CN109949376A - 黑白图片的鉴别方法、装置、计算机设备和存储介质 - Google Patents
黑白图片的鉴别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109949376A CN109949376A CN201910136657.3A CN201910136657A CN109949376A CN 109949376 A CN109949376 A CN 109949376A CN 201910136657 A CN201910136657 A CN 201910136657A CN 109949376 A CN109949376 A CN 109949376A
- Authority
- CN
- China
- Prior art keywords
- channel
- pixel
- picture
- difference
- black
- 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
- 238000012850 discrimination method Methods 0.000 title claims abstract description 34
- 238000000926 separation method Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 35
- 230000001419 dependent effect Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本申请涉及图像处理领域,本申请公开了一种黑白图片的鉴别方法、装置、计算机设备和存储介质,所述方法包括:获取图片,并将所述图片进行RGB三通道分离,获得R通道、G通道及B通道三个通道;分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值;根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型。本申请通过将图片拆分为RGB三通道并计算通道像素差值;统计像素差值在阈值范围内的像素面积占总面积比例,可以有效的鉴别黑白图片。
Description
技术领域
本申请涉及图像处理领域,特别涉及一种黑白图片的鉴别方法、装置、计算机设备和存储介质。
背景技术
数字图像处理作为一门学科大约形成于20世纪60年代初期,是指用计算机及其相关技术对图像施加某种运算处理,从而达到某种预想目的的过程。早期的图像处理的目的是改善图像的质量或人的视觉效果,伴随计算机技术的飞速发展,数字图像处理技术不仅在理论上取得很大进展,在许多应用领域也受到广泛重视并取得了重大的开拓性成就。
在对图像识别的现有技术中,目前没有一套简单有效的鉴别黑白图片的方案,现有的基于神经网络的图像检测技术虽然可以实现,但是需要训练模型,而且运算复杂,不适合对黑白图片的简单识别。
发明内容
本申请的目的在于针对现有技术的不足,提供一种黑白图片的鉴别方法、装置、计算机设备和存储介质,通过将图片拆分为RGB三通道并计算通道像素差值;统计像素差值在阈值范围内的像素面积占总面积比例,可以有效的鉴别黑白图片。
为达到上述目的,本申请的技术方案提供一种黑白图片的鉴别方法、装置、计算机设备和存储介质。
本申请公开了一种黑白图片的鉴别方法,包括以下步骤:
获取图片,并将所述图片进行RGB三通道分离,获得R通道、G通道及B通道三个通道;
分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值;
根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型。
较佳地,所述分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,包括:
分别获取R通道、G通道及B通道中每个像素点的像素值,并根据所述像素值分别生成R通道、G通道及B通道的像素矩阵;
将所述R通道、G通道及B通道的像素矩阵进行两两相减,分别获得R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的像素矩阵差,并对所述像素矩阵差取绝对值。
较佳地,所述根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型,包括:
根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值分别获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目;
根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目确定所述图片的颜色类型。
较佳地,所述根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值分别获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目,包括:
预设差值像素的像素阈值;
将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值分别与所述预设的差值像素的像素阈值进行比较;
将小于所述预设的差值像素的像素阈值的差值像素记录下来,并分别统计所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间小于所述预设的差值像素的像素阈值的差值像素的数目。
较佳地,所述根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目确定所述图片的颜色类型,包括:
获取所述图片的像素总数,并根据所述图片的像素总数及所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目分别获得R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例;
根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例确定所述图片的颜色类型。
较佳地,所述根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例确定所述图片的颜色类型,包括:
