CN111079772A - 图像边缘提取处理方法、装置及存储介质 - Google Patents
图像边缘提取处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111079772A CN111079772A CN201911311340.5A CN201911311340A CN111079772A CN 111079772 A CN111079772 A CN 111079772A CN 201911311340 A CN201911311340 A CN 201911311340A CN 111079772 A CN111079772 A CN 111079772A
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- straight line
- circular
- contour
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 64
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 72
- 238000001914 filtration Methods 0.000 claims abstract description 52
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V10/443—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 by matching or filtering
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种图像边缘提取处理方法、装置及存储介质，方法包括：获取待处理图像，并根据灰度特征对所述待处理图像进行模板取样以得到区域图像；对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像；对所述圆形轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标；对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率；根据所述圆心坐标确定所述待处理图像的当前位置，根据所述直线斜率确定所述待处理图像的当前角度。本申请实施例提高了图像处理效率和图像的位置精度，并可实现产品定位和图像移动旋转。
Description
技术领域
本申请涉及图像处理技术领域，具体涉及一种图像边缘提取处理方法、装置及存储介质。
背景技术
目前，一般图像处理中边缘提取是通过对整张图片做图像梯度处理或二值化处理。其中，梯度处理算子主要包括：罗伯茨算子，索贝尔算子，拉普拉斯算子，普里威特算子，凯立算子等算子做一阶导或二阶导，求出图像梯度边缘；同样，二值化处理通过阈值定义，凸显出边缘区域；通过这些边缘处理算法直接对边缘散点做连接或拟合输出散点坐标；由于这些算法是对全图做处理，因此图像处理时间会很长，同时，将所有散点坐标做拟合处理，将很大程度降低图像的位置精度。
申请内容
本申请实施例的目的在于提供一种图像边缘提取处理方法、装置及存储介质，以提高图像处理效率和图像的位置精度。
为实现上述目的，第一方面，本申请实施例提供了一种图像边缘提取处理方法，包括：
获取待处理图像，并根据灰度特征对所述待处理图像进行模板取样以得到区域图像；
对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像；
对所述圆形轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标；
对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率；
根据所述圆心坐标确定所述待处理图像的当前位置，根据所述直线斜率确定所述待处理图像的当前角度。
作为本申请一种具体的实施方式，根据灰度特征对所述待处理图像进行模板取样，具体包括：
基于相关性系数迭代统计相似性，进行图像灰度特征模板取样，
其中，m为特征模板图像列数；n为特征模板图像行数；x为特征模板图像灰度值，y为原始图像灰度值，AVG为平均灰度值。
作为本申请一种具体的实施方式，对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像，具体包括：
采用canny边缘检测算子提取所述区域图像的轮廓边缘，以得到所述圆形轮廓边缘图像；
采用二值化图像处理算法提取所述区域图像的轮廓边缘，以得到所述直线轮廓边缘图像。
作为本申请一种具体的实施方式，对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像，具体包括：
采用canny边缘检测算子提取所述区域图像的轮廓边缘，以得到所述圆形轮廓边缘图像；
采用二值化图像处理算法提取所述区域图像的轮廓边缘，以得到所述直线轮廓边缘图像。
作为本申请一种具体的实施方式，对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率，具体包括：
基于图像二值化算法，对所述直线边缘图像中的直线边缘位置进行提取，寻找到直线边缘散点；
对直线边缘的散点进行噪音滤波，过滤后剩下真实边缘位置点；
对噪音滤波后的直线轮廓区域图像进行线性边缘拟合，以得到直线斜率。
第二方面，本申请实施例提供了一种图像边缘提取处理装置，包括：
取样单元，用于获取待处理图像，并根据灰度特征对所述待处理图像进行模板取样以得到区域图像；
提取单元，用于对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像；
处理单元，用于对所述圆形轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标；
