CN115456926A - 一种低分辨率的图像识别方法 - Google Patents
一种低分辨率的图像识别方法 Download PDFInfo
- Publication number
- CN115456926A CN115456926A CN202211259271.XA CN202211259271A CN115456926A CN 115456926 A CN115456926 A CN 115456926A CN 202211259271 A CN202211259271 A CN 202211259271A CN 115456926 A CN115456926 A CN 115456926A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- processing
- pixel matrix
- 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 32
- 230000000295 complement effect Effects 0.000 claims abstract description 12
- 238000003709 image segmentation Methods 0.000 claims abstract description 5
- 238000010191 image analysis Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 46
- 238000000926 separation method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种低分辨率的图像识别方法,属于图像处理技术领域,一种低分辨率的图像识别方法,其具体步骤包括:图像摄取、像素化处理、图像补足、像素图像对比、像素图像分析、像素图像处理、像素图像分割、像素图像拼接和图像结果生成。它可以摄取图像信息,并将摄取的图像像素信息补足完整,然后生成新的电子图像,补足了图像的部分区域出现识别错误或无法识别的情况的缺陷,保证了整个图像的识别效果。
Description
技术领域
本发明涉及图像处理技术领域,更具体地说,涉及一种低分辨率的图像识别方法。
背景技术
图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,是应用深度学习算法的一种实践应用。现阶段的航拍图、卫星拍摄图等等,都会出现各种存在瑕疵的图像,再通过传输转发等操作,分辨率非常的低。而图像的传统识别流程分为四个步骤:图像采集、图像预处理、特征提取、图像识别,当针对低分辨率的图像进行图像识别时,由于低分辨率的图像本身缺失有一定量的图像信息,识别时图像的部分区域会出现识别错误或无法识别的情况,进而影响整个图像的识别效果。
于是,有鉴于此,针对现有的识别流程予以研究改良,提供一种低分辨率的图像识别方法,以期达到更具有更加实用价值性的目的。
发明内容
1.要解决的技术问题
针对现有技术中存在的问题,本发明的目的在于提供一种低分辨率的图像识别方法,它可以摄取图像信息,并将摄取的图像像素信息补足完整,然后生成新的电子图像,补足了图像的部分区域出现识别错误或无法识别的情况的缺陷,保证了整个图像的识别效果。
2.技术方案
为解决上述问题,本发明采用如下的技术方案。
一种低分辨率的图像识别方法,包括其具体步骤如下:
步骤S1、图像摄取:在多种光照和湿度条件下采用多种方式进行多次图像摄取;
步骤S2、像素化处理:将步骤S1中摄取的多个图像信息分别进行灰度处理和二值化处理并生成由像素组成的图像,并根据像素值分解为若干像素矩阵区域;
步骤S3、图像补足:进而比对原图像的清晰部分,进行像素图像的第一次补足;
步骤S4、像素图像对比:对摄像并处理后的多个像素图像进行横向对比,显示像素的差异区域;
步骤S5、像素图像分析:根据横向对比结果,并改变摄取图像时的条件找出显示像素的差异区域;
步骤S6、像素图像处理:在获得步骤S5中的像素矩阵的差异区域时,连接服务网络,并加载与该像素矩阵区域相似的像素信息,然后将像素矩阵不足像素信息,并得到新的像素矩阵;
步骤S7、像素图像分割:对新的像素矩阵保存副本,并对副本进行分割并形成分隔模块,然后与原图像进行对比;
步骤S8、像素图像拼接:收集分隔后的分隔模块进行收集,选择与原图像对比程度高的模块进行保存;
步骤S9、图像结果生成:对保存的模块进行组合后,进行最终保存并生成副本。
进一步的,所述步骤S1中图像摄取的方式包括摄像头摄取和扫描仪扫描。
进一步的,所述步骤S2中灰度处理和二值化处理后形成的处理图像为像素组成的像素矩阵,且像素矩阵大小为a*b。
进一步的,所述像素矩阵中a的数值为大于2且为整数,b的数值为大于2且为整数。
进一步的,步骤S3中的图像补足时,该图像的像素所在的像素矩阵区域的可处理条件为a大于20,b大于20,且处理区域为图像摄取无法识别的区域。
进一步的,所述步骤S5中在横向对比分析时,保证图像摄取时的光度和湿度相同。
进一步的,所述步骤S6中像素图像处理时的相似的像素信息与原像素矩阵的相似信息比例大于60%。
进一步的,所述步骤S7中像素分隔时,控制处于同一像素分隔区域的像素灰度值。
进一步的,所述步骤S9中拼接生成的最终图像生成的副本上标注有补足的像素信息,并在副本上做高亮标记。
3.有益效果
相比于现有技术,本发明的优点在于:
本方案,在进行低分辨率的图像识别时,首先将图像分解为像素信息,然后根据原图像进行像素图像中的像素信息初步补足、像素信息的图像对比、分析和处理,并最终对难以补足的信息进行服务网络的索引,直到将摄取的图像像素信息补足完整,并生成新的电子图像,该方法补足了图像的部分区域出现识别错误或无法识别的情况的缺陷,保证了整个图像的识别效果。
附图说明
图1为本发明的系统示意图。
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。
实施例:
请参阅图1,一种低分辨率的图像识别方法,其具体步骤如下:
步骤S1、图像摄取:在多种光照和湿度条件下采用多种方式进行多次图像摄取;
步骤S2、像素化处理:将步骤S1中摄取的多个图像信息分别进行灰度处理和二值化处理并生成由像素组成的图像,并根据像素值分解为若干像素矩阵区域;
步骤S3、图像补足:进而比对原图像的清晰部分,进行像素图像的第一次补足;
步骤S4、像素图像对比:对摄像并处理后的多个像素图像进行横向对比,显示像素的差异区域;
步骤S5、像素图像分析:根据横向对比结果,并改变摄取图像时的条件找出显示像素的差异区域;
步骤S6、像素图像处理:在获得步骤S5中的像素矩阵的差异区域时,连接服务网络,并加载与该像素矩阵区域相似的像素信息,然后将像素矩阵不足像素信息,并得到新的像素矩阵;
步骤S7、像素图像分割:对新的像素矩阵保存副本,并对副本进行分割并形成分隔模块,然后与原图像进行对比;
步骤S8、像素图像拼接:收集分隔后的分隔模块进行收集,选择与原图像对比程度高的模块进行保存;
步骤S9、图像结果生成:对保存的模块进行组合后,进行最终保存并生成副本。
参阅图1,步骤S1中图像摄取的方式包括摄像头摄取和扫描仪扫描;
利用摄像头和扫描仪同时进行图像摄取,保证图像摄取过程中能尽可能的将图像中现有的信息进行提取。
参阅图1,步骤S2中灰度处理和二值化处理后形成的处理图像为像素组成的像素矩阵,且像素矩阵大小为a*b;
将图像处理为a*b的像素矩阵,可便于后续对图像进行像素修复。
参阅图1,像素矩阵中a的数值为大于2且为整数,b的数值为大于2且为整数;
控制a和b的数值,可保证图像有可供处理的像素空间,然后a和b的数值越高,可操作的像素矩阵的范围越大,进而提高图像识别的清晰度。
参阅图1,步骤S3中的图像补足时,该图像的像素所在的像素矩阵区域的可处理条件为a大于20,b大于20,且处理区域为图像摄取无法识别的区域;
当像素矩阵的范围为a大于20,b大于20时,进行图像补足时,可有效降低补足的图像对其他区域的影响。
参阅图1,步骤S5中在横向对比分析时,保证图像摄取时的光度和湿度相同;
控制图像摄取时的光度和湿度相同,避免光度和湿度的不同对摄取的图像造成影响,同时剔除部分光度和湿度不同时的摄取图像,保证图像的识别效果。
参阅图1,步骤S6中像素图像处理时的相似的像素信息与原像素矩阵的相似信息比例大于60%;
提取服务网络中的相似的像素信息,可对人眼和设备无法识别的信息进行补足,同时相似信息比例越高,形成的最终图像与原图像的呈现效果越相同。
参阅图1,步骤S7中像素分隔时,控制处于同一像素分隔区域的像素灰度值;
根据灰度值划分像素的分隔区域,将灰度值相近的像素矩阵划分为同一个像素的分隔区域,便于进行相同或相似灰度的像素对比。
参阅图1,步骤S9中拼接生成的最终图像生成的副本上标注有补足的像素信息,并在副本上做高亮标记;
保留最终图像与原始图像之间的像素信息的变动,并保存原始图像,便于在后续根据不同的实用需求进行图像的区域块化处理。
在使用时:
在进行低分辨率的图像识别时,首先进行图像摄取,在此过程中,采用摄像头摄取和扫描仪扫描的图像摄取的方式在多种光照和湿度条件下采用多种方式进行多次图像摄取;
然后进行像素化处理,在此过程中,将摄取的多个图像信息分别进行灰度处理和二值化处理并生成由像素组成的图像,并根据像素值分解为若干像素矩阵区域,像素矩阵大小为a*b,且保证像素矩阵中a的数值为大于2且为整数,b的数值为大于2且为整数;
然后进行图像补足,在此过程中,进而比对原图像的清晰部分,进行像素图像的第一次补足,补足的处理区域为像素所在的像素矩阵区域中a大于20,b大于20,且处理区域为图像摄取无法识别的区域;
然后进行像素图像对比、分析和处理,在此过程中,先对摄像并处理后的多个像素图像进行横向对比,显示像素的差异区域,然后根据横向对比结果,并改变摄取图像时的条件找出显示像素的差异区域,然后进行像素图像处理:在获得步骤S5中的像素矩阵的差异区域时,连接服务网络,并加载与该像素矩阵区域相似的像素信息与原像素矩阵的相似信息比例大于60%的像素信息,然后将像素矩阵不足像素信息,并得到新的像素矩阵;
然后进行像素图像分割,在此过程中,对新的像素矩阵保存副本,控制处于同一像素分隔区域的像素灰度值,并对副本进行分割并形成分隔模块,然后与原图像进行对比;
然后进行像素图像拼接,在此过程中,收集分隔后的分隔模块进行收集,选择与原图像对比程度高的模块进行保存;
然后进行图像结果生成,在此过程中,对保存的模块进行组合后,进行最终保存并生成副本,新图像继续生成副本,最终图像生成的副本上标注有补足的像素信息,并在副本上做高亮标记;
这样即可完成整个对低分辨率的图像的识别过程。
以上所述,仅为本发明较佳的具体实施方式;但本发明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发明揭露的技术范围内,根据本发明的技术方案及其改进构思加以等同替换或改变,都应涵盖在本发明的保护范围内。
Claims (8)
1.一种低分辨率的图像识别方法,其特征在于:其具体步骤如下:
步骤S1、图像摄取:在多种光照和湿度条件下采用多种方式进行多次图像摄取;
步骤S2、像素化处理:将步骤S1中摄取的多个图像信息分别进行灰度处理和二值化处理并生成由像素组成的图像,并根据像素值分解为若干像素矩阵区域;
步骤S3、图像补足:进而比对原图像的清晰部分,进行像素图像的第一次补足;
步骤S4、像素图像对比:对摄像并处理后的多个像素图像进行横向对比,显示像素的差异区域;
步骤S5、像素图像分析:根据横向对比结果,并改变摄取图像时的条件找出显示像素的差异区域;
步骤S6、像素图像处理:在获得步骤S5中的像素矩阵的差异区域时,连接服务网络,并加载与该像素矩阵区域相似的像素信息,然后将像素矩阵不足像素信息,并得到新的像素矩阵;
步骤S7、像素图像分割:对新的像素矩阵保存副本,并对副本进行分割并形成分隔模块,然后与原图像进行对比;
步骤S8、像素图像拼接:收集分隔后的分隔模块进行收集,选择与原图像对比程度高的模块进行保存;
步骤S9、图像结果生成:对保存的模块进行组合后,进行最终保存并生成副本。
2.根据权利要求1所述的一种低分辨率的图像识别方法,其特征在于:所述步骤S2中灰度处理和二值化处理后形成的处理图像为像素组成的像素矩阵,且像素矩阵大小为a*b。
3.根据权利要求3所述的一种低分辨率的图像识别方法,其特征在于:所述像素矩阵中a的数值为大于2且为整数,b的数值为大于2且为整数。
4.根据权利要求1所述的一种低分辨率的图像识别方法,其特征在于:步骤S3中的图像补足时,该图像的像素所在的像素矩阵区域的可处理条件为a大于20,b大于20,且处理区域为图像摄取无法识别的区域。
5.根据权利要求1所述的一种低分辨率的图像识别方法,其特征在于:所述步骤S5中在横向对比分析时,保证图像摄取时的光度和湿度相同。
6.根据权利要求1所述的一种低分辨率的图像识别方法,其特征在于:所述步骤S6中像素图像处理时的相似的像素信息与原像素矩阵的相似信息比例大于60%。
7.根据权利要求1所述的一种低分辨率的图像识别方法,其特征在于:所述步骤S7中像素分隔时,控制处于同一像素分隔区域的像素灰度值。
8.根据权利要求1所述的一种低分辨率的图像识别方法,其特征在于:所述步骤S9中拼接生成的最终图像生成的副本上标注有补足的像素信息,并在副本上做高亮标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211259271.XA CN115456926A (zh) | 2022-10-14 | 2022-10-14 | 一种低分辨率的图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211259271.XA CN115456926A (zh) | 2022-10-14 | 2022-10-14 | 一种低分辨率的图像识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115456926A true CN115456926A (zh) | 2022-12-09 |
Family
ID=84311143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211259271.XA Pending CN115456926A (zh) | 2022-10-14 | 2022-10-14 | 一种低分辨率的图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115456926A (zh) |
-
2022
- 2022-10-14 CN CN202211259271.XA patent/CN115456926A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104749184B (zh) | 自动光学检测方法和系统 | |
CN112686812B (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
CN110210387B (zh) | 基于知识图谱的绝缘子目标检测方法、系统、装置 | |
CN108596166A (zh) | 一种基于卷积神经网络分类的集装箱箱号识别方法 | |
CN106897994A (zh) | 一种基于分层图像的pcb板缺陷检测系统和方法 | |
US9471977B2 (en) | Image processing device, image processing system, and non-transitory computer readable medium | |
CN114240939B (zh) | 一种主板元器件外观缺陷检测方法、系统、设备及介质 | |
CN110599445A (zh) | 一种电网螺母和销的目标鲁棒检测与缺陷识别方法及装置 | |
CN110335233B (zh) | 基于图像处理技术的高速公路护栏板缺陷检测系统和方法 | |
CN113989794B (zh) | 一种车牌检测和识别方法 | |
CN113435407B (zh) | 一种输电系统的小目标识别方法及装置 | |
CN113034474A (zh) | 一种oled显示器晶圆图的测试方法 | |
CN108830857A (zh) | 一种自适应的汉字碑帖图像二值化分割算法 | |
CN114399678A (zh) | 一种差分孪生网络变电站图像异同检测方法 | |
CN113392819B (zh) | 一种批量化学术图像自动分割标注装置和方法 | |
CN112750113A (zh) | 基于深度学习和直线检测的玻璃瓶缺陷检测方法及装置 | |
CN112686247A (zh) | 一种身份证号码检测方法、装置、可读存储介质和终端 | |
CN116645351A (zh) | 一种复杂场景的缺陷在线检测方法及系统 | |
CN115456926A (zh) | 一种低分辨率的图像识别方法 | |
Tribak et al. | Remote solar panels identification based on patterns localization | |
CN104677919B (zh) | 数据运算方法、数据运算装置及缺陷检查装置 | |
CN111488889B (zh) | 一种用于图像边缘提取的智能图像处理仪 | |
CN114299307A (zh) | 一种输电线路图像标注方法及相关装置 | |
Vu et al. | Automatic extraction of text regions from document images by multilevel thresholding and k-means clustering | |
Gopakumar | A survey on image splice forgery detection and localization techniques |
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 |