CN111275050B - 一种图像骨架线提取处理方法及装置 - Google Patents
一种图像骨架线提取处理方法及装置 Download PDFInfo
- Publication number
- CN111275050B CN111275050B CN202010060281.5A CN202010060281A CN111275050B CN 111275050 B CN111275050 B CN 111275050B CN 202010060281 A CN202010060281 A CN 202010060281A CN 111275050 B CN111275050 B CN 111275050B
- Authority
- CN
- China
- Prior art keywords
- line
- color block
- color
- skeleton
- image
- 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
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像骨架线提取处理方法及装置。其中方法包括步骤:S1,提取输入图像各色块连通域的多方向色段线和轮廓线;S2,在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线;S3,提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别;S4,对色块骨架线上的像素点进行分类,并根据分类结果生成图像的骨架线。装置包括第一获取模块、第二获取模块、识别模块、生成模块。该方法及装置可有效描述图像的稳定骨架特征,提高各种图像检索的匹配效果,并克服由于提取的文字图像骨架线笔划与文字本身的笔划不对应而导致骨架线失真的问题。
Description
技术领域
本发明涉及图像识别领域,特别涉及一种图像骨架线提取处理方法及装置。
背景技术
图像骨架是对物体形状特征的一种简化描述方式,正确获得图像骨架特征在图像识别技术应用方面具有重要意义。简洁准确的图像骨架能够突出图像所描述的物体的整体结构,反映物体的形状构成信息,因而在数字图像分析中具有重要的地位,图像骨架提取是进行图像识别、线条类图像目标分析的重要手。
图像骨架线现有的提取方法有很多,但主要有迭代和非迭代两大类。在迭代算法中,又分为并行迭代和顺序迭代两种。这两种方法都是对二值图像操作的,基本思想都是从目标外围往目标中心,利用以待检测像素为中心3*3像素窗口的特征,对目标不断腐蚀细化,直至腐蚀到不能再腐蚀(单层像素宽度),就得到了图像的骨架线。
图像骨架线可以有效描述图像的稳定特征,消除多种因素造成的图像轮廓失真影响,但在文字类图像的骨架提取时,明显存在如下局限或缺陷:
1)、同一文字不同的字体所提取出的骨架线存在差异,以使相同文字的图像骨架特征不同,在相同文字图像检索时造成图像骨架特征匹配困难。
2)、传统方法提取的文字图像骨架线笔划与文字本身的笔划不对应,导致骨架线失真。
发明内容
鉴于上述现有技术的不足之处,本发明的目的在于提供图像骨架线提取处理方法及装置。
为了达到上述目的,本发明采取了以下技术方案:
一种图像骨架线提取处理方法,包括步骤:
S1,提取输入图像各色块连通域的多方向色段线和轮廓线;
S2,在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线;
S3,提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别;
S4,对色块骨架线上的像素点进行分类,并根据分类结果生成图像的骨架线。
所述的图像骨架线提取处理方法中,步骤S1包括:
S101,提取输入图像每一像素点的颜色值,对输入图像进行色块连通域的分割,获得像素点色块连通域数据表;
S102,在像素点色块连通域数据表中,逐行标记每个色块连通域色段线号,获得水平向的色块连通域色段线,并逐列标记每个色块连通域色段线号,获得垂直向的色块连通域色段线;和/或逐左斜向标记每个色块连通域色段线号,获得左斜向的色块连通域色段线,并逐右斜向标记每个色块连通域色段线号,获得右斜向的色块连通域色段线;其中,所述色块连通域色段线是指在同一色块连通域内在同一方向上连续相连的像素点所构成的线段。
S103,将色块连通域各色段线的端点的集合作为输入图像色块连通域轮廓线。
所述的图像骨架线提取处理方法中,所述方向对是指由两个方向所构成的方向组合,且该组合中的某一方向与另一方向互为90度角相交。
所述的图像骨架线提取处理方法中,步骤S2包括:
S21,在方向对上提取色块连通域色段线的中点;
S22,计算色块连通域色段线中点连线长度;
S23,将色段线中点连线中较长的线段作为色块骨架线。
所述的图像骨架线提取处理方法中,步骤S21包括:
S201,统计该色块连通域色段线的像素点总数,将该像素点总数作为色块连通域色段线的线长;
S202,当线长数为奇数时,以位于该色块连通域色段线中间位置的1个像素点为色块连通域色段线的中点;
S203,当线长数为偶数时,以位于该色块连通域色段线中间位置的2个像素点共同为色段线的中点。
所述的图像骨架线提取处理方法中,步骤S3中,所述色块骨架线的线长是以该色块骨架线的像素点总数作为计量值;所述端点是指色块骨架线中的首、尾像素点;中轮线是指色块骨架线像素点至该色块轮廓线上像素点的连线;所述小值中轮线是指色块骨架线像素点至该色块轮廓线上距离最短的像素点的连线。
所述的图像骨架线提取处理方法中,所述小值中轮线的提取步骤包括:
第一,按照以下公式计算色块骨架线上每一像素点的中轮线的线长:
其中,P1P2表示色块骨架线上像素点至该色块轮廓线上像素点的连线的线长,即中轮线的线长,x2表示色块骨架线上像素点的x轴坐标值,x1表示轮廓线上像素点的x轴坐标值,y2表示色块骨架线上像素点的y轴坐标值,y1表示轮廓线上像素点的y轴坐标值;
第二,找出并标记色块骨架线上每一像素点的中轮线的最短线长,以该最短线长的中轮线作为该像素点的小值中轮线。
所述的图像骨架线提取处理方法中,步骤S3包括:
S301,计算色块骨架线线长;
S302,获取色块骨架线的端点;
S303,获取小值中轮线;
S304,对输入图像的类型进行识别。
所述的图像骨架线提取处理方法中,步骤S304中,对输入图像的类型进行识别的方法包括:
1,统计各小值中轮线线长值对应的小值中轮线数量;
2,根据预设的小值中轮线线长值拥有中轮线条数的阈值对色块骨架线上的小值中轮线进行分类;把小值中轮线分为主要中轮线和次要中轮线;
3、对输入图像的类型进行识别判定,当输入图像中主要中轮线数量大于等于次要中轮线数量时,判定该输入图像为文字图像,当输入图像中主要中轮线小于次要中轮线时,判定该输入图像为非文字图像。
所述的图像骨架线提取处理方法中,步骤S4包括步骤:
S401,根据小值中轮线分类结果对色块骨架线上的像素点进行分类,获得主要色块骨架线像素点和次要色块骨架线像素点;
S402,根据分类结果生成图像的骨架线:当所述输入图像是文字图像时,将主要色块骨架线像素点的集合作为该文字图像的骨架线;当所述输入图像是非文字图像时,将主要和次要色块骨架线像素点的集合作为该非文字图像的骨架线。
一种图像骨架线提取处理装置,包括:
第一获取模块,用于提取输入图像各色块连通域的多方向色段线和轮廓线;
第二获取模块,用于在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线;
识别模块,用于提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别;生成模块,用于对色块骨架线上的像素点进行分类,并根据分类结果生成图像的骨架线。
有益效果:
本发明提供的一种图像骨架线提取处理方法及装置,与现有技术相比具有以下优点:
1,可以有效描述图像的稳定骨架特征,提高各种图像检索的匹配效果;
2,有效解决文字图像中的同一文字不同的字体所提取出的骨架线存在差异的技术难题,使不同字体的相同文字所获得的图像骨架特征相同,有效改进相同文字图像的图像骨架特征匹配性;
3,克服传统方法提取的文字图像骨架线笔划与文字本身的笔划不对应,导致骨架线失真的缺陷,本方案获得的文字图像骨架线笔划与文字本身的笔划相对应;
4,本技术方案采用文字图像和非文字图像的识别来提取输入图像骨架特征,与现行从单一方面进行图像骨架特征提取的方法相比,具有图像骨架特征信息描述更全面的优点,避免图像关键骨架特征信息的遗漏或失真。
附图说明
图1为本发明提供的图像骨架线提取处理方法的流程图。
图2为随机给出三款示例性文字图像。
图3为随机给出一款示例性非文字图像。
图4为色块骨架线上某一像素点的中轮线的线长示意图。
图5为是示例性的各小值中轮线线长值与对应的小值中轮线的数量的示意图。
图6为与图2对应的图像骨架线示意图。
图7为本发明提供的图像骨架线提取处理装置的结构示意图。
图8为本发明提供的图像骨架线提取处理装置中,第一获取模块的结构示意图。
图9为本发明提供的图像骨架线提取处理装置中,第二获取模块的结构示意图。
图10为本发明提供的图像骨架线提取处理装置中,识别模块的结构示意图。
图11为本发明提供的图像骨架线提取处理装置中,生成模块的结构示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
请参阅图1-6,本发明提供的一种图像骨架线提取处理方法,包括步骤:
S1,提取输入图像各色块连通域的多方向色段线和轮廓线。
输入图像的来源可以包括:通过电脑设备、摄像功能的手机、照相机、摄像头或集合有摄像头或存储图像的其他设备所获取的图像,这些图像均可用于本技术方法的输入图像。
运用现有技术(例如第201710553007X号《一种图像轮廓线描述符的获取方法、装置》所述的方法)可直接提取输入图像的各色块连通域的轮廓线及轮廓线上像素点的位置数据。
其中,输入图像可以是文字图像或其他图像。
为了便于说明,图2随机给出三款示例性文字图像,其中第一款宋体字“五星”的文字图像,第二款黑体字“五星”的文字图像,第三款圆体字“五星”的文字图像。这些文字图像的具有不同的字体形状,但字面含义是相同的。图3随机给出一款示例性非文字图像,图像中没有文字,等等,均可作为本技术方案的处理对象。
提取输入图像色块连通域多方向色段线和轮廓线的具体方法包括步骤:
S101,提取输入图像每一像素点的颜色值,对输入图像进行色块连通域的分割,获得像素点色块连通域数据表;
S102,在像素点色块连通域数据表中,逐行标记每个色块连通域色段线号,获得水平向的色块连通域色段线,并逐列标记每个色块连通域色段线号,获得垂直向的色块连通域色段线;和/或逐左斜向标记每个色块连通域色段线号,获得左斜向的色块连通域色段线,并逐右斜向标记每个色块连通域色段线号,获得右斜向的色块连通域色段线;其中,色块连通域色段线是指在同一色块连通域内在同一方向上连续相连的像素点所构成的线段;
S103,将色块连通域各色段线的端点的集合作为输入图像色块连通域轮廓线。
色块连通域色段线具体的形成方法:
每一幅图像是由许许多多的像素点组合构成的,在同一色块连通域中,每一像素点与另一相邻的像素点存在着水平向、垂直向、右斜向、左斜向的连接关系,同一方向相连接的像素点形成了一条直线线段,因而,输入图像具有由许许多多的水平向色段线、垂直向色段线、右斜向色段线、左斜向色段线组合构成的特征;
其中,水平向是指水平方向,水平向色段线是指由二个或二个以上像素点在水平方向上构成的连接线段;
垂直向是指垂直方向,垂直向色段线是指由二个或二个以上像素点在垂直方向上构成的连接线段;
右斜向是指斜向右方45度角的方向,右斜向色段线是指由二个或二个以上像素点在自右上方至左下方沿45度角方向上构成的连接线段;
左斜向是指斜向左方45度角的方向,左斜向色段线是指由二个或二个以上像素点在自左上方至右下方沿45度角方向上构成的连接线段。
色块连通域色段线的端点包括起始像素点和终止像素点,所有色块连通域色段线的端点的集合(去除重复点后)构成该色块连通域轮廓线。
所以色块连通域色段线按方向分至少包含:水平向色段线、垂直向色段线、右斜向色段线、左斜向色段线。
各方向的色块连通域色段线的端点的获取方法如下:
1、水平向色段线的端点可按如下公式检查计算获取:
U11=x-a,U12=x-b,其中,U11为水平方向左侧两相邻像素点的灰度值差,U12为水平方向右侧两相邻像素点的灰度值差,x为检测的像素点的灰度值,a为左侧相邻像素点的灰度值,b为右侧相邻像素点的灰度值。
当U11或U12的值不为0时,该点为水平向色段线的端点,其中,当U11的值不为0时,该点为水平向色段线的左侧起点;当U12的值不为0时,该点为水平向色段线的右侧终点。
2、垂直向色段线的端点可按如下公式检查计算获取:
U21=x-c,U22=x-d,其中,U21为垂直方向上侧两相邻像素点的灰度值差,U22为垂直方向下侧两相邻像素点的灰度值差,x为检测的像素点的灰度值,c为上侧相邻像素点的灰度值,d为下侧相邻像素点的灰度值。
当U21或U22的值不为0时,该点为垂直向色段线的端点,其中,当U21的值不为0时,该点为垂直向色段线的上侧起点;当U22的值不为0时,该点为垂直向色段线的下侧终点。
3、右斜向色段线的端点可按如下公式检查计算获取:
U31=x-e,U32=x-f,其中,U31为右斜方向右上侧两相邻像素点的灰度值差,U32为右斜方向左下侧两相邻像素点的灰度值差,x检测的像素点的灰度值,e为右上侧相邻像素点的灰度值,f为左下侧相邻像素点的灰度值。
当U31或U32的值不为0时,该点为右斜向色段线的端点,其中,当U31的值不为0时,该点为右斜向色段线的右上侧起点;当U32的值不为0时,该点为右斜向色段线的左下侧终点。
4、左斜向色段线的端点可按如下公式检查计算获取:
U41=x-g,U42=x-h,其中,U41为左斜方向左上侧两相邻像素点的灰度值差,U42为左斜方向右下侧两相邻像素点的灰度值差,x检测的像素点的灰度值,g为左上侧相邻像素点的灰度值,h为右下侧相邻像素点的灰度值。
当U41或U42的值不为0时,该点为左斜向色段线的端点,其中,当U41的值不为0时,该点为左斜向色段线的左上侧起点;当U42的值不为0时,该点为左斜向色段线的右下侧终点。
S2,在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线。
所述的方向对是指由两个方向所构成的方向组合,且该组合中的一方向与另一方向互为90度角相交。在实际应用中,最常用的方向对是水平向与垂直向,实际上,也可以取左斜方向和右斜方向的组合,或其他方向的组合,但每一组合的方向相交角应为90度。
在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线的具体步骤包括:
S21,在方向对上提取色块连通域色段线的中点
根据前述步骤所获取的色块连通域色段线信息,在方向对上提取色块连通域色段线的中点,具体方法包括:
S201,统计该色块连通域色段线的像素点总数,将该像素点总数作为色块连通域色段线的线长;
S202,当线长数为奇数时,以位于该色块连通域色段线中间位置的1个像素点为色块连通域色段线的中点;
S203,当线长数为偶数时,位于该色块连通域色段线中间位置的2个像素点共同为色段线的中点。
线长数为偶数时,该色块连通域色段线中间位置并不落入某一个像素点,为了表示中点的位置,本方案取该色块连通域色段线中间位置的2个像素点共同为色段线的中点,能客观反映该色段线中点的原始特征。
S22,计算色块连通域色段线中点连线长度
色块连通域色段线的中点的连线是指色块连通域色段线的各中点相互相连的线段,其长度可以该线段的像素点总数作为计量值。
S23,将色段线中点连线中较长的线段作为色块骨架线
在一个色块连通域中,在方向对的任一方向上色块连通域色段线中点连线至少有一条,两个方向至少有两条,根据上步计算出的各色块连通域色段线中点连线长度,将该色段线中点连线较长的线段作为色块骨架线,去除去其他色段线中点连线。
虽然各条色段线中点连线均反映了色块连通域的骨架特征,但色段线中点连线较长的线段更反映色块连通域的主要骨架特征,因此,将色段线中点连线较长的线段作为色块骨架线。
各色块连通域的色块骨架线反映了图像色块的骨架特征,因此,将色块骨架线的集合可作为图像骨架线。
S3,提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别。
色块骨架线在一定程度上反映了图像的基本骨架特征,但在一些字体的文字图像中,存在着同一文字不同的字体所提取出的骨架线并不相同,以使相同文字的图像骨架特征不同,文字图像骨架线笔划与文字本身的笔划不对应,导致骨架线失真,在相同文字图像检索时造成图像骨架特征匹配困难。
为此,需要对色块骨架线作进一步的处理,处理步骤具体包括:
S301,计算色块骨架线线长
色块骨架线的线长可通过统计该色块骨架线的像素点总数,将该像素点总数作为色块骨架线的线长。
S302,获取色块骨架线的端点
色块骨架线的端点是指该色块骨架线中的首、尾像素点;
水平方向色块骨架线的端点可以通过检查色块骨架线中像素点x轴的最小值和最大值获得;垂直方向色块骨架线的端点可以通过检查色块骨架线中像素点y轴的最小值和最大值获得。
S303,获取小值中轮线
中轮线是指色块骨架线像素点至该色块轮廓线上像素点的连线;
小值中轮线是指色块骨架线像素点至该色块轮廓线上距离最短的像素点的连线;
小值中轮线获取的步骤包括:
第一,计算色块骨架线上每一像素点的中轮线的线长
如图4所示,图4是示例性的两像素点之间线长示意图,色块骨架线上每一像素点的中轮线的线长可按下式计算获取:
其中,P1P2表示色块骨架线上像素点至该色块轮廓线上像素点的连线的线长,即中轮线的线长,x2表示色块骨架线上像素点的x轴坐标值,x1表示轮廓线上像素点的x轴坐标值,y2表示色块骨架线上像素点的y轴坐标值,y1表示轮廓线上像素点的y轴坐标值;
将所获取色块骨架线上像素点至该色块轮廓线上像素点的连线的线长,记入中轮线数据表;第二,找出并标记色块骨架线上每一像素点的中轮线的最短线长,以该最短线长的中轮线作为该像素点的小值中轮线。
S304,对输入图像的类型进行识别
一般来说,输入图像并没有直接的区分文字图像或非文字图像的标记信息;
本技术方案考虑实际应用的需要,针对文字图像和非文字图像采用不同的图像骨架线提取方法,以克服针对文字图像采用传统骨架线提取方法而造成文字特征失真的缺陷;
对输入图像的类型进行识别的步骤包括:1,统计各小值中轮线线长值对应的小值中轮线数量
根据前述获取的中轮线数据表记录的数据,找出小值中轮线数据,统计小值中轮线的线长(P1P2)的每一值所拥有的小值中轮线条数,记入小值中轮线数据表;
举例说明:假设某图像的小值中轮线线长值与对应的小值中轮线数量如下表和图5所示:
序号 | <![CDATA[线长(P<sub>1</sub>P<sub>2</sub>)]]> | 条数 |
1 | 1 | 106 |
2 | 2 | 98 |
3 | 3 | 10 |
4 | 4 | 4 |
5 | 5 | 4 |
6 | 6 | 2 |
合计 | 224 |
从上表和图5显示:线长值(P1P2)为1的条数有106条,线长值P1P2)为2的条数有98条,线长值(P1P2)为1、2是图像的小值中轮线线长的主要特征,而线长值(P1P2)为3、4、5、6是图像小值中轮线线长的次要特征;
2,根据预设的小值中轮线线长值拥有中轮线条数的阈值对色块骨架线上的小值中轮线进行分类,把小值中轮线分为主要中轮线和次要中轮线文字图像的主要笔画一般具有厚度大小一致的特征,如果某一中轮线线长值拥有中轮线条数较多,反映了该色块连通域具有厚度大小一致的特征,即具有文字图像的笔画特征。预设的小值中轮线线长值拥有中轮线条数的阈值可根据应用需求设定,其取值范围一般为大于色块连通域内中轮线总条数的10%。
当某一小值中轮线线长值(P1P2)拥有的小值中轮线数量大于预设的小值中轮线线长值拥有中轮线条数的阈值时,该小值中轮线为主要中轮线,否则,为次要中轮线。
3、对输入图像的类型进行识别判定
当输入图像中主要中轮线数量大于等于次要中轮线数量时,判定该输入图像为文字图像,当输入图像中主要中轮线小于次要中轮线时,判定该输入图像为非文字图像。
通过判断主要中轮线与次要中轮线的占比,可以较有效地对图像类型进行判定,准确率较高。
S4,对色块骨架线上的像素点进行分类,并根据分类结果生成图像的骨架线。
对输入图像中的文字图像和非文字图像进行区分,分别采用不同的图像骨架线形成方法,有利于更好地准确反映图像骨架特征,解决传统骨架线提取方法造成的文字特征失真的缺陷。
为实现输入图像中的文字图像和非文字图像的区分,本技术方案采用的方法是:对色块骨架线上的像素点进行分类,获取主要色块骨架线像素点和次要色块骨架线像素点,将主要色块骨架线像素点的集合作为文字图像的骨架线,将主要和次要色块骨架线像素点的集合作为非文字图像的骨架线。具体包括步骤:
S401,根据小值中轮线分类结果对色块骨架线上的像素点进行分类,获得主要色块骨架线像素点和次要色块骨架线像素点根据小值中轮线分类结果,将色块骨架线上与主要中轮线相连接的像素点作为主要色块骨架线像素点,将色块骨架线上与次要中轮线相连接的像素点作为次要色块骨架线像素点;
S402,根据分类结果生成图像的骨架线
当所述输入图像是文字图像时,将主要色块骨架线像素点的集合作为该文字图像的骨架线;当所述输入图像是非文字图像时,将主要和次要色块骨架线像素点的集合作为该非文字图像的骨架线。
图2中的示例经过上述处理,获得的文字图像的骨架线,如图6所示。
通过对这些文字图像的骨架线或非文字图像的骨架线输出,可以作为图像检索用的图像骨架特征信息数据,应用于各种图像的检索。
由上可知,该图像骨架线提取处理方法,通过提取输入图像各色块连通域的多方向色段线和轮廓线;在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线;提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别;对色块骨架线上的小值中轮线和色块骨架线上的像素点进行分类,并根据分类结果生成图像的骨架线;实现对图像骨架线的提取,具有以下优点:
1,可以有效描述图像的稳定骨架特征,提高各种图像检索的匹配效果;
2,有效解决文字图像中的同一文字不同的字体所提取出的骨架线存在差异的技术难题,使不同字体的相同文字所获得的图像骨架特征相同,有效改进相同文字图像的图像骨架特征匹配性;
3,克服传统方法提取的文字图像骨架线笔划与文字本身的笔划不对应,导致骨架线失真的缺陷,本方案获得的文字图像骨架线笔划与文字本身的笔划相对应;
4,本技术方案采用文字图像和非文字图像的识别来提取输入图像骨架特征,与现行从单一方面进行图像骨架特征提取的方法相比,具有图像骨架特征信息描述更全面的优点,避免图像关键骨架特征信息的遗漏或失真。
请参阅图7,本发明还提供一种图像骨架线提取处理装置,包括第一获取模块1、第二获取模块2、识别模块3、生成模块4;
其中,第一获取模块1,用于提取输入图像各色块连通域的多方向色段线和轮廓线;
其中,第二获取模块2,用于在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线;
其中,识别模块3,用于提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别;
其中,生成模块4,用于对色块骨架线上的像素点进行分类,并根据分类结果生成图像的骨架线。
进一步的,见图8,第一获取模块1包括提取单元1.1、标记单元1.2、第一获取单元1.3;
其中,提取单元1.1,用于提取输入图像每一像素点的颜色值,对输入图像进行色块连通域的分割,获得像素点色块连通域数据表;
其中,标记单元1.2,用于在像素点色块连通域数据表中,逐行标记每个色块连通域色段线号,获得水平向的色块连通域色段线,并逐列标记每个色块连通域色段线号,获得垂直向的色块连通域色段线;
和/或逐左斜向标记每个色块连通域色段线号,获得左斜向的色块连通域色段线,并逐右斜向标记每个色块连通域色段线号,获得右斜向的色块连通域色段线;
其中,第一获取单元1.3,用于将色块连通域各色段线的端点的集合作为输入图像色块连通域轮廓线。
其中,所述色块连通域色段线是指在同一色块连通域内在同一方向上连续相连的像素点所构成的线段。
进一步的,见图9,第二获取模块2包括中点提取单元2.1、长度计算单元2.2、确定单元2.3;
其中,中点提取单元2.1,用于在方向对上提取色块连通域色段线的中点;
其中,长度计算单元2.2,用于计算色块连通域色段线中点连线长度;
其中,确定单元2.3,用于将色段线中点连线中较长的线段确定为色块骨架线。
进一步的,见图10,识别模块3包括计算单元3.1、第二获取单元3.2、第三获取单元3.3、识别单元3.4;
其中,计算单元3.1,用于计算色块骨架线线长;
其中,第二获取单元3.2,用于获取色块中心线色块骨架线的端点;
其中,第三获取单元3.3,用于获取小值中轮线;
其中,识别单元3.4,用于对输入图像的类型进行识别。
进一步的,见图11,生成模块4包括第一分类单元4.1、生成单元4.2;
其中,第一分类单元4.1,用于根据小值中轮线分类结果对色块骨架线上的像素点进行分类,获得主要色块骨架线像素点和次要色块骨架线像素点;
其中,生成单元4.2,用于根据分类结果生成图像的骨架线:将主要色块骨架线像素点的集合作为文字图像的骨架线,将主要和次要色块骨架线像素点的集合作为非文字图像的骨架线。
由上可知,该图像骨架线提取处理装置,通过提取输入图像各色块连通域的多方向色段线和轮廓线;在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线;提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别;对色块骨架线上的小值中轮线和色块骨架线上的像素点进行分类,并根据分类结果生成图像的骨架线;实现对图像骨架线的提取,具有以下优点:
1,可以有效描述图像的稳定骨架特征,提高各种图像检索的匹配效果;
2,有效解决文字图像中的同一文字不同的字体所提取出的骨架线存在差异的技术难题,使不同字体的相同文字所获得的图像骨架特征相同,有效改进相同文字图像的图像骨架特征匹配性;
3,克服传统方法提取的文字图像骨架线笔划与文字本身的笔划不对应,导致骨架线失真的缺陷,本方案获得的文字图像骨架线笔划与文字本身的笔划相对应;
4,本技术方案采用文字图像和非文字图像的识别来提取输入图像骨架特征,与现行从单一方面进行图像骨架特征提取的方法相比,具有图像骨架特征信息描述更全面的优点,避免图像关键骨架特征信息的遗漏或失真。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,其方案与本发明实质上相同。
Claims (9)
1.一种图像骨架线提取处理方法,其特征在于,包括步骤:
S1,提取输入图像各色块连通域的多方向色段线和轮廓线;色块连通域的色段线是指在同一色块连通域内在同一方向上连续相连的像素点所构成的线段;
S2,在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线;所述方向对是指由两个方向所构成的方向组合,且该组合中的某一方向与另一方向互为90度角相交;
S3,提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别,识别出所述输入图像是文字图像还是非文字图像;所述小值中轮线是指色块骨架线像素点至该色块轮廓线上距离最短的像素点的连线;
S4,对色块骨架线上的像素点进行分类,获取主要色块骨架线像素点和次要色块骨架线像素点,并根据分类结果生成图像的骨架线;所述根据分类结果生成图像的骨架线的步骤包括:当所述输入图像是文字图像时,将主要色块骨架线像素点的集合作为该文字图像的骨架线;当所述输入图像是非文字图像时,将主要和次要色块骨架线像素点的集合作为该非文字图像的骨架线。
2.根据权利要求1所述的图像骨架线提取处理方法,其特征在于,步骤S1包括:
S101,提取输入图像每一像素点的颜色值,对输入图像进行色块连通域的分割,获得像素点色块连通域数据表;
S102,在像素点色块连通域数据表中,逐行标记每个色块连通域色段线号,获得水平向的色块连通域色段线,并逐列标记每个色块连通域色段线号,获得垂直向的色块连通域色段线;和/或逐左斜向标记每个色块连通域色段线号,获得左斜向的色块连通域色段线,并逐右斜向标记每个色块连通域色段线号,获得右斜向的色块连通域色段线;
S103,将色块连通域各色段线的端点的集合作为输入图像色块连通域轮廓线。
3.根据权利要求1所述的图像骨架线提取处理方法,其特征在于,步骤S2包括:
S21,在方向对上提取色块连通域色段线的中点;
S22,计算色块连通域色段线中点连线长度;
S23,将色段线中点连线中较长的线段作为色块骨架线。
4.根据权利要求3所述的图像骨架线提取处理方法,其特征在于,步骤S21包括:
S201,统计该色块连通域色段线的像素点总数,将该像素点总数作为色块连通域色段线的线长;
S202,当线长数为奇数时,以位于该色块连通域色段线中间位置的1个像素点为色块连通域色段线的中点;
S203,当线长数为偶数时,以位于该色块连通域色段线中间位置的2个像素点共同为色段线的中点。
5.根据权利要求1所述的图像骨架线提取处理方法,其特征在于,步骤S3中,所述色块骨架线的线长是以该色块骨架线的像素点总数作为计量值;所述端点是指色块骨架线中的首、尾像素点;中轮线是指色块骨架线像素点至该色块轮廓线上像素点的连线。
7.根据权利要求1所述的图像骨架线提取处理方法,其特征在于,步骤S3包括:
S301,计算色块骨架线线长;
S302,获取色块骨架线的端点;
S303,获取小值中轮线;
S304,对输入图像的类型进行识别。
8.根据权利要求7所述的图像骨架线提取处理方法,其特征在于,步骤S304中,对输入图像的类型进行识别的方法包括:
1,统计各小值中轮线线长值对应的小值中轮线数量;
2,根据预设的小值中轮线线长值拥有中轮线条数的阈值对色块骨架线上的小值中轮线进行分类;把小值中轮线分为主要中轮线和次要中轮线;
3、对输入图像的类型进行识别判定,当输入图像中主要中轮线数量大于等于次要中轮线数量时,判定该输入图像为文字图像,当输入图像中主要中轮线小于次要中轮线时,判定该输入图像为非文字图像。
9.一种图像骨架线提取处理装置,其特征在于,包括:
第一获取模块,用于提取输入图像各色块连通域的多方向色段线和轮廓线;色块连通域的色段线是指在同一色块连通域内在同一方向上连续相连的像素点所构成的线段;
第二获取模块,用于在方向对上提取色块连通域的色段线的中点,将色段线的中点连线较长的线段作为色块骨架线;所述方向对是指由两个方向所构成的方向组合,且该组合中的某一方向与另一方向互为90度角相交;
识别模块,用于提取色块骨架线的线长、端点和小值中轮线,对输入图像的类型进行识别,识别出所述输入图像是文字图像还是非文字图像;所述小值中轮线是指色块骨架线像素点至该色块轮廓线上距离最短的像素点的连线;
生成模块,用于对色块骨架线上的像素点进行分类,获取主要色块骨架线像素点和次要色块骨架线像素点,并根据分类结果生成图像的骨架线;所述根据分类结果生成图像的骨架线的步骤包括:当所述输入图像是文字图像时,将主要色块骨架线像素点的集合作为该文字图像的骨架线;当所述输入图像是非文字图像时,将主要和次要色块骨架线像素点的集合作为该非文字图像的骨架线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060281.5A CN111275050B (zh) | 2020-01-19 | 2020-01-19 | 一种图像骨架线提取处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060281.5A CN111275050B (zh) | 2020-01-19 | 2020-01-19 | 一种图像骨架线提取处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275050A CN111275050A (zh) | 2020-06-12 |
CN111275050B true CN111275050B (zh) | 2023-05-02 |
Family
ID=71002044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010060281.5A Active CN111275050B (zh) | 2020-01-19 | 2020-01-19 | 一种图像骨架线提取处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275050B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1240971A (zh) * | 1998-07-06 | 2000-01-12 | 鸿友科技股份有限公司 | 应用于一图像扫描装置的取得纵向放大率误差的方法 |
CN102542557A (zh) * | 2010-12-30 | 2012-07-04 | 方正国际软件(北京)有限公司 | 从图像中提取线的方法与系统 |
CN107564015A (zh) * | 2017-08-24 | 2018-01-09 | 佛山市国方商标软件有限公司 | 一种基于多色级图像连通域的分割和标记方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5153857B2 (ja) * | 2010-11-25 | 2013-02-27 | シャープ株式会社 | 画像処理装置、画像形成装置、画像処理方法、コンピュータプログラム及び記録媒体 |
-
2020
- 2020-01-19 CN CN202010060281.5A patent/CN111275050B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1240971A (zh) * | 1998-07-06 | 2000-01-12 | 鸿友科技股份有限公司 | 应用于一图像扫描装置的取得纵向放大率误差的方法 |
CN102542557A (zh) * | 2010-12-30 | 2012-07-04 | 方正国际软件(北京)有限公司 | 从图像中提取线的方法与系统 |
CN107564015A (zh) * | 2017-08-24 | 2018-01-09 | 佛山市国方商标软件有限公司 | 一种基于多色级图像连通域的分割和标记方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111275050A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8059868B2 (en) | License plate recognition apparatus, license plate recognition method, and computer-readable storage medium | |
WO2017101224A1 (zh) | 一种商标检索方法、装置、系统以及计算机存储介质 | |
WO2017041600A1 (zh) | 一种汉信码特征图形检测方法及系统 | |
US9959475B2 (en) | Table data recovering in case of image distortion | |
CN115184380B (zh) | 基于机器视觉的印刷电路板焊点异常检测方法 | |
CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
WO2017101225A1 (zh) | 一种商标图形要素识别方法、装置、系统以及计算机存储介质 | |
CN114863492B (zh) | 一种低质量指纹图像的修复方法及修复装置 | |
CN111275049B (zh) | 一种文字图像骨架特征描述符获取的方法及装置 | |
US20190138840A1 (en) | Automatic ruler detection | |
CN111462214A (zh) | 一种基于Hough变换的线结构光条纹中心线提取方法 | |
CN112508913A (zh) | 基于图像检测的电缆截面边沿检测方法 | |
CN111275050B (zh) | 一种图像骨架线提取处理方法及装置 | |
CN109472257B (zh) | 一种字符版面确定方法及装置 | |
CN111310579B (zh) | 一种图像骨架节点特征描述符获取方法及装置 | |
CN112036232A (zh) | 一种图像表格结构识别方法、系统、终端以及存储介质 | |
CN113807325B (zh) | 一种基于图像处理的线型识别方法及系统 | |
KR100603618B1 (ko) | 어파인 변환을 이용한 문서 영상의 기하학적 왜곡 보정장치 및 방법 | |
CN115272331A (zh) | 基于图像处理的瓦楞纸质量检测方法 | |
CN104504385A (zh) | 手写粘连数字串的识别方法 | |
CN111428534B (zh) | 一种基于点阵隐写信息编码的解密识别方法 | |
JP4492258B2 (ja) | 文字・図形の認識方法および検査方法 | |
CN114092542A (zh) | 一种基于二维视觉的螺栓测量方法以及系统 | |
CN112215319A (zh) | 颜色标记特征图形的二维码及其识别方法 | |
TWI615780B (zh) | 指紋影像處理方法與裝置 |
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 |