CN114283155A - 矿石图像的分割方法、装置及计算机可读存储介质 - Google Patents

矿石图像的分割方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN114283155A
CN114283155A CN202111399105.5A CN202111399105A CN114283155A CN 114283155 A CN114283155 A CN 114283155A CN 202111399105 A CN202111399105 A CN 202111399105A CN 114283155 A CN114283155 A CN 114283155A
Authority
CN
China
Prior art keywords
pixel
point
target
ore
image
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
Application number
CN202111399105.5A
Other languages
English (en)
Other versions
CN114283155B (zh
Inventor
王杉
何鹏宇
何李江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ganzhou Good Friend Technology Co ltd
Original Assignee
Ganzhou Good Friend Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ganzhou Good Friend Technology Co ltd filed Critical Ganzhou Good Friend Technology Co ltd
Priority to CN202111399105.5A priority Critical patent/CN114283155B/zh
Publication of CN114283155A publication Critical patent/CN114283155A/zh
Priority to PCT/CN2022/094213 priority patent/WO2023092965A1/zh
Application granted granted Critical
Publication of CN114283155B publication Critical patent/CN114283155B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种矿石图像的分割方法、装置及计算机可读存储介质，应用于矿石分割技术领域，该方法包括：获取矿石的灰度山图；根据所述灰度山图中各个像素点的像素值确定重叠区域的鞍点以及所述鞍点对应的目标方向，所述鞍点为所述目标方向上的极大值像素点和所述目标方向对应的垂直方向上的极小值像素点的集合；根据所述鞍点的位置信息以及所述目标方向确定分割线，并以所述分割线分割所述矿石。本发明通过获取矿石对应的灰度山图，进而根据所述灰度山图确定重叠区域中的鞍点以及鞍点对应的目标方向，进而根据所述鞍点以及所述目标方向对所述矿石进行分割，从而实现了矿石的准确分割。

Description

矿石图像的分割方法、装置及计算机可读存储介质
技术领域
本发明涉及矿石分割技术领域，尤其涉及矿石图像的分割方法、装置及计算机可读存储介质。
背景技术
在矿石分选机中，矿石通过传送带进行传输，然后用相机或者X射线拍摄矿石照片，得到矿石物理信息和位置的照片图像，由于相机或者X射线源的位置和拍摄角度等因素，不能保证成像之后的石头全是相互独立开来，会存在一定的重叠。重叠之后会对于矿石的准确高效的分类带一定的困难，因此需要设计一种算法对得到的重叠矿石图像进行分割，力求图像上每颗石头都是相互隔开不存在重叠，通常采用凹点匹配、分水岭算法、语义分割等方法对图像进行分割。但是对于矿石图像去重叠的分割，由于矿石图像轮廓和灰度的不规则性，以上方法难以找到准确的分割线，容易导致图像过分割，影响矿石图像分割效果。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种矿石图像的分割方法、装置及计算机可读存储介质，旨在解决现有技术中分割矿石图像容易导致过分割的问题。
为实现上述目的，本发明提供一种矿石图像的分割方法，所述矿石图像的分割方法的步骤包括：
获取矿石的灰度山图；
根据所述灰度山图中各个像素点的像素值确定重叠区域的鞍点以及所述鞍点对应的目标方向，所述鞍点为所述目标方向上的极大值像素点和所述目标方向对应的垂直方向上的极小值像素点的集合；
根据所述鞍点的位置信息以及所述目标方向确定分割线，并以所述分割线分割所述矿石。
可选地，所述获取矿石的灰度山图的步骤包括：
接收摄像头采集的矿石图像；
将所述矿石图像转换成所述灰度山图。
可选地，所述像素点中包括重叠区域像素点，所述根据所述灰度山图中各个像素点的像素值确定重叠区域的鞍点以及所述鞍点对应的目标方向的步骤包括：
根据所述灰度山图中的各个像素点的像素值获取重叠区域像素点；
以任一重叠区域像素点为中心点并以预设位置作起始位置，沿预设方向构建多条夹角为预设角度的延伸线以及所述延伸线对应的垂线；
根据所述像素值、所述延伸线以及所述垂线获取所述重叠区域像素点中的目标重叠区域像素点以及所述延伸线中的目标延伸线；
根据所述目标重叠区域像素点确定所述鞍点以及所述目标方向。
可选地，所述根据所述像素值、所述延伸线以及所述垂线获取所述重叠区域像素点中满足预设规则的目标重叠区域像素点的步骤包括：
根据所述像素值获取所述延伸线上除所述中心点以外的第一其他像素点的第一像素值、所述垂线上除所述中心点以外的第二其他像素点的第二像素值，以及所述中心点的目标像素值；
在所述目标像素值大于所述第一像素值并小于所述第二像素值第一像素值，且所述第一像素值和所述第二像素值关于所述目标像素值对称，所述第二像素值呈阶梯状递增时，将所述目标像素值对应的所述中心点作为所述目标重叠区域像素点，并将所述延伸线确定为目标延伸线。
可选地，所述根据所述目标重叠区域像素点确定鞍点以及所述目标方向的步骤包括：
获取所述目标延伸线与所述起始位置之间的目标夹角，将所述目标夹角确定为所述目标延伸线的方位角；
将所述目标重叠区域像素点确定为所述鞍点，并根据所述方位角确定所述目标方向。
可选地，所述重叠区域包括至少一个鞍点，所述根据所述鞍点的位置信息以及所述目标方向确定分割线的步骤包括：
根据各个所述鞍点的位置信息获取各个所述鞍点之间的距离以及各个所述鞍点对应的目标方向对应的方位角之间的方位角差值；
若所述鞍点之间的距离小于或等于预设距离阈值，且所述方位角差值小于或等于预设角度阈值，根据各个所述鞍点的位置信息计算所有所述鞍点的坐标均值以及根据所述目标方向的方位角计算得出方位角均值；
将所述坐标均值所在位置确定为所述分割线对应的分割点，根据所述方位角均值确定所述分割线的分割方向；
基于所述分割点以及所述分割方向确定分割线。
可选地，所述将所述矿石图像转换成所述灰度山图的步骤包括：
对所述矿石图像进行预处理，以获取所述矿石图像对应的二值化图像，所述预处理的方式包括二值化处理和/或去噪声处理的至少一种；
将所述二值化图像进行多次腐蚀处理，获取每次腐蚀处理后的所述二值化图像中各个像素点的像素值；
依次将各个所述像素值进行叠加，以形成叠加后的所述二值化图像；
将所述叠加后的所述二值化图像确定为所述灰度山图。
此外，为实现上述目的，本发明还提供一种矿石图像的分割装置，所述矿石图像的分割装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的矿石图像的分割程序，所述矿石图像的分割程序被所述处理器执行时实现如上所述的矿石图像的分割方法的步骤。
此外，为实现上述目的，本发明还提供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有矿石图像的分割程序，所述矿石图像的分割程序被处理器执行时实现如上所述的矿石图像的分割方法的步骤。
本发明实施例提出的一种矿石图像的分割方法、装置及计算机可读存储介质，通过获取矿石对应的灰度山图，进而根据所述灰度山图确定重叠区域中的鞍点以及鞍点对应的目标方向，进而根据所述鞍点以及所述目标方向对所述矿石对应的矿石图像进行分割，从而实现了矿石的准确分割，解决了传统的分割算法容易导致过分割的问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明矿石图像的分割方法第一实施例的流程示意图；
图3为本发明矿石图像的分割方法第一实施例步骤S10的细化流程示意图；
图4为本发明矿石图像的分割方法第一实施例步骤S12的细化流程示意图；
图5为本发明矿石图像的分割方法第一实施例的灰度山图示例图；
图6为本发明矿石图像的分割方法第一实施例中分割后的矿石图像的示例图；
图7为本发明矿石图像的分割方法第二实施例步骤S20的细化流程示意图；
图8为本发明矿石图像的分割方法第三实施例步骤S23的细化流程示意图；
图9为本发明矿石图像的分割方法第四实施例步骤S30的细化流程示意图。
本发明目的的实现、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
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：获取矿石的灰度山图；根据所述灰度山图中各个像素点的像素值确定重叠区域的鞍点以及所述鞍点对应的目标方向，所述鞍点为所述目标方向上的极大值像素点和所述目标方向对应的垂直方向上的极小值像素点的集合；根据所述鞍点的位置信息以及所述目标方向确定分割线，并以所述分割线分割所述矿石。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC，也可以是智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面3)播放器、便携计算机等具有处理功能的可移动式终端设备。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及矿石图像的分割方法。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的矿石图像的分割方法，并执行以下操作：
获取矿石的灰度山图；
根据所述灰度山图中各个像素点的像素值确定重叠区域的鞍点以及所述鞍点对应的目标方向，所述鞍点为所述目标方向上的极大值像素点和所述目标方向对应的垂直方向上的极小值像素点的集合；
根据所述鞍点的位置信息以及所述目标方向确定分割线，并以所述分割线分割所述矿石。
进一步地，处理器1001可以调用存储器1005中存储的矿石图像的分割方法，还执行以下操作：
接收摄像头采集的矿石图像；
将所述矿石图像转换成所述灰度山图。
进一步地，处理器1001可以调用存储器1005中存储的矿石图像的分割程序，还执行以下操作：
根据所述灰度山图中的各个像素点的像素值获取重叠区域像素点；
以任一重叠区域像素点为中心点并以预设位置作起始位置，沿预设方向构建多条夹角为预设角度的延伸线以及所述延伸线对应的垂线；
根据所述像素值、所述延伸线以及所述垂线获取所述重叠区域像素点中的目标重叠区域像素点以及所述延伸线中的目标延伸线；
根据所述目标重叠区域像素点确定所述鞍点以及所述目标方向。
进一步地，处理器1001可以调用存储器1005中存储的矿石图像的分割程序，还执行以下操作：
根据所述像素值获取所述延伸线上除所述中心点以外的第一其他像素点的第一像素值、所述垂线上除所述中心点以外的第二其他像素点的第二像素值，以及所述中心点的目标像素值；
在所述目标像素值大于所述第一像素值并小于所述第二像素值第一像素值，且所述第一像素值和所述第二像素值关于所述目标像素值对称，所述第二像素值呈阶梯状递增时，将所述目标像素值对应的所述中心点作为所述目标重叠区域像素点，并将所述延伸线确定为目标延伸线。
进一步地，处理器1001可以调用存储器1005中存储的矿石图像的分割程序，还执行以下操作：
获取所述目标延伸线与所述起始位置之间的目标夹角，将所述目标夹角确定为所述目标延伸线的方位角；
将所述目标重叠区域像素点确定为所述鞍点，并根据所述方位角确定所述目标方向。
进一步地，处理器1001可以调用存储器1005中存储的矿石图像的分割程序，还执行以下操作：
根据各个所述鞍点的位置信息获取各个所述鞍点之间的距离以及各个所述鞍点对应的目标方向对应的方位角之间的方位角差值；
若所述鞍点之间的距离小于或等于预设距离阈值，且所述方位角差值小于或等于预设角度阈值，根据各个所述鞍点的位置信息计算所有所述鞍点的坐标均值以及根据所述目标方向的方位角计算得出方位角均值；
将所述坐标均值所在位置确定为所述分割线对应的分割点，根据所述方位角均值确定所述分割线的分割方向；
基于所述分割点以及所述分割方向确定分割线。
进一步地，处理器1001可以调用存储器1005中存储的矿石图像的分割程序，还执行以下操作：
对所述矿石图像进行预处理，以获取所述矿石图像对应的二值化图像，所述预处理的方式包括二值化处理和/或去噪声处理的至少一种；
将所述二值化图像进行多次腐蚀处理，获取每次腐蚀处理后的所述二值化图像中各个像素点的像素值；
依次将各个所述像素值进行叠加，以形成叠加后的所述二值化图像；
将所述叠加后的所述二值化图像确定为所述灰度山图。
参照图2，本发明第一实施例提供一种矿石图像的分割方法，所述矿石图像的分割方法包括：
步骤S10，获取矿石的灰度山图；
步骤S20，根据所述灰度山图中各个像素点的像素值确定重叠区域的鞍点以及所述鞍点对应的目标方向，所述鞍点为所述目标方向上的极大值像素点和所述目标方向对应的垂直方向上的极小值像素点的集合；
步骤S30，根据所述鞍点的位置信息以及所述目标方向确定分割线，并以所述分割线分割所述矿石。
在本实施例中，工业矿石是指可以工业化批量开发的矿石，只有工业矿石才能产生经济效益。工业矿石品位，即矿石中有用矿物含量的多少，它是影响采矿方法选择的一个重要指标。现有采矿业中，首先将矿山开采的原始较大矿石经过碎石机粉碎和除尘之后变成最大直径在2-8cm不规则小矿石，然后用矿石分选机进行分选。在矿石分选机中，矿石通过传送带进行传输，然后用相机或者X射线拍摄矿石照片，得到矿石物理信息和位置的照片图像，由于相机或者X射线源的位置和拍摄角度等因素，不能保证成像之后的石头全是相互独立开来，可能会存在一定的重叠，即矿石与矿石之间发生重叠，重叠之后会对于矿石的准确高效的分类带来一定的困难，基于此，本申请实施例提出了一种矿石图像的分割方法，以对发生重叠的矿石进行分割，以获取分割后的各个矿石。
可选地，所述灰度山图为所述矿石对应的矿石图像转换而成的。可选地，参照图3，所述步骤S10包括：
步骤S11，接收摄像头采集的矿石图像；
步骤S12，将所述矿石图像转换成所述灰度山图。
可选地，所述矿石图像为矿石图像采集装置对传送带上的矿石进行拍摄所得到的图像，所述矿石图像采集装置可以是工业相机，还可以是X射线，还可以是以CCD线阵相机为主，激光雷达为辅的图像采集装置。
可选地，在获取所述矿石图像后，将所述矿石图像转换成对应的灰度山图。
可选地，参照图4，所述步骤S12包括:
S121，对所述矿石图像进行预处理，以获取所述矿石图像对应的二值化图像，所述预处理的方式包括二值化处理和/或去噪声处理的至少一种；
S122，将所述二值化图像进行多次腐蚀处理，获取每次腐蚀处理后的所述二值化图像中各个像素点的像素值；
步骤S123，依次将每次腐蚀处理后的所述二值化图像中各个像素点的像素值进行叠加，以形成叠加后的所述二值化图像；
步骤S124，将所述叠加后的所述二值化图像确定为所述灰度山图。
可选地，在获取所述矿石图像后，对所述矿石图像进行预处理，所述预处理的方式包括去噪声处理和/或二值化处理的至少一种。可选地，所述矿石图像是由一个一个的像素点组成的，先对所述矿石图像进行去噪声处理，得到去噪后的矿石图像，进而对所述去噪后的矿石图像进行二值化处理，得到二值化图像，即二值化图像上的像素点的灰度值只为0或1，也就是将整个二值化图像呈现出明显的黑白效果，得到黑白像素组成的二值化图像。
可选地，在获取所述二值化图像后，对所述二值化图像进行多次腐蚀处理，以腐蚀所述二值化图像对应的边界，进而缩小所述二值化图像，具体地，所述腐蚀处理的方式为采用3x3大小的结构元素对所述二值化图像进行腐蚀，可以理解的是，在实际应用时也可以根据情况采用5x5大小的结构元素进行所述腐蚀处理，用以减少腐蚀次数，使得切割性能被提高，用户可以根据情况自行使用。
可选地，在获取每次腐蚀处理后的所述二值化图像中各个像素点的像素值后，依次将每次腐蚀处理后的所述二值化图像中各个像素点的像素值进行叠加，以形成叠加后的所述二值化图像，进而将所述叠加后的所述二值化图像确定为所述灰度山图，参照图5，图5为灰度山图的示例图。
可选地，所述将每次腐蚀处理后的所述二值化图像中各个像素点的像素值的公式为下列公式。
Figure BDA0003370600280000091
其中，dst(x，y)表示所述叠加后的所述二值化图像中图像坐标为(x，y)的像素值，srci(x，y)表示第i次腐蚀处理后的所述二值化图像中图像坐标为(x，y)的像素值，n表示腐蚀的总次数。
可选地，在获取所述灰度山图后，基于所述灰度山图中各个像素点的像素值为每次腐蚀处理后的像素值进行叠加后的像素值，进而根据所述像素值确定所述灰度山图中的鞍点，可以理解的是，所述鞍点包括多个鞍点，所述鞍点可能处于矿石图像的重叠区域内，还可能处于所述矿石图像的非重叠区域内，在本申请实施例中，为了准确分割所述矿石图像，在获取所述灰度山图的各个鞍点后，从所述各个鞍点筛选出位于重叠区域的鞍点，进而根据所述位于重叠区域的鞍点确定分割线，所述分割线经过重叠区域，以从重叠区域将发生重叠的矿石进行分割，以防止过分割。
可选地，为了减少计算量，在获取所述灰度山图后，获取所述灰度山图中的重叠区域，进而根据位于重叠区域内的像素点确定位于重叠区域的鞍点，进而根据所述位于重叠区域的鞍点确定分割线，如此，通过减少像素点的数量，进而减少筛选鞍点的计算量，从而提高矿石图像的分割效率。
可选地，在又一实施例中，在获取所述灰度山图后，根据骨架算法提取到所述灰度山图的骨架点后，进而从所述骨架点中提取所述鞍点。
可选地，在又一实施例中，在获取所述灰度山图后，获取所述灰度山图的重叠区域，可根据骨架算法提取到所述重叠区域的骨架点，进而在所述重叠区域的骨架点中筛选出所述鞍点。
可选地，所述鞍点为所述目标方向上的极大值像素点和所述目标方向对应的垂直方向上的极小值像素点，所述鞍点为目标方向上的极大值像素点且为所述目标方向对应的垂直方向上的极小值像素点，即所述目标方向上的其他像素点的像素值均比所述鞍点对应的像素值低，所述垂直方向上的其他像素点的像素值均比所述鞍点对应的像素值高。
可选地，在所述重叠区域包括多个鞍点时，所述目标方向上可以存在多个极大值像素点，所述目标方向对应的垂直方向上存在多个极小值像素点，此时，所述鞍点包括多个所述目标方向上的极大值像素点，或所述鞍点包括多个所述目标方向上的垂直方向的极小值像素点，其中，所述目标方向上的多个极大值像素点的像素值可以相同，也可以不同，所述垂直方向上的极小值像素点的像素值可以相同，也可以不同。
可选地，在获取所述鞍点以及所述目标方向后，根据所述鞍点的位置信息确定所述分割线的分割点，即将所述鞍点所在位置确定为所述分割点所在位置，将所述目标方向确定为所述分割线的分割方向，进而根据所述分割点以及所述分割方向形成分割线，进而基于所述分割线分割所述矿石图像的重叠区域，以实现对重叠后的矿石进行分割，本申请实施例通过既获取分割点以及分割线的方向确认分割线，根据确认的所有的分割线对矿石图像中的重叠区域进行分割，可以实现矿石图像的重叠区域分离，就可以得到分离后的单个矿石的矿石图像，如图6所示，图6示出了分割后的矿石图像的示例图。
在本申请实施例中，在获取矿石图像后，对所述矿石图像进行去噪和/或二值化处理，以获取所述矿石图像对应的灰度山图，进而根据所述灰度山图中各个像素点的像素值提取重叠区域的鞍点，并确定所述鞍点对应的目标方向，进而将所述鞍点所在位置确定为所述分割点所在位置，并将所述目标方向确定为所述分割线的分割方向，进而根据分割线对重叠区域进行分割，得到分割后的矿石的完整图像。通过确定鞍点以及鞍点对应的目标方向进而确定重叠区域的分割线，这样便可以根据分割线对重叠区域进行分割，得到单个矿石的完整图像，解决了传统的分割算法因矿石图像轮廓和灰度的不规则性导致图像过分割的问题，提高了矿石图像分割的准确性。
可选地，基于第一实施例，参照图7，所述S20包括：
步骤S21，根据所述灰度山图中的各个像素点的像素值获取重叠区域像素点；
步骤S22，以任一重叠区域像素点为中心点并以预设位置作起始位置，沿预设方向构建多条夹角为预设角度的延伸线以及所述延伸线对应的垂线；
步骤S23，根据所述像素值、所述延伸线以及所述垂线获取所述重叠区域像素点中的目标重叠区域像素点以及所述延伸线中的目标延伸线；
步骤S24，根据所述目标重叠区域像素点确定所述鞍点以及所述目标方向。
在本申请实施例中，所述重叠区域像素点为位于所述矿石图像中的重叠区域的像素点，所述重叠区域中包括多个重叠区域像素点，为了从多个重叠区域像素点提取出鞍点，需获取所述多个重叠区域像素点中的目标重叠区域像素点，进而将所述目标重叠区域像素点确定为所述鞍点。
可选地，获取所述多个重叠区域像素点中的目标重叠区域像素点的方式为以各个所述重叠区域像素点为中心点并以预设位置做起始位置，沿预设方向构建多条夹角为预设角度的延伸线以及所述延伸线对应的垂线，可以理解的是，一个重叠区域像素点对应的延伸线可以是多条，不同的重叠区域像素点对应的延伸线不同，所述垂线的中心点和所述延伸线的中心点相同，均为所述重叠区域像素点，其中，所述预设位置可以是x轴，还可以是y轴，所述预设位置可以是用户自行设定，所述预设方向可以是顺时针方向，也可以是逆时针方向，所述预设角度可以是30度，还可以20度，还可以是45度，所述预设角度可以是用户自行设定。
可选地，本申请以所述预设位置为x轴作为起始位置，以逆时针作起始方向，以30度作为预设角度进行举例分析。
可选地，在获取各个所述重叠区域像素点对应的延伸线以及垂线，根据所述像素值、所述延伸线以及所述垂线获取所述重叠区域像素点中的目标重叠区域像素点以及所述延伸线中的目标延伸线。
可选地，所述S23包括：
根据所述像素值获取所述延伸线上除所述中心点以外的第一其他像素点的第一像素值、所述垂线上除所述中心点以外的第二其他像素点的第二像素值，以及所述中心点的目标像素值；
在所述目标像素值大于所述第一像素值并小于所述第二像素值第一像素值，且所述第一像素值和所述第二像素值关于所述目标像素值对称，所述第二像素值呈阶梯状递增时，将所述目标像素值对应的所述中心点作为所述目标重叠区域像素点，并将所述延伸线确定为目标延伸线。
可选地，所述第一其他像素点为所述延伸线经过的像素点中除所述中心点以外的像素点，所述第二其他像素点为所述垂线经过的像素点中除所述中心点以外的像素点，可以理解的是，一个中心点对应着多条延伸线和垂线，每条延伸线对应的第一其他像素点不同，每条垂线对应的第二其他像素点也不同。
可选地，在确定各个所述延伸线上的第一其他像素点以及所述垂线上的第二其他像素点后，根据所述灰度图中各个像素点的像素值获取所述第一其他像素点对应的第一像素值、所述第二其他像素点对应的第二像素值以及所述中心点的目标像素值，可以理解的是，不同延伸线对应的第一像素值不同，不同的垂线对应的第二像素值也不同。
可选地，在获取每条延伸线上各自对应的所述第一像素值和每条垂线上各自对应的第二像素值后，比对所述目标像素值以及所述第一像素值和所述第二像素值，以及判断所述第一像素值和所述第二像素值是否关于所述目标像素值对称，进而所述第二像素值是否呈阶梯状递增，在所述目标像素值大于所述第一像素值并小于所述第二像素值，且所述第一像素值和所述第二像素值关于所述目标像素值对称，所述第二像素值呈阶梯状递增时，将所述目标像素值对应的所述中心点作为所述目标重叠区域像素点。可以理解的是，所述中心点满足以下条件：
Pi＝max{P1，P2，...Pn}；Qi＝max{Q1，Q2，...Qn}；
P1≈Pn，P2≈Pn-1，...Pi≈Pn/2，Q1≈Qn，Q2≈Qn-1，...Qi≈Qn/2；
Qi-Qi-1＝c(i+1≤n/2),Qi-Qi+1＝-c(i≥n/2)。
其中，所述Pi和Qi为所述中心点的目标像素值，所述P1，P2，...Pn-1，Pn为所述第一其他像素点的第一像素值，所述Q1，Q2，...Qn-1，Qn为所述第二其他像素点的第二像素值，c为常数。
可选地，在确定所述中心点满足上述条件后，将所述中心点作为所述目标重叠区域像素点，并将所述延伸线确定为目标延伸线，可以理解的是，所述目标延伸线以目标重叠区域像素点为中心点，并且所述目标延伸线除所述目标重叠区域像素点以外的其他像素点的像素值比所述目标重叠区域像素点的像素值低，并且所述其他像素点的像素值关于所述目标重叠区域像素点的像素值对称。
可选地，在确定所述目标重叠区域像素点后，根据所述目标重叠区域像素点确定所述鞍点以及所述目标方向，参照图8，所述步骤S24包括：
步骤S241，获取所述目标延伸线与所述起始位置之间的目标夹角，将所述目标夹角确定为所述目标延伸线的方位角；
步骤S242，将所述目标重叠区域像素点确定为所述鞍点，并根据所述方位角确定所述目标方向。
可选地，所述目标延伸线为所述目标重叠区域像素点对应的延伸线中的目标延伸线，所述目标重叠区域像素点为所述目标延伸线上的极大值像素点和所述目标延伸线对应的目标垂线上的极小值像素点，所述目标延伸线上除所述目标重叠区域像素点以外的其他像素点对应的像素值比所述目标重叠区域像素点的像素值低，并关于所述目标重叠区域像素点的像素值对称。
可选地，在所述起始位置为x轴时，获取所述目标延伸线与x轴的夹角，将所述夹角确定为所述目标延伸线的方位角，进而将所述方位角确定为所述目标方向对应的方位角，以确定所述目标方向。
可选地，在获取所述目标重叠区域像素点后，获取所述目标重叠区域像素点所在位置，并将所述目标重叠区域像素点所在位置确定为所述鞍点所在位置。
在本申请实施例中，通过以重叠区域像素点为中心，并以预设位置作起始位置，沿预设方向构建多条夹角为预设角度的延伸线以及所述延伸线对应的垂线，进而根据所述灰度山图中各个像素点的像素值、所述延伸线以及所述垂线获取所述重叠区域像素点中的目标重叠区域像素点，进而根据所述目标重叠区域像素点中确定目标延伸线，进而将所述目标重叠区域像素点所在位置确定为所述鞍点所在位置，将所述目标延伸线对应的方位角确定为所述目标方向对应的方位角，以确定所述目标方向，通过以重叠区域像素点为中心构建多条延伸线，进而判断所述重叠区域像素点是否为目标重叠区域像素点，进而确定所述鞍点以及所述目标方向，进而以所述鞍点以及所述目标方向确定分割线，以根据分割线分割所述重叠区域，这样便可以根据分割线对重叠区域进行分割，得到单个矿石的完整图像，解决了传统的分割算法因矿石图像轮廓和灰度的不规则性导致图像过分割的问题，提高了矿石图像分割的准确性。
可选地，基于上述所有实施例，参照图9，所述重叠区域包括至少一个鞍点，所述步骤S30包括：
步骤S31，根据各个所述鞍点的位置信息获取各个所述鞍点之间的距离以及各个所述鞍点对应的目标方向对应的方位角之间的方位角差值；
步骤S32，若所述鞍点之间的距离小于或等于预设距离阈值，且所述方位角差值小于或等于预设角度阈值，根据各个所述鞍点的位置信息计算所有所述鞍点的坐标均值以及根据所述目标方向的方位角计算得出方位角均值；
步骤S33，将所述坐标均值所在位置确定为所述分割线对应的分割点，根据所述方位角均值确定所述分割线的分割方向；
步骤S34，基于所述分割点以及所述分割方向确定分割线。
在本申请实施例中，在所述重叠区域可能会存在多个鞍点的情况，基于多个鞍点处于同一个重叠区域，各个鞍点之间的距离较近，若基于各个鞍点均确定一条分割线，容易导致产生过多的分割线，而在实际的分割矿石图像过程中，若各个鞍点的距离较近时，只需用一条分割线即可分割所述重叠区域，基于此，本申请提出了一种确定分割线的方法。
可选地，在获取各个鞍点后，根据所述鞍点的位置信息获取各个所述鞍点之间的距离以及根据所述鞍点对应的目标方向对应的方位角差值，所述位置信息为所述鞍点对应的横坐标值以及纵坐标值，例如，在重叠区域A存在鞍点A，鞍点B，鞍点C，鞍点A对应的目标方向的方位角为G1，鞍点B对应的目标方向对应的方位角为G2，鞍点C对应的目标方向对应的方位角为G3，获取鞍点A与所述鞍点B之间的距离L1，鞍点A与鞍点C之间的距离L2，鞍点B与鞍点C之间的距离L3，以及方位角差值为：G1-G2，G2-G3，G1-G3。
可选地，在获取各个所述鞍点之间的距离以及各个所述鞍点对应的目标方向对应的方位角差值后，判断所述距离是否小于等于预设距离预设以及判断所述方位角差值是否小于或等于预设角度阈值，在所述鞍点之间的距离小于或等于预设距离阈值，且所述方位角差值小于或等于预设角度阈值，根据所述鞍点的位置信息获取所有所述鞍点对应的坐标均值以及根据所述目标方向获取所述鞍点对应的方位角均值，所述坐标均值包括横坐标均值以及纵坐标均值，例如：在重叠区域A存在鞍点A，鞍点B，鞍点C，鞍点A的位置信息为(x1，y1)以及对应的目标方向的方位角为G1，鞍点B的位置信息为(x2，y2)以及对应的目标方向对应的方位角为G2，鞍点C的位置信息为(x2，y3)以及对应的目标方向对应的方位角为G3，即所述横坐标均值为(x1+x2+x2)/3，所述纵坐标均值为(y1+y2+y2)/3，进而根据所述横坐标均值以及所述纵坐标均值确定坐标均值为((x1+x2+x2)/3，(y1+y2+y2)/3)，所述方位角均值为(G1+G2+G3)/3。
可选地，在又一实施例中，所述灰度山图可能包括多个重叠区域，各个重叠区域可能包括多个鞍点，本申请实施例在获取所述灰度山图各个鞍点之后，将所述鞍点分成多个鞍点集合，各个鞍点集合里面包括至少两个鞍点，所述将所述鞍点分成多个鞍点集合的方式为获取各个鞍点两两之间的距离以及方位角差值，若如果鞍点之间的距离小于或等于预设距离阈值和方位角差值都小于或等于预设角度阈值，则将距离小于或等于预设距离阈值和方位角差值都小于或等于预设角度阈值确定为同一个鞍点集合中的鞍点，可以理解的是，同一个鞍点集合中的鞍点两两之间的距离均小于或等于所述预设距离阈值，且同一个鞍点集合中的鞍点对应的目标方向对应的方位角两两之间的方位角差值均小于等于预设角度阈值。
可选地，在获取各个所述鞍点集合后，根据各个所述鞍点集合中的鞍点确定所述鞍点集合对应的坐标均值以及方位角均值，不同的鞍点集合对应的坐标均值不同以及不同的鞍点集合对应的方位角均值可以相同，也可以不同。
可选地，在获取所述坐标均值以及所述方位角均值后，将所述坐标均值所在位置确定为所述分割线对应的分割点，并根据所述方位角均值确定所述分割线的分割方向，进而基于所述分割点以及所述分割方向确定所述分割线，进而根据所述分割线对所述重叠区域进行分割。
在本申请实施例中，在获取各个鞍点后，获取各个所述鞍点两两之间的距离以及各个所述鞍点对应的目标方向对应的方位角差值，在所述距离小于或等于预设距离阈值，且方位角差值小于或等于预设角度阈值时，获取所述距离小于或等于预设距离阈值且方位角差值小于或等于预设角度阈值的至少一个鞍点，进而获取所述至少一个鞍点对应的坐标均值以及方位角均值，进而根据所述坐标均值以及所述方位角均值确定分割线，以避免鞍点之间的距离过近时，生成多条分割线的问题，从而减少了计算量，进而提高了矿石图像的分割效率。
此外，本发明实施例还提出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有矿石图像的分割程序，所述矿石图像的分割程序被处理器执行时实现如上所述的各个实施例的步骤。
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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
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如上所述的一个存储介质(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，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种矿石图像的分割方法，其特征在于，所述矿石图像的分割方法的步骤包括：
获取矿石的灰度山图；
根据所述灰度山图中各个像素点的像素值确定重叠区域的鞍点以及所述鞍点对应的目标方向，所述鞍点为所述目标方向上的极大值像素点和所述目标方向对应的垂直方向上的极小值像素点的集合；
根据所述鞍点的位置信息以及所述目标方向确定分割线，并以所述分割线分割所述矿石。
2.如权利要求1所述的矿石图像的分割方法，其特征在于，所述获取矿石的灰度山图的步骤包括：
接收摄像头采集的矿石图像；
将所述矿石图像转换成所述灰度山图。
3.如权利要求1所述的矿石图像的分割方法，其特征在于，所述根据所述灰度山图中各个像素点的像素值确定重叠区域的鞍点以及所述鞍点对应的目标方向的步骤包括：
根据所述灰度山图中的各个像素点的像素值获取重叠区域像素点；
以任一重叠区域像素点为中心点并以预设位置作起始位置，沿预设方向构建多条夹角为预设角度的延伸线以及所述延伸线对应的垂线；
根据所述像素值、所述延伸线以及所述垂线获取所述重叠区域像素点中的目标重叠区域像素点以及所述延伸线中的目标延伸线；
根据所述目标重叠区域像素点确定所述鞍点以及所述目标方向。
4.如权利要求3所述的矿石图像的分割方法，其特征在于，所述根据所述像素值、所述延伸线以及所述垂线获取所述重叠区域像素点中的目标重叠区域像素点以及所述延伸线中的目标延伸线的步骤包括：
根据所述像素值获取所述延伸线上除所述中心点以外的第一其他像素点的第一像素值、所述垂线上除所述中心点以外的第二其他像素点的第二像素值，以及所述中心点的目标像素值；
在所述目标像素值大于所述第一像素值并小于所述第二像素值第一像素值，且所述第一像素值和所述第二像素值关于所述目标像素值对称，所述第二像素值呈阶梯状递增时，将所述目标像素值对应的所述中心点作为所述目标重叠区域像素点，并将所述延伸线确定为目标延伸线。
5.如权利要求3所述的矿石图像的分割方法，其特征在于，所述根据所述目标重叠区域像素点确定鞍点以及所述目标方向的步骤包括：
获取所述目标延伸线与所述起始位置之间的目标夹角，将所述目标夹角确定为所述目标延伸线的方位角；
将所述目标重叠区域像素点确定为所述鞍点，并根据所述方位角确定所述目标方向。
6.如权利要求1所述的矿石图像的分割方法，其特征在于，所述重叠区域包括至少一个鞍点，所述根据所述鞍点的位置信息以及所述目标方向确定分割线的步骤包括：
根据各个所述鞍点的位置信息获取各个所述鞍点之间的距离以及各个所述鞍点对应的目标方向对应的方位角之间的方位角差值；
若所述鞍点之间的距离小于或等于预设距离阈值，且所述方位角差值小于或等于预设角度阈值，根据各个所述鞍点的位置信息计算所有所述鞍点的坐标均值以及根据所述目标方向的方位角计算得出方位角均值；
将所述坐标均值所在位置确定为所述分割线对应的分割点，根据所述方位角均值确定所述分割线的分割方向；
基于所述分割点以及所述分割方向确定分割线。
7.如权利要求2所述的矿石图像的分割方法，其特征在于，所述将所述矿石图像转换成所述灰度山图的步骤包括：
对所述矿石图像进行预处理，以获取所述矿石图像对应的二值化图像，所述预处理的方式包括二值化处理和/或去噪声处理的至少一种；
将所述二值化图像进行多次腐蚀处理，获取每次腐蚀处理后的所述二值化图像中各个像素点的像素值；
依次将各个所述像素值进行叠加，以形成叠加后的所述二值化图像；
将所述叠加后的所述二值化图像确定为所述灰度山图。
8.一种矿石图像的分割装置，其特征在于，所述矿石图像的分割装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的矿石图像的分割程序，所述矿石图像的分割程序被所述处理器执行时实现如权利要求1至7中任一项所述的矿石图像的分割方法的步骤。
9.一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上存储有矿石图像的分割程序，所述矿石图像的分割程序被处理器执行时实现如权利要求1至7中任一项所述的矿石图像的分割方法的步骤。
CN202111399105.5A 2021-11-23 2021-11-23 矿石图像的分割方法、装置及计算机可读存储介质 Active CN114283155B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111399105.5A CN114283155B (zh) 2021-11-23 2021-11-23 矿石图像的分割方法、装置及计算机可读存储介质
PCT/CN2022/094213 WO2023092965A1 (zh) 2021-11-23 2022-05-20 矿石图像的分割方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111399105.5A CN114283155B (zh) 2021-11-23 2021-11-23 矿石图像的分割方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN114283155A true CN114283155A (zh) 2022-04-05
CN114283155B CN114283155B (zh) 2023-07-04

Family

ID=80869859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111399105.5A Active CN114283155B (zh) 2021-11-23 2021-11-23 矿石图像的分割方法、装置及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN114283155B (zh)
WO (1) WO2023092965A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023092965A1 (zh) * 2021-11-23 2023-06-01 赣州好朋友科技有限公司 矿石图像的分割方法、装置及计算机可读存储介质
CN117576135A (zh) * 2023-11-27 2024-02-20 北京霍里思特科技有限公司 一种基于矿石图像分割矿石的方法、设备和存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116823827B (zh) * 2023-08-29 2023-11-10 山东德信微粉有限公司 一种基于图像处理的矿石粉碎效果评价方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008002560A2 (en) * 2006-06-26 2008-01-03 Vlnks Corporation Computer-implemented method for efficient image segmentation using automated saddle-point detection
CN101710424A (zh) * 2009-12-22 2010-05-19 中国矿业大学(北京) 矿石图像分割方法
CN105096283A (zh) * 2014-04-29 2015-11-25 华为技术有限公司 全景图像的获取方法和装置
US20190012412A1 (en) * 2017-07-06 2019-01-10 Fujitsu Limited Information processing device, recording medium recording magnetic body simulation program, and magnetic body simulation method
CN111047555A (zh) * 2019-11-13 2020-04-21 鞍钢集团矿业有限公司 基于图像处理技术的矿石图像粒度检测算法
WO2021068330A1 (zh) * 2019-10-12 2021-04-15 平安科技（深圳）有限公司 智能图像分割及分类方法、装置及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114283155B (zh) * 2021-11-23 2023-07-04 赣州好朋友科技有限公司 矿石图像的分割方法、装置及计算机可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008002560A2 (en) * 2006-06-26 2008-01-03 Vlnks Corporation Computer-implemented method for efficient image segmentation using automated saddle-point detection
CN101710424A (zh) * 2009-12-22 2010-05-19 中国矿业大学(北京) 矿石图像分割方法
CN105096283A (zh) * 2014-04-29 2015-11-25 华为技术有限公司 全景图像的获取方法和装置
US20190012412A1 (en) * 2017-07-06 2019-01-10 Fujitsu Limited Information processing device, recording medium recording magnetic body simulation program, and magnetic body simulation method
WO2021068330A1 (zh) * 2019-10-12 2021-04-15 平安科技（深圳）有限公司 智能图像分割及分类方法、装置及计算机可读存储介质
CN111047555A (zh) * 2019-11-13 2020-04-21 鞍钢集团矿业有限公司 基于图像处理技术的矿石图像粒度检测算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汪一聪等: "基于鞍点搜索的粘连对象图像分割方法", 《计算机工程》, no. 10, pages 203 - 205 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023092965A1 (zh) * 2021-11-23 2023-06-01 赣州好朋友科技有限公司 矿石图像的分割方法、装置及计算机可读存储介质
CN117576135A (zh) * 2023-11-27 2024-02-20 北京霍里思特科技有限公司 一种基于矿石图像分割矿石的方法、设备和存储介质

Also Published As

Publication number Publication date
WO2023092965A1 (zh) 2023-06-01
CN114283155B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN114283155A (zh) 矿石图像的分割方法、装置及计算机可读存储介质
US9741170B2 (en) Method for displaying augmented reality content based on 3D point cloud recognition, and apparatus and system for executing the method
CN110378297B (zh) 基于深度学习的遥感图像目标检测方法、装置、及存储介质
CN108875535B (zh) 图像检测方法、装置和系统及存储介质
CN114186632B (zh) 关键点检测模型的训练方法、装置、设备、存储介质
CN105046254A (zh) 字符识别方法及装置
CN112381183B (zh) 目标检测方法、装置、电子设备及存储介质
US20120106784A1 (en) Apparatus and method for tracking object in image processing system
CN110288520B (zh) 图像美化方法、装置及电子设备
CN110991457B (zh) 二维码处理方法、装置、电子设备及存储介质
CN114402369A (zh) 人体姿态的识别方法、装置、存储介质及电子设备
CN108052869B (zh) 车道线识别方法、装置及计算机可读存储介质
CN112115921A (zh) 一种真伪鉴别方法、装置以及电子设备
CN110954114B (zh) 电子地图的生成方法、装置、终端及存储介质
CN112396050A (zh) 图像的处理方法、设备以及存储介质
CN111199169A (zh) 图像处理方法和装置
CN110796130A (zh) 用于文字识别的方法、装置及计算机存储介质
CN110738185A (zh) 表单对象的识别方法、装置及存储介质
CN111783777B (zh) 图像处理方法、装置、电子设备和计算机可读介质
US10354409B2 (en) Image processing device, image processing method, and non-transitory computer-readable recording medium
CN112053360A (zh) 图像分割方法、装置、计算机设备及存储介质
CN110321858B (zh) 视频相似度确定方法、装置、电子设备及存储介质
CN110222576B (zh) 拳击动作识别方法、装置和电子设备
CN110619597A (zh) 一种半透明水印去除方法、装置、电子设备及存储介质
CN113642493B (zh) 一种手势识别方法、装置、设备及介质

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