CN110751682B - 一种提取和标识图像的方法、装置、终端设备及存储介质 - Google Patents

一种提取和标识图像的方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN110751682B
CN110751682B CN201911029500.7A CN201911029500A CN110751682B CN 110751682 B CN110751682 B CN 110751682B CN 201911029500 A CN201911029500 A CN 201911029500A CN 110751682 B CN110751682 B CN 110751682B
Authority
CN
China
Prior art keywords
image
target
images
template
positioning
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
CN201911029500.7A
Other languages
English (en)
Other versions
CN110751682A (zh
Inventor
张强
韦奕龙
戴盾
王朝允
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.)
TP Link Technologies Co Ltd
Original Assignee
TP Link Technologies 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 TP Link Technologies Co Ltd filed Critical TP Link Technologies Co Ltd
Priority to CN201911029500.7A priority Critical patent/CN110751682B/zh
Publication of CN110751682A publication Critical patent/CN110751682A/zh
Application granted granted Critical
Publication of CN110751682B publication Critical patent/CN110751682B/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
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本申请适用于图像识别技术领域，提供了提取和标识图像的方法、装置、终端设备及存储介质，方法包括：由原始图像生成待匹配图像，待匹配图像包括与目标图像的位置一一对应的目标定位图像以及每个目标定位图像的坐标；获取模板图像，模板图像包括若干模板定位图像以及每个模板定位图像的标识；更新目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大；获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，将其作为与目标定位图像对应的目标图像的标识；根据每个目标图像的标识和对应的目标定位图像在原始图像中分割出对应的目标图像。本申请可以去除疑似目标图像的背景图像，避免误检。

Description

一种提取和标识图像的方法、装置、终端设备及存储介质
技术领域
本申请属于图像识别技术领域，尤其涉及提取和标识图像的方法、装置、终端设备及存储介质。
背景技术
在图像处理过程中，需要先将待处理的目标图像从背景中提取出来，现有的提取目标图像的方法一般是将待处理的目标图像与预先设定的模板进行匹配，提取出目标图像。但是当图像中的待处理的目标图像较多，且形态各异时，现有的提取目标图像的方法容易出现将疑似目标图像的背景提取出来，造成误检的情况。
发明内容
有鉴于此，本申请实施例提供了提取和标识图像的方法、装置、终端设备及存储介质，以解决现有技术中提取目标图像的过程中容易出现的问题。
本申请实施例的第一方面提供了一种提取和标识图像的方法，包括：
由原始图像生成待匹配图像，其中，所述原始图像包括若干目标图像，所述待匹配图像包括与所述目标图像的位置一一对应的目标定位图像以及每个目标定位图像的坐标；
获取模板图像，所述模板图像包括若干模板定位图像以及每个模板定位图像的标识；
将所述待匹配图像与所述模板图像进行匹配，更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大；
获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，将获取的所述模板定位图像的标识作为与所述目标定位图像对应的目标图像的标识；
根据每个目标图像的标识和对应的目标定位图像在所述原始图像中分割出对应的目标图像。
在一种可能的实现方式中，所述待匹配图像和所述模板图像均为二值图；相应地，所述更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大，具体包括：
更新所述目标定位图像的坐标，使得更新后的待匹配图像和所述模板图像的像素差异最小。
在一种可能的实现方式中，所述目标定位图像和所述模板定位图像的形状均为矩形。
在一种可能的实现方式中，所述根据每个目标图像的标识和对应的目标定位图像在所述原始图像中分割出对应的目标图像之后，所述方法还包括：
若分割出的目标图像的数量小于预设数量，则重新分割出未标识的目标图像。
在一种可能的实现方式中，所述重新分割出未标识的目标图像具体包括：
根据所述未标识的目标图像对应的模板定位图像计算所述未标识的目标图像对应的目标定位图像的坐标；
对所述未标识的目标图像对应的目标定位图像的坐标进行扩张，以得到未标识目标定位图像；
获取与所述未标识的目标图像中的目标的形状相对应的目标形状模板；
计算所述未标识目标定位图像中与所述目标形状模板重合面积最大时的重合区域；
根据所述重合区域分割出未标识目标图像。
在一种可能的实现方式中，所述根据所述重合区域分割出未标识目标图像，具体包括：
获取所述重合区域的左上角坐标以及所述未标识的目标图像的尺寸；
根据所述左上角坐标和所述未标识的目标图像的尺寸在所述原始图像中标识出对应的矩形框；
根据所述矩形框在所述原始图像中分割出对应的目标图像。
在一种可能的实现方式中，所述目标定位图像是对所述目标图像所在的区域进行像素扩张后生成的。
本申请实施例的第二方面提供了一种提取和标识图像的装置，包括：
图像匹配模块，用于由原始图像生成待匹配图像，其中，所述原始图像包括若干目标图像，所述待匹配图像包括与所述目标图像的位置一一对应的目标定位图像以及每个目标定位图像的坐标；
获取模块，用于获取模板图像，所述模板图像包括若干模板定位图像以及每个模板定位图像的标识；
更新模块，用于将所述待匹配图像与所述模板图像进行匹配，更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大；
标识模块，用于获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，将获取的所述模板定位图像的标识作为与所述目标定位图像对应的目标图像的标识；
分割模块，用于根据每个目标图像的标识和对应的目标定位图像在所述原始图像中分割出对应的目标图像。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并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中任一项所述的方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的方法。
本申请实施例与现有技术相比存在的有益效果是：由原始图像生成待匹配图像，待匹配图像包括与目标图像的位置一一对应的目标定位图像以及每个目标定位图像的坐标，根据模板定位图像更新目标定位图像，使得更新后的所有目标定位图像和所有模板定位图像的重合面积最大，获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，将获取的模板定位图像的标识作为与目标定位图像对应的目标图像的标识，根据每个目标图像的标识和对应的目标定位图像在原始图像中分割出对应的目标图像。由于误检的目标图像对应的更新后的目标定位图像与模板定位图像的交并比不是最大，因而通过获取与更新后的目标定位图像交并比最大的模板定位图像的标识，可以去除与模板定位图像交并比不满足要求的目标定位图像，即去除疑似目标图像的背景图像，避免误检，同时分割出的目标图像与模板定位图像的标识对应，根据模板定位图像的标识可以及时发现漏检情况，提高提取图像的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例提供的提取和标识图像的方法的流程示意图；
图2是本申请实施例提供的原始图像的示意图；
图3是本申请实施例提供的待匹配图像的示意图；
图4是本申请另一实施例提供的提取和标识图像的方法的流程示意图；
图5是本申请另一实施例提供的提取和标识图像的方法的子步骤的流程示意图；
图6为本申请实施例提供的目标形状模板的示意图；
图7是本申请实施例提供的提取和标识图像的装置的示意图；
图8为本申请实施例提供的终端设备的内部结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
本申请实施例提供的提取和标识图像的方法应用于终端设备中，用于提取出目标图像，并对目标图像进行标识。
如图1所示，本申请一实施例提供的提取和标识图像的方法，包括：
步骤S101：由原始图像生成待匹配图像，其中，所述原始图像包括若干目标图像，所述待匹配图像包括与所述目标图像的位置一一对应的目标定位图像以及每个目标定位图像的坐标。
其中，目标图像可以是人物图像或事物图像，对此不做限制。在一种可能的实现方式中，目标图像为焊点图像。如图2所示，原始图像为设有焊点的PCB 板的图像，每个焊点对应一个目标图像。目标定位图像为根据每个焊点的位置和大小生成的预设形状的图像，待匹配图像包括若干目标定位图像。例如，将每个焊点的外接矩形作为目标定位图像的边界，每个目标定位图像对应一个坐标(x,y,w,h)，其中，x,y,w,h分别为目标定位图像的左上角的横坐标、左上角的纵坐标、宽度和高度。
可选的，采用深度学习算法由原始图像生成待匹配图像。具体的，由原始图像生成待匹配图像包括模型训练和模型应用阶段。在模型训练阶段，获取多个标记焊点位置的PCB板的图像和不同的焊点的图像作为训练样本，例如，将标记好矩形框的PCB板图像以及不同形态的焊点的图像作为训练样本，采用深度学习算法对预先构建的模型进行训练，得到图像匹配模型。在模型应用阶段，将原始图像输入图像匹配模型，以标记出每个焊点的位置，例如，标记出每个焊点对应的矩形框，得到待匹配图像。
可选的，待匹配图像为二值图，如图3所示，根据每个目标图像的外接矩形标记出矩形框，采用二值化的方法将标记好矩形框的图片的矩形框内置为 255，矩形框外置为背景0，即得到二值图。
步骤S102：获取模板图像，所述模板图像包括若干模板定位图像以及每个模板定位图像的标识。
继续上述可能的实现方式，模板图像根据标准PCB板生成，标准PCB板的制作工艺与原始图像对应的PCB板的制作工艺相同。标准PCB板的每个焊点在模板图像上对应一个模板定位图像，每个模板定位图像对应一个标识。
可选的，模板定位图像的形状为矩形，模板图像为二值图。具体的，在标准PCB板上根据每个焊点图像的大小和位置标识出矩形框，或者获取每个矩形框的左上角坐标，根据每个焊点图像的大小标识出矩形框，计算出矩形框的坐标。将标识好矩形框位置的图片矩形框内置为255，矩形框外置为背景0，即得到模板图像。
为了保证每个目标定位图像都能匹配到一个模板定位图像，目标定位图像需要比模板定位图像大。在一种可能的实现方式中，将目标图像所在的区域进行像素扩张后得到目标定位图像，例如，将焊点图像所在的目标矩形区域向上下左右各扩展若干个像素，得到目标定位图像。
步骤S103：将所述待匹配图像与所述模板图像进行匹配，更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大。
具体的，遍历待匹配图像上的像素，找到一个最佳匹配位置，使得待匹配图像在最佳匹配位置截取的图像与模板图像的像素差异最小。即以最佳匹配位置为左上角在待匹配图像上截取的图像和模板图像上的矩形框的像素差异最小。例如，当在待匹配图像上以某一个位置为左上角截取图像时，计算截取的图像和模板定位图像中每个像素的差值，根据每个像素的差值计算像素平均值，其中，截取的图像的大小与对应位置的模板定位图像的大小相等；依次计算在待匹配图像的每个位置截取的图像时的像素平均值，最小像素平均值对应的待匹配图像上的位置即为最佳匹配位置(x0,y0)。根据最佳匹配位置更新待匹配图像中每个目标定位图像的坐标为(x-x0,y-y0,w,h),即将所有目标定位图像在待匹配图像上进行平移，平移后所有目标定位图像和所有模板定位图像的重合面积最大。
步骤S104：获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，将获取的所述模板定位图像的标识作为与所述目标定位图像对应的目标图像的标识。
具体的，在更新后的待匹配图像中，依次计算与每个模板定位图像交并比最大的目标定位图像，获取该目标定位图像在更新后的待匹配图像中的坐标，再根据平移距离计算出该目标定位图像更新前的坐标，根据更新前的目标定位图像的坐标在原始图像中获取对应的目标图像，将模板定位图像的标识作为该目标图像的标识。
步骤S105：根据每个目标图像的标识和对应的目标定位图像在所述原始图像中分割出对应的目标图像。
具体的，根据目标定位图像及目标定位图像的坐标在原始图像中分割出带标识的目标图像。
上述实施例中，由于模板图像和待匹配图像的位置对应，模板图像中的模板定位图像和待匹配图像上的目标图像有交叠，模板图像中每个模板定位图像对应一个目标图像，因而待匹配图像中误检的图像与模板定位图像的交并比不是最大，通过获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，可以过滤掉疑似目标定位图像的背景图像，从而避免误检，为每个目标图像打上标识，根据每个标识对应的检测流程对每个目标图像进行不同的检测。
由于有少量目标图像中的目标形态不常见，在根据深度学习算法建立模型时，训练集中缺少对应的目标形态，导致少量目标图像的漏检。
如图4所示，本申请另一实施例提供的提取和标识图像的方法，其与上一实施例的区别在于，还包括：若分割出的目标图像的数量小于预设数量，则重新分割出未标识的目标图像。
其中，预设数量等于模板定位图像的数量，也等于模板定位图像的标识的数量，重新分割出未标识的目标图像，具体包括：
步骤S201：根据所述未标识的目标图像对应的模板定位图像计算所述未标识的目标图像对应的目标定位图像的坐标。
具体的，由于分割出的目标图像和标识一一对应，若分割出的目标数量小于标识的数量，则说明存在未标识的目标图像。获取没有对应目标图像的标识，获取该标识对应的模板定位图像的坐标(x,y,w,h)，结合最佳匹配位置坐标 (x0,y0)，得到未标识的目标图像对应的目标定位图像的坐标(x+x0,y+y0,w,h)。
步骤S202：对所述未标识的目标图像对应的目标定位图像的坐标进行扩张，以得到未标识目标定位图像。
具体的，根据新的坐标值(x+x0,y+y0,w,h)在原始图像中标记出矩形框，为了保证能分割出完整的目标图像，再将标记出的矩形框上下左右适当扩张若干个像素，得到大于对应的模板定位图像的未标识目标定位图像。
步骤S203：获取与所述未标识的目标图像中的目标的形状相对应的目标形状模板。
在一种可能的实现方式中，每个标识对应一个目标形状模板，或者仅针对容易漏检的目标制作目标形状模板。每个目标形状模板与目标的形状相对应，例如可以为圆形、方形、椭圆形或其它不规则形状等。根据目标图像对应的标识获取对应的目标形状模板。
步骤S204：计算所述未标识目标定位图像中与所述目标形状模板重合面积最大时的重合区域。
在一种可能的实现方式中，根据目标与背景的像素差异，采用二值化的方法将未标识目标定位图像和目标形状模板均制成二值图，矩形框和目标形状内部置为255，矩形框外和目标形状外部置为背景0。依次计算在未标识目标定位图像的每个位置为左上角截取的图像时，计算每个截取的图像与目标形状模板的像素差值，将像素差值最小时的目标形状模板的位置作为最佳匹配位置 (x1,y1)，以最佳匹配位置(x1,y1)为左上角截取的区域即对应未标识目标定位图像中与目标形状模板重合面积最大时的重合区域。其中，截取的图像的大小等于目标形状模板最小外接矩形的大小。
步骤S205：根据所述重合区域分割出未标识目标图像。
具体的，如图5所示，步骤S205包括以下步骤。
步骤S301：获取未标识的目标图像的尺寸。
在一种可能的实现方式中，如图6所示，在焊点图像对应的目标形状模板中，将未标识的目标图像对应的目标形状模板的最小外接矩形的尺寸作为未标识目标图像的尺寸，例如，获取的未标识的目标图像的目标宽度ws和高度hs。
步骤S302：根据所述左上角坐标和所述未标识的目标图像的尺寸在所述原始图像中标识出对应的矩形框。
具体的，以(x1,y1)为左上角坐标，分别以ws和hs为高度和宽度，在原始图像中标记出矩形框。
步骤S303：根据所述矩形框在所述原始图像中分割出对应的目标图像。
其中，矩形框的坐标为(x1，y1，ws，wh)，根据该坐标值从原始图形中分割出的图像即为目标图像。
上述实施例中，若存在漏检的目标图像，根据未标识的目标图像对应的模板定位图像计算未标识的目标图像对应的目标定位图像的坐标；对未标识的目标图像对应的目标定位图像的坐标进行扩张，以得到未标识目标定位图像，计算未标识目标定位图像中与目标形状模板重合面积最大时的重合区域，根据重合区域分割出未标识目标图像，从而补全未被识别的目标图像，保证提取图像的精度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的提取和标识图像的方法，图7示出了本申请实施例提供的提取和标识图像的装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
如图7所示，提取和标识图像的装置包括图像匹配模块10，用于由原始图像生成待匹配图像，其中，所述原始图像包括若干目标图像，所述待匹配图像包括与所述目标图像的位置一一对应的目标定位图像以及每个目标定位图像的坐标；
获取模块20，用于获取模板图像，所述模板图像包括若干模板定位图像以及每个模板定位图像的标识；
更新模块30，用于将所述待匹配图像与所述模板图像进行匹配，更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大；
标识模块40，用于获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，将获取的所述模板定位图像的标识作为与所述目标定位图像对应的目标图像的标识；
分割模块50，用于根据每个目标图像的标识和对应的目标定位图像在所述原始图像中分割出对应的目标图像。
在一种可能的实现方式中，所述待匹配图像和所述模板图像均为二值图；相应地，所述更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大，更新模块30具体用于：
更新所述目标定位图像的坐标，使得更新后的待匹配图像和所述模板图像的像素差异最小。
在一种可能的实现方式中，所述目标定位图像和所述模板定位图像的形状均为矩形。
在一种可能的实现方式中，所述装置还包括漏检模块60，用于若分割出的目标图像的数量小于预设数量，则重新分割出未标识的目标图像。
在一种可能的实现方式中，漏检模块60具体用于：
根据所述未标识的目标图像对应的模板定位图像计算所述未标识的目标图像对应的目标定位图像的坐标；
对所述未标识的目标图像对应的目标定位图像的坐标进行扩张，以得到未标识目标定位图像；
获取与所述未标识的目标图像中的目标的形状相对应的目标形状模板；
计算所述未标识目标定位图像中与所述目标形状模板重合面积最大时的重合区域；
根据所述重合区域分割出未标识目标图像。
在一种可能的实现方式中，漏检模块60具体用于：
获取所述重合区域的左上角坐标以及所述未标识的目标图像的尺寸；
根据所述左上角坐标和所述未标识的目标图像的尺寸在所述原始图像中标识出对应的矩形框；
根据所述矩形框在所述原始图像中分割出对应的目标图像。
在一种可能的实现方式中，所述目标定位图像是对所述目标图像所在的区域进行像素扩张后生成的。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图8是本申请实施例提供的终端设备的示意图。如图8所示，该实施例的终端设备包括：处理器71、存储器72以及存储在所述存储器72中并可在所述处理器71上运行的计算机程序73。所述处理器71执行所述计算机程序73时实现上述提取和标识图像的方法实施例中的步骤，例如图1所示的步骤S101 至S105。或者，所述处理器71执行所述计算机程序73时实现上述各装置实施例中各模块/单元的功能，例如图7所示模块10至60的功能。
示例性的，所述计算机程序73可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器72中，并由所述处理器71执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序73在所述终端设备中的执行过程。
所称处理器71可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器72可以是所述终端设备的内部存储单元，例如终端设备的硬盘或内存。所述存储器72也可以是所述终端设备的外部存储设备，例如所述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字 (Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器72还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器72用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器72还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解，图8仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种提取和标识图像的方法，应用于焊点检测领域，其特征在于，包括：
由原始图像生成待匹配图像，其中，所述原始图像包括若干目标图像，所述待匹配图像包括与所述目标图像的位置一一对应的目标定位图像以及每个目标定位图像的坐标，所述原始图像根据PCB板生成，所述PCB板上存在焊点，所述目标图像为焊点图像；
获取模板图像，所述模板图像包括若干模板定位图像以及每个模板定位图像的标识，所述模板图像根据标准PCB板生成，所述PCB板的制作工艺与所述标准PCB板的制作工艺相同；
将所述待匹配图像与所述模板图像进行匹配，得到最佳匹配位置，根据所述最佳匹配位置更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大；
获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，将获取的所述模板定位图像的标识作为与所述目标定位图像对应的目标图像的标识；
根据每个目标图像的标识和对应的目标定位图像在所述原始图像中分割出对应的目标图像。
2.如权利要求1所述的提取和标识图像的方法，其特征在于，所述待匹配图像和所述模板图像均为二值图；相应地，所述更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大，具体包括：
更新所述目标定位图像的坐标，使得更新后的待匹配图像和所述模板图像的像素差异最小。
3.如权利要求1所述的提取和标识图像的方法，其特征在于，所述目标定位图像和所述模板定位图像的形状均为矩形。
4.如权利要求1所述的提取和标识图像的方法，其特征在于，所述根据每个目标图像的标识和对应的目标定位图像在所述原始图像中分割出对应的目标图像之后，所述方法还包括：
若分割出的目标图像的数量小于预设数量，则重新分割出未标识的目标图像。
5.如权利要求4所述的提取和标识图像的方法，其特征在于，所述重新分割出未标识的目标图像具体包括：
根据未标识的目标图像对应的模板定位图像计算所述未标识的目标图像对应的目标定位图像的坐标；
对所述未标识的目标图像对应的目标定位图像进行扩张，以得到未标识目标定位图像；
获取与所述未标识的目标图像中的目标的形状相对应的目标形状模板；
计算所述未标识目标定位图像中与所述目标形状模板重合面积最大时的重合区域；
根据所述重合区域分割出未标识目标图像。
6.如权利要求5所述的提取和标识图像的方法，其特征在于，所述根据所述重合区域分割出未标识目标图像，具体包括：
获取所述重合区域的左上角坐标以及所述未标识的目标图像的尺寸；
根据所述左上角坐标和所述未标识的目标图像的尺寸在所述原始图像中标识出对应的矩形框；
根据所述矩形框在所述原始图像中分割出对应的目标图像。
7.如权利要求1所述的提取和标识图像的方法，其特征在于，所述目标定位图像是对所述目标图像所在的区域进行像素扩张后生成的。
8.一种提取和标识图像的装置，应用于焊点检测领域，其特征在于，包括：
图像匹配模块，用于由原始图像生成待匹配图像，其中，所述原始图像包括若干目标图像，所述待匹配图像包括与所述目标图像的位置一一对应的目标定位图像以及每个目标定位图像的坐标，所述原始图像根据PCB板生成，所述PCB板上存在焊点，所述目标图像为焊点图像；
获取模块，用于获取模板图像，所述模板图像包括若干模板定位图像以及每个模板定位图像的标识，所述模板图像根据标准PCB板生成，所述PCB板的制作工艺与所述标准PCB板的制作工艺相同；
更新模块，用于将所述待匹配图像与所述模板图像进行匹配，得到最佳匹配位置，根据所述最佳匹配位置更新所述目标定位图像的坐标，使得更新后的所有目标定位图像与所有模板定位图像的重合面积最大；
标识模块，用于获取与每个更新后的目标定位图像交并比最大的模板定位图像的标识，将获取的所述模板定位图像的标识作为与所述目标定位图像对应的目标图像的标识；
分割模块，用于根据每个目标图像的标识和对应的目标定位图像在所述原始图像中分割出对应的目标图像。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并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如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至7任一项所述方法的步骤。
CN201911029500.7A 2019-10-28 2019-10-28 一种提取和标识图像的方法、装置、终端设备及存储介质 Active CN110751682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911029500.7A CN110751682B (zh) 2019-10-28 2019-10-28 一种提取和标识图像的方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911029500.7A CN110751682B (zh) 2019-10-28 2019-10-28 一种提取和标识图像的方法、装置、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN110751682A CN110751682A (zh) 2020-02-04
CN110751682B true CN110751682B (zh) 2022-07-05

Family

ID=69280311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911029500.7A Active CN110751682B (zh) 2019-10-28 2019-10-28 一种提取和标识图像的方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN110751682B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111768427B (zh) * 2020-05-07 2023-12-26 普联国际有限公司 一种多运动目标跟踪方法、装置及存储介质
CN111738247B (zh) * 2020-05-15 2023-07-25 上海望友信息科技有限公司 极性标识的识别方法、识别装置、电子设备及存储介质
CN112308046A (zh) * 2020-12-02 2021-02-02 龙马智芯（珠海横琴）科技有限公司 图像的文本区域定位方法、装置、服务器及可读存储介质
CN112634227A (zh) * 2020-12-21 2021-04-09 广州镭晨智能科技有限公司 Pcb拼板的检测标识方法、装置、电子设备以及存储介质
CN113312936A (zh) * 2021-05-13 2021-08-27 阳光电源股份有限公司 一种图像定位标识识别方法及服务器
CN113128247B (zh) * 2021-05-17 2024-04-12 阳光电源股份有限公司 一种图像定位标识验证方法及服务器
CN113392913B (zh) * 2021-06-21 2023-09-29 常州大学 基于边界特征点集的平面图形匹配度评价方法、装置及系统
CN115271594B (zh) * 2022-07-27 2023-04-18 深圳市兆航物流有限公司 一种物资仓储管理优化系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913093A (zh) * 2016-05-03 2016-08-31 电子科技大学 一种用于文字识别处理的模板匹配方法
CN106295644A (zh) * 2016-08-11 2017-01-04 海信集团有限公司 符号识别方法及装置
CN106503737A (zh) * 2016-10-20 2017-03-15 广州视源电子科技股份有限公司 一种电子元件定位方法及装置
CN108073925A (zh) * 2016-11-17 2018-05-25 杭州海康威视数字技术股份有限公司 一种车牌识别方法及装置
CN109214434A (zh) * 2018-08-20 2019-01-15 上海萃舟智能科技有限公司 一种交通标志检测方法及装置
CN110378218A (zh) * 2019-06-13 2019-10-25 大亚湾核电运营管理有限责任公司 一种图像处理方法、装置及终端设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005196678A (ja) * 2004-01-09 2005-07-21 Neucore Technol Inc テンプレートマッチング方法および対象画像領域抽出装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105913093A (zh) * 2016-05-03 2016-08-31 电子科技大学 一种用于文字识别处理的模板匹配方法
CN106295644A (zh) * 2016-08-11 2017-01-04 海信集团有限公司 符号识别方法及装置
CN106503737A (zh) * 2016-10-20 2017-03-15 广州视源电子科技股份有限公司 一种电子元件定位方法及装置
CN108073925A (zh) * 2016-11-17 2018-05-25 杭州海康威视数字技术股份有限公司 一种车牌识别方法及装置
CN109214434A (zh) * 2018-08-20 2019-01-15 上海萃舟智能科技有限公司 一种交通标志检测方法及装置
CN110378218A (zh) * 2019-06-13 2019-10-25 大亚湾核电运营管理有限责任公司 一种图像处理方法、装置及终端设备

Also Published As

Publication number Publication date
CN110751682A (zh) 2020-02-04

Similar Documents

Publication Publication Date Title
CN110751682B (zh) 一种提取和标识图像的方法、装置、终端设备及存储介质
CN107507167B (zh) 一种基于点云平面轮廓匹配的货物托盘检测方法及系统
CN109753953B (zh) 图像中定位文本的方法、装置、电子设备和存储介质
CN108334879B (zh) 一种区域提取方法、系统及终端设备
CN108197567B (zh) 用于图像处理的方法、装置和计算机可读介质
CN104615972B (zh) 指针式仪表智能识别方法及其装置
CN112052855A (zh) 一种基于深度学习的车牌识别方法及装置
CN114638294A (zh) 一种数据增强方法、装置、终端设备及存储介质
CN113228105A (zh) 一种图像处理方法、装置和电子设备
CN111414907A (zh) 数据集标注方法、数据集标注装置和计算机可读存储介质
CN114119695A (zh) 一种图像标注方法、装置及电子设备
CN112364807B (zh) 图像识别方法、装置、终端设备及计算机可读存储介质
CN113887481A (zh) 一种图像处理方法、装置、电子设备及介质
CN117670884A (zh) 图像标注方法、装置、设备及存储介质
CN117132797A (zh) 一种lcd显示屏polmark定位检测方法及系统
CN113743434A (zh) 一种目标检测网络的训练方法、图像增广方法及装置
CN110717060A (zh) 图像mask的过滤方法、装置及存储介质
CN113361371B (zh) 道路提取方法、装置、设备以及存储介质
CN108268813B (zh) 一种车道偏离预警方法、装置及电子设备
CN115546219A (zh) 检测板式生成方法、板卡缺陷检测方法、装置及产品
JP5712859B2 (ja) 画像認識装置および画像認識方法
CN112348112B (zh) 图像识别模型的训练方法、训练装置及终端设备
JP2010191767A (ja) 文字認識装置及び文字認識方法
CN111191580B (zh) 合成渲染方法、装置、电子设备及介质
CN112464753B (zh) 图像中关键点的检测方法、检测装置及终端设备

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