CN110717874A - 一种图像轮廓线平滑处理方法 - Google Patents

一种图像轮廓线平滑处理方法 Download PDF

Info

Publication number
CN110717874A
CN110717874A CN201910960094.XA CN201910960094A CN110717874A CN 110717874 A CN110717874 A CN 110717874A CN 201910960094 A CN201910960094 A CN 201910960094A CN 110717874 A CN110717874 A CN 110717874A
Authority
CN
China
Prior art keywords
line
interval
adjacent
intervals
lines
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
Application number
CN201910960094.XA
Other languages
English (en)
Other versions
CN110717874B (zh
Inventor
徐庆
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.)
Foshan Country Trademark Services Co Ltd
Original Assignee
Foshan Country Trademark Services 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 Foshan Country Trademark Services Co Ltd filed Critical Foshan Country Trademark Services Co Ltd
Priority to CN201910960094.XA priority Critical patent/CN110717874B/zh
Publication of CN110717874A publication Critical patent/CN110717874A/zh
Application granted granted Critical
Publication of CN110717874B publication Critical patent/CN110717874B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像轮廓线平滑处理方法，通过修正轮廓线上像素点集合，以获取图像色块连通域较为平滑的轮廓线，克服传统技术所提取的图像轮廓线存在锯牙状等不平滑特征的缺陷，有效解决了图像轮廓特征线常会出现局部不规则的曲线而干扰了对图像主要形态特征的正确描述的问题，从而为丰富图像轮廓特征的描述提供条件；本方法能获取图像较为平滑的轮廓线，有效解决视觉上相同图像的共同性特征描述，克服传统轮廓特征线不做平滑处理可能会造成相同或高度近似的图像特征描述不统一致使图像特征信息匹配困难的缺陷，提高图像识别检索中相同或近似图像的匹配效果；经平滑处理后的图像轮廓特征线，可广泛应用于图像检索，有效增强图像检索的匹配效果。

