CN112766338A - 一种计算距离图像的方法、系统及计算机可读存储介质 - Google Patents

一种计算距离图像的方法、系统及计算机可读存储介质 Download PDF

Info

Publication number
CN112766338A
CN112766338A CN202110029446.7A CN202110029446A CN112766338A CN 112766338 A CN112766338 A CN 112766338A CN 202110029446 A CN202110029446 A CN 202110029446A CN 112766338 A CN112766338 A CN 112766338A
Authority
CN
China
Prior art keywords
pixel
max
pixel point
pixel value
distance
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
Application number
CN202110029446.7A
Other languages
English (en)
Other versions
CN112766338B (zh
Inventor
陈伟
陈婷
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.)
FMI Technologies Inc
Original Assignee
FMI Technologies Inc
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 FMI Technologies Inc filed Critical FMI Technologies Inc
Priority to CN202110029446.7A priority Critical patent/CN112766338B/zh
Publication of CN112766338A publication Critical patent/CN112766338A/zh
Application granted granted Critical
Publication of CN112766338B publication Critical patent/CN112766338B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种计算距离图像的方法、系统和计算机可读存储介质，所述方法包括：获取待测图像的包括目标物体的感兴趣区域，对所述感兴趣区域进行二值分割，获取初始图像；所述初始图像中，设置目标物体的像素值为i、周围感兴趣区域的像素值为m；将目标物体的像素值设置为n，周围感兴趣区域的像素值设置为imax；遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+x)，获得所述感兴趣区域的距离图像，(n+x)＜imax。本发明将目标物体作为一个整体，根据像素的相邻特性，计算感兴趣区域的像素距离邻近目标像素的最小偏移量作为距离图像的像素值，对于目标物体包含的M个像素远大于8的情况，大大降低计算时间。

Description

一种计算距离图像的方法、系统及计算机可读存储介质
技术领域
本发明涉及距离图像技术领域，尤其涉及一种计算距离图像的方法、系统及计算机可读存储介质。
背景技术
在图像分割和图像配准等处理过程中，常常需要计算目标物体周围的像素距离目标物体的最近距离，该距离值分布在感兴趣区域的各个像素，称为距离图像，并以距离图像作为依据在处理过程中对不同距离的像素做不同的处理。现有技术是使用一些传统的距离计算方法，如欧式距离等，依次计算目标物体和感兴趣区域内的所有像素点间的距离，然后取最小值。
上述过程中距离的计算，计算复杂度较高，如欧式距离，每次计算需要进行两次平方运算，一个求和运算和依次开方运算。这些运算较一般的加减法的复杂度较高，需要消耗更多的计算时间。欧式距离的计算公式：
Figure BDA0002891518100000011
且，上述距离的计算过程的计算量比较大。如果目标物体包含M个像素，紧邻目标物体的感兴趣区域有N个像素点，则上述欧式距离的计算需要进行M*N次。目标物体和感兴趣区域越大，计算量越大。
发明内容
为了克服上述技术缺陷，本发明的目的在于提供一种简单高效且内存消耗少的计算距离图像的方法、系统和计算机可读存储介质。
本发明公开了一种计算距离图像的方法，包括如下步骤：获取待测图像的感兴趣区域，所述感兴趣区域包括目标物体，对所述感兴趣区域进行二值分割，获取初始图像；所述初始图像中，设置目标物体的像素值为i、周围感兴趣区域的像素值为m；将目标物体的像素值设置为n，周围感兴趣区域的像素值设置为imax；遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+x)，获得所述感兴趣区域的距离图像，(n+x)＜imax。
优选地，所述遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，该像素点即为距目标物体最近的像素点，将该像素点的像素值进行距离赋值为(n+x)，获得所述感兴趣区域的距离图像的步骤包括：第1次遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+x)，并定义已赋值的像素点为参考像素点；第i次遍历参考像素点的邻域内的所有像素点，i≥2，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)，并跟进第i次遍历中已赋值的像素点为参考像素点，直至所述感兴趣区域内的所有像素值为imax的像素点都被赋值，得到所述感兴趣区域的距离图像。
优选地，所述第i次遍历参考像素点的邻域内的所有像素点，i≥2，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)，并跟进第i次遍历中已赋值的像素点为参考像素点，直至所述感兴趣区域内的所有像素值为imax的像素点都被赋值，得到所述感兴趣区域的距离图像的步骤进一步包括：第i次遍历参考像素点的邻域内的已处理像素点以外的所有像素点，i≥2，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)；所述已处理像素点包括目标物体和已被距离赋值的像素点。
优选地，所述第i次遍历参考像素点的邻域内的所有像素点，i≥2，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)，并跟进第i次遍历中已赋值的像素点为参考像素点，直至所述感兴趣区域内的所有像素值为imax的像素点都被赋值，得到所述感兴趣区域的距离图像的步骤进一步包括：先遍历参考像素点的紧邻邻域内的已处理像素点以外的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)；再遍历参考像素点的对角邻域内的已处理像素点以外的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+i+0.5)。
优选地，当i等于imax时，先遍历参考像素点的紧邻邻域内的已处理像素点以外的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为i的步骤前还包括：将像素值为imax的像素点设置为imax’，imax’＞imax。
本发明还公开了一种计算距离图像的系统，包括相连接的预处理模块和计算模块；所述预处理模块获取待测图像的感兴趣区域，所述感兴趣区域包括目标物体，通过所述预处理模块对所述感兴趣区域进行二值分割，获取初始图像；通过所述预处理模块将所述初始图像中的目标物体的像素值设置为i、周围感兴趣区域的像素值设置为m；所述计算模块从所述预处理模块内获取所述初始图像，并将所述初始图像中将目标物体的像素值设置为n，周围感兴趣区域的像素值设置为imax；所述计算模块遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，所述计算模块将该像素点的像素值进行距离赋值为n，获得所述感兴趣区域的距离图像。
本发明还公开了一种计算机可读存储介质，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上述任一所述的方法的步骤。
采用了上述技术方案后，与现有技术相比，具有以下有益效果：
1.本发明将目标物体作为一个整体，根据像素的相邻特性，计算感兴趣区域的像素距离邻近目标像素的最小偏移量作为距离图像的像素值，即以感兴趣区域的像素距离最近目标像素在X和Y方向的最小偏移量作为距离图像的像素值，以减小运算量；对于目标物体包含的M个像素远大于8的情况下，本方法将大大降低计算时间。
附图说明
图1为本发明提供的计算距离图像的方法的流程图；
图2为本发明提供的计算距离图像的方法的步骤S1的初始图像的像素分布图；
图3为本发明提供的计算距离图像的方法的步骤S2的初始图像的像素分布图；
图4为本发明提供的计算距离图像的方法进行第一次遍历过程后的感兴趣图像的像素分布图；
图5为本发明提供的计算距离图像的方法进行第二次遍历过程后的感兴趣图像的像素分布图；
图6为本发明提供的计算距离图像的方法最终获得的距离图像的像素分布图；
图7为本发明提供的计算距离图像的方法的步骤S1中一优选实施例的初始图像；
图8为本发明提供的计算距离图像的方法一优选实施例的最终获得的距离图像。
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“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，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。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
参见附图1，本发明公开了一种计算距离图像的方法，包括如下步骤：S1、获取待测图像的感兴趣区域，感兴趣区域包括目标物体，对感兴趣区域进行二值分割，获取初始图像；初始图像中，设置目标物体的像素值为i、周围感兴趣区域的像素值为m；
S2、将目标物体的像素值设置为n，周围感兴趣区域的像素值设置为imax；
S3、遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+x)，获得感兴趣区域的距离图像，(n+x)＜imax。
本发明提供一优选实施例，在该实施例中，参见附图2，步骤S1的初始图像中，设置目标物体的像素值为1、周围感兴趣区域的像素值为0，用以区分目标物体。参见附图3和附图7，步骤S2中，将目标物体的像素值设置为0，周围感兴趣区域的像素值设置为30。30为一参考最大值，根据实际图片的像素值而定，对于某些像素值较高的图片，imax可设置为更高的值，与其对应。步骤S3中，x为每次遍历过程中所赋的距离值，该距离值在本实施例中为1，但在其他实施例中，亦可为其他值，需要说明的是，该值可以是实际值，也可以是代替值，当为代替值时，将该值与实际值进行换算即可。距离图像中，目标物体的像素值为0，距离最近的像素点的像素值为1，其他周围感兴趣区域的像素值为30。
在其他实施例中，i、m、n、都可设置为其他的值，只要可以达到区分的目的即可。
较佳地，参见附图4，第1次遍历目标物体的邻域内的所有像素点，当像素点的像素值为30时，将该像素点的像素值进行距离赋值为1，并定义已赋值的像素点为参考像素点；参见附图5，第2次遍历参考像素点的邻域内的所有像素点，当像素点的像素值为30时，将该像素点的像素值进行距离赋值为2，并跟进第2次遍历中已赋值的像素点为参考像素点；第i次遍历参考像素点的邻域内的所有像素点，i≥2，当像素点的像素值为30时，将该像素点的像素值进行距离赋值为i，并跟进第i次遍历中已赋值的像素点为参考像素点，直至感兴趣区域内的所有像素值为30的像素点都被赋值，得到感兴趣区域的距离图像，最终得到的距离图像参见附图6和附图8。
本发明将目标物体作为一个整体，根据像素的相邻特性，计算感兴趣区域的像素距离最近目标像素在X和Y方向的最小偏移量作为距离图像的像素值，以减小运算量。
较佳地，为了进一步减小运算量，在遍历过程中，可忽略目标物体和已被赋值的像素点，具体地，第i次遍历参考像素点的邻域内的已处理像素点以外的所有像素点，当像素点的像素值为imax时，才将该像素点的像素值进行距离赋值为i。其中，已处理像素点包括目标物体和已被距离赋值的像素点。通过忽略目标物体和已被距离赋值的像素点，对于某些位置的参考像素点，最大可以少遍历5个像素点，仅需遍历3个像素点，相对于对每个参考像素点的8邻域的像素点进行遍历，大大提高了运算速度。
较佳地，由于考虑到像素点的领域包括紧邻邻域(即4邻域)和对角邻域组成的8邻域，其中，紧邻邻域距目标物体的距离和对角邻域距目标物体的距离不同，故为了使距离图像更精确，本发明提供一种实施例，将紧邻邻域和对角邻域分开赋值。
具体的，先遍历参考像素点的紧邻邻域内的已处理像素点以外的所有像素点，当像素点的像素值为30时，将该像素点的像素值进行距离赋值为i；再遍历参考像素点的对角邻域内的已处理像素点以外的所有像素点，当像素点的像素值为30时，将该像素点的像素值进行距离赋值为i+0.5。需要说明的是，差值0.5为根据勾股定理计算获取的大概距离值，根据不同的需求，该值可进一步精准至
Figure BDA0002891518100000061
较佳地，考虑在实际计算过程中，可能存在最大值imax溢出的其概况，即已经第30次遍历参考像素点，而感兴趣区域内还存在没有被赋值的像素点，此时被赋值的一批像素值将被设置为30，若继续将30作为最大值，将会导致下一遍历过程无法区分已赋值的像素点和未赋值的像素点，故需要及时调整imax值，以保证计算过程的顺利进行。
具体地，当i等于30时，先将像素值为30的像素点设置为一更大的值，以区分上一遍历过程被赋值为30的参考像素点，再进行下一步的遍历过程。
本发明还公开了一种计算距离图像的系统，包括相连接的预处理模块和计算模块。预处理模块用于获取待测图像的感兴趣区域，感兴趣区域包括目标物体。
通过预处理模块对感兴趣区域进行二值分割，获取初始图像；再通过预处理模块将初始图像中的目标物体的像素值设置为1、周围感兴趣区域的像素值设置为0。
接下来将目标物体作为整体对其计算距离图像：
计算模块第1次遍历目标物体的邻域内的所有像素点，当像素点的像素值为30时，将该像素点的像素值进行距离赋值为1，并定义已赋值的像素点为参考像素点；
计算模块第2次遍历参考像素点的邻域内的所有像素点，当像素点的像素值为30时，将该像素点的像素值进行距离赋值为2，并跟进第2次遍历中已赋值的像素点为参考像素点；
计算模块第i次遍历参考像素点的邻域内的所有像素点，i≥2，当像素点的像素值为30时，将该像素点的像素值进行距离赋值为i，并跟进第i次遍历中已赋值的像素点为参考像素点，直至感兴趣区域内的所有像素值为30的像素点都被赋值，得到感兴趣区域的距离图像。
每次遍历过程中的距离赋值，可作为该像素点的明度，当所有遍历过程完成后，根据所有像素点的明度成像，可以得到反应与目标物体远近关系的明度图像，参见图8。
本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一的方法的步骤。
应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。

Claims (7)

1.一种计算距离图像的方法，其特征在于，包括如下步骤：
获取待测图像的感兴趣区域，所述感兴趣区域包括目标物体，对所述感兴趣区域进行二值分割，获取初始图像；所述初始图像中，设置目标物体的像素值为i、周围感兴趣区域的像素值为m；
将目标物体的像素值设置为n，周围感兴趣区域的像素值设置为imax；
遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+x)，获得所述感兴趣区域的距离图像，(n+x)＜imax。
2.根据权利要求1所述的计算距离图像的方法，其特征在于，所述遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，该像素点即为距目标物体最近的像素点，将该像素点的像素值进行距离赋值为(n+x)，获得所述感兴趣区域的距离图像的步骤包括：
第1次遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+x)，并定义已赋值的像素点为参考像素点；
第i次遍历参考像素点的邻域内的所有像素点，i≥2，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)，并跟进第i次遍历中已赋值的像素点为参考像素点，直至所述感兴趣区域内的所有像素值为imax的像素点都被赋值，得到所述感兴趣区域的距离图像。
3.根据权利要求2所述的计算距离图像的方法，其特征在于，所述第i次遍历参考像素点的邻域内的所有像素点，i≥2，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)，并跟进第i次遍历中已赋值的像素点为参考像素点，直至所述感兴趣区域内的所有像素值为imax的像素点都被赋值，得到所述感兴趣区域的距离图像的步骤进一步包括：
第i次遍历参考像素点的邻域内的已处理像素点以外的所有像素点，i≥2，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)；
所述已处理像素点包括目标物体和已被距离赋值的像素点。
4.根据权利要求3所述的计算距离图像的方法，其特征在于，所述第i次遍历参考像素点的邻域内的所有像素点，i≥2，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)，并跟进第i次遍历中已赋值的像素点为参考像素点，直至所述感兴趣区域内的所有像素值为imax的像素点都被赋值，得到所述感兴趣区域的距离图像的步骤进一步包括：
先遍历参考像素点的紧邻邻域内的已处理像素点以外的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix)；
再遍历参考像素点的对角邻域内的已处理像素点以外的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为(n+ix+0.5)。
5.根据权利要求4所述的计算距离图像的方法，其特征在于，当i等于imax时，先遍历参考像素点的紧邻邻域内的已处理像素点以外的所有像素点，当像素点的像素值为imax时，将该像素点的像素值进行距离赋值为i的步骤前还包括：
将像素值为imax的像素点设置为imax’，imax’＞imax。
6.一种计算距离图像的系统，其特征在于，包括相连接的预处理模块和计算模块；
所述预处理模块获取待测图像的感兴趣区域，所述感兴趣区域包括目标物体，通过所述预处理模块对所述感兴趣区域进行二值分割，获取初始图像；通过所述预处理模块将所述初始图像中的目标物体的像素值设置为i、周围感兴趣区域的像素值设置为m；
所述计算模块从所述预处理模块内获取所述初始图像，并将所述初始图像中将目标物体的像素值设置为n，周围感兴趣区域的像素值设置为imax；
所述计算模块遍历目标物体的邻域内的所有像素点，当像素点的像素值为imax时，所述计算模块将该像素点的像素值进行距离赋值为(n+x)，获得所述感兴趣区域的距离图像。
7.一种计算机可读存储介质，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权利要求1-5中任一所述的方法的步骤。
CN202110029446.7A 2021-01-11 2021-01-11 一种计算距离图像的方法、系统及计算机可读存储介质 Active CN112766338B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110029446.7A CN112766338B (zh) 2021-01-11 2021-01-11 一种计算距离图像的方法、系统及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110029446.7A CN112766338B (zh) 2021-01-11 2021-01-11 一种计算距离图像的方法、系统及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112766338A true CN112766338A (zh) 2021-05-07
CN112766338B CN112766338B (zh) 2023-06-16

Family

ID=75701249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110029446.7A Active CN112766338B (zh) 2021-01-11 2021-01-11 一种计算距离图像的方法、系统及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112766338B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113484852A (zh) * 2021-07-07 2021-10-08 烟台艾睿光电科技有限公司 一种测距方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040130546A1 (en) * 2003-01-06 2004-07-08 Porikli Fatih M. Region growing with adaptive thresholds and distance function parameters
US20050271276A1 (en) * 2004-06-07 2005-12-08 Jianming Liang System and method for toboggan-based object segmentation using distance transform
CN102737360A (zh) * 2012-06-20 2012-10-17 四川师范大学 快速二值图像完全距离变换的方法
US20150016679A1 (en) * 2012-01-12 2015-01-15 Panasonic Corporation Feature extraction device, feature extraction method, and feature extraction program
CN104933719A (zh) * 2015-06-24 2015-09-23 辽宁工程技术大学 一种积分图块间距离检测图像边缘方法
CN107977952A (zh) * 2016-10-21 2018-05-01 冯原 医学图像分割方法及装置
CN108805896A (zh) * 2018-05-07 2018-11-13 南京理工大学 一种应用于城市环境的距离图像分割方法
CN109658453A (zh) * 2018-12-24 2019-04-19 上海曼恒数字技术股份有限公司 圆心确定方法、装置、设备及存储介质
CN109934812A (zh) * 2019-03-08 2019-06-25 腾讯科技（深圳）有限公司 图像处理方法、装置、服务器及存储介质
CN110599465A (zh) * 2019-08-28 2019-12-20 上海联影智能医疗科技有限公司 图像定位方法、装置、计算机设备和存储介质
CN110796038A (zh) * 2019-10-15 2020-02-14 南京理工大学 结合快速区域生长超像素分割的高光谱遥感图像分类方法
CN110838130A (zh) * 2018-08-15 2020-02-25 湖南大学 一种快速模糊距离变换方法
CN110930330A (zh) * 2019-11-22 2020-03-27 合肥中科离子医学技术装备有限公司 一种基于图像分割和区域增长的椒盐噪声降噪算法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040130546A1 (en) * 2003-01-06 2004-07-08 Porikli Fatih M. Region growing with adaptive thresholds and distance function parameters
US20050271276A1 (en) * 2004-06-07 2005-12-08 Jianming Liang System and method for toboggan-based object segmentation using distance transform
US20150016679A1 (en) * 2012-01-12 2015-01-15 Panasonic Corporation Feature extraction device, feature extraction method, and feature extraction program
CN102737360A (zh) * 2012-06-20 2012-10-17 四川师范大学 快速二值图像完全距离变换的方法
CN104933719A (zh) * 2015-06-24 2015-09-23 辽宁工程技术大学 一种积分图块间距离检测图像边缘方法
CN107977952A (zh) * 2016-10-21 2018-05-01 冯原 医学图像分割方法及装置
CN108805896A (zh) * 2018-05-07 2018-11-13 南京理工大学 一种应用于城市环境的距离图像分割方法
CN110838130A (zh) * 2018-08-15 2020-02-25 湖南大学 一种快速模糊距离变换方法
CN109658453A (zh) * 2018-12-24 2019-04-19 上海曼恒数字技术股份有限公司 圆心确定方法、装置、设备及存储介质
CN109934812A (zh) * 2019-03-08 2019-06-25 腾讯科技（深圳）有限公司 图像处理方法、装置、服务器及存储介质
CN110599465A (zh) * 2019-08-28 2019-12-20 上海联影智能医疗科技有限公司 图像定位方法、装置、计算机设备和存储介质
CN110796038A (zh) * 2019-10-15 2020-02-14 南京理工大学 结合快速区域生长超像素分割的高光谱遥感图像分类方法
CN110930330A (zh) * 2019-11-22 2020-03-27 合肥中科离子医学技术装备有限公司 一种基于图像分割和区域增长的椒盐噪声降噪算法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
BORGEFORS GUNILLA: "Distance Transformations in Digital Images", 《COMPUTER VISION, GRAPHICS, AND IMAGE PROCESSING》 *
BORGEFORS GUNILLA: "Distance Transformations in Digital Images", 《COMPUTER VISION, GRAPHICS, AND IMAGE PROCESSING》, 31 December 1986 (1986-12-31), pages 1 *
TAKUMI HONDA 等: "Simple and Fast Parallel Algorithms for the Voronoi Maps and the Euclidean Distance Map, with GPU implementations", 《INTERNATIONAL CONFERENCE ON PARALLEL PROCESSING》 *
于越: "基于融合颜色信息与深度信息的区域生长算法的物体定位", 《数字技术与应用》 *
于越: "基于融合颜色信息与深度信息的区域生长算法的物体定位", 《数字技术与应用》, no. 01, 5 January 2018 (2018-01-05) *
刘相滨等: "一种新的完全欧氏距离变换算法", 《计算机工程与应用》 *
刘相滨等: "一种新的完全欧氏距离变换算法", 《计算机工程与应用》, no. 13, 1 January 2006 (2006-01-01) *
赵仁亮著: "《基于Voronoi图的GIS空间关系计算》", 30 April 2006, 《北京：测绘出版社》, pages: 48 - 50 *
黄学雨等: "基于距离变换的种子点优化算法", 《福建电脑》 *
黄学雨等: "基于距离变换的种子点优化算法", 《福建电脑》, no. 07, 1 July 2009 (2009-07-01) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113484852A (zh) * 2021-07-07 2021-10-08 烟台艾睿光电科技有限公司 一种测距方法及系统
CN113484852B (zh) * 2021-07-07 2023-11-07 烟台艾睿光电科技有限公司 一种测距方法及系统

Also Published As

Publication number Publication date
CN112766338B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CN110176012B (zh) 图像中的目标分割方法、池化方法、装置及存储介质
CN110598610B (zh) 一种基于神经选择注意的目标显著性检测方法
CN109087325B (zh) 一种基于单目视觉的直接法点云三维重建及尺度确定方法
CN109472820B (zh) 单目rgb-d相机实时人脸重建方法及装置
CN107403414B (zh) 一种利于模糊核估计的图像区域选择方法和系统
CN111291768B (zh) 图像特征匹配方法及装置、设备、存储介质
JPH03206572A (ja) 階調変換自動化装置
WO2019096310A1 (en) Light field image rendering method and system for creating see-through effects
CN110866882B (zh) 基于深度置信度的分层联合双边滤波深度图修复方法
CN110853064B (zh) 一种基于最小模糊散度的图像协同分割方法
CN112947419B (zh) 避障方法、装置及设备
CN110910319B (zh) 一种基于大气散射模型的手术视频实时去雾增强方法
CN109214996A (zh) 一种图像处理方法及装置
CN118154687B (zh) 基于单目视觉的送餐机器人目标定位与避障方法及系统
CN113888438A (zh) 图像处理方法、装置及存储介质
CN111582437B (zh) 一种视差回归深度神经网络的构造方法
CN112766338A (zh) 一种计算距离图像的方法、系统及计算机可读存储介质
CN117593620A (zh) 一种基于相机和激光雷达融合的多目标检测方法及装置
CN117670965A (zh) 一种适用于红外图像的无监督单目深度估计方法及系统
CN117152330A (zh) 一种基于深度学习的点云3d模型贴图方法和装置
CN112102347B (zh) 一种基于双目视觉的台阶检测和单级台阶高度估计方法
CN110717471B (zh) 基于支持向量机模型b超图像目标检测方法及b超扫描仪
CN107194931A (zh) 一种基于双目图像匹配获取目标深度信息的方法和系统
CN114387327A (zh) 基于深度学习视差预测的合成孔径聚焦成像方法
CN113034552B (zh) 一种光流的修正方法和计算机设备

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