CN111553884B - 一种道路表面图像的保存方法及装置 - Google Patents
一种道路表面图像的保存方法及装置 Download PDFInfo
- Publication number
- CN111553884B CN111553884B CN202010253312.9A CN202010253312A CN111553884B CN 111553884 B CN111553884 B CN 111553884B CN 202010253312 A CN202010253312 A CN 202010253312A CN 111553884 B CN111553884 B CN 111553884B
- Authority
- CN
- China
- Prior art keywords
- road surface
- defect
- surface image
- image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000007547 defect Effects 0.000 claims abstract description 197
- 238000007906 compression Methods 0.000 claims abstract description 67
- 230000006835 compression Effects 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 13
- 230000005540 biological transmission Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
为了解决目前道路缺陷检测中,路面图像所需存储空间较大、占用的传输时间较长的问题,本申请实施例提供了一种道路表面图像的保存方法及装置,该方法包括采集道路表面图像;判断所述道路表面图像中是否有路面缺陷;如果没有路面缺陷,压缩所述道路表面图像;如果有路面缺陷,判断所述路面缺陷的方向,根据所述路面缺陷的方向,确定所述道路表面图像的压缩方式,根据所述压缩方式对所述道路表面图像进行压缩;保存所述道路表面图像。本申请能够有效的减小路面图像占用的空间和传输时长,并能够有效的保持图像的信息。
Description
技术领域
本发明涉及道路检测领域,具体而言,涉及一种道路表面图像的保存方法及装置。
背景技术
国家公路建设关系到经济发展和国家发展前进的步伐,在完成建设之后还需要对道路进行保养,避免因道路质量问题带来的安全隐患,因此需要对道路进行定期的检测维护。目前道路检测的主要技术采用的是机器视觉检测技术,即通过路面图像的自动采集和路面图片的机器识别实现路面破损的自动检测。目前路面图像的保存方法具有以下缺点:一是图片所需存储空间较大;二是占用的传输时间较长。
发明内容
为了解决目前道路缺陷检测中,路面图像所需存储空间较大、占用的传输时间较长的问题,本申请实施例提供了一种道路表面图像的保存方法及装置,对于不带有缺陷信息的路面图像,直接进行压缩,然后保存;而对于带有缺陷信息的路面图像,判断图像中缺陷的方向,根据缺陷的方向确定路面图像的压缩方式,根据该压缩方式对带有缺陷信息的图像进行压缩,然后保存,从而能够有效的减小路面图像占用的空间和传输时长,并能够有效的保持图像的信息。
第一方面,本申请实施例提供了一种道路表面图像的保存方法,包括步骤:采集道路表面图像;判断所述道路表面图像中是否有路面缺陷;如果没有路面缺陷,压缩所述道路表面图像;如果有路面缺陷,判断所述路面缺陷的方向,根据所述路面缺陷的方向,确定所述道路表面图像的压缩方式,根据所述压缩方式对所述道路表面图像进行压缩;保存所述道路表面图像。
其中,所述判断所述路面缺陷的方向,包括:
提取所述道路表面图像中路面缺陷的轮廓;遍历所述道路表面图像的每一行,得到属于所述路面缺陷的第一轮廓点集;遍历所述道路表面图像的每一列,得到属于所述路面缺陷的第二轮廓点集;比较所述第一轮廓点集和第二轮廓点集;
当所述第一轮廓点集中轮廓点的数量大于所述第二轮廓点集中轮廓点的数量时,对于每一行上路面缺陷的轮廓点,求得该行轮廓点的坐标x值的平均值x平均,得到该行轮廓点的中值点(x平均,y),其中,y为该行的纵坐标;对所有行的中值点进行直线拟合,得到所述路面缺陷的主轴线;
当所述第一轮廓点集中轮廓点的数量小于所述第二轮廓点集中轮廓点的数量时,对于每一列上路面缺陷的轮廓点,求得该列轮廓点的坐标y值的平均值y平均,得到该列轮廓点的中值点(y平均,x),其中,x为该列的横坐标;对所有列的中值点进行直线拟合,得到所述路面缺陷的主轴线;
计算所述道路表面图像中路面缺陷的主轴线与水平方向的偏移角,得到所述路面缺陷的方向。
其中,所述根据所述路面缺陷的方向,确定所述道路表面图像的压缩方式,根据所述压缩方式对所述道路表面图像进行压缩,包括:
当所述偏移角属于第一预设范围时,所述路面缺陷为横向缺陷;当所述路面缺陷为横向缺陷时,对所述道路表面图像进行纵向压缩;
当所述偏移角属于第三预设范围时,所述路面缺陷为纵向缺陷;当所述路面缺陷为纵向缺陷时,对所述道路表面图像进行横向压缩;
当所述偏移角属于第二预设范围时,所述路面缺陷为横纵方向缺陷;当所述路面缺陷为横纵方向缺陷时,保持所述道路表面图像不变。
其中,在所述判断所述道路表面图像中是否有路面缺陷之前,还包括:预处理所述道路表面图像。
其中,所述如果没有路面缺陷,压缩所述道路表面图像,包括:
如果没有路面缺陷,所述道路表面图像的横向按照预设比例进行压缩,所述道路表面图像的纵向按照预设比例进行压缩。
其中,所述对所述道路表面图像进行纵向压缩,包括:按照预设比例,对所述道路表面图像进行纵向压缩。
其中,所述对所述道路表面图像进行横向压缩,包括:按照预设比例,对所述道路表面图像进行横向压缩。
第二方面,本申请实施例提供了一种道路表面图像的保存装置,包括:
采集单元,用于采集道路表面图像;
判断单元,用于判断所述道路表面图像中是否有路面缺陷;
第一压缩单元,用于:如果没有路面缺陷,压缩所述道路表面图像;
第二压缩单元,用于:如果有路面缺陷,判断所述路面缺陷的方向,根据所述路面缺陷的方向,确定所述道路表面图像的压缩方式,根据所述压缩方式对所述道路表面图像进行压缩;
保存单元,用于保存所述道路表面图像。
第三方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
第四方面,本发明实施例提供了一种电子设备,包括存储单元、处理单元及存储在存储单元上并可在处理单元上运行的计算机程序,所述处理单元执行所述程序时实现上述任一项所述方法的步骤。
本申请实施例道路表面图像的保存方法及装置具有如下有益效果:
本申请实施例的方法中,采集道路表面图像,判断道路表面图像中是否有路面缺陷,如果没有路面缺陷,压缩道路表面图像,如果有路面缺陷,判断路面缺陷的方向,根据路面缺陷的方向,确定道路表面图像的压缩方式,根据压缩方式对道路表面图像进行压缩,保存道路表面图像。本申请中,对于不带有缺陷信息的路面图像,直接进行压缩,然后保存;而对于带有缺陷信息的路面图像,判断图像中缺陷的方向,根据缺陷的方向确定路面图像的压缩方式,根据该压缩方式对带有缺陷信息的图像进行压缩,然后保存,从而能够有效的减小路面图像占用的空间和传输时长,并能够有效的保持图像的信息。
附图说明
图1为本申请实施例一道路表面图像的保存方法流程示意图;
图2为本申请实施例二道路表面图像的保存方法流程示意图;
图3为在道路表面图像中提取的路面缺陷的轮廓示意图;
图4为遍历道路表面图像的示意图;
图5为路面缺陷的主轴线的示意图;
图6a为纵向压缩前的路面图像示意图;
图6b为纵向压缩后的路面图像示意图;
图7a为横向压缩前的路面图像示意图;
图7b为横向压缩后的路面图像示意图;
图8为本申请实施例道路表面图像的保存装置结构示意图。
具体实施方式
下面结合附图和实施例对本申请进行进一步的介绍。
在下述介绍中,术语“第一”、“第二”仅为用于描述的目的,而不能理解为指示或暗示相对重要性。下述介绍提供了本发明的多个实施例,不同实施例之间可以替换或者合并组合,因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而,如果一个实施例包含特征A、B、C,另一个实施例包含特征B、D,那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例,尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例,并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下,对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行,并且可以添加、省略或组合各种步骤。此外,可以将关于一些示例描述的特征组合到其他示例中。
道路在完成建设之后还需要进行保养,避免因道路质量问题带来的安全隐患,因此需要对道路进行定期的检测维护。目前道路检测的主要技术采用的是机器视觉检测技术,即通过路面图像的自动采集和路面图片的机器识别实现路面破损的自动检测。目前路面图像的保存方法具有以下缺点:一是图片所需存储空间较大;二是占用的传输时间较长。
本申请的发明人针对上述缺点,对道路检测中路面图像的保存方法进行了分析。在道路检测行业中,需要对道路的所有图片信息进行采集,在这些图片中,只关心带有缺陷信息的图片,而带有缺陷信息的图片只关注图片中的缺陷区域,非缺陷区域属于无用信息,而这些图片中的非缺陷信息以及不带有缺陷的图片占据了很大的存储空间,为后期的数据存储带来很大的影响,因此本申请针对图片采集保存进行改进,将不带有缺陷信息的图片直接进行压缩,带有缺陷的图片对图片中缺陷方向进行判断,根据缺陷的方向确定压缩方式,根据该压缩方式对带有缺陷的图片进行压缩。以下通过具体实施例介绍本申请的方案。
实施例一
图1为本申请实施例一道路表面图像的保存方法流程示意图,如图1所示,本申请道路表面图像的保存方法包括步骤S101,采集道路表面图像;步骤S103,判断道路表面图像中是否有路面缺陷;步骤S107,如果没有路面缺陷,压缩道路表面图像;步骤S105,如果有路面缺陷,判断路面缺陷的方向;步骤S109,根据路面缺陷的方向,确定道路表面图像的压缩方式,根据压缩方式对道路表面图像进行压缩;步骤S111,保存道路表面图像。下面介绍每一步骤。
步骤S101,采集道路表面图像。
例如通过相机采集道路表面图像。
步骤S103,判断道路表面图像中是否有路面缺陷。
本步骤中,例如采用现有的图像处理技术检测道路表面图像中是否有路面缺陷。在一些实施例中,在本步骤之前,还包括:预处理道路表面图像,以有助于后续路面缺陷的检测。
步骤S107,如果没有路面缺陷,压缩道路表面图像。
例如,如果没有路面缺陷,道路表面图像的横向按照预设比例进行压缩,道路表面图像的纵向按照预设比例进行压缩,具体压缩方法后续会举例介绍。
步骤S105,如果有路面缺陷,判断路面缺陷的方向。步骤S109,根据路面缺陷的方向,确定道路表面图像的压缩方式,根据压缩方式对道路表面图像进行压缩。步骤S111,保存道路表面图像。后续会对步骤S105、S109进行介绍。
本申请实施例的道路表面图像的保存方法,对于不带有缺陷信息的路面图像,直接进行压缩,然后保存;而对于带有缺陷信息的路面图像,判断图像中缺陷的方向,根据缺陷的方向确定路面图像的压缩方式,根据该压缩方式对带有缺陷信息的图像进行压缩,然后保存,从而能够有效的减小路面图像占用的空间和传输时长,并能够有效的保持图像的信息。
实施例二
图2为本申请实施例二道路表面图像的保存方法流程示意图,如图2所示,本实施例道路表面图像的保存方法包括:包括步骤S101,采集道路表面图像;步骤S103,判断道路表面图像中是否有路面缺陷;步骤S107,如果没有路面缺陷,压缩道路表面图像;步骤S1051,提取道路表面图像中路面缺陷的轮廓;步骤S1052,遍历道路表面图像的每一行,得到属于路面缺陷的第一轮廓点集;遍历道路表面图像的每一列,得到属于路面缺陷的第二轮廓点集;步骤S1053,比较第一轮廓点集和第二轮廓点集;步骤S1054,计算得到路面缺陷的主轴线;步骤S1055,计算道路表面图像中路面缺陷的主轴线与水平方向的偏移角,得到路面缺陷的方向;步骤S109,根据路面缺陷的方向,确定道路表面图像的压缩方式,根据压缩方式对道路表面图像进行压缩;步骤S111,保存道路表面图像。本实施例与实施例一不同的是步骤S1051-S1055,下面介绍步骤S1051-S1055,其他步骤请参考实施例一的介绍。
步骤S1051,提取道路表面图像中路面缺陷的轮廓。
图3为在道路表面图像中提取的路面缺陷的轮廓示意图,如图3所示,从路面图像10中提取出路面缺陷11的轮廓。提取路面缺陷轮廓的方法例如采用现有技术。
步骤S1052,遍历道路表面图像的每一行,得到属于路面缺陷的第一轮廓点集;遍历道路表面图像的每一列,得到属于路面缺陷的第二轮廓点集。
图4为遍历道路表面图像的示意图,如图4所示,路面缺陷11的轮廓由多个点组成,每一个点在路面图像中都有一个坐标。遍历路面图像10的每一行,得到属于路面缺陷11的第一轮廓点集,也就是说,遍历每一行的像素点,将每一行的像素点中属于路面缺陷11的轮廓的点作为第一轮廓点集。遍历道路表面图像的每一列,得到属于路面缺陷的第二轮廓点集,也就是说,遍历每一列的像素点,将每一列的像素点中属于路面缺陷11的轮廓的点作为第二轮廓点集。本申请中,对每一行和每一列进行遍历,这样能够避免仅对图像的每一行或者每一列遍历,完全横向和完全纵向的路面缺陷的偏移角度相同的情况。
步骤S1053,比较第一轮廓点集和第二轮廓点集。
在本步骤中,比较第一轮廓点集和第二轮廓点集中轮廓点的数量,如果第一轮廓点集中轮廓点的数量较多,则保留每一行遍历得到的轮廓点;如果第二轮廓点集中轮廓点的数量较多,则保留每一列遍历得到的轮廓点,即保留轮廓点数较多的遍历方式。
步骤S1054,计算得到路面缺陷的主轴线。
当第一轮廓点集中轮廓点的数量小于第二轮廓点集中轮廓点的数量时,对于每一列上路面缺陷的轮廓点,求得该列轮廓点的坐标y值的平均值y平均,得到该列轮廓点的中值点(y平均,x),其中,x为该列的横坐标;对所有列的中值点进行直线拟合,得到路面缺陷的主轴线。以图4为例进行介绍,在图4中,遍历每一列得到的路面缺陷轮廓点较多,每一列上有两个轮廓点a(x1,y1)和b(x1,y2),求得该列轮廓点的坐标y值的平均值y平均=(y1+y2)/2,进而得到该列两个轮廓点的中值点(y平均,x1)。对所有列的中值点进行直线拟合,得到路面缺陷的主轴线。图5为路面缺陷的主轴线的示意图,如图5所示,对所有列的中值点进行直线拟合后,得到路面缺陷11的主轴线12。
当第一轮廓点集中轮廓点的数量大于第二轮廓点集中轮廓点的数量时,对于每一行上路面缺陷的轮廓点,求得该行轮廓点的坐标x值的平均值x平均,得到该行轮廓点的中值点(x平均,y),其中,y为该行的纵坐标;对所有行的中值点进行直线拟合,得到路面缺陷的主轴线。此种情况与第一轮廓点集中轮廓点的数量小于第二轮廓点集中轮廓点的数量的情况原理相同,请参见上述介绍。
步骤S1055,计算道路表面图像中路面缺陷的主轴线与水平方向的偏移角,得到路面缺陷的方向。
道路表面图像中,例如x轴的方向为水平方向。
本实施例的道路表面图像的保存方法不仅能够有效的减小路面图像占用的空间和传输时长,并能够有效的保持图像的信息。
在一些实施例中,步骤S109,根据路面缺陷的方向,确定道路表面图像的压缩方式,根据压缩方式对道路表面图像进行压缩,包括:
当道路表面图像中路面缺陷的主轴线与水平方向的偏移角属于第一预设范围时,路面缺陷为横向缺陷,该第一预设范围例如为0°-30°。当路面缺陷为横向缺陷时,对道路表面图像进行纵向压缩,图6a为纵向压缩前的路面图像示意图,图6b为纵向压缩后的路面图像示意图,对道路表面图像进行纵向压缩,也就是按照预设比例,对道路表面图像进行纵向压缩,预设比例例如可以为1:0.5,1:0.25等,本申请对预设比例的具体值不做限定。
当道路表面图像中路面缺陷的主轴线与水平方向的偏移角属于第三预设范围时,路面缺陷为纵向缺陷,该第三预设范围例如为60°-90°;当路面缺陷为纵向缺陷时,对道路表面图像进行横向压缩,图7a为横向压缩前的路面图像示意图,图7b为横向压缩后的路面图像示意图,对道路表面图像进行横向压缩,也就是按照预设比例,对道路表面图像进行横向压缩,预设比例例如可以为1:0.5,1:0.25等,本申请对预设比例的具体值不做限定。
当道路表面图像中路面缺陷的主轴线与水平方向的偏移角属于第二预设范围时,路面缺陷为横纵方向缺陷,该第二预设范围例如为30°-60°;当路面缺陷为横纵方向缺陷时,保持道路表面图像不变。
图片压缩是指以较少的比特有损或无损地表示原来的像素矩阵的技术,也称图像编码,图像数据之所以能被压缩,就是因为数据中存在着冗余。图像数据的冗余主要表现为:图像中相邻像素间的相关性引起的空间冗余;图像序列中不同帧之间存在相关性引起的时间冗余;不同彩色平面或频谱带的相关性引起的频谱冗余。数据压缩的目的就是通过去除这些数据冗余来减少表示数据所需的比特数。由于图像数据量的庞大,在存储、传输、处理时非常困难,因此图像数据的压缩就显得非常重要。图像压缩是数据压缩技术在数字图像上的应用,它的目的是减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据。
有损压缩是利用了人类对图像或声波中的某些频率成分不敏感的特性,允许压缩过程中损失一定的信息,虽然不能完全恢复原始数据,但是所损失的部分虽然对理解原始图像稍有影响,却换来了大得多的压缩比。
目前有损压缩的技术主要有预测编码、变换编码等。
预测编码是根据离散信号之间存在着一定关联性的特点,利用前面一个或多个信号预测下一个信号进行,然后对实际值和预测值的差(预测误差)进行编码。
变换编码是指先对信号进行某种函数变换,从一种信号(空间)变换到另一种信号(空间),然后再对信号进行编码。如将时域信号变换到频域,因为声音、图像大部分信号都是低频信号,在频域中信号的能量较集中,再进行采样、编码,那么就可以压缩数据。
有损压缩的特点是保持颜色的逐渐变化,删除图像中颜色的突然变化。生物学中的大量实验证明,人类大脑会利用与附近最接近的颜色来填补所丢失的颜色。例如,对于蓝色天空背景上的一朵白云,有损压缩的方法就是删除图像中景物边缘的某些颜色部分。当在屏幕上看这幅图时,大脑会利用在景物上看到的颜色填补所丢失的颜色部分。利用有损压缩技术,某些数据被有意地删除了,而被取消的数据也不再恢复。利用有损压缩技术可以大大地压缩文件的数据,但是会影响图像质量。如果使用了有损压缩的图像仅在屏幕上显示,可能对图像质量影响不太大,至少对于人类眼睛的识别程度来说区别不大。可是,如果把一幅经过有损压缩技术处理的图像用高分辨率打印机打印出来,那么图像质量就会有明显的受损痕迹。有损压缩还原后不能和原来的文件一样,会有一定的损耗。
无损压缩方法的优点是能够比较好地保存图像的质量,但是相对来说这种方法的压缩率比较低。从本质上看,无损压缩的方法可以删除一些重复数据,大大减少要在磁盘上保存的图像尺寸。但是,无损压缩的方法并不能减少图像的内存占用量,这是因为,当从磁盘上读取图像时,软件又会把丢失的像素用适当的颜色信息填充进来。
本申请实施例还提供了一种道路表面图像的保存装置,如图8所示,本实施例道路表面图像的保存装置包括:采集单元201,用于采集道路表面图像;判断单元202,用于判断道路表面图像中是否有路面缺陷;第一压缩单元203,用于:如果没有路面缺陷,压缩道路表面图像;第二压缩单元204,用于:如果有路面缺陷,判断路面缺陷的方向,根据路面缺陷的方向,确定道路表面图像的压缩方式,根据压缩方式对道路表面图像进行压缩;保存单元205,用于保存道路表面图像。
本申请中,道路表面图像的保存装置实施例与道路表面图像的保存方法实施例基本相似,相关之处请参考道路表面图像的保存方法实施例的介绍。
本领域的技术人员可以清楚地了解到本发明实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件,其中硬件例如可以是FPGA(Field-Programmable Gate Array,现场可编程门阵列)、IC(IntegratedCircuit,集成电路)等。
本发明实施例的各处理单元和/或模块,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件而实现。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述道路表面图像的保存方法步骤。其中,计算机可读存储介质可以包括但不限于任何类型的盘,包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器IC),或适合于存储指令和/或数据的任何类型的媒介或设备。
本发明实施例还提供了一种电子设备,包括存储单元、处理单元及存储在存储单元上并可在处理单元上运行的计算机程序,处理单元执行程序时实现上述道路表面图像的保存方法步骤。在本发明实施例中,处理单元和存储单元可以集成在一个器件中,也可以位于两个器件中。
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。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,如:多个单元或组件可以结合,或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,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以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,也可以采用硬件加软件功能单元的形式实现。
以上介绍仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种道路表面图像的保存方法,其特征在于,包括步骤:
采集道路表面图像;
判断所述道路表面图像中是否有路面缺陷;
如果没有路面缺陷,压缩所述道路表面图像;
如果有路面缺陷,判断所述路面缺陷的方向,根据所述路面缺陷的方向,确定所述道路表面图像的压缩方式,根据所述压缩方式对所述道路表面图像进行压缩;
保存所述道路表面图像;
所述判断所述路面缺陷的方向,包括:
提取所述道路表面图像中路面缺陷的轮廓;
遍历所述道路表面图像的每一行,得到属于所述路面缺陷的第一轮廓点集;遍历所述道路表面图像的每一列,得到属于所述路面缺陷的第二轮廓点集;
比较所述第一轮廓点集和第二轮廓点集;
当所述第一轮廓点集中轮廓点的数量大于所述第二轮廓点集中轮廓点的数量时,对于每一行上路面缺陷的轮廓点,求得该行轮廓点的坐标x值的平均值x平均,得到该行轮廓点的中值点(x平均,y),其中,y为该行的纵坐标;对所有行的中值点进行直线拟合,得到所述路面缺陷的主轴线;
当所述第一轮廓点集中轮廓点的数量小于所述第二轮廓点集中轮廓点的数量时,对于每一列上路面缺陷的轮廓点,求得该列轮廓点的坐标y值的平均值y平均,得到该列轮廓点的中值点(x ,y平均),其中,x为该列的横坐标;对所有列的中值点进行直线拟合,得到所述路面缺陷的主轴线;
计算所述道路表面图像中路面缺陷的主轴线与水平方向的偏移角,得到所述路面缺陷的方向;
所述根据所述路面缺陷的方向,确定所述道路表面图像的压缩方式,根据所述压缩方式对所述道路表面图像进行压缩,包括:
当所述偏移角属于第一预设范围时,所述路面缺陷为横向缺陷;当所述路面缺陷为横向缺陷时,对所述道路表面图像进行纵向压缩;
当所述偏移角属于第三预设范围时,所述路面缺陷为纵向缺陷;当所述路面缺陷为纵向缺陷时,对所述道路表面图像进行横向压缩;
当所述偏移角属于第二预设范围时,所述路面缺陷为横纵方向缺陷;当所述路面缺陷为横纵方向缺陷时,保持所述道路表面图像不变。
2.根据权利要求1所述道路表面图像的保存方法,其特征在于,在所述判断所述道路表面图像中是否有路面缺陷之前,还包括:预处理所述道路表面图像。
3.根据权利要求1-2任一项所述道路表面图像的保存方法,其特征在于,所述如果没有路面缺陷,压缩所述道路表面图像,包括:
如果没有路面缺陷,所述道路表面图像的横向按照预设比例进行压缩,所述道路表面图像的纵向按照预设比例进行压缩。
4.根据权利要求1所述道路表面图像的保存方法,其特征在于,对所述道路表面图像进行纵向压缩,包括:按照预设比例,对所述道路表面图像进行纵向压缩。
5.根据权利要求1所述道路表面图像的保存方法,其特征在于,对所述道路表面图像进行横向压缩,包括:按照预设比例,对所述道路表面图像进行横向压缩。
6.一种道路表面图像的保存装置,其特征在于,包括:
采集单元,用于采集道路表面图像;
判断单元,用于判断所述道路表面图像中是否有路面缺陷;
第一压缩单元,用于:如果没有路面缺陷,压缩所述道路表面图像;
第二压缩单元,用于:如果有路面缺陷,判断所述路面缺陷的方向,根据所述路面缺陷的方向,确定所述道路表面图像的压缩方式,根据所述压缩方式对所述道路表面图像进行压缩;
判断所述路面缺陷的方向,包括:
提取所述道路表面图像中路面缺陷的轮廓;
遍历所述道路表面图像的每一行,得到属于所述路面缺陷的第一轮廓点集;遍历所述道路表面图像的每一列,得到属于所述路面缺陷的第二轮廓点集;
比较所述第一轮廓点集和第二轮廓点集;
当所述第一轮廓点集中轮廓点的数量大于所述第二轮廓点集中轮廓点的数量时,对于每一行上路面缺陷的轮廓点,求得该行轮廓点的坐标x值的平均值x平均,得到该行轮廓点的中值点(x平均,y),其中,y为该行的纵坐标;对所有行的中值点进行直线拟合,得到所述路面缺陷的主轴线;
当所述第一轮廓点集中轮廓点的数量小于所述第二轮廓点集中轮廓点的数量时,对于每一列上路面缺陷的轮廓点,求得该列轮廓点的坐标y值的平均值y平均,得到该列轮廓点的中值点(x ,y平均),其中,x为该列的横坐标;对所有列的中值点进行直线拟合,得到所述路面缺陷的主轴线;
计算所述道路表面图像中路面缺陷的主轴线与水平方向的偏移角,得到所述路面缺陷的方向;
根据所述路面缺陷的方向,确定所述道路表面图像的压缩方式,根据所述压缩方式对所述道路表面图像进行压缩,包括:
当所述偏移角属于第一预设范围时,所述路面缺陷为横向缺陷;当所述路面缺陷为横向缺陷时,对所述道路表面图像进行纵向压缩;
当所述偏移角属于第三预设范围时,所述路面缺陷为纵向缺陷;当所述路面缺陷为纵向缺陷时,对所述道路表面图像进行横向压缩;
当所述偏移角属于第二预设范围时,所述路面缺陷为横纵方向缺陷;当所述路面缺陷为横纵方向缺陷时,保持所述道路表面图像不变;
保存单元,用于保存所述道路表面图像。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述权利要求1-5中任一项所述方法的步骤。
8.一种电子设备,包括存储单元、处理单元及存储在存储单元上并可在处理单元上运行的计算机程序,其特征在于,所述处理单元执行所述程序时实现所述权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010253312.9A CN111553884B (zh) | 2020-04-02 | 2020-04-02 | 一种道路表面图像的保存方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010253312.9A CN111553884B (zh) | 2020-04-02 | 2020-04-02 | 一种道路表面图像的保存方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553884A CN111553884A (zh) | 2020-08-18 |
CN111553884B true CN111553884B (zh) | 2023-02-17 |
Family
ID=72007382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010253312.9A Active CN111553884B (zh) | 2020-04-02 | 2020-04-02 | 一种道路表面图像的保存方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553884B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384074A (zh) * | 2015-07-31 | 2017-02-08 | 富士通株式会社 | 路面缺陷的检测装置、方法以及图像处理设备 |
CN106954075A (zh) * | 2016-01-06 | 2017-07-14 | 睿致科技股份有限公司 | 图像处理装置及其图像压缩方法 |
CN109949380A (zh) * | 2019-02-02 | 2019-06-28 | 广州视源电子科技股份有限公司 | 图像压缩方法、系统及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017217656A1 (ko) * | 2016-06-15 | 2017-12-21 | 주식회사 에벤에셀케이 | 동영상 압축방법, 장치 및 이에 대한 컴퓨터 프로그램 |
-
2020
- 2020-04-02 CN CN202010253312.9A patent/CN111553884B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106384074A (zh) * | 2015-07-31 | 2017-02-08 | 富士通株式会社 | 路面缺陷的检测装置、方法以及图像处理设备 |
CN106954075A (zh) * | 2016-01-06 | 2017-07-14 | 睿致科技股份有限公司 | 图像处理装置及其图像压缩方法 |
CN109949380A (zh) * | 2019-02-02 | 2019-06-28 | 广州视源电子科技股份有限公司 | 图像压缩方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111553884A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110324626B (zh) | 一种面向物联网监控的双码流人脸分辨率保真的视频编解码方法 | |
US9014471B2 (en) | Method of classifying a chroma downsampling error | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
US8582915B2 (en) | Image enhancement for challenging lighting conditions | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
US20150363668A1 (en) | Traffic lane boundary line extraction apparatus and method of extracting traffic lane boundary line | |
US9870509B2 (en) | Image storage method and apparatus thereof | |
WO2012035533A2 (en) | A method of classifying a chroma downsampling error | |
CN110147465A (zh) | 图像处理方法、装置、设备和介质 | |
CN116665080B (zh) | 基于目标识别的无人机劣化绝缘子检测方法及系统 | |
TWI513291B (zh) | 影像處理的方法、裝置及電腦可讀取媒體 | |
CN113379858A (zh) | 一种基于深度学习的图像压缩方法及装置 | |
CN111553884B (zh) | 一种道路表面图像的保存方法及装置 | |
Ma et al. | Surveillance video coding with vehicle library | |
Shekar et al. | Image enhancement and compression using edge detection technique | |
KR20190021993A (ko) | 압축영상에 대한 신택스 기반의 이동객체 영역 추출 방법 | |
CN109886900B (zh) | 一种基于字典训练和稀疏表示的合成雨图除雨方法 | |
CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
US8433139B2 (en) | Image processing apparatus, image processing method and program for segmentation based on a degree of dispersion of pixels with a same characteristic quality | |
CN113542771A (zh) | 一种基于内容权重的视频高效压缩处理方法 | |
CN114166132A (zh) | 一种车辆高度抓拍测量方法及装置 | |
US20170147895A1 (en) | Method and device for digit separation | |
Chen et al. | AV1 video coding using texture analysis with convolutional neural networks | |
CN111145219A (zh) | 一种基于Codebook原理的高效视频移动目标检测方法 | |
WO2015128302A1 (en) | Method and apparatus for filtering and analyzing a noise in an image |
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 |