CN110910414B - 图像轮廓生成方法、图像标注方法、电子装置及存储介质 - Google Patents
图像轮廓生成方法、图像标注方法、电子装置及存储介质 Download PDFInfo
- Publication number
- CN110910414B CN110910414B CN201911053029.5A CN201911053029A CN110910414B CN 110910414 B CN110910414 B CN 110910414B CN 201911053029 A CN201911053029 A CN 201911053029A CN 110910414 B CN110910414 B CN 110910414B
- Authority
- CN
- China
- Prior art keywords
- image
- coordinate point
- coordinate
- target area
- outermost peripheral
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像轮廓生成方法、图像标注方法、电子装置及存储介质,通过执行grabcut算法可以获取预测目标区域和预测背景区域的像素坐标,然后利用边缘跟踪算法获取组成预测目标区域和预测背景区域边界的像素坐标,在利用这些组成预测目标区域和预测背景区域边界的像素坐标作为本发明第一方面的图像轮廓生成方法的最外围坐标点,通过执行图像轮廓生成方法将预测目标区域的轮廓在待标注图像上显示出来,便于标注员判断分割效果,降低了标注员判断的误差。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像轮廓生成方法、图像标注方法、电子装置及存储介质。
背景技术
基于深度学习的图像分割算法大量应用与垃圾分类系统、自动驾驶、加工缺陷检测系统等一系列需要精细识别物体的类别和位置的应用上,然后基于深度学习的图像分割算法需要大量人工标注的数据来训练。现在主要的图像分割数据方法是根据目标物体的边缘,由肉眼观察并通过人工判断,一个点一个点地进行鼠标点击标注。
因此,现有技术中,通过图像分割算法自动将目标图像从待标注图像中提取出来的方法正在被重视。如图3所示,这样的方法能够获得图像分割算法输出的预测目标图像区域的像素坐标,然后再将待标注图像上非预测目标图像区域的像素设置为白色。标注员为了确定自动图像分割算法获取的预测目标图像区域是否正确,通过肉眼观察并给出判断结果。
但是,由于此时的非预测目标图像区域都是白色,在缺少原背景的图像上判断预测目标图像区域是否正确,标注员容易误判,导致标注精度下降。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种图像轮廓生成方法、图像标注方法、电子装置及存储介质,能够同时将图像分割后的预测目标图像区域和原背景区域在同一张图像上显示出来,为标注员提供更多参考,降低误判的几率。
第一方面,本发明实施例提供了一种图像轮廓生成方法,包括以下步骤:
步骤S1:显示第一图像,所述第一图像包括第一目标区域和第一背景区域;
步骤S2:获取所述第一目标区域的最外围坐标点,将所述最外围坐标点建立集合A,建立集合A',将集合A中的任一个所述最外围坐标点p0添加到集合A'中,将集合A中除了p0之外的其他所述最外围坐标点建立集合A2,将第一标记坐标点p置为p0;
步骤S3:判断集合A2中元素数量是否为零,若否,则执行步骤S3a,若是,则执行步骤S3b;
步骤S3a:计算集合A2中的所有最外围坐标点与第一标记坐标点p的距离d,将第一标记坐标点p置为集合A2中对应于距离d的最小值的所述最外围坐标点,将集合A2中对应于距离d的最小值的所述最外围坐标点添加到集合A'中并从集合A2中删除,返回步骤S3;
步骤S3b:按照所述最外围坐标点添加到所述集合A'中的顺序将所述最外围坐标点进行排序;
步骤S4:建立边缘坐标集合,将p0添加到所述边缘坐标集合中并从集合A'删除,将第二标记坐标点p'置为p0;
步骤S5:判断集合A'中的元素数量是否为一,若否,则执行步骤S5a,若是,则执行步骤S5b;
步骤S5a:判断第二标记坐标点p'与集合A'中排序位于最前两位的两个所述最外围坐标点是否三点共线,若是,则执行步骤S5a1,若否,则执行步骤S5a2;
步骤S5a1:将集合A'中排序位于最前一位的所述最外围坐标点从集合A'中删除,返回步骤S5;
步骤S5a2:将第二标记坐标点p'置为集合A'中排序位于最前一位的所述最外围坐标点,将集合A'中排序位于最前一位的所述最外围坐标点添加到所述边缘坐标集合中并从集合A'中删除,返回步骤S5;
步骤S5b:将集合A'中的所述最外围坐标点添加到所述边缘坐标集合中,输出所述边缘坐标集合;
步骤S6:在所述第一图像上,将按照相邻顺序添加到所述边缘坐标集合中的两个所述最外围坐标点之间用直线连接;
