CN109325497A - 一种图像二值化方法、装置、电子设备及存储介质 - Google Patents
一种图像二值化方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109325497A CN109325497A CN201811102611.1A CN201811102611A CN109325497A CN 109325497 A CN109325497 A CN 109325497A CN 201811102611 A CN201811102611 A CN 201811102611A CN 109325497 A CN109325497 A CN 109325497A
- Authority
- CN
- China
- Prior art keywords
- color component
- image
- binaryzation
- value
- pixel
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像二值化方法、装置、电子设备及存储介质，包括：首先获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；接着根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；然后根据所述二值化像素值，将所述目标图像转换为二值图像。采用本发明实施例，可以有效去除背景干扰，从而提高图像识别的准确度。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种图像二值化方法、装置、电子设备及存储介质。
背景技术
目前，图像识别在手机游戏、人脸识别和无人驾驶等领域占据重要地位，其中，通常通过将实时截取的目标图像与已知图像元素的模板图像进行匹配，当目标图像与模板图像相匹配时，确定目标图像中的图像元素与模板图像相同，从而达到识别目标图像的目的。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，在准确度要求高，尤其是在目标图像的背景颜色是半透明或可变的情况下，目标图像与模板图像的匹配准确度普遍偏低，导致图像的识别率低，无法满足应用需求。因此，在进行匹配之前需要对图像进行二值化处理，图像二值化处理是指将图像转换为只包含两种颜色的图像，通常二值化后的图像仅包含纯黑色和纯白色两种颜色。现有的图像二值化算法通常是将每个像素的RGB值中的红色分量(R值)、绿色分量(G值)和蓝色分量(B值)进行加权、平均或取其中的最大值后与预设阈值进行比较以便确定将像素设置为纯黑色像素还是纯白色像素，然而在这种将RGB值的三个分量做统一处理的方法中不容易找到合适的阈值，而且在图像背景半透明的情况下，图像二值化的效果不理想，无法去除背景干扰，导致图像识别的准确度低。
发明内容
本发明实施例提供一种图像二值化方法、装置、电子设备及存储介质。可以有效去除背景干扰，从而提高图像识别的准确度。
本发明实施例第一方面提供了一种图像二值化方法，包括：
获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；
根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；
根据所述二值化像素值，将所述目标图像转换为二值图像。
其中，所述根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值包括：
将所述每种颜色分量与对应的所述预设区间进行比较，确定所述每种颜色分量是否属于对应的所述预设区间；
根据所述每种颜色分量与对应的所述预设区间的比较结果，确定所述二值化像素值。
其中，所述将所述每种颜色分量与对应的所述预设区间进行比较，确定所述每种颜色分量是否属于对应的所述预设区间包括：
当所述每种颜色分量属于对应的所述预设区间时，将所述比较结果确定为1；或
当所述每种颜色分量不属于对应的所述预设区间时，将所述比较结果确定为0。
其中，所述根据所述每种颜色分量与对应的所述预设区间的比较结果，确定所述二值化像素值包括：
将所述多种颜色分量与对应的所述预设区间的所述比较结果进行逻辑运算；
根据逻辑运算的结果，确定所述二值化像素值。
其中，所述根据逻辑运算的结果，确定所述二值化像素值包括：
当所述逻辑运算的结果为1时，确定所述二值化像素值为第一目标颜色的像素值；或
当所述逻辑运算的结果为0时，确定所述二值化像素值为第二目标颜色的像素值。
其中，所述根据所述二值化像素值，将所述目标图像转换为二值图像之后，还包括：
将所述二值图像与模板图像进行匹配，确定所述目标图像与所述模板图像的相似度，所述模板图像为已确定图像元素且经过二值化处理的图像；
