CN109344832B - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN109344832B CN109344832B CN201811019940.XA CN201811019940A CN109344832B CN 109344832 B CN109344832 B CN 109344832B CN 201811019940 A CN201811019940 A CN 201811019940A CN 109344832 B CN109344832 B CN 109344832B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- height
- pixel
- boundary
- 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.)
- Active
Links
Images
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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Abstract
本公开涉及一种图像处理方法及装置、电子设备和存储介质,所述方法包括:对目标图像进行二值化处理,获得处理后的第一图像;根据第一图像中像素点的灰度值,获得目标图像中每个目标对象的对象高度;根据对象高度对第一图像进行边界增强处理,获得第二图像;根据第二图像中沿第一方向设置的探测线,确定目标对象之间的边界。根据本公开的实施例的图像处理方法,根据第一图像的像素点,获得目标对象的对象高度,可准确地确定每个目标对象的高度。根据对象高度进行边界增强,可提高识别边界的准确度。进一步地,通过在边界增强后的第二图像中设置探测线来确定目标对象之间的边界,可确定相互堆叠的目标对象之间的边界。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
在相关技术中,通常根据图像的灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,上述特征在同一区域内具有相似性,在不同区域间呈现出差异性。如果图像中的物体之间的颜色或纹理等特征具有相似性,且相互堆叠放置,则难以识别物体之间的边界。
发明内容
本公开提出了一种图像处理方法及装置、电子设备和存储介质。
根据本公开的一方面,提供了一种图像处理方法,包括:
对目标图像进行二值化处理,获得处理后的第一图像,所述目标图像中包括堆叠的多个目标对象;
根据所述第一图像中多个像素点的灰度值,获得所述目标图像中每个目标对象在第一方向上的对象高度,其中,所述多个目标对象在第一方向上的对象高度相等;
根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像;
根据所述第二图像中沿所述第一方向设置的多条探测线,确定所述多个目标对象之间的边界。
根据本公开的实施例的图像处理方法,根据二值化处理后的第一图像的像素点,获得堆叠的每个目标对象的高度,可准确地确定每个目标对象的高度。根据所述高度进行边界增强处理,可使目标对象之间的边界更清晰,提高识别边界的准确度。进一步地,通过在边界增强处理后的第二图像中设置探测线来确定多个目标对象之间的边界,可准确地确定相互堆叠的目标对象之间的边界。
在一种可能的实现方式中,所述第一图像在所述第一方向上具有M个像素点以及M个像素高度,在与所述第一方向垂直的第二方向上具有N个像素点,
其中,根据所述第一图像中多个像素点的灰度值,获取所述目标图像中每个目标对象在第一方向上的对象高度,包括:
对处于目标像素高度的N个像素点的灰度值进行求和处理,获得与所述目标像素高度对应的求和值,其中,所述目标像素高度为所述第一方向上的M个像素高度中的任意一个;
根据与所述M个像素高度对应的M个求和值,确定求和值与像素高度之间的关系曲线;
对所述关系曲线进行第一傅里叶变换,获得所述第一方向上的像素高度的像素频率分布;
根据所述像素频率分布,确定所述目标图像中每个目标对象在第一方向上的对象高度。
通过这种方式,可使用傅里叶变换的方式通过像素频率分布中的最大值来确定每个目标对象的高度,可准确识别多个堆叠的目标对象中的每个目标对象的对象高度,无需在经过二值化处理的第一图像中直接识别堆叠的目标对象的高度,降低了识别的误差,提高了识别高度的准确度。
在一种可能的实现方式中,根据所述像素频率分布,确定所述目标图像中每个物体沿第一方向的对象高度,包括:
确定所述像素频率分布中的最大值对应的第一方向上的目标高度;
将所述目标高度确定为所述目标图像中每个目标对象沿第一方向的对象高度。
通过这种方式,可通过在像素频率分布中确定最大值,来确定对象高度,确定高度的方法简单准确,提高了识别高度的准确度。
在一种可能的实现方式中,根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像,包括:
将所述第一图像沿所述第一方向平移所述对象高度,获得平移后的第三图像;
将所述第一图像和所述第三图像进行叠加处理,获得所述第二图像。
通过这种方式,可通过将第一图像和第三图像进行叠加处理,使边界附近的模糊的位置减少,使第二图像的边界比第一图像中的边界更清晰,提高识别边界的准确度。
在一种可能的实现方式中,根据所述第二图像中沿所述第一方向设置的多条探测线,确定所述多个目标对象之间的边界,包括:
对目标探测线的邻域内的像素点的灰度值进行第二傅里叶变换,获得所述目标探测线的邻域内的像素点的相位信息,其中,所述目标探测线为所述多条探测线中的任意一条;
根据所述相位信息,确定所述目标探测线上的分界点的位置;
根据所述多条探测线上的分界点的位置,确定所述多个目标对象之间的边界。
