CN112507921A - 基于目标区域的图形搜索方法、系统、电子装置及存储介质 - Google Patents
基于目标区域的图形搜索方法、系统、电子装置及存储介质 Download PDFInfo
- Publication number
- CN112507921A CN112507921A CN202011486788.3A CN202011486788A CN112507921A CN 112507921 A CN112507921 A CN 112507921A CN 202011486788 A CN202011486788 A CN 202011486788A CN 112507921 A CN112507921 A CN 112507921A
- Authority
- CN
- China
- Prior art keywords
- area
- target area
- point set
- target
- picture
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000002093 peripheral effect Effects 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种人工智能技术,揭露了一种基于目标区域的图形搜索方法,该方法包括:对待搜索的图片进行预处理;在所述图片中设置目标区域,所述目标区域为需要搜索的封闭图形,包括外围连通区域和内部连通区域;根据所述目标区域在所述图片中进行遍历并计算当前搜索区域与所述目标区域的相似度;根据相似度计算结果和预定阈值得到所述图片中与所述目标区域对应的图形。本发明还提供一种图形搜索系统、电子装置及计算机可读存储介质。本发明提供的基于目标区域的图形搜索方法、系统、电子装置及计算机可读存储介质能够基于目标区域的局部细节搜索图片中相同的图形区域,识别度和效率较高,适用性广。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于目标区域的图形搜索方法、系统、电子装置及计算机可读存储介质。
背景技术
计算机视觉是人工智能领域重要的一个方向,对于人类来说,识别图形、图像是一种天生的能力,而对于计算机来讲,却是一种十分复杂且具有挑战的事,这代表了计算机发展的新高度。目前各大科技公司都在计算机视觉领域深耕细作,不断提升计算机视物、识物的能力。人类至少有80%以上的外界信息是通过视觉获得的,人类识别某项物体,可通过轮廓、局部细节来对物体信息进行分析,根据人类自己的印象来辨别事物。而计算机视觉技术几乎可以应用到所有场景,模拟人类视觉来识别信息,例如解析图片信息,能够将图片信息转换为各种类型的且可以直接利用的信息,具体应用场景如人脸识别、文字识别、生物识别、地理识别等。
在解析图片信息过程中,目前主流的图片搜索算法是先将图片进行灰度处理,获取图片信息的轮廓,然后根据轮廓进行距离比较等算法来获取相似度,从而判断两张图片是否相似。但如果想要获取图片的细节信息,例如获取图片中正方形的数量与位置,当前这种算法是做不到的。而如果通过人工的方式去查找,在图片很多或图形数量繁多的情况下,是极其费力的,成本也会无限提高。
发明内容
有鉴于此,本发明提出一种基于目标区域的图形搜索方法、系统、电子装置及计算机可读存储介质,以解决如何快速准确地进行图形搜索的问题。
首先,为实现上述目的,本发明提出一种基于目标区域的图形搜索方法,该方法包括:
对待搜索的图片进行预处理;
在所述图片中设置目标区域,所述目标区域为需要搜索的封闭图形,包括外围连通区域和内部连通区域;
根据所述目标区域在所述图片中进行遍历并计算当前搜索区域与所述目标区域的相似度;及
根据相似度计算结果和预定阈值得到所述图片中与所述目标区域对应的图形。
可选地,所述对待搜索的图片进行预处理包括:
对所述图片进行灰度处理、降噪滤波、二值化处理,从而将所述图片转换为二值化的二维矩阵。
可选地,所述在所述图片中设置目标区域包括:
接收用户在所述图片中选取的一个目标点,所述目标点为所述目标区域的所述内部连通区域中的任意一点;
根据所述目标点通过四连通递归算法获取目标区域点集,得到所述目标区域,其中所述目标区域点集包括外围连通区域点集和内部连通区域点集。
可选地,所述根据所述目标区域在所述图片中进行遍历并计算当前搜索区域与所述目标区域的相似度包括:
根据所述目标区域点集在所述二维矩阵中进行偏移,获取当前搜索区域点集;
比较所述当前搜索区域点集和所述目标区域点集中各个点的值,计算相同点数;
根据所述相同点数和预定的相似度计算公式得到所述当前搜索区域与所述目标区域的相似度。
可选地,所述比较所述当前搜索区域点集和所述目标区域点集中各个点的值,计算相同点数包括:
针对所述当前搜索区域点集中各个点与所述目标区域点集中相应位置各个点的值进行比较,分别计算出所述当前搜索区域点集与所述外围连通区域点集的相同点数,以及所述当前搜索区域点集与所述内部连通区域点集的相同点数。
可选地,所述相似度计算公式为相似度s=((w/(k-b)+b/(k-w))/2,其中,w为所述当前搜索区域点集与所述内部连通区域点集的相同点数,b为所述当前搜索区域点集与所述外围连通区域点集的相同点数,k为所述目标区域点集的总点数。
可选地,所述外围连通区域为所述目标区域对应的所述封闭图形的外围轮廓区域,所述内部连通区域为所述封闭图形的内部空白区域。
此外,为实现上述目的,本发明还提供一种图形搜索系统,所述系统包括:
预处理模块,用于对待搜索的图片进行预处理;
设置模块,用于在所述图片中设置目标区域,所述目标区域为需要搜索的封闭图形,包括外围连通区域和内部连通区域;
计算模块,用于根据所述目标区域在所述图片中进行遍历并计算当前搜索区域与所述目标区域的相似度;
判断模块,用于根据相似度计算结果和预定阈值得到所述图片中与所述目标区域对应的图形。
进一步地,为实现上述目的,本发明还提供一种电子装置,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的图形搜索程序,所述图形搜索程序被所述处理器执行时实现如上述的图形搜索方法的步骤。
进一步地,为实现上述目的,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存储有图形搜索程序,所述图形搜索程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的图形搜索方法的步骤。
相较于现有技术,本发明所提出的基于目标区域的图形搜索方法、系统、电子装置及计算机可读存储介质,可以基于目标区域的局部细节搜索图片中相同的区域,强调目标区域的外围轮廓和内部区域的各自特征,可以发挥很好的识别度,且效率较高。另外,本发明基于目标区域特征搜索的同时,对目标的种类及形状要求不高,故可以用于多种图形、多种场景的图形搜索中,适用性广。
附图说明
图1是本发明电子装置一可选的硬件架构的示意图;
图2是本发明图形搜索系统较佳实施例的程序模块示意图;
图3A是本发明中一种目标区域的示意图;
图3B是本发明中一种目标区域点集及其对应的数值的示意图;
图4是本发明图形搜索方法较佳实施例的流程示意图;
图5是图4中步骤S402的细化流程示意图;
图6是图4中步骤S404的细化流程示意图;
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。
参阅图1所示,是本发明电子装置2一可选的硬件架构的示意图。
本实施例中,所述电子装置2可包括,但不仅限于,可通过系统总线相互通信连接存储器11、处理器12、网络接口13。需要指出的是,图1仅示出了具有组件11-13的电子装置2,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,所述电子装置2可以是服务器,也可以是PC(Personal Computer,个人电脑),也可以是智能手机、平板电脑、掌上电脑、便携计算机等终端设备。所述服务器可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备,并且可以是独立的服务器,也可以是多个服务器所组成的服务器集群。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、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。在一些实施例中,所述存储器11可以是所述电子装置2的内部存储单元,例如该电子装置2的硬盘或内存。在另一些实施例中,所述存储器11也可以是所述电子装置2的外部存储设备,例如该电子装置2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。当然,所述存储器11还可以既包括所述电子装置2的内部存储单元也包括其外部存储设备。本实施例中,所述存储器11通常用于存储安装于所述电子装置2的操作系统和各类应用软件,例如图形搜索系统200的程序代码等。此外,所述存储器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。
所述处理器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装置2的总体操作。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,例如运行所述的图形搜索系统200等。
所述网络接口13可包括无线网络接口或有线网络接口,该网络接口13通常用于在所述电子装置2与其他电子设备之间建立通信连接。
至此,己经详细介绍了本发明相关设备的硬件结构和功能。下面,将基于上述介绍提出本发明的各个实施例。
首先,本发明提出一种图形搜索系统200。
参阅图2所示,是本发明图形搜索系统200较佳实施例的程序模块图。
本实施例中,所述图形搜索系统200包括一系列的存储于存储器11上的计算机程序指令,当该计算机程序指令被处理器12执行时,可以实现本发明各实施例的图形搜索操作。在一些实施例中,基于该计算机程序指令各部分所实现的特定的操作,图形搜索系统200可以被划分为一个或多个模块。例如,在图2中,所述图形搜索系统200可以被分割成预处理模块201、设置模块202、计算模块203、判断模块204。其中:
所述预处理模块201,用于对待搜索的图片进行预处理。
本实施例基于给定的目标区域来搜索图片中与所述目标区域相同的图形区域,该图片中目标区域以外的区域记为查找区域,根据所述目标区域在所述查找区域中进行遍历和比较,得到搜索结果。其中,所述目标区域为封闭图形,例如正方形,即由外围连通区域(外围轮廓)与内部连通区域(一般为空白区域)组成。
在对该图片基于所述目标区域进行搜索之前,首先要对该图片进行预处理。
具体地,图片预处理可以采用灰度处理、降噪滤波、二值化处理技术等。其中,二值化处理是指根据该图片中像素点颜色RGB值大小,将该像素点转换为0或1的数值,从而将该图片转换为二值化的二维数字矩阵。图片预处理保留了该图片中可用于识别的信息,降低了信息冗余,后续搜索过程中通过二维矩阵进行遍历查找,提高了查找效率。
所述设置模块202,用于在该图片中设置目标区域。
在本实施例中,可以采用直接在该图片中进行选取的方式设置所述目标区域。
例如,参阅图3A所示,为一种所述目标区域的示意图。在图3A中,图片右侧的小正方形即为所述目标区域。用户在该图片中选取所述目标区域的操作方法为:点击所述目标区域的内部空白区域中任意一点。
在本实施例中,所述在该图片中设置目标区域的过程具体包括:
(1)接收用户在该图片中选取的一个目标点。
在本实施例中,所述目标点可以为该图片中所要选取的所述目标区域的内部空白区域中的任意一点。用户通过拖动鼠标或手指点击等方式在所述内部空白区域中选取任意一点作为所述目标点。
(2)根据所述目标点通过四连通递归算法获取目标区域点集。
参阅图3B所示,为一种所述目标区域点集及其对应的数值的示意图。所述目标区域点集分为外围轮廓点集(B)和内部空白区域点集(W)。
四连通区域即四邻域,是指对应像素位置的上、下、左、右,是紧邻的位置,从区域上任一点出发,可通过上、下、左、右四个方向上的移动组合,到达该区域的任意像素。两个像素连通的两个必要条件是:两个像素的位置是否相邻;两个像素的灰度值是否满足特定的相似性准则(或者是否相等)。针对每一个像素点,若其四连通有一个点的值与之相同,那么这两个点就归为一个物体。
在所述目标点的基础上,通过四连通递归算法,就能得到所述目标点所在的所述目标区域的所有点集,从而得到所述目标区域的局部特征,后续在该图片中根据局部特征进行相似度的鉴别。
具体而言,在所述目标点(值为0)的四连通位置上找到所有与其值相同的点,得到的点集即为所述目标区域的内部空白区域点集(W),再根据所述内部空白区域点集(W)进一步得到外围的所有值为1的点,即为所述目标区域的外围轮廓点集(B)。
所述计算模块203,用于根据所述目标区域在该图片中进行遍历并计算相似度。
具体地,根据所述目标区域点集在该图片对应的二维矩阵中进行遍历查找与偏移比较。
在本实施例中,据所述目标区域在该图片中进行遍历并计算相似度的过程具体包括:
(1)根据所述目标区域点集在整个二维矩阵中进行偏移,获取当前搜索区域点集。
遍历整个二维矩阵,将所述目标区域点集(按该点集的点数及位置)在所述二维矩阵中自左向右、自上向下进行偏移,得到当前搜索区域点集(如图3A中左上角正方形区域)。
(2)比较所述当前搜索区域点集和所述目标区域点集中各个点的值,计算相同点数。
针对所述当前搜索区域点集中各个点与所述目标区域点集中相应位置各个点的值进行比较,分别计算出所述当前搜索区域点集与所述外围轮廓点集B的相同点数,以及所述当前搜索区域点集与所述内部空白区域点集W的相同点数。
(3)根据所述相同点数和预定的相似度计算公式得到所述当前搜索区域与所述目标区域的相似度。
所述相似度计算公式为相似度s=((w/(k-b)+b/(k-w))/2,其中,w为所述当前搜索区域点集与所述目标区域的内部空白区域点集的相同点数,b为所述当前搜索区域点集与所述目标区域的外围轮廓点集的相同点数,k为目标区域点集的总点数。根据上一步计算出的所述当前搜索区域点集与外围轮廓点集B和内部空白区域点集W的相同点数,代入该公式计算得到所述当前搜索区域与所述目标区域的相似度。
该相似度算法是基于目标区域的局部细节搜索图片中相同的区域,强调目标区域的外围轮廓和内部区域的各自特征,是一种重视目标细节的搜索算法,且该算法基于目标区域特征搜索的同时,对目标的种类及形状要求不高,故可以用于多种图形、多种场景的图形搜索中。
所述判断模块204,用于根据相似度计算结果和预定阈值得到该图片中与所述目标区域对应的图形。
通过遍历所述二维矩阵并计算每个所述当前搜索区域与所述目标区域的相似度,得到所有搜索区域与所述目标区域的相似度,然后根据预定的阀值来获取符合要求的图形区域,即为该图片中与所述目标区域相同的图形搜索结果。在本实施例中,当计算出的相似度大于或等于所述阈值时,表示所述当前搜索区域与所述目标区域图形相同,即所述当前搜索区域满足搜索条件。
例如,将所述阀值设为0.8,若计算出的相似度s>=0.8则满足搜索条件,将该搜索区域保留,然后遍历下一个搜索区域,直至遍历完所有图片区域(整个二维矩阵),最后保留下来的所有搜索区域即为与所述目标区域图形相同的区域。例如,图3A中的目标区域为正方形,根据本实施例可以搜索得到该图片中与该正方形相同的所有正方形的数量及位置。
本实施例提供的图形搜索系统首先对图片信息进行预处理,通过去除图片中噪点信息和冗余信息,提高识别效率。然后通过四连通递归算法获取目标区域的局部特征,基于目标区域的局部细节搜索图片中相同的区域,强调目标区域的外围轮廓和内部区域的各自特征,是一种重视目标细节的搜索算法,因此在面对复杂的图形或者复杂场景时,都可以发挥到很好的识别度,且效率较高。同时,该方法均衡了局部特征信息的权重,当某一项特性偏差明显时,也会对另外的特性造成影响,这样的结果就是局部偏差会被放大,相似度越高的图形越容易被识别出来。另外,该方法基于目标区域特征搜索的同时,对目标的种类及形状要求不高,故可以用于多种图形、多种场景的图形搜索中,适用性广。
此外,本发明还提出一种基于目标区域的图形搜索方法。
参阅图4所示,是本发明图形搜索方法较佳实施例的流程示意图。在本实施例中,根据不同的需求,图4所示的流程图中的步骤的执行顺序可以改变,某些步骤可以省略。该方法包括:
步骤S400,对待搜索的图片进行预处理。
本实施例基于给定的目标区域来搜索图片中与所述目标区域相同的图形区域,该图片中目标区域以外的区域记为查找区域,根据所述目标区域在所述查找区域中进行遍历和比较,得到搜索结果。其中,所述目标区域为封闭图形,例如正方形,即由外围连通区域(外围轮廓)与内部连通区域(一般为空白区域)组成。
在对该图片基于所述目标区域进行搜索之前,首先要对该图片进行预处理。
具体地,图片预处理可以采用灰度处理、降噪滤波、二值化处理技术等。其中,二值化处理是指根据该图片中像素点颜色RGB值大小,将该像素点转换为0或1的数值,从而将该图片转换为二值化的二维数字矩阵。图片预处理保留了该图片中可用于识别的信息,降低了信息冗余,后续搜索过程中通过二维矩阵进行遍历查找,提高了查找效率。
步骤S402,在该图片中设置目标区域。
在本实施例中,可以采用直接在该图片中进行选取的方式设置所述目标区域。
例如图3A所示,图片右侧的小正方形即为所述目标区域。用户在该图片中选取所述目标区域的操作方法为:点击所述目标区域的内部空白区域中任意一点。
进一步参阅图5,为所述步骤S402的细化流程示意图。在本实施例中,所述步骤S402具体包括:
S4020,接收用户在该图片中选取的一个目标点。
在本实施例中,所述目标点可以为该图片中所要选取的所述目标区域的内部空白区域中的任意一点。用户通过拖动鼠标或手指点击等方式在所述内部空白区域中选取任意一点作为所述目标点。
S4022,根据所述目标点通过四连通递归算法获取目标区域点集。
例如图3B所示,所述目标区域点集分为外围轮廓点集(B)和内部空白区域点集(W)。
四连通区域即四邻域,是指对应像素位置的上、下、左、右,是紧邻的位置,从区域上任一点出发,可通过上、下、左、右四个方向上的移动组合,到达该区域的任意像素。两个像素连通的两个必要条件是:两个像素的位置是否相邻;两个像素的灰度值是否满足特定的相似性准则(或者是否相等)。针对每一个像素点,若其四连通有一个点的值与之相同,那么这两个点就归为一个物体。
在所述目标点的基础上,通过四连通递归算法,就能得到所述目标点所在的所述目标区域的所有点集,从而得到所述目标区域的局部特征,后续在该图片中根据局部特征进行相似度的鉴别。
具体而言,在所述目标点(值为0)的四连通位置上找到所有与其值相同的点,得到的点集即为所述目标区域的内部空白区域点集(W),再根据所述内部空白区域点集(W)进一步得到外围的所有值为1的点,即为所述目标区域的外围轮廓点集(B)。
回到图4,步骤S404,根据所述目标区域在该图片中进行遍历并计算相似度。
具体地,根据所述目标区域点集在该图片对应的二维矩阵中进行遍历查找与偏移比较。
进一步参阅图6,为所述步骤S404的细化流程示意图。在本实施例中,所述步骤S404具体包括:
S4040,根据所述目标区域点集在整个二维矩阵中进行偏移,获取当前搜索区域点集。
遍历整个二维矩阵,将所述目标区域点集(按该点集的点数及位置)在所述二维矩阵中自左向右、自上向下进行偏移,得到当前搜索区域点集(如图3A中左上角正方形区域)。
S4042,比较所述当前搜索区域点集和所述目标区域点集中各个点的值,计算相同点数。
针对所述当前搜索区域点集中各个点与所述目标区域点集中相应位置各个点的值进行比较,分别计算出所述当前搜索区域点集与所述外围轮廓点集B的相同点数,以及所述当前搜索区域点集与所述内部空白区域点集W的相同点数。
S4044,根据所述相同点数和预定的相似度计算公式得到所述当前搜索区域与所述目标区域的相似度。
所述相似度计算公式为相似度s=((w/(k-b)+b/(k-w))/2,其中,w为所述当前搜索区域点集与所述目标区域的内部空白区域点集的相同点数,b为所述当前搜索区域点集与所述目标区域的外围轮廓点集的相同点数,k为目标区域点集的总点数。根据上一步计算出的所述当前搜索区域点集与外围轮廓点集B和内部空白区域点集W的相同点数,代入该公式计算得到所述当前搜索区域与所述目标区域的相似度。
该相似度算法是基于目标区域的局部细节搜索图片中相同的区域,强调目标区域的外围轮廓和内部区域的各自特征,是一种重视目标细节的搜索算法,且该算法基于目标区域特征搜索的同时,对目标的种类及形状要求不高,故可以用于多种图形、多种场景的图形搜索中。
回到图4,步骤S406,根据相似度计算结果和预定阈值得到该图片中与所述目标区域对应的图形。
通过遍历所述二维矩阵并计算每个所述当前搜索区域与所述目标区域的相似度,得到所有搜索区域与所述目标区域的相似度,然后根据预定的阀值来获取符合要求的图形区域,即为该图片中与所述目标区域相同的图形搜索结果。在本实施例中,当计算出的相似度大于或等于所述阈值时,表示所述当前搜索区域与所述目标区域图形相同,即所述当前搜索区域满足搜索条件。
例如,将所述阀值设为0.8,若计算出的相似度s>=0.8则满足搜索条件,将该搜索区域保留,然后遍历下一个搜索区域,直至遍历完所有图片区域(整个二维矩阵),最后保留下来的所有搜索区域即为与所述目标区域图形相同的区域。例如,图3中的目标区域为正方形,根据本实施例可以搜索得到该图片中与该正方形相同的所有正方形的数量及位置。
本实施例提供的图形搜索方法首先对图片信息进行预处理,通过去除图片中噪点信息和冗余信息,提高识别效率。然后通过四连通递归算法获取目标区域的局部特征,基于目标区域的局部细节搜索图片中相同的区域,强调目标区域的外围轮廓和内部区域的各自特征,是一种重视目标细节的搜索算法,因此在面对复杂的图形或者复杂场景时,都可以发挥到很好的识别度,且效率较高。同时,该方法均衡了局部特征信息的权重,当某一项特性偏差明显时,也会对另外的特性造成影响,这样的结果就是局部偏差会被放大,相似度越高的图形越容易被识别出来。另外,该方法基于目标区域特征搜索的同时,对目标的种类及形状要求不高,故可以用于多种图形、多种场景的图形搜索中,适用性广。
本发明还提供了另一种实施方式,即提供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图形搜索程序,所述图形搜索程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的图形搜索方法的步骤。
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。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于目标区域的图形搜索方法,其特征在于,所述方法包括:
对待搜索的图片进行预处理;
在所述图片中设置目标区域,所述目标区域为需要搜索的封闭图形,包括外围连通区域和内部连通区域;
根据所述目标区域在所述图片中进行遍历并计算当前搜索区域与所述目标区域的相似度;及
根据相似度计算结果和预定阈值得到所述图片中与所述目标区域对应的图形。
2.如权利要求1所述的方法,其特征在于,所述对待搜索的图片进行预处理包括:
对所述图片进行灰度处理、降噪滤波、二值化处理,从而将所述图片转换为二值化的二维矩阵。
3.如权利要求1或2所述的方法,其特征在于,所述在所述图片中设置目标区域包括:
接收用户在所述图片中选取的一个目标点,所述目标点为所述目标区域的所述内部连通区域中的任意一点;
根据所述目标点通过四连通递归算法获取目标区域点集,得到所述目标区域,其中所述目标区域点集包括外围连通区域点集和内部连通区域点集。
4.如权利要求3所述的方法,其特征在于,所述根据所述目标区域在所述图片中进行遍历并计算当前搜索区域与所述目标区域的相似度包括:
根据所述目标区域点集在所述二维矩阵中进行偏移,获取当前搜索区域点集;
比较所述当前搜索区域点集和所述目标区域点集中各个点的值,计算相同点数;
根据所述相同点数和预定的相似度计算公式得到所述当前搜索区域与所述目标区域的相似度。
5.如权利要求4所述的方法,其特征在于,所述比较所述当前搜索区域点集和所述目标区域点集中各个点的值,计算相同点数包括:
针对所述当前搜索区域点集中各个点与所述目标区域点集中相应位置各个点的值进行比较,分别计算出所述当前搜索区域点集与所述外围连通区域点集的相同点数,以及所述当前搜索区域点集与所述内部连通区域点集的相同点数。
6.如权利要求5所述的方法,其特征在于:
所述相似度计算公式为相似度s=((w/(k-b)+b/(k-w))/2,其中,w为所述当前搜索区域点集与所述内部连通区域点集的相同点数,b为所述当前搜索区域点集与所述外围连通区域点集的相同点数,k为所述目标区域点集的总点数。
7.如权利要求1所述的方法,其特征在于,所述外围连通区域为所述目标区域对应的所述封闭图形的外围轮廓区域,所述内部连通区域为所述封闭图形的内部空白区域。
8.一种图形搜索系统,其特征在于,所述系统包括:
预处理模块,用于对待搜索的图片进行预处理;
设置模块,用于在所述图片中设置目标区域,所述目标区域为需要搜索的封闭图形,包括外围连通区域和内部连通区域;
计算模块,用于根据所述目标区域在所述图片中进行遍历并计算当前搜索区域与所述目标区域的相似度;
判断模块,用于根据相似度计算结果和预定阈值得到所述图片中与所述目标区域对应的图形。
9.一种电子装置,其特征在于,所述电子装置包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的图形搜索程序,所述图形搜索程序被所述处理器执行时实现如权利要求1-7中任一项所述的图形搜索方法的步骤。
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图形搜索程序,所述图形搜索程序可被至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-7中任一项所述的图形搜索方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011486788.3A CN112507921B (zh) | 2020-12-16 | 2020-12-16 | 基于目标区域的图形搜索方法、系统、电子装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011486788.3A CN112507921B (zh) | 2020-12-16 | 2020-12-16 | 基于目标区域的图形搜索方法、系统、电子装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112507921A true CN112507921A (zh) | 2021-03-16 |
CN112507921B CN112507921B (zh) | 2024-03-19 |
Family
ID=74972620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011486788.3A Active CN112507921B (zh) | 2020-12-16 | 2020-12-16 | 基于目标区域的图形搜索方法、系统、电子装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112507921B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639858A (zh) * | 2009-08-21 | 2010-02-03 | 深圳创维数字技术股份有限公司 | 基于目标区域匹配的图像检索方法 |
US20130195361A1 (en) * | 2012-01-17 | 2013-08-01 | Alibaba Group Holding Limited | Image index generation based on similarities of image features |
CN105447842A (zh) * | 2014-07-11 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 一种图像匹配的方法及装置 |
CN105631449A (zh) * | 2015-12-21 | 2016-06-01 | 华为技术有限公司 | 一种图片分割方法、装置及设备 |
CN105760842A (zh) * | 2016-02-26 | 2016-07-13 | 北京大学 | 一种基于边缘和纹理特征结合的台标识别方法 |
US20180210896A1 (en) * | 2015-07-22 | 2018-07-26 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and device for searching a target in an image |
CN109189972A (zh) * | 2018-07-16 | 2019-01-11 | 高新兴科技集团股份有限公司 | 一种目标行踪确定方法、装置、设备及计算机存储介质 |
CN110276346A (zh) * | 2019-06-06 | 2019-09-24 | 北京字节跳动网络技术有限公司 | 目标区域识别模型训练方法、装置和计算机可读存储介质 |
CN110287955A (zh) * | 2019-06-05 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 目标区域确定模型训练方法、装置和计算机可读存储介质 |
CN110807473A (zh) * | 2019-10-12 | 2020-02-18 | 浙江大华技术股份有限公司 | 目标检测方法、装置及计算机存储介质 |
CN110807110A (zh) * | 2019-09-30 | 2020-02-18 | 奇安信科技集团股份有限公司 | 结合局部和全局特征的图片搜索方法、装置及电子设备 |
-
2020
- 2020-12-16 CN CN202011486788.3A patent/CN112507921B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639858A (zh) * | 2009-08-21 | 2010-02-03 | 深圳创维数字技术股份有限公司 | 基于目标区域匹配的图像检索方法 |
US20130195361A1 (en) * | 2012-01-17 | 2013-08-01 | Alibaba Group Holding Limited | Image index generation based on similarities of image features |
CN105447842A (zh) * | 2014-07-11 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 一种图像匹配的方法及装置 |
US20180210896A1 (en) * | 2015-07-22 | 2018-07-26 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and device for searching a target in an image |
CN105631449A (zh) * | 2015-12-21 | 2016-06-01 | 华为技术有限公司 | 一种图片分割方法、装置及设备 |
CN105760842A (zh) * | 2016-02-26 | 2016-07-13 | 北京大学 | 一种基于边缘和纹理特征结合的台标识别方法 |
CN109189972A (zh) * | 2018-07-16 | 2019-01-11 | 高新兴科技集团股份有限公司 | 一种目标行踪确定方法、装置、设备及计算机存储介质 |
CN110287955A (zh) * | 2019-06-05 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 目标区域确定模型训练方法、装置和计算机可读存储介质 |
CN110276346A (zh) * | 2019-06-06 | 2019-09-24 | 北京字节跳动网络技术有限公司 | 目标区域识别模型训练方法、装置和计算机可读存储介质 |
CN110807110A (zh) * | 2019-09-30 | 2020-02-18 | 奇安信科技集团股份有限公司 | 结合局部和全局特征的图片搜索方法、装置及电子设备 |
CN110807473A (zh) * | 2019-10-12 | 2020-02-18 | 浙江大华技术股份有限公司 | 目标检测方法、装置及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112507921B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
CN110427932B (zh) | 一种识别图像中多个票据区域的方法及装置 | |
CN111259889A (zh) | 图像文本识别方法、装置、计算机设备及计算机存储介质 | |
CN113239874B (zh) | 基于视频图像的行为姿态检测方法、装置、设备及介质 | |
CN109711416B (zh) | 目标识别方法、装置、计算机设备和存储介质 | |
CN111899270B (zh) | 卡片边框检测方法、装置、设备及可读存储介质 | |
CN110852349A (zh) | 一种图像处理方法、检测方法、相关设备及存储介质 | |
CN112101386B (zh) | 文本检测方法、装置、计算机设备和存储介质 | |
CN111507324B (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
CN111353489A (zh) | 文本图像处理方法、装置、计算机设备和存储介质 | |
CN110738203A (zh) | 字段结构化输出方法、装置及计算机可读存储介质 | |
CN110414649B (zh) | Dm码的定位方法、装置、终端及存储介质 | |
CN113095418A (zh) | 一种目标检测方法及系统 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN111160169A (zh) | 人脸检测方法、装置、设备及计算机可读存储介质 | |
CN114049568A (zh) | 基于图像比对的标的物形变检测方法、装置、设备及介质 | |
CN113228105A (zh) | 一种图像处理方法、装置和电子设备 | |
CN111382638A (zh) | 一种图像检测方法、装置、设备和存储介质 | |
CN110795995B (zh) | 数据处理方法、装置及计算机可读存储介质 | |
CN112651399A (zh) | 检测倾斜图像中同行文字的方法及其相关设备 | |
CN112507938A (zh) | 一种文本图元的几何特征计算方法及识别方法、装置 | |
CN111598100A (zh) | 车架号识别方法、装置、计算机设备和存储介质 | |
CN111709422A (zh) | 基于神经网络的图像识别方法、装置和计算机设备 | |
CN111639636A (zh) | 一种字符识别方法及装置 | |
CN112507921B (zh) | 基于目标区域的图形搜索方法、系统、电子装置及存储介质 |
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 |