CN114241287A - 拍摄物边界的识别方法、装置、设备及存储介质 - Google Patents
拍摄物边界的识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114241287A CN114241287A CN202111534300.4A CN202111534300A CN114241287A CN 114241287 A CN114241287 A CN 114241287A CN 202111534300 A CN202111534300 A CN 202111534300A CN 114241287 A CN114241287 A CN 114241287A
- Authority
- CN
- China
- Prior art keywords
- point
- boundary
- shot
- picture
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000010586 diagram Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007667 floating Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及人工智能技术领域,揭示了一种拍摄物边界的识别方法、装置、设备及存储介质,其中方法包括:获取拍摄装置当前时刻的拍摄图片;将所述拍摄图片转换为二维坐标数组的像素值分布图;通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;根据所述四个顶点分别对应的像素值,生成动态设置的临界值;根据所述临界值识别所述拍摄图片中的拍摄物边界。通过实时的识别拍摄图片的四个顶点的像素值,实现动态调整和设置临界值,以提高通过临界值与拍摄物中的像素值差异数据识别拍摄物边界,相比与通过固定设置的背景色值识别拍摄图片中的拍摄物边界更精准。
Description
技术领域
本申请涉及到人工智能技术领域,特别是涉及到一种拍摄物边界的识别方法、装置、设备及存储介质。
背景技术
现有拍摄装置已经成为日常生活中的必需品,但随着生活质量的提高,人们的生活追求也逐渐提高,比如对拍摄图片的后处理要求也越来越高。高拍仪作为一种摄像装置,其拍摄的图片常携带高拍仪背景板的黑颜色,使图片周边携带黑边,现有技术只能通过调整相框的范围最大化缩小黑边,但不能完全去除黑边的影响,且在拍摄物的尺寸和形状也各不同的情况下,更不能实现精准地确定拍摄物边界,从而导致不能准确的去除所有背景板颜色的影响。
发明内容
本申请的主要目的为提供一种拍摄物边界的识别方法、装置、设备及存储介质,旨在解决现有技术在对基于背景板拍摄的图片进行后处理时,只能通过调整相框的范围最大化缩小黑边,但不能完全去除黑边的影响,且在拍摄物的尺寸和形状也各不同的情况下,更不能实现精准地确定拍摄物边界,从而导致不能准确的去除所有背景板颜色的影响的技术问题。
为了实现上述发明目的,本申请提出一种拍摄物边界的识别方法,所述方法包括:
获取拍摄装置当前时刻的拍摄图片;
将所述拍摄图片转换为二维坐标数组的像素值分布图;
通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;
根据所述四个顶点分别对应的像素值,生成动态设置的临界值;
根据所述临界值识别所述拍摄图片中的拍摄物边界。
进一步的,所述根据所述临界值识别所述拍摄图片中的拍摄物边界的步骤,包括:
根据所述临界值生成识别所述拍摄物边界的阈值范围,其中,所述阈值范围包括大于或等于所述临界值减去预设的浮动量,且小于或等于所述临界值加上浮动量,所述临界值大于所述浮动量;
获取所述像素值分布图中的指定坐标点对应的指定像素值,其中,所述指定坐标点为指定扫描路径中的任意一点,所述指定扫描路径以第一顶点为初始扫描点,以所述第一顶点至所述拍摄图片的中心点的方向为扫描方向,所述第一顶点为所述四个顶点中的任意一个顶点;
判断所述指定像素值是否处于所述阈值范围内;
若否,则停止执行所述获取所述像素值分布图中的指定坐标点对应的指定像素值的步骤,并标记所述指定坐标点为第一边界点;
以所述第一边界点为新初始扫描点,以所述新初始扫描点与所述拍摄图片的中心点的连线方向呈指定角度的方向为扫描方向,探寻到与所述第一边界点相邻的每个拍摄物边界点作为第二边界点,将每个所述第二边界点作为连线点;
以所述第一边界点和每个所述连线点的连线方向为扫描方向继续扫描,探寻与所述连线点相邻的每个所述拍摄物边界点作为第三边界点;
将每个所述第三边界点作为所述连线点,重复确定所述第三边界点的步骤,直至扫描出所有的所述拍摄物边界点,根据各个所述拍摄物边界点确定所述拍摄图片中的所述拍摄物边界。
进一步的,所述根据各个所述拍摄物边界点确定所述拍摄图片中的所述拍摄物边界的步骤,包括:
将扫描出所有的所述拍摄物边界点分别存储于拍摄物边界点集合;
将所述拍摄物边界点集合中的所有所述拍摄物边界点,分别标注显示于所述像素值分布图;
在所述像素值分布图中,依次平滑连接所有所述拍摄物边界点,以形成所述拍摄图片中的所述拍摄物边界。
进一步的,所述以所述第一边界点为新初始扫描点,以所述新初始扫描点与所述拍摄图片的中心点的连线方向呈指定角度的方向为扫描方向,探寻到与所述第一边界点相邻的每个拍摄物边界点作为第二边界点的步骤,包括:
以所述第一边界点为圆心,以指定半径形成环形扫描路径;
判断所述环形扫描路径上是否存在像素值不处于所述阈值范围内的点;
若是,则停止执行所述以所述第一边界点为圆心,以指定半径形成环形扫描路径的步骤,并标记像素值不处于所述阈值范围内的点为所述第二边界点。
进一步的,所述根据所述四个顶点分别对应的像素值,生成动态设置的临界值的步骤,包括:
判断所述四个顶点分别对应的像素值是否存在至少两个相同的像素值;
若否,则计算所述四个顶点分别对应的像素值的平均值,将所述平均值作为所述临界值;
若是,则将所述四个顶点分别对应的像素值中的相同的像素值作为所述临界值。
进一步的,所述通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值的步骤,包括:
从所述二维坐标数组中确定所述拍摄图片的初始值坐标点以及最大值坐标点;
根据所述初始值坐标点以及最大值坐标点的坐标数据,依次计算所述拍摄图片的第一边缘点、第二边缘点、第三边缘点以及第四边缘点的坐标数据,其中,所述第一边缘点为初始值坐标点,所述第二边缘点为横坐标与所述初始值坐标点相同并且纵坐标与所述最大值坐标点相同的点,所述第三边缘点为所述最大值坐标点,所述第四边缘点为横坐标与所述最大值坐标点相同并且纵坐标与所述初始值坐标点相同的点;
根据所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点的所述坐标数据,分别确定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点在所述像素值分布图中的位置以及像素值;
判断所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点分别对应的像素值的差量是否在预设范围内;
若是,则判定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点,分别为所述拍摄图片的四个顶点。
进一步的,所述将所述拍摄图片转换为二维坐标数组的像素值分布图的步骤之前,包括:
判断所述拍摄图片的文件格式是否为tiff格式;
若是,则调用图片格式转换器读取所述拍摄图片对应的tiff文件流,将所述拍摄图片的文件格式转换为预设格式,其中,所述预设格式包括jpg格式、bmp格式、png格式、gif格式和webp格式中的任一种。
本申请还提出了一种拍摄物边界的识别装置,所述装置包括:
图片获取模块,用于获取拍摄装置当前时刻的拍摄图片;
像素值分布图生成模块,用于将所述拍摄图片转换为二维坐标数组的像素值分布图;
顶点确定模块,用于通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;
临界值确定模块,用于根据所述四个顶点分别对应的像素值,生成动态设置的临界值;
拍摄物边界确定模块,用于根据所述临界值识别所述拍摄图片中的拍摄物边界。
本申请还提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的拍摄物边界的识别方法、装置、设备及存储介质,其中方法通过获取拍摄装置当前时刻的拍摄图片,将所述拍摄图片转换为二维坐标数组的像素值分布图,通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值,根据所述四个顶点分别对应的像素值,生成动态设置的临界值,根据所述临界值识别所述拍摄图片中的拍摄物边界。因每个时刻的拍摄环境和拍摄物对象均有可能发生改变,从而影响对拍摄图片中的拍摄物边界的识别准确性,本申请通过实时的识别拍摄图片的四个顶点的像素值,实现动态调整和设置临界值,以提高通过临界值与拍摄物中的像素值差异数据识别拍摄物边界,相比与通过固定设置的背景色值识别拍摄图片中的拍摄物边界更精准。
附图说明
图1为本申请一实施例的拍摄物边界的识别方法的流程示意图;
图2为本申请一实施例的拍摄物边界的识别装置的结构示意框图;
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请实施例中提供一种拍摄物边界的识别方法,所述方法包括:
S1:获取拍摄装置当前时刻的拍摄图片;
S2:将所述拍摄图片转换为二维坐标数组的像素值分布图;
S3:通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;
S4:根据所述四个顶点分别对应的像素值,生成动态设置的临界值;
S5:根据所述临界值识别所述拍摄图片中的拍摄物边界。
因每个时刻的拍摄环境和拍摄物对象均有可能发生改变,从而影响对拍摄图片中的拍摄物边界的识别准确性,本实施例通过实时的识别拍摄图片的四个顶点的像素值,实现动态调整和设置临界值,以提高通过临界值与拍摄物中的像素值差异数据识别拍摄物边界,相比与通过固定设置的背景色值识别拍摄图片中的拍摄物边界更精准。
上述的拍摄环境和拍摄物包括但不限于拍摄图片时的光线、拍摄物的自身颜色反射等。
对于S1,可以从数据库中获取拍摄装置当前时刻的拍摄图片,也可以获取拍摄装置直接发送的当前时刻的拍摄图片。
可选的,拍摄图片,是拍摄装置对黑颜色的背景板上的拍摄物进行拍摄得到的图片。拍摄图片中包括拍摄物的图像和背景板的图像。
对于S2,二维坐标数组通过opencv(基于BSD许可发行的跨平台计算机视觉和机器学习软件库)插件转换拍摄图片得到。二维坐标数组的坐标内每个元素都是一个像素值,并且该像素值通过对应像素点的RGB(代表红、绿、蓝三个通道的颜色)值的三色进行均值化处理得到。
像素值分布图为通过获取拍摄图片中各个像素点对应的坐标数据,并在各个像素点标注对应的像素值(也就是二维坐标数组中的像素值)形成。
对于S3,所述拍摄图片是个长方形或正方形的图片,长方形或正方形的四个顶点即为所述拍摄图片的四个顶点。
其中,通过所述像素值分布图的坐标值确定所述拍摄图片的四个顶点的位置,然后根据确定的位置的像素点确定对应顶点的像素值。
对于S4,临界值为拍摄装置拍摄的背景色,并将该背景色作为当前时刻的临界值BLACK_VALUE。
通过求取所述四个顶点分别对应的像素值的平均值等方法计算作为动态设置的临界值。
对于S5,基于临界值生成阈值范围,根据所述拍摄图片的像素点的像素值是否位于阈值范围内,确定所述拍摄图片中的拍摄物边界。
在一个实施例中,上述根据所述临界值识别所述拍摄图片中的拍摄物边界的步骤,包括:
S51:根据所述临界值生成识别所述拍摄物边界的阈值范围,其中,所述阈值范围包括大于或等于所述临界值减去预设的浮动量,且小于或等于所述临界值加上浮动量,所述临界值大于所述浮动量;
S52:获取所述像素值分布图中的指定坐标点对应的指定像素值,其中,所述指定坐标点为指定扫描路径中的任意一点,所述指定扫描路径以第一顶点为初始扫描点,以所述第一顶点至所述拍摄图片的中心点的方向为扫描方向,所述第一顶点为所述四个顶点中的任意一个顶点;
S53:判断所述指定像素值是否处于所述阈值范围内;
S54:若否,则停止执行所述获取所述像素值分布图中的指定坐标点对应的指定像素值的步骤,并标记所述指定坐标点为第一边界点;
S55:以所述第一边界点为新初始扫描点,以所述新初始扫描点与所述拍摄图片的中心点的连线方向呈指定角度的方向为扫描方向,探寻到与所述第一边界点相邻的每个拍摄物边界点作为第二边界点,将每个所述第二边界点作为连线点;
S56:以所述第一边界点和每个所述连线点的连线方向为扫描方向继续扫描,探寻与所述连线点相邻的每个所述拍摄物边界点作为第三边界点;
S57:将每个所述第三边界点作为所述连线点,重复确定所述第三边界点的步骤,直至扫描出所有的所述拍摄物边界点,根据各个所述拍摄物边界点确定所述拍摄图片中的所述拍摄物边界。
本实施例通过临界值为识别拍摄物的边界设置了阈值范围,以根据拍摄物的颜色和拍摄装置拍摄的背景色的色差,作为识别拍摄物边界的依据,从而实现动态调整和设置临界值,以提高通过临界值与拍摄物中的像素值的差异数据识别拍摄物边界;通过圆环扫描方式探寻与第一边界点相邻的第二边界点,解决不规则图形的边界扫描,包括第二边界点与第一边界点位于同一水平线上,以及第二边界点与第一边界点不位于同一水平线上的情况,探寻第二边界点更精准,从而进一步提高了拍摄物边界的精准性。
对于S51,因所述阈值范围包括大于或等于所述临界值减去预设的浮动量,且小于或等于所述临界值加上浮动量,所述临界值大于所述浮动量,所以阈值范围可以表述为:
[BLACK_VALUE-THRESHOLD_VALUE,BLACK_VALUE+THRESHOLD_VALUE]
其中,BLACK_VALUE是临界值,THRESHOLD_VALUE是浮动量。
对于S52,将所述四个顶点中的任意一个顶点作为所述第一顶点,以第一顶点为初始扫描点并且以所述第一顶点至所述拍摄图片的中心点的方向,形成指定扫描路径,以使指定扫描路径以四个顶点作为扫描起点,从而实现从所述拍摄图片的边缘往中心扫描,有利于准确的、快速的识别出拍摄物边界点。
其中,获取所述像素值分布图中的指定扫描路径中的任意一点作为指定坐标点,将指定坐标点在所述像素值分布图中对应的像素值作为指定像素值,为根据拍摄物的颜色和拍摄装置拍摄的背景色的色差作为识别拍摄物边界的依据提供了基础。
对于S54,若否,则意味着所述指定像素值未处于所述阈值范围内,未处于所述阈值范围内的所述指定像素值对应的指定坐标点不是背景色,因从所述拍摄图片的边缘往中心扫描,此时的指定坐标点即为拍摄物的拍摄物边界点,因此则停止执行所述获取所述像素值分布图中的指定坐标点对应的指定像素值的步骤,将此时的指定坐标点标记为第一边界点,并记录下此时的指定坐标点在二维坐标数组的位置,将该指定坐标点的二维坐标数组添加至拍摄物边界点集合,得到二维坐标数组的集合。
对于S55,以所述第一边界点为新初始扫描点,以所述新初始扫描点与所述拍摄图片的中心点的连线方向呈指定角度的方向为扫描方向,以实现向顶点至所述拍摄图片的中心点的方向的两侧分别扫描,将该扫描方向探寻到的像素值未处于所述阈值范围内像素点作为与所述第一边界点相邻的第二边界点。从而实现圆环扫描方式,通过圆环扫描方式探寻与第一边界点相邻的每个拍摄物边界点作为作为第二边界点,解决不规则图形的边界扫描,包括第二边界点与第一边界点位于同一水平线上,以及第二边界点与第一边界点不位于同一水平线上的情况,探寻第二边界点更精准,从而进一步提高了拍摄物边界的准确性,在确定第二边界点得基础上,也就是将每个所述第二边界点作为连线点。
对于S56,根据所述第一边界点和每个所述连线点的连线方向重新规划扫描路径进行扫描,将该扫描方向探寻到的像素值未处于所述阈值范围内像素点作为与所述连线点相邻的每个拍摄物边界点作为作为第三边界点。
对于S57,将每个所述第三边界点作为所述连线点,重复确定所述第三边界点的步骤,也就是重复执行步骤S56至步骤S57,直至扫描出所述拍摄图片中的拍摄物的所有的所述拍摄物边界点。扫描出所述拍摄图片中的拍摄物的所有的所述拍摄物边界点,也就是扫描不出新的所述拍摄物边界点。
根据所有的拍摄物边界点即可确定所述拍摄图片中的所述拍摄物边界。
可以理解的是,在本申请的其他实施例中,首先判断当前可调用的计算量是否满足多个路径同时扫描所需的计算量,若满足,可同时开启分别以两个顶点或两个以上顶点为初始扫描点时,分别对应的扫描路径,以加快扫描速度;当同时启动两个顶点为初始扫描点时,优选相对的两个顶点;每个扫描路径的扫描方式与启动单个顶点为初始扫描点时的扫描方式类似,不赘述。
在一个实施例中,上述根据所述第三边界点的探寻方式,扫描出所有的拍摄物边界点,以确定所述拍摄图片中的所述拍摄物边界的步骤,包括:
S571:将扫描出所有的所述拍摄物边界点分别存储于拍摄物边界点集合;
S572:将所述拍摄物边界点集合中的所有所述拍摄物边界点,分别标注显示于所述像素值分布图;
S573:在所述像素值分布图中,依次平滑连接所有所述拍摄物边界点,以形成所述拍摄图片中的所述拍摄物边界。
本实施例将依次平滑连接所有拍摄物边界点形成拍摄图片中的拍摄物边界,从而得到了连贯的拍摄物边界,提高了拍摄物边界的精准度。
对于S571,将扫描出所有的所述拍摄物边界点分别存储于拍摄物边界点集合,从而将拍摄物边界的各个像素点进行聚集,方便快速的在像素值分布图中标注出拍摄物边界。
对于S572,采用预设标注方法,将所述拍摄物边界点集合中的所有所述拍摄物边界点,分别标注显示于所述像素值分布图。
可选的,预设标注方法是采用预设RGB值。
拍摄物边界点集合为所有探寻到的拍摄物边界点对应的二维坐标数组,每探寻到一个拍摄物边界点就将拍摄物边界点显著地标注于像素值分布图中,以直观地显示边界处理过程和进度。
对于S573,在所述像素值分布图中,依次平滑连接所有所述拍摄物边界点,以用于将所有探寻到的拍摄物边界点对应的二维坐标数组通过图片转换形成拍摄物的边界线,将该边界线作为所述拍摄图片中的所述拍摄物边界。
在一个实施例中,上述以所述第一边界点为新初始扫描点,以所述新初始扫描点与所述拍摄图片的中心点的连线方向呈指定角度的方向为扫描方向,探寻到与所述第一边界点相邻的第二边界点的步骤,包括:
S551:以所述第一边界点为圆心,以指定半径形成环形扫描路径;
S552:判断所述环形扫描路径上是否存在像素值不处于所述阈值范围内的点;
S553:若是,则停止所述以所述第一边界点为圆心,以指定半径形成环形扫描路径的步骤,并标记像素值不处于所述阈值范围内的点为所述第二边界点。
本实施例依据第一边界点探寻与第一边界点相邻的第二边界点时,利用环形扫描路径,以解决第一边界点与第二边界点的连线,同第一边界点与拍摄图片中心点的连线呈任意角度关系的无规则边界的探寻,提高本申请适用于各种形状的拍摄物的边界探寻的范围。
对于S551,以所述第一边界点为圆心,以指定半径形成环形扫描路径,有利于快速的确定下一个拍摄物边界点。
对于S553,若是,意味着所述环形扫描路径上存在像素值不处于所述阈值范围内的点,此时找出的点不是背景色,因此停止根据所述环形扫描路径继续扫描,将找出的点标记为所述第二边界点。
在一个实施例中,上述根据所述四个顶点分别对应的像素值,生成动态设置的临界值的步骤,包括:
S41:判断所述四个顶点分别对应的像素值是否存在至少两个相同的像素值;
S42:若否,则计算所述四个顶点分别对应的像素值的平均值,将所述平均值作为所述临界值;
S43:若是,则将所述四个顶点分别对应的像素值中的相同的像素值作为所述临界值。
本实施例在四个顶点的像素值中,同时存在至少两个相同的相同的像素值,则将该相同的像素值作为临界值,以减少计算量,提高反馈效率;若四个顶点的像素值均不相同,则通过求平均值的方式确定临界值,以提高识别边界的准确度。
对于S41,至少两个,也就是2个、3个、4个中的任一种。
判断所述四个顶点分别对应的像素值是否存在至少两个相同的像素值,也就是判断是否有至少两个顶点的像素值相同。
对于S42,若否,意味着四个顶点的像素值均不相同,则计算所述四个顶点分别对应的像素值的平均值,也就是计算四个像素值的平均值,将计算的的所述平均值作为所述临界值。
对于S43,若是,意味着存在至少两个顶点的像素值相同,则将所述四个顶点分别对应的像素值中的相同的像素值作为所述临界值。
在一个实施例中,上述通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值的步骤,包括:
S31:从所述二维坐标数组中确定所述拍摄图片的初始值坐标点以及最大值坐标点;
S32:根据所述初始值坐标点以及最大值坐标点的坐标数据,依次计算所述拍摄图片的第一边缘点、第二边缘点、第三边缘点以及第四边缘点的坐标数据,其中,所述第一边缘点为初始值坐标点,所述第二边缘点为横坐标与所述初始值坐标点相同并且纵坐标与所述最大值坐标点相同的点,所述第三边缘点为所述最大值坐标点,所述第四边缘点为横坐标与所述最大值坐标点相同并且纵坐标与所述初始值坐标点相同的点;
S33:根据所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点的所述坐标数据,分别确定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点在所述像素值分布图中的位置以及像素值;
S34:判断所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点分别对应的像素值的差量是否在预设范围内;
S35:若是,则判定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点,分别为所述拍摄图片的四个顶点。
本实施例从拍摄图片的边缘开始探寻拍摄图片的四个顶点,通过拍摄背景的像素值基本一致的规律,将相对的四个边缘处的像素值一致,或像素值的差量处于同一预设范围内的四个边缘点作为四个顶点。不仅确定了探寻拍摄物的边界的初始扫描点,更重要的是确定了探寻拍摄物的边界的临界值。
对于S31,从所述二维坐标数组中找出坐标数据最小的点作为初始值坐标点,并且找出坐标数据最大的点作为最大值坐标点。
对于S32,所述第一边缘点为初始值坐标点,所述第二边缘点为横坐标与所述初始值坐标点相同并且纵坐标与所述最大值坐标点相同的点,所述第三边缘点为所述最大值坐标点,所述第四边缘点为横坐标与所述最大值坐标点相同并且纵坐标与所述初始值坐标点相同的点,从而找出了拍摄图片对应的长方形或正方形的四个顶点。
对于S33,根据所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点的所述坐标数据,可以确定四个顶点在所述像素值分布图中的位置及每个顶点对应的像素值。
对于S34,所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点分别对应的像素值的差量,也就是所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点中的任意两个边缘点的像素值的差量。
对于S35,若是,意味着拍摄背景的像素值基本一致,因此可以判定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点,分别为所述拍摄图片的四个顶点。
若否,意味着拍摄背景的像素值不一致,需要重新执行步骤S1至步骤S35,直至拍摄背景的像素值基本一致。
在一个实施例中,上述将所述拍摄图片转换为二维坐标数组的像素值分布图的步骤之前,包括:
S21:判断所述拍摄图片的文件格式是否为tiff格式;
S22:若是,则调用图片格式转换器读取所述拍摄图片对应的tiff文件流,将所述拍摄图片的文件格式转换为预设格式,其中,所述预设格式包括jpg格式、bmp格式、png格式、gif格式和webp格式中的任一种。
本申请的拍摄装置包括高拍仪等,高拍仪拍摄的图片格式为tiff格式,不支持将图片转化为二维坐标数组的操作,需要对拍摄图片的格式进行转换。本申请通过边读取拍摄图片的tiff文件流,边将拍摄图片转换成jpg格式、bmp格式、png格式、gif格式或webp格式等。
对于S22,若是,意味着所述拍摄图片的文件格式是tiff格式,因此调用图片格式转换器读取所述拍摄图片对应的tiff文件流,将所述拍摄图片的文件格式转换为预设格式,从而为将图片转化为二维坐标数组的操作提供了基础。
jpg格式,也就是JPEG(Joint Photographic Experts Group)格式。
bmp格式,也就是Bitmap格式。
png格式,也就是采用无损压缩算法的位图格式。
gif(Graphics Interchange Format)格式,也就是图形交换格式。
webp格式,也就是同时提供了有损压缩与无损压缩(可逆压缩)的图片文件格式。
在一个实施例中,上述根据所述临界值识别所述拍摄图片中的拍摄物边界的步骤之后,包括:
S61:获取图片处理的任务指令,其中,所述任务指令包括调图片尺寸、打印选定区域;
S62:根据所述任务指令按照所述拍摄物边界截取所述拍摄物的图片,并按照所述任务指令对所述拍摄物的图片执行操作。
本申请实施例的拍摄物的图片,通过识别拍摄物边界从拍摄图片中截取出来,方便后续的图片处理。上述图片处理包括但不限于调图片尺寸、打印选定区域等,可通过关联预设置的任务指令实现。从而在拍摄物的尺寸和形状也各不同的情况下,也得到了准确的不带黑边的拍摄物的图片。
参照图2,一种拍摄物边界的识别装置,所述装置包括:
图片获取模块100,用于获取拍摄装置当前时刻的拍摄图片;
像素值分布图生成模块200,用于将所述拍摄图片转换为二维坐标数组的像素值分布图;
顶点确定模块300,用于通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;
临界值确定模块400,用于根据所述四个顶点分别对应的像素值,生成动态设置的临界值;
拍摄物边界确定模块500,用于根据所述临界值识别所述拍摄图片中的拍摄物边界。
因每个时刻的拍摄环境和拍摄物对象均有可能发生改变,从而影响对拍摄图片中的拍摄物边界的识别准确性,本实施例通过实时的识别拍摄图片的四个顶点的像素值,实现动态调整和设置临界值,以提高通过临界值与拍摄物中的像素值差异数据识别拍摄物边界,相比与通过固定设置的背景色识别拍摄图片中的拍摄物边界更精准。
在一个实施例中,上述拍摄物边界确定模块500包括:阈值范围确定子模块、第一边界点确定子模块、第二边界点确定子模块、第三边界点确定子模块和拍摄物边界确定子模块;
所述阈值范围确定子模块,用于根据所述临界值生成识别所述拍摄物边界的阈值范围,其中,所述阈值范围包括大于或等于所述临界值减去预设的浮动量,且小于或等于所述临界值加上浮动量,所述临界值大于所述浮动量;
所述第一边界点确定子模块,用于所述第一边界点确定子模块,用于获取所述像素值分布图中的指定坐标点对应的指定像素值,判断所述指定像素值是否处于所述阈值范围内,若否,则停止执行所述获取所述像素值分布图中的指定坐标点对应的指定像素值的步骤,并标记所述指定坐标点为第一边界点,其中,所述指定坐标点为指定扫描路径中的任意一点,所述指定扫描路径以第一顶点为初始扫描点,以所述第一顶点至所述拍摄图片的中心点的方向为扫描方向,所述第一顶点为所述四个顶点中的任意一个顶点;
所述第二边界点确定子模块,用于以所述第一边界点为新初始扫描点,以所述新初始扫描点与所述拍摄图片的中心点的连线方向呈指定角度的方向为扫描方向,探寻到与所述第一边界点相邻的每个拍摄物边界点作为第二边界点,将每个所述第二边界点作为连线点;
所述第三边界点确定子模块,用于以所述第一边界点和每个所述连线点的连线方向为扫描方向继续扫描,探寻与所述连线点相邻的每个所述拍摄物边界点作为第三边界点;
所述拍摄物边界确定子模块,用于将每个所述第三边界点作为所述连线点,重复确定所述第三边界点的步骤,直至扫描出所有的所述拍摄物边界点,根据各个所述拍摄物边界点确定所述拍摄图片中的所述拍摄物边界。
在一个实施例中,上述拍摄物边界确定子模块包括:拍摄物边界点标注单元和拍摄物边界点连接单元:
所述拍摄物边界点标注单元,用于将扫描出所有的所述拍摄物边界点分别存储于拍摄物边界点集合,将所述拍摄物边界点集合中的所有所述拍摄物边界点,分别标注显示于所述像素值分布图;
所述拍摄物边界点连接单元,用于在所述像素值分布图中,依次平滑连接所有所述拍摄物边界点,以形成所述拍摄图片中的所述拍摄物边界。
在一个实施例中,上述第二边界点确定子模块包括:环形扫描路径确定单元和第二边界点确定单元;
所述环形扫描路径确定单元,用于以所述第一边界点为圆心,以指定半径形成环形扫描路径;
所述第二边界点确定单元,用于判断所述环形扫描路径上是否存在像素值不处于所述阈值范围内的点,若是,则停止执行所述以所述第一边界点为圆心,以指定半径形成环形扫描路径的步骤,并标记像素值不处于所述阈值范围内的点为所述第二边界点。
在一个实施例中,上述临界值确定模块400包括:判断子模块、第一临界值确定子模块和第二临界值确定子模块;
所述判断子模块,用于判断所述四个顶点分别对应的像素值是否存在至少两个相同的像素值;
所述第一临界值确定子模块,用于若否,则计算所述四个顶点分别对应的像素值的平均值,将所述平均值作为所述临界值;
所述第二临界值确定子模块,用于若是,则将所述四个顶点分别对应的像素值中的相同的像素值作为所述临界值。
在一个实施例中,上述顶点确定模块300包括:边缘点确定子模块和顶点确定子模块;
所述边缘点确定子模块,用于从所述二维坐标数组中确定所述拍摄图片的初始值坐标点以及最大值坐标点,根据所述初始值坐标点以及最大值坐标点的坐标数据,依次计算所述拍摄图片的第一边缘点、第二边缘点、第三边缘点以及第四边缘点的坐标数据,其中,所述第一边缘点为初始值坐标点,所述第二边缘点为横坐标与所述初始值坐标点相同并且纵坐标与所述最大值坐标点相同的点,所述第三边缘点为所述最大值坐标点,所述第四边缘点为横坐标与所述最大值坐标点相同并且纵坐标与所述初始值坐标点相同的点;
所述顶点确定子模块,用于根据所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点的所述坐标数据,分别确定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点在所述像素值分布图中的位置以及像素值,判断所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点分别对应的像素值的差量是否在预设范围内,若是,则判定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点,分别为所述拍摄图片的四个顶点。
在一个实施例中,上述装置包括:格式转换模块;
所述格式转换模块,用于判断所述拍摄图片的文件格式是否为tiff格式,若是,则调用图片格式转换器读取所述拍摄图片对应的tiff文件流,将所述拍摄图片的文件格式转换为预设格式,其中,所述预设格式包括jpg格式、bmp格式、png格式、gif格式和webp格式中的任一种。
在一个实施例中,上述装置还包括:拍摄物的图片截取模块;
所述拍摄物的图片截取模块,用于获取图片处理的任务指令,根据所述任务指令按照所述拍摄物边界截取所述拍摄物的图片,并按照所述任务指令对所述拍摄物的图片执行操作,其中,所述任务指令包括调图片尺寸、打印选定区域。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存拍摄物边界的识别方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种拍摄物边界的识别方法。所述拍摄物边界的识别方法,包括:获取拍摄装置当前时刻的拍摄图片;将所述拍摄图片转换为二维坐标数组的像素值分布图;通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;根据所述四个顶点分别对应的像素值,生成动态设置的临界值;根据所述临界值识别所述拍摄图片中的拍摄物边界。
因每个时刻的拍摄环境和拍摄物对象均有可能发生改变,从而影响对拍摄图片中的拍摄物边界的识别准确性,本实施例通过实时的识别拍摄图片的四个顶点的像素值,实现动态调整和设置临界值,以提高通过临界值与拍摄物中的像素值差异数据识别拍摄物边界,相比与通过固定设置的背景色值识别拍摄图片中的拍摄物边界更精准。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种拍摄物边界的识别方法,包括步骤:获取拍摄装置当前时刻的拍摄图片;将所述拍摄图片转换为二维坐标数组的像素值分布图;通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;根据所述四个顶点分别对应的像素值,生成动态设置的临界值;根据所述临界值识别所述拍摄图片中的拍摄物边界。
因每个时刻的拍摄环境和拍摄物对象均有可能发生改变,从而影响对拍摄图片中的拍摄物边界的识别准确性,上述执行的拍摄物边界的识别方法通过实时的识别拍摄图片的四个顶点的像素值,实现动态调整和设置临界值,以提高通过临界值与拍摄物中的像素值差异数据识别拍摄物边界,相比与通过固定设置的背景色值识别拍摄图片中的拍摄物边界更精准。
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流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种拍摄物边界的识别方法,其特征在于,所述方法包括:
获取拍摄装置当前时刻的拍摄图片;
将所述拍摄图片转换为二维坐标数组的像素值分布图;
通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;
根据所述四个顶点分别对应的像素值,生成动态设置的临界值;
根据所述临界值识别所述拍摄图片中的拍摄物边界。
2.根据权利要求1所述的拍摄物边界的识别方法,其特征在于,所述根据所述临界值识别所述拍摄图片中的拍摄物边界的步骤,包括:
根据所述临界值生成识别所述拍摄物边界的阈值范围,其中,所述阈值范围包括大于或等于所述临界值减去预设的浮动量,且小于或等于所述临界值加上浮动量,所述临界值大于所述浮动量;
获取所述像素值分布图中的指定坐标点对应的指定像素值,其中,所述指定坐标点为指定扫描路径中的任意一点,所述指定扫描路径以第一顶点为初始扫描点,以所述第一顶点至所述拍摄图片的中心点的方向为扫描方向,所述第一顶点为所述四个顶点中的任意一个顶点;
判断所述指定像素值是否处于所述阈值范围内;
若否,则停止执行所述获取所述像素值分布图中的指定坐标点对应的指定像素值的步骤,并标记所述指定坐标点为第一边界点;
以所述第一边界点为新初始扫描点,以所述新初始扫描点与所述拍摄图片的中心点的连线方向呈指定角度的方向为扫描方向,探寻到与所述第一边界点相邻的每个拍摄物边界点作为第二边界点,将每个所述第二边界点作为连线点;
以所述第一边界点和每个所述连线点的连线方向为扫描方向继续扫描,探寻与所述连线点相邻的每个所述拍摄物边界点作为第三边界点;
将每个所述第三边界点作为所述连线点,重复确定所述第三边界点的步骤,直至扫描出所有的所述拍摄物边界点,根据各个所述拍摄物边界点确定所述拍摄图片中的所述拍摄物边界。
3.根据权利要求2所述的拍摄物边界的识别方法,其特征在于,所述根据各个所述拍摄物边界点确定所述拍摄图片中的所述拍摄物边界的步骤,包括:
将扫描出所有的所述拍摄物边界点分别存储于拍摄物边界点集合;
将所述拍摄物边界点集合中的所有所述拍摄物边界点,分别标注显示于所述像素值分布图;
在所述像素值分布图中,依次平滑连接所有所述拍摄物边界点,以形成所述拍摄图片中的所述拍摄物边界。
4.根据权利要求2所述的拍摄物边界的识别方法,其特征在于,所述以所述第一边界点为新初始扫描点,以所述新初始扫描点与所述拍摄图片的中心点的连线方向呈指定角度的方向为扫描方向,探寻到与所述第一边界点相邻的每个拍摄物边界点作为第二边界点的步骤,包括:
以所述第一边界点为圆心,以指定半径形成环形扫描路径;
判断所述环形扫描路径上是否存在像素值不处于所述阈值范围内的点;
若是,则停止执行所述以所述第一边界点为圆心,以指定半径形成环形扫描路径的步骤,并标记像素值不处于所述阈值范围内的点为所述第二边界点。
5.根据权利要求1所述的拍摄物边界的识别方法,其特征在于,所述根据所述四个顶点分别对应的像素值,生成动态设置的临界值的步骤,包括:
判断所述四个顶点分别对应的像素值是否存在至少两个相同的像素值;
若否,则计算所述四个顶点分别对应的像素值的平均值,将所述平均值作为所述临界值;
若是,则将所述四个顶点分别对应的像素值中的相同的像素值作为所述临界值。
6.根据权利要求1所述的拍摄物边界的识别方法,其特征在于,所述通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值的步骤,包括:
从所述二维坐标数组中确定所述拍摄图片的初始值坐标点以及最大值坐标点;
根据所述初始值坐标点以及最大值坐标点的坐标数据,依次计算所述拍摄图片的第一边缘点、第二边缘点、第三边缘点以及第四边缘点的坐标数据,其中,所述第一边缘点为初始值坐标点,所述第二边缘点为横坐标与所述初始值坐标点相同并且纵坐标与所述最大值坐标点相同的点,所述第三边缘点为所述最大值坐标点,所述第四边缘点为横坐标与所述最大值坐标点相同并且纵坐标与所述初始值坐标点相同的点;
根据所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点的所述坐标数据,分别确定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点在所述像素值分布图中的位置以及像素值;
判断所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点分别对应的像素值的差量是否在预设范围内;
若是,则判定所述第一边缘点、第二边缘点、第三边缘点以及第四边缘点,分别为所述拍摄图片的四个顶点。
7.根据权利要求1所述的拍摄物边界的识别方法,其特征在于,所述将所述拍摄图片转换为二维坐标数组的像素值分布图的步骤之前,包括:
判断所述拍摄图片的文件格式是否为tiff格式;
若是,则调用图片格式转换器读取所述拍摄图片对应的tiff文件流,将所述拍摄图片的文件格式转换为预设格式,其中,所述预设格式包括jpg格式、bmp格式、png格式、gif格式和webp格式中的任一种。
8.一种拍摄物边界的识别装置,其特征在于,所述装置包括:
图片获取模块,用于获取拍摄装置当前时刻的拍摄图片;
像素值分布图生成模块,用于将所述拍摄图片转换为二维坐标数组的像素值分布图;
顶点确定模块,用于通过所述像素值分布图确定所述拍摄图片的四个顶点的位置以及所述四个顶点分别对应的像素值;
临界值确定模块,用于根据所述四个顶点分别对应的像素值,生成动态设置的临界值;
拍摄物边界确定模块,用于根据所述临界值识别所述拍摄图片中的拍摄物边界。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111534300.4A CN114241287B (zh) | 2021-12-15 | 2021-12-15 | 拍摄物边界的识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111534300.4A CN114241287B (zh) | 2021-12-15 | 2021-12-15 | 拍摄物边界的识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114241287A true CN114241287A (zh) | 2022-03-25 |
CN114241287B CN114241287B (zh) | 2024-05-07 |
Family
ID=80756341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111534300.4A Active CN114241287B (zh) | 2021-12-15 | 2021-12-15 | 拍摄物边界的识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241287B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040068432A (ko) * | 2003-01-25 | 2004-07-31 | 삼성전자주식회사 | 이미지의 경계치 추출 방법 |
CN101122457A (zh) * | 2006-08-09 | 2008-02-13 | 鸿富锦精密工业(深圳)有限公司 | 影像边界扫描系统及方法 |
CN104240227A (zh) * | 2013-06-24 | 2014-12-24 | 富泰华工业(深圳)有限公司 | 图像分析系统及方法 |
CN111932571A (zh) * | 2020-09-25 | 2020-11-13 | 歌尔股份有限公司 | 图像的边界识别方法、装置以及计算机可读存储介质 |
CN112446918A (zh) * | 2019-09-04 | 2021-03-05 | 三赢科技(深圳)有限公司 | 图像中目标物体定位方法、装置、计算机装置及存储介质 |
-
2021
- 2021-12-15 CN CN202111534300.4A patent/CN114241287B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040068432A (ko) * | 2003-01-25 | 2004-07-31 | 삼성전자주식회사 | 이미지의 경계치 추출 방법 |
CN101122457A (zh) * | 2006-08-09 | 2008-02-13 | 鸿富锦精密工业(深圳)有限公司 | 影像边界扫描系统及方法 |
CN104240227A (zh) * | 2013-06-24 | 2014-12-24 | 富泰华工业(深圳)有限公司 | 图像分析系统及方法 |
CN112446918A (zh) * | 2019-09-04 | 2021-03-05 | 三赢科技(深圳)有限公司 | 图像中目标物体定位方法、装置、计算机装置及存储介质 |
CN111932571A (zh) * | 2020-09-25 | 2020-11-13 | 歌尔股份有限公司 | 图像的边界识别方法、装置以及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
PRACHI HK ETAL.: "Boundary tracing technique for convex and concave curves", 《IEEE INTERNATIONAL CONFERENCE ON CURRENT TRENDS IN ADVANCED COMPUTING (ICCTAC)》, 31 December 2016 (2016-12-31), pages 1 - 6 * |
Also Published As
Publication number | Publication date |
---|---|
CN114241287B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3477931B1 (en) | Image processing method and device, readable storage medium and electronic device | |
US10666873B2 (en) | Exposure-related intensity transformation | |
CN112070111B (zh) | 一种适配多波段图像的多目标检测方法和系统 | |
JP4468442B2 (ja) | イメージングシステム性能測定 | |
CN109993086B (zh) | 人脸检测方法、装置、系统及终端设备 | |
CN110400278B (zh) | 一种图像颜色和几何畸变的全自动校正方法、装置及设备 | |
JP2010041417A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び、撮像装置 | |
CN112101349A (zh) | 一种车牌样本生成方法及装置 | |
CN111932462B (zh) | 图像降质模型的训练方法、装置和电子设备、存储介质 | |
CN112261292B (zh) | 图像获取方法、终端、芯片及存储介质 | |
US11321938B2 (en) | Color adaptation using adversarial training networks | |
CN111246098A (zh) | 机器人拍照方法、装置、计算机设备和存储介质 | |
CN110766077A (zh) | 证据链图像中特写图筛选方法、装置和设备 | |
CN114241287B (zh) | 拍摄物边界的识别方法、装置、设备及存储介质 | |
JP4496005B2 (ja) | 画像処理方法および画像処理装置 | |
TWI697846B (zh) | 物體辨識方法及其裝置 | |
US11082613B2 (en) | Image adjusting method and image adjusting device | |
CN111797694A (zh) | 一种车牌检测方法及装置 | |
CN117095417A (zh) | 一种屏摄表单图像文本识别方法、装置、设备及存储介质 | |
CN114782556B (zh) | 相机与激光雷达的配准方法、系统及存储介质 | |
US20210289106A1 (en) | Image processing apparatus and non-transitory computer readable medium | |
JP4789526B2 (ja) | 画像処理装置、画像処理方法 | |
CN113095147A (zh) | 皮肤区域检测方法、系统、图像处理终端和存储介质 | |
CN116229297B (zh) | 一种测绘数据处理方法、系统、介质及计算机 | |
CN115170426A (zh) | 图像采集参数调整方法、综合测试卡、装置和电子设备 |
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 |