CN110909750B - 图像差异检测方法及装置、存储介质、终端 - Google Patents
图像差异检测方法及装置、存储介质、终端 Download PDFInfo
- Publication number
- CN110909750B CN110909750B CN201911115287.1A CN201911115287A CN110909750B CN 110909750 B CN110909750 B CN 110909750B CN 201911115287 A CN201911115287 A CN 201911115287A CN 110909750 B CN110909750 B CN 110909750B
- Authority
- CN
- China
- Prior art keywords
- test
- image
- images
- chart
- pixel points
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种图像差异检测方法及装置、存储介质、终端,图像差异检测方法包括:获取拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像;在多张拍摄图像中选取基准图集;在多张拍摄图像中按照拍摄顺序选取测试图,并计算基准图集的基准轮廓图以及选取的测试图的测试轮廓图;至少计算基准轮廓图集以及测试轮廓图的差异像素点;根据匹配结果更新基准图集,并继续选取新的测试图,利用更新后的基准图集和新的测试图计算新的基准轮廓图以及新的测试轮廓图,计算新的基准轮廓图以及所述新的测试轮廓图的差异像素点,以得到更新后的基准图集和新的测试图的匹配结果,直至遍历完成多张拍摄图像。本发明技术方案能够提升图像差异检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像差异检测方法及装置、存储介质、终端。
背景技术
在图像识别领域,已有诸多的特征识别算法和特征比对等算法,如尺度不变特征变换(Scale-Invariant Feature Transform,SIFT),加速版SIFT(Speed Up RobustFeature,SURF)等算法,能够匹配识别2张图片的景观是否相同。
但是,现有技术对于图片差异的检测效果不佳,存在各种误判。并且,现有技术对拍摄环境有一定限制,拍摄图必须处于基准图的适当位置。
发明内容
本发明解决的技术问题是如何提升图像差异检测的准确性。
为解决上述技术问题,本发明实施例提供一种图像差异检测方法,图像差异检测方法包括:获取拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像;在所述多张拍摄图像中选取基准图集,所述基准图集包括至少一张基准图,所述基准图集为比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,所述基准图集为拍摄顺序最后的类别,N和M为正整数;在所述多张拍摄图像中按照拍摄顺序选取测试图,并计算所述基准图的基准轮廓图以及选取的测试图的测试轮廓图,所述基准轮廓图表示所述基准图的轮廓,所述测试图为拍摄顺序位于所述基准图之后的拍摄图像,所述测试轮廓图表示所述测试图的轮廓;至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点,以得到所述基准图和所述测试图的匹配结果;根据所述匹配结果更新所述基准图集,并继续选取新的测试图,利用更新后的基准图集和所述新的测试图计算新的基准轮廓图以及新的测试轮廓图,计算所述新的基准轮廓图以及所述新的测试轮廓图的差异像素点,以得到所述更新后的基准图集和所述新的测试图的匹配结果,直至遍历完成所述多张拍摄图像。
可选的,所述匹配结果表示所述测试图与所述基准图集是否一致,所述根据所述匹配结果更新所述基准图集包括:如果所述匹配结果表示所述测试图与所述基准图集一致,则将所述基准图集中拍摄顺序最前的基准图更新为所述测试图。
可选的,所述在所述多张拍摄图像中选取基准图集包括:按照拍摄顺序选取两张相邻的拍摄图像,对选取的两张图像进行比对,以确定选取的两张图像是否一致;判断比对一致的图像数量是否达到M张,或者比对图像数量总数是否达到N张;如果比对一致的图像数量达到M张,或者比对图像数量总数达到N张,则确定比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别为所述基准图集,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,确定拍摄顺序最后的类别为所述基准图集;或者,如果比对一致的图像数量未达到M张,或者比对图像数量总数未达到N张,则继续按照拍摄顺序选取拍摄图像,并将选取的拍摄图像与比对一致的两张图像中的一张进行比对,或者将选取的拍摄图像分别与比对一致的两张图像进行比对,直至比对一致的图像数量达到M张,或者比对图像数量总数达到N张,并确定比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别为所述基准图集,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,确定拍摄顺序最后的类别为所述基准图集。
可选的,所述计算所述基准图的基准轮廓图以及选取的测试图的测试轮廓图之前还包括:对所述基准图和所述测试图进行池化操作。
可选的,所述至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点还包括:计算所述基准轮廓图与所述测试轮廓图中的差异像素点,并统计所述差异像素点的数量;如果所述差异像素点的数量小于预设门限,则确定所述匹配结果为所述测试图与所述基准图集一致。
可选的,所述图像差异检测方法还包括:如果所述差异像素点的数量达到预设门限,则对每个差异像素点,在所述测试图中选取以所述差异像素点为中心的邻域窗口;计算所述邻域窗口内差异像素点的总数与所述邻域窗口内像素点总数的比值;如果所述比值小于预设阈值,则过滤所述差异像素点,否则保留所述差异像素点。
可选的,所述图像差异检测方法还包括:如果保留的差异像素点的数量达到所述预设门限,则计算所述差异像素点是否属于所述基准图集中下一基准图,并确定剩余差异像素点,所述剩余差异像素点为不属于所述下一基准图的差异像素点;如果所述剩余差异像素点的数量小于预设门限,则确定所述测试图与所述基准图集一致。
可选的,至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点包括:将所述基准图进行转换,以使转换后的基准图的拍摄视角与所述测试图的拍摄视角一致;如果所述测试图的各个顶点的像素坐标与所述转换后的基准图中对应的各个顶点的像素坐标的差值达到预设数值,则确定所述测试图与所述基准图之间存在抖动拍摄;确定所述测试图与所述转换后的基准图中像素点的坐标一致的像素点,以确定重叠区域;计算所述基准轮廓图以及所述测试轮廓图在所述重叠区域的差异像素点。
可选的,所述图像差异检测方法还包括:如果所述测试图与所述基准图之间存在抖动拍摄,则确定所述测试图与所述基准图的匹配结果为待定;所述方法还包括:按照所述拍摄顺序的逆序对所有匹配结果为待定或不一致的测试图重新执行选取基准图集及计算差异像素点,直至确定所述匹配结果为所述测试图与重新选取的基准图集一致或所述测试图与重新选取的基准图集不一致,所述重新选取的基准图集为匹配结果为一致且按照所述拍摄顺序的逆序与所述测试图最近的M张拍摄图像。
可选的,所述计算所述基准图的基准轮廓图以及测试图的测试轮廓图包括:对所述基准图进行平移,将平移后的基准图与所述基准图进行图像帧差分运算,以得到基准轮廓图,并对测试图进行平移,并将平移后的测试图与所述测试图进行图像帧差分运算,以得到测试轮廓图,所述测试图为拍摄顺序位于所述基准图之后或之前的拍摄图像。
