CN109308716A - 一种图像匹配方法、装置、电子设备及存储介质 - Google Patents
一种图像匹配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109308716A CN109308716A CN201811102614.5A CN201811102614A CN109308716A CN 109308716 A CN109308716 A CN 109308716A CN 201811102614 A CN201811102614 A CN 201811102614A CN 109308716 A CN109308716 A CN 109308716A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- profile
- contour images
- gray level
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像匹配方法、装置、电子设备及存储介质,包括:首先提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;接着根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;然后当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。采用本发明实施例,可以提高图像匹配的准确度。
Description
技术领域
本发明涉及计算机应用领域和图像处理领域,尤其涉及一种图像匹配方法、装置、电子设备及存储介质。
背景技术
目前,图像匹配技术在手机游戏、人脸识别和无人驾驶等领域得到了广泛的应用。主流的图像匹配方法包括直方图匹配算法、图像模板匹配算法等。尽管这些算法的匹配效率高、应用范围广,但仍不可否认这些算法的误识别率高,在准确率要求高的场景下,无法满足应用需求,尤其是两张图片的主色调相似的情况下,图像匹配的准确率普遍偏低。例如:在手机游戏刺激战场中要识别“拳头”是否存在,但拳头图片与该游戏中跳伞过程的云层图片的主色调相似,致使采用直方图匹配算法、图像模板匹配算法来进行图片匹配时,经常把“云层”错误的确定成“拳头”。
发明内容
本发明实施例提供一种图像匹配方法、装置、电子设备及存储介质。可以提高图像匹配的准确度。
本发明实施例第一方面提供了一种图像匹配方法,包括:
提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;
根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;
当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。
其中,所述提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及第二图像中的图像元素的轮廓信息得到第二轮廓图像包括:
将所述第一图像转换成第一灰度图像、以及将所述第二图像转换成第二灰度图像;
根据所述第一灰度图像确定所述第一轮廓图像、以及根据所述第二灰度图像确定所述第二轮廓图像。
其中,所述根据所述第一灰度图像确定所述第一轮廓图像、以及根据所述第二灰度图像确定所述第二轮廓图像包括:
根据所述第一灰度图像和预设边缘检测算子确定第一差分图像、以及根据所述第二灰度图像和所述预设边缘检测算子确定第二差分图像;
获取所述第一差分图像和所述第二差分图像中每个像素的第一像素值;
将所述第一像素值小于第二阈值的像素转换成纯黑色像素、以及将所述第一像素值不小于所述第二阈值的像素转换成纯白色像素;
将进行像素转换后的所述第一差分图像作为所述第一轮廓图像、以及将进行像素转换后的所述第二差分图像作为所述第一轮廓图像。
其中,所述根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度包括:
获取所述第一轮廓图像和所述第二轮廓图像中每个像素的第二像素值;
根据所述第二像素值,确定所述相似度。
其中,所述根据所述第二像素值,确定所述相似度包括:
根据所述第二像素值,确定所述第一轮廓图像中的第一像素与所述第二轮廓图像中的第二像素是否相匹配,其中,所述第一像素在所述第一轮廓图像中的位置与所述第二像素在所述第二轮廓图像中的位置相同;
统计所述第一轮廓图像和所述第二轮廓图像中相匹配的像素的累积数量;
将所述累积数量与所述第一轮廓图像所包含的像素的总数量的商作为所述相似度。
其中,所述根据所述第二像素值,确定所述第一轮廓图像中的第一像素与所述第二轮廓图像中的第二像素是否相匹配包括:
确定所述第二轮廓图像中与所述第二像素相邻的多个像素;
当所述第一像素与所述第二像素的所述第二像素值相等、或所述第一像素与所述相邻的多个像素中的至少一个像素的所述第二像素值相等时,确定所述第一像素和所述第二像素相匹配。
相应地,本发明实施例第二方面提供了一种图像匹配装置,包括:
提取模块,用于提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;
匹配模块,用于根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;