所述处理单元还用于对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率；
确定单元，用于根据所述圆心坐标确定所述待处理图像的当前位置，根据所述直线斜率确定所述待处理图像的当前角度。
第三方面，本申请实施例还提供了另一种图像边缘提取处理装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其内存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
实施本申请实施例，先根据灰度特征对待处理图像进行模板取样以得到区域图像，再对区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像，进一步地对圆形/直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标和直线斜率，并根据圆心坐标和直线斜率确定待处理图像的当前位置和当前角度，从而提高图像处理效率和图像的位置精度，进而可实现产品定位和图像移动旋转。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请实施例提供的图像边缘提取处理方法的示意流程图；
图2是本申请实施例中图像灰度特征模板取样示意图；
图3是基于图像canny算子提取图像边缘的示意图；
图4是基于图像二值化算法提取图像边缘的示意图；
图5是圆形边缘位置提取示意图；
图6是直线边缘位置提取示意图；
图7是圆形边缘噪音滤波示意图；
图8是直线边缘噪音滤波示意图；
图9是圆拟合后图像示意图；
图10是直线拟合后图像示意图；
图11是获取拟合基准方向坐标和角度数据的示意图；
图12是本申请实施例提供的图像边缘提取处理装置的一种结构示意图；
图13是图像边缘提取处理装置的另一种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动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。
请参考图1，本申请实施例提供的图像边缘提取处理方法可以包括以下步骤：
S101，获取待处理图像，并根据灰度特征对待处理图像进行模板取样以得到区域图像。
如图2所示，对待处理图像进行模板取样具体为：
基于相关性系数迭代统计相似性，进行图像灰度特征模板取样，
其中，m为特征模板图像列数；n为特征模板图像行数；x为特征模板图像灰度值，y为原始图像灰度值，AVG为平均灰度值。
举例来说，原图列方向2048个像数，行方向2592个像数，在图像以行坐标1641、列坐标850为起点，取行方向562个像数、列方向340个像数作为图像的感兴趣区域，将感兴趣区域内的562*340个灰度值单独提取作为匹配模板，然后沿着原始图像中所有像数点移动模板并在每个位置计算相似度，在图像行坐标1641、列坐标850相似度为1，即模板匹配最佳位置坐标为x：1641，y：850。
S102，对区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像。
请参考图3及图4，步骤S102具体为：
(1)采用canny边缘检测算子提取所述区域图像的轮廓边缘，以得到所述圆形轮廓边缘图像；
(2)采用二值化图像处理算法提取所述区域图像的轮廓边缘，以得到所述直线轮廓边缘图像。
举例来说，对于圆的边缘提取，提取原图像以行坐标1780、列坐标855为起点，取行方向226个像数、列方向232个像数作为图像的感兴趣区域，由于步骤(1)模板匹配已找到最佳相似度位置坐标为x：1641，y：850，那么圆拟合图像区域起点坐标差为行方向：1780-1641＝139个像数(x方向)，列方向：855-850＝5个像数(y方向)；此时，圆拟合图像区域起点坐标就可以写成：x＝1641+139、y＝850+5，区域图像范围为：行方向226个像数列方向232个像数。
对于圆形的区域图像来说，对其做高斯滤波(以3个像数*3个像数作为高斯核)，采用canny边缘算子(canny阈值依据具体图像梯度而得，本专利canny阈值为0.1，canny内高斯梯度西格玛值为1.4142)提取区域图像的轮廓边缘(如图3所示)。
对于直线的区域图像来说，对其做高斯滤波(以3个像数*3个像数作为高斯核)，二值化阈值按最大类间方差法(OTSU算法)轮廓边缘提取(如图4所示)。
S103，对所述圆形轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标。
S104，对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率。
需要说明的是，步骤S103和S104之间并无先后顺序之分。
步骤S103和S104具体过程如下：
(1)特征边缘位置提取(请参考图5和图6)
基于Canny边缘检测算子，对所述圆形轮廓图像中的圆形边缘位置进行提取，以得到圆形边缘散点。
基于图像二值化算法，对所述直线边缘图像中的直线边缘位置进行提取，寻找到直线边缘散点；
例如，圆形边缘位置进行提取具体为：以图像中心坐标x:226/2＝113，y:232/2＝116为找点基准，向左右上下4个方向分别找出圆形边缘散点(如图5所示)；
例如，直线边缘位置进行提取具体为：以图像下边缘为起点(也可以按上下左右其中任意一个方向为起点，以图像要求而定)，向上找出直线边缘散点(如图6所示)。
(2)坐标滤波检测(请参考图7和图8)
对圆形边缘散点进行噪音滤波，过滤后剩下真实边缘上的点；
对直线边缘的散点进行噪音滤波，过滤后剩下真实边缘位置点。
例如，圆形边缘噪音滤波具体为：根据圆的性质“圆是轴对称图形”，取圆形边缘散点计算出圆的重心，以重心左右对称比较左右散点偏差是否大于阈值(当前阈值设定为：±2pix)，大于阈值的散点认为是噪音剔除不用；同时以重心上下对称比较上下散点偏差是否大于阈值，大于阈值的散点剔除不用；过滤后剩下真实边缘上的点(图7右图)；
例如，直线边缘噪音滤波具体为：依据中值滤波原理，水平线取竖直方向中值，竖直线取水平方向中值做滤波处理(如图8所示)；
(3)形状拟合(请参考图9、图10及图11)
对噪音滤波后的圆形轮廓区域图像进行圆形边缘拟合，以得到圆形坐标；
对噪音滤波后的直线轮廓区域图像进行线性边缘拟合，以得到直线斜率。
其中，圆形边缘拟合：采用最小二乘法拟合圆标准方程系数(公式2)，然后基于圆的中心计算方程计算出圆心坐标(公式3)，再基于圆的半径计算方程计算出半径值(公式4)。
圆形边缘拟合如下：
圆方程式:x2+y2+Dx+Ey+F＝0 (2)
圆的标准方程二次项(x2、y2)系数归一化为1；
D、E为圆的标准方程一次项(x、y)系数；
F为圆的标准方程零次项系数；
圆心坐标：
半径：
线性边缘拟合：
y＝ax+b (5)
a为线性方程一次项(x)系数；b为线性方程零次项系数；
b＝y1-ax1 (7)
y1、y2为拟合线上不同位置两个点的y坐标；x1、x2为拟合线上不同位置两个点的x坐标；a为线性方程一次项(x)系数；b为线性方程零次项系数。
S105，根据所述圆心坐标确定所述待处理图像的当前位置，根据所述直线斜率确定所述待处理图像的当前角度。
实施本申请实施例的方法，先根据灰度特征对待处理图像进行模板取样以得到区域图像，再对区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像，进一步地对圆形/直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标和直线斜率，并根据圆心坐标和直线斜率确定待处理图像的当前位置和当前角度，从而提高图像处理效率和图像的位置精度，进而可实现产品定位和图像移动旋转。
基于相同的发明构思，本申请实施例提供了一种图像边缘提取处理装置。如图12所示，该装置包括：
取样单元10，用于获取待处理图像，并根据灰度特征对所述待处理图像进行模板取样以得到区域图像；
提取单元11，用于对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像；
处理单元12，用于对所述圆形轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标；
所述处理单元12还用于对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率；
确定单元13，用于根据所述圆心坐标确定所述待处理图像的当前位置，根据确定单元，用于根据所述圆心坐标确定所述待处理图像的当前位置，根据所述直线斜率确定所述待处理图像的当前角度。
其中，所述取样单元10具体用于：
基于相关性系数迭代统计相似性，进行图像灰度特征模板取样，
其中，m为特征模板图像列数；n为特征模板图像行数；x为特征模板图像灰度值，y为原始图像灰度值，AVG为平均灰度值。
其中，所述提取单元11具体用于：
采用canny边缘检测算子提取所述区域图像的轮廓边缘，以得到所述圆形轮廓边缘图像；
采用二值化图像处理算法提取所述区域图像的轮廓边缘，以得到所述直线轮廓边缘图像。
其中，所述处理单元12具体用于：
基于Canny边缘检测算子，对所述圆形轮廓图像中的圆形边缘位置进行提取，以得到圆形边缘散点；
对圆形边缘散点进行噪音滤波，过滤后剩下真实边缘上的点；
对噪音滤波后的圆形轮廓区域图像进行圆形边缘拟合，以得到圆形坐标；
基于图像二值化算法，对所述直线边缘图像中的直线边缘位置进行提取，寻找到直线边缘散点；
对直线边缘的散点进行噪音滤波，过滤后剩下真实边缘位置点；
对噪音滤波后的直线轮廓区域图像进行线性边缘拟合，以得到直线斜率
可选地，在本申请另一实施例中，如图13所示，处理装置可以包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序，所述计算机程序包括程序指令，所述处理器101被配置用于调用所述程序指令执行上述方法实施例部分的方法。
应当理解，在本申请实施例中，所称处理器101可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。
输入设备102可以包括键盘等，输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器，并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如，存储器104还可以存储设备类型的信息。
具体实现中，本申请实施例中所描述的处理器101、输入设备102、输出设备103可执行本申请实施例提供的图像边缘提取处理方法的实施例中所描述的实现方式，在此不再赘述。
需要说明的是，关于本实施例中处理装置更为详细的介绍，请参考前述方法实施例部分，在此不再赘述。
进一步地，本申请实施例还提供了一种可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：上述图像边缘提取处理方法。
所述计算机可读存储介质可以是前述任一实施例所述的系统的内部存储单元，例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备，例如所述系统上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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申请实施例方案的目的。
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，也可以是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。
