CN110059702B - 一种物体轮廓识别方法及装置 - Google Patents
一种物体轮廓识别方法及装置 Download PDFInfo
- Publication number
- CN110059702B CN110059702B CN201910252239.0A CN201910252239A CN110059702B CN 110059702 B CN110059702 B CN 110059702B CN 201910252239 A CN201910252239 A CN 201910252239A CN 110059702 B CN110059702 B CN 110059702B
- Authority
- CN
- China
- Prior art keywords
- straight line
- determining
- vertical
- horizontal
- original image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种物体轮廓识别方法及装置,具体为,首先获取包括待识别物体的原始图像,然后利用边缘检测算法对该原始图像进行边缘检测,获取形成待识别物体边缘的坐标点集合。并根据坐标点集合确定拐点数量,最后根据拐点数量确定待识别物体的轮廓,即待识别物体的形状。可见,通过本申请实施例提供的方法,可以根据待识别物体的拐点数量确定形状,即使原始图像中待识别物体的边缘被部分磨损,但仍可以根据边缘的坐标点集合确定出边缘存在的拐点数量,提高待识物体轮廓提取的准确性,进而可以提高物体识别的准确性。
Description
技术领域
本申请涉及互联网技术领域,具体涉及一种物体轮廓识别方法及装置。
背景技术
随着人工智能(Artificial Intelligence,AI)技术的快速发展和日益普及, 物体识别和提取成为了AI功能的重要步骤,例如,纸质文档扫描、银行卡 和身份证扫描等。然而,由于拍摄背景多样性、当被检测物体边缘存在破损 以及扫描时被检测物体放置角度等因素的影响,会给物体识别造成干扰,无 法准确提取物体的轮廓,进而导致被检测物体无法被准确识别。
发明内容
有鉴于此,本申请实施例提供一种物体轮廓的识别方法及装置,以实现 准确提取物体轮廓,进而提高物体识别的准确性。
为解决上述问题,本申请实施例提供的技术方案如下:
在本申请实施例第一方面,提供了一种物体轮廓识别方法,所述方法包 括:
获取原始图像;所述原始图像包括待识别物体;
利用边缘检测算法对所述原始图像进行边缘检测,获取所述待识别物体 边缘的坐标点集合;
根据所述坐标点集合确定拐点数量;
根据所述拐点数量确定所述待识别物体的轮廓。
在一种可能的实现方式中,所述原始图像还包括标定板,所述待识别物 体位于所述标定板的轮廓之内,所述在利用边缘检测算法对所述原始图像进 行边缘检测之前,所述方法还包括:
提取所述标定板的轮廓,以对所述原始图像进行透视变换,获得所述原 始图像的正视图像;
所述利用边缘检测方法对所述原始图像进行边缘检测包括:
利用边缘检测方法对所述正视图像进行边缘检测。
在一种可能的实现方式中,所述标定板为矩形标定板,所述提取所述标 定板轮廓,包括:
利用直线检测算法对所述原始图像进行边缘检测,获取直线集合;所述 直线集合包括至少四条直线;所述直线包括起点坐标和终点坐标;
根据所述直线的起始坐标和终点坐标,获得所述直线斜率;
根据所述直线斜率,确定水平直线集合和垂直直线集合;所述水平直线 集合包括至少两条水平直线;所述垂直直线集合包括至少两条垂直直线;
根据第一筛选条件从所述水平直线集合中,确定第一水平直线和第二水 平直线;所述第一水平直线的纵坐标小于所述第二水平直线的纵坐标;
根据第二筛选条件从所述垂直直线集合中,确定第一垂直直线和第二垂 直直线;所述第一垂直直线的横坐标小于所述第二垂直直线的横坐标;
利用所述第一水平直线、所述第二水平直线、所述第一垂直直线和所述 第二垂直直线生成所述标定板的轮廓。
在一种可能的实现方式中,所述利用所述第一水平直线、所述第二水平 直线、所述第一垂直直线和所述第二垂直直线生成所述标定板的轮廓,包括:
根据所述第一水平直线、所述第二水平直线、所述第一垂直直线和所述 第二垂直直线的起始坐标和终点坐标,获得四条直线的交点坐标;
根据所述交点坐标,获得所述交点连线所形成的轮廓的长度和宽度;
判断所述长度与所述宽度的比例是否满足预设条件;
如果是,则将所述交点连线所形成的轮廓确定为标定板的轮廓。
在一种可能的实现方式中,所述根据所述拐点集合数量确定所述待识别 物体的轮廓,包括:
当所述拐点数量超过预设阈值时,将所述待识别物体的轮廓确定为N边 形。
在一种可能的实现方式中,所述方法还包括:
根据所述坐标点集合获取所述待识别物体的中心坐标点;
当所述坐标点集合中任一坐标点与所述中心坐标点之间的距离均相等 时,确定所述待识别物体的轮廓为圆形。
在一种可能的实现方式中,利用边缘检测算法对所述原始图像进行边缘 检测之前,所述方法还包括:
对所述原始图像进行二值化处理和/或灰度处理。
在本申请实施例第二方面,提供了一种物体轮廓识别装置,所述装置包 括:
第一获取单元,用于获取原始图像;所述原始图像包括待识别物体;
第二获取单元,用于利用边缘检测算法对所述原始图像进行边缘检测, 获取所述待识别物体边缘的坐标点集合;
第一确定单元,用于根据所述坐标点集合确定拐点数量;
第二确定单元,用于根据所述拐点数量确定所述待识别物体的轮廓。
在一种可能的实现方式中,所述原始图像还包括标定板,所述待识别物 体位于所述标定板的轮廓之内,所述装置还包括:
第一提取单元,用于在执行所述第二获取单元之前,提取所述标定板的 轮廓,以对所述原始图像进行透视变换,获得所述原始图像的正视图像;
所述第二获取单元,具体用于利用边缘检测方法对所述正视图像进行边 缘检测,获取所述待识别物体边缘的坐标集合。
在一种可能的实现方式中,所述标定板为矩形标定板,所述第一提取单 元,包括:
检测子单元,用于利用直线检测算法对所述待识别物体图像进行边缘检 测,获取直线集合;所述直线集合包括至少四条直线;所述直线包括起点坐 标和终点坐标;
第一获取子单元,用于根据所述直线的起始坐标和终点坐标,获得所述 直线的斜率;
第一确定子单元,用于根据所述直线斜率,确定水平直线集合和垂直直 线集合;所述水平直线集合包括至少两条水平直线;所述垂直直线集合包括 至少两条垂直直线;
第二确定子单元,用于根据第一筛选条件从所述水平直线集合中,确定 第一水平直线和第二水平直线;所述第一水平直线的纵坐标小于所述第二水 平直线的纵坐标;
第三确定子单元,用于根据第二筛选条件从所述垂直直线集合中,确定 第一垂直直线和第二垂直直线;所述第一垂直直线的横坐标小于所述第二垂 直直线的横坐标;
生成子单元,用于利用所述第一水平直线、所述第二水平直线、所述第 一垂直直线和所述第二垂直直线生成所述待识别物体的轮廓。
由此可见,本申请实施例具有如下有益效果:
本申请实施例首先获取包括待识别物体的原始图像,然后利用边缘检测 算法对该原始图像进行边缘检测,获取形成待识别物体边缘的坐标点集合。 并根据坐标点集合确定拐点数量,最后根据拐点数量确定待识别物体的轮廓, 即待识别物体的形状。可见,通过本申请实施例提供的方法,可以根据待识 别物体的拐点数量确定形状,即使原始图像中待识别物体的边缘被部分磨损, 但仍可以根据边缘的坐标点集合确定出边缘存在的拐点数量,提高待识物体 轮廓提取的准确性,进而可以提高物体识别的准确性。
附图说明
图1为本申请实施例提供的示例性应用场景的框架示意图;
图2为本申请实施例提供的物体轮廓识别方法的流程图;
图3为本申请实施例提供的一种提取标定板轮廓方法的流程图;
图4为本申请实施例提供的一种根据第一筛选条件确定水平直线方法的 流程图;
图5为本申请实施例提供的一种根据第二筛选条件确定垂直直线方法的 流程图;
图6为本申请实施例提供的应用示例图;
图7为本申请实施例提供的一种物体轮廓识别装置结构图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图 和具体实施方式对本申请实施例作进一步详细的说明。
参见图1,该图为本申请实施例提供的示例性应用场景的框架示意图。其 中,本申请实施例提供的物体轮廓识别的方法可以应用于服务器20中。
实际应用时,终端10可以采集原始图像,服务器20从终端10获取原始图 像,然后对该原始图像进行边缘检测获取边缘的坐标点集合,并根据坐标点 集合确定拐点数量,以根据拐点数量确定待识别物体的轮廓。
本领域技术人员可以理解,图1所示的框架示意图仅是本申请的实施方式 可以在其中得以实现的一个示例。本申请实施方式的适用范围不受到该框架 任何方面的限制。
需要注意的是,第一终端10可以是现有的、正在研发的或将来研发的、 能够通过任何形式的有线和/或无线连接(例如,Wi-Fi、LAN、蜂窝、同轴 电缆等)相互交互的任何用户设备,包括但不限于:现有的、正在研发的或 将来研发的智能可穿戴设备、智能手机、非智能手机、平板电脑、膝上型个 人计算机、桌面型个人计算机、小型计算机、中型计算机、大型计算机等。 本申请的实施方式在此方面不受任何限制。还需要注意的是,本申请实施 例中服务器20可以是现有的、正在研发的或将来研发的、能够向用户提供 信息推荐的应用服务的设备的一个示例。本申请的实施方式在此方面不受 任何限制。
为便于理解本申请的技术方案,下面将结合附图对本申请提供的物体轮 廓识别方法进行说明。
参见图2,该图为本申请实施例提供的一种物体轮廓识别方法的流程图, 如图2所示,该方法可以包括:
S201:获取原始图像,该原始图像包括待识别物体图像。
本实施例中,为识别所扫描的物体,首先可以利用终端采集包括待识别 物体的原始图像,并将该原始图像发送至服务器,由服务器对该原始图像进 行处理。
S202:利用边缘检测算法对原始图像进行边缘检测,获取待识别物体边 缘的坐标点集合。
在本实施例中,当获取包括待识别物体的原始图像后,利用边缘检测算 法对原始图像进行边缘检测,以获取形成待识别物体边缘的坐标点集合。
其中,常见的边缘检测算法包括Sobel边缘检测算法和Canny边缘检测算 法等。在具体实现时,可以利用开源计算机视觉库OpenCV所提供的Canny 边缘检测算法获取待识别物体边缘的坐标集合。例如,Canny边缘检测算法 所提供的边缘检测函数findContours(image,method,contours),其中,image 为输入的原始图像,method为获取坐标点的编码方式,contours为返回的坐标 点集合。
需要说明的是,当获取的原始图像为彩色图像和/或非二值图像时,在利 用边缘检测算法对原始图像进行边缘检测之前,需要对原始图像进行灰度化 和/或二值化处理,以便利用处理后的图像进行边缘检测。
S203:根据坐标点集合确定拐点数量。
S204:根据拐点数量确定所述待识别物体的轮廓。
本实施例中,当获取形成待识别物体边缘的坐标点集合后,可以根据坐 标点集合确定拐点数量,并根据拐点数量确定待识别物体的轮廓,即待识别 物体的形状。例如,当确定出拐点数量为3时,则待识别物体的轮廓为三角形; 当确定出拐点数量为4时,则待识别物体的轮廓为四边形等。其中,拐点是使 切线穿越曲线的点,即曲线的凹凸分界点。
可以理解的是,当待识别物体为圆形或椭圆以及较大多边形时,其边缘 存在拐点数量将远远大于当前可以识别出的多边形的拐点数量,因此可以根 据拐点数量首先确定待识别物体的轮廓是否为预先确定的多边形,如果是则 根据拐点数量确定具体多边形;如果否,则将该待识别物体的轮廓确定为N 边形,以便再进一步确定是否为圆形。具体可以为,当拐点数量超过预设阈 值时,将所述待识别物体的轮廓确定为N边形。其中,预设阈值为可以识别 的多边形所多对应的最大边数。例如,可以识别十二边形,则其对应的拐点 数量为12,则预设阈值为12。当确定的拐点数量超过12时,则确定待识别物 体的轮廓为N边形。其中,N不表示具体的数量,仅用于表示当前待识别物体 的轮廓的边形数量超过预设阈值。
在具体实现时,当拐点数量超过预设阈值时,还可以进一步区分待识别 物体的轮廓是否为圆形,具体可以包括:根据坐标点集合获取待识别物体的 中心坐标点;当坐标点集合中任一坐标点与中心坐标点之间的距离均相等时, 确定待识别物体的轮廓为圆形。
本实施例中,通过S201已获取待识别物体边缘的坐标点集合,然后根据 坐标点集合确定待识别物体的中心坐标点。再计算坐标点集合中任一点与中 心坐标点之间的距离,如果所计算的每个坐标点与中心坐标点的距离均相等, 则确定待识别物体的轮廓为圆形;否则,确定待识别物体的轮廓为N边形。 在具体实现时,可以opencv提供的moments方法获取到待识别物体的中心坐 标点,具体实现如下:mm=cv.moments(contours[cnt]).其中的参数contours 是提取到坐标点集合,返回值mm是一个二维点坐标值。
例如,通过moment方法获取某坐标集合的中心坐标点为(0,0),而坐 标点集合中每一个坐标点与中心坐标点之间的距离均为5,即半径为5,则将 该待识别物体的轮廓确定为圆形。
通过上述方法可知,首先获取包括待识别物体的原始图像,然后利用边 缘检测算法对该原始图像进行边缘检测,获取形成待识别物体边缘的坐标点 集合。并根据坐标点集合确定拐点数量,最后根据拐点数量确定待识别物体 的轮廓,即待识别物体的形状。可见,通过本申请实施例提供的方法,可以 根据待识别物体的拐点数量确定形状,即使原始图像中待识别物体的边缘被 部分磨损,但仍可以根据边缘的坐标点集合确定出边缘存在的拐点数量,提 高待识物体轮廓提取的准确性,进而可以提高物体识别的准确性。
在本申请实施例一种可能的实现方式中,为提高物体轮廓识别的准确性, 在拍摄原始图像时,可以将待识别物体放置在定制的标定板上,从而使得获 取的原始图像中包括标定板。其中,标定板可以校正镜头畸变,通过相机拍 摄带有定制的标定板可以提供轮廓识别的高精度。具体为,原始图像还包括 标定板,待识别物体位于标定板的轮廓之内,在利用边缘检测算法对所述原 始图像进行边缘检测之前,方法还包括:提取所述标定板的轮廓,以对所述 原始图像进行透视变换,获得原始图像的正视图像;利用边缘检测方法对正视图像进行边缘检测。
也就是,所获取的原始图像不仅包括待识别物体,还包括承载待识别物 体的标定板。然后提取该标定板的轮廓,以根据提取的标定板的轮廓对原始 图像进行透视变换,获得原始图像的正视图像,然后对正视图像进行边缘检 测,获取待识别物体边缘的坐标点集合。其中,关于提取标定板的轮廓的具 体实现参见图3所示实施例。
参见图3,该图为本申请实施例提供的一种提取标定板轮廓方法的流程 图,如图3所示,该方法可以包括:
S301:获取原始图像。
本实施例中,S301与S201具有相同的实现,具体可以参见S201,本实 施例在此不再赘述。
S302:利用直线检测算法对原始图像进行边缘检测,获取直线集合。
本实施例中,当获取原始图像后,利用直线检测算法对该待识别物体图 像进行边缘检测,以获得原始图像中标定板的边缘直线集合,以便利用该直 线集合还原标定板的轮廓。其中,直线集合包括至少四条直线,以利用该四 条直线形成该矩形标定板。
而且,直线集合中每条直线包括起点坐标和终点坐标。在具体实现时, 可以以原始图像所在的平面建立直角坐标系,从而获得直线的起始坐标和终 点坐标。
在实际应用中,直线检测算法可以为LSD直线检测算法、Hough直线检 测算法、Freeman直线检测算法。其中,LSD(Line Segment Detector)直线 段检测方法是一种局部提取直线的算法,能在较短的时间内获得较高精度的 直线段检测结果,比Hough算法要快。
在具体实现时,当原始图像为非灰度图像时,在利用直线检测算法对待 识别物体图像进行边缘检测之前,可以对待识别物体图像进行灰度处理,转 换为灰度图像。然后,利用高斯滤波对灰度图像进行卷积处理,并对卷积处 理后的原始图像进行边缘检测。
S303:根据直线的起始坐标和终点坐标,获得直线的斜率。
本实施例中,当通过直线检测算法获得检测出的直线的坐标时,利用每 条直线的起始点坐标和终点坐标,计算该直线的斜率。在具体实现时,可以 利用三角函数来表示该直线的斜率,例如tan值、sin值等。
例如,某直线的起始点坐标为(x0,y0),终点坐标为(x1,y1),则该 直线的斜率l=(y1-y0)/(x1-x0),然后,可以用Arctan值表示该直线与x 轴的倾斜角。
S304:根据直线斜率,确定水平直线集合和垂直直线集合。
本实施例中,当获得每条直线的斜率时,根据每条直线斜率确定该直线 为水平直线还是垂直直线,从而确定水平直线集合和垂直直线集合。其中, 水平直线集合包括至少两条水平直线;垂直直线集合包括至少两条垂直直线。
在一种可能的实现方式中,可以根据直线斜率对应的角度从直线集合中 筛选水平直线集合和垂直直线集合,具体为,将所有直线斜率对应的角度在 30度至负30度之间的直线组成水平直线集合;将所有直线斜率对应的角度 在60度至120度之间的所有直线组成垂直直线集合。
在具体实现时,可以根据每条直线斜率获得该斜率对应的倾斜角,然后 判断该倾斜角所处的范围,如果该直线斜率对应的倾斜角在(-30,30)之间, 则将其确定为水平直线,然后将所有满足上述条件的直线组成水平直线集合。 如果直线斜率对应的倾斜角在(60,120)之间,则将其确定为垂直直线,然 后将所有满足上述条件的直线组成垂直直线集合。
S305:根据第一筛选条件从水平直线集合中,确定第一水平直线和第二 水平直线。
本实施例中,利用第一筛选条件从水平直线集合中,筛选出两条直线, 即第一水平直线和第二水平直线。其中,第一水平直线的纵坐标小于第二水 平直线的纵坐标。也就是,从水平直线集合中,筛选出标定板的顶边和底边, 第一水平直线为底底边、第二水平直线为顶边。
其中,关于根据第一筛选条件确定第一水平直线和第二水平直线的具体 实现,将在后续实施进行说明。
S306:根据第二筛选条件从垂直直线集合中,确定第一垂直直线和第二 垂直直线。
本实施例中,利用第二筛选条件从垂直直线集合中,筛选出两条直线, 即第一垂直直线和第二垂直直线。其中,第一垂直直线的横坐标小于第二垂 直直线的横坐标。也就是,从垂直直线集合中,筛选出标定板的左边和右边, 第一垂直直线为左边、第二垂直直线为右边。
其中,关于根据第二筛选条件确定第一垂直直线和第二垂直直线的具体 实现,将在后续实施进行说明。
S307:利用第一水平直线、第二水平直线、第一垂直直线和第二垂直直 线生成待识别物体的轮廓。
本实施例中,当确定出四条直线后,利用该四条直线确定标定板的轮廓, 从而实现标定板轮廓的识别。
其中,关于利用第一水平直线、第二水平直线、第一垂直直线和第二垂 直直线生成标定板轮廓的具体实现,将在后续实施例进行说明。
通过上述实施例可知,本申请实施例首先获取原始图像,然后利用直线 检测算法提取该原始图像的边缘直线集合。由于获取的直线包括起点坐标和 终点坐标,则可以获得每条直线的斜率,并根据每条直线的斜率确定水平直 线集合和垂直直线集合。然后,并根据筛选条件分别从水平直线集合中确定 第一水平直线、第二水平直线,从垂直直线集合中筛选第一垂直直线和第二 垂直直线,利用筛选出的四条直线生成标定板轮廓。可见,通过提取多条边 缘直线以及多级筛选获取标定板轮廓特征,避免干扰因素存在而影响物体轮廓的提取,提高了矩形物体轮廓提取的准确性,以及物体识别的准确性。
在本申请实施例一种可能的实现方式中,提供了一种生成标定板轮廓的 方案,具体为,根据第一水平直线、第二水平直线、第一垂直直线和第二垂 直直线的起始坐标和终点坐标,获得四条直线的交点坐标;根据交点坐标, 获得交点连线所形成的轮廓的长度和宽度;判断长度与所述宽度的比例是否 在预设范围内;如果是,则将交点连线所形成的轮廓确定为标定板的轮廓。
本实施例中,首先利用确定出的四条直线的起始坐标和终点坐标确定该 直线的线性方程,然后利用各自对应的线性方程计算当前直线与其他直线的 交点坐标,从而可以确定出四个交点坐标。然后,将四个交点坐标中两个相 邻交点分别进行相连形成一定轮廓。再根据四个交点坐标计算所形成轮廓的 长度和宽度的比值,如果该比值在预设条件,则将交点连线所形成的轮廓确 定为标定板的轮廓。
其中,预设条件根据定制的矩形标定板进行设置,当在拍摄原始图像时, 所依据的矩形标定板发生变化时,预设条件与随之发生变化。
在一种可能的实现方式中,将交点连线所形成的轮廓的两条长边的均值 确定为轮廓的长度;将交点连线所形成的轮廓的两条短边的均值确定为轮廓 的宽度。也就是,将两条长边的均值除以两条短边的均值作为轮廓的长度与 宽度的比例,提高计算的准确性。
另外,当交点连线所形成的轮廓的长宽比例不满足预设条件时,则重新 根据第一筛选条件从水平直线集合中确定第一水平直线和第二水平直线;根 据第二筛选条件从垂直直线集合中确定第一垂直直线和第二垂直直线,并再 次计算四条直线的交点坐标以及四个交点连线所形成轮廓的长宽比例。
通过上述实施例可知,本实施例可以根据第一筛选条件从水平直线集合 中确定第一水平直线和第二水平直线;根据第二筛选条件从垂直直线集合中 确定第一垂直直线和第二垂直直线。为便于理解确定的具体实现方式,下面 将结合附图对分别对确定第一水平直线和第二水平直线以及第一垂直直线和 第二垂直直线进行说明。
参见图4,该图为本申请实施例提供的根据第一筛选条件确定水平直线的 方法的流程图,如图4所示,该方法可以包括:
S401:将水平直线集合中水平直线的纵坐标小于或等于第一预设阈值的 水平直线,确定为第一水平直线。
本实施例中,可以将水平直线集合中纵坐标小于或等于第一预设阈值的 水平直线确定为第一水平直线,即确定矩形轮廓的底边。
其中,第一预设阈值可以预先设定,根据实际需求进行设定。例如,可 以将待识别物体图像高度的1/3设定为第一预设阈值,也就是将纵坐标小于或 等于图像高度1/3的水平直线确定为第一水平直线。
可以理解的是,在具体实现时,可能存在多条水平直线满足第一预设阈 值条件,即确定出多个第一水平直线。基于所确定出的多个第一水平直线, 执行S403,从多个第一水平直线中确定最终的第一水平直线。
S402:将水平直线集合中水平直线的纵坐标大于或等于第二预设阈值的 水平直线,确定为第二水平直线。
本实施例中,可以将水平直线集合中纵坐标大于或等于第二预设阈值的 水平直线确定为第二水平直线,即确定矩形轮廓的顶边。
其中,第二预设阈值可以预先设定,根据实际需求进行设定。例如,可 以将待识别物体图像高度的2/3设定为第一预设阈值,也就是将纵坐标大于或 等于图像高度2/3的水平直线确定为第二水平直线。
可以理解的是,在具体实现时,可能存在多条水平直线满足第二预设阈 值条件,即确定出多个第二水平直线。基于所确定出的多个第二水平直线, 执行S404,从多个第二水平直线中确定最终的第二水平直线。
需要说明的是,由于第二预设阈值用于确定矩形轮廓的顶边,而第一预 设阈值用于确定矩形轮廓的底边,因此,第二预设阈值大于第一预设阈值。
另外,S401和S402的执行顺序不受上述限制,也可以先执行S302确定第 二水平直线,再执行S401确定第一水平直线。
S403:将多个第一水平直线中纵坐标最大的水平直线确定为最终的第一 水平直线。
本实施例中,当存在多个第一水平直线时,将其中纵坐标最大的水平直 线确定为最终的第一水平直线。即将靠上的第一水平直线确定为底边。
例如,存在三条第一水平直线,纵坐标分别为3、3.5、3.8,则将纵坐标 为3.8的第一水平直线确定为最终的第一水平直线。
S404:将多个第二水平直线中纵坐标最小的水平直线确定为最终的第二 水平直线。
本实施例中,当存在多个第二水平直线时,将其中纵坐标最小的水平直 线确定为最终的第二水平直线,即将靠下的第二水平直线确定为顶边。
例如,存在三条第一水平直线,纵坐标分别为5.6、5.9、6.2,则将纵坐 标为5.6的第二水平直线确定为最终的第二水平直线。
另外,S403和S404的执行顺序不受上述限制,也可以先执行S404确定最 终第二水平直线,再执行S403确定最终第一水平直线。
参见图5,该图为本申请实施例提供的一种根据第二筛选条件确定垂直直 线的方法的流程图,如图5所示,该方法可以包括:
S501:将垂直直线集合中垂直直线的横坐标小于或等于第三预设阈值的 垂直直线,确定为第一垂直直线。
本实施例中,可以将垂直直线集合中横坐标小于或等于第三预设阈值的 垂直直线确定为第一垂直直线。即确定矩形轮廓的左边。
其中,第三预设阈值可以预先设定,根据实际需求进行设定。例如,可 以将待识别物体图像宽度的1/4设定为第一预设阈值,也就是将横坐标小于或 等于图像高度1/4的垂直直线确定为第一垂直直线。
可以理解的是,在具体实现时,可能存在多条垂直直线满足第三预设阈 值条件,即确定出多个第一垂直直线。基于所确定出的多个第一垂直直线, 执行S503,从多个第一垂直直线中确定最终的第一垂直直线。
S502:将垂直直线集合中垂直直线的横坐标大于或等于第四预设阈值的 垂直直线,确定为第二垂直直线。
本实施例中,可以将垂直直线集合中横坐标大于或等于第四预设阈值的 水平直线确定为第二垂直直线。即确定矩形轮廓的右边。
其中,第三预设阈值可以预先设定,根据实际需求进行设定。例如,可 以将待识别物体图像宽度的3/4设定为第四预设阈值,也就是将横坐标大于或 等于图像高度3/4的垂直直线确定为第二垂直直线。
可以理解的是,在具体实现时,可能存在多条垂直直线满足第四预设阈 值条件,即确定出多个第二垂直直线。基于所确定出的多个第二垂直直线, 执行S504,从多个第二垂直直线中确定最终的第二垂直直线。
需要说明的是,由于第四预设阈值用于确定矩形轮廓的右边,而第三预 设阈值用于确定矩形轮廓的左边,因此,第四预设阈值大于第三预设阈值。
另外,S501和S502的执行顺序不受上述限制,也可以先执行S502确定第 二垂直直线,再执行S501确定第一垂直直线。
S503:将多个第一垂直直线中横坐标最大的垂直直线确定为最终的第一 垂直直线。
本实施例中,当存在多个第一垂直直线时,将其中横坐标最大的水平直 线确定为最终的第一垂直直线。即将靠右的第一垂直直线确定为左边。
例如,存在三条第一水平直线,横坐标分别为2、2.5、2.8,则将横坐标 为2.8的第一垂直直线确定为最终的第一垂直直线。
S504:将多个第二水平直线中横坐标最小的垂直直线确定为最终的第二 垂直直线。
本实施例中,当存在多个第二垂直直线时,将其中横坐标最小的水平直 线确定为最终的第二垂直直线。即将靠左的第二垂直直线确定为右边。
例如,存在三条第一水平直线,纵坐标分别为7.6、7.9、8.2,则将纵坐 标为7.6的第二垂直直线确定为最终的第二垂直直线。
另外,S503和S504的执行顺序不受上述限制,也可以先执行S504确定最 终第二垂直直线,再执行S503确定最终第一垂直直线。
可以理解的是,因为在检测类似银行卡这样的矩形卡片的时候大多数情 况下是将卡片放置在扫描范围的中央区域,将第一水平直线中纵坐标最大的 水平直线确定为轮廓上边、将第二水平直线中纵坐标最小的水平直线确定为 轮廓下边以及将第一垂直直线中横坐标最大的垂直直线确定为轮廓左边、将 第二垂直水平直线中横坐标最小的垂直直线确定为轮廓的右边,目的是在物 体轮廓最可能出现的区域范围(整个检测图案最上面1/4区域中靠近底部的区 域+图案最下面1/4区域中靠近顶部的区域+图案最左侧1/4区域中靠近右侧区 域+图案最右侧1/4区域中靠近左侧区域)之内确定每一条边,这样获取的每条直线最有可能是物体轮廓的边缘。
通过图4和图5所述实施例,可以分别确定出多个第一水平直线、第二水 平直线、第一垂直直线和第二垂直直线,即轮廓的四条边分别存在备选集合。 当第一次确定的最终直线所形成的轮廓的长宽比例不满足条件时,可以从多 个直线中再次确定最终直线,再次进行判断,从而提高轮廓提取的准确性。
在本申请实施例一种可能的实现方式中,为进一步验证通过上述实施例 确定的矩形轮廓,还可以提取矩形轮廓的颜色特征;并判断所提取的颜色特 征是否满足预设条件,当满足时,确定所形成的轮廓为待识别物体的轮廓。
在具体实现时,本实施例提供了两种提取矩形轮廓颜色特征的实现方式, 一种是,可以从所形成的矩形轮廓的一个顶点出发,采集该轮廓四条边的颜 色特征,并判断四条边的颜色特征的差值是否在预设范围内,如果四条边的 所有颜色特征差值在预设范围内,则确定所形成的轮廓为待识别物体的轮廓。
另一种是,从所形成的矩形轮廓的一个顶点出发,顺时针采集轮廓右侧 的颜色特征(如果是逆时针,则采集左侧的颜色特征),回到起始点则采集 完毕。也就是采集矩形轮廓内部的颜色特征,若采集的颜色特征相似,则可 以判断所形成的轮廓内部时一个完整且独立的部分,确定该轮廓为待识别物 体的轮廓。
其中,颜色特征可以为HSV颜色特征、HSI颜色特征、HSB颜色特征等。 其中,H(Hue)代表色度,S(Saturati on)代表色饱和度,V(V alue)代表亮度、 I(Intensity)和B(brightness)均代表亮度。
另外,当确定四条直线所形成的轮廓为待识别物体的轮廓后,可以对待 识别物体图像进行透视变化,获得该待识别物体的完整图像。
为便于理解,参见图6a-6d,其中,图6a为仅包括矩形标定板的原始图像, 对该图像进行边缘检测,获得多条直线集合,如图6b所示,根据直线的起始 坐标和终点坐标确定直线的斜率,并根据斜率确定水平直线集合和垂直直线 集合,然后根据第一筛选条件从水平直线集合中,确定第一水平直线和第二 水平直线,根据第二筛选条件从垂直直线集合中,确定第一垂直直线和第二 垂直直线。由图6b可知,可以确定出两条第二水平直线,首先将2号直线确定 为第二水平直线,计算四条直线所形成轮廓的长宽比例,由于长宽比例不满 足条件,则再将1号直线确定为第二水平直线,再次计算四条直线所形成轮廓 的长宽比例,此时长宽比例满足条件,则该四条直线所形成的轮廓为标定板 的轮廓,如图6c所示,则根据图6c的轮廓对图像进行透视变换,获得银行卡 的正视图像,如图6d。
基于上述方法实施例,本申请还提供了一种物体轮廓识别装置,下面将 结合附图该装置进行说明。
参见图7,该图为本申请实施例提供的一种物体轮廓识别装置结构图,如 图7所示,该装置可以包括:
第一获取单元701,用于获取原始图像;所述原始图像包括待识别物体;
第二获取单元702,用于利用边缘检测算法对所述原始图像进行边缘检 测,获取所述待识别物体边缘的坐标点集合;
第一确定单元703,用于根据所述坐标点集合确定拐点数量;
第二确定单元704,用于根据所述拐点数量确定所述待识别物体的轮廓。
在一种可能的实现方式中,所述原始图像还包括标定板,所述待识别物 体位于所述标定板的轮廓之内,所述装置还包括:
第一提取单元,用于在执行所述第二获取单元之前,提取所述标定板的 轮廓,以对所述原始图像进行透视变换,获得所述原始图像的正视图像;
所述第二获取单元,具体用于利用边缘检测方法对所述正视图像进行边 缘检测,获取所述待识别物体边缘的坐标集合。
在一种可能的实现方式中,所述标定板为矩形标定板,所述提取单元, 包括:
检测子单元,用于利用直线检测算法对所述待识别物体图像进行边缘检 测,获取直线集合;所述直线集合包括至少四条直线;所述直线包括起点坐 标和终点坐标;
第一获取子单元,用于根据所述直线的起始坐标和终点坐标,获得所述 直线的斜率;
第一确定子单元,用于根据所述直线斜率,确定水平直线集合和垂直直 线集合;所述水平直线集合包括至少两条水平直线;所述垂直直线集合包括 至少两条垂直直线;
第二确定子单元,用于根据第一筛选条件从所述水平直线集合中,确定 第一水平直线和第二水平直线;所述第一水平直线的纵坐标小于所述第二水 平直线的纵坐标;
第三确定子单元,用于根据第二筛选条件从所述垂直直线集合中,确定 第一垂直直线和第二垂直直线;所述第一垂直直线的横坐标小于所述第二垂 直直线的横坐标;
生成子单元,用于利用所述第一水平直线、所述第二水平直线、所述第 一垂直直线和所述第二垂直直线生成所述待识别物体的轮廓。
在一种可能的实现方式中,所述生成子单元,包括:
第二获取子单元,用于根据所述第一水平直线、所述第二水平直线、所 述第一垂直直线和所述第二垂直直线的起始坐标和终点坐标,获得四条直线 的交点坐标;
第三获取子单元,用于根据所述交点坐标,获得所述交点连线所形成的 轮廓的长度和宽度;
判断子单元,用于判断所述长度与所述宽度的比例是否在预设范围内;
第四确定子单元,用于当判断子单元的判断结果为是时,则将所述交点 连线所形成的轮廓确定为待识别物体的轮廓。
在一种可能的实现方式中,所述第三获取子单元,包括:
第五确定子单元,用于将所述交点连线所形成的轮廓的两条长边的均值 确定为所述轮廓的长度;
第六确定子单元,用于将所述交点连线所形成的轮廓的两条短边的均值 确定为所述轮廓的宽度。
在一种可能的实现方式中,所述第一确定子单元,包括:
第七确定子单元,用于将所有所述直线斜率对应的角度在30度至负30度 之间的所述直线组成所述水平直线集合;
第八确定子单元,用于将所有所述直线斜率对应的角度在60度至120度之 间的所述直线组成所述垂直直线集合。
在一种可能的实现方式中,所述第二确定子单元,包括:
第九确定子单元,用于将所述水平直线集合中水平直线的纵坐标小于或 等于第一预设阈值的水平直线,确定为第一水平直线;
第十确定子单元,用于将所述水平直线集合中水平直线的纵坐标大于或 等于第二预设阈值的水平直线,确定为第二水平直线;所述第二预设阈值大 于第一预设阈值。
在一种可能的实现方式中,当确定出多个所述第一水平直线和多个所述 第二水平直线时,所述第九确定子单元,具体用于将多个所述第一水平直线 中纵坐标最大的水平直线确定为最终的第一水平直线;
所述第十确定子单元,具体用于将多个所述第二水平直线中纵坐标最小 的水平直线确定为最终的第二水平直线。
在一种可能的实现方式中,所述第三确定子单元,包括:
第十一确定子单元,用于将所述垂直直线集合中垂直直线的横坐标小于 或等于第三预设阈值的垂直直线,确定为第一垂直直线;
第十二确定子单元,用于将所述垂直直线集合中垂直直线的横坐标大于 或等于第四预设阈值的垂直直线,确定为第二垂直直线;所述第四预设阈值 大于第三预设阈值。
在一种可能的实现方式中,当确定出多个所述第一垂直直线和多个所述 第二垂直直线时,所述第十一确定子单元,具体用于将多个所述第一垂直直 线中横坐标最大的垂直直线确定为最终的第一垂直直线;
所述第十二确定子单元,具体用于将多个所述第二垂直直线中横坐标最 小的垂直直线确定为最终的第二垂直直线。
在一种可能的实现方式中,所述装置还包括:
第二提取单元,用于提取所述轮廓的颜色特征;
第三确定单元,用于当所述颜色特征满足预设条件时,确定所述轮廓为 所述待识别物体的轮廓。
在一种可能的实现方式中,所述装置还包括:
第四确定单元,用于当所述拐点数量超过预设阈值时,将所述待识别物 体的轮廓确定为N边形。
在一种可能的实现方式中,所述装置还包括:
第三获取单元,用于根据所述坐标点集合获取所述待识别物体的中心坐 标点;
第五确定单元,用于当所述坐标点集合中任一坐标点与所述中心坐标点 之间的距离均相等时,确定所述待识别物体的轮廓为圆形。
在一种可能的实现方式中,所述装置还包括:
处理单元,用于在执行所述第二获取单元之前,对所述原始图像进行二 值化处理和/或灰度处理。
需要说明的是,本实施例中各单元的实现可以参见方法实施例,本实施 例在此不做限定。
首先获取包括待识别物体的原始图像,然后利用边缘检测算法对该原始 图像进行边缘检测,获取形成待识别物体边缘的坐标点集合。并根据坐标点 集合确定拐点数量,最后根据拐点数量确定待识别物体的轮廓,即待识别物 体的形状。可见,通过本申请实施例提供的方法,可以根据待识别物体的拐 点数量确定形状,即使原始图像中待识别物体的边缘被部分磨损,但仍可以 根据边缘的坐标点集合确定出边缘存在的拐点数量,提高待识物体轮廓提取 的准确性,进而可以提高物体识别的准确性。
需要说明的是,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他实施例的不同之处,各个实施例之间相同相似部分 互相参见即可。对于实施例公开的系统或装置而言,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。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个” 是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存 在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存 在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后 关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项 中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或 c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”, 或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用 来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗 示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包 括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一 系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有 明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固 有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素, 并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同 要素。
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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用 本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下, 在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例, 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种物体轮廓识别方法,其特征在于,所述方法包括:
获取原始图像;所述原始图像包括待识别物体;所述原始图像还包括标定板,所述待识别物体位于所述标定板的轮廓之内;
利用LSD直线检测算法对所述原始图像进行边缘检测,获取直线集合;
根据所述直线集合提取所述标定板的轮廓,以对所述原始图像进行透视变换,获得所述原始图像的正视图像;
利用边缘检测算法对所述正视图像进行边缘检测,获取所述待识别物体边缘的坐标点集合;
根据所述坐标点集合确定拐点数量;
根据所述拐点数量确定所述待识别物体的初步轮廓,提取所述初步轮廓的颜色特征,判断所述颜色特征是否满足预设条件,若满足,确定所述初步轮廓为所述待识别物体的轮廓。
2.根据权利要求1所述的方法,其特征在于,所述标定板为矩形标定板,所述提取所述标定板轮廓,包括:
利用直线检测算法对所述原始图像进行边缘检测,获取直线集合;所述直线集合包括至少四条直线;所述直线包括起点坐标和终点坐标;
根据所述直线的起始坐标和终点坐标,获得所述直线斜率;
根据所述直线斜率,确定水平直线集合和垂直直线集合;所述水平直线集合包括至少两条水平直线;所述垂直直线集合包括至少两条垂直直线;
根据第一筛选条件从所述水平直线集合中,确定第一水平直线和第二水平直线;所述第一水平直线的纵坐标小于所述第二水平直线的纵坐标;
根据第二筛选条件从所述垂直直线集合中,确定第一垂直直线和第二垂直直线;所述第一垂直直线的横坐标小于所述第二垂直直线的横坐标;
利用所述第一水平直线、所述第二水平直线、所述第一垂直直线和所述第二垂直直线生成所述标定板的轮廓。
3.根据权利要求2所述的方法,其特征在于,所述利用所述第一水平直线、所述第二水平直线、所述第一垂直直线和所述第二垂直直线生成所述标定板的轮廓,包括:
根据所述第一水平直线、所述第二水平直线、所述第一垂直直线和所述第二垂直直线的起始坐标和终点坐标,获得四条直线的交点坐标;
根据所述交点坐标,获得所述交点连线所形成的轮廓的长度和宽度;
判断所述长度与所述宽度的比例是否满足预设条件;
如果是,则将所述交点连线所形成的轮廓确定为标定板的轮廓。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述拐点集合数量确定所述待识别物体的轮廓,包括:
当所述拐点数量超过预设阈值时,将所述待识别物体的轮廓确定为N边形。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述坐标点集合获取所述待识别物体的中心坐标点;
当所述坐标点集合中任一坐标点与所述中心坐标点之间的距离均相等时,确定所述待识别物体的轮廓为圆形。
6.根据权利要求1所述方法,其特征在于,利用边缘检测算法对所述原始图像进行边缘检测之前,所述方法还包括:
对所述原始图像进行二值化处理和/或灰度处理。
7.一种物体轮廓识别装置,其特征在于,所述装置包括:
第一获取单元,用于获取原始图像;所述原始图像包括待识别物体;所述原始图像还包括标定板,所述待识别物体位于所述标定板的轮廓之内;
直线集合获取单元,用于利用LSD直线检测算法对所述原始图像进行边缘检测,获取直线集合;
第一提取单元,用于根据所述直线集合提取所述标定板的轮廓,以对所述原始图像进行透视变换,获得所述原始图像的正视图像;
第二获取单元,用于利用边缘检测算法对所述正视图像进行边缘检测,获取所述待识别物体边缘的坐标点集合;
第一确定单元,用于根据所述坐标点集合确定拐点数量;
第二确定单元,用于根据所述拐点数量确定所述待识别物体的初步轮廓,提取所述初步轮廓的颜色特征,判断所述颜色特征是否满足预设条件,若满足,确定所述初步轮廓为所述待识别物体的轮廓。
8.根据权利要求7所述的装置,其特征在于,所述标定板为矩形标定板,所述第一提取单元,包括:
检测子单元,用于利用直线检测算法对所述待识别物体图像进行边缘检测,获取直线集合;所述直线集合包括至少四条直线;所述直线包括起点坐标和终点坐标;
第一获取子单元,用于根据所述直线的起始坐标和终点坐标,获得所述直线的斜率;
第一确定子单元,用于根据所述直线斜率,确定水平直线集合和垂直直线集合;所述水平直线集合包括至少两条水平直线;所述垂直直线集合包括至少两条垂直直线;
第二确定子单元,用于根据第一筛选条件从所述水平直线集合中,确定第一水平直线和第二水平直线;所述第一水平直线的纵坐标小于所述第二水平直线的纵坐标;
第三确定子单元,用于根据第二筛选条件从所述垂直直线集合中,确定第一垂直直线和第二垂直直线;所述第一垂直直线的横坐标小于所述第二垂直直线的横坐标;
生成子单元,用于利用所述第一水平直线、所述第二水平直线、所述第一垂直直线和所述第二垂直直线生成所述待识别物体的轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910252239.0A CN110059702B (zh) | 2019-03-29 | 2019-03-29 | 一种物体轮廓识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910252239.0A CN110059702B (zh) | 2019-03-29 | 2019-03-29 | 一种物体轮廓识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110059702A CN110059702A (zh) | 2019-07-26 |
CN110059702B true CN110059702B (zh) | 2021-10-22 |
Family
ID=67318025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910252239.0A Active CN110059702B (zh) | 2019-03-29 | 2019-03-29 | 一种物体轮廓识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059702B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686959B (zh) * | 2019-10-18 | 2024-06-11 | 菜鸟智能物流控股有限公司 | 待识别图像的矫正方法及装置 |
CN111507324B (zh) * | 2020-03-16 | 2024-05-31 | 平安科技(深圳)有限公司 | 卡片边框识别方法、装置、设备和计算机存储介质 |
CN111528579A (zh) * | 2020-04-29 | 2020-08-14 | 成都信息工程大学 | 一种基于机器视觉的非接触式测脚方法 |
CN111739038B (zh) * | 2020-08-05 | 2020-11-17 | 成都四方伟业软件股份有限公司 | 一种手绘图轮廓线断点自动连接方法及装置 |
CN112288820B (zh) * | 2020-12-29 | 2021-04-27 | 深圳市六合智能感知系统科技有限公司 | 规则物体的轮廓计算方法、装置、设备及存储介质 |
CN113877827B (zh) * | 2021-09-14 | 2023-06-16 | 深圳玩智商科技有限公司 | 物流件抓取方法、抓取设备及存储介质 |
CN114549474A (zh) * | 2022-02-24 | 2022-05-27 | 成都数之联科技股份有限公司 | 印制电路板的区域识别方法、装置、介质和设备 |
CN115953593B (zh) * | 2023-01-10 | 2023-11-21 | 广州市易鸿智能装备有限公司 | 工业零件的轮廓识别方法、装置、设备和计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680519A (zh) * | 2015-02-06 | 2015-06-03 | 四川长虹电器股份有限公司 | 基于轮廓和颜色的七巧板识别方法 |
CN106504225A (zh) * | 2016-09-27 | 2017-03-15 | 深圳增强现实技术有限公司 | 一种规则多边形的识别方法和装置 |
CN107009412A (zh) * | 2017-04-12 | 2017-08-04 | 广东工业大学 | 一种证件照自动裁剪方法、装置以及系统 |
CN107784301A (zh) * | 2016-08-31 | 2018-03-09 | 百度在线网络技术(北京)有限公司 | 用于识别图像中文字区域的方法和装置 |
CN109452941A (zh) * | 2018-11-23 | 2019-03-12 | 中国科学院自动化研究所 | 基于图片正畸与边界提取的肢体周径测量方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726256B (zh) * | 2008-10-27 | 2012-03-28 | 鸿富锦精密工业(深圳)有限公司 | 从影像轮廓中搜寻拐点的计算机系统及方法 |
CN103020626A (zh) * | 2011-09-28 | 2013-04-03 | 深圳市蓝韵实业有限公司 | 在图像中检测椭圆型目标的方法及系统 |
CN103729619B (zh) * | 2013-12-11 | 2016-08-17 | 中国科学院长春光学精密机械与物理研究所 | 道路监控系统中车牌边框的自动识别方法 |
CN106446894B (zh) * | 2016-09-27 | 2019-04-12 | 广东技术师范学院 | 一种基于轮廓识别球型目标物位置的方法 |
US20180307934A1 (en) * | 2017-04-25 | 2018-10-25 | Spatial Corporation | Highly parallelizable algorithm for detecting intersections of shapes |
CN107392141B (zh) * | 2017-07-19 | 2020-04-24 | 武汉大学 | 一种基于显著性检测和lsd直线检测的机场提取方法 |
CN108320270B (zh) * | 2018-01-26 | 2023-12-29 | 腾讯科技(深圳)有限公司 | 一种图像校正方法、装置和存储介质 |
-
2019
- 2019-03-29 CN CN201910252239.0A patent/CN110059702B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680519A (zh) * | 2015-02-06 | 2015-06-03 | 四川长虹电器股份有限公司 | 基于轮廓和颜色的七巧板识别方法 |
CN107784301A (zh) * | 2016-08-31 | 2018-03-09 | 百度在线网络技术(北京)有限公司 | 用于识别图像中文字区域的方法和装置 |
CN106504225A (zh) * | 2016-09-27 | 2017-03-15 | 深圳增强现实技术有限公司 | 一种规则多边形的识别方法和装置 |
CN107009412A (zh) * | 2017-04-12 | 2017-08-04 | 广东工业大学 | 一种证件照自动裁剪方法、装置以及系统 |
CN109452941A (zh) * | 2018-11-23 | 2019-03-12 | 中国科学院自动化研究所 | 基于图片正畸与边界提取的肢体周径测量方法及系统 |
Non-Patent Citations (2)
Title |
---|
Description of Contour with Meaningful Points;Zühal Kurt et al.;《2013 21st Signal Processing and Communications Applications Conference》;20130613;第1-4页 * |
V形焊缝轮廓特征点的有效提取;余卓骅 等;《焊接技术》;20161231;第45卷(第12期);第17-20页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110059702A (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059702B (zh) | 一种物体轮廓识别方法及装置 | |
JP5844783B2 (ja) | テキスト領域を含むグレースケール文書画像を処理する方法、グレースケール文書画像の少なくともテキスト領域を二値化する方法、グレースケール文書画像においてグリッドを形成するテーブルの抽出方法及びプログラム | |
US9047529B2 (en) | Form recognition method and device | |
US8611662B2 (en) | Text detection using multi-layer connected components with histograms | |
US8805077B2 (en) | Subject region detecting apparatus | |
TW201740316A (zh) | 圖像文字的識別方法和裝置 | |
AU2011250827B2 (en) | Image processing apparatus, image processing method, and program | |
CN109002823B (zh) | 一种感兴趣区域确定方法、装置、设备及可读存储介质 | |
CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
CN109948521B (zh) | 图像纠偏方法和装置、设备及存储介质 | |
CN107730439B (zh) | 一种人体图像映射方法、系统及终端设备 | |
WO2017161636A1 (zh) | 一种基于指纹的终端支付方法及装置 | |
CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
CN103530625A (zh) | 一种基于数字图像处理的光学字符识别方法 | |
CN113052754B (zh) | 一种图片背景虚化的方法及装置 | |
CN112396050A (zh) | 图像的处理方法、设备以及存储介质 | |
CN113688846A (zh) | 物体尺寸识别方法、可读存储介质及物体尺寸识别系统 | |
US10049309B2 (en) | Character recognition device, character recognition method and program | |
Hristov et al. | A software system for classification of archaeological artefacts represented by 2D plans | |
CN111354038A (zh) | 锚定物检测方法及装置、电子设备及存储介质 | |
CN108268868B (zh) | 身份证图像的倾斜值获取方法及装置、终端、存储介质 | |
CN109325489A (zh) | 图像的识别方法及装置、存储介质、电子装置 | |
CN113689378A (zh) | 试纸带精准定位的判定方法、装置、存储介质及终端 | |
CN112785550A (zh) | 图像质量值确定方法、装置、存储介质及电子装置 | |
CN112766082A (zh) | 基于宏微观特征的中文文本笔迹鉴别方法、装置及存储介质 |
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 |