预设差值像素比例阈值;
将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例分别与所述预设的差值像素比例阈值进行比较,并根据比较结果确定所述图片的颜色类型。
较佳地,所述将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例分别与所述预设的差值像素比例阈值进行比较,并根据比较结果确定所述图片的颜色类型,包括:
当所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例大于所述预设的差值像素比例阈值时,记录所述差值像素对应的两两通道;
当所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例与所述预设的差值像素比例阈值比较完成后,如果所述记录的两两通道的数目至少为2时,将所述图片确定为黑白图片。
本申请还公开了一种黑白图片的鉴别装置,所述装置包括:
通道分离模块:设置为获取图片,并将所述图片进行RGB三通道分离,获得R通道、G通道及B通道三个通道;
像素计算模块:设置为分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值;
鉴定模块:设置为根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型。
本申请还公开了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被一个或多个所述处理器执行时,使得一个或多个所述处理器执行上述所述黑白图片的鉴别方法的步骤。
本申请还公开了一种存储介质,所述存储介质可被处理器读写,所述存储介质存储有计算机指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述黑白图片的鉴别方法的步骤。
本申请的有益效果是:本申请通过将图片拆分为RGB三通道并计算通道像素差值;统计像素差值在阈值范围内的像素面积占总面积比例,可以有效的鉴别黑白图片。
附图说明
图1为本申请实施例的一种黑白图片的鉴别方法的第一个实施例示意图;
图2为本申请实施例的一种黑白图片的鉴别方法的第二个实施例示意图;
图3为本申请实施例的一种黑白图片的鉴别方法的第三个实施例示意图;
图4为本申请实施例的一种黑白图片的鉴别方法的第四个实施例示意图;
图5为本申请实施例的一种黑白图片的鉴别方法的第五个实施例示意图;
图6为本申请实施例的一种黑白图片的鉴别方法的第六个实施例示意图;
图7为本申请实施例的一种黑白图片的鉴别方法的第七个实施例示意图;
图8为本申请实施例的一种黑白图片的鉴别装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本申请第一个实施例的一种黑白图片的鉴别方法流程如图1所示,本实施例包括以下步骤:
步骤s101,获取图片,并将所述图片进行RGB三通道分离,获得R通道、G通道及B通道三个通道;
具体的,当获取到一张图片时,可对所述图片通过调用openCVSplit函数进行RGB三通道分离,分别获得R(红色)通道、G(绿色)通道及B(蓝色)通道这三个通道,由于人类视觉范围内的颜色都可以使用红绿蓝三个基色组合成;计算机处理过程中图片是以像素矩阵的方式保存和处理的,每个像素都存储有颜色值,彩色图会存红绿蓝三个基色的值,灰度图只会存一个灰度值,因此当进行RGB三通道分离后,可获取到RGB三通道中每个通道的每个像素点的像素值,所述每个通道的像素值可以以像素矩阵的形式存在。
步骤s102,分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值;
具体的,当获得R(红色)通道、G(绿色)通道及B(蓝色)通道这三个通道的像素矩阵后,可将这三个通道的像素矩阵进行两两相减,分别获得R通道与G通道之间的像素矩阵差、G通道与B通道之间的像素矩阵差及R通道与B通道之间的像素矩阵差,所述像素矩阵差中包含的是两个通道之间的每个像素点的像素差值。
具体的,当获得三个两两通道之间的每个像素点的像素差值后,由于每个像素点的像素差值都不同,因此可预设条件,在所述像素差值中找出有效的像素差值,例如,预先设定一个像素差值阈值,然后在所述像素矩阵差中将像素差值与所述像素差值阈值进行比较,选取符合条件的像素差值,所述符合条件的像素差值即为有效像素差值。
步骤s103,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型。
具体的,当获得所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值后,可以根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值统计出有效差值像素的数目,然后根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目及所述图片的像素总数计算出每个两两通道中所述有效差值像素的数目占所述图片的像素总数的比例,并根据所述有效差值像素的数目占所述图片的像素总数的比例进行统计分析,然后根据所述统计分析结果确定所述图片的颜色类型。
本实施例中,通过将图片拆分为RGB三通道并计算通道像素差值;统计像素差值在阈值范围内的像素面积占总面积比例,可以有效的鉴别黑白图片。
图2为本申请第二个实施例的一种黑白图片的鉴别方法流程示意图,如图所示,所述步骤s102,分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,包括:
步骤s201,分别获取R通道、G通道及B通道中每个像素点的像素值,并根据所述像素值分别生成R通道、G通道及B通道的像素矩阵;
具体的,当对所述图片进行通道分离之后,可分别获取RGB三个通道中每个通道的每个像素点的像素值,然后可将这三个通道的像素值通过像素矩阵的形式建立起来,所述三个通道的像素矩阵应保持统一格式,例如,如果所述图片的像素总数是4,那么RGB这三个通道的像素矩阵都应是2×2。
步骤s202,将所述R通道、G通道及B通道的像素矩阵进行两两相减,分别获得R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的像素矩阵差,并对所述像素矩阵差取绝对值。
具体的,当获取到RGB这三个通道的像素矩阵后,可分别将RGB这三个通道两两相减,例如,将R通道与G通道的像素矩阵进行相减获得R通道与G通道之间的像素矩阵差,将G通道与B通道的像素矩阵进行相减获得G通道与B通道之间的像素矩阵差,将R通道与B通道的像素矩阵进行相减获得R通道与B通道之间的像素矩阵差,由于所述像素矩阵差中的数值可能有负值,因此还需对所述像素矩阵差取绝对值,保证所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的像素矩阵差中的数值都是正值。
本实施例中,通过将所述三个通道的像素矩阵化,并通过相减取绝对值可有效获取像素矩阵差。
图3为本申请第三个实施例的一种黑白图片的鉴别方法流程示意图,如图所示,所述步骤s103,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型,包括:
步骤s301,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值分别获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的差值像素的数目;
具体的,当获取到所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值后,可在所述差值像素中选取符合条件的差值像素,所述符合条件的差值像素即为有效差值像素,并统计有效差值像素的数目,所述有效差值像素可通过预先设定的条件进行选取,例如,预先设定像素差值阈值,然后将获取的像素差值与所述预先设定像素差值阈值进行比较,将比较后符合条件的差值像素记录下来,然后等所有差值像素比较完之后,分别统计R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间符合条件的差值像素的数目。
步骤s302,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目确定所述图片的颜色类型。
具体的,当获取到所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目后,还可获取所述图片的像素总数,然后分别计算所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目占所述图片的像素总数的比例,并根据所述比例结果确定所述图片的颜色类型。
本实施例中,通过统计R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目可对判断图片的颜色分类提供依据。
图4为本申请第四个实施例的一种黑白图片的鉴别方法流程示意图,如图所示,所述步骤s301,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值分别获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目,包括:
步骤s401,预设差值像素的像素阈值;
具体的,在一副图片中,每个像素都有一个像素值,当进行三通道分离之后,会转换成另一个像素值;例如,一个A像素在黑白图片中像素值为125、125、125,而同样的A像素在彩色图片中像素值为255、0、0。
具体的,在计算差值像素的数目之前,需要预设差值像素的像素阈值,由于黑白像素的像素差值是较小的,彩色像素的像素差值较大,因此可以将所述差值像素的像素阈值设的较小,如将差值像素的像素阈值设为10。
步骤s402,将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值分别与所述预设的差值像素的像素阈值进行比较;
具体的,当获取到所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值后,可将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值与所述预设的差值像素的像素阈值进行比较。
步骤s403,将小于所述预设的差值像素的像素阈值的差值像素记录下来,并分别统计所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间小于所述预设的差值像素的像素阈值的差值像素的数目。
具体的,当进行差值像素的比较时,如果所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的像素点的像素差值小于所述预设的差值像素的像素阈值时,记录下所述像素点以及所述像素点对应的两两通道,当差值像素的比较完成后,即所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的所有像素点的像素差值与所述预设的差值像素的像素阈值都比较完之后,分别统计R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的小于所述预设的差值像素的像素阈值的差值像素的数目。
本实施例中,通过预设差值像素的像素阈值,并将通道的差值像素的像素值与所述像素阈值进行比较,可有效获取通道中有效差值像素的数目。
图5为本申请第五个实施例的一种黑白图片的鉴别方法流程示意图,如图所示,所述步骤s302,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目确定所述图片的颜色类型,包括:
步骤s501,获取所述图片的像素总数,并根据所述图片的像素总数及所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目分别获得R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例;
具体的,当获取到一张图片后,可计算出所述图片的像素总数,并当获取到所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目后,可分别计算所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述像素总数之间的比例,分别获得R通道与G通道之间有效差值像素的数目与所述像素总数之间的比例、G通道与B通道之间有效差值像素的数目与所述像素总数之间的比例以及R通道与B通道之间有效差值像素的数目与所述像素总数之间的比例。
步骤s502,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例确定所述图片的颜色类型。
