B (zh) | 一种基于图像图层分割抽取的预处理方法 | |
CN116721039B (zh) | 一种应用于自动化光学缺陷检测中的图像预处理方法 | |
CN117689550A (zh) | 基于渐进式生成对抗网络的低光图像增强方法及装置 | |
CN110400320B (zh) | 一种电润湿缺陷像素的分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190104 |