通过这种方式,可使用傅里叶变换的方式通过频域图像中的高频位置来确定分界点的位置,进而确定边界的位置,可准确地识别分界点的位置,无需直接识别堆叠的目标对象之间的边界,降低了识别过程的复杂度,并降低了识别误差,提高了识别的准确度。
在一种可能的实现方式中,所述方法还包括:
根据所述多个目标对象之间的边界对所述目标图像进行分割,获得分别与每个目标对象对应的第四图像;
对所述第四图像进行识别处理,获得多个目标对象的特征信息,其中,所述特征信息包括目标对象的类别。
通过这种方式,可分别识别单个目标对象的第四图像,无需对堆叠的多个目标对象进行识别,降低了识别目标对象的复杂度,节省计算开销,提高识别准确度。
根据本公开的另一方面,提供了一种图像处理装置,包括:
二值化模块,用于对目标图像进行二值化处理,获得处理后的第一图像,所述目标图像中包括堆叠的多个目标对象;
对象高度获取模块,用于根据所述第一图像中多个像素点的灰度值,获得所述目标图像中每个目标对象在第一方向上的对象高度,其中,所述多个目标对象在第一方向上的对象高度相等;
边界增强模块,用于根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像;
边界确定模块,用于根据所述第二图像中沿所述第一方向设置的多条探测线,确定所述多个目标对象之间的边界。
在一种可能的实现方式中,所述第一图像在所述第一方向上具有M个像素点以及M个像素高度,在与所述第一方向垂直的第二方向上具有N个像素点,
其中,所述对象高度获取模块进一步用于:
对处于目标像素高度的N个像素点的灰度值进行求和处理,获得与所述目标像素高度对应的求和值,其中,所述目标像素高度为所述第一方向上的M个像素高度中的任意一个;
根据与所述M个像素高度对应的M个求和值,确定求和值与像素高度之间的关系曲线;
对所述关系曲线进行第一傅里叶变换,获得所述第一方向上的像素高度的像素频率分布;
根据所述像素频率分布,确定所述目标图像中每个目标对象在第一方向上的对象高度。
在一种可能的实现方式中,所述对象高度获取模块进一步用于:
确定所述像素频率分布中的最大值对应的第一方向上的目标高度;
将所述目标高度确定为所述目标图像中每个目标对象沿第一方向的对象高度。
在一种可能的实现方式中,所述边界增强模块进一步用于:
将所述第一图像沿所述第一方向平移所述对象高度,获得平移后的第三图像;
将所述第一图像和所述第三图像进行叠加处理,获得所述第二图像。
在一种可能的实现方式中,所述边界确定模块进一步用于:
对目标探测线的邻域内的像素点的灰度值进行第二傅里叶变换,获得所述目标探测线的邻域内的像素点的相位信息,其中,所述目标探测线为所述多条探测线中的任意一条;
根据所述相位信息,确定所述目标探测线上的分界点的位置;
根据所述多条探测线上的分界点的位置,确定所述多个目标对象之间的边界。
在一种可能的实现方式中,所述装置还包括:
分割模块,用于根据所述多个目标对象之间的边界对所述目标图像进行分割,获得分别与每个目标对象对应的第四图像;
识别模块,用于对所述第四图像进行识别处理,获得多个目标对象的特征信息,其中,所述特征信息包括目标对象的类别。
根据本公开的另一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述图像处理方法。
根据本公开的另一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述图像处理方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像处理方法的流程图;
图2示出根据本公开实施例的图像处理方法的流程图;
图3A-图3E示出根据本公开实施例的图像处理方法的应用示意图;
图4示出根据本公开实施例的图像处理装置的框图;
图5示出根据本公开实施例的图像处理装置的框图;
图6示出根据本公开实施例的电子设备的框图;
图7示出根据本公开实施例的电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的图像处理方法的流程图。如图1所示,所述方法包括:
在步骤S11中,对目标图像进行二值化处理,获得处理后的第一图像,所述目标图像中包括堆叠的多个目标对象;
在步骤S12中,根据所述第一图像中多个像素点的灰度值,获得所述目标图像中每个目标对象在第一方向上的对象高度,其中,所述多个目标对象在第一方向上的对象高度相等;
在步骤S13中,根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像;
在步骤S14中,根据所述第二图像中沿所述第一方向设置的多条探测线,确定所述多个目标对象之间的边界。
根据本公开的实施例的图像处理方法,根据二值化处理后的第一图像的像素点,获得堆叠的每个目标对象的高度,可准确地确定每个目标对象的高度。根据所述高度进行边界增强处理,可使目标对象之间的边界更清晰,提高识别边界的准确度。进一步地,通过在边界增强处理后的第二图像中设置探测线来确定多个目标对象之间的边界。可准确地确定相互堆叠的目标对象之间的边界。
在一种可能的实现方式中,所述图像处理方法的执行主体可以是图像处理装置,例如,所述图像处理方法可以由电子设备,例如终端设备或服务器或其它处理设备执行,其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,所述图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
在一种可能的实现方式中,可获取堆叠的多个目标对象的图像,所述多个目标对象可堆叠在一起,所述多个目标对象的高度相同或近似相同,例如,所述堆叠的多个目标对象可以是堆叠在一起的硬币,硬币的厚度(即所述目标对象的高度)相同。在示例中,所述多个目标对象可以是形状相同的多个目标对象,例如,所述堆叠的多个目标对象可以是堆叠在一起的多个哑铃片、轮胎或圆盘等物体,所述堆叠的多个目标对象的纹理可不同,例如,不同的轮胎花纹等。本公开对目标对象的种类不做限制。