步骤S7:在所述第一图像上,将最后顺序添加到所述边缘坐标集合中的所述最外围坐标点与p0之间用直线连接;
步骤S8:高亮显示所述直线在所述第一图像上经过的像素点。
根据本发明实施例的一种图像轮廓生成方法,至少具有如下有益效果:本方法基于用户在第一图像上获得的第一目标区域的最外围坐标点,将获得的第一目标区域的最外围坐标点按照添加到集合A'中的顺序进行排序。然后按照所述最外围坐标点添加到所述集合A'中的顺序依次经过这些最外围坐标点刚好就是围成了第一目标区域的轮廓。因此,将排序好的集合A'中的按照相邻顺序添加到集合A'中的两个最外围坐标点用直线相连,直线经过的像素和这些最外围坐标点都进行高亮显示,就可以在第一图像上同时显示第一目标区域、第一背景区域以及位于第一目标区域的轮廓,方便了标注员在原图像上对比图像分割的结果,通过将图像分割获得的第一目标区域和在同一图像中的第一背景区域对比,可以降低标注员判断图像分割结果的误差。
第二方面,本发明实施例提供了一种图像标注方法,包括以下步骤:
步骤S100:显示待标注图像,所述待标注图像包括真实目标区域和真实背景区域;
步骤S200:执行grabcut算法对所述待标注图像进行分割,获得预测目标区域以及预测背景区域;
步骤S300:基于边缘跟踪算法获取所述预测目标区域的最外围坐标点,将所述预测目标区域的最外围坐标点保存为边缘坐标集合步骤S8;
步骤S400:基于上述第一方面所述的图像轮廓生成方法,在所述待标注图像上将所述预测目标区域的轮廓显示出来;
步骤S500:判断是否接收到完全选中指令,若是,则获取所述目标区域的类别信息,并将所述边缘坐标集合和所述类别信息保存为json文件;若否,则返回步骤S100。
根据本发明实施例的一种图像标注方法,至少具有如下有益效果:通过执行grabcut算法可以获取预测目标区域和预测背景区域的像素坐标,然后利用边缘跟踪算法获取组成预测目标区域和预测背景区域边界的像素坐标,在利用这些组成预测目标区域和预测背景区域边界的像素坐标作为本发明第一方面的图像轮廓生成方法的最外围坐标点,通过执行图像轮廓生成方法将预测目标区域的轮廓在待标注图像上显示出来,便于标注员判断分割效果,降低了标注员判断的误差。
本发明的一个特定实施例中,所述步骤S400还包括:
步骤S410:对待标注图像上的所述预测目标区域进行阴影处理。
第三方面,本发明实施例提供了一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明第一方面所述的图像轮廓生成方法。
由于本发明实施例的一种电子装置执行如本发明第一方面所述的图像轮廓生成方法,因此具有本发明第一方面的所有有益效果。
第四方面,本发明实施例提供了一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明第二方面所述的图像标注方法。
由于本发明实施例的一种电子装置执行如本发明第二方面所述的半自动化图像分割数据标注方法,因此具有本发明第二方面的所有有益效果。
第五方面,本发明实施例提供了计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如本发明第一方面所述的图像轮廓生成方法。
由于本发明实施例的计算机可读存储介质上存储有用于执行如本发明第一方面所述的半自动化图像分割数据标注方法的计算机可执行指令,因此具有本发明第一发明的所有有益效果
第六方面,本发明实施例提供了计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如本发明第二方面所述的图像标注方法。
由于本发明实施例的计算机可读存储介质上存储有用于执行如本发明第二方面所述的半自动化图像分割数据标注方法的计算机可执行指令,因此具有本发明第二发明的所有有益效果。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明第二实施例的方法流程图;
图2为本发明实施例的图像标注方法的效果图;
图3为现有技术利用图像分割进行标注的操作界面效果图;
图4为本发明第一实施例的电子装置结构示意图;
附图标记:
电子装置100、处理器101、存储器102。
具体实施方式
下面详细描述本发明的实施例,下面通过参考附图描述的实施例是示例性的,仅用于解释本,而不能理解为对本的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,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或者隐含指明所指示的技术特征的先后关系。
现有的数据标注方法是使用开源的图像分割数据标注工具(如Labelme,Labelimg等)对目标图像的边缘进行打点标绘(通过鼠标点击把图像中的目标物体的边缘描绘出来,如要对形状复杂的目标物体进行打点标绘,则可能需要点击鼠标上百次),然后把目标图像从背景中分离出来,即对图像进行分割,得到目标图像,后对所得到的目标图像进行数据标注。如图3所示,这样的方法能够获得图像分割算法输出的预测目标图像区域的像素坐标,然后再将待标注图像上非预测目标图像区域的像素设置为白色。标注员为了确定自动图像分割算法获取的预测目标图像区域是否正确,通过肉眼观察并给出判断结果。
