CN109785383B - TVlines图像中定位识别测试线的方法、装置及可读存储介质 - Google Patents
TVlines图像中定位识别测试线的方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN109785383B CN109785383B CN201910002171.0A CN201910002171A CN109785383B CN 109785383 B CN109785383 B CN 109785383B CN 201910002171 A CN201910002171 A CN 201910002171A CN 109785383 B CN109785383 B CN 109785383B
- Authority
- CN
- China
- Prior art keywords
- tvlines
- image
- test line
- identifying
- sub
- 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
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了TVlines图像中定位识别测试线的方法,包括:步骤1:在TVlines图像上通过搜索框来框选测试线,其中,一个搜索框内框选有一条测试线;步骤2:对每个搜索框内的TVlines图像进行二值化;步骤3:将各个搜索框内的二值化线识别为测试线。该定位识别测试线的方法,可在TVlines图像中快速对测试线进行识别定位。本发明还公开了一种TVlines图像中定位识别测试线的装置及可读存储介质。
Description
技术领域
本发明涉及TVlines测试,尤其涉及TVlines图像中定位识别测试线的方法、装置及可读存储介质。
背景技术
TVlines测试是摄像头解析力测试方法的一种,是用于评价摄像头的图像解析力是否达标的一项常规测试。TVlines测试是一项主观测试,由检测人员用肉眼去对TVlines图像中的测试线进行识别定位,工作量很大且速度慢。
发明内容
为了解决上述现有技术的不足,本发明提供一种TVlines图像中定位识别测试线的方法,可快速对测试线进行识别定位。
本发明还提供一种TVlines图像中定位识别测试线的装置及可读存储介质。
本发明所要解决的技术问题通过以下技术方案予以实现:
TVlines图像中定位识别测试线的方法,包括:
步骤1:在TVlines图像上通过搜索框来框选测试线,其中,一个搜索框内框选有一条测试线;
步骤2:对每个搜索框内的TVlines图像进行二值化;
步骤3:将各个搜索框内的二值化线识别为测试线。
进一步地,步骤2包括:
步骤2.1:识别每个搜索框的长度和宽度,若长度大于宽度,则将对应搜索框分割为沿长度方向的至少两个子区域,若长度小于宽度,则将对应搜索框分割为沿宽度方向的至少两个子区域;
步骤2.2:对每个子区域内的TVlines图像进行二值化。
进一步地,在步骤2中,先采用双峰分割法计算出每个搜索框或子区域的二值化阈值,再依据对应的二值化阈值,对每个搜索框或子区域内的TVlines图像进行二值化。
进一步地,在步骤2中,采用双峰分割法计算出每个搜索框或子区域的二值化阈值的步骤包括:
S1:计算出每个搜索框或子区域的直方图;
S2:判断直方图是否具有双峰,若是则寻找双峰之间的谷底所对应的亮度值作为对应搜索框或子区域的二值化阈值。
进一步地,在步骤S2中,若直方图不具有双峰,则进行如下步骤;
S3:对不具有双峰的直方图进行平滑处理;
S4:判断经平滑处理后的直方图是否具有双峰,若是则寻找双峰之间的谷底所对应的亮度值作为对应搜索框或子区域的二值化阈值,若否则重复S3和S4。
进一步地,若直方图进行平滑处理的次数达到预定次数后,依然不具有双峰,则将0作为对应搜索框或子区域的二值化阈值。
进一步地,步骤3包括:
步骤3.1:将每个搜索框内较大的二值化块筛选出来;
步骤3.2:将筛选出来的二值化块组成二值化线;
步骤3.3:将最大的二值化线识别为对应搜索框的测试线。
进一步地,在步骤3.2中,采用8连通区域筛选每个搜索框内的二值化块。
TVlines图像中定位识别测试线的装置,包括处理器和与所述处理器电连接的存储器,所述存储器内储存有供所述处理器执行的计算机程序,该计算机程序被所述处理器执行时,进行上述的TVlines图像中定位识别测试线的方法。
一种可读存储介质,储存有供处理器执行的计算机程序,该计算机程序被所述处理器执行时,进行上述的TVlines图像中定位识别测试线的方法。
本发明具有如下有益效果: 该TVlines图像中定位识别测试线的方法将测试线转化为二值化线,再将二值化线识别为测试线,可快速对测试线进行识别定位。
附图说明
图1为本发明提供的TVlines图像中定位识别测试线的方法的步骤框图;
图2为在TVlines图像上通过搜索框来框选测试线的示意图;
图3为搜索框内的TVlines图像二值化后的示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的说明。
如图1所示,一种TVlines图像中定位识别测试线的方法,包括:
步骤1:如图2所示,在TVlines图像上通过搜索框来框选测试线,其中,一个搜索框内框选有一条测试线;
