CN113221909A - 图像处理方法、装置及计算机可读存储介质 - Google Patents

图像处理方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN113221909A
CN113221909A CN202110588065.2A CN202110588065A CN113221909A CN 113221909 A CN113221909 A CN 113221909A CN 202110588065 A CN202110588065 A CN 202110588065A CN 113221909 A CN113221909 A CN 113221909A
Authority
CN
China
Prior art keywords
image
area
processed
target
determining
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
CN202110588065.2A
Other languages
English (en)
Other versions
CN113221909B (zh
Inventor
程自昂
麦泳彤
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.)
Foshan Yumai Technology Co ltd
Original Assignee
Foshan Yumai 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 Foshan Yumai Technology Co ltd filed Critical Foshan Yumai Technology Co ltd
Publication of CN113221909A publication Critical patent/CN113221909A/zh
Application granted granted Critical
Publication of CN113221909B publication Critical patent/CN113221909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/255Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种图像处理方法。所述图像处理方法包括:获取第一图像和第二图像;根据所述第一图像和所述第二图像得到待处理图像;对所述待处理图像进行处理,确定所述待处理图像中的目标区域;根据所述目标区域确定第一图像和/或第二图像的调整区域;调整所述调整区域对应的图像参数。所述图像处理方法可以有效地确定待处理图像中的目标区域,并基于目标区域,确定该目标区域在第一图像、第二图像上的对应区域,从而快速确定第一图像或第二图像中需要调整的调整区域,高效地实现了对目标图像的图像参数的调整。进一步地,本发明还提供一种图像处理装置和一种计算机可读存储介质。

Description

图像处理方法、装置及计算机可读存储介质
技术领域
本发明涉及图像处理技术领域,特别地,涉及一种图像处理方法、一种图像处理装置及一种计算机可读存储介质。
背景技术
掌静脉识别是近年新兴的一种生物特征识别技术,目前掌静脉识别技术的主要过程包括特征采集与提取。
目前的技术中,在对手掌掌静脉进行特征采集与提取时,自下而上拍摄取样的摄像硬件除了获得手掌本身的信息,还会获得手掌背景物的信息,当手掌边缘外背景杂色过多、或手掌背景具有强光时,将影响识别系统对手掌边界的确定、也会因强光干扰掌静脉的识别处理。现有技术对生物识别的强光处理,一般采用物理的滤波片方式处理,由于滤波片的加工及材料成本较高,因此在大量生产时候将受到权衡限制。
因此,业内亟需一种能解决上述问题的技术方案。
发明内容
本发明提供了一种图像处理方法,能有效地对图像进行目标区域的特征提取,并对图像中需要进行调整的调整区域的图像参数进行调整,消除背景干扰光。相应地,本发明还提供一种图像处理装置和一种计算机可读存储介质。
第一方面,本发明提供一种图像处理方法。
所述图像处理方法包括:
获取第一图像和第二图像;
根据所述第一图像和所述第二图像得到待处理图像;
对所述待处理图像进行处理,确定所述待处理图像中的目标区域;
根据所述目标区域确定第一图像和/或第二图像的调整区域;
调整所述调整区域对应的图像参数。
具体地,所述第一图像、第二图像为同一摄像模块对同一目标对象在不同时刻所摄取的图像。
具体地,所述根据第一图像和所述第二图像得到待处理图像的步骤中,具体包括:
根据所述第一图像和所述第二图像之间的差值,得到差分图像;
对所述差分图像作二值化处理,得到待处理图像。
具体地,所述对所述待处理图像进行处理,确定所述待处理图像中的目标区域的步骤中,具体包括:
得到所述待处理图像中的封闭区域;
获取封闭区域的边缘信息,并根据所述边缘信息确定目标区域。
具体地,所述得到所述待处理图像中的封闭区域的步骤中,具体包括:
使用链码对所述待处理图像进行腐蚀处理,得到封闭区域。
具体地,所述获取封闭区域的边缘信息,并根据所述边缘信息确定目标区域的步骤中,具体包括:
获取封闭区域的边缘坐标;
根据所述边缘坐标,计算所述封闭区域中各封闭区域的面积;
根据所述各封闭区域的面积,确定所述封闭区域中的目标区域。
具体地,所述根据所述目标区域确定第一图像和/或第二图像的调整区域的步骤中,具体包括:
将所述目标区域的位置映射到所述第一图像和/或第二图像中,得到所述第一图像和/或第二图像的映射区域,根据映射区域确定第一图像和/或第二图像对应的调整区域。
具体地,所述调整所述调整区域对应的图像参数的步骤中,具体包括:
调整所述调整区域的高光参数。
第二方面,本发明还提供一种图像处理装置。
所述图像处理装置包括:
获取模块,用于获取第一图像和第二图像;
得到模块,用于根据所述第一图像和所述第二图像得到待处理图像;
第一确定模块,用于对所述待处理图像进行处理,确定所述待处理图像中的目标区域;
第二确定模块,用于根据所述目标区域确定第一图像和/或第二图像的调整区域;
调整模块,用于调整所述调整区域对应的图像参数。
第三方面,本发明还提供一种计算机可读存储介质。
所述计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现第一方面任意一项所述的图像处理方法的步骤。
相比于现有技术,本发明的方案具有以下优点:
本发明中,所述图像处理方法包括:获取第一图像和第二图像;根据所述第一图像和所述第二图像得到待处理图像;对所述待处理图像进行处理,确定所述待处理图像中的目标区域;根据所述目标区域确定第一图像和/或第二图像的调整区域;调整所述调整区域对应的图像参数。所述图像处理方法可以有效地确定待处理图像中的目标区域,并基于目标区域,确定该目标区域在第一图像、第二图像上的对应区域,从而快速确定第一图像和/或第二图像中需要调整的调整区域,高效地实现了对目标图像的图像参数的调整。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域技术人员来讲,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的附图。
图1示出了本发明中一种图像处理方法的一种实施例的流程示意图;
图2示出了本发明中的一种图像处理装置的一种实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本领域普通技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本发明可广泛应用于掌静脉识别。掌静脉指手掌内静脉。掌静脉识别是静脉识别的一种。在掌静脉识别中,首先需要确定手掌的位置,并通过静脉识别仪等取得个人掌静脉分布图,从掌静脉分布图依据专用比对算法提取特征值,通过近红外线CCD摄像头等获取手指、手掌、手背静脉的图像,将静脉的数字图像存贮在计算机系统中,将特征值存储。
为了便于理解,本发明将围绕本发明在掌静脉识别中的应用,对本发明的方案进行具体的阐述。应当理解的是,本发明并不局限于在掌静脉识别上的应用,本发明是可以应用到任何一个可能涉及到图像参数调整的技术领域当中的。例如,人物图像中,对人物的的背景部分的图像参数进行调整。又例如,风景图像中,对山川河流等景物进行参数调整以使得山川河流更清晰等。
第一方面,本发明提供一种图像处理方法。
如图1,所述图像处理方法包括步骤S101-步骤S105:
步骤S101.获取第一图像和第二图像;
步骤S102.根据所述第一图像和所述第二图像得到待处理图像;
步骤S103.对所述待处理图像进行处理,确定所述待处理图像中的目标区域;
步骤S104.根据所述目标区域确定第一图像和/或第二图像的调整区域;
步骤S105.调整所述调整区域对应的图像参数。
在本发明实施例中,在步骤S101,对拍摄的目标对象或者视频流中的目标对象,获取关于该目标对象的第一图像和第二图像。可以理解的是,第一图像和第二图像并不必然包含目标对象。但第一图像和第二图像均不包含目标对象,则无法确定目标区域。因此,在本实施例中,所述第一图像或所述第二图像中,至少有一个包含目标对象或表征该目标对象的目标特征。所述目标对象可以是人,人身体上的某一部分(如手掌、脸、眼睛等)或者是物。当本发明应用于掌静脉识别时,所述目标对象通常指的是手掌部分。
在步骤S101,本实施例的一种优选的实施方案中,所述第一图像、第二图像为同一摄像模块对同一目标对象在不同时刻所摄取的图像。
例如,设备启动拍摄一张图像A,将图像A作为第一图像,视作背景图片,每间隔2s拍照取样拍摄图片B,将图像B作为第二图像。
在步骤S101,本实施例的另一种优选的实施方案中,为了能够动态实时对所述第一图像和第二图像处理,所述第一图像、第二图像也可以为不同摄像模块对同一目标对象在同一时刻所摄取的图像。
在步骤S101,本实施例的又一种优选的实施方案中,所述第一图像、第二图像也可以是不同摄像模块对同一目标对象在不同时刻、同一位置所摄取的图像。
本实施例在步骤S102和步骤S103中,对第一图像和第二图像图像处理操作,得到处理后的待处理图像。所述待处理图像是用于提取目标对象或目标对象的目标特征,确定目标区域。一种可能的设计中,所述目标对象或目标对象的目标特征所在的位置为目标区域。例如,掌静脉识别中,手掌的位置就可以当作目标区域,亦或将当前图像中除手掌的位置外的其他区域当作是目标区域。在又一种可能的设计中,所述目标对象或目标对象的目标特征所在的位置区域之外的区域为目标区域。
步骤S104中,具体地,所述根据所述目标区域确定第一图像和/或第二图像的调整区域的步骤中,具体包括:
将所述目标区域的位置映射到所述第一图像和/或第二图像中,得到所述第一图像和/或第二图像的映射区域,根据映射区域确定第一图像和/或第二图像对应的调整区域。
在确定目标区域后,可以将目标区域映射回第一图像和/或第二图像,确定该目标区域对应的第一图像和/或第二图像的位置区域。本发明实施例中,该位置区域为映射区域。例如,在待处理图像中确定手掌的位置区域,及手掌区域外的背景区域,将手掌的位置区域映射回第一图像或第二图像中,在第一图像或第二图像中确定手掌的区域。又例如,将手掌的位置区域之外的背景区域映射回第一图像或第二图像中,对第一图像或第二图像中的所述背景区域对应的映射区域进行调整。
进一步地,结合步骤S105,在第一图像和/或第二图像中找到与目标区域关联的映射区域后,根据预设的规则进一步确定第一图像和/或第二图像上的调整区域。对第一图像和/或第二图像的图像参数进行调整,具体地,对所述调整区域进行调整。
显然,所述映射区域可以作为调整区域。此外,当前图像中映射区域之外的部分区域或全部区域也可以作为调整区域,这个可以根据实际的需求作调整。例如,在待处理图像中确定手掌的位置区域,将手掌的位置区域映射回第一图像或第二图像中。在第一图像或第二图像中确定手掌的位置,将该手掌的位置确定为映射区域,在后期的图像参数调整中,该映射区域可以是调整区域,在映射区域之外的部分区域或全部区域可以是调整区域。本实施例中,即可以单独调整第一图像或第二图像中的调整区域,也可以同时调整第一图像和第二图像上的调整区域。
在一种可能的设计中,从同时经过调整的第一图像和第二图像中,选取一张图像,作为最终的输出结果,用于进行掌静脉的识别。
综上,本发明中的所述图像处理方法可以有效地确定待处理图像中的目标区域,并基于目标区域,确定该目标区域在第一图像、第二图像上的对应区域,从而快速确定第一图像和/或第二图像中需要调整的调整区域,高效地实现了对目标图像(第一图像和/或第二图像)的图像参数的调整,消除背景干扰光等。
具体地,在本发明的一种优选的实施例中,所述图像参数包括:图像分辨率、高光参数等。
进一步地,步骤S105中,所述调整所述调整区域对应的图像参数的步骤中,具体包括:
调整所述调整区域的高光参数。
一种可能的设计方案中,确定待处理图像中的目标区域以及目标区域之外的高光区域位置,将高光区域位置映射回原图,第一图像和/或第二图像中。将第一图像和/或第二图像中的高光区域位置作为调整区域,调整亮度值到预设数值,例如127;再使用预设尺寸大小的滤波器,例如5x5的滤波器,对调整区域进行消光滤波获得图像抑制高光的第一图像或第二图像。
在另一种可能的设计方案中,确定待处理图像中的目标区域以及目标区域之外的低分辨率区域,将目标区域映射回原图,第一图像和/或第二图像中,将第一图像和/或第二图像中的映射区域位置之外的位置区域作为调整区域,调整该调整区域的分辨率。
步骤S102中,本发明在掌静脉识别的一种应用场景中,获取手掌的两张图像,第一图像和第二图像。对第一图像和第二图像的绝对值进行差分,得到第一图像和第二图像的差分图像,将该差分图像作为待处理图像。
本发明的一种可能的设计方案中,所述根据第一图像和所述第二图像得到待处理图像的步骤中,具体包括:
根据所述第一图像和所述第二图像之间的差值,得到差分图像;
对所述差分图像作二值化处理,得到待处理图像。
由于差分图像通常是由目标场景在相邻时间点的图像相减得到的,从而能够得到目标场景随时间的变换。进行差分处理之后,差分图像中只剩下了运动目标和部分噪声,有利于对运动目标进行识别和定位。
进一步地,对所述差分图像作二值化处理,得到二值化图像,将所述二值化图像作为待处理图像。图像二值化将差图像上的像素点的灰度值设置为0或255,将整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
在本发明的一种可能的设计中,所有灰度大于或等于阈值的像素被判定为属于目标区域,其灰度值为255表示,否则这些像素点被排除在目标区域以外,灰度值为0,表示背景或者例外的物体区域。
在得到待处理图像后,进一步地,在本发明的一种优选的实施例中,所述对所述待处理图像进行处理,确定所述待处理图像中的目标区域的步骤中,具体包括:
得到所述待处理图像中的封闭区域;
获取封闭区域的边缘信息,并根据所述边缘信息确定目标区域。
所述封闭区域指的是曲线闭合所形成的一个封闭的区域。
本发明在掌静脉识别中应用时,所获取的都是基于手掌的图像,因此手掌在图像中的面积通常较大,且是一个封闭的区域。因此,可以通过识别出待处理图像中的各个封闭区域,在确定各个封闭区域的边缘后,并计算每个封闭区域的面积大小来实现对手掌所在的目标区域的定位。
为了保证目标区域的高效定位,在本发明的一种具体的实施例中,所述得到所述待处理图像中的封闭区域的步骤中,具体包括:
使用链码对所述待处理图像进行腐蚀处理,得到封闭区域。
由于链码可以用曲线起始点的坐标和边界点方向代码来描述曲线或边界,同时,腐蚀可以将二值化图像中的白色区域只保留边缘,其余区域变黑。因此,可以利用链码对待处理图像进行腐蚀,有效地确定待处理图像中的封闭区域及封闭区域的边缘信息。
常用的链码按照中心像素点邻接方向个数的不同,分为4连通链码和8连通链码。4连通链码的邻接点有4个,分别在中心点的上、下、左和右。8连通链码比4连通链码增加了4个斜方向,因为任意一个像素周围均有8个邻接点,而8连通链码正好与像素点的实际情况相符,能够准确地描述中心像素点与其邻接点的信息。
优选地,本发明利用8连通链码对待处理图像进行腐蚀处理,得到待处理图像中的封闭区域。
进一步地,本发明的一种优选的实施例中,所述边缘信息包括封闭区域边缘像素点的边缘坐标。
所述获取封闭区域的边缘信息,并根据所述边缘信息确定目标区域的步骤中,具体包括:
获取封闭区域的边缘坐标;
根据所述边缘坐标,计算所述封闭区域中各封闭区域的面积;
根据所述各封闭区域的面积,确定所述封闭区域中的目标区域。
本发明的一种可能的设计方案,在掌静脉识别中,手掌区域一般占图像面积的50%以上,为最大区域,高光区一般为亮度值较大的小区域。使用边缘坐标计算封闭区域的面积并按照大小依次排列,从而确定手掌位置以及高光区域位置。通过面积大小来确定目标区域,能够保证在特定的使用场景中,如手势识别,掌静脉识别中,保证不低的准确率的同时,实现对设备的最低要求,简化了操作上复杂繁琐,节约了设备的损耗。
可以理解的是,在对手掌掌静脉进行特征采集与提取时,自下而上拍摄取样的摄像硬件,除了获得手掌本身的信息,还会获得手掌背景物的信息,当手掌边缘外背景杂色过多、或手掌背景具有强光时,将影响识别系统对手掌边界的确定、也会因强光干扰掌静脉的识别处理。
本发明在掌静脉识别的应用场景中,可以有效在待处理图像中确定手掌的位置,并基于待处理图像中手掌的位置确定第一图像或第二图像中手掌的位置,高效确定手掌及手掌之外的区域,可有效地消除在拍摄取样过程中所造成的图像中除手掌区域外的背景杂色,强光等。
第二方面,本发明还提供一种图像处理装置。
如图2,所述图像处理装置包括获取模块101、得到模块102、第一确定模块103、第二确定模块104和调整模块105。其中:
获取模块101,用于获取第一图像和第二图像;
得到模块102,用于根据所述第一图像和所述第二图像得到待处理图像;
第一确定模块103,用于对所述待处理图像进行处理,确定所述待处理图像中的目标区域;
第二确定模块104,用于根据所述目标区域确定第一图像和/或第二图像的调整区域;
调整模块105,用于调整所述调整区域对应的图像参数。
在本发明实施例中,在获取模块101,对拍摄的目标对象或者视频流中的目标对象,获取关于该目标对象的第一图像和第二图像。可以理解的是,第一图像和第二图像并不必然包含目标对象。但第一图像和第二图像均不包含目标对象,则无法确定目标区域。因此,在本实施例中,所述第一图像或所述第二图像中,至少有一个包含目标对象或表征该目标对象的目标特征。所述目标对象可以是人,人身体上的某一部分(如手掌、脸、眼睛等)或者是物。当本发明应用于掌静脉识别时,所述目标对象通常指的是手掌部分。
在获取模块,本实施例的一种优选的实施方案中,所述第一图像、第二图像为同一摄像模块对同一目标对象在不同时刻所摄取的图像。
例如,设备启动拍摄一张图像A,将图像A作为第一图像,视作背景图片,每间隔2s拍照取样拍摄图片B,将图像B作为第二图像。
在获取模块,本实施例的另一种优选的实施方案中,为了能够动态实时对所述第一图像和第二图像处理,所述第一图像、第二图像也可以为不同摄像模块对同一目标对象在同一时刻所摄取的图像。
在获取模块,本实施例的又一种优选的实施方案中,所述第一图像、第二图像也可以是不同摄像模块对同一目标对象在不同时刻、同一位置所摄取的图像。
本实施例在得到模块102和第一确定模块103中,对第一图像和第二图像图像处理操作,得到处理后的待处理图像。所述待处理图像是用于提取目标对象或目标对象的目标特征,确定目标区域。一种可能的设计中,所述目标对象或目标对象的目标特征所在的位置为目标区域。例如,掌静脉识别中,手掌的位置就可以当作目标区域,亦或将当前图像中除手掌的位置外的其他区域当作是目标区域。在又一种可能的设计中,所述目标对象或目标对象的目标特征所在的位置区域之外的区域为目标区域。
第二确定模块104中,具体被配置为用于:
将所述目标区域的位置映射到所述第一图像和/或第二图像中,得到所述第一图像和/或第二图像的映射区域,根据映射区域确定第一图像和/或第二图像对应的调整区域。
在确定目标区域后,可以将目标区域映射回第一图像和/或第二图像,确定该目标区域对应的第一图像和/或第二图像的位置区域。本发明实施例中,该位置区域为映射区域。例如,在待处理图像中确定手掌的位置区域,及手掌区域外的背景区域,将手掌的位置区域映射回第一图像和/或第二图像中,在第一图像和/或第二图像中确定手掌的区域。又例如,将手掌的位置区域之外的背景区域映射回第一图像或第二图像中,对第一图像或第二图像中的所述背景区域对应的映射区域进行调整。
进一步地,结合调整模块105,在第一图像和/或第二图像中找到与目标区域关联的映射区域后,根据预设的规则进一步确定第一图像和/或第二图像上的调整区域。对第一图像和/或第二图像的图像参数进行调整,具体地,对所述调整区域进行调整。
显然,所述映射区域可以作为调整区域。此外,当前图像中映射区域之外的部分区域或全部区域也可以作为调整区域,这个可以根据实际的需求作调整。例如,在待处理图像中确定手掌的位置区域,将手掌的位置区域映射回第一图像或第二图像中。在第一图像或第二图像中确定手掌的位置,将该手掌的位置确定为映射区域,在后期的图像参数调整中,该映射区域可以是调整区域,在映射区域之外的部分区域或全部区域可以是调整区域。本实施例中,即可以单独调整第一图像或第二图像中的调整区域,也可以同时调整第一图像和第二图像上的调整区域。
在一种可能的设计中,从同时经过调整的第一图像和第二图像中,选取一张图像,作为最终的输出结果,用于进行掌静脉的识别。
综上,本发明中的所述图像处理装置可以有效地确定待处理图像中的目标区域,并基于目标区域,确定该目标区域在第一图像、第二图像上的对应区域,从而快速确定第一图像和/或第二图像中需要调整的调整区域,高效地实现了对目标图像(第一图像和/或第二图像)的图像参数的调整,消除背景干扰光等。
具体地,在本发明的一种优选的实施例中,所述图像参数包括:图像分辨率、高光参数等。
进一步地,调整模块105中,具体包括:
调整单元,用于调整所述调整区域的高光参数。
一种可能的设计方案中,确定待处理图像中的目标区域以及目标区域之外的高光区域位置,将高光区域位置映射回原图,第一图像和/或第二图像中。将第一图像和/或第二图像中的高光区域位置作为调整区域,调整亮度值到预设数值,例如127;再使用预设尺寸大小的滤波器,例如5x5的滤波器,对调整区域进行消光滤波获得图像抑制高光的第一图像和/或第二图像。
在另一种可能的设计方案中,确定待处理图像中的目标区域以及目标区域之外的低分辨率区域,将目标区域映射回原图,第一图像和/或第二图像中,将第一图像和/或第二图像中的映射区域位置之外的位置区域作为调整区域,调整该调整区域的分辨率。
得到模块102中,本发明在掌静脉识别的一种应用场景中,获取手掌的两张图像,第一图像和第二图像。对第一图像和第二图像的绝对值进行差分,得到第一图像和第二图像的差分图像,将该差分图像作为待处理图像。
本发明的一种可能的设计方案中,得到模块102具体被配置为用于执行:
根据所述第一图像和所述第二图像之间的差值,得到差分图像;
对所述差分图像作二值化处理,得到待处理图像。
由于差分图像通常是由目标场景在相邻时间点的图像相减得到的,从而能够得到目标场景随时间的变换。进行差分处理之后,差分图像中只剩下了运动目标和部分噪声,有利于对运动目标进行识别和定位。
进一步地,对所述差分图像作二值化处理,得到二值化图像,将所述二值化图像作为待处理图像。图像二值化将差图像上的像素点的灰度值设置为0或255,将整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
在本发明的一种可能的设计中,所有灰度大于或等于阈值的像素被判定为属于目标区域,其灰度值为255表示,否则这些像素点被排除在目标区域以外,灰度值为0,表示背景或者例外的物体区域。
在得到待处理图像后,进一步地,在本发明的一种优选的实施例中,所述对所述待处理图像进行处理,第一确定模块103具体被配置为用于执行:
得到所述待处理图像中的封闭区域;
获取封闭区域的边缘信息,并根据所述边缘信息确定目标区域。
所述封闭区域指的是曲线闭合所形成的一个封闭的区域。
本发明在掌静脉识别中应用时,所获取的都是基于手掌的图像,因此手掌在图像中的面积通常较大,且是一个封闭的区域。因此,可以通过识别出待处理图像中的各个封闭区域,在确定各个封闭区域的边缘后,并计算每个封闭区域的面积大小来实现对手掌所在的目标区域的定位。
为了保证目标区域的高效定位,在本发明的一种具体的实施例中,所述得到所述待处理图像中的封闭区域的步骤中,具体包括:
使用链码对所述待处理图像进行腐蚀处理,得到封闭区域。
由于链码可以用曲线起始点的坐标和边界点方向代码来描述曲线或边界,同时,腐蚀可以将二值化图像中的白色区域只保留边缘,其余区域变黑。因此,可以利用链码对待处理图像进行腐蚀,有效地确定待处理图像中的封闭区域及封闭区域的边缘信息。
常用的链码按照中心像素点邻接方向个数的不同,分为4连通链码和8连通链码。4连通链码的邻接点有4个,分别在中心点的上、下、左和右。8连通链码比4连通链码增加了4个斜方向,因为任意一个像素周围均有8个邻接点,而8连通链码正好与像素点的实际情况相符,能够准确地描述中心像素点与其邻接点的信息。
优选地,本发明利用8连通链码对待处理图像进行腐蚀处理,得到待处理图像中的封闭区域。
进一步地,本发明的一种优选的实施例中,所述边缘信息包括封闭区域边缘像素点的边缘坐标。
所述获取封闭区域的边缘信息,并根据所述边缘信息确定目标区域的步骤中,具体包括:
获取封闭区域的边缘坐标;
根据所述边缘坐标,计算所述封闭区域中各封闭区域的面积;
根据所述各封闭区域的面积,确定所述封闭区域中的目标区域。
本发明的一种可能的设计方案,在掌静脉识别中,手掌区域一般占图像面积的50%以上,为最大区域,高光区一般为亮度值较大的小区域。使用坐标计算封闭区域的面积并按照大小依次排列,从而确定手掌位置以及高光区域位置。通过面积大小来确定目标区域,能够保证在特定的使用场景中,如手势识别,掌静脉识别中,保证不低的准确率的同时,实现对设备的最低要求,简化了操作上复杂繁琐,节约了设备的损耗。
可以理解的是,在对手掌掌静脉进行特征采集与提取时,自下而上拍摄取样的摄像硬件,除了获得手掌本身的信息,还会获得手掌背景物的信息,当手掌边缘外背景杂色过多、或手掌背景具有强光时,将影响识别系统对手掌边界的确定、也会因强光干扰掌静脉的识别处理。
本发明在掌静脉识别的应用场景中,可以有效在待处理图像中确定手掌的位置,并基于待处理图像中手掌的位置确定第一图像或第二图像中手掌的位置,高效确定手掌及手掌之外的区域,可有效地消除在拍摄取样过程中所造成的图像中除手掌区域外的背景杂色,强光等。
第三方面,本发明还提供一种计算机可读存储介质。
所述计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现第一方面任意一项所述的图像处理方法的步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read On ly Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
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步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上对本发明所提供的技术方案的实施例进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种图像处理方法,其特征在于,包括:
获取第一图像和第二图像;
根据所述第一图像和所述第二图像得到待处理图像;
对所述待处理图像进行处理,确定所述待处理图像中的目标区域;
根据所述目标区域确定第一图像和/或第二图像的调整区域;
调整所述调整区域对应的图像参数。
2.根据权利要求1所述的图像处理方法,其特征在于,所述第一图像、第二图像为同一摄像模块对同一目标对象在不同时刻所摄取的图像。
3.根据权利要求1所述的图像处理方法,其特征在于,所述根据第一图像和所述第二图像得到待处理图像的步骤中,具体包括:
根据所述第一图像和所述第二图像之间的差值,得到差分图像;
对所述差分图像作二值化处理,得到待处理图像。
4.根据权利要求1或3所述的图像处理方法,其特征在于,所述对所述待处理图像进行处理,确定所述待处理图像中的目标区域的步骤中,具体包括:
得到所述待处理图像中的封闭区域;
获取封闭区域的边缘信息,并根据所述边缘信息确定目标区域。
5.根据权利要求4所述的图像处理方法,其特征在于,所述得到所述待处理图像中的封闭区域的步骤中,具体包括:
使用链码对所述待处理图像进行腐蚀处理,得到封闭区域。
6.根据权利要求5所述的图像处理方法,其特征在于,所述获取封闭区域的边缘信息,并根据所述边缘信息确定目标区域的步骤中,具体包括:
获取封闭区域的边缘坐标;
根据所述边缘坐标,计算所述封闭区域中各封闭区域的面积;
根据所述各封闭区域的面积,确定所述封闭区域中的目标区域。
7.根据权利要求1所述的图像处理方法,其特征在于,所述根据所述目标区域确定第一图像和/或第二图像的调整区域的步骤中,具体包括:
将所述目标区域的位置映射到所述第一图像和/或第二图像中,得到所述第一图像和/或第二图像的映射区域,根据映射区域确定第一图像和/或第二图像对应的调整区域。
8.根据权利要求1所述的图像处理方法,其特征在于,所述调整所述调整区域对应的图像参数的步骤中,具体包括:
调整所述调整区域的高光参数。
9.一种图像处理装置,其特征在于,包括:
获取模块,用于获取第一图像和第二图像;
得到模块,用于根据所述第一图像和所述第二图像得到待处理图像;
第一确定模块,用于对所述待处理图像进行处理,确定所述待处理图像中的目标区域;
第二确定模块,用于根据所述目标区域确定第一图像和/或第二图像的调整区域;
调整模块,用于调整所述调整区域对应的图像参数。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现权利要求1-8任意一项所述的图像处理方法的步骤。
CN202110588065.2A 2021-05-12 2021-05-28 图像处理方法、装置及计算机可读存储介质 Active CN113221909B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110519393 2021-05-12
CN2021105193937 2021-05-12

Publications (2)

Publication Number Publication Date
CN113221909A true CN113221909A (zh) 2021-08-06
CN113221909B CN113221909B (zh) 2023-01-31

Family

ID=77099633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110588065.2A Active CN113221909B (zh) 2021-05-12 2021-05-28 图像处理方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113221909B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942808A (zh) * 2014-05-12 2014-07-23 福州大学 粘连岩石颗粒图像的分割方法
CN105550670A (zh) * 2016-01-27 2016-05-04 兰州理工大学 一种目标物体动态跟踪与测量定位方法
AU2015271981A1 (en) * 2015-12-21 2017-07-06 Canon Kabushiki Kaisha Method, system and apparatus for modifying a perceptual attribute for at least a part of an image
CN107909553A (zh) * 2017-11-02 2018-04-13 青岛海信电器股份有限公司 一种图像处理方法及设备
CN108195291A (zh) * 2018-01-03 2018-06-22 中山大学 一种基于差分光斑的运动车辆三维检测方法及检测装置
CN111222356A (zh) * 2020-01-14 2020-06-02 河北省烟草公司沧州市公司 图像识别方法、扫码方法、扫码终端和商品销售管理系统
CN112241660A (zh) * 2019-07-17 2021-01-19 北京双髻鲨科技有限公司 一种基于视觉的防盗监测方法和装置
CN112351195A (zh) * 2020-09-22 2021-02-09 北京迈格威科技有限公司 图像处理方法、装置和电子系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942808A (zh) * 2014-05-12 2014-07-23 福州大学 粘连岩石颗粒图像的分割方法
AU2015271981A1 (en) * 2015-12-21 2017-07-06 Canon Kabushiki Kaisha Method, system and apparatus for modifying a perceptual attribute for at least a part of an image
CN105550670A (zh) * 2016-01-27 2016-05-04 兰州理工大学 一种目标物体动态跟踪与测量定位方法
CN107909553A (zh) * 2017-11-02 2018-04-13 青岛海信电器股份有限公司 一种图像处理方法及设备
CN108195291A (zh) * 2018-01-03 2018-06-22 中山大学 一种基于差分光斑的运动车辆三维检测方法及检测装置
CN112241660A (zh) * 2019-07-17 2021-01-19 北京双髻鲨科技有限公司 一种基于视觉的防盗监测方法和装置
CN111222356A (zh) * 2020-01-14 2020-06-02 河北省烟草公司沧州市公司 图像识别方法、扫码方法、扫码终端和商品销售管理系统
CN112351195A (zh) * 2020-09-22 2021-02-09 北京迈格威科技有限公司 图像处理方法、装置和电子系统

Also Published As

Publication number Publication date
CN113221909B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
KR100908856B1 (ko) 화상 처리 방법 및 화상 처리기
CN111225611B (zh) 用于帮助分析目标对象中的伤口的系统和方法
CN111275696B (zh) 一种医学图像处理的方法、图像处理的方法及装置
CN110334635A (zh) 主体追踪方法、装置、电子设备和计算机可读存储介质
WO2007125866A1 (ja) 被写体抽出方法、被写体追跡方法、画像合成方法、被写体抽出コンピュータプログラム、被写体追跡コンピュータプログラム、画像合成コンピュータプログラム、被写体抽出装置、被写体追跡装置、および画像合成装置
CN111199197B (zh) 一种人脸识别的图像提取方法及处理设备
CN111079764A (zh) 一种基于深度学习的低照度车牌图像识别方法及装置
CN111339831A (zh) 一种照明灯控制方法和系统
Fuh et al. Mcpa: A fast single image haze removal method based on the minimum channel and patchless approach
CN111027637A (zh) 一种文字检测方法及计算机可读存储介质
CN114140481A (zh) 一种基于红外图像的边缘检测方法、装置
CN113822927A (zh) 一种适用弱质量图像的人脸检测方法、装置、介质及设备
Fathy et al. Benchmarking of pre-processing methods employed in facial image analysis
Valliammal et al. A hybrid method for enhancement of plant leaf recognition
CN112861588B (zh) 一种活体检测的方法、装置
CN111931544B (zh) 活体检测的方法、装置、计算设备及计算机存储介质
CN113221909B (zh) 图像处理方法、装置及计算机可读存储介质
CN114144812A (zh) 生成手掌/手指前景掩模的方法
KR101767051B1 (ko) 퍼지 추론 기반 지정맥 영상 추출 방법 및 그 장치
CN113420582B (zh) 用于掌静脉识别的防伪检测方法及其系统
CN113221892A (zh) 手掌图像确定方法、装置及计算机可读存储介质
CN113963427A (zh) 一种快速活体检测的方法与系统
Baloch et al. Finger-vein Image Dual Contrast Enhancement and Edge Detection
CN111275045A (zh) 图像的主体识别方法、装置、电子设备和介质
Nam et al. Flash shadow detection and removal in stereo photography

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