CN115861159A - 对照装置、存储介质及对照方法 - Google Patents
对照装置、存储介质及对照方法 Download PDFInfo
- Publication number
- CN115861159A CN115861159A CN202210269214.3A CN202210269214A CN115861159A CN 115861159 A CN115861159 A CN 115861159A CN 202210269214 A CN202210269214 A CN 202210269214A CN 115861159 A CN115861159 A CN 115861159A
- Authority
- CN
- China
- Prior art keywords
- processing
- image
- shading
- smoothing
- control device
- 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 97
- 238000009499 grossing Methods 0.000 claims abstract description 50
- 239000000758 substrate Substances 0.000 claims abstract description 46
- 238000010586 diagram Methods 0.000 description 13
- 238000000605 extraction Methods 0.000 description 13
- 239000003086 colorant Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 229910052709 silver Inorganic materials 0.000 description 4
- 239000004332 silver Substances 0.000 description 4
- 235000014443 Pyrus communis Nutrition 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 239000002923 metal particle Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 239000005337 ground glass Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 230000007704 transition 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
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06T2207/30176—Document
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种对照装置、存储介质及对照方法,所述对照装置其具备处理器,所述处理器通过执行程序,进行如下处理:(a)获取包含设置于具有凹凸的印刷基材上的对照区域的摄影图像;(b)对所述摄影图像同时执行平滑处理和明暗差强调处理;及(c)根据同时执行所述平滑处理和所述明暗差强调处理而获得的图像来检测所述对照区域。
Description
技术领域
本发明涉及一种对照装置、存储介质及对照方法。
背景技术
专利文献1中记载有一种加工系统,其具有梨皮面形成单元,所述梨皮面形成单元在附着有信息显示体的零件或生产物,形成用于识别零件、生产物或以零件作为构成要件的生产物的梨皮面花纹,所述信息显示体表示与零件、生产物或以零件作为构成要件的生产物相关的信息。
专利文献2中记载有一种技术,其在物体上生成含有微小的粒且平面形状为不规则的形状的层,获取所生成的层的图像,从图像提取依赖于层的平面形状及粒的分布的特征量作为物体的个体识别符。
专利文献3中记载有一种个体识别装置,其按每个个体识别在摄像图像中重叠的物体,所述个体识别装置具有:形成摄像图像的二值化图像的单元;从摄像图像提取边缘的单元;对二值化图像和边缘进行差分处理来形成从二值化图像去除边缘的图像的单元;及以图像内的物体的长度为基准而结合被边缘分割的二值化图像彼此的单元。
专利文献1:日本专利第6455679号公报
专利文献2:日本专利第6708981号公报
专利文献3:日本专利第4930789号公报