确定模块,用于当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。
其中,所述提取模块还用于:
将所述第一图像转换成第一灰度图像、以及将所述第二图像转换成第二灰度图像;
根据所述第一灰度图像确定所述第一轮廓图像、以及根据所述第二灰度图像确定所述第二轮廓图像。
其中,所述提取模块还用于:
根据所述第一灰度图像和预设边缘检测算子确定第一差分图像、以及根据所述第二灰度图像和所述预设边缘检测算子确定第二差分图像;
获取所述第一差分图像和所述第二差分图像中每个像素的第一像素值;
将所述第一像素值小于第二阈值的像素转换成纯黑色像素、以及将所述第一像素值不小于所述第二阈值的像素转换成纯白色像素;
将进行像素转换后的所述第一差分图像作为所述第一轮廓图像、以及将进行像素转换后的所述第二差分图像作为所述第一轮廓图像。
其中,所述匹配模块还用于:
获取所述第一轮廓图像和所述第二轮廓图像中每个像素的第二像素值;
根据所述第二像素值,确定所述相似度。
其中,所述匹配模块还用于:
根据所述第二像素值,确定所述第一轮廓图像中的第一像素与所述第二轮廓图像中的第二像素是否相匹配,其中,所述第一像素在所述第一轮廓图像中的位置与所述第二像素在所述第二轮廓图像中的位置相同;
统计所述第一轮廓图像和所述第二轮廓图像中相匹配的像素的累积数量;
将所述累积数量与所述第一轮廓图像所包含的像素的总数量的商作为所述相似度。
其中,所述匹配模块还用于:
确定所述第二轮廓图像中与所述第二像素相邻的多个像素;
当所述第一像素与所述第二像素的所述第二像素值相等、或所述第一像素与所述相邻的多个像素中的至少一个像素的所述第二像素值相等时,确定所述第一像素和所述第二像素相匹配。
相应地,本发明实施例第三方面提供了一种电子设备,包括:处理器、存储器、通信接口和总线;
所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信;
所述存储器存储可执行程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行本发明实施例第一方面公开的一种图像匹配方法。
相应地,本发明实施例提供了一种存储介质,其中,所述存储介质用于存储应用程序,所述应用程序用于在运行时执行本发明实施例第一方面公开的一种图像匹配方法。
相应地,本发明实施例提供了一种应用程序,其中,所述应用程序用于在运行时执行本发明实施例第一方面公开的一种图像匹配方法。
实施本发明实施例,首先提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;接着根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;然后当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。可以提高图像匹配的准确度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种图像匹配方法的流程示意图;
图2是本发明实施例提供的一种图像像素的示意图;
图3是本发明实施例提供的一种图像灰度化的示意图;
图4是本发明实施例提供的一种图像二值化的示意图;
图5是本发明实施例提供的另一种图像匹配方法的流程示意图;
图6是本发明实施例提供的一种图像匹配装置的结构示意图;
图7是本发明实施例提供的一种电子设备的结构示意图。
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。
请参考图1,图1是本发明实施例提供的一种图像匹配方法的流程示意图。如图所示,本发明实施例中的方法包括:
S101,提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像。
具体实现中,可以首先将第一图像转换成第一灰度图像、以及将所第二图像转换成第二灰度图像,其中,第一图像和第二图像为彩色图像,彩色图像中每个像素的RGB值中的红色分量(R值)、绿色分量(G值)和蓝色分量(B值)通常不相等,而灰度图像中的每个像素的R值、G值和B值均相等,RGB标准规定R值、G值和B值可以为0~255中的任意整数。其中,将彩色图像转化为灰度图像常用的方法包括加权法、平均法和最大值法。以平均值法为例,平均值法是指将的彩色图像中每个像素的R值、G值和B值的平均值作为该彩色图像对应的灰度图像中的每个像素的RGB值。其中,像素是组成图像的最小单位,如图2所示,图像可以看作是由许多具有明确的位置和RGB值的小方块组成的,而这些小方块的颜色和位置就决定该图像所呈现出来的样子,其中,每个小方块就是一个像素。
接着,根据第一灰度图像确定第一轮廓图像、以及根据第二灰度图像确定第二轮廓图像。具体地,先根据第一灰度图像和预设边缘检测算子确定第一差分图像、以及根据第二灰度图像和预设边缘检测算子确定第二差分图像,预设边缘检测算子可以为Sobel检测算子。其中,可以使用水平Sobel检测算子与第一灰度图像作卷积运算得到第一水平差分图像、以及使用垂直Sobel检测算子与第一灰度图像作卷积运算得到第一垂直差分图像,然后将第一水平差分图像和第一垂直差分图像进行差分合并得到第一差分图像,其中,差分合并的方式为将第一水平差分图像和第一垂直差分图像中的处于相同位置的两个像素中像素值最大的像素确定为第一差分图像在该位置的像素。例如,水平差分图像中的第1行第2列的像素值为156,垂直差分图像中的第1行第2列的像素值为179,则确定差分图像中的第1行第2列的像素值为179。利用同样的方法确定第二差分图像。其中,可以用的边缘检测算子还包括Roberts、Prewitt、Laplacian、Canny和Kirsch等等。例如,图3为利用将灰度图像与Sobel检测算子对该灰度图向进行水平边缘检测和垂直边缘检测,并将两个方向的检测结果按最大值差分合并后得到差分图像的效果示意图。
最后,为了提高匹配效率,可以将第一差分图像和第二差分图像分别进行二值化后作为第一轮廓图像和第二轮廓图像。如图4所示,二值化后的图像中仅包括纯黑色和纯白色两种颜色,其中,背景为黑色,前景为白色。具体地,可以先获取第一差分图像和第二差分图像中每个像素的第一像素值;再将第一像素值小于第二阈值的像素转换成纯黑色像素、以及将第一像素值不小于所述第二阈值的像素转换成纯白色像素,在RGB标准规定,纯黑色的RGB值为0(R值=G值=B值=0),纯白色的RGB值为255(R值=G值=B值=255);然后将进行像素转换后的第一差分图像作为第一轮廓图像、以及将进行像素转换后的第二差分图像作为第二轮廓图像。其中,第二阈值可以根据待匹配的第一图像或第二图像来确定,第二阈值可以为0~255之间的任意整数。
S102,根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度。
具体实现中,可以获取第一轮廓图像和第二轮廓图像中每个像素的第二像素值,并根据第二像素值,确定相似度。其中,首先根据第二像素值,确定第一轮廓图像中的第一像素与所述第二轮廓图像中的第二像素是否相匹配,其中,第一像素在第一轮廓图像中的位置与第二像素在第二轮廓图像中的位置相同,如图2所示,每个像素在图像中的位置可以用第几行第几列来表示,例如,第一像素在第一轮廓图像中位于第2行第3列,第二像素在第二轮廓图像中也位于第2行第3列。当第一像素和第二像素的第二像素值相等时,确定第一像素和第二像素相匹配;接着统计第一轮廓图像和第二轮廓图像中相匹配的像素的累积数量,比如第一轮廓图像和第二轮廓图像中有200000对相匹配的像素,则相匹配的像素的累积数量为200000;然后将累积数量与第一轮廓图像所包含的像素的总数量的商作为相似度,例如:第一轮廓图像为640×480的图像,640和480的单位为像素,则该图像所包含的总像素数为640*480=307200,再将200000/307200=0.65作为相似度。其中,还可以将累积数量与第一轮廓图像所包含的像素的总数量的商乘以100后作为相似度,如200000/307200*100=65。
S103,当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。
具体实现中,第一阈值可以根据应用场景对图像匹配精度的要求进行调整,第一阈值可以为0.7、0.8、80、70等等。当第一图像和第二图像相匹配时,可以确定两张图像所包含的图像元素相同、或两张图像的应用场景相同等等。
在本发明实施例中,首先提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;接着根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;然后当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。可以提高图像匹配的准确度。
请参考图5,图5是本发明实施例提供的另一种图像匹配方法的流程示意图。如图所示,本发明实施例中的方法包括:
S501,提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像。本步骤与上一实施例中的步骤S101相同,本步骤不再赘述。
S502,获取第一轮廓图像和第二轮廓图像中每个像素的第二像素值。
具体实现中,像素是图像的最小组成单位,每个像素可以是图像中的一个小方块。像素的像素值可以是该像素的RGB值。
S503,确定第一轮廓图像中的第一像素和第二轮廓图像中的第二像素的第二像素值是否相等。若是,则执行S504,若否,则执行505。
具体实现中,第一像素在第一轮廓图像中的位置与第二像素在第二轮廓图像中的位置相同。可以从第一轮廓图像和第二轮廓图像中第1行第1列的像素开始逐个比较每两个处于相同位置的像素的像素值。
S504,确定第一像素与第二像素相匹配。其中,因为第一轮廓图像和第二轮廓图像均为二值化图像,所以当像素值相等时,可以确定两个像素是相同的,同为纯黑色像素或同为纯白色像素。
S505,确定第二轮廓图像中与第二像素相邻的多个像素。
具体实现中,当第二像素位于第x行第y列(记为(x,y))时,可以将位于(x+1,y)、(x-1,y)、(x,y+1)和(x,y-1)中的一个或多个像素确定为与第二像素相邻的像素。例如,像素1位于(1,1),则与像素1的相邻的像素包括位于(2,1)和(1,2)的像素。又如,像素1位于(2,3),则与像素1相邻的像素包括位于(3,3)、(1,3)、(2,4)和(2,2)的像素。
