CN113033550B - 一种图像的检测方法、装置及计算机可读介质 - Google Patents
一种图像的检测方法、装置及计算机可读介质 Download PDFInfo
- Publication number
- CN113033550B CN113033550B CN202110274806.XA CN202110274806A CN113033550B CN 113033550 B CN113033550 B CN 113033550B CN 202110274806 A CN202110274806 A CN 202110274806A CN 113033550 B CN113033550 B CN 113033550B
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- position area
- processing
- area
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
Abstract
本发明公开了一种图像的检测方法、装置及计算机可读介质,涉及人工智能技术领域。该方法的一实施例包括:获取含有目标对象的灰度图像;对灰度图像进行图像处理,得到目标对象的预选位置区域;针对灰度图像上与预选位置区域对应的区域,进行像素取反处理,得到与灰度图像对应的掩膜图像;对掩膜图像进行图像处理,得到目标对象的候选位置区域;针对灰度图像上候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域。由此,能够针对目标对象实现自动化检测,解决了现有技术中由于图像位置检测过程复杂,从而导致图像位置检测效率低的问题,不仅提高了目标对象位置检测的效率,而且还提高了目标对象位置检测的准确率。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种图像的检测方法、装置及计算机可读介质。
背景技术
现有的外包装箱体贴附着标签图像,标签图像通常贴附在箱体的正面或两侧面。这些标签图像的大小、形状、种类和内容不固定,通常是与箱体内盛放产品的型号,出货地址等信息绑定。在产品生产过程中需要对外包装箱体贴附的标签图像进行缺陷检测,例如内容检测、破损检测或倾斜检测等;然而,位置检测是缺陷检测的必要环节,提高标签图像位置检测的准确率能够保障标签图像缺陷检测的稳定性。
目前针对标签图像位置检测方法主要是对待检测标签图像进行特征点检测,得到第一特征点和第一特征描述向量,之后再根据待检测标签图像的第一特征点和第一特征描述向量,以及与标签图像对应标准图像模板的第二特征点和第二特征向量,将待检测标签图像与标准图像模板进行匹配;最后对匹配后的待检测标签图像进行检测。
然而,上述方案存在的缺点是需要人工建立标准图像模板,外包装箱体上标签图像尺寸是随着标签图像里的内容而变化的,标签图像里的内容通常是随着箱体内盛放产品的配置信息而变化的。由于产品的配置信息具有多样化,对应的标签图像尺寸也有很多种,因此同一产品没有固定的标准图像模板。为此,针对不同尺寸的标签图像均需要建立对应的标准图像模板。这样会带来很多的不便,从而造成时间和人力的浪费,降低了检测效率。
发明内容
有鉴于此,本发明实施例提供一种图像的检测方法、装置及计算机可读介质,解决了现有技术中由于图像位置检测过程复杂,从而导致图像位置检测效率低的问题,提高了图像位置检测的效率和准确率。
为实现上述目的,根据本发明实施例第一方面,提供一种图像的检测方法,该方法包括:获取含有目标对象的灰度图像;对所述灰度图像进行图像处理,得到目标对象的预选位置区域;针对所述灰度图像上与所述预选位置区域对应的区域,进行像素取反处理,得到与所述灰度图像对应的掩膜图像;对所述掩膜图像进行图像处理,得到目标对象的候选位置区域;针对所述灰度图像上所述候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域。
为实现上述目的,根据本发明实施例第二方面,还提供一种图像的检测装置,该装置包括:获取模块,用于获取含有目标对象的灰度图像;第一图像处理模块,用于对所述灰度图像进行图像处理,得到目标对象的预选位置区域;掩膜处理模块,用于针对所述灰度图像上与所述预选位置区域对应的区域,进行像素取反处理,得到与所述灰度图像对应的掩膜图像;第二图像处理模块,用于对所述掩膜图像进行图像处理,得到目标对象的候选位置区域;线扫描检测模块,用于针对所述灰度图像上所述候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域。
为实现上述目的,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时实现如第一方面所述的图像的检测方法。
本发明实施例针对图像的检测方法,该方法通过对获取的灰度图像进行图像处理,得到目标对象的预选位置区域,从而能够对灰度图像上目标对象进行粗定位;之后针对灰度图像上与预选位置区域对应的区域,进行像素取反处理,得到与灰度图像对应的掩膜图像,并对掩膜图像进行图像处理,得到目标对象的候选位置区域,从而能够在粗定位的基础上对灰度图像上的目标对象进一步进行定位处理;最后通过对灰度图像上候选位置区域对应的边界进行线扫描检测,从而能够对灰度图像上目标对象进行准确定位,由此能够针对目标对象实现自动化检测,不仅提高了目标对象位置检测的效率,而且还提高了目标对象位置检测的准确率。
上述的非惯用的可选方式所具有的进一步的效果将在下文结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。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为本发明一实施例图像的检测方法的流程图;
图2为本发明另一实施例图像的检测方法的流程图;
图3为本发明再一实施例图像的检测方法的流程图;
图4为本发明一实施例图像的检测装置的示意图;
图5为本发明一实施例图像的检测方法中标签图像的示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本发明实施例提供一种图像的检测方法、装置及计算机可读介质,解决了现有技术中由于建立不同的标准图像模板导致图像位置检测过程复杂且检测效率低的问题,实现了图像位置的自动化检测,提高了图像位置检测的效率和准确率。
本发明实施例中的技术方案为解决图像位置检测效率低以及准确率低的问题,该方法通过对获取的灰度图像进行图像处理,得到目标对象的预选位置区域,从而能够对灰度图像上目标对象进行粗定位;之后针对灰度图像上与预选位置区域对应的区域,进行像素取反处理,得到与灰度图像对应的掩膜图像,并对掩膜图像进行图像处理,得到目标对象的候选位置区域,从而能够在粗定位的基础上对灰度图像上目标对象进一步进行定位处理;最后通过对灰度图像上候选位置区域对应的边界进行线扫描检测,从而能够对灰度图像上目标对象进行准确定位,由此能够针对目标对象实现自动化检测,不仅提高了目标对象位置检测的效率,而且还提高了目标对象位置检测的准确率。
如图1所示,为本发明一实施例图像的检测方法的流程图,该方法至少包括如下操作流程:S101,获取含有目标对象的灰度图像;S102,对灰度图像进行图像处理,得到目标对象的预选位置区域;S103,针对灰度图像上与预选位置区域对应的区域,进行像素取反处理,得到与灰度图像对应的掩膜图像;S104,对掩膜图像进行图像处理,得到目标对象的候选位置区域;S105,针对灰度图像上候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域。
在S101中,在这里目标对象可以是贴附在产品上的标签图像,也可以是贴附在产品上的装饰图像,或者还可以是其他图像。灰度图像为目标对象的原始灰度图像,也可以是对原始灰度图像进行滤波处理后的灰度图像。
在S102中,对灰度图像进行二值化处理,得到目标对象的二值化图像,从二值化图像中选取满足第一预设条件的白色区域作为目标对象的预选位置区域。由此能够对灰度图像上目标对象实现粗定位,提高目标对象定位的准确性。
在这里,第一预设条件为目标对象的第一尺寸参数。
在S103中,根据目标对象在二值化图像中的位置,确定灰度图像上与预选位置区域对应的区域,并对该区域的像素进行取反处理,例如当该区域为白色时,则将该区域的像素取黑,从而得到与灰度图像对应的掩膜图像。由此,能够针对不同背景颜色的目标对象进行有效检测,提高了目标对象位置检测的准确率。
在S104中,对掩膜图像进行二值化处理,得到二值化图像,例如:获取掩膜图像上所有像素点对应的像素值;计算掩膜图像对应的分割阈值;将像素值小于分割阈值对应的像素点标记为白色,将像素值大于分割阈值对应的像素点标记为黑色,得到掩膜图像对应的二值化图像;从二值化图像中选取满足第二预设条件的白色区域,并将选取的白色区域确定为目标对象对应的候选位置区域;由此,能够在粗定位的基础上对目标对象进行准确定位,提高了目标对象位置检测的准确率。
在这里,第二预设条件为目标对象的第二尺寸参数。
在S105中,基于灰度图像上候选位置区域对应的边界,计算候选位置区域对应的扫描区域;对扫描区域进行线扫描检测,得到目标对象的所有边缘点坐标;对所有边缘点坐标进行线性拟合,得到目标对象的准边界;基于准边界确定目标对象的准位置区域。例如,当目标对象是矩形图像时,则利用最小外接矩形的算法计算候选位置区域对应的扫描区域,最小外接矩形的算法是封装好的函数。由于扫描区域是以准位置区域为基准往外扩大后形成的区域,因此计算得到的扫描区域的面积通常大于准位置区域。基于目标对象的准位置区域确定目标对象的扫描区域,并对扫描区域周围进行线扫描检测,由此能够准确确定目标对象的边界,提高目标对象位置检测的准确率。
本发明实施例针对图像的检测方法,该方法通过对获取的灰度图像进行图像处理,得到目标对象的预选位置区域,从而能够对灰度图像上目标对象进行粗定位;之后针对灰度图像上与预选位置区域对应的区域,进行像素取反处理,得到与灰度图像对应的掩膜图像,并对掩膜图像进行图像处理,得到目标对象的候选位置区域,从而能够在粗定位的基础上对灰度图像上的目标对象进一步进行定位处理;最后通过对灰度图像上候选位置区域对应的边界进行线扫描检测,从而能够对灰度图像上目标对象进行准确定位,由此能够针对目标对象实现自动化检测,不仅提高了目标对象位置检测的效率,而且还提高了目标对象位置检测的准确率。
如图2所示,本发明另一实施例图像的检测方法的流程图,本实施例是在前述实施例的基础上进一步优化得到的。一种图像的检测方法,该方法包括:S201,获取含有目标对象的灰度图像;S202,对灰度图像进行二值化处理,得到对应的二值化图像;S203,对二值化图像进行形态学处理,得到目标对象对应的多个第一位置区域;S204,从多个第一位置区域中选取满足第一预设条件的第一位置区域,并将所选取的第一位置区域确定为目标对象对应的预选位置区域;S205,针对灰度图像上与预选位置区域对应的区域,进行像素取反处理,得到与灰度图像对应的掩膜图像;S206,对掩膜图像进行二值化处理,得到对应的二值化图像;S207,对二值化图像进行形态学处理,得到目标对象对应的多个第二位置区域;S208,从多个第二位置区域中选取满足第二预设条件的第二位置区域,并将所选取的第二位置区域确定为目标对象对应的候选位置区域;S209,针对灰度图像上候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域。
其中,S201、S205和S209的具体实现过程与图1所示实施例中S101、S103以及S105的具体实现过程相类似,这里不再赘述。
在S202、S203和S204中,通过对灰度图像对应的二值化图像进行形态学处理,能够去除灰度图像中的噪声区域;通过对形态学处理后得到的多个第一位置区域进行条件筛选,从而能够提高目标对象预选位置区域筛选的准确性。
在这里,对灰度图像进行二值化的过程如下:获取灰度图像上所有像素点对应的像素值;计算灰度图像对应的分割阈值;将像素值小于分割阈值对应的像素点标记为黑色,将像素值大于分割阈值对应的像素点标记为白色,得到灰度图像对应的二值化图像。
在S206、S207和S208中,通过对掩膜图像对应的二值化图像进行形态学处理,能够去除掩膜图像中的噪声区域;通过对形态学处理后得到的多个第二位置区域进行条件筛选,从而能够提高目标对象准位置区域筛选的准确性。
本发明实施例通过对灰度图像二值化处理后进行形态学处理,能够提高灰度图像中目标对象预选位置区域定位的准确率;通过对掩膜图像二值化处理后进行形态学处理,能够提高灰度图像中目标对象候选位置区域定位的准确性;进而能够提高灰度图像上目标对象位置检测的准确率,并且实现自动化检测,提高了目标对象检测的效率。
如图3所示,本发明再一实施例图像的检测方法的流程图,本实施例是在前述图1或图2实施例的基础上进一步优化得到的,一种图像的检测方法,该方法包括:S301,获取目标对象的真实尺寸信息;S302,基于真实尺寸信息,对目标对象对应的准位置区域进行校正处理,得到目标对象的校正位置区域;S303,计算准位置区域和校正位置区域之间的转换矩阵;S304,基于转换矩阵,对目标对象的准位置区域进行透射变换,得到目标对象。
本发明实施例通过转换矩阵能够将位置倾斜的目标对象转化非倾斜的目标对象,从而对目标对象的位置进行校正,进而能够得到适合检测的目标对象,解决了现有技术中由于拍照角度而引起灰度图像中目标对象倾斜从而导致目标对象内容检测困难的问题,提高了目标对象检测的效率和准确率。
应理解,在本发明的各实施例中,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。
下面将结合具体的应用场景对本发明实施例的方案进行详细说明。
例如目标对象为标签图像,该标签图像为矩形形状且该标签图像是背景黑白相间的标签图像。获取含有标签图像的灰度图像,对灰度图像进行滤波处理,得到滤波图像,如图5a,这里的滤波图像是像素比较模糊的灰度图像。对灰度图像依次进行二值化处理和形态学处理,得到多个标签图像对应的第一白色位置区域;从多个第一白色位置区域中选取满足第一预设尺寸的第一白色位置区域,并将选取的第一白色位置区域作为标签图像的预选位置区域,如图5b。将滤波图像中与预选位置区域对应的区域进行像素取黑,得到与灰度图像对应的掩膜图像,如图5c;对掩膜图像依次进行二值化处理和形态学处理,得到多个标签图像的第二白色位置区域;从多个第二白色位置区域中选取满足第二预设尺寸的第二白色位置区域,并将选取的第二白色位置区域作为标签图像的候选位置区域,如图5d。最后利用最小外接矩形法对位于扫描区域内的候选位置区域边界进行线扫描检测,如图5e,例如,对候选位置区域的上侧边、下侧边、左侧边和右侧边进行像素线扫描检测。下面以从下而上的方式对上侧边进行像素线扫描检测得到边缘点,例如上侧边两个顶点分别为左上顶点P和右上顶点P1,分别计算P和P1中最小横坐标X1,最大横坐标X2,最小纵坐标Y1,最大纵坐标Y2;将X方向M等分,每等分距离为D=(X2-X1)/M,分别将X1+D、X1+2*D、……、X1+(M-1)*D作为像素线扫描检测的X坐标;Ythresh是经验值,将Y1-Ythresh作为像素线扫描检测的起始Y坐标,Y2+Ythresh作为像素线扫描检测终点Y坐标;在输入灰度图像上从点P(X1+D, Y1-Ythresh)到P(X1+D, Y2+Ythresh)的线段上进行像素点统计。若点P(Y)> Ythresh,且P(Y+1)、P(Y+2)、……、P(Y+n)均小于Ythresh,则找到上侧边的所有边缘点(边缘点为由亮到暗的点)。采用最小二乘法分别对上侧边对应的所有边缘点坐标、下侧边对应的所有边缘点坐标、左侧边对应的所有边缘点坐标,以及右侧边对应的所有边缘点坐标进行直线拟合,得到四条直线;计算四条直线的交点坐标,即标签图像的四个顶点坐标。根据标签图像的宽度和高度,对标签图像的顶点坐标进行校正,即以四个顶点中任意一个顶点为基准,校准其他三个顶点坐标,例如,左上顶点为point(x,y)、右上顶点为point(x,y)、左下顶点为point(x,y)、右下顶点为point(x,y);以左上顶点为基准,左上顶点为point(x,y)、校正后右上顶点为point(x+w,y)、校正后左下顶点为point(x,y+h)、校正后右下顶点为point(x+w,y+h);基于原顶点坐标和校正后的顶点坐标计算变换矩阵,利用变换矩阵对标签图像的准位置区域进行透射变换,得到校正后的目标对象,如图5f。
本实施例采用形态学处理和边缘点检测相结合的方法,在无需预先采集标签图像,就可精确找到黑白标签图像的边缘,从而能够准确定位黑白相间标签的位置,解决了由于外部环境(如光照、角度的变化不敏感)导致标签图像位置检测过程复杂,以及检测准确率低的问题。
需要说明的是,灰度图像的二值化处理与掩膜图像的二值化处理是不同的两个过程。
如图4所示,为本发明一实施例图像的检测装置的示意图。一种图像的检测装置400,该装置包括:获取模块401,用于获取含有目标对象的灰度图像;第一图像处理模块402,用于对所述灰度图像进行图像处理,得到目标对象的预选位置区域;掩膜处理模块403,用于针对所述灰度图像上与所述预选位置区域对应的区域,进行像素取反处理,得到与所述灰度图像对应的掩膜图像;第二图像处理模块404,用于对所述掩膜图像进行图像处理,得到目标对象的候选位置区域;线扫描检测模块405,用于针对所述灰度图像上所述候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域。
在可选的实施例中,所述第一图像处理模块包括:二值化单元,用于对所述灰度图像进行二值化处理,得到对应的二值化图像;形态学处理单元,用于对所述二值化图像进行形态学处理,得到目标对象对应的多个第一位置区域;选取单元,用于从多个所述第一位置区域中选取满足第一预设条件的第一位置区域,并将所选取的第一位置区域确定为目标对象对应的预选位置区域。
在可选的实施例中,所述掩膜处理模块包括:二值化单元,用于对所述掩膜图像进行二值化处理,得到对应的二值化图像;形态学处理单元,用于对所述二值化图像进行形态学处理,得到目标对象对应的多个第二位置区域;选取单元,用于从多个所述第二位置区域中选取满足第二预设条件的第二位置区域,并将所选取的第二位置区域确定为目标对象对应的候选位置区域。
在可选的实施例中,所述二值化单元包括:获取子单元,用于获取掩膜图像上所有像素点对应的像素值;计算子单元,用于计算所述掩膜图像对应的分割阈值;二值化子单元,用于将所述像素值小于所述分割阈值对应的像素点标记为白色,将所述像素值大于所述分割阈值对应的像素点标记为黑色,得到所述掩膜图像对应的二值化图像。
在可选的实施例中,线扫描检测模块包括:计算单元,用于基于灰度图像上候选位置区域对应的边界,计算候选位置区域对应的扫描区域;线扫单元,用于对扫描区域进行线扫描检测,得到目标对象的所有边缘点坐标;线性拟合单元,用于对所有边缘点坐标进行线性拟合,得到目标对象的准边界;确定单元,用于基于准边界确定目标对象的准位置区域。
在可选的实施例中,该装置还包括:获取模块进一步用于,获取目标对象的真实尺寸信息;校正处理模块,用于基于所述真实尺寸信息,对所述目标对象对应的准位置区域进行校正处理,得到目标对象的校正位置区域;计算模块,用于计算所述准位置区域和所述校正位置区域之间的转换矩阵;透射变换模块,用于基于所述转换矩阵,对所述目标对象的准位置区域进行透射变换,得到目标对象。
在可选的实施例中,所述灰度图像为所述目标对象的原始灰度图像,或者是所述原始灰度图像对应的滤波图像。
这里需要指出的是:以上针对图像的检测装置实施例的描述与前述方法实施例的描述是类似的,具有同前述方法实施例相似的有益效果,因此不做赘述。对于本申请的这一实施例对图像检测的装置实施例的描述尚未披露的技术细节,请参照本申请前述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,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,在本申请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计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:移动存储介质、只读存储器(Read OnlyMemory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请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,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的这一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,该计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计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例方法的全部或部分。而前述的存储介质包括:移动存储介质、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种图像的检测方法,其特征在于,包括:
获取含有目标对象的灰度图像;
对所述灰度图像进行图像处理,得到目标对象的预选位置区域;
针对所述灰度图像上与所述预选位置区域对应的区域,进行像素取反处理,得到与所述灰度图像对应的掩膜图像;
对所述掩膜图像进行图像处理,得到目标对象的候选位置区域;
针对所述灰度图像上所述候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域;
其中,所述对所述灰度图像进行图像处理,得到目标对象的预选位置区域,包括:对所述灰度图像进行二值化处理,得到对应的二值化图像;对所述二值化图像进行形态学处理,得到目标对象对应的多个第一位置区域;从多个所述第一位置区域中选取满足第一预设条件的第一位置区域,并将所选取的第一位置区域确定为目标对象对应的预选位置区域;
所述对所述掩膜图像进行图像处理,得到目标对象的候选位置区域,包括:对所述掩膜图像进行二值化处理,得到对应的二值化图像;对所述二值化图像进行形态学处理,得到目标对象对应的多个第二位置区域;从多个所述第二位置区域中选取满足第二预设条件的第二位置区域,并将所选取的第二位置区域确定为目标对象对应的候选位置区域;
所述针对所述灰度图像上所述候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域,包括:基于所述灰度图像上所述候选位置区域对应的边界,计算所述候选位置区域对应的扫描区域;对所述扫描区域进行线扫描检测,得到目标对象的所有边缘点坐标;对所有边缘点坐标进行线性拟合,得到目标对象的准边界;
基于所述准边界确定所述目标对象的准位置区域。
2.根据权利要求1所述的方法,其特征在于,所述对所述掩膜图像进行二值化处理,得到对应的二值化图像,包括:
获取所述掩膜图像上所有像素点对应的像素值;
计算所述掩膜图像对应的分割阈值;
将所述像素值小于所述分割阈值对应的像素点标记为白色,将所述像素值大于所述分割阈值对应的像素点标记为黑色,得到所述掩膜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,还包括:
获取目标对象的真实尺寸信息;
基于所述真实尺寸信息,对所述目标对象对应的准边界进行校正处理,得到目标对象的校正位置区域;
计算所述准位置区域和所述校正位置区域之间的转换矩阵;
基于所述转换矩阵,对所述目标对象的准位置区域进行透射变换,得到目标对象。
4.根据权利要求1所述的方法,其特征在于,所述灰度图像为所述目标对象的原始灰度图像,或者是所述原始灰度图像对应的滤波图像。
5.一种图像的检测装置,其特征在于,包括:
获取模块,用于获取含有目标对象的灰度图像;
第一图像处理模块,用于对所述灰度图像进行图像处理,得到目标对象的预选位置区域;
掩膜处理模块,用于针对所述灰度图像上与所述预选位置区域对应的区域,进行像素取反处理,得到与所述灰度图像对应的掩膜图像;
第二图像处理模块,用于对所述掩膜图像进行图像处理,得到目标对象的候选位置区域;
线扫描检测模块,用于针对所述灰度图像上所述候选位置区域对应的边界,进行线扫描检测,得到目标对象的准位置区域;
其中,所述掩膜处理模块,具体用于:对所述灰度图像进行二值化处理,得到对应的二值化图像;对所述二值化图像进行形态学处理,得到目标对象对应的多个第一位置区域;从多个所述第一位置区域中选取满足第一预设条件的第一位置区域,并将所选取的第一位置区域确定为目标对象对应的预选位置区域;
所述第二图像处理模块,具体用于:对所述掩膜图像进行二值化处理,得到对应的二值化图像;对所述二值化图像进行形态学处理,得到目标对象对应的多个第二位置区域;从多个所述第二位置区域中选取满足第二预设条件的第二位置区域,并将所选取的第二位置区域确定为目标对象对应的候选位置区域;
先扫描检测模块:具体用于:基于所述灰度图像上所述候选位置区域对应的边界,计算所述候选位置区域对应的扫描区域;对所述扫描区域进行线扫描检测,得到目标对象的所有边缘点坐标;对所有边缘点坐标进行线性拟合,得到目标对象的准边界;基于所述准边界确定所述目标对象的准位置区域。
6.根据权利要求5所述的装置,其特征在于,所述第一图像处理模块包括:
二值化单元,用于对所述灰度图像进行二值化处理,得到对应的二值化图像;
形态学处理单元,用于对所述二值化图像进行形态学处理,得到目标对象对应的多个第一位置区域;
选取单元,用于从多个所述第一位置区域中选取满足第一预设条件的第一位置区域,并将所选取的第一位置区域确定为目标对象对应的预选位置区域。
7.一种计算机可读介质,其特征在于,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任一所述的图像的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110274806.XA CN113033550B (zh) | 2021-03-15 | 2021-03-15 | 一种图像的检测方法、装置及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110274806.XA CN113033550B (zh) | 2021-03-15 | 2021-03-15 | 一种图像的检测方法、装置及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033550A CN113033550A (zh) | 2021-06-25 |
CN113033550B true CN113033550B (zh) | 2022-04-15 |
Family
ID=76469166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110274806.XA Active CN113033550B (zh) | 2021-03-15 | 2021-03-15 | 一种图像的检测方法、装置及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033550B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627210A (zh) * | 2021-08-19 | 2021-11-09 | 南京华捷艾米软件科技有限公司 | 条形码图像的生成方法、装置、电子设备及存储介质 |
CN114143519B (zh) * | 2021-11-11 | 2024-04-12 | 深圳市橙子软件有限公司 | 投影图像自动匹配幕布区域的方法及装置,投影仪 |
CN115937003A (zh) * | 2022-11-02 | 2023-04-07 | 深圳市新良田科技股份有限公司 | 图像处理方法、装置、终端设备和可读存储介质 |
CN116107394B (zh) * | 2023-04-06 | 2023-08-04 | 合肥联宝信息技术有限公司 | 调整方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1387315A1 (en) * | 2002-06-07 | 2004-02-04 | Honda Research Institute Europe GmbH | Preparation of a digital image with subsequent edge detection |
CN104021561A (zh) * | 2014-06-17 | 2014-09-03 | 浙江理工大学 | 基于小波变换及形态学运算的织物起毛起球图像分割方法 |
CN107203764A (zh) * | 2016-03-18 | 2017-09-26 | 北大方正集团有限公司 | 长微博图片识别方法和装置 |
WO2019237520A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 一种图像匹配方法、装置、计算机设备及存储介质 |
CN110702615A (zh) * | 2019-09-25 | 2020-01-17 | 宁波永新光学股份有限公司 | 一种彩色数码透射显微镜颜色校正方法 |
CN110766068A (zh) * | 2019-10-21 | 2020-02-07 | 北京车智赢科技有限公司 | 一种验证码识别方法及计算设备 |
CN110852285A (zh) * | 2019-11-14 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 对象检测方法、装置、计算机设备和存储介质 |
CN111861979A (zh) * | 2020-05-29 | 2020-10-30 | 合肥联宝信息技术有限公司 | 一种定位方法、设备及计算机可读存储介质 |
WO2021000702A1 (zh) * | 2019-06-29 | 2021-01-07 | 华为技术有限公司 | 图像检测方法、设备以及系统 |
-
2021
- 2021-03-15 CN CN202110274806.XA patent/CN113033550B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1387315A1 (en) * | 2002-06-07 | 2004-02-04 | Honda Research Institute Europe GmbH | Preparation of a digital image with subsequent edge detection |
CN104021561A (zh) * | 2014-06-17 | 2014-09-03 | 浙江理工大学 | 基于小波变换及形态学运算的织物起毛起球图像分割方法 |
CN107203764A (zh) * | 2016-03-18 | 2017-09-26 | 北大方正集团有限公司 | 长微博图片识别方法和装置 |
WO2019237520A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 一种图像匹配方法、装置、计算机设备及存储介质 |
WO2021000702A1 (zh) * | 2019-06-29 | 2021-01-07 | 华为技术有限公司 | 图像检测方法、设备以及系统 |
CN110702615A (zh) * | 2019-09-25 | 2020-01-17 | 宁波永新光学股份有限公司 | 一种彩色数码透射显微镜颜色校正方法 |
CN110766068A (zh) * | 2019-10-21 | 2020-02-07 | 北京车智赢科技有限公司 | 一种验证码识别方法及计算设备 |
CN110852285A (zh) * | 2019-11-14 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 对象检测方法、装置、计算机设备和存储介质 |
CN111861979A (zh) * | 2020-05-29 | 2020-10-30 | 合肥联宝信息技术有限公司 | 一种定位方法、设备及计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
PCB Defect Recognition and Elimination Based on Secondary Error and Statistical Histogram;Rui Li 等;《2020 IEEE》;20201231;第1981-1984页 * |
基于候选区域的视觉目标识别算法;刘涛 等;《军事通信技术》;20151231;第36卷(第4期);第16-20页 * |
基于改进型像素标记算法的目标定位;宋南 等;《现代电子技术》;20120301;第35卷(第5期);第52-54页 * |
基于颜色特征与模板匹配的车牌识别系统设计与实现;张俊峰 等;《软件导刊》;20180131;第17卷(第1期);第212-220页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113033550A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113033550B (zh) | 一种图像的检测方法、装置及计算机可读介质 | |
CN109002795B (zh) | 车道线检测方法、装置及电子设备 | |
US20180137322A1 (en) | Block decoding method and system for two-dimensional code | |
TW201428635A (zh) | 二維碼 | |
JP6045752B2 (ja) | 二次元コード、二次元コードの解析システム及び二次元コードの作成システム | |
JP2007317184A (ja) | 二次元バーコード、その符号化方法及び復号化方法 | |
US9286501B2 (en) | Method and device for identifying a two-dimensional barcode | |
JP2017516204A (ja) | 美的要素を備える機械読み取り可能な光学式コードの生成および復号化 | |
AU2011250827B2 (en) | Image processing apparatus, image processing method, and program | |
CN105844277B (zh) | 标签识别方法和装置 | |
JP2019192022A (ja) | 画像処理装置、画像処理方法及びプログラム | |
US9652652B2 (en) | Method and device for identifying a two-dimensional barcode | |
CN110502948B (zh) | 折叠二维码图像的还原方法、还原装置与扫码设备 | |
CN115170525A (zh) | 一种图像差异检测方法及装置 | |
CN109740403B (zh) | 一种识读一维条码的方法和装置 | |
CN111126266A (zh) | 文本处理方法、文本处理系统、设备及介质 | |
CN111340040A (zh) | 一种纸张字符识别方法、装置、电子设备及存储介质 | |
JP2021050931A (ja) | 付着物検出装置、および付着物検出方法 | |
CN113095102B (zh) | 一种条形码区域的定位方法 | |
JP5264956B2 (ja) | 2次元コード読取装置及びその方法 | |
JP2019012424A (ja) | 画像処理装置、および、コンピュータプログラム | |
CN109871910B (zh) | 一种手写字符识别方法及装置 | |
JP2007094584A (ja) | 二次元コードの検出方法、検出装置、及び検出プログラム | |
US20230196707A1 (en) | Fiducial patterns | |
CN110443847B (zh) | 一种基于摄像头的自动售卖机云台定位检测方法 |
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 |