CN112308805B - 深度图连通域检测去噪方法、电子设备及存储介质 - Google Patents
深度图连通域检测去噪方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112308805B CN112308805B CN202011357138.9A CN202011357138A CN112308805B CN 112308805 B CN112308805 B CN 112308805B CN 202011357138 A CN202011357138 A CN 202011357138A CN 112308805 B CN112308805 B CN 112308805B
- Authority
- CN
- China
- Prior art keywords
- connected domain
- pixel point
- depth map
- pixel
- scanning
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000000717 retained effect Effects 0.000 description 4
- 238000011284 combination treatment Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种深度图连通域检测去噪方法、电子设备及存储介质,所述方法包括:以深度图的每一个像素点为单位,对深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测,得到多个不同的连通域;基于连通域,对深度图的噪声去除。本发明实施例在对深度图进行连通域检测时,对图像块和像素点采用斜扫描的方式,每次斜扫描得到的多个图像块和多个像素点之间互不依赖,便于并行对深度图进行连通域检测,提高了深度图连通域的检测效率。
Description
技术领域
本发明涉及深度图连通域检测技术领域,尤其涉及一种深度图连通域检测去噪方法、电子设备及存储介质。
背景技术
在对一张深度图进行具体应用时,往往需要先对深度图进行去噪处理来突出主体内容,去除杂乱内容。其中常见且重要的一步处理,就是连通域去噪。深度图中整体较小的、与主体内容区域不存在深度值连通性的区域,对应到三维空间中是相对于主体内容的飞点或飞块,这些区域不能进行后续应用或会干扰主体内容应用,需要对这些噪点区域进行去除。
而连通域去噪中的重要流程就是对深度图做连通域检测,现有的连通域检测方法大多检测效率较低,从而无法满足实时性的要求。
发明内容
本发明实施例提供一种深度图连通域检测去噪方法、电子设备及存储介质,用以解决现有技术中连通域检测效率低的缺陷,实现了快速高效的深度图连通域的检测去噪。
本发明实施例提供了一种深度图连通域检测去噪方法,包括:以深度图的每一个像素点为单位,对深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测,获取至少一个连通域;基于所述连通域,对所述深度图进行噪声去除。
在上述技术方案的基础上,本发明实施例还可以作出如下改进。
作为一个可能的实施方式,所述以深度图的每一个像素点为单位,对深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测包括:将所述深度图划分为至少一个图像块;以斜扫描的方式对所述深度图的至少一个图像块进行并行扫描;对并行扫描的每一个图像块中的所有像素点,以斜扫描并行的方式对每一个图像块中的像素点进行连通域检测。
作为一个可能的实施方式,所述以斜扫描的方式对所述深度图的至少一个图像块进行并行扫描包括:按从左到右,以45°角对矩阵型图像块进行并行斜扫描,按照扫描顺序保存图像块;其中,所述深度图包括n*n个图像块,n*n个图像块形成矩阵型,n为正整数。
作为一个可能的实施方式,对并行扫描的每一个图像块中的所有像素点,以斜扫描并行的方式对每一个图像块中的像素点进行连通域检测包括:按照保存的图像块的顺序,对于任一图像块中的所有像素点,按从左到右,以45°角对矩阵型像素点进行斜扫描,且以并行的方式对所有的像素点进行连通域的检测;其中,每一个图像块中包括m*m个像素点,m*m个像素点形成矩阵型,m为正整数。
