CN112686845B - 一种图像处理的方法、装置及计算机可读介质 - Google Patents
一种图像处理的方法、装置及计算机可读介质 Download PDFInfo
- Publication number
- CN112686845B CN112686845B CN202011535884.2A CN202011535884A CN112686845B CN 112686845 B CN112686845 B CN 112686845B CN 202011535884 A CN202011535884 A CN 202011535884A CN 112686845 B CN112686845 B CN 112686845B
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- histogram
- boundary
- binarization
- 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
Images
Landscapes
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种图像处理方法、装置及计算介可读介质,在一实施方式中,首先获取目标对象的直方图像和目标对象所在区域图像;并利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;之后对所述直方图像对应的二值化图像和所述区域图像对应的二值化图像进行按位取或,得到所述目标对象的准定位图像。由此,能够准确定位目标对象。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种图像处理的方法、装置及计算机可读介质。
背景技术
很多产品的表面都附有图像,这些图像包括商标和字符等。每个图像在产品表面的位置都是经过预先设计而确定好的。为了提高产品的外观质量,针对批量化生产出的每个产品,均需要对产品表面的图像位置进行检测。
为此,在产线上对产品的图像进行扫描拍照,并将拍照图片与设计模板图片进行比对,以确定图像在产品表面的位置。然而拍照图片有时会受到环境光照、产线上产品运动速度或成像条件等因素的影响,导致拍照图片不能清晰的反映图像的外观,最终会影响拍照图片和模板图像的比对,从而对产品表面的图像位置产生误判,导致产品检测不合格。
发明内容
本发明实施例提供一种图像处理的方法、装置及计算机可读介质,能够有效定位目标对象的图像。
根据本发明实施例第一方面,提供一种图像处理方法,该方法包括:获取目标对象的直方图像和目标对象所在区域图像;利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;对所述直方图像对应的二值化图像和所述区域图像对应的二值化图像进行按位取或,得到所述目标对象的准定位图像。
根据本发明一实施方式,所述利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像,包括:获取所述直方图像的所有像素点及所述像素点对应的灰度值;利用算法对获取的所有像素点和所述像素点对应的灰度值进行处理,得到最佳分割阈值;利用所述最佳分割阈值对所述直方图像进行二值化处理,得到直方图像对应的二值化图像;利用所述最佳分割阈值对所述区域图像进行二值化处理,得到区域图像对应的二值化图像。
根据本发明一实施方式,所述目标对象至少包括四个预定位边界,还包括:在所述准定位图像中获取所述预定位边界的所有像素点以及所述像素点对应的灰度值;统计每条所述预定位边界的所有像素点对应的灰度均值;针对所述目标对象的任一条预定位边界:判断所述灰度均值是否满足预设条件;若是,则确定所述预定位边界为所述目标对象的准边界;若否,则在所述准定位图像中移动所述预定位边界,并统计移动后所述预定位边界对应的灰度均值。
根据本发明一实施方式,所述方法还包括:获取模板图像中目标对象的位置信息;基于所述目标对象的位置信息,确定预处理图像中目标对象的预定位边界,得到目标对象的预定位图像;对所述预定位图像进行直方图均衡化处理,得到目标对象的直方图像。
根据本发明一实施方式,所述方法还包括:所述预处理图像通过如下方法获得:分别获取原始图像和模板图像中目标对象对应的像素系;根据所述原始图像中目标对象对应的像素系和所述模板图像中目标对象对应的像素系,利用算法计算得到两个目标对象之间的单应性矩阵;利用所述单应性矩阵将所述原始图像中目标对象和所述模板图像中目标对象映射在同一平面内,得到预处理图像。
根据本发明实施例第二方面,还提供一种图像处理的装置,该装置包括获取模块,用于获取目标对象的直方图像和目标对象所在区域图像;二值化处理模块,用于利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;按位取或模块,用于对所述直方图像对应的二值化图像和所述区域图像对应的二值化图像进行按位取或,得到所述目标对象的准定位图像。
