CN112241714B - 图像中指定区域的识别方法、装置、可读介质和电子设备 - Google Patents
图像中指定区域的识别方法、装置、可读介质和电子设备 Download PDFInfo
- Publication number
- CN112241714B CN112241714B CN202011141697.6A CN202011141697A CN112241714B CN 112241714 B CN112241714 B CN 112241714B CN 202011141697 A CN202011141697 A CN 202011141697A CN 112241714 B CN112241714 B CN 112241714B
- Authority
- CN
- China
- Prior art keywords
- color
- initial
- pixel point
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000000605 extraction Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 13
- 239000003086 colorant Substances 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像中指定区域的识别方法、装置、可读介质和电子设备，涉及图像处理技术领域，该方法包括：获取目标图像的每个像素点在颜色空间中的颜色坐标，根据每个像素点的颜色坐标，和预设的颜色范围，确定初始区域，初始区域内的像素点的颜色坐标，属于颜色范围，对初始区域进行边缘提取，以得到初始区域的至少一个初始边缘，按照指定边数对至少一个初始边缘进行多边形拟合，以得到指定边数个首尾相接的目标边缘，并根据目标边缘确定指定区域。本公开在颜色空间中对目标图像中的像素点的颜色进行划分，以确定初始区域，并对初始区域进行边缘提取，多边形拟合处理，从而得到指定区域，能够快速、准确地识别出目标图像中指定区域的位置。
Description
技术领域
本公开涉及图像处理技术领域，具体地，涉及一种图像中指定区域的识别方法、装置、可读介质和电子设备。
背景技术
在图像处理技术领域中，随着智能终端在日常生活中越来越普及，用户可以拍摄各种图像、视频，并进行分享。针对个人用户来说，在看到感兴趣的图像或者视频时，可能想要模仿，改变图像或者视频中的某些元素，从而拍出同款。针对企业用户来说，往往会针对一系列产品设计相同的广告，然后只需要拍摄一次广告，并将广告中的产品替换为同系列的其他产品，从而得到一系列产品的广告。因此，为了实现图像中指定区域的替换，需要准确识别出图像中的指定区域。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种图像中指定区域的识别方法，所述方法包括：
获取目标图像的每个像素点在颜色空间中的颜色坐标；
根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，所述初始区域内的所述像素点的颜色坐标，属于所述颜色范围；
对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘；
按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，并根据所述目标边缘确定指定区域。
第二方面，本公开提供一种图像中指定区域的识别装置，所述装置包括：
获取模块，用于获取目标图像的每个像素点在颜色空间中的颜色坐标；
确定模块，用于根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，所述初始区域内的所述像素点的颜色坐标，属于所述颜色范围；
提取模块，用于对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘；
识别模块，用于按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，并根据所述目标边缘确定指定区域。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
通过上述技术方案，本公开首先获取目标图像中每个像素点在颜色空间中的颜色坐标，之后根据每个像素点的颜色坐标和预设的颜色范围，确定由颜色坐标属于颜色范围的像素点组成的初始区域，再对初始区域进行边缘提取，以得到初始区域的至少一个初始边缘，最后按照指定边数对至少一个初始边缘进行多边形拟合，以得到指定边数个首尾相接的目标边缘，并根据目标边缘确定指定区域。本公开在颜色空间中对目标图像中的像素点的颜色进行划分，以确定初始区域，并对初始区域进行边缘提取，多边形拟合处理，从而得到指定区域，能够快速、准确地识别出目标图像中指定区域的位置。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据一示例性实施例示出的一种图像中指定区域的识别方法的流程图；
图2是根据一示例性实施例示出的另一种图像中指定区域的识别方法的流程图；
图3是根据一示例性实施例示出的另一种图像中指定区域的识别方法的流程图；
图4是根据一示例性实施例示出的目标图像的示意图；
图5是根据一示例性实施例示出的二值图像的示意图；
图6是根据一示例性实施例示出的初始边缘的示意图；
图7是根据一示例性实施例示出的另一种图像中指定区域的识别方法的流程图；
图8是根据一示例性实施例示出的指定区域的示意图；
图9是根据一示例性实施例示出的另一种图像中指定区域的识别方法的流程图；
图10是根据一示例性实施例示出的一种图像中指定区域的识别装置的框图；
图11是根据一示例性实施例示出的另一种图像中指定区域的识别装置的框图；
图12是根据一示例性实施例示出的另一种图像中指定区域的识别装置的框图；
图13是根据一示例性实施例示出的另一种图像中指定区域的识别装置的框图；
图14是根据一示例性实施例示出的另一种图像中指定区域的识别装置的框图；
