CN112884790A - 一种图形分析方法、系统及存储介质 - Google Patents
一种图形分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN112884790A CN112884790A CN202110417913.3A CN202110417913A CN112884790A CN 112884790 A CN112884790 A CN 112884790A CN 202110417913 A CN202110417913 A CN 202110417913A CN 112884790 A CN112884790 A CN 112884790A
- Authority
- CN
- China
- Prior art keywords
- information
- contour
- graph
- processed
- sampling
- 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
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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Abstract
本申请公开了一种图形分析方法、系统及存储介质,该方法在获取了待分析图形的轮廓图形的多个第一采样点后,将每个第一采样点的二维坐标信息转换为复数形式的坐标信息,而复数形式的坐标信息不仅包括第一采样点距离原点的距离信息,还包括第一采样点相较于相邻第一采样点的角度信息,多个第一采样点对应的复数形式的坐标信息构成了二维信息矩阵,最后利用复数傅里叶变换对二维信息矩阵进行处理,以获得轮廓图形的形状信息。由于二维信息矩阵中保存着第一采样点距离原点的距离信息,以及第一采样点相较于相邻第一采样点的角度信息,避免了在图形分析过程中多个第一采样点相较于相邻第一采样点的角度信息的丢失,提高了最终获取的形状信息的准确性。
Description
本申请为申请日为2019年12月10日,申请号为201911256936.X,发明名称为:一种图形分析方法、系统及存储介质的分案申请。
技术领域
本申请涉及图形处理技术领域,更具体地说,涉及一种图形分析方法、系统及存储介质。
背景技术
二维图形的分析方法在各个领域都有着重要的应用,例如在工业控制领域,通常需要获取产品过程图像并对其进行监视,以获取过程图像的变化情况;又例如在生物学领域中经常需要获取病变组织的轮廓图形并监视病变组织的轮廓图形的变化情况。
现有技术中,通常在获取了一个二维图形的轮廓图形后,使用四方框架(Tetragonum)来构型,然后利用构型的长/短边作为这个椭圆形状的轮廓图形的长轴/短轴,以此来表征这个轮廓图形的椭圆度。但是在实际应用中发现,该方法对二维图形进行分析的过程会丢失轮廓图形的信息,获得的表征轮廓图形的形状信息是不准确的。
发明内容
为解决上述技术问题,本申请提供了一种图形分析方法、系统及存储介质,以实现提高获取的二维图形的形状信息的准确性的目的。
为实现上述技术目的,本申请实施例提供了如下技术方案:
一种图形分析方法,包括:
获取第一坐标系;
获取待分析图形的轮廓图形的多个第一采样点,并记录所述第一采样点在所述第一坐标系中的二维坐标信息;
将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,以获得二维信息矩阵;
利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息;
其中,利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息,包括:
利用复数傅里叶变换从所述二维信息矩阵中提取不同类型的变形信息,每个类型的变形信息对应于一个傅里叶级数;
基于所述变形信息,建立基准轮廓;
根据所述基准轮廓以及所述待分析图案的轮廓,分析所述轮廓图形的形状信息。
可选的,所述获取第一坐标系包括:
获取待分析图形的轮廓图形,并以所述轮廓图形的内部一点作为原点建立第一坐标系。
可选的,所述基于所述变形信息,建立基准轮廓包括:
将所述变形信息中基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息;
利用逆傅里叶变换对所述待处理基准轮廓信息进行处理,建立基准轮廓。
可选的,所述获取待分析图形的轮廓图形的多个第一采样点包括:
在所述轮廓图形上确定多个所述第一采样点,相邻所述第一采样点与所述第一坐标系的原点的连线之间的角度相等。
可选的,所述获取待分析图形的轮廓图形的多个第一采样点包括:
在所述轮廓图形上确定多个所述第一采样点,相邻所述第一采样点与所述第一坐标系的横坐标的垂线之间的距离相同。
可选的,所述第一采样点的数量为2的正整数次幂。
可选的,所述将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息包括:
以所述第一采样点的二维坐标信息中的横轴坐标值作为实数部分,以所述第一采样点的二维坐标信息中的纵轴坐标值作为虚数部分,以将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息。
可选的,所述利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息还包括:
去除提取的变形信息中无用的变形信息,获得待处理信息;
利用逆傅里叶变换对所述待处理信息进行处理,以获得待处理轮廓;
其中,所述将所述形变信息中基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息,包括:将所述待处理信息中的基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息;
所述根据所述基准轮廓以及所述待分析图案的轮廓,分析所述轮廓图形的形状信息,包括:根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息。
可选的,所述根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息包括:
以所述基准轮廓的圆心为原点,建立第二坐标系;
以预设间隔对所述待处理轮廓进行采样,以获得多个第二采样点;
计算所述第二采样点距离所述第二坐标系的原点的距离;
将所述第二采样点距离所述第二坐标系的原点的距离与所述基准轮廓的半径的差值,作为所述第二采样点的外圆值;
将所述第二采样点的外圆值的绝对值与所述预设采样间隔的乘积,作为所述第二采样点的形变面积;
将所有所述第二采样点的形变面积的和,作为所述轮廓图形的形变。
一种图形分析系统,包括:
图形获取模块,用于获取第一坐标系;
第一采样模块,用于获取待分析图形的轮廓图形的多个第一采样点,并记录所述第一采样点在所述第一坐标系中的二维坐标信息;
信息转换模块,用于将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,以获得二维信息矩阵;
信息处理模块,用于利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息;
其中,所述信息处理模块包括:
第一变换单元,用于利用复数傅里叶变换从所述二维信息矩阵中提取不同类型的变形信息,每个类型的变形信息对应于一个傅里叶级数;
轮廓建立单元,用于基于所述变形信息,建立基准轮廓;
信息获取单元,用于根据所述基准轮廓以及所述待分析图形的轮廓,分析所述轮廓图形的形状信息。
可选的,所述图形获取模块具体用于,获取待分析图形的轮廓图形,并以所述轮廓图形的内部一点作为原点建立第一坐标系。
可选的,所述轮廓建立单元包括:
基准信息单元,用于将变形信息中基准轮廓所对应傅里叶级数作为待处理基准轮廓;
基准轮廓单元,用于利用逆傅里叶变换对所述待处理基准轮廓信息进行处理,建立基准轮廓。
可选的,所述信息处理模块还包括:
信息去除单元,用于去除提取的变形信息中无用的变形信息,获得待处理信息;
第二变换单元,用于利用逆傅里叶变换对所述待处理信息进行处理,以获得待处理轮廓;
其中,所述基准信息单元用于将所述待处理信息中基准轮廓所对应傅里叶级数作为待处理基准轮廓;
所述信息获取单元具体用于根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息。
可选的,所述信息获取单元根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息的过程具体包括:
以所述基准轮廓的圆心为原点,建立第二坐标系;
以预设间隔对所述待处理轮廓进行采样,以获得多个第二采样点;
计算所述第二采样点距离所述第二坐标系的原点的距离;
将所述第二采样点距离所述第二坐标系的原点的距离与所述基准轮廓的半径的差值,作为所述第二采样点的外圆值;
将所述第二采样点的外圆值的绝对值与所述预设采样间隔的乘积,作为所述第二采样点的形变面积;
将所有所述第二采样点的形变面积的和,作为所述轮廓图形的形变。
一种存储介质,所述存储介质中存储有程序,所述程序被触发时执行上述任一项所述的图形分析方法。
一种图形分析系统,包括存储器和处理器,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,所述程序代码用于执行上述任一项所述的图形分析方法。
从上述技术方案可以看出,本申请实施例提供了一种图形分析方法、系统及存储介质,其中,所述图形分析方法在获取了待分析图形的轮廓图形的多个第一采样点后,将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,而复数形式的坐标信息不仅包括所述第一采样点距离所述原点的距离信息,还包括所述第一采样点相较于相邻所述第一采样点的角度信息,多个第一采样点对应的复数形式的坐标信息构成了二维信息矩阵,最后利用复数傅里叶变换对所述二维信息矩阵进行处理,以获得所述轮廓图形的形状信息。由于二维信息矩阵中保存着所有第一采样点的距离所述原点的距离信息,以及所述第一采样点相较于相邻所述第一采样点的角度信息,避免了在图形分析过程中多个第一采样点相较于相邻所述第一采样点的角度信息的丢失,提高了最终获取的所述轮廓图形的形状信息的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1-3为现有技术中对二维图形的轮廓图形的分析过程示意图;
图4为本申请的一个实施例提供的一种图形分析方法的流程示意图;
图5为本申请的一个实施例提供的在轮廓图形中建立的第一坐标系的示意图;
图6为本申请的一个实施例提供的在轮廓图形中选取第一采样点的示意图;
图7为本申请的一个实施例提供的在轮廓图形中选取第一采样点的过程示意图;
图8为本申请的另一个实施例提供的在轮廓图形中选取第一采样点的过程示意图;
图9为本申请的另一个实施例提供的一种图形分析方法的流程示意图。
具体实施方式
参考图1-3,现有技术中对二维图形的轮廓图形的分析过程大致包括以下步骤:
(1)、首先基于四方形框架找到轮廓图形的中心;
(2)、然后测量这个轮廓图形经过该中心的不同角度的直径或半径;
(3)、最后利用实数傅里叶变换去提取这个轮廓图形的信息。图1和图2示出了利用四方形框架对不同的二维轮廓图形的构型示意图,图3示出了利用实数傅里叶变换提取这个轮廓图形的信息的示意图,在这个过程中,以测量轮廓图形经过中心的不同角度的直径为例,在经过步骤(2)之后,只能获得轮廓图形经过该中心的不同角度的直径阵列,如下面的矩阵所示,这个矩阵中仅仅包含了轮廓图形的不同角度的直径信息,而并没有任何的角度信息,这使得该矩阵在经过步骤(3)后提取的轮廓图形的信息是不准确的。
有鉴于此,本申请实施例提供了一种图形分析方法,包括:
获取第一坐标系;
获取待分析图形的轮廓图形的多个第一采样点,并记录所述第一采样点在所述第一坐标系中的二维坐标信息;
将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,以获得二维信息矩阵;
利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息;
其中,利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息,包括:
利用复数傅里叶变换从所述二维信息矩阵中提取不同类型的变形信息,每个类型的变形信息对应于一个傅里叶级数;
基于所述变形信息,建立基准轮廓;
根据所述基准轮廓以及所述待分析图案的轮廓,分析所述轮廓图形的形状信息。
所述图形分析方法在采样了多个第一采样点的二维坐标信息后,将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,而复数形式的坐标信息不仅包括所述第一采样点距离所述原点的距离信息,还包括所述第一采样点相较于相邻所述第一采样点的角度信息,多个第一采样点对应的复数形式的坐标信息构成了二维信息矩阵,最后利用复数傅里叶变换对所述二维信息矩阵进行处理,以获得所述轮廓图形的形状信息。由于二维信息矩阵中保存着所有第一采样点的距离所述原点的距离信息,以及所述第一采样点相较于相邻所述第一采样点的角度信息,避免了在图形分析过程中多个第一采样点相较于相邻所述第一采样点的角度信息的丢失,提高了最终获取的所述轮廓图形的形状信息的准确性。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通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,都属于本申请保护的范围。
本申请实施例提供了一种图形分析方法,如图4所示,包括:
S101:获取第一坐标系;
可选的,所述获取第一坐标系的过程具体包括:获取待分析图形的轮廓图形,并以所述轮廓图形的内部一点作为原点建立第一坐标系;
所述待分析图形是指需要进行分析的图形,例如可以是半导体制程过程中的半成品、成品图形,也可以是生物学分析过程中的病变组织的图形,还可以是其他工业过程中的过程图像等。
在获取了待分析图形后,可以利用边缘检测、轮廓提取或轮廓跟踪等方式获取待分析图形的轮廓图形,本申请对所述轮廓图形的获取方式并不做限定。
参考图5,在获取了所述轮廓图形后,将轮廓图形内部的任意一点作为原点建立第一坐标系即可,但需要注意的是,所述第一坐标系的原点需要在轮廓图形的内部,并不能是轮廓图形上的某一点。图5中,标号LP表示所述轮廓图形,O1表示所述第一坐标系的原点,x和y分别表示所述第一坐标系的横轴和纵轴。在图5中,所述第一坐标系为XY坐标系,在本申请的其他实施例中,所述第一坐标系还可以是极坐标系等二维坐标系。
S102:获取待分析图形的轮廓图形的多个第一采样点,并记录所述第一采样点在所述第一坐标系中的二维坐标信息;
可选的,所述获取待分析图形的轮廓图形的多个第一采样点包括:
在所述轮廓图形上确定多个所述第一采样点,相邻所述第一采样点与所述第一坐标系的原点的连线之间的角度相等。
参考图6,图6为所述轮廓图形及第一采样点的示意图,图6中sample表示所述第一采样点,所述二维坐标信息即为所述第一采样点在所述第一坐标系中的横坐标及纵坐标,可以以(x1,y1)、(x2,y2)…(xn,yn)等表示。
S103:将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,以获得二维信息矩阵;
可选的,步骤S103具体包括:将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,以获得二维信息矩阵,所述复数形式的坐标信息包括所述第一采样点距离所述原点的距离信息,以及所述第一采样点相较于相邻所述第一采样点的角度信息;
可选的,所述将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息包括:
以所述第一采样点的二维坐标信息中的横轴坐标值作为实数部分,以所述第一采样点的二维坐标信息中的纵轴坐标值作为虚数部分,以将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息。
即当所述第一采样点的二维坐标信息分别为(x1,y1)、(x2,y2)…(xn,yn)时,当其转换为复数形式的坐标信息后,其表现方式可以为x1+y1i。所述二维信息矩阵的表现形式可以为所述二维信息矩阵中除了可以存储所述第一采样点距离所述原点的距离信息,还可以存储所述第一采样点相较于相邻所述第一采样点的角度信息。
S104:利用复数傅里叶变换(Complex Fourier Transform)对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息。
在本实施例中,所述图形分析方法在采样了多个第一采样点的二维坐标信息后,将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,而复数形式的坐标信息不仅包括所述第一采样点距离所述原点的距离信息,还包括所述第一采样点相较于相邻所述第一采样点的角度信息,多个第一采样点对应的复数形式的坐标信息构成了二维信息矩阵,最后利用复数傅里叶变换对所述二维信息矩阵进行处理,以获得所述轮廓图形的形状信息。由于二维信息矩阵中保存着所有第一采样点的距离所述原点的距离信息,以及所述第一采样点相较于相邻所述第一采样点的角度信息,避免了在图形分析过程中多个第一采样点相较于相邻所述第一采样点的角度信息的丢失,提高了最终获取的所述轮廓图形的形状信息的准确性。
在上述实施例的基础上,本申请的一个实施例提供了两种可行的对所述轮廓图形进行采样,以获得多个第一采样点的方法:
参考图7,所述对所述轮廓图形进行采样,以获得多个第一采样点包括:
在所述轮廓图形上确定多个所述第一采样点,相邻所述第一采样点与所述第一坐标系的原点的连线之间的角度相等。
该第一采样点的获取过程还可描述为:以所述原点为起点,设置多条射线,每两条相邻射线的之间的角度相等;
将所述射线与所述轮廓图形的交点作为所述第一采样点。
参考图8,所述对所述轮廓图形进行采样,以获得多个第一采样点包括:
在所述轮廓图形上确定多个所述第一采样点,相邻所述第一采样点与所述第一坐标系的横坐标的垂线之间的距离相同。
该第一采样点的获取过程还可描述为:设置多条平行于所述第一坐标系的第一轴或第二轴的采样线,每两条相邻的采样线之间的间距相同;
将所述采样线与所述轮廓图形的交点作为所述第一采样点。
在图7中,每两个相邻采样点与第一坐标系的圆心的连线的角度相同,在图8中,每两个相邻采样点与第一坐标系的横轴或纵轴的垂点的之间的距离相同。在图7和图8中,均以第一坐标系为XY坐标系为例进行说明,相应的,当所述第一坐标系为XY坐标系时,所述第一轴和第二轴分别为X轴和Y轴;在本申请的其他实施例中,所述第一坐标系还可以为极坐标系,当所述第一坐标系为极坐标系时,所述第一轴和第二轴可以分别为r轴和θ轴,本申请对此并不做限定,具体视实际情况而定。
可选的,所述对所述轮廓图形进行采样获得的第一采样点的数量为2的正整数次幂,以简化后续的计算过程(便于复数傅里叶变换计算),减少计算时间,提升复数傅里叶变换对所述二维信息矩阵的分析效率。
在上述实施例的基础上,在本申请的另一个实施例中,如图9所示,所述利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息包括:
S1041:利用复数傅里叶变换从所述二维信息矩阵中提取不同类型的变形信息,每个类型的变形信息对应于一个傅里叶级数;
S1042:基于所述变形信息,建立基准轮廓;
S1043:根据所述基准轮廓以及所述待分析图案的轮廓,分析所述轮廓图形的形状信息。
可选的,步骤S1042包括:将所述变形信息中基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息;
利用逆傅里叶变换对所述待处理基准轮廓信息进行处理,建立基准轮廓。
可选的,步骤S1043包括:
S10431:去除提取的变形信息中无用的变形信息,获得待处理信息;
可选的,所述提取的变形信息中误用的变形信息可以是2次变形(2-timesdeformation)信息。
S10432:利用逆傅里叶变换(Inverse Fourier Transform)对所述待处理信息进行处理,以获得待处理轮廓;
其中,所述将所述形变信息中基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息,包括:将所述待处理信息中的基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息;
所述根据所述基准轮廓以及所述待分析图案的轮廓,分析所述轮廓图形的形状信息,包括:根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息。
所述基准轮廓与所述待分析图形的形状相关,当所述待分析图形接近圆形时,所述基准轮廓即为基准圆;当所述待分析图形接近三角等其他形状时,所述基准轮廓即为与待分析图形相近的标准图形。
其中可选的,所述根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息包括:
S10461:以所述基准轮廓的圆心为原点,建立第二坐标系;
S10462:以预设间隔对所述待处理轮廓进行采样,以获得多个第二采样点;
S10463:利用第一预设公式计算所述第二采样点距离所述第二坐标系的原点的距离;
S10464:将所述第二采样点距离所述第二坐标系的原点的距离与所述基准轮廓的半径的差值,作为所述第二采样点的外圆值;
S10465:将所述第二采样点的外圆值的绝对值与所述预设采样间隔的乘积,作为所述第二采样点的形变面积;
S10466:将所有所述第二采样点的形变面积的和,作为所述轮廓图形的形变;
其中,所述预设间隔一般以能够达到预期分辨率,能识别图形最小变形度为准,一般取32/64/128等数值基本能表征目前常见分辨率的图形。
下面对本申请实施例提供的图形分析系统进行描述,下文描述的图形分析系统可与上文描述的图形分析方法相互对应参照。
相应的,本申请实施例还提供了一种图形分析系统,包括:
图形获取模块,用于获取第一坐标系;
第一采样模块,用于获取待分析图形的轮廓图形的多个第一采样点,并记录所述第一采样点在所述第一坐标系中的二维坐标信息;
信息转换模块,用于将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,以获得二维信息矩阵;
信息处理模块,用于利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息;
其中,所述信息处理模块包括:
第一变换单元,用于利用复数傅里叶变换从所述二维信息矩阵中提取不同类型的变形信息,每个类型的变形信息对应于一个傅里叶级数;
轮廓建立单元,用于基于所述变形信息,建立基准轮廓;
信息获取单元,用于根据所述基准轮廓以及所述待分析图形的轮廓,分析所述轮廓图形的形状信息。
可选的,所述图形获取模块具体用于,获取待分析图形的轮廓图形,并以所述轮廓图形的内部一点作为原点建立第一坐标系。
可选的,所述轮廓建立单元包括:
基准信息单元,用于将变形信息中基准轮廓所对应傅里叶级数作为待处理基准轮廓;
基准轮廓单元,用于利用逆傅里叶变换对所述待处理基准轮廓信息进行处理,建立基准轮廓。
可选的,所述信息处理模块还包括:
信息去除单元,用于去除提取的变形信息中无用的变形信息,获得待处理信息;
第二变换单元,用于利用逆傅里叶变换对所述待处理信息进行处理,以获得待处理轮廓;
其中,所述基准信息单元用于将所述待处理信息中基准轮廓所对应傅里叶级数作为待处理基准轮廓;
所述信息获取单元具体用于根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息。
可选的,所述信息获取单元根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息的过程具体包括:
以所述基准轮廓的圆心为原点,建立第二坐标系;
以预设间隔对所述待处理轮廓进行采样,以获得多个第二采样点;
计算所述第二采样点距离所述第二坐标系的原点的距离;
将所述第二采样点距离所述第二坐标系的原点的距离与所述基准轮廓的半径的差值,作为所述第二采样点的外圆值;
将所述第二采样点的外圆值的绝对值与所述预设采样间隔的乘积,作为所述第二采样点的形变面积;
将所有所述第二采样点的形变面积的和,作为所述轮廓图形的形变。
相应的,本申请实施例还提供了一种存储介质,所述存储介质中存储有程序,所述程序被触发时执行上述任一实施例所述的图形分析方法。
相应的,本申请实施例还提供了一种图形分析系统,包括存储器和处理器,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,所述程序代码用于执行上述任一实施例所述的图形分析方法。
综上所述,本申请实施例提供了一种图形分析方法、系统及存储介质,其中,所述图形分析方法在获取了待分析图形的轮廓图形的多个第一采样点之后,将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,而复数形式的坐标信息不仅包括所述第一采样点距离所述原点的距离信息,还包括所述第一采样点相较于相邻所述第一采样点的角度信息,多个第一采样点对应的复数形式的坐标信息构成了二维信息矩阵,最后利用复数傅里叶变换对所述二维信息矩阵进行处理,以获得所述轮廓图形的形状信息。由于二维信息矩阵中保存着所有第一采样点的距离所述原点的距离信息,以及所述第一采样点相较于相邻所述第一采样点的角度信息,避免了在图形分析过程中多个第一采样点相较于相邻所述第一采样点的角度信息的丢失,提高了最终获取的所述轮廓图形的形状信息的准确性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (16)
1.一种图形分析方法,其特征在于,包括:
获取第一坐标系;
获取待分析图形的轮廓图形的多个第一采样点,并记录所述第一采样点在所述第一坐标系中的二维坐标信息;
将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,以获得二维信息矩阵;
利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息;
其中,利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息,包括:
利用复数傅里叶变换从所述二维信息矩阵中提取不同类型的变形信息,每个类型的变形信息对应于一个傅里叶级数;
基于所述变形信息,建立基准轮廓;
根据所述基准轮廓以及所述待分析图案的轮廓,分析所述轮廓图形的形状信息。
2.根据权利要求1所述的方法,其特征在于,所述获取第一坐标系包括:
获取待分析图形的轮廓图形,并以所述轮廓图形的内部一点作为原点建立第一坐标系。
3.根据权利要求1所述的方法,其特征在于,所述基于所述变形信息,建立基准轮廓包括:
将所述变形信息中基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息;
利用逆傅里叶变换对所述待处理基准轮廓信息进行处理,建立基准轮廓。
4.根据权利要求1所述的方法,其特征在于,所述获取待分析图形的轮廓图形的多个第一采样点包括:
在所述轮廓图形上确定多个所述第一采样点,相邻所述第一采样点与所述第一坐标系的原点的连线之间的角度相等。
5.根据权利要求1所述的方法,其特征在于,所述获取待分析图形的轮廓图形的多个第一采样点包括:
在所述轮廓图形上确定多个所述第一采样点,相邻所述第一采样点与所述第一坐标系的横坐标的垂线之间的距离相同。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述第一采样点的数量为2的正整数次幂。
7.根据权利要求1所述的方法,其特征在于,所述将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息包括:
以所述第一采样点的二维坐标信息中的横轴坐标值作为实数部分,以所述第一采样点的二维坐标信息中的纵轴坐标值作为虚数部分,以将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息。
8.根据权利要求1所述的方法,其特征在于,所述利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息还包括:
去除提取的变形信息中无用的变形信息,获得待处理信息;
利用逆傅里叶变换对所述待处理信息进行处理,以获得待处理轮廓;
其中,所述将所述形变信息中基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息,包括:将所述待处理信息中的基准轮廓所对应的傅里叶级数作为待处理基准轮廓信息;
所述根据所述基准轮廓以及所述待分析图案的轮廓,分析所述轮廓图形的形状信息,包括:根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息。
9.根据权利要求8所述的方法,其特征在于,所述根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息包括:
以所述基准轮廓的圆心为原点,建立第二坐标系;
以预设间隔对所述待处理轮廓进行采样,以获得多个第二采样点;
计算所述第二采样点距离所述第二坐标系的原点的距离;
将所述第二采样点距离所述第二坐标系的原点的距离与所述基准轮廓的半径的差值,作为所述第二采样点的外圆值;
将所述第二采样点的外圆值的绝对值与所述预设采样间隔的乘积,作为所述第二采样点的形变面积;
将所有所述第二采样点的形变面积的和,作为所述轮廓图形的形变。
10.一种图形分析系统,其特征在于,包括:
图形获取模块,用于获取第一坐标系;
第一采样模块,用于获取待分析图形的轮廓图形的多个第一采样点,并记录所述第一采样点在所述第一坐标系中的二维坐标信息;
信息转换模块,用于将每个所述第一采样点的二维坐标信息转换为复数形式的坐标信息,以获得二维信息矩阵;
信息处理模块,用于利用复数傅里叶变换对所述二维信息矩阵进行处理,以获取所述轮廓图形的形状信息;
其中,所述信息处理模块包括:
第一变换单元,用于利用复数傅里叶变换从所述二维信息矩阵中提取不同类型的变形信息,每个类型的变形信息对应于一个傅里叶级数;
轮廓建立单元,用于基于所述变形信息,建立基准轮廓;
信息获取单元,用于根据所述基准轮廓以及所述待分析图形的轮廓,分析所述轮廓图形的形状信息。
11.根据权利要求10所述的系统,其特征在于,所述图形获取模块具体用于,获取待分析图形的轮廓图形,并以所述轮廓图形的内部一点作为原点建立第一坐标系。
12.根据权利要求10所述的系统,其特征在于,所述轮廓建立单元包括:
基准信息单元,用于将变形信息中基准轮廓所对应傅里叶级数作为待处理基准轮廓;
基准轮廓单元,用于利用逆傅里叶变换对所述待处理基准轮廓信息进行处理,建立基准轮廓。
13.根据权利要求10所述的系统,其特征在于,所述信息处理模块还包括:
信息去除单元,用于去除提取的变形信息中无用的变形信息,获得待处理信息;
第二变换单元,用于利用逆傅里叶变换对所述待处理信息进行处理,以获得待处理轮廓;
其中,所述基准信息单元用于将所述待处理信息中基准轮廓所对应傅里叶级数作为待处理基准轮廓;
所述信息获取单元具体用于根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息。
14.根据权利要求13所述的系统,其特征在于,所述信息获取单元根据所述基准轮廓以及所述待处理轮廓,分析所述轮廓图形的形状信息的过程具体包括:
以所述基准轮廓的圆心为原点,建立第二坐标系;
以预设间隔对所述待处理轮廓进行采样,以获得多个第二采样点;
计算所述第二采样点距离所述第二坐标系的原点的距离;
将所述第二采样点距离所述第二坐标系的原点的距离与所述基准轮廓的半径的差值,作为所述第二采样点的外圆值;
将所述第二采样点的外圆值的绝对值与所述预设采样间隔的乘积,作为所述第二采样点的形变面积;
将所有所述第二采样点的形变面积的和,作为所述轮廓图形的形变。
15.一种存储介质,其特征在于,所述存储介质中存储有程序,所述程序被触发时执行权利要求1-9任一项所述的图形分析方法。
16.一种图形分析系统,其特征在于,包括存储器和处理器,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,所述程序代码用于执行权利要求1-9任一项所述的图形分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110417913.3A CN112884790B (zh) | 2019-12-10 | 2019-12-10 | 一种图形分析方法、系统及存储介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911256936.XA CN111062982B (zh) | 2019-12-10 | 2019-12-10 | 一种图形分析方法、系统及存储介质 |
CN202110417913.3A CN112884790B (zh) | 2019-12-10 | 2019-12-10 | 一种图形分析方法、系统及存储介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911256936.XA Division CN111062982B (zh) | 2019-12-10 | 2019-12-10 | 一种图形分析方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112884790A true CN112884790A (zh) | 2021-06-01 |
CN112884790B CN112884790B (zh) | 2022-09-30 |
Family
ID=70300324
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110417913.3A Active CN112884790B (zh) | 2019-12-10 | 2019-12-10 | 一种图形分析方法、系统及存储介质 |
CN201911256936.XA Active CN111062982B (zh) | 2019-12-10 | 2019-12-10 | 一种图形分析方法、系统及存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911256936.XA Active CN111062982B (zh) | 2019-12-10 | 2019-12-10 | 一种图形分析方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112884790B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115463806A (zh) * | 2022-08-04 | 2022-12-13 | 东莞市慧视智能科技有限公司 | 一种速度可控的点胶方法及点胶系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331682A (zh) * | 2014-10-11 | 2015-02-04 | 东南大学 | 一种基于傅里叶描述子的建筑物自动识别方法 |
CN107609564A (zh) * | 2017-09-19 | 2018-01-19 | 浙江大学 | 基于联合分割和傅里叶描述子库的水下目标图像识别方法 |
CN108647388A (zh) * | 2018-04-08 | 2018-10-12 | 南昌大学 | 一种汽车造型轮廓描述及其效果评价的方法 |
CN109741366A (zh) * | 2018-11-27 | 2019-05-10 | 昆明理工大学 | 一种融合多层卷积特征的相关滤波目标跟踪方法 |
CN110472625A (zh) * | 2019-08-05 | 2019-11-19 | 浙江大学 | 一种基于傅里叶描述子的象棋棋子视觉识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567048B (zh) * | 2008-04-21 | 2012-06-06 | 夏普株式会社 | 图像辨别装置及图像检索装置 |
FR3017475B1 (fr) * | 2014-02-12 | 2016-03-04 | Commissariat Energie Atomique | Procede de determination d'un motif d'auto-assemblage d'un copolymere a blocs |
CN104978706B (zh) * | 2014-04-11 | 2019-12-20 | 深圳力维智联技术有限公司 | 基于傅里叶描述子的水印嵌入与提取方法、装置及系统 |
CN106295542A (zh) * | 2016-08-03 | 2017-01-04 | 江苏大学 | 一种夜视红外图像中的基于显著性的道路目标提取方法 |
CN107999548B (zh) * | 2017-12-07 | 2020-03-17 | 北京首钢股份有限公司 | 一种热轧带钢轮廓局部高点的识别方法及装置 |
-
2019
- 2019-12-10 CN CN202110417913.3A patent/CN112884790B/zh active Active
- 2019-12-10 CN CN201911256936.XA patent/CN111062982B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331682A (zh) * | 2014-10-11 | 2015-02-04 | 东南大学 | 一种基于傅里叶描述子的建筑物自动识别方法 |
CN107609564A (zh) * | 2017-09-19 | 2018-01-19 | 浙江大学 | 基于联合分割和傅里叶描述子库的水下目标图像识别方法 |
CN108647388A (zh) * | 2018-04-08 | 2018-10-12 | 南昌大学 | 一种汽车造型轮廓描述及其效果评价的方法 |
CN109741366A (zh) * | 2018-11-27 | 2019-05-10 | 昆明理工大学 | 一种融合多层卷积特征的相关滤波目标跟踪方法 |
CN110472625A (zh) * | 2019-08-05 | 2019-11-19 | 浙江大学 | 一种基于傅里叶描述子的象棋棋子视觉识别方法 |
Non-Patent Citations (1)
Title |
---|
万玮等: "基于傅里叶描述子的高分辨率遥感图像地物形状特征表达", 《遥感学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112884790B (zh) | 2022-09-30 |
CN111062982A (zh) | 2020-04-24 |
CN111062982B (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11244197B2 (en) | Fast and robust multimodal remote sensing image matching method and system | |
CN105354866A (zh) | 一种多边形轮廓相似度检测方法 | |
CN110415250B (zh) | 一种基于深度学习的重叠染色体分割方法及装置 | |
CN112465743B (zh) | 一种周期性结构质量检测方法 | |
CN114881955B (zh) | 基于切片的环状点云缺陷提取方法、装置、设备存储介质 | |
CN112017293A (zh) | 一种关于圆钢管几何初始缺陷的测量方法 | |
CN112884790B (zh) | 一种图形分析方法、系统及存储介质 | |
Hollitt et al. | Feature detection in radio astronomy using the circle Hough transform | |
US8842917B2 (en) | Local feature extraction apparatus, control method therefor, and computer-readable medium | |
CN108932468B (zh) | 一种适用于心理学的面部识别方法 | |
CN112184785B (zh) | 基于mcd度量和vtm的多模态遥感图像配准方法 | |
CN116740053A (zh) | 一种锻造加工智能生产线的管理系统 | |
CN115205165B (zh) | 用于工业机械外壳的防腐材料喷涂方法 | |
CN111445510A (zh) | 一种图像中直线的检测方法 | |
Zhao et al. | Principal direction-based Hough transform for line detection | |
CN115131417A (zh) | 激光点云2d-3d双模态交互增强不规则电线检测方法 | |
CN113723428A (zh) | 图像特征匹配方法、装置、系统和pcb板视觉检测设备 | |
CN107358655B (zh) | 基于离散平稳小波变换的半球面和圆锥面模型的辨识方法 | |
Rueda | Sub-grid detection in DNA microarray images | |
CN113221736A (zh) | 基于多特征协同非负矩阵分解的心电身份识别方法及系统 | |
CN113724305B (zh) | 一种林区点云快速配准方法 | |
US20110091106A1 (en) | Image Processing Method And System | |
CN115169423B (zh) | 冲压信号处理方法、装置、设备及可读存储介质 | |
CN116758082B (zh) | 基于人工智能的型钢生产质量检测方法 | |
CN111860616B (zh) | 综合诊断系统弱对比度准直图像目标中心通用获取方法 |
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 |