CN112102402B - 闪光灯光斑位置识别方法、装置、电子设备及存储介质 - Google Patents
闪光灯光斑位置识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112102402B CN112102402B CN202011013971.1A CN202011013971A CN112102402B CN 112102402 B CN112102402 B CN 112102402B CN 202011013971 A CN202011013971 A CN 202011013971A CN 112102402 B CN112102402 B CN 112102402B
- Authority
- CN
- China
- Prior art keywords
- photo
- light spot
- pixel
- identified
- value
- 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 41
- 238000012545 processing Methods 0.000 claims abstract description 65
- 238000005286 illumination Methods 0.000 claims abstract description 27
- 238000009499 grossing Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000002834 transmittance Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000003086 colorant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及数据处理,揭露一种闪光灯光斑位置识别方法,包括:对待识别照片执行光照增强处理得到第一照片,对第一照片执行灰度化及二值化处理得到第二照片;根据第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对第一光斑集执行平滑处理得到第二光斑集;计算第二光斑集中各个光斑的面积值,基于面积值确定目标光斑,计算目标光斑的中心点坐标,将中心点坐标作为闪光灯光斑位置坐标。本发明还提供一种闪光灯光斑位置识别装置、电子设备及存储介质。本发明可提高闪光灯光斑位置识别的准确度。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种闪光灯光斑位置识别方法、装置、电子设备及存储介质。
背景技术
随着科技的发展,线上业务以其不受时间、空间的约束而被广泛应用于人们的生活中,例如,用户通过手机APP线上开户,开户时需要上传身份证照片以验证用户身份,验证照片中身份证真伪的方法是比对闪光灯下和无闪光灯时照片中身份证的鉴伪区的像素值变化,然而各个摄像设备的闪光灯位置并不相同,为获取闪光灯光斑照射到鉴伪区的照片,需先识别闪光灯光斑轮廓及光斑中心位置。
当前通常通过霍夫变换检测光斑边缘,然而不同摄像设备的闪光灯光照强度不同,而霍夫变换对光照强度不敏感,无法准确区分强光斑、暗光斑和白色噪点,导致光斑位置识别准确度不高,因此,亟需一种闪光灯光斑位置识别方法,以提高识别准确度。
发明内容
鉴于以上内容,有必要提供一种闪光灯光斑位置识别方法,旨在提高闪光灯光斑位置识别的准确度。
本发明提供的闪光灯光斑位置识别方法,包括:
解析用户基于客户端发出的闪光灯光斑位置识别请求,获取所述识别请求携带的待识别照片;
对所述待识别照片执行光照增强处理得到第一照片,对所述第一照片执行灰度化及二值化处理得到第二照片;
根据所述第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对所述第一光斑集执行平滑处理得到第二光斑集;
计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算所述目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标。
可选的,所述对所述待识别照片执行光照增强处理得到第一照片包括:
计算所述待识别照片中各个像素点的暗通道像素值;
对所述暗通道像素值执行滤波处理得到所述待识别照片中各个像素点的暗通道标准像素值;
计算所述待识别照片中所有像素点的暗通道像素值的平均值;
基于所述平均值及暗通道标准像素值计算所述待识别照片中每个像素点的大气透射率及全局大气光值;
基于所述大气透射率及全局大气光值对所述待识别照片中各个像素点执行光照增强处理得到第一照片。
可选的,所述大气透射率的计算公式为:
Lij=min((min(q,0.9))*Pij,Mij)
其中,q为待识别照片中所有像素点的暗通道像素值的平均值,Pij为待识别照片中第i行第j列像素点的暗通道标准像素值,Mij为待识别照片中第i行第j列像素点的暗通道像素值,Lij为待识别照片中第i行第j列像素点的大气折射率;
所述全局大气光值的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,cij为待识别照片中第i行第j列像素点RGB三通道的像素值,Pij为待识别照片中第i行第j列像素点的暗通道标准像素值,A为全局大气光值;
所述光照增强处理对应的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,Lij为待识别照片中第i行第j列像素点的大气折射率,A为全局大气光值,Fij为待识别照片中第i行第j列像素点光照增强后的像素值。
可选的,所述根据所述第二照片中各个像素点的像素值确定多个光斑包括:
逐行判断所述第二照片中每个像素点的像素值是否满足第一条件或第二条件,将满足第一条件的像素点作为光斑边界起点,将满足第二条件的像素点作为光斑边界终点;
根据所述光斑边界起点及光斑边界终点确定多个光斑。
可选的,所述第一条件为:当所述第二照片中第i行第j-1列像素点的像素值为0且第i行第j列像素点的像素值为1时,第i行第j列像素点为光斑边界起点;
所述第二条件为:当所述第二照片中第m行第n列像素点的像素值为1且第m行第n+1列像素点的像素值为0时,第m行第n列像素点为光斑边界终点。
可选的,所述对所述第一光斑集执行平滑处理得到第二光斑集包括:
将预设卷积核与所述第一光斑集中各个像素点的像素值执行相与运算得到各个像素点的目标像素值;
根据所述目标像素值重新确定所述第一光斑集中各个光斑的边界,得到第二光斑集。
可选的,所述基于所述面积值确定目标光斑包括:
删除所述第二光斑集中面积值小于预设阈值的光斑得到第三光斑集;
将所述第三光斑集中面积值最大的光斑作为目标光斑。
为了解决上述问题,本发明还提供一种闪光灯光斑位置识别装置,所述装置包括:
解析模块,用于解析用户基于客户端发出的闪光灯光斑位置识别请求,获取所述识别请求携带的待识别照片;
处理模块,用于对所述待识别照片执行光照增强处理得到第一照片,对所述第一照片执行灰度化及二值化处理得到第二照片;
确定模块,用于根据所述第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对所述第一光斑集执行平滑处理得到第二光斑集;
计算模块,用于计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算所述目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的闪光灯光斑位置识别程序,所述闪光灯光斑位置识别程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述闪光灯光斑位置识别方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有闪光灯光斑位置识别程序,所述闪光灯光斑位置识别程序可被一个或者多个处理器执行,以实现上述闪光灯光斑位置识别方法。
相较现有技术,本发明首先对待识别照片执行光照增强处理得到第一照片,对第一照片执行灰度化及二值化处理得到第二照片,本步骤中通过光照增强处理同时增强了强光斑和弱光斑,避免了弱光斑识别不到的可能性,使得后续的闪光灯光斑位置识别的结果更为准确,通过灰度化及二值化对图像进行降维,使得图像更为简单,更能凸显光斑轮廓;接着,根据第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对第一光斑集执行平滑处理得到第二光斑集,本步骤通过平滑处理消除光斑区域中的毛刺并根据平滑处理后的像素值重新确定光斑的边界,剔除了第一光斑集中的噪声光斑,使得识别到的光斑更为准确;最后,计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标,本步骤进一步剔除了噪声光斑。故而,本发明提高了闪光灯光斑位置识别的准确度。
附图说明
图1为本发明一实施例提供的闪光灯光斑位置识别方法的流程示意图;
图2为本发明一实施例提供的闪光灯光斑位置识别装置的模块示意图;
图3为本发明一实施例提供的实现闪光灯光斑位置识别方法的电子设备的结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提供一种闪光灯光斑位置识别方法。参照图1所示,为本发明一实施例提供的闪光灯光斑位置识别方法的流程示意图。该方法可以由一个电子设备执行,该电子设备可以由软件和/或硬件实现。
本实施例中,闪光灯光斑位置识别方法包括:
S1、解析用户基于客户端发出的闪光灯光斑位置识别请求,获取所述识别请求携带的待识别照片;
S2、对所述待识别照片执行光照增强处理得到第一照片,对所述第一照片执行灰度化及二值化处理得到第二照片。
本实施例中,所述待识别照片为开启闪光灯拍摄的照片。所述对所述待识别照片执行光照增强处理得到第一照片包括:
A1、计算所述待识别照片中各个像素点的暗通道像素值;
彩色图像皆包括RGB三个通道,每一种颜色都是由红绿蓝三种颜色组合而成的,例如红色为(255,0,0),粉红色为(255,192,203),暗通道是指图像中除天空区域外的任一局部像素至少有一个通道值很低。
所述暗通道像素值的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,cij为待识别照片中第i行第j列像素点RGB三通道的像素值,Mij为待识别照片中第i行第j列像素点的暗通道像素值。
A2、对所述暗通道像素值执行滤波处理得到所述待识别照片中各个像素点的暗通道标准像素值;
本实施例中,各个像素点的暗通道标准像素值是通过计算其相邻的8个像素点的暗通道像素值的平均值得到的(即九宫格中心像素点的暗通道标准像素值为九宫格中其他8个像素点的暗通道像素值的平均值),本步骤的目的是减少噪点对图片的影响。
A3、计算所述待识别照片中所有像素点的暗通道像素值的平均值;
A4、基于所述平均值及暗通道标准像素值计算所述待识别照片中每个像素点的大气透射率及全局大气光值;
所述大气透射率的计算公式为:
Lij=min((min(q,0.9))*Pij,Mij)
其中,q为待识别照片中所有像素点的暗通道像素值的平均值,Pij为待识别照片中第i行第j列像素点的暗通道标准像素值,Mij为待识别照片中第i行第j列像素点的暗通道像素值,Lij为待识别照片中第i行第j列像素点的大气折射率。
所述全局大气光值的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,cij为待识别照片中第i行第j列像素点RGB三通道的像素值,Pij为待识别照片中第i行第j列像素点的暗通道标准像素值,A为全局大气光值。
A5、基于所述大气透射率及全局大气光值对所述待识别照片中各个像素点执行光照增强处理得到第一照片。
所述光照增强处理对应的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,Lij为待识别照片中第i行第j列像素点的大气折射率,A为全局大气光值,Fij为待识别照片中第i行第j列像素点光照增强后的像素值。
相较于现有技术中仅对强光斑进行光照增强,本发明通过大气透射率及全局大气光值将强光斑和暗光斑都进行了增强,避免了弱光斑识别不到的可能性,使得后续闪光灯光斑位置的检测更为准确。
本实施例中,所述灰度化处理的计算公式为:
Yij=0.299Rij+0.587Gij+0.114Bij
其中,Rij为第一照片中第i行第j列像素点的R通道像素值,Gij为第一照片中第i行第j列像素点的G通道像素值,Bij为第一照片中第i行第j列像素点的B通道像素值,Yij为第一照片中第i行第j列像素点的灰度值。
一个像素点的灰度有256个维度,RGB彩色图像就有1600万以上的维度,通过灰度化处理可使得图像降维(灰度),从而大大降低了计算量。
二值化处理的计算公式为:
其中,Yij为第一照片中第i行第j列像素点的灰度值,Wij为第二照片中第i行第j列像素点的像素值(即第一照片中第i行第j列像素点二值化处理后的像素值)。
通过二值化处理将照片转换为黑白二种颜色,使图像更为简单、数据量更小,更能凸显光斑轮廓。
S3、根据所述第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对所述第一光斑集执行平滑处理得到第二光斑集。
本实施例中,所述根据所述第二照片中各个像素点的像素值确定多个光斑包括:
B1、逐行判断所述第二照片中每个像素点的像素值是否满足第一条件或第二条件,将满足第一条件的像素点作为光斑边界起点,将满足第二条件的像素点作为光斑边界终点;
所述第一条件为:当Wi(j-1)=0且Wij=1时,Wij为光斑边界起点(即:当第二照片中第i行第j-1列像素点的像素值为0且第i行第j列像素点的像素值为1时,第i行第j列像素点为光斑边界起点)。
所述第二条件为:当Wmn=1且Wm(n+1)=0时,Wmn为光斑边界终点(即:当第二照片中第m行第n列像素点的像素值为1且第m行第n+1列像素点的像素值为0时,第m行第n列像素点为光斑边界终点)。
B2、根据所述光斑边界起点和光斑边界终点确定多个光斑得到第一光斑集。
对于每行像素点,将每个边界起点及其右侧第一个边界终点作为一个边界对,当该行最后一个边界起点无对应的边界终点时,将该行最后一个像素点作为所述最后一个边界起点对应的边界终点;当该行第一个边界终点无对应的边界起点时,将该行第一个像素点作为所述第一个边界终点对应的边界起点。
获取每行的边界对后,汇总所有行的边界对,得到多个光斑。
所述对所述第一光斑集执行平滑处理得到第二光斑集包括:
C1、将预设卷积核与所述第一光斑集中各个像素点的像素值执行相与运算得到各个像素点的目标像素值;
C2、根据所述目标像素值重新确定所述第一光斑集中各个光斑的边界,得到第二光斑集。
本实施例中,所述预设卷积核G为:
从第一光斑集中选择一个像素点,将其像素值与卷积核G做相与运算后得到像素值矩阵,将像素值矩阵中最小的值作为选择的像素点的目标像素值,根据上述第一条件、第二条件重新确定光斑边界,得到第二光斑集。本发明通过平滑处理消除了光斑区域的毛刺并重新确定了光斑边界,剔除了噪声光斑。
S4、计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算所述目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标。
所述基于所述面积值确定目标光斑包括:
D1、删除所述第二光斑集中面积值小于预设阈值的光斑得到第三光斑集;
D2、将所述第三光斑集中面积值最大的光斑作为目标光斑。
所述方法还包括:
当所述闪光灯光斑位置坐标与预设坐标的差值绝对值小于差值阈值时,将所述待识别照片作为目标照片。
本实施例中预设坐标为鉴伪区中心坐标,当待识别照片中闪光灯光斑位置坐标与鉴伪区中心坐标的差值绝对值小于差值阈值时,可用所述待识别照片判断照片中身份证的真伪。
由上述实施例可知,本发明提出的闪光灯光斑位置识别方法,首先,对待识别照片执行光照增强处理得到第一照片,对第一照片执行灰度化及二值化处理得到第二照片,本步骤中通过光照增强处理同时增强了强光斑和弱光斑,避免了弱光斑识别不到的可能性,使得后续的闪光灯光斑位置识别的结果更为准确,通过灰度化及二值化对图像进行降维,使得图像更为简单,更能凸显光斑轮廓;接着,根据第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对第一光斑集执行平滑处理得到第二光斑集,本步骤通过平滑处理消除光斑区域中的毛刺并根据平滑处理后的像素值重新确定光斑的边界,剔除了第一光斑集中的噪点光斑,使得识别到的光斑更为准确;最后,计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标,本步骤进一步剔除了噪声光斑。故而,本发明提高了闪光灯光斑位置识别的准确度。
如图2所示,为本发明一实施例提供的闪光灯光斑位置识别装置的模块示意图。
本发明所述闪光灯光斑位置识别装置100可以安装于电子设备中。根据实现的功能,所述闪光灯光斑位置识别装置100可以包括解析模块110、处理模块120、确定模块130及计算模块140。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
解析模块110,用于解析用户基于客户端发出的闪光灯光斑位置识别请求,获取所述识别请求携带的待识别照片;
处理模块120,用于对所述待识别照片执行光照增强处理得到第一照片,对所述第一照片执行灰度化及二值化处理得到第二照片。
本实施例中,所述待识别照片为开启闪光灯拍摄的照片。所述对所述待识别照片执行光照增强处理得到第一照片包括:
A1、计算所述待识别照片中各个像素点的暗通道像素值;
彩色图像皆包括RGB三个通道,每一种颜色都是由红绿蓝三种颜色组合而成的,例如红色为(255,0,0),粉红色为(255,192,203),暗通道是指图像中除天空区域外的任一局部像素至少有一个通道值很低。
所述暗通道像素值的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,cij为待识别照片中第i行第j列像素点RGB三通道的像素值,Mij为待识别照片中第i行第j列像素点的暗通道像素值。
A2、对所述暗通道像素值执行滤波处理得到所述待识别照片中各个像素点的暗通道标准像素值;
本实施例中,各个像素点的暗通道标准像素值是通过计算其相邻的8个像素点的暗通道像素值的平均值得到的(即九宫格中心像素点的暗通道标准像素值为九宫格中其他8个像素点的暗通道像素值的平均值),本步骤的目的是减少噪点对图片的影响。
A3、计算所述待识别照片中所有像素点的暗通道像素值的平均值;
A4、基于所述平均值及暗通道标准像素值计算所述待识别照片中每个像素点的大气透射率及全局大气光值;
所述大气透射率的计算公式为:
Lij=min((min(q,0.9))*Pij,Mij)
其中,q为待识别照片中所有像素点的暗通道像素值的平均值,Pij为待识别照片中第i行第j列像素点的暗通道标准像素值,Mij为待识别照片中第i行第j列像素点的暗通道像素值,Lij为待识别照片中第i行第j列像素点的大气折射率。
所述全局大气光值的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,cij为待识别照片中第i行第j列像素点RGB三通道的像素值,Pij为待识别照片中第i行第j列像素点的暗通道标准像素值,A为全局大气光值。
A5、基于所述大气透射率及全局大气光值对所述待识别照片中各个像素点执行光照增强处理得到第一照片。
所述光照增强处理对应的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,Lij为待识别照片中第i行第j列像素点的大气折射率,A为全局大气光值,Fij为待识别照片中第i行第j列像素点光照增强后的像素值。
相较于现有技术中仅对强光斑进行光照增强,本发明通过大气透射率及全局大气光值将强光斑和暗光斑都进行了增强,避免了弱光斑识别不到的可能性,使得后续闪光灯光斑位置的检测更为准确。
本实施例中,所述灰度化处理的计算公式为:
Yij=0.299Rij+0.587Gij+0.114Bij
其中,Rij为第一照片中第i行第j列像素点的R通道像素值,Gij为第一照片中第i行第j列像素点的G通道像素值,Bij为第一照片中第i行第j列像素点的B通道像素值,Yij为第一照片中第i行第j列像素点的灰度值。
一个像素点的灰度有256个维度,RGB彩色图像就有1600万以上的维度,通过灰度化处理可使得图像降维(灰度),从而大大降低了计算量。
二值化处理的计算公式为:
其中,Yij为第一照片中第i行第j列像素点的灰度值,Wij为第二照片中第i行第j列像素点的像素值(即第一照片中第i行第j列像素点二值化处理后的像素值)。
通过二值化处理将照片转换为黑白二种颜色,使图像更为简单、数据量更小,更能凸显光斑轮廓。
确定模块130,用于根据所述第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对所述第一光斑集执行平滑处理得到第二光斑集。
本实施例中,所述根据所述第二照片中各个像素点的像素值确定多个光斑包括:
B1、逐行判断所述第二照片中每个像素点的像素值是否满足第一条件或第二条件,将满足第一条件的像素点作为光斑边界起点,将满足第二条件的像素点作为光斑边界终点;
所述第一条件为:当Wi(j-1)=0且Wij=1时,Wij为光斑边界起点(即:当第二照片中第i行第j-1列像素点的像素值为0且第i行第j列像素点的像素值为1时,第i行第j列像素点为光斑边界起点)。
所述第二条件为:当Wmn=1且Wm(n+1)=0时,Wmn为光斑边界终点(即:当第二照片中第m行第n列像素点的像素值为1且第m行第n+1列像素点的像素值为0时,第m行第n列像素点为光斑边界终点)。
B2、根据所述光斑边界起点和光斑边界终点确定多个光斑得到第一光斑集。
对于每行像素点,将每个边界起点及其右侧第一个边界终点作为一个边界对,当该行最后一个边界起点无对应的边界终点时,将该行最后一个像素点作为所述最后一个边界起点对应的边界终点;当该行第一个边界终点无对应的边界起点时,将该行第一个像素点作为所述第一个边界终点对应的边界起点。
获取每行的边界对后,汇总所有行的边界对,得到多个光斑。
所述对所述第一光斑集执行平滑处理得到第二光斑集包括:
C1、将预设卷积核与所述第一光斑集中各个像素点的像素值执行相与运算得到各个像素点的目标像素值;
C2、根据所述目标像素值重新确定所述第一光斑集中各个光斑的边界,得到第二光斑集。
本实施例中,所述预设卷积核G为:
从第一光斑集中选择一个像素点,将其像素值与卷积核G做相与运算后得到像素值矩阵,将像素值矩阵中最小的值作为选择的像素点的目标像素值,根据上述第一条件、第二条件重新确定光斑边界,得到第二光斑集。本发明通过平滑处理消除了光斑区域的毛刺并重新确定了光斑边界,剔除了噪声光斑。
计算模块140,用于计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算所述目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标。
所述基于所述面积值确定目标光斑包括:
D1、删除所述第二光斑集中面积值小于预设阈值的光斑得到第三光斑集;
D2、将所述第三光斑集中面积值最大的光斑作为目标光斑。
所述方法还包括:
当所述闪光灯光斑位置坐标与预设坐标的差值绝对值小于差值阈值时,将所述待识别照片作为目标照片。
本实施例中预设坐标为鉴伪区中心坐标,当待识别照片中闪光灯光斑位置坐标与鉴伪区中心坐标的差值绝对值小于差值阈值时,可用所述待识别照片判断照片中身份证的真伪。
如图3所示,为本发明一实施例提供的实现闪光灯光斑位置识别方法的电子设备的结构示意图。
所述电子设备1是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。所述电子设备1可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云,其中云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。
在本实施例中,电子设备1包括,但不仅限于,可通过系统总线相互通信连接的存储器11、处理器12、网络接口13,该存储器11中存储有闪光灯光斑位置识别程序10,所述闪光灯光斑位置识别程序10可被所述处理器12执行。图3仅示出了具有组件11-13以及闪光灯光斑位置识别程序10的电子设备1,本领域技术人员可以理解的是,图3示出的结构并不构成对电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
其中,存储器11包括内存及至少一种类型的可读存储介质。内存为电子设备1的运行提供缓存;可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等的非易失性存储介质。在一些实施例中,可读存储介质可以是电子设备1的内部存储单元,例如该电子设备1的硬盘;在另一些实施例中,该非易失性存储介质也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。本实施例中,存储器11的可读存储介质通常用于存储安装于电子设备1的操作系统和各类应用软件,例如存储本发明一实施例中的闪光灯光斑位置识别程序10的代码等。此外,存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子设备1的总体操作,例如执行与其他设备进行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据,例如运行闪光灯光斑位置识别程序10等。
网络接口13可包括无线网络接口或有线网络接口,该网络接口13用于在所述电子设备1与客户端(图中未画出)之间建立通信连接。
可选的,所述电子设备1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选的,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的闪光灯光斑位置识别程序10是多个指令的组合,在所述处理器12中运行时,可以实现:
解析用户基于客户端发出的闪光灯光斑位置识别请求,获取所述识别请求携带的待识别照片;
对所述待识别照片执行光照增强处理得到第一照片,对所述第一照片执行灰度化及二值化处理得到第二照片;
根据所述第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对所述第一光斑集执行平滑处理得到第二光斑集;
计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算所述目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标。
具体地,所述处理器12对上述闪光灯光斑位置识别程序10的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。需要强调的是,为进一步保证上述待识别照片的私密和安全性,上述待识别照片还可以存储于一区块链的节点中。
进一步地,所述电子设备1集成的模块/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。所述计算机可读介质可以是非易失性的,也可以是非易失性的。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
所述计算机可读存储介质上存储有闪光灯光斑位置识别程序10,所述闪光灯光斑位置识别程序10可被一个或者多个处理器执行,本发明计算机可读存储介质具体实施方式与上述闪光灯光斑位置识别方法各实施例基本相同,在此不作赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种闪光灯光斑位置识别方法,其特征在于,所述方法包括:
解析用户基于客户端发出的闪光灯光斑位置识别请求,获取所述识别请求携带的待识别照片;
对所述待识别照片执行光照增强处理得到第一照片,对所述第一照片执行灰度化及二值化处理得到第二照片;
根据所述第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对所述第一光斑集执行平滑处理得到第二光斑集;
计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算所述目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标;
其中,所述对所述待识别照片执行光照增强处理得到第一照片包括:计算所述待识别照片中各个像素点的暗通道像素值;对所述暗通道像素值执行滤波处理得到所述待识别照片中各个像素点的暗通道标准像素值;计算所述待识别照片中所有像素点的暗通道像素值的平均值;基于所述平均值及暗通道标准像素值计算所述待识别照片中每个像素点的大气透射率及全局大气光值;基于所述大气透射率及全局大气光值对所述待识别照片中各个像素点执行光照增强处理得到第一照片;
所述大气透射率的计算公式为:
Lij=min((min(q,0.9))*Pij,Mij)
其中,q为待识别照片中所有像素点的暗通道像素值的平均值,Pij为待识别照片中第i行第j列像素点的暗通道标准像素值,Mij为待识别照片中第i行第j列像素点的暗通道像素值,Lij为待识别照片中第i行第j列像素点的大气折射率;
所述全局大气光值的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,cij为待识别照片中第i行第j列像素点RGB三通道的像素值,Pij为待识别照片中第i行第j列像素点的暗通道标准像素值,A为全局大气光值;
所述光照增强处理对应的计算公式为:
其中,Hij为待识别照片中第i行第j列像素点的像素值,Lij为待识别照片中第i行第j列像素点的大气折射率,A为全局大气光值,Fij为待识别照片中第i行第j列像素点光照增强后的像素值。
2.如权利要求1所述的闪光灯光斑位置识别方法,其特征在于,所述根据所述第二照片中各个像素点的像素值确定多个光斑包括:
逐行判断所述第二照片中每个像素点的像素值是否满足第一条件或第二条件,将满足第一条件的像素点作为光斑边界起点,将满足第二条件的像素点作为光斑边界终点;
根据所述光斑边界起点及光斑边界终点确定多个光斑。
3.如权利要求2所述的闪光灯光斑位置识别方法,其特征在于,所述第一条件为:当所述第二照片中第i行第j-1列像素点的像素值为0且第i行第j列像素点的像素值为1时,第i行第j列像素点为光斑边界起点;
所述第二条件为:当所述第二照片中第m行第n列像素点的像素值为1且第m行第n+1列像素点的像素值为0时,第m行第n列像素点为光斑边界终点。
4.如权利要求1所述的闪光灯光斑位置识别方法,其特征在于,所述对所述第一光斑集执行平滑处理得到第二光斑集包括:
将预设卷积核与所述第一光斑集中各个像素点的像素值执行相与运算得到各个像素点的目标像素值;
根据所述目标像素值重新确定所述第一光斑集中各个光斑的边界,得到第二光斑集。
5.如权利要求1所述的闪光灯光斑位置识别方法,其特征在于,所述基于所述面积值确定目标光斑包括:
删除所述第二光斑集中面积值小于预设阈值的光斑得到第三光斑集;
将所述第三光斑集中面积值最大的光斑作为目标光斑。
6.一种闪光灯光斑位置识别装置,用于实现如权利要求1至5任一项所述的闪光灯光斑位置识别方法,其特征在于,所述装置包括:
解析模块,用于解析用户基于客户端发出的闪光灯光斑位置识别请求,获取所述识别请求携带的待识别照片;
处理模块,用于对所述待识别照片执行光照增强处理得到第一照片,对所述第一照片执行灰度化及二值化处理得到第二照片;
确定模块,用于根据所述第二照片中各个像素点的像素值确定多个光斑,得到第一光斑集,对所述第一光斑集执行平滑处理得到第二光斑集;
计算模块,用于计算所述第二光斑集中各个光斑的面积值,基于所述面积值确定目标光斑,计算所述目标光斑的中心点坐标,将所述中心点坐标作为闪光灯光斑位置坐标。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的闪光灯光斑位置识别程序,所述闪光灯光斑位置识别程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任一项所述的闪光灯光斑位置识别方法。
8.一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上存储有闪光灯光斑位置识别程序,所述闪光灯光斑位置识别程序可被一个或者多个处理器执行,以实现如权利要求1至5任一项所述的闪光灯光斑位置识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011013971.1A CN112102402B (zh) | 2020-09-23 | 2020-09-23 | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 |
PCT/CN2020/125448 WO2021189853A1 (zh) | 2020-09-23 | 2020-10-30 | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011013971.1A CN112102402B (zh) | 2020-09-23 | 2020-09-23 | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112102402A CN112102402A (zh) | 2020-12-18 |
CN112102402B true CN112102402B (zh) | 2023-08-22 |
Family
ID=73755249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011013971.1A Active CN112102402B (zh) | 2020-09-23 | 2020-09-23 | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112102402B (zh) |
WO (1) | WO2021189853A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686842B (zh) * | 2020-12-21 | 2021-08-24 | 苏州炫感信息科技有限公司 | 一种光斑检测方法、装置、电子设备及可读存储介质 |
CN114283170B (zh) * | 2021-12-24 | 2024-05-03 | 北京元客视界科技有限公司 | 一种光斑提取方法 |
CN115205246B (zh) * | 2022-07-14 | 2024-04-09 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流阀电晕放电紫外图像特征提取方法和装置 |
CN115393440B (zh) * | 2022-10-27 | 2023-01-24 | 长春理工大学 | 一种光端机信标光斑中心定位方法、存储介质及电子设备 |
CN117315011B (zh) * | 2023-11-30 | 2024-04-02 | 吉林珩辉光电科技有限公司 | 一种大气湍流中光斑中心定位方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859130A (zh) * | 2019-01-29 | 2019-06-07 | 杭州智诠科技有限公司 | 一种眼底照片清晰化处理方法、系统、装置及存储介质 |
CN110163851A (zh) * | 2019-05-06 | 2019-08-23 | 歌尔股份有限公司 | 图像上亮斑的识别方法、装置及计算机存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3173975A1 (en) * | 2015-11-30 | 2017-05-31 | Delphi Technologies, Inc. | Method for identification of candidate points as possible characteristic points of a calibration pattern within an image of the calibration pattern |
CN109583287B (zh) * | 2017-09-29 | 2024-04-12 | 浙江莲荷科技有限公司 | 实物识别方法及验证方法 |
CN109118441B (zh) * | 2018-07-17 | 2022-04-12 | 厦门理工学院 | 一种低照度图像及视频增强方法、计算机装置及存储介质 |
CN110992264B (zh) * | 2019-11-28 | 2023-09-01 | 北京金山云网络技术有限公司 | 一种图像处理方法、处理装置、电子设备及存储介质 |
-
2020
- 2020-09-23 CN CN202011013971.1A patent/CN112102402B/zh active Active
- 2020-10-30 WO PCT/CN2020/125448 patent/WO2021189853A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859130A (zh) * | 2019-01-29 | 2019-06-07 | 杭州智诠科技有限公司 | 一种眼底照片清晰化处理方法、系统、装置及存储介质 |
CN110163851A (zh) * | 2019-05-06 | 2019-08-23 | 歌尔股份有限公司 | 图像上亮斑的识别方法、装置及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112102402A (zh) | 2020-12-18 |
WO2021189853A1 (zh) | 2021-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112102402B (zh) | 闪光灯光斑位置识别方法、装置、电子设备及存储介质 | |
CN107798299B (zh) | 票据信息识别方法、电子装置及可读存储介质 | |
WO2019174130A1 (zh) | 票据识别方法、服务器及计算机可读存储介质 | |
CN111595850B (zh) | 切片缺陷检测方法、电子装置及可读存储介质 | |
US10303968B2 (en) | Method and apparatus for image recognition | |
CN107180479B (zh) | 一种票据鉴别方法、装置、设备和存储介质 | |
CN110675940A (zh) | 病理图像标注方法、装置、计算机设备及存储介质 | |
CN110008997B (zh) | 图像纹理相似度识别方法、装置及计算机可读存储介质 | |
CN112668575B (zh) | 关键信息提取方法、装置、电子设备及存储介质 | |
CN112508145B (zh) | 电子印章生成及验证方法、装置、电子设备及存储介质 | |
CN113705462B (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
CN114758249B (zh) | 基于野外夜间环境的目标物监测方法、装置、设备及介质 | |
ES2754612T3 (es) | Procedimiento de reconocimiento de caracteres en relieve, producto programa de ordenador y dispositivo correspondientes | |
WO2021218164A1 (zh) | 双行车牌识别方法、装置、设备及计算机可读存储介质 | |
CN112581344A (zh) | 一种图像处理方法、装置、计算机设备及存储介质 | |
CN112149570B (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
US20240193987A1 (en) | Face liveness detection method, terminal device and non-transitory computer-readable storage medium | |
CN114494751A (zh) | 证照信息识别方法、装置、设备及介质 | |
CN112906671B (zh) | 面审虚假图片识别方法、装置、电子设备及存储介质 | |
CN113313114B (zh) | 证件信息获取方法、装置、设备以及存储介质 | |
CN114913518B (zh) | 基于图像处理的车牌识别方法、装置、设备及介质 | |
CN112541899B (zh) | 证件的残缺检测方法、装置、电子设备及计算机存储介质 | |
CN112633183B (zh) | 影像遮挡区域自动检测方法、装置及存储介质 | |
CN111695441B (zh) | 图像文档处理方法、装置及计算机可读存储介质 |
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 |