图15是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性实施例示出的一种图像中指定区域的识别方法的流程图，如图1所示，该方法可以包括以下步骤：
步骤101，获取目标图像的每个像素点在颜色空间中的颜色坐标。
举例来说，本公开中实施例的执行主体可以是终端设备，也可以是服务器，本公开对此不作具体限定。首先获取目标图像，目标图像可以是用户拍摄的一副图像，也可以是用户拍摄的视频中的任一帧图像。目标图像还可以是用户通过浏览多媒体资源库(多媒体资源库可以存储在终端设备中，也可以存储在服务器中)，指定其中的一副图像，或者指定其中的一个视频中的任一帧图像。在预先拍摄目标图像时，可以将某个指定物体(例如：电子设备的屏幕、广告板、窗户、门等)设置为指定颜色(例如：绿色、蓝色等)，这样，拍摄出的目标图像中该指定物体呈现指定颜色，以便用户可以替换目标图像中的该指定物体。因此，可以将目标图像理解为一个模板图像，包含目标图像的视频可以理解为一个模板视频。在获取目标图像之后，可以确定目标图像中每个像素点在颜色空间中的颜色坐标。其中，本公开实施例中的颜色空间可以是RGB(英文：Red-Green-Blue)颜色空间、LUV颜色空间、LAB颜色空间、CMY(英文：Cyan-Magenta-Yellow)颜色空间、HSV(英文：Hue-Saturation-Value)颜色空间、HSI(英文：Hue-Saturation-Intensity)颜色空间中的一种或者多种，本公开对此不作具体限定。
步骤102，根据每个像素点的颜色坐标，和预设的颜色范围，确定初始区域，初始区域内的像素点的颜色坐标，属于颜色范围。
示例的，可以依次对目标图像中的每个像素点的颜色坐标进行判断，判断该像素点是否属于预设的颜色范围。颜色范围可以理解为指定颜色在颜色空间中对应的颜色坐标范围。以指定颜色为绿色，颜色空间为RGB颜色空间来举例，那么绿色对应的颜色范围可以为：R(红色)通道小于120，B(蓝色)通道小于120，G(绿色)通道大于150，这样，可以将每个像素点的颜色坐标与颜色范围进行比较，确定该像素点是否为绿色。
之后可以将属于颜色范围的像素点进行整合，得到由颜色坐标属于颜色范围的像素点组成的初始区域，也就是说，初始区域内包括的每个像素点的颜色坐标，均属于颜色范围。需要说明的是，初始区域内可能包括了目标图像中，每一个颜色坐标属于颜色范围的像素点，也可能包括了目标图像中，部分颜色坐标属于颜色范围的像素点。例如，可以将属于颜色范围的像素点进行标记，然后对被标记的像素点进行聚类，聚类得到的最密集的簇中包含的像素点所组成的区域即为初始区域。还可以确定目标图像中被标记的像素点组成的一个或多个连通区域(即目标图像中，位置相邻的被标记的像素点所组成的区域)，然后将面积最大的连通区域作为初始区域。
步骤103，对初始区域进行边缘提取，以得到初始区域的至少一个初始边缘。
步骤104，按照指定边数对至少一个初始边缘进行多边形拟合，以得到指定边数个首尾相接的目标边缘，并根据目标边缘确定指定区域。
示例的，由于在预先拍摄目标图像时，指定物体可能会被其他物体遮挡，导致确定的初始区域的形状往往不规则，或者由于拍摄角度的不同，导致确定的初始区域的形状发生了变形。这样，可能导致无法准确定位指定物体在目标图像中的位置，进一步导致无法准确替换目标图像中指定物体所在的区域。因此，在确定了初始区域之后，可以先对初始区域进行边缘提取，从而得到初始区域的至少一个初始边缘。例如，可以将初始区域作为预设的边缘提取算法的输入，边缘提取算法的输出即为至少一个初始边缘。其中，边缘提取算法可以是Canny算法、Sobel算法、Laplacian算法等，本公开对此不作具体限定。进一步的，可以再对边缘提取得到的至少一个初始边缘进行多边形拟合，得到由指定边数(例如：4、5等)个首尾相接的目标边缘组成的多边形，最后将这个多边形作为指定区域，从而得到目标图像中指定区域所在的位置，指定区域为一个封闭的区域。例如，可以将指定边数和至少一个初始边缘作为预设的多边形拟合算法的输入，多边形拟合算法的输出即为由指定边数个首尾相接的目标边缘组成的多边形。其中，指定边数用于限制多边形拟合算法拟合出的多边形的边数，例如指定边数为4，那么多边形拟合算法可以拟合出4个首尾相接的目标边缘，组成一个四边形。通过上述步骤，可以快速、准确地识别出目标图像中指定区域的位置，以便对目标图像中的指定物体所在的区域进行替换。
需要说明的是，上述实施例中的初始区域可以是一个或多个，对应的，指定区域同样也可以是一个或多个。可以理解为，在预先拍摄目标图像时，拍摄场景中可以包括一个或多个，设置为指定颜色的指定物体，目标图像中会包括一个或多个指定物体。当目标图像中包括一个指定物体时，初始区域和指定区域为一个，当目标图像中包括N(N为大于1的正整数)个指定物体时，初始区域和指定区域为N个。
综上所述，本公开首先获取目标图像中每个像素点在颜色空间中的颜色坐标，之后根据每个像素点的颜色坐标和预设的颜色范围，确定由颜色坐标属于颜色范围的像素点组成的初始区域，再对初始区域进行边缘提取，以得到初始区域的至少一个初始边缘，最后按照指定边数对至少一个初始边缘进行多边形拟合，以得到指定边数个首尾相接的目标边缘，并根据目标边缘确定指定区域。本公开在颜色空间中对目标图像中的像素点的颜色进行划分，以确定初始区域，并对初始区域进行边缘提取，多边形拟合处理，从而得到指定区域，能够快速、准确地识别出目标图像中指定区域的位置。
图2是根据一示例性实施例示出的另一种图像中指定区域的识别方法的流程图，如图2所示，步骤101的实现方式可以为：
获取每个像素点在第一颜色空间中的第一颜色坐标，并获取每个像素点在第二颜色空间中的第二颜色坐标。
相应的，步骤102可以包括：
步骤1021，将第一颜色坐标属于预设的第一颜色范围内的像素点作为第一像素点。
步骤1022，将第二颜色坐标属于预设的第二颜色范围内的第一像素点作为第二像素点。
步骤1023，根据第二像素点确定初始区域。
