CN112634311A - 一种基于二值图的特征提取的方法及装置 - Google Patents
一种基于二值图的特征提取的方法及装置 Download PDFInfo
- Publication number
- CN112634311A CN112634311A CN202011584911.5A CN202011584911A CN112634311A CN 112634311 A CN112634311 A CN 112634311A CN 202011584911 A CN202011584911 A CN 202011584911A CN 112634311 A CN112634311 A CN 112634311A
- Authority
- CN
- China
- Prior art keywords
- row
- label
- domain
- value
- pixel
- 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
- 238000000605 extraction Methods 0.000 title claims description 27
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000002372 labelling Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 13
- 241001270131 Agaricus moelleri Species 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 4
- 238000009432 framing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research 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
- G06T7/10—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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于二值图的特征提取的方法及装置,包括:对二值图按行进行连续扫描,通过标签赋值算法对输入的二值图进行标签标记,并输出标记图;对标记图的连通域按行进行检测,当检测到连通域结束时,输出标记图中对应像素位置的标签值并进行保存;对与二值图对应的原始图像按行进行连续扫描,对原始图像和标记图的特征量进行逐像素统计,并将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量,输出并保存合并特征量。本发明能够减少标记时标签的数目,减少了硬件设备资源的占用,同时,能够输出连通域结束时的像素对应的标签值和合并特征量。
Description
技术领域
本发明属于图像处理技术领域,尤其涉及一种基于二值图的特征提取的方法及装置。
背景技术
连通域标记算法是图像处理领域中的基本处理方法,具体为通过检测二值图中的像素值分布,分别标对不同的连通域并对连通域赋予唯一的标签值。
自连通域标记算法被提出以来,发展出了多种算法,例如基于二次扫描的标签等价方法、决策树方法等,一般二次扫描方法总是在初次标记中产生大量的临时标签,需要后续的合并进而进行二次标记,最后输出连通域的特征量。对于实时处理的系统,如嵌入式系统,由于二值图标记算法的串行特点,难以通过增加计算单元的形式进行加速。
因此,基于一次扫描的连通域分析成为硬件实现时研究的主流,该方式不关心后续标记图,能提取出包围框等特征量。但是此方法不能计算标记图周长和图像特征。
发明内容
有鉴于此,本发明的目的是提出一种新的基于二值图的特征提取的方法,减少初次标记时等效标签的数量,并输出标记图及等价关系,以期至少部分地解决上述已有技术中的不足之处。
本发明实施方式的第一方面中,提供了一种基于二值图的特征提取的方法包括:
对二值图按行进行连续扫描,通过标签赋值算法对输入的上述二值图进行标签标记,并输出标记图;
对上述标记图的连通域按行进行检测,当检测到上述连通域结束时,输出上述标记图中对应像素位置的标签值并进行保存;
对与二值图对应的原始图像按行进行连续扫描,对上述原始图像和上述标记图的特征量进行逐像素统计,并将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量,输出并保存上述合并特征量;其中,上述合并特征量包括包围框、形心计算量、质心计算量和等价标签。
在本发明的一个实施例中,上述通过标签赋值算法对输入的二值图进行标签标记包括:
在上述二值图图像周围填充0值像素;
依次检测相邻两行的上述连通域分布,对第一行中的上述连通域依次进行赋值标记;
检测第二行中的连通域与上述第一行中的连通域的连通状态,并对上述第二行中的连通域进行赋值标记,其中,若上述第二行中的连通域与上述第一行中的连通域相连,则将上述第一行中的连通域的赋值标记赋予第二行中的连通域;
按从左至右的顺序检测当前行中的连通域的赋值标记,若上述当前行中存在两个连通域的赋值标记,则将较大值的赋值标记更新为较小值的赋值标记。
在本发明的另一个实施例中,上述对上述二值图的连通域按行进行检测包括:
检测当前行连通域的邻接类型;
将8邻接连通域转换为4邻接连通域。
在本发明的又一个实施例中,上述当检测到上述连通域结束时,将结束时的上述标记图上对应的像素位置的标签值输出包括:
依次对相邻两行连通团按从1至N进行循环数值标记,其中,N表示二值图的列数,上述连通团由当前行中相连的连通域组成;
根据上述数值标记建立当前连通团的链表,其中,上述链表包括当前行同属一个连通域的第一个标记Head、同属于一个连通域的下一个连通团的标记Next、同属于一个连通域的最后一个标记Tail;
检测第二行中的连通团与上述第一行中的连通团的连通状态,建立上述第二行连通团的链表;
若当前行连通团与下一行连通团不相连,且上述当前连通团链表中的Head和Next相同,则将当前连通团中的最后一个连通域的赋值标记输出。
在本发明的再一个实施例中,上述检测第二行中的连通团与上述第一行中的连通团的连通状态,建立第二行连通团的链表包括:
若上述第二行中的连通团与上述第一行中的连通团相连,且上述第一行连通团为当前连通域的第一个标记,则当前行标记的Head和当前行标记的Next的Head指向下一行标记;
若上述第二行中的连通团与上述第一行中的连通团相连,且上述第一行连通团不是当前连通域的第一个标记,则下一行标记的Head指向当前行标记的Head,当前行标记的Head的Tail的Next和当前行标记的Head的Tail指向下一行标记。
在本发明的再一个实施例中,上述输出上述标记图中对应像素位置的标签值并进行保存包括:将输出的标签值存储到FIFO中。
在本发明的再一个实施例中,上述将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量包括:
构建2×2的框选窗,并通过上述框选窗逐像素对标记图进行框选;
将上述框选窗内较大标签值对应的特征量合并到较小标签值对应的特征量中。
在本发明的再一个实施例中,上述形心计算量包括:连通域像素数目、连通域横向坐标和、连通域纵向坐标和;上述质心计算量包括连通域像素灰度和、连通域横向灰度与坐标乘积之和、连通域纵向灰度与坐标乘积之和。
在本发明的再一个实施例中,上述输出并保存上述合并特征量包括:
将合并上述特征量保存至存储单元中;
从FIFO中读取保存的连通域结束时,上述标记图中对应像素位置的标签值;
将上述标签值作为地址,从存储单元中读取上述地址中保存的特征量;
将上述包围框、上述形心计算量、上述质心计算量和上述等价标签的特征量打包并输出。
本发明实施方式的第二方面中,提供了一种基于二值图的特征提取装置,包括:
二值图像标记模块,用于对二值图按行进行连续扫描,通过标签赋值算法对输入的上述二值图进行标签标记,并输出标记图;
连通域结束标签提取模块,用于对上述标记图的连通域按行进行检测,当检测到上述连通域结束时,输出上述标记图中对应像素位置的标签值并进行保存;
特征量统计模块,用于对与二值图对应的原始图像按行进行连续扫描,对上述原始图像和上述标记图的特征量进行逐像素统计;
特征量合并模块,用于将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量;
特征量输出模块,用于输出并保存上述合并特征量。
本发明提供的基于二值图的特征提取的方法,通过使用标签赋值算法,对相邻两行连通域的连通性进行判定,并依次在各连通域之间传播最小标签值,减少了标记时标签的数目,同时减少了硬件设备资源的占用。
本发明提供的基于二值图的特征提取的方法,能够同时将连通域结束时的像素对应的标签值进行提取,节省后续的工作,提高二值图特征提取的效率。
本发明提供的基于二值图的特征提取的方法,能够同时输出标记图和等价标签值、以及相应连通域的特征量,能够实时提供给后续应用进行后续特征提取的相应数据。
附图说明
图1是本发明实施例提供的基于二值图的特征提取的方法流程图。
图2是本发明实施例提供的基于二值图的特征提取的方法流程图。
图3是本发明实施例提供的通过标签赋值算法对输入的二值图进行标签标记的方法流程图。
图4是本发明实施例提供的当检测到连通域结束时,将结束时的标记图上对应的像素位置的标签值输出的方法流程图。
图5是本发明实施例提供的基于二值图的特征提取装置的结构示意图;
图中:M1、二值图像标记模块;M2、连通域结束标签提取模块;M3、特征量统计模块;M4、特征量合并模块;M5、特征量输出模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
下面结合图1至图4对本发明示例性实施方式的基于二值图的特征提取的方法进行描述。
如图1和图2所示,本发明实施例提供的基于二值图的特征提取的方法包括操作S101~S103。
在操作S101,对二值图按行进行连续扫描,通过标签赋值算法对输入的二值图进行标签标记,并输出标记图。
本实施例中,如图3所示,通过标签赋值算法对输入的二值图进行标签标记包括操作S111~S114。
在操作S111,在二值图图像周围填充0值像素。
在操作S112,依次检测相邻两行的连通域分布,对第一行中的连通域依次进行赋值标记。
在操作S113,检测第二行中的连通域与第一行中的连通域的连通状态,并对第二行中的连通域进行赋值标记,其中,若第二行中的连通域与第一行中的连通域相连,则将第一行中的连通域的赋值标记赋予第二行中的连通域。
在操作S114,按从左至右的顺序检测当前行中的连通域的赋值标记,若当前行中存在两个连通域的赋值标记,则将较大值的赋值标记更新为较小值的赋值标记。
根据本发明实施例,通过使用标签赋值算法,对相邻两行连通域的连通性进行判定,并依次在各连通域之间传播最小标签值,减少了标记时标签的数目,同时减少了硬件设备资源的占用。
在操作S102,对标记图的连通域按行进行检测,当检测到连通域结束时,输出标记图中对应像素位置的标签值并进行保存到FIFO中。
本实施例中,对二值图的连通域按行进行检测时,首先检测当前行连通域的邻接类型,再将8邻接连通域转换为4邻接连通域,具体的:
对于相邻两行的当前行像素,以x表示横向坐标,以v表示纵向坐标,如果当前像素P(x,y)值为1,且像素P(x+1,y)值为0,则需要在处理像素P(x,y)时判断像素P(x+1,y)是否需要填充值为1的像素的情形包括:
如果当前像素P(x,y)值为1,像素P(x+1,y+1)值为1,则像素P(x+1,y)填充值为1的像素;
对于相邻两行的下一行像素,如果像素P(x+1,y)值为0,则需要在处理像素P(x,y)时判断像素P(x+1,y)是否需要填充值为1的像素的情形包括:a.如果当前像素P(x,y)值为1,像素P(x+1,y-1)值为1,且像素P(x+1,y+1)值为1,则像素P(x+1,y)填充值为1的像素;b.如果当前像素P(x,y)值为1,像素P(x+1,y-1)值为1、像素P(x+1,y+1)值为0,且像素P(x+2,y)值为1,则像素P(x+1,y)填充值为1的像素;c.如果当前像素P(x,y)值为1,像素P(x+1,y-1)值为1、像素P(x+1,y+1)为0、像素P(x+2,y)为0,且像素P(x+2,y+1)为0,则P(x+1,y)填充值为1的像素;d.如果当前像素P(x,y)值为],像素P(x+1,y-1)值为0、像素P(x+1,y+1)值为1,且像素P(x+2,y)值为1,则像素P(x+1,y)填充值为1的像素;e.如果当前像素P(x,y)值为1,像素P(x+1,y-1)值为0、像素P(x+1,y+1)值为1、像素P(x+2,y)值为0,且像素P(x+2,y-1)值为0,则像素P(x+1,y)填充值为1的像素。
根据本发明实施例,本发明的基于二值图的特征提取的方法能够适用于8邻接连通域和4邻接连通域的情况,适用范围更广。
本实施例中,如图4所示,当检测到连通域结束时,将结束时的标记图上对应的像素位置的标签值输出包括操作S121~S124。
在操作S121中,依次对相邻两行连通团按从1至N进行循环数值标记,其中,N表示二值图的列数,连通团由当前行中相连的连通域组成。
在操作S122中,根据数值标记建立当前连通团的链表,其中,链表包括当前行同属一个连通域的第一个标记Head、同属于一个连通域的下一个连通团的标记Next、同属于一个连通域的最后一个标记Tail。
在操作S123中,检测第二行中的连通团与第一行中的连通团的连通状态,建立第二行连通团的链表,具体的,若第二行中的连通团与第一行中的连通团相连,且第一行连通团为当前连通域的第一个标记,则当前行标记的Head和当前行标记的Next的Head指向下一行标记;
若第二行中的连通团与第一行中的连通团相连,且第一行连通团不是当前连通域的第一个标记,则下一行标记的Head指向当前行标记的Head,当前行标记的Head的Tail的Next和当前行标记的Head的Tail指向下一行标记。
在操作S124中,若当前行连通团与下一行连通团不相连,且当前连通团链表中的Head和Next相同,则将当前连通团中的最后一个连通域的赋值标记输出。
根据本发明实施例,本发明的基于二值图的特征提取的方法能够同时将连通域结束时的像素对应的标签值进行提取,节省后续的工作,提高二值图特征提取的效率。
在操作S103,首先对与二值图对应的原始图像按行进行连续扫描,对原始图像和标记图的特征量进行逐像素统计;
然后将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量,其中,合并特征量包括包围框、形心计算量、质心计算量和等价标签;具体的,首先构建2×2的框选窗,并通过框选窗逐像素对标记图进行框选,然后将框选窗内较大标签值对应的特征量合并到较小标签值对应的特征量中;
本实施例中,形心计算量包括:连通域像素数目、连通域横向坐标和、连通域纵向坐标和;质心计算量包括连通域像素灰度和、连通域横向灰度与坐标乘积之和、连通域纵向灰度与坐标乘积之和。
进一步地,各合并特征量的合并过程如下:
包围框合并:比较框选窗中较大标签值和较小标签值的上边界和左边界的坐标值,较小的坐标值为合并后包围框的上边界和左边界的坐标值;比较框选窗中较大标签值和较小标签值的下边界和右边界的坐标值,较大的坐标值为合并后包围框的下边界和右边界的坐标值。
形心计算量合并:将框选窗中较大标签值对应的特征量中的连通域数目、连通域横向坐标和、连通域纵向坐标和与较小标签值对应的特征量中对应的项目相加,并保存在较小标签值对应的特征量中。
质心计算量合并:将框选窗中较大标签值对应的特征量中的连通域像素灰度和、连通域横向灰度与坐标乘积之和、连通域纵向灰度与坐标乘积之和与较小标签值对应的特征量中对应的项目相加,并保存在较小标签值对应的特征量中。
等价标签合并:将框选窗中较大标签值对应的特征量中等价标签数目与较小标签值对应的特征量中等价标签数目相加保存在较小标签值对应的特征量中,依据较大标签值对应的特征量中等价标签数目取出相应的等价标签,并保存在较小标签值对应的特征量中等价标签的末尾的空字节中,完成等价标签的合并。
最终输出并保存合并特征量,具体的,首先将合并特征量保存至存储单元中,然后从FIFO中读取保存的连通域结束时,标记图中对应像素位置的标签值,最后将标签值作为地址,从存储单元中读取地址中保存的特征量,将包围框、形心计算量、质心计算量和等价标签的特征量打包并输出,其中,本实施例的存储单元为RAM。
根据本发明实施例,能够同时输出标记图和等价标签值、以及相应连通域的特征量,能够实时提供给后续应用进行后续特征提取的相应数据。
在介绍了本发明实施方式的基于二值图的特征提取的方法之后,下面结合图5对本发明实施方式的基于二值图的特征提取装置进行描述。
如图5所示,本实施例提供的基于二值图的特征提取装置包括:
二值图像标记模块,用于对二值图按行进行连续扫描,通过标签赋值算法对输入的二值图进行标签标记,并输出标记图;
连通域结束标签提取模块,用于对标记图的连通域按行进行检测,当检测到连通域结束时,输出标记图中对应像素位置的标签值并进行保存;
特征量统计模块,用于对与二值图对应的原始图像按行进行连续扫描,对原始图像和标记图的特征量进行逐像素统计;
特征量合并模块,用于将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量;
特征量输出模块,用于输出并保存合并特征量。
以上的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于二值图的特征提取的方法,其特征在于,包括:
对二值图按行进行连续扫描,通过标签赋值算法对输入的所述二值图进行标签标记,并输出标记图;
对所述标记图的连通域按行进行检测,当检测到所述连通域结束时,输出所述标记图中对应像素位置的标签值并进行保存;
对与二值图对应的原始图像按行进行连续扫描,对所述原始图像和所述标记图的特征量进行逐像素统计,并将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量,输出并保存所述合并特征量;其中,所述合并特征量包括包围框、形心计算量、质心计算量和等价标签,所述等价标签为同一连通域中的不同标签值。
2.根据权利要求1所述的方法,其特征在于,所述通过标签赋值算法对输入的二值图进行标签标记包括:
在所述二值图图像周围填充0值像素;
依次检测相邻两行的所述连通域分布,对第一行中的所述连通域依次进行赋值标记;
检测第二行中的连通域与所述第一行中的连通域的连通状态,并对所述第二行中的连通域进行赋值标记,其中,若所述第二行中的连通域与所述第一行中的连通域相连,则将所述第一行中的连通域的赋值标记赋予第二行中的连通域;
按从左至右的顺序检测当前行中的连通域的赋值标记,若所述当前行中存在两个连通域的赋值标记,则将较大值的赋值标记更新为较小值的赋值标记。
3.根据权利要求1所述的方法,其特征在于,所述对所述二值图的连通域按行进行检测包括:
检测当前行连通域的邻接类型;
将8邻接连通域转换为4邻接连通域。
4.根据权利要求1所述的方法,其特征在于,所述当检测到所述连通域结束时,将结束时的所述标记图上对应的像素位置的标签值输出包括:
依次对相邻两行连通团按从1至N进行循环数值标记,其中,N表示二值图的列数,所述连通团由当前行中相连的连通域组成;
根据所述数值标记建立当前连通团的链表,其中,所述链表包括当前行同属一个连通域的第一个标记Head、同属于一个连通域的下一个连通团的标记Next、同属于一个连通域的最后一个标记Tail;
检测第二行中的连通团与所述第一行中的连通团的连通状态,建立所述第二行连通团的链表;
若当前行连通团与下一行连通团不相连,且所述当前连通团链表中的Head和Next相同,则将当前连通团中的最后一个连通域的赋值标记输出。
5.根据权利要求4所述的方法,其特征在于,所述检测第二行中的连通团与所述第一行中的连通团的连通状态,建立第二行连通团的链表包括:
若所述第二行中的连通团与所述第一行中的连通团相连,且所述第一行连通团为当前连通域的第一个标记,则当前行标记的Head和当前行标记的Next的Head指向下一行标记;
若所述第二行中的连通团与所述第一行中的连通团相连,且所述第一行连通团不是当前连通域的第一个标记,则下一行标记的Head指向当前行标记的Head,当前行标记的Head的Tail的Next和当前行标记的Head的Tail指向下一行标记。
6.根据权利要求1所述的方法,其特征在于,所述输出所述标记图中对应像素位置的标签值并进行保存包括:将输出的标签值存储到FIFO中。
7.根据权利要求1所述的方法,其特征在于,所述将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量包括:
构建2×2的框选窗,并通过所述框选窗逐像素对标记图进行框选;
将所述框选窗内较大标签值对应的特征量合并到较小标签值对应的特征量中。
8.根据权利要求1所述的方法,其特征在于,所述形心计算量包括:连通域像素数目、连通域横向坐标和、连通域纵向坐标和;所述质心计算量包括连通域像素灰度和、连通域横向灰度与坐标乘积之和、连通域纵向灰度与坐标乘积之和。
9.根据权利要求1所述的方法,其特征在于,所述输出并保存所述合并特征量包括:
将合并所述特征量保存至存储单元中;
从FIFO中读取保存的连通域结束时,所述标记图中对应像素位置的标签值;
将所述标签值作为地址,从存储单元中读取所述地址中保存的特征量;
将所述包围框、所述形心计算量、所述质心计算量和所述等价标签的特征量打包并输出。
10.一种基于二值图的特征提取装置,其特征在于,包括:
二值图像标记模块,用于对二值图按行进行连续扫描,通过标签赋值算法对输入的所述二值图进行标签标记,并输出标记图;
连通域结束标签提取模块,用于对所述标记图的连通域按行进行检测,当检测到所述连通域结束时,输出所述标记图中对应像素位置的标签值并进行保存;
特征量统计模块,用于对与二值图对应的原始图像按行进行连续扫描,对所述原始图像和所述标记图的特征量进行逐像素统计;
特征量合并模块,用于将与较大标签值对应的特征量合并到与较小标签值对应的特征量中以得到合并特征量;
特征量输出模块,用于输出并保存所述合并特征量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011584911.5A CN112634311B (zh) | 2020-12-28 | 2020-12-28 | 一种基于二值图的特征提取的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011584911.5A CN112634311B (zh) | 2020-12-28 | 2020-12-28 | 一种基于二值图的特征提取的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112634311A true CN112634311A (zh) | 2021-04-09 |
CN112634311B CN112634311B (zh) | 2023-12-05 |
Family
ID=75285750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011584911.5A Active CN112634311B (zh) | 2020-12-28 | 2020-12-28 | 一种基于二值图的特征提取的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634311B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880129A (zh) * | 2022-12-12 | 2023-03-31 | 华中光电技术研究所(中国船舶集团有限公司第七一七研究所) | 基于fpga的高帧率二值图像连通域自动标记方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005317042A (ja) * | 2005-06-10 | 2005-11-10 | Fujitsu Ltd | 画像処理装置 |
CN102270346A (zh) * | 2011-07-27 | 2011-12-07 | 宁波大学 | 一种交互式视频中的目标对象的提取方法 |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
CN112001406A (zh) * | 2019-05-27 | 2020-11-27 | 杭州海康威视数字技术股份有限公司 | 一种文本区域检测方法及装置 |
-
2020
- 2020-12-28 CN CN202011584911.5A patent/CN112634311B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005317042A (ja) * | 2005-06-10 | 2005-11-10 | Fujitsu Ltd | 画像処理装置 |
CN102270346A (zh) * | 2011-07-27 | 2011-12-07 | 宁波大学 | 一种交互式视频中的目标对象的提取方法 |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
CN112001406A (zh) * | 2019-05-27 | 2020-11-27 | 杭州海康威视数字技术股份有限公司 | 一种文本区域检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
于潇宇;郭玉波;陈刚;叶东;: "基于点目标连通域标记的实时特征提取及其分布式运算", 光学学报, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880129A (zh) * | 2022-12-12 | 2023-03-31 | 华中光电技术研究所(中国船舶集团有限公司第七一七研究所) | 基于fpga的高帧率二值图像连通域自动标记方法及系统 |
CN115880129B (zh) * | 2022-12-12 | 2024-06-04 | 华中光电技术研究所(中国船舶集团有限公司第七一七研究所) | 基于fpga的高帧率二值图像连通域自动标记方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112634311B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461133B (zh) | 快递面单品名识别方法、装置、设备及存储介质 | |
WO2021082507A1 (zh) | 半自动化图像分割数据标注方法、电子装置及存储介质 | |
CN114511718B (zh) | 一种建筑施工用物料智能管理方法及系统 | |
CN104680531A (zh) | 一种连通量统计信息提取方法及vlsi结构 | |
CN111626145B (zh) | 一种简捷有效的残缺表格识别及跨页拼接方法 | |
CN113920117A (zh) | 一种面板缺陷区域检测方法、装置、电子设备及存储介质 | |
CN100501762C (zh) | 图像连通元快速标记的方法 | |
CN112634311A (zh) | 一种基于二值图的特征提取的方法及装置 | |
CN115995086A (zh) | 端子排图纸短连片图元的识别方法、设备及存储介质 | |
WO2023207535A1 (zh) | 一种伪标签框生成方法、装置及电子设备 | |
CN117095275A (zh) | 一种数据中心资产盘点方法、系统、装置及存储介质 | |
CN110929726A (zh) | 一种铁路接触网支柱号牌识别方法及系统 | |
CN115713775A (zh) | 一种从文档中提取表格的方法、系统和计算机设备 | |
CN114973275A (zh) | 一种基于深度学习技术的图文乱码识别方法 | |
CN111950475A (zh) | 一种基于yoloV3的calhe直方图增强型目标识别算法 | |
CN113111858A (zh) | 自动检测图片中表格的方法、装置、设备和存储介质 | |
CN111814594A (zh) | 物流违规行为识别方法、装置、设备和存储介质 | |
CN114187501A (zh) | 包裹检测方法、装置及系统 | |
CN116030272B (zh) | 一种基于信息抽取的目标检测方法、系统和装置 | |
CN117437217B (zh) | 一种基于图像识别的纸塑产品分拣方法及系统 | |
CN114359645B (zh) | 基于特征区域的图像拓展方法、装置、设备及存储介质 | |
CN114758259B (zh) | 一种基于x光物体图像识别的包裹检测方法及系统 | |
CN114202761B (zh) | 一种基于图片信息聚类的信息批量提取方法 | |
CN113838198B (zh) | 一种电子地图中文字的自动标注方法、装置及电子设备 | |
CN109376739B (zh) | 一种编组方式确定方法及装置 |
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 |