CN114820742B - 基于二值化和形态学的瓷砖纹理特征提取方法 - Google Patents
基于二值化和形态学的瓷砖纹理特征提取方法 Download PDFInfo
- Publication number
- CN114820742B CN114820742B CN202210347754.9A CN202210347754A CN114820742B CN 114820742 B CN114820742 B CN 114820742B CN 202210347754 A CN202210347754 A CN 202210347754A CN 114820742 B CN114820742 B CN 114820742B
- Authority
- CN
- China
- Prior art keywords
- tile
- picture
- image
- texture feature
- connected domain
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000003708 edge detection Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 51
- 102100035971 Molybdopterin molybdenumtransferase Human genes 0.000 claims description 24
- 101710119577 Molybdopterin molybdenumtransferase Proteins 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 10
- 230000008719 thickening Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 239000000919 ceramic Substances 0.000 abstract description 10
- 238000002474 experimental method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 abstract description 3
- 239000003086 colorant Substances 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于二值化和形态学的瓷砖纹理特征提取方法。首先，对输入的瓷砖图片进行中值滤波并转为灰度图片；再对灰度图用大津法进行二值化，并统一图片颜色使纹理特征为黑色；其次，对图片进行连通域分析，去除特征区域以外的噪点得到图一，再对图片进行膨胀操作并进行反相再进行一次连通域分析，标记特征区域内的噪点得到图二；最后，将图一与图二进行按位异或操作，得到以黑色显示纹理特征的二值图，同时对二值图进行一次边缘检测即可得到表示瓷砖纹理特征的草图，实现瓷砖纹理特征的提取。此外本发明能以二值图或草图这两种形式对瓷砖纹理特征进行输出，多种输出形式满足了不同实验的需要，为瓷砖纹理领域缺乏数据集提供了解决方案。
Description
技术领域
本发明涉及图像处理领域，具体涉及一种基于二值化和形态学的瓷砖纹理特征提取方法。
背景技术
随着人工智能的快速发展，越来越多相关的技术相继被提出。作为实现人工智能的主要方法，机器学习需要基于已有数据集的特性，对未知的数据进行预测。根据数据集是否含有标签属性，可将机器学习分为监督学习、无监督学习和半监督学习三大类。
机器学习的过程就是训练一个模型的过程，一个成熟的模型能很好的实现人们预期的效果。然而，训练一个模型需要大量的数据集，且在瓷砖领域，瓷砖纹理特征相关的数据集少之又少，这方面的机器学习相关的实验难以开展。
发明内容
为了解决瓷砖领域纹理特征数据集少的问题，本发明提出了一种基于二值化和形态学的瓷砖纹理特征提取方法，该方法能对大量瓷砖图像集快速地进行纹理特征提取，并以二值图或草图的形式输出瓷砖的纹理特征，产生机器学习所需的数据集。首先，对输入的瓷砖图片进行中值滤波并转为灰度图片；再对灰度图用大津法进行二值化，并统一图片颜色使纹理特征为黑色；其次，对图片进行连通域分析，去除特征区域以外的噪点得到图一，再对图片进行膨胀操作并进行反相再进行一次连通域分析，标记特征区域内的噪点得到图二；最后，将图一与图二进行按位异或操作，得到最终以黑色显示纹理特征的二值图，若想得到草图，仅需对输出的二值图进行一次边缘检测即可得到表示瓷砖纹理特征的草图，实现瓷砖纹理特征的提取。
本发明的技术方案步骤如下：
一种基于二值化和形态学的瓷砖纹理特征提取方法，所述方法包含如下步骤：
S1、读取待进行纹理特征提取的原始瓷砖图片，并对原始瓷砖图片进行中值滤波后转换为灰度图片，再用大津法对灰度图片进行二值化操作使其转换为二值图；
S2、对所述二值图进行颜色统一操作，将二值图中的纹理特征统一为以黑色表示，再对颜色统一操作后的图像进行连通域分析操作从而得到若干第一连通域，判断每个第一连通域是否属于噪点，若单个第一连通域在所有第一连通域中的面积占比小于第一比例阈值，则将其视为噪点并改为背景区域，最终得到第一中间图像；
S3、对所述第一中间图像依次进行一次膨胀操作和一次反相操作后，再进行连通域分析操作从而得到若干第二连通域，判断每个第二连通域是否属于噪点，若单个第二连通域在所有第二连通域中的面积占比大于第二比例阈值，则将其视为噪点并改为背景区域，最终得到第二中间图像；
S4、将第一中间图像和第二中间图像进行按位异或操作，从而去除纹理特征区域内的噪点，并且使得纹理特征以黑色表示而背景色以白色表示，得到瓷砖纹理特征二值图，对瓷砖纹理特征二值图进行边缘提取操作，得到瓷砖纹理特征图。
作为优选，所述S1的具体方法如下：
S11、对原始瓷砖图片img通过中值滤波函数medianBlur进行中值滤波，得到滤波后图片img1：
img1＝medianBlur(img，A)
式中：A为中值滤波所需的参数；
S12、利用rgb2gray函数将滤波后图片img1转换为灰度形式的灰度图片img2：
img2＝rgb2gray(img1)
S13、对灰度图片img2用大津法进行二值化操作转换为二值图img3：
img3＝Otsuimg(img2)
式中：Otsuimg表示将图片用大津法转换为二值图的转换函数。
作为优选，所述S2的具体做法如下：
S21、通过函数nomarlize对二值图img3进行颜色统一操作，得到二值图中的纹理特征统一为以黑色表示的图像img4：
其中：isb是判断二值图img3的特征区域是否用白色表示的函数，若判断结果为是则函数返回值为1，若判断结果为否则函数返回值为0；bitwise_not表示将二值图img3进行颜色反相操作的函数；
S22、首先对颜色统一操作后的图像img4进行一次连通域分析操作，得到n个第一连通域Gi：
Gi＝connectedComponentsWithStats(img4)
其中connectedComponentsWithStats表示对图像进行一次连通域分析操作的函数，其返回值分别图像中各连通域信息；
然后遍历所有n个第一连通域并对每个第一连通域Gi进行噪点判断，若满足第一连通域Gi的面积时，将对应的第一连通域Gi的颜色涂为背景色，否则将对应的第一连通域Gi视为特征区域进行保留，其中B表示所述第一比例阈值；完成对所有第一连通域的遍历后，得到第一中间图像img5。
作为优选，所述S3的具体做法如下：
S31、利用dilate函数对第一中间图像img5进行膨胀操作，得到膨胀后图像img6：
img6＝dilate(img5，C)
式中：C表示膨胀操作所需的参数；
S32、对膨胀后图像img6进行一次反相操作，得到反相图像img7：
img7＝bitwise_not(img6)
式中：bitwise_not表示将图像进行颜色反相操作的函数；
S33、首先对反相图像img7进行一次连通域分析操作，得到n个第二连通域G′i：
G′i＝connectedComponentsWithStats(img7)
然后遍历所有n个第二连通域并对每个第二连通域G′i进行噪点判断，进行判断，若满足一个第二连通域G′i的面积时，将对应的第二连通域G′i的颜色涂为背景色，否则将对应的第二连通域G′i视为特征区域进行保留，其中D表示所述第二比例阈值；完成对所有第二连通域的遍历后，得到第二中间图像img8。
作为优选，所述S4的具体做法如下：
S41、将第一中间图像img5和第二中间图像img8进行按位异或操作，以去除纹理特征区域内的噪点，并且使得纹理特征以黑色表示而背景色以白色表示，得到瓷砖纹理特征二值图output：
output＝bitwise_xor(img5，img8)
式中：bitwise_xor表示将两张图像进行按位异或操作的函数；
S42、对瓷砖纹理特征二值图output进行一次边缘提取操作，得到瓷砖纹理特征图output′：
output′＝edgedetect(output)
式中：edgedetect表示对图像output进行边缘检测的函数。
作为优选，得到瓷砖纹理特征图output′后，进一步对其进行一次膨胀操作，加粗瓷砖纹理的边缘轮廓线，得到加粗后的瓷砖纹理特征图output″。
作为优选，通过dilate函数实现加粗瓷砖纹理的边缘轮廓线所需的膨胀操作：
output″＝dilate(output′，1)。
作为优选，所有待进行纹理特征提取的原始瓷砖图片按照不同的风格进行分类，并分类存储于数据库中；通过数据表中记录每一类风格的三种信息，第一种信息为该类风格的原始瓷砖图片在数据库中的存储地址路径，第二种信息为该类风格的原始瓷砖图片在进行瓷砖纹理特征提取过程中的参数A、B、C和D，第三种信息为该类风格的原始瓷砖图片最终提取到的瓷砖纹理特征图的输出地址路径；每一张原始瓷砖图片在进行瓷砖纹理特征提取过程中，先按照数据库中记录的存储地址路径读取该原始瓷砖图片，然后基于对应的参数A、B、C和D按照所述S1～S4的过程提取得到瓷砖纹理特征图，最后按照对应的输出地址路径输出并存储该瓷砖纹理特征图。
相对于现有技术而言，本发明的有益效果如下：
本发明基于二值化并结合形态学的方法，可以简单快速地对大量瓷砖图像集进行纹理特征的提取。本发明可通过数据表来实现不同风格类型的瓷砖图片的批量处理，只需在数据表上简单地调整参数便能够应对不同风格类型地瓷砖高效地将瓷砖纹理特征部分进行提取并输出，并且能去除几乎所有的噪点，快速产生大量具有良好效果的显示瓷砖纹理特征的数据集。此外本发明能以二值图或草图这两种形式对瓷砖纹理特征进行输出，多种输出形式满足了不同实验的需要，为瓷砖纹理领域缺乏数据集提供了解决方案。
附图说明
图1为一种基于二值化和形态学的瓷砖纹理特征提取方法的流程图。
图2为部分输入的原始瓷砖图片示例。
图3为提取得到的瓷砖纹理特征二值图。
图4为提取得到的瓷砖纹理特征草图。
图5为瓷砖纹理特征草图线条加粗与未加粗的对比结果。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。本发明各个实施例中的技术特征在没有相互冲突的前提下，均可进行相应组合。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于区分描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
在本发明的一个较佳实施例中，提供了一种基于二值化和形态学的瓷砖纹理特征提取方法，该方法能够对瓷砖图像集进行纹理特征的提取并以二值图或草图的形式输出，输出的结果能被瓷砖相关的机器学习实验作为数据集所使用，对目前机器学习所需要的大量数据集的产生提供了很好的帮助。
该方法可从一张待进行纹理特征提取的原始瓷砖图片img中提取出瓷砖纹理特征图像，其提取过程是以单张原始瓷砖图片img为单位的。但在本实施例中，由于需要对一系列的瓷砖图片构成的瓷砖图像集进行纹理特征的提取，因此进一步结合了数据表来实现瓷砖图片的自动化批量纹理特征提取。在对每一张原始瓷砖图片进行瓷砖纹理特征提取的过程中，需要控制四个关键的参数，分别是中值滤波所需的参数A、第一比例阈值B、膨胀操作所需的参数C和第二比例阈值D。当对不同风格类型的原始瓷砖图片进行瓷砖纹理特征提取时，这四个参数需要针对对应的风格类型进行优化，以便于得到最佳的瓷砖纹理特征提取效果。因此，在本实施例中，为了便于对不同风格类型瓷砖图片的瓷砖纹理特征提取流程进行快速地参数调整，将预先将所有待进行纹理特征提取的原始瓷砖图片按照不同的风格进行分类，并分类存储于数据库中。本实施例中，瓷砖图片的分类原则可根据实际的瓷砖纹理提取效果进行设定，同一风格的瓷砖可通过放入同一文件夹中来实现归类。然后构建一个数据表，通过数据表中记录每一类风格的原始瓷砖图片三种信息，第一种信息为该类风格的原始瓷砖图片在数据库中的存储地址路径(即所在的文件夹路径)，第二种信息为该类风格的原始瓷砖图片在进行瓷砖纹理特征提取过程中的参数A、B、C和D，第三种信息为该类风格的原始瓷砖图片最终提取到的瓷砖纹理特征图的输出地址路径(可以是所输出的文件夹路径)。基于该数据表，每一张原始瓷砖图片在进行瓷砖纹理特征提取过程中，可先按照数据库中记录的存储地址路径读取该原始瓷砖图片，然后基于对应的参数A、B、C和D按照下列S1～S4的过程提取得到瓷砖纹理特征图，最后按照对应的输出地址路径输出并存储该瓷砖纹理特征图。
如图1所示，下面对本实施例中的S1～S4具体实现步骤进行详细描述：
S1、读取待进行纹理特征提取的原始瓷砖图片img，并对原始瓷砖图片进行中值滤波后转换为灰度图片，再用大津法对灰度图片进行二值化操作使其转换为二值图。
在本实施例中，上述步骤S1的具体实现方法如下：
S11、先利用imread函数读入一张原始瓷砖图片img：
其中imread表示从路径imagepath读入一张图像的函数，imagepath可从数据表中获取。
再对原始瓷砖图片img通过中值滤波函数medianBlur进行中值滤波，得到滤波后图片img1：
img1＝medianBlur(img，A)
式中：A为中值滤波所需的参数。参数A具体需要根据中值滤波函数medianBlur所需的输入参数进行确定，本实施例中参数A采用核大小ksize。
S12、利用rgb2gray函数将滤波后图片img1转换为灰度形式的灰度图片img2：
img2＝rgb2gray(img1)
S13、对灰度图片img2用大津法进行二值化操作转换为二值图img3：
img3＝Otsuimg(img2)
式中：Otsuimg表示将图片用大津法转换为二值图的转换函数。
本发明中，大津法(OTSU)，也称为最大类间方差法，其实现原理属于现有技术，对此不再赘述。
S2、对所述二值图进行颜色统一操作，将二值图中的纹理特征统一为以黑色表示，再对颜色统一操作后的图像进行连通域分析操作从而得到若干第一连通域，判断每个第一连通域是否属于噪点，若单个第一连通域在所有第一连通域中的面积占比小于第一比例阈值，则将其视为噪点并改为背景区域，最终得到第一中间图像。
在本实施例中，上述步骤S2的具体实现方法如下：
S21、通过函数nomarlize对二值图img3进行颜色统一操作，得到二值图中的纹理特征统一为以白色表示的图像img4：
其中：isb是判断二值图img3的特征区域是否用黑色表示的函数，若判断结果为是则函数返回值为1，若判断结果为否则函数返回值为0；bitwise_not表示将二值图img3进行颜色反相操作的函数；
S22、首先对颜色统一操作后的图像img4进行一次连通域分析操作，得到n个第一连通域Gi：
Gi＝connectedComponentsWithStats(img4)
其中connectedComponentsWithStats表示对图像进行一次连通域分析操作的函数，其返回值分别图像中各连通域信息；
然后遍历所有n个第一连通域并对每个第一连通域Gi进行噪点判断，若满足第一连通域Gi的面积时，将对应的第一连通域Gi的颜色涂为背景色，否则将对应的第一连通域Gi视为特征区域进行保留，其中B表示所述第一比例阈值；完成对所有第一连通域的遍历后，即完成纹理特征区域外的噪点去除，得到第一中间图像img5。
S3、对所述第一中间图像依次进行一次膨胀操作和一次反相操作后，再进行连通域分析操作从而得到若干第二连通域，判断每个第二连通域是否属于噪点，若单个第二连通域在所有第二连通域中的面积占比大于第二比例阈值，则将其视为噪点并改为背景区域，最终得到第二中间图像。
在本实施例中，上述步骤S3的具体实现方法如下：
S31、利用dilate函数对第一中间图像img5进行膨胀操作，得到膨胀后图像img6：
img6＝dilate(img5，C)
式中：C表示膨胀操作所需的参数。参数C具体需要根据膨胀操作函数dilate所需的输入参数进行确定，本实施例参数C为函数dilate中腐蚀操作被递归执行的次数iterations。
S32、对膨胀后图像img6进行一次反相操作，得到反相图像img7：
img7＝bitwise_not(img6)
式中：bitwise_not表示将图像进行颜色反相操作的函数；
S33、首先对反相图像img7进行一次连通域分析操作，得到n个第二连通域G′i：
G′i＝connectedComponentsWithStats(img7)
然后遍历所有n个第二连通域并对每个第二连通域G′i进行噪点判断，进行判断，若满足一个第二连通域G′i的面积时，将对应的第二连通域G′i的颜色涂为背景色，否则将对应的第二连通域G′i视为特征区域进行保留，其中D表示所述第二比例阈值；完成对所有第二连通域的遍历后，即完成纹理特征区域外的噪点去除，得到第二中间图像img8。
S4、将第一中间图像和第二中间图像进行按位异或操作，从而去除纹理特征区域内的噪点，并且使得纹理特征以黑色表示而背景色以白色表示，得到瓷砖纹理特征二值图，对瓷砖纹理特征二值图进行边缘提取操作，得到瓷砖纹理特征图。
在本实施例中，上述步骤S4的具体实现方法如下：
S41、将第一中间图像img5和第二中间图像img8进行按位异或操作，以去除纹理特征区域内的噪点，并且使得纹理特征以黑色表示而背景色以白色表示，得到瓷砖纹理特征二值图output：
output＝bitwise_xor(img5，img8)
式中：bitwise_xor表示将两张图像进行按位异或操作的函数；
S42、对瓷砖纹理特征二值图output进行一次边缘提取操作，得到瓷砖纹理特征图output′：
output′＝edgedetect(output)
式中：edgedetect表示对图像output进行边缘检测的函数。
另外，需要说明的是，上述S42最终得到的瓷砖纹理特征图output′是瓷砖纹理特征草图，而草图中瓷砖纹理的边缘轮廓线为细线，假如需要加粗边缘轮廓线，则可以在得到瓷砖纹理特征图output′后，进一步对其进行一次膨胀操作，从而得到边缘轮廓线加粗后的瓷砖纹理特征图output″。
本实施例中，该加粗瓷砖纹理的边缘轮廓线所需的膨胀操作可通过dilate函数实现，公式如下：
output″＝dilate(output′，1)。
式中：dilate表示进行一次参数C为1的膨胀操作的函数。
最终输出的瓷砖纹理特征图，可按照数据表中对应的输出存储路径，对应存储至相应的文件夹中，从而形成瓷砖纹理数据集。
在本实施例中，实验表明，本发明只需在数据表上简单地调整参数便能够应对不同类型地瓷砖高效地将瓷砖纹理特征部分进行提取并输出，并且能去除几乎所有的噪点，快速产生大量具有良好效果的显示瓷砖纹理特征的数据集。如图2所示，示例性地展示了6张原始瓷砖图片img，其按照上述S1～S4过程进行瓷砖纹理特征提取后，对应得到了如图3所示的瓷砖纹理特征二值图output，进一步的通过边缘提取操作可得到如图4所示的瓷砖纹理特征草图即瓷砖纹理特征图output′。该瓷砖纹理特征二值图output和瓷砖纹理特征图output′均可以作为结果进行输出并保持，从而形成瓷砖纹理数据集中的图像样本。同时如果需要对草图进行轮廓线加粗，则可以进行膨胀操作，如图5所示，a)和b)分别为加粗之前和加粗之后的草图样式，可根据瓷砖纹理数据集的具体构建需求进行选择。
由此可见，本发明能以二值图或草图这两种形式对瓷砖纹理特征进行输出，多种输出形式满足了不同实验的需要，为瓷砖纹理领域缺乏数据集提供了解决方案。
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (5)
1.一种基于二值化和形态学的瓷砖纹理特征提取方法，其特征在于，所述方法包含如下步骤：
S1、读取待进行纹理特征提取的原始瓷砖图片，并对原始瓷砖图片进行中值滤波后转换为灰度图片，再用大津法对灰度图片进行二值化操作使其转换为二值图；
S2、对所述二值图进行颜色统一操作，将二值图中的纹理特征统一为以黑色表示，再对颜色统一操作后的图像进行连通域分析操作从而得到若干第一连通域，判断每个第一连通域是否属于噪点，若单个第一连通域在所有第一连通域中的面积占比小于第一比例阈值，则将其视为噪点并改为背景区域，最终得到第一中间图像；
S3、对所述第一中间图像依次进行一次膨胀操作和一次反相操作后，再进行连通域分析操作从而得到若干第二连通域，判断每个第二连通域是否属于噪点，若单个第二连通域在所有第二连通域中的面积占比大于第二比例阈值，则将其视为噪点并改为背景区域，最终得到第二中间图像；
S4、将第一中间图像和第二中间图像进行按位异或操作，从而去除纹理特征区域内的噪点，并且使得纹理特征以黑色表示而背景色以白色表示，得到瓷砖纹理特征二值图，对瓷砖纹理特征二值图进行边缘提取操作，得到瓷砖纹理特征图；
所述S1的具体方法如下：
S11、对原始瓷砖图片img通过中值滤波函数medianBlur进行中值滤波，得到滤波后图片img1：
img1＝medianBlur(img,A)
式中：A为中值滤波所需的参数；
S12、利用rgb2gray函数将滤波后图片img1转换为灰度形式的灰度图片img2：
img2＝rgb2gray(img1)
S13、对灰度图片img2用大津法进行二值化操作转换为二值图img3：
img3＝Otsuimg(img2)
式中：Otsuimg表示将图片用大津法转换为二值图的转换函数；
所述S2的具体做法如下：
S21、通过函数nomarlize对二值图img3进行颜色统一操作，得到二值图中的纹理特征统一为以黑色表示的图像img4：
其中：isb是判断二值图img3的特征区域是否用白色表示的函数，若判断结果为是则函数返回值为1，若判断结果为否则函数返回值为0；bitwise_not表示将二值图img3进行颜色反相操作的函数；
S22、首先对颜色统一操作后的图像img4进行一次连通域分析操作，得到n个第一连通域Gi：
Gi＝connectedComponentsWithStats(img4)
其中connectedComponentsWithStats表示对图像进行一次连通域分析操作的函数，其返回值分别图像中各连通域信息；
然后遍历所有n个第一连通域并对每个第一连通域Gi进行噪点判断，若满足第一连通域Gi的面积时，将对应的第一连通域Gi的颜色涂为背景色，否则将对应的第一连通域Gi视为特征区域进行保留，其中B表示所述第一比例阈值；完成对所有第一连通域的遍历后，得到第一中间图像img5；
所述S3的具体做法如下：
S31、利用dilate函数对第一中间图像img5进行膨胀操作，得到膨胀后图像img6：
img6＝dilate(img5,C)
式中：C表示膨胀操作所需的参数；
S32、对膨胀后图像img6进行一次反相操作，得到反相图像img7：
img7＝bitwise_not(img6)
式中：bitwise_not表示将图像进行颜色反相操作的函数；
S33、首先对反相图像img7进行一次连通域分析操作，得到n个第二连通域G′i：
G′i＝connectedComponentsWithStats(img7)
然后遍历所有n个第二连通域并对每个第二连通域G′i进行噪点判断，进行判断，若满足一个第二连通域G′i的面积时，将对应的第二连通域G′i的颜色涂为背景色，否则将对应的第二连通域G′o视为特征区域进行保留，其中D表示所述第二比例阈值；完成对所有第二连通域的遍历后，得到第二中间图像img8。
2.根据权利要求1所述的基于二值化和形态学的瓷砖纹理特征提取方法，其特征在于，所述S4的具体做法如下：
S41、将第一中间图像img5和第二中间图像img8进行按位异或操作，以去除纹理特征区域内的噪点，并且使得纹理特征以黑色表示而背景色以白色表示，得到瓷砖纹理特征二值图output：
output＝bitwise_xor(img5,img8)
式中：bitwise_xor表示将两张图像进行按位异或操作的函数；
S42、对瓷砖纹理特征二值图output进行一次边缘提取操作，得到瓷砖纹理特征图output′：
output′＝edgedetect(output)
式中：edgedetect表示对图像output进行边缘检测的函数。
3.根据权利要求1所述的基于二值化和形态学的瓷砖纹理特征提取方法，其特征在于，得到瓷砖纹理特征图output′后，进一步对其进行一次膨胀操作，加粗瓷砖纹理的边缘轮廓线，得到加粗后的瓷砖纹理特征图output″。
4.根据权利要求3所述的基于二值化和形态学的瓷砖纹理特征提取方法，其特征在于，通过dilate函数实现加粗瓷砖纹理的边缘轮廓线所需的膨胀操作：
output″＝dilate(output′,1)。
5.根据权利要求4所述的基于二值化和形态学的瓷砖纹理特征提取方法，其特征在于，所有待进行纹理特征提取的原始瓷砖图片按照不同的风格进行分类，并分类存储于数据库中；通过数据表中记录每一类风格的三种信息，第一种信息为该类风格的原始瓷砖图片在数据库中的存储地址路径，第二种信息为该类风格的原始瓷砖图片在进行瓷砖纹理特征提取过程中的参数A、B、C和D，第三种信息为该类风格的原始瓷砖图片最终提取到的瓷砖纹理特征图的输出地址路径；每一张原始瓷砖图片在进行瓷砖纹理特征提取过程中，先按照数据库中记录的存储地址路径读取该原始瓷砖图片，然后基于对应的参数A、B、C和D按照所述S1～S4的过程提取得到瓷砖纹理特征图，最后按照对应的输出地址路径输出并存储该瓷砖纹理特征图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210347754.9A CN114820742B (zh) | 2022-04-01 | 2022-04-01 | 基于二值化和形态学的瓷砖纹理特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210347754.9A CN114820742B (zh) | 2022-04-01 | 2022-04-01 | 基于二值化和形态学的瓷砖纹理特征提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114820742A CN114820742A (zh) | 2022-07-29 |
| CN114820742B true CN114820742B (zh) | 2024-06-14 |
Family
ID=82532766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210347754.9A Active CN114820742B (zh) | 2022-04-01 | 2022-04-01 | 基于二值化和形态学的瓷砖纹理特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114820742B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101294347B1 (ko) * | 2012-02-20 | 2013-08-07 | 울산대학교 산학협력단 | 영상의 형태 패턴과 텍스처 특징을 이용한 보도블록의 인식방법 |
| CN103914843B (zh) * | 2014-04-04 | 2018-04-03 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
| CN109685788B (zh) * | 2018-12-22 | 2020-10-30 | 北京工业大学 | 一种基于形态学特征的楼面缺陷图像自动检测方法 |
| CN110033471B (zh) * | 2019-04-19 | 2022-09-13 | 福州大学 | 一种基于连通域分析和形态学操作的框线检测方法 |
| CN113284096B (zh) * | 2021-05-08 | 2023-08-25 | 北京印刷学院 | 一种基于高频信息与轮廓信息的药盒内药板的计数方法 |
| CN113628101B (zh) * | 2021-08-12 | 2023-11-24 | 杭州电子科技大学 | 基于gan网络结构的三阶段瓷砖图像生成方法 |
-
2022
- 2022-04-01 CN CN202210347754.9A patent/CN114820742B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 基于中值滤波和梯度锐化的边缘检测;袁杰;朱斐;;计算机与现代化;20121015(第10期);全文 * |
| 瓷砖图像的纹理特征分类研究;罗三定;彭琼;李婷;;计算机工程与应用(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114820742A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111145209B (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
| JP6395158B2 (ja) | シーンの取得画像を意味的にラベル付けする方法 | |
| CN111709883B (zh) | 一种图像检测方法、装置及设备 | |
| CN112884758B (zh) | 一种基于风格迁移方法的缺陷绝缘子样本生成方法及系统 | |
| CN111667400B (zh) | 一种基于无监督学习的人脸轮廓特征风格化生成方法 | |
| Pizurica et al. | Digital image processing of the Ghent Altarpiece: Supporting the painting's study and conservation treatment | |
| US7254830B2 (en) | Insertion of messages in digital data | |
| CN111932431A (zh) | 基于水印分解模型的可见水印去除方法和电子设备 | |
| CN113095314B (zh) | 一种公式识别方法、装置、存储介质及设备 | |
| CN114444565A (zh) | 一种图像篡改检测方法、终端设备及存储介质 | |
| CN107256543A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN108460390A (zh) | 一种基于特征学习的敏感图像识别方法 | |
| CN116310754A (zh) | 检测伪造人脸图像视频的增量学习方法及系统 | |
| CN113778719A (zh) | 基于复制粘贴的异常检测算法 | |
| CN113822377B (zh) | 基于对比自学习的伪造人脸检测方法 | |
| CN113807237B (zh) | 活体检测模型的训练、活体检测方法、计算机设备及介质 | |
| CN107122785B (zh) | 文本识别模型建立方法和装置 | |
| CN114820742B (zh) | 基于二值化和形态学的瓷砖纹理特征提取方法 | |
| Wang et al. | A multi-scale attentive recurrent network for image dehazing | |
| CN116471210B (zh) | 一种节点渗透监控方法、系统、设备及可读存储介质 | |
| CN113033612A (zh) | 一种图像分类方法和装置 | |
| CN114331894B (zh) | 一种基于潜在特征重构和掩模感知的人脸图像修复方法 | |
| CN113160028B (zh) | 基于彩色字符画的信息隐藏及恢复方法、设备及存储介质 | |
| CN113065407B (zh) | 基于注意力机制和生成对抗网络的财务票据印章擦除方法 | |
| US20140126820A1 (en) | Local Image Translating Method and Terminal with Touch Screen |
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 |