在一种可能的实现方式中,可通过图像获取装置(例如,相机或摄像头等)获取堆叠的多个目标对象的原始图像,并可对所述堆叠的多个目标对象的原始图像进行滤波、降噪和调整对比度等预处理操作,获得所述目标图像。
在一种可能的实现方式中,在步骤S11中,可对目标图像进行二值化处理,获得第一图像。在示例中,可设定二值化处理的灰度阈值(例如100、128或150等,本公开对所述灰度阈值不做限制),将灰度值大于或等于灰度阈值的像素点的灰度值设为255,将灰度值小于灰度阈值的像素点的灰度值设为0。即,对目标图像进行二值化处理后,可获得黑白效果的第一图像。本公开对灰度阈值的具体取值不作限制。
在一种可能的实现方式中,在步骤S12中,可根据第一图像中多个像素点的灰度值,获得所述目标图像中每个目标对象在第一方向上的对象高度。在示例中,多个目标对象沿第一方向(例如,图像中的竖直方向,即,Y方向)堆叠在一起,目标对象的高度方向与第一方向相同,且多个目标对象在第一方向上的对象高度相等。在示例中,第一图像具有M×N个像素点,第一图像在所述第一方向上具有M个像素点以及M个像素高度,在与所述第一方向垂直的第二方向(例如,图像中的水平方向,即,X方向)上具有N个像素点。
在一种可能的实现方式中,在步骤S12中,根据所述第一图像中多个像素点的灰度值,获取所述目标图像中每个目标对象在第一方向上的对象高度,可包括:
对处于目标像素高度的N个像素点的灰度值进行求和处理,获得与所述目标像素高度对应的求和值,其中,所述目标像素高度为所述第一方向上的M个像素高度中的任意一个;根据与所述M个像素高度对应的M个求和值,确定求和值与像素高度之间的关系曲线;对所述关系曲线进行第一傅里叶变换,获得所述第一方向上的像素高度的像素频率分布;根据所述像素频率分布,确定所述目标图像中每个目标对象在第一方向上的对象高度。
在一种可能的实现方式中,在第一图像中,每个像素高度均具有N个像素点,N个像素点的灰度值为0或255。可对具有目标像素高度的N个像素点的灰度值进行求和,可获得具有目标像素高度的N个像素点的灰度值的求和值,即,与目标像素高度对应的求和值。所述目标像素高度为所述第一方向上的M个像素高度中的任意一个。通过这种方式,可分别获得与每个像素高度对应的求和值,即,可获得M个求和值。
在一种可能的实现方式中,可根据与M个像素高度对应的M个求和值,确定求和值与像素高度之间的关系曲线。每个像素高度均对应一个求和值,M个像素高度分别与M个求和值对应,可根据M个像素高度和M个求和值之间的对应关系,确定M个像素高度和M个求和值之间的关系曲线,例如,可将横坐标确定为像素高度,并将纵坐标确定为求和值,在该坐标系中绘制求和值与像素高度之间的关系曲线。
在一种可能的实现方式中,可对所述关系曲线进行第一傅里叶变换,获得第一方向上的像素高度的像素频率分布。在示例中,第一傅里叶变换可以是一维傅里叶变换,可将像素高度与所述求和值之间的关系变换为求和值的频率与像素高度之间的关系,即像素频率分布。
在一种可能的实现方式中,可根据所述像素频率分布,确定每个目标对象在第一方向上的对象高度。在示例中,可确定所述像素频率分布中的最大值对应的第一方向上的目标高度;将所述目标高度确定为所述目标图像中每个目标对象沿第一方向的对象高度。
通过这种方式,可通过在像素频率分布中确定最大值,来确定对象高度,确定高度的方法简单准确,提高了识别高度的准确度。
在一种可能的实现方式中,在所述关系曲线中,可具有多个峰值,每个峰值可对应于堆叠的多个目标对象之间的边界,在对关系曲线进行第一傅里叶变换后,可获得像素频率分布,在像素频率分布中的最大值表示关系曲线中的峰值出现的频率,其对应的像素高度即为所述目标高度。所述目标高度即为每个目标对象沿第一方向的对象高度。
通过这种方式,可使用傅里叶变换的方式通过像素频率分布中的最大值来确定每个目标对象的高度,可准确识别多个堆叠的目标对象中的每个目标对象的对象高度,无需在经过二值化处理的第一图像中直接识别堆叠的目标对象的高度,降低了识别的误差,提高了识别高度的准确度。
在一种可能的实现方式中,在步骤S13中,由于堆叠在一起的目标对象的形状可相同,且不同目标对象之间的纹理可不同,在二值化处理时,在第一图像中,可能产生模糊的边界。根据对象高度,可对第一图像进行边界增强处理,获得边界比较清晰的第二图像。
在一种可能的实现方式中,根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像,包括:将所述第一图像沿所述第一方向平移所述对象高度,获得平移后的第三图像;将所述第一图像和所述第三图像进行叠加处理,获得所述第二图像。
在一种可能的实现方式中,多个堆叠的目标对象的对象高度可以是相同的。在二值化的第一图像中,将所有像素点沿第一方向(例如,Y方向)进行平移,可获得平移后的第三图像,在平移时,可沿第一方向向上平移,也可沿第一方向向下平移,平移的距离为所述对象高度,本公开对平移方向不做限制。在示例中,将第一图像的像素点向上平移所述对象高度,则第一图像中的任一目标对象在第一图像中的位置与第三图像中的下一个目标对象所处的位置相同,例如,第一图像中的第一个目标对象的位置和第三图像中的第二个目标对象所处的位置相同。
在一种可能的实现方式中,可将第一图像和第三图像进行叠加处理,获得第二图像。在叠加时,可对每个位置的像素点的灰度值进行叠加,如果在第一图像和第三图像的相同位置中,两个像素点的灰度值均为0,则叠加后的像素点的灰度值仍为0;如果在第一图像和第三图像的相同位置中,一个像素点的灰度值为255,另一个像素点的灰度值为0,则叠加后的像素点的灰度值为255;如果在第一图像和第三图像的相同位置中,两个像素点的灰度值为255,则叠加后的像素点的灰度值仍为255。即,将一个边界附近的像素点的灰度值和下一个边界附近的像素点的灰度值进行叠加,增加了边界附近的非边界位置的灰度值为255的像素点的数量,使得不同的目标对象的边界附近的模糊的位置减少,边界更清晰。
