CN110009615A - 图像角点的检测方法及检测装置 - Google Patents
图像角点的检测方法及检测装置 Download PDFInfo
- Publication number
- CN110009615A CN110009615A CN201910254763.1A CN201910254763A CN110009615A CN 110009615 A CN110009615 A CN 110009615A CN 201910254763 A CN201910254763 A CN 201910254763A CN 110009615 A CN110009615 A CN 110009615A
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- detected
- angle point
- enclosed region
- 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
Classifications
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了图像角点的检测方法,其特征在于,包括:获取待检测图像;对待检测图像进行二值化处理以获得二值图像;对二值图像进行开运算以获得去噪图像;对去噪图像进行闭运算以识别闭合区域;分离包含闭合区域的候选图像;对候选图像进行角点检测,当检测到在闭合区域中存在角点时,输出候选图像的角点的位置信息。根据本公开能够较快地检测到图像,并提高图像检测的检测效率。
Description
技术领域
本公开涉及一种图像角点的检测方法及检测装置。
背景技术
现有的图像检测特别是屏幕到相机通信的图像检测通常有三类检测。第一类是使用方形结构进行检测。例如在屏幕到相机通信中多采用二维码。例如Quick Response(QR)码和DM码,也包含一些非二维码的情况。通信是以通过以屏幕边框作为寻像图形实现的。二维码和屏幕边框多为正方形或长方形,因此二维码及屏幕边框的四周边缘可以作为一个特征进行检测。在现有算法中可以通过Canny算子进行边缘提取再通过霍夫变换在二值化图像上进行直线检测。四条直线的闭合区域则为二维码或屏幕边框所在的区域,即候选区域。在该区域中,通过寻找寻像图形,如DM码四边的寻像图形,以及QR码方形区域内的三个寻像图形和一到多个校准图形,即可获得二维码的位置信息和旋转信息。目前最广泛采用的二维码检测开源代码库ZXing被包含在许多先进的二维码检测手机应用中,如二维码识别(QRDroid)和条码扫描(Barcode Scanner)。ZXing算法是通过方形检测算子找到二维码的区域。该算子在二值化后的图像正中心建立一个正方形,正方形中心点也在图像正中心。通过初始化的正方形大小搜索正方形外的区域,并记下搜索到的最远点的坐标。以四组搜索到的坐标建立一个区域即为二维码所在的区域,最后同样通过寻像图形获得二维码的位置信息和旋转信息。
第二类是使用纹理进行检测。在屏幕到相机通信中,对于QR码和DM码,二值化的模块可以作为特征被用于检测。如通过方向梯度直方图(Histogram of Oriented Gradient,HOG)进行检测。Haar-like特征也被作为纹理特征用于对QR码的检测。在最近的一些算法中,这种二值化特征被用于训练神经网络来实现对于图像中二维码的识别。第三类是通过特别设计的寻像图形进行检测。在一些特殊的在屏幕到相机通信方案,通过在中间设立回形寻像图形,再通过分布式的辅助寻像图形进行检测以提高检测正确率。
上述几类图像检测方法,能不同程度地实现检测,但是也带来了一些问题。其一,增加算法复杂度。对于使用Canny算子再通过霍夫变换来实现对于二维码边缘直线的检测的算法来说,霍夫变换会增加算法复杂度,因此算法的速度会下降。其二,鲁棒性较差。对于霍夫变换来说,如果图像中有其他直线图案作为二维码的背景,那么检测过程会被严重干扰。对于ZXing算法来说,不适用于检测非二值外观的二维码。如在二维码中嵌入图片的情况中,二维码中心部分到四周边缘部分留有白色或浅色背景,方形检测过程会被嵌入图片的图片内容严重干扰。其三,对于一些二维码,其纹理不一定能被提取作为特征来进行识别,嵌入的图片内容对与该二维码的纹理来说是严重的干扰,因此纹理特征并不能作为一种通用的检测算法。对于机器学习来说,准备合适的训练数据也是一个不可避免的问题。数据的质量决定了最后算法检测的准确率。采集的数据质量过低会导致检测率较低。并且复杂模型在实际运用中也可能导致较高的计算量而降低算法检测效率。其四,对于其他特殊设计的寻像图形,必须通过作者自己设计的算法才能检测。而对于最广泛应用的方形二维码检测算法,无法直接应用到这些屏幕到相机的方案上。
综上所述,尽管近年来人们不断在提高算法检测效率,但是现有的算法仍然存在较大的缺陷。例如现阶段虽然二维码检测算法在QR码上面表现良好,QR码也被广泛应用与移动支付、社交等领域,但是如果使用在其他屏幕到相机通信方案上面表现较差,并且存在较高复杂度的问题不利于用在移动设备上。随着手机的普及,未来对于检测算法的准确率和效率的要求会较高,屏幕到相机通信方案会更加多样,并且需要较低的算法复杂度以实现大规模应用。因此积极探索通用的、鲁棒的且高效的检测算法是有必要的。
发明内容
为了解决上述问题,本公开提出了一种能够较快地检测到图像,并提高图像检测的检测效率的图像角点的检测方法及检测装置。
为此,本公开第一方面提供了一种图像角点的检测方法,其特征在于,包括:获取待检测图像;对所述待检测图像进行二值化处理以获得二值图像;对所述二值图像进行开运算以获得去噪图像;对所述去噪图像进行闭运算以识别闭合区域;分离包含闭合区域的候选图像;并且对所述候选图像进行角点检测,当检测到在所述闭合区域中存在角点时,输出所述候选图像的所述角点的位置信息。
在本公开中,对获取的待检测图像进行二值化处理以获得二值图像,进而对二值图像进行开运算和闭运算以识别闭合区域;分离包含闭合区域的候选图像;并对候选图像进行角点检测,当检测到在闭合区域中存在角点时,输出候选图像的角点的位置信息。由此,能够较快地检测到图像,并提高图像检测的检测效率。
在本公开第一方面所涉及的检测方法中,可选地,在所述待检测图像中,包含方形二维码或寻像图形。由此,能够对方形二维码或寻像图形进行检测。
在本公开第一方面所涉及的检测方法中,可选地,在所述待检测图像中,包含多个方形二维码。由此,能够对多个方形二维码进行检测。
在本公开第一方面所涉及的检测方法中,可选地,在所述开运算中,对所述二值图像进行处理以去除摩尔纹噪声。由此,能够去除二值图像中的摩尔纹噪声。
在本公开第一方面所涉及的检测方法中,可选地,在所述分离的步骤中,一个所述闭合区域对应一个所述候选区域。由此,能够避免后续检测时闭合区域间相互干扰。
本公开第二方面提供了一种图像角点的检测装置,其特征在于,包括:获取模块,其用于获取待检测图像;二值化模块,其用于对所述待检测图像进行二值化处理以获得二值图像;处理模块,其用于对所述二值图像进行开运算以获得去噪图像,对所述去噪图像进行闭运算以识别闭合区域;分离模块,其用于分离包含闭合区域的候选图像;以及检测模块,其用于对所述候选图像进行角点检测,当检测到在所述闭合区域中存在角点时,输出所述候选图像的所述角点的位置信息。
在本公开中,二值化模块对获取模块获取待检测图像进行二值化处理以获得二值图像;处理模块对二值图像进行开运算和闭运算以识别闭合区域;分离模块分离包含闭合区域的候选图像;然后通过检测模块对候选图像进行角点检测,当检测到在闭合区域中存在角点时,输出候选图像的角点的位置信息。由此,能够较快地检测到图像,并提高图像检测的检测效率。
在本公开第二方面所涉及的检测装置中,可选地,在所述获取模块中,所述待检测图像包含方形二维码或寻像图形。由此,能够对方形二维码或寻像图形进行检测。
在本公开第二方面所涉及的检测装置中,可选地,在所述待检测图像中,包含多个方形二维码。由此,能够对多个方形二维码进行检测。
在本公开第二方面所涉及的检测装置中,可选地,在所述处理模块中,在所述开运算中,对所述二值图像进行处理以去除摩尔纹噪声。由此,能够去除二值图像中的摩尔纹噪声。
在本公开第二方面所涉及的检测装置中,可选地,在所述分离的步骤中,一个所述闭合区域对应一个所述候选区域。由此,能够避免后续检测时闭合区域间相互干扰。
根据本公开的图像角点的检测方法及检测装置,能够较快地检测到图像,并提高图像检测的检测效率。据本公开的图像角点的检测方法具有较高的鲁棒性。
附图说明
以下,通过结合附图描述多个方案和实施方式,其中相同的附图标记指代相同的部件。
图1是示出了本公开的示例所涉及的利用RU代码的示例图。
图2是示出了本公开的示例所涉及的图像角点的检测方法的流程示意图。
图3是示出了本公开的示例所涉及的闭运算的示例图。
图4是示出了本公开的示例所涉及的图像角点的检测装置的框图。
图5是示出了本公开的示例所涉及的图像角点的检测装置的结构示意图。
具体实施方式
以下,参考附图,详细地说明本公开的优选实施方式。在下面的说明中,对于相同的部件赋予相同的符号,省略重复的说明。另外,附图只是示意性的图,部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。
需要说明的是,本公开中的术语“包括”和“具有”以及它们的任何变形,例如所包括或所具有的一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可以包括或具有没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本公开提供了图像角点的检测方法及检测装置。本公开涉及的图像角点的检测方法及检测装置能够较快地检测到图像,并提高图像检测的检测效率。以下结合附图进行详细描述本公开。
在本公开中的图像角点的检测方法可以用于屏幕到相机(display-to-camera,D2C)通信中。本公开涉及的图像角点的检测方法是为了定位RU代码区域并检测多个点(例如四个角点)的精确坐标,获得的精确坐标可以用于估计捕获的RU代码图像的位置和方向。其中,RU代码是一种通用且不引人注目的D2C通信码。
图1是示出了本公开的示例所涉及的利用RU代码的示例图。在一些示例中,如图1所示,图形由多个像素组成。在图形的左侧的局部像素放大图中可以看出:编码区域中7x7像素的调制模式可以分别表示“1”和“0”。在图形的顶部,图形的尺寸(每侧的模块数量)选择为49,这意味着RU代码每侧(例如顶侧Y1,右侧Y2)有49个模块。尺寸可以从21到65变化,步长为4个模块,默认设置为49个模块。在图形的右侧,箭头X指示的方形框(即图形边沿的不连续的四边形框)是寻像图形。
图2是示出了本公开的示例所涉及的图像角点的检测方法的流程示意图。图3是示出了本公开的示例所涉及的闭运算的示例图。在本公开中的图像角点的检测方法可以简称为检测方法。在一些示例中,如图2所示,图像角点的检测方法包括获取待检测图像(步骤S10)。
在步骤S10中,获取的待检测图像可以是电子屏幕上生成的电子图像。电子屏幕例如可以是电脑显示屏或手机显示屏。但本公开的示例不限于此,待检测图像可以是纸质的图像。
在一些示例中,在待检测图像中可以包含方形二维码或寻像图形。寻像图形的形状可以是多边形或圆形。多边形例如可以是四边形、不规则多边形。由此,能够对方形二维码或寻像图形进行检测。
在一些示例中,在待检测图像中可以包含多个方形二维码。由此,能够对多个方形二维码进行检测。
在一些示例中,待检测图像可以是彩色图像或者是灰度图像。
在一些示例中,待检测图像的获取可以是由带有摄像头的相机获取。相机的摄像头与待检测图像之间的距离可以在10cm到30cm之间。在一些示例中,距离可以在20cm到28cm之间。例如距离可以为20cm,22cm,24cm,26cm,28cm。摄像头与待检测图像的角度范围从-20度到+20度。在一些示例中,角度范围例如可以在-15度到+15度之间。
在一些示例中,如图2所示,图像角点的检测方法可以包括对待检测图像进行二值化处理以获得二值图像(步骤S20)。
在步骤S20中,对待检测图像二值化处理也即将待检测图像的像素简化为只有两种取值或两种灰度等级状态。由此,能够降低图像的空间占用率,而且能够降低不均匀光照对于检测的影响。
在一些示例中,如图2所示,图像角点的检测方法可以包括对二值图像进行开运算以获得去噪图像(步骤S30)。
在步骤S30中,开运算可以通过形态学中的膨胀处理和腐蚀处理相互结合实现。腐蚀处理满足式(1):
其中,A可以表示要处理的二值图像(例如二进制图像),B表示结构元素。A、B为两个集合(例如像素集合),式(1)可以表示集合A被结构元素B腐蚀。其中,Bz表示以位置z=(x;y)为中心的结构元素B的移位。位置z表示中心点。膨胀处理满足式(2):
其中,膨胀处理的表达式可以表示集合A被结构元素B膨胀。表示结构元素B的反射。
具体而言,步骤S30中对二值图像进行开运算可以是对二值图像先进行腐蚀处理,再进行膨胀处理。即开运算满足式(3):
在一些示例中,在开运算中,对二值图像进行处理以去除摩尔纹噪声。由此,能够去除二值图像中的摩尔纹噪声。具体而言,开运算中的结构元素B的取值可以用数值So表示。开运算可以消除二值图像中尺寸小于数值So的干扰。数值So的具体计算方法后续描述。
在一些示例中,数值So为第一设定数值。当数值So为第一设定数值时,检测方法的性能比较高。另外,数值So为第一设定数值时,既能消除二值图像中的摩尔纹,又能避免造成二值图像例如二维码的寻像图形的缺失导致最终无法检测。
在一些示例中,开运算能够使得二值图像的轮廓变得光滑,并且消除二值图像中的细毛刺。
在一些示例中,如图2所示,图像角点的检测方法可以包括对去噪图像进行闭运算以识别闭合区域(步骤S40)。
在步骤S40中,具体而言,对去噪图像进行闭运算可以是对去噪图像先进行膨胀处理,再进行腐蚀处理。即闭运算满足式(4):
在一些示例中,闭运算的结构元素B的取值可以用数值Sc表示。在一些示例中,数值Sc为第二设定数值。当数值Sc为第二设定数值时,既能保证去噪图像例如二维码的寻像图形连成一个完整的闭合区域例如方形结构,又能避免造成去噪图像例如二维码的边框与背景噪声连接而导致闭合区域(例如方形结构)异形而导致检测失败。数值Sc的具体计算方法后续描述。
在一些示例中,对去噪图像进行闭运算可以形成组合图像。组合图像中包括闭合区域。具体而言,由于闭运算可以连接狭窄的间断,因此,通过闭运算可以在去噪图像中形成多个闭合区域。由多个闭合区域组成的图像可以称之为组合图像。如图3所示,图C为经过闭运算得到的组合图像。图C1、图C2、图C3、图C4、图C5和图C6为组合图像C中的闭合区域的示意图。图3所示的组合图像C中可以包括图C1、图C2、图C3、图C4、图C5和图C6中的闭合区域。
在一些示例中,闭合区域可以是方形区域。但本公开的示例不限于此。
在一些示例中,在步骤S40中,可以对形成的组合图像中的多个闭合区域进行识别。例如,可以通过步骤S40对图3中的组合图像C进行识别,从而获知组合图像C中的各个闭合区域。也即可以获知组合图像C中的如图C1、图C2、图C3、图C4、图C5和图C6所示的闭合区域。
在一些示例中,结构元素B的数值So或数值Sc的选取可以决定了检测方法的性能。根据式(1)和式(2),设置数值So或数值Sc。其中,二值图像的分辨率为M×N。二值图像的短边长度为H=min(M;N)。设R表示RU代码的高度与短边长度H的比率。R的值基于相机(或摄像机)和显示器(例如屏幕)之间的捕获距离的变化而变化。设Rmin和Rmax分别表示R的最小值和最大值。基于示RU代码的定义,维度D是编码区域每一侧的模块数量的维度。且满足D∈(Dmax,Rmin)。在一些示例中,例如图1中的维度D的默认值是49。维度D的值根据实际应用而变化。设置模块M满足式(5):由于在解码设备例如照相机中短边长度H已知,因此可以将数值So或数值Sc看做是维度D和比率R的函数。数值So满足式(6):
数值Sc满足式(7):
在一些示例中,尽管So和Sc的值根据每个捕获图像中的维度D和比率R的值而变化,但是确定So和Sc的最佳值还需要考虑以下几个因素:其一,根据RU代码的结构考虑到RU代码的维度D和比率R在被检测之前是未知的,因此,需要选择最小化数值So的值,以避免使用维度D和比率R的任何值删除寻像图形(FP)中的模块。另外,需要最大化数值Sc的值以确保将寻像图形(FP)与维度D和比率R的任何值连接起来。其二,从背景干扰的角度来看,应该得到数值Sc的最小值,以确保背景不会干扰寻像图形(FP)。在这种情况下,可以获得最佳的数值和最佳的数值最佳的数值满足式(8):
最佳的数值满足式(9):
在一些示例中,如图2所示,图像角点的检测方法可以包括分离包含闭合区域的候选图像(步骤S50)。
在步骤S50中,可以将步骤S40中识别的闭合区域进行分离。由此,能够有效地避免图像嵌入内容以及背景噪声对检测方法的影响。图像嵌入内容例如可以是徽标,风景照片和肖像。
在一些示例中,在分离的步骤中,一个闭合区域可以对应一个候选区域。也即,步骤S40中识别的闭合区域的数量可以等于步骤S50中分离后的候选图像的数量,且一个候选图像中仅有一个闭合区域。能够避免后续检测时闭合区域间相互干扰。
在一些示例中,若待检测图像的背景包含直线的情况,这些直线对检测的影响可以在分离的过程中被消除。
在一些示例中,可以对分离后的多个候选图像按闭合区域的像素数量的大小进行排序。其中排序可以是降序也可以是升序。由此,能够更快地检测到寻像图形,提高检测效率。
在一些示例中,根据排序的结果可以优先选择候选图像中闭合区域的像素数量较大进行后续的角点检测。由此,能够更快地检测到寻像图形,提高检测效率。
在另一些示例中,识别的闭合区域可以是多个,可以选择分离出具有较大像素数量的闭合区域。并对具有较大像素数量的闭合区域的候选图像进行后续的角点检测。
在一些示例中,如图2所示,图像角点的检测方法可以包括对候选图像进行角点检测,当检测到在闭合区域中存在角点时,输出候选图像的角点的位置信息(步骤S60)。
在步骤S60中,将分离的候选图像独立地进行角点检测。由此,能够有效地避免图像嵌入内容以及背景噪声对检测方法的影响,并提高检测方法的鲁棒性。
在一些示例中,当检测到在闭合区域中存在角点时,输出候选图像的角点的坐标,当没有检测到候选图像中存在角点时,继续检测剩余的候选图像。
在一些示例中,当待检测图像中包括单个二维码时,在角点检测时,当检测到在候选图像中的闭合区域存在角点,输出角点的坐标即可停止检测。当待检测图像中包括多个二维码时,需要将所有的候选图像进行角点检测。
在一些示例中,步骤S60中进行角点检测可以定位寻像图形的多个角(例如四个角)。具体而言,角点检测时通常以预定标准识别寻像图形(finder pattern,FP),当检测到寻像图形时可以获得寻像图形的多个角的坐标。
在本公开中,可以对获取的待检测图像进行二值化处理以获得二值图像,进而对二值图像进行开运算和闭运算以识别闭合区域;分离包含闭合区域的候选图像;并对候选图像进行角点检测,当检测到在闭合区域中存在角点时,输出候选图像的角点的位置信息。由此,能够较快地检测到图像,并提高图像检测的检测效率。
上述描述了图像角点的检测方法,下面结合附图描述图像角点的检测装置。在本公开中的图像角点的检测装置可以简称为检测装置。检测装置的各个模块的功能可以通过上述的检测方法中相应的步骤实现。图像角点的检测装置例如可以是手机、扫码器等识别设备。
图4是示出了本公开的示例所涉及的图像角点的检测装置的框图。
图5是示出了本公开的示例所涉及的图像角点的检测装置的结构示意图。
在一些示例中,如图4所示,图像角点的检测装置1包括获取模块10、二值化模块20、处理模块30、分离模块40和检测模块50。二值化模块20对获取模块10获取待检测图像进行二值化处理以获得二值图像;处理模块30对二值图像进行开运算和闭运算以识别闭合区域;分离模块40分离包含闭合区域的候选图像;然后通过检测模块50对候选图像进行角点检测,当检测到在闭合区域中存在角点时,输出候选图像的角点的位置信息。由此,能够较快地检测到图像,并提高图像检测的检测效率。
在一些示例中,如图5所示,获取模块10可以用于获取待检测图像。在获取模块10中,待检测图像包含方形二维码或寻像图形。由此,能够对方形二维码或寻像图形进行检测。在待检测图像中,包含多个方形二维码。由此,能够对多个方形二维码进行检测。待检测图像的描述可以参见步骤S10。
在一些示例中,获取模块10可以包括但不限于照相机的镜头或手机的摄像头。
在一些示例中,如图5所示,二值化模块20可以用于对待检测图像进行二值化处理以获得二值图像。二值化处理也即将待检测图像的像素简化为只有两种取值或两种灰度等级状态。由此,能够降低图像的空间占用率,而且能够降低不均匀光照对于检测的影响。二值化模块20的功能可以参见步骤S20。
在一些示例中,如图5所示,处理模块30可以用于对二值图像进行开运算以获得去噪图像,对去噪图像进行闭运算以识别闭合区域。在处理模块30中,在开运算中,对二值图像进行处理以去除摩尔纹噪声。由此,能够去除二值图像中的摩尔纹噪声。
在一些示例中,对二值图像进行开运算可以是对二值图像先进行腐蚀处理,再进行膨胀处理。开运算满足式(3)。开运算中的结构元素B的取值可以用数值So表示。处理模块30通过开运算可以消除二值图像中尺寸小于数值So的干扰。开运算中的结构元素B的数值So可以为第一设定数值。当数值So为第一设定数值时,检测方法的性能比较高。另外,数值So为第一设定数值时,既能消除二值图像中的摩尔纹,又能避免造成二值图像例如二维码的寻像图形的缺失导致最终无法检测。
在一些示例中,对去噪图像进行闭运算可以是对去噪图像先进行膨胀处理,再进行腐蚀处理。闭运算满足式(4)。闭运算的结构元素B的取值可以用数值Sc表示。闭运算的结构元素B的数值Sc可以为第二设定数值。当数值Sc为第二设定数值时,既能保证去噪图像例如二维码的寻像图形连成一个完整的闭合区域例如方形结构,又能避免造成去噪图像例如二维码边框与背景噪声连接而导致闭合区域(例如方形结构)异形而导致检测失败。进行闭运算后获得组合图像如图3中图C。对图3中图C所示的组合图像中的闭合区域进行识别。处理模块30的功能可以参见步骤S30和步骤S40。数值So和数值Sc的具体计算方法可以参见步骤S40。
在一些示例中,如图5所示,分离模块40可以用于分离包含闭合区域的候选图像。在分离的步骤中,一个闭合区域对应一个候选区域。由此,能够避免后续检测时闭合区域间相互干扰。例如,对图3中的图C所示的组合图像中的闭合区域进行分离可以得到分别包括图C1、图C2、图C3、图C4、图C5和图C6中的闭合区域的候选图像。
在一些示例中,分离模块40获得的候选图像可以是相互独立的。分离模块40可以将各个候选图像单独送至检测模块50进行检测。分离模块40的功能可以参见步骤S50。
在一些示例中,如图5所示,检测模块50可以用于对候选图像进行角点检测,当检测到在闭合区域中存在角点时,输出候选图像的角点的位置信息。具体而言,当检测模块50检测到候选图像中的闭合区域中存在角点时,输出候选图像的角点的坐标,当没有检测到候选图像中存在角点时,检测模块50向分离模块40发送检测失败指令,分离模块40接收该检测失败指令后,向检测模块50发送另一个候选图像继续检测。
在一些示例中,当待检测图像中包括单个二维码时,检测模块50检测到在候选图像中的闭合区域存在角点,输出角点的坐标即可停止检测。当待检测图像中包括多个二维码时,检测模块50需要将所有的候选图像进行角点检测。检测模块50的功能可以参见步骤S60。
在本公开中的图像角点的检测方法及检测装置可以用于屏幕到相机通信中,特别是方形寻像图形和方形二维码等屏幕到相机通信中。根据本公开的图像角点的检测方法及检测装置,能够较快地检测到图像,并提高图像检测的检测效率。且本公开的图像角点的检测方法具有较高的鲁棒性。
虽然以上结合附图和实施例对本发明进行了具体说明,但是可以理解,上述说明不以任何形式限制本发明。本领域技术人员在不偏离本发明的实质精神和范围的情况下可以根据需要对本发明进行变形和变化,这些变形和变化均落入本发明的范围内。
Claims (10)
1.一种图像角点的检测方法,其特征在于,
包括:
获取待检测图像;
对所述待检测图像进行二值化处理以获得二值图像;
对所述二值图像进行开运算以获得去噪图像;
对所述去噪图像进行闭运算以识别闭合区域;
分离包含闭合区域的候选图像;并且
对所述候选图像进行角点检测,当检测到在所述闭合区域中存在角点时,输出所述候选图像的所述角点的位置信息。
2.根据权利要求1所述的检测方法,其特征在于:
在所述待检测图像中,包含方形二维码或寻像图形。
3.根据权利要求1所述的检测方法,其特征在于:
在所述待检测图像中,包含多个方形二维码。
4.根据权利要求1所述的检测方法,其特征在于:
在所述开运算中,对所述二值图像进行处理以去除摩尔纹噪声。
5.根据权利要求1所述的检测方法,其特征在于:
在所述分离的步骤中,一个所述闭合区域对应一个所述候选区域。
6.一种图像角点的检测装置,其特征在于,
包括:
获取模块,其用于获取待检测图像;
二值化模块,其用于对所述待检测图像进行二值化处理以获得二值图像;
处理模块,其用于对所述二值图像进行开运算以获得去噪图像,对所述去噪图像进行闭运算以识别闭合区域;
分离模块,其用于分离包含闭合区域的候选图像;以及
检测模块,其用于对所述候选图像进行角点检测,当检测到在所述闭合区域中存在角点时,输出所述候选图像的所述角点的位置信息。
7.根据权利要求6所述的检测装置,其特征在于:
在所述获取模块中,所述待检测图像包含方形二维码或寻像图形。
8.根据权利要求6所述的检测装置,其特征在于:
在所述待检测图像中,包含多个方形二维码。
9.根据权利要求6所述的检测装置,其特征在于:
在所述处理模块中,在所述开运算中,对所述二值图像进行处理以去除摩尔纹噪声。
10.根据权利要求6所述的检测装置,其特征在于:
在所述分离的步骤中,一个所述闭合区域对应一个所述候选区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910254763.1A CN110009615B (zh) | 2019-03-31 | 2019-03-31 | 图像角点的检测方法及检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910254763.1A CN110009615B (zh) | 2019-03-31 | 2019-03-31 | 图像角点的检测方法及检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110009615A true CN110009615A (zh) | 2019-07-12 |
CN110009615B CN110009615B (zh) | 2020-06-19 |
Family
ID=67169124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910254763.1A Active CN110009615B (zh) | 2019-03-31 | 2019-03-31 | 图像角点的检测方法及检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009615B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340729A (zh) * | 2019-12-31 | 2020-06-26 | 深圳大学 | 二维码去摩尔纹的深度残差网络的训练方法 |
CN113033233A (zh) * | 2019-12-27 | 2021-06-25 | 深圳大学 | 一种几何变形qr码的定位方法、装置及存储介质 |
WO2022211064A1 (ja) * | 2021-03-31 | 2022-10-06 | 株式会社デンソーウェーブ | 情報読取装置 |
CN115577728A (zh) * | 2022-12-07 | 2023-01-06 | 深圳思谋信息科技有限公司 | 一维码定位方法、装置、计算机设备及存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
CN102194224A (zh) * | 2010-03-08 | 2011-09-21 | 王琛 | 一种光学遥感图像坦克群的识别方法 |
CN102254144A (zh) * | 2011-07-12 | 2011-11-23 | 四川大学 | 一种鲁棒的图像中二维码区域提取方法 |
CN102521859A (zh) * | 2011-10-19 | 2012-06-27 | 中兴通讯股份有限公司 | 基于人工标志的增强现实方法及装置 |
CN103049728A (zh) * | 2012-12-30 | 2013-04-17 | 成都理想境界科技有限公司 | 基于二维码的增强现实方法、系统及终端 |
CN103530590A (zh) * | 2013-10-19 | 2014-01-22 | 高韬 | Dpm二维码识别系统 |
CN103903039A (zh) * | 2014-03-26 | 2014-07-02 | 深圳大学 | 隐形编码全息防伪膜、其制作方法及识别系统 |
CN104050476A (zh) * | 2014-06-23 | 2014-09-17 | 北京理工大学 | 一种基于凸壳计算的末段目标瞄准点选择方法 |
CN104134079A (zh) * | 2014-07-31 | 2014-11-05 | 中国科学院自动化研究所 | 一种基于极值区域和极限学习机的车牌识别方法 |
CN104463795A (zh) * | 2014-11-21 | 2015-03-25 | 高韬 | 一种点阵式dm二维码图像处理方法及装置 |
CN104766037A (zh) * | 2015-03-20 | 2015-07-08 | 中国联合网络通信集团有限公司 | 一种二维码的识别方法及设备 |
CN106022694A (zh) * | 2016-05-30 | 2016-10-12 | 燕山大学 | 一种基于点云数据处理技术的散杂货场堆取料机定位方法及实现所述方法的系统 |
US20160311240A1 (en) * | 2015-04-24 | 2016-10-27 | Oce-Technologies B.V. | Method for printing on a media object in a flat bed printing system |
CN106067053A (zh) * | 2016-05-27 | 2016-11-02 | 立德高科(昆山)数码科技有限责任公司 | 防伪标识及防伪方法 |
CN107123188A (zh) * | 2016-12-20 | 2017-09-01 | 北京联合众为科技发展有限公司 | 基于模板匹配算法和边缘特征的伤票识别与定位方法 |
CN107423651A (zh) * | 2016-06-01 | 2017-12-01 | 国家计算机网络与信息安全管理中心 | 一种qr码图像定位方法 |
CN107679436A (zh) * | 2017-09-04 | 2018-02-09 | 华南理工大学 | 一种适用于弯曲形变二维码的图像修正方法 |
CN108009460A (zh) * | 2017-12-29 | 2018-05-08 | 姚佑霖 | 复杂背景下多种字符和数字混合的叠加二维码的识别方法 |
-
2019
- 2019-03-31 CN CN201910254763.1A patent/CN110009615B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246551A (zh) * | 2008-03-07 | 2008-08-20 | 北京航空航天大学 | 一种快速的车牌定位方法 |
CN102194224A (zh) * | 2010-03-08 | 2011-09-21 | 王琛 | 一种光学遥感图像坦克群的识别方法 |
CN102254144A (zh) * | 2011-07-12 | 2011-11-23 | 四川大学 | 一种鲁棒的图像中二维码区域提取方法 |
CN102521859A (zh) * | 2011-10-19 | 2012-06-27 | 中兴通讯股份有限公司 | 基于人工标志的增强现实方法及装置 |
CN103049728A (zh) * | 2012-12-30 | 2013-04-17 | 成都理想境界科技有限公司 | 基于二维码的增强现实方法、系统及终端 |
CN103530590A (zh) * | 2013-10-19 | 2014-01-22 | 高韬 | Dpm二维码识别系统 |
CN103903039A (zh) * | 2014-03-26 | 2014-07-02 | 深圳大学 | 隐形编码全息防伪膜、其制作方法及识别系统 |
CN104050476A (zh) * | 2014-06-23 | 2014-09-17 | 北京理工大学 | 一种基于凸壳计算的末段目标瞄准点选择方法 |
CN104134079A (zh) * | 2014-07-31 | 2014-11-05 | 中国科学院自动化研究所 | 一种基于极值区域和极限学习机的车牌识别方法 |
CN104463795A (zh) * | 2014-11-21 | 2015-03-25 | 高韬 | 一种点阵式dm二维码图像处理方法及装置 |
CN104766037A (zh) * | 2015-03-20 | 2015-07-08 | 中国联合网络通信集团有限公司 | 一种二维码的识别方法及设备 |
US20160311240A1 (en) * | 2015-04-24 | 2016-10-27 | Oce-Technologies B.V. | Method for printing on a media object in a flat bed printing system |
CN106067053A (zh) * | 2016-05-27 | 2016-11-02 | 立德高科(昆山)数码科技有限责任公司 | 防伪标识及防伪方法 |
CN106022694A (zh) * | 2016-05-30 | 2016-10-12 | 燕山大学 | 一种基于点云数据处理技术的散杂货场堆取料机定位方法及实现所述方法的系统 |
CN107423651A (zh) * | 2016-06-01 | 2017-12-01 | 国家计算机网络与信息安全管理中心 | 一种qr码图像定位方法 |
CN107123188A (zh) * | 2016-12-20 | 2017-09-01 | 北京联合众为科技发展有限公司 | 基于模板匹配算法和边缘特征的伤票识别与定位方法 |
CN107679436A (zh) * | 2017-09-04 | 2018-02-09 | 华南理工大学 | 一种适用于弯曲形变二维码的图像修正方法 |
CN108009460A (zh) * | 2017-12-29 | 2018-05-08 | 姚佑霖 | 复杂背景下多种字符和数字混合的叠加二维码的识别方法 |
Non-Patent Citations (1)
Title |
---|
许海柱: ""图象中眼睛和嘴巴的检测与定位"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033233A (zh) * | 2019-12-27 | 2021-06-25 | 深圳大学 | 一种几何变形qr码的定位方法、装置及存储介质 |
CN113033233B (zh) * | 2019-12-27 | 2023-09-01 | 深圳大学 | 一种几何变形qr码的定位方法、装置及存储介质 |
CN111340729A (zh) * | 2019-12-31 | 2020-06-26 | 深圳大学 | 二维码去摩尔纹的深度残差网络的训练方法 |
CN111340729B (zh) * | 2019-12-31 | 2023-04-07 | 深圳大学 | 二维码去摩尔纹的深度残差网络的训练方法 |
WO2022211064A1 (ja) * | 2021-03-31 | 2022-10-06 | 株式会社デンソーウェーブ | 情報読取装置 |
CN115577728A (zh) * | 2022-12-07 | 2023-01-06 | 深圳思谋信息科技有限公司 | 一维码定位方法、装置、计算机设备及存储介质 |
CN115577728B (zh) * | 2022-12-07 | 2023-03-14 | 深圳思谋信息科技有限公司 | 一维码定位方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110009615B (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009615A (zh) | 图像角点的检测方法及检测装置 | |
JP5699788B2 (ja) | スクリーン領域検知方法及びシステム | |
CN107103320B (zh) | 嵌入式医疗数据图像识别及集成方法 | |
CN108416809A (zh) | 一种基于机器视觉的钢桶螺纹盖位姿识别方法 | |
CN113724231A (zh) | 一种基于语义分割和目标检测融合模型的工业缺陷检测方法 | |
CN101751572A (zh) | 一种图案检测方法、装置、设备及系统 | |
CN107240112B (zh) | 一种复杂场景下个体x角点提取方法 | |
JP7316731B2 (ja) | ビジョンシステムで画像内のパターンを検出及び分類するためのシステム及び方法 | |
CN110047063B (zh) | 一种物料掉落的检测方法、装置、设备及存储介质 | |
CN110458858A (zh) | 一种十字靶标的检测方法、系统及存储介质 | |
JP6197340B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN113159064A (zh) | 基于精简的YOLOv3电路板电子元件目标检测的方法与装置 | |
CN112419260A (zh) | 一种pcb文字区域缺陷检测方法 | |
KR101753360B1 (ko) | 시점 변화에 강인한 특징점 정합 방법 | |
CN115078365A (zh) | 一种软包装印刷质量缺陷检测方法 | |
CN114022439A (zh) | 一种基于形态学图像处理的柔性电路板缺陷检测方法 | |
JP4062987B2 (ja) | 画像の領域分割方法、画像の領域分割装置、画像の領域分割プログラム | |
CN1575477A (zh) | 服装纸样的自动数字化 | |
CN113689365B (zh) | 一种基于Azure Kinect的目标跟踪定位方法 | |
CN107368826A (zh) | 用于文本检测的方法和装置 | |
CN113673515A (zh) | 一种计算机视觉目标检测算法 | |
Abbas | Recovering homography from camera captured documents using convolutional neural networks | |
CN112597868A (zh) | 基于无定位点的试卷识别和矫正方法 | |
CN111047614B (zh) | 一种基于特征提取的复杂场景图像的目标角点提取方法 | |
CN109165650B (zh) | 印花织物图像最小重复单元自动检测方法 |
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 |