所述集成的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，或者该技术方案的全部或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-OnlyMemory)、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，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种图像边缘提取处理方法，其特征在于，包括：
获取待处理图像，并根据灰度特征对所述待处理图像进行模板取样以得到区域图像；
对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像；
对所述圆形轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标；对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率；
根据所述圆心坐标确定所述待处理图像的当前位置，根据所述直线斜率确定所述待处理图像的当前角度。
2.如权利要求1所述的方法，其特征在于，根据灰度特征对所述待处理图像进行模板取样，具体包括：
基于相关性系数迭代统计相似性，进行图像灰度特征模板取样，
其中，m为特征模板图像列数；n为特征模板图像行数；x为特征模板图像灰度值，y为原始图像灰度值，AVG为平均灰度值。
3.如权利要求1所述的方法，其特征在于，对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像，具体包括：
采用canny边缘检测算子提取所述区域图像的轮廓边缘，以得到所述圆形轮廓边缘图像；采用二值化图像处理算法提取所述区域图像的轮廓边缘，以得到所述直线轮廓边缘图像。
4.如权利要求1所述的方法，其特征在于，对所述圆形轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标，具体包括：
基于Canny边缘检测算子，对所述圆形轮廓图像中的圆形边缘位置进行提取，以得到圆形边缘散点；
对圆形边缘散点进行噪音滤波，过滤后剩下真实边缘上的点；
对噪音滤波后的圆形轮廓区域图像进行圆形边缘拟合，以得到圆形坐标。
5.如权利要求1所述的方法，其特征在于，对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率，具体包括：
基于图像二值化算法，对所述直线边缘图像中的直线边缘位置进行提取，寻找到直线边缘散点；
对直线边缘的散点进行噪音滤波，过滤后剩下真实边缘位置点；
对噪音滤波后的直线轮廓区域图像进行线性边缘拟合，以得到直线斜率。
6.一种图像边缘提取处理装置，其特征在于，包括：
取样单元，用于获取待处理图像，并根据灰度特征对所述待处理图像进行模板取样以得到区域图像；
提取单元，用于对所述区域图像进行边缘特征提取处理，以得到圆形轮廓边缘图像和直线轮廓边缘图像；
处理单元，用于对所述圆形轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到圆心坐标；
所述处理单元还用于对所述直线轮廓边缘图像进行特征边缘提取、边缘坐标滤波以及形状特征拟合处理，以得到直线斜率；
确定单元，用于根据所述圆心坐标确定所述待处理图像的当前位置，根据所述直线斜率确定所述待处理图像的当前角度。
7.如权利要求6所述的装置，其特征在于，所述取样单元具体用于：
基于相关性系数迭代统计相似性，进行图像灰度特征模板取样，
其中，m为特征模板图像列数；n为特征模板图像行数；x为特征模板图像灰度值，y为原始图像灰度值，AVG为平均灰度值。
8.如权利要求6所述的装置，其特征在于，所述提取单元具体用于：
采用canny边缘检测算子提取所述区域图像的轮廓边缘，以得到所述圆形轮廓边缘图像；
采用二值化图像处理算法提取所述区域图像的轮廓边缘，以得到所述直线轮廓边缘图像。
9.如权利要求8所述的装置，其特征在于，所述处理单元具体用于：
基于Canny边缘检测算子，对所述圆形轮廓图像中的圆形边缘位置进行提取，以得到圆形边缘散点；
对圆形边缘散点进行噪音滤波，过滤后剩下真实边缘上的点；
对噪音滤波后的圆形轮廓区域图像进行圆形边缘拟合，以得到圆形坐标；
基于图像二值化算法，对所述直线边缘图像中的直线边缘位置进行提取，寻找到直线边缘散点；
对直线边缘的散点进行噪音滤波，过滤后剩下真实边缘位置点；
对噪音滤波后的直线轮廓区域图像进行线性边缘拟合，以得到直线斜率。
10.一种图像边缘提取处理装置，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-5任一项所述的方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911311340.5A CN111079772B (zh) | 2019-12-18 | 2019-12-18 | 图像边缘提取处理方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911311340.5A CN111079772B (zh) | 2019-12-18 | 2019-12-18 | 图像边缘提取处理方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111079772A true CN111079772A (zh) | 2020-04-28 |
| CN111079772B CN111079772B (zh) | 2024-01-26 |
Family
ID=70315650
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911311340.5A Active CN111079772B (zh) | 2019-12-18 | 2019-12-18 | 图像边缘提取处理方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111079772B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815571A (zh) * | 2020-06-16 | 2020-10-23 | 理光软件研究所（北京）有限公司 | 齿轮状物体尺寸检测方法、装置、电子设备和存储介质 |
| CN111815565A (zh) * | 2020-06-11 | 2020-10-23 | 上海华虹宏力半导体制造有限公司 | 晶圆背面的检测方法、设备和存储介质 |
| CN112037287A (zh) * | 2020-08-26 | 2020-12-04 | 深圳市广宁股份有限公司 | 相机标定方法、电子设备及存储介质 |
| CN112613523A (zh) * | 2020-12-15 | 2021-04-06 | 中冶赛迪重庆信息技术有限公司 | 一种转炉出钢口钢流识别方法、系统、介质及电子终端 |
| CN112634300A (zh) * | 2020-12-25 | 2021-04-09 | 创新奇智(北京)科技有限公司 | 一种工件装配方法、装置和系统 |
| CN112907606A (zh) * | 2021-03-08 | 2021-06-04 | 中南大学 | 一种上向圆柱型深孔自动对孔方法及井下炸药现场混装车 |
| CN113052889A (zh) * | 2021-03-24 | 2021-06-29 | 奥比中光科技集团股份有限公司 | 一种深度计算方法及系统 |
| CN113327232A (zh) * | 2021-05-28 | 2021-08-31 | 河北工业大学 | 继电器触点组接触面对准方法、设备和计算机存储介质 |
| CN113744328A (zh) * | 2021-11-05 | 2021-12-03 | 极限人工智能有限公司 | 医学图像标记点识别方法、装置、电子设备及存储介质 |
| CN113870295A (zh) * | 2021-09-30 | 2021-12-31 | 常州市宏发纵横新材料科技股份有限公司 | 一种孔洞直径检测方法、计算机设备及存储介质 |
| CN114742727A (zh) * | 2022-03-31 | 2022-07-12 | 南通电博士自动化设备有限公司 | 一种基于图像平滑的噪声处理方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10116345A (ja) * | 1996-10-09 | 1998-05-06 | Fujitsu Ltd | 画像中の直線状輪郭部分抽出装置 |
| CN106204544A (zh) * | 2016-06-29 | 2016-12-07 | 南京中观软件技术有限公司 | 一种自动提取图像中标志点位置及轮廓的方法和系统 |
| CN108364311A (zh) * | 2018-01-29 | 2018-08-03 | 深圳市亿图视觉自动化技术有限公司 | 一种金属部件自动定位方法及终端设备 |
| CN108921864A (zh) * | 2018-06-22 | 2018-11-30 | 广东工业大学 | 一种光条中心提取方法及装置 |
| CN110458855A (zh) * | 2019-07-08 | 2019-11-15 | 安徽淘云科技有限公司 | 图像提取方法及相关产品 |
-
2019
- 2019-12-18 CN CN201911311340.5A patent/CN111079772B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10116345A (ja) * | 1996-10-09 | 1998-05-06 | Fujitsu Ltd | 画像中の直線状輪郭部分抽出装置 |
| CN106204544A (zh) * | 2016-06-29 | 2016-12-07 | 南京中观软件技术有限公司 | 一种自动提取图像中标志点位置及轮廓的方法和系统 |
| CN108364311A (zh) * | 2018-01-29 | 2018-08-03 | 深圳市亿图视觉自动化技术有限公司 | 一种金属部件自动定位方法及终端设备 |
| CN108921864A (zh) * | 2018-06-22 | 2018-11-30 | 广东工业大学 | 一种光条中心提取方法及装置 |
| CN110458855A (zh) * | 2019-07-08 | 2019-11-15 | 安徽淘云科技有限公司 | 图像提取方法及相关产品 |
Non-Patent Citations (1)
| Title |
|---|
| 郭成成等: "一种有效的影像中椭圆形目标提取方法", 《电子测量技术》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815565A (zh) * | 2020-06-11 | 2020-10-23 | 上海华虹宏力半导体制造有限公司 | 晶圆背面的检测方法、设备和存储介质 |
| CN111815571A (zh) * | 2020-06-16 | 2020-10-23 | 理光软件研究所（北京）有限公司 | 齿轮状物体尺寸检测方法、装置、电子设备和存储介质 |
| CN111815571B (zh) * | 2020-06-16 | 2024-04-02 | 理光软件研究所（北京）有限公司 | 齿轮状物体尺寸检测方法、装置、电子设备和存储介质 |
| CN112037287A (zh) * | 2020-08-26 | 2020-12-04 | 深圳市广宁股份有限公司 | 相机标定方法、电子设备及存储介质 |