Description

一种图像轮廓线平滑处理方法
技术领域
本发明涉及图像识别领域，尤其涉及的是一种图像轮廓线平滑处理方法。
背景技术
图像特征的准确描述，是图像识别技术上首要解决的问题，提取图像轮廓线是图像识别技术领域很常用的一种技术手段，图像轮廓线特征能较好地反映图像的形状特征，在图像识别技术领域有广泛的应用。多边形逼近法是目前提取图像轮廓特征线的最常见方法，在图像识别技术领域中被广泛应用。多边形逼近法又可以划分为直线段逼近法和角点检测法。角点检测法又可以分为Rosenfeld-Johnston检测算法、Freeman-Davis检测算法、Sankar-Shama检测算法、Anderson-Bezdek检测算法、Teh-Chin检测算法。
输入图像由于在图片形成时受到光照、拍照角度等因素的影响，同一拍摄对象所产生图片的图像的色块轮廓线并不是完全相同的。虽然轮廓线整体的形状没有明显的差别，但图像轮廓线并不能完全重合，其中轮廓线上会呈现局部不规则的锯齿态的不平滑线形是常见的现象。图像轮廓线中的这种不平滑线形干扰了对图像主要形态特征的正确描述。
传统提取图像轮廓特征线的方法所提取的图像轮廓特征通常是直接使用其特征数据，一般不做进一步的平滑修正处理。传统方法所提取的图像轮廓特征虽然可以在一定范围内反映了图像轮廓特征，但这些轮廓特征线在一定程度上存在如下局限或缺陷：视觉上相同的一组图片所提取出的图像色块轮廓线并不能完全重合或完全相同，轮廓线上会呈现局部不规则的曲线，这种不规则的曲线干扰了对图像主要形态特征的正确描述，呈现出不佳的相同或近似图像的匹配效果。
因此，现有技术还有待于改进和发展。
发明内容
本发明的目的在于提供一种图像轮廓线平滑处理方法，旨在解决现有技术中轮廓特征线不做平滑处理可能会造成相同或高度近似的图像特征描述不统一，致使图像特征信息匹配困难的问题。
本发明的技术方案如下：一种图像轮廓线平滑处理方法，其中，具有包括以下步骤：
提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据，并获取色块连通域的重心点；
计算输入图像色块连通域轮廓线上像素点的心轮线线长度及线角度数，并找出心轮线线长的最大值；
计算相邻心轮线之间的线长差及递减或递增方向；
划分线向区间，并对线向区间中的非稳定区间进行吸收合并处理以及对过大的线向区间再分割处理；
对进行吸收合并处理后或再分割后的线向区间内的心轮线进行修正处理；
以修正后轮廓线上像素点集合作为平滑后的色块连通域轮廓线。
所述的图像轮廓线平滑处理方法，其中，计算相邻心轮线之间的线长差及递减或递增方向，具体如下：逐条计算相邻心轮线之间的线长差，相邻心轮线的线长差按下式计算获取：S=an- an+1，其中，S表示相邻心轮线的线长差，an表示新编号的心轮线序号为第n号的心轮线的线长值，an+1表示新编号的心轮线序号为第n+1号的心轮线的线长值。
所述的图像轮廓线平滑处理方法，其中，当相邻心轮线的线长差的值为正数时，反映心轮线线长逐条递增，记其方向为正向，反映相邻心轮线之间的线长将增加S值的长度；当相邻心轮线的线长差的值为负数时，反映心轮线线长逐条递减，记其方向为负向，反映相邻心轮线之间的线长将减少S值的长度；当相邻心轮线的线长差的值为零时，反映心轮线线长不增不减，记其方向为0向，反映相邻心轮线之间的线长相等。
所述的图像轮廓线平滑处理方法，其中，所述线向区间是指针对相邻心轮线线长关系曲线所分割出的若干线段范围，反映了轮廓线某一线段间的增减趋向，线向区间具体划分规则是将相邻心轮线线长的递增或递减方向相一致的连续线段作为一个线向区间。
所述的图像轮廓线平滑处理方法，其中，所述线向区间的划分具体如下：沿着轮廓线逐一检查相邻的心轮线之间的线长差增减方向，若当前心轮线与上一相邻心轮线之间的线长差增减方向均为同向的，将当前心轮线与上一相邻心轮线标记为同一个线向区间；若当前心轮线与上一相邻心轮线之间的线长差增减方向为不同向时，则标记当前心轮线为下一个线向区间，直至所有心轮线检查完毕。
所述的图像轮廓线平滑处理方法，其中，针对每一线向区间的波动性进一步将线向区间划分为稳定区间和非稳定区间：若组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数达到或超过区间预设值时，该线向区间为稳定区间；若组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数小于区间预设值时，该线向区间为非稳定区间。
所述的图像轮廓线平滑处理方法，其中，所述线向区间按相邻心轮线线长的增减方向是否一致，将线向区间划分为同向区间、反向区间及零向区间；对非稳定区间进行吸收合并处理，具体如下：
当一个非稳定区间的相邻两区间均是稳定区间且又是同向区间时，则将该非稳定区间由任一相邻稳定区间吸收合并；当多个非稳定区间的总区间线角度数小于等于预设的线角值时且相邻两区间均是稳定区间且又是同向区间时，则将该多个非稳定区间由任一相邻稳定区间吸收合并；