在拍摄对象物的表面图像来获取对照区域,并对预先登录的基于该对象物表面的细微花纹的随机图案的登录图像和对照区域进行图像对照,由此唯一地识别对象物的系统中,由利用者利用便携终端等的摄像单元拍摄对象物的对照区域并与登录图像进行对照时,若在全息图等具有凹凸的印刷基材上存在对照区域,则由于印刷基材的凹凸,难以检测对照区域。
发明内容
本发明的目的在于提供一种即使对照区域存在于全息图等具有凹凸的印刷基材上也能够检测该对照区域的技术。
本发明的第1方式为一种对照装置,其具备处理器,所述处理器通过执行程序,进行如下处理:(a)获取包含设置于具有凹凸的印刷基材上的对照区域的摄影图像;(b)对所述摄影图像同时执行平滑处理和明暗差(shading difference)强调处理;(c)根据同时执行所述平滑处理和所述明暗差强调处理而获得的图像检测所述对照区域。
第2方式在第1方式所涉及的对照装置中,所述处理器进行如下处理:以与所述印刷基材相应的比率对所述摄影图像同时执行平滑处理和明暗差强调处理。
第3方式在第1或第2方式所涉及的对照装置中,所述处理器在所述(b)与所述(c)之间进行如下处理:对同时执行所述平滑处理和所述明暗差强调处理而获得的图像进一步执行明暗差强调处理。
第4方式在第1至第3方式中任一项所涉及的对照装置中,所述处理器在所述(b)与所述(c)之间进行如下处理:对同时执行所述平滑处理和所述明暗差强调处理而获得的图像,将存在于HSV颜色空间中的特定边界的直线或曲线作为噪声而去除。
第5方式在第1至第4方式中任一项所涉及的对照装置中,所述处理器在所述(b)与所述(c)之间进行如下处理:对同时执行所述平滑处理和所述明暗差强调处理而获得的图像执行二值化处理,对进行二值化处理而获得的图像,将不适合于预先设定的所述对照区域的形状的直线或曲线作为噪声而去除。
第6方式在第1至第5方式中任一项所涉及的对照装置中,所述处理器在所述(b)与所述(c)之间进行如下处理:对同时执行所述平滑处理和所述明暗差强调处理而获得的图像执行二值化处理,对进行二值化处理而获得的图像,计算多个交点的重心坐标作为顶点的坐标,所述多个交点为构成预先设定的所述对照区域的形状的所述顶点的候选。
第7方式在第6方式所涉及的对照装置中,所述处理器进行如下处理:无法计算构成所述对照区域的形状的所有顶点的坐标时,利用所述对照区域的形状对剩余顶点的坐标进行补全处理。
第8方式在第1至第7方式中任一项所涉及的对照装置中,所述印刷基材为纸或全息图。
第9方式在第1至第8中任一项所涉及的对照装置中,所述处理器进行如下处理:通过聚类处理对所述摄影图像同时执行所述平滑处理和所述明暗差强调处理。
第10方式在第1至第8方式中任一项所涉及的对照装置中,所述处理器进行如下处理:通过均值偏移滤波处理对所述摄影图像同时执行所述平滑处理和所述明暗差强调处理。
第11方式在第10方式所涉及的对照装置中,所述处理器进行如下处理:根据所述印刷基材可变地设定所述均值偏移滤波处理中的颜色空间半径sr和像素空间半径sp。
第12方式在第11方式所涉及的对照装置中,所述处理器进行如下处理:在所述印刷基材为全息图的情况下,与所述印刷基材为纸的情况相比,将所述颜色空间半径sr设定为相对较大。
本发明的第13方式为一种存储介质,其存储有使计算机的处理器执行如下处理的程序:(a)获取包含设置于具有凹凸的印刷基材上的对照区域的摄影图像;(b)对所述摄影图像同时执行平滑处理和明暗差强调处理;及(c)根据同时执行所述平滑处理和所述明暗差强调处理而获得的图像检测所述对照区域。
本发明的第14方式为一种对照方法,其包括如下步骤:(a)获取包含设置于具有凹凸的印刷基材上的对照区域的摄影图像的步骤;(b)对所述摄影图像同时执行平滑处理和明暗差强调处理的步骤;及(c)根据同时执行所述平滑处理和所述明暗差强调处理而获得的图像检测所述对照区域的步骤。
发明效果
根据本发明的第1、第9、第10、第13、第14方式,即使对照区域存在于全息图等具有凹凸的印刷基材上,也能够检测该对照区域。
根据本发明的第2、第11、第12方式,还能够与印刷基材无关地检测对照区域。
根据本发明的第3~第7方式,还能够稳定地检测对照区域。
根据本发明的第8方式,即使印刷基材为纸或全息图,也能够检测对照区域。
附图说明
根据以下附图,对本发明的实施方式进行详细叙述。
图1是实施方式的全息图印刷基材和油墨部的示意俯视图;
图2是实施方式的全息图印刷基材和油墨部的示意图;
图3是表示原图像、对原图像进行平滑处理而得的图像、对原图像进行明暗差强调处理而得的图像的说明图;
图4是实施方式的登录图像摄影机和对照图像摄影机的结构图;
图5是实施方式的对照装置的结构块图;
图6是实施方式的整体处理流程图;
图7是实施方式的平滑处理和明暗差强调处理的同时执行说明图;
图8是实施方式的同时执行平滑处理和明暗差强调处理的结构图;
图9是实施方式的均值偏移滤波处理的详细处理流程图;
图10是实施方式的全息图印刷基材和纸印刷基材的均值偏移滤波处理说明图;
图11是实施方式的明暗差强调处理说明图;
