CN113837949A - 一种图像处理方法和装置 - Google Patents
一种图像处理方法和装置 Download PDFInfo
- Publication number
- CN113837949A CN113837949A CN202110956969.6A CN202110956969A CN113837949A CN 113837949 A CN113837949 A CN 113837949A CN 202110956969 A CN202110956969 A CN 202110956969A CN 113837949 A CN113837949 A CN 113837949A
- Authority
- CN
- China
- Prior art keywords
- template
- transformation matrix
- region
- image
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 107
- 239000011159 matrix material Substances 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000013519 translation Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 230000001131 transforming effect Effects 0.000 claims 1
- 210000004204 blood vessel Anatomy 0.000 description 13
- 230000004089 microcirculation Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 210000002565 arteriole Anatomy 0.000 description 2
- 230000004087 circulation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000264 venule Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 210000001365 lymphatic vessel Anatomy 0.000 description 1
- 210000003563 lymphoid tissue Anatomy 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000004768 organ dysfunction Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 230000001839 systemic circulation Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像处理方法和装置,该方法包括以下步骤:根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域,并获取所述模板与所述参考区域之间的第一变换矩阵,获取所述模板与所述目标区域之间的第二变换矩阵;根据所述第一变换矩阵和所述第二变换矩阵的逆矩阵,获取第三变换矩阵;根据所述第三变换矩阵,对所述目标图像进行几何变换。本申请根据预先建立的模板,对参考图像和目标图像进行匹配,进而获取相应的变换矩阵,并使用该变换矩阵对目标图像进行几何变换,使得几何变换后的图像中的目标区域与参考图像中的参考区域重合,从而减少由于人为操作所产生的误差。
Description
技术领域
本申请属于计算机技术领域,具体涉及一种图像处理方法和装置。
背景技术
微循环是微动脉与微静脉之间毛细血管中的血液循环,是循环系统中最基层的结构和功能单位。微循环包括微动脉、微静脉、毛细淋巴管和组织管道内的体液循环。人体的每个器官的每个组织细胞均要由微循环提供氧气和养料,传递能量,交流信息,排除二氧化碳及代谢废物。微循环反应人体的生理状态与生理变化,且已有研究证实体循环与微循环改变不一致预示着器官功能障碍和不良预后。
目前,手持活体显微镜(HVM)的发明实现了微循环的可视化,在监测过程中,需要手持活体显微镜拍摄视频,得到微循环血管成像图片。在人工判断镜头晃动小或稳定时,手动点击采取视频,在录取视频中截取主观上认为较好的几张单帧图像进行分析,然而,在视频拍摄过程中会发生人为抖动,亮度变化等问题,从而影响了血管成像的质量,不同帧的同一段血管发生偏移、旋转和缩放,无法在多个帧中精准地定位同一段血管的位置。
申请内容
本申请实施例的目的是提供一种图像处理方法和装置,能够解决现有技术无法在多个帧中精准地定位同一段血管的位置的问题。
为了解决上述技术问题,本申请是这样实现的:
第一方面,提供了一种图像处理方法,包括以下步骤:
根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域,并获取所述模板与所述参考区域之间的第一变换矩阵,获取所述模板与所述目标区域之间的第二变换矩阵;
根据所述第一变换矩阵和所述第二变换矩阵的逆矩阵,获取第三变换矩阵;
根据所述第三变换矩阵,对所述目标图像进行几何变换。
第二方面,提供了一种图像处理装置,包括:
第一获取模块,用于根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域,并获取所述模板与所述参考区域之间的第一变换矩阵,获取所述模板与所述目标区域之间的第二变换矩阵;
第二获取模块,用于根据所述第一变换矩阵和所述第二变换矩阵的逆矩阵,获取第三变换矩阵;
处理模块,用于根据所述第三变换矩阵,对所述目标图像进行几何变换。
第三方面,提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,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上存储计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的方法的步骤。
本申请实施例根据预先建立的模板,对参考图像和目标图像进行匹配,进而获取相应的变换矩阵,并使用该变换矩阵对目标图像进行几何变换,使得几何变换后的图像中的目标区域与参考图像中的参考区域重合,从而减少由于人为操作所产生的误差,定位更精准且防抖,且几何变换后的图像具有科学参考性以及客观性。
附图说明
图1是本申请实施例提供的一种图像处理方法流程图;
图2是本申请实施例提供的一种图像处理装置的结构示意图。
具体实施方式
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作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。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的图像处理方法进行详细地说明。
如图1所示,为本申请实施例提供的一种图像处理方法流程图,该方法包括以下步骤:
步骤101,根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域,并获取所述模板与所述参考区域之间的第一变换矩阵,获取所述模板与所述目标区域之间的第二变换矩阵。
其中,参考图像和目标图像可以是同一图像阵列中的不同的图像,参考图像是该图像阵列中质量最优的图像,目标图像是该图像阵列中的待处理图像。上述图像阵列中的每一张图像均具有与预先建立的模板对应的对象,例如,当图像阵列为多个微循环血管成像图片时,模板为血管的形状,每个图片均具有该血管。
具体地,可以根据所述模板的属性参数,获取所述参考图像中的各个区域与所述模板之间的匹配参数,所述匹配参数包括所述模板匹配到各个区域所需的平移量、旋转角度和缩放比例,以及所述各个区域与所述模板之间的匹配度;根据所述各个区域与所述模板之间的匹配度,从所述参考图像中选择匹配度最大的区域作为参考区域;
相应地,根据所述模板匹配到所述参考区域所需的平移量、旋转角度和缩放比例,获取所述第一变换矩阵。
还可以根据所述模板的属性参数,获取所述目标图像中的各个区域与所述模板之间的匹配参数,所述匹配参数包括所述模板匹配到各个区域所需的平移量、旋转角度和缩放比例,以及所述各个区域与所述模板之间的匹配度;根据所述各个区域与所述模板之间的匹配度,从所述目标图像中选择匹配度最大的区域作为目标区域;
相应地,根据所述模板匹配到所述目标区域所需的平移量、旋转角度和缩放比例,获取所述第二变换矩阵。
步骤102,根据所述第一变换矩阵和所述第二变换矩阵的逆矩阵,获取第三变换矩阵。
具体地,可以将所述第一变换矩阵与所述第二变换矩阵的逆矩阵相乘,得到第三变换矩阵。
步骤103,根据所述第三变换矩阵,对所述目标图像进行几何变换。
具体地,可以将所述目标图像与所述第三变换矩阵相乘,得到几何变换后的图像,所述几何变换后的图像中的目标区域与所述参考图像中的参考区域重合。
本实施例中,在根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域之前,还可以建立模板,提取所述模板的轮廓属性值和轮廓原点属性值;根据所述模板的轮廓属性值和轮廓原点属性值,确定所述模板的属性参数,所述模板的属性参数包括所述模板的开始角度、结束角度、旋转角度步长、放大最小倍率步长、极性和最小对比度。
其中,建立模板的过程可以是:打开图像质量最优的图片Image,在图片上选取需要分析的血管,使用鼠标手动画出尽量小面积的区域包围该血管,生成血管区域Vessel_ROI。从Image中截取出Vessel_ROI中的部分图片生成图片ImageROI,并设置合适的模板参数从而生成模板ModelID,将其保存到硬盘中,此时建立模板的过程结束。建立模板的目的是:在成像设备进行拍摄时出现不可避免的轻微抖动,在后续识别白细胞的时候,能够以该模板为基准去寻找每一张的图片中该需要分析的血管区域进行精准匹配,即后续步骤中的模板匹配中起到至关重要的作用。
建立模板后,可以进一步确立模板的参数。具体地,读取模板文件命名为ResuseModelID进行标识,提取出模板轮廓属性值与模板轮廓原点属性值。提取ResuseModelID的模板参数Params属性值,该属性值包括开始角度、结束角度、旋转角度步长、放大最小倍率步长、极性与最小对比度。
进一步地,选取图像质量最优的图像作为参考图像refImage。利用模板的参数Params属性值在refImage中寻找匹配度最高的区域作为参考区域,并获得以下匹配值:所在的行、列、旋转角度、匹配缩放比例以及匹配度。以上步骤是利用了模板匹配的方法,模板需要经过一个变换矩阵才能准确匹配到 refImage的Vessel_ROI上,此时的矩阵称为第一变换矩阵HomMak2DRef。模板乘以第一变换矩阵HomMat2DRef变换后,即可以移位到血管区域Vessel_ROI 的位置和角度处,这个过程可以验证该模板经过HomMat2DRef变换后是否准确地覆盖在Vessel_ROI处。选取出的refImage,可作为后续处理图片 SearchImage旋转、缩放、移位等操作步骤的一个基准。
在得到参考图像refImage和第一变换矩阵HomMat2DRef后,可以进一步处理视频帧中的多帧目标图像。在目标图像SearchImage上进行模板匹配,以模板ResuseModelID以及参数属性值Pramas寻找匹配度最高的区域,获得匹配值。模板乘以一个矩阵(包含匹配值参数)进行变换,经过一定的平移、缩放和旋转后会与目标图像中的目标区域Vessel_ROI重叠,得到第二变换矩阵 HomMat2D(与HomMat2DRef不同)。
假设A为模板,B为目标图像,C为参考图像。其中,A模板需要经过HomMat2D 矩阵找到目标图像中的血管区域,B到A得到一个HomMat2DInvert(逆矩阵), A模板到C参考图像需要经过一个HomMat2DInvert变换找到参考图片上的血管区域,最终要实现B到C的转换时,需要将HomMat2DInvert与HomMat2DInvert 相乘得到一个组合矩阵HomMat2DCom。B乘以组合矩阵进行图片的平移、旋转、缩放几何变换后,与参考图片上的Vessel_ROI重合。
本申请实施例根据预先建立的模板,对参考图像和目标图像进行匹配,进而获取相应的变换矩阵,并使用该变换矩阵对目标图像进行几何变换,使得几何变换后的图像中的目标区域与参考图像中的参考区域重合,从而减少由于人为操作所产生的误差,定位更精准且防抖,且几何变换后的图像具有科学参考性以及客观性。
如图2所示,为本申请实施例提供的一种图像处理装置的结构示意图,包括:
第一获取模块210,用于根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域,并获取所述模板与所述参考区域之间的第一变换矩阵,获取所述模板与所述目标区域之间的第二变换矩阵。
具体地,第一获取模块210,具体用于根据所述模板的属性参数,获取所述参考图像中的各个区域与所述模板之间的匹配参数,所述匹配参数包括所述模板匹配到各个区域所需的平移量、旋转角度和缩放比例,以及所述各个区域与所述模板之间的匹配度;根据所述各个区域与所述模板之间的匹配度,从所述参考图像中选择匹配度最大的区域作为参考区域;根据所述模板匹配到所述参考区域所需的平移量、旋转角度和缩放比例,获取所述第一变换矩阵;根据所述模板的属性参数,获取所述目标图像中的各个区域与所述模板之间的匹配参数,所述匹配参数包括所述模板匹配到各个区域所需的平移量、旋转角度和缩放比例,以及所述各个区域与所述模板之间的匹配度;根据所述各个区域与所述模板之间的匹配度,从所述目标图像中选择匹配度最大的区域作为目标区域;根据所述模板匹配到所述目标区域所需的平移量、旋转角度和缩放比例,获取所述第二变换矩阵。
第二获取模块220,用于根据所述第一变换矩阵和所述第二变换矩阵的逆矩阵,获取第三变换矩阵。
具体地,第二获取模块220,具体用于将所述第一变换矩阵与所述第二变换矩阵的逆矩阵相乘,得到第三变换矩阵。
处理模块230,用于根据所述第三变换矩阵,对所述目标图像进行几何变换。
具体地,处理模块230,具体用于将所述目标图像与所述第三变换矩阵相乘,得到几何变换后的图像,所述几何变换后的图像中的目标区域与所述参考图像中的参考区域重合。
此外,上述装置,还包括:
设置模块,用于建立模板,提取所述模板的轮廓属性值和轮廓原点属性值;根据所述模板的轮廓属性值和轮廓原点属性值,确定所述模板的属性参数,所述模板的属性参数包括所述模板的开始角度、结束角度、旋转角度步长、放大最小倍率步长、极性和最小对比度。
本申请实施例根据预先建立的模板,对参考图像和目标图像进行匹配,进而获取相应的变换矩阵,并使用该变换矩阵对目标图像进行几何变换,使得几何变换后的图像中的目标区域与参考图像中的参考区域重合,从而减少由于人为操作所产生的误差,定位更精准且防抖,且几何变换后的图像具有科学参考性以及客观性。
本申请实施例中的电子设备可以是终端,也可以是终端中的一个部件或一个芯片。该电子设备可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer, UMPC)、上网本或者个人数字助理(personaldigital assistant,PDA)等,非移动电子设备可以为服务器、个人计算机(personalcomputer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的电子设备可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为ios操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的电子设备能够实现图1的方法实施例中电子设备实现的各个过程,为避免重复,这里不再赘述。
可选的,本申请实施例还提供一种电子设备,包括处理器,存储器,存储在存储器上并可在所述处理器上运行的程序,该程序被处理器执行时实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述图像处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
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。
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上述实施例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,本申请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(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种图像处理方法,其特征在于,包括以下步骤:
根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域,并获取所述模板与所述参考区域之间的第一变换矩阵,获取所述模板与所述目标区域之间的第二变换矩阵;
根据所述第一变换矩阵和所述第二变换矩阵的逆矩阵,获取第三变换矩阵;
根据所述第三变换矩阵,对所述目标图像进行几何变换。
2.根据权利要求1所述的方法,其特征在于,所述根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,具体包括:
根据所述模板的属性参数,获取所述参考图像中的各个区域与所述模板之间的匹配参数,所述匹配参数包括所述模板匹配到各个区域所需的平移量、旋转角度和缩放比例,以及所述各个区域与所述模板之间的匹配度;
根据所述各个区域与所述模板之间的匹配度,从所述参考图像中选择匹配度最大的区域作为参考区域;
所述获取所述模板与所述参考区域之间的第一变换矩阵,具体包括:
根据所述模板匹配到所述参考区域所需的平移量、旋转角度和缩放比例,获取所述第一变换矩阵;
所述从目标图像中确定与所述模板匹配的目标区域,具体包括:
根据所述模板的属性参数,获取所述目标图像中的各个区域与所述模板之间的匹配参数,所述匹配参数包括所述模板匹配到各个区域所需的平移量、旋转角度和缩放比例,以及所述各个区域与所述模板之间的匹配度;
根据所述各个区域与所述模板之间的匹配度,从所述目标图像中选择匹配度最大的区域作为目标区域;
所述获取所述模板与所述目标区域之间的第二变换矩阵,具体包括:
根据所述模板匹配到所述目标区域所需的平移量、旋转角度和缩放比例,获取所述第二变换矩阵。
3.根据权利要求2所述的方法,其特征在于,所述根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域之前,还包括:
建立模板,提取所述模板的轮廓属性值和轮廓原点属性值;
根据所述模板的轮廓属性值和轮廓原点属性值,确定所述模板的属性参数,所述模板的属性参数包括所述模板的开始角度、结束角度、旋转角度步长、放大最小倍率步长、极性和最小对比度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一变换矩阵和所述第二变换矩阵的逆矩阵,获取第三变换矩阵,具体包括:
将所述第一变换矩阵与所述第二变换矩阵的逆矩阵相乘,得到第三变换矩阵。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第三变换矩阵,对所述目标图像进行几何变换,具体包括:
将所述目标图像与所述第三变换矩阵相乘,得到几何变换后的图像,所述几何变换后的图像中的目标区域与所述参考图像中的参考区域重合。
6.一种图像处理装置,其特征在于,包括:
第一获取模块,用于根据预先建立的模板,从参考图像中确定与所述模板匹配的参考区域,从目标图像中确定与所述模板匹配的目标区域,并获取所述模板与所述参考区域之间的第一变换矩阵,获取所述模板与所述目标区域之间的第二变换矩阵;
第二获取模块,用于根据所述第一变换矩阵和所述第二变换矩阵的逆矩阵,获取第三变换矩阵;
处理模块,用于根据所述第三变换矩阵,对所述目标图像进行几何变换。
7.根据权利要求6所述的装置,其特征在于,
所述第一获取模块,具体用于根据所述模板的属性参数,获取所述参考图像中的各个区域与所述模板之间的匹配参数,所述匹配参数包括所述模板匹配到各个区域所需的平移量、旋转角度和缩放比例,以及所述各个区域与所述模板之间的匹配度;根据所述各个区域与所述模板之间的匹配度,从所述参考图像中选择匹配度最大的区域作为参考区域;根据所述模板匹配到所述参考区域所需的平移量、旋转角度和缩放比例,获取所述第一变换矩阵;根据所述模板的属性参数,获取所述目标图像中的各个区域与所述模板之间的匹配参数,所述匹配参数包括所述模板匹配到各个区域所需的平移量、旋转角度和缩放比例,以及所述各个区域与所述模板之间的匹配度;根据所述各个区域与所述模板之间的匹配度,从所述目标图像中选择匹配度最大的区域作为目标区域;根据所述模板匹配到所述目标区域所需的平移量、旋转角度和缩放比例,获取所述第二变换矩阵。
8.根据权利要求7所述的装置,其特征在于,还包括:
设置模块,用于建立模板,提取所述模板的轮廓属性值和轮廓原点属性值;根据所述模板的轮廓属性值和轮廓原点属性值,确定所述模板的属性参数,所述模板的属性参数包括所述模板的开始角度、结束角度、旋转角度步长、放大最小倍率步长、极性和最小对比度。
9.根据权利要求6所述的装置,其特征在于,
所述第二获取模块,具体用于将所述第一变换矩阵与所述第二变换矩阵的逆矩阵相乘,得到第三变换矩阵。
10.根据权利要求6所述的方法,其特征在于,
所述处理模块,具体用于将所述目标图像与所述第三变换矩阵相乘,得到几何变换后的图像,所述几何变换后的图像中的目标区域与所述参考图像中的参考区域重合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110956969.6A CN113837949B (zh) | 2021-08-19 | 2021-08-19 | 一种图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110956969.6A CN113837949B (zh) | 2021-08-19 | 2021-08-19 | 一种图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113837949A true CN113837949A (zh) | 2021-12-24 |
CN113837949B CN113837949B (zh) | 2024-01-19 |
Family
ID=78960902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110956969.6A Active CN113837949B (zh) | 2021-08-19 | 2021-08-19 | 一种图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837949B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507956A (zh) * | 2020-12-21 | 2021-03-16 | 北京百度网讯科技有限公司 | 信号灯识别方法、装置、电子设备、路侧设备和云控平台 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101843088A (zh) * | 2007-09-07 | 2010-09-22 | 株式会社岛精机制作所 | 图像变换装置和图像变换方法以及变换程序 |
CN105303150A (zh) * | 2014-06-26 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 实现图像处理的方法和系统 |
CN106886977A (zh) * | 2017-02-08 | 2017-06-23 | 徐州工程学院 | 一种多图自动配准及融合拼接方法 |
CN106910210A (zh) * | 2017-03-03 | 2017-06-30 | 百度在线网络技术(北京)有限公司 | 用于生成图像信息的方法和装置 |
CN109636874A (zh) * | 2018-12-17 | 2019-04-16 | 浙江科澜信息技术有限公司 | 一种三维模型透视投影方法、系统及相关装置 |
CN110070491A (zh) * | 2019-03-16 | 2019-07-30 | 平安城市建设科技(深圳)有限公司 | 银行卡图片矫正方法、装置、设备及存储介质 |
CN110517319A (zh) * | 2017-07-07 | 2019-11-29 | 腾讯科技(深圳)有限公司 | 一种相机姿态信息确定的方法及相关装置 |
CN110569850A (zh) * | 2019-08-20 | 2019-12-13 | 北京旷视科技有限公司 | 字符识别模板匹配方法、装置和文本识别设备 |
CN111814802A (zh) * | 2020-08-31 | 2020-10-23 | 创新奇智(南京)科技有限公司 | 一种文字图像的处理方法、装置、存储介质和电子设备 |
-
2021
- 2021-08-19 CN CN202110956969.6A patent/CN113837949B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101843088A (zh) * | 2007-09-07 | 2010-09-22 | 株式会社岛精机制作所 | 图像变换装置和图像变换方法以及变换程序 |
CN105303150A (zh) * | 2014-06-26 | 2016-02-03 | 腾讯科技(深圳)有限公司 | 实现图像处理的方法和系统 |
CN106886977A (zh) * | 2017-02-08 | 2017-06-23 | 徐州工程学院 | 一种多图自动配准及融合拼接方法 |
CN106910210A (zh) * | 2017-03-03 | 2017-06-30 | 百度在线网络技术(北京)有限公司 | 用于生成图像信息的方法和装置 |
US20180255282A1 (en) * | 2017-03-03 | 2018-09-06 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating image information |
CN110517319A (zh) * | 2017-07-07 | 2019-11-29 | 腾讯科技(深圳)有限公司 | 一种相机姿态信息确定的方法及相关装置 |
CN109636874A (zh) * | 2018-12-17 | 2019-04-16 | 浙江科澜信息技术有限公司 | 一种三维模型透视投影方法、系统及相关装置 |
CN110070491A (zh) * | 2019-03-16 | 2019-07-30 | 平安城市建设科技(深圳)有限公司 | 银行卡图片矫正方法、装置、设备及存储介质 |
CN110569850A (zh) * | 2019-08-20 | 2019-12-13 | 北京旷视科技有限公司 | 字符识别模板匹配方法、装置和文本识别设备 |
CN111814802A (zh) * | 2020-08-31 | 2020-10-23 | 创新奇智(南京)科技有限公司 | 一种文字图像的处理方法、装置、存储介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
尹丽华: "基于车载运动平台的全景稳像关键技术研究", 《中国博士学位论文全文数据库工程科技IIL辑》, pages 1 - 152 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507956A (zh) * | 2020-12-21 | 2021-03-16 | 北京百度网讯科技有限公司 | 信号灯识别方法、装置、电子设备、路侧设备和云控平台 |
Also Published As
Publication number | Publication date |
---|---|
CN113837949B (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10410315B2 (en) | Method and apparatus for generating image information | |
CN109348276B (zh) | 视频画面调整方法、装置、计算机设备和存储介质 | |
JP5896245B2 (ja) | テキスト画像のトリミング方法 | |
CN111091590A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
JP7429307B2 (ja) | コンピュータビジョンに基づく文字列認識方法、装置、機器及び媒体 | |
US20170019615A1 (en) | Image processing method, non-transitory computer-readable storage medium and electrical device thereof | |
CN113837949A (zh) | 一种图像处理方法和装置 | |
CN112464802B (zh) | 一种玻片样本信息的自动识别方法、装置和计算机设备 | |
CN112598571B (zh) | 一种图像缩放方法、装置、终端及存储介质 | |
CN103347151B (zh) | 一种图像处理方法、装置和终端 | |
CN105913024A (zh) | 基于lap算子的抵抗重放攻击的安卓手机终端检测方法 | |
CN116109922A (zh) | 鸟类识别方法、鸟类识别设备和鸟类识别系统 | |
CN114785957A (zh) | 拍摄方法及其装置 | |
CN114390206A (zh) | 拍摄方法、装置和电子设备 | |
US20230033152A1 (en) | Bidirectional Compensation Method and Apparatus for Projection Thermal Defocusing, and Readable Storage Medium | |
CN110097622B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
CN113784119A (zh) | 一种对焦检测方法、装置及电子设备 | |
CN111583168A (zh) | 图像合成方法、装置、计算机设备和存储介质 | |
CN111405194A (zh) | 图像处理方法及装置 | |
CN110188758A (zh) | 甘蔗图像中感兴趣区域获取方法、装置、设备及存储介质 | |
CN114049404B (zh) | 一种车内相机外参标定方法及装置 | |
US20240114233A1 (en) | Processing method and electronic device | |
WO2024007871A1 (zh) | 微针贴片检测方法、装置、计算机设备及存储介质 | |
CN116246085B (zh) | 用于ar望远镜的方位角生成方法和装置 | |
CN114359889B (zh) | 一种长文本资料的文本识别方法 |
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 |