当一个非稳定区间的相邻两区间均是稳定区间且又是反向区间时，则要计算该两个相邻稳定区间的相邻端点的心轮线的线长差，按该线长差值的正负值来确认该非稳定区间的递增或递减方向，如果是正数，确认为递增方向，如果是负数，确认为递减方向，将该非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并；如果为0，则确认为不增不减方向，将该非稳定区间独立确认为稳定区间，不对其做吸收合并处理；当多个非稳定区间的总线角度数小于等于预设的线角值时且相邻两区间均是稳定区间且又是反向区间时，则要计算该两个相邻稳定区间的相邻端点的心轮线的线长差，按该线长差值的正负值来确认该多个非稳定区间的递增或递减方向，如果是正数，确认为递增方向，如果是负数，确认为递减方向，将该多个非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并，如果为0，则确认为不增不减方向，将该多个非稳定区间独立确认为1个稳定区间，不对其做吸收合并处理；
当一个非稳定区间的相邻两区间均是非稳定区间时，不做区间合并处理。
所述的图像轮廓线平滑处理方法，其中，对过大的线向区间的再分割是指修正前线向区间角度数过大而对其进行再分割的行为。
所述的图像轮廓线平滑处理方法，其中，修正前线向区间角度数按下式计算获取：θn=h1- h2，其中，θn表示修正前线向区间角度数，h1表示修正前线向区间中一边界心轮线线角值，h2表示修正前线向区间中另一边界心轮线线角值。
所述的图像轮廓线平滑处理方法，其中，对过大的线向区间进行区间再分割，具体如下：当过大的线向区间的线角差大于1倍预设的线角度数且小于2倍预设的线角度数时，将该过大的线向区间平分为2个再分割线向区间；当过大的线向区间的线角差大于预设的线角度数且小于2倍预设的线角度数时，将该过大的线向区间平分为2个再分割线向区间；当过大的线向区间的线角差大于2倍预设的线角度数且小于3倍预设的线角度数时，将该过大的线向区间平分为3个再分割线向区间；当过大的线向区间的线角差大于n倍预设的线角度数且小于n+1倍预设的线角度数时，将该过大的线向区间平分为n个再分割线向区间。
所述的图像轮廓线平滑处理方法，其中，对进行吸收合并处理或再分割后的线向区间内的心轮线进行修正处理，包括：计算每个吸收合并处理后或再分割后的线向区间中相邻心轮线之间的平均线长差，修正轮廓线上像素点的位置。
所述的图像轮廓线平滑处理方法，其中，计算每个吸收合并后或再分割后的线向区间中相邻心轮线之间的平均线长差，吸收合并后或再分割后的线向区间相邻心轮线之间的平均线长差按下式计算获取：An=|(a1- a2)|÷n，其中，An表示吸收合并处理后或再分割后的线向区间中相邻心轮线之间的平均线长差，a1表示该线向区间内一侧边界心轮线线长，a2表示该线向区间内另一侧边界心轮线线长，|(a1- a2)|表示该线向区间内两侧边界心轮线线长差的绝对值，n表示该线向区间内的心轮线条数。
所述的图像轮廓线平滑处理方法，其中，计算每个吸收合并后或再分割后的线向区间的心轮线平均线角差，吸收合并后或再分割后的线向区间的心轮线的平均线角差按下式计算获取：Bn=|(b1- b2)|÷n，其中，Bn表示吸收合并处理后或再分割后的线向区间的心轮线的平均线角差，b1表示该线向区间内一侧边界心轮线线角，b2表示该线向区间内另一侧边界心轮线线角，|(b1- b2)|表示该线向区间内两侧边界心轮线线角差的绝对值，n表示该线向区间内的心轮线条数。
所述的图像轮廓线平滑处理方法，其中，根据每个吸收合并处理后或再分割后的线向区间的心轮线平均线长差和线角差，按照如下方法修正每一吸收合并处理后或再分割后的线向区间的心轮线线长及线角：选择该线向区间的一条边界心轮线作为基准线，根据该区间的线长递增或递减的方向，按下式计算获取线向区间修正后的心轮线线长及线角：
当线向区间的线长为递增方向时，线向区间修正后的心轮线线长通过以下公式获取：Hn=an+An；当线向区间的线长为递减方向时，线向区间修正后的心轮线线长通过以下公式获取：Hn=an-An；其中，Hn表示第n条心轮线修正后的心轮线线长，an表示第n条心轮线修正前的心轮线线长，An表示该线向区间的心轮线线长差；
该向区间的线角为递增方向时，线向区间修正后的线角通过以下公式获取：Cn=bn+Bn；当该线向区间的线角为递减方向时，线向区间修正后的线角通过以下公式获取：Cn=bn-Bn；其中，Cn表示第n条心轮线修正后的心轮线线角，bn表示第n条心轮线修正前的心轮线线角，Bn表示该线向区间的心轮线线角差。
所述的图像轮廓线平滑处理方法，其中，对心轮线进行修正处理，还可以包括对局部直线线段做平滑处理。
所述的图像轮廓线平滑处理方法，其中，对局部直线线段做平滑处理，具体如下：
检查修正前轮廓线是否存在x轴坐标或y轴坐标等值的两个像素点，且满足：该两个像素点之间的轮廓线像素点小于预设的直线像素点数值，则将该两个像素点之间的轮廓线像素点的x轴坐标或y轴坐标修改为该两个像素点的x轴坐标或y轴坐标，修改坐标后的该轮廓线线段实现直线状态，即该两个像素点之间的线段修正为直线线段。
本发明的有益效果：本发明通过提供一种图像轮廓线平滑处理方法，通过修正轮廓线上像素点集合，以获取图像色块连通域较为平滑的轮廓线，克服传统技术所提取的图像轮廓线存在锯牙状等不平滑特征的缺陷，有效解决了图像轮廓特征线常会出现局部不规则的曲线而干扰了对图像主要形态特征的正确描述的问题，从而为丰富图像轮廓特征的描述提供条件；本方法能获取图像较为平滑的轮廓线，有效解决视觉上相同图像的共同性特征描述，克服传统轮廓特征线不做平滑处理可能会造成相同或高度近似的图像特征描述不统一致使图像特征信息匹配困难的缺陷，提高图像识别检索中相同或近似图像的匹配效果；经平滑处理后的图像轮廓特征线，可广泛应用于图像检索，有效增强图像检索的匹配效果。
附图说明
图1是本发明中图像轮廓线平滑处理方法的步骤流程图。