具体的,当获取到所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例后,可在所述三个两两通道之间统计有效比例,然后根据所述有效比例确定所述图片的颜色类型。
本实施例中,通过获取R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例可有效确定图片的颜色类型。
图6为本申请第六个实施例的一种黑白图片的鉴别方法流程示意图,如图所示,所述步骤s502,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例确定所述图片的颜色类型,包括:
步骤s601,预设差值像素比例阈值;
具体的,判断所述获取的图片是否属于黑白复印件可以通过判断有效差值像素的数目在图片像素总数中的比例,由于已经分离成三通道,因此所述三个两两通道的比例都需要判断,我们可以预先设置一个差值像素比例阈值,如0.9,例如,当R通道与G通道之间的有效差值像素的数目与所述图片的像素总数之间的比例大于0.9时,我们可以判断所述R通道与G通道对应的两两通道是黑白通道,同样地,接下来可以再判断G通道与B通道及R通道与B通道对应的两个两两通道。
步骤s602,将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例分别与所述预设的差值像素比例阈值进行比较,并根据比较结果确定所述图片的颜色类型。
具体的,当所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例分别与所述预设的差值像素比例阈值进行比较后,可分别判断出所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道的通道结果,例如,R通道与G通道对应的两两通道是黑白通道,并根据所述通道结果确定所述图片的颜色类型。
本实施例中,通过预设差值像素比例阈值,并将两两通道的有效差值像素的数据与图片像素总数之间的比例与所述差值像素比例阈值进行比较,可有效获得两两通道的通道结果,并可根据所述通道结果确定图片颜色类型。
图7为本申请第七个实施例的一种黑白图片的鉴别方法流程示意图,如图所示,所述步骤s602,将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例分别与所述预设的差值像素比例阈值进行比较,并根据比较结果确定所述图片的颜色类型,包括:
步骤s701,当所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例大于所述预设的差值像素比例阈值时,记录所述差值像素对应的两两通道;
具体的,可分别将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例与所述预设的差值像素比例阈值进行比较,并当所述两两通道的有效差值像素的数目与所述图片的像素总数之间的比例大于所述预设的差值像素比例阈值时,记录下所述两两通道,例如,如果R通道与G通道之间的有效差值像素的数目与所述图片的像素总数之间的比例大于所述预设的差值像素比例阈值时,将所述R通道与G通道对应的两两通道记录下来。
步骤s702,当所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例与所述预设的差值像素比例阈值比较完成后,如果所述记录的两两通道的数目至少为2时,将所述图片确定为黑白图片。
具体的,所述两两通道一共是三个,分别为R通道与G通道、G通道与B通道及R通道与B通道三个两两通道,当所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例与所述预设的差值像素比例阈值比较完成后,如果记录下的两两通道数目至少为2时,可将所述图片确定为黑白图片。
本实施例中,通过对两两通道的通道比较结果的统计,可有效确定图片的颜色类型。
本申请实施例的一种黑白图片的鉴别装置结构如图8所示,包括:
通道分离模块801、像素计算模块802及鉴定模块803;其中,通道分离模块801与像素计算模块802相连,像素计算模块802与鉴定模块803相连;通道分离模块801设置为获取图片,并将所述图片进行RGB三通道分离,获得R通道、G通道及B通道三个通道;像素计算模块802设置为分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值;鉴定模块803设置为根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型。
本申请实施例还公开了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被一个或多个所述处理器执行时,使得一个或多个所述处理器执行上述各实施例中所述黑白图片的鉴别方法中的步骤。
本申请实施例还公开了一种存储介质,所述存储介质可被处理器读写,所述存储器存储有计算机可读指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述各实施例中所述黑白图片的鉴别方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种黑白图片的鉴别方法,其特征在于,包括以下步骤:
获取图片,并将所述图片进行RGB三通道分离,获得R通道、G通道及B通道三个通道;
分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值;
根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型。
2.如权利要求1所述的黑白图片的鉴别方法,其特征在于,所述分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,包括:
分别获取R通道、G通道及B通道中每个像素点的像素值,并根据所述像素值分别生成R通道、G通道及B通道的像素矩阵;
将所述R通道、G通道及B通道的像素矩阵进行两两相减,分别获得R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的像素矩阵差,并对所述像素矩阵差取绝对值。
3.如权利要求1所述的黑白图片的鉴别方法,其特征在于,所述根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型,包括:
根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值分别获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目;
根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目确定所述图片的颜色类型。
4.如权利要求3所述的黑白图片的鉴别方法,其特征在于,所述根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值分别获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目,包括:
预设差值像素的像素阈值;
将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值分别与所述预设的差值像素的像素阈值进行比较;
将小于所述预设的差值像素的像素阈值的差值像素记录下来,并分别统计所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间小于所述预设的差值像素的像素阈值的差值像素的数目。
5.如权利要求3所述的黑白图片的鉴别方法,其特征在于,所述根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目确定所述图片的颜色类型,包括:
获取所述图片的像素总数,并根据所述图片的像素总数及所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目分别获得R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例;
根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例确定所述图片的颜色类型。
6.如权利要求5所述的黑白图片的鉴别方法,其特征在于,所述根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例确定所述图片的颜色类型,包括:
预设差值像素比例阈值;
将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例分别与所述预设的差值像素比例阈值进行比较,并根据比较结果确定所述图片的颜色类型。
7.如权利要求6所述的黑白图片的鉴别方法,其特征在于,所述将所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例分别与所述预设的差值像素比例阈值进行比较,并根据比较结果确定所述图片的颜色类型,包括:
当所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例大于所述预设的差值像素比例阈值时,记录所述差值像素对应的两两通道;
当所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的有效差值像素的数目与所述图片的像素总数之间的比例与所述预设的差值像素比例阈值比较完成后,如果所述记录的两两通道的数目至少为2时,将所述图片确定为黑白图片。
8.一种黑白图片的鉴别装置,其特征在于,所述装置包括:
通道分离模块:设置为获取图片,并将所述图片进行RGB三通道分离,获得R通道、G通道及B通道三个通道;
像素计算模块:设置为分别计算R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值,根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的像素差值获取所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值;
鉴定模块:设置为根据所述R通道与G通道、G通道与B通道及R通道与B通道三个两两通道之间的每个像素点的有效像素差值确定所述图片的颜色类型。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被一个或多个所述处理器执行时,使得一个或多个所述处理器执行如权利要求1至7中任一项所述黑白图片的鉴别方法的步骤。
10.一种存储介质,其特征在于,所述存储介质可被处理器读写,所述存储介质存储有计算机指令,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项所述黑白图片的鉴别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136657.3A CN109949376A (zh) | 2019-02-25 | 2019-02-25 | 黑白图片的鉴别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136657.3A CN109949376A (zh) | 2019-02-25 | 2019-02-25 | 黑白图片的鉴别方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109949376A true CN109949376A (zh) | 2019-06-28 |
Family
ID=67006895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910136657.3A Pending CN109949376A (zh) | 2019-02-25 | 2019-02-25 | 黑白图片的鉴别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949376A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400355A (zh) * | 2019-07-29 | 2019-11-01 | 北京华雨天成文化传播有限公司 | 一种单色视频的确定方法、装置、电子设备及存储介质 |
CN112183454A (zh) * | 2020-10-15 | 2021-01-05 | 北京紫光展锐通信技术有限公司 | 图像检测方法及装置、存储介质、终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500457A (zh) * | 2013-10-23 | 2014-01-08 | 武汉东智科技有限公司 | 一种视频图像偏色检测的方法 |
CN103544716A (zh) * | 2013-10-30 | 2014-01-29 | 北京京北方信息技术有限公司 | 一种对图像的像素进行颜色分类的方法及装置 |
CN104299214A (zh) * | 2014-09-30 | 2015-01-21 | 中国科学院深圳先进技术研究院 | 小雨场景视频数据中雨滴的检测与去除方法和系统 |
CN106131526A (zh) * | 2016-07-13 | 2016-11-16 | 凌云光技术集团有限责任公司 | 一种基于rgb空间的白平衡处理方法及装置 |
CN107257454A (zh) * | 2017-06-29 | 2017-10-17 | 青岛海信电器股份有限公司 | 一种图像色彩偏移的方法、装置及显示设备 |
CN108629795A (zh) * | 2017-03-17 | 2018-10-09 | 高德软件有限公司 | 一种道路图片检测方法及装置 |
-
2019
- 2019-02-25 CN CN201910136657.3A patent/CN109949376A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500457A (zh) * | 2013-10-23 | 2014-01-08 | 武汉东智科技有限公司 | 一种视频图像偏色检测的方法 |
CN103544716A (zh) * | 2013-10-30 | 2014-01-29 | 北京京北方信息技术有限公司 | 一种对图像的像素进行颜色分类的方法及装置 |
CN104299214A (zh) * | 2014-09-30 | 2015-01-21 | 中国科学院深圳先进技术研究院 | 小雨场景视频数据中雨滴的检测与去除方法和系统 |
CN106131526A (zh) * | 2016-07-13 | 2016-11-16 | 凌云光技术集团有限责任公司 | 一种基于rgb空间的白平衡处理方法及装置 |
CN108629795A (zh) * | 2017-03-17 | 2018-10-09 | 高德软件有限公司 | 一种道路图片检测方法及装置 |
CN107257454A (zh) * | 2017-06-29 | 2017-10-17 | 青岛海信电器股份有限公司 | 一种图像色彩偏移的方法、装置及显示设备 |
Non-Patent Citations (1)
Title |
---|
户卫东;丁军娣;: "基于颜色通道比较的显著性检测", 计算机系统应用, no. 08 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400355A (zh) * | 2019-07-29 | 2019-11-01 | 北京华雨天成文化传播有限公司 | 一种单色视频的确定方法、装置、电子设备及存储介质 |
CN112183454A (zh) * | 2020-10-15 | 2021-01-05 | 北京紫光展锐通信技术有限公司 | 图像检测方法及装置、存储介质、终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Detecting digital image splicing in chroma spaces | |
CN202085261U (zh) | 智能视频诊断监控系统 | |
CN101675454B (zh) | 采用全色像素的边缘绘图 | |
CN103763515B (zh) | 一种基于机器学习的视频异常检测方法 | |
EP4109392A1 (en) | Image processing method and image processing device | |
CN104598905B (zh) | 一种车牌定位方法和装置 | |
CN106412619A (zh) | 一种基于hsv颜色直方图和dct感知哈希的镜头边界检测方法 | |
EP3975045A1 (en) | Enhanced training method and apparatus for image recognition model | |
US6483940B1 (en) | Method for dividing image | |
CN102306307B (zh) | 一种彩色显微图像序列中固点噪声的定位方法 | |
CN109949376A (zh) | 黑白图片的鉴别方法、装置、计算机设备和存储介质 | |
CN110674884A (zh) | 一种基于特征融合的图像识别方法 | |
Fernando et al. | Color features for dating historical color images | |
CN110570402B (zh) | 基于边界感知神经网络的双目显著物体检测方法 | |
CN115937269A (zh) | 基于图像金字塔的图像差异区域检测方法 | |
CN104282013B (zh) | 一种用于前景目标检测的图像处理方法及装置 | |
CN106683074A (zh) | 一种基于雾霾特性的图像篡改检测方法 | |
SE538435C2 (en) | Method, device and computer program product for determining color transforms between images comprising a plurality of image elements | |
CN101702234A (zh) | 多目摄像机视频人脸最佳视角的选择方法 | |
CN102163277B (zh) | 一种基于区域的肤色分割方法 | |
CN107786857A (zh) | 一种图像还原方法及装置 | |
CN103325101A (zh) | 彩色特征的提取方法及装置 | |
CN107452008A (zh) | 图像边缘检测方法及装置 | |
CN115601280A (zh) | 图像的处理方法和车辆 | |
CN111402189B (zh) | 一种视频图像偏色检测装置及方法 |
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 |