CN115496778B - 一种提高边缘光滑性的图像二值化方法、装置及存储介质 - Google Patents

一种提高边缘光滑性的图像二值化方法、装置及存储介质 Download PDF

Info

Publication number
CN115496778B
CN115496778B CN202211437011.7A CN202211437011A CN115496778B CN 115496778 B CN115496778 B CN 115496778B CN 202211437011 A CN202211437011 A CN 202211437011A CN 115496778 B CN115496778 B CN 115496778B
Authority
CN
China
Prior art keywords
pixel
image
pixels
processed
gray
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
Application number
CN202211437011.7A
Other languages
English (en)
Other versions
CN115496778A (zh
Inventor
赵勇
刘钢
赵昀
林永嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guiguzi Artificial Intelligence Technology Shenzhen Co ltd
Original Assignee
Guiguzi Artificial Intelligence Technology Shenzhen Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guiguzi Artificial Intelligence Technology Shenzhen Co ltd filed Critical Guiguzi Artificial Intelligence Technology Shenzhen Co ltd
Priority to CN202211437011.7A priority Critical patent/CN115496778B/zh
Publication of CN115496778A publication Critical patent/CN115496778A/zh
Application granted granted Critical
Publication of CN115496778B publication Critical patent/CN115496778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/194—Segmentation; Edge detection involving foreground-background 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
    • G06T7/13—Edge detection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

一种提高边缘光滑性的图像二值化方法，包括：获取待处理图像中各个像素的灰度值；获取灰度阈值的集合；根据集合中的每一个灰度阈值分别对待处理图像进行前后背景划分；对于每一个灰度阈值：当每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的两个像素作为一组损失像素组，并获取与损失像素组的组数相关的损失函数，通过损失函数计算待处理图像在该灰度阈值下的前景像素和背景像素之间的综合度；选择综合度最大所对应的灰度阈值对待处理图像进行二值化处理。由于可以综合区分度和平滑度以获取最大综合度，使得提高前景和背景之间边缘的光滑性。本发明还提供一种提高边缘光滑性的图像二值化装置及介质。

Description

一种提高边缘光滑性的图像二值化方法、装置及存储介质
技术领域
本发明涉及图像处理技术领域，具体涉及一种提高边缘光滑性的图像二值化方法、装置及存储介质。
背景技术
图像二值化方法是很多图像处理应用的重要环节，在图像理解、图像的识别、智能处理中有着非常主要的应用。图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程，其在数字图像处理中，可以使图像中数据量大为减少，从而能凸显出目标的轮廓，因此占有非常重要的地位。
现在最常用的方法是采用Otsu(大津）算法，其基本思想是对所处理的图像，或局部区域转换为灰度图像后，采用一个最佳的阈值，使得小于阈值和大于阈值的两类像素的灰度值中心（均值）之间的距离最大。但是实际在使用Otsu(大津）算法时，容易造成前景和背景之间的边缘出现很多锯齿，从而形成不光滑的边缘。
发明内容
本发明主要解决的技术问题是提高前景和背景之间边缘的光滑度。
根据第一方面，一种实施例中提供一种提高边缘光滑性的图像二值化方法，包括：
获取待处理图像中各个像素的灰度值；
获取灰度阈值的集合；
根据所述集合中的每一个灰度阈值分别对所述待处理图像进行前后背景划分，将待处理图像中灰度值大于等于所述灰度阈值的像素划分为前景像素，将灰度值小于所述灰度阈值的像素划分为背景像素；
对于每一个灰度阈值，获取所述待处理图像在该灰度阈值下所划分的前景像素和背景像素，当每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，并获取与所述损失像素组的组数相关的损失函数C，通过所述损失函数C计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度，所述综合度包括区分度和平滑度；
比较每一个灰度阈值所对应的前景像素和背景像素之间的综合度，以选择前景像素和背景像素之间综合度最大所对应的灰度阈值；
基于所选择的灰度阈值，对所述待处理图像进行二值化处理，得到二值化后的图像。
一些实施例中，在通过所述损失函数
Figure 100002_DEST_PATH_IMAGE001
计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度时，通过以下公式进行计算：
Figure 8740DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
为综合度，
Figure 784935DEST_PATH_IMAGE004
为区分度，损失函数
Figure 100002_DEST_PATH_IMAGE005
作为平滑度，
Figure 692235DEST_PATH_IMAGE006
和
Figure 100002_DEST_PATH_IMAGE007
为权重系数。
一些实施例中，所述区分度通过以下公式进行计算：
Figure 290707DEST_PATH_IMAGE008
其中，
Figure 760871DEST_PATH_IMAGE004
为区分度，
Figure 114492DEST_PATH_IMAGE009
为待处理图像中像素属于背景像素的概率，
Figure 584788DEST_PATH_IMAGE010
为待处理图像中全部像素的平均灰度值，
Figure 100002_DEST_PATH_IMAGE011
为待处理图像中像素属于背景像素的平均灰度值，
Figure 970639DEST_PATH_IMAGE012
为待处理图像中像素属于前景像素的概率，
Figure 46042DEST_PATH_IMAGE013
为待处理图像中像素属于前景像素的平均灰度值。
一些实施例中，所述获取与所述损失像素组的组数相关的损失函数
Figure 304985DEST_PATH_IMAGE014
，包括：
当待处理图像中每存在一组损失像素组时，则获取一个与所述损失像素组对应的非负数的损失因子；
将全部的损失因子相加后取负值，以得到所述损失函数
Figure 100002_DEST_PATH_IMAGE015
；
或者，
将全部的损失因子相加后取倒数，以得到所述损失函数
Figure 449528DEST_PATH_IMAGE015
。
一些实施例中，所述损失因子与对应损失像素组包含的两个像素之间的灰度值差值呈正相关。
一些实施例中，所述获取一个与所述损失像素组对应的非负数的损失因子，包括：
分别获取所述损失像素组所包含的两个像素的灰度值；
将所述两个像素之间的灰度值差值进行平方或绝对值计算后，得到所述损失因子。
一些实施例中，当所述待处理图像中每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，包括：
获取待处理图像中任一像素的坐标
Figure 579682DEST_PATH_IMAGE016
，以及所述任一像素的相邻像素的坐标
Figure 100002_DEST_PATH_IMAGE017
、
Figure 40750DEST_PATH_IMAGE018
和
Figure 100002_DEST_PATH_IMAGE019
；
每当所述任一像素与其相邻像素中任一像素不同时属于前景像素或背景像素时，则将所述任一像素和其相邻像素中所述任一像素作为一组损失像素组；
其中
Figure 595229DEST_PATH_IMAGE020
表示列，
Figure 100002_DEST_PATH_IMAGE021
表示行，
Figure 961488DEST_PATH_IMAGE020
和
Figure 689141DEST_PATH_IMAGE021
分别为大于等于1的整数。
一些实施例中，当待处理图像中每存在一组损失像素组，则获取一个与所述损失像素组对应的非负数的损失因子时，所述损失函数
Figure 598191DEST_PATH_IMAGE022
通过以下公式得到：
Figure 100002_DEST_PATH_IMAGE023
Figure 871041DEST_PATH_IMAGE024
Figure 100002_DEST_PATH_IMAGE025
或者，
Figure 461947DEST_PATH_IMAGE026
Figure 100002_DEST_PATH_IMAGE027
Figure 462133DEST_PATH_IMAGE028
其中M，N分别是待处理图像中像素的总行数和总列数；D是相邻坐标的两个像素的损失因子；
Figure 100002_DEST_PATH_IMAGE029
是异或运算；I是示性函数，其在小标条件满足时取值为1，否则取值为0，小标条件分别指
Figure 84744DEST_PATH_IMAGE030
、
Figure 100002_DEST_PATH_IMAGE031
、
Figure 325232DEST_PATH_IMAGE032
和
Figure DEST_PATH_IMAGE033
；P是坐标对应像素的灰度值；T是灰度阈值。
根据第二方面，一种实施例中提供一种提高边缘光滑性的图像二值化装置，包括：
采样模块，用于获取待处理图像中各个像素的灰度值；
前后背景划分模块，用于获取灰度阈值的集合，根据所述集合中的每一个灰度阈值分别对所述待处理图像进行前后背景划分，将待处理图像中灰度值大于等于灰度阈值的像素划分为前景像素，将灰度值小于所述灰度阈值的像素划分为背景像素；
计算模块，用于对于每一个灰度阈值，获取所述待处理图像在该灰度阈值下所划分的前景像素和背景像素，当每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，并获取与所述损失像素组的组数相关的损失函数
Figure 134925DEST_PATH_IMAGE034
，通过所述损失函数
Figure 867696DEST_PATH_IMAGE034
计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度，所述综合度包括区分度和平滑度；
灰度阈值选择模块，用于比较每一个灰度阈值所对应的前景像素和背景像素之间的综合度，以选择前景像素和背景像素之间综合度最大所对应的灰度阈值；
处理模块，用于基于所选择的灰度阈值，对所述待处理图像进行二值化处理，得到二值化后的图像。
根据第三方面，一种实施例中提供一种计算机可读存储介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如第一方面所述的方法。
据上述实施例的提高边缘光滑性的图像二值化方法、装置及介质，在获取待处理图像中各个像素的灰度值后，遍历灰度阈值的集合中的每一个灰度阈值分别对待处理图像进行前后背景划分，并在划分过程中每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的两个像素作为一组损失像素组，并获取与损失像素组的组数相关的损失函数
Figure DEST_PATH_IMAGE035
。然后通过损失函数
Figure 610393DEST_PATH_IMAGE035
计算待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度，并选择综合度最大所对应的灰度阈值，最后基于所选择的灰度阈值，对待处理图像进行二值化处理，得到二值化后的图像。由于损失函数
Figure 818521DEST_PATH_IMAGE036
与损失像素组的组数相关，而损失像素组由分别属于前景像素和背景像素的相邻两个像素得到，因此在计算前景像素和背景像素之间的综合度时，可以综合区分度和平滑度以获取最大综合度，使得在保证前景像素和背景像素之间区分度的情况下，提高前景像素和背景像素之间边缘的光滑性和连续性。
附图说明
图1为一种实施例的提高边缘光滑性的图像二值化方法的流程图；
图2为另一种实施例的提高边缘光滑性的图像二值化方法的流程图；
图3为又一种实施例的提高边缘光滑性的图像二值化方法的流程图；
图4为一种实施例的提高边缘光滑性的图像二值化装置的示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。
在采用Otsu(大津）算法对图像进行二值化时，由于其主要是依赖于单一的最佳阈值来进行前景和背景的划分，只要求前景和背景之间的区别最大即可，使得很多靠近最佳阈值附近的像素，交错的被划分为前景和背景，从而导致了前景和背景之间的边缘存在很多不光滑的锯齿。