图2是本发明中使用传统方法提取的图像轮廓线的局部特征示意图。
图3是本发明中重心点、轮廓线、心轮线、线角的示意图。
图4是本发明中一种相邻心轮线线长关系曲线示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”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”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明的描述中，需要说明的是，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，也可以是电连接或可以相互通讯；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或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
如图1所示，一种图像轮廓线平滑处理方法，具体包括以下步骤：
步骤S1：提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据，并获取色块连通域的重心点。
输入图像的来源可以包括：通过电脑设备、摄像功能的手机、照相机、摄像头或集合有摄像头或存储图像的其他设备所获取的图像均可用于本技术方案的图像输入。
运用已知的技术可直接提取输入图像的各色块连通域的轮廓线及轮廓线上像素点的位置数据，并获取色块连通域的重心点。图2随机给出了通过传统方法提取的图像轮廓线的局部特征示意图。
从图2可以看出：轮廓线并不是平滑的曲线，在线上呈现一些不规则的锯牙状线形，或其他不规则的线形。
输入图像这些不规则的线形，使轮廓线呈现不平滑的状态，这些不平滑的轮廓线正是本技术方案的处理对象。
本技术方案对轮廓线进行平滑处理的第一步就是：提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据，并获取色块连通域的重心点。
其中，可以采用通用的技术方法提取输入图像色块连通域的轮廓线后，记录轮廓线上像素点的位置数据，并计算获取输入图像色块连通域的重心点。
步骤S2：计算输入图像色块连通域轮廓线上像素点的心轮线线长度及线角度数，并找出心轮线线长的最大值；
提取输入图像的各色块连通域的轮廓线及轮廓线上像素点的位置数据并获取色块连通域的重心点后，计算每一个连通域色块轮廓线上所有像素点的心轮线线长及线角度数，找出该连通域色块轮廓线上的心轮线线长最大值，并自线长最大值的心轮线为起点，按原轮廓线顺序方向重新对心轮线进行编序号。
其中，所述心轮线是指色块连通域的轮廓线上的像素点与该色块连通域的重心点的连线；所述线角是指该心轮线与该心轮线的最长线相交的夹角。
具体说，以图3为例，图3列出本技术方案的重心点、轮廓线、心轮线、线角的示意图。图3中由数字2组成的曲线就是某一图像的色块连通域编号为2的轮廓线，数字2表示该图像的色块连通域编号为2的轮廓线上像素点，图3中的o点就是该色块连通域的重心点，图3中的色块连通域的重心点o与轮廓线上像素点a的连线所构成的oa线段就是该色块连通域的心轮线之一，图3中的色块连通域的重心点o与轮廓线上像素点b的连线所构成的ob线段也是该色块连通域的心轮线之一，图3中的色块连通域的重心点o与轮廓线上像素点c的连线所构成的oc线段也是该色块连通域的心轮线之一，等等，该色块连通域轮廓线上有多少个像素点就有相对应条数的心轮线。
假设图3中心轮线的线长最大值是oc线段，以该条线段作为基准线，那么每条心轮线与该基准线之间的夹角就是线角，c的线角就是∠coc，一般为0度，d的线角就是∠cod，a的线角就是∠coa，类推。
以图4为例，图4中列出本技术方案的实施例中一种相邻心轮线线长关系曲线示意图，其中，x轴方向表示沿轮廓线顺时针方向重新编号的心轮线序号所排列的心轮线条数，y轴方向表示每条心轮线线长，由每条心轮线线长的上端点连线所组成的线段就是相邻心轮线线长关系曲线。
步骤S3：计算相邻心轮线之间的线长差及递减或递增方向。
按照前述重新编号的心轮线序号，逐条计算相邻心轮线之间的线长差。
相邻心轮线的线长差按下式计算获取：
S=an- an+1
其中，S表示相邻心轮线的线长差，an表示新编号的心轮线序号为第n号的心轮线的线长值，an+1表示新编号的心轮线序号为第n+1号的心轮线的线长值（注：任一色块连通域的轮廓线均呈闭环状态，尾点与起点是相邻的，因此，当该第n号为最大号或尾号时，第n+1号则取心轮线序号的最小号即起始号，如第n号为最大号100号，第n+1号则取心轮线序号的最小号即1号）。
当相邻心轮线的线长差的值为正数时，反映心轮线线长逐条递增，记其方向为正向，反映相邻心轮线之间的线长将增加“S”值的长度；当相邻心轮线的线长差的值为负数时，反映心轮线线长逐条递减，记其方向为负向，反映相邻心轮线之间的线长将减少“S”值的长度；当相邻心轮线的线长差的值为零时，反映心轮线线长不增不减，记其方向为0向，反映相邻心轮线之间的线长相等。例如圆的轮廓线，其心轮线的线长应是相等的。
步骤S4：划分线向区间，并对线向区间中的非稳定区间进行吸收合并处理以及对过大的线向区间再分割处理。
4.1、线向区间的划分
线向区间是指针对相邻心轮线线长关系曲线所分割出的若干线段范围，反映了轮廓线某一线段间的增减趋向，线向区间具体划分规则是将相邻心轮线线长的递增或递减方向相一致的连续线段作为一个线向区间。