| CN112037287B (zh) * | 2020-08-26 | 2024-02-09 | 深圳市广宁股份有限公司 | 相机标定方法、电子设备及存储介质 |
| CN112613523A (zh) * | 2020-12-15 | 2021-04-06 | 中冶赛迪重庆信息技术有限公司 | 一种转炉出钢口钢流识别方法、系统、介质及电子终端 |
| CN112613523B (zh) * | 2020-12-15 | 2023-04-07 | 中冶赛迪信息技术(重庆)有限公司 | 一种转炉出钢口钢流识别方法、系统、介质及电子终端 |
| CN112634300A (zh) * | 2020-12-25 | 2021-04-09 | 创新奇智(北京)科技有限公司 | 一种工件装配方法、装置和系统 |
| CN112907606B (zh) * | 2021-03-08 | 2022-09-27 | 中南大学 | 一种上向圆柱型深孔自动对孔方法及井下炸药现场混装车 |
| CN112907606A (zh) * | 2021-03-08 | 2021-06-04 | 中南大学 | 一种上向圆柱型深孔自动对孔方法及井下炸药现场混装车 |
| CN113052889A (zh) * | 2021-03-24 | 2021-06-29 | 奥比中光科技集团股份有限公司 | 一种深度计算方法及系统 |
| CN113052889B (zh) * | 2021-03-24 | 2024-05-31 | 奥比中光科技集团股份有限公司 | 一种深度计算方法及系统 |
| CN113327232A (zh) * | 2021-05-28 | 2021-08-31 | 河北工业大学 | 继电器触点组接触面对准方法、设备和计算机存储介质 |
| CN113870295A (zh) * | 2021-09-30 | 2021-12-31 | 常州市宏发纵横新材料科技股份有限公司 | 一种孔洞直径检测方法、计算机设备及存储介质 |
| CN113870295B (zh) * | 2021-09-30 | 2022-06-21 | 常州市宏发纵横新材料科技股份有限公司 | 一种孔洞直径检测方法、计算机设备及存储介质 |
| CN113744328A (zh) * | 2021-11-05 | 2021-12-03 | 极限人工智能有限公司 | 医学图像标记点识别方法、装置、电子设备及存储介质 |
| CN114742727A (zh) * | 2022-03-31 | 2022-07-12 | 南通电博士自动化设备有限公司 | 一种基于图像平滑的噪声处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111079772B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111079772A (zh) | 图像边缘提取处理方法、装置及存储介质 | |
| US10210415B2 (en) | Method and system for recognizing information on a card | |
| CN108875731B (zh) | 目标识别方法、装置、系统及存储介质 | |
| CN107886026B (zh) | 图形码处理方法及装置 | |
| CN108334879B (zh) | 一种区域提取方法、系统及终端设备 | |
| CN109711508B (zh) | 图像处理方法和装置 | |
| US9916513B2 (en) | Method for processing image and computer-readable non-transitory recording medium storing program | |
| CN107545223B (zh) | 图像识别方法及电子设备 | |
| CN108090486B (zh) | 一种台球比赛中的图像处理方法及装置 | |
| CN110298858B (zh) | 一种图像裁剪方法及装置 | |
| CN110428414B (zh) | 一种识别图像中票据数量的方法及装置 | |
| CN109948521B (zh) | 图像纠偏方法和装置、设备及存储介质 | |
| WO2021051939A1 (zh) | 一种证件区域定位的方法及装置 | |
| 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 | |
| CN110110697B (zh) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 | |
| CN111783777A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
| CN110135288B (zh) | 一种电子证照的快速核对方法及装置 | |
| CN113228105A (zh) | 一种图像处理方法、装置和电子设备 | |
| CN110751156A (zh) | 用于表格线大块干扰去除方法、系统、设备及介质 | |
| CN114758145A (zh) | 一种图像脱敏方法、装置、电子设备及存储介质 | |
| CN109389628B (zh) | 图像配准方法、设备和存储介质 | |
| CN106886796B (zh) | 图标位置识别方法、装置及终端设备 | |
| CN113850208A (zh) | 一种图片信息结构化方法、装置、设备及介质 | |
| US9330310B2 (en) | Methods and devices for obtaining card information | |
| CN113963004A (zh) | 一种采样方法、装置及电子设备 |
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 |