基于此,本发明提供了一种图像轮廓生成方法、图像标注方法、电子装置及存储介质,通过将待标注图像显示在电子屏幕上,通过对待标注图像执行grabcut图像分割算法,获取待标注图像上的预测目标区域和预测背景区域的像素坐标,再通过边缘跟踪算法获取预测目标区域和预测背景区域的边界像素坐标,然后通过图像轮廓生成方法将预测目标区域的轮廓在待标注图像上高亮显示出来,便于用于在原图像上对比图像分割获得预测目标区域与真实目标区域的差别,减小了标注误差。最后由标注员判断预测目标区域与真实目标区域的差别,判断是否输入“完全选中指令”,使电脑最终将所述边缘坐标集合和所述类别信息保存为json文件,完成最终的标注。因此,本发明可以减少标注员标注数据时点击鼠标的数量,并允许标注员通过是否输入“完全选中指令”来选择是否接受本次自动分割的结果,既提升了标注的效率,又保证了标注的精度。
下文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方案,值得理解的是,下述描述仅是示例性说明,而不是对发明的具体限制。
参照图4所示,为本发明第一实施例提供的一种电子装置100,包括存储器102、处理器101,图4中以一个处理器101和一个存储器102为例。
处理器和存储器可以通过总线或者其他方式连接,图4中以通过总线连接为例。
存储器102作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器102可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器102可选包括相对于处理器远程设置的存储器102,这些远程存储器可以通过网络连接至该电子装置100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本领域技术人员可以理解,图4中示出的装置结构并不构成对电子装置100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,或者不同的部件布置。
本发明第一实施例的电子装置,在该实施例中,电子装置100中处理器101可以用于调用存储器102中存储的图像轮廓生成方法,并执行以下步骤:
步骤S1:显示第一图像,所述第一图像包括第一目标区域和第一背景区域;
步骤S2:获取所述第一目标区域的最外围坐标点,将所述最外围坐标点建立集合A,建立集合A',将集合A中的任一个所述最外围坐标点p0添加到集合A'中,将集合A中除了p0之外的其他所述最外围坐标点建立集合A2,将第一标记坐标点p置为p0;
步骤S3:判断集合A2中元素数量是否为零,若否,则执行步骤S3a,若是,则执行步骤S3b;
步骤S3a:计算集合A2中的所有最外围坐标点与第一标记坐标点p的距离d,将第一标记坐标点p置为集合A2中对应于距离d的最小值的所述最外围坐标点,将集合A2中对应于距离d的最小值的所述最外围坐标点添加到集合A'中并从集合A2中删除,返回步骤S3;
步骤S3b:按照所述最外围坐标点添加到所述集合A'中的顺序将所述最外围坐标点进行排序;
步骤S4:建立边缘坐标集合,将p0添加到所述边缘坐标集合中并从集合A'删除,将第二标记坐标点p'置为p0;
步骤S5:判断集合A'中的元素数量是否为一,若否,则执行步骤S5a,若是,则执行步骤S5b;
步骤S5a:判断第二标记坐标点p'与集合A'中排序位于最前两位的两个所述最外围坐标点是否三点共线,若是,则执行步骤S5a1,若否,则执行步骤S5a2;
步骤S5a1:将集合A'中排序位于最前一位的所述最外围坐标点从集合A'中删除,返回步骤S5;
步骤S5a2:将第二标记坐标点p'置为集合A'中排序位于最前一位的所述最外围坐标点,将集合A'中排序位于最前一位的所述最外围坐标点添加到所述边缘坐标集合中并从集合A'中删除,返回步骤S5;
步骤S5b:将集合A'中的所述最外围坐标点添加到所述边缘坐标集合中,输出所述边缘坐标集合;
步骤S6:在所述第一图像上,将按照相邻顺序添加到所述边缘坐标集合中的两个所述最外围坐标点之间用直线连接;
步骤S7:在所述第一图像上,将最后顺序添加到所述边缘坐标集合中的所述最外围坐标点与p0之间用直线连接;
步骤S8:高亮显示所述直线在所述第一图像上经过的像素点。
本实施例中,可知,按照所述最外围坐标点添加到所述集合A'中的顺序依次经过这些最外围坐标点刚好就是围成了第一目标区域的轮廓。对轮廓的像素进行亮度调高、颜色调白的操作,方便用户识别目前选中区域的边缘。
基于上述电子装置的硬件结构,提出本发明的一种图像标注方法的各个实施例。
参照图1所示,为本发明第二实施例的图像标注方法,包括以下步骤:
步骤S100:显示待标注图像,所述待标注图像包括真实目标区域和真实背景区域;
步骤S200:执行grabcut算法对所述待标注图像进行分割,获得预测目标区域以及预测背景区域;
步骤S300:基于边缘跟踪算法获取所述预测目标区域的最外围坐标点,将所述预测目标区域的最外围坐标点保存为边缘坐标集合步骤S8;
步骤S400:基于上述第一实施例所述的图像轮廓生成方法,在所述待标注图像上将所述预测目标区域的轮廓显示出来;
步骤S500:判断是否接收到完全选中指令,若是,则获取所述目标区域的类别信息,并将所述边缘坐标集合和所述类别信息保存为json文件;若否,则返回步骤S100。
本实施例中,可以通过PC电脑屏幕或者平板电脑屏幕将待标注图像显示给标注员,待标注图像上包括真实目标区域以及真实背景区域。例如,待标注图像中有草坪和足球,标注员判断足球属于真实目标区域,草坪属于真实背景区域,通过执行grabcut算法可以获得预测目标区域和预测背景区域的像素坐标。然后对待标注图像进行二值化处理,获得二值化图片,二值化图片中将预测目标区域的像素值全部变成1,将预测背景区域的像素值全部变成0。然后对二值化图片利用边缘跟踪算法获取预测目标区域的最外围坐标点,将获取到的预测目标区域的最外围坐标点作为上述第一实施例的图像轮廓生成方法中的第一目标区域的最外围坐标点,通过执行图像轮廓生成方法将预测目标区域的轮廓在待标注图像上显示出来,边缘标注员判断图像分割的结果,降低误判。
由于本实施例中使用grabcut图分割算法来自动获取预测目标区域的最外围坐标点,因此,为了便于标注员确定本次图分割获得的预测目标区域的最外围坐标点的准确性,基于所述最外围坐标点生成所述预测目标区域的轮廓,并在所述待标注图像上高亮显示所述轮廓,便于标注员进行对比。
当标注员认为,本次获得的预测目标区域是理想的,则可以向第一实施例中的电子装置发送“完全选中指令”,例如,该指令可以通过敲打键盘上的回车键发送。接着,显示屏会显示输入类别信息的界面,标注员通过键盘输入与该预测目标区域对应的类别信息,例如足球,然后边缘坐标集合和所述类别信息保存为json文件,完成半自动化标注。另外一种情况下,标注员认为本次获得的预测目标区域不理想时,可以向第一实施例中的电子装置发送“未完全选中指令”,例如标注员可以通过敲打键盘上的空格键向电子装置发送该指令,则在接收到该指令后,电子装置重新执行步骤S100。因此,本实施例提供的图像标注方法,在提高了标注效率的同时,也可以允许标注员控制标注的精度。
其中,grabcut作为图像分割的一种成熟算法,已经广泛应用的图像分割上,对其原理,本文不再赘述。
本发明第三实施例的图像标注方法,基于第二实施例基础上,所述步骤S400还包括:
步骤S410:对待标注图像上的所述预测目标区域进行阴影处理。
本实施例中,将预测目标区域进行阴影处理,输出为局部区域变暗的图像,作用是方便用户识别目标物体中被选中的局部区域。
本发明第四实施例的计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如上述第一实施例所述的图像轮廓生成方法以及第二至三实施例任一项所述的图像标注方法。
参照图2所示,为使用本发明实施例的图像标注方法对待标注图像处理的效果图。
第一步,待标注图像显示在电脑屏幕上,待标注图像上的真实目标区域是足球,其真实背景区域是草坪。
第二步,标注员在初始点的点1按住鼠标左键,然后拖动在结束点的点2,描绘出矩形,矩形内可以包含一部分属于真实背景区域的像素,矩形框外必须全部为真实背景区域的像素;
第三步,执行grabcut图像分割算法,获取预测目标区域的像素坐标,并将预测目标区域阴影处理,同时高亮其轮廓;
第四步,标注员确认完全选中;
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (7)
1.一种图像轮廓生成方法,其特征在于,包括以下步骤:
步骤S1:显示第一图像,所述第一图像包括第一目标区域和第一背景区域;
步骤S2:获取所述第一目标区域的最外围坐标点,将所述最外围坐标点建立集合A,建立集合A',将集合A中的任一个所述最外围坐标点p0添加到集合A'中,将集合A中除了p0之外的其他所述最外围坐标点建立集合A2,将第一标记坐标点p置为p0;
步骤S3:判断集合A2中元素数量是否为零,若否,则执行步骤S3a,若是,则执行步骤S3b;
步骤S3a:计算集合A2中的所有最外围坐标点与第一标记坐标点p的距离d,将第一标记坐标点p置为集合A2中对应于距离d的最小值的所述最外围坐标点,将集合A2中对应于距离d的最小值的所述最外围坐标点添加到集合A'中并从集合A2中删除,返回步骤S3;
步骤S3b:按照所述最外围坐标点添加到所述集合A'中的顺序将所述最外围坐标点进行排序;
步骤S4:建立边缘坐标集合,将p0添加到所述边缘坐标集合中并从集合A'删除,将第二标记坐标点p'置为p0;
步骤S5:判断集合A'中的元素数量是否为一,若否,则执行步骤S5a,若是,则执行步骤S5b;
步骤S5a:判断第二标记坐标点p'与集合A'中排序位于最前两位的两个所述最外围坐标点是否三点共线,若是,则执行步骤S5a1,若否,则执行步骤S5a2;
步骤S5a1:将集合A'中排序位于最前一位的所述最外围坐标点从集合A'中删除,返回步骤S5;
步骤S5a2:将第二标记坐标点p'置为集合A'中排序位于最前一位的所述最外围坐标点,将集合A'中排序位于最前一位的所述最外围坐标点添加到所述边缘坐标集合中并从集合A'中删除,返回步骤S5;
步骤S5b:将集合A'中的所述最外围坐标点添加到所述边缘坐标集合中,输出所述边缘坐标集合;
步骤S6:在所述第一图像上,将按照相邻顺序添加到所述边缘坐标集合中的两个所述最外围坐标点之间用直线连接;
步骤S7:在所述第一图像上,将最后顺序添加到所述边缘坐标集合中的所述最外围坐标点与p0之间用直线连接;
步骤S8:高亮显示所述直线在所述第一图像上经过的像素点。
2.一种图像标注方法,其特征在于,包括以下步骤:
步骤S100:显示待标注图像,所述待标注图像包括真实目标区域和真实背景区域;
步骤S200:执行grabcut算法对所述待标注图像进行分割,获得预测目标区域以及预测背景区域;
步骤S300:基于边缘跟踪算法获取所述预测目标区域的最外围坐标点,将所述预测目标区域的最外围坐标点保存为边缘坐标集合;
步骤S400:基于上述权利要求1所述的图像轮廓生成方法,在所述待标注图像上将所述预测目标区域的轮廓显示出来;
步骤S500:判断是否接收到完全选中指令,若是,则获取所述目标区域的类别信息,并将所述边缘坐标集合和所述类别信息保存为json文件;若否,则返回步骤S100。
3.根据权利要求2所述的一种图像标注方法,其特征在于,所述步骤S400还包括:
步骤S410:对待标注图像上的所述预测目标区域进行阴影处理。
4.一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在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程序时实现如权利要求1所述的图像轮廓生成方法。
5.一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在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程序时实现如权利要求2或3所述的图像标注方法。
6.计算机可读存储介质,存储有计算机可执行指令,其特征在于:所述计算机可执行指令用于执行如权利要求1所述的图像轮廓生成方法。
7.计算机可读存储介质,存储有计算机可执行指令,其特征在于:所述计算机可执行指令用于执行如权利要求2或3所述的图像标注方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911053029.5A CN110910414B (zh) | 2019-10-31 | 2019-10-31 | 图像轮廓生成方法、图像标注方法、电子装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911053029.5A CN110910414B (zh) | 2019-10-31 | 2019-10-31 | 图像轮廓生成方法、图像标注方法、电子装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110910414A CN110910414A (zh) | 2020-03-24 |
CN110910414B true CN110910414B (zh) | 2022-05-17 |
Family
ID=69816009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911053029.5A Active CN110910414B (zh) | 2019-10-31 | 2019-10-31 | 图像轮廓生成方法、图像标注方法、电子装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110910414B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563898B (zh) * | 2020-04-29 | 2023-05-16 | 万翼科技有限公司 | 图像分割方法、电子设备及相关产品 |
CN112529055A (zh) * | 2020-12-02 | 2021-03-19 | 博云视觉科技(青岛)有限公司 | 一种图像标注和标注数据集处理方法 |