在本发明实施例中，除了考虑前景和背景之间的区分度之外，还考虑了前景和背景之间的平滑度，并通过区分度和平滑度来计算综合度。每当相邻的两个像素分别属于前景像素和背景像素时，则得到一组损失像素组，并依此得到相应的损失函数
Figure DEST_PATH_IMAGE037
，再根据损失函数
Figure 646668DEST_PATH_IMAGE037
计算得到综合度，然后选择综合度最大时所对应的灰度阈值来进行前景和背景的划分，从而平衡前景和背景之间的区分度和平滑度，保证前景和背景之间区分度的情况下，以提高前景和背景之间边缘的光滑性。
一些实施例提供了一种提高边缘光滑性的图像二值化方法，其可以用于对灰度图像进行二值化处理，并得到前景和背景分离的二值化图像。请参考图1，以下对提高边缘光滑性的图像二值化方法进行具体的说明：
步骤100：获取待处理图像中各个像素的灰度值。
一些实施例中，对于需要进行二值化的待处理图像，如果其不是灰度图像，例如彩色图像，需要先将待处理图像转换为灰度图像。而对于灰度图像，其每一个像素都有一个灰度值，灰度值的取值范围是0-255，然后获取待处理图像中各个像素的灰度值，以便于后续的二值化处理。
步骤200：获取灰度阈值的集合。
一些实施例中，由于需要将待处理图像分割为前景和后景，因此需要一灰度阈值来对待处理图像中的每一个像素进行分割。一些实施例中，灰度阈值的取值范围是0-255，因此灰度阈值的集合也是（0-255）。
步骤300：根据所述集合中的每一个灰度阈值分别对所述待处理图像进行前后背景划分，将待处理图像中灰度值大于等于灰度阈值的像素划分为前景像素，将灰度值小于所述灰度阈值的像素划分为背景像素。
一些实施例中，在获取灰度阈值后，便可以对待处理图像中的每一个像素进行分割，由于不知道分割待处理图像最佳取值的灰度阈值，因此需要遍历灰度阈值的集合中的每一个灰度阈值，通过比较后以得到最佳取值的灰度阈值。一些实施例中，对于待处理图像中的任意一个像素
Figure 801706DEST_PATH_IMAGE038
（第i行，第j列的像素）采用以下公式进行分割：
Figure DEST_PATH_IMAGE039
其中，
Figure 461226DEST_PATH_IMAGE040
是待处理图像分割后像素的取值，T是灰度阈值。
由上述分割的公式可知，将待处理图像中灰度值大于等于灰度阈值的像素划分为前景像素，即取值为“1”，将灰度值小于灰度阈值的像素划分为背景像素，即取值为“0”，从而完成灰度阈值对待处理图像中每一个像素的分割。
步骤400：对于每一个灰度阈值，获取所述待处理图像在该灰度阈值下所划分的前景像素和背景像素，当每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，并获取与所述损失像素组的组数相关的损失函数
Figure 777938DEST_PATH_IMAGE041
，通过所述损失函数
Figure 361891DEST_PATH_IMAGE042
计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度，所述综合度包括区分度和平滑度。
一些实施例中，由于当相邻的两个像素分别属于前景像素和背景像素时，就可能导致前景和背景之间的边缘产生不光滑的锯齿，因此每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的两个像素作为一组损失像素组。一些实施例中，根据获取的每一组损失像素组，获取与损失像素组的组数相关的损失函数
Figure 258303DEST_PATH_IMAGE043
，可以理解的是，损失像素组的组数越多，则说明前景和背景之间的边缘可能产生越多的不光滑锯齿。因此根据损失函数
Figure DEST_PATH_IMAGE044
计算待处理图像在对应灰度阈值下的前景像素和背景像素之间的综合度，当损失像素组的组数越多，损失函数
Figure 710013DEST_PATH_IMAGE045
越小或越大，从而影响前景像素和背景像素之间的综合度，而综合度包括区分度和平滑度。其中区分度可以是表示前景和背景之间的区别，或者说可以是表示前景和背景之间中心（均值）之间的距离，而平滑度可以是表示前景和背景之间边缘的光滑度。
步骤500：比较每一个灰度阈值所对应的前景像素和背景像素之间的综合度，以选择前景像素和背景像素之间综合度最大所对应的灰度阈值。
步骤600：基于所选择的灰度阈值，对所述待处理图像进行二值化处理，得到二值化后的图像。
一些实施例中，当遍历灰度阈值的集合中的每一个灰度阈值后，比较每一个灰度阈值所对应的前景像素和背景像素之间的综合度，并选择前景像素和背景像素之间综合度最大所对应的灰度阈值，然后基于所选择的灰度阈值，对待处理图像进行二值化处理，得到二值化后的图像。由于前景像素和背景像素之间综合度最大时，是综合区分度和平滑度而所取得的最大值，因此相比只考虑前景像素和背景像素之间区分度的情况下，基于综合度最大时所对应灰度阈值对待处理图像进行二值化处理时，可以提高前景和背景之间边缘的光滑性。
由上述实施例中可知，在获取待处理图像中各个像素的灰度值后，遍历灰度阈值的集合中的每一个灰度阈值分别对待处理图像进行前后背景划分，并在划分过程中每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的两个像素作为一组损失像素组，并获取与损失像素组的组数相关的损失函数
Figure DEST_PATH_IMAGE046
。然后通过损失函数
Figure 712473DEST_PATH_IMAGE046
计算待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度，并选择综合度最大所对应的灰度阈值，最后基于所选择的灰度阈值，对待处理图像进行二值化处理，得到二值化后的图像。由于损失像素组的组数越多，则说明前景和背景之间的边缘可能产生越多的不光滑锯齿，反之前景和背景之间的边缘可能产生越少的不光滑锯齿。因此根据损失函数
Figure 265945DEST_PATH_IMAGE047
计算待处理图像在对应灰度阈值下的前景像素和背景像素之间的综合度，当损失像素组的组数越多，使得损失函数
Figure 746474DEST_PATH_IMAGE047
越小或越大，从而影响前景像素和背景像素之间的综合度，因此在计算前景像素和背景像素之间的综合度时，可以综合区分度和平滑度以获取最大综合度，使得在保证前景像素和背景像素之间区分度的情况下，提高前景像素和背景像素之间边缘的光滑性和连续性。
一些实施例中，在通过损失函数
Figure 865739DEST_PATH_IMAGE047
计算所述待处理图像在该灰度阈值下的前景像素和背景像素之间的综合度时，通过以下公式进行计算：
Figure DEST_PATH_IMAGE048
其中，
Figure 776451DEST_PATH_IMAGE049
为综合度，
Figure DEST_PATH_IMAGE050
为区分度，损失函数
Figure 348378DEST_PATH_IMAGE047
作为平滑度，
Figure 570281DEST_PATH_IMAGE051
和
Figure DEST_PATH_IMAGE052
为权重系数。
由上述可知，区分度和平滑度可以是分别进行计算后通过相加得到综合度，因此区分度和平滑度中任一数值的减少都会影响综合度，从而可以较好的平衡区分度和平滑度。而权重系数
Figure 809632DEST_PATH_IMAGE053
和
Figure DEST_PATH_IMAGE054
可以根据需要对区分度和平滑的重要性进行调节，例如区分度更重要时，增加权重系数
Figure 888315DEST_PATH_IMAGE055
的值，反之则可以增加权重系数
Figure 478697DEST_PATH_IMAGE054
的值。
一些实施例中，区分度通过以下公式进行计算：
Figure 238711DEST_PATH_IMAGE008
其中，
Figure 332569DEST_PATH_IMAGE004
为区分度，
Figure 660782DEST_PATH_IMAGE009
为待处理图像中像素属于背景像素的概率，
Figure 662761DEST_PATH_IMAGE010
为待处理图像中全部像素的平均灰度值，
Figure 367412DEST_PATH_IMAGE011
为待处理图像中像素属于背景像素的平均灰度值，
Figure 784618DEST_PATH_IMAGE012
为待处理图像中像素属于前景像素的概率，
Figure 283732DEST_PATH_IMAGE013
为待处理图像中像素属于前景像素的平均灰度值。
本实施例中通过类间方差公式来计算前景像素和背景像素之间的区分度，可以理解的是，当通过计算前景和背景之间中心（均值）之间的距离作为前景像素和背景像素之间的区分度时，还可以采用其它算法来计算。
本实施例中类间方差公式基本原理是：先求待处理图像的直方图，即假定待处理图像的总像素为N，该待处理图像共有L个灰度级（一般L=255），对应L个灰度值，取值在（0，L-1）之间，而ni则是第i级灰度的像素数目的总和，因此，该灰度级出现的概率为：
Figure DEST_PATH_IMAGE056
而待处理图像的总平均灰度为：
Figure 566815DEST_PATH_IMAGE057
以灰度阈值T将待处理图像分成两类：背景和前景，其中背景的灰度值范围为（0，T-1）， 前景的灰度值范围为（T，L-1），而背景的概率（所占面积）为：
Figure DEST_PATH_IMAGE058
前景的概率则为：
Figure 216102DEST_PATH_IMAGE059
背景的平均灰度值为：
Figure DEST_PATH_IMAGE060
前景的平均灰度为：
Figure 268240DEST_PATH_IMAGE061
其中：
Figure DEST_PATH_IMAGE062
Figure 344781DEST_PATH_IMAGE063
因此类间方差为：
Figure 584001DEST_PATH_IMAGE008
请参考图2，一些实施例中，在获取与所述损失像素组的组数相关的损失函数
Figure DEST_PATH_IMAGE064
时，其具体方法包括：
步骤410：当待处理图像中每存在一组损失像素组时，则获取一个与所述损失像素组对应的非负数的损失因子。
本实施例中，损失因子的数量与损失像素组的组数一一对应，而损失因子则与损失像素组相对应，以体现出该损失因子是由该损失像素组得到的。
步骤420：将全部的损失因子相加后取负值，以得到所述损失函数
Figure 771400DEST_PATH_IMAGE065
。
或者步骤430：将全部的损失因子相加后取倒数，以得到所述损失函数
Figure 287832DEST_PATH_IMAGE065
。
一些实施例中，由于损失像素组的组数越多时，期望损失函数
Figure DEST_PATH_IMAGE066
对综合度的影响越大，因此损失像素组越多，需要使得损失函数
Figure 283794DEST_PATH_IMAGE066
越小。一些实施例中，由于损失因子是非负数的，因此全部的损失因子相加后取负值，便可以得到与其呈负相关的损失函数
Figure 885676DEST_PATH_IMAGE067
。一些实施例中，也可以将全部的损失因子相加后取倒数，以得到与其呈负相关的损失函数
Figure 594875DEST_PATH_IMAGE067
。一些实施例中，也可以根据损失函数
Figure 965814DEST_PATH_IMAGE067
计算综合度的方式，使得损失函数
Figure 852998DEST_PATH_IMAGE067
与损失像素组的组数呈正相关，而损失因子也可以是负数，其最终的作用都是为了当损失像素组越多时，所计算出的综合度越小。
一些实施例中，损失因子与对应损失像素组包含的两个像素之间的灰度值差值呈正相关。当相邻的两个像素分别属于前景像素和背景像素时，不管这两个像素之间的灰度值相差多少，该两个像素均会作为一组损失像素组。如果两个像素之间的灰度值相差较大，其表现出来的不光滑锯齿越明显，反之则越不明显，因此除了考虑损失像素组组数对前景和背景之间光滑度的影响，还要考虑损失像素组所包含两个像素之间的灰度值差值的影响，因此当损失因子与对应损失像素组包含的两个像素之间的灰度值差值呈正相关时，可以综合损失像素组组数和损失像素组所包含两个像素之间的灰度值差值对前景和背景之间光滑度的影响。一些实施例中，损失因子也可以是预设的常数，此时只考虑损失像素组组数对前景和背景之间光滑度的影响。
请参考图3，一些实施例中，在获取一个与所述损失像素组对应的非负数的损失因子时，其具体方法包括：
步骤412：分别获取所述损失像素组所包含的两个像素的灰度值。
步骤414：将所述两个像素之间的灰度值差值进行平方或绝对值计算后，得到所述损失因子。
一些实施例中，通过对两个像素之间的灰度值差值进行平方或绝对值计算，以保证损失因子为非负数，且损失因子与对应损失像素组包含的两个像素之间的灰度值差值呈正相关。
一些实施例中，当所述待处理图像中每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，其具体方法包括：
获取待处理图像中任一像素的坐标
Figure DEST_PATH_IMAGE068
，以及所述任一像素的相邻像素的坐标
Figure 411018DEST_PATH_IMAGE069
、
Figure DEST_PATH_IMAGE070
和
Figure 455067DEST_PATH_IMAGE071
。
每当所述任一像素与其相邻像素中任一像素不同时属于前景像素或背景像素时，则将所述任一像素和其相邻像素中所述任一像素作为一组损失像素组。
其中
Figure DEST_PATH_IMAGE072
和
Figure 87036DEST_PATH_IMAGE073
分别为大于等于1的整数。
一些实施例中，可以通过遍历全部的任一像素的坐标
Figure 659969DEST_PATH_IMAGE074
，从而获取全部的损失像素组。一些实施例中，由于任一像素（坐标
Figure 236444DEST_PATH_IMAGE075
）最多只与相邻的三个像素（坐标
Figure DEST_PATH_IMAGE076
、
Figure 569336DEST_PATH_IMAGE077
和
Figure DEST_PATH_IMAGE078
）进行比较，以判断是否不同时属于前景像素或背景像素，不仅可以提高计算效率，还可以避免有遗漏的损失像素组。
一些实施例中，当待处理图像中每存在一组损失像素组，则获取一个与所述损失像素组对应的非负数的损失因子时，损失函数
Figure 308010DEST_PATH_IMAGE066
通过以下公式得到：
Figure 802576DEST_PATH_IMAGE079
Figure DEST_PATH_IMAGE080
Figure 335188DEST_PATH_IMAGE081
或者，
Figure DEST_PATH_IMAGE082
Figure 721039DEST_PATH_IMAGE083
Figure DEST_PATH_IMAGE084
其中M，N分别是待处理图像中像素的总行数和总列数；D是相邻坐标的两个像素的损失因子；
Figure 327601DEST_PATH_IMAGE085
是异或运算；I是示性函数，其在小标条件满足时取值为1，否则取值为0，小标条件分别指
Figure 242336DEST_PATH_IMAGE030
、
Figure 527824DEST_PATH_IMAGE031
、
Figure DEST_PATH_IMAGE086
和
Figure 202519DEST_PATH_IMAGE033
；P是坐标对应像素的灰度值；T是灰度阈值。
由上述可知，当存在相邻的两个像素分别属于前景像素和背景像素时，两个像素中存在一个的灰度值小于灰度阈值T，另一个的灰度值大于灰度阈值T，而对应的示性函数一个为0，一个为1，经过异或运算运算后为1，因此将该两个像素作为一组损失函数组并参与损失函数
Figure 381697DEST_PATH_IMAGE087
的计算。而相邻的两个像素同时属于前景像素和背景像素时，对应的示性函数均为0或1，经过异或运算运算后均为0，因此不会将该两个像素作为一组损失函数组参与到损失函数
Figure 342699DEST_PATH_IMAGE087
的计算，从而可以快速计算出全部的损失因子，并得到损失函数
Figure 725270DEST_PATH_IMAGE087
。而损失因子D是与相邻坐标的两个像素所对应，其可以是一预设常数，也可以是两个像素之间灰度值差值的平方或绝对值。
由上述实施例中可知，根据损失函数
Figure 797132DEST_PATH_IMAGE087
计算待处理图像在对应灰度阈值下的前景像素和背景像素之间的综合度，当损失像素组的组数越多，损失函数
Figure DEST_PATH_IMAGE088
越小，从而影响前景像素和背景像素之间的综合度，因此在计算前景像素和背景像素之间的综合度时，可以综合区分度和平滑度以获取最大综合度，使得在保证前景像素和背景像素之间区分度的情况下，提高前景像素和背景像素之间边缘的光滑性和连续性。并且区分度可以通过计算前景和背景之间中心（均值）之间的距离来得到，从而使得区分度可以通过多种计算方式得到。而损失因子不仅与损失像素组组数相关，还损失像素组所包含两个像素之间的灰度值差值相关，从而可以综合损失像素组组数和损失像素组所包含两个像素之间的灰度值差值对前景和背景之间光滑度的影响。
请参考图4，一些实施例提供了一种提高边缘光滑性的图像二值化装置，其包括采样模块10、前后背景划分模块20、计算模块30、灰度阈值选择模块40和处理模块50。
采样模块10用于获取待处理图像中各个像素的灰度值。
前后背景划分模块20用于获取灰度阈值的集合，根据所述集合中的每一个灰度阈值分别对所述待处理图像进行前后背景划分，将待处理图像中灰度值大于等于灰度阈值的像素划分为前景像素，将灰度值小于所述灰度阈值的像素划分为背景像素。
计算模块30用于对于每一个灰度阈值，获取所述待处理图像在该灰度阈值下所划分的前景像素和背景像素，当每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，并获取与所述损失像素组的组数相关的损失函数
Figure 630483DEST_PATH_IMAGE089
，通过所述损失函数
Figure 700070DEST_PATH_IMAGE089
计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度，所述综合度包括区分度和平滑度。
灰度阈值选择模块40用于比较每一个灰度阈值所对应的前景像素和背景像素之间的综合度，以选择前景像素和背景像素之间综合度最大所对应的灰度阈值。
处理模块50用于基于所选择的灰度阈值，对所述待处理图像进行二值化处理，得到二值化后的图像。
一些实施例中，所述计算模块还用于在通过所述损失函数
Figure DEST_PATH_IMAGE090
计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度时，通过以下公式进行计算：
Figure 366675DEST_PATH_IMAGE091
其中，
Figure 101281DEST_PATH_IMAGE092
为综合度，
Figure 130417DEST_PATH_IMAGE093
为区分度，损失函数
Figure 43010DEST_PATH_IMAGE094
作为平滑度，
Figure 55965DEST_PATH_IMAGE095
和
Figure 594263DEST_PATH_IMAGE096
为权重系数。
一些实施例中，所述计算模块还用于通过以下公式进行计算区分度：
Figure 477905DEST_PATH_IMAGE008
其中，
Figure 826978DEST_PATH_IMAGE097
为区分度，
Figure 796071DEST_PATH_IMAGE009
为待处理图像中像素属于背景像素的概率，
Figure 872480DEST_PATH_IMAGE098
为待处理图像中全部像素的平均灰度值，
Figure 876208DEST_PATH_IMAGE011
为待处理图像中像素属于背景像素的平均灰度值，
Figure 130603DEST_PATH_IMAGE012
为待处理图像中像素属于前景像素的概率，
Figure 790255DEST_PATH_IMAGE013
为待处理图像中像素属于前景像素的平均灰度值。
一些实施例中，在获取与所述损失像素组的组数相关的损失函数
Figure 545721DEST_PATH_IMAGE099
时，所述计算模块还用于当待处理图像中每存在一组损失像素组时，则获取一个与所述损失像素组对应的非负数的损失因子；将全部的损失因子相加后取负值，以得到所述损失函数
Figure 531519DEST_PATH_IMAGE100
；或者，将全部的损失因子相加后取倒数，以得到所述损失函数
Figure 347028DEST_PATH_IMAGE094
。
一些实施例中，所述损失因子与对应损失像素组包含的两个像素之间的灰度值差值呈正相关。
一些实施例中，在获取一个与所述损失像素组对应的非负数的损失因子时，所述计算模块还用于分别获取所述损失像素组所包含的两个像素的灰度值；将所述两个像素之间的灰度值差值进行平方或绝对值计算后，得到所述损失因子。
一些实施例中，在当所述待处理图像中每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，所述前后背景划分模块还用于获取待处理图像中任一像素的坐标
Figure 166080DEST_PATH_IMAGE101
，以及所述任一像素的相邻像素的坐标
Figure 459658DEST_PATH_IMAGE102
、
Figure 297033DEST_PATH_IMAGE103
和
Figure 955547DEST_PATH_IMAGE104
；每当所述任一像素与其相邻像素中任一像素不同时属于前景像素或背景像素时，则将所述任一像素和其相邻像素中所述任一像素作为一组损失像素组；其中
Figure 386529DEST_PATH_IMAGE105
表示列，
Figure 608431DEST_PATH_IMAGE106
表示行，
Figure 378941DEST_PATH_IMAGE107
和
Figure 536253DEST_PATH_IMAGE106
分别为大于等于1的整数。
一些实施例中，当待处理图像中每存在一组损失像素组，则获取一个与所述损失像素组对应的非负数的损失因子时，所述计算模块还用于通过以下公式得到损失函数
Figure 329897DEST_PATH_IMAGE108
：
Figure 965277DEST_PATH_IMAGE109
Figure 777245DEST_PATH_IMAGE110
Figure 371037DEST_PATH_IMAGE111
或者，
Figure 386397DEST_PATH_IMAGE112
Figure 91048DEST_PATH_IMAGE113
Figure 836150DEST_PATH_IMAGE114
其中M，N分别是待处理图像中像素的总行数和总列数；D是相邻坐标的两个像素的损失因子；
Figure 451110DEST_PATH_IMAGE115
是异或运算；I是示性函数，其在小标条件满足时取值为1，否则取值为0，小标条件分别指
Figure 78400DEST_PATH_IMAGE030
、
Figure 930949DEST_PATH_IMAGE031
、
Figure 858454DEST_PATH_IMAGE032
和
Figure 653104DEST_PATH_IMAGE033
；P是坐标对应像素的灰度值；T是灰度阈值。
一些实施例提供了一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现上述实施例中一种提高边缘光滑性的图像二值化方法。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (7)

1.一种提高边缘光滑性的图像二值化方法，其特征在于，包括：
获取待处理图像中各个像素的灰度值；
获取灰度阈值的集合；
根据所述集合中的每一个灰度阈值分别对所述待处理图像进行前后背景划分，将待处理图像中灰度值大于等于所述灰度阈值的像素划分为前景像素，将灰度值小于所述灰度阈值的像素划分为背景像素；
对于每一个灰度阈值，获取所述待处理图像在该灰度阈值下所划分的前景像素和背景像素，当每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，并获取与所述损失像素组的组数相关的损失函数
Figure DEST_PATH_IMAGE001
，通过所述损失函数
Figure 372188DEST_PATH_IMAGE001
计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度，所述综合度包括区分度和平滑度；
比较每一个灰度阈值所对应的前景像素和背景像素之间的综合度，以选择前景像素和背景像素之间综合度最大所对应的灰度阈值；
基于所选择的灰度阈值，对所述待处理图像进行二值化处理，得到二值化后的图像；
其中，所述获取与所述损失像素组的组数相关的损失函数
Figure 8706DEST_PATH_IMAGE001
，包括：
当待处理图像中每存在一组损失像素组时，则获取一个与所述损失像素组对应的非负数的损失因子；
将全部的损失因子相加后取负值，以得到所述损失函数
Figure 754945DEST_PATH_IMAGE001
；
或者，
将全部的损失因子相加后取倒数，以得到所述损失函数
Figure 93391DEST_PATH_IMAGE001
；
当所述待处理图像中每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，包括：
获取待处理图像中任一像素的坐标
Figure 216068DEST_PATH_IMAGE002
，以及所述任一像素的相邻像素的坐标
Figure DEST_PATH_IMAGE003
、
Figure 988983DEST_PATH_IMAGE004
和
Figure DEST_PATH_IMAGE005
;
每当所述任一像素与其相邻像素中任一像素不同时属于前景像素或背景像素时，则将所述任一像素和其相邻像素中所述任一像素作为一组损失像素组；
其中
Figure 437282DEST_PATH_IMAGE006
表示列，
Figure DEST_PATH_IMAGE007
表示行，
Figure 544915DEST_PATH_IMAGE006
和
Figure 989060DEST_PATH_IMAGE007
分别为大于等于1的整数；
当待处理图像中每存在一组损失像素组，则获取一个与所述损失像素组对应的非负数的损失因子时，所述损失函数
Figure 69011DEST_PATH_IMAGE001
通过以下公式得到：
Figure 688211DEST_PATH_IMAGE008
Figure DEST_PATH_IMAGE009
Figure 768294DEST_PATH_IMAGE010
或者，
Figure DEST_PATH_IMAGE011
Figure 29511DEST_PATH_IMAGE012
Figure DEST_PATH_IMAGE013
其中M，N分别是待处理图像中像素的总行数和总列数；D是相邻坐标的两个像素的损失因子；
Figure 744395DEST_PATH_IMAGE014
是异或运算；I是示性函数，其在小标条件满足时取值为1，否则取值为0，小标条件分别指
Figure DEST_PATH_IMAGE015
、
Figure 65655DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE017
和
Figure 633034DEST_PATH_IMAGE018
；P是坐标对应像素的灰度值；T是灰度阈值。
2.如权利要求1所述的提高边缘光滑性的图像二值化方法，其特征在于，在通过所述损失函数
Figure 901204DEST_PATH_IMAGE001
计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度时，通过以下公式进行计算：
Figure DEST_PATH_IMAGE019
其中，
Figure 739103DEST_PATH_IMAGE020
为综合度，
Figure DEST_PATH_IMAGE021
为区分度，损失函数
Figure 231264DEST_PATH_IMAGE001
作为平滑度，
Figure 738469DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE023
为权重系数。
3.如权利要求1或2所述的提高边缘光滑性的图像二值化方法，其特征在于，所述区分度通过以下公式进行计算：
Figure 826642DEST_PATH_IMAGE024
其中，
Figure DEST_PATH_IMAGE025
为区分度，
Figure 532430DEST_PATH_IMAGE026
为待处理图像中像素属于背景像素的概率，
Figure DEST_PATH_IMAGE027
为待处理图像中全部像素的平均灰度值，
Figure 179181DEST_PATH_IMAGE028
为待处理图像中像素属于背景像素的平均灰度值，
Figure DEST_PATH_IMAGE029
为待处理图像中像素属于前景像素的概率，
Figure 970419DEST_PATH_IMAGE030
为待处理图像中像素属于前景像素的平均灰度值。
4.如权利要求1所述的提高边缘光滑性的图像二值化方法，其特征在于，所述损失因子与对应损失像素组包含的两个像素之间的灰度值差值呈正相关。
5.如权利要求1所述的提高边缘光滑性的图像二值化方法，其特征在于，所述获取一个与所述损失像素组对应的非负数的损失因子，包括：
分别获取所述损失像素组所包含的两个像素的灰度值；
将所述两个像素之间的灰度值差值进行平方或绝对值计算后，得到所述损失因子。
6.一种提高边缘光滑性的图像二值化装置，其特征在于，包括：
采样模块，用于获取待处理图像中各个像素的灰度值；
前后背景划分模块，用于获取灰度阈值的集合，根据所述集合中的每一个灰度阈值分别对所述待处理图像进行前后背景划分,将待处理图像中灰度值大于等于灰度阈值的像素划分为前景像素，将灰度值小于所述灰度阈值的像素划分为背景像素；
计算模块，用于对于每一个灰度阈值,获取所述待处理图像在该灰度阈值下所划分的前景像素和背景像素，当每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，并获取与所述损失像素组的组数相关的损失函数
Figure DEST_PATH_IMAGE031
，通过所述损失函数
Figure 862283DEST_PATH_IMAGE001
计算所述待处理图像在所述该灰度阈值下的前景像素和背景像素之间的综合度，所述综合度包括区分度和平滑度；
灰度阈值选择模块，用于比较每一个灰度阈值所对应的前景像素和背景像素之间的综合度，以选择前景像素和背景像素之间综合度最大所对应的灰度阈值；
处理模块，用于基于所选择的灰度阈值，对所述待处理图像进行二值化处理，得到二值化后的图像；
其中，在获取与所述损失像素组的组数相关的损失函数
Figure 891419DEST_PATH_IMAGE001
时，所述计算模块还用于：
当待处理图像中每存在一组损失像素组时，则获取一个与所述损失像素组对应的非负数的损失因子；
将全部的损失因子相加后取负值，以得到所述损失函数
Figure 663066DEST_PATH_IMAGE001
；
或者，
将全部的损失因子相加后取倒数，以得到所述损失函数
Figure 410442DEST_PATH_IMAGE001
；
在当所述待处理图像中每存在相邻的两个像素分别属于前景像素和背景像素时，则将相邻的所述两个像素作为一组损失像素组，所述前后背景划分模块还用于：
获取待处理图像中任一像素的坐标
Figure 88022DEST_PATH_IMAGE002
，以及所述任一像素的相邻像素的坐标
Figure 971664DEST_PATH_IMAGE003
、
Figure 445371DEST_PATH_IMAGE004
和
Figure 414464DEST_PATH_IMAGE005
;
每当所述任一像素与其相邻像素中任一像素不同时属于前景像素或背景像素时，则将所述任一像素和其相邻像素中所述任一像素作为一组损失像素组；
其中
Figure 100660DEST_PATH_IMAGE006
表示列，
Figure 120700DEST_PATH_IMAGE007
表示行，
Figure 499729DEST_PATH_IMAGE006
和
Figure 690538DEST_PATH_IMAGE007
分别为大于等于1的整数；
当待处理图像中每存在一组损失像素组，则获取一个与所述损失像素组对应的非负数的损失因子时，所述计算模块还用于：
通过以下公式得到损失函数
Figure 446005DEST_PATH_IMAGE001
：
Figure 553507DEST_PATH_IMAGE008
Figure 369016DEST_PATH_IMAGE009
Figure 47122DEST_PATH_IMAGE010
或者，
Figure 606280DEST_PATH_IMAGE011
Figure 804174DEST_PATH_IMAGE012
Figure 790584DEST_PATH_IMAGE013
其中M，N分别是待处理图像中像素的总行数和总列数；D是相邻坐标的两个像素的损失因子；
Figure 221566DEST_PATH_IMAGE014
是异或运算；I是示性函数，其在小标条件满足时取值为1，否则取值为0，小标条件分别指
Figure 318835DEST_PATH_IMAGE015
、
Figure 138280DEST_PATH_IMAGE016
、
Figure 295591DEST_PATH_IMAGE017
和
Figure 213869DEST_PATH_IMAGE018
；P是坐标对应像素的灰度值；T是灰度阈值。
7.一种计算机可读存储介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如权利要求1-5中任一项所述的方法。
CN202211437011.7A 2022-11-17 2022-11-17 一种提高边缘光滑性的图像二值化方法、装置及存储介质 Active CN115496778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211437011.7A CN115496778B (zh) 2022-11-17 2022-11-17 一种提高边缘光滑性的图像二值化方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211437011.7A CN115496778B (zh) 2022-11-17 2022-11-17 一种提高边缘光滑性的图像二值化方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN115496778A CN115496778A (zh) 2022-12-20
CN115496778B true CN115496778B (zh) 2023-03-14

Family

ID=85115939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211437011.7A Active CN115496778B (zh) 2022-11-17 2022-11-17 一种提高边缘光滑性的图像二值化方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115496778B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04205271A (ja) * 1990-11-30 1992-07-27 Hitachi Ltd 最適２値化しきい値決定方法
US7298897B1 (en) * 2004-02-11 2007-11-20 United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Optimal binarization of gray-scaled digital images via fuzzy reasoning
CN107369159A (zh) * 2017-06-29 2017-11-21 大连理工大学 基于多因素二维灰度直方图的阈值分割方法
CN112837313A (zh) * 2021-03-05 2021-05-25 云南电网有限责任公司电力科学研究院 一种输电线路异物的图像分割的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1213592C (zh) * 2001-07-31 2005-08-03 佳能株式会社 采用自适应二值化的图象处理方法和设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04205271A (ja) * 1990-11-30 1992-07-27 Hitachi Ltd 最適２値化しきい値決定方法
US7298897B1 (en) * 2004-02-11 2007-11-20 United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Optimal binarization of gray-scaled digital images via fuzzy reasoning
CN107369159A (zh) * 2017-06-29 2017-11-21 大连理工大学 基于多因素二维灰度直方图的阈值分割方法
CN112837313A (zh) * 2021-03-05 2021-05-25 云南电网有限责任公司电力科学研究院 一种输电线路异物的图像分割的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Learning Framework for Degraded Document Image Binarization using Markov Random Field;Bolan Su et al.;《21st International Conference on Pattern Recognition (ICPR 2012)》;20121111;第3200-3203页 *
采用改进OTSU 法的液位红外图像分割;张帆 等;《微计算机信息》;20101231;第26卷(第12-2期);第201-202、183页 *

Also Published As

Publication number Publication date
CN115496778A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
US9384409B1 (en) Word segmentation for document image using recursive segmentation
US8983200B2 (en) Object segmentation at a self-checkout
US8965127B2 (en) Method for segmenting text words in document images
CN109344618B (zh) 一种基于深度森林的恶意代码分类方法
CN109658424B (zh) 一种改进的鲁棒二维otsu阈值图像分割方法
CN115082419A (zh) 一种吹塑箱包生产缺陷检测方法
US8983199B2 (en) Apparatus and method for generating image feature data
CN110619333B (zh) 一种文本行分割方法、文本行分割装置及电子设备
JP2008148298A (ja) 画像における異なった内容の領域を識別する方法、画像における異なった内容の領域を識別する装置、および画像における異なった内容の領域を識別するコンピュータ・プログラムを具現するコンピュータ読み取り可能な媒体
CN107578011A (zh) 视频关键帧的判定方法及装置
Pok et al. Efficient block matching for removing impulse noise
Lech et al. Optimization of the fast image binarization method based on the Monte Carlo approach
CN111259680B (zh) 二维码图像二值化处理方法及装置
CN112651953A (zh) 图片相似度计算方法、装置、计算机设备及存储介质
CN112926592A (zh) 一种基于改进Fast算法的商标检索方法及装置
CN108960246B (zh) 一种用于图像识别的二值化处理装置及方法
CN107680246B (zh) 一种纸币图案中的曲线边界定位方法及设备
CN113918744A (zh) 相似图像检索方法、装置、存储介质及计算机程序产品
CN112070116B (zh) 一种基于支持向量机的艺术画作自动分类系统及方法
CN115496778B (zh) 一种提高边缘光滑性的图像二值化方法、装置及存储介质
Krupiński et al. Binarization of degraded document images with generalized Gaussian distribution
JP4967045B2 (ja) 背景判別装置、方法及びプログラム
Kim et al. A Vehicle License Plate Recognition System Using Morphological ROI (Region of Interest) Map Generated from Morphology Operation
CN113239738B (zh) 一种图像的模糊检测方法及模糊检测装置
KR101937859B1 (ko) 360도 이미지에서의 공통 객체 탐색 시스템 및 방법

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