可选的,所述计算所述基准轮廓图以及所述测试轮廓图的差异像素点包括:对于所述测试轮廓图中每一非零像素点,确定非零像素点的位置坐标,并将所述基准轮廓图中所述位置坐标附近的像素点与所述非零像素点进行匹配;如果所述基准轮廓图中所述位置坐标附近的像素点与所述非零像素点均不匹配,则确定所述非零像素点为差异像素点。
为解决上述技术问题,本发明实施例还公开了一种图像差异检测装置,图像差异检测装置包括:拍摄图像获取模块,用以获取拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像;基准图集选取模块,用以在所述多张拍摄图像中选取基准图集,所述基准图集为比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,所述基准图集为拍摄顺序最后的类别,N和M为正整数;轮廓图计算模块,用以在所述多张拍摄图像中按照拍摄顺序选取测试图,并计算所述基准图的基准轮廓图以及选取的测试图的测试轮廓图,所述基准轮廓图表示所述基准图的轮廓,所述测试图为拍摄顺序位于所述基准图之后的拍摄图像,所述测试轮廓图表示所述测试图的轮廓;差异像素点计算模块,用以至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点,以得到所述基准图和所述测试图的匹配结果;更新计算模块,用以根据所述匹配结果更新所述基准图集,并继续选取新的测试图,利用更新后的基准图集和所述新的测试图计算新的基准轮廓图以及新的测试轮廓图,计算所述新的基准轮廓图以及所述新的测试轮廓图的差异像素点,以得到所述更新后的基准图集和所述新的测试图的匹配结果,直至遍历完成所述多张拍摄图像。
本发明实施例还公开了一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行所述图像差异检测方法的步骤。
本发明实施例还公开了一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行所述图像差异检测方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明技术方案中,基准图是从拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像中选取的,通过自动选取基准图集,并且基准图和测试图的拍摄视角相同,避免了拍摄视角配准带来的误差,提升差异检测的精准度;此外,在测试图与基准图匹配完成之后,还可以根据匹配结果对基准图进行更新,以用于后续测试图的差异检测,由于连续拍摄的图像之间差异较小,因此采用更新后的基准图与后续测试图进行差异检测,进一步保证差异检测的准确性。
进一步地,对所述基准图和所述测试图进行池化操作。本发明技术方案通过对基准图和所述测试图执行池化操作,可以减小基准图和测试图的尺寸,从而能够减小后续步骤的计算量,提升差异检测的检测速度。
进一步地,如果所述差异像素点的数量达到预设门限,则对每个差异像素点,在所述测试图中选取以所述差异像素点为中心的邻域窗口;计算所述邻域窗口内差异像素点的总数与所述邻域窗口内像素点总数的比值;如果所述比值小于预设阈值,则过滤所述差异像素点,否则保留所述差异像素点。本发明技术方案通过计算差异像素点所处邻域窗口内差异像素点的总数与所述邻域窗口内像素点总数的比值,可以筛选出孤立的差异像素点,而孤立的差异像素点在整张图片出无法被人眼识别,可以通过将该孤立的像素点进行滤除,进一步提升差异检测的准确性。
进一步地,如果所述测试图与所述基准图之间存在抖动拍摄,则确定所述测试图与所述基准图的匹配结果为待定;所述方法还包括:按照所述拍摄顺序的逆序对所有匹配结果为待定或不一致的测试图重新执行选取基准图集以及计算差异像素点,直至确定所述匹配结果为所述测试图与重新选取的基准图一致或所述测试图与重新选取的基准图不一致。本发明技术方案通过对抖动拍摄的测试图按照拍摄顺序的逆序重新执行一遍差异检测的流程,可以保证对于抖动拍摄的图片的差异检测的准确性。
附图说明
图1是本发明实施例一种图像差异检测方法的流程图;
图2是图1所示步骤S102的一种具体实施方式的流程图;
图3是图1所示步骤S104的一种具体实施方式的流程图;
图4是本发明实施例一种邻域窗口的示意图;
图5是图1所示步骤S104的另一种具体实施方式的流程图;
图6本发明实施例一种图像差异检测装置的结构示意图。
具体实施方式
如背景技术中所述,现有技术对于图片差异的检测效果不佳,存在各种误判。并且,现有技术对拍摄环境有一定限制,拍摄图必须处于基准图的适当位置。
本发明技术方案中,基准图是从拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像中选取的,通过自动选取基准图集,并且基准图和测试图的拍摄视角相同,避免了拍摄视角配准带来的误差,提升差异检测的精准度;此外,在测试图与基准图匹配完成之后,还可以根据匹配结果对基准图进行更新,以用于后续测试图的差异检测,由于连续拍摄的图像之间差异较小,因此采用更新后的基准图与后续测试图进行差异检测,进一步保证差异检测的准确性。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例一种图像差异检测方法的流程图。
所述图像差异检测方法可以用于终端设备侧,例如计算机设备等,也即由终端设备执行图1所示方法的各个步骤,以实现对其他拍摄设备的拍照效果的检测。
所述图像差异检测方法可以包括以下步骤:
步骤S101:获取拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像;
步骤S102:在所述多张拍摄图像中选取基准图集,所述基准图集为比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,所述基准图集为拍摄顺序最后的类别N和M为正整数;
步骤S103:在所述多张拍摄图像中按照拍摄顺序选取测试图,并计算所述基准图集的基准轮廓图以及选取的测试图的测试轮廓图,所述基准轮廓图表示所述基准图集的轮廓,所述测试图为拍摄顺序位于所述基准图集之后的拍摄图像,所述测试轮廓图表示所述测试图的轮廓;
步骤S104:至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点,以得到所述基准图集和所述测试图的匹配结果;
步骤S105:根据所述匹配结果更新所述基准图集,并继续选取新的测试图,利用更新后的基准图集和所述新的测试图计算新的基准轮廓图以及新的测试轮廓图,计算所述新的基准轮廓图以及所述新的测试轮廓图的差异像素点,以得到所述更新后的基准图集和所述新的测试图的匹配结果,直至遍历完成所述多张拍摄图像。
需要指出的是,本实施例中各个步骤的序号并不代表对各个步骤的执行顺序的限定。
具体实施中,可以获取拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像。多张拍摄图像可以是预先连续拍摄得到的。具体可以是将拍摄设备面向拍摄区域进行固定,例如使用三脚架将手机进行固定。由此,多张拍摄图像的拍摄视角是一致的,取景区域也是一致的。拍摄区域可以是一个也可以是多个,例如拍摄设备可以针对多个不同场景进行拍摄得到多张拍摄图像。
在步骤S102的具体实施中,可以在所述多张拍摄图像中选取基准图集。测试图也是在多张拍摄图像中选取的,也即多张拍摄图像中除了基准图之外的均是测试图。由于多张拍摄图像的拍摄视角是一致的,因此基准图与测试图的拍摄视角也是一致的。
本实施例中,通过比对基准图与测试图之间的内容差异,可以对待测试的拍摄设备的拍照性能进行评估。
具体而言,基准图集可以为比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,所述基准图集为拍摄顺序最后的类别,N和M为正整数。其中,基准图的数量可以是一张,也可以是多张。
以M为2,N为5为例进行说明,对于顺序拍摄的拍摄图像P1、P2、P3、P4和P5,P1和P2比对不一致,P3和P1比对一致,此时存在两张拍摄图像P1和P3比对一致,属于同一类别,则可以确定P1和P3为基准图集。或者,M为3,N为5的情况下,拍摄图像P1、P2和P3比对一致,属于同一类别1,P4和P5比对一致,属于同一类别2,类别1包含三张图像,类别2包含两张图像,则可以确定类别1,也即P1、P2和P3为基准图集。或者,拍摄图像P1、P2、P3、P4和P5比对均不一致,每一类别均包含一张图像,则可以确定拍摄顺序最后的P5为基准图集。
需要说明的是,本实施例所称的两张拍摄图像比对一致可以是指两张拍摄图像中差异像素点的数量小于预设门限。关于差异像素点的具体计算过程可以参照下述相关实施例,此处不再赘述。
在确定基准图后,在步骤S103的具体实施中,可以选取测试图。例如,对于顺序拍摄的拍摄图像P1、P2、P3、P4、…、P100,P1和P3为基准图集,则可以选取P4为测试图。进而可以计算所述基准图的基准轮廓图以及选取的测试图的测试轮廓图。例如基准图的轮廓或测试图的轮廓可以是像素值明显高于或者低于周围像素的像素值的像素点。其中,所述基准图可以是所述基准图集中的一张基准图,例如可以是拍摄顺序最前的基准图。
在本发明一个具体实施例中,图1所示步骤S103可以包括以下步骤:对所述基准图进行平移,将平移后的基准图与所述基准图进行图像帧差分运算,以得到基准轮廓图,并对测试图进行平移,并将平移后的测试图与所述测试图进行图像帧差分运算,以得到测试轮廓图,所述测试图为拍摄顺序位于所述基准图之后的拍摄图像。
经过帧差分算法运算后,基准图的轮廓在基准轮廓图中具体为非零像素点;测试图的轮廓在测试轮廓图中具体为非零像素点。
具体地,可以在第一方向和第二方向上分别对基准图和测试图进行平移,所述第一方向选自上和下,所述第二方向选自左和右。通过在不同的方向上对基准图或测试图进行平移,以用于计算基准图或测试图的轮廓,可以保证轮廓计算的准确性,进而保证基准图与测试图差异确定的准确性。
更具体地,可以将基准图或测试图在第一方向和第二方向上分别平移1个或2个像素点。由于平移一个或2个像素点后对于用户的人眼不会产生视觉差异,并且选择两个方向进行平移能够防止在某个方向的轮廓被误判,因此计算得到的基准图的轮廓或测试图的轮廓也更加准确。对平移后的基准图与基准图进行帧差分运算,或者对平移后的测试图与原测试图进行帧差分运算后,非轮廓区域经过相减运算及阈值处理后为0,轮廓区域中像素点的值非0,从而很好的保留了基准图或测试图中的轮廓区域。
进一步地,对所述转换后的基准图进行平移以及对所述测试图进行平移的距离为两个像素。在平移两个像素点的情况下,可以获得较好的轮廓。
进而在步骤S104的具体实施中,可以对测试轮廓图与基准轮廓中的轮廓(也即像素值非零的像素点)进行相似性匹配,以确定差异像素点。所述差异像素点可以是测试轮廓图与基准轮廓中不匹配的非零像素点。
在本发明一个具体实施例中,图1所示步骤S104可以包括以下步骤:对于所述测试轮廓图中每一非零像素点,确定非零像素点的位置坐标,并将所述基准轮廓图中所述位置坐标附近的像素点与所述非零像素点进行匹配;如果所述基准轮廓图中所述位置坐标附近的像素点与所述非零像素点均不匹配,则确定所述非零像素点为差异像素点。
也就是说,对于测试轮廓图中每一非零像素点(也即像素值非零的像素点),确定非零像素点的位置坐标,并将所述基准轮廓图中所述位置坐标附近的像素点与所述非零像素点进行匹配。而对于测试轮廓图中零像素点(也即像素值为零的像素点),则不去进行匹配,从而减小计算量。
具体地,可以以所述基准轮廓图中所述位置坐标为中心,在所述基准轮廓图中确定预设大小的匹配窗口;在所述匹配窗口中查找与所述非零像素点相匹配的像素点。通过在预设大小的匹配窗口内查找与所述非零像素点相匹配的像素点,从而可以消除客观因素对匹配的结果的影响,保证匹配的准确性。
更具体地,预设大小可以是3像素×3像素,也即匹配窗口的大小为3×3。
进一步而言,如果存在像素点在各个通道上的像素值与所述非零像素点在对应通道上的像素值的差值小于预设阈值,则确定所述像素点与所述非零像素点相匹配。
具体实施中,基准图与测试图可以是RGB图像,像素点在各个通道上的像素值可以是指在红色通道、绿色通道以及蓝色通道上的像素值。
例如,对于测试轮廓图中的非零像素点f(x,y),计算(Δb,Δg,Δr)=|f(x,y)-j(x0,y0)|,其中,j(x0,y0)表示基准轮廓图中匹配窗口内像素点的像素值,对于阈值T=30,如果存在Δb<T,Δg<T,Δr<T,意味着非零像素点f(x,y)和匹配窗口内某个像素点的颜色值相近,认为这里没有轮廓,可以标记为g(x,y)=(0,0,0),g(x,y)图像是计算得到的匹配结果示意图。反之非零像素点f(x,y)和匹配窗口内所有像素点颜色有跳变,认为这里有轮廓,标记为g(x,y)=(Δb,Δg,Δr)。
可以理解的是,基准图与测试图也可以是其他格式的图像,例如可以是YUV图像,像素点在各个通道上的像素值可以是指在Y通道、U通道以及V通道上的像素值,本发明实施例对此不作限制。
需要说明的是,在基准图的数量为多个的情况下,在步骤S103和步骤S104中计算基准轮廓图以及计算差异像素点时,是对多个基准图中的一个基准图来计算基准轮廓图以及计算差异像素点的。
进而在步骤S105的具体实施中,根据所述匹配结果更新所述基准图集,并继续选取新的测试图,利用更新后的基准图集和所述新的测试图继续执行上述步骤S103和步骤S104。
例如,对于顺序拍摄的拍摄图像P1、P2、P3、P4、…、P100,对于基准图集P1、P3,以及测试图P4,其匹配结果为P4与P3比对一致,则更新基准图集为P3和P4,选取新的测试图P5,继续计算新的测试图P5与新的基准图集P3和P4的匹配结果。以此类推,直至遍历完成100张拍摄图像,获得P100的匹配结果。
本发明实施例中,基准图是从拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像中选取的,通过自动选取基准图集,并且基准图和测试图的拍摄视角相同,避免了拍摄视角配准带来的误差,提升差异检测的精准度;此外,在测试图与基准图匹配完成之后,还可以根据匹配结果对基准图进行更新,以用于后续测试图的差异检测,由于连续拍摄的图像之间差异较小,因此采用更新后的基准图与后续测试图进行差异检测,进一步保证差异检测的准确性。
本发明一个非限制性的实施例中,所述匹配结果表示所述测试图与所述基准图是否一致,图1所示步骤S105可以包括以下步骤:如果所述匹配结果表示所述测试图与所述基准图集一致,则将所述基准图集中拍摄顺序最前的基准图更新为所述测试图。
例如,对于基准图集P1、P3,以及测试图P4,其匹配结果为P4与P3比对一致,由于基准图P1相对于基准图P3的拍摄顺序靠前,因此将基准图集中的P1更新为P4,也即更新后的基准图集为P3和P4。
本发明一个非限制性的实施例中,请参照图2,图1所示步骤S102可以包括以下步骤:
步骤S201:按照拍摄顺序选取两张相邻的拍摄图像,对选取的两张图像进行比对,以确定选取的两张图像是否一致;
步骤S202:判断比对一致的图像数量是否达到M张,或者比对图像数量总数是否达到N张;
步骤S203:如果比对一致的图像数量达到M张,或者比对图像数量总数达到N张,则确定比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别为所述基准图集,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,确定拍摄顺序最后的类别为所述基准图集;