在该步骤1中,由于测试线标定图是已知的,因此,搜索框的数量以及各个搜索框在TVlines图像上的位置可以预先到设置到程序算法中;预设的各个搜索框的尺寸可以大一点,以避免摄像头在拍摄测试线标定图时由于两者之间相对的位置偏移而导致测试线不在对应的搜索框内。
步骤2:对每个搜索框内的TVlines图像进行二值化;
在该步骤2中,通过将搜索框内的所有像素点的亮度值与对应的二值化阈值进行比较,将亮度值大于二值化阈值的各个像素点的亮度值统一设置为最大值255,将亮度值小于二值化阈值的各个像素点的亮度值统一设置为最小值0,或者反过来,将亮度值大于二值化阈值的各个像素点的亮度值统一设置为最小值0,将亮度值小于二值化阈值的各个像素点的亮度值统一设置为最大值255,形成如图3所示的二值化图像。
考虑到TVlines图像的边缘四角位置亮度比较暗,边缘四角位置上的搜索框内可能会存在暗角,为提高边缘四角上的搜索框的二值化准确率,以保证对边缘四角上的测试线也能识别精准,优选地,该步骤2包括:
步骤2.1:识别每个搜索框的长度和宽度,若长度大于宽度,则将对应搜索框分割为沿长度方向排列的至少两个子区域,若长度小于宽度,则将对应搜索框分割为沿宽度方向排列的至少两个子区域;
在该步骤2.1中,本实施例将每个搜索框分割为四个子区域。
步骤2.2:对每个子区域内的TVlines图像进行二值化。
其中,在该步骤2中,先采用双峰分割法计算出每个搜索框或子区域的二值化阈值,再依据对应的二值化阈值,对每个搜索框或子区域内的TVlines图像进行二值化。
具体的,采用双峰分割法计算出每个搜索框或子区域的二值化阈值的步骤包括:
S1:计算出每个搜索框或子区域的直方图;
在该步骤S1中,本实施例采用Matlab软件中的hist函数计算直方图。
S2:判断直方图是否具有双峰,若是则寻找双峰之间的谷底所对应的亮度值作为对应搜索框或子区域的二值化阈值;
在该步骤S2中,本实施例在直方图的双峰之间寻找最小值hist2[i0],然后以i0值作为二值化阈值,先通过直方图的双峰hist2[i1]和hist2[i2]的i1值和i2值确定i0值的区间为(i1,i2),再通过比较hist2[i1-i2]中的所有值,确定最小值hist2[i0]。
其中,在步骤S2中,若直方图不具有双峰,则进行如下步骤;
S3:对不具有双峰的直方图进行平滑处理;
在该步骤S3中,直方图的平滑处理时,令hist[i]=(hist2[i-1]+hist2[i]+ hist2[i+1])/3。
S4:判断经平滑处理后的直方图是否具有双峰,若是则寻找双峰之间的谷底所对应的亮度值作为对应搜索框或子区域的二值化阈值,若否则重复S3和S4;
在该步骤S4中,本实施例中,先将步骤S3中计算出的hist[i]值赋予hist2[i] 后,再重复S3-S4。
另外,若直方图进行平滑处理的次数达到预定次数(本实施例为1000次)后,依然不具有双峰,则将0作为对应搜索框或子区域的二值化阈值。
步骤3:将各个搜索框内的二值化线识别为测试线;
在该步骤3中,经过二值化后, 测试线转化成二值化线,而二值化线作为前景会与二值化背景之间形成明显的黑白区别,可通过现有的识别算法进行识别,通过将识别到的二值化线定义为测试线,实现测试线的识别定位。
该步骤3包括:
步骤3.1:将每个搜索框内较大的二值化块筛选出来;
在该步骤3.1中,在步骤2中进行二值化时,若是将亮度值小于二值化阈值的各个像素点的亮度值统一设置为最小值0的话,则对亮度值为0的二值化块进行筛选,亮度值小于二值化阈值的各个像素点的亮度值统一设置为最小值255的话,则对亮度值为255的二值化块进行筛选;本实施例采用8连通区域筛选每个搜索框内的二值化块,将符合8连通区域的二值化块筛选出来。
步骤3.2:将筛选出来的二值化块组成二值化线;
在该步骤3.2中,一般筛选出来的二值化块本身就已经连接在一起形成二值化线的,因此本步骤实质上是去掉一些不符合8连通区域的离散点。
步骤3.3:将最大的二值化线识别为对应搜索框的测试线。
在该步骤3.3中,若是搜索框较大,框选到邻近测试线的部分区域的话,经过步骤3.2后得到的二值化线可能会超过一条,这时只需将最大的那条二值化线识别为对应搜索框的测试线即可。
该TVlines图像中定位识别测试线的方法将测试线转化为二值化线,再将二值化线识别为测试线,可快速对测试线进行识别定位。
实施例二
一种TVlines图像中定位识别测试线的装置,包括处理器和与所述处理器电连接的存储器,所述存储器内储存有供所述处理器执行的计算机程序,该计算机程序被所述处理器执行时,进行实施例一中所述的TVlines图像中定位识别测试线的方法。
实施例三
一种可读存储介质,储存有供处理器执行的计算机程序,该计算机程序被所述处理器执行时,进行实施例一中所述的TVlines图像中定位识别测试线的方法。
以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制,但凡采用等同替换或等效变换的形式所获得的技术方案,均应落在本发明的保护范围之内。
Claims (8)
1.一种TVlines图像中定位识别测试线的方法,其特征在于,包括:
步骤1:在TVlines图像上通过搜索框来框选测试线,其中,一个搜索框内框选有一条测试线;
步骤2:对每个搜索框内的TVlines图像进行二值化;
步骤3:将各个搜索框内的二值化线识别为测试线;
其中,步骤2包括:
步骤2.1:识别每个搜索框的长度和宽度,若长度大于宽度,则将对应搜索框分割为沿长度方向的至少两个子区域,若长度小于宽度,则将对应搜索框分割为沿宽度方向的至少两个子区域;
步骤2.2:对每个子区域内的TVlines图像进行二值化,先采用双峰分割法计算出每个子区域的二值化阈值,再依据对应的二值化阈值,对每个子区域内的TVlines图像进行二值化。
2.根据权利要求1所述的TVlines图像中定位识别测试线的方法,其特征在于,在步骤2中,采用双峰分割法计算出每个子区域的二值化阈值的步骤包括:
S1:计算出每个子区域的直方图;
S2:判断直方图是否具有双峰,若是则寻找双峰之间的谷底所对应的亮度值作为对应子区域的二值化阈值。
3.根据权利要求2所述的TVlines图像中定位识别测试线的方法,其特征在于,在步骤S2中,若直方图不具有双峰,则进行如下步骤;
S3:对不具有双峰的直方图进行平滑处理;
S4:判断经平滑处理后的直方图是否具有双峰,若是则寻找双峰之间的谷底所对应的亮度值作为对应子区域的二值化阈值,若否则重复S3和S4。
4.根据权利要求3所述的TVlines图像中定位识别测试线的方法,其特征在于,若直方图进行平滑处理的次数达到预定次数后,依然不具有双峰,则将0作为对应子区域的二值化阈值。
5.根据权利要求1所述的TVlines图像中定位识别测试线的方法,其特征在于,步骤3包括:
步骤3.1:将每个搜索框内较大的二值化块筛选出来;
步骤3.2:将筛选出来的二值化块组成二值化线;
步骤3.3:将最大的二值化线识别为对应搜索框的测试线。
6.根据权利要求5所述的TVlines图像中定位识别测试线的方法,其特征在于,在步骤3.2中,采用8连通区域筛选每个搜索框内的二值化块。
7.一种TVlines图像中定位识别测试线的装置,包括处理器和与所述处理器电连接的存储器,所述存储器内储存有供所述处理器执行的计算机程序,其特征在于,该计算机程序被所述处理器执行时,进行权利要求1-6中任一所述的TVlines图像中定位识别测试线的方法。
8.一种可读存储介质,储存有供处理器执行的计算机程序,其特征在于,该计算机程序被所述处理器执行时,进行权利要求1-6中任一所述的TVlines图像中定位识别测试线的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910002171.0A CN109785383B (zh) | 2019-01-02 | 2019-01-02 | TVlines图像中定位识别测试线的方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910002171.0A CN109785383B (zh) | 2019-01-02 | 2019-01-02 | TVlines图像中定位识别测试线的方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785383A CN109785383A (zh) | 2019-05-21 |
CN109785383B true CN109785383B (zh) | 2021-01-26 |
Family
ID=66499724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910002171.0A Active CN109785383B (zh) | 2019-01-02 | 2019-01-02 | TVlines图像中定位识别测试线的方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785383B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069786A (zh) * | 2015-07-31 | 2015-11-18 | 小米科技有限责任公司 | 直线检测方法及装置 |
CN105791815A (zh) * | 2016-03-16 | 2016-07-20 | 昆山软龙格自动化技术有限公司 | 一种TV line自动判定方法 |
CN106842804A (zh) * | 2016-12-28 | 2017-06-13 | 歌尔科技有限公司 | 一种TV Line解析测试图卡及其解析测试方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8261993B2 (en) * | 1994-05-25 | 2012-09-11 | Marshall Feature Recognition, Llc | Method and apparatus for accessing electronic data via a familiar printed medium |
US7629998B2 (en) * | 2005-06-23 | 2009-12-08 | Elbex Video Limited | Method and apparatus for measuring illumination and camera performances |
KR101546850B1 (ko) * | 2008-06-27 | 2015-08-24 | 삼성전자주식회사 | 디스플레이장치의 화질평가방법 및 화질평가장치 |
US8510141B2 (en) * | 2008-10-02 | 2013-08-13 | Certusview Technologies, Llc | Methods and apparatus for generating alerts on a marking device, based on comparing electronic marking information to facilities map information and/or other image information |
-
2019
- 2019-01-02 CN CN201910002171.0A patent/CN109785383B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069786A (zh) * | 2015-07-31 | 2015-11-18 | 小米科技有限责任公司 | 直线检测方法及装置 |
CN105791815A (zh) * | 2016-03-16 | 2016-07-20 | 昆山软龙格自动化技术有限公司 | 一种TV line自动判定方法 |
CN106842804A (zh) * | 2016-12-28 | 2017-06-13 | 歌尔科技有限公司 | 一种TV Line解析测试图卡及其解析测试方法 |
Non-Patent Citations (1)
Title |
---|
雾天条件下高速公路视频事件检测技术研究;周轶凡;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180115;正文26页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109785383A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242853B (zh) | 一种基于图像处理的pcb缺陷智能检测方法 | |
US9811899B2 (en) | Method, image processing system and computer-readable recording medium for item defect inspection | |
CN113646801B (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
JP2007093304A (ja) | 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体 | |
CN111046862B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
US11126824B2 (en) | Face image quality evaluating method and apparatus and computer readable storage medium using the same | |
KR20190023374A (ko) | 디스플레이 패널 검사 방법 | |
CN109716355B (zh) | 微粒边界识别 | |
CN109509166B (zh) | 印刷电路板图像检测方法和装置 | |
CN115908415A (zh) | 基于边缘的缺陷检测方法、装置、设备及存储介质 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN108107611B (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
CN108765424A (zh) | 污点区域检测方法和装置、分析仪器和存储介质 | |
CN109785383B (zh) | TVlines图像中定位识别测试线的方法、装置及可读存储介质 | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
JP4247993B2 (ja) | 画像検査装置、画像検査方法、制御プログラムおよび可読記憶媒体 | |
CN114913112A (zh) | 晶圆双边缘检测方法和装置及设备 | |
US10958899B2 (en) | Evaluation of dynamic ranges of imaging devices | |
US20190197349A1 (en) | Image identification method and image identification device | |
CN117173185B (zh) | 轧制板材的区域检测方法及装置、存储介质、计算机设备 | |
CN115841450A (zh) | 表面缺陷检测方法、装置、终端及计算机可读存储介质 |
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 |