作为一个可能的实施方式,所述对于任一图像块中的所有像素点,按从左到右,以45°角对矩阵型像素点进行斜扫描,且以并行的方式对所有的像素点进行连通域的检测包括:对矩阵型的像素点进行斜扫描,对于当前斜扫描得到的任一个像素点,获取所述任一个像素点的至少一个邻域像素点,其中,所述至少一个邻域像素点为上一次斜扫描得到的像素点中的一个或多个;判断所述任一个像素点与每一个邻域像素点的连通性,互相连通的像素点形成连通域,得到每一个图像块的多个不同的连通域,并对每一个连通域赋予标签。
作为一个可能的实施方式,所述判断所述任一个像素点与每一个邻域像素点的连通性包括:若所述任一个像素点的深度值与相邻像素点的深度值之差小于预设连通阈值,则所述任一个像素点与相邻像素点连通,且记录所述任一个像素点的深度值和所属连通域的标签。
作为一个可能的实施方式,还包括:为每一个图像块配置2*m个高速缓存,对于图像块中的任一个像素点,将其深度值和所属连通域的标签存储于所述任一个像素点对应的两个的高速缓存Cache中;对于当前扫描到的任一个像素点,从所述当前扫描到的任一个像素点对应的两个高速缓存Cache中提取邻域像素点的深度值和所属连通域标签。
作为一个可能的实施方式,所述基于连通域,对深度图进行噪声去除之后还包括:对于保留的任一连通域中的任一像素点,若所述任一像素点与去掉的任一连通域具有连通性,则召回所述任一连通域;对于召回的连通域,若其中任一像素点与未召回的任一连通域具有连通性,则再次召回所述未召回的任一连通域;不断进行召回,直到保留的连通域中不存在与去除的连通域具有连通性的像素点为止。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述深度图连通域检测去噪方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述深度图连通域检测去噪方法的步骤。
本发明实施例提供的深度图连通域检测去噪方法、电子设备及存储介质,在对深度图进行连通域检测时,对图像块和像素点采用斜扫描的方式,每次斜扫描得到的多个图像块和多个像素点之间互不依赖,便于并行对深度图进行连通域检测,提高了深度图连通域的检测效率,从而满足了实时性的要求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术中二值图连通域对于深度图连通区域的不适配性示意图之一;
图2为现有技术中二值图连通域对于深度图连通区域的不适配性示意图之二;
图3为本发明实施例提供的一种深度图连通域检测去噪方法的流程示意图;
图4为本发明实施例提供的对图像块或每一个图像块中的像素点斜扫描的示意图;
图5为像素点与邻域像素点的连通性判断示意图;
图6为高速缓存存储像素点相关数据的示意图;
图7为相邻两个像素点通过不同路径进行检测得到的不同连通性结果示意图;
图8为对去除的连通域召回时对每一个像素点标记的示意图;
图9为深度图连通域检测去燥系统连接框图;
图10为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
目前主流的、与深度图实时去噪需求接近的连通域检测方案主要有基于种子点生长的连通域检测和二值图像连通域检测。其中,基于种子点生长的连通域检测方式为在多个像素点中确定一个初始的种子点,分别检测该初始种子点上下左右邻域的像素点与该初始种子点的连通性,将与该初始种子点连通的像素点作为下一个种子点,再次对该下一个种子点的邻域像素点进行检测,直到所有的像素点检测完毕为止。
基于种子点生长的连通域检测在判定逻辑方面能够满足深度图连通区域的检测需求,但由于对像素点不是顺序扫描,所以并行设计的限制较多,通用性不强。
其中,二值图像连通域检测并行算法,虽然扫描方式和并行效果接近需求,但在一些处理逻辑上,深度图的连通域检测并行算法不同于常见的二值图连通域检测并行算法。深度图上一个区域的连通指的是区域内各个点与其邻域点深度值的差在一定范围内。这里使用图示来表述一下二值图连通区域对于深度图连通区域的不适配性。
如图1所示,格子中的数字代表深度值,值为0表示该区域无有效深度值,邻域深度值差在10以内认为连续,根据去噪时区域大小的阈值设置,中间的灰色斜纹区域是可以被保留或是去除的,但二值图的连通域无法实现这种灵活的判断,所以不适用。
如图2所示,格子中的数字代表深度值,值为0表示该区域无有效深度值,①、②为指定像素,邻域深度值差在10以内认为连续,整个区域是连通的,但在对①点进行邻域的连通性检测时,②点作为①点的邻域点,深度差为45,并不会被认为跟①点连续,只有通过整个区域的链式关系,①点和②点才有被判定为同属一个连通区域的正确判定。而一些二值图连通域检测并行算法不需要考虑这种逻辑,所以不适用。
二值图像连通域检测算法的并行方法较多,但这些对于二值图像并行方法,在一些处理逻辑上,无法完全应用到深度图连通域检测中。例如无法将一些相邻的多种深度值像素判定同属于一个连通区域还是多个连通域。
参见图3,提供了本发明实施例的一种深度图连通域检测去噪方法,包括:S1,以深度图的每一个像素点为单位,对深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测,获取至少一个连通域;S2,基于所述连通域,对所述深度图进行噪声去除。
基于上述的问题,本发明实施例在对深度图进行连通域检测时,通过斜扫描的方式扫描深度图中的图像块和每一个图像块中的像素点,由于扫描方式为斜扫描,每一次扫描到的多个图像块和多个像素点之间不存在“上”、“下”、“左”、“右”四邻域的依赖关系,而在进行连通域检测时,是根据当前像素点与其四邻域内的像素点之间的连通性进行检测的,因此便于并行对扫描到的图像块和像素点进行处理,提高了深度图连通域检测效率。
对深度图的连通域进行检测后,得到多个连通域,每一个连通域中包含多个像素点,像素点个数小于预设噪声阈值的连通域认为深度图中的飞点或飞块,即为深度图中的噪声,将这些连通域去掉,完成深度图的去噪操作。
需要说明的是,预设噪声阈值一般是根据经验获得,可以人为的设定,根据需要进行实时修改。
本发明实施例在对深度图连通域检测时,对图像块和像素点采用斜扫描的方式,每次斜扫描得到的多个图像块和多个像素点之间互不依赖,便于并行对深度图进行连通域检测,提高了深度图连通域的检测效率。
作为一个可能的实施方式,以深度图的每一个像素点为单位,对深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式包括:将所述深度图划分为至少一个图像块;以斜扫描的方式对所述深度图的至少一个图像块进行并行扫描;对并行扫描的每一个图像块中的所有像素点,以斜扫描并行的方式对每一个图像块中的像素点进行连通域检测。
可以理解的是,在对深度图进行连通域检测的过程中,先将深度图划分为一个或多个图像块,对于多个图像块,以斜扫描的方式进行扫描,对于每一个图像块内的所有的像素点,也采用斜扫描的方式进行扫描,采用斜扫描的方式,每一次扫描到的图像块或像素点之间不具有四邻域依赖关系,在对一次扫描到的多个图像块或者多个像素点进行处理时,可以并行处理,提高处理速度和效率。
作为一个可能的实施方式,以斜扫描的方式对所述深度图的至少一个图像块进行并行扫描包括:按从左到右,以45°角对矩阵型图像块进行并行斜扫描,按照扫描顺序保存图像块;其中,深度图包括n*n个图像块,n*n个图像块形成矩阵型,n为正整数。
作为一个可能的实施方式,对并行扫描的每一个图像块中的所有像素点,以斜扫描并行的方式对每一个图像块中的像素点进行连通域检测包括:按照保存的图像块的顺序,对于任一图像块中的所有像素点,按从左到右,以45°角对矩阵型像素点进行斜扫描,且以并行的方式对所有的像素点进行连通域的检测;其中,每一个图像块中包括m*m个像素点,m*m个像素点形成矩阵型,m为正整数。
可以理解的是,将深度图划分为n*n的矩阵形式的图像块,参见图4,为斜扫描方式,具体的,按从左到右,以45°角对矩阵型图像块进行并行斜扫描,按照扫描顺序保存图像块;对于每一个图像块中的所有像素点,也按从左到右,以45°角对矩阵型像素点进行斜扫描,对于扫描到的像素点进行连通域的判断。
由图4可以看出,以4邻域关系判断每一个像素点与邻域像素点的连通性,每一次斜扫描到的多个图像块或者多个像素点之间不具有依赖性,即每一次斜扫描到的多个图像块或多个像素点之间不属于邻域图像块或邻域像素点,互相不会影响,因此,可实现并行处理。
作为一个可能的实施方式,所述对于任一图像块中的所有像素点,按从左到右,以45°角对矩阵型像素点进行斜扫描,且以并行的方式对所有的像素点进行连通域的检测包括:对矩阵型的像素点进行斜扫描,对于当前斜扫描得到的任一个像素点,获取所述任一个像素点的至少一个邻域像素点,其中,所述至少一个邻域像素点为上一次斜扫描得到的像素点中的一个或多个;判断所述任一个像素点与每一个邻域像素点的连通性,互相连通的像素点形成连通域,得到每一个图像块的多个不同的连通域,并对每一个连通域赋予标签。
可以理解的是,对于每一个图像块中的所有像素点进行连通域检测的方式为,对图像块的像素点进行斜扫描,对于当前斜扫描得到的任一个像素点,比如,图4所示,当前斜扫描到三个像素点,从上一次斜扫描到的像素点中分别找到与当前斜扫描到的每一个像素点的邻域像素点,判断当前扫描到的每一个像素点与邻域像素点之间是否连通,具有连通性的所有像素点形成连通域。通过邻域像素点的连通性的检测,将每一个图像块分为多个连通域,并对每一个连通域进行编号,即为连通域的标签。
作为一个可能的实施方式,判断所述任一个像素点与每一个邻域像素点的连通性包括:若任一个像素点的深度值与相邻像素点的深度值之差小于预设连通阈值,则所述任一个像素点与相邻像素点连通,且记录所述任一个像素点的深度值和所属连通域的标签。
可参见图5,其中每一个格子代表一个像素点,格子中的数值代表像素点的深度值,0值代表该像素点无有效深度值,在判断一个像素点与其邻域像素点是否具有连通性时,可根据像素点与其邻域像素点的深度值差进行判断,若两个像素点的深度值差小于一定的阈值时,表示这两个像素点之间具有连通性,为同一个连通区域,比如,图5中检测出三个连通域。
作为一个可能的实施方式,还包括:为每一个图像块配置2*m个高速缓存,对于图像块中的任一个像素点,将其深度值和所属连通域的标签存储于所述任一个像素点对应的两个的高速缓存Cache中;对于当前扫描到的任一个像素点,从所述当前扫描到的任一个像素点对应的两个高速缓存Cache中提取邻域像素点的深度值和所属连通域标签。
可参见图6,每一个图像块中包含m*m个像素点,相应的,为每一个图像块配置2*m个高速缓存Cache,对于图像块中的任一个像素点,将其深度值和所属连通域的标签存储于该像素点左方和上方的高速缓存Cache中。对于当前扫描到的任一个像素点,按照其在图像块中的位置关系,读取其左方或者上方或者左方和上方的高速缓存Cache中的像素点的深度值和所属连通域的标签。
如图6所示,当斜扫描第一行时,只能扫描到编号为1的像素点,由于是第一个像素点,因此,没有读取操作,将该像素点的深度值和初始连通域的标签存储于其左方和上方的高速缓存Cache中。当进行第二行斜扫描时,扫描到编号为2和3的像素点,对于编号为2的像素点,只有左方编号为1的像素点为其邻域像素点,因此,在判断编号为2的像素点与其邻域像素点的连通性时,只需要读取其左方的Cache中的像素点的数据即可;同样的,编号为3的像素点只需要读取其上方的Cache中的像素点的数据即可。对于第三行斜扫描时,扫描到编号为4、5和6的像素点,对于编号为5的像素点,需要读取其上方和左方的Cache中的像素点的数据。
根据读取的邻域像素点的数据,包括邻域像素点的深度值和所属连通区域的标签,根据邻域像素点的数据,判断当前像素点与邻域像素点的连通性,若当前像素点与哪一个邻域像素点具有连通性,那么该像素点所属连通域的标签与具有连通性的像素点所属连通域的标签相同,判断后,将当前像素点的深度值和所属连通域的标签存储于其左方和上方的Cache中。
在检测下一个图像块中的像素点与相邻图像块中的像素点是否具有连通性时,可以记录相邻图像块的边界上的像素点的深度值和所属连通域的标签,这样就相当于判断属于两个图像块中的相邻像素点之间的连通性,与判断同一个图像块中的两个相邻像素点之间的连通性是一样的。
作为一个可能的实施方式,将包含的像素点个数小于预设噪声阈值的连通域作为深度图的噪声去除之后还包括:对于保留的任一连通域中的任一像素点,若所述任一像素点与去掉的任一连通域具有连通性,则召回所述任一连通域;对于召回的连通域,若其中任一像素点与未召回的任一连通域具有连通性,则再次召回所述未召回的任一连通域;不断进行召回,直到保留的连通域中不存在与去除的连通域具有连通性的像素点为止。
可以理解的是,参见图7,邻域深度值差在预设连通阈值以内,则认为两个像素点是连通的,比如,邻域深度值差在10以内认为连续,整个区域是连通的。但在对图7中的①像素点进行邻域的连通性检测时,②像素点作为①像素点的邻域点,深度值差为45,会被认为②像素点跟①像素点不连续,但实际上②像素点跟①像素点是连续的。需要通过整个区域的链式关系,①像素点和②像素点才有被判定为同属一个连通区域的正确判定。
前述对深度图的连通域检测后,其中,每一个连通域包含多个像素点,将像素点个数小于预设连通阈值的连通域为深度图中的飞块,即需要将这个连通域去除。但实际上其中的有些连通域与其它的连通域是连通的,是属于同一个连通域的。
本发明实施例对去除的连通域可以进行召回处理,具体的,可参见图8,对于保留没有去除的连通域中的像素点,如果存在一个像素点,它有着与其他未保留的连通区域的标记,当该像素点与未保留的连通域中的一个像素具有连通性,则认为该像素点与这个连通域连通,则对该像素点进行标记,其中,标记可参见图8,图8中斜线的像素点,其原本所属连通域的标签为1,经过检测发现该像素点与标签为2的连通域是连通的,则将标签2对该像素点进行标记。