步骤S204:如果比对一致的图像数量未达到M张,或者比对图像数量总数未达到N张,则继续按照拍摄顺序选取拍摄图像,并将选取的拍摄图像与比对一致的两张图像中的一张进行比对,或者将选取的拍摄图像分别与比对一致的两张图像进行比对,直至比对一致的图像数量达到M张,或者比对图像数量总数达到N张,并确定比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别为所述基准图集,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,确定拍摄顺序最后的类别为所述基准图集。
具体实施中,每次对选取的两张图像进行匹配可以获得对应的匹配结果,如果匹配结果表示两者匹配,也即比对一致,且M为2,则确定选取的两张图像为基准图。如果匹配结果表示两者不匹配,也即比对不一致,且M为2,则继续选取下一拍摄图像进行匹配,直至参与匹配两张图像相匹配,则确定匹配的两张图像为基准图。
如果匹配结果表示两者匹配,且M大于2,则继续选取下一拍摄图像进行匹配,直至参与匹配的M张图像相匹配,则确定匹配的M张图像为基准图。
下面以M为2,N为5为例进行说明。对于顺序拍摄的拍摄图像P1、P2、P3、P4、…、P100,选取P1和P2,执行上述匹配过程,如果P1和P2比对不一致;选取P3,将P3分别与P1和P2执行上述匹配过程,P3与P1和P2均比对不一致;选取P4,将P4分别与P1、P2和P3执行上述匹配过程,P4与P1比对一致,则可以确定基准图集为P1和P4。
如果P1和P2比对一致,则直接确定基准图集为P1和P2。
如果P4与P1、P2和P3均比对不一致,则选取P5,将P5分别与P1、P2、P3和P4执行上述匹配过程,P5与P1、P2、P3和P4均比对不一致,则可以确定基准图集为P5。
关于对两张图像进行比对的过程可以参照前述实施例,此处不再赘述。
本发明一个非限制性的实施例中,图1所示步骤S103之前可以包括以下步骤:对所述基准图和所述测试图进行池化操作。
由于原始的拍摄图像的尺寸可能较大,直接对其进行处理将会导致后续计算量很大,因此可以对基准图和所述测试图进行池化操作,实现对基准图和测试图的尺寸的缩放。具体可以通过调用OpenCV库的resize()函数来实现池化操作。
例如,若原基准图和测试图尺寸为4032像素×3024像素,经过池化操作后,基准图和测试图尺寸为1008像素×756像素。
可以理解的是,基准图和所述测试图的尺寸小于预设值,例如小于1000像素×1000像素,则可以不必对基准图和测试图进行池化操作。
本发明一个非限制性的实施例中,请参照图3,图1所示步骤S104可以包括以下步骤:
步骤S301:计算所述基准轮廓图与所述测试轮廓图中的差异像素点,并统计所述差异像素点的数量;
步骤S302:如果所述差异像素点的数量小于预设门限,则确定所述匹配结果为所述测试图与所述基准图集一致。
本实施例中,通过差异像素点的数量可以表征测试图与基准图集是否一致。例如,预设门限Q可以选自数值范围5-20。差异像素点的数量小于预设门限Q的情况下,则表示测试图与所述基准图集一致。在这种情况下,可以标记测试图的匹配结果PhotoX.Result=Pass。
请继续参照图3,图1所示步骤S104还可以包括以下步骤:
步骤S303:如果所述差异像素点的数量达到预设门限,则对每个差异像素点,在所述测试图中选取以所述差异像素点为中心的邻域窗口;
步骤S304:计算所述邻域窗口内差异像素点的总数与所述邻域窗口内像素点总数的比值;
步骤S305:如果所述比值小于预设阈值,则过滤所述差异像素点,否则保留所述差异像素点。其中,如果保留的差异像素点的数量小于所述预设门限,则可以确定测试图与基准图集一致。
本实施例中,差异像素点的数量达到预设门限Q的情况下,可以通过计算差异像素点所处邻域窗口内差异像素点的总数与所述邻域窗口内像素点总数的比值,可以筛选出孤立的差异像素点,而孤立的差异像素点在整张图片出无法被人眼识别,可以通过将该孤立的像素点进行滤除,进一步提升差异检测的准确性。
具体地,过滤所述差异像素点可以是将该差异像素点标记为白点(255,255,255);保留所述差异像素点可以是将该差异像素点标记为黑点(0,0,0)。
具体可一并参照图4,对于差异像素点(m,n),可以以该差异像素点(m,n)取邻域,其邻域为5像素×5像素的窗口。邻域窗口内差异像素点的总数为5,分别为像素点(m-1,n+2)、像素点(m,n)、像素点(m+1,n-1)、像素点(m+1,n+1)、像素点(m+2,n-1);邻域窗口内像素点总数为25。计算比值5/25=0.2。0.2大于预设阈值0.15,则保留该差异像素点(m,n)。反之,如果比值小于预设阈值0.15。则可以认为差异像素点(m,n)为人眼不可见的噪声像素,则可以滤除该差异像素点(m,n)。
进一步地,所述方法还可以包括以下步骤:
如果保留的差异像素点的数量达到所述预设门限,则计算所述差异像素点是否属于所述基准图集中下一基准图,并确定剩余差异像素点,所述剩余差异像素点为不属于所述下一基准图的差异像素点;
如果所述剩余差异像素点的数量小于预设门限,则确定所述测试图与所述基准图集一致。本实施例中,在滤除孤立的像素差异点之后,如果保留的差异像素点的数量依然达到所述预设门限,并且基准图的数量大于2,则可以利用下一张基准图与该测试图计算差异像素点。具体地,只要测试图与多张基准图中的一张比对一致,就可以标记测试图的匹配结果PhotoX.Result=Pass;测试图与所有基准图均不一致的情况下,可以标记测试图的匹配结果PhotoX.Result=Fail。
进一步而言,如果剩余差异像素点数量达到所述预设门限,则可以执行图3所示的差异像素点过滤过程。如果保留的剩余差异像素点小于预设门限,则确定所述匹配结果为所述测试图与所述基准图集一致。否则,继续将保留的剩余差异像素点与下一基准图的下一基准图中的像素进行比对,直至匹配结果为所述测试图与所述基准图集一致,或者遍历完成基准图集中所有基准图。
本发明一个非限制性的实施例中,请参照图5,图1所示步骤S104可以包括以下步骤:
步骤S501:将所述基准图进行转换,以使转换后的基准图的拍摄视角与所述测试图的拍摄视角一致;
步骤S502:如果所述测试图的各个顶点的像素坐标与所述转换后的基准图中对应的各个顶点的像素坐标的差值达到预设数值,则确定所述测试图与所述基准图之间存在抖动拍摄;
步骤S503:确定所述测试图与所述转换后的基准图中像素点的坐标一致的像素点,以确定重叠区域;
步骤S504:计算所述基准轮廓图以及所述测试轮廓图在所述重叠区域的差异像素点。
具体地,在步骤S501中对基准图进行转换时,可以对所述基准图与所述测试图进行特征点检测和匹配,以得到匹配的特征点对;利用所述匹配的特征点对计算由所述基准图中的特征点变换至所述测试图中匹配的特征点的变换矩阵;将所述变换矩阵与所述基准图进行相乘运算,以得到转换后的基准图。其中匹配的特征点对具有相似的像素特征,例如,特征点可以是边缘的交点、像素值明显高于或者低于周围像素的像素值的像素点。
具体实施中,可以使用SURF算法提取基准图和测试图中的特征点。进一步地,为了获得更好的特征点匹配效果,可以在SURF算法的运算结果基础上,再使用K近邻(K-NearestNeighbor,KNN)算法和韦氏算法,提取得到若干个有效的匹配的特征点对。
具体地,可以使用findHomography函数计算变换矩阵。使用warpPerspective函数对基准图进行转换。