举例来说，为了能够更准确地提取出目标图像中指定颜色的像素点，可以获取目标图像中每个像素点在多种颜色空间中的颜色坐标，并根据每种颜色空间对应的颜色范围来确定初始区域。以两种颜色空间来举例，可以获取目标图像中每个像素点在第一颜色空间中的第一颜色坐标，和在第二颜色空间中的第二颜色坐标。相应的，预设的颜色范围可以包括指定颜色，在两种颜色空间中对应的颜色坐标范围，即第一颜色空间对应第一颜色范围，第二颜色空间对应第二颜色范围。那么，可以先在第一颜色空间中，依次判断每个像素点的第一颜色坐标是否属于第一颜色范围，并将属于第一颜色范围的像素点标记为第一像素点。然后再在第二颜色空间中，依次判断每个第一像素点的第二颜色坐标是否属于第二颜色范围，将属于第二颜色范围的第一像素点标记为第二像素点。也就是说，第二像素点的第一颜色坐标属于第一颜色范围，且第二像素点的第二颜色坐标属于第二颜色范围，即第二像素点组成的集合为第一像素点组成的集合的子集。最后，根据第二像素点来确定初始区域。以指定颜色为绿色，第一颜色空间为RGB颜色空间，第二颜色空间为HSV颜色空间来举例，第一颜色范围可以为：R(红色)通道小于120，B(蓝色)通道小于120，G(绿色)通道大于150，第二颜色范围可以为：H(色调)通道大于35，且小于77，那么第二像素点，为目标图像中，在RGB颜色空间中的第一颜色坐标属于第一颜色范围，且在HSV颜色空间中的第二颜色坐标属于第二颜色范围的像素点。
需要说明的是，本实施例是以两个颜色空间中不同的颜色坐标和不同的颜色范围，来确定初始区域，同样的，也可以利用多个(例如3个、4个等)颜色空间来确定初始区域，本公开对此不作具体限定。
在一种应用场景中，步骤1023可以通过以下步骤来实现：
步骤1)确定由第二像素点组成的至少一个连通区域。
步骤2)确定每个连通区域中包括的第二像素点的像素数量。
步骤3)将像素数量大于或等于指定数量的连通区域，作为初始区域。
示例的，根据第二像素点来确定初始区域的方式，可以是先根据第二像素点确定目标图像中，由第二像素点组成的至少一个连通区域(英文：Connected Component)。例如，可以根据连通区域分析法(英文：Connected Component Analysis)，或者连通区域标记法(英文：Connected Component Labeling)，来确定至少一个连通区域。需要说明的是，在确定连通区域之前，可以将目标图像按照是否为第二像素点为标准，进行二值化处理，例如，将第二像素点置为1(或者白色)，将不为第二像素点的像素点置为0(或者黑色)。之后，再根据二值化处理后的图像确定连通区域。
由于目标图像中可能存在一些干扰像素点，干扰像素点的颜色为指定颜色，但并没有形成面积较大的连通区域。因此可以对至少一个连通区域进行筛选，确定每个连通区域中包括的第二像素点的像素数量，并将像素数量大于或等于指定数量的连通区域，作为初始区域。指定数量可以为目标图像中包括的像素点的总数量的指定百分比(例如：10％)。需要说明的是，初始区域可以包括一个连通区域，也可以包括多个连通区域。例如，在预先拍摄目标图像时，可以将N(N为大于或等于1的正整数)个指定物体设置为指定颜色，那么初始区域中将包括N个连通区域。
图3是根据一示例性实施例示出的另一种图像中指定区域的识别方法的流程图，如图3所示，步骤103可以包括以下步骤：
步骤1031，将目标图像中属于初始区域的像素点设置为第一目标颜色，将目标图像中不属于初始区域的像素点设置为第二目标颜色，以得到二值图像，第一目标颜色与第二目标颜色不同。
步骤1032，将二值图像输入边缘提取算法，以得到边缘提取算法输出的至少一个初始边缘。
在具体的应用场景中，可以先对目标图像进行二值化处理，以得到目标图像对应的二值图像。具体的，可以将目标图像中属于初始区域的像素点设置为第一目标颜色，将目标图像中不属于初始区域的像素点设置为第二目标颜色，从而得到二值图像，其中，第一目标颜色可以为白色(或黑色)，相应的，第二目标颜色可以为黑色(或白色)。以如图4中所示的目标图像为例(图4中手机的屏幕显示为绿色)，经过步骤101至102的处理，将目标图像中手机的屏幕所在的区域作为初始区域，然后经过步骤1031的处理，得到的二值图像如图5所示。
之后，将二值图像输入边缘提取算法，以得到边缘提取算法输出的至少一个初始边缘。例如，边缘提取算法可以通过OpenCV中的轮廓提取函数findContours()来实现。将图5所示的二值图像作为findContours()的输入，得到的初始边缘如图6所示。
图7是根据一示例性实施例示出的另一种图像中指定区域的识别方法的流程图，如图7所示，步骤104可以通过以下步骤来实现：
步骤1041，将指定边数和至少一个初始边缘输入多边形拟合算法，以得到多边形拟合算法输出的指定边数个首尾相接的目标边缘。
步骤1042，根据目标边缘组成的多边形的顶点对应在目标图像上的位置，确定指定区域。
举例来说，可以将指定边数和至少一个初始边缘，作为多边形拟合算法的输入，那么多边形拟合算法的输出，即为指定边数个首尾相接的目标边缘。例如，多边形拟合算法可以通过OpenCV中的cv2.approxPolyDP()函数来实现，该函数采用Douglas-Peucker算法，能够根据初始边缘的顶点的拓扑分布生成逼近的多边形。之后，可以根据目标边缘组成的多边形的顶点对应在目标图像上的位置，得到指定区域。
以指定边数为4来举例，将图6所示的初始边缘，和指定边数作为cv2.approxPolyDP()的输入，得到4个首尾相接的目标边缘如图8所示，图8中的四个顶点(A、B、C、D)即为指定区域的顶点。
图9是根据一示例性实施例示出的另一种图像中指定区域的识别方法的流程图，如图9所示，在步骤104之后，该方法还可以包括：
步骤105，将待替换图像按照指定区域的大小进行处理。
步骤106，将处理后的待替换图像，显示在目标图像中的初始区域。
举例来说，在确定目标区域之后，可以利用待替换图像，来替换目标图像中指定物体所在的区域。待替换图像可以理解为用户指定的，想要替换目标图像中指定物体的图像。例如，指定物体为广告板，待替换图像可以为用户指定的照片。之后，可以将待替换图像按照指定区域的大小进行处理，以使待替换图像调整为与指定区域的大小相同的图像。然后将处理后的待替换图像，显示在目标图像中的初始区域，从而实现替换。
在一种实现方式中，可以先将待替换图像的顶点与指定区域的顶点对齐，以得到对齐后的待替换图像与目标图像的位置对应关系。之后，根据位置对应关系，确定对齐后的待替换图像中与初始区域对应的目标像素点，并将目标像素点显示在初始区域。可以理解为，将初始区域作为一个掩模(英文：Mask)矩阵，将对齐后的待替换图像与掩模矩阵相乘，即可确定待替换图像中，与初始区域对应的目标像素点，待替换图像中的目标像素点需要显示在初始区域，能够准确替换目标图像中指定物体所在的区域。这样，针对个人用户来说，可以选择待替换图像，来替换目标图像中的指定物体(即为指定颜色的区域)，从而拍出同款图像或者视频，能够提高图像处理的灵活度，增加参与感。针对企业用户来说，可以只拍摄一次广告，然后将广告中的指定物体(即为指定颜色的区域)替换为不同的产品，就可以得到一系列产品的广告，能够降低拍摄成本，提高拍摄效率。
综上所述，本公开首先获取目标图像中每个像素点在颜色空间中的颜色坐标，之后根据每个像素点的颜色坐标和预设的颜色范围，确定由颜色坐标属于颜色范围的像素点组成的初始区域，再对初始区域进行边缘提取，以得到初始区域的至少一个初始边缘，最后按照指定边数对至少一个初始边缘进行多边形拟合，以得到指定边数个首尾相接的目标边缘，并根据目标边缘确定指定区域。本公开在颜色空间中对目标图像中的像素点的颜色进行划分，以确定初始区域，并对初始区域进行边缘提取，多边形拟合处理，从而得到指定区域，能够快速、准确地识别出目标图像中指定区域的位置。
图10是根据一示例性实施例示出的一种图像中指定区域的识别装置的框图，如图10所示，该装置200可以包括：
获取模块201，用于获取目标图像的每个像素点在颜色空间中的颜色坐标。
确定模块202，用于根据每个像素点的颜色坐标，和预设的颜色范围，确定初始区域，初始区域内的像素点的颜色坐标，属于颜色范围。
提取模块203，用于对初始区域进行边缘提取，以得到初始区域的至少一个初始边缘。
识别模块204，用于按照指定边数对至少一个初始边缘进行多边形拟合，以得到指定边数个首尾相接的目标边缘，并根据目标边缘确定指定区域。
图11是根据一示例性实施例示出的另一种图像中指定区域的识别装置的框图，如图11所示，获取模块201可以用于：获取每个像素点在第一颜色空间中的第一颜色坐标，并获取每个像素点在第二颜色空间中的第二颜色坐标。
相应的，确定模块202可以包括：
第一确定子模块2021，用于将第一颜色坐标属于预设的第一颜色范围内的像素点作为第一像素点。
第一确定子模块2021，还用于将第二颜色坐标属于预设的第二颜色范围内的第一像素点作为第二像素点。
第二确定子模块2022，用于根据第二像素点确定初始区域。
在一种实现场景中，第二确定子模块2022可以用于执行以下步骤：
步骤1)确定由第二像素点组成的至少一个连通区域。
步骤2)确定每个连通区域中包括的第二像素点的像素数量。
步骤3)将像素数量大于或等于指定数量的连通区域，作为初始区域。
图12是根据一示例性实施例示出的另一种图像中指定区域的识别装置的框图，如图12所示，提取模块203包括：
二值化子模块2031，用于将目标图像中属于初始区域的像素点设置为第一目标颜色，将目标图像中不属于初始区域的像素点设置为第二目标颜色，以得到二值图像，第一目标颜色与第二目标颜色不同。
提取子模块2032，用于将二值图像输入边缘提取算法，以得到边缘提取算法输出的至少一个初始边缘。
图13是根据一示例性实施例示出的另一种图像中指定区域的识别装置的框图，如图13所示，识别模块204可以包括：
拟合子模块2041，用于将指定边数和至少一个初始边缘输入多边形拟合算法，以得到多边形拟合算法输出的指定边数个首尾相接的目标边缘。
识别子模块2042，用于根据目标边缘组成的多边形的顶点对应在目标图像上的位置，确定指定区域。
图14是根据一示例性实施例示出的另一种图像中指定区域的识别装置的框图，如图14所示，该装置200还包括：
处理模块205，用于在根据目标边缘确定指定区域之后，将待替换图像按照指定区域的大小进行处理。
替换模块206，用于将处理后的待替换图像，显示在目标图像中的初始区域。
在一种应用场景中，处理模块205可以用于：
将待替换图像的顶点与指定区域的顶点对齐，以得到对齐后的待替换图像与目标图像的位置对应关系。
相应的，替换模块206可以用于：
根据位置对应关系，确定对齐后的待替换图像中与初始区域对应的目标像素点，并将目标像素点显示在初始区域。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
综上所述，本公开首先获取目标图像中每个像素点在颜色空间中的颜色坐标，之后根据每个像素点的颜色坐标和预设的颜色范围，确定由颜色坐标属于颜色范围的像素点组成的初始区域，再对初始区域进行边缘提取，以得到初始区域的至少一个初始边缘，最后按照指定边数对至少一个初始边缘进行多边形拟合，以得到指定边数个首尾相接的目标边缘，并根据目标边缘确定指定区域。本公开在颜色空间中对目标图像中的像素点的颜色进行划分，以确定初始区域，并对初始区域进行边缘提取，多边形拟合处理，从而得到指定区域，能够快速、准确地识别出目标图像中指定区域的位置。
下面参考图15，其示出了适于用来实现本公开实施例的电子设备(即上述图像中指定区域的识别方法的执行主体)300的结构示意图。本公开实施例中的电子设备可以是服务器，该服务器例如可以是本地服务器或者云服务器，也可以是终端设备，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图15示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图15所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图15示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置3c01执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，终端设备、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标图像的每个像素点在颜色空间中的颜色坐标；根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，所述初始区域内的所述像素点的颜色坐标，属于所述颜色范围；对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘；按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，并根据所述目标边缘确定指定区域。