CN112396638A - 一种图像处理方法、终端和计算机可读存储介质 - Google Patents
一种图像处理方法、终端和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112396638A CN112396638A CN201910760875.4A CN201910760875A CN112396638A CN 112396638 A CN112396638 A CN 112396638A CN 201910760875 A CN201910760875 A CN 201910760875A CN 112396638 A CN112396638 A CN 112396638A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- processing
- preprocessing
- algorithm
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 104
- 239000013598 vector Substances 0.000 claims abstract description 89
- 238000000605 extraction Methods 0.000 claims abstract description 73
- 238000007781 pre-processing Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 73
- 230000009466 transformation Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 25
- 230000035945 sensitivity Effects 0.000 abstract description 7
- 238000009826 distribution Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像处理方法,所述方法包括:对待检测图像进行第一预处理获得第一图像,并对标准图像进行第一预处理获得第二图像;基于预设算法对第一图像进行特征参数提取,得到第一图像的第一向量值和第一图像的第一比率值;预设算法包括环投影分割提取算法和图像像素概率提取算法;基于预设算法对第二图像进行特征参数提取,得到第二图像的第二向量值和第二图像的第二比率值;基于第一向量值、第一比率值、第二向量值和第二比率值,确定待检测图像和标准图像是否匹配。本发明实施例同时还公开了一种终端和计算机可读存储介质。本发明实施例降低了识别圆形印章真伪过程中对图像旋转角度的敏感度,提高了圆形印章的识别率。
Description
技术领域
本发明涉及计算机领域的图像处理技术,尤其涉及一种图像处理方法、终端和计算机可读存储介质。
背景技术
随着计算机科学和信息技术的迅猛发展,印章伪造技术也在与时俱进,这些伪造印章给社会经济秩序带来了很大的危害,给诸多单位造成严重损失。日常生活中最常见的就是圆形印章,其广泛应用于政府、企业、学校团体等相关机构;然而,相对技术中针对圆形印章的识别是直接采集以及分割提取图像,然后进行预处理后采用常见的对圆形图像的几何中心以及旋转角度要求较高的算法进行几何配准,这样会导致识别圆形印章真伪的过程出现圆形印章识别率低下的问题。
发明内容
为解决上述技术问题,本发明实施例期望提供一种图像处理方法、终端和计算机可读存储介质,降低了识别圆形印章真伪过程中对图像旋转角度的敏感度,提高了圆形印章的识别率。
本发明的技术方案是这样实现的:
一种图像处理方法,所述方法包括:
对待检测图像进行第一预处理获得第一图像,并对标准图像进行所述第一预处理获得第二图像;
基于预设算法对所述第一图像进行特征参数提取,得到所述第一图像的第一向量值和所述第一图像的第一比率值;其中,所述预设算法包括环投影分割提取算法和图像像素概率提取算法;
基于所述预设算法对所述第二图像进行特征参数提取,得到所述第二图像的第二向量值和所述第二图像的第二比率值;
基于所述第一向量值、所述第一比率值、所述第二向量值和所述第二比率值,确定所述待检测图像和所述标准图像是否匹配。
可选的,所述对待检测图像进行第一预处理获得第一图像,并对标准图像进行所述第一预处理获得第二图像,包括:
对所述待检测图像进行第二预处理获得第一基础图像,并对所述标准图像进行所述第二预处理获得第二基础图像;
基于霍夫圆变换对所述第一基础图像进行处理得到所述第一图像,其中,所述霍夫圆变换表征基于圆形图像提取的算法策略;
基于所述霍夫圆变换对所述第二基础图像进行处理得到所述第二图像。
可选的,所述对所述待检测图像进行第二预处理获得第一基础图像,并对所述标准图像进行所述第二预处理获得第二基础图像,包括:
对所述待检测图像进行图像采集提取处理获得第一预处理图像,并对所述标准图像进行所述图像采集提取处理获得第二预处理图像;
对所述第一预处理图像进行图像还原处理获得所述第一基础图像,并对所述第二预处理图像进行所述图像还原处理获得所述第二基础图像。
可选的,所述基于霍夫圆变换对所述第一基础图像进行处理得到所述第一图像,包括:
对所述第一基础图像进行圆形检测处理和图像二次还原处理得到所述第一图像;
相应的,所述基于所述霍夫圆变换对所述第二基础图像进行处理得到所述第二图像,包括:
对所述第二基础图像进行所述圆形检测处理和所述图像二次还原处理得到所述第二图像。
可选的,所述基于预设算法对所述第一图像进行特征参数提取,得到所述第一图像的第一向量值和所述第一图像的第一比率值,包括:
基于所述环投影分割提取算法对所述第一图像进行向量参数提取,得到所述第一图像的第一向量值;
基于所述图像像素概率提取算法对所述第一图像进行配准参数提取,得到所述第一图像的第一比率值;
相应的,所述基于所述预设算法对所述第二图像进行特征参数提取,得到所述第二图像的第二向量值和所述第二图像的第二比率值,包括:
基于所述环投影分割提取算法对所述第二图像进行所述向量参数提取,得到所述第二图像的第二向量值;
基于所述图像像素概率提取算法对所述第二图像进行所述配准参数提取,得到所述第二图像的第二比率值。
可选的,所述基于所述第一向量值、所述第一比率值、所述第二向量值和所述第二比率值,确定所述待检测图像和所述标准图像是否匹配,包括:
基于归一化算法对所述第一向量值和所述第二向量值进行处理,获得第一阈值;
基于几何内积算法对所述第一比率值和所述第二比率值进行处理,获得第二阈值;
若所述第一阈值位于第一预设阈值区域内,且所述第二阈值位于第二预设阈值区域内,则确定所述待检测图像的图像特征和所述标准图像的图像特征匹配。
可选的,所述方法还包括:
若所述第一阈值不在所述第一预设阈值区域内,或若所述第二阈值不在所述第二预设阈值区域内,则确定所述待检测图像的图像特征和所述标准图像的图像特征不匹配。
一种终端,所述终端包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和所述存储器之间的通信连接;
所述处理器用于执行所述存储器中存储的图像处理程序,以实现以下步骤:
对待检测图像进行第一预处理获得第一图像,并对标准图像进行所述第一预处理获得第二图像;
基于预设算法对所述第一图像进行特征参数提取,得到所述第一图像的第一向量值和所述第一图像的第一比率值;其中,所述预设算法包括环投影分割提取算法和图像像素概率提取算法;
基于所述预设算法对所述第二图像进行特征参数提取,得到所述第二图像的第二向量值和所述第二图像的第二比率值;
基于所述第一向量值、所述第一比率值、所述第二向量值和所述第二比率值,确定所述待检测图像和所述标准图像是否匹配。
可选的,所述处理器执行对待检测图像进行第一预处理获得第一图像,并对标准图像进行所述第一预处理获得第二图像的步骤,还可以实现以下步骤:
对所述待检测图像进行第二预处理获得第一基础图像,并对所述标准图像进行所述第二预处理获得第二基础图像;
基于霍夫圆变换对所述第一基础图像进行处理得到所述第一图像,其中,所述霍夫圆变换表征基于圆形图像提取的算法策略;
基于所述霍夫圆变换对所述第二基础图像进行处理得到所述第二图像。
一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述所述的图像处理方法的步骤。
本发明的实施例所提供的图像处理方法、终端和计算机可读存储介质,对待检测图像进行第一预处理获得第一图像,并对标准图像进行第一预处理获得第二图像;基于预设算法对第一图像进行特征参数提取,得到第一图像的第一向量值和第一图像的第一比率值;其中,预设算法包括环投影分割提取算法和图像像素概率提取算法;基于预设算法对第二图像进行特征参数提取,得到第二图像的第二向量值和第二图像的第二比率值;基于第一向量值、第一比率值、第二向量值和第二比率值,确定待检测图像和标准图像是否匹配,如此,通过在原有印章识别过程利用对印章的旋转角度不敏感的环形投影算法,以及利用提取的多个参数值来确定图像是否匹配,降低了识别圆形印章真伪过程中对图像旋转角度的敏感度,提高了圆形印章的识别率。
附图说明
图1为相对技术判别印章真伪的流程图;
图2为本发明的实施例提供的一种图像处理方法的流程示意图;
图3为本发明的实施例提供的另一种图像处理方法的流程示意图;
图4为本发明的实施例提供的又一种图像处理方法的流程示意图;
图5为本发明实施例提供的一种圆形印章判断真伪的流程图;
图6为本发明的实施例提供的一种终端的结构示意图。
具体实施方式
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。
应理解,说明书通篇中提到的“本发明实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“本发明实施例中”或“在前述实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中应。在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
应需说明的是,本发明的任一实施例的图像处理方法均应用于终端,其中,终端可以为手机、电脑、照相机或者平板电脑等等,本发明对终端不作限定,只要终端能够实现本发明任一实施例的图像处理方法的功能即可。
为了能够更加详尽地了解本发明实施例的特点与技术内容,下面结合附图对本发明实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本发明。
在相对技术中,判别印章真伪的流程如图1所示。采集印章的图像根据不同场景的应用需求,图中采集图像时图像的输入设备可以采用不同的方式,例如扫描仪的输出、数字照相机、机器断层扫描输出、磁共振成像(Magnetic Resonance Imaging,MRI)的输出等;然后进行分割提取图像即利用色彩系统(Horizontal Situation Indicator,HSI)模型变换将图像从红绿蓝三原色(Red Green Blue,RGB)模型空间转换到HSI模型空间将印章图像提取出来;再对印章图像进行图像预处理即进行灰度二值化处理,高斯噪声处理,以及利用霍夫变换检测直线的原理去除类似直线的背景线;再进行几何配准以及和基准图像进行算法识别,即利用基于像素概率分布的方法对印章进行判别,这一步主要首先利用图像的几何特点对预处理之后的印章图像进行几何分割;然后利用像素的分布对分割之后的印章图像进行几何配准即确定图像的几何中心以及旋转角度;然后对图像进行平移旋转,将待测印章图像和真印章图像进行配准之后,判断其是否为真印章。
本发明实施例提供一种图像处理方法,应用于终端,参照图2所示,该方法包括以下步骤:
步骤201、对待检测图像进行第一预处理获得第一图像,并对标准图像进行第一预处理获得第二图像。
在本发明实施例中,首选拿到含有印章的工程文件作为待测印章图像时,将对待测印章图像以及原始印章图像进行相应的第一预处理。其中,待测印章图像和原始印章图像都是主要特制圆形印章。待检测图像可以是需要进行识别印章或待测印章所对应的图像,标准图像可以是真印章或原始印章所对应的原始图像。最后获取的第一图像和第二图像分别是待测印章所对应的图像经过一系列预处理之后的图像和原始印章所对应的图像经过一系列预处理之后的图像。其中,第一预处理可以包括印章图像采集、印章图像的分割提取以及印章图像的预处理。当印章为圆形印章时,第一预处理可以包括印章图像采集、印章图像的分割提取、印章图像的多次预处理、对圆形印章进行基于霍夫圆变化的圆形检测以及对其检测出来的图像进行相应的剪切。
步骤202、基于预设算法对第一图像进行特征参数提取,得到第一图像的第一向量值和第一图像的第一比率值。
其中,预设算法包括环投影分割提取算法和图像像素概率提取算法。
步骤203、基于预设算法对第二图像进行特征参数提取,得到第二图像的第二向量值和第二图像的第二比率值。
在本发明实施例中,对第一图像进行基于环投影分割提取算法的处理,获取第一图像的特征向量值即第一图像的向量值,以及对第一图像进行基于图像像素概率提取算法获得第一图像中每一部分笔画的像素概率分布情况,也就是第一图像的第一比率值。
对第二图像进行基于环投影分割提取算法的处理,获取第二图像的特征向量值即第二图像的向量值,以及对第二图像进行基于图像像素概率提取算法获得第二图像中每一部分笔画的像素概率分布情况,也就是第二图像的第一比率值。
步骤204、基于第一向量值、第一比率值、第二向量值和第二比率值,确定待检测图像和标准图像是否匹配。
在本发明实施例中,基于上述得到的四个参数值,即第一图像的特征向量值、第二图像的特征向量值、第一图像中每一部分笔画的像素概率分布情况和第二图像中每一部分笔画的像素概率分布情况,经过一定的公式计算进行相应的判断来确定第一图像和第二图像,也就是第一图像和第二图像其对应的待检测图像和标准图像是否匹配。
本发明的实施例所提供的图像处理方法,对待检测图像进行第一预处理获得第一图像,并对标准图像进行第一预处理获得第二图像;基于预设算法对第一图像进行特征参数提取,得到第一图像的第一向量值和第一图像的第一比率值,其中,预设算法包括环投影分割提取算法和图像像素概率提取算法;基于预设算法对第二图像进行特征参数提取,得到第二图像的第二向量值和第二图像的第二比率值;基于第一向量值、第一比率值、第二向量值和第二比率值,确定待检测图像和标准图像是否匹配,如此,通过在原有印章识别过程利用对印章的旋转角度不敏感的环形投影算法,以及利用提取的多个参数值来确定图像是否匹配,降低了识别圆形印章真伪过程中对图像旋转角度的敏感度,提高了圆形印章的识别率。
基于前述实施例,本发明实施例提供一种图像处理方法,如图3所示,该方法包括以下步骤:
步骤301、终端对待检测图像进行图像采集提取处理获得第一预处理图像,并对标准图像进行图像采集提取处理获得第二预处理图像。
在本发明实施例中,图像采集提取处理包括对相应的印章图像采集和分割提取,即终端分别对待检测图像和标准图像分别进行印章图像采集处理和分割提取处理。其中,印章图像采集是基于同一印章在不同的盖印条件下印出的图像差别很大所提出的一种处理手段。不同的人、不同的盖印力度、光源亮度、印泥的质量以及数量都会导致待测印鉴图像模糊、畸变或者颜色深浅不一,这些状况都会对后期图像处理带来一定影响,且图像的采集即待处理图像信号的输入时整个图像处理的基础,根据不同的应用需求,图像的输入设备可以采用不同的方式。后期印章图像识别效率的好坏依赖于所采集的印章图像的质量,而图像的采集质量和使用的采集设备息息相关。如银行通常会使用专用摄像头或扫描仪来获得印章图像,不同的仪器获取的图像质量、颜色之间会有很大的差别。所以,在选取印章图像采集设备时,不但要考虑质量、性能,还应当考虑其的方便性和经济适用性。
其中,印章图像的分割提取可以是基于颜色模型的印章提取,最常见的面向硬件的颜色模型有RGB、HSI、相减混色模型(Cyan Magenta Yellow,CMY)、印刷色彩模型(CyanMagenta Yellow Black,CMYK)和六角椎体(Hue Saturation Value,HSV)模型。其中由于印章几乎都是红色的,而背景噪声或者是签名等通常是浅色、黑色或蓝色,因此需要利用颜色的差别选取合适的阈值对图像进行分割提取。
步骤302、终端对第一预处理图像进行图像还原处理获得第一基础图像,并对第二预处理图像进行图像还原处理获得第二基础图像。
在本发明实施例中,图像还原处理即为印章图像的预处理。其中,印章图像的预处理主要是基于图像采集这边提取出红色印章大部分会有噪声和缺失,不能满足系统的需求,因此需要对图像进行预处理,该预处理主要包括三部分,分别是:图像的二值化、图像去噪、去除水平书写线,经过预处理的图像可以做到减少后面配准等运算的计算量、提高计算效率以及减少相应的误判率。
步骤303、终端基于霍夫圆变换对第一基础图像进行处理得到第一图像。
其中,霍夫圆变换表征基于圆形图像提取的算法策略。
在本发明的其他实施例中,步骤303可以通过以下方式来实现:终端对第一基础图像进行圆形检测处理和图像二次还原处理得到第一图像。
步骤304、终端基于霍夫圆变换对第二基础图像进行处理得到第二图像。
在本发明的其他实施例中,步骤304相应的可以通过以下方式来实现:终端对第二基础图像进行圆形检测处理和图像二次还原处理得到第二图像。
在本发明实施例中,圆形图像提取的算法策略是基于圆形图像实现的,其中,霍夫圆变换是将二维图像空间中一个圆转换为该圆半径、圆心横纵坐标所确定的三维参数空间中一个点的过程。
圆形检测处理主要包括对图像利用霍夫变换进行圆形检测,对检测出的符合印章特点的圆的几何位置进行保存,并在待测的原始彩色印章图像上裁剪出需要的图像,即初步提取疑似圆形印章的图像,在这一步操作过程中,可以对检测的结果进行阈值的放大,尽可能的剪切出完整的圆。
图像二次还原处理主要是再次利用HSI模型空间对剪切的彩色印章图像进行再次提取,将此次提取的待测印章图像和原始印章图像再次进行预处理,也可以是灰度二值化处理。在本发明实施例中,图像二次还原处理可以是进行一次也可以是进行多次。
步骤305、终端基于预设算法对第一图像进行特征参数提取,得到第一图像的第一向量值和第一图像的第一比率值。
其中,预设算法包括环投影分割提取算法和图像像素概率提取算法。
步骤306、终端基于预设算法对第二图像进行特征参数提取,得到第二图像的第二向量值和第二图像的第二比率值。
步骤307、终端基于第一向量值、第一比率值、第二向量值和第二比率值,确定待检测图像和标准图像是否匹配。
需要说明的是,本发明实施例中与其它实施例中相同步骤或概念的解释,可以参照其它实施例中的描述,此处不再赘述。
本发明的实施例所提供的图像处理方法,终端通过在原有印章识别过程利用对印章的旋转角度不敏感的环形投影算法,以及利用提取的多个参数值来确定图像是否匹配,降低了识别圆形印章真伪过程中对图像旋转角度的敏感度,提高了圆形印章的识别率。
基于前述实施例,本发明实施例提供一种图像处理方法,如图4所示,该方法包括以下步骤:
步骤401、终端对待检测图像进行第一预处理获得第一图像,并对标准图像进行第一预处理获得第二图像。
步骤402、终端基于环投影分割提取算法对第一图像进行向量参数提取,得到第一图像的第一向量值。
步骤403、终端基于图像像素概率提取算法对第一图像进行配准参数提取,得到第一图像的第一比率值。
步骤404、终端基于环投影分割提取算法对第二图像进行向量参数提取,得到第二图像的第二向量值。
步骤405、终端基于图像像素概率提取算法对第二图像进行配准参数提取,得到第二图像的第二比率值。
在本发明实施例中,环投影分割提取算法指的是基于环形投影的方法进行特征提取,首先分别求得第一图像和第二图像的几何中心,然后分别将第一图像和第二图像投影由笛卡尔坐标系转换为极坐标系,以最远距离D为极坐标系,计算得到第一图像的极坐标系值f(r,θ)以及第二图像的极坐标系值δ(r,θ):
其中,当f(r,θ)以及δ(r,θ)值为1的时候表示该点在图像上,值为0是其他,且其中0≤r≤D,0≤θ≤2π。
然后利用环投影计算如下参数,由于环投影分割提取即环分割投影是沿着图像中的圆环进行的,且投影轴是圆而不是直线,因此该环投影公式计算第一图像和第二图像的特征向量上具有旋转不变形特征,其中:
求得第一图像的特征向量值为τ=[Mr1,Mr2,...Mrn]T,且第二图像的特征向量为τ=[Sr1,Sr2,...Srn]T,其中,Mri为第一图像的环投影值即第一图像的向量值,Sri为第二图像的环投影值即第二图像的向量值,T为矩阵转置,n为不大于D的最大整数,i为不大于n的正整数。
在本发明实施例中,第一图像的第一向量值是Mri,即为第一图像的环投影值,第二图像的第二向量值是Sri,即为第二图像的环投影值。
在本发明实施例中,图像像素概率提取算法是基于像素概率分别的识别算法,其主要是利用印章的结构和统计特征。首先,分别使用三种模式即网格状、水平状、垂直状将待测印章图像和原始印章图像分割为等面积的九部分,即对待检测图像和标准图像分别进行相应的处理,这样,可以计算出每一部分中笔画的像素概率分布情况,即每一部分中像素0的比率,这些比率体现出了待测印章图像的结构与统计特征。
针对第一图像来说,假设n代表印章中的总像素数(包含印章中的字母和五角星,由于圆形印章主要有两类,一类中央有五角星,另一类中央没有五角星),nij表示印章每一部分所含的笔画像素数,其中i∈{1,2,3},j∈{1,2,......,9},i表示上文所给出的三种不同模式,j表示特定模式下划定的九个不同区域。用pij表示待测印章对应的图像即第一图像中每一部分中笔画的像素概率分布情况,即每一部分占总像素数的比率,可以利用上面的公式计算pij。
针对第二图像来说,假设n*代表印章中的总像素数(包含印章中的字母和五角星,由于圆形印章主要有两类,一类中央有五角星,另一类中央没有五角星),nij *表示印章每一部分所含的笔画像素数,其中i∈{1,2,3},j∈{1,2,......,9},i表示上文所给出的三种不同模式,j表示特定模式下划定的九个不同区域。用pij *表示待测印章对应的图像即第二图像中每一部分中笔画的像素概率分布情况,每一部分占总像素数的比率,可以利用上面的公式计算pij *。
在本发明实施例中,第一图像的第一比率值是pij,即为第一图像中的每一部分占总像素数的比率,第二图像的第二比率值是pij *,即为第二图像中的每一部分占总像素的比率。
步骤406、终端基于归一化算法对第一向量值和第二向量值进行处理,获得第一阈值。
在本发明实施例中,对第一图像的第一向量值Mri即第一图像的环投影值和二图像的第二向量值Sri,即第二图像的环投影值进行归一化算法处理,即利用归一化的互相关函数:
其中,Mri为待测印章图像的环投影值,Sri为原始印章图像的环投影值,两者的值进行归一化的互相关函数计算得到不同的C(i)即第一阈值,C(i)值为待测印章图像与原始印章图像的互相关匹配值。通过环投影的方法得到互相关匹配值后与环投影的阈值参数进行判断真伪。其判断方法和下文中第二阈值即相似性度量值判断方法类似。
步骤407、终端基于几何内积算法对第一比率值和第二比率值进行处理,获得第二阈值。
在本发明实施例中,基于第一图像的第一比率值pij即第一图像中的每一部分占总像素数的比率和二图像的第二比率值pij *即第二图像中的每一部分占总像素的比率,计算出预留的标准印章和待测印章的几何平均距离内积V即第二阈值。
有关像素概率分布的几何平均距离内积可以有以下式进行计算:
通过几何内积的方法得到相似性度量值后与几何内积的阈值参数进行判断真伪。根据统计学知识,如果几何平均内积V<0.05,则判定待识别印章为真。判别规则如下表1所示:
表1
识别结果 | 假印章 | 可疑印章 | 真印章 |
V的值 | V>0.33 | 0.05≤V≤0.33 | V<0.05 |
步骤408、若第一阈值位于第一预设阈值区域内,且第二阈值位于第二预设阈值区域内,终端则确定待检测图像的图像特征和标准图像的图像特征匹配。
在本发明实施例中,终端还可以进行以下步骤409的判断,方法如下:
步骤409、若第一阈值不在第一预设阈值区域内,或若第二阈值不在第二预设阈值区域内,终端则确定待检测图像的图像特征和标准图像的图像特征不匹配。
在本发明实施例中,第一阈值C(i)有三个识别结果,分别是假、疑似或真以及第二阈值也有三个识别结果假、疑似或真,若第一阈值处于第一预设阈值区域内即属于真的阈值范围内,且第二阈值处于第二预设阈值区域内积即也属于真的阈值范围内,则待检测图像与标准图像的图像特征匹配,即待检测图像为真。若第一阈值处于疑似范围内,则不管第二阈值位于哪个范围,都属于疑似,即待检测图像不确定是否为真图像,即为疑似,相应的同样可应用第二阈值。若第一阈值处于假范围内,则不管第二阈值位于哪个范围,都是假,即待检测图像即为假图像。也就是说只有两个参数的结果同为真,则判定待测印章为真;若判别后结果至少一个为假,则判定待测印章为假印章。
其中,通过采集大量的待测印章图像的样本,以提高印章识别率为主要目的,训练算法中各个步骤中用到阈值,其中在整个算法流程中涉及到阈值的地方有很多,比如预处理部分中对图像进行中值滤波以及闭运算的处理,设置不同的参数得到的图像像素点分布都会不一样,对后面的HSI提取以及识别都有很大的影响,在算法中使用霍夫变换的参数不同,提取圆形印章的结果也会很大差别,HSI空间模型中用到的参数,在大量实验的基础上,得到H=0.95,S=0.2,I=0.6时能够很好的提取出红色印章部分的图像,但是对于工程印章文件还会在此基础之上采集大量的样本使用机器学习的方法进行参数训练,来得到最大的识别率,最佳的识别效果用于工程应用。
如本发明实施例提供的图5,如图所示提供一种圆形印章判断真伪的流程图。图中原始公章与待测公章分别指代本发明实施例中的素与待检测图像;其中,分割提取图像以及图像预处理表示相对技术中的图像采集、分割提取和图像预处理;其中,圆形检测、剪切公章以及HSI模型空间提取公章与再次预处理是在相对技术基础上添加的为了提高印章识别的方法;其中,基于环形投影进行特征和图像配准是对两个图像分别进行图像配准、特征提取过程;其中互相关匹配以及相似性度量属于待检测印章所对应的图像与原始公章所对应的图像进行相似度比较,最后得出训练阈值以及得出结果确定待检测公章是真印章、假印章或疑似印章。
需要说明的是,本发明实施例中与其它实施例中相同步骤或概念的解释,可以参照其它实施例中的描述,此处不再赘述。
本发明的实施例所提供的图像处理方法,终端通过在原有印章识别过程利用对印章的旋转角度不敏感的环形投影算法,以及利用提取的多个参数值来确定图像是否匹配,降低了识别圆形印章真伪过程中对图像旋转角度的敏感度,提高了圆形印章的识别率。
基于前述实施例,本发明的实施例提供一种终端6,该终端6可以应用于图2~4对应的实施例提供的图像处理方法中,参照图6所示,该终端可以包括:处理器61、存储器62和通信总线63;
通信总线63用于实现处理器61和存储器62之间的通信连接;
处理器61用于执行存储器62中存储的图像处理程序,以实现以下步骤:
对待检测图像进行第一预处理获得第一图像,并对标准图像进行第一预处理获得第二图像;
基于预设算法对第一图像进行特征参数提取,得到第一图像的第一向量值和第一图像的第一比率值;其中,预设算法包括环投影分割提取算法和图像像素概率提取算法;
基于预设算法对第二图像进行特征参数提取,得到第二图像的第二向量值和第二图像的第二比率值;
基于第一向量值、第一比率值、第二向量值和第二比率值,确定待检测图像和标准图像是否匹配。
在本发明的其它实施例中,处理器61用于执行存储器62中存储的图像处理程序中的对待检测图像进行第一预处理获得第一图像,并对标准图像进行第一预处理获得第二图像,可以实现以下步骤:
对待检测图像进行第二预处理获得第一基础图像,并对标准图像进行第二预处理获得第二基础图像;
基于霍夫圆变换对第一基础图像进行处理得到第一图像,其中,霍夫圆变换表征基于圆形图像提取的算法策略;
基于霍夫圆变换对第二基础图像进行处理得到第二图像。
在本发明的其它实施例中,处理器61用于执行存储器62中存储的图像处理程序中的对待检测图像进行第二预处理获得第一基础图像,并对标准图像进行第二预处理获得第二基础图像,可以实现以下步骤:
对待检测图像进行图像采集提取处理获得第一预处理图像,并对标准图像进行图像采集提取处理获得第二预处理图像;
对第一预处理图像进行图像还原处理获得第一基础图像,并对第二预处理图像进行图像还原处理获得第二基础图像。
在本发明的其它实施例中,处理器61用于执行存储器62中存储的图像处理程序中的基于霍夫圆变换对第一基础图像进行处理得到第一图像,还可以实现以下步骤:
对第一基础图像进行圆形检测处理和图像二次还原处理得到第一图像;
相应的,基于霍夫圆变换对第二基础图像进行处理得到第二图像,包括:
对第二基础图像进行圆形检测处理和图像二次还原处理得到第二图像。
在本发明的其它实施例中,处理器61用于执行存储器62中存储的图像处理程序中的基于预设算法对第一图像进行特征参数提取,得到第一图像的第一向量值和第一图像的第一比率值,可以实现以下步骤:
基于环投影分割提取算法对第一图像进行向量参数提取,得到第一图像的第一向量值;
基于图像像素概率提取算法对第一图像进行配准参数提取,得到第一图像的第一比率值;
相应的,基于预设算法对第二图像进行特征参数提取,得到第二图像的第二向量值和第二图像的第二比率值,包括:
基于环投影分割提取算法对第二图像进行向量参数提取,得到第二图像的第二向量值;
基于图像像素概率提取算法对第二图像进行配准参数提取,得到第二图像的第二比率值。
在本发明的其它实施例中,处理器61用于执行存储器62中存储的图像处理程序中的基于第一向量值、第一比率值、第二向量值和第二比率值,确定待检测图像和标准图像是否匹配,可以实现以下步骤:
基于归一化算法对第一向量值和第二向量值进行处理,获得第一阈值;
基于几何内积算法对第一比率值和第二比率值进行处理,获得第二阈值;
若第一阈值位于第一预设阈值区域内,且第二阈值位于第二预设阈值区域内,则确定待检测图像的图像特征和标准图像的图像特征匹配。
在本发明的其它实施例中,处理器61用于执行存储器62中存储的图像处理程序,还可以实现以下步骤:
若第一阈值不在第一预设阈值区域内,或若第二阈值不在第二预设阈值区域内,则确定待检测图像的图像特征和标准图像的图像特征不匹配。
需要说明的是,本实施例中处理器61所执行的步骤的具体实现过程,可以参照图2~4对应的实施例提供的图像识别方法中的实现过程,此处不再赘述。
本发明的实施例所提供的终端,通过在原有印章识别过程利用对印章的旋转角度不敏感的环形投影算法,以及利用提取的多个参数值来确定图像是否匹配,降低了识别圆形印章真伪过程中对图像旋转角度的敏感度,提高了圆形印章的识别率。
基于前述实施例,本发明的实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如上述图2~4对应的任一项的图像处理方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种图像处理方法,所述方法包括:
对待检测图像进行第一预处理获得第一图像,并对标准图像进行所述第一预处理获得第二图像;
基于预设算法对所述第一图像进行特征参数提取,得到所述第一图像的第一向量值和所述第一图像的第一比率值;其中,所述预设算法包括环投影分割提取算法和图像像素概率提取算法;
基于所述预设算法对所述第二图像进行特征参数提取,得到所述第二图像的第二向量值和所述第二图像的第二比率值;
基于所述第一向量值、所述第一比率值、所述第二向量值和所述第二比率值,确定所述待检测图像和所述标准图像是否匹配。
2.根据权利要求1所述的方法,其特征在于,所述对待检测图像进行第一预处理获得第一图像,并对标准图像进行所述第一预处理获得第二图像,包括:
对所述待检测图像进行第二预处理获得第一基础图像,并对所述标准图像进行所述第二预处理获得第二基础图像;
基于霍夫圆变换对所述第一基础图像进行处理得到所述第一图像,其中,所述霍夫圆变换表征基于圆形图像提取的算法策略;
基于所述霍夫圆变换对所述第二基础图像进行处理得到所述第二图像。
3.根据权利要求2所述的方法,其特征在于,所述对所述待检测图像进行第二预处理获得第一基础图像,并对所述标准图像进行所述第二预处理获得第二基础图像,包括:
对所述待检测图像进行图像采集提取处理获得第一预处理图像,并对所述标准图像进行所述图像采集提取处理获得第二预处理图像;
对所述第一预处理图像进行图像还原处理获得所述第一基础图像,并对所述第二预处理图像进行所述图像还原处理获得所述第二基础图像。
4.根据权利要求2所述的方法,其特征在于,所述基于霍夫圆变换对所述第一基础图像进行处理得到所述第一图像,包括:
对所述第一基础图像进行圆形检测处理和图像二次还原处理得到所述第一图像;
相应的,所述基于所述霍夫圆变换对所述第二基础图像进行处理得到所述第二图像,包括:
对所述第二基础图像进行所述圆形检测处理和所述图像二次还原处理得到所述第二图像。
5.根据权利要求1所述的方法,其特征在于,所述基于预设算法对所述第一图像进行特征参数提取,得到所述第一图像的第一向量值和所述第一图像的第一比率值,包括:
基于所述环投影分割提取算法对所述第一图像进行向量参数提取,得到所述第一图像的第一向量值;
基于所述图像像素概率提取算法对所述第一图像进行配准参数提取,得到所述第一图像的第一比率值;
相应的,所述基于所述预设算法对所述第二图像进行特征参数提取,得到所述第二图像的第二向量值和所述第二图像的第二比率值,包括:
基于所述环投影分割提取算法对所述第二图像进行所述向量参数提取,得到所述第二图像的第二向量值;
基于所述图像像素概率提取算法对所述第二图像进行所述配准参数提取,得到所述第二图像的第二比率值。
6.根据权利要求1所述的方法,其特征在于,所述基于所述第一向量值、所述第一比率值、所述第二向量值和所述第二比率值,确定所述待检测图像和所述标准图像是否匹配,包括:
基于归一化算法对所述第一向量值和所述第二向量值进行处理,获得第一阈值;
基于几何内积算法对所述第一比率值和所述第二比率值进行处理,获得第二阈值;
若所述第一阈值位于第一预设阈值区域内,且所述第二阈值位于第二预设阈值区域内,则确定所述待检测图像的图像特征和所述标准图像的图像特征匹配。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若所述第一阈值不在所述第一预设阈值区域内,或若所述第二阈值不在所述第二预设阈值区域内,则确定所述待检测图像的图像特征和所述标准图像的图像特征不匹配。
8.一种终端,其特征在于,所述终端包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和所述存储器之间的通信连接;
所述处理器用于执行所述存储器中存储的图像处理程序,以实现以下步骤:
对待检测图像进行第一预处理获得第一图像,并对标准图像进行所述第一预处理获得第二图像;
基于预设算法对所述第一图像进行特征参数提取,得到所述第一图像的第一向量值和所述第一图像的第一比率值;其中,所述预设算法包括环投影分割提取算法和图像像素概率提取算法;
基于所述预设算法对所述第二图像进行特征参数提取,得到所述第二图像的第二向量值和所述第二图像的第二比率值;
基于所述第一向量值、所述第一比率值、所述第二向量值和所述第二比率值,确定所述待检测图像和所述标准图像是否匹配。
9.根据权利要求8所述的终端,其特征在于,所述处理器执行对待检测图像进行第一预处理获得第一图像,并对标准图像进行所述第一预处理获得第二图像的步骤,还可以实现以下步骤:
对所述待检测图像进行第二预处理获得第一基础图像,并对所述标准图像进行所述第二预处理获得第二基础图像;
基于霍夫圆变换对所述第一基础图像进行处理得到所述第一图像,其中,所述霍夫圆变换表征基于圆形图像提取的算法策略;
基于所述霍夫圆变换对所述第二基础图像进行处理得到所述第二图像。
10.一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存储有一个或者多个程序,所述一个或者多个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7中任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910760875.4A CN112396638A (zh) | 2019-08-16 | 2019-08-16 | 一种图像处理方法、终端和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910760875.4A CN112396638A (zh) | 2019-08-16 | 2019-08-16 | 一种图像处理方法、终端和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112396638A true CN112396638A (zh) | 2021-02-23 |
Family
ID=74603110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910760875.4A Pending CN112396638A (zh) | 2019-08-16 | 2019-08-16 | 一种图像处理方法、终端和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112396638A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781533A (zh) * | 2021-09-10 | 2021-12-10 | 北京方正印捷数码技术有限公司 | 图像配准方法、装置、印刷机和存储介质 |
CN117102562A (zh) * | 2023-10-24 | 2023-11-24 | 常州法尔林精机有限公司 | 一种刨床加工自动化生产线机械手控制系统及方法 |
-
2019
- 2019-08-16 CN CN201910760875.4A patent/CN112396638A/zh active Pending
Non-Patent Citations (3)
Title |
---|
徐亚红: "印章的真伪识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨新军 等: "基于环投影模板匹配的印鉴鉴别法", 《光电子 激光》 * |
王昌杰: "红头文件检测关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781533A (zh) * | 2021-09-10 | 2021-12-10 | 北京方正印捷数码技术有限公司 | 图像配准方法、装置、印刷机和存储介质 |
CN117102562A (zh) * | 2023-10-24 | 2023-11-24 | 常州法尔林精机有限公司 | 一种刨床加工自动化生产线机械手控制系统及方法 |
CN117102562B (zh) * | 2023-10-24 | 2023-12-22 | 常州法尔林精机有限公司 | 一种刨床加工自动化生产线机械手控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | Automatic change detection in synthetic aperture radar images based on PCANet | |
CN108596197B (zh) | 一种印章匹配方法及装置 | |
CN104463195B (zh) | 基于模板匹配的印刷体数字识别方法 | |
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
CN103116763A (zh) | 一种基于hsv 颜色空间统计特征的活体人脸检测方法 | |
CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN112417931B (zh) | 一种基于视觉显著性的水面物体检测和分类的方法 | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
CN105139011B (zh) | 一种基于标识物图像的车辆识别方法及装置 | |
CN107704797B (zh) | 基于安防视频中行人和车辆的实时检测方法和系统及设备 | |
CN114581646A (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN105335744A (zh) | 一种基于图像骨干抽取条带分布特征的一维码区域定位 | |
CN108537223B (zh) | 一种车牌检测方法、系统及设备和存储介质 | |
CN111709305B (zh) | 一种基于局部图像块的人脸年龄识别方法 | |
CN110084587B (zh) | 一种基于边缘上下文的餐盘自动结算方法 | |
CN112396638A (zh) | 一种图像处理方法、终端和计算机可读存储介质 | |
CN110298835B (zh) | 一种皮革表面破损检测方法、系统及相关装置 | |
CN108694415B (zh) | 图像特征提取方法、装置及水源图像分类方法、装置 | |
CN109635679B (zh) | 一种实时的靶纸定位及环线识别方法 | |
Christen et al. | Target marker: A visual marker for long distances and detection in realtime on mobile devices | |
US10115195B2 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
CN111325722A (zh) | 印章图像精确识别方法、印章图像识别处理方法和印章图像识别系统 | |
CN111768368B (zh) | 一种基于最大稳定极值区域的图像区域复制篡改检测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210223 |
|
WD01 | Invention patent application deemed withdrawn after publication |