转换后的基准图与测试图处于同一坐标下,两者的拍摄视角一致,视角坐标一致。在步骤S502的具体实施中,可以确定两者的各个顶点,并比对各个顶点的坐标是否一致。具体请参照表1,表1示出了转换后的基准图与测试图的四个顶点的坐标。其中,转换后的基准图与测试图在右上顶点的横坐标的差值大于预设数值2;转换后的基准图与测试图在左下顶点的纵坐标的差值大于预设数值2;转换后的基准图与测试图在右下顶点的横坐标的差值大于预设数值2。由此,可以确定测试图与基准图之间发生了抖动。
表1
转换后基准图 | 测试图 | |
左上顶点(Top_Left) | (0,0) | (0.005,-0.37) |
右上顶点(Top_Right) | (1008,0) | (1010.2,-1.56) |
左下顶点(Bottom_Left) | (0,756) | (0.85,752.33) |
右下顶点(Bottom_Right) | (1008,756) | (1011.75,756.3) |
由于测试图与基准图发生了抖动拍摄,两者的取景区域存在差异,因此测试图和基准图之间存在重叠区域和非重叠区域。在步骤S503中,可以通过测试图与所述转换后的基准图中像素点的坐标一致的像素点确定重叠区域。具体可以遍历测试图中的像素点,与转换后的基准图中像素点进行比对,确定测试图与基准图的重叠区域。
在步骤S504中,可以针对基准轮廓图以及所述测试轮廓图在所述重叠区域计算差异像素点,避免对非折叠区域计算差异像素点,以保证差异像素点计算的准确性。
进一步地,步骤S505:如果所述测试图与所述基准图之间存在抖动拍摄,则确定所述测试图与所述基准图的匹配结果为待定。
具体地,可以标记测试图的匹配结果PhotoX.Result=Offset。
进一步地,图1所示方法还可以包括以下步骤:按照所述拍摄顺序的逆序对所有匹配结果为待定或不一致的测试图重新执行选取基准图集以及计算差异像素点,直至确定所述匹配结果为所述测试图与重新选取的基准图一致或所述测试图与重新选取的基准图不一致,所述重新选取的基准图集为匹配结果为一致且按照所述拍摄顺序的逆序与所述测试图最近的M张拍摄图像。
本实施例中,对于匹配结果PhotoX.Result=Fail以及匹配结果PhotoX.Result=Offset的拍摄图像,按照所述拍摄顺序的逆序重新执行选取基准图集以及计算差异像素点,本次确定的所有测试图的匹配结果均是PhotoX.Result=Fail或PhotoX.Result=Pass。
例如,在逆序选取测试图P12的基准图集时,按照拍摄顺序的逆序与测试图P12最近的2张拍摄图像是P14和P13,并且P14和P13的匹配结果分别是Photo13.Result=Pass,Photo14.Result=Pass,则可以将(P14、P13)作为基准图集。
在本发明一个具体应用场景中,以N=5,M=2进行示例,图像差异检测的过程如下:
1、加载P1,由于P1无基准图进行比对,因此可以直接确定其匹配结果P1.Result=Fail,以使P1能够参与后续的逆序检测过程,将P1标记为BaseTypeA;
2、加载P2,检测到P2与BaseTypeA对比不一致,确定匹配结果P2.Result=Fail,并将P2标记为BaseTypeB;
3、加载P3,识别到抖动拍摄,检测到P3与BaseTypeA和BaseTypeB对比都不一致,确定匹配结果P3.Result=Fail,并将P3标记为BaseTypeC;
4、加载P4,将P4与各个BaseType依次对比,检测到P4与BaseTypeA对比一致,则将P1和P4添加至基准图集,确定匹配结果P4.Result=Pass,并修改P1的匹配结果P1.Result=Pass;
5、至此已获得全部的基准图(也即两幅基准图),清空BaseTypeA、BaseTypeB、BaseTypeC;
6、加载P5,将P5分别与基准图集(P1&P4)对比,确定匹配结果P5.Result=Pass,并将基准图改为P4以及P5;
7、加载P6,将P6分别与基准图集(P4&P5)对比,确定匹配结果P6.Result=Pass,并将基准图改为P5以及P6;
8、加载P7,将P7分别与基准图集(P5&P6)对比,确定P7与基准图一致;同时识别到抖动拍摄,则确定匹配结果P7.Result=Offset,并将基准图改为P7;
9、加载P8,将P8与基准图P7对比,确定匹配结果P8.Result=Pass,并将基准图集改为(P7&P8);
10、加载P9,将P9与基准图集(P7&P8)对比,误测匹配结果P9.Result=Fail;
11、加载P10,将P10与基准图集(P7&P8)对比,确定匹配结果P10.Result=Pass,并将基准图改为(P8&P10);
12、加载P11,将P11与基准图集(P8&P10)对比,识别失败,确定匹配结果P11.Result=Fail。由于不确定是否产生了新的测试场景。可以进行步骤1、2、3、4相似的基准图集投票过程。将P10标记为BaseTypeA,将P11标记为BaseTypeB;
13、加载P12,将P12与BaseTypeA与BaseTypeB对比都不一致,将P12标记为BaseTypeC,确定匹配结果P12.Result=Fail;
14、加载P13,将P13与当前3个BaseType对比都不一致,将P13标记为BaseTypeD,确定匹配结果P13.Result=Fail;
15、加载P14,由于设定N=5,P14无论如何都要投票决定基准图集。识别发现P14属于BaseTypeD,则可以将P13和P14做为新的基准图集,确定匹配结果P13.Result=Pass,P14.Result=Pass,清空BaseTypeA/B/C/D;
16、依次顺序加载P15->P16->…,直到检测完所有图片;
17、对所有匹配结果为Fail以及Offset的图片进行复测,…->P12->P11->P9->P3->P2;复测P12,将(P14/P13)作为基准图,确定匹配结果P12.Result=Fail;
18、复测P11,将(P14/P13)作为基准图集,确定匹配结果P11.Result=Fail;
19、复测P9,将(P13/P10)作为基准图集,确定匹配结果P9.Result=Pass;
20、复测P3,将(P5/P4)作为基准图集,确定匹配结果P3.Result=Fail;
21、复测P2,将(P5/P4)作为基准图集,确定匹配结果P2.Result=Fail;
22、检测结束。
请参照图6,本发明实施例还公开了一种图像差异检测装置60,图像差异检测装置60可以包括:
拍摄图像获取模块601,用以获取拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像;
基准图集选取模块602,用以在所述多张拍摄图像中选取基准图集,所述基准图集为比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,所述基准图集为拍摄顺序最后的类别N和M为正整数;
轮廓图计算模块603,用以在所述多张拍摄图像中按照拍摄顺序选取测试图,并计算所述基准图的基准轮廓图以及选取的测试图的测试轮廓图,所述基准轮廓图表示所述基准图的轮廓,所述测试图为拍摄顺序位于所述基准图之后的拍摄图像,所述测试轮廓图表示所述测试图的轮廓;
差异像素点计算模块604,用以至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点,以得到所述基准图和所述测试图的匹配结果;
更新计算模块605,用以根据所述匹配结果更新所述基准图集,并继续选取新的测试图,利用更新后的基准图集和所述新的测试图计算新的基准轮廓图以及新的测试轮廓图,计算所述新的基准轮廓图以及所新的测试轮廓图的差异像素点,以得到所述更新后的基准图和所述新的测试图的匹配结果,直至遍历完成所述多张拍摄图像。
本发明实施例中,基准图是从拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像中选取的,通过自动选取基准图集,并且基准图和测试图的拍摄视角相同,避免了拍摄视角配准带来的误差,提升差异检测的精准度;此外,在测试图与基准图匹配完成之后,还可以根据匹配结果对基准图进行更新,以用于后续测试图的差异检测,由于连续拍摄的图像之间差异较小,因此采用更新后的基准图与后续测试图进行差异检测,进一步保证差异检测的准确性。
本发明一个非限制性的实施例中,更新计算模块605在所述匹配结果表示所述测试图与所述基准图集一致时,将所述基准图集中拍摄顺序最前的基准图更新为所述测试图。
本发明一个非限制性的实施例中,基准图集选取模块602可以包括:
初始比对单元(图未示),用以按照拍摄顺序选取两张相邻的拍摄图像,对选取的两张图像进行比对,以确定选取的两张图像是否一致;
判断单元(图未示),用以判断比对一致的图像数量是否达到M张,或者比对图像数量总数是否达到N张;
第一基准图集确定单元(图未示),用以如果比对一致的图像数量达到M张,或者比对图像数量总数达到N张,则确定比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别为所述基准图集,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,确定拍摄顺序最后的类别为所述基准图集;
第二基准图集确定单元(图未示),用以如果比对一致的图像数量未达到M张,或者比对图像数量总数未达到N张,则继续按照拍摄顺序选取拍摄图像,并将选取的拍摄图像与比对一致的两张图像中的一张进行比对,或者将选取的拍摄图像分别与比对一致的两张图像进行比对,直至比对一致的图像数量达到M张,或者比对图像数量总数达到N张,并确定比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别为所述基准图集,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,确定拍摄顺序最后的类别为所述基准图集。
本发明一个非限制性的实施例中,图像差异检测装置60还可以包括:池化模块,用以对所述基准图和所述测试图进行池化操作。
关于所述图像差异检测装置60的工作原理、工作方式的更多内容,可以参照图1至图5中的相关描述,这里不再赘述。
本发明实施例还公开了一种存储介质,所述存储介质为计算机可读存储介质,其上存储有计算机指令,所述计算机指令运行时可以执行图1、图2、图3或图5中所示方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。
本发明实施例还公开了一种终端,所述终端可以包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图1、图2、图3或图5中所示方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (13)
1.一种图像差异检测方法,其特征在于,包括:
获取拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像;
在所述多张拍摄图像中选取基准图集,所述基准图集包括至少一张基准图,所述基准图集为比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,所述基准图集为拍摄顺序最后的类别,N和M为正整数;
在所述多张拍摄图像中按照拍摄顺序选取测试图,并计算所述基准图的基准轮廓图以及选取的测试图的测试轮廓图,所述基准轮廓图表示所述基准图的轮廓,所述测试图为拍摄顺序位于所述基准图之后的拍摄图像,所述测试轮廓图表示所述测试图的轮廓;
至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点,以得到所述基准图和所述测试图的匹配结果;
根据所述匹配结果更新所述基准图集,并继续选取新的测试图,利用更新后的基准图集和所述新的测试图计算新的基准轮廓图以及新的测试轮廓图,计算所述新的基准轮廓图以及所述新的测试轮廓图的差异像素点,以得到所述更新后的基准图集和所述新的测试图的匹配结果,直至遍历完成所述多张拍摄图像;
所述至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点包括:
将所述基准图进行转换,以使转换后的基准图的拍摄视角与所述测试图的拍摄视角一致;
如果所述测试图的各个顶点的像素坐标与所述转换后的基准图中对应的各个顶点的像素坐标的差值达到预设数值,则确定所述测试图与所述基准图之间存在抖动拍摄;
确定所述测试图与所述转换后的基准图中像素点的坐标一致的像素点,以确定重叠区域;
计算所述基准轮廓图以及所述测试轮廓图在所述重叠区域的差异像素点。
2.根据权利要求1所述的图像差异检测方法,其特征在于,所述匹配结果表示所述测试图与所述基准图集是否一致,所述根据所述匹配结果更新所述基准图集包括:
如果所述匹配结果表示所述测试图与所述基准图集一致,则将所述基准图集中拍摄顺序最前的基准图更新为所述测试图。
3.根据权利要求1所述的图像差异检测方法,其特征在于,所述在所述多张拍摄图像中选取基准图集包括:
按照拍摄顺序选取两张相邻的拍摄图像,对选取的两张图像进行比对,以确定选取的两张图像是否一致;
判断比对一致的图像数量是否达到M张,或者比对图像数量总数是否达到N张;
如果比对一致的图像数量达到M张,或者比对图像数量总数达到N张,则确定比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别为所述基准图集,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,确定拍摄顺序最后的类别为所述基准图集;
或者,如果比对一致的图像数量未达到M张,或者比对图像数量总数未达到N张,则继续按照拍摄顺序选取拍摄图像,并将选取的拍摄图像与比对一致的两张图像中的一张进行比对,或者将选取的拍摄图像分别与比对一致的两张图像进行比对,直至比对一致的图像数量达到M张,或者比对图像数量总数达到N张,并确定比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别为所述基准图集,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,确定拍摄顺序最后的类别为所述基准图集。
4.根据权利要求1所述的图像差异检测方法,其特征在于,所述计算所述基准图的基准轮廓图以及选取的测试图的测试轮廓图之前还包括:
对所述基准图和所述测试图进行池化操作。
5.根据权利要求1所述的图像差异检测方法,其特征在于,所述至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点还包括:
计算所述基准轮廓图与所述测试轮廓图中的差异像素点,并统计所述差异像素点的数量;
如果所述差异像素点的数量小于预设门限,则确定所述匹配结果为所述测试图与所述基准图集一致。
6.根据权利要求5所述的图像差异检测方法,其特征在于,还包括:
如果所述差异像素点的数量达到预设门限,则对每个差异像素点,在所述测试图中选取以所述差异像素点为中心的邻域窗口;
计算所述邻域窗口内差异像素点的总数与所述邻域窗口内像素点总数的比值;
如果所述比值小于预设阈值,则过滤所述差异像素点,否则保留所述差异像素点。
7.根据权利要求6所述的图像差异检测方法,其特征在于,还包括:
如果保留的差异像素点的数量达到所述预设门限,则计算所述差异像素点是否属于所述基准图集中下一基准图,并确定剩余差异像素点,所述剩余差异像素点为不属于所述下一基准图的差异像素点;
如果所述剩余差异像素点的数量小于预设门限,则确定所述测试图与所述基准图集一致。
8.根据权利要求1所述的图像差异检测方法,其特征在于,还包括:
如果所述测试图与所述基准图之间存在抖动拍摄,则确定所述测试图与所述基准图的匹配结果为待定;
所述方法还包括:
按照所述拍摄顺序的逆序对所有匹配结果为待定或不一致的测试图重新执行选取基准图集及计算差异像素点,直至确定所述匹配结果为所述测试图与重新选取的基准图集一致或所述测试图与重新选取的基准图集不一致,所述重新选取的基准图集为匹配结果为一致且按照所述拍摄顺序的逆序与所述测试图最近的M张拍摄图像。
9.根据权利要求1所述的图像差异检测方法,其特征在于,所述计算所述基准图的基准轮廓图以及测试图的测试轮廓图包括:
对所述基准图进行平移,将平移后的基准图与所述基准图进行图像帧差分运算,以得到基准轮廓图,并对测试图进行平移,并将平移后的测试图与所述测试图进行图像帧差分运算,以得到测试轮廓图,所述测试图为拍摄顺序位于所述基准图之后或之前的拍摄图像。
10.根据权利要求1所述的图像差异检测方法,其特征在于,所述计算所述基准轮廓图以及所述测试轮廓图的差异像素点包括:
对于所述测试轮廓图中每一非零像素点,确定非零像素点的位置坐标,并将所述基准轮廓图中所述位置坐标附近的像素点与所述非零像素点进行匹配;
如果所述基准轮廓图中所述位置坐标附近的像素点与所述非零像素点均不匹配,则确定所述非零像素点为差异像素点。
11.一种图像差异检测装置,其特征在于,包括:
拍摄图像获取模块,用以获取拍摄设备针对拍摄区域连续拍摄得到的多张拍摄图像;
基准图集选取模块,用以在所述多张拍摄图像中选取基准图集,所述基准图集为比对一致的M张拍摄图像,或者连续N张拍摄图像中存在比对不一致的多个类别且包含图片数量最多的类别,或者对于存在比对不一致的多个类别且包含图片数量最多的类别所包含的图片数量相同的连续N张拍摄图像,所述基准图集为拍摄顺序最后的类别,N和M为正整数;
轮廓图计算模块,用以在所述多张拍摄图像中按照拍摄顺序选取测试图,并计算所述基准图的基准轮廓图以及选取的测试图的测试轮廓图,所述基准轮廓图表示所述基准图的轮廓,所述测试图为拍摄顺序位于所述基准图之后的拍摄图像,所述测试轮廓图表示所述测试图的轮廓;
差异像素点计算模块,用以至少计算所述基准轮廓图以及所述测试轮廓图的差异像素点,以得到所述基准图和所述测试图的匹配结果;
更新计算模块,用以根据所述匹配结果更新所述基准图集,并继续选取新的测试图,利用更新后的基准图集和所述新的测试图计算新的基准轮廓图以及新的测试轮廓图,计算所述新的基准轮廓图以及所述新的测试轮廓图的差异像素点,以得到所述更新后的基准图集和所述新的测试图的匹配结果,直至遍历完成所述多张拍摄图像;
所述差异像素点计算模块采用以下方式计算所述差异像素点:
将所述基准图进行转换,以使转换后的基准图的拍摄视角与所述测试图的拍摄视角一致;
如果所述测试图的各个顶点的像素坐标与所述转换后的基准图中对应的各个顶点的像素坐标的差值达到预设数值,则确定所述测试图与所述基准图之间存在抖动拍摄;
确定所述测试图与所述转换后的基准图中像素点的坐标一致的像素点,以确定重叠区域;
计算所述基准轮廓图以及所述测试轮廓图在所述重叠区域的差异像素点。
12.一种存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1至10中任一项所述图像差异检测方法的步骤。
13.一种终端,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1至10中任一项所述图像差异检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911115287.1A CN110909750B (zh) | 2019-11-14 | 2019-11-14 | 图像差异检测方法及装置、存储介质、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911115287.1A CN110909750B (zh) | 2019-11-14 | 2019-11-14 | 图像差异检测方法及装置、存储介质、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909750A CN110909750A (zh) | 2020-03-24 |
CN110909750B true CN110909750B (zh) | 2022-08-19 |
Family
ID=69817366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911115287.1A Active CN110909750B (zh) | 2019-11-14 | 2019-11-14 | 图像差异检测方法及装置、存储介质、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909750B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112884071A (zh) * | 2021-03-22 | 2021-06-01 | 广东拓斯达科技股份有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN113063731B (zh) * | 2021-03-24 | 2023-01-20 | 上海晨兴希姆通电子科技有限公司 | 用于转盘式玻璃盖板丝印的检测系统及其检测方法 |
CN113692215A (zh) * | 2021-07-30 | 2021-11-23 | 广州佳帆计算机有限公司 | 一种贴片元件位置可调整系统、方法及装置 |
CN115497615B (zh) * | 2022-10-24 | 2023-09-01 | 北京亿家老小科技有限公司 | 一种远程医疗方法及系统 |
CN116225972B (zh) * | 2023-05-09 | 2023-07-18 | 成都赛力斯科技有限公司 | 图片差异对比方法、装置及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984997A (zh) * | 2009-08-24 | 2013-03-20 | 新加坡保健服务集团有限公司 | 一种确定核性白内障级别的方法及系统 |
CN104915675A (zh) * | 2014-03-14 | 2015-09-16 | 欧姆龙株式会社 | 图像处理装置、图像处理方法以及图像处理程序 |
CN106559601A (zh) * | 2015-09-29 | 2017-04-05 | 京瓷办公信息系统株式会社 | 校准系统、校准方法以及图像形成装置 |
CN108629740A (zh) * | 2017-03-24 | 2018-10-09 | 展讯通信(上海)有限公司 | 一种图像去噪的处理方法及装置 |
CN108898597A (zh) * | 2018-06-28 | 2018-11-27 | 广东创图文化传媒有限公司 | 一种基于智能手机的书画鉴证的方法 |
CN109034185A (zh) * | 2018-06-08 | 2018-12-18 | 汪俊 | 一种街景图像差异对比方法及装置 |
CN109308716A (zh) * | 2018-09-20 | 2019-02-05 | 珠海市君天电子科技有限公司 | 一种图像匹配方法、装置、电子设备及存储介质 |
CN109618151A (zh) * | 2019-01-04 | 2019-04-12 | 苏州乐轩科技有限公司 | 电视机图像的自动测试方法 |
