CN113936303B - 一种手部图像最大内接矩形确定方法及图像识别方法 - Google Patents
一种手部图像最大内接矩形确定方法及图像识别方法 Download PDFInfo
- Publication number
- CN113936303B CN113936303B CN202111529118.XA CN202111529118A CN113936303B CN 113936303 B CN113936303 B CN 113936303B CN 202111529118 A CN202111529118 A CN 202111529118A CN 113936303 B CN113936303 B CN 113936303B
- Authority
- CN
- China
- Prior art keywords
- palm
- interval
- hand
- 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.)
- Active
Links
Images
Abstract
本发明公开了一种手部图像最大内接矩形确定方法及图像识别方法,包括以下步骤:1)二值化处理;2)通过开运算得到手掌区域二值化图像;3)基于手掌区域二值化图像的边界点求取中心点,并建立新的坐标系,获取手掌区域的宽度和高度;4)计算搜索夹角范围,将手部二值化图像分为四个区间,确定第一基准线和第二基准线,旋转第一基准线,每次旋转后分别从四个区域找到符合要求的边缘点,计算四个边缘点围成的矩形的面积,记录矩形面积最大时对应的四个边缘点到两条基准线的距离D1、D2、D3、D4及此时第一基准线的旋转角度;5)求手掌截取区域的四个点坐标,获得最大内接矩形。采用该方法搜索最大内接矩形无需进行遍历,运算量较小,运算效率高。
Description
技术领域
本发明涉及图像识别及处理技术领域,尤其涉及一种手部图像最大内接矩形确定方法及图像识别方法。
背景技术
非接触式掌纹或掌静脉识别技术是新一代多模态、高精度、活体生物特征识别技术。掌纹是手掌皮肤上所有纹路的统称,主要包括乳突纹、主线和皱褶。掌纹具有唯一性,即人的掌纹千差万别,没有任何两个手掌是完全相同的。由于掌纹的这一特点,人们可以利用掌纹进行身份鉴别。掌纹识别就是根据人手掌上的有效信息来识别哪些掌纹图像是来自同一只手掌,哪些掌纹图像是来自不同的手掌,从而达到身份识别的目的,掌纹识别是近年来新兴的一种身份识别方法,是对现有人体生物特征识别技术的重要补充。除了手掌的掌纹特征以外,人们还利用手掌静脉来进行个体的身份鉴别。静脉识别是用近红外光源对人体手掌进行照射,利用血液中血红素对近红外光具有较强的吸收特性,使得近红外光照射后的手掌图像会在皮下静脉处呈现较暗的纹路,利用该静脉特征也可以进行身份识别。静脉识别的主要特点是非侵入式的图像采集,并且静脉特征在可见光下无法获取,具有较强的隐蔽性和防伪性,因此静脉识别技术具有一定的较强的防伪能力,同时还具有活体验证功能(只有活体手掌才具有静脉特征)。
常见的掌纹、掌静脉检测,均先取得手掌ROI部位,常见的取ROI部位为图像的最小外接矩形或最大内接矩形。采用最小外接矩形取ROI部位的方法如中国专利CN110728232A公开的手部感兴趣区域的获取方法及手纹识别方法,手部感兴趣区域的获取方法包括:采集包含完整手部的图像;从图像中找到包含符合预设要求的完整手部的最小矩形区域;在符合预设要求的包含完整手部的最小矩形区域中找到第一组关键点;采用深度学习算法建立检测模型对第一组关键点进行检测筛选出包含第一组关键点的手部图像;提取手部的感兴趣区域,所述手部的感兴趣区域包括手掌的感兴趣区域和手指的感兴趣区域;对所述手掌的感兴趣区域和所述手指的感兴趣区域的大小进行归一化处理。
因最小外接矩形包含非目标区域,边界点并非图像真实的部位,对于后续目标区域边缘检测、特征提取等造成一定的难度,因此相比于最小外接矩形的方式,求最大内接矩形的方式更为普遍。常见的求取最大内接矩形的方式为中心扩散法,该方法需要多次对矩形边界重新定位,降低了运算效率。
发明内容
本发明的目的在于提供一种手部图像最大内接矩形确定方法及图像识别方法,以解决现有求取最大内接矩形的方法运算效率低的问题。
为了达到目的,本发明提供的技术方案为:
本发明涉及一种手部图像最大内接矩形确定方法,其包括以下步骤:
1)对采集到的手部图像进行二值化处理,得到手部二值化图像;
2)根据手部二值化图像计算开运算算子大小并构建椭圆核,将椭圆核沿着手部二值化图像进行滑动,进行开运算并保留最大连通区域,得到手掌区域二值化图像;
3)基于手掌区域二值化图像的边界点求取手掌中心点,以该中心点作为原点,对步骤2)得到的手掌区域二值化图像分别建立新的坐标系,并根据步骤2)得到的手掌区域二值化图像的坐标系获取手掌区域的宽度和高度;
4)基于手掌区域的宽度和高度计算搜索夹角范围,根据搜索夹角范围将和手掌中心点将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,基于手掌中心点在手部二值化图像中的位置确定第一基准线和第二基准线,左右旋转第一基准线,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d 1 和d 3 ,从第二区间和第四区间内寻找该区间内距离第二基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d 2 和d 4 ,计算四个边缘点围成的矩形的面积,并记录矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及此时第一基准线的旋转角度;
5)根据矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及第一基准线的旋转角度求取手部最大内接矩形四个角的坐标点,用于截取手掌的ROI部位。
截取的ROI部位可用于后续的掌静脉识别或掌纹识别。
优选地,所述的步骤1)中,采用OSTU大津法阈值化对手部图像进行阈值处理,进而得到手部二值化图像。
优选地,所述的步骤2)中,开运算算子大小是根据手部二值化图像的横向长度和纵向长度计算的,计算公式为:
公式中,a表示手部二值化图像的横向长度,b表示手部二值化图像的纵向长度,c表示开运算算子大小,开运算算子大小取整数。
因手掌放置远近会导致手掌大小不一致,或者大人小孩手掌大小不一致,若采用固定大小的算子,图像的特征位置有可能被处理掉,不能完整保存;本发明根据二值图大小自动调整算子大小,可以完整保留图像的特征信息,效果更好。
优选地,所述的步骤2)中,构建椭圆核的公式为:
公式中,x i 为椭圆核的横坐标,y i 为椭圆核的纵坐标,f(x i ,y i )为卷积对应坐标的值。
常见的卷积核有矩形、椭圆形、十字行等,因手掌的边缘为曲线形,因此本发明选择椭圆形的卷积核,更匹配手指形状,效果更好。
优选地,所述的步骤2)中开运算分两个过程进行,即先进行腐蚀再进行膨胀;所述的腐蚀过程为:椭圆核沿着手部二值图像滑动,并将椭圆核所对应的最小值赋值给手部二值图像像素中心点;膨胀的过程为:椭圆核沿着手部二值图像滑动,并将椭圆核所对应的最大值赋值给手部二值像素中心点。
优选地,所述的步骤3)的具体步骤包括:
3.1)通过边缘检测方法测出手掌区域二值化图像中手掌的边界点;
3.2)基于边缘点,通过平均算法求取手掌中心点,计算公式为:
公式中,n表示手掌区域二值化图像边界点个数,(x i ’,y i ’)表示手掌区域二值化图像手掌区域边界点坐标,(x cen ,y cen )表示手掌中心点坐标;
3.3)以手掌中心点为原点,横向为x轴,竖向为y轴,分别对手部二值化图像和手掌区域二值化图像构建新的坐标系,并根据手掌区域二值化图像计算手掌区域的宽度和高度,计算公式为:
公式中,w为手掌区域的宽度,h为手掌区域的高度,X max 为手掌区域二值化图像边缘点最大的横坐标,X min 为手掌区域二值化图像边缘点最小的横坐标,Y max 为手掌区域二值化图像边缘点最大的纵坐标,Y min 为手掌区域二值化图像边缘点最小的纵坐标。
优选地,步骤4)具体包括以下步骤:
4.1)基于手掌区域的宽度和高度计算搜索夹角范围,计算公式为:
公式中,deg表示搜索夹角范围;
根据搜索夹角范围将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,第一区间的范围为(360-deg,360)和(0,deg),第二区间的范围为(deg,180-deg),第三区间的范围为(180-deg,180+deg),第四区间的范围为(180+deg,360-deg);
4.2)基于手掌中心点确定第一基准线和第二基准线,其中,第一基准线的方向为手掌中心点(x cen ,y cen )指向中指和无名指的中点的方向,第二基准线穿过手掌中心点(x cen ,y cen )且与第一基准线垂直;
4.3)左右旋转第一基准线,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d1和d3,从第二区间和第四区间内寻找该区间内距离第二基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d2和d4,并计算四个边缘点围成的矩形的面积,计算公式为:
公式中, S 0 为四个边缘点围成的矩形的面积;
4.4)比较第一基准线在不同旋转角度情况下的四个手掌区域边缘点围成的矩形面积,记录矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,并且记录此时第一基准线的旋转角度为deg r 。
优选地,所述的步骤4.3)中第一基准线的旋转区间为-10度~10度,每次旋转角度为2度。
优选地,所述步骤5)中求取手掌截取区域的四个点坐标的具体方式为:
5.1)分别计算第一区间内到第一基准线最短距离D 1 所在的点到手掌中心点的距离和夹角、第二区间内到第二基准线最短距离D 2 所在的点到手掌中心点的距离和夹角、第三区间内到第一基准线最短距离D 3 所在的点到手掌中心点的距离和夹角、第四区间内到第二基准线最短距离D 4 所在的点到手掌中心点的距离和夹角,计算公式为:
公式中,l 1 和 deg1分别表示第一区间内到第一基准线最短距离D 1 所在的点到手掌中心点的距离和夹角;l 2 和 deg2分别表示第二区间内到第二基准线最短距离D 2 所在的点到手掌中心点的距离和夹角;l 3 和deg3分别表示第三区间内到第一基准线最短距离D 3 所在的点到手掌中心点的距离和夹角;l 4 和deg4分别表示第四区间内到第二基准线最短距离D 4 所在的点到手掌中心点的距离和夹角;
5.2)计算手部截取区域的四个点坐标,计算公式为:
公式中,x 1 、y 1 为手部最大内接矩形四个角在第一区间内的横坐标和纵坐标;x 2 、y 2 为手部最大内接矩形四个角在第二区间内的横坐标和纵坐标;x 3 、y 3 为手部最大内接矩形四个角在第三区间内的横坐标和纵坐标;x 4 、y 4 为手部最大内接矩形四个角在第四区间内的横坐标和纵坐标。
本发明还涉及一种基于手部图像最大内接矩形确定方法的图像识别方法,其包括以下步骤:
1)对采集到的手部图像进行二值化处理,得到手部二值化图像;
2)根据手部二值化图像计算开运算算子大小并构建椭圆核,将椭圆核沿着手部二值化图像进行滑动,进行开运算并保留最大连通区域,得到手掌区域二值化图像;
3)基于手掌区域二值化图像的边界点求取手掌中心点,以该中心点作为原点,对步骤2)得到的手掌区域二值化图像建立新的坐标系,根据新的坐标系获取手掌区域的宽度和高度;
4)基于手掌区域的宽度和高度计算搜索夹角范围,根据搜索夹角范围和手掌中心点将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,基于手掌中心点在手部二值化图像中的位置确定第一基准线和第二基准线,左右旋转第一基准线,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的手掌区域边缘点并分别计算两个边缘点到第一基准线的距离为d 1 和d 3 ,从第二区间和第四区间内寻找该区间内距离第二基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d 2 和d 4 ,计算四个边缘点围成的矩形的面积,并记录矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及此时第一基准线的旋转角度;
5)根据矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及第一基准线的旋转角度求取手部最大内接矩形四个角的坐标点,用于截取手掌的ROI部位;
6)截取手部的ROI部位并进行特征提取,以实现对图像的识别。
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
本发明涉及的手部图像最大内接矩形确定方法及图像识别方法是根据搜索夹角范围将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,基于手掌中心点确定第一基准线和第二基准线,通过旋转第一基准线的方式搜索最大内接矩形,搜索过程中没有进行边界多次重新定位,无需向传统的方法那样进行遍历,运算量较小,运算效率高。
附图说明
图1是手部图像最大内接矩形确定方法的流程图;
图2是步骤1)后获得的手部二值化图像示意图;
图3是步骤2)后获得的手掌区域二值化图像示意图;
图4是步骤4)中手部二值化图像四个区域和两条基准线的示意图;
图5是基于手部图像最大内接矩形确定方法的图像识别方法的流程图。
具体实施方式
为进一步了解本发明的内容,结合实施例对本发明作详细描述,以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
参照附图1所示,本发明涉及一种手部图像最大内接矩形确定方法,其包括以下步骤:
1)采用OSTU大津法阈值化对手部图像进行阈值处理,即对采集到的手部图像进行二值化处理,得到手部二值化图像,如图2所示;
2)因手掌放置远近会导致手掌大小不一致,或者大人小孩手掌大小不一致,若采用固定大小的算子,图像的特征位置有可能被处理掉,不能完整保存,因此,该步骤根据手部二值化图像计算开运算算子大小并构建椭圆核,开运算算子大小是根据手部二值化图像的横向长度和纵向长度计算的,计算公式为:
公式中,a表示手部二值化图像的横向长度,b表示手部二值化图像的纵向长度,c表示开运算算子大小,开运算算子大小取整数;
构建椭圆核的公式为:
公式中,x i 为椭圆核的横坐标,y i 为椭圆核的纵坐标,f(x i ,y i )为卷积对应坐标的值,之所以采用椭圆核作为卷积核,是因为手掌的边缘为曲线形,椭圆核更匹配手指的形状;
然后将椭圆核沿着手部二值化图像进行滑动,进行开运算并保留最大连通区域,开运算分两个过程进行,即先进行腐蚀再进行膨胀;所述的腐蚀过程为:椭圆核沿着手部二值图像滑动,并将椭圆核所对应的最小值赋值给手部二值图像像素中心点;膨胀的过程为:椭圆核沿着手部二值图像滑动,并将椭圆核所对应的最大值赋值给手部二值像素中心点;该步骤后得到如图3所示的手掌区域二值化图像。
3)基于手掌区域二值化图像的边缘点求取手掌中心点,以该中心点作为原点,对步骤2)得到的手掌区域二值化图像分别建立新的坐标系,并根据步骤2)得到的手掌区域二值化图像的坐标系获取手掌区域的宽度和高度,其具体步骤是:
3.1)通过边缘检测方法测出手掌区域二值化图像中手掌的边界点;
3.2)基于边缘点,通过平均算法求取手掌中心点,计算公式为:
公式中,n表示手掌区域二值化图像边界点个数,(x i ’,y i ’)表示手掌区域二值化图像边界点坐标,(x cen ,y cen )表示手掌中心点坐标;
因手掌区域二值化图像为手部二值化图像的一部分,在本发明中由手掌区域二值化图像计算出的手掌中心点同时定义为手部二值化图像的手掌中心点;在同一坐标系中,手掌区域二值化图像和手部二值化图像中手掌中心点坐标相同。
3.3)以中心点为原点,横向为x轴,竖向为y轴,对手掌区域二值化图像构建新的坐标系,并计算手掌区域二值化图像的宽度和高度,计算公式为:
公式中,w为手掌区域二值化图像的宽度,h为手掌区域二值化图像的高度,X max 为手掌区域二值化图像边界点最大的横坐标,X min 为手掌区域二值化图像边界点最小的横坐标,Y max 为手掌区域二值化图像边界点最大的纵坐标,Y min 为手掌区域二值化图像边界点最小的纵坐标。
4)基于手掌区域的宽度和高度计算搜索夹角范围,根据搜索夹角范围和手掌中心点将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,基于手掌区域二值化图像的中心点在手部二值化图像中的位置确定第一基准线和第二基准线,左右旋转第一基准线,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d 1 和d 3 ,从第二区间和第四区间内寻找该区间内距离第二基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d 2 和d 4 ,计算四个边缘点围成的矩形的面积,并记录矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及此时第一基准线的旋转角度,其具体步骤为:
4.1)基于手掌区域的宽度和高度计算搜索夹角范围,计算公式为:
公式中,deg表示搜索夹角范围;
根据搜索夹角范围将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,第一区间的范围为(360-deg,360)和(0,deg),第二区间的范围为(deg,180-deg),第三区间的范围为(180-deg,180+deg),第四区间的范围为(180+deg,360-deg),四个区间的示意图如图4所示,1为第一区间,2为第二区间,3为第三区间,4为第四区间。
4.2)基于手掌中心点确定第一基准线和第二基准线,其中,第一基准线的方向为手掌中心点(x cen ,y cen )指向中指和无名指的中点的方向,第二基准线穿过手掌中心点(x cen ,y cen )且与第一基准线垂直,两条基准线的示意图如图4所示,5为第一基准线,6为第二基准线;
4.3)左右旋转第一基准线,第一基准线的旋转区间为-10度~10度,每次旋转角度为2度,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d1和d3,从第二区间和第四区间内寻找该区间内距离第二基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d2和d4,并计算四个边缘点围成的矩形的面积,计算公式为:
公式中,S 0 为四个边缘点围成的矩形的面积;
本发明中进行左右旋转的原因是因为每个个体手指存在些许差异,第一基准线和第二基准线可能会稍有偏差,因此做一个角度的旋转,可以保证计算的准确性。因为人体的手掌边缘整体基本上呈矩形,可以初步判定手掌内接最大面积的矩形的长和宽分别与第一基准线和第二基准线平行,故最大内接矩形为第一、三区别内的边缘点到第一基准曲线的距离之和与第二、四区别内的边缘点到第二基准曲线的距离之和的乘积。
4.4)比较第一基准线在不同旋转角度情况下的四个边缘点围成的矩形面积,记录矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,并且记录此时第一基准线的旋转角度为deg r 。
5)根据矩形面积最大时对应的四个手掌区边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及第一基准线的旋转角度求取手部最大内接矩形四个角的坐标点,计算方式为:
5.1)分别计算第一区间内到第一基准线最短距离D 1 所在的点到手掌中心点的距离和夹角、第二区间内到第二基准线最短距离D 2 所在的点到手掌中心点的距离和夹角、第三区间内到第一基准线最短距离D 3 所在的点到手掌中心点的距离和夹角、第四区间内到第二基准线最短距离D 4 所在的点到手掌中心点的距离和夹角,计算公式为:
公式中,l 1 和 deg1分别表示第一区间内到第一基准线最短距离D 1 所在的点到手掌中心点的距离和夹角;l 2 和 deg2分别表示第二区间内到第二基准线最短距离D 2 所在的点到手掌中心点的距离和夹角;l 3 和deg3分别表示第三区间内到第一基准线最短距离D 3 所在的点到手掌中心点的距离和夹角;l 4 和deg4分别表示第四区间内到第二基准线最短距离D 4 所在的点到手掌中心点的距离和夹角;
5.2)各区间内到手掌中心点最短的距离点计算的为最大内接矩形的面积,但在ROI截取时,需要确认最大内接矩形四个角的坐标,因此需要将上述距离和角度换算为手部最大内接矩形四个角的坐标点,计算公式为:
公式中,x 1 、y 1 为手部最大内接矩形四个角在第一区间内的横坐标和纵坐标;x 2 、y 2 为手部最大内接矩形四个角在第一区间内在第二区间的横坐标和纵坐标;x 3 、y 3 为手部最大内接矩形四个角在第一区间内在第三区间的横坐标和纵坐标;x 4 、y 4 为手部最大内接矩形四个角在第一区间内在第四区间横坐标和纵坐标。
通过以上步骤获得最大内接矩形四个角的坐标点,用于截取手部的ROI部位。
截取的ROI部位可用于掌静脉识别或掌纹识别。
实施例2
参照附图5所示,本发明涉及一种基于手部图像最大内接矩形确定方法的图像识别方法,其包括以下步骤:
1)采用OSTU大津法阈值化对手部图像进行阈值处理或ROI定位,即对采集到的手部图像进行二值化处理,得到手部二值化图像,如图2所示;
2)因手掌放置远近会导致手掌大小不一致,或者大人小孩手掌大小不一致,若采用固定大小的算子,图像的特征位置有可能被处理掉,不能完整保存,因此,该步骤根据手部二值化图像计算开运算算子大小并构建椭圆核,开运算算子大小是根据手部二值化图像的横向长度和纵向长度计算的,计算公式为:
公式中,a表示手部二值化图像的横向长度,b表示手部二值化图像的纵向长度,c表示开运算算子大小,开运算算子大小取整数;
构建椭圆核的公式为:
公式中,x i 为椭圆核的横坐标,y i 为椭圆核的纵坐标,f(x i ,y i )为卷积对应坐标的值,之所以采用椭圆核作为卷积核,是因为手掌的边缘为曲线形,椭圆核更匹配手指的形状;
然后将椭圆核沿着手部二值化图像进行滑动,进行开运算并保留最大连通区域,开运算分两个过程进行,即先进行腐蚀再进行膨胀;所述的腐蚀过程为:椭圆核沿着手部二值图像滑动,并将椭圆核所对应的最小值赋值给手部二值图像像素中心点;膨胀的过程为:椭圆核沿着手部二值图像滑动,并将椭圆核所对应的最大值赋值给手部二值像素中心点;该步骤后得到如图3所示的手掌区域二值化图像。
3)基于手掌区域二值化图像的边缘点求取手掌中心点,以该中心点作为原点,对步骤2)得到的手掌区域二值化图像分别建立新的坐标系,根据步骤2)得到的手掌区域二值化图像的坐标系获取手掌区域的宽度和高度,其具体步骤是:
3.1)通过边缘检测方法测出手掌区域二值化图像中手掌的边缘点;
3.2)基于边缘点,通过平均算法求取手掌中心点,计算公式为:
公式中,n表示边界点个数,(x i ’,y i ’)表示手掌区域边界点坐标,(x cen ,y cen )表示中心点坐标;
3.3)以中心点为原点,横向为x轴,竖向为y轴,对手掌区域二值化图像构建新的坐标系,并计算手掌区域的宽度和高度,计算公式为:
公式中,w为手掌区域二值化图像的宽度,h为手掌区域二值化图像的高度,X max 为手掌区域二值化图像边缘点最大的横坐标,X min 为手掌区域二值化图像边缘点最小的横坐标,Y max 为手掌区域二值化图像边缘点最大的纵坐标,Y min 为手掌区域二值化图像边缘点最小的纵坐标。
4)基于手掌区域的宽度和高度计算搜索夹角范围,根据搜索夹角范围将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,基于手掌中心点在手部二值化图像中的位置确定第一基准线和第二基准线,左右旋转第一基准线,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的手掌区域边缘点并分别计算两个手掌区域边缘点到第一基准线的距离为d 1 和d 3 ,从第二区间和第四区间内寻找该区间内距离第二基准线最近的手掌区域边缘点并分别计算两个手掌区域边缘点到第一基准线的距离为d 2 和d 4 ,计算四个手掌区域边缘点围成的矩形的面积,并记录矩形面积最大时对应的四个手掌区域边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及此时第一基准线的旋转角度,其具体步骤为:
4.1)基于手掌区域的宽度和高度计算搜索夹角范围,计算公式为:
公式中,deg表示搜索夹角范围;
根据搜索夹角范围将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,第一区间的范围为(360-deg,360)和(0,deg),第二区间的范围为(deg,180-deg),第三区间的范围为(180-deg,180+deg),第四区间的范围为(180+deg,360-deg),四个区间的示意图如图4所示;
4.2)基于手掌中心点确定第一基准线和第二基准线,其中,第一基准线的方向为中心点(x cen ,y cen )指向中指和无名指的中点的方向,第二基准线穿过中心点(x cen ,y cen )且与第一基准线垂直,两条基准线的示意图如图4所示;
4.3)左右旋转第一基准线,第一基准线的旋转区间为-10度~10度,每次旋转角度为2度,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的手掌区域边缘点并分别计算两个手掌区域边缘点到第一基准线的距离为d1和d3,从第二区间和第四区间内寻找该区间内距离第二基准线最近的手掌区域边缘点并分别计算两个手掌区域边缘点到第一基准线的距离为d2和d4,并计算四个手掌区域边缘点围成的矩形的面积,计算公式为:
公式中,S 0 为四个手掌区域边缘点围成的矩形的面积;
4.4)比较第一基准线在不同旋转角度情况下的四个手掌区域边缘点围成的矩形面积,记录矩形面积最大时对应的四个手掌区域边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,并且记录此时第一基准线的旋转角度为deg r 。
5)根据矩形面积最大时对应的四个手掌区域边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及第一基准线的旋转角度求取手掌截取区域的四个点坐标,计算方式为:
5.1)分别计算第一区间内到第一基准线最短距离D 1 所在的点到中心点的距离和夹角、第二区间内到第二基准线最短距离D 2 所在的点到中心点的距离和夹角、第三区间内到第一基准线最短距离D 3 所在的点到中心点的距离和夹角、第四区间内到第二基准线最短距离D 4 所在的点到中心点的距离和夹角,计算公式为:
公式中,l 1 和 deg1分别表示第一区间内到第一基准线最短距离D 1 所在的点到中心点的距离和夹角;l 2 和 deg2分别表示第二区间内到第二基准线最短距离D 2 所在的点到中心点的距离和夹角;l 3 和deg3分别表示第三区间内到第一基准线最短距离D 3 所在的点到中心点的距离和夹角;l 4 和deg4分别表示第四区间内到第二基准线最短距离D 4 所在的点到中心点的距离和夹角;
5.2)各区间内到手掌中心点最短的距离点计算的为最大内接矩形的面积,但在ROI截取时,需要确认最大内接矩形四个角的坐标,因此需要将上述距离和角度换算为手掌截取区域的四个点坐标,计算公式为:
公式中,x 1 、y 1 为手部最大内接矩形四个角在第一区间内的横坐标和纵坐标;x 2 、y 2 为手部最大内接矩形四个角在第一区间内在第二区间的横坐标和纵坐标;x 3 、y 3 为手部最大内接矩形四个角在第一区间内在第三区间的横坐标和纵坐标;x 4 、y 4 为手部最大内接矩形四个角在第一区间内在第四区间横坐标和纵坐标。
通过以上步骤获得最大内接矩形,用于截取手掌的ROI部位。
6)截取手掌的ROI部位并进行特征提取,以实现对图像的识别。
以上结合实施例对本发明进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍属于本发明的专利涵盖范围之内。
Claims (9)
1.一种手部图像最大内接矩形确定方法,其特征在于:其包括以下步骤:
1)对采集到的手部图像进行二值化处理,得到手部二值化图像;
2)根据手部二值化图像计算开运算算子大小并构建椭圆核,将椭圆核沿着手部二值化图像进行滑动,进行开运算并保留最大连通区域,得到手掌区域二值化图像;
3)基于手掌区域二值化图像的边界点求取手掌中心点,以该中心点作为原点,对步骤2)得到的手掌区域二值化图像建立新的坐标系,并根据步骤2)得到的手掌区域二值化图像的坐标系获取手掌区域的宽度和高度,其具体步骤包括:
3.1)通过边缘检测方法测出手掌区域二值化图像中手掌的边界点;
3.2)基于边缘点,通过平均算法求取手掌中心点,计算公式为:
公式中,n表示手掌区域二值化图像边界点个数,(x i ’,y i ’)表示手掌区域二值化图像边界点坐标,(x cen ,y cen )表示手掌中心点坐标;
3.3)以手掌中心点为原点,横向为x轴,竖向为y轴,分别对手部二值化图像和手掌区域二值化图像构建新的坐标系,并根据手掌区域二值化图像计算手掌区域的宽度和高度,计算公式为:
公式中,w为手掌区域的宽度,h为手掌区域的高度,X max 为手掌区域二值化图像边界点最大的横坐标,X min 为手掌区域二值化图像边界点最小的横坐标,Y max 为手掌区域二值化图像边界点最大的纵坐标,Y min 为手掌区域二值化图像边界点最小的纵坐标;
4)基于手掌区域的宽度和高度计算搜索夹角范围,根据搜索夹角范围和手掌中心点将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,基于手掌中心点在手部二值化图像中的位置确定第一基准线和第二基准线,左右旋转第一基准线,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d 1 和d 3 ,从第二区间和第四区间内寻找该区间内距离第二基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d 2 和d 4 ,计算四个边缘点围成的矩形的面积,并记录矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及此时第一基准线的旋转角度;
5)根据矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及第一基准线的旋转角度求取手部最大内接矩形四个角的坐标点,用于截取手掌的ROI部位。
2.根据权利要求1所述的手部图像最大内接矩形确定方法,其特征在于:所述的步骤1)中,采用OSTU大津法阈值化对手部图像进行阈值处理,进而得到手部二值化图像。
5.根据权利要求4所述的手部图像最大内接矩形确定方法,其特征在于:所述的步骤2)中开运算分两个过程进行,即先进行腐蚀再进行膨胀;
所述的腐蚀过程为:椭圆核沿着手部二值图像滑动,并将椭圆核所对应的最小值赋值给手部二值图像像素中心点;
膨胀的过程为:椭圆核沿着手部二值图像滑动,并将椭圆核所对应的最大值赋值给手部二值像素中心点。
6.根据权利要求1所述的手部图像最大内接矩形确定方法,其特征在于:所述的步骤4)具体包括以下步骤:
4.1)基于手掌区域的宽度和高度计算搜索夹角范围,计算公式为:
公式中,deg表示搜索夹角范围;
根据搜索夹角范围将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,第一区间的范围为(360-deg,360)和(0,deg),第二区间的范围为(deg,180-deg),第三区间的范围为(180-deg,180+deg),第四区间的范围为(180+deg,360-deg);
4.2)基于手掌中心点确定第一基准线和第二基准线,其中,第一基准线的方向为手掌中心点(x cen ,y cen )指向中指和无名指的中点的方向,第二基准线穿过手掌中心点(x cen ,y cen )且与第一基准线垂直;
4.3)左右旋转第一基准线,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d1和d3,从第二区间和第四区间内寻找该区间内距离第二基准线最近的边缘点并分别计算两个边缘点到第一基准线的距离为d2和d4,并计算四个边缘点围成的矩形的面积,计算公式为:
公式中, S 0 为四个边缘点围成的矩形的面积;
4.4)比较第一基准线在不同旋转角度情况下的四个手掌区域边缘点围成的矩形面积,记录矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,并且记录此时第一基准线的旋转角度为deg r 。
7.根据权利要求6所述的手部图像最大内接矩形确定方法,其特征在于:所述的步骤4.3)中第一基准线的旋转区间为-10度~10度,每次旋转角度为2度。
8.根据权利要求6所述的手部图像最大内接矩形确定方法,其特征在于:所述步骤5)中求取手部截取区域的四个点坐标的具体方式为:
5.1)分别计算第一区间内到第一基准线距离D 1 所在的点到手掌中心点的距离和夹角、第二区间内到第二基准线距离D 2 所在的点到手掌中心点的距离和夹角、第三区间内到第一基准线距离D 3 所在的点到手掌中心点的距离和夹角、第四区间内到第二基准线距离D 4 所在的点到手掌中心点的距离和夹角,计算公式为:
公式中,l 1 和 deg1分别表示第一区间内到第一基准线距离D 1 所在的点到手掌中心点的距离和夹角;l 2 和 deg2分别表示第二区间内到第二基准线距离D 2 所在的点到手掌中心点的距离和夹角;l 3 和deg3分别表示第三区间内到第一基准线距离D 3 所在的点到手掌中心点的距离和夹角;l 4 和deg4分别表示第四区间内到第二基准线距离D 4 所在的点到手掌中心点的距离和夹角;
5.2)计算手部最大内接矩形四个角的坐标点,计算公式为:
公式中,x 1 、y 1 为手部最大内接矩形四个角在第一区间内的横坐标和纵坐标;x 2 、y 2 为手部最大内接矩形四个角在第一区间内在第二区间的横坐标和纵坐标;x 3 、y 3 为手部最大内接矩形四个角在第一区间内在第三区间的横坐标和纵坐标;x 4 、y 4 为手部最大内接矩形四个角在第一区间内在第四区间横坐标和纵坐标。
9.一种基于手部图像最大内接矩形确定方法的图像识别方法,其特征在于:其包括以下步骤:
1)对采集到的手部图像进行二值化处理,得到手部二值化图像;
2)根据手部二值化图像计算开运算算子大小并构建椭圆核,将椭圆核沿着手部二值化图像进行滑动,进行开运算并保留最大连通区域,得到手掌区域二值化图像;
3)基于手掌区域二值化图像的边界点求取手掌中心点,以该中心点作为原点,对步骤2)得到的手掌区域二值化图像建立新的坐标系,根据新的坐标系获取手掌区域的宽度和高度,其具体步骤包括:
3.1)通过边缘检测方法测出手掌区域二值化图像中手掌的边界点;
3.2)基于边缘点,通过平均算法求取手掌中心点,计算公式为:
公式中,n表示手掌区域二值化图像边界点个数,(x i ’,y i ’)表示手掌区域二值化图像边界点坐标,(x cen ,y cen )表示手掌中心点坐标;
3.3)以手掌中心点为原点,横向为x轴,竖向为y轴,分别对手部二值化图像和手掌区域二值化图像构建新的坐标系,并根据手掌区域二值化图像计算手掌区域的宽度和高度,计算公式为:
公式中,w为手掌区域的宽度,h为手掌区域的高度,X max 为手掌区域二值化图像边界点最大的横坐标,X min 为手掌区域二值化图像边界点最小的横坐标,Y max 为手掌区域二值化图像边界点最大的纵坐标,Y min 为手掌区域二值化图像边界点最小的纵坐标;
4)基于手掌区域的宽度和高度计算搜索夹角范围,根据搜索夹角范围和手掌中心点将手部二值化图像分为第一区间、第二区间、第三区间和第四区间,基于手掌中心点在手部二值化图像中确定第一基准线和第二基准线,左右旋转第一基准线,每次旋转后从第一区间和第三区间内寻找该区间内距离第一基准线最近的边缘点并分别计算两个手掌区域边缘点到第一基准线的距离为d 1 和d 3 ,从第二区间和第四区间内寻找该区间内距离第二基准线最近的边缘点并分别计算两个手掌区域边缘点到第一基准线的距离为d 2 和d 4 ,计算边缘点围成的矩形的面积,并记录矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及此时第一基准线的旋转角度;
5)根据矩形面积最大时对应的四个边缘点到对应两条基准线的距离D 1 、D 2 、D 3 、D 4 ,以及第一基准线的旋转角度求取手部最大内接矩形四个角的坐标点,用于截取手掌的ROI部位;
6)截取手掌的ROI部位并进行特征提取,以实现对图像的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111529118.XA CN113936303B (zh) | 2021-12-15 | 2021-12-15 | 一种手部图像最大内接矩形确定方法及图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111529118.XA CN113936303B (zh) | 2021-12-15 | 2021-12-15 | 一种手部图像最大内接矩形确定方法及图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113936303A CN113936303A (zh) | 2022-01-14 |
CN113936303B true CN113936303B (zh) | 2022-03-15 |
Family
ID=79289103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111529118.XA Active CN113936303B (zh) | 2021-12-15 | 2021-12-15 | 一种手部图像最大内接矩形确定方法及图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936303B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359249B (zh) * | 2022-10-21 | 2023-03-24 | 山东圣点世纪科技有限公司 | 一种手掌图像roi区域提取方法及系统 |
CN117638287B (zh) * | 2024-01-25 | 2024-04-09 | 佛山隆深机器人有限公司 | 一种废旧锂电池的正负极粉料分类收集方法及相关装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809446A (zh) * | 2015-05-07 | 2015-07-29 | 西安电子科技大学 | 基于校正手掌方向的掌纹感兴趣区域快速提取方法 |
CN107609499A (zh) * | 2017-09-04 | 2018-01-19 | 南京航空航天大学 | 一种复杂环境下非接触式掌纹感兴趣区提取方法 |
-
2021
- 2021-12-15 CN CN202111529118.XA patent/CN113936303B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809446A (zh) * | 2015-05-07 | 2015-07-29 | 西安电子科技大学 | 基于校正手掌方向的掌纹感兴趣区域快速提取方法 |
CN107609499A (zh) * | 2017-09-04 | 2018-01-19 | 南京航空航天大学 | 一种复杂环境下非接触式掌纹感兴趣区提取方法 |
Non-Patent Citations (2)
Title |
---|
Extraction method of Region of Interest from hand palm: Application with contactless and touchable devices;Artabaz Saliha等;《2014 International Conference on Information Assurance and Security》;20141230;全文 * |
掌纹感兴趣区域定位与选择方法综述;林森,苑玮琦;《计算机工程与应用》;20110511;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113936303A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017059591A1 (zh) | 手指静脉识别方法及装置 | |
Kanhangad et al. | Contactless and pose invariant biometric identification using hand surface | |
CN113936303B (zh) | 一种手部图像最大内接矩形确定方法及图像识别方法 | |
Kang et al. | Contact-free palm-vein recognition based on local invariant features | |
Frucci et al. | WIRE: Watershed based iris recognition | |
CN101317184A (zh) | 在图像中提取虹膜特征的方法 | |
CN109190460B (zh) | 基于累积匹配和等错误率的手形手臂静脉融合识别方法 | |
Short et al. | Latent fingerprint segmentation using ridge template correlation | |
CN102542281A (zh) | 非接触式生物特征识别方法和系统 | |
CN106971130A (zh) | 一种以人脸为参照的手势识别方法 | |
CN113936307B (zh) | 一种基于薄膜传感器的静脉图像识别方法及装置 | |
CN110555380A (zh) | 基于Center Loss损失函数的指静脉识别方法 | |
Khotimah et al. | Iris recognition using feature extraction of box counting fractal dimension | |
CN112597812A (zh) | 一种基于卷积神经网络和sift算法的手指静脉识别方法及系统 | |
CN111639562B (zh) | 一种手掌感兴趣区域的智能定位方法 | |
CN110032936A (zh) | 无参数手背静脉最大圆形区域提取方法 | |
CN112837263A (zh) | 一种复杂背景下的身份证信息定位方法 | |
Mokni et al. | Pre-processing and extraction of the ROIs steps for palmprints recognition system | |
Doroz et al. | An accurate fingerprint reference point determination method based on curvature estimation of separated ridges | |
Ng et al. | An effective segmentation method for iris recognition system | |
CN105488460A (zh) | 基于生理特征的图像处理方法 | |
CN105373781A (zh) | 用于身份认证的二值图像处理方法 | |
CN115359249B (zh) | 一种手掌图像roi区域提取方法及系统 | |
Oldal et al. | Biometric Authentication System based on Hand Geometry and Palmprint Features. | |
CN113936305B (zh) | 一种手掌识别过程中的中指位置确认方法及特征提取方法 |
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 |