将这个像素点原本所属的连通域与这个连通域归为同一个连通域,即标签为1的连通和标签为2的连通域合并为同一个连通域,可以对合并后的连通域重新设置标签,统一为同一个标签。对这个原本未保留的连通域召回,进行保留,即召回该未保留的连通区域变为保留的连通区域。对被召回的连通区域的所有像素点再进行像素尺度上的并行,召回下一批有标记的未保留的连通区域。循环召回数次,直至被召回的连通区域像素中,不存在与其他未保留区域的连通性标记为止。
本发明一优选实施例还提供一种深度图连通域检测去噪方法,该方法包括扫描方式、两级尺度并行、高速缓存的利用、相关连通区域的召回等四个步骤,具体如下:
(1)扫描方式,本发明实施例中不同于主流方法的种子点生长或行扫描,而是设计斜扫描,以支撑后续的并行设计,也就是从深度图左上到右下依次扫描。
(2)两极尺度并行,第一级并行尺度指的是在像素尺度上的并行,由于使用的是斜扫描的方式,在针对一个像素点4邻域的连续性判定中,一次斜扫描上的所有像素点之间是没有依赖关系的,可设计并行。
具体地,在一次斜扫描的任一像素点,只在左和上两个相邻点做连续性判定。
第二级并行尺度指的是整图拆分为一个或多个个图像块,类似于第一级,对块的处理也是斜扫描的方式,一个斜扫描上的所有图像块之间是没有依赖关系的,可设计并行。
分两级并行有利于占满并行计算平台的数据传输带宽,充分发挥平台性能。
(3)高速缓存的利用
主流的连通域检测并行算法主要是设计了上述第二级尺度上的并行,并将整张图拆分为与并行计算平台处理单元数相等数量的图像块,并行处理完所有图像块以后在图像块便捷处进行合并处理。
本发明实施例充分利用处理单元的高速缓存、高速缓存一般容量较小,所以对应本方法的第二级并行尺度的每个图像块也较小,第一并行尺度的斜向扫描时,可以为当前扫描线上的每个像素准备好连通性判定所需的所有信息,并为下一次扫描快速写入所需信息。
第二级并行尺度的斜向扫描时,可以直接在高速缓存中直接获得上一次斜向扫描时图像块边界的信息。
(4)相关连通区域的召回
现有的二值图连通域检测算法中,由于扫描次序导致的,随着对图像处理面积的增大,发现单点邻域连续性判定逻辑认为不连续的点,最终是属于同一个连通区域。主流的二值图连通域检测并行算法是在最后做一个合并处理,并且合并处理是在一个计算单元上串行实现的,例如在判断邻域连通性时,记录一个等价表,最后再针对这个等价表,将等价区域合并。本发明实施例针对深度图去噪的应用,设计并行的思路进行合并。首先在判断邻域连通性时,若当前像素发现与其他连通区域发生连续时,记录下其他连通域对应的标记;再在连通域并行标记完整图后,对深度图去噪所能容忍的最小面积连通区域进行保留;对保留的所有像素在像素尺度上并行,如果存在一个像素,它有着与其他未保留的连通区域的标记,则召回该未保留的连通区域变为保留的连通区域。对被召回的连通区域的所有像素再进行像素尺度上的并行,召回下一批有标记的未保留的连通区域。循环召回数次,直至被召回的连通区域像素中,不存在与其他未保留区域的连通性标记为止。
参见图9,提供了一种深度图连通域检测去噪系统,包括:扫描模块91,用于以深度图的每一个像素点为单位,对深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测,获取至少一个连通域;去除模块92,用于基于所述连通域,对所述深度图进行噪声去除。
可以理解的是,本发明实施例提供的深度图连通域检测去噪系统与前述实施例提供的深度图连通域检测去噪相对应,提供的深度图连通域检测去噪系统的相关技术特征可参考前述实施例提供的深度图连通域检测去噪方法的相关技术特征,在此不再赘述。
本发明实施例提供一种电子设备,如图10所示,该电子设备可以包括:处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040,其中,处理器1010,通信接口1020,存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令,以执行深度图连通域检测去噪方法,该方法包括:S1,以深度图的每一个像素点为单位,对所述深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测,获取至少一个连通域;S2,基于所述连通域,对所述深度图进行噪声去除。
此外,上述的存储器1030中的逻辑指令可以通过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。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的深度图连通域检测去噪方法,该方法包括:S1,以深度图的每一个像素点为单位,对所述深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测,获取至少一个连通域;S2,基于所述连通域,对所述深度图进行噪声去除。
又一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的深度图连通域检测去噪方法,该方法包括:S1,以深度图的每一个像素点为单位,对所述深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测,获取至少一个连通域;S2,基于所述连通域,对所述深度图进行噪声去除。
本发明实施例提供的深度图连通域检测去噪方法、电子设备及存储介质,在对深度图进行连通域检测时,对图像块和像素点采用斜扫描的方式,每次斜扫描得到的多个图像块和多个像素点之间互不依赖,便于并行对深度图进行连通域检测,提高了深度图连通域的检测效率;利用高速缓存存储像素点的深度值和所属连通域的标签,在检测像素点与邻域像素点之间是否具有连通性时,读取相邻像素点的数据速度快;另外,对于初次判断为噪声去除的连通域,进行了召回步骤,提高了深度图噪声检测的准确性。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种深度图连通域检测去噪方法,其特征在于,包括:
以深度图的每一个像素点为单位,对所述深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测,获取至少一个连通域;
基于所述连通域,对所述深度图进行噪声去除;
所述以深度图的每一个像素点为单位,对所述深度图的多个图像块以及每一个图像块的多个像素点以斜扫描的方式进行扫描,以并行方式进行连通域检测包括:
将所述深度图划分为至少一个图像块;
以斜扫描的方式对所述深度图的至少一个图像块进行并行扫描;
对并行扫描的每一个图像块中的所有像素点,以斜扫描并行的方式对每一个图像块中的像素点进行连通域检测;
所述方法还包括:
为每一个图像块配置2*m个高速缓存,对于图像块中的任一个像素点,将其深度值和所属连通域的标签存储于所述任一个像素点对应的两个的高速缓存Cache中;
对于当前扫描到的任一个像素点,从所述当前扫描到的任一个像素点对应的两个高速缓存Cache中提取邻域像素点的深度值和所属连通域标签;
所述基于所述连通域,对所述深度图进行噪声去除之后还包括:
对于保留的任一连通域中的任一像素点,若所述任一像素点与去掉的任一连通域具有连通性,则召回所述任一连通域;
对于召回的连通域,若其中任一像素点与未召回的任一连通域具有连通性,则再次召回所述未召回的任一连通域;
不断进行召回,直到保留的连通域中不存在与去除的连通域具有连通性的像素点为止。
2.根据权利要求1所述的深度图连通域检测去噪方法,其特征在于,所述以斜扫描的方式对所述深度图的至少一个图像块进行并行扫描包括:
按从左到右,以45°角对矩阵型图像块进行并行斜扫描,按照扫描顺序保存图像块;
其中,所述深度图包括n*n个图像块,n*n个图像块形成矩阵型,n为正整数。
3.根据权利要求1或2所述的深度图连通域检测去噪方法,其特征在于,所述对并行扫描的每一个图像块中的所有像素点,以斜扫描并行的方式对每一个图像块中的像素点进行连通域检测包括:
按照保存的图像块的顺序,对于任一图像块中的所有像素点,按从左到右,以45°角对矩阵型像素点进行斜扫描,且以并行的方式对所有的像素点进行连通域的检测;
其中,每一个图像块中包括m*m个像素点,m*m个像素点形成矩阵型,m为正整数。
4.根据权利要求3所述的深度图连通域检测去噪方法,其特征在于,所述对于任一图像块中的所有像素点,按从左到右,以45°角对矩阵型像素点进行斜扫描,且以并行的方式对所有的像素点进行连通域的检测包括:
对矩阵型的像素点进行斜扫描,对于当前斜扫描得到的任一个像素点,获取所述任一个像素点的至少一个邻域像素点,其中,所述至少一个邻域像素点为上一次斜扫描得到的像素点中的一个或多个;
判断所述任一个像素点与每一个邻域像素点的连通性,互相连通的像素点形成连通域,得到每一个图像块的多个不同的连通域,并对每一个连通域赋予标签。
5.根据权利要求4所述的深度图连通域检测去噪方法,其特征在于,所述判断所述任一个像素点与每一个邻域像素点的连通性,包括:
若所述任一个像素点的深度值与相邻像素点的深度值之差小于预设连通阈值,则所述任一个像素点与相邻像素点连通,且记录所述任一个像素点的深度值和所属连通域的标签。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述深度图连通域检测去噪方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述深度图连通域检测去噪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011357138.9A CN112308805B (zh) | 2020-11-26 | 2020-11-26 | 深度图连通域检测去噪方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011357138.9A CN112308805B (zh) | 2020-11-26 | 2020-11-26 | 深度图连通域检测去噪方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308805A CN112308805A (zh) | 2021-02-02 |
CN112308805B true CN112308805B (zh) | 2022-03-08 |
Family
ID=74486910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011357138.9A Active CN112308805B (zh) | 2020-11-26 | 2020-11-26 | 深度图连通域检测去噪方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308805B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784832B (zh) * | 2021-02-09 | 2022-09-09 | 西南科技大学 | 一种物体标记点识别方法及装置 |
CN114693546B (zh) * | 2022-02-25 | 2022-12-16 | 合肥的卢深视科技有限公司 | 图像去噪方法、装置、电子设备和计算机可读存储介质 |
CN114419450A (zh) * | 2022-03-29 | 2022-04-29 | 中国人民解放军96901部队 | 一种基于影像特征分析的线性目标毁伤效能快速评估方法 |
CN116993798B (zh) * | 2023-09-28 | 2024-03-19 | 荣耀终端有限公司 | 一种图像处理方法和电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103250413A (zh) * | 2010-11-16 | 2013-08-14 | 高通股份有限公司 | 视频译码中的并行上下文计算 |
CN110324631A (zh) * | 2019-05-09 | 2019-10-11 | 湖南国科微电子股份有限公司 | 一种图像并行处理方法、装置及电子设备 |
CN111696057A (zh) * | 2020-05-25 | 2020-09-22 | 北京的卢深视科技有限公司 | 一种深度图像去噪方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109753953B (zh) * | 2017-11-03 | 2022-10-11 | 腾讯科技(深圳)有限公司 | 图像中定位文本的方法、装置、电子设备和存储介质 |
-
2020
- 2020-11-26 CN CN202011357138.9A patent/CN112308805B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103250413A (zh) * | 2010-11-16 | 2013-08-14 | 高通股份有限公司 | 视频译码中的并行上下文计算 |
CN110324631A (zh) * | 2019-05-09 | 2019-10-11 | 湖南国科微电子股份有限公司 | 一种图像并行处理方法、装置及电子设备 |
CN111696057A (zh) * | 2020-05-25 | 2020-09-22 | 北京的卢深视科技有限公司 | 一种深度图像去噪方法及装置 |
Non-Patent Citations (1)
Title |
---|
LeetCode-对角线遍历;逃跑的英雄;《https://blog.csdn.net/qq_28634403/article/details/90669781》;20190529;第1页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112308805A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112308805B (zh) | 深度图连通域检测去噪方法、电子设备及存储介质 | |
CN107833238B (zh) | 最大连通域标记方法、目标跟踪方法、增强现实/虚拟现实装置 | |
US20210366122A1 (en) | Method and apparatus for segmenting G-banded adhered chromosome based on geometrical characteristic and regional fusion, and chromosome karyotype analysis device | |
Arcelli et al. | Euclidean skeleton via centre-of-maximal-disc extraction | |
EP3073415B1 (en) | Image processing apparatus and image processing method | |
US6654495B1 (en) | Method and apparatus for removing ruled lines | |
CN111598076B (zh) | 一种标签图像中日期检测处理方法及装置 | |
CN110827189A (zh) | 一种数字图像或视频的水印去除方法及系统 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN104346609A (zh) | 一种识别印刷品上字符的方法及装置 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN111814673A (zh) | 一种修正文本检测边界框的方法、装置、设备及存储介质 | |
CN113468905B (zh) | 图形码识别方法、装置、计算机设备和存储介质 | |
CN109508571A (zh) | 一种条空定位方法、装置、电子设备及存储介质 | |
CN114943649A (zh) | 图像去模糊方法、装置及计算机可读存储介质 | |
CN113393430A (zh) | 用于风机叶片缺陷检测的热成像图像增强训练方法和装置 | |
CN111178111A (zh) | 二维码检测方法、电子设备、存储介质及系统 | |
CN108109120B (zh) | 一种点阵二维码的光照补偿方法及装置 | |
CN112052859B (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
CN110264488B (zh) | 一种二值图像边缘提取装置 | |
CN113450355A (zh) | 一种基于多膜态ct图像和3dcnn网络提取图像特征的方法 | |
Santiago et al. | Efficient 2× 2 block-based connected components labeling algorithms | |
CN107862294B (zh) | 一种基于形态学重建的车道线检测方法与装置 | |
CN114648751A (zh) | 一种处理视频字幕的方法、装置、终端及存储介质 | |
CN114845041B (zh) | 一种用于纳米颗粒成像的对焦方法、装置及存储介质 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230609 Address after: Room 611-217, R & D center building, China (Hefei) international intelligent voice Industrial Park, 3333 Xiyou Road, high tech Zone, Hefei, Anhui 230001 Patentee after: Hefei lushenshi Technology Co.,Ltd. Address before: Room 3032, gate 6, block B, 768 Creative Industry Park, 5 Xueyuan Road, Haidian District, Beijing 100083 Patentee before: BEIJING DILUSENSE TECHNOLOGY CO.,LTD. Patentee before: Hefei lushenshi Technology Co.,Ltd. |