CN110210393A (zh) * | 2019-05-31 | 2019-09-06 | 百度在线网络技术(北京)有限公司 | 人脸图像的检测方法和装置 |
CN110334688A (zh) * | 2019-07-16 | 2019-10-15 | 重庆紫光华山智安科技有限公司 | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6909979B2 (ja) * | 2015-11-05 | 2021-07-28 | 日本電気株式会社 | 画像処理システム、画像処理方法、および画像処理プログラム |
-
2019
- 2019-11-14 CN CN201911115287.1A patent/CN110909750B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984997A (zh) * | 2009-08-24 | 2013-03-20 | 新加坡保健服务集团有限公司 | 一种确定核性白内障级别的方法及系统 |
CN104915675A (zh) * | 2014-03-14 | 2015-09-16 | 欧姆龙株式会社 | 图像处理装置、图像处理方法以及图像处理程序 |
CN106559601A (zh) * | 2015-09-29 | 2017-04-05 | 京瓷办公信息系统株式会社 | 校准系统、校准方法以及图像形成装置 |
CN108629740A (zh) * | 2017-03-24 | 2018-10-09 | 展讯通信(上海)有限公司 | 一种图像去噪的处理方法及装置 |
CN109034185A (zh) * | 2018-06-08 | 2018-12-18 | 汪俊 | 一种街景图像差异对比方法及装置 |
CN108898597A (zh) * | 2018-06-28 | 2018-11-27 | 广东创图文化传媒有限公司 | 一种基于智能手机的书画鉴证的方法 |
CN109308716A (zh) * | 2018-09-20 | 2019-02-05 | 珠海市君天电子科技有限公司 | 一种图像匹配方法、装置、电子设备及存储介质 |
CN109618151A (zh) * | 2019-01-04 | 2019-04-12 | 苏州乐轩科技有限公司 | 电视机图像的自动测试方法 |
CN110210393A (zh) * | 2019-05-31 | 2019-09-06 | 百度在线网络技术(北京)有限公司 | 人脸图像的检测方法和装置 |
CN110334688A (zh) * | 2019-07-16 | 2019-10-15 | 重庆紫光华山智安科技有限公司 | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
Object Detection by Contour Segment Networks;Vittorio Ferrari等;《Computer Vision》;20061231;14-28 * |
基于CCA差异图融合的SAR图像变化检测算法;曲长文等;《火力与指挥控制》;20181231;第43卷(第12期);1-4 * |
视频图像序列中运动目标检测与跟踪方法研究;赵佳;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20120215(第2期);I138-1789 * |
运动目标识别与跟踪系统研究;龚声民;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20150215(第2期);I138-1196 * |
Also Published As
Publication number | Publication date |
---|---|
CN110909750A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909750B (zh) | 图像差异检测方法及装置、存储介质、终端 | |
CN110546651B (zh) | 用于识别对象的方法、系统和计算机可读介质 | |
KR101121034B1 (ko) | 복수의 이미지들로부터 카메라 파라미터를 얻기 위한 시스템과 방법 및 이들의 컴퓨터 프로그램 제품 | |
US8199202B2 (en) | Image processing device, storage medium storing image processing program, and image pickup apparatus | |
KR20170019359A (ko) | 국부적 적응형 히스토그램 등화 | |
US9760999B2 (en) | Image processing apparatus, imaging apparatus, and image processing method | |
US9767383B2 (en) | Method and apparatus for detecting incorrect associations between keypoints of a first image and keypoints of a second image | |
US20100054542A1 (en) | Processing video frames with the same content but with luminance variations across frames | |
CN110598795A (zh) | 图像差异检测方法及装置、存储介质、终端 | |
CN111340749B (zh) | 图像质量的检测方法、装置、设备及存储介质 | |
CN109376641B (zh) | 一种基于无人机航拍视频的运动车辆检测方法 | |
CN111383252B (zh) | 多相机目标追踪方法、系统、装置及存储介质 | |
JP6924064B2 (ja) | 画像処理装置およびその制御方法、ならびに撮像装置 | |
CN107018407B (zh) | 信息处理装置、评价用图、评价系统、以及性能评价方法 | |
CN112287867A (zh) | 一种多摄像头的人体动作识别方法及装置 | |
US20110085026A1 (en) | Detection method and detection system of moving object | |
JP6091172B2 (ja) | 特徴点検出装置およびプログラム | |
CN110120012B (zh) | 基于双目摄像头的同步关键帧提取的视频拼接方法 | |
CN112184544B (zh) | 图像拼接的方法和装置 | |
CN110557556A (zh) | 一种多对象拍摄的方法及装置 | |
KR101784620B1 (ko) | 스테레오 매칭을 통한 깊이값의 신뢰도 측정 방법 및 장치 | |
US20210281742A1 (en) | Document detections from video images | |
CN116229084A (zh) | 一种对空目标的检测方法 | |
CN111681271B (zh) | 一种多通道多光谱相机配准方法、系统及介质 | |
EP2541469A2 (en) | Image recognition device, image recognition method and image recognition program |
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 |