CN114972381A - 图像数据的处理方法、设备以及计算机可读存储介质 - Google Patents
图像数据的处理方法、设备以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114972381A CN114972381A CN202210607391.8A CN202210607391A CN114972381A CN 114972381 A CN114972381 A CN 114972381A CN 202210607391 A CN202210607391 A CN 202210607391A CN 114972381 A CN114972381 A CN 114972381A
- Authority
- CN
- China
- Prior art keywords
- area
- target
- image
- aspect ratio
- 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.)
- Pending
Links
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
- G06T7/11—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
- G06T7/12—Edge-based segmentation
-
- 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
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数字图像处理技术领域,尤其涉及一种图像数据的处理方法、设备以及计算机可读存储介质,其中,所述方法包括:剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像;获取目标连通区域关联的目标面积和/或目标长宽比;将所述初始图像中面积与所述目标面积不匹配,和/或长宽比与所述目标长宽比不匹配的所述连通区域作为干扰区域;剔除所述初始图像中的所述干扰区域,得到目标图像。通过剔除干扰区域,避免干扰区域对后续算法的影响,从而得到精确度更高的图片处理结果,解决了如何去除二值化图像中存在的冗余区域的问题。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其涉及一种图像数据的处理方法、设备以及计算机可读存储介质。
背景技术
提取图像中的特定区域是图像处理中的一种常见手段,通常先将原图像二值化,再提取二值化图像中的连通区域来得到需要的图像。然而这种提取图像的方式无法过滤掉原图像中一些不规则且不需要的冗余区域,会影响到后续根据特定区域进行计算的准确性。
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图像数据的处理方法,旨在解决如何去除二值化图像中存在的冗余区域的问题。
为实现上述目的,本发明提供的一种图像数据的处理方法,所述图像数据的处理方法包括:
剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像;
获取目标连通区域关联的目标面积和/或目标长宽比;
将所述初始图像中面积与所述目标面积不匹配,和/或长宽比与所述目标长宽比不匹配的所述连通区域作为干扰区域;
剔除所述初始图像中的所述干扰区域,得到目标图像。
可选地,所述获取目标连通区域关联的目标面积和/或目标长宽比的步骤之前,还包括:
获取预输入的参考特征信息,所述参考特征信息包括所述连通区域的坐标、长度、宽度和面积;
根据所述参考特征信息确定每一类所述目标连通区域中的至少一个所述目标连通区域。
可选地,所述目标连通区域包括形状不规则的所述连通区域,所述获取目标连通区域关联的目标面积和/或目标长宽比的步骤,还包括:
将所述目标连通区域划分为至少两个规则的目标连通子区域;
获取每一所述目标连通子区域对应的子长度和子宽度;
根据所述子长度和所述子宽度确定所述目标连通子区域的目标子长宽比,和/或根据所述子长度和所述子宽度确定所述目标连通子区域的目标子面积;
根据所述目标子长宽比确定所述目标长宽比,和/或根据所述目标子面积确定所述目标面积。
可选地,所述将所述初始图像中面积与所述目标面积不匹配,和/或长宽比与所述目标长宽比不匹配的所述连通区域作为干扰区域的步骤包括:
确定所述初始图像中每一所述连通区域的所述面积,和/或确定所述初始图像中每一所述连通区域的所述长宽比;
将所述长宽比大于长宽比阈值,和/或所述面积小于面积阈值的连通区域,作为所述干扰区域。
可选地,所述确定所述初始图像中每一所述连通区域的所述面积,和/或确定所述初始图像中每一所述连通区域的所述长宽比的步骤之后,还包括:
根据所述目标长宽比确定所述长宽比阈值,和/或根据所述目标面积确定所述面积阈值,其中,所述长宽比阈值大于所述目标长宽比,所述面积阈值小于所述目标面积。
可选地,所述剔除所述初始图像中的所述干扰区域,得到目标图像的步骤包括:
获取所述干扰区域的灰度值和坐标;
根据所述坐标,将所述干扰区域的所述灰度值置零,以剔除所述干扰区域,得到所述目标图像。
可选地,所述剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像的步骤之前,包括:
采集待处理图像;
将所述待处理图像进行二值化处理,得到所述待处理的二值化图像;
确定所述待处理的二值化图像中的连通区域。
可选地,所述剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像的步骤之前,还包括:
获取采集到的待处理图像中各个像素区域的亮度;
将所述待处理图像中亮度大于所述第一亮度阈值的像素区域的灰度值置空,和/或将所述图像中亮度小于所述第二亮度阈值的所述像素区域的所述灰度值置满,以剔除所述图像中亮度过高和/或过低的所述像素区域。
此外,为实现上述目的,本发明还提供一种图像数据的处理设备,所述图像数据的处理设备包括: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图像数据的处理程序,所述图像数据的处理程序被所述处理器执行时实现如上任一项所述的图像数据的处理方法的各个步骤
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存储有图像数据的处理程序,所述图像数据的处理程序被处理器执行时实现如上实施例所述的图像数据的处理方法的各个步骤。
本发明实施例提供一种图像数据的处理方法、装置以及计算机可读存储介质,其中,所述方法包括:剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像;获取目标连通区域关联的目标面积和/或目标长宽比;将所述初始图像中面积与所述目标面积不匹配,和/或长宽比与所述目标长宽比不匹配的所述连通区域作为干扰区域;剔除所述初始图像中的所述干扰区域,得到目标图像。通过剔除干扰区域,避免干扰区域对后续算法的影响,从而得到精确度更高的图片处理结果,解决了如何去除二值化图像中存在的冗余区域的问题。
附图说明
图1为本发明实施例涉及的图像数据的处理设备的硬件架构示意图;
图2为本发明图像数据的处理方法的第一实施例的流程示意图;
图3为本发明一实施例中得到的待处理的二值化图像示意图;
图4为本发明一实施例中得到的初始图像的示意图;
图5为本发明一实施例中确定形状规则的目标连通区域面积的示意图;
图6为本发明一实施例中确定形状不规则的目标连通区域面积的示意图;
图7为本发明一实施例中确定另一种形状不规则的目标连通区域面积的示意图;
图8为本发明一实施例中得到的目标图像的示意图;
图9为本发明图像数据的处理方法的第二实施例的流程示意图;
图10为本发明图像数据的处理方法的第二实施例的流程示意图。
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
在图像处理过程中,经常用到二值化图片,通过提取二值化图片连通区域,获取需要的区域的中心坐标,然后根据中心坐标执行后续运算,但是简单的二值化并提取连通区域的处理流程,会把一些不规则且不需要的干扰区域一起提取出来,影响后续的计算结果,因此,本发明涉及一种针对不规则图案的筛除算法,具体涉及在图片处理过程中,对二值化图片提取连通区域,筛除不规则的干扰区域,保留规则的区域。
应当理解,本发明的附图中显示了本发明的示例性实施例,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
作为一种实现方案,图像数据的处理设备的硬件架构可以如图1所示。
本发明实施例方案涉及的是图像数据的处理设备,所述图像数据的处理设备包括:处理器101,例如CPU,存储器102,通信总线103。其中,通信总线103用于实现这些组件之间的连接通信。
存储器102可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。如图1所示,作为一种计算机可读存储介质的存储器102中可以包括图像数据的处理程序;而处理器101可以用于调用存储器102中存储的图像数据的处理程序,并执行以下操作:
剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像;
获取目标连通区域关联的目标面积和/或目标长宽比;
将所述初始图像中面积与所述目标面积不匹配,和/或长宽比与所述目标长宽比不匹配的所述连通区域作为干扰区域;
剔除所述初始图像中的所述干扰区域,得到目标图像。
在一实施例中,处理器101可以用于调用存储器102中存储的图像数据的处理程序,并执行以下操作:
获取预输入的参考特征信息,所述参考特征信息包括所述连通区域的坐标、长度、宽度和面积;
根据所述参考特征信息确定每一类所述目标连通区域中的至少一个所述目标连通区域。
在一实施例中,处理器101可以用于调用存储器102中存储的图像数据的处理程序,并执行以下操作:
将所述目标连通区域划分为至少两个规则的目标连通子区域;
获取每一所述目标连通子区域对应的子长度和子宽度;
根据所述子长度和所述子宽度确定所述目标连通子区域的目标子长宽比,和/或根据所述子长度和所述子宽度确定所述目标连通子区域的目标子面积;
根据所述目标子长宽比确定所述目标长宽比,和/或根据所述目标子面积确定所述目标面积。
在一实施例中,处理器101可以用于调用存储器102中存储的图像数据的处理程序,并执行以下操作:
确定所述初始图像中每一所述连通区域的所述面积,和/或确定所述初始图像中每一所述连通区域的所述长宽比;
将所述长宽比大于长宽比阈值,和/或所述面积小于面积阈值的连通区域,作为所述干扰区域。
在一实施例中,处理器101可以用于调用存储器102中存储的图像数据的处理程序,并执行以下操作:
根据所述目标长宽比确定所述长宽比阈值,和/或根据所述目标面积确定所述面积阈值,其中,所述长宽比阈值大于所述目标长宽比,所述面积阈值小于所述目标面积。
在一实施例中,处理器101可以用于调用存储器102中存储的图像数据的处理程序,并执行以下操作:
获取所述干扰区域的灰度值和坐标;
根据所述坐标,将所述干扰区域的所述灰度值置零,以剔除所述干扰区域,得到所述目标图像。
在一实施例中,处理器101可以用于调用存储器102中存储的图像数据的处理程序,并执行以下操作:
采集待处理图像;
将所述待处理图像进行二值化处理,得到所述待处理的二值化图像;
确定所述待处理的二值化图像中的连通区域。
在一实施例中,处理器101可以用于调用存储器102中存储的图像数据的处理程序,并执行以下操作:
获取采集到的待处理图像中各个像素区域的亮度;
将所述待处理图像中亮度大于所述第一亮度阈值的像素区域的灰度值置空,和/或将所述图像中亮度小于所述第二亮度阈值的所述像素区域的所述灰度值置满,以剔除所述图像中亮度过高和/或过低的所述像素区域。
基于上述基于数字图像处理技术的图像数据的处理装置的硬件架构,提出本发明图像数据的处理方法的实施例。
参照图2,在第一实施例中,所述图像数据的处理方法包括以下步骤:
步骤S10,剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像;
在本实施例中,首先对二值化图像中的连通区域的面积进行限定,剔除面积过大和过小区域。连通区域(Connected Component)一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。设定第一阈值和第二阈值,将小于第一阈值的连通区域作为面积过大的区域,大于第二阈值的连通区域作为面积过小的连通区域,将这些过大和/或过小的连通区域从二值化图像中剔除,得到限定过面积后的初始图像。示例性地,需要获取的区域为白纸上的所有圆点区域,图3为进行二值化之后待处理的二值化图像示意图,将图3中灰度值为0(即显示为白色的区域)作为本实施例中需要处理的连通区域,图4为进行面积限定后作为所述初始图像的示意图。
可选地,在处理二值化图像之前,需要将采集到的图像作二值化处理,示例性地,本实施例中通过OpenCV(一个开源的计算机视觉框架软件)中的threshold函数对图像进行二值化处理。
可选地,连通区域的确定方式可以是通过连通域分析算法来进行确定,可以通过两次遍历(Two-Pass)法或者种子填充(Seed-Filling)法,这种算法较为现有,此处不再赘述。示例性地,通过将图像输入OpenCV中,使用OpenCV自带的API软件包,来确定出连通区域,并获取到连通区域的特征信息,包括但不限于坐标、长、宽以及面积等。
可选地,可以通过改变连通区域的灰度值来达到剔除该区域的效果。将二值化图像中连通区域的面积中判断过大和/或过小的连通区域的灰度值均置为255(即变为黑色区域),在后续的计算过程中限定只处理灰度值为0的白色区域,从而达到“剔除”的效果。
步骤S20,获取目标连通区域关联的目标面积和/或目标长宽比;
在得到初始图像之后,获取目标连通区域的特征信息,所述特征信息包括每个连通区域的坐标、长、宽、对角线长度以及面积等,根据这些特征信息确定出目标连通区域关联的目标面积和/或目标长宽比。
可选地,参考图5,以目标连通区域为规则的圆点区域为例,目标面积可以由连通区域的长乘以宽得到,目标长宽比则是用长除以宽的得到的比例值。由于根据长乘以宽得到的面积区域为矩形区域,因此我们确定出的目标连通区域的目标面积为所述目标连通区域的最小外接矩形的面积。
可选地,在另一中具体实施方式中,当目标连通区域为不规则的多边区域时,将目标连通区域划分为至少两个规则的目标连通子区域(如矩形或圆形),确定每一子区域的子长宽比和子面积,根据每一子区域的子长宽比确定出目标长宽比,和/或每一目标子面积确定出目标面积。示例性地,如图6所示的较为简单的不规则多边区域,可以将多边区域划分为一个半椭圆区域和一个矩形区域,分别确定它们的子面积和/或子长宽比之后,将子面积相加得到目标面积,根据两个子区域的相对位置关系确定出所述多边区域的目标长宽比,例如,图6中椭圆的长宽比为3:1,矩形的长宽比为3:2,则整个多变区域的长宽比则为3:3。示例性地,当目标连通区域为如图7所示的较为复杂的多边区域时,可以将目标连通区域划分为若干个矩形子区域,将这些矩形子区域的面积相加可以得到近似的多边区域面积,由于图7中的矩形子区域是横向划分的,因此将每一子长度相加得到所述目标连通区域的宽度,将子长度值最大的矩形作为所述目标连通区域的长度,根据所述宽度和所述长度确定出所述目标连通区域的目标长宽比。
可选地,为了减小获取到的目标连通区域的目标面积的误差,可以引入一个K值来确定目标面积,例如,目标连通区域为规则的圆点区域,根据长乘以宽得到的最小外接矩形面积相较于圆点区域的面积较大,则目标面积为所述最小外接矩形面积加上K值(K值为负)。当然,K值的正负可以由开发人员根据实际需要所确定,在此处仅作为一种参考,不做限定。
步骤S30,将所述初始图像中面积与所述目标面积不匹配,和/或长宽比与所述目标长宽比不匹配的所述连通区域作为干扰区域;
步骤S40,剔除所述初始图像中的所述干扰区域,得到目标图像。
在获取目标连通区域关联的目标面积和/或目标长宽比之后,基于目标面积和/或目标长宽比,将初始图像中与所述目标面积和/或所述目标长宽比不匹配的区域作为影响后续图像计算的不需要的干扰区域。
可选地,匹配条件可以为将所述长宽比大于长宽比阈值,和/或所述面积与小于面积阈值的连通区域,作为所述干扰区域。其中,长宽比阈值可以根据目标长宽比确定,面积阈值根据目标面积确定。
示例性地,以圆点区域作为目标连通区域,如图4所示的进行面积限定后作为所述初始图像的示意图,可以看到,其中还存在一些与圆点区域无关的白色区域,这些区域均为需要去除的干扰区域,这些干扰区域与圆点区域的面积近似,因此无法单纯通过面积限定来剔除。为了剔除这种面积相似的干扰区域,引入长宽比来区别目标区域和干扰区域,通过获取初始图像中每一连通区域的特征信息(获取方式可以使用OpenCV中自带的API函数),包括但不限于坐标、长、宽、面积等特征参数,确定出每一连通区域的面积和长宽比,分别将面积和长宽比与对应阈值相匹配,将长宽比大于所述长宽比阈值,和/或面积小于所述面积阈值的连通区域作为干扰区域。需要强调的是,经过研发人员测试,在如图4的圆点区域作为目标连通区域,剔除干扰区域的过程中,面积阈值为所述目标面积的二分之一,长宽比阈值为2时,剔除效果较佳,处理得到的目标图像如图8所示。需要强调的是,理论上来说圆形的长宽比应该为1,但是由于得到的初始图像中的圆形区域可能会呈现为椭圆,长宽比近似会在1~2之间进行浮动,因此,为避免作为目标连通区域的圆形区域也被剔除,长宽比阈值应当大于实际的目标长宽比,并且面积阈值也应当小于目标面积。
此外,还需要强调的是,也可以仅根据长宽比剔除干扰区域,但是剔除的精确度低于根据长宽比和面积共同进行剔除的方案。
在本实施例提供的技术方案中,首先剔除二值化图像中面积过大和/或过小的连通区域,得到经过第一步处理的初始图像,获取需要保留的目标连通区域的长宽比和面积,作为目标长宽比和目标面积,将初始图像中长宽比与所述目标长宽比不匹配,和/或面积与所述目标面积不匹配的干扰区域剔除,最后得到目标图像。通过剔除干扰区域,避免干扰区域对后续算法的影响,从而得到精确度更高的图片处理结果。
参照图9,在第二实施例中,基于第一实施例,所述步骤S20之前,还包括:
步骤S50,获取预输入的参考特征信息,所述参考特征信息包括所述连通区域的坐标、长度、宽度和面积;
步骤S60,根据所述参考特征信息确定每一类所述目标连通区域中的至少一个所述目标连通区域。
可选地,本实施例提供一种目标连通区域的确定方式。在本实施例中,在获取目标连通区域关联的目标面积和/或目标长宽比的步骤之前,获取预输入的参考特征信息,参考特征信息包括所述连通区域的坐标、长度、宽度和面积,将所述参考特征信息与所述初始图像中的各个连通区域进行匹配,将符合该特征信息的连通区域作为目标连通区域。由于图像中可能存在多种类型的规则的连通区域,可以包括但不限于圆心、方形、星形和三角形等常见类型的规则图形,不同类型的图形区域对应的参考特征信息不同,因此根据参考特征信息确定出每一类所述目标连通区域中的至少一个所述目标连通区域,从而自动在图像中选出需要提取的目标区域作为目标连通区域。可选地,目标连通区域也可以是不规则的连通区域。
示例性地,图3中,设定需要提取的目标区域为图中9×12的圆点区域,这些圆点区域的特点在于它们的形状相同且规则,因此它们的部分特征信息的参数是相同的,如长、宽、面积,因此,我们需要确定圆点区域中其中一个圆对应的长、宽、面积,以及该圆点在整个图像中的坐标。为了使机器能够识别到我们需要提取出的区域,将这些圆点区域的特征信息作为参考值预先输入在机器中,机器根据这些参数匹配到对应的区域,作为目标连通区域,从而在后续的图像处理过程中,能够基于目标连通区域,对其他作为干扰区域的部分进行剔除。
可选地,在一些实施方案中,也可以在进行图像处理前,或者在得到初始图像之后,输出一连通区域的选择界面,通过所述选择界面选择图像中的特定连通区域作为目标连通区域。
需要说明的是,在一些实施方案中,也可以在确定出的目标连通区域之后,只保留目标连通区域,从而直接剔除图像中其它非目标连通区域的所有区域,但由于预输入的参考特征信息可能与连通区域的实际信息之间存在误差,这种剔除图像的实施方案会将原本作为目标连通区域的图像部分一同剔除,因此这种实施方案的图像提取的精确性低于我们在第一实施例中所提及的方案。
在本实施例提供的技术方案中,为了使机器能够识别到我们需要提取出的区域,将需要提取的区域的特征信息作为参考特征信息,输入至机器中使机器匹配识别到符合该参考特征信息的区域作为目标连通区域。从而在后续的图像处理过程中,能够基于目标连通区域,对其他作为干扰区域的部分进行剔除。
参照图10,在第三实施例中,基于第一实施例,所述步骤S10之前,还包括:
步骤S70,获取采集到的待处理图像中各个像素区域的亮度;
步骤S80,将所述待处理图像中亮度大于所述第一亮度阈值的像素区域的灰度值置空,和/或将所述图像中亮度小于所述第二亮度阈值的所述像素区域的所述灰度值置满,以剔除所述图像中亮度过高和过低的所述像素区域。
可选地,在采集到的待处理图像中,可能会在需要提取的目标区域之外,出现形状、面积相似的区域,会导致该区域无法被机器识别为干扰区域,从而无法去除,因此,在本实施例中,在执行连通区域面积限定的步骤之前,还可以引入亮度参数对图像进行处理。在本实施例中,采集到的待处理图像,其图像中的亮度会基于画面位置的不同而不同,通常我们采集的图像中,需要提取的目标区域都处于图像画面的中心位置,中心位置的图像亮度是较为适宜的,基于中心位置的亮度确定第一亮度阈值和第二亮度阈值,其中,所述第一亮度阈值大于第二亮度阈值。获取待处理图像中每一像素区域的亮度,将待处理图像中亮度大于所述第一亮度阈值的像素区域的灰度值置空(变白),和/或将所述图像中亮度小于所述第二亮度阈值的所述像素区域的所述灰度值置满(变黑),从而在图像中将亮度相对于中心位置过高和/或过低的像素区域剔除。
在本实施例提供的技术方案中,通过引入亮度参数,将采集到的待处理图像中被定义为亮度过高和/或过低的区域剔除,从而得到与中心区域亮度相近的图像,也是一种将干扰区域剔除的图像处理方法,避免干扰区域对后续算法的影响,从而得到精确度更高的图片处理结果。
此外,本发明还提供一种图像数据的处理设备,所述图像数据的处理设备包括: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图像数据的处理程序,所述图像数据的处理程序被所述处理器执行时实现如上任一项所述的图像数据的处理方法的各个步骤
此外,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存储有图像数据的处理程序,所述图像数据的处理程序被处理器执行时实现如上实施例所述的图像数据的处理方法的各个步骤。
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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
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计算机可读存储介质(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 (10)
1.一种图像数据的处理方法,其特征在于,所述图像数据的处理方法的步骤包括:
剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像;
获取目标连通区域关联的目标面积和/或目标长宽比;
将所述初始图像中面积与所述目标面积不匹配,和/或长宽比与所述目标长宽比不匹配的所述连通区域作为干扰区域;
剔除所述初始图像中的所述干扰区域,得到目标图像。
2.如权利要求1所述的图像数据的处理方法,其特征在于,所述获取目标连通区域关联的目标面积和/或目标长宽比的步骤之前,还包括:
获取预输入的参考特征信息,所述参考特征信息包括所述连通区域的坐标、长度、宽度和面积;
根据所述参考特征信息确定每一类所述目标连通区域中的至少一个所述目标连通区域。
3.如权利要求1所述的图像数据的处理方法,其特征在于,所述目标连通区域包括形状不规则的所述连通区域,所述获取目标连通区域关联的目标面积和/或目标长宽比的步骤包括:
将所述目标连通区域划分为至少两个规则的目标连通子区域;
获取每一所述目标连通子区域对应的子长度和子宽度;
根据所述子长度和所述子宽度确定所述目标连通子区域的目标子长宽比,和/或根据所述子长度和所述子宽度确定所述目标连通子区域的目标子面积;
根据所述目标子长宽比确定所述目标长宽比,和/或根据所述目标子面积确定所述目标面积。
4.如权利要求1所述的图像数据的处理方法,其特征在于,所述将所述初始图像中面积与所述目标面积不匹配,和/或长宽比与所述目标长宽比不匹配的所述连通区域作为干扰区域的步骤包括:
确定所述初始图像中每一所述连通区域的所述面积,和/或确定所述初始图像中每一所述连通区域的所述长宽比;
将所述长宽比大于长宽比阈值,和/或所述面积小于面积阈值的连通区域,作为所述干扰区域。
5.如权利要求4所述的图像数据的处理方法,其特征在于,所述确定所述初始图像中每一所述连通区域的所述面积,和/或确定所述初始图像中每一所述连通区域的所述长宽比的步骤之后,还包括:
根据所述目标长宽比确定所述长宽比阈值,和/或根据所述目标面积确定所述面积阈值,其中,所述长宽比阈值大于所述目标长宽比,所述面积阈值小于所述目标面积。
6.如权利要求1所述的图像数据的处理方法,其特征在于,所述剔除所述初始图像中的所述干扰区域,得到目标图像的步骤包括:
获取所述干扰区域的灰度值和坐标;
根据所述坐标,将所述干扰区域的所述灰度值置零,以剔除所述干扰区域,得到所述目标图像。
7.如权利要求1所述的图像数据的处理方法,其特征在于,所述剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像的步骤之前,还包括:
采集待处理图像;
将所述待处理图像进行二值化处理,得到所述待处理的二值化图像;
确定所述待处理的二值化图像中的连通区域。
8.如权利要求1所述的图像数据的处理方法,其特征在于,所述剔除待处理的二值化图像中面积小于第一阈值的连通区域,和/或剔除所述二值化图像中面积大于第二阈值的所述连通区域,得到初始图像的步骤之前,还包括:
获取采集到的待处理图像中各个像素区域的亮度;
将所述待处理图像中亮度大于所述第一亮度阈值的像素区域的灰度值置空,和/或将所述图像中亮度小于所述第二亮度阈值的所述像素区域的所述灰度值置满,以剔除所述图像中亮度过高和/或过低的所述像素区域。
9.一种图像数据的处理设备,其特征在于,所述图像数据的处理设备包括: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图像数据的处理程序,所述图像数据的处理程序被所述处理器执行时实现如权利要求1-8中任一项所述的图像数据的处理方法的步骤。
10.一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图像数据的处理程序,所述图像数据的处理程序被处理器执行时实现如权利要求1-8中任一项所述的图像数据的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607391.8A CN114972381A (zh) | 2022-05-31 | 2022-05-31 | 图像数据的处理方法、设备以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607391.8A CN114972381A (zh) | 2022-05-31 | 2022-05-31 | 图像数据的处理方法、设备以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114972381A true CN114972381A (zh) | 2022-08-30 |
Family
ID=82957961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210607391.8A Pending CN114972381A (zh) | 2022-05-31 | 2022-05-31 | 图像数据的处理方法、设备以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972381A (zh) |
-
2022
- 2022-05-31 CN CN202210607391.8A patent/CN114972381A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3785603A1 (en) | Machine learning-based fundus image detection method, apparatus, and system | |
JP2016505186A (ja) | エッジ保存・ノイズ抑制機能を有するイメージプロセッサ | |
CN111461100B (zh) | 一种票据识别方法、装置、电子设备和存储介质 | |
US11151402B2 (en) | Method of character recognition in written document | |
JP4558232B2 (ja) | 画像処理方法、画像処理装置および画像処理方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN110490204B (zh) | 图像处理方法、图像处理装置及终端 | |
CN113688838B (zh) | 红色笔迹提取方法、系统、可读存储介质及计算机设备 | |
US10885326B2 (en) | Character recognition method | |
CN112396050B (zh) | 图像的处理方法、设备以及存储介质 | |
CN109903294B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN112052782A (zh) | 基于环视的停车位识别方法、装置、设备及存储介质 | |
CN115018797A (zh) | 屏幕缺陷的检测方法、检测设备以及计算机可读存储介质 | |
CN111626249A (zh) | 题目图像中几何图形的识别方法、装置和计算机存储介质 | |
CN114792310A (zh) | 一种LCD屏幕中边缘模糊的Mura缺陷检测方法 | |
US11068740B2 (en) | Particle boundary identification | |
CN117314880A (zh) | 图像缺陷检测方法及装置 | |
CN114972381A (zh) | 图像数据的处理方法、设备以及计算机可读存储介质 | |
CN116976372A (zh) | 基于方形基准码的图片识别方法、装置、设备及介质 | |
EP2919149A2 (en) | Image processing apparatus and image processing method | |
JPH1125222A (ja) | 文字切り出し方法及び文字切り出し装置 | |
CN111753573B (zh) | 二维码图像识别方法、装置、电子设备以及可读存储介质 | |
CN116579968A (zh) | 用于食材图像的识别方法及装置、蒸烤设备、存储介质 | |
CN111612005A (zh) | 文字检测方法及装置 | |
CN106934814B (zh) | 一种基于图像的背景信息识别方法及装置 | |
CN111931688A (zh) | 船只识别方法、装置、计算机设备及存储介质 |
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 |