CN111260675A - 一种图像真实边界高精度提取方法及系统 - Google Patents
一种图像真实边界高精度提取方法及系统 Download PDFInfo
- Publication number
- CN111260675A CN111260675A CN202010071183.1A CN202010071183A CN111260675A CN 111260675 A CN111260675 A CN 111260675A CN 202010071183 A CN202010071183 A CN 202010071183A CN 111260675 A CN111260675 A CN 111260675A
- Authority
- CN
- China
- Prior art keywords
- boundary
- pixel point
- point
- true
- boundary pixel
- 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
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
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明提供一种图像真实边界高精度提取方法及系统,将原始图像转换为二值图像,进行边界扩展;利用Suzuki轮廓跟踪检测算法,获得扩边后的二值图像中最外层边界轮廓线内1个像素的像素中心;设置相应的坐标偏移量,获得最外层边界像素点在未扩边二值图像上的像素坐标;遍历所有边界像素点,逐一判定下一边界像素点与当前边界像素点的8近邻域位置关系,添加真边界顶点,生成无像素差的真边界顶点集合;去除重复的边界顶点,得到非冗余的真边界顶点集合;判断真边界顶点集合的连续性,得到非冗余且连续的真边界顶点集合;当选择对图像边界进行压缩时,压缩保存边界顶点集合。本发明可解决Suzuki轮廓跟踪检测的缺陷,从而获取图像真实、完整的最外层边界。
Description
技术领域
本发明属于数字图像处理领域,特别是涉及一种图像真实边界高精度提取方法及系统。
背景技术
边界或边缘提取,指数字图像处理中,对于图像轮廓的一个处理。灰度图像中,对于边界处,灰度值变化最剧烈的地方,就定义为边缘。在二值图像中,白色区域(值为255)与黑色区域(值为0)交界处即为边界,其中外边界(outer border)定义为任意l像素组与直接围绕它的0像素组之间的1边界点集,内边界(hole border)定义为孔与直接围绕它的l像素组之间的1边界点集。图像真实边界提取分析与研究,对图像拼接(特别是对一定数量单张正射影像DOM的高精度拼接)、图像压缩与编码、目标检测与提取、场景结构感知等领域有着极高的应用价值。
常见的图像边界检测方法有Sobel算子、Robert算子、Prewitt算子等,其中:
文献1中的Sobel算子把图像中每个像素的上下左右四邻域的灰度值加权差,在边缘处达到极值从而检测边缘。Sobel算子不但产生较好的检测效果,而且对噪声具有平滑抑制作用,但是得到的边缘较粗,且可能出现伪边缘。
文献2中使用的Robert算子是一种利用局部差分算子寻找边缘的算子,由于Robert算子通常会在图像边缘附近的区域内产生较宽的响应,故采用上述算子检测的边缘图像常需做细化处理,边缘定位的精度不高,易丢失边缘点。
文献3中的Prewitt算子是一种一阶微分算子的边缘检测,利用像素点上下、左右邻点的灰度差,在边缘处达到极值检测边缘,去掉部分伪边缘,对噪声具有平滑作用。抑制噪声导致Prewitt算子对边缘的定位不如Roberts算子。
文献4中的Suzuki轮廓跟踪检测方法确定了两种边界——外边界(outer border)和内边界(hole border)及他们之间的环绕关系。由于这些边界和原图的区域具有一一对应关系,因此可用边界来表示原二值图。一方面,由于Suzuki轮廓跟踪方法在跟踪外边界时,需要用到像素点的8近邻域信息,对于“边界点刚好位于图像的最边缘”的特殊情况,不能找到位于原图像边缘的边界点;另一方面,该方法追踪提取的轮廓为真边界内侧1个像素的中心点位置,其与真边界存在0.5个像素的距离偏差,即无法完整、高精度地提取图像真实的最外层边界。
以上经典的边界提取方法提取得到的并非图像的高精度真实边界,可能存在图像轮廓的局部缺失或偏移,这将致使:对多幅有重叠部分的图像(例如一定数量的单张正射影像DOM)在进行图像拼接时,由于提取的图像Mask边界不准确,导致产生拼接缝隙的问题。
[文献1]Sobel I,Feldman G.A 3x3 isotropic gradient operator for imageprocessing[C].A talk at the Stanford Artificial Project in 1968,1968.pp.271-272.
[文献2]陈涛,卜佳俊.一种新颖的基于边缘检测的图像分割方法[J].计算机工程,2003,29(07):152-154.
[文献3]安建尧,李金新,孙双平.基于Prewitt算子的红外图像边缘检测改进方法[J].杭州电子科技大学学报(自然科学版),2018,38(5):18-23+39.
[文献4]Satoshi Suzuki,Keiichi Abe.Topological structural analysis ofdigitized binary images by border following[J].Computer Vision,Graphics,andImage Processing,1985,30(1):32-46.
发明内容
为了解决上述问题,本发明提供了一种图像真实边界高精度提取技术方案。通过该技术方案,可以解决Suzuki轮廓跟踪检测方法在跟踪外边界时存在的两个问题:(1)有时可能无法获得边界上部分区域的边界点(2)获得边界点一般存在0.5个像素距离偏差,主要目的是获取图像真实、完整的最外层边界,从而显著提升图像最外层边界提取的完整性和精度,避免多张非真实边界的影像在拼接时会出现累计误差、产生接缝线缝隙等问题。
为了达到上述目的,本发明技术方案提供一种图像真实边界高精度提取方法,包括如下步骤:
(1)首先将原始图像转换为二值图像;
(2)对二值图像进行边界扩展,得到扩边后的二值图像;
(3)利用Suzuki轮廓跟踪检测算法,获得扩边后的二值图像中最外层边界轮廓线内1个像素的像素中心,得到边界像素点集合;
(4)设置与扩边相应的坐标偏移量,获得最外层边界像素点在未扩边二值图像上的像素坐标;
(5)遍历所有边界像素点,逐一判定下一边界像素点与当前边界像素点的8近邻域位置关系,根据下一边界像素点与当前边界像素点的近邻域位置关系,逐一添加真边界顶点,生成无像素差的真边界顶点集合;
(6)去除重复的边界顶点,得到非冗余的真边界顶点集合;
(7)判断真边界顶点集合的连续性,并保证得到非冗余且连续的真边界顶点集合;
(8)当选择对图像边界进行压缩时,压缩保存步骤7得到的边界顶点集合。
而且,步骤2中,边界扩展实现方式为,分别在原始图像左方left、右方right、上方top及下方bottom,为图像增加2个像素宽度。
而且,步骤4中,所述坐标偏移量为(-2,-2),通过坐标偏移获得边界像素点在未扩边二值图像上的像素坐标。
而且,步骤5中,根据下一边界像素点与当前边界像素点的近邻域位置关系,逐一添加真边界顶点,实现方式如下,
设当前边界像素点为P(ui,vj),根据当前边界像素点和下一边界像素点的像素坐标来判定下一边界像素点在当前边界像素点的某个方位di,根据下一边界像素点与当前边界像素点的近邻域位置关系添加真边界顶点如下,
当下一边界像素点坐标为Q(ui+1,vj)时,下一边界像素点在当前边界点的右方,添加的真边界点为:当前边界像素点的左下角、右下角,及下一边界像素点的右下角;
当下一边界像素点坐标为Q(ui+1,vj-1)时,下一边界像素点在当前边界像素点的右上方,添加的真边界点为:当前边界像素点的右下角、右上角,及下一边界像素点的右下角;
当下一边界像素点坐标为Q(ui,vj-1)时,下一边界像素点在当前边界像素点的正上方,添加的真边界点为:当前边界像素点的右下角、右上角,及下一边界像素点的右上角;
当下一边界像素点坐标为Q(ui-1,vj-1)时,下一边界像素点在当前边界像素点的左上方,添加的真边界点为:当前边界像素点的右上角、左上角,及下一边界像素点的右上角;
当下一边界像素点坐标为Q(ui-1,vj)时,下一边界像素点在当前边界像素点的左方,添加的真边界点为:当前边界像素点的右上角、左上角,及下一边界像素点的左上角;
当下一边界像素点坐标为Q(ui-1,vj+1)时,下一边界像素点在当前边界像素点的左下方,添加的真边界点为:当前边界像素点的左上角、左下角,及下一边界像素点的左上角;
当下一边界像素点坐标为Q(ui,vj+1)时,下一边界像素点在当前边界像素点的正下方,添加的真边界点为:当前边界像素点的左上角、左下角,及下一边界像素点的左下角;
当下一边界像素点坐标为Q(ui+1,vj+1)时,下一边界像素点在当前边界像素点的右下方,添加的真边界点为:当前边界像素点的左下角、右下角,及下一边界像素点的左下角。
而且,步骤6中,去除重复的边界顶点的实现方式为,
假设当前为第m次查找,添加的真边界顶点为BPm,n,第m-1次查找添加的真边界顶点为BPm-1,n,n=0,1,2,那么:
如果BPm,0=BPm-1,1,即当前添加的的第1个真实边界轮廓顶点与上一次添加的第2个真实边界轮廓点是同一个点,那么去掉上一次添加的第2个真实边界轮廓点BPm-1,1、第3个真实边界轮廓点BPm-1,2;
如果BPm,0=BPm-1,2,即当前添加的的第1个真实边界轮廓顶点与上一次添加的第3个真实边界轮廓顶点是同一个点,那么去掉上一次添加的第3个真实边界轮廓顶点BPm-1,2。
而且,步骤7中,判断真边界顶点集合的连续性实现方式为,在去除重复边界顶点后,判断真边界顶点集合中任意两个相邻边界点的距离是否都等于1,若真边界顶点集合中任意两个相邻边界点的距离都等于1,则得到的是非冗余且连续的真边界顶点集合。
若遇到存在两个相邻边界点的距离不等于1的情况,则表示存在重复点或边界点不连续,在去除重复点或添加相应边界顶点后,得到非冗余且连续的边界顶点集合。
而且,步骤8中,压缩矢量边界的实现方式为,根据实际需要设置压缩的限差阈值D,使用道格拉斯-普克法算法压缩真边界矢量数据,得到压缩后的图像真边界顶点集合。
本发明提供一种图像真实边界高精度提取系统,用于执行如上所述的图像真实边界高精度提取方法。
本发明方法具有以下显著效果:
1.解决现有图像最外层边界提取方法存在的一些问题(例如,可能无法获得最外层边界上部分区域的边界点,以及获得边界点一般存在0.5个像素距离偏差),提高现有图像最外层边界提取方法——Suzuki轮廓跟踪检测方法的精度和完整度,实现对图像最外层边界的高精度和完整提取,从而获得非冗余且连续的最外层边界顶点集合。
2.运用道格拉斯-普克方法实现对图像边界点的压缩,在保证轮廓尽量逼近真实边界(满足边界压缩的设定精度)的情况下,有效降低边界矢量数据的存储空间,并可以通过参数设置控制图像边界的压缩程度。
附图说明
图1为本发明实施例中提取图像的真实最外层边界的方法流程图;
图2为本发明实施例中二值图像扩展边界后的示意图;
图3为本发明实施例中添加真边界顶点示意图,其中图3a为di=0时添加真边界顶点示意图,图3b为di=1时添加真边界顶点示意图,图3c为di=2时添加真边界顶点示意图,图3d为di=3时添加真边界顶点示意图,图3e为di=4时添加真边界顶点示意图,图3f为di=5时添加真边界顶点示意图,图3g为di=6时添加真边界顶点示意图,图3h为di=6时添加真边界顶点示意图;
图4为本发明实施例中图像的真实最外层边界提取效果图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,通过具体实例和相关附图,对本发明作进一步详细说明。
本发明基于经典的Suzuki轮廓跟踪检测方法,首先将原始图像转换成二值图像,对二值图像在上下左右方向上分别扩展2个像素宽度,再利用Suzuki轮廓跟踪检测方法获得扩展图像的轮廓边界像素点,设置该轮廓坐标偏移量为(-2,-2),即获得边界像素点在原图像上的像素坐标;然后,遍历所有边界像素点,逐一判定下一边界像素点与当前边界像素点的8近邻域位置关系(8方位关系),根据下一边界像素点与当前边界像素点的近邻域位置关系,逐一添加真边界顶点,生成无像素差的真边界顶点集合,然后去除重复的边界顶点,再判断真边界顶点集合的连续性,并保证得到非冗余且连续的真边界顶点集合;最后,还可选择将获得的真边界矢量数据压缩保存。
本发明实施例是基于Suzuki轮廓跟踪检测方法提出改进的一种图像真实边界高精度提取方法,具体流程如图1所示:
步骤1.首先将原始图像转换为二值图像,图像中的任何像素点的灰度值均为0或者255,分别代表黑色和白色。
步骤2.获取扩展边界后的二值图像
具体实施时,可以设置扩展增加N个像素,N大于等于1即可。但考虑到若N的值太大,会浪费存储空间,也可能会影响计算效率。优选地,N的值取2。
实施例中,首先利用原始二进制图像进行扩边操作,边界扩展方法为:分别在原始图像左方left、右方right、上方top及下方bottom,为图像增加2个像素宽度,二进制图像(Binary Image)扩展边界后的效果图如图2所示。该步骤获得扩展边界后的二值图像,以便于Suzuki轮廓跟踪检测方法在使用8近邻域搜索方法查找边界时,避免“边界刚好位于图像的外围边缘”时不能找到位于原图像边缘的边界点问题。
步骤3.获取二值图像的最外层边界像素点
利用Suzuki轮廓跟踪检测方法,获得扩边后二值图像中最外层边界(outermostborders)轮廓线内1个像素的像素中心(边界像素点)集合。
步骤4.获取在原二值图像像素坐标系下的最外层边界像素点坐标
假设步骤2在原始图像左方left、右方right、上方top及下方bottom各增加N个像素,相应地,需要设置坐标偏移量(-N,-N),才能获得最外层边界像素点在未扩边二值图像上(原图像)的像素坐标。
实施例中,在边界扩展后,利用Suzuki轮廓跟踪检测方法可以获得“位于图像的最边缘”的外边界像素点,然而此时的边界像素点坐标非原始图像像素坐标系坐标,需要经坐标偏移(-2,-2)后,即为原始图像像素坐标系坐标。
步骤5.获取二值图像真边界顶点
遍历所有边界像素点,根据下一边界像素点与当前边界像素点的8近邻域位置关系(方位关系),逐一添加真边界顶点,生成无像素差的真边界顶点集合,解决了Suzuki轮廓跟踪检测方法不能找到真实边界的问题,消除了0.5个像素的误差。具体是指:在添加真边界顶点时,从边界像素点集合(Suzuki轮廓跟踪检测方法获得的最外层边界点集合,是沿逆时针方向存储的一串连续的外边界点)中的第1个边界像素点开始,遍历所有边界像素点,根据下一边界像素点与当前边界像素点的近邻域位置关系(方位关系di),逐一添加真边界顶点。两相邻边界像素点存在表1及图3所示的8种近邻域位置关系,添加的真边界顶点(三角形顶点)分别对应8种情况的不同位置,箭头所指为下一边界像素点所在方向。
表1通过边界像素点添加真边界顶点
假设当前边界像素点为P(ui,vj),根据当前边界像素点和下一边界像素点的像素坐标来判定下一边界像素点在当前边界像素点的某个方位di,根据下一边界像素点与当前边界像素点的近邻域位置关系(方位关系di)添加真边界顶点。具体规则如下:
当下一边界像素点坐标为Q(ui+1,vj)时,下一边界像素点在当前边界点的右方(此时的方位di=0),添加的真边界点为:当前边界像素点的左下角、右下角,及下一边界像素点的右下角;
当下一边界像素点坐标为Q(ui+1,vj-1)时,下一边界像素点在当前边界像素点的右上方(此时的方位di=1),添加的真边界点为:当前边界像素点的右下角、右上角,及下一边界像素点的右下角;
当下一边界像素点坐标为Q(ui,vj-1)时,下一边界像素点在当前边界像素点的正上方(此时的方位di=2),添加的真边界点为:当前边界像素点的右下角、右上角,及下一边界像素点的右上角;
当下一边界像素点坐标为Q(ui-1,vj-1)时,下一边界像素点在当前边界像素点的左上方(此时的方位di=3),添加的真边界点为:当前边界像素点的右上角、左上角,及下一边界像素点的右上角;
当下一边界像素点坐标为Q(ui-1,vj)时,下一边界像素点在当前边界像素点的左方(此时的方位di=4),添加的真边界点为:当前边界像素点的右上角、左上角,及下一边界像素点的左上角;
当下一边界像素点坐标为Q(ui-1,vj+1)时,下一边界像素点在当前边界像素点的左下方(此时的方位di=5),添加的真边界点为:当前边界像素点的左上角、左下角,及下一边界像素点的左上角;
当下一边界像素点坐标为Q(ui,vj+1)时,下一边界像素点在当前边界像素点的正下方(此时的方位di=6),添加的真边界点为:当前边界像素点的左上角、左下角,及下一边界像素点的左下角;
当下一边界像素点坐标为Q(ui+1,vj+1)时,下一边界像素点在当前边界像素点的右下方(此时的方位di=7),添加的真边界点为:当前边界像素点的左下角、右下角,及下一边界像素点的左下角。
步骤6.去除二值图像重复边界顶点
当连续两次查找及添加真实边界轮廓点后,可能存在0~2个重复边界顶点。比较当前添加的第1个真实边界轮廓顶点像素坐标与上一次添加的第2个真实边界轮廓点像素坐标是否相等,若相等,则存在2个重复的真实边界顶点;比较当前添加的第1个真实边界轮廓顶点像素坐标与上一次添加的第3个真实边界轮廓点像素坐标是否相等,若相等,则存在1个重复的真实边界顶点。具体实现为:
假设当前为第m次查找,添加的真边界顶点为BPm,n(n=0,1,2),第m-1次查找添加的真边界顶点为BPm-1,n(n=0,1,2),那么:
如果BPm,0=BPm-1,1,即当前添加的(通过2个边界点,找到的3个真边界点)的第1个真实边界轮廓顶点与上一次添加(通过2个边界点,找到的3个真边界点)的第2个真实边界轮廓点是同一个点,那么去掉上一次添加的第2个真实边界轮廓点BPm-1,1、第3个真实边界轮廓点BPm-1,2;
如果BPm,0=BPm-1,2,即当前添加的(通过2个边界点,找到的3个真边界点)的第1个真实边界轮廓顶点与上一次添加(通过2个边界点,找到的3个真边界点)的第3个真实边界轮廓顶点是同一个点,那么去掉上一次添加的第3个真实边界轮廓顶点BPm-1,2。
步骤7.判断并保证得到非冗余且连续的真边界顶点集合
判断真边界顶点集合的连续性,并保证得到非冗余且连续的真边界顶点集合。在去除重复边界顶点后,判断真边界顶点集合中任意两个相邻边界点的距离是否都等于1。若真边界顶点集合中任意两个相邻边界点的距离都等于1,则得到的是非冗余且连续的真边界顶点集合。
若遇到存在两个相邻边界点的距离不等于1的情况(经过大量实验测试表明,一般不存在这样的情况),则表示存在重复点(重复点没有剔除干净)或边界点不连续,可以输出这两个边界点的像素坐标,提示用户处理(去除重复点或添加相应边界顶点),得到非冗余且连续的边界顶点集合。
步骤8.二值图像真边界压缩
压缩保存得到的真边界顶点集合。压缩矢量边界的方法是:根据实际需要来设置压缩的限差阈值D(以像素为单位),使用道格拉斯-普克法方法压缩真边界矢量数据,最终剩下的一些真边界顶点即为压缩后的图像真边界顶点集合。在保证矢量曲线形状近乎不变(满足边界压缩的设定精度)的情况下,最大限度压缩曲线点数,能有效降低边界矢量数据的存储空间;并可以通过参数设置控制图像边界的压缩程度。具体所述时,可以根据实际情况预先设置压缩的限差阈值D,例如图像最外层边界提取的精度要求在M个像素以内,则设置D=M个像素。
具体实施时,可以设置流程为判断是否需要压缩,若否,则直接输出图像最外层边界的真边界顶点集合;若是,则压缩真边界顶点,输出压缩后的图像最外层边界顶点集合。
参见图4,其中,黑色圆点边界点为Suzuki方法提取得到二值图像的最外层边界轮廓线内1个像素的像素中心,标记的三角形顶点是本发明方法提取得到二值图像的连续真边界点。
具体实施时,以上流程可采用计算机软件技术实现自动运行流程。运行本发明方法的相应系统装置也应当在保护范围内。
以上对本发明的具体实施例进行了描述,应当指出的是,本领域技术人员在不脱离上述实施方式的前提下,还可以做出若干变化或修改,这些都属于本发明的保护范围。
Claims (8)
1.一种图像真实边界高精度提取方法,其特征在于,包括如下步骤:
(1)首先将原始图像转换为二值图像;
(2)对二值图像进行边界扩展,得到扩边后的二值图像;
(3)利用Suzuki轮廓跟踪检测算法,获得扩边后的二值图像中最外层边界轮廓线内1个像素的像素中心,得到边界像素点集合;
(4)设置与扩边相应的坐标偏移量,获得最外层边界像素点在未扩边二值图像上的像素坐标;
(5)遍历所有边界像素点,逐一判定下一边界像素点与当前边界像素点的8近邻域位置关系,根据下一边界像素点与当前边界像素点的近邻域位置关系,逐一添加真边界顶点,生成无像素差的真边界顶点集合;
(6)去除重复的边界顶点,得到非冗余的真边界顶点集合;
(7)判断真边界顶点集合的连续性,并保证得到非冗余且连续的真边界顶点集合;
(8)当选择对图像边界进行压缩时,压缩保存步骤7得到的边界顶点集合。
2.如权利要求1所述图像真实边界高精度提取方法,其特征在于:步骤2中,边界扩展实现方式为,分别在原始图像左方left、右方right、上方top及下方bottom,为图像增加2个像素宽度。
3.如权利要求2所述图像真实边界高精度提取方法,其特征在于:步骤4中,所述坐标偏移量为(-2,-2),通过坐标偏移获得边界像素点在未扩边二值图像上的像素坐标。
4.如权利要求1所述图像真实边界高精度提取方法,其特征在于:步骤5中,根据下一边界像素点与当前边界像素点的近邻域位置关系,逐一添加真边界顶点,实现方式如下,
设当前边界像素点为P(ui,vj),根据当前边界像素点和下一边界像素点的像素坐标来判定下一边界像素点在当前边界像素点的某个方位di,根据下一边界像素点与当前边界像素点的近邻域位置关系添加真边界顶点如下,
当下一边界像素点坐标为Q(ui+1,vj)时,下一边界像素点在当前边界点的右方,添加的真边界点为:当前边界像素点的左下角、右下角,及下一边界像素点的右下角;
当下一边界像素点坐标为Q(ui+1,vj-1)时,下一边界像素点在当前边界像素点的右上方,添加的真边界点为:当前边界像素点的右下角、右上角,及下一边界像素点的右下角;
当下一边界像素点坐标为Q(ui,vj-1)时,下一边界像素点在当前边界像素点的正上方,添加的真边界点为:当前边界像素点的右下角、右上角,及下一边界像素点的右上角;
当下一边界像素点坐标为Q(ui-1,vj-1)时,下一边界像素点在当前边界像素点的左上方,添加的真边界点为:当前边界像素点的右上角、左上角,及下一边界像素点的右上角;
当下一边界像素点坐标为Q(ui-1,vj)时,下一边界像素点在当前边界像素点的左方,添加的真边界点为:当前边界像素点的右上角、左上角,及下一边界像素点的左上角;
当下一边界像素点坐标为Q(ui-1,vj+1)时,下一边界像素点在当前边界像素点的左下方,添加的真边界点为:当前边界像素点的左上角、左下角,及下一边界像素点的左上角;
当下一边界像素点坐标为Q(ui,vj+1)时,下一边界像素点在当前边界像素点的正下方,添加的真边界点为:当前边界像素点的左上角、左下角,及下一边界像素点的左下角;
当下一边界像素点坐标为Q(ui+1,vj+1)时,下一边界像素点在当前边界像素点的右下方,添加的真边界点为:当前边界像素点的左下角、右下角,及下一边界像素点的左下角。
5.如权利要求1所述图像真实边界高精度提取方法,其特征在于:步骤6中,去除重复的边界顶点的实现方式为,
假设当前为第m次查找,添加的真边界顶点为BPm,n,第m-1次查找添加的真边界顶点为BPm-1,n,n=0,1,2,那么:
如果BPm,0=BPm-1,1,即当前添加的的第1个真实边界轮廓顶点与上一次添加的第2个真实边界轮廓点是同一个点,那么去掉上一次添加的第2个真实边界轮廓点BPm-1,1、第3个真实边界轮廓点BPm-1,2;
如果BPm,0=BPm-1,2,即当前添加的的第1个真实边界轮廓顶点与上一次添加的第3个真实边界轮廓顶点是同一个点,那么去掉上一次添加的第3个真实边界轮廓顶点BPm-1,2。
6.如权利要求1所述图像真实边界高精度提取方法,其特征在于:步骤7中,判断真边界顶点集合的连续性实现方式为,在去除重复边界顶点后,判断真边界顶点集合中任意两个相邻边界点的距离是否都等于1,若真边界顶点集合中任意两个相邻边界点的距离都等于1,则得到的是非冗余且连续的真边界顶点集合。
若遇到存在两个相邻边界点的距离不等于1的情况,则表示存在重复点或边界点不连续,在去除重复点或添加相应边界顶点后,得到非冗余且连续的边界顶点集合。
7.如权利要求1或2或3或4或5或6所述图像真实边界高精度提取方法,其特征在于:步骤8中,压缩矢量边界的实现方式为,根据实际需要设置压缩的限差阈值D,使用道格拉斯-普克法算法压缩真边界矢量数据,得到压缩后的图像真边界顶点集合。
8.一种图像真实边界高精度提取系统,其特征在于:用于执行如权利要求1至7所述的图像真实边界高精度提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010071183.1A CN111260675B (zh) | 2020-01-21 | 2020-01-21 | 一种图像真实边界高精度提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010071183.1A CN111260675B (zh) | 2020-01-21 | 2020-01-21 | 一种图像真实边界高精度提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111260675A true CN111260675A (zh) | 2020-06-09 |
CN111260675B CN111260675B (zh) | 2022-07-05 |
Family
ID=70947983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010071183.1A Active CN111260675B (zh) | 2020-01-21 | 2020-01-21 | 一种图像真实边界高精度提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260675B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112055256A (zh) * | 2020-09-16 | 2020-12-08 | 聚好看科技股份有限公司 | 一种全景图像的图像处理方法及显示设备 |
CN112465850A (zh) * | 2020-12-08 | 2021-03-09 | 中国科学院计算技术研究所数字经济产业研究院 | 外围边界建模方法、智能监控方法及装置 |
CN112508988A (zh) * | 2021-01-14 | 2021-03-16 | 西安中科星图空间数据技术有限公司 | 一种遥感影像镶嵌线精确提取方法及装置 |
CN117011532A (zh) * | 2022-09-23 | 2023-11-07 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、存储介质及程序产品 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663700A (zh) * | 2012-04-13 | 2012-09-12 | 福州大学 | 粘连颗粒二值图像的分割方法 |
CN106326872A (zh) * | 2016-08-27 | 2017-01-11 | 上海盟云移软网络科技股份有限公司 | 一种扩增现实系统中手势轮廓的提取方法 |
US20170337693A1 (en) * | 2016-05-23 | 2017-11-23 | Intel Corporation | Method and system of real-time image segmentation for image processing |
CN108230388A (zh) * | 2018-02-06 | 2018-06-29 | 广西艾盛创制科技有限公司 | 一种白车身焊点图像的识别定位方法 |
CN108427946A (zh) * | 2018-03-16 | 2018-08-21 | 福州大学 | 复杂场景下基于内特征和文本域布局的驾驶证检测识别方法 |
CN109410227A (zh) * | 2018-05-15 | 2019-03-01 | 刘宇轩 | 一种基于gvf模型的土地利用图斑轮廓提取算法 |
CN110533648A (zh) * | 2019-08-28 | 2019-12-03 | 上海复硕正态企业管理咨询有限公司 | 一种黑头识别处理方法及系统 |
CN110689492A (zh) * | 2019-09-17 | 2020-01-14 | 珠海天燕科技有限公司 | 图像边缘平滑方法和装置 |
CN110705560A (zh) * | 2019-10-14 | 2020-01-17 | 上海眼控科技股份有限公司 | 轮胎文本的获取方法及装置、轮胎规格的检测方法 |
-
2020
- 2020-01-21 CN CN202010071183.1A patent/CN111260675B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663700A (zh) * | 2012-04-13 | 2012-09-12 | 福州大学 | 粘连颗粒二值图像的分割方法 |
US20170337693A1 (en) * | 2016-05-23 | 2017-11-23 | Intel Corporation | Method and system of real-time image segmentation for image processing |
CN106326872A (zh) * | 2016-08-27 | 2017-01-11 | 上海盟云移软网络科技股份有限公司 | 一种扩增现实系统中手势轮廓的提取方法 |
CN108230388A (zh) * | 2018-02-06 | 2018-06-29 | 广西艾盛创制科技有限公司 | 一种白车身焊点图像的识别定位方法 |
CN108427946A (zh) * | 2018-03-16 | 2018-08-21 | 福州大学 | 复杂场景下基于内特征和文本域布局的驾驶证检测识别方法 |
CN109410227A (zh) * | 2018-05-15 | 2019-03-01 | 刘宇轩 | 一种基于gvf模型的土地利用图斑轮廓提取算法 |
CN110533648A (zh) * | 2019-08-28 | 2019-12-03 | 上海复硕正态企业管理咨询有限公司 | 一种黑头识别处理方法及系统 |
CN110689492A (zh) * | 2019-09-17 | 2020-01-14 | 珠海天燕科技有限公司 | 图像边缘平滑方法和装置 |
CN110705560A (zh) * | 2019-10-14 | 2020-01-17 | 上海眼控科技股份有限公司 | 轮胎文本的获取方法及装置、轮胎规格的检测方法 |
Non-Patent Citations (2)
Title |
---|
BUDHIKA G. MENDIS: "Suzuki segregation in a binary Cu-Si alloy", 《MICROSCOPY》 * |
毛国庆: "基于图像处理的钢管缺陷在线监测算法研究", 《测绘地理信息》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112055256A (zh) * | 2020-09-16 | 2020-12-08 | 聚好看科技股份有限公司 | 一种全景图像的图像处理方法及显示设备 |
CN112465850A (zh) * | 2020-12-08 | 2021-03-09 | 中国科学院计算技术研究所数字经济产业研究院 | 外围边界建模方法、智能监控方法及装置 |
CN112508988A (zh) * | 2021-01-14 | 2021-03-16 | 西安中科星图空间数据技术有限公司 | 一种遥感影像镶嵌线精确提取方法及装置 |
CN117011532A (zh) * | 2022-09-23 | 2023-11-07 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、存储介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111260675B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260675B (zh) | 一种图像真实边界高精度提取方法及系统 | |
CN110717489B (zh) | Osd的文字区域的识别方法、装置及存储介质 | |
US10187546B2 (en) | Method and device for correcting document image captured by image pick-up device | |
US8401333B2 (en) | Image processing method and apparatus for multi-resolution feature based image registration | |
JP4926116B2 (ja) | 画像検査装置 | |
CN110648349A (zh) | 基于背景减除和连通区域算法的焊缝缺陷分割方法 | |
JP2010171976A (ja) | 歪み文書画像を補正する方法及びシステム | |
CN113744142B (zh) | 图像修复方法、电子设备及存储介质 | |
JP6956325B2 (ja) | レーン特定方法およびレーン特定装置 | |
JP6177541B2 (ja) | 文字認識装置、文字認識方法及びプログラム | |
CN109377515A (zh) | 一种基于改进ViBe算法的运动目标检测方法及系统 | |
CN113723399A (zh) | 一种车牌图像矫正方法、车牌图像矫正装置和存储介质 | |
US9077926B2 (en) | Image processing method and image processing apparatus | |
CN111598088A (zh) | 目标检测方法、装置、计算机设备及可读存储介质 | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
CN107481253B (zh) | 一种基于边缘的斑点检测方法 | |
CN107369150B (zh) | 一种检测矩形目标的方法及矩形目标检测装置 | |
Qin et al. | Automatic semantic content removal by learning to neglect | |
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 | |
JP6910622B2 (ja) | 画像処理システム | |
RU2582554C1 (ru) | Устройство восстановления двумерных сигналов на основе реконструкции искаженных пикселей изображений | |
KR102674346B1 (ko) | Rgb-d 카메라를 이용한 실시간 파이프 재구성 방법 및 장치 | |
JP2980810B2 (ja) | 動きベクトル探索方法と装置 | |
CN114648542A (zh) | 一种目标物提取方法、装置、设备及可读存储介质 | |
Lee et al. | Image recomposition using seam carving and insertion considering the rule of thirds |
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 |