在实际应用中，线向区间具体划分方法如下：
沿着轮廓线逐一检查相邻的心轮线之间的线长差增减方向，若当前心轮线与上一相邻心轮线之间的线长差增减方向均为同向的，将当前心轮线与上一相邻心轮线标记为同一个线向区间；若当前心轮线与上一相邻心轮线之间的线长差增减方向为不同向时，则标记当前心轮线为下一个线向区间，直至所有心轮线检查完毕。
优选地，线向区间具体划分方法还包括：以心轮线线长最大值所在区间作为首个线向区间，该线向区间号可标记为1，从心轮线线长最大值开始沿着轮廓线的顺时针方向检查相邻的心轮线之间的线长差增减方向，若线长差增减方向均为同向的，将该线长差方向相同的一组心轮线标记为首个线向区间；若当前心轮线与上一相邻心轮线之间的线长差方向不为同向时，则标记当前心轮线为另一个线向区间，该线向区间号可标记为“上一线向区间号+1”的线向区间；
继续沿着轮廓线的顺时针方向检查相邻的心轮线之间的线长差方向，直至所有心轮线检查完毕，若当前心轮线与上一相邻心轮线之间的线长差方向均为同向的，将当前心轮线与上一相邻心轮线标记为同一个线向区间；若当前心轮线与上一相邻心轮线之间的线长差方向不为同向时，则标记当前心轮线为另一个线向区间，该线向区间号可标记为“上一线向区间号+1”线向区间。
为了便于观察某线向区间的波动性，实际应用时，需要针对每一线向区间的波动性进一步将线向区间划分为稳定区间和非稳定区间。
线向区间进一步划分为稳定区间和非稳定区间的规则：
稳定区间：如果组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数达到或超过区间预设值，该线向区间为稳定区间。
非稳定区间：如果组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数小于区间预设值，该线向区间为非稳定区间。
其中，所述区间预设值可根据应用需要在大于等于2个像素点至小于色块轮廓线像素点总数的20%范围内设定。
某一线向区间内的相邻的心轮线条数或区间内轮廓线像素点数越多，说明该区间心轮线线长增长或下降的方向越稳定。
4.2、对非稳定区间进行吸收合并处理
非稳定区间的轮廓线具有波动性较强的特点，不能正确反映图像色块的关键性共同特征和其轮廓线的整体趋向，为了增强图像色块的关键性共同特征，有必要通过对轮廓线的修正去实现图像共同性特征的增强。
线向区间按相邻心轮线线长的递增或递减方向是否一致，将线向区间划分为同向区间、反向区间及零向区间。
所述同向区间是指相邻或相近的两个区间内的相邻心轮线线长的递增或递减方向是一致的，则将该两个区间称为同向区间。
所述反向区间是指相邻或相近的两个区间内的相邻心轮线线长的递增或递减方向是不一致的，则将该两个区间称为反向区间。
所述零向区间是指相邻或相近的两个区间内的相邻心轮线线长值相等的，则将该两个区间称为零向区间。
对非稳定区间进行吸收合并处理的具体方法：
4.2.1、当一个非稳定区间的相邻两区间均是稳定区间且又是同向区间时，则将该非稳定区间由任一相邻稳定区间吸收合并；当多个非稳定区间的总区间线角度数小于等于预设的线角值时且相邻两区间均是稳定区间且又是同向区间时，则将该多个非稳定区间由任一相邻稳定区间吸收合并；
4.2.2、当一个非稳定区间的相邻两区间均是稳定区间且又是反向区间时，则要计算该两个相邻稳定区间的相邻端点的心轮线的线长差，按该线长差值的正负值来确认该非稳定区间的递增或递减方向，如果是正数，确认为递增方向，如果是负数，确认为递减方向，将该非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并；如果为0，则确认为不增不减方向，将该非稳定区间独立确认为稳定区间，不对其做吸收合并处理；当多个非稳定区间的总线角度数小于等于预设的线角值时且相邻两区间均是稳定区间且又是反向区间时，则要计算该两个相邻稳定区间的相邻端点的心轮线的线长差，按该线长差值的正负值来确认该多个非稳定区间的递增或递减方向，如果是正数，确认为递增方向，如果是负数，确认为递减方向，将该多个非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并，如果为0，则确认为不增不减方向，将该多个非稳定区间独立确认为1个稳定区间，不对其做吸收合并处理。
4.2.3、当一个非稳定区间的相邻两区间均是非稳定区间时，不做区间合并处理。
上述处理的目的是：吸收合并后使非稳定区间的递减或递增方向与合并一方的稳定区间的递减或递增方向相一致。
4.3、对过大线向区间的再分割
线向区间再分割是指修正前线向区间角度数过大而对其进行再分割的行为。
所述的修正前线向区间角度数是指该修正前线向区间中一边界心轮线与另一边界心轮线相交角的度数。
在实际应用中，一般对修正前线向区间角度数大于预设的线角度数的线向区间称为过大的线向区间。
修正前线向区间角度数按下式计算获取：
θn=h1- h2
其中，θn表示修正前线向区间角度数，h1表示修正前线向区间中一边界心轮线线角值，h2表示修正前线向区间中另一边界心轮线线角值。
预设的线向区间角度数一般可以在0-45°范围内取值。
过大的线向区间增加了线性平滑幅度，在线性平滑处理过程中可能造成一些必要的图像特征丢失，为解决该问题需要对过大的线向区间进行区间再分割，具体方法如下：当过大的线向区间的线角差大于预设的线角度数且小于2倍预设的线角度数时，将该过大的线向区间平分为2个再分割线向区间；当过大的线向区间的线角差大于2倍预设的线角度数且小于3倍预设的线角度数时，将该过大的线向区间平分为3个再分割线向区间；当过大的线向区间的线角差大于n倍预设的线角度数且小于n+1倍预设的线角度数时，将该过大的线向区间平分为n个再分割线向区间；类推。
步骤S5：对进行吸收合并处理后或再分割后的线向区间内的心轮线进行修正处理，包括：计算每个吸收合并处理后或再分割后的线向区间中相邻心轮线之间的平均线长差，修正轮廓线上像素点的位置。
为了实现本技术方案的目的，需要根据步骤S4所得的吸收合并处理后或再分割后的线向区间及相关数据对线向区间内的心轮线线长进行修正处理，具体包括：
5.1、计算每个吸收合并处理后或再分割后的线向区间中相邻心轮线之间的平均线长差
吸收合并处理后或再分割后的线向区间相邻心轮线之间的平均线长差按下式计算获取：
An=|(a1- a2)|÷n
其中，An表示吸收合并处理后或再分割后的线向区间中相邻心轮线之间的平均线长差，a1表示该线向区间内一侧边界心轮线线长，a2表示该线向区间内另一侧边界心轮线线长，|(a1- a2)|表示该线向区间内两侧边界心轮线线长差的绝对值，n表示该线向区间内的心轮线条数。
5.2、修正轮廓线上像素点的位置
5.2.1、计算每个吸收合并处理后或再分割后的线向区间的心轮线平均线角差
吸收合并处理后或再分割后的线向区间的心轮线的平均线角差按下式计算获取：
Bn=|(b1- b2)|÷n
其中，Bn表示吸收合并处理后或再分割后的线向区间的心轮线的平均线角差，b1表示该线向区间内一侧边界心轮线线角，b2表示该线向区间内另一侧边界心轮线线角，|(b1-b2)|表示该线向区间内两侧边界心轮线线角差的绝对值，n表示该线向区间内的心轮线条数。
5.2.2、修正各吸收合并处理后或再分割后的线向区间内每条心轮线的平均线长差和平均线角差
根据每个吸收合并处理后或再分割后的线向区间的心轮线平均线长差和线角差，按照如下方法修正每一吸收合并处理后或再分割后的线向区间的心轮线线长及线角：选择该线向区间的一条边界心轮线作为基准线，根据该区间的线长递增或递减的方向，按下式计算获取线向区间修正后的心轮线线长及线角：
该线向区间的线长为递增方向时：Hn=an+An；
或该线向区间的线长为递减方向时：Hn=an-An；
其中，Hn表示第n条心轮线修正后的心轮线线长，an表示第n条心轮线修正前的心轮线线长，An表示该线向区间的心轮线线长差。
该线向区间的线角为递增方向时：Cn=bn+Bn；
或该线向区间的线角为递减方向时：Cn=bn-Bn；
其中，Cn表示第n条心轮线修正后的心轮线线角，bn表示第n条心轮线修正前的心轮线线角，Bn表示该线向区间的心轮线线角差。
5.2.3、根据修正后的心轮线线长及线角，修正心轮线上非重心点一端端点的位置，将该心轮线端点位置作为修正后轮廓线上像素点的位置
在一个具体的实施例中，心轮线端点位置的修正，还可以包括对局部直线线段做平滑处理，其方法如下：
检查修正前轮廓线是否存在直线线段，如果存在可以先行对该直线线段做平滑处理，以延长直线线段的长度。
所述的直线是指轮廓线上连续相邻的像素点的x轴坐标或y轴坐标均为等值的坐标，且连续相邻的像素点达到或超过预设直线像素数量。
对局部线段做直线平滑处理的具体方法如下：
检查修正前轮廓线是否存在x轴坐标或y轴坐标等值的两个像素点，且满足：该两个像素点之间的轮廓线像素点小于预设的直线像素点数值，则将该两个像素点之间的轮廓线像素点的x轴坐标或y轴坐标修改为该两个像素点的x轴坐标或y轴坐标，修改坐标后的该轮廓线线段实现直线状态，即该两个像素点之间的线段修正为了直线线段；当该两个像素点之间的轮廓线像素点大于或等于预设的直线像素点数值时，则执行5.2.1至5.2.3的处理。
其中，所述预设的直线像素点数值可以在大于1个像点至轮廓线总点数的10%范围内取值。
经做直线平滑处理的线段标记为稳定直线线段，直线线段的区间可以作为一个独立的稳定线向区间。
上述处理可以实现轮廓线上具有直线特征的线段强化或修正为直线线段，以增强轮廓线中的直线线段特征。
步骤S6：以修正后轮廓线上像素点集合作为平滑后的色块连通域轮廓线。
修正后的心轮线，能使每一稳定区间的心轮线线长增减稳定在其平均值内，线间的线角相等，由修正后的心轮线的端点组成的修正后轮廓线具有线轨平滑的特征，因此，可以将修正后轮廓线上像素点集合作为平滑后的连通域色块轮廓线。
获取平滑后的连通域色块轮廓线，可以有效解决视觉上相同图像的共同性特征的描述，克服传统轮廓特征线不做平滑处理可能会造成相同或高度近似的图像特征描述不统一致使图像特征信息匹配困难的缺陷，提高图像识别检索中相同或近似图像的匹配效果。可以应用于各种图像的检索。
通过本技术方法获取的图像色块连通域的轮廓线，线轨较为平滑，克服了传统技术方法所提取的图像轮廓线存在锯牙状等不平滑特征的缺陷，这种锯牙状等不平滑特征会在相同图像检索中削弱图像的共同特征，造成视觉上相同图像匹配不出来的缺陷，本技术方法获取的图像色块连通域的轮廓线可以增强图像的共同特征，有效提高了图像识别检索中相同或近似图像的匹配效果。
本技术方案能获取图像轮廓线较为平滑的技术特征，有效解决视觉上相同图像的共同性特征的描述，克服传统轮廓特征线不做平滑处理可能会造成相同或高度近似的图像特征描述不统一致使图像特征信息匹配困难的缺陷，提高图像识别检索中相同或近似图像的匹配效果。
在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (16)

1.一种图像轮廓线平滑处理方法，其特征在于，具有包括以下步骤：
提取输入图像色块连通域的轮廓线及轮廓线上像素点的位置数据，并获取色块连通域的重心点；
计算输入图像色块连通域轮廓线上像素点的心轮线线长度及线角度数，并找出心轮线线长的最大值；
计算相邻心轮线之间的线长差及递减或递增方向；
划分线向区间，并对线向区间中的非稳定区间进行吸收合并处理以及对过大的线向区间再分割处理；
对进行吸收合并处理后或再分割后的线向区间内的心轮线进行修正处理；
以修正后轮廓线上像素点集合作为平滑后的色块连通域轮廓线。
2. 根据权利要求1所述的图像轮廓线平滑处理方法，其特征在于，计算相邻心轮线之间的线长差及递减或递增方向，具体如下：逐条计算相邻心轮线之间的线长差，相邻心轮线的线长差按下式计算获取：S=an- an+1，其中，S表示相邻心轮线的线长差，an表示新编号的心轮线序号为第n号的心轮线的线长值，an+1表示新编号的心轮线序号为第n+1号的心轮线的线长值。
3.根据权利要求2所述的图像轮廓线平滑处理方法，其特征在于，当相邻心轮线的线长差的值为正数时，反映心轮线线长逐条递增，记其方向为正向，反映相邻心轮线之间的线长将增加S值的长度；当相邻心轮线的线长差的值为负数时，反映心轮线线长逐条递减，记其方向为负向，反映相邻心轮线之间的线长将减少S值的长度；当相邻心轮线的线长差的值为零时，反映心轮线线长不增不减，记其方向为0向，反映相邻心轮线之间的线长相等。
4.根据权利要求1所述的图像轮廓线平滑处理方法，其特征在于，所述线向区间是指针对相邻心轮线线长关系曲线所分割出的若干线段范围，反映了轮廓线某一线段间的增减趋向，线向区间具体划分规则是将相邻心轮线线长的递增或递减方向相一致的连续线段作为一个线向区间。
5.根据权利要求4所述的图像轮廓线平滑处理方法，其特征在于，所述线向区间的划分具体如下：沿着轮廓线逐一检查相邻的心轮线之间的线长差增减方向，若当前心轮线与上一相邻心轮线之间的线长差增减方向均为同向的，将当前心轮线与上一相邻心轮线标记为同一个线向区间；若当前心轮线与上一相邻心轮线之间的线长差增减方向为不同向时，则标记当前心轮线为下一个线向区间，直至所有心轮线检查完毕。
6.根据权利要求5所述的图像轮廓线平滑处理方法，其特征在于，针对每一线向区间的波动性进一步将线向区间划分为稳定区间和非稳定区间：若组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数达到或超过区间预设值时，该线向区间为稳定区间；若组成线向区间的相邻的心轮线条数或区间内轮廓线像素点数小于区间预设值时，该线向区间为非稳定区间。
7.根据权利要求6所述的图像轮廓线平滑处理方法，其特征在于，所述线向区间按相邻心轮线线长的增减方向是否一致，将线向区间划分为同向区间、反向区间及零向区间；对非稳定区间进行吸收合并处理，具体如下：
当一个非稳定区间的相邻两区间均是稳定区间且又是同向区间时，则将该非稳定区间由任一相邻稳定区间吸收合并；当多个非稳定区间的总区间线角度数小于等于预设的线角值时且相邻两区间均是稳定区间且又是同向区间时，则将该多个非稳定区间由任一相邻稳定区间吸收合并；
当一个非稳定区间的相邻两区间均是稳定区间且又是反向区间时，则要计算该两个相邻稳定区间的相邻端点的心轮线的线长差，按该线长差值的正负值来确认该非稳定区间的递增或递减方向，如果是正数，确认为递增方向，如果是负数，确认为递减方向，将该非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并；如果为0，则确认为不增不减方向，将该非稳定区间独立确认为稳定区间，不对其做吸收合并处理；当多个非稳定区间的总线角度数小于等于预设的线角值时且相邻两区间均是稳定区间且又是反向区间时，则要计算该两个相邻稳定区间的相邻端点的心轮线的线长差，按该线长差值的正负值来确认该多个非稳定区间的递增或递减方向，如果是正数，确认为递增方向，如果是负数，确认为递减方向，将该多个非稳定区间由递增或递减方向相同的相邻稳定区间吸收合并，如果为0，则确认为不增不减方向，将该多个非稳定区间独立确认为1个稳定区间，不对其做吸收合并处理；
当一个非稳定区间的相邻两区间均是非稳定区间时，不做区间合并处理。
8.根据权利要求7所述的图像轮廓线平滑处理方法，其特征在于，对过大的线向区间的再分割是指修正前线向区间角度数过大而对其进行再分割的行为。
9.根据权利要求8所述的图像轮廓线平滑处理方法，其特征在于，修正前线向区间角度数按下式计算获取：θn=h1- h2，其中，θn表示修正前线向区间角度数，h1表示修正前线向区间中一边界心轮线线角值，h2表示修正前线向区间中另一边界心轮线线角值。
10.根据权利要求9所述的图像轮廓线平滑处理方法，其特征在于，对过大的线向区间进行区间再分割，具体如下：当过大的线向区间的线角差大于1倍预设的线角度数且小于2倍预设的线角度数时，将该过大的线向区间平分为2个再分割线向区间；当过大的线向区间的线角差大于预设的线角度数且小于2倍预设的线角度数时，将该过大的线向区间平分为2个再分割线向区间；当过大的线向区间的线角差大于2倍预设的线角度数且小于3倍预设的线角度数时，将该过大的线向区间平分为3个再分割线向区间；当过大的线向区间的线角差大于n倍预设的线角度数且小于n+1倍预设的线角度数时，将该过大的线向区间平分为n个再分割线向区间。
11.根据权利要求1所述的图像轮廓线平滑处理方法，其特征在于，对进行吸收合并处理或再分割后的线向区间内的心轮线进行修正处理，包括：计算每个吸收合并处理后或再分割后的线向区间中相邻心轮线之间的平均线长差，修正轮廓线上像素点的位置。
12.根据权利要求11所述的图像轮廓线平滑处理方法，其特征在于，计算每个吸收合并后或再分割后的线向区间中相邻心轮线之间的平均线长差，吸收合并后或再分割后的线向区间相邻心轮线之间的平均线长差按下式计算获取：An=|(a1- a2)|÷n，其中，An表示吸收合并处理后或再分割后的线向区间中相邻心轮线之间的平均线长差，a1表示该线向区间内一侧边界心轮线线长，a2表示该线向区间内另一侧边界心轮线线长，|(a1- a2)|表示该线向区间内两侧边界心轮线线长差的绝对值，n表示该线向区间内的心轮线条数。
13.根据权利要求12所述的图像轮廓线平滑处理方法，其特征在于，计算每个吸收合并后或再分割后的线向区间的心轮线平均线角差，吸收合并后或再分割后的线向区间的心轮线的平均线角差按下式计算获取：Bn=|(b1- b2)|÷n，其中，Bn表示吸收合并处理后或再分割后的线向区间的心轮线的平均线角差，b1表示该线向区间内一侧边界心轮线线角，b2表示该线向区间内另一侧边界心轮线线角，|(b1- b2)|表示该线向区间内两侧边界心轮线线角差的绝对值，n表示该线向区间内的心轮线条数。
14.根据权利要求13所述的图像轮廓线平滑处理方法，其特征在于，根据每个吸收合并处理后或再分割后的线向区间的心轮线平均线长差和线角差，按照如下方法修正每一吸收合并处理后或再分割后的线向区间的心轮线线长及线角：选择该线向区间的一条边界心轮线作为基准线，根据该区间的线长递增或递减的方向，按下式计算获取线向区间修正后的心轮线线长及线角：
当线向区间的线长为递增方向时，线向区间修正后的心轮线线长通过以下公式获取：Hn=an+An；当线向区间的线长为递减方向时，线向区间修正后的心轮线线长通过以下公式获取：Hn=an-An；其中，Hn表示第n条心轮线修正后的心轮线线长，an表示第n条心轮线修正前的心轮线线长，An表示该线向区间的心轮线线长差；
该向区间的线角为递增方向时，线向区间修正后的线角通过以下公式获取：Cn=bn+Bn；当该线向区间的线角为递减方向时，线向区间修正后的线角通过以下公式获取：Cn=bn-Bn；其中，Cn表示第n条心轮线修正后的心轮线线角，bn表示第n条心轮线修正前的心轮线线角，Bn表示该线向区间的心轮线线角差。
15.根据权利要求1所述的图像轮廓线平滑处理方法，其特征在于，对心轮线进行修正处理，还可以包括对局部直线线段做平滑处理。
16.根据权利要求15所述的图像轮廓线平滑处理方法，其特征在于，对局部直线线段做平滑处理，具体如下：
检查修正前轮廓线是否存在x轴坐标或y轴坐标等值的两个像素点，且满足：该两个像素点之间的轮廓线像素点小于预设的直线像素点数值，则将该两个像素点之间的轮廓线像素点的x轴坐标或y轴坐标修改为该两个像素点的x轴坐标或y轴坐标，修改坐标后的该轮廓线线段实现直线状态，即该两个像素点之间的线段修正为直线线段。
CN201910960094.XA 2019-10-10 2019-10-10 一种图像轮廓线平滑处理方法 Active CN110717874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910960094.XA CN110717874B (zh) 2019-10-10 2019-10-10 一种图像轮廓线平滑处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910960094.XA CN110717874B (zh) 2019-10-10 2019-10-10 一种图像轮廓线平滑处理方法

Publications (2)

Publication Number Publication Date
CN110717874A true CN110717874A (zh) 2020-01-21
CN110717874B CN110717874B (zh) 2022-11-04

Family

ID=69211353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910960094.XA Active CN110717874B (zh) 2019-10-10 2019-10-10 一种图像轮廓线平滑处理方法

Country Status (1)

Country Link
CN (1) CN110717874B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116385471A (zh) * 2023-06-02 2023-07-04 中科微至科技股份有限公司 一种基于定向区域生长的激光轮廓线提取方法
CN117315288A (zh) * 2023-11-28 2023-12-29 图兮数字科技(北京)有限公司 目标对象的轮廓确定方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101061517A (zh) * 2004-09-20 2007-10-24 艾利森电话股份有限公司 通过像素采样抗锯齿的方法和系统
JP2010252194A (ja) * 2009-04-17 2010-11-04 Canon Inc 画像処理装置及び画像処理方法
CN102129684A (zh) * 2011-03-17 2011-07-20 南京航空航天大学 基于拟合轮廓的异源图像匹配方法
CN105574533A (zh) * 2015-12-15 2016-05-11 徐庆 一种图像特征提取方法和装置
US20170140510A1 (en) * 2012-11-30 2017-05-18 Sharp Laboratories Of America, Inc. Jagged edge reduction using kernel regression
CN107330860A (zh) * 2017-07-03 2017-11-07 山东财经大学 一种基于ct图像边缘的有理插值缩放方法
CN107330438A (zh) * 2016-12-30 2017-11-07 徐庆 一种图像轮廓线描述符的获取方法、装置
CN108520264A (zh) * 2018-03-23 2018-09-11 上海数迹智能科技有限公司 一种基于深度图像的手部轮廓特征优化方法
CN109460770A (zh) * 2018-09-06 2019-03-12 徐庆 图像特征描述符提取方法、装置、计算机设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101061517A (zh) * 2004-09-20 2007-10-24 艾利森电话股份有限公司 通过像素采样抗锯齿的方法和系统
JP2010252194A (ja) * 2009-04-17 2010-11-04 Canon Inc 画像処理装置及び画像処理方法
CN102129684A (zh) * 2011-03-17 2011-07-20 南京航空航天大学 基于拟合轮廓的异源图像匹配方法
US20170140510A1 (en) * 2012-11-30 2017-05-18 Sharp Laboratories Of America, Inc. Jagged edge reduction using kernel regression
CN105574533A (zh) * 2015-12-15 2016-05-11 徐庆 一种图像特征提取方法和装置
CN107330438A (zh) * 2016-12-30 2017-11-07 徐庆 一种图像轮廓线描述符的获取方法、装置
CN107330860A (zh) * 2017-07-03 2017-11-07 山东财经大学 一种基于ct图像边缘的有理插值缩放方法
CN108520264A (zh) * 2018-03-23 2018-09-11 上海数迹智能科技有限公司 一种基于深度图像的手部轮廓特征优化方法
CN109460770A (zh) * 2018-09-06 2019-03-12 徐庆 图像特征描述符提取方法、装置、计算机设备和存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ROBERT M. KOTREDES: "Anti-aliasing of Images Using Line Sampling", 《HTTP://WEB.MIT.EDU》 *
XU-DONG JIANG 等: "Image anti-aliasing techniques for Internet visual media processing: a review", 《JOURNAL OF ZHEJIANG UNIVERSITY-SCIENCE C (COMPUTERS & ELECTRONICS)》 *
刘春 等: "机载激光扫描中复杂建筑物轮廓线平差提取模型", 《同济大学学报（自然科学版）》 *
谢征 等: "提高图像轮廓清晰度的快速插值放大方法", 《南京航空航天大学学报》 *
郭潇蔚 等: "图像缩放中抗锯齿单元的设计", 《电脑知识与技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116385471A (zh) * 2023-06-02 2023-07-04 中科微至科技股份有限公司 一种基于定向区域生长的激光轮廓线提取方法
CN116385471B (zh) * 2023-06-02 2023-09-01 中科微至科技股份有限公司 一种基于定向区域生长的激光轮廓线提取方法
CN117315288A (zh) * 2023-11-28 2023-12-29 图兮数字科技(北京)有限公司 目标对象的轮廓确定方法、装置、电子设备及存储介质
CN117315288B (zh) * 2023-11-28 2024-02-13 图兮数字科技(北京)有限公司 目标对象的轮廓确定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN110717874B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
US10922794B2 (en) Image correction method and device
US10289924B2 (en) System and method for scanned document correction
EP3309704A1 (en) Two-dimensional code partitioning and decoding method and system
CN110717874B (zh) 一种图像轮廓线平滑处理方法
US20210097653A1 (en) Distortion correction method and apparatus, electronic device, and computer-readable storage medium
CN112801088B (zh) 一种扭曲文本行图像矫正的方法和相关装置
US9087253B2 (en) Method and system for determining edge line in QR code binary image
US9449210B2 (en) Method and system for detecting a correction pattern in a QR code
US10013619B2 (en) Method and device for detecting elliptical structures in an image
CN109583365A (zh) 基于成像模型约束非均匀b样条曲线拟合车道线检测方法
CN112085709B (zh) 一种图像对比方法及设备
WO2014129018A1 (ja) 文字認識装置、文字認識方法及び記録媒体
CN109190517B (zh) 一种手指静脉图像边缘提取及方向矫正方法
CN111275049B (zh) 一种文字图像骨架特征描述符获取的方法及装置
CN114723755B (zh) 玻璃屏幕的圆角缺陷检测方法、装置、设备及存储介质
US9077926B2 (en) Image processing method and image processing apparatus
KR101461108B1 (ko) 인식기, 차량모델인식장치 및 방법
CN110770741A (zh) 车道线识别方法和装置、车辆
CN108335266A (zh) 一种文档图像畸变的矫正方法
CN113378847B (zh) 字符分割方法、系统、计算机设备和存储介质
CN106650719B (zh) 识别图片文字的方法及装置
CN110727814B (zh) 一种图像形状特征描述符的获取方法
WO2022056875A1 (zh) 一种铭牌图像的分割方法、装置和计算机可读存储介质
CN113313968A (zh) 车位检测方法及存储介质
US20140270573A1 (en) Method for background removal in binary document image by estimating linearity of image components

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
CB02 Change of applicant information

Address after: 528000 room 2002, block A, 33 Jihua five road, Chancheng District, Foshan, Guangdong.

Applicant after: Xu Qing

Applicant after: Foshan Guofang Identification Technology Co.,Ltd.

Address before: 528000 room 2002, block A, 33 Jihua five road, Chancheng District, Foshan, Guangdong.

Applicant before: Xu Qing

Applicant before: FOSHAN GUOFANG TRADEMARK SERVICE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant