CN113506279A - 对象倾斜角度的确定方法、装置、存储介质及电子装置 - Google Patents
对象倾斜角度的确定方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN113506279A CN113506279A CN202110833270.0A CN202110833270A CN113506279A CN 113506279 A CN113506279 A CN 113506279A CN 202110833270 A CN202110833270 A CN 202110833270A CN 113506279 A CN113506279 A CN 113506279A
- Authority
- CN
- China
- Prior art keywords
- target
- determining
- parameter value
- image
- pixel
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000000605 extraction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
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
- G06T7/10—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
- G06T7/10—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Abstract
本发明实施例提供了一种对象倾斜角度的确定方法、装置、存储介质及电子装置,其中,该方法包括:对图像进行目标处理,以得到目标图像,其中,图像中包括目标对象;将目标图像中包括的目标像素点转化到目标空间中,以确定像素点在目标空间中对应的第一像素点;确定第一像素点的目标参数值;基于目标参数值确定目标对象的倾斜角度。通过本发明,解决了相关技术中存在的确定对象倾斜角度不准确的问题,达到提高确定对象倾斜角度的准确率效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种对象倾斜角度的确定方法、装置、存储介质及电子装置。
背景技术
在一些检测识别算法、图像拼接算法前,有时需要先将倾斜的图像旋转到水平,在相关技术中,通常使用LSD或霍夫变换等直线检测算法,通过检测图像中的直线,来确认图像的倾斜角度。使用LSD算法检测直线的方法,其设计的主要缺点是:当图像质量较差或长直线与其它方向的直线相交,会造成检测到的直线很短,导致图像倾斜角度计算误差较大,如附图1中的线段部分是检测到的直线。使用霍夫变换算法检测图像中最长的直线的方法,其设计的主要缺点是:当图像中出现较长的直线,且该较长的直线并非是真正的工件上的直线时,会导致角度计算错误。
由此可知,相关技术中存在确定对象的倾斜角度不准确的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种对象倾斜角度的确定方法、装置、存储介质及电子装置,以至少解决相关技术中存在的确定对象的倾斜角度不准确的问题。
根据本发明的一个实施例,提供了一种对象倾斜角度的确定方法,包括:对图像进行目标处理,以得到目标图像,其中,所述图像中包括目标对象;将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点;确定所述第一像素点的目标参数值;基于所述目标参数值确定所述目标对象的倾斜角度。
根据本发明的另一个实施例,提供了一种对象倾斜角度的确定装置,包括:处理模块,用于对图像进行目标处理,以得到目标图像,其中,所述图像中包括目标对象;转化模块,用于将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点;第一确定模块,用于确定所述第一像素点的目标参数值;第二确定模块,用于基于所述目标参数值确定所述目标对象的倾斜角度。
根据本发明的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,对图像进行处理,以得到目标图像,将目标图像中包括的目标像素点转化到目标空间,以确定目标像素点在目标空间中对应的第一像素点,确定第一像素点的目标参数值,根据目标参数值确定目标对象的倾斜角度。由于可以将目标图像中的像素点转化到目标空间中,在目标空间确定目标对象的倾斜角度,因此,可以解决相关技术中存在的确定对象倾斜角度不准确的问题,达到提高确定对象倾斜角度的准确率效果。
附图说明
图1是相关技术中使用LSD算法检测到的直线示意图;
图2是本发明实施例的一种对象倾斜角度的确定方法的移动终端的硬件结构框图;
图3是根据本发明实施例的对象倾斜角度的确定方法的流程图;
图4是根据本发明示例性实施例的输入的图像示意图;
图5是根据本发明示例性实施例的目标图像示意图;
图6是根据本发明示例性实施例的空间图像示意图;
图7是根据本发明具体实施例的对象倾斜角度的确定方法流程图;
图8是根据本发明实施例的对象倾斜角度的确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图2是本发明实施例的一种对象倾斜角度的确定方法的移动终端的硬件结构框图。如图2所示,移动终端可以包括一个或多个(图2中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图2所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的对象倾斜角度的确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种对象倾斜角度的确定方法,图3是根据本发明实施例的对象倾斜角度的确定方法的流程图,如图3所示,该流程包括如下步骤:
步骤S302,对图像进行目标处理,以得到目标图像,其中,所述图像中包括目标对象;
步骤S304,将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点;
步骤S306,确定所述第一像素点的目标参数值;
步骤S308,基于所述目标参数值确定所述目标对象的倾斜角度。
在上述实施例中,图像可以是对目标对象进行拍摄所得到的图像,图像中包括目标对象。目标对象可以为工件、光伏板等。通过图像确定目标对象的倾斜角度,在确定倾斜角度后,可以自动计算工件或光伏板的旋转角度,便于后续检测识别算法或拼接算法处理。
在上述实施例中,目标处理可以为边缘提取处理,目标图像可以为二值化图像。例如,可以使用Sobel、Canny等边缘提取算法对图像进行边缘提取,得到二值化后的图像。以Sobel边缘提取算法为例,可以使用整幅图像的平均灰度值作为二值化阈值。其中,输入的图像示意图可参见附图4,对图像进行边缘提取后所得到的目标图像示意图可参见附图5。
在上述实施例中,目标空间可以为角度空间,即将目标图像中包括的目标像素点向角度空间进行转化,每个像素点转化到目标空间可以对应于一系列的第一像素点。在确定出第一像素点后,可以确定第一像素点的目标参数值,根据目标参数值确定目标对象的倾斜角度。其中,目标像素点可以为目标图像中包括的白像素点。
可选地,上述步骤的执行主体可以是后台处理器,或者其他的具备类似处理能力的设备,还可以是至少集成有图像获取设备以及数据处理设备的机器,其中,图像获取设备可以包括摄像头等图形采集模块,数据处理设备可以包括计算机、手机等终端,但不限于此。
通过本发明,对图像进行处理,以得到目标图像,将目标图像中包括的目标像素点转化到目标空间,以确定目标像素点在目标空间中对应的第一像素点,确定第一像素点的目标参数值,根据目标参数值确定目标对象的倾斜角度。由于可以将目标图像中的像素点转化到目标空间中,在目标空间确定目标对象的倾斜角度,因此,可以解决相关技术中存在的确定对象倾斜角度不准确的问题,达到提高确定对象倾斜角度的准确率效果。
在一个示例性实施例中,确定所述第一像素点的目标参数值包括:确定所述第一像素点对应的参数值;将所述参数值与第一常数的和确定为所述目标参数值,其中,所述第一常数为预先确定的常数。在本实施例中,可以将第一像素点对应的参数值与第一常数的和确定为第一像素点的目标参数值。在得到第一像素点的目标参数值后,更新第一像素点对应的参数值,即将目标参数值更新为第一像素点的参数值。其中,第一像素点对应的参数值初始值可以为0。
需要说明的是,目标空间可以为预先设置的空间,可以将目标空间的所有像素点所对应的参数值置0(或其他值,保证所有像素点对应的初始参数值相同即可)。在二值化图像的目标像素点转化到目标空间,确定与其对应的第一像素点后,将第一像素点的参数值加1或其他非零参数。即第一常数可以为1(该取值仅是一种示例性说明,第一常数还可以为2、3、4等,本发明对此不作限定)。
在一个示例性实施例中,将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点包括:确定所述目标图像中包括的目标像素点的第一坐标;基于所述第一坐标确定所述目标空间中与所述第一坐标对应的第二坐标;将所述第二坐标对应的像素点确定为所述第一像素点。在本实施例中,在将目标图像中包括的目标像素点向目标空间进行转化时,可以目标像素点在目标图像中的第一坐标确定其在目标空间对应的第二坐标,将第二坐标对应的像素点确定为第一像素点。
在一个示例性实施例中,基于所述第一坐标确定所述目标空间中与所述第一坐标对应的第二坐标包括:将所述目标空间中的每列像素点的第一横坐标确定为所述第二坐标的第二横坐标;基于所述第二横坐标确定所述第二坐标的第一纵坐标;将所述第二横坐标以及所述第一纵坐标确定为所述第二坐标。在本实施例中,在目标空间的每列像素点中均存在与目标图像中的像素点对应的第一像素点。因此,可以将目标空间的每列像素点的第一横坐标确定为第二坐标中包括的第二横坐标。再根据第二横坐标确定第二坐标中包括的第一纵坐标,将第二横坐标以及第二纵坐标确定为第二坐标。
在一个示例性实施例中,基于所述第二横坐标确定所述第二坐标的第一纵坐标包括:确定所述第二横坐标与所述目标空间的角度精度的第一乘积,其中,所述角度精度为预先设定的精度;确定所述角度精度与所述目标空间的宽度的第二乘积,其中,所述宽度为预先设定的宽度;确定所述第二乘积与第二常数的第一比值;确定所述第一乘积与所述第一比值的第一差;确定所述第一差的正切值与所述第一坐标的第三横坐标的第三乘积;将所述第一坐标的第二纵坐标与所述第三乘积的差确定为所述第一纵坐标。在本实施例中,设目标空间的宽度为wa,高度为ha,角度精度为pa,并将目标空间的所有像素点对应的参数值置0。遍历目标图像,对于每一个白色像素p(x,y),设其在目标空间中对应的一系列坐标为q(k,b),并将q(k,b)的值加1。其中,k对应于上述第二横坐标,bk对应于上述第一纵坐标。y对应于上述第二纵坐标,x对应于上述第三横坐标,k∈(0,wa)表示第二横坐标为取遍目标空间的横坐标。
在一个示例性实施例中,基于所述目标参数值确定所述目标对象的倾斜角度包括:基于所述目标参数值确定所述目标空间中包括的参数值大于预定阈值的像素点的第一数量;确定所述目标空间中包括的所有像素点的第一参数值和;将所述第一参数值和与所述第一数量的比值确定为所述目标空间的平均参数值;基于所述平均参数值确定所述目标对象的所述倾斜角度。在本实施例中,在遍历目标图像后,可以确定目标空间中的各个像素点对应的目标参数值。遍历目标空间,确定目标空间中所有不为0的像素个数N,及角度空间中所有参数值的第一参数值和S,则平均参数值其中,预定阈值可以为目标空间的像素点对应的初始参数值,可以为0,或其他常数。在确定出平均参数值后,根据平均参数值确定目标对象的倾斜角度。
在上述实施例中,还可以对目标空间进行归一化处理,以得到空间图像,根据空间图像中包括的各个像素点的像素值确定目标对象的倾斜角度。其中,空间图像示意图可参见附图6。
在一个示例性实施例中,基于所述平均参数值确定所述目标对象的所述倾斜角度包括:确定所述空间图像中包括的各个像素点的参数值与所述平均参数值的差值的绝对值;将所述绝对值确定为所述各个像素点的第二参数值;基于所述第二参数值确定每列像素点的第二参数值和;确定第二参数值和中包括的最大参数值和对应的第四横坐标;基于所述第四横坐标确定所述目标对象的所述倾斜角度。在本实施例中,遍历角度空间,对每个像素值q(k,b)执行如下操作:q(k,b)=|q(k,b)-Tavg|。设目标空间横坐标为k时的得分为Scorek,则有即第二参数值和为Scorek。根据第二参数和确定出最大参数值和对应的第四横坐标,根据第四横坐标确定出倾斜角度。
在一个示例性实施例中,基于所述第四横坐标确定所述目标对象的所述倾斜角度包括:确定所述第四横坐标与所述目标空间的角度精度的第四乘积;确定所述角度精度与所述目标空间的宽度的第五乘积;确定所述第五乘积与第三常数的第二比值;将所述第四乘积与所述第二比值的差确定为所述倾斜角度。在本实施例中,设得分最高的横坐标为kmax,则目标对象的倾斜角度为
在一个示例性实施例中,基于所述目标参数值确定所述目标对象的倾斜角度包括:基于所述目标参数值确定所述目标空间的空间图像;确定所述空间图像中包括的像素值大于预定像素值的第二数量,以及所述空间图像中包括的所有像素点的像素值的第一像素值和,将所述第一像素值和与所述第二数量的比值确定为所述空间图像的平均像素值。将所述空间图像中包括的各个像素点的像素值与所述平均像素值的差值的绝对值确定为所述各个像素点的目标像素值。根据目标像素值确定每列像素点的第二像素值和,确定第二像素值和中包括的最大像素值和所对应的第五横坐标,根据第五横坐标确定所述目标对象的所述倾斜角度。在本实施例中,在遍历目标图像后,可以确定目标空间中的像素点对应的目标参数值,根据目标参数值对目标空间进行目标处理,得到目标空间的空间图像。确定图像中各个像素点的像素值。通过像素值确定倾斜角度。遍历目标空间,获得目标空间中所有不为0的像素个数N,及目标空间中所有像素值的和S,则平均像素值遍历角度空间,对每个像素值q(k,b)执行如下操作:q(k,b)=|q(k,b)-Tavg|,设角度空间横坐标为k时的得分为Scorek,则有设得分最高横坐标为kmax,则该工件的角度
在一个示例性实施例中,在基于所述目标参数值确定所述目标对象的倾斜角度之后,所述方法还包括:基于所述倾斜角度确定目标对象的旋转角度;输出所述旋转角度,和/或,按照所述旋转角度旋转所述目标对象。在本实施例中,在确定出倾斜角度后,还可以根据倾斜角度确定目标对象的旋转角度。在确定出旋转角度后,可以输出旋转角度,以指示技术人员按照旋转角度调整目标对象。当执行该步骤的处理器与目标对象集成在一起时,还可以由处理器控制调整目标对象角度的设备按照旋转角度旋转目标对象。
在一个示例性实施例中,所述目标图像包括二值化图像。在本实施例中,可以对图像进行二值化处理,或边缘提取处理以得到二值化图像。
下面结合具体实施方式对对象倾斜角度的确定方法进行说明:
图7是根据本发明具体实施例的对象倾斜角度的确定方法流程图,如图7所示,该流程包括:
步骤S702,输入图片。
步骤S704,边缘提取:使用Sobel、Canny等边缘提取算法对图像进行边缘提取,得到二值化后的图像,以Sobel边缘提取算法为例,使用整幅图像的平均灰度值作为二值化阈值。
步骤S706,像素空间转角度空间:
设角度空间的宽度为wa,高度为ha,角度精度为pa,并将角度空间所以值置0。遍历二值化后的图像,对于每一个白色像素p(x,y),设其在角度空间中对应的一系列坐标为q(k,b),其中并将q(k,b)的值加1。
遍历角度空间,对每个像素值q(k,b)执行如下操作:
q(k,b)=|q(k,b)-Tavg|。
步骤S710,图片旋转。
在前述实施例中,将图像从像素空间转换为角度空间,全局统计最优角度;当图像中出现少量的长直线时,不会影响角度检测的精度;在角度空间进行最优角度计算,当图像质量较差或有较多相交直线时,不会影响角度检测的精度。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种对象倾斜角度的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图8是根据本发明实施例的对象倾斜角度的确定装置的结构框图,如图8所示,该装置包括:
处理模块82,用于对图像进行目标处理,以得到目标图像,其中,所述图像中包括目标对象;
转化模块84,用于将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点;
第一确定模块86,用于确定所述第一像素点的目标参数值;
第二确定模块88,用于基于所述目标参数值确定所述目标对象的倾斜角度。
在一个示例性实施例中,第一确定模块86可以通过如下方式实现确定所述第一像素点的目标参数值包括:确定所述第一像素点对应的参数值;将所述参数值与第一常数的和确定为所述目标参数值,其中,所述第一常数为预先确定的常数。
在一个示例性实施例中,转化模块84可以通过如下方式实现将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点:确定所述目标图像中包括的目标像素点的第一坐标;基于所述第一坐标确定所述目标空间中与所述第一坐标对应的第二坐标;将所述第二坐标对应的像素点确定为所述第一像素点。
在一个示例性实施例中,转化模块84可以通过如下方式实现基于所述第一坐标确定所述目标空间中与所述第一坐标对应的第二坐标:将所述目标空间中的每列像素点的第一横坐标确定为所述第二坐标的第二横坐标;基于所述第二横坐标确定所述第二坐标的第一纵坐标;将所述第二横坐标以及所述第一纵坐标确定为所述第二坐标。
在一个示例性实施例中,转化模块84可以通过如下方式实现基于所述第二横坐标确定所述第二坐标的第一纵坐标:确定所述第二横坐标与所述目标空间的角度精度的第一乘积,其中,所述角度精度为预先设定的精度;确定所述角度精度与所述目标空间的宽度的第二乘积,其中,所述宽度为预先设定的宽度;确定所述第二乘积与第二常数的第一比值;确定所述第一乘积与所述第一比值的第一差;确定所述第一差的正切值与所述第一坐标的第三横坐标的第三乘积;将所述第一坐标的第二纵坐标与所述第三乘积的差确定为所述第一纵坐标。
在一个示例性实施例中,第二确定模块88可以通过如下方式实现基于所述目标参数值确定所述目标对象的倾斜角度:基于所述目标参数值确定所述目标空间的空间图像;确定所述空间图像中包括的参数值大于预定阈值的像素点的第一数量;确定所述空间图像中包括的所有像素点的第一参数值和;将所述第一参数值和与所述第一数量的比值确定为所述目标空间的平均参数值;基于所述平均参数值确定所述目标对象的所述倾斜角度。
在一个示例性实施例中,第二确定模块88可以通过如下方式实现基于所述平均参数值确定所述目标对象的所述倾斜角度:确定所述空间图像中包括的各个像素点的参数值与所述平均参数值的差值的绝对值;将所述绝对值确定为所述各个像素点的第二参数值;基于所述第二参数值确定每列像素点的第二参数值和;确定第二参数值和中包括的最大参数值和对应的第四横坐标;基于所述第四横坐标确定所述目标对象的所述倾斜角度。
在一个示例性实施例中,第二确定模块88可以通过如下方式实现基于所述第四横坐标确定所述目标对象的所述倾斜角度:确定所述第四横坐标与所述目标空间的角度精度的第四乘积;确定所述角度精度与所述目标空间的宽度的第五乘积;确定所述第五乘积与第三常数的第二比值;将所述第四乘积与所述第二比值的差确定为所述倾斜角度。
在一个示例性实施例中,第二确定模块88可以通过如下方式实现基于所述目标参数值确定所述目标对象的倾斜角度包括:基于所述目标参数值确定所述目标空间的空间图像;确定所述空间图像中包括的像素值大于预定像素值的第二数量,以及所述空间图像中包括的所有像素点的像素值的第一像素值和,将所述第一像素值和与所述第二数量的比值确定为所述空间图像的平均像素值。将所述空间图像中包括的各个像素点的像素值与所述平均像素值的差值的绝对值确定为所述各个像素点的目标像素值。根据目标像素值确定每列像素点的第二像素值和,确定第二像素值和中包括的最大像素值和所对应的第五横坐标,根据第五横坐标确定所述目标对象的所述倾斜角度。
在一个示例性实施例中,所述装置可以用于在基于所述目标参数值确定所述目标对象的倾斜角度之后,基于所述倾斜角度确定目标对象的旋转角度;输出所述旋转角度,和/或,按照所述旋转角度旋转所述目标对象。
在一个示例性实施例中,所述目标图像包括二值化图像。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种对象倾斜角度的确定方法,其特征在于,包括:
对图像进行目标处理,以得到目标图像,其中,所述图像中包括目标对象;
将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点;
确定所述第一像素点的目标参数值;
基于所述目标参数值确定所述目标对象的倾斜角度。
2.根据权利要求1所述的方法,其特征在于,确定所述第一像素点的目标参数值包括:
确定所述第一像素点对应的参数值;
将所述参数值与第一常数的和确定为所述目标参数值,其中,所述第一常数为预先确定的常数。
3.根据权利要求1所述的方法,其特征在于,将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点包括:
确定所述目标图像中包括的目标像素点的第一坐标;
基于所述第一坐标确定所述目标空间中与所述第一坐标对应的第二坐标;
将所述第二坐标对应的像素点确定为所述第一像素点。
4.根据权利要求3所述的方法,其特征在于,基于所述第一坐标确定所述目标空间中与所述第一坐标对应的第二坐标包括:
将所述目标空间中的每列像素点的第一横坐标确定为所述第二坐标的第二横坐标;
基于所述第二横坐标确定所述第二坐标的第一纵坐标;
将所述第二横坐标以及所述第一纵坐标确定为所述第二坐标。
5.根据权利要求4所述的方法,其特征在于,基于所述第二横坐标确定所述第二坐标的第一纵坐标包括:
确定所述第二横坐标与所述目标空间的角度精度的第一乘积,其中,所述角度精度为预先设定的精度;
确定所述角度精度与所述目标空间的宽度的第二乘积,其中,所述宽度为预先设定的宽度;
确定所述第二乘积与第二常数的第一比值;
确定所述第一乘积与所述第一比值的第一差;
确定所述第一差的正切值与所述第一坐标的第三横坐标的第三乘积;
将所述第一坐标的第二纵坐标与所述第三乘积的差确定为所述第一纵坐标。
6.根据权利要求1所述的方法,其特征在于,基于所述目标参数值确定所述目标对象的倾斜角度包括:
基于所述目标参数值确定所述目标空间中包括的参数值大于预定阈值的像素点的第一数量;
确定所述目标空间中包括的所有像素点的第一参数值和;
将所述第一参数值和与所述第一数量的比值确定为所述目标空间的平均参数值;
基于所述平均参数值确定所述目标对象的所述倾斜角度。
7.根据权利要求6所述的方法,其特征在于,基于所述平均参数值确定所述目标对象的所述倾斜角度包括:
确定所述目标空间中包括的各个像素点的参数值与所述平均参数值的差值的绝对值;
将所述绝对值确定为所述各个像素点的第二参数值;
基于所述第二参数值确定每列像素点的第二参数值和;
确定第二参数值和中包括的最大参数值和对应的第四横坐标;
基于所述第四横坐标确定所述目标对象的所述倾斜角度。
8.根据权利要求7所述的方法,其特征在于,基于所述第四横坐标确定所述目标对象的所述倾斜角度包括:
确定所述第四横坐标与所述目标空间的角度精度的第四乘积;
确定所述角度精度与所述目标空间的宽度的第五乘积;
确定所述第五乘积与第三常数的第二比值;
将所述第四乘积与所述第二比值的差确定为所述倾斜角度。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述目标图像包括二值化图像。
10.一种对象倾斜角度的确定装置,其特征在于,包括:
处理模块,用于对图像进行目标处理,以得到目标图像,其中,所述图像中包括目标对象;
转化模块,用于将所述目标图像中包括的目标像素点转化到目标空间中,以确定所述像素点在所述目标空间中对应的第一像素点;
第一确定模块,用于确定所述第一像素点的目标参数值;
第二确定模块,用于基于所述目标参数值确定所述目标对象的倾斜角度。
11.一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中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至9任一项中所述的方法的步骤。
12.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至9任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110833270.0A CN113506279A (zh) | 2021-07-22 | 2021-07-22 | 对象倾斜角度的确定方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110833270.0A CN113506279A (zh) | 2021-07-22 | 2021-07-22 | 对象倾斜角度的确定方法、装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113506279A true CN113506279A (zh) | 2021-10-15 |
Family
ID=78013595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110833270.0A Pending CN113506279A (zh) | 2021-07-22 | 2021-07-22 | 对象倾斜角度的确定方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113506279A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004077828A1 (ja) * | 2003-02-27 | 2004-09-10 | Sony Corporation | 画像処理装置および方法、学習装置および方法、記録媒体、並びにプログラム |
CN104050450A (zh) * | 2014-06-16 | 2014-09-17 | 西安通瑞新材料开发有限公司 | 一种基于视频的车牌识别方法 |
CN106780352A (zh) * | 2016-12-16 | 2017-05-31 | 珠海赛纳打印科技股份有限公司 | 图像旋转方法、装置及图像形成设备 |
CN106778717A (zh) * | 2016-11-11 | 2017-05-31 | 河海大学 | 一种基于图像识别和k近邻的测评表识别方法 |
CN107749979A (zh) * | 2017-09-20 | 2018-03-02 | 神画科技(深圳)有限公司 | 一种投影机左右梯形校正方法 |
CN109040736A (zh) * | 2018-08-08 | 2018-12-18 | 上海玮舟微电子科技有限公司 | 一种人眼空间位置的标定方法、装置、设备和存储介质 |
CN109214380A (zh) * | 2018-09-12 | 2019-01-15 | 湖北民族学院 | 车牌倾斜校正方法 |
CN110781885A (zh) * | 2019-10-24 | 2020-02-11 | 泰康保险集团股份有限公司 | 基于图像处理的文本检测方法、装置、介质及电子设备 |
CN112101261A (zh) * | 2020-09-22 | 2020-12-18 | 北京百度网讯科技有限公司 | 人脸识别方法、装置、设备及存储介质 |
CN112200160A (zh) * | 2020-12-02 | 2021-01-08 | 成都信息工程大学 | 基于深度学习的直读水表读数识别方法 |
CN112785550A (zh) * | 2020-12-29 | 2021-05-11 | 浙江大华技术股份有限公司 | 图像质量值确定方法、装置、存储介质及电子装置 |
-
2021
- 2021-07-22 CN CN202110833270.0A patent/CN113506279A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004077828A1 (ja) * | 2003-02-27 | 2004-09-10 | Sony Corporation | 画像処理装置および方法、学習装置および方法、記録媒体、並びにプログラム |
CN104050450A (zh) * | 2014-06-16 | 2014-09-17 | 西安通瑞新材料开发有限公司 | 一种基于视频的车牌识别方法 |
CN106778717A (zh) * | 2016-11-11 | 2017-05-31 | 河海大学 | 一种基于图像识别和k近邻的测评表识别方法 |
CN106780352A (zh) * | 2016-12-16 | 2017-05-31 | 珠海赛纳打印科技股份有限公司 | 图像旋转方法、装置及图像形成设备 |
US20180174280A1 (en) * | 2016-12-16 | 2018-06-21 | Zhuhai Seine Technology Co., Ltd. | Method and Device for Image Rotation, and Apparatus for Image Formation |
CN107749979A (zh) * | 2017-09-20 | 2018-03-02 | 神画科技(深圳)有限公司 | 一种投影机左右梯形校正方法 |
CN109040736A (zh) * | 2018-08-08 | 2018-12-18 | 上海玮舟微电子科技有限公司 | 一种人眼空间位置的标定方法、装置、设备和存储介质 |
CN109214380A (zh) * | 2018-09-12 | 2019-01-15 | 湖北民族学院 | 车牌倾斜校正方法 |
CN110781885A (zh) * | 2019-10-24 | 2020-02-11 | 泰康保险集团股份有限公司 | 基于图像处理的文本检测方法、装置、介质及电子设备 |
CN112101261A (zh) * | 2020-09-22 | 2020-12-18 | 北京百度网讯科技有限公司 | 人脸识别方法、装置、设备及存储介质 |
CN112200160A (zh) * | 2020-12-02 | 2021-01-08 | 成都信息工程大学 | 基于深度学习的直读水表读数识别方法 |
CN112785550A (zh) * | 2020-12-29 | 2021-05-11 | 浙江大华技术股份有限公司 | 图像质量值确定方法、装置、存储介质及电子装置 |
Non-Patent Citations (3)
Title |
---|
KENTA ITAKURA AND FUMIKI HOSOI: "Automatic Leaf Segmentation for Estimating Leaf Area and Leaf Inclination Angle in 3D Plant Images", SENSORS * |
刘旭;巫玲;陈念年;范勇;段晶晶;任新宇;夏菁菁: "基于光栅投影序列图像融合的倾斜校正算法", 计算机应用, no. 11 * |
刘永俊等: "基于综合智能信息的医疗数据采集平台", 常熟理工学院学报(自然科学), vol. 32, no. 2 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020252920A1 (zh) | 图片校正方法、装置、计算机设备及计算机可读存储介质 | |
CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
CN107356213B (zh) | 滤光片同心度测量方法及终端设备 | |
CN113030121B (zh) | 用于电路板元器件的自动光学检测方法、系统、及设备 | |
CN110807807B (zh) | 一种单目视觉的目标定位的图案、方法、装置及设备 | |
CN105761256B (zh) | 图像的亚像素边缘直线获取方法及装置 | |
CN111325798A (zh) | 相机模型纠正方法、装置、ar实现设备及可读存储介质 | |
CN113301320B (zh) | 图像信息处理方法、装置和电子设备 | |
CN110866949A (zh) | 中心点定位方法、装置、电子设备和存储介质 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN114549599A (zh) | 晶圆快速预对准方法、装置、电子设备及存储介质 | |
CN111815715A (zh) | 变焦云台摄像机的标定方法、装置及存储介质 | |
CN111028214A (zh) | 一种基于云平台的皮肤检测装置 | |
EP4336449A1 (en) | Mark hole positioning method and apparatus, assembly device, and storage medium | |
CN113506279A (zh) | 对象倾斜角度的确定方法、装置、存储介质及电子装置 | |
CN112668505A (zh) | 基于路侧相机的外参的三维感知信息获取方法和路侧设备 | |
Bonteanu et al. | A new pupil detection algorithm based on circular Hough transform approaches | |
CN113326819B (zh) | 机器手素描绘画方法、装置及机器人工作台 | |
CN110245674A (zh) | 模板匹配方法、装置、设备及计算机存储介质 | |
CN110874814A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN108122200A (zh) | 图像拼接方法以及装置 | |
CN113408551A (zh) | 指针仪表读数的识别方法、系统、设备及计算机存储介质 | |
CN113538449A (zh) | 一种图像矫正方法、装置、服务器及存储介质 | |
JP2016111585A (ja) | 画像処理装置、システム、画像処理方法、およびプログラム |
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 |