CN114022383B - 一种文字图像的摩尔纹祛除方法、装置及电子设备 - Google Patents
一种文字图像的摩尔纹祛除方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114022383B CN114022383B CN202111308232.XA CN202111308232A CN114022383B CN 114022383 B CN114022383 B CN 114022383B CN 202111308232 A CN202111308232 A CN 202111308232A CN 114022383 B CN114022383 B CN 114022383B
- Authority
- CN
- China
- Prior art keywords
- matrix
- image
- spectrum
- reconstructed
- region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 169
- 238000001228 spectrum Methods 0.000 claims abstract description 145
- 238000001914 filtration Methods 0.000 claims abstract description 44
- 238000013519 translation Methods 0.000 claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 238000010606 normalization Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 31
- 230000003595 spectral effect Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 2
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims 1
- 230000000873 masking effect Effects 0.000 claims 1
- 238000012549 training Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000003313 weakening effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种文字图像的摩尔纹祛除方法、装置及电子设备。该方法包括如下步骤:将文字图像转化为灰度图像并归一化处理,得到灰度图像矩阵;将灰度图像矩阵依次二维傅里叶变换和频谱平移,得到平移谱矩阵;对平移谱矩阵二值化处理,得到能量谱掩膜矩阵;对能量谱掩膜矩阵进行形态学闭运算,并标记连通区域;获取所有连通区域的坐标和数量,对所有非最大连通区域进行指数滤波,得到新能量谱掩膜矩阵;将新能量谱掩膜矩阵与平移谱矩阵点乘,得到重建谱矩阵;将重建谱矩阵依次进行频谱平移和逆傅里叶变换,得到重建灰度图像;对重建灰度图像进行非线性拉伸变换,得到最终处理图像。该方法不依赖训练数据集,可以减少计算量并有效保护文字信息。
Description
技术领域
本发明涉及一种文字图像的摩尔纹祛除方法,同时也涉及相应的摩尔纹祛除装置及电子设备,属于图像处理技术领域。
背景技术
在工作和生活中,数码相机和手机使我们更加方便的记录和分享重要的信息。虽然数码相机和手机的拍摄质量不断提高,但是在拍摄数字屏幕的时候,仍无法克服出现奇怪的纹路。这种纹路被称之为摩尔纹,是由于相机传感器和设备屏幕刷新之间干扰的结果。
摩尔纹会严重影响拍摄图像的质量,甚至让其信息丢失,无法识别。近年来也出现了不少的研究和专利,用来减弱或者消除摩尔纹。例如,在申请号为201410228823.X的中国专利申请中,通过图像采集设备的CCD或CMOS阵列横线和被采集的显示装置的CCD或CMOS阵列横线之间形成偏移角度θ,以削弱摩尔纹。在申请号为201910807521.0的中国专利申请中,通过对摩尔纹图像区域对应的原始Bayer图像区域重新插值的方式,抑制摩尔纹对插值方向的影响,进而抑制摩尔纹图像区域的摩尔纹。
发明内容
本发明所要解决的首要技术问题在于提供一种文字图像的摩尔纹祛除方法,旨在减少甚至祛除文字图像中的摩尔纹。
本发明所要解决的另一技术问题在于提供一种文字图像的摩尔纹祛除装置。
本发明所要解决的另一技术问题在于提供一种相应的电子设备。
为了实现上述目的,本发明采用以下的技术方案:
根据本发明实施例的第一方面,提供一种文字图像的摩尔纹祛除方法,包括以下步骤:
将文字图像转化为灰度图像,并对所述灰度图像进行归一化处理,得到灰度图像矩阵D;
将所述灰度图像矩阵D依次进行二维傅里叶变换、频谱平移和取模运算,得到平移后的谱矩阵
对所述平移后的谱矩阵进行二值化处理,得到能量谱掩膜矩阵Z,以确认能量谱掩膜矩阵Z中的能量突出区域,所述能量突出区域包括因摩尔纹的高频纹路而导致的第一能量突出区域和因文字固有纹路而导致的第二能量突出区域;
对所述能量谱掩膜矩阵Z进行形态学闭运算,并对连通区域进行标记,以对所述能量突出区域进行能量优化,并区分所述第一能量突出区域与所述第二能量突出区域的位置;
获取各所述连通区域所包含元素的坐标以及所有连通区域的元素数量,对所有非最大连通区域进行指数滤波,得到滤波后的新能量谱掩膜矩阵θ,以削弱或消除所述第一能量突出区域的能量参数;
将所述新能量谱掩膜矩阵θ与所述平移谱矩阵进行点乘运算,得到重建谱矩阵E,以对文字图像的摩尔纹高频纹路干扰进行消除;
将所述重建谱矩阵E依次进行频谱平移和逆傅里叶变换,得到重建后的灰度图像∑。
其中较优地,所述对所述平移谱矩阵进行二值化处理,得到能量谱掩膜矩阵Z,具体包括:
取出所述平移谱矩阵中各个元素的模,组成同维度的能量谱矩阵X;
通过下列公式对所述能量谱矩阵X做阈值判决,得到二值化的能量谱掩膜矩阵Z,即:
其中,z(i,j)和x(i,j)分别是能量谱掩膜矩阵Z和能量谱矩阵X在i行j列的元素,T为判决阈值,通过对图像亮度整体平衡得到。
其中较优地,所述获取各所述连通区域所包含元素的坐标以及所有连通区域的元素数量,对所有非最大连通区域进行指数滤波,得到滤波后的新能量谱掩膜矩阵θ,具体包括:
估算任意一个非最大连通区域的中心坐标;
遍历所述非最大连通区域中的所有的元素坐标,根据所述非最大连通区域中各元素坐标与所述中心坐标之间的距离进行指数滤波,以完成一个非最大连通区域的指数滤波;
遍历所有非最大连通区域,以通过相同的方式完成所有非最大连通区域的指数滤波,得到滤波后的新能量谱掩膜矩阵θ。
其中较优地,所述估算任意一个非最大连通区域的中心坐标,具体包括:
通过聚类算法对如下代价函数进行迭代,以估算出任意一个非最大连通区域Sτ的中心坐标Cτ(xo,yo);
其中,为连通区域元素集合Sτ中的第j个元素,其坐标为(xj,yj);Cτ(xo,yo)为该连通区域的中心坐标;所述非最大连通区域Sτ内共包含H个元素;||*||为距离度量的运算符,至少包括欧氏距离或马氏距离运算。
其中较优地,所述遍历所述非最大连通区域中的所有的元素坐标,根据所述非最大连通区域中各元素坐标与所述中心坐标之间的距离进行指数滤波,以完成一个非最大连通区域的指数滤波,具体包括:
遍历所述非最大连通区域Sτ中的所有的元素坐标,j=0,...,H-1,按照下式进行指数滤波;
其中,α=range(x∈Sτ),β=range(y∈Sτ),x∈Sτ和y∈Sτ分别表示连通区域元素集合Sτ中所有元素的x坐标集合和y坐标集合,函数range(w)=max(w)-min(w)。
其中较优地,所述将所述重建谱矩阵E依次进行频谱平移和逆傅里叶变换,得到重建后的灰度图像具体包括:
将所述重建谱矩阵E的第一象限与第三象限交换,并将所述重建谱矩阵E的第二象限与第四象限交换,得到平移后的谱矩阵
通过下列公式对所述平移后的谱矩阵进行二维逆傅里叶变换,得到重建后的灰度图像Ψ;
其中,i为虚数单位,为矩阵中j行k列的元素,ψ(p,q)为灰度图像Ψ的p行q列的元素。
其中较优地,还包括以下步骤:
对所述重建后的灰度图像Ψ进行非线性拉伸变换,得到最终的处理图像。
其中较优地,所述对所述重建后的灰度图像Ψ进行非线性拉伸变换,得到最终的处理图像,具体包括:
通过下列公式对所述重建后的灰度图像Ψ进行迭代,以完成对所述重建后的灰度图像Ψ的非线性拉伸变换;
Ψi+1=Ψi+(1-Ψi)⊙Ψi*∈
其中,Ψi+1为第i次迭代的输出灰度图像,Ψi第i次迭代的输入灰度图像,∈为调节灵敏度参数。
根据本发明实施例的第二方面,提供一种摩尔纹祛除装置,包括:
图像转化单元,与控制器连接,用于将文字图像转化为灰度图像,并对所述灰度图像进行归一化处理,得到灰度图像矩阵D;
第一矩阵处理单元,与所述控制器连接,用于对所述灰度图像矩阵D依次进行二维傅里叶变换、频谱平移和取模运算,得到平移后的谱矩阵
二值化处理单元,与所述控制器连接,用于对所述平移后的谱矩阵进行二值化处理,得到能量谱掩膜矩阵Z;
连通区域标记单元,与所述控制器连接,用于对所述能量谱掩膜矩阵Z进行形态学闭运算,并对连通区域进行标记;
指数滤波单元,与所述控制器连接,用于获取各所述连通区域所包含元素的坐标以及所有连通区域的元素数量,对所有非最大连通区域进行指数滤波,得到滤波后的新能量谱掩膜矩阵θ;
矩阵重建单元,与所述控制器连接,用于将所述新能量谱掩膜矩阵θ与所述平移谱矩阵进行点乘运算,得到重建谱矩阵E;
第二矩阵处理单元,与所述控制器连接,用于将所述重建谱矩阵E依次进行频谱平移和逆傅里叶变换,得到重建后的灰度图像Ψ;
非线性拉伸单元,与所述控制器连接,用于对所述重建后的灰度图像Ψ进行非线性拉伸变换,得到最终的处理图像。
根据本发明实施例的第三方面,提供一种电子设备,包括:
存储器,所述存储器内存储有所述的摩尔纹祛除方法的程序或指令;
处理器,所述处理器与所述存储器耦合,用于执行所述存储器中的程序或指令,以使所述电子设备执行所述的摩尔纹祛除方法。
本发明提供的摩尔纹祛除方法,通过对文字图像的能量谱分析,标记能量二值图像的连通区域,并且对非最大的连通区域进行指数滤波,计算能量谱的掩膜表示,最终通过谱矩阵的重建将摩尔纹从文字图像上削弱甚至完全祛除。该方法不依赖于训练数据集,鲁棒性良好;相比于基于深度学习网络的算法,计算量大大减少,特别适合手机等嵌入式设备。
附图说明
图1为本发明实施例提供的摩尔纹祛除方法的流程示意图;
图2为本发明实施例中,原始谱矩阵Y的示意图;
图3为本发明实施例中,滤波后的新能量谱掩膜矩阵θ的示意图;
图4为本发明实施例中,处理前文字图像的示意图;
图5为本发明实施例中,处理后文字图像的示意图;
图6为本发明实施例提供的摩尔纹祛除装置的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
<第一实施例>
请参照图1所示,为本发明实施例提供的一种文字图像的摩尔纹祛除方法,至少包括以下步骤:
S1:将文字图像转化为灰度图像,并对灰度图像进行归一化处理,得到灰度图像矩阵D。
具体的,在本实施例中,当需要祛除文字图像的摩尔纹时,需要对文字图像进行预处理,该预处理的步骤为:首先将文字图像转化为灰度图像,然后,对灰度图像进行归一化处理。其中,归一化的目的是避免后续运算中的数据溢出,而归一化处理的过程为常规的技术手段,在此不再赘述。
S2:将灰度图像矩阵D依次进行二维傅里叶变换、频谱平移和取模操作,得到平移谱矩阵
具体的,包括步骤S21~S22:
S21:将所述灰度图像矩阵D进行二维傅里叶变换,得到原始谱矩阵Y。
具体的,参照图2所示,在本实施例中,设归一化后的灰度图像矩阵D为m×n的二维矩阵,将灰度图像矩阵D按照下列公式进行二维傅里叶变换,以得到原始谱矩阵Y:
其中,ωm=e-2πi/m,ωn=e-2πi/n,i为虚数单位,d(j,k)为矩阵D中j行k列的元素,y(p,q)为原始谱矩阵Y的p行q列的元素。
当得到原始谱矩阵Y后,以谱矩阵的行和列的二分之一的交点作为原点O划分出第一象限、第二象限、第三象限和第四象限,即图2中一、二、三、四所示的位置。可以理解的是,在原始谱矩阵Y中,位于原点O附近的区域为高频区域,而位于原始谱矩阵Y四角的位置为低频区域。
S22:将所述原始谱矩阵Y进行频谱平移,得到平移后的平移谱矩阵
具体的,将原始谱矩阵Y的第一象限与第三象限交换,并将原始谱矩阵Y的第二象限与第四象限交换得到平移后的平移谱矩阵
S3:对所述平移谱矩阵中所有元素取模,然后进行二值化处理,得到能量谱掩膜矩阵Z。
具体的,包括步骤S31~S32:
S31:取出所述平移谱矩阵中各个元素的模,组成同维度的能量谱矩阵X。由此,从同维度的能量谱矩阵X中,可以大致看出哪些区域的能量较高,哪些区域的能量较低。
S32:当建立能量谱矩阵X后,通过下列公式对能量谱矩阵X做阈值判决,得到二值化的能量谱掩膜矩阵Z,即:
其中,z(i,j)和x(i,j)分别是能量谱掩膜矩阵Z和能量谱矩阵X在i行j列的元素,T为判决阈值,通过对图像亮度整体平衡得到,例如:通过亮度累积直方图或者用otsu法获取。
由此,通过二值化处理后,能够确认能量谱掩膜矩阵Z中的能量突出区域,其中,所述能量突出区域包括因摩尔纹的高频纹路而导致的第一能量突出区域和因文字固有纹路而导致的第二能量突出区域。
S4:对能量谱掩膜矩阵Z进行形态学闭运算,并对连通区域进行标记。
具体的,包括步骤S41~S42:
S41:使用盘式结构对能量谱掩膜矩阵Z进行形态学闭运算,其中,盘式结构具有设定半径,本实施例中,盘式结构的半径推荐为8,当然也可以是其他数值。由此,通过对能量谱掩膜矩阵Z进行形态学闭运算,从而可以去除能量突出区域中的“小型能量孤岛”,进而减少“小型能量孤岛”对后续摩尔纹高频纹路导致的第一能量突出区域的影响。其中,该“小型能量孤岛”指的是:具有一定的高能量点,但区域较小且较为分散的区域。
S42:根据形态学闭运算,通过范洪填充算法对能量谱掩膜矩阵Z的连通区域进行标记。其中,范洪填充算法为目前已知的常规算法,在此不再赘述。由此,通过对能量谱掩膜矩阵Z的连通区域进行标记,从而可以清晰地区分第一能量突出区域与第二能量突出区域的位置,以便于后续对第一能量突出区域进行能量削弱。
S5:获取各连通区域的所包含元素的坐标以及所有连通区域的数量,对所有非最大连通区域进行指数滤波,得到滤波后的新能量谱掩膜矩阵θ。
可以理解的是,由于最大连通区域为整个图像前景的最主要部分,如果对其进行处理后,则可能导致整个图像的亮度、色差出现较大的变化。因此,为避免对图像造成太大的影响,对最大的连通区域不做处理,仅对所有的非最大连通区域进行指数滤波。
具体的,包括步骤S51~S53:
S51:估算任意一个非最大连通区域的中心坐标。
具体的,通过聚类算法对如下代价函数进行迭代,以估算出任意一个非最大连通区域Sτ的中心坐标Cτ(xo,yo)。
其中,为连通区域元素集合Sτ中的第j个元素,其坐标为(xj,yj);Cτ(xo,yo)为该连通区域的中心坐标;非最大连通区域Sτ内共包含H个元素;||*||为距离度量的运算符,包括但不限于欧氏距离、马氏距离等。
S52:遍历非最大连通区域中的所有的元素坐标,根据非最大连通区域中各元素坐标与中心坐标之间的距离进行指数滤波,以完成一个非最大连通区域的指数滤波;
具体的,在本实施例中,遍历该非最大连通区域Sτ中的所有的元素坐标,j=0,...,H-1,按照下式进行指数滤波;
其中,α=range(x∈Sτ),β=range(y∈Sτ),x∈Sτ和y∈Sτ分别表示连通区域元素集合Sτ中所有元素的x坐标集合和y坐标集合,函数range(w)=max(w)-min(w)。
可以理解的是,当经过指数滤波后,在该非最大连通区域内,不再是0或1的分布情况,而是0~1之间的数值,例如:0.3、0.5、0.8、0.9等不同的数值,从而使得在非最大连通区域内,各个坐标点所代表的是对特定频率范围上原始能量不同的降低,甚至消除。由此,通过指数滤波的方式可以削弱或消除第一能量突出区域的能量参数,从而达到削弱或消除摩尔纹的效果。
S53:遍历所有非最大连通区域,以通过相同的方式完成所有非最大连通区域的指数滤波,得到滤波后的新能量谱掩膜矩阵θ。
具体的,重复步骤S51~S52,直至对所有非最大连通区域完成指数滤波,从而得到滤波后的新能量谱掩膜矩阵θ。参照图3所示,在滤波后的新能量谱掩膜矩阵θ中。同时,图3中的数值仅作为示例,不构成对新能量谱掩膜矩阵θ的数据限定。
S6:将新能量谱掩膜矩阵θ与平移谱矩阵进行点乘运算,得到重建谱矩阵E;
具体的,可表示为其中,⊙为点乘运算,即两个矩阵元素分别相乘。由此,可以对文字图像的摩尔纹高频纹路干扰进行消除。
S7:将重建谱矩阵E依次进行频谱平移和逆傅里叶变换,得到重建后的灰度图像Ψ;
具体的包括步骤S71~S72:
S71:将重建谱矩阵E进行频谱平移。
具体的,将重建谱矩阵E的第一象限与第三象限交换,并将重建谱矩阵E的第二象限与第四象限交换,得到平移后的谱矩阵
S72:通过下列公式对平移后的谱矩阵进行二维逆傅里叶变换,得到重建后的灰度图像Ψ;
其中,i为虚数单位,为矩阵中j行k列的元素,ψ(p,q)为灰度图像Ψ的p行q列的元素。
由此,通过将重建谱矩阵E依次进行频谱平移和逆傅里叶变换后,能够将处理后的图像重新变换回灰度图像。
S8:对重建后的灰度图像Ψ进行非线性拉伸变换,得到最终的处理图像。
具体的,由于对原灰度图像经过步骤S1~S7处理后,重建后的灰度图像Ψ可能会存在亮度不均匀的情况,因此,通过下列公式对重建后的灰度图像Ψ进行迭代,以完成对重建后的灰度图像Ψ的非线性拉伸变换;
Ψi+1=Ψi+(1-Ψi)⊙Ψi*∈
其中,Ψi+1为第i次迭代的输出灰度图像,Ψi第i次迭代的输入灰度图像,∈为调节灵敏度参数。
由此,可以调节亮度的均衡,进而提高文字在背景中的对比度,图4位处理前文字图像的示意图,图5为经过步骤S1~S8处理后的文字图像的示意图,对比图4和图5可以看出,文字图像的摩尔纹被减弱,且文字部分得以较为完整的保留,没有对文字信息造成明显的破坏。
综上所述,本发明实施例提供的摩尔纹祛除方法,通过对文字图像的能量谱分析,标记能量二值图像的连通区域,并且对非最大的连通区域进行指数滤波,计算能量谱的掩膜表示,最终通过谱矩阵的重建将摩尔纹从文字图像上削弱甚至完全祛除。该方法不依赖于训练数据集,鲁棒性良好;相比于基于深度学习网络的算法,计算量大大减少,适合手机等嵌入式设备。
<第二实施例>
如图6所示,本发明实施例还提供一种摩尔纹祛除装置,至少包括:图像转化单元1、第一矩阵处理单元2、二值化处理单元3、连通区域标记单元4、指数滤波单元5、矩阵重建单元6、第二矩阵处理单元7、非线性拉伸单元8以及控制器9。
具体的,图像转化单元1与控制器9连接,用于将文字图像转化为灰度图像,并对灰度图像进行归一化处理,得到灰度图像矩阵D;第一矩阵处理单元2与控制器9连接,用于对灰度图像矩阵D依次进行二维傅里叶变换、频谱平移和取模运算,得到平移后的谱矩阵二值化处理单元3与控制器9连接,用于对平移后的谱矩阵进行二值化处理,得到能量谱掩膜矩阵Z;连通区域标记单元4与控制器9连接,用于对能量谱掩膜矩阵Z进行形态学闭运算,并对连通区域进行标记;指数滤波单元5与控制器9连接,用于获取各连通区域所包含元素的坐标以及所有连通区域的元素数量,对所有非最大连通区域进行指数滤波,得到滤波后的新能量谱掩膜矩阵θ;矩阵重建单元6与控制器9连接,用于将新能量谱掩膜矩阵θ与平移谱矩阵进行点乘运算,得到重建谱矩阵E;第二矩阵处理单元7与控制器9连接,用于将重建谱矩阵E依次进行频谱平移和逆傅里叶变换,得到重建后的灰度图像Ψ;非线性拉伸单元8与控制器9连接,用于对重建后的灰度图像Ψ进行非线性拉伸变换,得到最终的处理图像。
<第三实施例>
本发明实施例还提供一种电子设备,包括:存储器和处理器。其中,存储器内存储有的摩尔纹祛除方法的程序或指令;处理器与存储器耦合,用于执行存储器中的程序或指令,以使电子设备执行上述第一实施例中的摩尔纹祛除方法。
上面对本发明所提供的文字图像的摩尔纹祛除方法、装置及电子设备进行了详细的说明。对本领域的一般技术人员而言,在不背离本发明实质内容的前提下对它所做的任何显而易见的改动,都将构成对本发明专利权的侵犯,将承担相应的法律责任。
Claims (10)
1.一种文字图像的摩尔纹祛除方法,其特征在于包括以下步骤:
将文字图像转化为灰度图像,并对所述灰度图像进行归一化处理,得到灰度图像矩阵D;
将所述灰度图像矩阵D依次进行二维傅里叶变换、频谱平移和取模运算,得到平移后的谱矩阵;
对平移后的谱矩阵进行二值化处理,得到能量谱掩膜矩阵Z,以确认能量谱掩膜矩阵Z中的能量突出区域,所述能量突出区域包括因摩尔纹的高频纹路而导致的第一能量突出区域和因文字固有纹路而导致的第二能量突出区域;
对所述能量谱掩膜矩阵Z进行形态学闭运算,并对连通区域进行标记,以对所述能量突出区域进行能量优化,并区分所述第一能量突出区域与所述第二能量突出区域的位置;
获取各所述连通区域所包含元素的坐标以及所有连通区域的元素数量,对所有非最大连通区域进行指数滤波,得到滤波后的新能量谱掩膜矩阵,以削弱或消除所述第一能量突出区域的能量参数;
将新能量谱掩膜矩阵与平移后的谱矩阵进行点乘运算,得到重建谱矩阵E,以对文字图像的摩尔纹高频纹路干扰进行消除;
将所述重建谱矩阵E依次进行频谱平移和逆傅里叶变换,得到重建后的灰度图像。
2.如权利要求1所述的摩尔纹祛除方法,其特征在于,对平移后的谱矩阵进行二值化处理,得到能量谱掩膜矩阵Z,具体包括:
取出平移后的谱矩阵中的各个元素的模,组成同维度的能量谱矩阵X;
通过下列公式对所述能量谱矩阵X做阈值判决,得到二值化的能量谱掩膜矩阵Z,即:
其中,和分别是能量谱掩膜矩阵Z和能量谱矩阵X在的元素,T为判决阈值,通过对图像亮度整体平衡得到。
3.如权利要求1所述的摩尔纹祛除方法,其特征在于,获取各所述连通区域所包含元素的坐标以及所有连通区域的元素数量,对所有非最大连通区域进行指数滤波,得到滤波后的新能量谱掩膜矩阵,具体包括:
估算任意一个非最大连通区域的中心坐标;
遍历所述非最大连通区域中的所有的元素坐标,根据所述非最大连通区域中各元素坐标与所述中心坐标之间的距离进行指数滤波,以完成一个非最大连通区域的指数滤波;
遍历所有非最大连通区域,以通过相同的方式完成所有非最大连通区域的指数滤波,得到滤波后的新能量谱掩膜矩阵。
4.如权利要求3所述的摩尔纹祛除方法,其特征在于,估算任意一个非最大连通区域的中心坐标,具体包括:
通过聚类算法对如下代价函数进行迭代,以估算出任意一个非最大连通区域的中心坐标 ;
其中,为连通区域元素集合中的第j个元素,其坐标为; 为该连通区域的中心坐标;所述非最大连通区域内共包含H个元素;为距离度量的运算符,至少包括欧氏距离或马氏距离运算。
5.如权利要求4所述的摩尔纹祛除方法,其特征在于,遍历所述非最大连通区域中的所有的元素坐标,根据所述非最大连通区域中各元素坐标与所述中心坐标之间的距离进行指数滤波,以完成一个非最大连通区域的指数滤波,具体包括:
遍历所述非最大连通区域中的所有的元素坐标,,按照下式进行指数滤波;
其中,, , 表示连通区域元素集合中所有元素的坐标集合和坐标集合,函数。
6.如权利要求1所述的摩尔纹祛除方法,其特征在于,将所述重建谱矩阵E依次进行频谱平移和逆傅里叶变换,得到重建后的灰度图像,具体包括:
将所述重建谱矩阵E的第一象限与第三象限交换,并将所述重建谱矩阵E的第二象限与第四象限交换,得到平移后的重建谱矩阵;
通过下列公式对平移后的重建谱矩阵进行二维逆傅里叶变换,得到重建后的灰度图像;
其中,为虚数单位,为矩阵中的元素,灰度图像的的元素。
7.如权利要求1所述的摩尔纹祛除方法,其特征在于还包括以下步骤:
对所述重建后的灰度图像进行非线性拉伸变换,得到最终的处理图像。
8.如权利要求7所述的摩尔纹祛除方法,其特征在于,对所述重建后的灰度图像进行非线性拉伸变换,得到最终的处理图像,具体包括:
通过下列公式对所述重建后的灰度图像进行迭代,以完成对所述重建后的灰度图像的非线性拉伸变换;
其中,为第次迭代的输出灰度图像,第次迭代的输入灰度图像, 为调节灵敏度参数。
9.一种摩尔纹祛除装置,其特征在于包括:
图像转化单元,与控制器连接,用于将文字图像转化为灰度图像,并对所述灰度图像进行归一化处理,得到灰度图像矩阵D;
第一矩阵处理单元,与所述控制器连接,用于对所述灰度图像矩阵D依次进行二维傅里叶变换、频谱平移和取模运算,得到平移后的谱矩阵;
二值化处理单元,与所述控制器连接,用于对平移后的谱矩阵进行二值化处理,得到能量谱掩膜矩阵Z;
连通区域标记单元,与所述控制器连接,用于对所述能量谱掩膜矩阵Z进行形态学闭运算,并对连通区域进行标记;
指数滤波单元,与所述控制器连接,用于获取各所述连通区域所包含元素的坐标以及所有连通区域的元素数量,对所有非最大连通区域进行指数滤波,得到滤波后的新能量谱掩膜矩阵;
矩阵重建单元,与所述控制器连接,用于将所述新能量谱掩膜矩阵与平移后的谱矩阵进行点乘运算,得到重建谱矩阵E;
第二矩阵处理单元,与所述控制器连接,用于将所述重建谱矩阵E依次进行频谱平移和逆傅里叶变换,得到重建后的灰度图像;
非线性拉伸单元,与所述控制器连接,用于对所述重建后的灰度图像进行非线性拉伸变换,得到最终的处理图像。
10.一种电子设备,其特征在于包括:
存储器,所述存储器内存储有如权利要求1~8中任意一项所述的摩尔纹祛除方法的程序或指令;
处理器,所述处理器与所述存储器耦合,用于执行所述存储器中的程序或指令,以使所述电子设备执行如权利要求1~8中任意一项所述的摩尔纹祛除方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111308232.XA CN114022383B (zh) | 2021-11-05 | 2021-11-05 | 一种文字图像的摩尔纹祛除方法、装置及电子设备 |
PCT/CN2022/129187 WO2023078285A1 (zh) | 2021-11-05 | 2022-11-02 | 一种文字图像的摩尔纹祛除方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111308232.XA CN114022383B (zh) | 2021-11-05 | 2021-11-05 | 一种文字图像的摩尔纹祛除方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114022383A CN114022383A (zh) | 2022-02-08 |
CN114022383B true CN114022383B (zh) | 2024-07-26 |
Family
ID=80061806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111308232.XA Active CN114022383B (zh) | 2021-11-05 | 2021-11-05 | 一种文字图像的摩尔纹祛除方法、装置及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114022383B (zh) |
WO (1) | WO2023078285A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022383B (zh) * | 2021-11-05 | 2024-07-26 | 瞬联软件科技(北京)有限公司 | 一种文字图像的摩尔纹祛除方法、装置及电子设备 |
CN115131234B (zh) * | 2022-06-15 | 2023-09-19 | 西北大学 | 一种基于两阶段神经网络的数字壁画修复方法 |
CN115908184B (zh) * | 2022-11-30 | 2023-10-17 | 北京大学 | 一种摩尔纹图案的自动去除方法和装置 |
CN117078233B (zh) * | 2023-10-17 | 2024-03-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路网养护综合评价指标的养护决策方法 |
CN117372283B (zh) * | 2023-11-06 | 2024-06-04 | 上海衡亮电子科技股份有限公司 | 一种去除摩尔纹的方法与装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741231A (zh) * | 2018-12-27 | 2019-05-10 | 浙江大学 | 一种基于摩尔纹的摄屏图片溯源方法 |
CN112884666A (zh) * | 2021-02-02 | 2021-06-01 | 杭州海康慧影科技有限公司 | 图像处理方法、装置及计算机存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6160138B2 (ja) * | 2013-03-11 | 2017-07-12 | オムロン株式会社 | パターン認識のためのモアレ除去方法およびこの方法を用いたモアレ除去装置ならびにプログラム |
CN108389164B (zh) * | 2018-01-31 | 2021-05-11 | 深圳市商巨视觉技术有限公司 | 基于频域分析的去除图像摩尔纹的方法 |
CN109558794B (zh) * | 2018-10-17 | 2024-06-28 | 平安科技(深圳)有限公司 | 基于摩尔纹的图像识别方法、装置、设备和存储介质 |
CN111383189B (zh) * | 2018-12-29 | 2023-05-12 | 合肥欣奕华智能机器股份有限公司 | 一种去除摩尔纹的方法及装置、图像显示器 |
CN111383186B (zh) * | 2018-12-29 | 2023-08-01 | Tcl科技集团股份有限公司 | 一种图像处理方法、装置及终端设备 |
CN113012059B (zh) * | 2021-02-08 | 2024-07-26 | 瞬联软件科技(北京)有限公司 | 一种文字图像的阴影消除方法、装置及电子设备 |
CN114022383B (zh) * | 2021-11-05 | 2024-07-26 | 瞬联软件科技(北京)有限公司 | 一种文字图像的摩尔纹祛除方法、装置及电子设备 |
-
2021
- 2021-11-05 CN CN202111308232.XA patent/CN114022383B/zh active Active
-
2022
- 2022-11-02 WO PCT/CN2022/129187 patent/WO2023078285A1/zh unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109741231A (zh) * | 2018-12-27 | 2019-05-10 | 浙江大学 | 一种基于摩尔纹的摄屏图片溯源方法 |
CN112884666A (zh) * | 2021-02-02 | 2021-06-01 | 杭州海康慧影科技有限公司 | 图像处理方法、装置及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114022383A (zh) | 2022-02-08 |
WO2023078285A1 (zh) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114022383B (zh) | 一种文字图像的摩尔纹祛除方法、装置及电子设备 | |
CN112819772B (zh) | 一种高精度快速图形检测识别方法 | |
CN107561738B (zh) | 基于fcn的tft-lcd表面缺陷快速检测方法 | |
CN108805023B (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
CN112837303A (zh) | 一种用于模具监视的缺陷检测方法、装置、设备及介质 | |
CN112950508A (zh) | 一种基于计算机视觉的排水管道视频数据修复方法 | |
CN107808161B (zh) | 一种基于光视觉的水下目标识别方法 | |
CN108171688B (zh) | 一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法 | |
CN112132196B (zh) | 一种结合深度学习和图像处理的烟盒缺陷识别方法 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
CN115272303A (zh) | 基于高斯模糊的纺织物缺陷程度评估方法、装置及系统 | |
CN115100068A (zh) | 一种红外图像校正方法 | |
CN111027564A (zh) | 基于深度学习一体化的低照度成像车牌识别方法及装置 | |
CN115294149A (zh) | 一种天文图像背景提取方法及系统 | |
CN111353324A (zh) | 玻璃内部点阵二维码读取方法 | |
CN111445402B (zh) | 一种图像去噪方法及装置 | |
CN104809733A (zh) | 一种古建墙壁受污题记文字图像边缘提取方法 | |
CN111178111A (zh) | 二维码检测方法、电子设备、存储介质及系统 | |
CN116758266A (zh) | 一种指针式仪表的读数方法 | |
CN116452511A (zh) | 钻爆法隧道掌子面围岩级别智能判识方法、装置及介质 | |
CN116403200A (zh) | 基于硬件加速的车牌实时识别系统 | |
CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
CN111754413A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN115761241A (zh) | 一种图像增强方法及其应用 | |
CN113643290A (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 |
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 |