通过这种方式,可通过将第一图像和第三图像进行叠加处理,使边界附近的模糊的位置减少,使第二图像的边界比第一图像中的边界更清晰,提高识别边界的准确度。
在一种可能的实现方式中,在步骤S14中,可在第二图像中确定目标对象之间的边界。在示例中,可在第二图像中,沿目标对象的高度方向(即,第一方向)设置多条探测线,并可根据第二图像中沿第一方向设置的多条探测线,确定所述多个目标对象之间的边界。具体包括:对目标探测线的邻域内的像素点的灰度值进行第二傅里叶变换,获得所述目标探测线的邻域内的像素点的相位信息,其中,所述目标探测线为所述多条探测线中的任意一条;根据所述相位信息,确定所述目标探测线上的分界点的位置;根据所述多条探测线上的分界点的位置,确定所述多个目标对象之间的边界。
在一种可能的实现方式中,可沿第一方向(例如,Y方向)设置多条探测线。在示例中,可在第二图像的X方向的长度的20%-80%的范围内,沿Y方向设置多条探测线,探测线之间的间隔可相同,例如,X方向的总长度为1080个像素点,可在X方向上的长度为第216个像素点至第864个像素点之间设置沿Y方向设置多条探测线,例如,可每隔108个像素点可设置一条探测线,即,在X方向上的长度的第216个像素点、第324个像素点、第432个像素点、第540个像素点、第648个像素点、第756个像素点和第864个像素点的位置分别沿Y方向设置探测线。
在一种可能的实现方式中,可对目标探测线的邻域内的像素点的灰度值进行第二傅里叶变换,获得所述目标探测线的邻域内的像素点的相位信息,其中,目标探测线为所述多条探测线中的任意一条。
在示例中,图片的分辨率为1080×768,其中,X方向的长度为1080个像素点,Y方向的高度为768个像素点。分别在X方向的长度的第216个像素点、第324个像素点、第432个像素点、第540个像素点、第648个像素点、第756个像素点和第864个像素点的位置设置了沿Y方向的探测线,每条探测线的长度可以是768个像素点。可对目标探测线邻域的20个像素点的邻域内的像素点的灰度值进行第二傅里叶变换,例如,目标探测线为在X方向的长度的第216个像素点的位置设置的探测线,则目标探测线的邻域的范围为:X方向的长度的第196个像素点的位置至第236个像素点的位置,Y方向上的高度为第0个像素点的位置至第768个像素点的位置,即,目标探测线的邻域为X方向上的第196个像素点至第236个像素点,且Y方向上的第0个像素点至第768个像素点的矩形区域。
在示例中,可对该区域内的像素点的灰度值进行第二傅里叶变换,所述第二傅里叶变换可以是二维傅里叶变换,即,对每个二维坐标位置的像素点的灰度值进行傅里叶变换,可获得像素点的灰度值的频域图像。
在一种可能的实现方式中,可根据所述相位信息,确定目标探测线上的分界点的位置。在示例中,在所述频域图像中,频率表征第二图像中的灰度值的变化,如果第二图像中灰度值变化缓慢,则频率较低,如果第二图像中灰度值变化快,则频率较高。在第二图像中,目标探测线与边界的交点位置频率变化较快,因此,可在所述频域图像中确定高频位置所对应的相位,该相位为高频位置的偏移量,即,目标探测线上的分界点的位置。通过这种方式,可获得目标探测线上的所有分界点的位置,每个分界点均为目标探测线与第二图像中的目标对象之间的边界的交点。在示例中,还可确定任意一个分界点的位置,并将该分界点沿Y方向进行平移,每平移一个对象高度,即可确定一个新的分界点的位置。本公开对确定分界点位置的方式不做限制。
在一种可能的实现方式中,可通过上述方式,获得所有探测线上的分界点的位置。在示例中,可根据高频位置所对应的相位来确定同一个边界上的分界点,例如,第一探测线上共确定出三个分界点,分别与其频域图像中的三个高频位置对应,第二探测线上也确定出三个分界点,分别与其频域图像中的三个高频位置对应,则第一探测线上的第一个高频位置对应的分界点与第二探测线上的第一个高频位置对应的分界点处于同一个边界上,通过这种方式,可确定所有处于同一个边界上的分界点,因此可根据处于同一个边界上的分界点来确定该边界,例如,将这些分界点进行连接,即可获得该边界。类似地,可获得所有的边界。
通过这种方式,可使用傅里叶变换的方式通过频域图像中的高频位置来确定分界点的位置,进而确定边界的位置,可准确地识别分界点的位置,无需直接识别堆叠的目标对象之间的边界,降低了识别过程的复杂度,并降低了识别误差,提高了识别的准确度。
在一种可能的实现方式中,在获得堆叠的目标对象之间的边界后,可对目标图像进行分割。
图2示出根据本公开实施例的图像处理方法的流程图。如图2所示,所述方法还包括:
在步骤S15中,根据所述多个目标对象之间的边界对所述目标图像进行分割,获得分别与每个目标对象对应的第四图像;
在步骤S16中,对所述第四图像进行识别处理,获得多个目标对象的特征信息,其中,所述特征信息包括目标对象的类别。
在一种可能的实现方式中,在步骤S15中,可根据所述边界在第二图像中的位置,确定所述边界在目标图像中的位置,可根据目标对象之间的边界对目标图像进行分割,可获得分别与每个目标对象对应的第四图像。在示例中,每个第四图像中包括一个目标对象。
在一种可能的实现方式中,在步骤S16中,可对第四图像进行识别,例如,可将多个第四图像分别输入分类神经网络或图像识别神经网络进行识别,可获得第四图像中的目标对象的特征信息,例如,可获得目标对象的类别。在示例中,所述特征信息还可包括目标对象的颜色、纹理和材质等属性,本公开对特征信息的类型不做限制。例如,堆叠的多个目标对象为硬币,第四图像可以是单个硬币的图像,可对第四图像进行识别,可识别单个硬币的面值等信息,而无需对堆叠的多个硬币进行识别,节省计算开销,提高识别准确度。
通过这种方式,可分别识别单个目标对象的第四图像,无需对堆叠的多个目标对象进行识别,降低了识别目标对象的复杂度,节省计算开销,提高识别准确度。
图3A-图3E示出根据本公开实施例的图像处理方法的应用示意图。如图3A所示,图3A为所述目标图像,在目标图像中,目标对象为多个堆叠的圆盘,圆盘的形状和高度相同,纹理可不同。所述目标图像可以是将图像获取装置(例如,相机或摄像头等)获取的原始图像进行滤波、降噪和调整对比度等预处理操作后获得的。
在一种可能的实现方式中,可对目标图像进行二值化处理,即,设定二值化处理的灰度阈值,并将灰度值大于或等于灰度阈值的像素点的灰度值设为255,将灰度值小于灰度阈值的像素点的灰度值设为0,可获得黑白效果的第一图像(如图3B所示)。
在一种可能的实现方式中,第一图像的Y方向(竖直方向)上具有M个像素点以及M个像素高度,X方向(水平方向)上具有N个像素点,堆叠的圆盘的高度方向为Y方向,可对每个像素高度的N各像素点的灰度值进行求和,获得M个求和值。每个求和值分别与各自的像素高度对应,将像素高度作为横轴,将求和值作为纵轴,可获得求和值与像素高度之间的关系曲线(如图3C所示)。
在一种可能的实现方式中,可对所述关系曲线进行傅里叶变换,获得像素频率分布,并在所述像素频率分布中确定最大值对应的Y方向上的目标高度,将该目标高度确定为每个目标对象在Y方向上的对象高度,其中,多个目标对象在Y方向上的对象高度相等。
在一种可能的实现方式中,可根据对象高度,对第一图像进行边界增强处理,获得第二图像。在示例中,可将第一图像的所有像素点向上平移,平移的距离为所述对象高度,可获得平移后的第三图像,将第三图像和第二图像进行叠加,获得边界增强处理后的第二图像(如图3D所示)。
在一种可能的实现方式中,可在第二图像中沿Y方向设置多条探测线,例如,在X方向的长度的20%-80%的范围内,沿Y方向设置多条探测线,探测线之间的间隔可相等,可对每条探测线的邻域内的像素点的灰度值进行第二傅里叶变换,可获得频域图像,在频域图像中可获得高频位置所对应的相位,即,目标探测线上的分界点的位置。可根据多条探测线上的分界点的位置,确定边界在第二图像中的位置。根据边界在第二图像中的位置,可确定边界在目标图像中的位置(如图3E所示)。
在一种可能的实现方式中,可根据边界对目标图像进行分割,获得多个第四图像,每个第四图像可包括单个目标图像。可通过分类神经网络或图像识别神经网络对第四图像进行识别,可获得目标对象的类别、颜色、纹理和材质等特征信息。
根据本公开的实施例的图像处理方法,使用傅里叶变换的方式通过像素频率分布中的最大值来确定每个目标对象的高度,无需在经过二值化处理的第一图像中直接识别堆叠的目标对象的高度,提高了识别高度的准确度。通过叠加处理,使边界更清晰,提高了识别边界的准确度。进一步地,通过在边界增强处理后的第二图像中设置探测线,并对探测线的邻域内的像素点进行傅里叶变换来确定多个目标对象之间的边界,可准确地确定相互堆叠的目标对象之间的边界,降低了识别过程的复杂度,并降低了识别误差,提高了识别的准确度。根据所述边界对目标图像进行分割,并对分割后获得的多个第四图像进行识别,可降低识别目标对象的复杂度,节省计算开销,提高识别准确度。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图4示出根据本公开实施例的图像处理装置的框图。如图4所示,所述装置包括:
二值化模块11,用于对目标图像进行二值化处理,获得处理后的第一图像,所述目标图像中包括堆叠的多个目标对象;
对象高度获取模块12,用于根据所述第一图像中多个像素点的灰度值,获得所述目标图像中每个目标对象在第一方向上的对象高度,其中,所述多个目标对象在第一方向上的对象高度相等;
边界增强模块13,用于根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像;
边界确定模块14,用于根据所述第二图像中沿所述第一方向设置的多条探测线,确定所述多个目标对象之间的边界。
在一种可能的实现方式中,所述第一图像在所述第一方向上具有M个像素点以及M个像素高度,在与所述第一方向垂直的第二方向上具有N个像素点,
其中,所述对象高度获取模块12进一步用于:
对处于目标像素高度的N个像素点的灰度值进行求和处理,获得与所述目标像素高度对应的求和值,其中,所述目标像素高度为所述第一方向上的M个像素高度中的任意一个;
根据与所述M个像素高度对应的M个求和值,确定求和值与像素高度之间的关系曲线;
对所述关系曲线进行第一傅里叶变换,获得所述第一方向上的像素高度的像素频率分布;
根据所述像素频率分布,确定所述目标图像中每个目标对象在第一方向上的对象高度。
在一种可能的实现方式中,所述对象高度获取模块12进一步用于:
确定所述像素频率分布中的最大值对应的第一方向上的目标高度;
将所述目标高度确定为所述目标图像中每个目标对象沿第一方向的对象高度。
在一种可能的实现方式中,所述边界增强模块13进一步用于:
将所述第一图像沿所述第一方向平移所述对象高度,获得平移后的第三图像;
将所述第一图像和所述第三图像进行叠加处理,获得所述第二图像。
在一种可能的实现方式中,所述边界确定模块14进一步用于:
对目标探测线的邻域内的像素点的灰度值进行第二傅里叶变换,获得所述目标探测线的邻域内的像素点的相位信息,其中,所述目标探测线为所述多条探测线中的任意一条;
根据所述相位信息,确定所述目标探测线上的分界点的位置;
根据所述多条探测线上的分界点的位置,确定所述多个目标对象之间的边界。
图5示出根据本公开实施例的图像处理装置的框图。如图5所示,所述装置还包括:
分割模块15,用于根据所述多个目标对象之间的边界对所述目标图像进行分割,获得分别与每个目标对象对应的第四图像;
识别模块16,用于对所述第四图像进行识别处理,获得多个目标对象的特征信息,其中,所述特征信息包括目标对象的类别。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6是根据一示例性实施例示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图6,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种图像处理方法,其特征在于,包括:
对目标图像进行二值化处理,获得处理后的第一图像,所述目标图像中包括堆叠的多个目标对象;
根据所述第一图像中多个像素点的灰度值,获得所述目标图像中每个目标对象在第一方向上的对象高度,其中,所述第一方向与所述目标对象的高度方向相同,所述多个目标对象在第一方向上的对象高度相等;
根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像;
根据所述第二图像中沿所述第一方向设置的多条探测线,确定所述多个目标对象之间的边界。
2.根据权利要求1所述的方法,其特征在于,所述第一图像在所述第一方向上具有M个像素点以及M个像素高度,在与所述第一方向垂直的第二方向上具有N个像素点,所述像素高度为像素点在第一方向上的高度,
其中,根据所述第一图像中多个像素点的灰度值,获取所述目标图像中每个目标对象在第一方向上的对象高度,包括:
对处于目标像素高度的N个像素点的灰度值进行求和处理,获得与所述目标像素高度对应的求和值,其中,所述目标像素高度为所述第一方向上的M个像素高度中的任意一个;
根据与所述M个像素高度对应的M个求和值,确定求和值与像素高度之间的关系曲线;
对所述关系曲线进行第一傅里叶变换,获得所述第一方向上的像素高度的像素频率分布;
根据所述像素频率分布,确定所述目标图像中每个目标对象在第一方向上的对象高度。
3.根据权利要求2所述的方法,其特征在于,根据所述像素频率分布,确定所述目标图像中每个物体沿第一方向的对象高度,包括:
确定所述像素频率分布中的最大值对应的第一方向上的目标高度;
将所述目标高度确定为所述目标图像中每个目标对象沿第一方向的对象高度。
4.根据权利要求1所述的方法,其特征在于,根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像,包括:
将所述第一图像沿所述第一方向平移所述对象高度,获得平移后的第三图像;
将所述第一图像和所述第三图像进行叠加处理,获得所述第二图像。
5.根据权利要求1所述的方法,其特征在于,根据所述第二图像中沿所述第一方向设置的多条探测线,确定所述多个目标对象之间的边界,包括:
对目标探测线的邻域内的像素点的灰度值进行第二傅里叶变换,获得所述目标探测线的邻域内的像素点的相位信息,其中,所述目标探测线为所述多条探测线中的任意一条;
根据所述相位信息,确定所述目标探测线上的分界点的位置;
根据所述多条探测线上的分界点的位置,确定所述多个目标对象之间的边界。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述多个目标对象之间的边界对所述目标图像进行分割,获得分别与每个目标对象对应的第四图像;
对所述第四图像进行识别处理,获得多个目标对象的特征信息,其中,所述特征信息包括目标对象的类别。
7.一种图像处理装置,其特征在于,包括:
二值化模块,用于对目标图像进行二值化处理,获得处理后的第一图像,所述目标图像中包括堆叠的多个目标对象;
对象高度获取模块,用于根据所述第一图像中多个像素点的灰度值,获得所述目标图像中每个目标对象在第一方向上的对象高度,其中,所述第一方向与所述目标对象的高度方向相同,所述多个目标对象在第一方向上的对象高度相等;
边界增强模块,用于根据所述对象高度对所述第一图像进行边界增强处理,获得第二图像;
边界确定模块,用于根据所述第二图像中沿所述第一方向设置的多条探测线,确定所述多个目标对象之间的边界。
8.根据权利要求7所述的装置,其特征在于,所述第一图像在所述第一方向上具有M个像素点以及M个像素高度,在与所述第一方向垂直的第二方向上具有N个像素点,所述像素高度为像素点在第一方向上的高度,
其中,所述对象高度获取模块进一步用于:
对处于目标像素高度的N个像素点的灰度值进行求和处理,获得与所述目标像素高度对应的求和值,其中,所述目标像素高度为所述第一方向上的M个像素高度中的任意一个;
根据与所述M个像素高度对应的M个求和值,确定求和值与像素高度之间的关系曲线;
对所述关系曲线进行第一傅里叶变换,获得所述第一方向上的像素高度的像素频率分布;
根据所述像素频率分布,确定所述目标图像中每个目标对象在第一方向上的对象高度。
9.根据权利要求8所述的装置,其特征在于,所述对象高度获取模块进一步用于:
确定所述像素频率分布中的最大值对应的第一方向上的目标高度;
将所述目标高度确定为所述目标图像中每个目标对象沿第一方向的对象高度。
10.根据权利要求7所述的装置,其特征在于,所述边界增强模块进一步用于:
将所述第一图像沿所述第一方向平移所述对象高度,获得平移后的第三图像;
将所述第一图像和所述第三图像进行叠加处理,获得所述第二图像。
11.根据权利要求7所述的装置,其特征在于,所述边界确定模块进一步用于:
对目标探测线的邻域内的像素点的灰度值进行第二傅里叶变换,获得所述目标探测线的邻域内的像素点的相位信息,其中,所述目标探测线为所述多条探测线中的任意一条;
根据所述相位信息,确定所述目标探测线上的分界点的位置;
根据所述多条探测线上的分界点的位置,确定所述多个目标对象之间的边界。
12.根据权利要求7所述的装置,其特征在于,所述装置还包括:
分割模块,用于根据所述多个目标对象之间的边界对所述目标图像进行分割,获得分别与每个目标对象对应的第四图像;