S506,当第一像素与所述相邻的多个像素中的至少一个像素的第二像素值相等时,确定第一像素与第二像素相匹配。
S507,根据第一轮廓图像和第二轮廓图像中相匹配的像素,确定第一轮廓图像和第二轮廓图像的相似度。
具体实现中,可以首先统计第一轮廓图像和第二轮廓图像中相匹配的像素的累积数量,比如第一轮廓图像和第二轮廓图像中有200000对相匹配的像素,则相匹配的像素的累积数量为200000;然后将累积数量与第一轮廓图像所包含的像素的总数量的商作为所述相似度,例如:第一轮廓图像为640×480的图像,640和480的单位为像素,则该图像所包含的总像素数为640*480=307200,和第二轮廓图像相匹配的像素的累积数量为200000,则相似度为200000/307200=0.65。
S508,当相似度大于第一阈值时,确定第一图像和第二图像相匹配。本步骤与上一实施例中的步骤S103相同,本步骤不再赘述。
以下通过一个例子来说明本发明实施例中的图形匹配算法的具体应用。
例如,针对手机游戏XX,预先准备好该游戏中的道具“拳头”的模板图像P1。接着在玩家游戏过程中实时截屏获取游戏界面,并从游戏界面的预设位置截取样本图像P2,再利用加权法得到P2的灰度图像A;然后将A分别与水平Sobel检测算子和垂直Sobel检测算子进行卷积,得到水平差分图像AH和垂直差分图像AV,再将AH和AV进行最大差分合并得到差分图像AT,最后将AT作二值化处理得到轮廓图像P2B。利用同样的方法对P1进行处理得到P1B。然后将P1B和P2B中的每个像素进行匹配,并将相匹配的像素数量除以P1B或P2B的像素总数得到相似度,如0.8。因为0.8大于0.75,所以确定P1B和P2B相匹配,确定P2中的包含的图像元素与P1相同,从而确定游戏界面中出现了“拳头”。相应地,在确定游戏界面中出现了“拳头”之后,可以在游戏界面上给“拳头”套上炫酷的拳套,提升游戏趣味性。利用上述方法可以有效解决手机游戏XX中将“云层”错误的识别为“拳头”的问题,为开发该游戏的辅助应用提供帮助。
在本发明实施例中,首先提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;接着根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;然后当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。可以提高图像匹配的准确度。
请参考图6,图6是本发明实施例提供的一种图像匹配装置的结构示意图。如图所示,本发明实施例中的装置包括:
提取模块601,用于提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像。
具体实现中,可以首先将第一图像转换成第一灰度图像、以及将所第二图像转换成第二灰度图像,其中,第一图像和第二图像为彩色图像,彩色图像中每个像素的RGB值中的R值、G值和B值通常不相等,而灰度图像中的每个像素的R值、G值和B值均相等,RGB标准规定R值、G值和B值可以为0~255中的任意整数。其中,将彩色图像转化为灰度图像常用的方法包括加权法、平均法和最大值法。以平均值法为例,平均值法是指将的彩色图像中的每个像素的R值、G值和B值的平均值作为该彩色图像对应的灰度图像中的每个像素的RGB值。其中,每像素是组成图像的最小单位。
接着,根据第一灰度图像确定第一轮廓图像、以及根据第二灰度图像确定第二轮廓图像。具体地,先根据第一灰度图像和预设边缘检测算子确定第一差分图像、以及根据第二灰度图像和预设边缘检测算子确定第二差分图像,预设边缘检测算子可以为Sobel检测算子。其中,可以使用水平Sobel检测算子与第一灰度图像作卷积运算得到第一水平差分图像、以及使用垂直Sobel检测算子与第一灰度图像作卷积运算得到第一垂直差分图像,然后将第一水平差分图像和第一垂直差分图像进行差分合并得到第一差分图像,其中,差分合并的方式为将第一水平差分图像和第一垂直差分图像中的处于相同位置的两个像素中像素值最大的像素确定为第一差分图像在该位置的像素。例如,水平差分图像中的第1行第2列的像素值为156,垂直差分图像中的第1行第2列的像素值为179,则,确定差分图像中的第1行第2列的像素值为179。利用同样的方法确定第二差分图像。其中,可以用的边缘检测算子还包括Roberts、Prewitt、Laplacian、Canny和Kirsch等等。
最后,为了提高匹配效率,可以将第一差分图像和第二差分图像分别进行二值化后作为第一轮廓图像和第二轮廓图像。如图4所示,二值化后的图像中仅包括纯黑色和纯白色两种颜色,其中,背景为黑色,前景为白色。具体地,可以先获取第一差分图像和第二差分图像中每个像素的第一像素值;再将第一像素值小于第二阈值的像素转换成纯黑色像素、以及将所述第一像素值不小于所述第二阈值的像素转换成纯白色像素,在RGB标准规定,纯黑色的RGB值为0(R值=G值=B值=0),纯白色的RGB值为255(R值=G值=B值=255);然后将进行像素转换后的所述第一差分图像作为所述第一轮廓图像、以及将进行像素转换后的所述第二差分图像作为所述第二轮廓图像。其中,第二阈值可以根据待匹配的第一图像或第二图像来确定,第二阈值可以为0~255之间的任意整数。
匹配模块602,用于根据第一轮廓图像和第二轮廓图像,确定第一图像和第二图像的相似度。
具体实现中,可以获取所述第一轮廓图像和所述第二轮廓图像中每个像素的第二像素值,并根据所述第二像素值,确定所述相似度。首先根据所述第二像素值,确定所述第一轮廓图像中的第一像素与所述第二轮廓图像中的第二像素是否相匹配,其中,所述第一像素在所述第一轮廓图像中的位置与所述第二像素在所述第二轮廓图像中的位置相同。当第一像素和第二像素的第二像素值相等时,确定第一像素和第二像素相匹配;接着统计第一轮廓图像和第二轮廓图像中相匹配的像素的累积数量;然后将所述累积数量与所述第一轮廓图像所包含的像素的总数量的商作为所述相似度。
可选的,匹配模块602还用于确定第二轮廓图像中与第二像素相邻的多个像素。其中,当第二像素位于第x行第y列(记为(x,y))时,可以将位于(x+1,y)、(x-1,y)、(x,y+1)和(x,y-1)中的一个或多个像素确定为与第二像素相邻的像素。当第一像素与所述相邻的多个像素中的至少一个像素的第二像素值相等时,确定第一像素与第二像素相匹配。
确定模块603,用于当相似度大于第一阈值时,确定第一图像和所述第二图像相匹配。
具体实现中,第一阈值可以根据应用场景对图像匹配精度的要求进行调整,第一阈值可以为0.7、0.8等等。当第一图像和第二图像相匹配时,可以确定两张图像所包含的图像元素相同、或两张图像的应用场景相同等等。
在本发明实施例中,首先提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;接着根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;然后当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。可以提高图像匹配的准确度。
请参考图7,图7是本发明实施例提出的一种电子设备的结构示意图。如图所示,该电子设备可以包括:至少一个处理器701,例如CPU,至少一个通信接口702,至少一个存储器703,至少一个总线704。其中,总线704用于实现这些组件之间的连接通信。其中,本发明实施例中电子设备的通信接口702是有线发送端口,也可以为无线设备,例如包括天线装置,用于与其他节点设备进行信令或数据的通信。存储器703可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器703可选的还可以是至少一个位于远离前述处理器701的存储装置。存储器703中存储一组程序代码,且处理器701用于调用存储器中存储的程序代码,用于执行以下操作:
提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;
根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;
当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。
其中,处理器701还用于执行如下操作步骤:
将所述第一图像转换成第一灰度图像、以及将所述第二图像转换成第二灰度图像;
根据所述第一灰度图像确定所述第一轮廓图像、以及根据所述第二灰度图像确定所述第二轮廓图像。
其中,处理器701还用于执行如下操作步骤:
根据所述第一灰度图像和预设边缘检测算子确定第一差分图像、以及根据所述第二灰度图像和所述预设边缘检测算子确定第二差分图像;
获取所述第一差分图像和所述第二差分图像中每个像素的第一像素值;
将所述第一像素值小于第二阈值的像素转换成纯黑色像素、以及将所述第一像素值不小于所述第二阈值的像素转换成纯白色像素;
将进行像素转换后的所述第一差分图像作为所述第一轮廓图像、以及将进行像素转换后的所述第二差分图像作为所述第二轮廓图像。
其中,处理器701还用于执行如下操作步骤:
获取所述第一轮廓图像和所述第二轮廓图像中每个像素的第二像素值;
根据所述第二像素值,确定所述相似度。
其中,处理器701还用于执行如下操作步骤:
根据所述第二像素值,确定所述第一轮廓图像中的第一像素与所述第二轮廓图像中的第二像素是否相匹配,其中,所述第一像素在所述第一轮廓图像中的位置与所述第二像素在所述第二轮廓图像中的位置相同;
统计所述第一轮廓图像和所述第二轮廓图像中相匹配的像素的累积数量;
将所述累积数量与所述第一轮廓图像所包含的像素的总数量的商作为所述相似度。
其中,处理器701还用于执行如下操作步骤:
确定所述第二轮廓图像中与所述第二像素相邻的多个像素;
当所述第一像素与所述第二像素的所述第二像素值相等、或所述第一像素与所述相邻的多个像素中的至少一个像素的所述第二像素值相等时,确定所述第一像素和所述第二像素相匹配。
需要说明的是,本发明实施例同时也提供了一种存储介质,该存储介质用于存储应用程序,该应用程序用于在运行时执行图1和图5所示的一种图像匹配方法中电子设备执行的操作。
需要说明的是,本发明实施例同时也提供了一种应用程序,该应用程序用于在运行时执行图1和图5所示的一种图像匹配方法中电子设备执行的操作。
需要说明的是,对于前述的各个方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某一些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本发明实施例所提供的内容下载方法及相关设备、系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种图像匹配方法,其特征在于,所述方法应用于电子设备,所述方法包括:
提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;
根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;
当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。
2.如权利要求1所述的方法,其特在于,所述提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及第二图像中的图像元素的轮廓信息得到第二轮廓图像包括:
将所述第一图像转换成第一灰度图像、以及将所述第二图像转换成第二灰度图像;
根据所述第一灰度图像确定所述第一轮廓图像、以及根据所述第二灰度图像确定所述第二轮廓图像。
3.如权利要求2所述的方法,其特在于,所述根据所述第一灰度图像确定所述第一轮廓图像、以及根据所述第二灰度图像确定所述第二轮廓图像包括:
根据所述第一灰度图像和预设边缘检测算子确定第一差分图像、以及根据所述第二灰度图像和所述预设边缘检测算子确定第二差分图像;
获取所述第一差分图像和所述第二差分图像中每个像素的第一像素值;
将所述第一像素值小于第二阈值的像素转换成纯黑色像素、以及将所述第一像素值不小于所述第二阈值的像素转换成纯白色像素;
将进行像素转换后的所述第一差分图像作为所述第一轮廓图像、以及将进行像素转换后的所述第二差分图像作为所述第二轮廓图像。
4.如权利要求1所述的方法,其特在于,所述根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度包括:
获取所述第一轮廓图像和所述第二轮廓图像中每个像素的第二像素值;
根据所述第二像素值,确定所述相似度。
5.如权利要求4所述的方法,其特在于,所述根据所述第二像素值,确定所述相似度包括:
根据所述第二像素值,确定所述第一轮廓图像中的第一像素与所述第二轮廓图像中的第二像素是否相匹配,其中,所述第一像素在所述第一轮廓图像中的位置与所述第二像素在所述第二轮廓图像中的位置相同;
统计所述第一轮廓图像和所述第二轮廓图像中相匹配的像素的累积数量;
将所述累积数量与所述第一轮廓图像所包含的像素的总数量的商作为所述相似度。
6.如权利要求5所述的方法,其特在于,所述根据所述第二像素值,确定所述第一轮廓图像中的第一像素与所述第二轮廓图像中的第二像素是否相匹配包括:
确定所述第二轮廓图像中与所述第二像素相邻的多个像素;
当所述第一像素与所述第二像素的所述第二像素值相等、或所述第一像素与所述相邻的多个像素中的至少一个像素的所述第二像素值相等时,确定所述第一像素和所述第二像素相匹配。
7.一种图像匹配装置,其特征在于,所述装置包括:
提取模块,用于提取第一图像中的图像元素的轮廓信息得到第一轮廓图像、以及提取第二图像中的图像元素的轮廓信息得到第二轮廓图像;
匹配模块,用于根据所述第一轮廓图像和所述第二轮廓图像,确定所述第一图像和所述第二图像的相似度;
确定模块,用于当所述相似度大于第一阈值时,确定所述第一图像和所述第二图像相匹配。
8.如权利要求7所述的装置,其特征在于,所述提取模块还用于:
将所述第一图像转换成第一灰度图像、以及将所述第二图像转换成第二灰度图像;
根据所述第一灰度图像确定所述第一轮廓图像、以及根据所述第二灰度图像确定所述第二轮廓图像。
9.一种电子设备,其特征在于,包括:处理器、存储器、通信接口和总线;
所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信;
所述存储器存储可执行程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行如权利要求1-6任一项所述的图像匹配方法。
10.一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存储有多条指令,所述指令适于由处理器加载并执行如权利要求1-6任一项所述的图像匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811102614.5A CN109308716A (zh) | 2018-09-20 | 2018-09-20 | 一种图像匹配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811102614.5A CN109308716A (zh) | 2018-09-20 | 2018-09-20 | 一种图像匹配方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109308716A true CN109308716A (zh) | 2019-02-05 |
Family
ID=65224931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811102614.5A Pending CN109308716A (zh) | 2018-09-20 | 2018-09-20 | 一种图像匹配方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109308716A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084306A (zh) * | 2019-04-30 | 2019-08-02 | 北京字节跳动网络技术有限公司 | 用于生成动态图像的方法和装置 |
CN110136180A (zh) * | 2019-05-16 | 2019-08-16 | 东莞职业技术学院 | 基于Choquet积分的图像模板匹配系统及算法 |
CN110598795A (zh) * | 2019-09-17 | 2019-12-20 | 展讯通信(上海)有限公司 | 图像差异检测方法及装置、存储介质、终端 |
CN110909750A (zh) * | 2019-11-14 | 2020-03-24 | 展讯通信(上海)有限公司 | 图像差异检测方法及装置、存储介质、终端 |
CN111798628A (zh) * | 2020-07-03 | 2020-10-20 | 陈泽坤 | 一种锁扣式劳动工具的管理方法 |
CN112188108A (zh) * | 2020-10-26 | 2021-01-05 | 咪咕文化科技有限公司 | 拍摄方法、终端和计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598872A (zh) * | 2014-12-23 | 2015-05-06 | 安科智慧城市技术(中国)有限公司 | 一种面部比对的方法、设备及一种面部识别的方法、系统 |
CN104715256A (zh) * | 2015-03-04 | 2015-06-17 | 南昌大学 | 一种基于图像方法的书法练习辅助系统及评价方法 |
CN108156384A (zh) * | 2017-12-29 | 2018-06-12 | 珠海市君天电子科技有限公司 | 图像处理方法、装置、电子设备及介质 |
CN108205643A (zh) * | 2016-12-16 | 2018-06-26 | 同方威视技术股份有限公司 | 图像匹配方法和装置 |
CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
CN108509870A (zh) * | 2018-03-14 | 2018-09-07 | 安徽工大信息技术有限公司 | 一种基于图像匹配的中华绒螯蟹唯一性识别方法 |
CN108537782A (zh) * | 2018-04-02 | 2018-09-14 | 东北大学 | 一种基于轮廓提取的建筑物图像匹配与融合的方法 |
-
2018
- 2018-09-20 CN CN201811102614.5A patent/CN109308716A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598872A (zh) * | 2014-12-23 | 2015-05-06 | 安科智慧城市技术(中国)有限公司 | 一种面部比对的方法、设备及一种面部识别的方法、系统 |
CN104715256A (zh) * | 2015-03-04 | 2015-06-17 | 南昌大学 | 一种基于图像方法的书法练习辅助系统及评价方法 |
CN108205643A (zh) * | 2016-12-16 | 2018-06-26 | 同方威视技术股份有限公司 | 图像匹配方法和装置 |
CN108156384A (zh) * | 2017-12-29 | 2018-06-12 | 珠海市君天电子科技有限公司 | 图像处理方法、装置、电子设备及介质 |
CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
CN108509870A (zh) * | 2018-03-14 | 2018-09-07 | 安徽工大信息技术有限公司 | 一种基于图像匹配的中华绒螯蟹唯一性识别方法 |
CN108537782A (zh) * | 2018-04-02 | 2018-09-14 | 东北大学 | 一种基于轮廓提取的建筑物图像匹配与融合的方法 |
Non-Patent Citations (2)
Title |
---|
蒋朝辉等: "基于分数阶的多向微分算子的高炉料面轮廓自适应检测", 《自动化学报》 * |
高美欢等: "基于MATLAB的图像边缘检测算法的比较与分析", 《北京测绘》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084306A (zh) * | 2019-04-30 | 2019-08-02 | 北京字节跳动网络技术有限公司 | 用于生成动态图像的方法和装置 |
CN110084306B (zh) * | 2019-04-30 | 2022-03-29 | 北京字节跳动网络技术有限公司 | 用于生成动态图像的方法和装置 |
CN110136180A (zh) * | 2019-05-16 | 2019-08-16 | 东莞职业技术学院 | 基于Choquet积分的图像模板匹配系统及算法 |