当所述相似度大于预设阈值时，确定所述目标图像与所述模板图像包含相同的所述图像元素。
其中，所述多种颜色分量包括第一颜色分量、第二颜色分量、第三颜色分量、色调分量、颜色饱和度分量和颜色明度分量中的至少一种。
相应地，本发明实施例第二方面提供了一种图像二值化装置，包括：
获取模块，用于获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；
确定模块，用于根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；
转换模块，根据所述二值化像素值，将所述目标图像转换为二值图像。
其中，所述确定模块还用于：
将所述每种颜色分量与对应的所述预设区间进行比较，确定所述每种颜色分量是否属于对应的所述预设区间；
根据所述每种颜色分量与对应的所述预设区间的比较结果，确定所述二值化像素值。
其中，所述确定模块还用于：
当所述每种颜色分量属于对应的所述预设区间时，将所述比较结果确定为1；或
当所述每种颜色分量不属于对应的所述预设区间时，将所述比较结果确定为0。
其中，所述确定模块还用于：
将所述多种颜色分量与对应的所述预设区间的所述比较结果进行逻辑运算；
根据逻辑运算的结果，确定所述二值化像素值。
其中，所述确定模块还用于：
当所述逻辑运算的结果为1时，确定所述二值化像素值为第一目标颜色的像素值；或
当所述逻辑运算的结果为0时，确定所述二值化像素值为第二目标颜色的像素值。
其中，所述装置还包括匹配模块，用于：
将所述二值图像与模板图像进行匹配，确定所述目标图像与所述模板图像的相似度，所述模板图像为已确定图像元素且经过二值化处理的图像；
当所述相似度大于预设阈值时，确定所述目标图像与所述模板图像包含相同的所述图像元素。
其中，其特征在于，所述多种颜色分量包括第一颜色分量、第二颜色分量、第三颜色分量、色调分量、颜色饱和度分量和颜色明度分量中的至少一种。
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二值化方法。
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二值化方法。
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二值化方法。
实施本发明实施例，在进行图像匹配之前，首先获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；接着根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；然后根据所述二值化像素值，将所述目标图像转换为二值图像。可以有效去除背景干扰，从而提高图像识别的准确度。
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二值化方法的流程示意图；
图2是本发明实施例提供的一种像素的示意图；
图3是本发明实施例提供的一种图像二值化的效果示意图；
图4是本发明实施例提供的另一种图像二值化方法的流程示意图；
图5是本发明实施例提供的一种图像二值化装置的结构示意图；
图6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二值化方法的流程示意图。如图所示，本发明实施例中的方法包括：
S101，获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间。
具体实现中，可以首先利用图像处理工具(如OpenCV)获取每个像素的第一颜色分量、第二颜色分量和第三颜色分量中的至少一项。其中，像素是图像的最小组成单位，如图2所示，图像可以看作是由许多具有明确的位置和颜色的小方块组成的，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，每个小方块就是一个像素。每个像素的第一颜色分量、第二颜色分量和第三颜色可以是RGB颜色模式中的红色分量(R值)、绿色分量(G值)和蓝色分量(B值)，在RGB模式中R值、G值和B值可以为0～255之间的任意整数。其中，可以根据目标图像对应的模板图像确定每种颜色分量的预设区间。例如，R值对应的预设区间为[180,210]，G值对应的预设区间为[200,255]以及B值对应的预设区间为[0,100]。
S102，根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值。
具体实现中，可以将每种颜色分量与对应的预设区间进行比较，确定每种颜色分量是否属于对应的预设区间；并根据每种颜色分量与对应的预设区间的比较结果，确定二值化像素值。其中，可以当每种颜色分量属于对应的预设区间时，将比较结果确定为1。而当每种颜色分量不属于对应的预设区间时，将比较结果确定为0。例如，因为R值145大于等于130且小于等于150，则确定R值属于R值对应的区间[130,145]，所以将R值的比较结果确定为1。其中，预设区间可以是[130,150]、[0,112]以及[145,255]等相同形式的连续区间，也可以为一个目标值，如10、345等等，预设区间为一个目标值也可以看作是预设区间的两个端点相等的特殊情况。当预设区间为一个目标值时，若每种颜色分量与目标值相等，则确定比较结果为1，若不相等，则确定比较结果为0。然后，将多种颜色分量与对应的预设区间的比较结果进行逻辑运算，其中，逻辑运算包括“与”、“或”和“非”三种基本运算。例如，R值、G值和B值的比较结果分别为1、0和0，则可以首先将R值的比较结果1和G值的比较结果0进行“或”运算得到1，再将得到的1与B值的比较结果0进行“与”运算得到0，并确定最终的逻辑运算的结果为0。其中，将R值、G值和B值进行逻辑运算的运算规则可以根据实际应用场景来确定，例如，可以将R值、G值和B值的比较结果全部进行“与”运算来得到逻辑运算的结果，或者将比较结果全部进行“或”运算来得到逻辑运算的结果，或者将比较结果中的两个进行“与”再与第三个进行“或”运算，或者将比较结果中的两个进行“或”再与第三个进行“与”运算。最后根据逻辑运算的结果，确定每个像素的二值化像素值。其中，根据“与”、“或”和“非”的运算法则可知逻辑运算的结果包括且仅包括0和1两种，因此，可以当逻辑运算的结果为1时，表示该像素满足二值化为第一目标颜色的条件，第一目标颜色可以为纯白色，则将该像素的二值化像素值确定为纯白色的像素值，其中，纯白色的像素值为255(R值＝G值＝B值＝255)。当逻辑运算的结果为0时，表示该像素满足二值化为第二目标颜色的条件，第二目标颜色可以为纯黑色，则将该像素的二值化像素值确定为纯黑色的像素值，纯黑色的像素值为0(R值＝G值＝B值＝0)。
例如：像素1的R值为186、G值为85以及B值为211。其中，R值186属于区间[123,189]，因此将R值与[123,189]的比较结果确定为1。G值85不属于区间[156,255]，因此将G值与[156,255]的比较结果确定为0。B值211不等于目标值10，因此将B值与目标值10的比较结果确定为0。然后将R值和G值的比较结果求“或”运算之后，再和B值的比较结果作“与”运算。其中，可以将R值、G值和B值代入(1)式所示的表达式进行运算，为了表达式的简洁，将R值记为R、将G值记为G以及将B值记为B。在(1)式中“&&”表示“与”运算，“||”表示“或”运算，“＝＝”表示检查符号两边的值是否相等，其中，按照RGB标准，RGB值处于0～255之间，因此将R值、G值和B值与0和255进行比较毫无意义，从而可以在表达式中将其忽略。根据逻辑运算的法则，得到(1)式的运算结果为0，从而确定像素1的二值化像素值为纯黑色的像素值0，即在二值化之后像素1为纯黑色像素。
R>＝123&&R<＝189||G>＝156&&B＝＝10 (1)
S103，根据所述二值化像素值，将所述目标图像转换为二值图像。
具体实现中，可以将二值化像素为第一目标颜色的像素值的像素转换成第一目标颜色，可以将二值化像素为第二目标颜色的像素值的像素转换成第二目标颜色。一般情况下，第一目标颜色为纯白色，第二目标颜色为纯黑色。如图3所示，在将目标图像中的每个像素进行转换之后得到的二值图像呈现出明显的黑白效果。
可选的，在将目标图像转换成二值图像之后，还可以利用基于图像模板匹配算法、直方图算法或其他图像匹配算法将二值图像与模板图像进行匹配，确定目标图像与模板图像的相似度，其中，模板图像是已确定图像元素且经过二值化处理的图像，图像元素是图像所呈现的图像内容，如图3所示，该图像的图像元素为“一棵大树”。当相似度大于预设阈值(如70、90等)时，确定目标图像与模板图像相匹配，从而确定目标图像与模板图像包含相同的图像元素。
在本发明实施例中，在进行图像匹配之前，首先获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；接着根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；然后根据所述二值化像素值，将所述目标图像转换为二值图像。可以有效去除背景干扰，从而提高图像识别的准确度。
请参考图4，图4是本发明实施例提供的另一种图像二值化方法的流程示意图。如图所示，本发明实施例中的方法包括：
S401，获取目标图像中每个像素的第一颜色分量、第二颜色分量和第三颜色分量中的至少一项。
具体实现中，第一颜色分量、第二颜色分量和第三颜色分量可以是RGB颜色模式中的R值、G值和B值。其中，可以利用图像处理工具(如OpenCV)获取每个像素的RGB值。
S402，确定预设表达式中是否包含色调分量、颜色饱和度分量和颜色明度分量。若是，则执行S403，若否，则执行S404。
具体实现中，色调分量、颜色饱和度分量和颜色明度分量可以是HSV颜色模型信息中的色调分量(H)、颜色饱和度分量(S)和颜色明度分量(V)，HSV颜色模型为根据颜色的直观特性创建的一种颜色空间，也称六角锥体模型。其中，H用角度度量，取值范围为0°～360°。S表示颜色接近光谱色的程度，取值范围通常为0％～100％，S值越大，颜色越饱和。明度表示颜色明亮的程度，取值范围通常为0％(黑)到100％(白)。预设表达式可以根据目标图像对应的模板图像的颜色分布来定义，预设表达式为关于RGB值、H、S和V的逻辑运算的表达式。预设表达式中包括RGB值中的一个或多个分量，以及预设表达式中可能包括H、S和V中的一个或多个。当预设表达式包括H、S和V中的任意一项时，执行S403，否则执行S404。其中，预设表达式可以但不限于为如(2)式所示的形式:
R>＝a&&R<＝b||G>c&&B＝＝d&&H＝＝e&&(S<＝f&&V<＝m)(2)
其中，a、b、c和d为0～255之间的任意整数，H为0°～360°之间的任意数以及f、m为0％～100％之间的任意数，a、b、c、d、f、e和m的具体数值可以根据目标图像对应的模板图像的颜色分布进行人工定义。
S403，获取每个像素的色调分量、颜色饱和度分量和颜色明度分量。
具体实现中，可以利用图像处理工具(如OpenCV)获取每个像素的HSV模型信息，从而获得色调分量、颜色饱和度分量和颜色明度分量。
S404，将第一颜色分量、第二颜色分量和第三颜色分量中的至少一项代入预设表达式中进行运算。
S405，将第一颜色分量、第二颜色分量和第三颜色分量中的至少一项、以及色调分量、颜色饱和度分量和颜色明度分量中的至少一项代入预设表达式中进行运算。
具体实现中，比如，根据模板图像和(2)式，得到如(3)式所示的预设表达式，然后将R值186、G值85、B值211、H值240°、S值110°和V值10°代入(3)式，根据逻辑运算的运算规则，可得到(3)式的运算结果为1。
R>＝123&&R<＝189||G>156&&B＝＝10&&H＝＝240°&&(S<＝120°&&V<＝10°)(3)
S406，根据预设表达式的运算结果，确定每个像素的二值化像素值。
具体实现中，预设表达式为一系列的逻辑运算，因此运算结果包括且仅包括0和1两种。其中，可以当运算结果为1时，将该像素的二值化像素值确定为纯白色的像素值，当运算结果为0时，将该像素的二值化像素值确定为纯黑色的像素值。
S407，根据所述二值化像素值，将所述目标图像转换成二值图像。本步骤与上一实施例中的S103相同，本步骤不再赘述。
以下通过一个具体的例子来对本发明实施中的图像二值化方法的应用进行说明。
例如：在手机游戏XX中，针对识别游戏界面中背景为半透明的“设置按钮”的情况，首先确定二值化表达式(比如(3)式)。在玩家游戏的过程中实时截屏以获取游戏界面，接着从游戏界面的预设位置截取目标图像，并获取目标图像中每个像素的RGB值和HSV模式信息，然后将RGB值和HSV模式信息中的颜色分量代入二值化表达式中进行运算，将运算结果为0的像素转换成纯白色以及将运算结果为1的像素转换成纯黑色，从而将目标图像二值化；最后利用图像模板匹配算法将二值化后的目标图像与“设置按钮”的模板图像进行匹配，得到目标图像与模板图像的相似度，当相似度大于70时，确定目标图像中的图像元素为“设置按钮”，其中，模板图像是提前准备好的图像元素为“设置按钮”且利用与目标图像相同的方法二值化后的图像。
在本发明实施例中，在本发明实施例中，在进行图像匹配之前，首先获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；接着根据所述多种颜色分量与所述预设区间的比较结果代入预设表达式中进行逻辑运算，并根据运算结果，确定所述每个像素的二值化像素值；然后根据所述二值化像素值，将所述目标图像转换为二值图像。其中，多种颜色分量包括RGB值中的颜色分量和HSV颜色模式中的色调分量、颜色饱和颜色明度分量，进一步提升图像二值化的效果，可以有效去除背景干扰，从而提高图像识别的准确度。
请参考图5，图5是本发明实施例提供的一种图像二值化装置的结构示意图。如图所示，本发明实施例中的装置包括：
获取模块501，用于获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间。
具体实现中，可以首先利用图像处理工具获取每个像素的第一颜色分量、第二颜色分量以及第三颜色分量中的至少一项。其中，像素是图像的最小组成单位，如图2所示，图像可以看作是由许多具有明确的位置和颜色的小方块组成的，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，每个小方块就是一个像素。每个像素的第一颜色分量、第二颜色分量和第三颜色可以是RGB颜色模式中的R值、G值和B值，在RGB模式中R值、G值和B值可以为0～255之间的任意整数。其中，可以根据目标图像对应的模板图像确定每种颜色分量的预设区间。
可选的，多种颜色分量还可以包括色调分量、颜色饱和度分量和颜色明度分量，具体可以是HSV颜色模型信息中的色调分量(H)、颜色饱和度分量(S)和颜色明度分量(V)。可以利用图像处理工具(如OpenCV)获取每个像素的HSV模型信息，从而获得色调分量、颜色饱和度分量和颜色明度分量。
确定模块502，用于根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值。
具体实现中，可以将每种颜色分量与对应的预设区间进行比较，确定每种颜色分量是否属于对应的预设区间；并根据每种颜色分量与对应的预设区间的比较结果，确定二值化像素值。其中，可以当每种颜色分量属于对应的预设区间时，将比较结果确定为1。而当每种颜色分量不属于对应的预设区间时，将比较结果确定为0。例如，因为R值145大于等于130且小于等于150，则确定R值属于R值对应的区间[130,145]，所以将R值的比较结果确定为1。其中，预设区间可以是[130,150]、[0,112]以及[145,255]等相同形式的连续区间，也可以为一个目标值，如10、345等等，预设区间为一个目标值也可以看作是预设区间的两个端点相等的特殊情况。当预设区间为一个目标值时，若每种颜色分量与目标值相等，则确定比较结果为1，若不相等，则确定比较结果为0。然后，将多种颜色分量与对应的预设区间的比较结果进行逻辑运算，其中，可以但不限按照(2)式对比较结果进行逻辑运算。再根据逻辑运算的结果，确定每个像素的二值化像素值，其中，逻辑运算包括“与”、“或”和“非”三种基本运算，逻辑运算的结果包括且仅包括0和1两种。最后，当逻辑运算的结果为1时，表示该像素满足二值化为第一目标颜色的条件，第一目标颜色可以为纯白色，则将该像素的二值化像素值确定为纯白色的像素值，其中，纯白色的像素值为255(R值＝G值＝B值＝255)。当逻辑运算的结果为0时，表示该像素满足二值化为第二目标颜色的条件，第二目标颜色可以为纯黑色，则将该像素的二值化像素值确定为纯黑色的像素值，纯黑色的像素值为0(R值＝G值＝B值＝0)。
转换模块503，用于根据所述二值化像素值，将所述目标图像转换为二值图像。
具体实现中，可以将二值化像素为第一目标颜色的像素值的像素转换成第一目标颜色，可以将二值化像素为第二目标颜色的像素值的像素转换成第二目标颜色。一般情况下，第一目标颜色为纯白色，第二目标颜色为纯黑色。如图3所示，在将目标图像中的每个像素进行转换之后得到的二值图像呈现出明显的黑白效果。
可选的，本发明实施例中的装置还可以包括匹配模块，用于在将目标图像转换成二值图像之后，还可以利用基于图像模板匹配算法、直方图算法或其他图像匹配算法将二值图像与模板图像进行匹配，确定目标图像与模板图像的相似度，其中，模板图像是已确定图像元素且经过二值化处理的图像。当相似度大于预设阈值(如70、90等)时，确定目标图像与模板图像相匹配。从而确定目标图像与模板图像包含相同的图像元素。
在本发明实施例中，在进行图像匹配之前，首先获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；接着根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；然后根据所述二值化像素值，将所述目标图像转换为二值图像。可以有效去除背景干扰，从而提高图像识别的准确度。
请参考图6，图6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601，例如CPU，至少一个通信接口602，至少一个存储器603，至少一个总线604。其中，总线604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602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603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603可选的还可以是至少一个位于远离前述处理器601的存储装置。存储器603中存储一组程序代码，且处理器601用于调用存储器中存储的程序代码，用于执行以下操作：
获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；
根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；
根据所述二值化像素值，将所述目标图像转换为二值图像。
其中，处理器601还用于执行如下操作步骤：
将所述每种颜色分量与对应的所述预设区间进行比较，确定所述每种颜色分量是否属于对应的所述预设区间；
根据所述每种颜色分量与对应的所述预设区间的比较结果，确定所述二值化像素值。
其中，处理器601还用于执行如下操作步骤：
当所述每种颜色分量属于对应的所述预设区间时，将所述比较结果确定为1；或
当所述每种颜色分量不属于对应的所述预设区间时，将所述比较结果确定为0。
其中，处理器601还用于执行如下操作步骤：
将所述多种颜色分量与对应的所述预设区间的所述比较结果进行逻辑运算；
根据逻辑运算的结果，确定所述二值化像素值。
其中，处理器601还用于执行如下操作步骤：
当所述逻辑运算的结果为1时，确定所述二值化像素值为第一目标颜色的像素值；或
当所述逻辑运算的结果为0时，确定所述二值化像素值为第二目标颜色的像素值。
其中，处理器601还用于执行如下操作步骤：
将所述二值图像与模板图像进行匹配，确定所述目标图像与所述模板图像的相似度，所述模板图像为已确定图像元素且经过二值化处理的图像；
当所述相似度大于预设阈值时，确定所述目标图像与所述模板图像包含相同的所述图像元素。
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4所示的一种图像二值化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4所示的一种图像二值化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)
1.一种图像二值化方法，其特征在于，所述方法应用于电子设备，所述方法包括：
获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；
根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；
根据所述二值化像素值，将所述目标图像转换为二值图像。
2.如权利要求1所述的方法，其特征在于，所述根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值包括：
将所述每种颜色分量与对应的所述预设区间进行比较，确定所述每种颜色分量是否属于对应的所述预设区间；
根据所述每种颜色分量与对应的所述预设区间的比较结果，确定所述二值化像素值。
3.如权利要求2所述的方法，其特征在于，所述将所述每种颜色分量与对应的所述预设区间进行比较，确定所述每种颜色分量是否属于对应的所述预设区间包括：
当所述每种颜色分量属于对应的所述预设区间时，将所述比较结果确定为1；或
当所述每种颜色分量不属于对应的所述预设区间时，将所述比较结果确定为0。
4.如权利要求2所述的方法，其特征在于，所述根据所述每种颜色分量与对应的所述预设区间的比较结果，确定所述二值化像素值包括：
将所述多种颜色分量与对应的所述预设区间的所述比较结果进行逻辑运算；
根据逻辑运算的结果，确定所述二值化像素值。
5.如权利要求4所述的方法，其特征在于，所述根据逻辑运算的结果，确定所述二值化像素值包括：
当所述逻辑运算的结果为1时，确定所述二值化像素值为第一目标颜色的像素值；或
当所述逻辑运算的结果为0时，确定所述二值化像素值为第二目标颜色的像素值。
6.如权利要求1所述的方法，其特征在于，所述根据所述二值化像素值，将所述目标图像转换为二值图像之后，还包括：
将所述二值图像与模板图像进行匹配，确定所述目标图像与所述模板图像的相似度，所述模板图像为已确定图像元素且经过二值化处理的图像；
当所述相似度大于预设阈值时，确定所述目标图像与所述模板图像包含相同的所述图像元素。
7.如权利要求1-6任一项所述的方法，其特征在于，所述多种颜色分量包括第一颜色分量、第二颜色分量、第三颜色分量、色调分量、颜色饱和度分量和颜色明度分量中的至少一种。
8.一种图像二值化装置，其特征在于，所述装置包括：
获取模块，用于获取目标图像中每个像素的多种颜色分量，所述多种颜色分量中每种颜色分量对应一个预设区间；
确定模块，用于根据所述多种颜色分量和所述预设区间，确定所述每个像素的二值化像素值；
转换模块，根据所述二值化像素值，将所述目标图像转换为二值图像。
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1-7任一项所述的图像二值化方法。
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1-7任一项所述的图像二值化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811102611.1A CN109325497A (zh) | 2018-09-20 | 2018-09-20 | 一种图像二值化方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811102611.1A CN109325497A (zh) | 2018-09-20 | 2018-09-20 | 一种图像二值化方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109325497A true CN109325497A (zh) | 2019-02-12 |
Family
ID=65265581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811102611.1A Pending CN109325497A (zh) | 2018-09-20 | 2018-09-20 | 一种图像二值化方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109325497A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111243039A (zh) * | 2020-01-07 | 2020-06-05 | 卡莱特（深圳）云科技有限公司 | 一种调整图像颜色的方法及装置 |
| CN111753800A (zh) * | 2020-07-03 | 2020-10-09 | 深圳市安法影像技术有限公司 | 隧道入口的检测方法及检测装置、存储介质、设备 |
| CN112465893A (zh) * | 2020-11-05 | 2021-03-09 | 内蒙古工业大学 | 一种植被叶片面积测量方法、装置、终端及存储介质 |
| CN113361483A (zh) * | 2021-07-07 | 2021-09-07 | 合肥英睿系统技术有限公司 | 一种交通限速标志检测方法、装置、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
| CN102275382A (zh) * | 2011-06-01 | 2011-12-14 | 西安理工大学 | 一种彩色印刷品套准偏差自动检测方法 |
| CN102663391A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术（中国）有限公司 | 一种图像的多特征提取与融合方法及系统 |
| CN103034836A (zh) * | 2011-09-29 | 2013-04-10 | 株式会社理光 | 道路标志检测方法和道路标志检测设备 |
| CN104463167A (zh) * | 2014-11-20 | 2015-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种餐厅自动结算方法及系统 |
| CN105373794A (zh) * | 2015-12-14 | 2016-03-02 | 河北工业大学 | 一种车牌识别方法 |
| CN105407251A (zh) * | 2014-09-09 | 2016-03-16 | 佳能株式会社 | 图像处理装置及图像处理方法 |
| CN107767379A (zh) * | 2017-11-16 | 2018-03-06 | 桂林电子科技大学 | Pcb板标注印刷质量检测方法 |
| 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 CN201811102611.1A patent/CN109325497A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
| CN102275382A (zh) * | 2011-06-01 | 2011-12-14 | 西安理工大学 | 一种彩色印刷品套准偏差自动检测方法 |
| CN103034836A (zh) * | 2011-09-29 | 2013-04-10 | 株式会社理光 | 道路标志检测方法和道路标志检测设备 |
| CN102663391A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术（中国）有限公司 | 一种图像的多特征提取与融合方法及系统 |
| CN105407251A (zh) * | 2014-09-09 | 2016-03-16 | 佳能株式会社 | 图像处理装置及图像处理方法 |
| CN104463167A (zh) * | 2014-11-20 | 2015-03-25 | 中国科学院上海微系统与信息技术研究所 | 一种餐厅自动结算方法及系统 |
| CN105373794A (zh) * | 2015-12-14 | 2016-03-02 | 河北工业大学 | 一种车牌识别方法 |
| CN107767379A (zh) * | 2017-11-16 | 2018-03-06 | 桂林电子科技大学 | Pcb板标注印刷质量检测方法 |
| 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 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111243039A (zh) * | 2020-01-07 | 2020-06-05 | 卡莱特（深圳）云科技有限公司 | 一种调整图像颜色的方法及装置 |
| CN111243039B (zh) * | 2020-01-07 | 2023-10-10 | 卡莱特云科技股份有限公司 | 一种调整图像颜色的方法及装置 |
| CN111753800A (zh) * | 2020-07-03 | 2020-10-09 | 深圳市安法影像技术有限公司 | 隧道入口的检测方法及检测装置、存储介质、设备 |
| CN112465893A (zh) * | 2020-11-05 | 2021-03-09 | 内蒙古工业大学 | 一种植被叶片面积测量方法、装置、终端及存储介质 |
| CN113361483A (zh) * | 2021-07-07 | 2021-09-07 | 合肥英睿系统技术有限公司 | 一种交通限速标志检测方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109325497A (zh) | 一种图像二值化方法、装置、电子设备及存储介质 | |
| CN107862247B (zh) | 一种人脸活体检测方法及终端设备 | |
| US9147236B2 (en) | Method and device for generating high dynamic range images | |
| CN108320312B (zh) | 图片的配色方法及装置、计算机终端 | |
| CN104076928B (zh) | 一种调整文字显示区域色调的方法 | |
| CN108279238A (zh) | 一种果实成熟度判断方法及装置 | |
| CN109308716A (zh) | 一种图像匹配方法、装置、电子设备及存储介质 | |
| CN110473242A (zh) | 一种纹理特征提取方法、纹理特征提取装置及终端设备 | |
| CN104052979B (zh) | 用于图像处理的装置和技术 | |
| CN111476849B (zh) | 对象颜色识别方法、装置、电子设备以及存储介质 | |
| CN108564526A (zh) | 一种图像处理方法、装置、电子设备及介质 | |
| CN110780961B (zh) | 一种调整应用界面文字颜色的方法、存储介质及终端设备 | |
| CN110599554A (zh) | 人脸肤色的识别方法和装置、存储介质及电子装置 | |
| CN108337496A (zh) | 白平衡处理方法、处理装置、处理设备及存储介质 | |
| CN108737875A (zh) | 图像处理方法及装置 | |
| Fernando et al. | Color features for dating historical color images | |
| CN111814862A (zh) | 果蔬识别方法及装置 | |
| CN116188808A (zh) | 图像特征提取方法和系统、存储介质及电子设备 | |
| CN108399617A (zh) | 一种动物健康状况的检测方法和装置 | |
| CN108471536A (zh) | Alpha通道传输方法及装置、终端装置及存储介质 | |
| CN106846421A (zh) | 一种肤色检测方法及装置 | |
| CN109255387A (zh) | 一种图像匹配方法、装置、电子设备及存储介质 | |
| CN104601859B (zh) | 颜色转换装置和颜色转换方法 | |
| CN105740820B (zh) | 辨别用图片的获取方法和辨别用图片的获取系统 | |
| CN111127618A (zh) | 一种实时渲染时的纹理调色方法及装置 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191125 Address after: Room 105-53811, No. 6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Applicant after: Zhuhai Leopard 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. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190212 |