CN113379773B (zh) * | 2021-05-28 | 2023-04-28 | 陕西大智慧医疗科技股份有限公司 | 基于双重注意力机制的分割模型建立、分割方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5680471A (en) * | 1993-07-27 | 1997-10-21 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
JP4196255B2 (ja) * | 2002-06-07 | 2008-12-17 | ソニー株式会社 | オブジェクト輪郭抽出装置 |
JP4783100B2 (ja) * | 2005-09-12 | 2011-09-28 | 独立行政法人理化学研究所 | 境界データのセル内形状データへの変換方法とその変換プログラム |
CN102496161B (zh) * | 2011-12-13 | 2013-10-16 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN106815846B (zh) * | 2016-12-30 | 2019-07-02 | 歌尔科技有限公司 | 图像暗角裁切范围的确定方法、图像暗角补偿方法及装置 |
CN109785400B (zh) * | 2018-11-20 | 2023-08-04 | 广东智媒云图科技股份有限公司 | 一种剪影图像制作方法、装置、电子设备及存储介质 |
-
2019
- 2019-10-31 CN CN201911053029.5A patent/CN110910414B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110910414A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110910414B (zh) | 图像轮廓生成方法、图像标注方法、电子装置及存储介质 | |
CN110992384B (zh) | 半自动化图像数据标注方法、电子装置及存储介质 | |
CN109409398B (zh) | 图像处理装置、图像处理方法以及存储介质 | |
CN111028261B (zh) | 高精度半自动化图像数据标注方法、电子装置及存储介质 | |
CN110414477B (zh) | 图像比例尺检测方法及装置 | |
US20230343085A1 (en) | Object detection device, object detection method, and recording medium | |
JP6089886B2 (ja) | 領域分割方法および検査装置 | |
CN110910401A (zh) | 半自动化图像分割数据标注方法、电子装置及存储介质 | |
JP6985856B2 (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
CN111724402B (zh) | 一种医疗影像标注方法、系统及装置 | |
CN110889437B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN110321837A (zh) | 一种试题得分的识别方法、装置、终端及存储介质 | |
CN110874170A (zh) | 一种图像区域修正方法、图像分割方法及装置 | |
US8060329B2 (en) | Display-device inspection apparatus and inspection method | |
US10719642B2 (en) | Automated generation of electronics schematics with single wire tracing | |
CN115546824B (zh) | 禁忌图片识别方法、设备及存储介质 | |
CN112435274B (zh) | 一种基于面向对象分割的遥感影像面状地物提取方法 | |
CN109871910A (zh) | 一种手写字符识别方法及装置 | |
CN115565201B (zh) | 禁忌图片识别方法、设备及存储介质 | |
US20230401809A1 (en) | Image data augmentation device and method | |
CN117392698A (zh) | 手绘电路图的识别方法、装置、设备和存储介质 | |
CN117251158A (zh) | 一种基于图像识别的ui界面生成方法、系统、设备及介质 | |
CN116740112A (zh) | 一种ui元素的编号方法、定位方法、装置、设备以及介质 | |
CN114021480A (zh) | 模型优化方法、设备和存储介质 | |
CN117193771A (zh) | 一种基于手绘界面的ui自动生成方法及系统 |
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 |