识别模块,用于对所述第四图像进行识别处理,获得多个目标对象的特征信息,其中,所述特征信息包括目标对象的类别。
13.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至6中任意一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811019940.XA CN109344832B (zh) | 2018-09-03 | 2018-09-03 | 图像处理方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811019940.XA CN109344832B (zh) | 2018-09-03 | 2018-09-03 | 图像处理方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109344832A CN109344832A (zh) | 2019-02-15 |
CN109344832B true CN109344832B (zh) | 2021-02-02 |
Family
ID=65292209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811019940.XA Active CN109344832B (zh) | 2018-09-03 | 2018-09-03 | 图像处理方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344832B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264489B (zh) * | 2019-06-24 | 2022-07-05 | 北京奇艺世纪科技有限公司 | 一种图像边界检测方法、装置及终端 |
CN111062237A (zh) * | 2019-09-05 | 2020-04-24 | 商汤国际私人有限公司 | 识别图像中的序列的方法及装置、电子设备和存储介质 |
CN111062401A (zh) * | 2019-09-27 | 2020-04-24 | 商汤国际私人有限公司 | 堆叠物体的识别方法及装置、电子设备和存储介质 |
CN111223787B (zh) * | 2020-01-02 | 2023-04-07 | 长江存储科技有限责任公司 | 三维存储器的沟槽结构测量方法、装置、设备及介质 |
CN111444807B (zh) * | 2020-03-19 | 2023-09-22 | 北京迈格威科技有限公司 | 目标检测方法、装置、电子设备和计算机可读介质 |
SG10202007347VA (en) * | 2020-08-01 | 2021-09-29 | Sensetime Int Pte Ltd | Method, apparatus and system for identifying target objects |
AU2020294280A1 (en) | 2020-08-01 | 2022-02-17 | Sensetime International Pte. Ltd. | Method, apparatus and system for identifying target objects |
CN113140005B (zh) * | 2021-04-29 | 2024-04-16 | 上海商汤科技开发有限公司 | 目标对象定位方法、装置、设备及存储介质 |
WO2022269320A1 (en) * | 2021-06-21 | 2022-12-29 | Sensetime International Pte. Ltd. | Method and apparatus for detecting object exchange behavior, electronic device and storage medium |
WO2023047166A1 (en) * | 2021-09-21 | 2023-03-30 | Sensetime International Pte. Ltd. | Method, apparatus and device for recognizing stacked objects, and computer storage medium |
WO2023047172A1 (en) * | 2021-09-24 | 2023-03-30 | Sensetime International Pte. Ltd. | Methods for identifying an object sequence in an image, training methods, apparatuses and devices |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104024792A (zh) * | 2011-11-07 | 2014-09-03 | 株式会社神户制钢所 | 轮胎形状检查方法以及轮胎形状检查装置 |
CN104240204A (zh) * | 2014-09-11 | 2014-12-24 | 镇江苏仪德科技有限公司 | 一种基于图像处理的太阳能硅片和电池片的计数方法 |
CN105590318A (zh) * | 2015-12-16 | 2016-05-18 | 中科院广州电子技术有限公司 | 一种叠层纸张计数方法及装置 |
CN106886997A (zh) * | 2015-12-15 | 2017-06-23 | 株式会社理光 | 识别堆叠物体的方法和装置 |
CN107945192A (zh) * | 2017-12-14 | 2018-04-20 | 北京信息科技大学 | 一种托盘纸箱垛型实时检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3048555B1 (en) * | 2013-09-20 | 2020-07-15 | Fujitsu Limited | Image processing device, image processing method, and image processing program |
-
2018
- 2018-09-03 CN CN201811019940.XA patent/CN109344832B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104024792A (zh) * | 2011-11-07 | 2014-09-03 | 株式会社神户制钢所 | 轮胎形状检查方法以及轮胎形状检查装置 |
CN104240204A (zh) * | 2014-09-11 | 2014-12-24 | 镇江苏仪德科技有限公司 | 一种基于图像处理的太阳能硅片和电池片的计数方法 |
CN104240204B (zh) * | 2014-09-11 | 2017-02-15 | 镇江苏仪德科技有限公司 | 一种基于图像处理的太阳能硅片和电池片的计数方法 |
CN106886997A (zh) * | 2015-12-15 | 2017-06-23 | 株式会社理光 | 识别堆叠物体的方法和装置 |
CN105590318A (zh) * | 2015-12-16 | 2016-05-18 | 中科院广州电子技术有限公司 | 一种叠层纸张计数方法及装置 |
CN107945192A (zh) * | 2017-12-14 | 2018-04-20 | 北京信息科技大学 | 一种托盘纸箱垛型实时检测方法 |
Non-Patent Citations (1)
Title |
---|
"层叠太阳能硅片图像纹理提取与计数技术研究";张千;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160815(第8期);正文72-85页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109344832A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344832B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111339846B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN110348537B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109829501B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109522910B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN110647834B (zh) | 人脸和人手关联检测方法及装置、电子设备和存储介质 | |
CN110688951B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109544560B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109697734B (zh) | 位姿估计方法及装置、电子设备和存储介质 | |
CN110889469B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
EP3099075B1 (en) | Method and device for processing identification of video file | |
CN109948494B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN106127751B (zh) | 图像检测方法、装置以及系统 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN111340733B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110944230B (zh) | 视频特效的添加方法、装置、电子设备及存储介质 | |
CN111243011A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN111126108A (zh) | 图像检测模型的训练和图像检测方法及装置 | |
CN111640114B (zh) | 图像处理方法及装置 | |
CN114187498A (zh) | 遮挡检测方法及装置、电子设备和存储介质 | |
CN111583142A (zh) | 图像降噪方法及装置、电子设备和存储介质 | |
CN111311588B (zh) | 重定位方法及装置、电子设备和存储介质 | |
CN112967264A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN109889693B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN111275191B (zh) | 检测细胞的方法及装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |