CN115345887B - 一种亮斑检测方法、装置、设备及存储介质 - Google Patents
一种亮斑检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115345887B CN115345887B CN202211283784.4A CN202211283784A CN115345887B CN 115345887 B CN115345887 B CN 115345887B CN 202211283784 A CN202211283784 A CN 202211283784A CN 115345887 B CN115345887 B CN 115345887B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- bright spot
- direction histogram
- binary 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种亮斑检测方法、装置、设备及存储介质,其中,亮斑检测方法包括:获取待检测图像,作为目标图像;将目标图像处理为二值图像;获取二值图像对应的竖直方向直方图和水平方向直方图,其中,竖直方向直方图能够反映对应图像的每列像素点中灰度值为255的像素点的数量,水平方向直方图能够反映对应图像的每行像素点中灰度值为255的像素点的数量;基于二值图像对应的竖直方向直方图和水平方向直方图,确定目标图像中是否存在有效亮斑。本发明提供的亮斑检测方法适用于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑的检测,检测效果较好。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种亮斑检测方法、装置、设备及存储介质。
背景技术
具有扫描功能的电子设备(比如词典笔),可对扫描对象进行扫描,从而得到扫描图像。在某些应用场景中,希望能够获得质量较好的扫描图像,若要获得质量较好的扫描图像,要求扫描对象不能反光、吸光、过曝等,然而,并非所有的扫描对象都能满足上述要求,扫描对象不满足上述要求会导致扫描图像中出现亮斑。
在通过扫描获得扫描图像后,若能获知扫描图像中存在亮斑,则可采取一些应对策略(比如,自动调节电子设备的摄像头灯珠的亮度、对亮斑进行融合处理等),以获得质量较好的扫描图像。若要获知扫描图像中是否存在亮斑,可对扫描图像进行亮斑检测,而如何对扫描图像进行亮斑检测是当前亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种亮斑检测方法、装置、设备及存储介质,用以检测扫描图像中是否存在有效亮斑,其技术方案如下:
一种亮斑检测方法,包括:
获取待检测图像,作为目标图像;
将所述目标图像处理为二值图像,得到的二值图像作为第一二值图像;
获取所述第一二值图像对应的竖直方向直方图和水平方向直方图,其中,所述竖直方向直方图能够反映对应图像的每列像素点中灰度值为255的像素点的数量,所述水平方向直方图能够反映对应图像的每行像素点中灰度值为255的像素点的数量;
基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
可选的,所述将所述目标图像处理为二值图像,包括:
对所述目标图像进行预处理,其中,所述预处理用于弱化所述目标图像中干扰亮斑检测的信息;
获取预处理后图像对应的灰度直方图,其中,所述灰度直方图能够反映对应图像在每个灰度级上的像素点数量;
基于所述灰度直方图确定目标灰度范围,其中,所述目标灰度范围为亮斑灰度分布范围;
从所述目标灰度范围中选取灰度值,选取的灰度值作为二值化阈值;
基于所述二值化阈值,对所述预处理后图像进行二值化。
可选的,所述基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑,包括:
判别所述第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,并基于判别结果确定所述目标图像中是否存在有效亮斑。
可选的,所述有效亮斑的亮斑特征包括:
在水平方向上,亮斑依次变大;
在竖直方向上,亮斑关于中心线对称;
在竖直方向上,亮斑成对出现。
可选的,所述从所述目标灰度范围中选取灰度值,选取的灰度值作为二值化阈值,包括:
从所述目标灰度范围中选取多个灰度值,选取的每个灰度值作为一个二值化阈值,以得到多个二值化阈值;
所述将所述目标图像处理为二值图像,得到的二值图像作为第一二值图像,包括:
基于每个二值化阈值,对所述预处理后图像进行二值化,得到多个第一二值图像;
所述判别所述第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,并基于判别结果确定所述目标图像中是否存在有效亮斑,包括:
判别所述多个第一二值图像分别对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符;
若所述多个第一二值图像中有至少一个第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征相符,则确定所述目标图像中存在有效亮斑。
可选的,在基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,无法确定所述目标图像中是否存在有效亮斑的情况下,所述亮斑检测方法还包括:
获取所述预处理后图像对应的列像素值统计图,其中,所述列像素值统计图能够反映对应图像的每列像素点的像素值之和;
基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,并确定所述目标区域对应的二值化阈值,其中,所述目标区域为可能包含亮斑的区域;
对所述预处理后图像中的非目标区域进行二值化,并基于所述目标区域对应的二值化阈值对所述目标区域进行二值化,得到所述预处理后图像对应的二值图像,作为第二二值图像;
获取所述第二二值图像对应的竖直方向直方图和水平方向直方图,并基于所述第二二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
可选的,所述基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,包括:
确定所述列像素值统计图中若干波峰分别对应的横坐标位置,其中,所述横坐标位置为可能出现亮斑的横坐标位置;
基于所述若干波峰分别对应的横坐标位置和预设的偏移值,从所述预处理后图像中确定对应于每个波峰的目标区域,以得到若干目标区域。
可选的,所述确定所述目标区域对应的二值化阈值,包括:
针对每个目标区域,根据对应的波峰的高度,确定二值化阈值,以得到每个目标区域对应的二值化阈值。
可选的,在基于所述第二二值图像对应的竖直方向直方图和水平方向直方图无法确定所述目标图像中是否存在有效亮斑的情况下,所述亮斑检测方法还包括:
若所述第二二值图像对应的水平方向直方图所反映的亮斑特征为亮斑关于中心线对称,则检测所述目标图像中的对称亮斑对,并检测所述目标图像中的孤立亮斑;
基于检测出的对称亮斑对确定所述第二二值图像的水平分割线,其中,所述水平分割线为所述对称亮斑对的对称中心线;
将所述第二二值图像中的孤立亮斑的像素值置0,得到处理后的第二二值图像,并基于所述水平分割线对所述处理后的第二二值图像进行分割,得到两个子图像;
基于所述两个子图像,确定所述目标图像中是否存在有效亮斑。
可选的,所述基于检测出的对称亮斑对确定所述第二二值图像的水平分割线,包括:
针对每个对称亮斑对:
确定该对称亮斑对中第一亮斑的最小纵坐标和最大纵坐标以及第二亮斑的最小纵坐标和最大纵坐标;
确定该对称亮斑对中第一亮斑的最小纵坐标与第二亮斑的最大纵坐标的均值,作为该对称亮斑对的第一中心值;
确定该对称亮斑对中第一亮斑的最大纵坐标与第二亮斑的最小纵坐标的均值,作为该对称亮斑对的第二中心值;
确定该对称亮斑对的第一中心值与该对称亮斑对的第二中心值的均值,作为该对称亮斑对的目标中心值;
确定各对称亮斑对的目标中心值的均值,将以各对称亮斑对的目标中心值的均值为纵坐标的水平线作为所述第二二值图像的水平分割线。
可选的,所述基于所述两个子图像,确定所述目标图像中是否存在有效亮斑,包括:
从所述两个子图像中确定关于所述水平分割线对称的两个图像区域;
将所述两个图像区域中的对称像素点对进行像素值融合,以得到融合图像,其中,若一对称像素点对的像素值之和大于或等于255,则将255确定为该对称像素点对的融合结果,否则,将0确定该为该对称像素点对的融合结果;
获取所述融合图像对应的竖直方向直方图;
根据所述融合图像对应的竖直方向直方图,确定所述目标图像中是否存在有效亮斑。
可选的,所述将所述目标图像处理为二值图像,包括:
对所述目标图像进行预处理,其中,所述预处理用于弱化所述目标图像中干扰亮斑检测的信息;
获取所述预处理后图像对应的列像素值统计图,其中,所述列像素值统计图能够反映对应图像的每列像素点的像素值之和;
基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,并确定所述目标区域对应的二值化阈值,其中,所述目标区域为可能包含亮斑的区域;
对所述预处理后图像中的非目标区域进行二值化,并基于所述目标区域对应的二值化阈值对所述目标区域进行二值化。
一种亮斑检测装置,包括:图像获取模块、图像处理模块、直方图获取模块和亮斑判别模块;
所述图像获取模块,用于获取待检测图像,作为目标图像;
所述图像处理模块,用于将所述目标图像处理为二值图像,得到的二值图像作为第一二值图像;
所述直方图获取模块,用于获取所述第一二值图像对应的竖直方向直方图和水平方向直方图,其中,所述竖直方向直方图能够反映对应图像的每列像素点中灰度值为255的像素点的数量,所述水平方向直方图能够反映对应图像的每行像素点中灰度值为255的像素点的数量;
所述亮斑判别模块,用于基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
一种亮斑检测设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现上述任一项所述的亮斑检测方法的各个步骤。
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亮斑检测方法的各个步骤。
本发明提供的亮斑检测方法、装置、设备及存储介质,在获得待检测图像即目标图像后,首先将目标图像处理为二值图像,然后获取二值图像对应的竖直方向直方图和水平方向直方图,最后基于二值图像对应的竖直方向直方图和水平方向直方图,确定目标图像中是否存在有效亮斑。考虑到因扫描对象存在反光、吸光、过曝等情况而导致的亮斑具有一定的特征,且亮斑的像素灰度值为255,本发明获取二值图像对应的竖直方向直方图(竖直方向直方图能够反映二值图像的每列像素点中灰度值为255的像素点的数量)和水平方向直方图(水平方向直方图能够反映二值图像的每行像素点中灰度值为255的像素点的数量),基于二值图像对应的竖直方向直方图和水平方向直方图,确定目标图像中是否存在有效亮斑。本发明提供的亮斑检测方法对于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑,具有较好的检测效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的第一种亮斑检测方法的流程示意图;
图2 (a) ~图2(c)为本发明实施例提供的目标图像的三个示例;
图3为对图2(b)进行滤波处理后的图像;
图4为图3所示图像对应的灰度直方图;
图5为本发明实施例提供的对预处理后图像进行二值化得到的二值图像的一示例;
图6为图5示出的二值图像对应的竖直方向直方图;
图7为图5示出的二值图像对应的水平方向直方图;
图8为本发明实施例提供的第二种亮斑检测方法的流程示意图;
图9为本发明实施例提供的列像素值统计图的一示例;
图10为本发明实施例提供的基于对应于5个波峰的横坐标范围从预处理后图像中确定出的5个目标区域的示意图;
图11为本发明实施例提供的第三种亮斑检测方法的流程示意图;
图12为本发明实施例提供的第二二值图像的一示例;
图13(a)和图13(b)依次为图12示出的第二二值图像对应的竖直方向直方图和水平方向直方图;
图14为对图12示出的第二二值图像进行处理得到的融合图像;
图15为图14示出的融合图像对应的竖直方向直方图;
图16为本发明实施例提供的第四种亮斑检测方法的流程示意图;
图17为本发明实施例提供的第五种亮斑检测方法的流程示意图;
图18为本发明实施例提供的亮斑检测装置的结构示意图;
图19为本发明实施例提供的亮斑检测设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前存在一些亮斑检测方法,但是,这些方法并不适用于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑,有鉴于此,本发明提出了一种适用于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑的检测方法。
在介绍本发明提供的亮斑检测方法之前,先对本发明涉及的硬件架构进行说明。
在一种可能的实现方式中,本发明涉及的硬件架构可以包括:具有扫描功能及数据处理能力的电子设备。
示例性的,电子设备可以但不限定为扫描笔,比如词典笔等。
电子设备可对扫描对象进行扫描,以得到扫描图像,在获得扫描图像后,可采用本发明提供的亮斑检测方法对扫描图像进行亮斑检测。
在另一种可能的实现方式中,本发明涉及的硬件架构可以包括:具有扫描功能的电子设备,以及服务器。
示例性的,电子设备可以为扫描笔,比如词典笔等。
示例性的,服务器可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务器中心。服务器可以包括处理器、存储器以及网络接口等。
示例性的,电子设备可以通过无线通信网络与服务器建立连接并通信;示例性的,电子设备可以通过有线通信网络与服务器建立连接并通信。
电子设备可对扫描对象进行扫描,以得到扫描图像,然后将扫描图像通过通信网络传输至服务器,服务器按本发明提供的亮斑检测方法对扫描图像进行亮斑检测。
本领域技术人员应能理解上述电子设备和服务器仅为举例,其它现有的或今后可能出现的电子设备或服务器如可适用于本发明,也应包含在本发明保护范围以内,并在此以引用方式包含于此。
接下来通过下述实施例对本发明提供的亮斑检测方法进行介绍。
第一实施例
请参阅图1,示出了本发明提供的一种亮斑检测方法的流程示意图,可以包括:
步骤S101:获取待检测图像,作为目标图像。
其中,待检测图像即目标图像为具有扫描功能的电子设备(比如词典笔),对扫描对象(比如电子设备的屏幕、反光纸等)进行扫描而得到图像。图2示出了词典笔对电子设备的屏幕进行扫描得到图像,图2(a)~图2(c)示出的三幅图像的亮斑不同主要是因为握笔倾角不同。
步骤S102:将目标图像处理为二值图像。
在一种可能的实现方式中,将目标图像处理为二值图像的过程可以包括:
步骤S1021、对目标图像进行预处理。
其中,预处理用于弱化目标图像中干扰亮斑检测的信息。
可选的,预处理可以为滤波处理,即,对目标图像进行滤波处理,通过对目标图像进行滤波处理可以弱化干扰背景以及干扰亮斑点。图3示出了对图2(b)进行滤波处理后的图像。
步骤S1022、获取预处理后图像对应的灰度直方图。
其中,预处理后图像对应的灰度直方图能够反映预处理后图像在每个灰度级上的像素点数量。可统计预处理后图像在每个灰度级上的像素点数量,进而可获得预处理后图像对应的灰度直方图。请参阅图4,示出了灰度直方图的一示例,图4所示出的灰度直方图为图3所示图像对应的灰度直方图。
步骤S1023、基于预处理后图像对应的灰度直方图,确定目标灰度范围。
其中,目标灰度范围为亮斑灰度分布范围。
考虑到亮斑像素点的数量较少,且亮斑像素点在某个灰度范围内的分布较为均匀,可结合这两方面确定亮斑灰度分布范围,即目标灰度范围。
对于图4示出灰度直方图,结合上述的两个方面(即亮斑像素点的数量较少,且亮斑像素点在某个灰度分布范围内的分布较为均匀),可确定亮斑灰度分布范围为150~255。
步骤S1024、从目标灰度范围中选取灰度值,选取的灰度值作为二值化阈值,并基于二值化阈值,对预处理后图像进行二值化。
请参阅图5,示出了对预处理后图像进行二值化得到的二值图像的一示例。
步骤S1024的实现方式有多种,本实施例提供如下两种可选的实现方式:
第一种实现方式:从目标灰度范围中选取一个灰度值,将选取的该灰度值作为二值化阈值,基于该二值化阈值对预处理后图像进行二值化。
第二种实现方式:从目标灰度范围中选取多个灰度值,选取的每个灰度值作为一个二值化阈值,以得到多个二值化阈值;基于每个二值化阈值,对预处理后图像进行二值化。
为了能够获得更加准确的检测结果,本发明优选第二种实现方式。
步骤S103:获取二值图像对应的竖直方向直方图和水平方向直方图。
其中,二值图像对应的竖直方向直方图能够反映二值图像的每列像素点中灰度值为255的像素点的数量。可统计二值图像的每列像素点中灰度值为255的像素点的数量,以获得二值图像对应的竖直方向直方图。图6示出了竖直方向直方图的一示例,其为图5示出的二值图像对应的竖直方向直方图。
其中,二值图像对应的水平方向直方图能够反映二值图像的每行像素点中灰度值为255的像素点的数量。可统计二值图像的每行像素点中灰度值为255的像素点的数量,以获得二值图像对应的水平方向直方图。图7示出了水平方向直方图的一示例,其为图5示出的二值图像对应的水平方向直方图。
需要说明的是,若步骤S1024采用第一种实现方式,则最终会得到一幅二值图像,经由步骤S103可获得一幅二值图像对应的竖直方向直方图和水平方向直方图,若步骤S1024采用第二种实现方式,则最终会获得多幅二值图像,经由步骤S103可获得多幅二值图像分别对应的竖直方向直方图和水平方向直方图。
步骤S104:基于二值图像对应的竖直方向直方图和水平方向直方图,确定目标图像中是否存在有效亮斑。
需要说明的是,“有效亮斑”指的是因扫描对象存在反光、吸光、过曝等情况而导致的亮斑。
考虑到因扫描对象存在反光、吸光、过曝等情况而导致的亮斑具有一定的特点,且亮斑的像素灰度值为255,本发明基于二值图像对应的竖直方向直方图和水平方向直方图,确定目标图像中是否存在有效亮斑。
具体的,基于二值图像对应的竖直方向直方图和水平方向直方图,确定目标图像中是否存在有效亮斑的过程可以包括:判别二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,基于判别结果确定目标图像中是否存在有效亮斑。
有效亮斑的亮斑特征取决于具有扫描功能的电子设备的灯珠,一般而言,具有扫描功能的电子设备(比如词典笔)的灯珠具有如下特点:其一,在水平方向上,灯珠距离扫描对象是由远及近的变化关系,其二,词典笔有两个灯珠,在竖直方向上,两个灯珠是对称的。灯珠的上述特点使得产生的亮斑具有如下特征:(1)在水平方向上,亮斑依次变大;(2)在竖直方向上,亮斑关于某条中心线对称;(3)在竖直方向上,亮斑成对出现。
即,上述的“有效亮斑的亮斑特征”可以包括:(1)在水平方向上,亮斑依次变大;(2)在竖直方向上,亮斑关于某条中心线对称;(3)在竖直方向上,亮斑成对出现。
在判别二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符时,可判别二值图像对应的竖直方向直方图所反映的亮斑特征与上述的特征(1)是否相符,判别二值图像对应的水平方向直方图所反映的亮斑特征与上述的特征(2)和特征(3)是否相符。
请参阅图6和图7,图6示出的竖直方向直方图所反映的亮斑特征为,在水平方向上,亮斑依次变大,图7示出的水平方向直方图所反映的亮斑特征为,在竖直方向上,亮斑关于某条中心线对称,以及,在竖直方向上,亮斑成对出现,可见,图5示出的二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征相符。
若经由步骤S103获得一幅二值图像对应的竖直方向直方图和水平方向直方图,则判别这一幅二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,若是,则判定目标图像中存在有效亮斑,否则,可判定目标图像中不存在有效亮斑。
若经由步骤S103获得多幅二值图像分别对应的竖直方向直方图和水平方向直方图,则判别每一幅二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,若有至少一幅二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征相符,则判定目标图像中存在有效亮斑,否则,可判定目标图像中不存在有效亮斑。
本发明实施例提供的亮斑检测方法,在获得待检测图像即目标图像后,首先将目标图像处理为二值图像,然后获取二值图像对应的竖直方向直方图和水平方向直方图,最后基于二值图像对应的竖直方向直方图和水平方向直方图,确定目标图像中是否存在有效亮斑。考虑到因扫描对象存在反光、吸光、过曝等情况而导致的亮斑具有一定的特征,且亮斑的像素灰度值为255,本发明实施例获取二值图像对应的竖直方向直方图和水平方向直方图,通过判别二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,确定目标图像中是否存在有效亮斑。本发明实施例提供的亮斑检测方法对于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑,具有较好的检测效果。
第二实施例
第一实施例提供的亮斑检测方法,在二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征不相符(“二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征不相符”指的是,在获得一幅二值图像的情况下,这一幅二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征不相符,在获得多幅二值图像的情况下,多幅二值图像分别对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征均不相符)时,会直接判定目标图像不存在有效亮斑,然而,实际情况是,二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征不相符,并不能说明目标图像中一定不存在有效亮斑,为了获得更加准确的检测结果,本实施例提供了另一种亮斑检测方法。
请参阅图8,示出了本实施例提供的亮斑检测方法的流程示意图,可以包括:
步骤S801:获取待检测图像,作为目标图像。
其中,目标图像为由具有扫描功能的电子设备(比如词典笔),对扫描对象(比如电子设备的屏幕、反光纸等)进行扫描而得到图像。
步骤S802:将目标图像处理为二值图像,得到的二值图像作为第一二值图像。
步骤S802的具体实现过程和相关说明可参见上述实施例中步骤S102的具体实现过程和相关说明,本实施例在此不做赘述。
步骤S803:获取第一二值图像对应的竖直方向直方图和水平方向直方图。
其中,第一二值图像对应的竖直方向直方图能够反映第一二值图像的每列像素点中灰度值为255的像素点的数量,第一二值图像对应的水平方向直方图能够反映第一二值图像的每行像素点中灰度值为255的像素点的数量。
步骤S803的具体实现过程和相关说明可参见上述实施例中步骤S103的具体实现过程和相关说明,本实施例在此不做赘述。
步骤S804:判别第一二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征是否相符,若是,则执行步骤S805a,若否,则执行步骤S805b及后续步骤。
若第一二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征相符(若经由步骤S802获得一幅第一二值图像,则这一幅第一二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征相符,若经由步骤S802获得多幅第一二值图像,则至少一幅第一二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征相符),则可直接判定目标图像中存在有效亮斑,若第一二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征不相符,则认为基于第一二值图像对应的竖直方向直方图和水平方向直方图,无法确定目标图像中是否存在有效亮斑,这种情况下,采用步骤S805b~步骤S810b的检测策略继续进行检测。
需要说明的是,步骤S801~步骤S805a的检测策略较适用于亮度值差异不大的若干亮斑的检测,若判定第一二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征不相符,并不意味着目标图像中一定不存在有效亮斑,因为目标图像中可能存在亮度值差异较大的若干亮斑,为此,本实施例针对亮度值差异较大的若干亮斑,提出了步骤S805b~步骤S810b的检测策略,基于步骤S805b~步骤S810b的检测策略继续进行检测。
步骤S805a:判定目标图像中存在有效亮斑。
步骤S805b:获取预处理后图像对应的列像素值统计图。
其中,预处理后图像对应的列像素值统计图能够反映对应预处理后图像的每列像素点的像素值之和。可统计预处理后图像中每列像素点的像素值之和,以得到预处理后图像对应的列像素值统计图。
请参阅图9,其示出了列像素值统计图的一示例,其为宽320高 240的图像对应的列像素值统计图,图9的横坐标为图像的列数,纵坐标为列像素点的像素值之和。
步骤S806b:基于列像素值统计图中的波峰,从预处理后图像中确定目标区域,并确定目标区域对应的二值化阈值。
其中,目标区域为可能包含亮斑的区域。
具体的,基于列像素值统计图中的波峰,从预处理后图像中确定目标区域的过程可以包括:
步骤S806b-1、确定列像素值统计图中若干波峰分别对应的横坐标位置。
其中,若干波峰分别对应的横坐标位置为目标图像中可能出现亮斑的横坐标位置,横坐标位置指的是目标图像中可能出现亮斑的列,即目标图像的哪列可能出现了亮斑,即基于列像素值统计图中若干波峰分别对应的横坐标位置,可获知目标图像的哪列可能出现了亮斑。
步骤S806b-2、基于若干波峰分别对应的横坐标位置和预设的偏移值,从预处理后图像中确定对应于每个波峰的目标区域,以得到若干目标区域。
其中,基于若干波峰分别对应的横坐标位置和预设的偏移值,从预处理后图像中确定对应于每个波峰的目标区域的过程可以包括:基于若干波峰分别对应的横坐标位置和预设的偏移值确定对应于每个波峰的横坐标范围;基于对应于每个波峰的横坐标范围,从预处理后图像中确定对应于每个波峰的目标区域。
通过列像素值统计图中若干波峰分别对应的横坐标位置,可获知目标图像的哪列可能出现了亮斑,考虑到亮斑一般会出现在连续的多个列,本实施例基于若干波峰分别对应的横坐标位置和预设的偏移值,从预处理后图像中确定对应于每个波峰的横坐标范围,进而基于对应于每个波峰的横坐标范围从预处理后图像中确定对应于每个波峰的目标区域,对应于每个波峰的目标区域包括预处理后图像中连续的多个列。
示例性的,根据图9示出的列像素值统计图中5个波峰分别对应的横坐标位置和预
设的偏移值,可确定对应于每个波峰的横坐标范围:(为预设的偏移值,其可根据具体情况设定),一目标区域的横坐标范围指示该目标
区域由预处理后图像中的哪些列组成,在确定出对应于每个波峰的横坐标范围后,便可基
于对应于每个波峰的横坐标范围从预处理后图像中确定对应于每个波峰的目标区域。图10
示出了基于对应于5个波峰的横坐标范围从预处理后图像中确定出的5个目标区域的示意
图(图10中的5个阴影区域为5个目标区域)。
在获得若干目标区域后,进一步确定每个目标区域对应的二值化阈值。
确定每个目标区域对应的二值化阈值的过程可以包括:针对每个目标区域,根据对应波峰的高度,确定二值化阈值,以得到每个目标区域对应的二值化阈值。
具体的,针对每个目标区域,可计算对应波峰的高度(即列像素点的像素值之和)
与列像素点数量的比值,得到的比值作为二值化阈值,以得到每个目标区域对应的二值化
阈值。若将第i个波峰的高度表示为Sum_Grayi,列像素点数量表示为N,则对应于第i个波峰
的目标区域对应的二值化阈值 Sum_Grayi/N。
步骤S807b:对预处理后图像中的非目标区域进行二值化,并基于目标区域对应的二值化阈值对目标区域进行二值化,得到预处理后图像对应的二值图像,作为第二二值图像。
其中,对预处理后图像中的非目标区域进行二值化的实现方式有多种,考虑到非目标区域中一定不存在亮斑,在一种可能的实现方式中,可直接将非目标区域中各像素点的像素点置0,在另一种可能的实现方式中,可确定每个非目标区域对应的二值化阈值,基于确定出的二值化阈值对对应的非目标区域进行二值化。其中,确定每个非目标区域对应的二值化阈值的过程可以包括:针对每个非目标区域,计算其包含的各像素点的像素值的均值,作为二值化阈值,以得到每个非目标区域对应的二值化阈值。
其中,基于目标区域对应的二值化阈值对目标区域进行二值化的过程包括:针对每个目标区域,基于该目标区域对应的二值化阈值对该目标区域进行二值化。
步骤S808b:获取第二二值图像对应的竖直方向直方图和水平方向直方图。
其中,第二二值图像对应的竖直方向直方图能够反映第二二值图像的每列像素点中灰度值为255的像素点的数量,第二二值图像对应的水平方向直方图能够反映第二二值图像对应的的每行像素点中灰度值为255的像素点的数量。
步骤S809b:判别第二二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征是否相符,若是,则执行S810b-a,若否,则执行S810b-b。
第一实施例提到有效亮斑的亮斑特征可以包括:(1)在水平方向上,亮斑依次变大;(2)在竖直方向上,亮斑关于某条中心线对称;(3)在竖直方向上,亮斑成对出现。判别第二二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征是否相符,即判别第二二值图像对应的竖直方向直方图所反映的亮斑特征与上述的特征(1)是否相符,并判别第二二值图像对应的水平方向直方图所反映的亮斑特征与上述的特征(2)和特征(3)是否相符。若第二二值图像对应的竖直方向直方图所反映的亮斑特征与上述的特征(1)相符,并且,第二二值图像对应的水平方向直方图所反映的亮斑特征与上述的特征(2)和特征(3)相符,则执行步骤S810b-a,否则,执行步骤S810b-b。
步骤S810b-a:判定目标图像中存在有效亮斑。
步骤S810b-b:判定目标图像中不存在有效亮斑。
本发明实施例提供的亮斑检测方法,在获得待检测图像即目标图像后,首先基于第一种检测策略(适用于亮度值差异不大的若干亮斑的检测)检测目标图像中是否存在有效亮斑,在基于第一种检测策略未检测到有效亮斑的情况下,鉴于目标图像中有可能存在亮度值差异较大的若干亮斑,本发明实施例进一步采用第二种检测策略(适用于亮度值差异较大的若干亮斑的检测)检测目标图像中是否存在有效亮斑。本发明实施例提供的亮斑检测方法对于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑,具有较好的检测效果。本发明实施例提供的亮斑检测方法既适用于亮度值差异不大的若干亮斑的检测,又适用于亮度值差异较大的若干亮斑的检测。
第三实施例
第二实施例中,在第二二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征不相符时,会直接判定目标图像不存在有效亮斑,然而,实际情况是,第二二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征不相符,并不能说明目标图像中一定不存在有效亮斑,为了获得更加准确的检测结果,本发明提供了再一种亮斑检测方法。
请参阅图11,示出了本实施例提供的亮斑检测方法的流程示意图,可以包括:
步骤S1101:获取待检测图像,作为目标图像。
步骤S1102:将目标图像处理为二值图像,得到的二值图像作为第一二值图像。
步骤S1103:获取第一二值图像对应的竖直方向直方图和水平方向直方图。
步骤S1104:判别第一二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征是否相符,若是,则执行步骤S1105a,若否,则执行步骤S1105b及后续步骤。
步骤S1105a:判定目标图像中存在有效亮斑。
步骤S1105b:获取预处理后图像对应的列像素值统计图。
步骤S1106b:基于预处理后图像对应的列像素值统计图中的波峰,从预处理后图像中确定目标区域,并确定目标区域对应的二值化阈值。
步骤S1107b:对预处理后图像中的非目标区域进行二值化,并基于目标区域对应的二值化阈值对目标区域进行二值化,得到预处理后图像对应的二值图像,作为第二二值图像。
步骤S1108b:获取第二二值图像对应的竖直方向直方图和水平方向直方图。
步骤S1109b:判别第二二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征是否相符,若是,则执行S1110b-a,若否,则执行S1110b-b及后续步骤。
步骤S1101~步骤S1109b的具体实现过程和相关说明可参见第二实施例中步骤S801~步骤S809b的具体实现过程和相关说明,本实施例在此不做赘述。
步骤S1110b-a:判定目标图像中存在有效亮斑。
请参阅图12,图12示出了第二二值图像的一示例,图12示出的第二二值图像对应的竖直方向直方图如图13(a)所示,图12示出的第二二值图像对应的水平方向直方图如图13(b)所示,由图13(a)可以看出,第二二值图像对应的竖直方向直方图所反映的亮斑特征与有效亮斑的亮斑特征中的特征(1)不相符,由图13(b)可以看出,第二二值图像对应的水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征中的特征(2)相符,与有效亮斑的亮斑特征中的特征(3)不相符。可见,总体上,第二二值图像对应的竖直方向直方图和水平方向直方图与有效亮斑的亮斑特征不相符,在这种情况下,若直接判定目标图像中不存在有效亮斑,会出现误判(图12中存在有效亮斑),为此,本实施例提出了步骤S1110b-b~步骤S1113b-b的检测策略,进一步检测目标图像中是否存在有效亮斑。
步骤S1110b-b:若第二二值图像对应的水平方向直方图所反映的亮斑特征为亮斑关于中心线对称,则检测目标图像中的对称亮斑对,并检测目标图像中的孤立亮斑。
第二二值图像对应的水平方向直方图所反映的亮斑特征为亮斑关于中心线对称,即第二二值图像对应的水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征中的特征(2)相符。
具体的,可基于预处理后图像对应的列像素值统计图中波峰对应的横坐标位置所指示的列像素(此处的列像素指的是第二二值图像中的列像素)中像素点的像素值变化(亮斑的像素点的像素值为255,非亮斑的像素点的像素值为0,每个亮斑的边界处会存在像素值由0变为255,以及由255变为0的情况),检测对称亮斑对和孤立亮斑。
步骤S1111b-b:基于检测出的对称亮斑对,确定第二二值图像的水平分割线。
其中,水平分割线为对称亮斑对的对称中心线。
具体的,基于检测出的对称亮斑对,确定第二二值图像的水平分割线的过程可以包括:
步骤S1111b-b-1、确定每个对称亮斑对的目标中心值。
具体的,针对每个对称亮斑对:确定该对称亮斑对中第一亮斑的最大纵坐标和最小纵坐标,以及第二亮斑的最大纵坐标和最小纵坐标;确定该对称亮斑对中的第一亮斑的最小纵坐标与第二亮斑的最大纵坐标的均值,作为该对称亮斑对的第一中心值;确定该对称亮斑对中的第一亮斑的最大纵坐标与第二亮斑的最小纵坐标的均值,作为该对称亮斑对的第二中心值;确定该对称亮斑对的第一中心值与该对称亮斑对的第二中心值的均值,作为该对称亮斑对的目标中心值。
第m个对称亮斑对的目标中心值可通过下式计算:
其中,表示第m个对称亮斑对中的第一亮斑的最小纵坐标与第二
亮斑的最大纵坐标的均值,即第m个对称亮斑对的第一中心值, 表示第m
个对称亮斑对中的第一亮斑的最大纵坐标与第二亮斑的最小纵坐标的
均值,即第m个对称亮斑对的第二中心值,为与的均值,即第m个对称亮
斑对的目标中心值。
需要说明的是,本实施例并不限定将与的均值作为第m个对称亮斑
对的目标中心值,也可只求得中的任一个,将中的任一个作
为第m个对称亮斑对的目标中心值。为了能够获得更加准确的目标中心值,本实施例优选将与的均值作为第m个对称亮斑对的目标中心值。
步骤S1111b-b-2、确定各对称亮斑对的目标中心值的均值,将以各对称亮斑对的目标中心值的均值为纵坐标的水平线作为第二二值图像的水平分割线。
需要说明的是,若只有一个对称亮斑对,则直接将以该对称亮斑对的目标中心值为纵坐标的水平线作为第二二值图像的水平分割线。
需要说明的是,在存在多个对称亮斑对的情况下,除了采用上述方式(即,确定各对称亮斑对的目标中心值,确定各对称亮斑对的目标中心值的均值,将以各对称亮斑对的目标中心值的均值为纵坐标的水平线作为第二二值图像的水平分割线)确定第二二值图像的水平分割线外,还可采用其它方式,比如,确定部分对称亮斑对的目标中心值,确定部分对称亮斑对的目标中心值的均值,将以部分对称亮斑对的目标中心值的均值为纵坐标的水平线作为第二二值图像的水平分割线。
步骤S1112b-b:将第二二值图像中的孤立亮斑的像素值置0,得到处理后的第二二值图像,并基于水平分割线对处理后的第二二值图像进行分割,得到两个子图像。
根据有效亮斑的亮斑特征可知,有效亮斑成对出现,这意味着孤立亮斑为无效亮斑,为此,将第二二值图像中的孤立亮斑的像素值置0,将第二二值图像中的孤立亮斑的像素值置0后,基于确定出的水平分割线对其进行分割,从而得到两个子图像。
步骤S1113b-b:基于两个子图像,确定目标图像中是否存在有效亮斑。
具体的,基于两个子图像,确定目标图像中是否存在有效亮斑的过程可以包括:
步骤S1113b-b-1、从两个子图像中确定关于水平分割线对称的两个图像区域。
步骤S1113b-b-2、将两个图像区域中的对称像素点对进行像素值融合,以得到融合图像。
对一对称像素点对进行像素值融合的方式为:若该对称像素点对的像素值之和大于或等于255,则将255确定为该对称像素点对的融合结果,否则,将0确定该为该对称像素点对的融合结果。
请参阅图14,图14示出了融合图像的一示例,图14示出的融合图像为对图12示出的第二二值图像进行处理得到的融合图像,即,将图12示出的第二二值图像中的孤立亮斑置0后,基于确定出的水平分割线对其进行分割,再将分割得到的两个子图的对称区域进行像素值融合得到。
步骤S1113b-b-3、获取融合图像对应的竖直方向直方图。
其中,融合图像对应的竖直方向直方图能够反映融合图像的每列像素点中灰度值为255的像素点的数量。
步骤S1113b-b-4、根据融合图像对应的竖直方向直方图,确定目标图像中是否存在有效亮斑。
具体的,判别融合图像对应的竖直方向直方图所反映的亮斑特征是否符合有效亮斑的亮斑特征中的特征(1),若是,则判定目标图像中存在有效亮斑,否则,判定目标图像中不存在有效亮斑。
请参阅图15,其示出了图14示出的融合图像对应的竖直方向直方图,由图15可以看出,竖直方向直方图所反映的亮斑特征为,在水平方向上,亮斑依次变大,可见,图14示出的融合图像对应的竖直方向直方图反映的亮斑特征与有效亮斑的亮斑特征中的特征(1)相符。需要说明的是,将图12示出的第二二值图像中的孤立亮斑置0后,其对应的水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征中的特征(3)相符,加之,第二二值图像对应的水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征中的特征(2)相符,最终可判定目标图像中存在有效亮斑。
本发明实施例提供的亮斑检测方法,在获得待检测图像即目标图像后,首先基于第一种检测策略(适用于亮度值差异不大的若干亮斑的检测)检测目标图像中是否存在有效亮斑,在基于第一种检测策略未检测到有效亮斑的情况下,鉴于目标图像中有可能存在亮度值差异较大的若干亮斑,本发明实施例进一步采用第二种检测策略(适用于亮度值差异较大的若干亮斑的检测),同时结合基于对称中心滤除无效亮斑以及图像分割和融合的思路,检测目标图像中是否存在有效亮斑。本发明实施例提供的亮斑检测方法适用于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑的检测,检测准确度较高。
第四实施例
本发明提供了又一种亮斑检测方法,请参阅图16,示出了该亮斑检测方法的流程示意图,可以包括:
步骤S1601:获取待检测图像,作为目标图像。
其中,目标图像为由具有扫描功能的电子设备(比如词典笔),对扫描对象(比如电子设备的屏幕、反光纸等)进行扫描而得到图像。
步骤S1602:对目标图像进行预处理,得到预处理图像。
步骤S1602的具体实现过程和相关说明可参见第一实施例中步骤S1021的具体实现过程和相关说明,本实施例在此不做赘述。
步骤S1603:获取预处理后图像对应的列像素值统计图。
步骤S1604:基于预处理后图像对应的列像素值统计图中的波峰,从预处理后图像中确定目标区域,并确定目标区域对应的二值化阈值。
其中,目标区域为可能包含亮斑的区域。
步骤S1605:对预处理后图像中的非目标区域进行二值化,并基于目标区域对应的二值化阈值对目标区域进行二值化,得到预处理后图像对应的二值图像。
步骤S1606:获取二值图像对应的竖直方向直方图和水平方向直方图。
步骤S1607:判别二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,若是,则执行S1608-a,若否,则执行S1608-b。
步骤S1603~步骤S1607的具体实现过程和相关说明可参见第二实施例中步骤S805b~步骤S809b的具体实现过程和相关说明,本实施例在此不做赘述。
步骤S1608-a:判定目标图像中存在有效亮斑。
步骤S1608-b:判定目标图像中不存在有效亮斑。
本发明实施例提供的亮斑检测方法,在获得待检测图像即目标图像后,首先对目标图像进行预处理,然后获取预处理后图像对应的列像素值统计图,接着基于列像素值统计图中的波峰,从预处理后图像中确定目标区域,并确定目标区域对应的二值化阈值,然后对预处理后图像中的非目标区域进行二值化,并基于目标区域对应的二值化阈值对目标区域进行二值化,以得到预处理后图像对应的二值图像,最后,获取二值图像对应的竖直方向直方图和水平方向直方图,并通过判别二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,确定目标图像是否存在有效亮斑。本发明实施例提供的亮斑检测方法适用于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑的检测。本发明实施例提供的亮斑检测方法既适用于亮度值差异不大的若干亮斑的检测,又适用于亮度值差异较大的若干亮斑的检测。
第五实施例
本发明提供了再一种亮斑检测方法,请参阅图17,示出了该亮斑检测方法的流程示意图,可以包括:
步骤S1701:获取待检测图像,作为目标图像。
其中,目标图像为由具有扫描功能的电子设备(比如词典笔),对扫描对象(比如电子设备的屏幕、反光纸等)进行扫描而得到图像。
步骤S1702:对目标图像进行预处理,得到预处理图像。
步骤S1702的具体实现过程和相关说明可参见第一实施例中步骤S1021的具体实现过程和相关说明,本实施例在此不做赘述。
步骤S1703:获取预处理后图像对应的列像素值统计图。
步骤S1704:基于预处理后图像对应的列像素值统计图中的波峰,从预处理后图像中确定目标区域,并确定目标区域对应的二值化阈值。
其中,目标区域为可能包含亮斑的区域。
步骤S1705:对预处理后图像中的非目标区域进行二值化,并基于目标区域对应的二值化阈值对目标区域进行二值化,得到预处理后图像对应的二值图像。
步骤S1706:获取二值图像对应的竖直方向直方图和水平方向直方图。
步骤S1707:判别二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,若是,则执行S1708-a,若否,则执行S1708-b及后续步骤。
步骤S1703~步骤S1707的具体实现过程和相关说明可参见第二实施例中步骤S805b~步骤S809b的具体实现过程和相关说明,本实施例在此不做赘述。
步骤S1708-a:判定目标图像中存在有效亮斑。
步骤S1708-b:若第二二值图像对应的水平方向直方图所反映的亮斑特征为亮斑关于中心线对称,则检测目标图像中的对称亮斑对,并检测目标图像中的孤立亮斑。
步骤S1709-b:基于检测出的对称亮斑对,确定第二二值图像的水平分割线。
步骤S1710-b:将二值图像中的孤立亮斑的像素值置0,得到处理后的二值图像,并基于水平分割线对处理后的二值图像进行分割,得到两个子图像。
步骤S1711-b:基于两个子图像,确定目标图像中是否存在有效亮斑。
步骤S1708-b~步骤S1711-b的具体实现过程和相关说明可参见第三实施例中步骤S1110b-b~步骤S1113b-b的具体实现过程和相关说明,本实施例在此不做赘述。
本发明实施例提供的亮斑检测方法适用于因扫描对象存在反光、吸光、过曝等情况而导致的亮斑的检测。本发明实施例提供的亮斑检测方法既适用于亮度值差异不大的若干亮斑的检测,又适用于亮度值差异较大的若干亮斑的检测,检测准确度较高。
第六实施例
本发明实施例还提供了一种亮斑检测装置,下面对本发明实施例提供的亮斑检测装置进行描述,下文描述的亮斑检测装置与上文描述的亮斑检测方法可相互对应参照。
请参阅图18,示出了本发明实施例提供的亮斑检测装置的结构示意图,可以包括:图像获取模块1801、图像处理模块1802、第一直方图获取模块1803和第一亮斑判别模块1804。
图像获取模块1801,用于获取待检测图像,作为目标图像。
图像处理模块1802,用于将所述目标图像处理为二值图像,得到的二值图像作为第一二值图像。
第一直方图获取模块1803,用于获取所述第一二值图像对应的竖直方向直方图和水平方向直方图。
其中,所述竖直方向直方图能够反映对应图像的每列像素点中灰度值为255的像素点的数量,所述水平方向直方图能够反映对应图像的每行像素点中灰度值为255的像素点的数量。
第一亮斑判别模块1804,用于基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
可选的,图像处理模块1802包括:预处理子模块、灰度直方图获取子模块、灰度范围确定子模块、图像二值化子模块。
预处理子模块,用于对所述目标图像进行预处理,其中,所述预处理用于弱化所述目标图像中干扰亮斑检测的信息。
灰度直方图获取子模块,用于获取预处理后图像对应的灰度直方图,其中,所述灰度直方图能够反映对应图像在每个灰度级上的像素点数量。
灰度范围确定子模块,用于基于所述灰度直方图确定目标灰度范围,其中,所述目标灰度范围为亮斑灰度分布范围。
图像二值化子模块,用于从所述目标灰度范围中选取灰度值,选取的灰度值作为二值化阈值,基于所述二值化阈值,对所述预处理后图像进行二值化。
可选的,第一亮斑判别模块1804在基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑时,具体用于:
判别所述第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,并基于判别结果确定所述目标图像中是否存在有效亮斑。
可选的,所述有效亮斑的亮斑特征包括:在水平方向上,亮斑依次变大;
在竖直方向上,亮斑关于中心线对称;在竖直方向上,亮斑成对出现。
可选的,图像二值化子模块在从所述目标灰度范围中选取灰度值,选取的灰度值作为二值化阈值,基于所述二值化阈值,对所述预处理后图像进行二值化时,具体用于:
从所述目标灰度范围中选取多个灰度值,选取的每个灰度值作为一个二值化阈值,以得到多个二值化阈值;
基于每个二值化阈值,对所述预处理后图像进行二值化,得到多个第一二值图像。
可选的,第一亮斑判别模块1804判别所述第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,并基于判别结果确定所述目标图像中是否存在有效亮斑时,具体用于:
判别所述多个第一二值图像分别对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符;
若所述多个第一二值图像中有至少一个第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征相符,则确定所述目标图像中存在有效亮斑。
可选的,本发明实施例提供的亮斑检测装置还可以包括:列像素值统计图获取模块、目标区域确定模块、二值化阈值确定模块、二值化模块、第二直方图获取模块和第二亮斑判别模块。
列像素值统计图获取模块,用于在第一亮斑判别模块1804基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,无法确定所述目标图像中是否存在有效亮斑时,获取所述预处理后图像对应的列像素值统计图,其中,所述列像素值统计图能够反映对应图像的每列像素点的像素值之和。
目标区域确定模块,用于基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,其中,所述目标区域为可能包含亮斑的区域。
二值化阈值确定模块,用于确定所述目标区域对应的二值化阈值。
二值化模块,用于对所述预处理后图像中的非目标区域进行二值化,并基于所述目标区域对应的二值化阈值对所述目标区域进行二值化,得到所述预处理后图像对应的二值图像,作为第二二值图像。
第二直方图获取模块,用于获取所述第二二值图像对应的竖直方向直方图和水平方向直方图。
第二亮斑判别模块,用于基于所述第二二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
可选的,目标区域确定模块在基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域时,具体用于:
确定所述列像素值统计图中若干波峰分别对应的横坐标位置,其中,所述横坐标位置为可能出现亮斑的横坐标位置;
基于所述若干波峰分别对应的横坐标位置和预设的偏移值,从所述预处理后图像中确定对应于每个波峰的目标区域,以得到若干目标区域。
可选的,二值化阈值确定模块在确定所述目标区域对应的二值化阈值时,具体用于:
针对每个目标区域,根据对应的波峰的高度,确定二值化阈值,以得到每个目标区域对应的二值化阈值。
可选的,本发明实施例提供的亮斑检测装置还可以包括:亮斑检测模块、水平分割线确定模块、孤立亮斑去除模块、图像分割模块和第三亮斑判别模块。
亮斑检测模块,用于在第二亮斑判别模块基于所述第二二值图像对应的竖直方向直方图和水平方向直方图无法确定所述目标图像中是否存在有效亮斑时,若第二二值图像对应的水平方向直方图所反映的亮斑特征为亮斑关于中心线对称,则检测所述目标图像中的对称亮斑对,并检测所述目标图像中的孤立亮斑。
水平分割线确定模块,用于基于检测出的对称亮斑对确定所述第二二值图像的水平分割线,其中,所述水平分割线为所述对称亮斑对的对称中心线。
孤立亮斑去除模块,用于将所述第二二值图像中的孤立亮斑的像素值置0,得到处理后的第二二值图像。
图像分割模块,用于基于所述水平分割线对所述处理后的第二二值图像进行分割,得到两个子图像。
第三亮斑判别模块,用于基于所述两个子图像,确定所述目标图像中是否存在有效亮斑。
可选的,水平分割线确定模块在基于检测出的对称亮斑对确定所述第二二值图像的水平分割线时,具体用于:
针对每个对称亮斑对:确定该对称亮斑对中第一亮斑的最小纵坐标和最大纵坐标以及第二亮斑的最小纵坐标和最大纵坐标;确定该对称亮斑对中第一亮斑的最小纵坐标与第二亮斑的最大纵坐标的均值,作为该对称亮斑对的第一中心值;确定该对称亮斑对中第一亮斑的最大纵坐标与第二亮斑的最小纵坐标的均值,作为该对称亮斑对的第二中心值;确定该对称亮斑对的第一中心值与该对称亮斑对的第二中心值的均值,作为该对称亮斑对的目标中心值;
确定各对称亮斑对的目标中心值的均值,将以各对称亮斑对的目标中心值的均值为纵坐标的水平线作为所述第二二值图像的水平分割线。
可选的,第三亮斑判别模块在基于所述两个子图像,确定所述目标图像中是否存在有效亮斑时,具体用于:
从所述两个子图像中确定关于所述水平分割线对称的两个图像区域;将所述两个图像区域中的对称像素点对进行像素值融合,以得到融合图像,其中,若一对称像素点对的像素值之和大于或等于255,则将255确定为该对称像素点对的融合结果,否则,将0确定该为该对称像素点对的融合结果;获取所述融合图像对应的竖直方向直方图;根据所述融合图像对应的竖直方向直方图,确定所述目标图像中是否存在有效亮斑。
可选的,图像处理模块1802在将所述目标图像处理为二值图像时,具体用于:
对所述目标图像进行预处理,其中,所述预处理用于弱化所述目标图像中干扰亮斑检测的信息;获取所述预处理后图像对应的列像素值统计图,其中,所述列像素值统计图能够反映对应图像的每列像素点的像素值之和;基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,并确定所述目标区域对应的二值化阈值,其中,所述目标区域为可能包含亮斑的区域;对所述预处理后图像中的非目标区域进行二值化,并基于所述目标区域对应的二值化阈值对所述目标区域进行二值化。
本发明实施例提供的亮斑检测装置对于因扫描对象(比如电子设备的屏幕、反光纸等)存在反光、吸光、过曝等情况而导致的亮斑,具有较好的检测效果。
第七实施例
本发明实施例还提供了一种亮斑检测设备,请参阅图19,示出了该亮斑检测设备的结构示意图,该亮斑检测设备可以包括:至少一个处理器1901,至少一个通信接口1902,至少一个存储器1903和至少一个通信总线1904;
在本发明实施例中,处理器1901、通信接口1902、存储器1903、通信总线1904的数量为至少一个,且处理器1901、通信接口1902、存储器1903通过通信总线1904完成相互间的通信;
处理器1901可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器1903可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:
获取待检测图像,作为目标图像;
将所述目标图像处理为二值图像;
获取所述二值图像对应的竖直方向直方图和水平方向直方图,其中,所述竖直方向直方图能够反映对应图像的每列像素点中灰度值为255的像素点的数量,所述水平方向直方图能够反映对应图像的每行像素点中灰度值为255的像素点的数量;
基于所述二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
第八实施例
本发明实施例还提供一种可读存储介质,该可读存储介质可存储有适于处理器执行的程序,所述程序用于:
获取待检测图像,作为目标图像;
将所述目标图像处理为二值图像;
获取所述二值图像对应的竖直方向直方图和水平方向直方图,其中,所述竖直方向直方图能够反映对应图像的每列像素点中灰度值为255的像素点的数量,所述水平方向直方图能够反映对应图像的每行像素点中灰度值为255的像素点的数量;
基于所述二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种亮斑检测方法,其特征在于,包括:
获取待检测图像,作为目标图像;
将所述目标图像处理为二值图像,得到的二值图像作为第一二值图像;
获取所述第一二值图像对应的竖直方向直方图和水平方向直方图,其中,所述竖直方向直方图能够反映对应图像的每列像素点中灰度值为255的像素点的数量,所述水平方向直方图能够反映对应图像的每行像素点中灰度值为255的像素点的数量;
基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑;
若基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,无法确定所述目标图像中是否存在有效亮斑,则获取对所述目标图像预处理后图像对应的列像素值统计图;基于所述预处理后图像对应的列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,并确定所述目标区域对应的二值化阈值;对所述预处理后图像中的非目标区域进行二值化,并基于目标区域对应的二值化阈值对所述目标区域进行二值化,得到所述预处理后图像对应的二值图像,作为第二二值图像;基于所述第二二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
2.根据权利要求1所述的亮斑检测方法,其特征在于,所述将所述目标图像处理为二值图像,包括:
对所述目标图像进行预处理,其中,所述预处理用于弱化所述目标图像中干扰亮斑检测的信息;
获取预处理后图像对应的灰度直方图,其中,所述灰度直方图能够反映对应图像在每个灰度级上的像素点数量;
基于所述灰度直方图确定目标灰度范围,其中,所述目标灰度范围为亮斑灰度分布范围;
从所述目标灰度范围中选取灰度值,选取的灰度值作为二值化阈值;
基于所述二值化阈值,对所述预处理后图像进行二值化。
3.根据权利要求2所述的亮斑检测方法,其特征在于,所述基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑,包括:
判别所述第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,并基于判别结果确定所述目标图像中是否存在有效亮斑。
4.根据权利要求3所述的亮斑检测方法,其特征在于,所述有效亮斑的亮斑特征包括:
在水平方向上,亮斑依次变大;
在竖直方向上,亮斑关于中心线对称;
在竖直方向上,亮斑成对出现。
5.根据权利要求3所述的亮斑检测方法,其特征在于,所述从所述目标灰度范围中选取灰度值,选取的灰度值作为二值化阈值,包括:
从所述目标灰度范围中选取多个灰度值,选取的每个灰度值作为一个二值化阈值,以得到多个二值化阈值;
所述将所述目标图像处理为二值图像,得到的二值图像作为第一二值图像,包括:
基于每个二值化阈值,对所述预处理后图像进行二值化,得到多个第一二值图像;
所述判别所述第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符,并基于判别结果确定所述目标图像中是否存在有效亮斑,包括:
判别所述多个第一二值图像分别对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征是否相符;
若所述多个第一二值图像中有至少一个第一二值图像对应的竖直方向直方图和水平方向直方图所反映的亮斑特征与有效亮斑的亮斑特征相符,则确定所述目标图像中存在有效亮斑。
6.根据权利要求2所述的亮斑检测方法,其特征在于,在基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,无法确定所述目标图像中是否存在有效亮斑的情况下,所述方法还包括:
获取所述预处理后图像对应的列像素值统计图,其中,所述列像素值统计图能够反映对应图像的每列像素点的像素值之和;
基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,并确定所述目标区域对应的二值化阈值,其中,所述目标区域为可能包含亮斑的区域;
对所述预处理后图像中的非目标区域进行二值化,并基于所述目标区域对应的二值化阈值对所述目标区域进行二值化,得到所述预处理后图像对应的二值图像,作为第二二值图像;
获取所述第二二值图像对应的竖直方向直方图和水平方向直方图,并基于所述第二二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
7.根据权利要求6所述的亮斑检测方法,其特征在于,所述基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,包括:
确定所述列像素值统计图中若干波峰分别对应的横坐标位置,其中,所述横坐标位置为可能出现亮斑的横坐标位置;
基于所述若干波峰分别对应的横坐标位置和预设的偏移值,从所述预处理后图像中确定对应于每个波峰的目标区域,以得到若干目标区域。
8.根据权利要求6所述的亮斑检测方法,其特征在于,所述确定所述目标区域对应的二值化阈值,包括:
针对每个目标区域,根据对应的波峰的高度,确定二值化阈值,以得到每个目标区域对应的二值化阈值。
9.根据权利要求6所述的亮斑检测方法,其特征在于,在基于所述第二二值图像对应的竖直方向直方图和水平方向直方图无法确定所述目标图像中是否存在有效亮斑的情况下,所述方法还包括:
若所述第二二值图像对应的水平方向直方图所反映的亮斑特征为亮斑关于中心线对称,则检测所述目标图像中的对称亮斑对,并检测所述目标图像中的孤立亮斑;
基于检测出的对称亮斑对确定所述第二二值图像的水平分割线,其中,所述水平分割线为所述对称亮斑对的对称中心线;
将所述第二二值图像中的孤立亮斑的像素值置0,得到处理后的第二二值图像,并基于所述水平分割线对所述处理后的第二二值图像进行分割,得到两个子图像;
基于所述两个子图像,确定所述目标图像中是否存在有效亮斑。
10.根据权利要求9所述的亮斑检测方法,其特征在于,所述基于检测出的对称亮斑对确定所述第二二值图像的水平分割线,包括:
针对每个对称亮斑对:
确定该对称亮斑对中第一亮斑的最小纵坐标和最大纵坐标以及第二亮斑的最小纵坐标和最大纵坐标;
确定该对称亮斑对中第一亮斑的最小纵坐标与第二亮斑的最大纵坐标的均值,作为该对称亮斑对的第一中心值;
确定该对称亮斑对中第一亮斑的最大纵坐标与第二亮斑的最小纵坐标的均值,作为该对称亮斑对的第二中心值;
确定该对称亮斑对的第一中心值与该对称亮斑对的第二中心值的均值,作为该对称亮斑对的目标中心值;
确定各对称亮斑对的目标中心值的均值,将以各对称亮斑对的目标中心值的均值为纵坐标的水平线作为所述第二二值图像的水平分割线。
11.根据权利要求9所述的亮斑检测方法,其特征在于,所述基于所述两个子图像,确定所述目标图像中是否存在有效亮斑,包括:
从所述两个子图像中确定关于所述水平分割线对称的两个图像区域;
将所述两个图像区域中的对称像素点对进行像素值融合,以得到融合图像,其中,若一对称像素点对的像素值之和大于或等于255,则将255确定为该对称像素点对的融合结果,否则,将0确定该为该对称像素点对的融合结果;
获取所述融合图像对应的竖直方向直方图;
根据所述融合图像对应的竖直方向直方图,确定所述目标图像中是否存在有效亮斑。
12.根据权利要求1所述的亮斑检测方法,其特征在于,所述将所述目标图像处理为二值图像,包括:
对所述目标图像进行预处理,其中,所述预处理用于弱化所述目标图像中干扰亮斑检测的信息;
获取所述预处理后图像对应的列像素值统计图,其中,所述列像素值统计图能够反映对应图像的每列像素点的像素值之和;
基于所述列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,并确定所述目标区域对应的二值化阈值,其中,所述目标区域为可能包含亮斑的区域;
对所述预处理后图像中的非目标区域进行二值化,并基于所述目标区域对应的二值化阈值对所述目标区域进行二值化。
13.一种亮斑检测装置,其特征在于,包括:图像获取模块、图像处理模块、直方图获取模块和亮斑判别模块;
所述图像获取模块,用于获取待检测图像,作为目标图像;
所述图像处理模块,用于将所述目标图像处理为二值图像,得到的二值图像作为第一二值图像;
所述直方图获取模块,用于获取所述第一二值图像对应的竖直方向直方图和水平方向直方图,其中,所述竖直方向直方图能够反映对应图像的每列像素点中灰度值为255的像素点的数量,所述水平方向直方图能够反映对应图像的每行像素点中灰度值为255的像素点的数量;
所述亮斑判别模块,用于基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑;若基于所述第一二值图像对应的竖直方向直方图和水平方向直方图,无法确定所述目标图像中是否存在有效亮斑,则获取对所述目标图像预处理后图像对应的列像素值统计图;基于所述预处理后图像对应的列像素值统计图中的波峰,从所述预处理后图像中确定目标区域,并确定所述目标区域对应的二值化阈值;对所述预处理后图像中的非目标区域进行二值化,并基于目标区域对应的二值化阈值对所述目标区域进行二值化,得到所述预处理后图像对应的二值图像,作为第二二值图像;基于所述第二二值图像对应的竖直方向直方图和水平方向直方图,确定所述目标图像中是否存在有效亮斑。
14.一种亮斑检测设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1~12中任一项所述的亮斑检测方法的各个步骤。
15.一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,实现如权利要求1~12中任一项所述的亮斑检测方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283784.4A CN115345887B (zh) | 2022-10-20 | 2022-10-20 | 一种亮斑检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283784.4A CN115345887B (zh) | 2022-10-20 | 2022-10-20 | 一种亮斑检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115345887A CN115345887A (zh) | 2022-11-15 |
CN115345887B true CN115345887B (zh) | 2023-03-17 |
Family
ID=83957416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211283784.4A Active CN115345887B (zh) | 2022-10-20 | 2022-10-20 | 一种亮斑检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345887B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1450304A1 (en) * | 2003-02-21 | 2004-08-25 | City University of Hong Kong | Image processing apparatus and method |
WO2020037572A1 (zh) * | 2018-08-22 | 2020-02-27 | 深圳市真迈生物科技有限公司 | 检测图像上的亮斑的方法和装置、图像配准方法和装置 |
WO2020167314A1 (en) * | 2019-02-15 | 2020-08-20 | Google Llc | Detection of projected infrared patterns using difference of gaussian and blob identification |
CN114820334A (zh) * | 2021-01-29 | 2022-07-29 | 深圳市万普拉斯科技有限公司 | 图像修复方法、装置、终端设备和可读存储介质 |
-
2022
- 2022-10-20 CN CN202211283784.4A patent/CN115345887B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115345887A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111308448B (zh) | 图像采集设备与雷达的外参确定方法及装置 | |
CN110378945B (zh) | 深度图处理方法、装置和电子设备 | |
US7729536B2 (en) | Boundary extracting method, program, and device using the same | |
US6658150B2 (en) | Image recognition system | |
JP4416365B2 (ja) | スキャンした文書の自動式検出 | |
JP6487576B2 (ja) | 指紋隆線点認識方法および装置 | |
KR100975749B1 (ko) | 단일 차선을 이용한 차선 인식 및 차량의 차선 이탈 검출 방법 | |
CN108009522B (zh) | 一种道路检测方法、装置及终端 | |
KR102181861B1 (ko) | 차량 번호판 검출 및 인식 시스템 및 방법 | |
KR20140031742A (ko) | 이미지 특징 추출 장치 및 이미지 특징 추출 방법, 그를 이용한 영상 처리 시스템 | |
CN111047615A (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
TW202011265A (zh) | 二維條碼解析方法及裝置 | |
CN116503388A (zh) | 缺陷检测方法、装置及存储介质 | |
CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
CN115345887B (zh) | 一种亮斑检测方法、装置、设备及存储介质 | |
US10223583B2 (en) | Object detection apparatus | |
CN108268866B (zh) | 一种车辆检测方法和系统 | |
CN113326749B (zh) | 目标检测方法、装置以及存储介质、电子设备 | |
CN111767751B (zh) | 二维码图像识别方法和装置 | |
Ntirogiannis et al. | A modified adaptive logical level binarization technique for historical document images | |
CN115830049A (zh) | 角点检测的方法和装置 | |
CN109643451B (zh) | 线检测方法 | |
CN111161211A (zh) | 一种图像检测方法及装置 | |
US11275963B2 (en) | Image identification apparatus, image identification method, and non-transitory computer-readable storage medium for storing image identification program | |
JP2006107117A (ja) | 楕円検出装置および楕円検出方法 |
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 |