CN110458857B - 中心对称图元检测方法、装置、电子设备及可读存储介质 - Google Patents

中心对称图元检测方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN110458857B
CN110458857B CN201910740709.8A CN201910740709A CN110458857B CN 110458857 B CN110458857 B CN 110458857B CN 201910740709 A CN201910740709 A CN 201910740709A CN 110458857 B CN110458857 B CN 110458857B
Authority
CN
China
Prior art keywords
edge pixel
target edge
target
angle range
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
Application number
CN201910740709.8A
Other languages
English (en)
Other versions
CN110458857A (zh
Inventor
吴善思源
黄凯翔
江源
洪炜冬
张伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Meitu Technology Co Ltd
Original Assignee
Xiamen Meitu Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Meitu Technology Co Ltd filed Critical Xiamen Meitu Technology Co Ltd
Priority to CN201910740709.8A priority Critical patent/CN110458857B/zh
Publication of CN110458857A publication Critical patent/CN110458857A/zh
Application granted granted Critical
Publication of CN110458857B publication Critical patent/CN110458857B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请提出一种中心对称图元检测方法、装置、电子设备及可读存储介质，涉及图像处理技术领域。首先从待检测图像中确定目标边缘像素点，并根据各个目标边缘像素点的梯度角、预先设定的角度范围，对各个目标边缘像素点进行分组。其中，每个角度范围包括最大值、最小值分别相差180度的第一角度范围及第二角度范围。然后计算各组目标边缘像素点中任意两目标边缘像素点的中点，并将出现次数最多的中点作为目标中点。最后在各组目标边缘像素点中查找中点为目标中点的目标边缘像素点对，并根据查找到的所有目标边缘像素点对，确定出中心对称图元在待检测图像中的位置。由此，可以快速得到中心对称图元在待检测图像中的位置。

Description

中心对称图元检测方法、装置、电子设备及可读存储介质
技术领域
本申请涉及图像处理技术领域，具体而言，涉及一种中心对称图元检测方法、装置、电子设备及可读存储介质。
背景技术
在需要AR(Augmented Reality，增强现实)效果时，要先利用手持设备对现实场景进行扫描，然后对扫描得到的数据进行处理，进而反馈相应的AR效果。在这个过程中，会使用图像检测技术对得到的扫描数据进行分析，确定现实场景中的图元。图像检测技术多采用特征点匹配算法，使用的特征点越具有区辨性，需要的计算量就会越大，由此导致图元检测效率低，不能满足实时检测需求。
发明内容
有鉴于此，本申请的目的在于提供一种中心对称图元检测方法、装置、电子设备及可读存储介质，其能够从待检测图像中快速检测出中心对称图元，可满实时检测需求。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供一种中心对称图元检测方法，所述方法包括：
从待检测图像中确定目标边缘像素点，并根据各个目标边缘像素点的梯度角、预先设定的角度范围，对各个目标边缘像素点进行分组，其中，每个角度范围包括第一角度范围及第二角度范围，第一角度范围的最大值与第二角度范围的最大值的差值为180度，第一角度范围的最小值与第二角度范围的最小值的差值为180度；
计算各组目标边缘像素点中任意两目标边缘像素点的中点，并将出现次数最多的中点作为目标中点；
在各组目标边缘像素点中查找中点为所述目标中点的目标边缘像素点对，并根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置。
在可选的实施方式中，所述从待检测图像中确定目标边缘像素点，包括：
对待检测图像进行边缘检测，获得所述待检测图像中的边缘像素点；
从所述边缘像素点中确定目标边缘像素点。
在可选的实施方式中，所述从所述边缘像素点中确定目标边缘像素点，包括：
根据边缘像素点的梯度，计算得到该边缘像素点的梯度强度；
判断所述梯度强度是否大于预设梯度强度；
若大于，则判定该边缘像素点为目标边缘像素点；
若不大于，则判定该边缘像素点为非目标边缘像素点。
在可选的实施方式中，所述根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置，包括：
根据所有目标边缘像素点对中各目标边缘像素点的横纵坐标，确定所述横纵坐标中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标，以得到中心对称图元的区域。
第二方面，本申请实施例提供一种中心对称图元检测装置，所述装置包括：
分组模块，用于从待检测图像中确定目标边缘像素点，并根据各个目标边缘像素点的梯度角、预先设定的角度范围，对各个目标边缘像素点进行分组，其中，每个角度范围包括第一角度范围及第二角度范围，第一角度范围的最大值与第二角度范围的最大值的差值为180度，第一角度范围的最小值与第二角度范围的最小值的差值为180度；
中点计算模块，用于计算各组目标边缘像素点中任意两目标边缘像素点的中点，并将出现次数最多的中点作为目标中点；
确定模块，用于在各组目标边缘像素点中查找中点为所述目标中点的目标边缘像素点对，并根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置。
在可选的实施方式中，所述分组模块具体用于：
对待检测图像进行边缘检测，获得所述待检测图像中的边缘像素点；
从所述边缘像素点中确定目标边缘像素点。
在可选的实施方式中，所述分组模块具体用于：
根据边缘像素点的梯度，计算得到该边缘像素点的梯度强度；
判断所述梯度强度是否大于预设梯度强度；
若大于，则判定该边缘像素点为目标边缘像素点；
若不大于，则判定该边缘像素点为非目标边缘像素点。
在可选的实施方式中，所述确定模块具体用于：
根据所有目标边缘像素点对中各目标边缘像素点的横纵坐标，确定所述横纵坐标中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标，以得到中心对称图元的区域。
第三方面，本申请实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式任一所述的中心对称图元检测方法。
第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的中心对称图元检测方法。
本申请实施例提供的中心对称图元检测方法、装置、电子设备和可读存储介质，在从待检测图像中确定目标边缘像素点后，根据各个目标边缘像素点的梯度以及预先设定的角度范围，对确定的目标边缘像素点进行分组。其中，预先设定的角度范围包括第一角度范围及第二角度范围，第一角度范围的最大值与第二角度范围的最大值的差值为180度，第一角度范围的最小值与第二角度范围的最小值的差值为180度。然后计算得到各组目标边缘像素点中任意两个目标边缘像素点的中点，并将出现次数最多的中点作为目标中点。接着在各组目标边缘像素点中，查找中点为该目标中点的目标边缘像素点对。最后根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置。由此，不需要使用特征点匹配算法，可检测出待检测图像中的中心对称图元，并且具有计算效率高的特点，能够满足实时检测的需求。
为使本申请的上述目的、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申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本申请实施例提供的电子设备的方框示意图；
图2是本申请实施例提供的中心对称图元检测方法的流程示意图；
图3是图2中步骤S110包括的子步骤的流程示意图；
图4是本申请实施例提供的中心对称图元检测装置的方框示意图。
图标：100-电子设备；110-存储器；120-处理器；130-通信单元；200-中心对称图元检测装置；210-分组模块；220-中点计算模块；230-确定模块。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，术语“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。
中心对称，是生活中非常常见的“人工元素特性”，很多需要识别的对象都满足这一特性，比如，圆形轮廓的物体、正方形元素的图案等。图元，指基本图形元素，比如，三角形、正方形等，图像中忽略纹理内容后抽象的图像特性。
对于大多数需扫描识别的图元和相机之间形成的成像系统而言，物距是稳定的，也就是说，不存在物体的一部分距离镜头极近，另一部分距离镜头极远。那么，就该物体而言，其投影规则近似于平行投影。由于平行投影满足平行不变性原则，中心对称的物体在成像上依然是中心对称的。本申请实施例基于这一核心思路，通过中心对称图元检测方法，检测出待检测图像中的中心对称图元。
请参照图1，图1是本申请实施例提供的电子设备100的方框示意图。所述电子设备100可以是，但不限于，智能手机、个人电脑(personal computer，PC)、平板电脑等。所述电子设备100包括存储器110、处理器120及通信单元130。所述存储器110、处理器120以及通信单元130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器120用于读/写存储器中存储的数据或程序，并执行相应地功能。例如，所述存储器110中存储有中心对称图元检测装置200，所述中心对称图元检测装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中的软件功能模块。所述处理器120通过运行存储在存储器110内的软件程序以及模块，如本申请实施例中的中心对称图元检测装置200，从而执行各种功能应用以及数据处理，即实现本申请实施例中的中心对称图元检测方法。
通信单元130用于通过网络建立所述电子设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
应当理解的是，图1所示的结构仅为电子设备100的结构示意图，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2，图2是本申请实施例提供的中心对称图元检测方法的流程示意图。所述方法应用于电子设备100。下面对中心对称图元检测方法的具体流程进行详细阐述。该方法包括步骤S110～步骤S130。
步骤S110，从待检测图像中确定目标边缘像素点，并根据各个目标边缘像素点的梯度角、预先设定的角度范围，对各个目标边缘像素点进行分组。
在本实施例中，所述电子设备100可以将从其他设备处获得的图像作为待检测图像，也可以根据用户的选择操作，从本地保存的图像中确定出待检测图像，还可以将拍摄得到的图像直接作为待检测图像。当然可以理解的是，所述电子设备100也可以通过方式确定并获得所述待检测图像。
在得到所述待检测图像后，首先确定出该待检测图像中的目标边缘像素点，并计算得到各个目标边缘像素点的梯度角。然后根据各个目标边缘像素点的梯度角、预先设定的角度范围，对确定出的目标边缘像素点进行分组。其中，每个角度范围包括第一角度范围及第二角度范围，第一角度范围的最大值与第二角度范围的最大值的差值为180度，第一角度范围的最小值与第二角度范围的最小值的差值为180度。预先设定的角度范围的数量，可以根据实际需求设置。
比如，目标边缘像素点1的梯度角为
Figure BDA0002163822810000071
目标边缘像素点2的梯度角为
Figure BDA0002163822810000072
一个角度范围为
Figure BDA0002163822810000073
则目标边缘像素点1、2被划分至同一组目标边缘像素点内。
在本实施例中，可通过如下方式确定目标边缘像素点。请参照图3，图3是图2中步骤S110包括的子步骤的流程示意图。步骤S110可以包括子步骤S111及子步骤S112。
子步骤S111，对待检测图像进行边缘检测，获得所述待检测图像中的边缘像素点。
在本申请实施例中，在获得待检测图像后，可首先将该待检测图像由彩色图转换为灰度图。然而采用Sobel边缘检测算法、Canny边缘检测算法等边缘检测算法，对所述待检测图像的灰度图进行处理，从而得到该待检测图像中的边缘像素点。
可选地，在本申请实施例的一种实施方式中，采用Sobel边缘检测算法对所述待检测图像的灰度图进行处理，从而提取出待检测图像中的边缘像素点，得到待检测图像的边缘图。由此，可得到待检测图像中的边缘像素点。其中，计算公式如下：
Figure BDA0002163822810000086
Figure BDA0002163822810000085
Figure BDA0002163822810000081
Figure BDA0002163822810000082
其中，I表示待检测图像的灰度图，Gx表示水平方向梯度，Sobelx表示水平方向的Sobel边缘提取算子，Gy表示竖直方式梯度，Sobely表示垂直方向的Sobel边缘提取算子。每个边缘像素点的梯度表示为(Gx,Gy)。
子步骤S112，从所述边缘像素点中确定目标边缘像素点。
在得到各个边缘像素点的梯度后，根据各个边缘像素点的梯度，计算得到该边缘像素点的梯度强度。重复该过程，可得到各个边缘像素点的梯度强度。其中，计算梯度强度的公式为：
Figure BDA0002163822810000083
其中，E表示梯度强度。
接着，将得到的梯度强度与预设梯度强度进行比较。若一边缘像素点的梯度强度大于预设梯度强度，判定该边缘像素点为目标边缘像素点。若一边缘像素点的梯度强度不大于预设梯度强度，判定该边缘像素点为非目标边缘像素点。由此，可从边缘像素点中确定出目标边缘像素点，避免梯度强度小的像素点对中心对称图元的检测造成影响。其中，预设梯度强度可以根据实际需求设置。
在确定目标边缘像素点后，根据各个目标边缘像素点的梯度，计算得到各个目标边缘像素点的梯度方向。由此，可得到各个目标边缘点的梯度角。
在本实施例的一种实施方式中，通过结构张量获得各个目标边缘像素点的梯度方向。首先根据目标边缘像素点的梯度，计算得到目标边缘像素点的结构张量：
Figure BDA0002163822810000091
其中，Ti表示结构张量，ei表示目标边缘像素点，C表示所有目标边缘像素点构成的集合。
然后，分解结构张量Ti得到特征向量Vi和特征值Di：
Figure BDA0002163822810000092
分解后的主向量即目标边缘像素点ei的梯度方向di：
di＝(dx,dy)
根据梯度方向与X轴的夹角可确定梯度角。上述仅为说明，也可以通过其他方式计算得到目标边缘像素点的梯度角。
接着则可以根据各个目标边缘像素点的梯度角、预先设定的角度范围，对得到的目标边缘像素点进行分组，分组结果可表示为同向集合{S}。比如，一共划分为16组，即预先设置有16个角度范围，则有
Figure BDA0002163822810000093
Figure BDA0002163822810000094
……。根据该角度范围可进行分组，得到相应的分组结果，比如，
Figure BDA0002163822810000095
步骤S120，计算各组目标边缘像素点中任意两目标边缘像素点的中点，并将出现次数最多的中点作为目标中点。
在本实施例中，在完成目标边缘像素点的分组后，针对每组目标边缘像素点，通过两两组合，得到由任意两个目标边缘像素点组成的目标边缘像素点对，并计算该目标边缘像素对中两个目标边缘像素点的中点。也就是说，计算每组目标边缘像素点中，每两个目标边缘像素点之间的中点。
比如，一组目标边缘像素点中包括目标边缘像素点：1、2、3、4，需要计算：1、2之间的中点；1、3之间的中点；1、4之间的中点；2、3之间的中点；2、4之间的中点；3、4之间的中点。以此类推，若一组目标边缘像素点中包括5个像素点，则得到10对目标边缘像素点，并计算每对目标边缘像素点中两个目标边缘像素点的中点。
对任一组{S}，有：
Figure BDA0002163822810000101
其中，ec表示ei、ej之间的中点，(xc,yc)表示中点的坐标，(xi,yi)、(xj,yj)表示目标边缘像素点的坐标。
可选地，在得到各组目标边缘像素点中的中点后，可根据各个中点的坐标及出现次数生成二维直方图H。二维直方图H中，H[i,j]表示ec＝(i,j)的频度(出现次数)。基于该二维直方图H，寻找H[i,j]最大值对应的i、j：
ec＝(i,j)＝Maximize(H[i,j])
H[i,j]最大值对应的中点为目标中点。
步骤S130，在各组目标边缘像素点中查找中点为所述目标中点的目标边缘像素点对，并根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置。
在本申请实施例中，在各组目标边缘像素点中，查找中点为所述目标中点的像素点对，即，在各组中查找满足以下公式的像素点对ei、ej：
Figure BDA0002163822810000102
中点为所述目标中点的目标边缘像素点对组成集合M，M为检测到的中心对称图元元素。根据该集合M可确定中心对称图元在所述待检测图像中的位置。
可选地，根据所有目标边缘像素点对中各目标边缘像素点的横纵坐标，确定所述横纵坐标中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标，以得到中心对称图元的区域。中心对称图元在待检测图像中所处位置的下上左右界限[t,b,l,r]为：
Figure BDA0002163822810000111
(x，y)表示集合M中目标边缘像素点的坐标。
在本申请实施例中，首先获得待检测图像的边缘图，从边缘图中寻找梯度强度大于预设梯度强度的像素点作为目标边缘像素点。接着根据目标边缘像素点的梯度角及预先设定的角度范围，对目标边缘像素点进行分组。然后求各组目标边缘像素点中两两之间的中点，并将出现次数最多的中点作为目标中点。各组目标边缘像素点中，中点为所述目标中点的像素点即为需要检测的中心对称图元的像素点。由此，根据中心对称图元的像素点，可得到中心对称图元在所述待检测图像中的位置。在上述过程中，大部分计算可以并行完成，计算效率高，该效率可以满足大多数Android、iOS手机的实时要求。并且，中心对称图元的大体对称性，不会由于部分缺失或部分被遮挡，而被破坏。因此，即使中心对称图元一部分缺失或被遮挡，也不会对中心对称图元的检测造成影响，通过上述方式依然可以检测到中心对称图元。
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种中心对称图元检测装置200的实现方式，可选地，该中心对称图元检测装置200装置可以采用上述图1所示的电子设备100的器件结构。进一步地，请参照图4，图4是本申请实施例提供的中心对称图元检测装置200的方框示意图。需要说明的是，本实施例所提供的中心对称图元检测装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该中心对称图元检测装置200可以包括：分组模块210、中点计算模块220及确定模块230。
所述分组模块210，用于从待检测图像中确定目标边缘像素点，并根据各个目标边缘像素点的梯度角、预先设定的角度范围，对各个目标边缘像素点进行分组。其中，每个角度范围包括第一角度范围及第二角度范围，第一角度范围的最大值与第二角度范围的最大值的差值为180度，第一角度范围的最小值与第二角度范围的最小值的差值为180度。
所述中点计算模块220，用于计算各组目标边缘像素点中任意两目标边缘像素点的中点，并将出现次数最多的中点作为目标中点。
所述确定模块230，用于在各组目标边缘像素点中查找中点为所述目标中点的目标边缘像素点对，并根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置。
可选地，在本实施例中，所述分组模块210从待检测图像中确定目标边缘像素点的方式包括：
对待检测图像进行边缘检测，获得所述待检测图像中的边缘像素点；
从所述边缘像素点中确定目标边缘像素点。
可选地，在本实施例中，所述分组模块210从所述边缘像素点中确定目标边缘像素点的方式包括：
根据边缘像素点的梯度，计算得到该边缘像素点的梯度强度；
判断所述梯度强度是否大于预设梯度强度；
若大于，则判定该边缘像素点为目标边缘像素点；
若不大于，则判定该边缘像素点为非目标边缘像素点。
可选地，在本实施例中，所述确定模块230具体用于：
根据所有目标边缘像素点对中各目标边缘像素点的横纵坐标，确定所述横纵坐标中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标，以得到中心对称图元的区域。
可选地，上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(Operating System，OS)中，并可由图1中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的中心对称图元检测方法。
综上所述，本申请实施例提供一种中心对称图元检测方法、装置、电子设备及可读存储介质。在从待检测图像中确定目标边缘像素点后，根据各个目标边缘像素点的梯度以及预先设定的角度范围，对确定的目标边缘像素点进行分组。其中，预先设定的角度范围包括第一角度范围及第二角度范围，第一角度范围的最大值与第二角度范围的最大值的差值为180度，第一角度范围的最小值与第二角度范围的最小值的差值为180度。然后计算得到各组目标边缘像素点中任意两个目标边缘像素点的中点，并将出现次数最多的中点作为目标中点。接着在各组目标边缘像素点中，查找中点为该目标中点的目标边缘像素点对。最后根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置。由此，不需要使用特征点匹配算法，可检测出待检测图像中的中心对称图元，并且具有计算效率高的特点，能够满足实时检测的需求。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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，本申请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)执行本申请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。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种中心对称图元检测方法，其特征在于，所述方法包括：
从待检测图像中确定目标边缘像素点，并根据各个目标边缘像素点的梯度角、预先设定的角度范围，对各个目标边缘像素点进行分组，其中，每个角度范围包括第一角度范围及第二角度范围，第一角度范围的最大值与第二角度范围的最大值的差值为180度，第一角度范围的最小值与第二角度范围的最小值的差值为180度；
计算各组目标边缘像素点中任意两目标边缘像素点的中点，并将出现次数最多的中点作为目标中点；
在各组目标边缘像素点中查找中点为所述目标中点的目标边缘像素点对，并根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置，其中，所述确定出中心对称图元在所述待检测图像中的位置，包括：确定出中心对称图元在所述待检测图像中所处位置的上下左右界限。
2.根据权利要求1所述的方法，其特征在于，所述从待检测图像中确定目标边缘像素点，包括：
对待检测图像进行边缘检测，获得所述待检测图像中的边缘像素点；
从所述边缘像素点中确定目标边缘像素点。
3.根据权利要求2所述的方法，其特征在于，所述从所述边缘像素点中确定目标边缘像素点，包括：
根据边缘像素点的梯度，计算得到该边缘像素点的梯度强度；
判断所述梯度强度是否大于预设梯度强度；
若大于，则判定该边缘像素点为目标边缘像素点；
若不大于，则判定该边缘像素点为非目标边缘像素点。
4.根据权利要求1所述的方法，其特征在于，所述根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置，包括：
根据所有目标边缘像素点对中各目标边缘像素点的横纵坐标，确定所述横纵坐标中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标，以得到中心对称图元的区域。
5.一种中心对称图元检测装置，其特征在于，所述装置包括：
分组模块，用于从待检测图像中确定目标边缘像素点，并根据各个目标边缘像素点的梯度角、预先设定的角度范围，对各个目标边缘像素点进行分组，其中，每个角度范围包括第一角度范围及第二角度范围，第一角度范围的最大值与第二角度范围的最大值的差值为180度，第一角度范围的最小值与第二角度范围的最小值的差值为180度；
中点计算模块，用于计算各组目标边缘像素点中任意两目标边缘像素点的中点，并将出现次数最多的中点作为目标中点；
确定模块，用于在各组目标边缘像素点中查找中点为所述目标中点的目标边缘像素点对，并根据查找到的所有目标边缘像素点对，确定出中心对称图元在所述待检测图像中的位置，其中，所述确定模块确定出中心对称图元在所述待检测图像中的位置的方式包括：确定出中心对称图元在所述待检测图像中所处位置的上下左右界限。
6.根据权利要求5所述的装置，其特征在于，所述分组模块具体用于：
对待检测图像进行边缘检测，获得所述待检测图像中的边缘像素点；
从所述边缘像素点中确定目标边缘像素点。
7.根据权利要求6所述的装置，其特征在于，所述分组模块具体用于：
根据边缘像素点的梯度，计算得到该边缘像素点的梯度强度；
判断所述梯度强度是否大于预设梯度强度；
若大于，则判定该边缘像素点为目标边缘像素点；
若不大于，则判定该边缘像素点为非目标边缘像素点。
8.根据权利要求5所述的装置，其特征在于，所述确定模块具体用于：
根据所有目标边缘像素点对中各目标边缘像素点的横纵坐标，确定所述横纵坐标中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标，以得到中心对称图元的区域。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现权利要求1-4任一所述的中心对称图元检测方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的中心对称图元检测方法。
CN201910740709.8A 2019-08-12 2019-08-12 中心对称图元检测方法、装置、电子设备及可读存储介质 Active CN110458857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910740709.8A CN110458857B (zh) 2019-08-12 2019-08-12 中心对称图元检测方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910740709.8A CN110458857B (zh) 2019-08-12 2019-08-12 中心对称图元检测方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN110458857A CN110458857A (zh) 2019-11-15
CN110458857B true CN110458857B (zh) 2021-11-30

Family

ID=68486004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910740709.8A Active CN110458857B (zh) 2019-08-12 2019-08-12 中心对称图元检测方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN110458857B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783180B (zh) * 2020-06-18 2022-12-09 万翼科技有限公司 图纸拆分方法及相关装置
CN112261242B (zh) * 2020-10-21 2022-09-27 合肥芯颖科技有限公司 一种图像数据处理方法及装置
CN113570593B (zh) * 2021-08-10 2024-05-14 深圳诺博医疗科技有限公司 一种药剂精确计数方法、装置、计算机设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722249B (zh) * 2012-06-05 2016-03-30 上海鼎为电子科技（集团）有限公司 操控方法、操控装置及电子装置
CN102880868A (zh) * 2012-08-06 2013-01-16 上海中和软件有限公司 工程图纸矢量化和图元语义提取方法
CN109727265B (zh) * 2018-12-28 2022-03-22 北京行易道科技有限公司 目标分割方法及装置

Also Published As

Publication number Publication date
CN110458857A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN110717489B (zh) Osd的文字区域的识别方法、装置及存储介质
CN106897648B (zh) 识别二维码位置的方法及其系统
CN110458857B (zh) 中心对称图元检测方法、装置、电子设备及可读存储介质
CN110866871A (zh) 文本图像矫正方法、装置、计算机设备及存储介质
CN107169489B (zh) 倾斜图像校正的方法和装置
CN107622252B (zh) 信息生成方法和装置
CN105303514A (zh) 图像处理方法和装置
EP2064652A1 (en) Method of image processing
CN108074237B (zh) 图像清晰度检测方法、装置、存储介质及电子设备
CN106919883B (zh) 一种qr码的定位方法及装置
CN116580028B (zh) 一种物体表面缺陷检测方法、装置、设备及存储介质
CN116958145B (zh) 图像处理方法、装置、视觉检测系统及电子设备
CN111553302A (zh) 关键帧选取方法、装置、设备及计算机可读存储介质
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
CN112149672A (zh) 图像处理方法和装置、电子设备及存储介质
CN113240656B (zh) 视觉定位方法及相关装置、设备
CN115345895B (zh) 用于视觉检测的图像分割方法、装置、计算机设备及介质
CN108304840B (zh) 一种图像数据处理方法以及装置
CN116129195A (zh) 图像质量评价装置、方法、电子设备和存储介质
CN114998743A (zh) 一种视觉地图点的构建方法、装置、设备及介质
CN113870292A (zh) 深度图像的边缘检测方法、装置和电子设备
CN109815791B (zh) 基于血管的身份识别方法和装置
CN113870190A (zh) 竖直线条检测方法、装置、设备及存储介质
CN112016609A (zh) 一种图像聚类方法、装置、设备及计算机存储介质
CN116468611B (zh) 图像拼接方法、装置、设备和存储介质

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