CN114820680A - 数字图像的细化方法及装置、设备、存储介质 - Google Patents
数字图像的细化方法及装置、设备、存储介质 Download PDFInfo
- Publication number
- CN114820680A CN114820680A CN202110130053.5A CN202110130053A CN114820680A CN 114820680 A CN114820680 A CN 114820680A CN 202110130053 A CN202110130053 A CN 202110130053A CN 114820680 A CN114820680 A CN 114820680A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- quantum
- target
- pixels
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000007670 refining Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 52
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 12
- 239000002096 quantum dot Substances 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种数字图像的细化方法及装置、设备、存储介质;其中,所述方法包括:将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像;对所述初始量子图像进行细化处理,得到目标量子图像;将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
Description
技术领域
本申请实施例涉及图像处理技术,涉及但不限于数字图像的细化方法及装置、设备、存储介质。
背景技术
图像信息作为从客观世界获取数据信息的来源之一,具有信息量丰富且直观易懂的优点,是人们获取知识的重要信息来源。随着计算机系统的快速发展,人们对数字图像处理技术的积累也不断成熟,计算机已经能够对数字图像中的文字信息进行自动识别,其中图像细化处理是一种重要的图像预处理方法。
目前,计算机在对数字图像进行细化处理时,存在处理速度较慢,无法满足图像处理需求的问题。
发明内容
有鉴于此,本申请实施例提供的数字图像的细化方法及装置、设备、存储介质,能够提高数字图像的细化处理速度。本申请实施例提供的数字图像的细化方法及装置、设备、存储介质是这样实现的:
本申请实施例提供的数字图像的细化方法,包括:将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像;对所述初始量子图像进行细化处理,得到目标量子图像;将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
本申请实施例提供的数字图像的细化装置,包括:转换模块,用于将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像;处理模块,用于对所述初始量子图像进行细化处理,得到目标量子图像;转换模块,还用于将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
本申请实施例提供的电子设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本申请实施例任一所述的方法。
本申请实施例提供的计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本申请实施例任一所述的方法。
在本申请实施例中,提供一种数字图像的细化方法,在该方法中,通过将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,得到初始量子图像;再对所述初始量子图像进行细化处理,从而得到细化处理后的目标量子图像;最后,将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,得到目标数字图像;如此,通过量子计算的方式对数字图像进行细化处理,能够提高数字图像的细化处理速度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1为本申请实施例提供的一种数字图像的细化方法的实现流程示意图;
图2为本申请实施例提供的一种数字图像的细化方法的实现流程示意图;
图3为本申请实施例提供的一副2×2的灰度图像在NEQR模型中的表示方法示意图;
图4为本申请实施例提供的一种数字图像的细化方法的实现流程示意图;
图5为本申请实施例提供的一种数字图像的细化方法的实现流程示意图;
图6为本申请实施例提供的原始图像与细化处理后的图像的对比示意图;
图7为本申请实施例提供的一种简易的3×3算子模板的示意图;
图8为本申请实施例提供的一种量子图像的3×3算子模板的示意图;
图9为本申请实施例提供的一种量子计数器的示意图;
图10为本申请实施例提供的一种量子比较器的示意图;
图11为本申请实施例提供的一种B(pi)函数实现的量子电路的示意图;
图12为本申请实施例提供的一种A(pi)函数实现的量子电路的示意图;
图13为本申请实施例提供的一种执行判别的量子电路的示意图;
图14为本申请实施例提供的一种{黑}与{白}转换量子电路的示意图;
图15为本申请实施例提供的一种量子图像细化后的实验结果的示意图;
图16为本申请实施例数字图像的细化装置的结构示意图;
图17为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
需要指出,本申请实施例所涉及的术语“第一\第二\第三”用以区别类似或不同的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
本申请实施例提供一种数字图像的细化方法,该方法应用于电子设备,该电子设备在实施的过程中可以为各种类型的具有图像处理能力的计算机设备,例如所述计算机设备可以包括台式机、笔记本电脑或掌上电脑等;该电子设备还可以为移动终端,例如所述移动终端可以包括手机、车载电脑、平板电脑或POS机等。该方法所实现的功能可以通过电子设备中的处理器调用程序代码来实现,当然程序代码可以保存在计算机存储介质中,可见,该电子设备至少包括处理器和存储介质。
图1为本申请实施例提供的数字图像的细化方法的实现流程示意图,如图1所示,该方法可以包括以下步骤101至步骤103:
步骤101,将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像。
可以理解地,数字图像中的每一像素坐标和灰度值均是用比特(Binary digit,bit)来表示的。比特是经典计算机信息的基本单元,因此可以称为经典比特,经典比特是一种有两个状态的物理系统,用0与1表示,且一个经典比特的状态是唯一的。而在量子计算机中,基本信息单位是量子比特(qubit),用两个量子态|0>和|1>代替经典比特状态0和1。量子比特相较于经典比特来说,由于它以两个逻辑态的叠加态的形式存在,其表示的是两个状态是0和1的相应量子态叠加,因此具有计算速度快等特点。
步骤102,对所述初始量子图像进行细化处理,得到目标量子图像。
可以理解地,所谓细化处理,即剔除图像中不需要的轮廓点,只保留图像中的骨架点,并保持细化后的图像中细小部分的连通性。
步骤103,将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
可以理解地,目标量子图像中每一像素的像素坐标和灰度值是用量子比特表示的,而采用量子比特表示的图像,无法在计算机中直接显示。因此,为了在计算机上呈现出量子图像细化处理后的结果,需要将目标量子图像中的每一个像素的像素坐标和灰度值转化为比特,从而得到目标数字图像。
在本申请实施例中,提供一种数字图像的细化方法,通过将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,得到初始量子图像;再对所述初始量子图像进行细化处理,从而得到细化处理后的目标量子图像;最后,将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,得到目标数字图像;如此,通过量子计算的方式对数字图像进行细化处理,能够提高数字图像的细化处理速度。
本申请实施例再提供一种数字图像的细化方法,图2为本申请实施例提供的一种数字图像的细化方法的实现流程示意图,如图2所示,该方法可以包括以下步骤201至步骤204:
步骤201,利用增强量子图像(Novel Enhanced Quantum Representation,NEQR)模型,将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像。
在一些实施例中,使用NEQR模型将一副2n×2n的数字图像转换为量子计算系统中的图像表示,NEQR模型的定义如下公式(1)所示:
其中,i代表图像中像素的位置,x序列代表横坐标,y序列代表纵坐标,纵坐标与横坐标需要使用n个量子比特来表示,图像灰度值用q个量子比特表示,其中c代表图像中像素的灰度信息。
为方便理解,图3给出了一副2×2的灰度图像在NEQR模型中的表示方法。如图3所示,量子图像的每一像素位置的第一行数字表示为该像素的灰度值,第二行数字为该像素的坐标值。例如,像素311位置处的“00000000”表示的是该像素的灰度值,“00”表示的是该像素的坐标值。
步骤202,对所述初始量子图像中的每一所述像素的灰度值进行二值化处理,得到量子二值图像;其中,所述量子二值图像中像素的灰度值表示为第一像素状态或第二像素状态。
其中,第一像素状态与第二像素状态不同。可以采用任意灰度值表示第一像素状态和第二像素状态,比如用0表示第一像素状态,用1表示第二像素状态。又如,也可以用1表示第一像素状态,用0表示第二像素状态。
可以理解地,所谓图像二值化,是指将图像中灰度值属于第一范围内的像素的状态表示为第一像素状态(比如设置为0,即在图像中呈现为黑色),将灰度值属于第二范围内的像素的状态表示为第二像素状态(比如设置为1,即在图像中呈现为白色),如此,使整个图像呈现出明显的黑白效果,以凸显出图像中目标的轮廓。
步骤203,利用预设的辅助量子图像,将所述量子二值图像中满足条件的目标像素的灰度值取反,从而得到目标量子图像;其中,所述辅助量子图像的每一像素的初始像素状态相同。
可以理解地,在量子图像处理中,是无法如数字图像中直接对单个像素进行处理的,而是需要通过辅助量子图像多个量子比特位来辅助计算。在一些实施例中,可以通过如下实施例的步骤303至步骤307实现。
在一些实施例中,可以将邻域特征满足条件的像素确定为目标像素;其中,所述邻域特征包括:所述第i个像素的邻域内的灰度值表示为第一像素状态的像素数目、和所述第i个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第一序列数目、和所述第i个像素的周围像素的灰度值的乘积或所述第i+1个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第二序列数目;其中,所述乘积为所述第i个像素的相邻的左右两侧像素与相邻的上侧像素的灰度值的第一乘积,或者,所述乘积为所述第i个像素的相邻的上下两侧像素与相邻的右侧像素的灰度值的第二乘积;相应地,所述条件为:所述像素数目属于特定范围、且所述第一序列数目为第一数值、且所述第一乘积为第二数值或所述第二序列数目不为所述第一数值、且所述第二乘积为所述第二数值或所述第二序列数目不为所述第一数值。
需要说明的是,辅助量子图像中每一个像素的初始像素状态,是与量子二值图像中的前景像素的像素状态相同的。所谓前景像素,是指量子二值图像中构成物体的像素。当前景像素的像素状态为黑时,与其对应的背景像素的像素状态则为白,因此可以将辅助量子图像中每一个像素的初始像素状态设置为黑;而当前景像素的像素状态为白时,与其对应的背景像素的像素状态则为黑,因此可以将辅助量子图像中每一个像素的初始像素状态设置为白。
步骤204,将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
在本申请实施例中,利用NEQR模型将待处理的数字图像转换为初始量子图像,对初始量子图像中的每一像素的灰度值进行二值化处理,得到量子二值图像;然后利用预设的辅助量子图像,实现对量子二值图像中的目标像素的灰度值的取反;如此,使得对量子二值图像的细化处理能够在量子计算机上实现。
本申请实施例再提供一种数字图像的细化方法,图4为本申请实施例提供的一种数字图像的细化方法的实现流程示意图,如图4所示,该方法可以包括以下步骤301至步骤308:
步骤301,利用NEQR模型,将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像;
步骤302,对所述初始量子图像中的每一所述像素的灰度值进行二值化处理,得到量子二值图像;其中,所述量子二值图像中像素的灰度值表示为第一像素状态或第二像素状态;
步骤303,确定所述量子二值图像中的第i个像素是否为灰度值待取反的目标像素;如果是,执行步骤304,否则,返回执行步骤303;其中,i大于0且小于或等于所述量子二值图像的像素总数。
需要说明的是,在返回执行步骤303时,确定的是所述量子二值图像中的第i+1个像素(即下一个像素)是否为灰度值待取反的目标像素。
可以理解地,所谓第i个像素,并不特指某一个具体像素,而是指所述量子二值图像中任一位置的像素,因此,i的取值为大于0且小于或等于量子二值图像的像素总数。
在一些实施例中,确定第i个像素是否为灰度值待取反的目标像素,可以通过如下实施例中的步骤403至步骤404实现。
步骤304,将预设的辅助量子图像中的所述第i个像素的灰度值取反,得到取反后的辅助量子图像。
可以理解地,在确定出量子二值图像中的第i个像素是目标像素时,是无法直接对目标像素的灰度值进行取反处理的,需要利用预设的辅助量子图像辅助处理,将辅助量子图像中的第i个像素的灰度值取反,并继续执行步骤305。
在一些实施例中,可以在执行判别的量子电路中,将预设的辅助量子图像中的第i个像素的灰度值取反。
步骤305,根据所述取反后的辅助量子图像中取反的像素的灰度值,将所述量子二值图像中对应的像素的当前灰度值转换为所述取反的像素的灰度值,得到转换后的量子二值图像。
可以理解地,所谓量子二值图像中对应的像素,是指量子二值图像中与取反后的辅助量子图像中取反的像素位置相同的像素。
在一些实施例中,对量子二值图像中对应的像素的灰度值进行转换,可以在{黑}与{白}转换量子电路中实现。
举例来说,如果取反后的辅助量子图像中第i个像素为取反后的像素,那么在量子二值图像中,与其对应的像素也为第i个像素,即这两个像素的像素坐标相同;此时如果辅助量子图像中取反后的像素的灰度值为1,那么在量子二值图像中,将与其对应的第i个像素的灰度值也转换为1。又如,如果取反后的辅助量子图像中第i+1个像素为取反后的像素,那么在量子二值图像中,与其对应的像素也为第i+1个像素;此时如果取反后的像素的灰度值为1,那么在量子二值图像中,将与其对应的第i+1个像素的灰度值也转换为1。
步骤306,将所述取反后的辅助量子图像的每一像素的灰度值恢复为初始值,得到所述预设的辅助量子图像。
可以理解地,将取反后的辅助量子图像的每一像素的灰度值恢复为初始值,如此,能够在对下一像素(即第i+1个像素)进行转换时,不受上一像素(即第i个像素)取反后的灰度值的影响,从而保证量子二值图像中每一像素的转换结果的正确性。
在一些实施例中,将取反后的辅助量子图像的每一像素的灰度值恢复为初始值,可以在{黑}与{白}转换量子电路中实现。
步骤307,循环上述步骤303至步骤306,直至得到目标量子图像。
可以理解地,在上述步骤303至步骤306中,执行的是对量子二值图像中单个像素的处理,因此,需要循环执行步骤303至步骤306,对量子二值图像中的每一像素依次进行处理,得到目标量子图像。
步骤308,将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
本申请实施例再提供一种数字图像的细化方法,图5为本申请实施例提供的一种数字图像的细化方法的实现流程示意图,如图5所示,该方法可以包括以下步骤401至步骤409:
步骤401,利用NEQR模型,将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像;
步骤402,对所述初始量子图像中的每一所述像素的灰度值进行二值化处理,得到量子二值图像;其中,所述量子二值图像中像素的灰度值表示为第一像素状态或第二像素状态;
步骤403,确定所述量子二值图像中的第i个像素的邻域特征;
步骤404,确定所述第i个像素的邻域特征是否满足条件;如果是,执行步骤405;否则,返回执行步骤403;
需要说明的是,在返回执行步骤403时,确定的是所述量子二值图像中的第i+1个像素(即下一个像素)的邻域特征。
在一些实施例中,所述邻域特征包括:
所述第i个像素的邻域内的灰度值表示为第一像素状态的像素数目、和所述第i个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第一序列数目、和所述第i个像素的周围像素的灰度值的乘积或所述第i+1个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第二序列数目;其中,所述乘积为所述第i个像素的相邻的左右两侧像素与相邻的上侧像素的灰度值的第一乘积,或者,所述乘积为所述第i个像素的相邻的上下两侧像素与相邻的右侧像素的灰度值的第二乘积;
相应地,所述条件为:所述像素数目属于特定范围、且所述第一序列数目为第一数值、且所述第一乘积为第二数值或所述第二序列数目不为所述第一数值、且所述第二乘积为所述第二数值或所述第二序列数目不为所述第一数值。
可以理解地,所谓确定第i个像素的邻域特征是否满足条件,是指根据第i个像素的邻域特征,确定量子二值图像中的第i个像素是否可以被剔除;如果是,则继续执行步骤405至步骤408;否则,返回执行步骤403。
而当细化处理后的图像中的细小部分是连通的,才说明处理后的图像为有效图像。因此,为了保证图像的连通性,图像中的断点、孤立点和内部点是不能被剔除的。基于此,在一些实施例中,确定第i个像素的邻域特征是否满足条件,可以执行如下判断1)至判断4):
判断1),判断第i个像素的邻域内的灰度值表示为第一像素状态的像素数目是否属于特定范围,特定范围可以设置为第一常数≤像素数目≤第二常数。
第一常数为大于1的正整数,第二常数为小于7的正整数。比如,第一常数为2,第二常数为6;再如,第一常数为3,第二常数为5。
在一些实施例中,在确定像素数目时,可以利用函数量子电路实现。
可以理解地,设置像素数目大于等于第一常数,是为了保证第i个像素不是端点和孤立点。这是因为,如果像素数目为0,则说明第i个像素邻域内没有灰度值表示为第一像素状态的像素,可以认为该像素为孤立点;如果像素数目为1,则说明第i个像素邻域内只有一个灰度值表示为第一像素状态的像素,可以认为该像素为断点。设置像素数目小于等于第二常数,是为了保证第i个像素是一个边界点,而不是一个内部点。
判断2),判断第i个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第一序列数目是否为第一数值。第一数值可以为任意值,比如,第一数值可以为1。执行该判断的目的是,在剔除第i个像素后,能够保证图像中细小部分的连通性。
在一些实施例中,在确定第一序列数目时,可以利用函数量子电路实现。
需要说明的是,在确定第i个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第一序列数目时,{第二像素状态-第一像素状态}为{白-黑}或{黑-白}也是与量子二值图像中前景像素的像素状态有关的。如果前景像素的像素状态为黑,则{第二像素状态-第一像素状态}为{白-黑};如果前景像素的像素状态为白,则{第二像素状态-第一像素状态}为{黑-白}。
判断3),判断第i个像素的相邻的左右两侧像素与相邻的上侧像素的灰度值的第一乘积是否为第二数值,第二数值可以为任意值,比如,第二数值可以为0;或者,判断第i+1个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第二序列数目是否不为第一数值。
举例来说,如图8所示,第i+1个像素为位于第i个像素右侧的像素。当然,第i+1个像素也可以位于第i个像素左侧、上侧或下侧,其仅代表是第i个像素的相邻位置像素。
如图8所示,第i个像素的相邻的左右两侧像素与相邻的上侧像素的灰度值的第一乘积,为第i-1个像素、第i+1个像素和第i-2n个像素的灰度值的乘积。当然,对第i-1个像素、第i+1个像素和第i-2n个像素,并不具体限定必须位于图8所示的位置,其仅代表是第i个像素的相邻的左右两侧像素与相邻的上侧像素。另外,第i个像素的相邻位置像素,也并不限定必须与第i个像素之间不存在其他像素;如果某一像素与第i个像素之间还存在其他像素,也可称该像素为第i个像素的相邻像素。
判断4),判断第i个像素的相邻的上下两侧像素与相邻的右侧像素的灰度值的第二乘积是否为第二数值,第二数值可以设置为0;或者,判断第i+1个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第二序列数目是否不为第一数值。
需要说明的是,在确定第i+1个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第二序列数目时,{第二像素状态-第一像素状态}为{白-黑}或{黑-白}的设置与判断3)中的设置一致;另外,在计算第i个像素的相邻的上下两侧像素与相邻的右侧像素的灰度值的第二乘积时,像素位置的设置也与判断3)中的设置一致,在此不再赘述。
需要说明的是,如果量子二值图像中的第i个像素的邻域特征同时满足上述判断1)至判断4)中的条件,则可以确定该像素满足细化剔除条件,此时继续执行以下步骤405至步骤407;否则,返回执行步骤403。
步骤405,将所述第i个像素确定为目标像素;然后将预设的辅助量子图像中的所述第i个像素的灰度值取反,得到取反后的辅助量子图像;
步骤406,根据所述取反后的辅助量子图像中取反的像素的灰度值,将所述量子二值图像中对应的像素的当前灰度值转换为所述取反的像素的灰度值,得到转换后的量子二值图像;
步骤407,将所述取反后的辅助量子图像的每一像素的灰度值恢复为初始值,得到所述预设的辅助量子图像;
步骤408,循环上述步骤403至步骤407,直至得到目标量子图像。
可以理解地,如果仅对量子二值图像进行一次细化处理,即认为得到的图像为目标量子图像,那么,目标量子图像中可能仍存在未被剔除的目标像素,细化结果并不精确。因此,在进行图像细化处理时,大多需要经过多次循环迭代,得到多个转换后的量子二值图像,并判断是否需要终止循环,如果是,确定得到目标量子图像;否则,继续循环步骤403至步骤407。
需要说明的是,判断是否终止循环的方法可以是多种多样的。
在一些实施例中,在得到转换后的量子二值图像后,将当前得到的转换后的量子二值图像与前K次得到的转换后的量子二值图像分别进行灰度值的比较;其中,K为大于0的整数;如果每次比较得到的比较结果均为两张图像对应像素的灰度值相同,说明量子二值图像中已经不存在能够被剔除的像素,此时可以终止循环,确定得到目标量子图像;否则,继续执行步骤403至步骤407;如此,能够避免目标量子图像中存在未被剔除的目标像素,使得细化结果更加精确。
举例来说,假设K为2,当前得到的转换后的量子二值图像为图像1,前两次得到的转换后的量子二值图像分别为图像2和图像3,可以将图像1与图像2中的像素进行灰度值比较,将图像1与图像3中的像素进行灰度值比较,判断在每次比较中,两幅图像中对应像素的灰度值是否均相同;如果两次比较结果都是相同的,确定得到目标量子图像;否则,继续执行步骤403至步骤407。
在另一些实施例中,在得到转换后的量子二值图像后,将当前得到的转换后的量子二值图像与前一次得到的转换后的量子二值图像分别进行灰度值的比较;如果连续M次或者一次比较得到的比较结果均为两张图像对应像素的灰度值相同,此时也可以终止循环,确定得到目标量子图像,其中,M为大于1的整数;否则,继续执行步骤403至步骤407。
举例来说,假设当前得到的转换后的量子二值图像为图像1,前两次得到的转换后的量子二值图像分别为图像2和图像3,可以将图像1与图像2中的像素进行灰度值比较,将图像2与图像3中的像素进行灰度值比较,可见,比较次数M为2;判断在每次比较中,两幅图像中对应像素的灰度值是否均相同;如果两次比较结果都是相同的,确定得到目标量子图像;否则,继续执行步骤403至步骤407。
步骤409,将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
图像信息作为从客观世界获取数据信息的来源之一,具有信息量丰富且直观易懂的优点,是人们获取知识的重要信息来源。随着计算机系统的快速发展,人们对数字图像处理技术的积累也不断成熟,计算机已经能够对数字图像中的文字信息进行自动识别,其中图像细化处理是一种重要的图像预处理方法,对于模式识别、数据压缩、数据存储与光学字符识别(Optical Character Recognition,OCR)等功能应用具有重要意义。
在计算机系统中,相关的数字图像细化方法为Hilditch算法,该算法可对图形的骨架进行提取。将图像细化方法应用于目标内容识别算法中,对目标内容进行预处理,可极大地减小识别难度并提升识别效率。
图6给出了一种原始图像与细化处理后的图像的对比示意图,图示601为原始待识别图像,图示602为细化处理后的图像,可见,OCR识别系统识别下侧图像能够获得更好的识别效果。
在一些实施例中,Hilditch算法可以通过如下步骤501至步骤502实现:
步骤501:首先对图像进行二值化处理,设置像素邻域为n×n的P算子模板,图7给出了一种简易的3×3算子模板;使用算子模板对图像中每个像素进行迭代,并进行如下判断1至判断3所述的前置条件约束判断:
判断1:如果算子模板中的N在图像中对应的像素为1,则确定此像素为有效像素,进行判断2中的操作;
判断2:分别对像素P2、P4、P6和P8进行二值判断,若此四个像素不同时为1,则进行判断3中的操作;
判断3:分别对像素P1至P8进行二值判断,若其中像素值为1的像素数量多于2个,则步骤501中的判断成立,继续执行步骤502中的操作;
步骤502:首先对像素N进行8连通联结计算,计算结果记为a,然后进行如下判断4与判断5:
判断4:如果像素N的8连通联结数a为1,则执行判断2中的操作;
判断5:像素P2和像素P8的像素值为0时,确定像素N的8连通联结数为1;
如果像素N满足上述全部判断条件,则对像素N进行有效位标注。
使用此方法对数字图像中的所有像素进行标注判断,全部判断后生成的矩阵即为细化后的图像。
随着量子计算和量子信息技术的发展,数字图像如何在量子计算机上进行处理受到了极大的关注。
基于此,下面将说明本申请实施例在一个实际的应用场景中的示例性应用。
在本申请实施例中,通过对量子逻辑门电路及量子计数器、量子比较器等量子电路的设计与应用操作,实现了对数字图像在量子计算机中的细化处理,解决了量子计算机在图像识别预处理中的一个关键问题。实现对数字图像在量子计算机中的细化处理,该处理过程可以通过如下步骤601至步骤604实现:
步骤601:首先利用NEQR模型,将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,得到初始量子图像。
步骤602:对本申请实施例中使用量子表示方法的图像算子模板进行设计,图8给出一种量子图像的3×3算子模板,其中不同序列值代表像素i的相邻像素的位置;
将步骤601得到的初始量子图像进行二值化处理,不同位置的像素值在量子逻辑电路中表示为{黑}或{白}状态,本申请实施例中对量子图像的算子模板整体状态做如下两个规则的计数定义:
规则1:Ni为模板中像素i附近的像素为{黑}的存在状态数量(即第一像素状态的像素数目),记为Ni;
规则2:Mi为序列{(i-2n),(i+1-2n),(i+1),(i+1+2n),(i+2n),(i-1+2n),(i-1),(i-1-2n)}中{白-黑}序列状态相邻的总数量(即第一序列数目),记为Mi;
步骤603:对本申请实施例中的量子计数器与量子比较器进行设计。
图9给出一种量子计数器的示意图,量子位|ci>表示控制位,其中c∈0,1;|an- 1..a.1a0>表示计数位,这些计数位的初始值为|0...00>,本申请实施例中量子计数器遵循如下规则:
规则1:输入的量子位|c>是|1>,则an-1...a1a0增加1;
规则2:输入的量子位|c>不是|1>,则an-1...a1a0数值不变;
图10给出一种量子比较器的示意图,量子比较器用来比较量子比特a与b的大小,其中|a>=|an-1...a1a0>;|b>=|bn-1...b1b0>;ai,bi∈{0,1};i=n-1,...1,0。本申请实施例中设计的a与b的比较结果遵循如下规则:
规则3:如果c1c0=10,则a>b;
规则4:如果c1c0=01,则a<b;
规则5:如果c1c0=00,则a=b;
步骤604:对初始量子图像中每一个像素是否执行细化剔除进行判断。使用步骤602中规则1与步骤602中规则2的计算数据Ni与Mi作为输入数据,这里进行一个详细的解释:
通过在步骤601使用NEQR方法,以及在步骤602中对初始量子图像进行二值化处理,得出输入的二值图像|P>(即量子二值图像)可表示为如下公式(2):
在一些实施例中,可以通过以下步骤6041至步骤6043实现上述步骤604:
步骤6041:定义两个函数A与B,其中:
函数B:B(pi)是在步骤602的规则1中定义的像素pi的{黑}相邻数,图11给出一种B(pi)函数实现的量子电路的示意图,其中|bi>为量子计数器的输入,该B(pi)量子逻辑电路能够实现的功能为:当像素pi的8邻域内的任意一个像素状态为{黑}时,则量子比特|bi>增加1,通过B(pi)函数量子电路整体执行一次后,|bi>数就是pi的{黑}相邻数的总数量。
函数A:A(pi)是在步骤602的规则2中定义的像素pi在序列中的{白-黑}状态序列数量,图12给出一种A(pi)函数实现的量子电路的示意图,量子序列|ai>是量子计数器的输入,通过图12的A(pi)量子电路输出{白-黑}序列状态相邻的总数量。
步骤6042:将步骤6041中已定义的函数A与B的执行结果作为量子电路的输入,公式(3)为该像素在量子电路中是否必须被执行的一个判断必要条件(即像素的邻域特征是否满足条件)。
其中,A(pi)为第一序列数目;为第i个像素的相邻的左右两侧像素与相邻的上侧像素的灰度值的第一乘积;为第i个像素的相邻的上下两侧像素与相邻的右侧像素的灰度值的第二乘积;A(pi+1)为第i+1个像素周围像素状态为{白-黑}序列状态相邻的总数量(即第二序列数目)。
图13给出了对应的执行判别的量子电路1301,以该量子电路1301为准则,其中|ti>为一副空的量子二进制图像|T>(即预设的辅助量子图像)的第i个像素,用来判定图像|T>中像素状态应该由{黑}转变为{白}的目标像素。对输入图像B(pi)中的所有像素执行上述操作后,空图像|T>对应的目标像素位置就会依据上述规则进行赋值,比如将预设的辅助量子图像中像素的灰度值取反。
若图像|T>依据图13所示规则有像素位置进行了赋值,则将图像|T>(即取反后的辅助量子图像)作为步骤6041的输入,也就是将图像|T>作为图14所示的{黑}与{白}转换量子电路的输入,并将输入图像|P>中的每个位置与图像|T>中对应的位置进行比较。
若图像|T>中的|ti>为1,则将输入图像|P>中对应的像素pi设置为1,然后将|ti>转换为0。
步骤6043:循环执行上述步骤6041至步骤6042,图像会被不断地稀疏,直到无法剔除任一像素后则中断循环,最终比较后的输出结果即为通过量子计算方式细化出的量子图像(即目标量子图像)。例如图15所示,给出了一种量子图像细化后的实验结果,图示151为细化处理前的图像,图示152为细化处理后的图像。
可以理解地,相关的图像细化算法均在数字计算机中进行,本申请实施例目的在于提供一种量子计算机中进行图像细化处理的方法;在本申请实施例中,采用自主设计的量子电路,将数字图像通过量子执行判别条件函数、量子图像转换函数实现量子图像的细化处理,即提供一种在量子计算系统中实现图像细化的量子图像处理方法。
在本申请实施例中,量子比特存储信息具有独特的高效性,并且量子计算方法对图像的表示与图像处理的速度更快,因此采用量子计算方法进行图像细化处理比数字计算机中的细化算法具有极大的优越性。作为一种量子图像预处理方法,对于量子计算系统的图像识别也具有重要的先验意义。
基于前述的实施例,本申请实施例提供一种数字图像的细化装置,该装置包括所包括的各模块、以及各模块所包括的各单元,可以通过电子设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。
图16为本申请实施例数字图像的细化装置的结构示意图,如图16所示,所述装置160包括转换模块161和处理模块162,其中:
转换模块161,用于将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像;
处理模块162,用于对所述初始量子图像进行细化处理,得到目标量子图像;
转换模块161,还用于将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
在一些实施例中,处理模块162,用于对所述初始量子图像中的每一所述像素的灰度值进行二值化处理,得到量子二值图像;其中,所述量子二值图像中像素的灰度值表示为第一像素状态或第二像素状态;处理模块162,还用于利用预设的辅助量子图像,将所述量子二值图像中满足条件的目标像素的灰度值取反,从而得到所述目标量子图像;其中,所述辅助量子图像的每一像素的初始像素状态相同。
在一些实施例中,数字图像的细化装置160还包括确定模块,所述确定模块,用于确定所述量子二值图像中的第i个像素是否为灰度值待取反的目标像素;其中,i大于0且小于或等于所述量子二值图像的像素总数;处理模块162,用于如果所述第i个像素是目标像素,将所述预设的辅助量子图像中的所述第i个像素的灰度值取反,得到取反后的辅助量子图像;处理模块162,还用于根据所述取反后的辅助量子图像中取反的像素的灰度值,将所述量子二值图像中对应的像素的当前灰度值转换为所述取反的像素的灰度值,得到转换后的量子二值图像;处理模块162,还用于将所述取反后的辅助量子图像的每一像素的灰度值恢复为初始值,得到所述预设的辅助量子图像;处理模块162,还用于循环上述步骤,直至得到所述目标量子图像。
在一些实施例中,确定模块,还用于确定所述第i个像素的邻域特征;在所述第i个像素的邻域特征满足条件的情况下,将所述第i个像素确定为所述目标像素。其中,所述邻域特征包括:所述第i个像素的邻域内的灰度值表示为第一像素状态的像素数目、和所述第i个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第一序列数目、和所述第i个像素的周围像素的灰度值的乘积或所述第i+1个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第二序列数目;其中,所述乘积为所述第i个像素的相邻的左右两侧像素与相邻的上侧像素的灰度值的第一乘积,或者,所述乘积为所述第i个像素的相邻的上下两侧像素与相邻的右侧像素的灰度值的第二乘积;相应地,所述条件为:所述像素数目属于特定范围、且所述第一序列数目为第一数值、且所述第一乘积为第二数值或所述第二序列数目不为所述第一数值、且所述第二乘积为所述第二数值或所述第二序列数目不为所述第一数值。
在一些实施例中,数字图像的细化装置160还包括比较模块,所述比较模块,用于将当前得到的转换后的量子二值图像与前K次得到的转换后的量子二值图像分别进行灰度值的比较;其中,K为大于0的整数;所述确定模块,用于如果每次比较得到的比较结果均为两张图像对应像素的灰度值相同,确定得到所述目标量子图像。
在一些实施例中,所述比较模块,还用于将当前得到的转换后的量子二值图像与前一次得到的转换后的量子二值图像分别进行灰度值的比较;所述确定模块,用于如果连续M次或者一次比较得到的比较结果均为两张图像对应像素的灰度值相同,确定得到所述目标量子图像;其中,M为大于1的整数。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中图16所示的数字图像的细化装置对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。也可以采用软件和硬件结合的形式实现。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的数字图像的细化方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关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中,包括若干指令用以使得电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
本申请实施例提供一种电子设备,图17为本申请实施例的电子设备的硬件实体示意图,如图17所示,所述电子设备170包括存储器171和处理器172,所述存储器171存储有可在处理器172上运行的计算机程序,所述处理器172执行所述程序时实现上述实施例中提供的数据处理方法中的步骤。
需要说明的是,存储器171配置为存储由处理器172可执行的指令和应用,还可以缓存待处理器172以及电子设备170中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(RandomAccess Memory,RAM)实现。
本申请实施例提供一种计算机可读存储介质,其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实施例中提供的数字图像的细化方法中的步骤。
本申请实施例提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法实施例提供的数字图像的细化方法。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质、芯片和终端设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如对象A和/或对象B,可以表示:单独存在对象A,同时存在对象A和对象B,单独存在对象B这三种情况。
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、物品或者设备所固有的要素。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、物品或者设备中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的触摸屏系统的实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个模块或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或模块的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的模块可以是、或也可以不是物理上分开的,作为模块显示的部件可以是、或也可以不是物理模块;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部模块来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能模块可以全部集成在一个处理单元中,也可以是各模块分别单独作为一个单元,也可以两个或两个以上模块集成在一个单元中;上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关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中,包括若干指令用以使得电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种数字图像的细化方法,其特征在于,所述方法包括:
将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像;
对所述初始量子图像进行细化处理,得到目标量子图像;
将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
2.根据权利要求1所述的方法,其特征在于,所述对所述初始量子图像进行细化处理,得到目标量子图像,包括:
对所述初始量子图像中的每一所述像素的灰度值进行二值化处理,得到量子二值图像;其中,所述量子二值图像中像素的灰度值表示为第一像素状态或第二像素状态;
利用预设的辅助量子图像,将所述量子二值图像中满足条件的目标像素的灰度值取反,从而得到所述目标量子图像;其中,所述辅助量子图像的每一像素的初始像素状态相同。
3.根据权利要求2所述的方法,其特征在于,所述利用预设的辅助量子图像,将所述量子二值图像中满足条件的目标像素的灰度值取反,从而得到所述目标量子图像,包括:
确定所述量子二值图像中的第i个像素是否为灰度值待取反的目标像素;其中,i大于0且小于或等于所述量子二值图像的像素总数;
如果所述第i个像素是目标像素,将所述预设的辅助量子图像中的所述第i个像素的灰度值取反,得到取反后的辅助量子图像;
根据所述取反后的辅助量子图像中取反的像素的灰度值,将所述量子二值图像中对应的像素的当前灰度值转换为所述取反的像素的灰度值,得到转换后的量子二值图像;
将所述取反后的辅助量子图像的每一像素的灰度值恢复为初始值,得到所述预设的辅助量子图像;
循环上述步骤,直至得到所述目标量子图像。
4.根据权利要求3所述的方法,其特征在于,所述确定所述量子二值图像中的第i个像素是否为灰度值待取反的目标像素,包括:
确定所述第i个像素的邻域特征;
在所述第i个像素的邻域特征满足条件的情况下,将所述第i个像素确定为所述目标像素。
5.根据权利要求4所述的方法,其特征在于,所述邻域特征包括:
所述第i个像素的邻域内的灰度值表示为第一像素状态的像素数目、和所述第i个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第一序列数目、和所述第i个像素的周围像素的灰度值的乘积或所述第i+1个像素的邻域内的相邻两个像素为{第二像素状态-第一像素状态}的第二序列数目;其中,所述乘积为所述第i个像素的相邻的左右两侧像素与相邻的上侧像素的灰度值的第一乘积,或者,所述乘积为所述第i个像素的相邻的上下两侧像素与相邻的右侧像素的灰度值的第二乘积;
相应地,所述条件为:所述像素数目属于特定范围、且所述第一序列数目为第一数值、且所述第一乘积为第二数值或所述第二序列数目不为所述第一数值、且所述第二乘积为所述第二数值或所述第二序列数目不为所述第一数值。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
将当前得到的转换后的量子二值图像与前K次得到的转换后的量子二值图像分别进行灰度值的比较;其中,K为大于0的整数;
如果每次比较得到的比较结果均为两张图像对应像素的灰度值相同,确定得到所述目标量子图像。
7.根据权利要求3所述的方法,其特征在于,所述方法还包括:
将当前得到的转换后的量子二值图像与前一次得到的转换后的量子二值图像分别进行灰度值的比较;
如果连续M次或者一次比较得到的比较结果均为两张图像对应像素的灰度值相同,确定得到所述目标量子图像;其中,M为大于1的整数。
8.一种数字图像的细化装置,其特征在于,包括:
转换模块,用于将待处理的数字图像中的每一像素的像素坐标和灰度值转换为量子比特,从而得到初始量子图像;
处理模块,用于对所述初始量子图像进行细化处理,得到目标量子图像;
转换模块,还用于将所述目标量子图像中的每一像素的像素坐标和灰度值转换为比特,从而得到目标数字图像。
9.一种电子设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述的方法。
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,该计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110130053.5A CN114820680A (zh) | 2021-01-29 | 2021-01-29 | 数字图像的细化方法及装置、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110130053.5A CN114820680A (zh) | 2021-01-29 | 2021-01-29 | 数字图像的细化方法及装置、设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114820680A true CN114820680A (zh) | 2022-07-29 |
Family
ID=82525608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110130053.5A Pending CN114820680A (zh) | 2021-01-29 | 2021-01-29 | 数字图像的细化方法及装置、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820680A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107204008A (zh) * | 2017-06-08 | 2017-09-26 | 上海海事大学 | 量子图像匹配方法 |
CN108280800A (zh) * | 2018-01-29 | 2018-07-13 | 重庆邮电大学 | 一种量子图像卷积方法 |
US20190042974A1 (en) * | 2018-10-04 | 2019-02-07 | Sahar DARAEIZADEH | Quantum state imaging for memory optimization |
CN110648348A (zh) * | 2019-09-30 | 2020-01-03 | 重庆邮电大学 | 基于neqr表达的量子图像分割方法 |
CN112258543A (zh) * | 2020-10-28 | 2021-01-22 | 重庆邮电大学 | 基于neqr表达的量子图像自适应分割方法 |
-
2021
- 2021-01-29 CN CN202110130053.5A patent/CN114820680A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107204008A (zh) * | 2017-06-08 | 2017-09-26 | 上海海事大学 | 量子图像匹配方法 |
CN108280800A (zh) * | 2018-01-29 | 2018-07-13 | 重庆邮电大学 | 一种量子图像卷积方法 |
US20190042974A1 (en) * | 2018-10-04 | 2019-02-07 | Sahar DARAEIZADEH | Quantum state imaging for memory optimization |
CN110648348A (zh) * | 2019-09-30 | 2020-01-03 | 重庆邮电大学 | 基于neqr表达的量子图像分割方法 |
CN112258543A (zh) * | 2020-10-28 | 2021-01-22 | 重庆邮电大学 | 基于neqr表达的量子图像自适应分割方法 |
Non-Patent Citations (2)
Title |
---|
ZHANG, YI等: "NEQR: a novel enhanced quantum representation of digital images", 《 QUANTUM INFORMATION PROCESSING》, 1 August 2013 (2013-08-01) * |
艾金根;周日贵;: "基于量子指针的量子灰度图像处理", 华东交通大学学报, no. 03, 15 June 2013 (2013-06-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Das et al. | A hybrid approach for Bangla sign language recognition using deep transfer learning model with random forest classifier | |
CN109977943B (zh) | 一种基于yolo的图像目标识别方法、系统和存储介质 | |
WO2022033095A1 (zh) | 一种文本区域的定位方法及装置 | |
CN112580643B (zh) | 一种基于深度学习的车牌识别方法、装置及存储介质 | |
CN113096140B (zh) | 实例分割方法及装置、电子设备及存储介质 | |
US20200279166A1 (en) | Information processing device | |
JP2009514110A (ja) | ポーズによるヒト検出 | |
CN108596944A (zh) | 一种提取运动目标的方法、装置及终端设备 | |
JP2014203135A (ja) | 信号処理装置、信号処理方法、及び、信号処理システム | |
CN110852311A (zh) | 一种三维人手关键点定位方法及装置 | |
CN115620321B (zh) | 表格识别方法及装置、电子设备和存储介质 | |
CN111223128A (zh) | 目标跟踪方法、装置、设备及存储介质 | |
CN114581646A (zh) | 文本识别方法、装置、电子设备及存储介质 | |
US12033364B2 (en) | Method, system, and computer-readable medium for using face alignment model based on multi-task convolutional neural network-obtained data | |
Wasala et al. | Real-time HOG+ SVM based object detection using SoC FPGA for a UHD video stream | |
US11481919B2 (en) | Information processing device | |
WO2011037097A1 (ja) | パターン認識方法及び該方法を用いたパターン認識装置 | |
CN111694954A (zh) | 图像分类方法、装置和电子设备 | |
WO2024174726A1 (zh) | 基于深度学习的手写及打印文本检测方法和装置 | |
CN112862703B (zh) | 基于移动拍照的图像校正方法、装置、电子设备及介质 | |
CN113343866A (zh) | 表格信息的识别方法及装置、电子设备 | |
Mai et al. | Vietnam license plate recognition system based on edge detection and neural networks | |
CN112329666A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN115937947A (zh) | 一种自适应智能人脸识别方法及系统 | |
CN114581454B (zh) | 基于背景差分法的量子图像分割方法、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 |