CN110136180B (zh) * | 2019-05-16 | 2021-07-02 | 东莞职业技术学院 | 基于Choquet积分的图像模板匹配系统及算法 |
CN110598795A (zh) * | 2019-09-17 | 2019-12-20 | 展讯通信(上海)有限公司 | 图像差异检测方法及装置、存储介质、终端 |
CN110909750A (zh) * | 2019-11-14 | 2020-03-24 | 展讯通信(上海)有限公司 | 图像差异检测方法及装置、存储介质、终端 |
CN110909750B (zh) * | 2019-11-14 | 2022-08-19 | 展讯通信(上海)有限公司 | 图像差异检测方法及装置、存储介质、终端 |
CN111798628A (zh) * | 2020-07-03 | 2020-10-20 | 陈泽坤 | 一种锁扣式劳动工具的管理方法 |
CN112188108A (zh) * | 2020-10-26 | 2021-01-05 | 咪咕文化科技有限公司 | 拍摄方法、终端和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109308716A (zh) | 一种图像匹配方法、装置、电子设备及存储介质 | |
DE102020100684B4 (de) | Kennzeichnung von graphischen bezugsmarkierern | |
CN107862247B (zh) | 一种人脸活体检测方法及终端设备 | |
CN108805023B (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
CN110381369A (zh) | 推荐信息植入位置的确定方法、装置、设备及存储介质 | |
US9401027B2 (en) | Method and apparatus for scene segmentation from focal stack images | |
CN104754211B (zh) | 图像处理装置以及图像处理方法 | |
CN104484855B (zh) | 图片裁剪的方法和装置 | |
US9311567B2 (en) | Manifold learning and matting | |
CN110163831B (zh) | 三维虚拟沙盘的物体动态展示方法、装置及终端设备 | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
CN109409377B (zh) | 图像中文字的检测方法及装置 | |
CN108647634A (zh) | 图像边框查找方法、装置、计算机设备及存储介质 | |
CN105096330A (zh) | 一种自动识别纯色边框的图像处理方法、系统及拍摄终端 | |
CN105069453A (zh) | 一种图像校正方法及装置 | |
US20170032580A1 (en) | Edge preserving color smoothing of 3d models | |
CN108960012B (zh) | 特征点检测方法、装置及电子设备 | |
CN108737875A (zh) | 图像处理方法及装置 | |
CN107506738A (zh) | 特征提取方法、图像识别方法、装置及电子设备 | |
CN107944478A (zh) | 图像识别方法、系统以及电子设备 | |
CN116311083B (zh) | 一种人群计数模型训练方法及系统 | |
CN115063861A (zh) | 模型训练方法、图像背景相似判断方法及装置 | |
CN108764248B (zh) | 图像特征点的提取方法和装置 | |
CN109325497A (zh) | 一种图像二值化方法、装置、电子设备及存储介质 | |
CN102156968B (zh) | 一种基于颜色立方先验的单一图像能见度复原方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191126 Address after: Room 105-53811, No. 6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Applicant after: Zhuhai Seal Interest Technology Co., Ltd. Address before: 519070, No. 10, main building, No. six, science Road, Harbour Road, Tang Wan Town, Guangdong, Zhuhai, 601F Applicant before: Zhuhai Juntian Electronic Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190205 |
|
RJ01 | Rejection of invention patent application after publication |