CN109544583B - 一种提取皮革图像感兴趣区域的方法、装置及设备 - Google Patents
一种提取皮革图像感兴趣区域的方法、装置及设备 Download PDFInfo
- Publication number
- CN109544583B CN109544583B CN201811408380.7A CN201811408380A CN109544583B CN 109544583 B CN109544583 B CN 109544583B CN 201811408380 A CN201811408380 A CN 201811408380A CN 109544583 B CN109544583 B CN 109544583B
- Authority
- CN
- China
- Prior art keywords
- image
- color space
- leather
- component
- whole
- 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
- 239000010985 leather Substances 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000011218 segmentation Effects 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
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
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种提取皮革图像感兴趣区域的方法、装置、设备及计算机存储介质,包括:对待检测的整张皮革图像进行高斯滤波处理,得到整张皮革图像的去噪图像;分别将整张皮革图像的原始图像和去噪图像由RGB颜色空间转换为Lab颜色空间,提取并利用所述原始图像的色度分量均值和所述去噪图像的色度分量;计算得到整张皮革图像的显著图;计算显著图的目标分割阈值,并对显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像;根据所述二值图像和所述原始图像,计算得到所述整张皮革图像的感兴趣区域。本发送所提供的方法、装置、设备及计算机存储介质,具有边缘清晰,不受光照影响的特性,可以快速有效的提取整块皮革图像内的感兴趣区域。
Description
技术领域
本发明涉及数字图像处理技术领域,特别是涉及一种提取皮革图像感兴趣区域的方法、装置、设备以及计算机可读存储介质。
背景技术
我国是一个皮革产品消费的大国,人们对皮革的消费越来越多,对皮革产品的质量要求越来越高。但是在这样的高需求之下,皮革行业的自动化水平却不尽如人意,难以跟上时代的步伐,所以研究皮革破损检测,早日实现皮革行业提高自动化水平,具有里程牌式的意义。
而在工业生产中快速而又准确的去除整张皮革图片中的背景部分,提取感兴趣(ROI)区域,能够提高皮革破损检测的效率。
现有技术中通常采用的是图像分割方法提取整张皮革图像ROI区域。通用的图像分割方法包括:基于区域的分割方法,基于灰度图像阈值的分割方法,基于边缘的分割方法,基于人工智能的分割方法。
基于区域的分割方法,是以直接寻找区域为基础的分割方法,具体算法有区域生长和区域分离与合并算法。该方法在分割面积较大的皮革区域时,计算速度比较慢,而且该方法对噪声比较敏感,容易在分割的过程中形成孔状和不连续的区域,分割效果不大理想。
基于灰度图像阈值的分割方法将灰度根据主观愿望分成一个或多个的等间隔或不等间隔的灰度区间。该方法在灰度图像中比较难以找到最佳的灰度阈值,像素本身的灰度值是该方法考虑比较多的地方,但其不注重图像的空间分布。这样的方法分割出来的皮革图像的结果对噪声比较敏感,光照分布不均匀时对其结果影响也比较大,难以达到理想的效果,同时,在进行批量皮革图像背景处理时,处理结果不尽如人意。
基于边缘的分割方法,通过搜索不同的区域之间的边界,来完成对图像的分割。由于皮革图像背景的内部纹理和缺陷的原因,运用该方法进行图像分割时,会容易导致误检测为伪边缘,在对皮革背景进行边缘检测时,抗燥性和检测精度是一个难点。在提高抗燥性时,容易造成位置偏差和轮廓漏检,在提高检测精度时,由于噪声影响比较大的缘故容易产生伪边缘,进而容易导致不合理的轮廓产生。基于人工智能的分割方法,例如基于聚类或神经网络的图像分割方法等,运用这些方法一般都能得到比较好的图像分割结果,但是它们都没有时效性,当我们用聚类的办法处理高清的皮革图像时,得到的各个像素是独立处理的,且数据量大,拓扑结构不足,计算速度较慢。
因此当整张皮革图像中存在光照不均,内部缺陷等影响,现有技术所提供的方法难以快速有效的提取整张皮革图像的ROI区域。
综上所述可以看出,如何克服光照不均有效提取整张皮革图像的感兴趣区域是目前有待解决的问题。
发明内容
本发明的目的是提供一种提取皮革图像感兴趣区域的方法、装置、设备以及计算机可读存储介质,以解决现有技术中当整张皮革图像存储光照不均的现象时那样快速有效的提取整张皮革图像的感兴趣区域。
为解决上述技术问题,本发明提供一种提取皮革图像感兴趣区域的方法,包括:对待检测的整张皮革图像进行高斯滤波处理,得到所述整张皮革图像的去噪图像;分别将所述整张皮革图像的原始图像和所述去噪图像由RGB颜色空间转换为Lab颜色空间后,提取所述原始图像的色度分量均值和所述去噪图像的色度分量;利用所述原始图像的色度分量均值和所述去噪图像的色度分量,计算得到所述整张皮革图像的显著图;计算所述显著图的目标分割阈值,并对所述显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像;根据所述二值图像和所述原始图像,计算得到所述整张皮革图像的感兴趣区域。
优选地,所述对待检测的整张皮革图像进行高斯滤波处理,得到所述整张皮革图像的去噪图像包括:
其中,(x,y)为所述整张皮革图像的像素点坐标,σ为高斯函数的标准差。
优选地,分别将所述去噪图像和所述整张皮革图像的原始图像由RGB颜色空间转换为Lab颜色空间包括:
将所述去噪图像由RGB颜色空间转换为XYZ颜色空间后,再转换为Lab颜色空间;
将所述原始图像由RGB颜色空间转换为XYZ颜色空间后,再转换为Lab颜色空间。
优选地,所述将所述原始图像由RGB颜色空间转换为XYZ颜色空间后,再转换为Lab颜色空间包括:
利用:
X=R*0.4124+G*0.3576+B*0.1805
Y=R*0.2126+G*0.7152+B*0.0722
Z=R*0.0193+G*0.1192+B*0.9505
将所述整张皮革图像的原始图像由RGB颜色空间转换为XYZ颜色空间;
利用:
L*=116f(Y/Yn)-16
a*=500[f(X/Xn)-f(Y/Yn)]
b*=200[f(Y/Yn)-f(Z/Zn)]
将所述原始图像由XYZ颜色空间转换为Lab颜色空间;
其中,L*,a*,b*分别为所述原始图像Lab颜色空间的三个通道的值,X,Y,Z为所述原始图像由所述RGB颜色空间转到所述XYZ颜色空间之后的值,Xn,Yn,Zn分别为95.047,100.0,108.883。
优选地,所述利用所述原始图像的色度分量均值和所述去噪图像的色度分量,计算得到所述整张皮革图像的显著图包括:
其中,a分量为色度红色到绿色的范围,b分量为色度从黄色到蓝色的范围,af和bf分别为所述去噪图像的Lab颜色空间的a、b分量;
其中,amean和bmean分别为所述原始图像转换为所述Lab颜色空间的a、b分量均值;
利用S(x,y)=||Hu-Hf||计算得到所述整张皮革图像的显著图。
优选地,所述计算所述显著图的目标分割阈值,并对所述显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像包括:
利用最大类内方差法计算所述显著图的目标分割阈值;
根据所述目标分割阈值对所述显著图进行二值化操作,得到所述整张皮革图像初始二值图像;
标记所述初始二值图像中的多个连通区域,计算各个连通区域的面积;
查找所述多个连通区域中面积最大的目标连通区域,所述目标连通区域的灰度值不变;
将所述多个连通区域中除所述目标连通区域外的其他连通区域的灰度值均置为1,从而得到所述整张皮革图像中皮革区域的二值图像。
优选地,所述根据所述二值图像和所述原始图像,计算得到所述整张皮革图像的感兴趣区域包括:
利用所述二值图像和所述原始图像进行布尔运算,得到所述整张皮革图像的感兴趣区域。
本发明还提供了一种提取皮革图像感兴趣区域的装置,包括:
滤波模块,用于对待检测的整张皮革图像进行高斯滤波处理,得到所述整张皮革图像的去噪图像;
转换模块,用于分别将所述整张皮革图像的原始图像和所述去噪图像由RGB颜色空间转换为Lab颜色空间后,提取所述原始图像的色度分量均值和所述去噪图像的色度分量;
第一计算模块,用于利用所述原始图像的色度分量均值和所述去噪图像的色度分量,计算得到所述整张皮革图像的显著图;
二值化模块,用于计算所述显著图的目标分割阈值,并对所述显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像;
第二计算模块,用于根据所述二值图像和所述原始图像,计算得到所述整张皮革图像的感兴趣区域。
本发明还提供了一种提取皮革图像感兴趣区域的设备,包括:
存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种提取皮革图像感兴趣区域的方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种提取皮革图像感兴趣区域的方法的步骤。
本发明所提供的提取皮革图像感兴趣区域的方法,通过对所述整张皮革图像进行高斯滤波处理,可以过滤一些所述整张皮革图像上的噪声并减少皮革区域缺陷与纹理的影响。对所述整张皮革图像滤波处理后得到所述整张皮革图像的去噪图像。Lab颜色空间的L分量代表图像的亮度,a和b分量代表图像的色度分量。在本发明中将所述去噪图像由RGB颜色空间转换为Lab颜色空间,提取所述去噪图像的色度分量。将未进行滤波处理的整块皮革图像的原始图像由所述RGB颜色空间转换为Lab颜色空间,提取所述原始图像的a、b分量的均值。利用所述原始图像色度分量均值和所述去噪图像的色度分量计算所述整块皮革图像的显著图,去除了所述Lab颜色空间中亮度通道L,从而克服看整张皮革图像光照不均对背景去除的影响。本发明所提供的方法,具有边缘清晰,不受光照影响的特性,可以快速有效的提取整块皮革图像内的感兴趣区域,有效的分割出皮革区域部分,对皮革进行检测,并提高了生产效率。
相对应的,本发明所提供的装置、设备以及计算机可读存储介质均具有上述有益效果。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅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为本发明所提供的提取皮革图像感兴趣区域的方法的第一种具体实施例的流程图;
图2为本发明所提供的提取皮革图像感兴趣区域的方法的第二具体实施例的流程图;
图3为本发明实施例提供的一种提取皮革图像感兴趣区域的装置的结构框图。
具体实施方式
本发明的核心是提供一种提取皮革图像感兴趣区域的方法、装置、设备以及计算机可读存储介质,具有边缘清晰,不受光照影响的特性,可以快速有效的提取整块皮革图像内的感兴趣区域。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅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做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为本发明所提供的提取皮革图像感兴趣区域的方法的第一种具体实施例的流程图;具体操作步骤如下:
步骤S101:对待检测的整张皮革图像进行高斯滤波处理,得到所述整张皮革图像的去噪图像;
所述整张皮革图像具有单一背景。
本实施例中是使用带通滤波器去除整张皮革图像的背景部分,滤波器设置一个较小的低频值来获取整张皮革图像中最大的显著性目标并且均匀的突出显著性目标。同时,在滤波时需要保留高频部分来获取显著性区域的边界。本实施例选择高斯差分的结合作为带通滤波器,高斯差分的公式如下:
其中,σ1和σ2为高斯函数的标准差,(x,y)为所述整张皮革图像的像素点坐标。
当设定两个高斯方差成一定比例时,如当定义σ1=ρσ,σ2=σ时,ρ=σ1/σ2,则高斯差分的联合可由公式:
当σ1,σ2为确定值时便可以得到一个频带,但是用一个具有实际带宽的频带去处理图像不具有普遍性,因此,本实施例中取σ1为无穷大,当σ1为无穷大时,对图像的滤波就是计算整幅图像的平均值,而σ2在本实施例中取为3,滤去一些噪声及减少皮革区域缺陷与纹理等的影响。
步骤S102:分别将所述整张皮革图像的原始图像和所述去噪图像由RGB颜色空间转换为Lab颜色空间后,提取所述原始图像的色度分量均值和所述去噪图像的色度分量;
所述Lab颜色空间是一种基于生理特征的颜色系统,是用数字化的方法来描述人的视觉感应,可单独的表示图像的亮度(L分量)和色度值(a,b分量),可以更真实地反映人类视觉系统。其中L分量用于表示像素的亮度,a分量表示从红色到绿色的范围,b分量表示色度从黄色到蓝色的范围。为了减少光照不均对检测结果的影响,本实施例中将所述去噪图像转换为Lab颜色空间之后,去掉其中的L分量,只提取所述整张皮革图像的去噪图像的a,b(色度)分量,记为Hf;Hf为所述整张皮革图像的高斯模糊后的特征矢量;同时把所述整张皮革图像的原始图像转化为Lab颜色空间,提取a,b分量的均值,记为Hu;Hu为均值图像特征矢量。
由于所述原始图像的RGB颜色空间不能直接转换为Lab颜色空间,所述RGB颜色空间需要先转换为XYZ颜色空间,再转换为Lab颜色空间。
利用:
X=R*0.4124+G*0.3576+B*0.1805
Y=R*0.2126+G*0.7152+B*0.0722
Z=R*0.0193+G*0.1192+B*0.9505
将所述整张皮革图像的原始图像由RGB颜色空间转换为XYZ颜色空间;
利用:
L*=116f(Y/Yn)-16
a*=500[f(X/Xn)-f(Y/Yn)]
b*=200[f(Y/Yn)-f(Z/Zn)]
将所述原始图像由XYZ颜色空间转换为Lab颜色空间;
其中,L*,a*,b*分别为所述原始图像Lab颜色空间的三个通道的值,X,Y,Z为所述原始图像由所述RGB颜色空间转到所述XYZ颜色空间之后的值,Xn,Yn,Zn分别为95.047,100.0,108.883。
将所述去噪图像的RGB颜色空间首先转换为XYZ颜色空间,后再转换为Lab颜色空间。
步骤S103:利用所述原始图像的色度分量均值和所述去噪图像的色度分量,计算得到所述整张皮革图像的显著图;
利用S(x,y)=||Hu-Hf||计算得到所述整张皮革图像的显著图。
步骤S104:计算所述显著图的目标分割阈值,并对所述显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像;
步骤S105:根据所述二值图像和所述原始图像,计算得到所述整张皮革图像的感兴趣区域。
本实施例利用Lab颜色空间的三个通道,在计算所述整张皮革图像的显著图时,去除了Lab颜色空间中的亮度通道L,仅使用a,b两个色度通道来计算显著图;克服了光照不均对所述整张皮革图像中ROI区域检测结果的影响。
基于上述实施例,在本实施例中,利用最大类内方差法(OTSU)计算所述显著图的目标分组阈值,并进行分割得到二值化后的初始二值化图像。标记所述初始二值图像中的多个连通区域,计算各个连通区域的面积。保留所述初始二值化图像中最大的连通区域(背景区域),将其它区域灰度值置为1,得到提取ROI区域的模板二值图像。请参考图2,图2为本发明所提供的提取皮革图像感兴趣区域的方法的第二具体实施例的流程图;具体操作步骤如下:
步骤S201:对待检测的整张皮革图像进行高斯滤波处理,得到所述整张皮革图像的去噪图像;
步骤S202:将所述去噪图像由RGB颜色空间转换为XYZ颜色空间后,再转换为Lab颜色空间,提取所述去噪图像的Lab颜色空间的a分量和b分量,记为Hf;
步骤S203:将所述整张皮革图像的原始图像由RGB颜色空间转换为XYZ颜色空间后,再转换为Lab颜色空间,所述原始图像的Lab颜色空间的a分量和b分量的均值,记Hu;
步骤S204:利用所述Hf和所述Hu,计算所述整张皮革图像的显著图;
利用所述Hf和所述Hu求取所述整张皮革图像的显著性区域,并对所述显著性区域进行归一化后得到所述整张皮革图像的显著图。
步骤S205:利用最大类内方差法计算所述显著图的目标分割阈值;
在本实施例中,对所述显著图做自适应阈值分割自适应分割阈值定义为:
其中,threshold由OTSU(最大类内方差法)算法计算得到,其计算公式如下:
u=w0×u0+w1×u1
g=w0×(u0-u)2+w1×(u1-u)2
联立两个式子,得到:
g=w0×w1×(u0-u1)2或
其中,w0为前景像素占整张图像的比例,u0为前景像素的平均灰度,w1为背景像素占整张图像的比例,u1为背景像素的平均灰度,u为图像的总平均灰度,g为前景和背景的方差。寻找最大的方差g,此时前景和背景的差异最大,其对应的阈值threshold为目标分割阈值,即最佳分割阈值。
步骤S206:根据所述目标分割阈值对所述显著图进行二值化操作,得到所述整张皮革图像初始二值图像;
步骤S207:标记所述初始二值图像中的多个连通区域,计算各个连通区域的面积;
步骤S208:查找所述多个连通区域中面积最大的目标连通区域,所述目标连通区域的灰度值不变;
步骤S209:将所述多个连通区域中除所述目标连通区域外的其他连通区域的灰度值均置为1,从而得到所述整张皮革图像中皮革区域的二值图像;
步骤S210:利用所述二值图像和所述原始图像进行布尔运算,得到所述整张皮革图像的感兴趣区域。
通过计算得到所述整张皮革图像的感兴趣区域,得到分割结果;其中,I为所述皮革区域的二值图像,G为所述原始图像,H为提取ROI区域的模板图像
因为皮革区域占据图像的大部分面积,所以采用贴标签方法保留最大的连通区域,得到整张皮革图像的皮革区域二值图像。图像在经过二值化后,可能会生成不止一个连通区域,考虑到皮革区域是占据整张图像面积最大的部分,因此使用贴标签的方法来统计每一个连通区域的面积,找到最大的连通区域后保留该部分像素点灰度值,将其余部分灰度值置1。
请参考图3,图3为本发明实施例提供的一种提取皮革图像感兴趣区域的装置的结构框图;具体装置可以包括:
滤波模块100,用于对待检测的整张皮革图像进行高斯滤波处理,得到所述整张皮革图像的去噪图像;
转换模块200,用于分别将所述去噪图像和所述整张皮革图像的原始图像由RGB颜色空间转换为Lab颜色空间后,提取所述去噪图像的色度分量和所述原始图像的色度分量;
第一计算模块300,用于利用所述去噪图像的色度分量和所述原始图像的色度分量,计算得到所述整张皮革图像的显著图;
二值化模块400,用于计算所述显著图的目标分割阈值,并对所述显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像;
第二计算模块500,用于根据所述二值图像和所述原始图像,计算得到所述整张皮革图像的感兴趣区域。
本实施例的提取皮革图像感兴趣区域的装置用于实现前述的提取皮革图像感兴趣区域的方法,因此提取皮革图像感兴趣区域的装置中的具体实施方式可见前文中的提取皮革图像感兴趣区域的方法的实施例部分,例如,滤波模块100,转换模块200,第一计算模块300,二值化模块400,第二计算模块500,分别用于实现上述提取皮革图像感兴趣区域的方法中步骤S101,S102,S103,S104和S105,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本发明具体实施例还提供了一种提取皮革图像感兴趣区域的设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种提取皮革图像感兴趣区域的方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种提取皮革图像感兴趣区域的方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的提取皮革图像感兴趣区域的方法、装置、设备以及计算机可读存储介质进行了详细介绍。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。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (7)
1.一种提取皮革图像感兴趣区域的方法,其特征在于,包括:
分别将所述整张皮革图像的原始图像和所述去噪图像由RGB颜色空间转换为Lab颜色空间后,提取所述原始图像的Lab颜色空间的a分量和b分量,利用表示所述原始图像的Lab颜色空间的a分量和b分量的均值;提取所述去噪图像的Lab颜色空间的a分量和b分量,利用表示所述去噪图像的Lab颜色空间的a分量和b分量,其中a分量为色度红色到绿色的范围,b分量为色度从黄色到蓝色的范围,af和bf分别为所述去噪图像的Lab颜色空间的a、b分量,amean和bmean分别为所述原始图像转换为所述Lab颜色空间的a、b分量均值;
利用S(x,y)=||Hu-Hf||计算得到所述整张皮革图像的显著图;
利用最大类内方差法计算所述显著图的目标分割阈值,并根据所述目标分割阈值对所述显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像;
利用所述二值图像和所述原始图像进行布尔运算,计算得到所述整张皮革图像的感兴趣区域。
2.如权利要求1所述的方法,其特征在于,所述分别将所述去噪图像和所述整张皮革图像的原始图像由RGB颜色空间转换为Lab颜色空间包括:
将所述去噪图像由RGB颜色空间转换为XYZ颜色空间后,再转换为Lab颜色空间;
将所述原始图像由RGB颜色空间转换为XYZ颜色空间后,再转换为Lab颜色空间。
3.如权利要求2所述的方法,其特征在于,所述将所述原始图像由RGB颜色空间转换为XYZ颜色空间后,再转换为Lab颜色空间包括:
利用:
X=R*0.4124+G*0.3576+B*0.1805
Y=R*0.2126+G*0.7152+B*0.0722
Z=R*0.0193+G*0.1192+B*0.9505
将所述整张皮革图像的原始图像由RGB颜色空间转换为XYZ颜色空间;
利用:
L*=116f(Y/Yn)-16
a*=500[f(X/Xn)-f(Y/Yn)]
b*=200[f(Y/Yn)-f(Z/Zn)]
将所述原始图像由XYZ颜色空间转换为Lab颜色空间;
4.如权利要求1所述的方法,其特征在于,所述利用最大类内方差法计算所述显著图的目标分割阈值,并根据所述目标分割阈值对所述显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像包括:
利用最大类内方差法计算所述显著图的目标分割阈值;
根据所述目标分割阈值对所述显著图进行二值化操作,得到所述整张皮革图像初始二值图像;
标记所述初始二值图像中的多个连通区域,计算各个连通区域的面积;
查找所述多个连通区域中面积最大的目标连通区域,所述目标连通区域的灰度值不变;
将所述多个连通区域中除所述目标连通区域外的其他连通区域的灰度值均置为1,从而得到所述整张皮革图像中皮革区域的二值图像。
5.一种提取皮革图像感兴趣区域的装置,其特征在于,包括:
转换模块,用于分别将所述整张皮革图像的原始图像和所述去噪图像由RGB颜色空间转换为Lab颜色空间后,提取所述原始图像的Lab颜色空间的a分量和b分量,利用表示所述原始图像的Lab颜色空间的a分量和b分量的均值;提取所述去噪图像的Lab颜色空间的a分量和b分量,利用表示所述去噪图像的Lab颜色空间的a分量和b分量,其中a分量为色度红色到绿色的范围,b分量为色度从黄色到蓝色的范围,af和bf分别为所述去噪图像的Lab颜色空间的a、b分量,amean和bmean分别为所述原始图像转换为所述Lab颜色空间的a、b分量均值;
第一计算模块,用于利用S(x,y)=||Hu-Hf||计算得到所述整张皮革图像的显著图;
二值化模块,用于利用最大类内方差法计算所述显著图的目标分割阈值,并根据所述目标分割阈值对所述显著图进行二值化处理,得到所述整张皮革图像中皮革区域的二值图像;
第二计算模块,用于利用所述二值图像和所述原始图像进行布尔运算,计算得到所述整张皮革图像的感兴趣区域。
6.一种提取皮革图像感兴趣区域的设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述一种提取皮革图像感兴趣区域的方法的步骤。
7.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述一种提取皮革图像感兴趣区域的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811408380.7A CN109544583B (zh) | 2018-11-23 | 2018-11-23 | 一种提取皮革图像感兴趣区域的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811408380.7A CN109544583B (zh) | 2018-11-23 | 2018-11-23 | 一种提取皮革图像感兴趣区域的方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544583A CN109544583A (zh) | 2019-03-29 |
CN109544583B true CN109544583B (zh) | 2023-04-18 |
Family
ID=65849828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811408380.7A Active CN109544583B (zh) | 2018-11-23 | 2018-11-23 | 一种提取皮革图像感兴趣区域的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544583B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110667B (zh) * | 2019-05-08 | 2022-09-23 | 广东工业大学 | 一种硅藻图像的处理方法、系统及相关组件 |
CN110298835B (zh) * | 2019-07-02 | 2023-07-18 | 广东工业大学 | 一种皮革表面破损检测方法、系统及相关装置 |
CN110717865B (zh) * | 2019-09-02 | 2022-07-29 | 苏宁云计算有限公司 | 图片检测方法及装置 |
CN111428779B (zh) * | 2020-03-20 | 2023-06-06 | 浙江大华技术股份有限公司 | 一种确定补光灯照射范围方法、装置、设备及存储介质 |
CN111784703B (zh) * | 2020-06-17 | 2023-07-14 | 泰康保险集团股份有限公司 | 一种图像分割方法、装置、电子设备和存储介质 |
CN112215827A (zh) * | 2020-10-20 | 2021-01-12 | 中广核核电运营有限公司 | 电迁移区域检测方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996198A (zh) * | 2014-06-04 | 2014-08-20 | 天津工业大学 | 复杂自然环境下感兴趣区域的检测方法 |
CN107256547A (zh) * | 2017-05-26 | 2017-10-17 | 浙江工业大学 | 一种基于显著性检测的表面裂纹识别方法 |
CN107845086A (zh) * | 2017-09-19 | 2018-03-27 | 佛山缔乐视觉科技有限公司 | 一种皮革表面显著性缺陷的检测方法、系统及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5016541B2 (ja) * | 2008-04-01 | 2012-09-05 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
KR102115328B1 (ko) * | 2015-06-15 | 2020-05-26 | 한국전자통신연구원 | 전역 대조도 기반 영상 매팅을 통한 영상 내부의 관심 객체 추출 장치 및 방법 |
-
2018
- 2018-11-23 CN CN201811408380.7A patent/CN109544583B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996198A (zh) * | 2014-06-04 | 2014-08-20 | 天津工业大学 | 复杂自然环境下感兴趣区域的检测方法 |
CN107256547A (zh) * | 2017-05-26 | 2017-10-17 | 浙江工业大学 | 一种基于显著性检测的表面裂纹识别方法 |
CN107845086A (zh) * | 2017-09-19 | 2018-03-27 | 佛山缔乐视觉科技有限公司 | 一种皮革表面显著性缺陷的检测方法、系统及装置 |
Non-Patent Citations (1)
Title |
---|
Image processing based technique for classification of fish quality after cypermethrine exposure;Malay Kishore Dutta等;《LWT-Food Science and Technology》;20151223;第68卷;正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109544583A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544583B (zh) | 一种提取皮革图像感兴趣区域的方法、装置及设备 | |
CN108805023B (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
CN107330979B (zh) | 建筑户型的矢量图生成方法、装置及终端 | |
CN107633503B (zh) | 一种自动检测谷粒中残留秸秆的图像处理方法 | |
CN102222328B (zh) | 一种边缘保持的自然场景图像自适应加权滤波方法 | |
CN106067177B (zh) | Hdr场景侦测方法和装置 | |
CN104966285B (zh) | 一种显著性区域的检测方法 | |
CN110309806B (zh) | 一种基于视频图像处理的手势识别系统及其方法 | |
CN108563979B (zh) | 一种基于航拍农田图像判别水稻稻瘟病病情的方法 | |
CN107403435B (zh) | 一种基于rgb颜色空间的彩色图像边缘提取方法 | |
CN109903294B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
US9153013B2 (en) | Image processing apparatus, image processing method and computer readable medium | |
CN104463814B (zh) | 基于局部纹理方向性的图像增强方法 | |
CN110717865B (zh) | 图片检测方法及装置 | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN111145105B (zh) | 一种图像快速去雾方法、装置、终端及存储介质 | |
CN110930321A (zh) | 一种能够自动选取目标区域的蓝/绿幕数字图像抠取方法 | |
KR20130000827A (ko) | 이미지의 에지 향상 방법 | |
CN104361335B (zh) | 一种基于扫描图像自动去除黑边的处理方法 | |
CN109325421B (zh) | 一种基于边缘检测的睫毛去除方法及系统 | |
CN115100077B (zh) | 一种图像增强方法与装置 | |
CN114299051A (zh) | 基于特征建模显著性检测的皮革材料表面缺陷检测方法 | |
US8000535B2 (en) | Methods and systems for refining text segmentation results | |
CN111369529B (zh) | 一种物品丢失、遗留检测方法及其系统 | |
CN100367770C (zh) | 一种去除视频孤立噪声点的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |