CN112801980B - 一种图像的角点检测方法及装置 - Google Patents

一种图像的角点检测方法及装置 Download PDF

Info

Publication number
CN112801980B
CN112801980B CN202110120181.1A CN202110120181A CN112801980B CN 112801980 B CN112801980 B CN 112801980B CN 202110120181 A CN202110120181 A CN 202110120181A CN 112801980 B CN112801980 B CN 112801980B
Authority
CN
China
Prior art keywords
pixel point
value
gray
window
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.)
Active
Application number
CN202110120181.1A
Other languages
English (en)
Other versions
CN112801980A (zh
Inventor
连彬
赵晶
马雨雷
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.)
Zhejiang Hongji Daoan Science And Technology Co ltd
Original Assignee
Zhejiang Jushi 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 Zhejiang Jushi Information Technology Co ltd filed Critical Zhejiang Jushi Information Technology Co ltd
Priority to CN202110120181.1A priority Critical patent/CN112801980B/zh
Publication of CN112801980A publication Critical patent/CN112801980A/zh
Application granted granted Critical
Publication of CN112801980B publication Critical patent/CN112801980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20164Salient point detection; Corner detection
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy

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

本发明公开一种图像的角点检测方法及装置,包括:获得第一灰度图片;根据第一灰度图片获得第一灰度值和第二灰度值;根据第一灰度值和第二灰度值计算出第一特征值和第二特征值;分别计算第一特征值与第二特征值的乘积得到第一特征结果,计算第一特征值的平方得到第二特征结果,计算第二特征值的平方得到第三特征结果;将第一特征结果与第一参数值相乘得到第一分数值,第二特征结果与第二参数值相乘得到第二分数值,第三特征结果与第三参数值相乘得到第三分数值,第一、第二和第三参数值为预先确定的参数值;将第一、第二和第三分数值相加,得到像素点分数值;若像素点分数值大于第一预定阈值,则将该像素点确定为第一灰度图片的角点。

Description

一种图像的角点检测方法及装置
技术领域
本发明涉及图像检测领域,尤其涉及一种图像的角点检测方法及装置
背景技术
在图像检测领域中,检测图像中的角点通常使用Harris角点检测方法对图像进行角点检测,Harris角点检测方法提出了应用邻近像素点灰度差值概念,从而进行判断是否为角点、边缘、平滑区域。Harris角点检测原理是利用移动的窗口在图像中计算灰度变化值,其中关键流程包括转化为灰度图像、计算差分图像、高斯平滑、计算局部极值、确认角点。Shi-Tomasi算法继承了Harris算法稳定性好,不易受到图像旋转、光照条件、视角变化和噪声影响的优点,同时比Harris算法有更强的自适应能力,能使检测到的特征点均匀分布,避免产生聚簇现象。但是这两种方法在对于带有雅马哈英文字的图像进行角点检测时不够稳定,且因计算量太大从而导致速度较慢、效率较低,所以图像检测领域急需一种能够稳定且效率较高地检测带有雅马哈英文字的图像的角点的方法。
发明内容
本发明提供一种图像的角点检测方法及装置,以至少解决现有技术中存在的以上技术问题。
本发明一方面提供一种图像的角点检测方法,包括:
获得第一灰度图片,所述第一灰度图片是由图片经过图像处理后获得的;
在所述第一灰度图片中选取任意一像素点,以该像素点为中心创建第一窗口,根据所述第一窗口获得第一灰度值;
将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,根据所述第二窗口获得第二灰度值;
根据所述第一灰度值和所述第二灰度值计算出第一特征值和第二特征值;
分别计算所述第一特征值与所述第二特征值的乘积得到第一特征结果,计算所述第一特征值的平方得到第二特征结果,计算所述第二特征值的平方得到第三特征结果;
将所述第一特征结果与第一参数值相乘得到第一分数值,所述第二特征结果与第二参数值相乘得到第二分数值,所述第三特征结果与第三参数值相乘得到第三分数值,所述第一、第二和第三参数值为预先确定的参数值;
将所述第一、第二和第三分数值相加,得到像素点分数值;
若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一灰度图片的角点。
其中,所述在所述第一灰度图片中选取任意一像素点,该方法包括:
所述第一灰度图像有N排M列,有N*M个像素点;
选取所述第一灰度图片第一排左边第一个像素点为第一像素点,第一排左边第二个像素点为第二像素点,第一排最后一个像素点为第M像素点;
选取所述第一灰度图片第二排左边第一个像素点为第M+1像素点;第二排最后一个像素点为第2*M像素点;
重复上述步骤直到选取所述第一灰度图片第N排最后一个像素点为第N*M像素点。
其中,所述将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,该方法包括:
将所述第一窗口在所述第一灰度图片中向右移动u像素,向下移动v像素,得到第二窗口。
其中,所述若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一灰度图片的角点,该方法包括:
若所述像素点分数值大于15000,则将该像素点确定为所述第一灰度图片的角点。
其中,所述将所述第一、第二和第三分数值相加,得到像素点分数值后,该方法还包括:
若所述像素点分数值小于-15000,则将该像素点确定为所述第一灰度图片的边缘。
其中,所述将所述第一、第二和第三分数值相加,得到像素点分数值后,该方法还包括:
若所述像素点分数值的绝对值小于15000,则将该像素点确定为所述第一灰度图片的平坦区。
本发明另一方面提供一种图像的角点检测装置,包括:
采集模块,用于获得第一灰度图片,所述第一灰度图片是由图片经过图像处理后获得的;
窗口处理模块,用于在所述第一灰度图片中选取任意一像素点,以该像素点为中心创建第一窗口,根据所述第一窗口获得第一灰度值;
所述窗口处理模块,还用于将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,根据所述第二窗口获得第二灰度值;
计算模块,用于根据所述第一灰度值和所述第二灰度值计算出第一特征值和第二特征值;
所述计算模块,还用于分别计算所述第一特征值与所述第二特征值的乘积得到第一特征结果,计算所述第一特征值的平方得到第二特征结果,计算所述第二特征值的平方得到第三特征结果;
所述计算模块,还用于将所述第一特征结果与第一参数值相乘得到第一分数值,所述第二特征结果与第二参数值相乘得到第二分数值,所述第三特征结果与第三参数值相乘得到第三分数值,所述第一、第二和第三参数值为预先确定的参数值;
所述计算模块,还用于将所述第一、第二和第三分数值相加,得到像素点分数值;
判断模块,用于若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一灰度图片的角点。
其中,该装置还包括:
所述窗口处理模块,还用于所述第一灰度图像有N排M列,有N*M个像素点;
所述窗口处理模块,还用于选取所述第一灰度图片第一排左边第一个像素点为第一像素点,第一排左边第二个像素点为第二像素点,第一排最后一个像素点为第M像素点;
所述窗口处理模块,还用于选取所述第一灰度图片第二排左边第一个像素点为第M+1像素点;第二排最后一个像素点为第2*M像素点;
所述窗口处理模块,还用于重复上述步骤直到选取所述第一灰度图片第N排最后一个像素点为第N*M像素点。
其中,该装置还包括:
所述窗口处理模块,还用于将所述第一窗口在所述第一灰度图片中向右移动u像素,向下移动v像素,得到第二窗口。
其中,该装置还包括:
所述判断模块,还用于若所述像素点分数值大于15000,则将该像素点确定为所述第一灰度图片的角点。
其中,该装置还包括:
所述判断模块,还用于若所述像素点分数值小于-15000,则将该像素点确定为所述第一灰度图片的边缘;
所述判断模块,还用于若所述像素点分数值的绝对值小于15000,则将该像素点确定为所述第一灰度图片的平坦区。
上述方案中,通过第一灰度图片获得第一特征值和第二特征值,再根据第一特征值和第二特征值计算出之前选取的像素点的分数值,再判断该像素点的分数值是否超过15000,若超过则将该像素点确定为第一灰度图片中的角点,大大的提高了检测时的稳定性,设置的第一、第二和第三参数值是通过预先确定的,第一、第二和第三参数值用来调整最后结果,在调整过程中确定了当这三个参数值均为0.5的时候最后结果符合预期,大大的提高了检测雅马哈英文字的角点时的速度和准确率。
附图说明
图1示出了一实施例提供的图像的角点检测方法流程示意图
图2示出了一实施例提供的图像的角点检测装置结构示意图
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,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,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域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。
为了提高对雅马哈英文字进行角点检测时的速度与稳定性,如图1所示,本发明实施例提供了一种图像的角点检测方法,该方法包括:
步骤101,获得第一灰度图片,所述第一灰度图片是由图片经过图像处理后获得的。
获取第一灰度图片,第一灰度图片是由图片经过图像处理后获得的,图片是一种包含有雅马哈英文字的图片,图像处理就是将原来彩色的图片中的所有像素经过变换得到灰度值,将对应的灰度值替换掉原先像素点上的颜色,例如:
方式一:获取图片中每个像素点的RGB颜色色值,按照灰度值=R*0.3+G*0.59+B*0.11进行转换,转换后将对应的灰度值替换掉原先像素点上的颜色即为灰度图片;
方式二:获取图片中每个像素点的RGB颜色色值,按照灰度值=(R+G+B)/3进行转换,转换后将对应的灰度值替换掉原先像素点上的颜色即为灰度图片。
步骤102,在所述第一灰度图片中选取任意一像素点,以该像素点为中心创建第一窗口,根据所述第一窗口获得第一灰度值。
在第一灰度图片中选取任意一个像素点,以该像素点为中心创建第一窗口,计算第一窗口中各像素点的灰度值,将这些灰度值相加获得第一灰度值。
步骤103,将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,根据所述第二窗口获得第二灰度值。
将第一窗口在第一灰度图片中移动后得到第二窗口,计算第二窗口中各像素点的灰度值,将这些灰度值相加获得第二灰度值。
步骤104,根据所述第一灰度值和所述第二灰度值计算出第一特征值和第二特征值。
例如:以第一灰度图片左上角为原点,创建一个直角坐标系,之前选择的像素点的坐标为(x,y),再以点(x,y)为中心点创建一个3*3像素大小的窗口,计算该位置的像素灰度值为I(x,y),使该窗口向右滑动u像素,再向下滑动v像素,则移动后的窗口的中心点为点(x+u,y+v),计算移动后的该位置的像素灰度值为I(x+u,y+v),则[I(x+u,y+v)-I(x,y)]就是窗口移动引起的灰度值的变化值,设w(x,y)为位置(x,y)处的窗口函数,表示窗口内各像素的权重,最简单的就是把窗口内所有像素的权重都设为1,有时也会把w(x,y)设定为以窗口中心为原点的高斯分布(二元正态分布),如果窗口中心点像素是角点,那么窗口移动前后,中心点的灰度值变化非常强烈,所以该点权重系数应该设大一点,表示该点对灰度变化的贡献较大;而离窗口中心(角点)较远的点,这些点的灰度变化比较小,于是将权重系数设小一点,表示该点对灰度变化的贡献较小,则窗口移动所造成的像素灰度值的变化量公式为对于一个角点来说,E(u,v)会非常大。因此,我们可以最大化上面这个函数来得到图像中的角点。用上面的函数计算E(u,v)会非常慢。因此,我们使用泰勒展开式(只有一阶)来得到这个公式的近似形式。对于二维的泰勒展开式公式为:T(x,y)≈f(u,v)+(x u)fx(u,v)+(y v)fy(u,v)+...,将I(x+u,y+v)套用上面的公式,可以得到:I(x+u,y+v)≈I(x,y)+uIx+vIy,其中Ix和Iy是I的偏微分,接下来继续推导:/>把u和v拿出来,得到最终的形式:/>其中矩阵M为:/>最后是把实对称矩阵对角化处理后的结果,可以把R看成旋转因子,其不影响两个正交方向的变化分量,经对角化处理后,将两个正交方向的变化分量提取出来,就是第一特征值λ1和第二特征值λ2。
步骤105,分别计算所述第一特征值与所述第二特征值的乘积得到第一特征结果,计算所述第一特征值的平方得到第二特征结果,计算所述第二特征值的平方得到第三特征结果。
将第一特征值λ1和第二特征值λ2相乘,得到第一特征结果,也就是λ1*λ2,计算第一特征值的平方,得到第二特征结果,也就是λ12,计算第二特征值的平方,得到第三特征结果,也就是λ22
步骤106,将所述第一特征结果与第一参数值相乘得到第一分数值,所述第二特征结果与第二参数值相乘得到第二分数值,所述第三特征结果与第三参数值相乘得到第三分数值,所述第一、第二和第三参数值为预先确定的参数值。
将第一特征结果与第一参数值相乘得到第一分数值,也就是k1*(λ1*λ2),将第二特征结果与第二参数值相乘得到第二分数值,也就是k2*λ12,第三特征结果与第三参数值相乘得到第三分数值,也就是k3*λ22,,本实施例预先确定了第一、第二和第三参数值用来调整最后结果,在调整过程中确定了当这三个参数值均为0.5的时候,最后结果符合预期。
步骤107,将所述第一、第二和第三分数值相加,得到像素点分数值。
将第一、第二和第三分数值相加,得到像素点分数值R,也就是R=k1*(λ1*λ2)+k2*λ12+k3*λ22
步骤108,若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一灰度图片的角点。
判断像素点分数值R是否大于第一预定阈值,则将该像素点确定为第一灰度图片的角点,角点是以该像素点为中心的窗口移动后在水平方向和垂直方向都产生了明显的灰度变化的像素点。
在步骤102中,所述在所述第一灰度图片中选取任意一像素点,该方法包括:
步骤201,所述第一灰度图像有N排M列,有N*M个像素点。
步骤202,选取所述第一灰度图片第一排左边第一个像素点为第一像素点,第一排左边第二个像素点为第二像素点,第一排最后一个像素点为第M像素点。
步骤203,选取所述第一灰度图片第二排左边第一个像素点为第M+1像素点;第二排最后一个像素点为第2*M像素点;
步骤204,重复上述步骤直到选取所述第一灰度图片第N排最后一个像素点为第N*M像素点。
在步骤103中,所述将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,该方法包括:
步骤301,将所述第一窗口在所述第一灰度图片中向右移动u像素,向下移动v像素,得到第二窗口。
将第一窗口在第一灰度图片中向右移动u像素,向下移动v像素,得到第二窗口,例如以第一灰度图片左上角为原点创建直角坐标系,第一窗口的中心点在第一灰度图片中的坐标为(x,y),则移动后第二窗口的中心点在第一灰度图片中的坐标为(x+u,y+v)。
在步骤108中,所述若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一灰度图片的角点,该方法包括:
步骤401,若所述像素点分数值大于15000,则将该像素点确定为所述第一灰度图片的角点。
第一预定阈值在本实施例中为15000,若该像素点分数值R大于15000,则将该像素点确定为第一灰度图片的角点。
在步骤107中,所述将所述第一、第二和第三分数值相加,得到像素点分数值后,该方法还包括:
步骤501,若所述像素点分数值小于-15000,则将该像素点确定为所述第一灰度图片的边缘;
判断像素点分数值R是否小于第二预定阈值,第二预定阈值在本实施例中为-15000,若该像素点分数值R小于-15000,则将该像素点确定为第一灰度图片的边缘,边缘是以该像素点为中心的窗口移动后在水平方向和垂直方向中的单个方向产生了明显的灰度变化的像素点。
在步骤107中,所述将所述第一、第二和第三分数值相加,得到像素点分数值后,该方法还包括:
步骤601,若所述像素点分数值的绝对值小于15000,则将该像素点确定为所述第一灰度图片的平坦区。
判断像素点分数值R的绝对值是否小于第一预定阈值,第一预定阈值在本实施例中为15000,若该像素点分数值R的绝对值小于15000,则将该像素点确定为第一灰度图片的平坦区,平坦区是以该像素点为中心的窗口移动后在水平方向和垂直方向都没有产生明显的灰度变化的像素点。
在本实施例中通过第一灰度图片获得第一特征值和第二特征值,再根据第一特征值和第二特征值计算出之前选取的像素点的分数值,再判断该像素点的分数值是否超过15000,若超过则将该像素点确定为第一灰度图片中的角点,大大的提高了检测时的稳定性,设置的第一、第二和第三参数值是通过预先确定的,第一、第二和第三参数值用来调整最后结果,在调整过程中确定了当这三个参数值均为0.5的时候最后结果符合预期,大大的提高了检测雅马哈英文字的角点时的速度和准确率。
本发明实施例还提供了一种图像的角点检测装置,该装置包括:
采集模块10,用于获得第一灰度图片,所述第一灰度图片是由图片经过图像处理后获得的;
窗口处理模块20,用于在所述第一灰度图片中选取任意一像素点,以该像素点为中心创建第一窗口,根据所述第一窗口获得第一灰度值;
所述窗口处理模块20,还用于将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,根据所述第二窗口获得第二灰度值;
计算模块30,用于根据所述第一灰度值和所述第二灰度值计算出第一特征值和第二特征值;
所述计算模块30,还用于分别计算所述第一特征值与所述第二特征值的乘积得到第一特征结果,计算所述第一特征值的平方得到第二特征结果,计算所述第二特征值的平方得到第三特征结果;
所述计算模块30,还用于将所述第一特征结果与第一参数值相乘得到第一分数值,所述第二特征结果与第二参数值相乘得到第二分数值,所述第三特征结果与第三参数值相乘得到第三分数值,所述第一、第二和第三参数值为预先确定的参数值;
所述计算模块30,还用于将所述第一、第二和第三分数值相加,得到像素点分数值;
判断模块40,用于若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一图片的角点。
其中,该装置还包括:
所述窗口处理模块20,还用于所述第一灰度图像有N排M列,有N*M个像素点;
所述窗口处理模块20,还用于选取所述第一灰度图片第一排左边第一个像素点为第一像素点,第一排左边第二个像素点为第二像素点,第一排最后一个像素点为第M像素点;
所述窗口处理模块20,还用于选取所述第一灰度图片第二排左边第一个像素点为第M+1像素点;第二排最后一个像素点为第2*M像素点;
所述窗口处理模块20,还用于重复上述步骤直到选取所述第一灰度图片第N排最后一个像素点为第N*M像素点。
其中,该装置还包括:
所述窗口处理模块20,还用于将所述第一窗口在所述第一灰度图片中向右移动u像素,向下移动v像素,得到第二窗口。
其中,该装置还包括:
所述判断模块40,还用于若所述像素点分数值大于15000,则将该像素点确定为所述第一图片的角点。
其中,该装置还包括:
所述判断模块40,还用于若所述像素点分数值小于-15000,则将该像素点确定为所述第一图片的边缘;
所述判断模块40,还用于若所述像素点分数值的绝对值小于15000,则将该像素点确定为所述第一图片的平坦区。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种图像的角点检测方法,其特征在于,包括:
获得第一灰度图片,所述第一灰度图片是由图片经过图像处理后获得的;
在所述第一灰度图片中选取任意一像素点,以该像素点为中心创建第一窗口,根据所述第一窗口获得第一灰度值;
将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,根据所述第二窗口获得第二灰度值;
根据所述第一灰度值和所述第二灰度值计算出第一特征值和第二特征值;
分别计算所述第一特征值与所述第二特征值的乘积得到第一特征结果,计算所述第一特征值的平方得到第二特征结果,计算所述第二特征值的平方得到第三特征结果;
将所述第一特征结果与第一参数值相乘得到第一分数值,所述第二特征结果与第二参数值相乘得到第二分数值,所述第三特征结果与第三参数值相乘得到第三分数值,第一、第二和第三参数值为预先确定的参数值;
将第一、第二和第三分数值相加,得到像素点分数值;
若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一灰度图片的角点。
2.根据权利要求1所述的图像的角点检测方法,其特征在于,所述在所述第一灰度图片中选取任意一像素点,该方法包括:
所述第一灰度图像有N排M列,有N*M个像素点;
选取所述第一灰度图片第一排左边第一个像素点为第一像素点,第一排左边第二个像素点为第二像素点,第一排最后一个像素点为第M像素点;
选取所述第一灰度图片第二排左边第一个像素点为第M+1像素点;第二排最后一个像素点为第2*M像素点;
重复上述步骤直到选取所述第一灰度图片第N排最后一个像素点为第N*M像素点。
3.根据权利要求1所述的图像的角点检测方法,其特征在于,所述将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,该方法包括:
将所述第一窗口在所述第一灰度图片中向右移动u像素,向下移动v像素,得到第二窗口。
4.根据权利要求1所述的图像的角点检测方法,其特征在于,所述若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一灰度图片的角点,该方法包括:
若所述像素点分数值大于15000,则将该像素点确定为所述第一灰度图片的角点。
5.根据权利要求1所述的图像的角点检测方法,其特征在于,所述将第一、第二和第三分数值相加,得到像素点分数值后,该方法还包括:
若所述像素点分数值小于-15000,则将该像素点确定为所述第一灰度图片的边缘;
该方法还包括:
若所述像素点分数值的绝对值小于15000,则将该像素点确定为所述第一灰度图片的平坦区。
6.一种图像的角点检测装置,其特征在于,包括:
采集模块,用于获得第一灰度图片,所述第一灰度图片是由图片经过图像处理后获得的;
窗口处理模块,用于在所述第一灰度图片中选取任意一像素点,以该像素点为中心创建第一窗口,根据所述第一窗口获得第一灰度值;
所述窗口处理模块,还用于将所述第一窗口在所述第一灰度图片中移动后得到第二窗口,根据所述第二窗口获得第二灰度值;
计算模块,用于根据所述第一灰度值和所述第二灰度值计算出第一特征值和第二特征值;
所述计算模块,还用于分别计算所述第一特征值与所述第二特征值的乘积得到第一特征结果,计算所述第一特征值的平方得到第二特征结果,计算所述第二特征值的平方得到第三特征结果;
所述计算模块,还用于将所述第一特征结果与第一参数值相乘得到第一分数值,所述第二特征结果与第二参数值相乘得到第二分数值,所述第三特征结果与第三参数值相乘得到第三分数值,第一、第二和第三参数值为预先确定的参数值;
所述计算模块,还用于将第一、第二和第三分数值相加,得到像素点分数值;
判断模块,用于若所述像素点分数值大于第一预定阈值,则将该像素点确定为所述第一灰度图片的角点。
7.根据权利要求6所述的图像的角点检测装置,其特征在于,该装置还包括:
所述窗口处理模块,还用于所述第一灰度图像有N排M列,有N*M个像素点;
所述窗口处理模块,还用于选取所述第一灰度图片第一排左边第一个像素点为第一像素点,第一排左边第二个像素点为第二像素点,第一排最后一个像素点为第M像素点;
所述窗口处理模块,还用于选取所述第一灰度图片第二排左边第一个像素点为第M+1像素点;第二排最后一个像素点为第2*M像素点;
所述窗口处理模块,还用于重复上述步骤直到选取所述第一灰度图片第N排最后一个像素点为第N*M像素点。
8.根据权利要求6所述的图像的角点检测装置,其特征在于,该装置还包括:
所述窗口处理模块,还用于将所述第一窗口在所述第一灰度图片中向右移动u像素,向下移动v像素,得到第二窗口。
9.根据权利要求6所述的图像的角点检测装置,其特征在于,该装置还包括:
所述判断模块,还用于若所述像素点分数值大于15000,则将该像素点确定为所述第一灰度图片的角点。
10.根据权利要求6所述的图像的角点检测装置,其特征在于,该装置还包括:
所述判断模块,还用于若所述像素点分数值小于-15000,则将该像素点确定为所述第一灰度图片的边缘;
所述判断模块,还用于若所述像素点分数值的绝对值小于15000,则将该像素点确定为所述第一灰度图片的平坦区。
CN202110120181.1A 2021-01-28 2021-01-28 一种图像的角点检测方法及装置 Active CN112801980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110120181.1A CN112801980B (zh) 2021-01-28 2021-01-28 一种图像的角点检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110120181.1A CN112801980B (zh) 2021-01-28 2021-01-28 一种图像的角点检测方法及装置

Publications (2)

Publication Number Publication Date
CN112801980A CN112801980A (zh) 2021-05-14
CN112801980B true CN112801980B (zh) 2023-08-08

Family

ID=75812575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110120181.1A Active CN112801980B (zh) 2021-01-28 2021-01-28 一种图像的角点检测方法及装置

Country Status (1)

Country Link
CN (1) CN112801980B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5625717A (en) * 1992-06-24 1997-04-29 Mitsubishi Denki Kabushiki Kaisha Image processing device for processing grey level images
CN101266648A (zh) * 2007-03-13 2008-09-17 爱信精机株式会社 面部特征点检测装置、面部特征点检测方法及其程序
CN109978911A (zh) * 2019-02-22 2019-07-05 青岛小鸟看看科技有限公司 一种图像特征点跟踪方法和相机
CN110348263A (zh) * 2019-06-24 2019-10-18 西安理工大学 一种基于图像识别的二维随机码图像识别与提取方法
WO2019232945A1 (zh) * 2018-06-08 2019-12-12 平安科技(深圳)有限公司 图像处理方法、装置、计算机设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5625717A (en) * 1992-06-24 1997-04-29 Mitsubishi Denki Kabushiki Kaisha Image processing device for processing grey level images
CN101266648A (zh) * 2007-03-13 2008-09-17 爱信精机株式会社 面部特征点检测装置、面部特征点检测方法及其程序
WO2019232945A1 (zh) * 2018-06-08 2019-12-12 平安科技(深圳)有限公司 图像处理方法、装置、计算机设备及存储介质
CN109978911A (zh) * 2019-02-22 2019-07-05 青岛小鸟看看科技有限公司 一种图像特征点跟踪方法和相机
CN110348263A (zh) * 2019-06-24 2019-10-18 西安理工大学 一种基于图像识别的二维随机码图像识别与提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
角点检测技术综述;朱思聪等;《计算机系统应用》;第22-28页 *

Also Published As

Publication number Publication date
CN112801980A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN108304820B (zh) 一种人脸检测方法、装置及终端设备
CN104463209B (zh) 一种基于bp神经网络的pcb板上数字代码识别方法
JP5409237B2 (ja) パターン検出装置、その処理方法及びプログラム
CN109242870A (zh) 一种基于图像划分和纹理特征的海天线检测方法
US9824267B2 (en) Writing board detection and correction
CN111553914B (zh) 基于视觉的货物检测方法、装置、终端及可读存储介质
CN110120059B (zh) 一种图标生成方法及装置
CN116630802A (zh) 一种基于SwinT与尺寸自适应卷积的电力设备锈蚀缺陷图像检测方法
CN111967466A (zh) 一种利用多方向稀疏低秩分解的红外弱小目标检测方法
CN110793441B (zh) 一种高精度物体几何尺寸测量方法及装置
CN112801980B (zh) 一种图像的角点检测方法及装置
CN108133226B (zh) 一种基于harris改进的三维点云特征提取方法
CN106951902B (zh) 一种图像二值化处理方法及装置
CN107561106B (zh) 一种条痕状形貌表征参数的测量方法及装置
CN108629227B (zh) 在图像中确定车辆左右边界的方法及系统
CN107480710B (zh) 特征点匹配结果处理方法和装置
JP4685711B2 (ja) 画像処理方法及び装置及びプログラム
JP2016164709A (ja) 画像処理装置、撮像装置および画像処理プログラム
CN109523533B (zh) 一种图像质量评价方法及装置
US20230175840A1 (en) Three-dimensional shape measuring method and three-dimensional shape measuring apparatus
CN116416227A (zh) 背景图像处理方法和装置
CN116523871A (zh) 一种加工件缺陷检测方法、装置、电子设备及存储介质
CN111027512A (zh) 一种遥感图像近岸船检测与定位方法及装置
JP6408414B2 (ja) 動物体検出装置及びその背景モデル構築方法
CN113592907A (zh) 基于光流的视觉伺服跟踪方法及装置

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
TR01 Transfer of patent right

Effective date of registration: 20240729

Address after: 321404 No. 20, Shanyan Road, Huzhen Town, Jinyun County, Lishui City, Zhejiang Province

Patentee after: Zhejiang Hongji Daoan Science and Technology Co.,Ltd.

Country or region after: China

Address before: Room 302, building 5, 1818-2 Wenyi West Road, Yuhang street, Yuhang District, Hangzhou City, Zhejiang Province

Patentee before: Zhejiang Jushi Information Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right