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取颜色坐标的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种图像中指定区域的识别方法，包括：获取目标图像的每个像素点在颜色空间中的颜色坐标；根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，所述初始区域内的所述像素点的颜色坐标，属于所述颜色范围；对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘；按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，并根据所述目标边缘确定指定区域。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述获取目标图像的每个像素点在颜色空间中的颜色坐标，包括：获取每个所述像素点在第一颜色空间中的第一颜色坐标，并获取每个所述像素点在第二颜色空间中的第二颜色坐标；所述根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，包括：将第一颜色坐标属于预设的第一颜色范围内的像素点作为第一像素点；将第二颜色坐标属于预设的第二颜色范围内的所述第一像素点作为第二像素点；根据所述第二像素点确定所述初始区域。
根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述根据所述第二像素点确定所述初始区域，包括：确定由所述第二像素点组成的至少一个连通区域；确定每个所述连通区域中包括的所述第二像素点的像素数量；将像素数量大于或等于指定数量的所述连通区域，作为所述初始区域。
根据本公开的一个或多个实施例，示例4提供了示例1的方法，所述对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘，包括：将所述目标图像中属于所述初始区域的所述像素点设置为第一目标颜色，将所述目标图像中不属于所述初始区域的所述像素点设置为第二目标颜色，以得到二值图像，所述第一目标颜色与所述第二目标颜色不同；将所述二值图像输入边缘提取算法，以得到所述边缘提取算法输出的所述至少一个初始边缘。
根据本公开的一个或多个实施例，示例5提供了示例1的方法，所述按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，包括：将所述指定边数和所述至少一个初始边缘输入多边形拟合算法，以得到所述多边形拟合算法输出的所述指定边数个首尾相接的所述目标边缘；所述根据所述目标边缘确定指定区域，包括：根据所述目标边缘组成的多边形的顶点对应在所述目标图像上的位置，确定所述指定区域。
根据本公开的一个或多个实施例，示例6提供了示例1至示例5的方法，在所述根据所述目标边缘确定指定区域之后，所述方法还包括：将待替换图像按照所述指定区域的大小进行处理；将处理后的所述待替换图像，显示在所述目标图像中的所述初始区域。
根据本公开的一个或多个实施例，示例7提供了示例6的方法，所述将待替换图像按照所述指定区域的大小进行处理，包括：将所述待替换图像的顶点与所述指定区域的顶点对齐，以得到对齐后的所述待替换图像与所述目标图像的位置对应关系；所述将处理后的所述待替换图像，显示在所述目标图像中的所述初始区域，包括：根据所述位置对应关系，确定对齐后的所述待替换图像中与所述初始区域对应的目标像素点，并将所述目标像素点显示在所述初始区域。
根据本公开的一个或多个实施例，示例8提供了一种图像中指定区域的识别装置，所述装置包括：获取模块，用于获取目标图像的每个像素点在颜色空间中的颜色坐标；确定模块，用于根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，所述初始区域内的所述像素点的颜色坐标，属于所述颜色范围；提取模块，用于对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘；识别模块，用于按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，并根据所述目标边缘确定指定区域。
根据本公开的一个或多个实施例，示例9提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例7中所述方法的步骤。
根据本公开的一个或多个实施例，示例10提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至示例7中所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
Claims (9)
1.一种图像中指定区域的识别方法，其特征在于，所述方法包括：
获取目标图像的每个像素点在颜色空间中的颜色坐标；
根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，所述初始区域内的所述像素点的颜色坐标，属于所述颜色范围，所述颜色范围为指定颜色在颜色空间中对应的颜色坐标范围；
对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘；
按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，并根据所述目标边缘确定指定区域；
所述获取目标图像的每个像素点在颜色空间中的颜色坐标，包括：
获取每个所述像素点在第一颜色空间中的第一颜色坐标，并获取每个所述像素点在第二颜色空间中的第二颜色坐标；
所述根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，包括：
将第一颜色坐标属于预设的第一颜色范围内的像素点作为第一像素点；
将第二颜色坐标属于预设的第二颜色范围内的所述第一像素点作为第二像素点；
根据所述第二像素点确定所述初始区域。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第二像素点确定所述初始区域，包括：
确定由所述第二像素点组成的至少一个连通区域；
确定每个所述连通区域中包括的所述第二像素点的像素数量；
将像素数量大于或等于指定数量的所述连通区域，作为所述初始区域。
3.根据权利要求1所述的方法，其特征在于，所述对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘，包括：
将所述目标图像中属于所述初始区域的所述像素点设置为第一目标颜色，将所述目标图像中不属于所述初始区域的所述像素点设置为第二目标颜色，以得到二值图像，所述第一目标颜色与所述第二目标颜色不同；
将所述二值图像输入边缘提取算法，以得到所述边缘提取算法输出的所述至少一个初始边缘。
4.根据权利要求1所述的方法，其特征在于，所述按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，包括：
将所述指定边数和所述至少一个初始边缘输入多边形拟合算法，以得到所述多边形拟合算法输出的所述指定边数个首尾相接的所述目标边缘；
所述根据所述目标边缘确定指定区域，包括：
根据所述目标边缘组成的多边形的顶点对应在所述目标图像上的位置，确定所述指定区域。
5.根据权利要求1-4中任一项所述的方法，其特征在于，在所述根据所述目标边缘确定指定区域之后，所述方法还包括：
将待替换图像按照所述指定区域的大小进行处理；
将处理后的所述待替换图像，显示在所述目标图像中的所述初始区域。
6.根据权利要求5所述的方法，其特征在于，所述将待替换图像按照所述指定区域的大小进行处理，包括：
将所述待替换图像的顶点与所述指定区域的顶点对齐，以得到对齐后的所述待替换图像与所述目标图像的位置对应关系；
所述将处理后的所述待替换图像，显示在所述目标图像中的所述初始区域，包括：
根据所述位置对应关系，确定对齐后的所述待替换图像中与所述初始区域对应的目标像素点，并将所述目标像素点显示在所述初始区域。
7.一种图像中指定区域的识别装置，其特征在于，所述装置包括：
获取模块，用于获取目标图像的每个像素点在颜色空间中的颜色坐标；
确定模块，用于根据每个所述像素点的颜色坐标，和预设的颜色范围，确定初始区域，所述初始区域内的所述像素点的颜色坐标，属于所述颜色范围，所述颜色范围为指定颜色在颜色空间中对应的颜色坐标范围；
提取模块，用于对所述初始区域进行边缘提取，以得到所述初始区域的至少一个初始边缘；
识别模块，用于按照指定边数对所述至少一个初始边缘进行多边形拟合，以得到所述指定边数个首尾相接的目标边缘，并根据所述目标边缘确定指定区域；
获取模块用于：获取每个像素点在第一颜色空间中的第一颜色坐标，并获取每个像素点在第二颜色空间中的第二颜色坐标；
相应的，确定模块包括：
第一确定子模块，用于将第一颜色坐标属于预设的第一颜色范围内的像素点作为第一像素点；
第一确定子模块，还用于将第二颜色坐标属于预设的第二颜色范围内的第一像素点作为第二像素点；
第二确定子模块，用于根据第二像素点确定初始区域。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-6中任一项所述方法的步骤。
9.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011141697.6A CN112241714B (zh) | 2020-10-22 | 2020-10-22 | 图像中指定区域的识别方法、装置、可读介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011141697.6A CN112241714B (zh) | 2020-10-22 | 2020-10-22 | 图像中指定区域的识别方法、装置、可读介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112241714A CN112241714A (zh) | 2021-01-19 |
| CN112241714B true CN112241714B (zh) | 2024-04-26 |
Family
ID=74169683
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011141697.6A Active CN112241714B (zh) | 2020-10-22 | 2020-10-22 | 图像中指定区域的识别方法、装置、可读介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112241714B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258556A (zh) * | 2020-10-22 | 2021-01-22 | 北京字跳网络技术有限公司 | 视频中指定区域的跟踪方法、装置、可读介质和电子设备 |
| CN113065258B (zh) * | 2021-04-09 | 2023-09-05 | 中国科学院半导体研究所 | 排布优化方法、排布优化装置、电子设备及可读存储介质 |
| CN113192033B (zh) * | 2021-04-30 | 2024-03-19 | 深圳市创想三维科技股份有限公司 | 一种3d打印中的拉丝判别方法、装置、设备及存储介质 |
| CN113238692B (zh) * | 2021-06-08 | 2023-04-18 | 北京字跳网络技术有限公司 | 区域选择方法、地图划分方法、装置、及计算机设备 |
| CN115460456A (zh) * | 2021-06-08 | 2022-12-09 | 微软技术许可有限责任公司 | 数字内容添加的目标区域提取 |
| CN114399425B (zh) * | 2021-12-23 | 2024-08-06 | 北京字跳网络技术有限公司 | 一种图像处理方法、视频处理方法、装置、设备及介质 |
| CN114612492B (zh) * | 2022-03-30 | 2023-01-31 | 北京百度网讯科技有限公司 | 图像边框的检测方法、装置及电子设备 |
| CN116894939B (zh) * | 2023-09-11 | 2024-01-09 | 深圳精智达技术股份有限公司 | 一种异形屏的区域定位方法、装置、电子设备和存储介质 |
| CN117541766A (zh) * | 2023-10-20 | 2024-02-09 | 钛玛科（北京）工业科技有限公司 | 镜头点检方法及装置 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101720047A (zh) * | 2009-11-03 | 2010-06-02 | 上海大学 | 基于颜色分割的多目摄像立体匹配获取深度图像的方法 |
| KR20120021103A (ko) * | 2010-08-31 | 2012-03-08 | 전남대학교산학협력단 | 통신단말기에서 화자의 얼굴영역 검출 방법, 이를 이용한 통신단말기와 화자 간 거리 측정 방법 및 이를 적용한 통신단말기 |
| CN102682292A (zh) * | 2012-05-10 | 2012-09-19 | 清华大学 | 基于单目视觉的道路边缘检测及粗定位方法 |
| CN105488492A (zh) * | 2015-12-25 | 2016-04-13 | 北京大学深圳研究生院 | 一种彩色图像预处理方法、道路识别方法及相关装置 |
| WO2016109884A1 (en) * | 2015-01-05 | 2016-07-14 | Valorbec Limited Partnership | Automated recommendation and virtualization systems and methods for e-commerce |
| CN105931295A (zh) * | 2016-07-13 | 2016-09-07 | 中国地质大学（北京） | 一种地质图专题信息提取方法 |
| CN107403435A (zh) * | 2017-07-28 | 2017-11-28 | 江苏大学 | 一种基于rgb颜色空间的彩色图像边缘提取方法 |
| CN108009459A (zh) * | 2017-11-24 | 2018-05-08 | 浙江工业大学 | 基于三角定位符的字符二维条码快速定位方法 |
| CN108305240A (zh) * | 2017-05-22 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 图像质量检测方法及装置 |
| CN108461041A (zh) * | 2018-02-02 | 2018-08-28 | 云谷（固安）科技有限公司 | 一种显示装置、显示装置的色偏调整方法、和显示装置的制造方法 |
| CN109089035A (zh) * | 2017-06-14 | 2018-12-25 | 佳能株式会社 | 图像处理设备、图像处理方法和存储介质 |
| CN109871844A (zh) * | 2019-01-09 | 2019-06-11 | 东南大学 | 一种拍摄小票图像文本矫正和提取方法 |
| CN110503115A (zh) * | 2019-08-30 | 2019-11-26 | 苏州大学 | 一种颜色识别方法、装置、设备及计算机可读存储介质 |
| CN110738676A (zh) * | 2019-09-17 | 2020-01-31 | 湖南大学 | 一种结合RGBD数据的GrabCut自动分割算法 |
| CN111126306A (zh) * | 2019-12-26 | 2020-05-08 | 江苏罗思韦尔电气有限公司 | 一种基于边缘特征及滑动窗的车道线检测方法 |
| CN111666811A (zh) * | 2020-04-22 | 2020-09-15 | 北京联合大学 | 一种提取交通场景图像中交通标志牌区域方法及系统 |
| CN111695373A (zh) * | 2019-03-12 | 2020-09-22 | 中国科学院上海高等研究院 | 斑马线的定位方法、系统、介质及设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI501754B (zh) * | 2012-10-19 | 2015-10-01 | Univ Nat Taiwan Science Tech | 影像辨識方法及影像辨識系統 |
| US9851196B2 (en) * | 2015-04-17 | 2017-12-26 | Rememdia LC | Sensor |
| CN111247529A (zh) * | 2017-08-31 | 2020-06-05 | 绳线解决方案有限公司 | 颜色检测算法 |
-
2020
- 2020-10-22 CN CN202011141697.6A patent/CN112241714B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101720047A (zh) * | 2009-11-03 | 2010-06-02 | 上海大学 | 基于颜色分割的多目摄像立体匹配获取深度图像的方法 |
| KR20120021103A (ko) * | 2010-08-31 | 2012-03-08 | 전남대학교산학협력단 | 통신단말기에서 화자의 얼굴영역 검출 방법, 이를 이용한 통신단말기와 화자 간 거리 측정 방법 및 이를 적용한 통신단말기 |
| CN102682292A (zh) * | 2012-05-10 | 2012-09-19 | 清华大学 | 基于单目视觉的道路边缘检测及粗定位方法 |
| WO2016109884A1 (en) * | 2015-01-05 | 2016-07-14 | Valorbec Limited Partnership | Automated recommendation and virtualization systems and methods for e-commerce |
| CN105488492A (zh) * | 2015-12-25 | 2016-04-13 | 北京大学深圳研究生院 | 一种彩色图像预处理方法、道路识别方法及相关装置 |
| CN105931295A (zh) * | 2016-07-13 | 2016-09-07 | 中国地质大学（北京） | 一种地质图专题信息提取方法 |
| CN108305240A (zh) * | 2017-05-22 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 图像质量检测方法及装置 |
| CN109089035A (zh) * | 2017-06-14 | 2018-12-25 | 佳能株式会社 | 图像处理设备、图像处理方法和存储介质 |
| CN107403435A (zh) * | 2017-07-28 | 2017-11-28 | 江苏大学 | 一种基于rgb颜色空间的彩色图像边缘提取方法 |
| CN108009459A (zh) * | 2017-11-24 | 2018-05-08 | 浙江工业大学 | 基于三角定位符的字符二维条码快速定位方法 |
| CN108461041A (zh) * | 2018-02-02 | 2018-08-28 | 云谷（固安）科技有限公司 | 一种显示装置、显示装置的色偏调整方法、和显示装置的制造方法 |
| CN109871844A (zh) * | 2019-01-09 | 2019-06-11 | 东南大学 | 一种拍摄小票图像文本矫正和提取方法 |
| CN111695373A (zh) * | 2019-03-12 | 2020-09-22 | 中国科学院上海高等研究院 | 斑马线的定位方法、系统、介质及设备 |
| CN110503115A (zh) * | 2019-08-30 | 2019-11-26 | 苏州大学 | 一种颜色识别方法、装置、设备及计算机可读存储介质 |
| CN110738676A (zh) * | 2019-09-17 | 2020-01-31 | 湖南大学 | 一种结合RGBD数据的GrabCut自动分割算法 |
| CN111126306A (zh) * | 2019-12-26 | 2020-05-08 | 江苏罗思韦尔电气有限公司 | 一种基于边缘特征及滑动窗的车道线检测方法 |
| CN111666811A (zh) * | 2020-04-22 | 2020-09-15 | 北京联合大学 | 一种提取交通场景图像中交通标志牌区域方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112241714A (zh) | 2021-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112241714B (zh) | 图像中指定区域的识别方法、装置、可读介质和电子设备 | |
| CN110544258B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
| CN111314614B (zh) | 图像的处理方法、装置、可读介质和电子设备 | |
| CN110084204B (zh) | 基于目标对象姿态的图像处理方法、装置和电子设备 | |
| CN111080595A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
| CN110047122A (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN110211030B (zh) | 图像生成方法和装置 | |
| CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
| CN110070551A (zh) | 视频图像的渲染方法、装置和电子设备 | |
| CN112163993A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN111369431A (zh) | 图像的处理方法、装置、可读介质和电子设备 | |
| CN110399802B (zh) | 处理面部图像眼睛亮度的方法、装置、介质和电子设备 | |
| CN112257598A (zh) | 图像中四边形的识别方法、装置、可读介质和电子设备 | |
| CN110047126B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN110097520B (zh) | 图像处理方法和装置 | |
| CN110288691B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN108270973B (zh) | 一种拍照处理方法、移动终端及计算机可读存储介质 | |
| CN112801997B (zh) | 图像增强质量评估方法、装置、电子设备及存储介质 | |
| CN113989404B (zh) | 图片处理方法、装置、设备、存储介质和程序产品 | |
| CN112258556A (zh) | 视频中指定区域的跟踪方法、装置、可读介质和电子设备 | |
| CN112598074B (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
| CN112241941B (zh) | 获取图像的方法、装置、设备和计算机可读介质 | |
| CN113963000A (zh) | 图像分割方法、装置、电子设备及程序产品 | |
| CN111292276B (zh) | 图像处理方法和装置 |
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 |