CN109949378A - 图像灰度值排序方法、装置、电子设备及计算机可读介质 - Google Patents
图像灰度值排序方法、装置、电子设备及计算机可读介质 Download PDFInfo
- Publication number
- CN109949378A CN109949378A CN201910234242.XA CN201910234242A CN109949378A CN 109949378 A CN109949378 A CN 109949378A CN 201910234242 A CN201910234242 A CN 201910234242A CN 109949378 A CN109949378 A CN 109949378A
- Authority
- CN
- China
- Prior art keywords
- data
- gray value
- image
- targeted contrast
- target
- 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.)
- Granted
Links
Abstract
本发明提供了图像灰度值排序方法、装置、电子设备及计算机可读介质,包括:获取待处理图像;对待处理图像进行检测,得到待处理图像的多个灰度值数据;基于待处理图像从多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据;对多个待排序数据按照灰度值大小进行排序,得到目标序列;将待处理图像中多个待排序数据的后一位灰度值数据作为目标数据,并将目标数据和多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,根据对比结果将目标数据插入至目标序列中,得到排序结果,解决了现有技术中存在的当图像输入速率较快、数据量较大时,采用传统排序方法难以做到实时处理的技术问题。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种图像灰度值排序方法、装置、电子设备及计算机可读介质。
背景技术
星载图像一般情况下背景呈现暗色,观测目标在图像中为点目标,但在某种特殊的成像条件下(如光照影响等),星载图像背景可能部分会出现较亮的杂散光,因为杂散光的灰度与目标的灰度值可能相当,会影响图像分割的正确性。
为了提高在杂散光干扰下图像分割的正确性,处理图像数据时使用自适应阈值可提高图像分割的正确性,即对计算像元一定范围内的像元数据作合理统计和计算,得出该像元对应的自适应阈值。使用自适应阈值,每个像元对应的阈值与该像元周围的像元灰度值有关,背景昏暗与背景明亮部分的像元阈值不一样,因此可有效去除杂散光对图像分割产生的影响。
目前,为了得出计算像元对应的自适应阈值,使用传统排序(如冒泡法、二值法等)对该像元邻近的预设数量的像元灰度值中较小的若干个像元的平均值进行三次计算过程,因星上缓存空间有限,三次计算过程不能同时进行,因而在图像输入速率较快、数据量较大时,采用上述传统排序方法难以做到实时处理。
发明内容
有鉴于此,本发明的目的在于提供一种图像灰度值排序方法、装置、电子设备及计算机可读介质,以解决现有技术中存在的当图像输入速率较快、数据量较大时,采用传统排序方法难以做到实时处理的技术问题。
第一方面,本发明实施例提供了一种图像灰度值排序方法,所述方法包括:
获取待处理图像;
对所述待处理图像进行检测,得到所述待处理图像的多个灰度值数据;
基于所述待处理图像从所述多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据;
对所述多个待排序数据按照灰度值大小进行排序,得到目标序列;
将所述待处理图像中所述多个待排序数据的后一位灰度值数据作为目标数据,并将所述目标数据和所述多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,所述目标对比数据为从所述目标序列中选取的灰度值数据;
根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述基于所述待处理图像从所述多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据步骤之后,还包括:
基于所述待处理图像从所述多个灰度值数据中选取预设数量的连续的灰度值数据,得到初始待排序数据;
按照灰度值对所述多个待排序数据采用插入法进行排序,得到初始目标序列;
将所述待处理图像中所述多个待排序数据的后一位灰度值数据作为初始目标数据,插入至所述初始目标序列中,得到初始排序结果。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果步骤之后,还包括:
根据所述排序结果,得到所述排序结果中若干个目标数据的灰度值均值。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果包括:
当所述目标对比数据为一个目标对比数据时,将其作为第一目标对比数据;
如果所述目标数据以及所述多个待排序数据中的第一位灰度值数据均小于等于所述第一目标对比数据,则删除所述多个待排序数据中的第一位灰度值数据,并将所述目标数据插入到所述多个待排序数据中的第一位灰度值数据的位置,得到第一排序结果;
更新所述第一目标对比数据。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果还包括:
当所述目标对比数据为一个目标对比数据时,将其作为第二目标对比数据。
如果所述目标数据以及所述多个待排序数据中的第一位灰度值数据均大于所述第二目标对比数据,则删除所述多个待排序数据中的第一位灰度值数据,并将所述目标数据插入到所述多个待排序数据中的第一位灰度值数据的位置,得到第二排序结果。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果还包括:
当所述目标对比数据为一个目标对比数据时,将其作为第三目标对比数据;
如果所述目标数据小于等于所述第三目标对比数据,并且所述多个待排序数据中的第一位灰度值数据大于所述第三目标对比数据时,则删除所述多个待排序数据中的第一位灰度值数据,将所述第三目标对比数据插入到所述多个待排序数据中的第一位灰度值数据的位置,所述目标数据插入到所述第三目标对比数据的位置,得到第三排序结果。
更新所述第三目标对比数据。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果还包括:
当所述目标对比数据为两个目标对比数据,分别为第四目标对比数据和第五目标对比数据,其中,所述第五目标对比数据大于所述第四目标对比数据,并且,所述多个待排序数据中的第一位灰度值数据小于等于所述第四目标对比数据,所述目标数据大于所述第四目标对比数据时;
如果所述目标数据大于所述第五目标对比数据时,则删除所述多个待排序数据中的第一位灰度值数据,将所述第五目标对比数据插入到所述多个待排序数据中的第一位灰度值数据的位置,所述目标数据插入到所述第五目标对比数据的位置;
如果所述目标数据小于等于所述第五目标对比数据时,则将所述目标数据插入到所述多个待排序数据中的第一位灰度值数据的位置;
更新所述第四目标对比数据以及所述第五目标对比数据。
第二方面,本发明实施例提供了一种图像灰度值排序装置,所述装置包括:
第一获取模块,用于获取待处理图像;
检测模块,用于对所述待处理图像进行检测,得到所述待处理图像的多个灰度值数据;
第二获取模块,用于基于所述待处理图像从所述多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据;
排序模块,用于对所述多个待排序数据按照灰度值大小进行排序,得到目标序列;
第三获取模块,用于将所述待处理图像中所述多个待排序数据的后一位灰度值数据作为目标数据,并将所述目标数据和所述多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,所述目标对比数据为从所述目标序列中选取的灰度值数据;
第四获取模块,用于根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
第四方面,本发明实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述第一方面所述的方法。
本发明实施例提供的技术方案带来了以下有益效果:本发明实施例提供的图像灰度值排序方法、装置、电子设备及计算机可读介质。首先,获取待处理图像,待处理图像进行检测,得到待处理图像的多个灰度值数据,然后,基于待处理图像从多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据,对多个待排序数据按照灰度值大小进行排序,得到目标序列,之后,将待处理图像中多个待排序数据的后一位灰度值数据作为目标数据,并将目标数据和多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,所述目标对比数据为从所述目标序列中选取的灰度值数据;,最后,根据对比结果将目标数据插入至目标序列中,得到排序结果,因此,通过对图像灰度值采用粗略排序方式,使得排序输出、局部阈值计算以及图像分割三步形成对输入像元的流水处理,从而解决了现有技术中存在的当图像输入速率较快、数据量较大时,采用传统排序方法难以做到实时处理的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术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方式,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为本发明实施例提供的图像灰度值排序方法的一种流程图;
图2为本发明实施例提供的图像灰度值排序方法的另一种流程图;
图3为本发明实施例提供的一种图像灰度值排序装置的结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
图标:10-第一获取模块;20-检测模块;30-第二获取模块;40-排序模块;50-第三获取模块;60-第四获取模块;70-电子设备;71-存储器;72- 处理器;73-总线;74-通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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。
目前,传统的图像分割主要有三个步骤:确定阈值、将阈值与像元灰度值比较以及像元归类。其中第一步确定阈值最重要。阈值的选择直接影响分割的准确性以及由此产生的图像描述和分析的正确性。星载图像一般情况下背景呈现暗色,观测目标在图像中为点目标,鉴于星载图像的这种特性,为实现对图像数据的实时处理,采用全局阈值作为像元的分割门限即可实现对目标的提取。但在某种特殊的成像条件下(如光照影响等),星载图像背景可能部分会出现较亮的杂散光,在这种情况下,因为杂散光的灰度与目标的灰度值可能相当,如再使用全局阈值作为像元的分割门限是不准确的,影响图像分割的正确性。
为了提高在杂散光干扰下图像分割的正确性,处理图像数据时使用自适应阈值可提高图像分割的正确性,具体处理方式说明如下:
设定一帧图像共有ROW行,COL列,则使用下面的数组表示一行图像数据,I0为该行图像的第1列像元灰度值,I1为该行图像的第2列像元灰度值,Ik-1为该行图像的第k列像元灰度值,Ik为该行图像的第k+1列像元灰度值,Ik+1为该行图像的第k+2列像元灰度值,ICOL-1为该行图像的第COL 列像元灰度值,如下:
I0,I1,…,Ik-1,Ik,Ik+1,…,ICOL-1;
取第k+1列像元灰度值Ik,计算该像元对应的自适应阈值Tk,计算步骤如下:对于像元Ik
g1:取Ik左边2N个像元,即Ik-2N,Ik-2N+1,…,Ik-1,共2N个像元;
g2:将g1选取的2N个像元灰度值按由小到大排序,选取排序中灰度值较小的N个像元,记为I10,I11,I12,…,I1(N-1);
g3:求解g2选取N个像元的平均值
g4:取Ik左边N-1个像元,右边N个像元,包括Ik在内,即Ik+1-N,Ik+2-N,…, Ik-1,Ik,Ik+1,…,Ik+N,共2N个像元;
g5:将g4选取的2N个像元灰度值按由小到大排序,选取排序中灰度值较小的N个像元,记为I20,I21,I22,…,I2(N-1);
g6:求解g5选取N个像元的平均值
g7:取Ik右边2N个像元,即Ik+1,Ik+2,…,Ik+N,共2N个像元;
g8:将g7选取的2N个像元灰度值按由小到大排序,选取排序中灰度值较小的N个像元,记为I30,I31,I32,…,I3(N-1);
g9:求解g8选取N个像元的平均值
g10:比较A1、A2、A3的大小,取最小者为Ik对应的阈值Tk。
边界情况下阈值选取说明如下:
g10.1如取Ik左边像元数小于N-1,则省去g1,g2,g3,g4,g5,g6。则A3为Ik对应的阈值Tk;
g10.2如取Ik左边像元数大于等于N-1,且小于2N,则省去g1,g2, g3。比较A2、A3的大小,取小者为Ik对应的阈值Tk;
g10.3如取Ik右边像元数小于N,则省去g4,g5,g6,g7,g8,g9。则 A1为Ik对应的阈值Tk;
g10.4如取Ik右边像元数大于等于N,且小于2N,则省去g7,g8,g9。比较A1、A2的大小,取小者为Ik对应的阈值Tk。
在列举的一个使用传统排序方法的解决方案中,使用功能模块M完成 g1、g2和g3功能,此处记为步骤a;使用功能模块M完成g4、g5和g6 功能,此处记为步骤b;使用功能模块M完成g7、g8和g9功能,此处记为步骤c,功能模块M使用传统排序(如冒泡法、二值法等)求解邻近2N 个像元灰度值中较小的N个像元的平均值。
所列举的解决方案有以下3个问题:
(1)使用传统的排序法求解较小的N个像元,一般根据已排序的像元灰度值,将新像元灰度值插入,根据灰度数值来判断插入点,可能导致不同的输入图像排序时间有很大差异,阈值求解时间依赖于图像特征。
(2)a,b,c有很多重复和冗余的操作,他们可能在不同的时间段针对同一段邻近的2N个数据进行排序,造成了时间和资源上的浪费。
(3)a,b,c同时访问行缓存装置,行缓存装置需要对访问设置仲裁,以合理处理a,b,c对行缓存装置的访问,同时访问容易形成拥塞,使得a, b,c不能同时进行,在图像输入速率较快,数据量较大时,难以做到实时处理。
基于此,本发明实施例提供的一种图像灰度值排序方法、装置、电子设备及计算机可读介质,可以解决现有技术中存在的当图像输入速率较快、数据量较大时,采用上述传统排序方法难以做到实时处理的技术问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种图像灰度值排序方法、装置、电子设备及计算机可读介质进行详细介绍。
实施例一:
本发明实施例提供的一种图像灰度值排序方法,如图1所示,方法包括以下步骤:
步骤S101,获取待处理图像。
本实施例中,通过图像获取装置获取待处理图像,图像获取装置包括但不限于相机,相机确定后,图像的大小也随之确定。
步骤S102,对待处理图像进行检测,得到待处理图像的多个灰度值数据。
图像接收装置用于接收图像获取装置(如相机)输出的图像数据,相机跟图像接收装置之间会有接口,通过这个接口相机会以定义的时序将图像的灰度值数据发给图像接收装置。
步骤S103,基于待处理图像从多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据。
优选的,将图像接收装置中的图像灰度值数据以行为单位存入行缓存装置,其中,行缓存装置用于缓存一行图像数据,用户根据待处理图像中像元的列数来设定合适的预设数量,按预设数量读取行缓存装置中多个连续的灰度值数据,本实施例中,以2N表示预设数量,所读取的像元记为Ii, Ii+1,…Ii+2N-1(i=0,1…COL-1-2N)。
步骤S104,对多个待排序数据按照灰度值大小进行排序,得到目标序列。
具体的,将读取的预设数量的待排序数据按照灰度值大小进行粗略排序,得到目标序列,本实施例中,将目标序列分成两部分,其中,较小的N 个灰度值定义为小灰度值序列,记为S;较大的N个灰度值,定义为大灰度值序列,记为L。记录小灰度值序列S中灰度值最大值Smax。
步骤S105,将待处理图像中多个待排序数据的后一位灰度值数据作为目标数据,并将目标数据和多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,目标对比数据为从目标序列中选取的灰度值数据。
具体的,从行缓存装置中读取Ii,Ii+2N(i=0…COL-1-2N),并将Ii的灰度值记为Pdel,Ii+2N的灰度值记为Pinst,Smax为小灰度值序列S中灰度值最大值,作为本实施例中的一个目标对比数据,该值作为小灰度值序列或大灰度值序列的中值,用于判断Pdel和Pinst属于小灰度值序列或大灰度值序列,得出判断结果。
步骤S106,根据对比结果将目标数据插入至目标序列中,得到排序结果。
根据判断结果,在S或L中删除Pdel,插入Pinst,形成新的排序组,并更新Smax,并且将新的排序组作为下一个目标序列重复执行步骤S105和步骤S106,完成待处理图像的所有相邻2N个像元的粗略排序。
本发明实施例提供了一种图像灰度值排序方法、装置、电子设备及计算机可读介质。首先,获取待处理图像,对待处理图像进行检测,得到待处理图像的多个灰度值数据,然后,基于待处理图像从多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据,对多个待排序数据按照灰度值大小进行排序,得到目标序列,之后,将待处理图像中多个待排序数据的后一位灰度值数据作为目标数据,并将目标数据和多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,目标对比数据为从目标序列中选取的灰度值数据,最后,根据对比结果将目标数据插入至目标序列中,得到排序结果。通过设置两个缓存装置,对待处理图像数据以步进的方式完成每行像元中所有相邻的预设数量像元的粗略排序,有效提高了图像处理速度,从而解决了现有技术中存在的当图像输入速率较快、数据量较大时,采用传统排序方法难以做到实时处理的技术问题。
实施例二:
本发明实施例提供的一种图像灰度值排序方法,如图2所示,包括以下步骤:
步骤S201,获取待处理图像。
本实施例中,图像获取装置包括但不限于相机,受图像获取装置限定,通过相机得到的图像中像元的行数和列数也就是固定的输入,不可更改。
步骤S202,对待处理图像进行检测,得到待处理图像的多个灰度值数据。
图像接收装置用于接收图像获取装置输出的图像数据,图像获取装置与图像接收装置之间设置有接口,通过所设置的接口图像获取装置会以定义的时序将图像的灰度值数据发给图像接收装置。
步骤S203,基于待处理图像从多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据。
优选的,将图像接收装置中的图像灰度值数据以行为单位存入行缓存装置,本实施例中,以2N表示预设数量,所读取的像元记为Ii,Ii+1,…Ii+2N-1(i=0,1…COL-1-2N)。
步骤S204,基于待处理图像从多个灰度值数据中选取预设数量的连续的灰度值数据,得到初始待排序数据。
具体的,从行缓存装置中通过行缓存读访问模块读取I0,I1,…I2N-1,共2N个像元,作为初始待排序数据。
步骤S205,按照灰度值对多个待排序数据采用插入法进行排序,得到初始目标序列。
进一步的,对初始待排序数据I0,I1,…I2N-1采用插入法进行排序,插入法实现方法如下:
开辟3个存储空间A、B和C,A和B能存储M个像素灰度值,C能存储2N个像素灰度值,2N是M的整数倍,用户根据需求设定适合的M值。
A存储元素序号为0,1...M-1,A第一个存储元素为A[0],第二个存储元素为A[1],第M个存储元素为A[M-1];
B存储元素序号为0,1...M-1,B第一个存储元素为B[0],第二个存储元素为B[1],第M个存储元素为B[M-1];
C中存储元素序号为0~2N-1,C第一个存储元素为C[0],第二个存储元素为C[1],第2N个存储元素为C[2N-1]。
开辟3个存储空间D、E和F,D和E能存储M个像素灰度值,F能存储2N个像素灰度值,2N是M的整数倍,如下:
D:{Di,i=0,1…M-1};
E:{Ei,i=0,1…M-1};
F:{Fi,i=0,1…2N-1}。
①M个元素排序:
1.从行缓存中读取3个像素I0,I1,I2,将这3个像素灰度值按从小到大排列并存入D0,D1,D2中,D0存最小值,D1存中间值,D2存最大值。
2.从行缓存中读取第4个像素灰度值I3,扫描D中已存入像元的灰度值,确定I3的插入位置。
3.读出2中插入位置及之后的所有存储的像元灰度值。
4.在插入位置写入插入灰度值I3。
5.将读出的灰度值写入插入位置后的存储空间。完成I3的插入排序。
6.重复2-5,直至完成M个像素灰度的插入排序,至此M个像素灰度值在D中由小到大排列,即D0<D1<D2…DM-1。
②2N个元素排序:
1.D中第一个M个像素灰度值完成排序后,将D中M个像素灰度值存储至F中,即将D0~DM-1依次复制到F0~FM-1。
2.第二个M个元素在D中完成排序后,由小到大扫描D中的元素,根据D中扫描元素的值与F中元素值的大小关系确定D中扫描元素在F中的插入位置,并标记下来。
3.读出F中的所有灰度值,将D中的灰度值按2中标记的插入位置插入到读出灰度值中,形成新的排序,将新的排序写入F中,完成第二个M 个像元灰度值的排序,F中有2M个排好序的元素。
4.D中完成第K个(K=3,4...2N/M)排序后,重复2-3,完成插入第K 个M个元素的排序,直至所有的2N个元素完成由小到大的排序。
2N个像素灰度值排序结构说明:
D和E存储装置以乒乓的方式完成输入M个元素的排序,D或E与F 以流水结构完成2N个元素的排序。即D从输入缓存中陆续读入M个元素进行①所述排序操作,D完成排序操作后,与F进行②所述排序操作的同时,E从输入缓存中读入M个元素进行①所述排序操作,达到所述①操作和②操作同时进行。如此待D和F完成②所述排序操作,且E完成①所述操作,E和F进行②所述操作,D进行①所述操作。
2N像元灰度值排序完成后,对2N个排序值进行分组:
F0~FN-1为较小的N个灰度值,定义为小灰度值序列,记为S;FN~F2N-1为较大的N个灰度值,定义为大灰度值序列,记为L。同时记录小灰度值序列S中灰度值最大值Smax=FN-1。
步骤S206,将待处理图像中多个待排序数据的后一位灰度值数据作为初始目标数据,插入至初始目标序列中,得到初始排序结果。
从行缓存装置中通过行缓存读访问模块读取I0,I2N,并使用I0和I2N对初始目标序列中的灰度值数据进行更新,去掉I0,插入I2N,形成新的序列I1…I2N。
步骤S207,对多个待排序数据按照灰度值大小进行排序,得到目标序列。
具体的,使用粗略分组排序法对初始排序结果I1…I2N进行排序。
将读取的预设数量的待排序数据Ii,Ii+1,…Ii+2N-1(i=1…COL-1-2N)按照灰度值大小进行粗略排序,其中较小的N个灰度值定义为小灰度值序列,记为S;较大的N个灰度值,定义为大灰度值序列,记为L。记录小灰度值序列S中灰度值最大值Smax。
步骤S208,将待处理图像中多个待排序数据的后一位灰度值数据作为目标数据,并将目标数据和多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,目标对比数据为从目标序列中选取的灰度值数据。
具体的,从行缓存装置中读取Ii,Ii+2N(i=1…COL-1-2N),并将Ii的灰度值记为Pdel,Ii+2N的灰度值记为Pinst,Smax为小灰度值序列S中灰度值最大值,Lmin为大灰度值序列L中灰度值最小值,Smax和Lmin用于判断Pdel和Pinst属于小灰度值序列或大灰度值序列,得出判断结果。
步骤S209,根据对比结果将目标数据插入至目标序列中,得到排序结果。
从行缓存装置中通过行缓存读访问模块读取Ii,Ii+2N(i=1…COL-1-2N),使用从行缓存装置中读出的Ii,Ii+2N对步骤S207所计算出的序列Ii, Ii+1,…Ii+2N-1通过粗略分组排序法进行更新,去掉Ii,插入Ii+2N,形成新的序列Ii+1,…Ii+2N。
具体的,粗略分组排序法按以下4种情况进行判断和相应操作:
(1)当目标对比数据为一个目标对比数据时,将其作为第一目标对比数据;
如果目标数据以及多个待排序数据中的第一位灰度值数据均小于等于第一目标对比数据,则删除多个待排序数据中的第一位灰度值数据,并将目标数据插入到多个待排序数据中的第一位灰度值数据的位置,得到第一排序结果;
更新第一目标对比数据。
具体的,当Pdel≦Smax,Pinst≦Smax时,在此情况下,Pdel和Pinst均在小灰度值序列中,对小灰度值序列S中的灰度值进行遍历,完成以下操作:
a.更新和排序:如当前遍历像元灰度值等于Pdel,则将当前像元灰度值替换成Pinst;
b.输出:如当前遍历像元灰度值不等于Pdel,输出当前灰度值;如当前灰度值等于Pdel,输出Pinst;
c.更新Smax:遍历过程中重新求解Smax,如当前遍历像元灰度值等于Pdel, 则使用Pinst进行求解Smax。
情况(1)说明:
abc操作同时进行,无先后顺序关系,每遍历一个像元灰度值需要1个时钟周期,在(1)所述情况下计算共需N个时钟周期。
(2)当目标对比数据为两个目标对比数据,分别为第四目标对比数据和第五目标对比数据,其中,第五目标对比数据大于第四目标对比数据,并且,多个待排序数据中的第一位灰度值数据小于等于第四目标对比数据,目标数据大于第四目标对比数据时;
如果目标数据大于第五目标对比数据时,则删除多个待排序数据中的第一位灰度值数据,将第五目标对比数据插入到多个待排序数据中的第一位灰度值数据的位置,目标数据插入到第五目标对比数据的位置;
如果目标数据小于等于第五目标对比数据时,则将目标数据插入到多个待排序数据中的第一位灰度值数据的位置;
更新第四目标对比数据以及第五目标对比数据。
具体的,当Pdel≦Smax,Pinst>Smax时,在此情况下,需要删除的像元灰度值Pdel在小灰度值序列中,需要插入的像元灰度值Pinst可能在小灰度值序列或大灰度值序列中。对小灰度值序列S和大灰度值序列L中灰度值进行遍历,完成如下步骤:
①对S中各灰度值进行遍历时,同时进行如下操作:
a.更新和排序:如当前遍历像元灰度值等于Pdel,标记Pdel所在的位置 SAdel;
b.输出:如当前遍历像元灰度值不等于Pdel,则输出当前灰度值;如当前灰度值等于Pdel,略去该值的输出;
c.更新Smax:遍历过程中重新求解Smax,如当前遍历灰度值等于Pdel,则忽略该值继续求解Smax;
②对L中各灰度值进行遍历时,进行如下操作:
遍历求解L中像元灰度值最小值Lmin,并记录该像元在L序列中的位置 LAinst。
③比较Lmin与Pinst的大小,确定Pinst的插入位置,同时完成以下操作:
a.更新和排序:
如Lmin<Pinst,则Pinst替代Lmin插入至大灰度值序列L的LAinst位置,Lmin替代Pdel插入至小灰度值序列S的SAdel位置;否则Pinst替代Pdel插入至小灰度值序列S的SAdel位置,大灰度值序列保持不变;
b.输出:
如Lmin<Pinst,输出Lmin作为最后一个输出像元;否则输出Pinst为最后一个输出像元。
c.更新Smax:
如Lmin<Pinst,比较经过①操作后的Smax与Lmin的值,如Lmin≦Smax,则 Smax保持原值不变,否则将Lmin的值赋给Smax为最新的Smax;如Lmin≥Pinst,比较经过①操作后的Smax与Pinst的值,如Pinst≦Smax,则Smax保持原值不变,否则将Pinst的值赋给Smax为最新的Smax。
情况(2)说明:
操作①和②同时进行,然后完成步骤③;
操作①中abc同时进行;
操作③中abc同时进行;
每遍历一个像元灰度值需要1个时钟周期,同时完成①和②共需N个时钟周期,操作③需要1个时钟周期,在(2)所述情况下计算共需N+1个时钟周期。
(3)当目标对比数据为一个目标对比数据时,将其作为第三目标对比数据;
如果目标数据小于等于第三目标对比数据,并且多个待排序数据中的第一位灰度值数据大于第三目标对比数据时,则删除多个待排序数据中的第一位灰度值数据,将第三目标对比数据插入到多个待排序数据中的第一位灰度值数据的位置,目标数据插入到第三目标对比数据的位置,得到第三排序结果;
更新第三目标对比数据。
具体的,当Pinst≦Smax,Pdel>Smax时,在此情况下,需删除的像元灰度值Pdel在大灰度值序列中,需插入的像元灰度值Pinst可能在小灰度值序列或大灰度值序列中。对小灰度值序列S和大灰度值序列L中灰度值进行遍历,完成如下步骤:
①对S中各灰度值进行遍历时,同时进行如下操作:
a.更新和排序:如当前遍历像元灰度值等于Smax,使用Pinst替代Smax,仅替换一次;
b.输出:如当前遍历像元灰度值不等于Smax,则输出当前灰度值;如遍历当前灰度值等于Smax,使用Pinst替代当前输出,如有多个像元灰度值等于 Smax,仅替换一个输出,其他正常输出;
c.遍历过程中重新求解Smax,如当前遍历像元灰度值等于Smax,则使用 Pinst求解Smax,如有多个像元灰度值等于Smax,仅替代一次求解,其他正常求解;
②对L中各灰度值进行遍历时,进行如下操作:
遍历L中像元灰度值等于Pdel,使用Smax替代Pdel所在像元位置,仅替换一次。
情况(3)说明:
操作①和②同时进行;
操作①中abc同时进行;
每遍历一个像元灰度值需要1个时钟周期,同时完成①和②共需N个时钟周期,在(3)所述情况下计算共需N个时钟周期:
(4)当目标对比数据为一个目标对比数据时,将其作为第二目标对比数据;
如果目标数据以及多个待排序数据中的第一位灰度值数据均大于第二目标对比数据,则删除多个待排序数据中的第一位灰度值数据,并将目标数据插入到多个待排序数据中的第一位灰度值数据的位置,得到第二排序结果。
具体的,当Pinst>Smax,Pdel>Smax时,在此情况下,Pdel和Pinst均在大灰度值序列中。对大灰度值序列L中的灰度值进行遍历,完成以下操作:
a.更新和排序:如当前遍历像元灰度值等于Pdel,则将当前像元灰度值替换成Pinst;
b.输出:依次输出小灰度值序列S的像元灰度值;
情况(4)说明:
因小灰度值序列S未发生改变,无需更新Smax。ab操作同时进行,无先后顺序关系,每遍历一个像元需要1个时钟周期,在4)所述情况下计算共需N个时钟周期。
步骤S210,根据排序结果,得到排序结果中若干个目标数据的灰度值均值。
优选的,实时计算输入的2N个像元灰度值中较小的N个像元灰度值的均值,并将计算结果存储至均值缓存装置,其中,均值缓存装置用于缓存邻近2N个像元中较小N个像元的平均值,将Ii,Ii+1,…Ii+2N-1(i=0,1…COL-1-2N)中较小N个像元的平均值记为Bi,存入均值缓存装置 B中。
本实施例中,通过以上方法完成每行像元中所有相邻2N个像元中较小的N个像元灰度值的均值计算。对于行缓存中读取的任一像元Ik,从均值缓存装置中读取其左边2N个像元中较小的N个像元的灰度值均值Bk-2N,读取其左边N-1个像元,右边N个像元,包括该像元在内的2N个像元中较小的N个像元的灰度值均值Bk+1-N,其右边2N个像元中较小的N个像元的灰度值均值Bk+1,根据根据Bk-2N,Bk+1-N,Bk+1的值求取最小者为Tk。
边界情况下阈值选取说明如下:
如果Ik左边像元数小于N-1,则Bk-2N和Bk+1-N缺省,Bk+1为Ik对应的阈值。
如果Ik左边像元数大于等于N-1,且小于2N,则Bk-2N缺省,读取Bk+1-N和Bk+1中的最小值,得到Ik对应的阈值。
如果Ik右边像元数小于N,则Bk+1-N和Bk+1缺省,Bk-2N为Ik对应的阈值。
如果Ik右边像元数大于等于N,且小于2N,则Bk+1缺省,读取Bk-2N和 Bk+1-N中的最小值,得到Ik对应的阈值。
比较Tk与Ik的值,求解Ik阈值分割后的值并输出。
本实施例中提出的一种图像灰度值排序方法,其优点在于,首先,仅需两行数据的缓存空间即可完成阈值的求解,使用的缓存空间小,方法实现占用资源少,易于硬件实现,其次,本方法针对每一帧图像的处理时间均一致,处理时间不依赖与输入图像特征,最后,排序输出、局部阈值计算、图像分割三步形成对输入像元的流水处理,有效提高图像处理速度。
实施例三:
本发明实施例提供的一种图像灰度值排序装置,如图3所示,装置包括:第一获取模块10,检测模块20,第二获取模块30,排序模块40,第三获取模块50,第四获取模块60。
第一获取模块10用于获取待处理图像。检测模块20用于对待处理图像进行检测,得到待处理图像的多个灰度值数据。第二获取模块30用于用于基于待处理图像从多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据。排序模块40用于对多个待排序数据按照灰度值大小进行排序,得到目标序列。第三获取模块50用于将待处理图像中多个待排序数据的后一位灰度值数据作为目标数据,并将目标数据和多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,目标对比数据为从目标序列中选取的灰度值数据。第四获取模块60 用于根据对比结果将目标数据插入至目标序列中,得到排序结果。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例四:
本发明实施例提供的一种电子设备,如图4所示,电子设备70包括存储器71、处理器72,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例一或实施例二提供的方法的步骤。
参见图4,电子设备还包括:总线73和通信接口74,处理器72、通信接口74和存储器71通过总线73连接;处理器72用于执行存储器71中存储的可执行模块,例如计算机程序。
其中,存储器71可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口74(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线73可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器71用于存储程序,所述处理器72在接收到执行指令后,执行所述程序,前述本发明任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器72中,或者由处理器72实现。
处理器72可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器72中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器72可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器71,处理器72读取存储器71中的信息,结合其硬件完成上述方法的步骤。
实施例五:
本发明实施例提供的一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述实施例一或实施例二提供的方法。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种图像灰度值排序方法,其特征在于,所述方法包括:
获取待处理图像;
对所述待处理图像进行检测,得到所述待处理图像的多个灰度值数据;
基于所述待处理图像从所述多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据;
对所述多个待排序数据按照灰度值大小进行排序,得到目标序列;
将所述待处理图像中所述多个待排序数据的后一位灰度值数据作为目标数据,并将所述目标数据和所述多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,所述目标对比数据为从所述目标序列中选取的灰度值数据;
根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果。
2.根据权利要求1所述的一种图像灰度值排序方法,其特征在于,所述基于所述待处理图像从所述多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据步骤之后,还包括:
基于所述待处理图像从所述多个灰度值数据中选取预设数量的连续的灰度值数据,得到初始待排序数据;
按照灰度值对所述多个待排序数据通过插入法进行排序,得到初始目标序列;
将所述待处理图像中所述多个待排序数据的后一位灰度值数据作为初始目标数据,插入至所述初始目标序列中,得到初始排序结果。
3.根据权利要求1所述的一种图像灰度值排序方法,其特征在于,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果步骤之后,还包括:
根据所述排序结果,得到所述排序结果中若干个目标数据的灰度值均值。
4.根据权利要求1所述的一种图像灰度值排序方法,其特征在于,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果包括:
当所述目标对比数据为一个目标对比数据时,将其作为第一目标对比数据;
如果所述目标数据以及所述多个待排序数据中的第一位灰度值数据均小于等于所述第一目标对比数据,则删除所述多个待排序数据中的第一位灰度值数据,并将所述目标数据插入到所述多个待排序数据中的第一位灰度值数据的位置,得到第一排序结果;
更新所述第一目标对比数据。
5.根据权利要求1所述的一种图像灰度值排序方法,其特征在于,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果还包括:
当所述目标对比数据为一个目标对比数据时,将其作为第二目标对比数据;
如果所述目标数据以及所述多个待排序数据中的第一位灰度值数据均大于所述第二目标对比数据,则删除所述多个待排序数据中的第一位灰度值数据,并将所述目标数据插入到所述多个待排序数据中的第一位灰度值数据的位置,得到第二排序结果。
6.根据权利要求1所述的一种图像灰度值排序方法,其特征在于,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果还包括:
当所述目标对比数据为一个目标对比数据时,将其作为第三目标对比数据;
如果所述目标数据小于等于所述第三目标对比数据,并且所述多个待排序数据中的第一位灰度值数据大于所述第三目标对比数据时,则删除所述多个待排序数据中的第一位灰度值数据,将所述第三目标对比数据插入到所述多个待排序数据中的第一位灰度值数据的位置,所述目标数据插入到所述第三目标对比数据的位置,得到第三排序结果;
更新所述第三目标对比数据。
7.根据权利要求1所述的一种图像灰度值排序方法,其特征在于,所述根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果还包括:还包括:
当所述目标对比数据为两个目标对比数据,分别为第四目标对比数据和第五目标对比数据,其中,所述第五目标对比数据大于所述第四目标对比数据,并且,所述多个待排序数据中的第一位灰度值数据小于等于所述第四目标对比数据,所述目标数据大于所述第四目标对比数据时;
如果所述目标数据大于所述第五目标对比数据时,则删除所述多个待排序数据中的第一位灰度值数据,将所述第五目标对比数据插入到所述多个待排序数据中的第一位灰度值数据的位置,所述目标数据插入到所述第五目标对比数据的位置;
如果所述目标数据小于等于所述第五目标对比数据时,则将所述目标数据插入到所述多个待排序数据中的第一位灰度值数据的位置;
更新所述第四目标对比数据以及所述第五目标对比数据。
8.一种图像灰度值排序装置,其特征在于,所述装置包括:
第一获取模块,用于获取待处理图像;
检测模块,用于对所述待处理图像进行检测,得到所述待处理图像的多个灰度值数据;
第二获取模块,用于基于所述待处理图像从所述多个灰度值数据中选取预设数量的连续的灰度值数据,得到多个待排序数据;
排序模块,用于对所述多个待排序数据按照灰度值大小进行排序,得到目标序列;
第三获取模块,用于将所述待处理图像中所述多个待排序数据的后一位灰度值数据作为目标数据,并将所述目标数据和所述多个待排序数据中的第一位灰度值数据与目标对比数据进行对比,得到对比结果,其中,所述目标对比数据为从所述目标序列中选取的灰度值数据;
第四获取模块,用于根据所述对比结果将所述目标数据插入至所述目标序列中,得到排序结果。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910234242.XA CN109949378B (zh) | 2019-03-26 | 2019-03-26 | 图像灰度值排序方法、装置、电子设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910234242.XA CN109949378B (zh) | 2019-03-26 | 2019-03-26 | 图像灰度值排序方法、装置、电子设备及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109949378A true CN109949378A (zh) | 2019-06-28 |
CN109949378B CN109949378B (zh) | 2021-06-08 |
Family
ID=67010812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910234242.XA Active CN109949378B (zh) | 2019-03-26 | 2019-03-26 | 图像灰度值排序方法、装置、电子设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949378B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015746A (zh) * | 2020-08-27 | 2020-12-01 | 北京字节跳动网络技术有限公司 | 数据实时处理方法、装置、介质和电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2935803B2 (ja) * | 1993-12-28 | 1999-08-16 | 大日本スクリーン製造株式会社 | 欠陥検査装置 |
CN101510215A (zh) * | 2009-03-20 | 2009-08-19 | 炬力集成电路设计有限公司 | 一种计算机系统中的数据处理方法和系统 |
CN101677338A (zh) * | 2008-09-18 | 2010-03-24 | 深圳富泰宏精密工业有限公司 | 快捷列表排序系统及方法 |
CN103020272A (zh) * | 2012-12-27 | 2013-04-03 | 广东佳和通信技术有限公司 | 一种字符串的排序方法 |
CN103392169A (zh) * | 2011-02-18 | 2013-11-13 | 起元技术有限责任公司 | 排序 |
CN103530847A (zh) * | 2013-09-24 | 2014-01-22 | 电子科技大学 | 一种红外图像增强方法 |
CN104021161A (zh) * | 2014-05-27 | 2014-09-03 | 华为技术有限公司 | 一种聚簇存储方法及装置 |
CN105512179A (zh) * | 2015-11-25 | 2016-04-20 | 中国科学院计算技术研究所 | 硬件实现的数据排序装置、方法及数据处理芯片 |
CN106462386A (zh) * | 2014-05-30 | 2017-02-22 | 华为技术有限公司 | 并行归并排序 |
CN106484662A (zh) * | 2016-10-12 | 2017-03-08 | 天闻数媒科技(湖南)有限公司 | 一种混合数据排序方法和装置 |
CN107016669A (zh) * | 2017-03-27 | 2017-08-04 | 福州瑞芯微电子股份有限公司 | 一种图像坏点检测方法和装置 |
CN109426484A (zh) * | 2017-08-28 | 2019-03-05 | 华为技术有限公司 | 一种数据排序装置、方法及芯片 |
-
2019
- 2019-03-26 CN CN201910234242.XA patent/CN109949378B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2935803B2 (ja) * | 1993-12-28 | 1999-08-16 | 大日本スクリーン製造株式会社 | 欠陥検査装置 |
CN101677338A (zh) * | 2008-09-18 | 2010-03-24 | 深圳富泰宏精密工业有限公司 | 快捷列表排序系统及方法 |
CN101510215A (zh) * | 2009-03-20 | 2009-08-19 | 炬力集成电路设计有限公司 | 一种计算机系统中的数据处理方法和系统 |
CN103392169A (zh) * | 2011-02-18 | 2013-11-13 | 起元技术有限责任公司 | 排序 |
CN103020272A (zh) * | 2012-12-27 | 2013-04-03 | 广东佳和通信技术有限公司 | 一种字符串的排序方法 |
CN103530847A (zh) * | 2013-09-24 | 2014-01-22 | 电子科技大学 | 一种红外图像增强方法 |
CN104021161A (zh) * | 2014-05-27 | 2014-09-03 | 华为技术有限公司 | 一种聚簇存储方法及装置 |
CN106462386A (zh) * | 2014-05-30 | 2017-02-22 | 华为技术有限公司 | 并行归并排序 |
CN105512179A (zh) * | 2015-11-25 | 2016-04-20 | 中国科学院计算技术研究所 | 硬件实现的数据排序装置、方法及数据处理芯片 |
CN106484662A (zh) * | 2016-10-12 | 2017-03-08 | 天闻数媒科技(湖南)有限公司 | 一种混合数据排序方法和装置 |
CN107016669A (zh) * | 2017-03-27 | 2017-08-04 | 福州瑞芯微电子股份有限公司 | 一种图像坏点检测方法和装置 |
CN109426484A (zh) * | 2017-08-28 | 2019-03-05 | 华为技术有限公司 | 一种数据排序装置、方法及芯片 |
Non-Patent Citations (3)
Title |
---|
WEIFENG ZHONG等: ""The research of color sorting algorithm based on gray level co-occurrence matrix"", 《2013 2ND INTERNATIONAL CONFERENCE ON MEASUREMENT,INFORMATION AND CONTROL》 * |
李天雪等: ""基于像素值排序的可逆信息隐藏算法"", 《计算机应用》 * |
袁河洋: ""基于视频的车辆速度检测方法研究"", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112015746A (zh) * | 2020-08-27 | 2020-12-01 | 北京字节跳动网络技术有限公司 | 数据实时处理方法、装置、介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109949378B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764372B (zh) | 数据集的构建方法和装置、移动终端、可读存储介质 | |
CN110543999B (zh) | 用于门店选址的方法和装置 | |
CN108230321A (zh) | 缺陷检测方法及装置 | |
CN109949290A (zh) | 路面裂缝检测方法、装置、设备及存储介质 | |
KR101033098B1 (ko) | 실시간 얼굴 검출 장치 | |
CN109165645A (zh) | 一种图像处理方法、装置以及相关设备 | |
CN107392932A (zh) | 更新用于图像的背景减除的背景模型的方法和装置 | |
CN107633226A (zh) | 一种人体动作跟踪识别方法及系统 | |
CN109376609A (zh) | 受电弓磨耗的识别方法、装置及智能终端 | |
CN113129326B (zh) | 灰度图像的自适应阈值分割方法 | |
CN113065609B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN109840559A (zh) | 图像筛选方法、装置以及电子设备 | |
CN109598430A (zh) | 配送范围生成方法、装置、电子设备和存储介质 | |
CN109949378A (zh) | 图像灰度值排序方法、装置、电子设备及计算机可读介质 | |
CN109255786A (zh) | 一种检测骨龄的方法及装置 | |
CN110688900A (zh) | 一种基于图像识别的撤回表计管理方法 | |
CN100421472C (zh) | 用于图像相关性最小失真计算的自适应尽快退出技术 | |
CN110084232A (zh) | 车牌中汉字字符的识别方法、装置及终端设备 | |
CN109961103A (zh) | 特征提取模型的训练方法、图像特征的提取方法及装置 | |
CN104254854A (zh) | 基于占有率的模式挖掘 | |
CN108596118A (zh) | 一种基于人工蜂群算法的遥感影像分类方法及系统 | |
CN109612588A (zh) | Lst图像数据预测方法、装置以及电子设备 | |
CN109002544A (zh) | 一种数据处理方法、装置和计算机可读介质 | |
CN110956178B (zh) | 一种基于图像相似度计算的植物生长测量方法、系统及电子设备 | |
CN114494999A (zh) | 一种双分支联合型目标密集预测方法及系统 |
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 |