CN112686919B - 物体边界线确定方法、装置、电子设备及存储介质 - Google Patents

物体边界线确定方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112686919B
CN112686919B CN202011593560.4A CN202011593560A CN112686919B CN 112686919 B CN112686919 B CN 112686919B CN 202011593560 A CN202011593560 A CN 202011593560A CN 112686919 B CN112686919 B CN 112686919B
Authority
CN
China
Prior art keywords
scanning
pixel point
boundary line
pixel points
scanning direction
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
Application number
CN202011593560.4A
Other languages
English (en)
Other versions
CN112686919A (zh
Inventor
蒋焘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Wingtech Information Technology Co Ltd
Original Assignee
Shanghai Wingtech Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Wingtech Information Technology Co Ltd filed Critical Shanghai Wingtech Information Technology Co Ltd
Priority to CN202011593560.4A priority Critical patent/CN112686919B/zh
Publication of CN112686919A publication Critical patent/CN112686919A/zh
Application granted granted Critical
Publication of CN112686919B publication Critical patent/CN112686919B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提供了物体边界线确定方法、装置、电子设备及存储介质,方法包括:获取待检测物体的二值化图像;二值化图像中包含背景像素点和物体像素点;物体像素点呈点阵状分布;以预设扫描粒度的扫描窗,从二值化图像的每个边界线沿远离边界线的扫描方向,逐次获得该扫描方向上扫描到的多个第一个物体像素点,并将全部第一个物体像素点作为扫描方向对应的物体边界像素点序列;预设扫描粒度大于任意相隔的两个物体像素点之间的间距;根据全部扫描方向对应的物体边界像素点序列获得待检测物体的边界线。本发明能够提高边界线检测结果的准确度,避免因膨化处理造成边缘细节信息失真的现象。

Description

物体边界线确定方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种物体边界线确定方法、装置、电子设备及存储介质。
背景技术
边缘是图像的最基本特征,它包含了用于识别的有用信息,为人们描述或识别目标以及解释图像提供了一个重要的特征参数。边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和图像信息提取的基本手段。
目前,在图像物体轮廓检测领域,常规的轮廓检测过程是对图像二值化、膨胀、腐蚀、寻找轮廓,这种实现流程对实心物体而言可以准确识别出轮廓,但对于图像像素呈点阵状分布的物体而言,对其进行膨胀处理之后容易造成图像边缘失真,造成边缘细节信息失真,对后续的检测造成误判。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高了边界线检测准确度和效率的物体边界线确定方法、装置、电子设备及存储介质。
本发明提供一种物体边界线确定方法,所述方法包括:
获取待检测物体的二值化图像;所述二值化图像中包含背景像素点和物体像素点;所述物体像素点呈点阵状分布;
以预设扫描粒度的扫描窗,从所述二值化图像的每个边界线沿远离所述边界线的扫描方向,逐次获得所述扫描方向上扫描到的第一个物体像素点,并将全部所述第一个物体像素点作为所述扫描方向对应的物体边界像素点序列;所述预设扫描粒度大于任意相隔的两个物体像素点之间的间距;
根据全部扫描方向对应的物体边界像素点序列获得所述待检测物体的边界线。
在一个实施例中,所述逐次获得所述扫描方向上扫描到的第一个物体像素点,包括:
确定所述每个边界线上的多个起始像素点;相邻两个所述起始像素点的间隔大于或等于预设阈值;
对于每个所述边界线,从每个所述起始像素点起,沿所述扫描方向进行扫描,直到获得所述边界线对应的多个第一个物体像素点。
在一个实施例中,所述对于每个所述边界线,从每个所述起始像素点起,沿所述扫描方向进行扫描,直到获得所述边界线对应的多个第一个物体像素点,包括:
针对每个所述起始像素点,将所述扫描窗以所述起始像素点为起点沿所述扫描方向进行扫描;
当所述扫描窗扫描到至少一个第一个物体像素点,获取所述至少一个第一个物体像素点,将所述扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿所述扫描方向进行扫描;或者,
当所述扫描窗扫描到至少一个中心像素点,将所述扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿所述扫描方向进行扫描;所述中心像素点位于所述二值化图像的中心线位置上;
将全部所述起始像素点对应的至少一个第一个物体像素点作为所述边界线对应的多个第一个物体像素点。
在一个实施例中,所述方法还包括:
以所述预设扫描粒度为标记宽度,将每个所述起始像素点与以所述起始像素点为起点扫描到的所述至少一个第一个物体像素点之间的区域标记为非物体区域;所述非物体区域不包含至少一个第一个物体像素点;或者,
以所述预设扫描粒度为标记宽度,将每个所述起始像素点与所述起始像素点为起点扫描到的所述至少一个中心像素点之间的区域标记为非物体区域;所述非物体区域不包含至少一个第一个物体像素点。
在一个实施例中,所述根据全部扫描方向对应的物体边界像素点序列获得所述待检测物体的边界线,包括:
将所述非物体区域内的像素点更新为第一灰度值,并将除所述非物体区域的像素点更新为第二灰度值,获得物体区域;所述物体区域包含所述物体边界像素点序列中的全部物体边界像素点;
根据所述非物体区域和所述物体区域确定所述待检测物体的边界线。
本发明提供一种物体边界线确定装置,包括:
获取模块,用于获取待检测物体的二值化图像;所述二值化图像中包含背景像素点和物体像素点;所述物体像素点呈点阵状分布;
扫描模块,用于以预设扫描粒度的扫描窗,从所述二值化图像的每个边界线沿远离所述边界线的扫描方向,逐次获得所述扫描方向上扫描到的多个第一个物体像素点,并将全部所述第一个物体像素点作为所述扫描方向对应的物体边界像素点序列;所述预设扫描粒度大于任意相隔的两个物体像素点之间的间距;
确定模块,用于根据全部扫描方向对应的物体边界像素点序列获得所述待检测物体的边界线。
在一个实施例中,扫描模块,具体用于:
确定所述任意一个边界线上的多个起始像素点;相邻两个所述起始像素点的间隔大于或等于预设阈值;
从每个所述起始像素点起,沿所述扫描方向进行扫描,直到获得全部所述起始像素点沿所述扫描方向的全部所述第一个物体像素点。
在一个实施例中,扫描模块,具体用于:
针对每个所述起始像素点,将所述扫描窗以所述起始像素点为起点沿所述扫描方向进行扫描;
当所述扫描窗扫描到至少一个第一个物体像素点,获取所述至少一个第一个物体像素点,将所述扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿所述扫描方向进行扫描;或者,
当所述扫描窗扫描到至少一个中心像素点,将所述扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿所述扫描方向进行扫描;所述中心像素点位于所述二值化图像的中心线位置上;
将全部所述起始像素点对应的至少一个第一个物体像素点作为所述边界线对应的多个第一个物体像素点。
本发明提供了一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现本申请任意实施例所提供的物体边界线确定方法的步骤。
本发明提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本申请任意实施例所提供的物体边界线确定方法的步骤。
本发明提供一种物体边界线确定方法、装置、电子设备及存储介质,包括:先获取物体像素点呈点阵状分布的待检测物体的二值化图像;由于待检测物体的物体像素点呈点阵状分布,因此如果采用现有的膨化和腐蚀操作来确定待检测物体势必会出现图像边缘细节失真的问题,因此为了保留待检测物体的边缘细节,对于获得的二值化图像,以预设扫描粒度的扫描窗,从二值化图像的任意一个边界线沿远离边界线的扫描方向,逐次获得所述扫描方向上扫描到的第一个物体像素点,为了避免在扫描过程中扫描窗无法扫描到物体像素点,因此扫描窗的预设扫描粒度大于任意相隔的两个物体像素点之间的间距,最后并将全部第一个物体像素点作为扫描方向对应的物体边界像素点序列;根据全部扫描方向对应的物体边界像素点序列获得待检测物体的边界线。不需要对待检测物体的二值化图像进行膨化处理,降低了图像边缘细节失真的风险,进一步,本发明通过扫描的方式,获得待检测物体的全部边缘像素点,进而根据全部边缘像素点确定待检测物体的边界线,提高了检测准确度和效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为一种手机防尘网的轮廓检测方法;
图2为不同膨化系数对应的效果图;
图3为本发明实施例提供的一种物体边界线确定方法的示意性流程图;
图4为本发明实施例提供的一种手机防尘网的二值化图像;
图5为一种扫描场景示意图;
图6为本发明实施例提供的一种步骤S12的实现方式的示意性流程图;
图7为本发明实施例提供的一种步骤S122的实现方式的示意性流程图;
图8为本发明实施例体供的另一种物体边界确定方法的示意图之一;
图9为一种扫描结果示意图;
图10为本发明实施例体供的一种步骤S14的实现方式的示意性流程图;
图11为本发明实施例提供的一种虚形物体实心化的场景示意图;
图12为本发明实施例提供的一种物体边界线确定装置的功能模块图;
图13为本发明实施例提供的一种电子设备结构框图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
边缘是图像的最基本特征,它包含了用于识别的有用信息,为人们描述或识别目标以及解释图像提供了一个重要的特征参数。在图像物体轮廓检测领域,现有的开源库函数有很多好的技术手段可以很好的实现,比如opencv和halcon等,都有现成的库函数来进行轮廓检测,如opencv的findContours()函数。常规的轮廓检测过程为:获得待检测物体在二值化图像,其中二值化图像中白色部分为物体区域,黑色区域为背景区域,对二值化图像进行膨胀处理,可以强化物体区域,然后对膨化处理之后的二值化图像进行腐蚀处理,可以使消除物体区域包括边缘区域的噪声,突出物体区域边界线,便于轮廓检测,最后对腐蚀处理过后的二值化图像进行边界线检测,可以获得待检测物体的轮廓。
发明人在研究的过程中发现,上述寻找物体轮廓的处理流程对实心物体而言可以准确识别出轮廓,实心物体指得是在物体的二值化图像中,物体区域中不存在背景像素点,物体像素点之间连续分布,例如手机。对于二值化图像而言,膨化处理可以进一步强化对白色区域(物体区域),以便再后续腐蚀处理的过程中突出物体区域的边缘,但对于物体像素点呈稀疏点阵分布的“虚”形物体而言,例如防尘网,首先需要将“虚心”物体的二值化图像进行膨化处理使其实心化,强化物体区域,但由于矩阵较为稀疏,如果膨胀稀疏小的话,则无法完全实心化,因此就不能检测到边缘信息;如果加大膨胀系数,虽然可以得到完全实心化的图,但会使图像边缘往外扩充太大,造成图像边缘失真,造成边缘细节信息失真,对后续的检测造成误判。
例如,以手机话筒(Microphone)孔内的防尘网孔为例,参见图1,图1为一种手机防尘网的轮廓检测方法,如图1(a)所示的防尘网原图之后,对原图进行二值化处理,获得二值化图像,如图1(b)所示,在二值化图像中,物体像素点为白色,背景像素点为黑色,获得二值化图像之后,先对后对二值化图像进行膨胀处理,强化物体区域之后,再对膨胀处理后的二值化图像进行腐蚀处理,消除物体边缘的噪声,先后进行膨化处理和腐蚀处理过的二值化图像如图1(c)所示,图1(c)是理想状态下的物体的膨化腐蚀图。
但在实际的膨化腐蚀处理过程中,由于矩阵较为稀疏,如果膨胀系数过小的话,膨化处理无法将物体完全实心化,因此也就无法真实反映物体区域。如图2(b)所示,图2为不同膨化系数对应的效果图,则无法变成实心的,这样,就无法通过findContours()函数得到边缘信息,如果加大膨胀系数,膨化处理后的二值化图像如图2(a)所示,虽然可以得到完全实心化的图,但会使图像边缘往外扩充太大,造成图像边缘失真,造成边缘细节信息失真,对后续的检测造成误判。
因此,为了解决上述技术问题,发明人在研究的过程中提出了一种物体边界线确定方法,本申请提供的物体边界线确定方法,该方法可以应用于电子设备中,电子设备可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑。
下面以任意一种电子设备为执行主体,介绍本发明实施例中的物体边界线确定方法,请参见图3,图3为本发明实施例提供的一种物体边界线确定方法的示意性流程图,该方法可以包括:
S11、获取待检测物体的二值化图像。
可以理解的是,二值化图像中包含背景像素点和物体像素点,背景像素点和物体像素点具有不同的灰度值,例如,背景像素点的灰度值为0,物体像素点的灰度值为255,本发明实施例中的待检测物体的物体像素点呈点阵状分布,如手机防尘网。
具体地,电子设备可以获取用户输入的待检测物体的二值化图像,还可以将用户输入的待检测物体的原图像进行二值化获得二值化图像。
在其中一个实施例中,在获取到待检测物体的二值化图像之前,要先对图像中待检测物体进行物体识别,在一种实现方式中,可以检测二值化图像中物体像素点是否呈点阵状分布,若是,则可以继续执行后续步骤确定待检测物体的边界线,若否,则可以用现有的任意一种轮廓检测方法确定待检测物体的边界点。
S12、以预设扫描粒度的扫描窗,从二值化图像的每个边界线沿远离边界线的扫描方向,逐次获得每个扫描方向上扫描到的多个第一个物体像素点,并将全部第一个物体像素点作为扫描方向对应的物体边界像素点序列。
其中,扫描方向指得是扫描窗移动的方向,第一个物体像素点指得是扫描窗沿扫描方向移动时扫描位置处的像素点第一次为物体像素点,物体边界像素带你序列是由每个边界线上扫描到的全部第一个物体像素点的集合,其中可以包含全部第一个物体像素点;为了后期能够确定物体边界线在图像中的位置,每个第一个物体像素点还可以对应一个在二值化图像中的像素位置。
可以理解的是,扫描窗可以是为了在二值化图像中检测边缘点而用来扫描像素的像素线,为了防止扫描窗落入像素点阵的缝隙而无法扫描到像素点,扫描窗的预设扫描粒度大于任意相隔的两个物体像素点之间的间距。例如,两个像素点相隔2个像素点,则预设扫描粒度可以设置为大于2个像素点,但不宜过大。
为了方便理解上述S12,请参见继续参见图4,图4为本发明实施例提供的一种手机防尘网的二值化图像,可以看出,该图像具有四条边界线,上边界线、下边界线、左边界线和边界线,本发明实施例可以从任意一个边界线开始,沿着扫描方向扫描,扫描方向可以是远离该边界线的方向,可以朝该边界线对应的边界线的方向扫描。例如,对上边界线而言,扫描方向朝向下边界线,对左边界线而言,扫描方向朝向右边界线。
可以理解的是,电子设备可以通过扫描窗从任意一条边界线开始扫描,在扫描窗扫描的过程中,扫描区域逐渐覆盖二值化图像中的背景像素点,一旦扫描窗所在位置的像素点为物体像素点,则可认为扫描窗到达物体的边界,此时可以获得第一个物体像素点,由于扫描窗的扫描粒度大于2个像素点,因此,第一个物体像素点可以有多个。为了后期能够确定物体边界线在图像中的位置,还可以记录第一个像素点在图像中的像素坐标。
需要说明的是,图4所示的扫描方向不仅仅可以是垂直于边界线的方向,还可以是与边界线具有一定角度的扫描方向,此处不作限定。
S14、根据全部扫描方向对应的物体边界像素点序列获得待检测物体的边界线。
可以理解的是,对每条边界线而言,电子设备可以通过扫描窗获得多个第一次到达物体边界的物体像素点,进而可以根据每个方向上获得的第一个物体像素点确定物体边界,例如,继续参见图5,图5为一种扫描场景示意图,例如,从上边界线开始扫描,扫描过程中记录获得的全部第一个物体像素点,例如像素点1、像素点2、像素点3、像素点4和像素点5,组成该扫描方向上的第一个物体像素点序列,同理,通过上述扫描方式可以获得左边界线、下边界线以及右边界线在各自对应的扫描方向上的第一个物体像素点序列,全部扫描方向上的第一个物体像素点序列即可作为待检测物体的边缘像素点。
本发明提供一种物体边界线确定方法,通过获取待检测物体的二值化图像,以预设扫描粒度的扫描窗,从二值化图像的每个边界线沿远离边界线的扫描方向,逐次获得该扫描方向上扫描到的多个第一个物体像素点,并将全部第一个物体像素点作为扫描方向对应的物体边界像素点序列;预设扫描粒度大于任意相隔的两个物体像素点之间的间距;根据全部扫描方向对应的物体边界像素点序列获得待检测物体的边界线。与现有技术的区别在于,现有技术需要对待检测物体的二值化图像进行膨化处理之后才进行边缘确定,这个过程容易造成图像边缘失真,造成边缘细节信息失真,对后续的检测造成误判。而本发明实在确定待检测物体边界线的过程中,不需要对待检测物体的二值化图像进行膨化处理,降低了图像边缘细节失真的风险,进一步,本发明通过扫描的方式,获得待检测物体的全部边缘像素点,进而根据全部边缘像素点确定待检测物体的边界线,提高了检测准确度和效率。
可选地,扫描窗的扫描范围应该能够覆盖图像的全部区域,这样才能够获得物体的全部边缘像素点,但由于预设扫描粒度不宜过大,否则会影响扫描的准确度,因此,为了保证获得待检测物体的全部边缘像素点,下面在图3的基础上给出一种S12的实现方式,参见图6,图6为本发明实施例提供的一种步骤S12的实现方式的示意性流程图,步骤S12可以包括:
S121、确定每个边界线上的多个起始像素点。
可以理解的是,相邻两个起始像素点的间隔大于或等于预设阈值,预设阈值可以为1个像素点或者多个像素点,预设阈值越小,检测的结果越准确。
S122、对于每个边界线,从每个起始像素点起,沿扫描方向进行扫描,直到获得边界线对应的多个第一个物体像素点。
可以理解的是,当任意一条边界线上存在多个起始扫描像素点后,由于每个起始像素点之间存在一定的间距,可以避免扫描路径重叠。
具体地,电子设备通过扫描窗可以从第一个起始像素点所在位置开始沿扫描方向进行扫描,在获得第一个物体像素点之后,将扫描窗切换至下一个起始像素位置开始沿扫描方向进行扫描,逐次以每个起始像素点为起点进行扫描获得全部第一个物体像素点。
例如,继续参见图5,以上边界线为例,对于任意一条边界线来说,从每个起始像素点沿扫描方向开始扫描。
可选地,由于存在多个起始像素点,需要时刻切换扫描窗的起始扫描位置,以使扫描窗能够扫描到的区域更全面,因此,为了实现扫描窗的起始扫描位置的切换,下面在图6的基础上给出一种可能的实现方式,参见图7,图7为本发明实施例提供的一种步骤S122的实现方式的示意性流程图,步骤S122可以包括:
S122-1、针对每个起始像素点,将扫描窗以起始像素点为起点沿扫描方向进行扫描。
S122-2、当扫描窗扫描到至少一个第一个物体像素点,获取至少一个第一个物体像素点,将扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿扫描方向进行扫描。
可以理解的是,电子设备通过扫描窗以任意一个起始像素点为起点沿扫描方向扫描的过程中,当扫描到至少一个第一个物体像素点,即可认为扫描窗到达待检测物体的边界,因此可以停止继续扫描,此时获得的一个物体像素点可以理解为是待检测物体的边缘像素点,获得扫描到的物体像素点后即可将扫描窗的扫描位置切换至下一个起始像素点所在的位置,可以理解的是,下一个起始像素点指得是与当前起始扫描点相邻的还未作为扫描起点的起始像素点。
需要说明的是,在扫描窗扫描到至少两个第一个物体像素点的场景中,表明这多个物体像素点位于同一水平位置,且这多个像素点的位置宽度小于扫描窗的预设扫描粒度。
S122-3、当扫描窗扫描到至少一个中心像素点,将扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿扫描方向进行扫描。
可以理解的是,中心像素点指得是位于二值化图像的中心线位置上的像素点。
具体地,电子设备通过扫描窗以任意一个起始像素点为起点沿扫描方向扫描的过程中,当扫描窗扫描到至少一个中心像素点时,表明扫描过程没有扫描到物体像素点,为了减少扫描耗时,可以在直接进切换,将扫描窗切换至下一个起始像素点开始扫描。在一些可能的实施例中,任何图像的像素点可以组成的一个像素矩阵,那么起始像素点所在的行或者所在的列中可能不存在物体像素点,则以该起始像素点为扫描起点进行扫描的过程中,一直无法扫描到物体像素点,但为了减少扫描耗时,可以在扫描窗到达二值化图像的中心线位置,进行扫描起点切换,将扫描窗切换至下一个起始像素点开始扫描。
需要说明的是,步骤S122-2和步骤S122-3并无执行的先后顺序,若扫描窗扫描到物体像素点,则可以执行步骤S122-2,完成起始扫描位置的切换;若扫描窗从起始像素点位置直到中心线位置均未扫描到物体像素点,则可以执行步骤S122-3,完成起始扫描位置的切换。
S122-4、将全部起始像素点对应的至少一个第一个物体像素点作为边界线对应的多个第一个物体像素点。
具体地,电子设备通过扫描窗以每个起始像素点为起点进行扫描,至少存在一个起始像素点可以对应至少一个物体像素点,则将该起始像素点对应的物体像素点作为该边界线对应的第一个物体像素点。
需要说明的是,上述的步骤S122-1至步骤S122-4的实现流程是针对每个边界上对应的每个起始像素带你而言的,对于全部边界线,可以同时执行上述步骤S122-1至步骤S122-4,以同时获得每个边界线对应的过个物体边界像素点,可以减少扫描耗时,提高检测效率,也可以按照预设的扫描顺序依次对每条边界线执行上述步骤S122-1至步骤S122-4,预设的扫描顺序可以是全部边界线的任意排列顺序,此处不作限定。
可选地,在上述扫描的过程中,在每次扫描之后,为了能够区分物体区域和非物体区域,还可以将扫描窗的扫描路径进行标记,可以理解的是,扫描窗的扫描路径覆盖的区域内的像素点均为背景像素点,下面在图7的基础上给出一种实现方式,参见图8,图8为本发明实施例体供的另一种物体边界确定方法的示意图之一,该方法还包括:
S14、以预设扫描粒度为标记宽度,将每个起始像素点与以该起始像素点为起点扫描到的至少一个第一个物体像素点之间的区域标记为非物体区域;或者,以预设扫描粒度为标记宽度,将每个起始像素点与以该起始像素点为起点扫描到的中心像素点之间的区域标记为非物体区域。
可以理解的是,标记宽度为非物体区域的宽度,非物体指得是区域内不包含任何物体像素点的区域,非物体区域的长度为起始像素点与第一个物体像素点之间的距离。
具体地,电子设备获得将每个起始像素点的位置和以该起始像素点为起点扫描到的至少一个第一个物体像素点的位置,然后根据预设扫描粒度将两个位置之间的区域标记为非物体区域;或者,电子设备获得将每个起始像素点的位置和以该起始像素点为起点扫描到的至少一个中心像素点的位置,然后根据预设扫描粒度将两个位置之间的区域标记为非物体区域。
在一种可能的实现方式中,由于起始像素点的位置和以起始像素点为起点扫描到的至少一个第一个物体像素点或者至少一个中心像素点的位置之间均为背景像素点,且在二值化图像中,背景像素点的灰度值为255,因此上述电子设备的标记方式可以是将背景像素点的灰度值更新为除255和0以外的其他灰度值。
需要说明的是,每个起始像素点的位置和以该起始像素点为起点扫描到的至少一个第一个物体像素点的位置之间的非物体区域并不包含该第一个物体像素点。
例如,参见图9,图9为一种扫描结果示意图,从上边界线开始扫描之后,获得非物体区域,如图9中上边界线扫描结果示意图中的灰色区域。上边界线扫描完毕之后,以左边界线开始扫描,获得的非物体区域如图9中左边界线扫描结果示意图中的灰色区域,进而,从下边界线开始进行扫描,获得如图9中左边界线扫描结果示意图中的灰色区域,从右边界线开始扫描,将二值化图像中的非物体区域全部进行标记。
可选地,基于获得的非物体区域,可知在二值化图像中出非物体区域外的全部区域即为物体区域,在此基础上,还可以通过现有的边缘检测方法确定待检测物体的边界线,为了保证检测的准确度,下面给出一种实现方式,参见图10,图10为本发明实施例体供的另一种物体边界确定方法的示意图之二,该方法还可以包括:
S14-1、将非物体区域内的像素点更新为第一灰度值,并将除非物体区域的像素点更新为第二灰度值,获得物体区域。
可以理解的是,物体区域包含物体边界像素点序列中的全部物体边界像素点。
S14-2、根据非物体区域和物体区域确定待检测物体的边界线。
例如,基于图9所示的扫描结果示意图,对最终获得的二值化图像进行处理,例如,将非物体区域的像素点的灰度值设置为0,将除非物体区域的像素点的灰度值设置为255,设置后的二值化图像如图11所示,图11为本发明实施例提供的一种虚形物体实心化的场景示意图,可以看出,通过上述实现过程,可以将像素呈点阵状分布的物体实心化,同时物体的边缘细节信息并未出现失真现象。
为了实现上述实施例中的各个步骤,以达到对应的技术效果,下面给出一种物体边界线确定装置的实现方式,本发明实施例还提供了一种物体边界线确定装置,参见图12,图12为本发明实施例提供的一种物体边界线确定装置的功能模块图,其中,物体边界线确定装置20包括:获取模块201、扫描模块202和确定模块203。
获取模块201,用于获取待检测物体的二值化图像;二值化图像中包含背景像素点和物体像素点;物体像素点呈点阵状分布;
扫描模块202,用于以预设扫描粒度的扫描窗,从二值化图像的每个边界线沿远离边界线的扫描方向,逐次获得扫描方向上扫描到的多个第一个物体像素点,并将全部第一个物体像素点作为扫描方向对应的物体边界像素点序列;预设扫描粒度大于任意相隔的两个物体像素点之间的间距;
确定模块203,用于根据全部扫描方向对应的物体边界像素点序列获得待检测物体的边界线。
在一个实施例中扫描模块202,具体用于:确定每个边界线上的多个起始像素点;相邻两个起始像素点的间隔大于或等于预设阈值;对于每个边界线,从每个起始像素点起,沿扫描方向进行扫描,直到获得边界线对应的全部第一个物体像素点。
在一个实施例中,扫描模块202,具体用于:
针对每个起始像素点,将扫描窗以起始像素点为起点沿扫描方向进行扫描;
当扫描窗扫描到至少一个第一个物体像素点,获取至少一个第一个物体像素点,将扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿扫描方向进行扫描;或者,
当扫描窗扫描到至少一个中心像素点,将扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿扫描方向进行扫描;中心像素点位于二值化图像的中心线位置上;
将全部所述起始像素点对应的至少一个第一个物体像素点作为所述边界线对应的多个第一个物体像素点。
在一个实施例中,物体边界线确定装置20还包括标记模块,标记模块,用于:
以预设扫描粒度为标记宽度,将每个起始像素点与以起始像素点为起点扫描到的至少一个第一个物体像素点之间的区域标记为非物体区域;非物体区域不包含至少一个第一个物体像素点;或者,
以预设扫描粒度为标记宽度,将每个起始像素点与起始像素点为起点扫描到的至少一个中心像素点之间的区域标记为非物体区域;非物体区域不包含至少一个第一个物体像素点。
在一个实施例中,确定模块,具体用于:将非物体区域内的像素点更新为第一灰度值,并将除非物体区域的像素点更新为第二灰度值,获得物体区域;物体区域包含物体边界像素点序列中的全部物体边界像素点;根据非物体区域和物体区域确定待检测物体的边界线。
本发明实施例提供的物体边界线确定装置,包括获取模块、扫描模块和确定模块,获取模块用于先获取物体像素点呈点阵状分布的待检测物体的二值化图像;由于待检测物体的物体像素点呈点阵状分布,因此如果采用现有的膨化和腐蚀操作来确定待检测物体势必会出现图像边缘细节失真的问题,因此为了保留待检测物体的边缘细节,对于获得的二值化图像,扫描模块用于以预设扫描粒度的扫描窗,从二值化图像的任意一个边界线沿远离边界线的扫描方向,逐次获得所述扫描方向上扫描到的第一个物体像素点,为了避免在扫描过程中扫描窗无法扫描到物体像素点,因此扫描窗的预设扫描粒度大于任意相隔的两个物体像素点之间的间距,并将全部第一个物体像素点作为扫描方向对应的物体边界像素点序列;最后确定模块用于根据全部扫描方向对应的物体边界像素点序列获得待检测物体的边界线。不需要对待检测物体的二值化图像进行膨化处理,降低了图像边缘细节失真的风险,进一步,本发明通过扫描的方式,获得待检测物体的全部边缘像素点,进而根据全部边缘像素点确定待检测物体的边界线,提高了检测准确度和效率。
关于物体边界线确定装置的具体限定可以参见上文中对于物体边界线确定方法的限定,在此不再赘述。上述物体边界线确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种电子设备,该电子设备可以是终端,其内部结构图可以如图13所示。该电子设备30包括通过系统总线连接的处理器302、存储器303、通信接口301。其中,该电子设备30的处理器302用于提供计算和控制能力。该电子设备30的存储器303包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口301用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种物体边界线确定方法。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的装置可以实现为一种计算机程序的形式,计算机程序可在如图13所示的电子设备上运行。电子设备的存储器中可存储组成该物体边界线确定装置的各个程序模块,比如图12所示的获取模块201、扫描模块202和确定模块203。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的物体边界线确定方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(RandomAccessMemory,RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,比如静态随机存取存储器(StaticRandomAccessMemory,SRAM)和动态随机存取存储器(DynamicRandomAccessMemory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种物体边界线确定方法,其特征在于,所述方法包括:
获取待检测物体的二值化图像;所述二值化图像中包含背景像素点和物体像素点;所述物体像素点呈点阵状分布;
以预设扫描粒度的扫描窗,从所述二值化图像的每个边界线沿远离所述边界线的扫描方向,逐次获得所述扫描方向上扫描到的多个第一个物体像素点,并将全部所述第一个物体像素点作为所述扫描方向对应的物体边界像素点序列;所述预设扫描粒度大于任意相隔的两个物体像素点之间的间距;
根据全部扫描方向对应的物体边界像素点序列获得所述待检测物体的边界线。
2.根据权利要求1所述的物体边界线确定方法,其特征在于,所述逐次获得所述扫描方向上扫描到的第一个物体像素点,包括:
确定每个所述边界线上的多个起始像素点;相邻两个所述起始像素点的间隔大于或等于预设阈值;
对于每个所述边界线,从每个所述起始像素点起,沿所述扫描方向进行扫描,直到获得所述边界线对应的多个第一个物体像素点。
3.根据权利要求2所述的物体边界线确定方法,其特征在于,所述对于每个所述边界线,从每个所述起始像素点起,沿所述扫描方向进行扫描,直到获得所述边界线对应的多个第一个物体像素点,包括:
针对每个所述起始像素点,将所述扫描窗以所述起始像素点为起点沿所述扫描方向进行扫描;
当所述扫描窗扫描到至少一个第一个物体像素点,获取所述至少一个第一个物体像素点,将所述扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿所述扫描方向进行扫描;或者,
当所述扫描窗扫描到至少一个中心像素点,将所述扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿所述扫描方向进行扫描;所述中心像素点位于所述二值化图像的中心线位置上;
将全部所述起始像素点对应的至少一个第一个物体像素点作为所述边界线对应的多个第一个物体像素点。
4.根据权利要求3所述的物体边界线确定方法,其特征在于,所述方法还包括:
以所述预设扫描粒度为标记宽度,将每个所述起始像素点与以所述起始像素点为起点扫描到的所述至少一个第一个物体像素点之间的区域标记为非物体区域;所述非物体区域不包含所述第一个物体像素点;或者,
以所述预设扫描粒度为标记宽度,将每个所述起始像素点与所述起始像素点为起点扫描到的所述至少一个中心像素点之间的区域标记为非物体区域;所述非物体区域不包含所述第一个物体像素点。
5.根据权利要求4所述的物体边界线确定方法,其特征在于,根据全部扫描方向对应的物体边界像素点序列获得所述待检测物体的边界线,包括:
将所述非物体区域内的像素点更新为第一灰度值,并将除所述非物体区域的像素点更新为第二灰度值,获得物体区域;所述物体区域包含所述物体边界像素点序列中的全部物体边界像素点;
根据所述非物体区域和所述物体区域确定所述待检测物体的边界线。
6.一种物体边界线确定装置,其特征在于,包括:
获取模块,用于获取待检测物体的二值化图像;所述二值化图像中包含背景像素点和物体像素点;所述物体像素点呈点阵状分布;
扫描模块,用于以预设扫描粒度的扫描窗,从所述二值化图像的每个边界线沿远离所述边界线的扫描方向,逐次获得所述扫描方向上扫描到的多个第一个物体像素点,并将全部所述第一个物体像素点作为所述扫描方向对应的物体边界像素点序列;所述预设扫描粒度大于任意相隔的两个物体像素点之间的间距;
确定模块,用于根据全部扫描方向对应的物体边界像素点序列获得所述待检测物体的边界线。
7.根据权利要求6所述的物体边界线确定装置,其特征在于,扫描模块,具体用于:
确定所述每个所述边界线上的多个起始像素点;相邻两个所述起始像素点的间隔大于或等于预设阈值;
对于每个所述边界线,从每个所述起始像素点起,沿所述扫描方向进行扫描,直到获得全部所述起始像素点沿所述扫描方向的全部所述第一个物体像素点。
8.根据权利要求7所述的物体边界线确定装置,其特征在于,扫描模块,具体用于:
针对每个所述起始像素点,将所述扫描窗以所述起始像素点为起点沿所述扫描方向进行扫描;
当所述扫描窗扫描到至少一个第一个物体像素点,获取所述至少一个第一个物体像素点,将所述扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿所述扫描方向进行扫描;或者,
当所述扫描窗扫描到至少一个中心像素点,将所述扫描窗的扫描位置切换至下一个起始像素点所在位置重新沿所述扫描方向进行扫描;所述中心像素点位于所述二值化图像的中心线位置上;
将全部所述起始像素点对应的至少一个第一个物体像素点作为所述边界线对应的多个第一个物体像素点。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机程序,所述处理器可执行所述计算机程序以实现权利要求1至5任一项所述的物体边界线确定方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的物体边界线确定方法。
CN202011593560.4A 2020-12-29 2020-12-29 物体边界线确定方法、装置、电子设备及存储介质 Active CN112686919B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011593560.4A CN112686919B (zh) 2020-12-29 2020-12-29 物体边界线确定方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011593560.4A CN112686919B (zh) 2020-12-29 2020-12-29 物体边界线确定方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112686919A CN112686919A (zh) 2021-04-20
CN112686919B true CN112686919B (zh) 2022-10-21

Family

ID=75455181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011593560.4A Active CN112686919B (zh) 2020-12-29 2020-12-29 物体边界线确定方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112686919B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113506237B (zh) * 2021-05-17 2024-05-24 毫末智行科技有限公司 用于确定对象的边界的方法及对象检测方法
CN113284154B (zh) * 2021-05-25 2022-04-26 武汉钢铁有限公司 钢卷端面图像分割方法、装置及电子设备
CN113865488B (zh) * 2021-09-24 2023-10-27 北京京东方技术开发有限公司 一种距离测量方法、电子设备及计算机可读存储介质
CN114663316B (zh) * 2022-05-17 2022-11-04 深圳市普渡科技有限公司 确定沿边路径的方法、移动设备及计算机存储介质
CN117649420B (zh) * 2023-11-14 2024-07-23 北京医百科技有限公司 确定图像中目标区域的膨胀域的方法、装置及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201938A (zh) * 2006-12-13 2008-06-18 上海吉量软件科技有限公司 快速左右边界点配对的填充算法
CN103997631A (zh) * 2014-06-09 2014-08-20 广东威创视讯科技股份有限公司 一种基于相机拍摄的led逐点位置轮廓提取方法及系统
CN104239909A (zh) * 2014-08-11 2014-12-24 北京捷通华声语音技术有限公司 一种图像的识别方法和装置
CN108345888A (zh) * 2018-02-11 2018-07-31 浙江华睿科技有限公司 一种连通域提取方法及装置
CN109325930A (zh) * 2018-09-12 2019-02-12 苏州优纳科技有限公司 边界缺陷的检测方法、装置及检测设备
CN109345462A (zh) * 2018-11-29 2019-02-15 北京京东尚科信息技术有限公司 图像处理方法、装置及计算机可读存储介质
CN109556542A (zh) * 2018-11-14 2019-04-02 北京卫星制造厂有限公司 复杂点阵镂空结构ct尺寸测量方法
CN110084814A (zh) * 2019-05-13 2019-08-02 苏州微创关节医疗科技有限公司 表面涂层测量方法、装置、计算机设备和存储介质
CN110782418A (zh) * 2019-10-25 2020-02-11 上海精测半导体技术有限公司 一种带电粒子束设备的扫描规划方法、装置及设备
CN111080662A (zh) * 2019-12-11 2020-04-28 北京建筑大学 车道线的提取方法、装置及计算机设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201938A (zh) * 2006-12-13 2008-06-18 上海吉量软件科技有限公司 快速左右边界点配对的填充算法
CN103997631A (zh) * 2014-06-09 2014-08-20 广东威创视讯科技股份有限公司 一种基于相机拍摄的led逐点位置轮廓提取方法及系统
CN104239909A (zh) * 2014-08-11 2014-12-24 北京捷通华声语音技术有限公司 一种图像的识别方法和装置
CN108345888A (zh) * 2018-02-11 2018-07-31 浙江华睿科技有限公司 一种连通域提取方法及装置
CN109325930A (zh) * 2018-09-12 2019-02-12 苏州优纳科技有限公司 边界缺陷的检测方法、装置及检测设备
CN109556542A (zh) * 2018-11-14 2019-04-02 北京卫星制造厂有限公司 复杂点阵镂空结构ct尺寸测量方法
CN109345462A (zh) * 2018-11-29 2019-02-15 北京京东尚科信息技术有限公司 图像处理方法、装置及计算机可读存储介质
CN110084814A (zh) * 2019-05-13 2019-08-02 苏州微创关节医疗科技有限公司 表面涂层测量方法、装置、计算机设备和存储介质
CN110782418A (zh) * 2019-10-25 2020-02-11 上海精测半导体技术有限公司 一种带电粒子束设备的扫描规划方法、装置及设备
CN111080662A (zh) * 2019-12-11 2020-04-28 北京建筑大学 车道线的提取方法、装置及计算机设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A New Boundary Tracing Algorithm of the Contour of Objects in the Binary Image;Ziqiang Hao;《Journal of Applied Science and Engineering Innovation》;20141231;全文 *
二值图像中目标物体轮廓的边界跟踪算法;王福生;《大连海事大学学报》;20060228;第32卷(第1期);全文 *
二值图像中目标物体边界跟踪的一种快速算法及其应用;陈旺;《测绘工程》;20141231;第23卷(第12期);全文 *

Also Published As

Publication number Publication date
CN112686919A (zh) 2021-04-20

Similar Documents

Publication Publication Date Title
CN112686919B (zh) 物体边界线确定方法、装置、电子设备及存储介质
CN110046529B (zh) 二维码识别方法、装置及设备
US6674904B1 (en) Contour tracing and boundary detection for object identification in a digital image
CN109509200B (zh) 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质
JP2016516245A (ja) モバイル装置を用いた画像内のオブジェクトの分類
US11402918B2 (en) Method for controlling terminal apparatus, apparatus for controlling terminal apparatus, and computer-program product
CN107749071B (zh) 大畸变棋盘格图像角点检测方法及装置
CN111507298B (zh) 人脸检测方法、装置、计算机设备和存储介质
CN110414649B (zh) Dm码的定位方法、装置、终端及存储介质
CN113781406B (zh) 电子元器件的划痕检测方法、装置及计算机设备
CN113344910A (zh) 缺陷标注图像的生成方法、装置、计算机设备及存储介质
CN111080665B (zh) 图像边框识别方法、装置、设备和计算机存储介质
CN111539238A (zh) 二维码图像修复方法、装置、计算机设备和存储介质
CN106663317B (zh) 数字图像的形态学处理方法和数字图像处理装置
CN108960247B (zh) 图像显著性检测方法、装置以及电子设备
CN111881846A (zh) 图像处理方法和相关装置、设备、存储介质
CN109784328B (zh) 定位条码的方法、终端及计算机可读存储介质
CN116485858A (zh) 基于多尺度跨模态邻域描述子的异源图像配准方法及装置
CN112529923B (zh) 一种控件识别方法及装置
CN112580638B (zh) 文本检测方法、装置、存储介质及电子设备
CN110874814A (zh) 一种图像处理方法、图像处理装置及终端设备
CN111178362B (zh) 文本图像处理方法、装置、设备和存储介质
WO2021174506A1 (zh) 图像边缘检测方法、装置以及图像信号处理器
CN114140620A (zh) 一种物体直线轮廓检测方法
CN108345893B (zh) 一种直线检测方法、装置、计算机存储介质及终端

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