根据本发明一实施方式,所述二值化处理模块包括:获取单元,用于获取所述直方图像的所有像素点及所述像素点对应的灰度值;计算单元,用于利用算法对获取的所有像素点和所述像素点对应的灰度值进行处理,得到最佳分割阈值;二值化单元,用于利用所述最佳分割阈值对所述直方图像进行二值化处理,得到直方图像对应的二值化图像;利用所述最佳分割阈值对所述区域图像进行二值化处理,得到区域图像对应的二值化图像。
根据本发明一实施方式,所述目标对象至少包括四个预定位边界,所述的装置还包括:所述获取模块还用于,在所述准定位图像中获取所述预定位边界的所有像素点以及所述像素点对应的灰度值;统计模块,用于统计每条所述预定位边界的所有像素点对应的灰度均值;确定模块,用于针对所述目标对象的任一条预定位边界:判断所述灰度均值是否满足预设条件;若是,则确定所述预定位边界为所述目标对象的准边界;若否,则在所述准定位图像中移动所述预定位边界,并统计移动后所述预定位边界对应的灰度均值。
根据本发明一实施方式,所述的装置还包括:所述获取模块还用于,获取模板图像中目标对象的位置信息;所述确定模块还用于,基于所述目标对象的位置信息,确定预处理图像中目标对象的预定位边界,得到目标对象的预定位图像;直方图均衡模块,用于对所述预定位图像进行直方图均衡化处理,得到目标对象的直方图像。
根据本发明实施例第三方面,还提供一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行如第一方面所述图像处理的方法。
本发明实施例针对图像处理方法、装置及计算介可读介质,首先获取目标对象的直方图像和目标对象所在区域图像;并利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;之后对所述直方图像对应的二值化图像和所述区域图像对应的二值化图像进行按位取或,得到所述目标对象的准定位图像。由此,能够准确定位目标对象。
需要理解的是,本发明的教导并不需要实现上面所述的全部有益效果,而是特定的技术方案可以实现特定的技术效果,并且本发明的其他实施方式还能够实现上面未提到的有益效果。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本发明一实施例图像处理方法的流程示意图;
图2示出了本发明另一实施例图像处理方法的流程示意图;
图3示出了本发明一实施例图像处理过程中字符图像定位的示意图;
图4示出了本发明一实施例图像处理装置的结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为使本发明更加透彻和完整,并能够将本发明的范围完整地传达给本领域的技术人员。
下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。
如图1所示,本发明一实施例图像处理方法的流程示意图。
一种图像处理方法,该方法至少包括如下操作流程:S101,获取目标对象的直方图像和目标对象所在区域图像;S102,利用分割阈值分别对直方图像以及区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;S103,对直方图像对应的二值化图像和区域图像对应的二值化图像进行按位取或,得到目标对象的准定位图像。
在S101中,分别获取原始图像和模板图像中目标对象对应的像素系;根据所述原始图像中目标对象对应的像素系和所述模板图像中目标对象对应的像素系,利用算法计算得到两个目标对象之间的单应性矩阵;利用所述单应性矩阵将所述原始图像中目标对象和所述模板图像中目标对象映射在同一平面内,得到预处理图像。获取模板图像中目标对象的位置信息;基于所述目标对象的位置信息,确定预处理图像中目标对象的预定位边界,得到目标对象的预定位图像;对所述预定位图像进行直方图均衡化处理,得到目标对象的直方图像。模板图像是指目标对象的设计图像。由此,通过模板定位,能够对原始图像中的目标对象进行初定位;通过直方图均衡化处理,能够对预定位图像的灰度值实现均衡化分布,从而为预定位图像中目标对象的进一步定位提供了基础。通过直方图均衡化处理是因为预定位图像对比度比较低,颜色分布在较小区间,会导致二值化处理不能很好区分前后景,用均衡直方图可以拉开颜色分布,同时改变颜色分布,对细小的色差更敏感。
在这里,像素系是指原始图像或模板图像中目标对象对应的所有像素点的集合。
在S102中,获取目标对象的直方图像对应的像素系和像素系中每个像素点对应的灰度值;获取目标对象的区域图像对应的像素系和像素系中每个像素点对应的灰度值;基于直方图像对应的像素系和像素系中每个像素点对应的灰度值,利用分割阈值对直方图像进行二值化处理,得到直方图像对应的二值化图像。基于区域图像对应的像素系和像素系中每个像素点对应的灰度值,利用分割阈值对区域图像进行二值化处理,得到区域图像对应的二值化图像。由此,能够有效定位直方图中的目标对象,避免其他色彩或灰度对目标对象定位的影响,从而实现目标对象的准确定位。
在S103中,获取直方图像对应的二值化图像的像素系,并获取所述像素系中每个像素点对应的灰度值;获取区域图像对应的二值化图像的像素系,并获取所述像素系中每个像素点对应的灰度值;基于直方图像对应的二值化图像的像素系中每个像素点对应的灰度值,以及区域图像对应的二值化图像的像素系中每个像素点对应的灰度值,对所述灰度值进行按位取或,得到目标对象的准定位图像。由此通过灰度值进行按位取或,能够对二值化图像中目标对象的轮廓实现清晰化,从而能够对二值化图像中的目标对象进行准确定位。
本发明实施例针对图像处理方法、装置及计算介可读介质,首先获取目标对象的直方图像和目标对象所在区域图像;并利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;之后对所述直方图像对应的二值化图像和所述区域图像对应的二值化图像进行按位取或,得到所述目标对象的准定位图像。由此,能够准确定位目标对象。
应理解,在本发明的实施例中,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的逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
如图2所示,本发明另一实施例图像处理方法的流程示意图。本实施例是在前述实施例的基础上进一步优化得到的。
一种图像处理方法,该方法至少包括如下操作流程:S201,获取目标对象的直方图像和目标对象所在区域图像;S202,获取直方图像的所有像素点及像素点对应的灰度值;S203,利用算法对获取的所有像素点和像素点对应的灰度值进行处理,得到最佳分割阈值;S204,利用最佳分割阈值对直方图像进行二值化处理,得到直方图像对应的二值化图像;S205,利用最佳分割阈值对区域图像进行二值化处理,得到区域图像对应的二值化图像;S206,对直方图像对应的二值化图像和区域图像对应的二值化图像进行按位取或,得到目标对象的准定位图像。
其中,S201、S202、S204、S205和S206的具体实现过程与图1所示实施例中S101、S102和S103的具体实现过程相类似,这里不再赘述。
在S203中,通过扫描的方式或其他已有的方式获取感兴趣区域内的所有像素点。
在S203中,最佳分割阈值是通过最大类间方差法计算获得的,具体实现过程如下所述:前后景区分方法主要基于最大类间方差法,大概介绍下最大类间方差法:记t为前景与背景的最佳分割阈值,前景点数占图像比例为w0,平均灰度为u0;背景点数占图像比例为w1,平均灰度为u1。则图像的总平均灰度计算公式如式(1)所示:
u=w0*u0+w1*u1 式(1)。
前景图像和背景图象的方差公式如式(2)所示:
g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1) 式(2)。
当方差g最大时,可以认为此时前景图像和背景图像差异最大,此时的灰度t是最佳分割阈值,计算公式如式(3)所示:
sb=w0*w1*(u1-u0)*(u0-u1) 式(3)。
利用t进行二值化区域图像和直方图像能够产生比较好的前后景区分效果,从而能够准确定位图像中目标对象的位置。
本发明实施例通过对直方图像进行计算处理,得到最佳分割阈值,之后利用最佳分割阈值分别对直方图像和区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像,从而能够有效区分区域图像中前景和后景,以及直方图像中的前景和后景,进而能够准确定位区域图像和直方图像中的目标对象。
应理解,在本发明的实施例中,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的逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本实施例是在前述实施例的基础上进一步优化得到的。一种图像处理的方法,该方法至少包括如下操作流程:S301,获取目标对象的直方图像和目标对象所在区域图像;S302,获取直方图像的所有像素点及像素点对应的灰度值;S303,利用算法对获取的所有像素点和像素点对应的灰度值进行处理,得到最佳分割阈值;S304,利用最佳分割阈值对直方图像进行二值化处理,得到直方图像对应的二值化图像;S305,利用最佳分割阈值对区域图像进行二值化处理,得到区域图像对应的二值化图像。S306,对直方图像对应的二值化图像和区域图像对应的二值化图像进行按位取或,得到目标对象的准定位图像;S307,在准定位图像中获取预定位边界的所有像素点以及像素点对应的灰度值;S308,统计每条预定位边界的所有像素点对应的灰度均值;S309,针对目标对象的任一条预定位边界:判断灰度均值是否满足预设条件;若是,则执行S310;若否,则执行S311;S310,确定预定位边界为目标对象的准边界;S311,在准定位图像中移动预定位边界,并统计移动后预定位边界对应的灰度均值。
其中,S301、S302、S303、S304、S305和S306的具体实现过程与S201、S202、S203、S204、S205和S206的具体实现过程相类似,这里不再赘述。
在S307至S311中,例如,预定位图像中目标对象的定位框有四个预定位边界,分别为预定位上边界、预定位下边界、预定位左边界和预定位右边界。以预定位上边界上为例,判断预定位上边界所有像素点的灰度均值是大于、小于还是等于预设阈值;若预定位上边界所有像素点的灰度均值大于预设阈值,则向定位框内部的方向移动预定位上边界,并统计移动后所述预定位上边界对应的灰度均值,以判断是否等于预设阈值;若预定位上边界所有像素点的灰度值小于预设阈值,则向定位框外部的方向移动预定位上边界,并统计移动后所述预定位上边界对应的灰度均值,以判断是否等于预设阈值;若预定位上边界所有像素点的灰度值等于预设阈值,则确定预定位上边界为目标对象的准边界。预设阈值为所有预定位边界对应的像素点灰度值的标准差三倍与预定位框内所有像素点灰度均值之和。
需要说明的是,不管是在准定位图像还是在预定位图像中,目标对象的预定位边界在图像中的位置是不变的。
本发明实施例通过判断准定位图像中的预定位边界的灰度均值是否满足预设条件,从而确定准定位图像中目标对象的准边界,由此能够对图像中的目标对象进行准确定位。
下面结合具体的应用场景对本发明实施例的图像处理方法进行详细说明。如图3所示,本发明一实施例图像处理过程中箭头图像定位示意图。
对预定位图像进行直方图均衡化处理后得到的目标对象的直方图如图3a所示;对直方图像进行二值化处理后得到的直方图像对应的二值化图像如图3b所示;对直方图像对应的二值化图像和区域图像对应的二值化图像进行按位取或后,得到的准定位图像如图3c;确定准定位图像中目标对象的准边界后的图像如图3d所示。
在现有技术中,由于预定位图像的对比度低且在预定位图像中目标对像的预定位边界模糊,因此导致不能准确定位目标对象的边界,但是如果不能准确定位预定位图像中的目标对象,就会导致目标对象定位错误,从而产生错误判断。采用本申请的方案能够对小的字符进行准确定位,即使在环境光线比较暗的环境下,依然能够对需要定位目标对象进行准确定位。例如,将本方法应用于键帽字符定位,在工厂广泛投产验证了7个月左右,没有发现键帽上字符定位发生错误的问题,具有普遍适用性,能适应暗环境。
应理解,在本发明的实施例中,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的逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
如图4所示,本发明一实施例图像处理装置的结构示意图。一种图像处理装置,包括:获取模块401,用于获取目标对象的直方图像和目标对象所在区域图像;二值化处理模块402,用于利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;按位取或模块403,用于对所述直方图像对应的二值化图像和所述区域图像对应的二值化图像进行按位取或,得到所述目标对象的准定位图像。
在优选的实施例中,所述二值化处理模块包括:获取单元,用于获取所述直方图像的所有像素点及所述像素点对应的灰度值;计算单元,用于利用算法对获取的所有像素点和所述像素点对应的灰度值进行处理,得到最佳分割阈值二值化单元,用于利用所述最佳分割阈值对所述直方图像进行二值化处理,得到直方图像对应的二值化图像;利用所述最佳分割阈值对所述区域图像进行二值化处理,得到区域图像对应的二值化图像。
在优选的实施例中,所述目标对象至少包括四个预定位边界,还包括:所述获取模块还用于,在所述准定位图像中获取所述预定位边界的所有像素点以及所述像素点对应的灰度值;统计模块,用于统计每条所述预定位边界的所有像素点对应的灰度均值;确定模块,用于针对所述目标对象的任一条预定位边界:判断所述灰度均值是否满足预设条件;若是,则确定所述预定位边界为所述目标对象的准边界;若否,则在所述准定位图像中移动所述预定位边界,并统计移动后所述预定位边界对应的灰度均值。
在优选的实施例中,所述的装置还包括:所述获取模块还用于,获取预定位图像中目标对象对应的所有像素点以及所述像素点对应的灰度值;直方图均衡模块,用于对所有像素点对应的灰度值进行直方图均衡化处理,得到目标对象的直方图像。
在优选的实施例中,所述的装置还包括:所述获取模块还用于,分别获取原始图像和模板图像中目标对象对应的像素系;计算模块,用于根据所述原始图像中目标对象对应的像素系和所述模板图像中目标对象对应的像素系,利用算法计算得到两个目标对象之间的单应性矩阵;映射模块,用于利用所述单应性矩阵将所述原始图像的目标对象映射所述模板图像的目标对象中,得到转正图像;所述获取模块进一步用于,获取所述模板图像中目标对象的位置信息;所述确定模块还用于,基于所述位置信息确定所述转正图像中目标对象的预定位边界,得到目标对象的预定位图像。
这里需要指出的是:以上对针对图像处理装置实施例的描述,与前述图1所示的方法实施例的描述是类似的,具有同前述图1所示的方法实施例相似的有益效果,因此不做赘述。对于本发明对针对图像处理装置中未披露的技术细节,请参照本发明前述图1所示的方法实施例的描述而理解,为节约篇幅,因此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个装置,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以利用硬件的形式实现,也可以利用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于运算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个运算机可读取存储介质中。基于这样的理解,本发明实施例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,该运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运算机设备(可以是个人运算机、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。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种图像处理方法,其特征在于,包括:
获取模板图像中目标对象的位置信息;
基于所述目标对象的位置信息,确定预处理图像中目标对象的预定位边界,得到目标对象的预定位图像;
对所述预定位图像进行直方图均衡化处理,得到目标对象的直方图像;
获取目标对象所在区域图像;
利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;
对所述直方图像对应的二值化图像和所述区域图像对应的二值化图像进行按位取或,得到所述目标对象的准定位图像。
2.根据权利要求1所述的方法,其特征在于,所述利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像,包括:
获取所述直方图像的所有像素点及所述像素点对应的灰度值;
利用算法对获取的所有像素点和所述像素点对应的灰度值进行处理,得到最佳分割阈值;
利用所述最佳分割阈值对所述直方图像进行二值化处理,得到直方图像对应的二值化图像;
利用所述最佳分割阈值对所述区域图像进行二值化处理,得到区域图像对应的二值化图像。
3.根据权利要求1所述的方法,其特征在于,所述目标对象至少包括四个预定位边界,还包括:
在所述准定位图像中获取所述预定位边界的所有像素点以及所述像素点对应的灰度值;
统计每条所述预定位边界的所有像素点对应的灰度均值;
针对所述目标对象的任一条预定位边界:判断所述灰度均值是否满足预设条件;若是,则确定所述预定位边界为所述目标对象的准边界;若否,则在所述准定位图像中移动所述预定位边界,并统计移动后所述预定位边界对应的灰度均值。
4.根据权利要求1所述的方法,其特征在于,所述预处理图像通过如下方法获得:
分别获取原始图像和模板图像中目标对象对应的像素系;
根据所述原始图像中目标对象对应的像素系和所述模板图像中目标对象对应的像素系,利用算法计算得到两个目标对象之间的单应性矩阵;
利用所述单应性矩阵将所述原始图像中目标对象和所述模板图像中目标对象映射在同一平面内,得到预处理图像。
5.一种图像处理装置,其特征在于,包括:
获取模块,用于获取模板图像中目标对象的位置信息;获取目标对象的直方图像和目标对象所在区域图像;
确定模块,用于基于所述目标对象的位置信息,确定预处理图像中目标对象的预定位边界,得到目标对象的预定位图像;
直方图均衡模块,用于对所述预定位图像进行直方图均衡化处理,得到目标对象的直方图像;
二值化处理模块,用于利用分割阈值分别对所述直方图像以及所述区域图像进行二值化处理,得到直方图像对应的二值化图像和区域图像对应的二值化图像;
按位取或模块,用于对所述直方图像对应的二值化图像和所述区域图像对应的二值化图像进行按位取或,得到所述目标对象的准定位图像。
6.根据权利要求5所述的装置,其特征在于,所述二值化处理模块包括:
获取单元,用于获取所述直方图像的所有像素点及所述像素点对应的灰度值;
计算单元,用于利用算法对获取的所有像素点和所述像素点对应的灰度值进行处理,得到最佳分割阈值
二值化单元,用于利用所述最佳分割阈值对所述直方图像进行二值化处理,得到直方图像对应的二值化图像;利用所述最佳分割阈值对所述区域图像进行二值化处理,得到区域图像对应的二值化图像。
7.根据权利要求5所述的装置,其特征在于,所述目标对象至少包括四个预定位边界,还包括:
所述获取模块还用于,在所述准定位图像中获取所述预定位边界的所有像素点以及所述像素点对应的灰度值;
统计模块,用于统计每条所述预定位边界的所有像素点对应的灰度均值;
所述确定模块还用于,针对所述目标对象的任一条预定位边界:判断所述灰度均值是否满足预设条件;若是,则确定所述预定位边界为所述目标对象的准边界;若否,则在所述准定位图像中移动所述预定位边界,并统计移动后所述预定位边界对应的灰度均值。
8.一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011535884.2A CN112686845B (zh) | 2020-12-23 | 2020-12-23 | 一种图像处理的方法、装置及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011535884.2A CN112686845B (zh) | 2020-12-23 | 2020-12-23 | 一种图像处理的方法、装置及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686845A CN112686845A (zh) | 2021-04-20 |
CN112686845B true CN112686845B (zh) | 2022-04-15 |
Family
ID=75451023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011535884.2A Active CN112686845B (zh) | 2020-12-23 | 2020-12-23 | 一种图像处理的方法、装置及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686845B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1282076A2 (en) * | 2001-07-31 | 2003-02-05 | Canon Kabushiki Kaisha | Self-adaptive binarization of digital images |
TW201503057A (zh) * | 2013-07-08 | 2015-01-16 | Lei Wang | 直方圖局部影像對比增強的方法與裝置 |
CN105139365A (zh) * | 2015-08-17 | 2015-12-09 | 电子科技大学 | 一种处理太赫兹或者红外图像的方法 |
CN105303188A (zh) * | 2015-12-03 | 2016-02-03 | 深圳市捷顺科技实业股份有限公司 | 一种车牌左右边界的定位方法及装置 |
CN106780453A (zh) * | 2016-12-07 | 2017-05-31 | 电子科技大学 | 一种基于深度信任网络实现对脑肿瘤分割的方法 |
CN107730477A (zh) * | 2017-10-13 | 2018-02-23 | 西安科技大学 | 变电站设备红外智能监测系统及监测图像特征提取方法 |
CN109685786A (zh) * | 2018-12-20 | 2019-04-26 | 龙口味美思环保科技有限公司 | 一种禽蛋表面裂纹的无损检测及自动分级方法 |
CN109993115A (zh) * | 2019-03-29 | 2019-07-09 | 京东方科技集团股份有限公司 | 图像处理方法、装置及可穿戴设备 |
-
2020
- 2020-12-23 CN CN202011535884.2A patent/CN112686845B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1282076A2 (en) * | 2001-07-31 | 2003-02-05 | Canon Kabushiki Kaisha | Self-adaptive binarization of digital images |
TW201503057A (zh) * | 2013-07-08 | 2015-01-16 | Lei Wang | 直方圖局部影像對比增強的方法與裝置 |
CN105139365A (zh) * | 2015-08-17 | 2015-12-09 | 电子科技大学 | 一种处理太赫兹或者红外图像的方法 |
CN105303188A (zh) * | 2015-12-03 | 2016-02-03 | 深圳市捷顺科技实业股份有限公司 | 一种车牌左右边界的定位方法及装置 |
CN106780453A (zh) * | 2016-12-07 | 2017-05-31 | 电子科技大学 | 一种基于深度信任网络实现对脑肿瘤分割的方法 |
CN107730477A (zh) * | 2017-10-13 | 2018-02-23 | 西安科技大学 | 变电站设备红外智能监测系统及监测图像特征提取方法 |
CN109685786A (zh) * | 2018-12-20 | 2019-04-26 | 龙口味美思环保科技有限公司 | 一种禽蛋表面裂纹的无损检测及自动分级方法 |
CN109993115A (zh) * | 2019-03-29 | 2019-07-09 | 京东方科技集团股份有限公司 | 图像处理方法、装置及可穿戴设备 |
Non-Patent Citations (4)
Title |
---|
Enhancement of Image Resolution by Binarization;Aroop Mukherjee 等;《International Journal of Computer Applications》;20101231;第15-19页 * |
Image Location Algorithm by Histogram Matching;Xiaoqiang Zhang 等;《Lecture Notes of the Institute for Computer Sciences》;20200508;第1-10页 * |
基于直方图均衡化与形态学处理的边缘检测;王淑青 等;《计算机应用与软件》;20160331;第33卷(第3期);第193-196页 * |
基于神经网络与粒子滤波相融合的手部追踪方法;刘华江 等;《电子测量技术》;20200930;第43卷(第18期);第74-80页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112686845A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3309703B1 (en) | Method and system for decoding qr code based on weighted average grey method | |
US8600165B2 (en) | Optical mark classification system and method | |
US7873215B2 (en) | Precise identification of text pixels from scanned document images | |
CN109005368B (zh) | 一种高动态范围图像的生成方法、移动终端及存储介质 | |
CN110197180B (zh) | 字符缺陷检测方法、装置及设备 | |
CN103489254B (zh) | 彩票的识别方法及系统 | |
CN113033550B (zh) | 一种图像的检测方法、装置及计算机可读介质 | |
CN106919883B (zh) | 一种qr码的定位方法及装置 | |
CN112149592A (zh) | 图像处理方法、装置以及计算机设备 | |
US8442348B2 (en) | Image noise reduction for digital images using Gaussian blurring | |
KR101842535B1 (ko) | 부호의 광학적 검출 방법 | |
CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
CN110210467B (zh) | 一种文本图像的公式定位方法、图像处理装置、存储介质 | |
CN113435219B (zh) | 防伪检测方法、装置、电子设备及存储介质 | |
CN112767412B (zh) | 车辆部件级分割方法、装置以及电子设备 | |
CN113487473B (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 | |
CN117351011B (zh) | 屏幕缺陷检测方法、设备和可读存储介质 | |
CN112184723B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN113409271A (zh) | 一种镜头油污的检测方法、装置及设备 | |
CN102013007A (zh) | 用于检测面部的装置和方法 | |
CN112686845B (zh) | 一种图像处理的方法、装置及计算机可读介质 | |
CN115272143A (zh) | 一种条形码的视觉增强方法、装置、设备及存储介质 | |
CN114120343A (zh) | 证件图像质量评估方法及终端 | |
CN112017218A (zh) | 一种图像配准方法、装置、电子设备及存储介质 | |
JP4230960B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム |
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 |