CN109146900A - 应用于全息投影显示的Blob区域改进提取方法 - Google Patents
应用于全息投影显示的Blob区域改进提取方法 Download PDFInfo
- Publication number
- CN109146900A CN109146900A CN201710504206.1A CN201710504206A CN109146900A CN 109146900 A CN109146900 A CN 109146900A CN 201710504206 A CN201710504206 A CN 201710504206A CN 109146900 A CN109146900 A CN 109146900A
- Authority
- CN
- China
- Prior art keywords
- blob
- threshold
- region
- low
- image
- 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
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
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明提出的应用于全息投影显示的Blob区域改进提取方法,涉及全息投影技术领域,具体步驟为;1、设I为只含有Blob区域的二值图像,使用二维高斯公式,产生高斯滤波模版,然后用模版和图像I进行卷积,得到图像I`;2、用Sobel算子X方向和Y方向的两个算子分别与I`做卷积运算,求得梯度幅值图IB,并利用公式θ=arctan(My/Mx)求得其梯度角度图IB`;3、结合IB`,对IB进行非最大值抑制处理,得到临时Blob区域轮廓图IC;4、对IC进行梯度直方图统计,并计算出高阈值thigh和低阈值tlow;5、通过上步得到的thigh和tlow对IC进行双阈值处理,最终得到源图像I的了Blob区域I``。本发明有效的表征了Blob区域轮廓,提取出的Blob区域轮廓更具准确性和连续性。
Description
技术领域
本发明涉及全息投影技术领域,尤其是应用于全息投影显示的Blob区域改进提取方法。
背景技术
传统Canny算子对于的选取通过经验值设定,但不同的手指触摸图像会产生不同的触摸点数,Blob区域轮靡信息的提取就会产生不同的情况。当触摸点数增加时,仍采用相同的阈值处理不同情况下的手指触摸图像,将使提取到的Blob区域轮廓产生误差。因此,有必要对传统Canny算子滞后阈值化处理提出改进方法,实现高阈值选取的自适应性,在增加Canny算子性能的同时提高Blob区域轮廓提取的准确度。
发明内容
本发明提供的应用于全息投影显示的Blob区域改进提取方法,提高Blob区域轮廓提取的准确度和连续性。
本发明具体采用如下技术方案实现:
一种应用于全息投影显示的Blob区域改进提取方法,其特征在于,具体步驟为:
步骤1、设I为只含有Blob区域的二值图像,使用二维高斯公式,产生高斯滤波模版,然后用模版和图像I进行卷积,得到图像I`;
步骤2、用Sobel算子X方向和Y方向的两个算子分别与I`做卷积运算,求得梯度幅值图IB,并利用公式θ=arctan(My/Mx)求得其梯度角度图IB`;
步骤3、结合IB`,对IB进行非最大值抑制处理,得到临时Blob区域轮廓图IC;
步骤4、对IC进行梯度直方图统计,并计算出高阈值thigh和低阈值tlow,具体计算步骤如下:
步骤41、出经过非极大值抑制处理后的图像中像素的最小梯度值Zl和最大梯度值Zh,并通过T0=(Zl+Zh)/2求得初始阈值T0;
步骤42、根据阈值Tk将图像梯度分为两部分,分别求出两部分的平均梯度值Z0和ZB;
步骤43、求出新阈值Tk+1=(Z0+ZB)/2;
步骤44、若Tk+1=Tk,则结束;否则,转到步骤42;
步骤45、步骤44结束后,求得的Tk为最佳高阈值thigh,并通过以下公式求得低阈值tlow;
步骤5、通过上步得到的thigh和tlow对IC进行双阈值处理,最终得到源图像I的了Blob区域I``。
本发明提供的应用于全息投影显示的Blob区域改进提取方法,其有益效果在于:采用基于逼近思想的迭代法进行阈值的选取,有效的表征了Blob区域轮廓,提取出的Blob区域轮廓更具准确性和连续性。
附图说明
图1是本发明的Blob区域提取方法流程图。
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。
如图1所示,本实施例提出的应用于全息投影显示的Blob区域改进提取方法,针对传统Canny算子滞后阈值化处理时阈值的选取不具有自适应性的问题,提出一种基于迭代法计算高阈值的改进方法,并将改进后的Canny算子用于Blob区域轮廓提取,在提高传统Canny算子性能的同时,也提高了Blob区域轮廓提取的准确性。具体方法步骤如下:
步骤1、设I为只含有Blob区域的二值图像,使用二维高斯公式,产生高斯滤波模版,然后用模版和图像I进行卷积,得到图像I`;
步骤2、用Sobel算子X方向和Y方向的两个算子分别与I`做卷积运算,求得梯度幅值图IB,并利用公式θ=arctan(My/Mx)求得其梯度角度图IB`;
步骤3、结合IB`,对IB进行非最大值抑制处理,得到临时Blob区域轮廓图IC;
步骤4、对IC进行梯度直方图统计,并计算出高阈值thigh和低阈值tlow,具体计算步骤如下:
步骤41、出经过非极大值抑制处理后的图像中像素的最小梯度值Zl和最大梯度值Zh,并通过T0=(Zl+Zh)/2求得初始阈值T0;
步骤42、根据阈值Tk将图像梯度分为两部分,分别求出两部分的平均梯度值Z0和ZB;
步骤43、求出新阈值Tk+1=(Z0+ZB)/2;
步骤44、若Tk+1=Tk,则结束;否则,转到步骤42;
步骤45、步骤44结束后,求得的Tk为最佳高阈值thigh,并通过以下公式求得低阈值tlow;
步骤5、通过上步得到的thigh和tlow对IC进行双阈值处理,最终得到源图像I的了Blob区域I``。
本申请针对不同的手指触摸图像,采用基于逼近思想的迭代法进行阈值的选取,本申请的改进提取方法有效的表征了Blob区域轮廓,提取出的Blob区域轮廓更具准确性和连续性。
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)
1.一种应用于全息投影显示的Blob区域改进提取方法,其特征在于,具体步驟为:
步骤1、设I为只含有Blob区域的二值图像,使用二维高斯公式,产生高斯滤波模版,然后用模版和图像I进行卷积,得到图像I`;
步骤2、用Sobel算子X方向和Y方向的两个算子分别与I`做卷积运算,求得梯度幅值图IB,并利用公式θ=arctan(My/Mx)求得其梯度角度图IB`;
步骤3、结合IB`,对IB进行非最大值抑制处理,得到临时Blob区域轮廓图IC;
步骤4、对IC进行梯度直方图统计,并计算出高阈值thigh和低阈值tlow,具体计算步骤如下:
步骤41、出经过非极大值抑制处理后的图像中像素的最小梯度值Zl和最大梯度值Zh,并通过T0=(Zl+Zh)/2求得初始阈值T0;
步骤42、根据阈值Tk将图像梯度分为两部分,分别求出两部分的平均梯度值Z0和ZB;
步骤43、求出新阈值Tk+1=(Z0+ZB)/2;
步骤44、若Tk+1=Tk,则结束;否则,转到步骤42;
步骤45、步骤44结束后,求得的Tk为最佳高阈值thigh,并通过以下公式求得低阈值tlow;
步骤5、通过上步得到的thigh和tlow对IC进行双阈值处理,最终得到源图像I的了Blob区域I``。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710504206.1A CN109146900A (zh) | 2017-06-28 | 2017-06-28 | 应用于全息投影显示的Blob区域改进提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710504206.1A CN109146900A (zh) | 2017-06-28 | 2017-06-28 | 应用于全息投影显示的Blob区域改进提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146900A true CN109146900A (zh) | 2019-01-04 |
Family
ID=64805453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710504206.1A Pending CN109146900A (zh) | 2017-06-28 | 2017-06-28 | 应用于全息投影显示的Blob区域改进提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146900A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245600A (zh) * | 2019-06-11 | 2019-09-17 | 长安大学 | 自适应起始快速笔画宽度无人机道路检测方法 |
CN113592750A (zh) * | 2021-07-30 | 2021-11-02 | 成都市晶林科技有限公司 | 一种基于梯度直方图的红外增强方法 |
-
2017
- 2017-06-28 CN CN201710504206.1A patent/CN109146900A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245600A (zh) * | 2019-06-11 | 2019-09-17 | 长安大学 | 自适应起始快速笔画宽度无人机道路检测方法 |
CN113592750A (zh) * | 2021-07-30 | 2021-11-02 | 成都市晶林科技有限公司 | 一种基于梯度直方图的红外增强方法 |
CN113592750B (zh) * | 2021-07-30 | 2023-10-20 | 成都市晶林科技有限公司 | 一种基于梯度直方图的红外增强方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
Qiang et al. | An edge-detection method based on adaptive canny algorithm and iterative segmentation threshold | |
CN106778754A (zh) | 一种鲁棒的工业电表数字识别方法 | |
CN109146900A (zh) | 应用于全息投影显示的Blob区域改进提取方法 | |
CN105701487A (zh) | 一种车标定位的方法 | |
CN107463916A (zh) | 基于螺旋算子的指纹细节点特征获取方法 | |
CN106525027B (zh) | 一种基于局部二值模式的星敏感器星点提取方法 | |
CN106446903A (zh) | 一种仪表波段开关位置识别方法 | |
CN106339709A (zh) | 一种图像实时提取方法 | |
CN104103039A (zh) | 一种图像噪声估计方法 | |
CN105989351B (zh) | 一种指纹图像背景分割的方法 | |
KR101751871B1 (ko) | 이미지 데이터 특질 추출 방법 및 장치 | |
Rajan et al. | Text detection and character extraction in natural scene images using fractional Poisson model | |
Jayanthi et al. | Novel method for manuscript and inscription text extraction | |
Sun et al. | Research and implementation of license plate recognition based on android platform | |
Singh et al. | Role of mathematical morphology in digital image processing: A review | |
Sontakke et al. | Automatic ROI extraction and vein pattern imaging of dorsal hand vein images | |
Li et al. | A mixed edge based text detection method by applying image complexity analysis | |
CN106022335B (zh) | 一种针对印刷特征的线段偏离度特征提取方法 | |
CN105814608B (zh) | 图像处理装置和特定图形检测方法 | |
Bo et al. | Classification learning method for PCB insertion holes based on shape context | |
ZHANG et al. | A moving object detection method based on improved three⁃ frame difference algorithm and edge information | |
Sharma et al. | Detection of Edges Using Mathematical Morphology for X-Ray Images | |
Zia-uddin et al. | A novel technique for principal lines extraction in palmprint using morphological Top-Hat filtering | |
Yi et al. | A pattern-based directional element extraction method for vehicle license plate detection in complex background |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190104 |
|
WD01 | Invention patent application deemed withdrawn after publication |