图12是实施方式的噪声去除处理说明图;
图13是实施方式的不需要的边的去除处理说明图;
图14是实施方式的交点的重心计算处理流程图;
图15是实施方式的消失的边的补全处理说明图;
图16是实施方式的与油墨部形状和印刷基材种类相应的处理说明图。
符号说明
10-对象物,12-全息图部,14-油墨部,16-登录图像,18-对照图像,20-登录图像摄影机,22-对照图像摄影机,50-服务器计算机。
具体实施方式
以下,根据附图,以通过拍摄对象物的表面图像并对登录图像与对照图像进行图像对照来唯一地识别该对象物的个体识别系统为例,对本发明的实施方式进行说明。
个体识别系统是如下技术,即,将物体表面的一部分,具体而言,将0.1~数mm左右的图像作为该物体固有的信息而预先登录,并唯一地识别要对照的物体与所登录的物体相同即是真品,物体固有的信息例如为基于细微花纹的随机图案。作为基于细微花纹的随机图案的具体例,可举出梨皮面花纹。该梨皮面花纹并不限于如毛玻璃状的表面加工,其概念不仅包含通过对金属或合成树脂(塑料等)等进行加工处理而实施的梨皮面花纹,还包含通过进行褶皱加工而获得的褶皱花纹或随机编制的纤维花纹、基于印刷的随机的细微点状图案或通过利用包含光亮体粒子的油墨进行印刷而得的随机的粒子分布。而且,不仅包含无意中偶然形成的梨皮面花纹,还包含为了识别或对照而有意地形成梨皮面花纹的情况。总之,是难以在控制下形成的随机图案。可以说是光学读取这样的随机图案并作为信息而利用的“人工物度量”的一种。
在此,设想作为印刷基材使用全息图等具有凹凸的印刷基材,在这样的具有凹凸的印刷基材上印刷分散有金属粒子的多边形状油墨部来作为随机图案的情况。
图1表示对象物10的一例。对象物10表示作为印刷基材的全息图部12、印刷于该全息图部12上的QR码(注册商标)部13及印刷于该全息图部12上的油墨部14。油墨部14的形状呈多边形,更特定地呈正方形,事先将该油墨部14登录为对照区域。并且,对照时获取对照区域14,利用登录图像和对照区域14进行比较对照。另外,对照区域为油墨部14的区域,登录图像、对照图像使用对照区域的整面或其一部分。
油墨部14通过将铝等金属粒子混合于粉体而形成,若对其照射光,则光被随机地层叠的粉体的金属粒子反射,示出与所反射的光的强度相应的明暗的图案。若改变光的照射方向,则明暗的随机图案发生变化。
图2示意地表示全息图部12与油墨部14的关系。为了从拍摄对象物10而获得的图像提取对照图像18,作为其前提,需要准确地检测作为对照区域的正方形的油墨部14。具体而言,需要从全息图部12的凹凸和油墨部14的凹凸混合存在的图像准确地提取正方形的油墨部14,即构成正方形的4个顶点P1、P2、P3及P4。
通常,从摄影图像提取特定形状的区域时,有特征提取处理和边缘提取处理。但是,在单纯的特征提取处理和边缘提取处理中,会将全息图部12的凹凸和油墨部14的凹凸均提取为特征点,因此难以相对于全息图部12的彩虹色变化稳定地提取油墨部14的形状。
图3表示从摄影图像提取油墨部14的形状的处理的一例。
图3的(a)是拍摄而获得的原图像,同时包含全息图部12和油墨部14。
图3的(b)是对该原图像实施用于提取特征的明暗差强调处理而得的图像。通过明暗差强调处理强调油墨部14的凹凸,但同时全息图部12的凹凸也被强调,因此会导致油墨部14的凹凸埋没在全息图部12的凹凸中。
图3的(c)是为了去除凹凸而不是提取特征,对原图像实施平滑处理而得的图像。仅通过平滑处理无法完全去除全息图部12及油墨部14的凹凸。并且,若过度实施平滑处理,则会导致油墨部14的轮廓形状模糊,无法提取正方形形状。
图3的(d)是从图3的(c)的图像实施了明暗差强调处理的图像。图3的(b)和图3的(d)中,虽然存在如下处理差异,但均难以提取油墨部14的正方形。
图3的(b):原图像→明暗差强调处理
图3的(d):原图像→平滑处理→明暗差强调处理
因此,在本实施方式中,通过对原图像实施一系列处理,能够稳定地提取形成于全息图部12上的油墨部14,换言之,从作为摄影图像的后景的全息图部12稳定地提取作为前景的油墨部14。
图4表示本实施方式的系统结构。对照系统由登录图像摄影机20、对照图像摄影机22及服务器计算机50构成。登录图像摄影机20和服务器计算机50、对照图像摄影机22和服务器计算机50通过通信网络连接。
利用LED等光源部21照射对象物10,并利用登录图像摄影机20拍摄从对象物10的油墨部14反射的光而获取登录图像16。登录图像摄影机20及光源部21能够由登录用的专用器材构成。
另一方面,将对照系统的利用者所把持的智能手机等便携终端作为对照图像摄影机22来拍摄对象物10。利用搭载于智能手机等的LED等光源部22a照射对象物10,并利用搭载于智能手机等的相机部22b拍摄从对象物10的油墨部14反射的光。来自光源部22a的照射光的照射角设定为实际上与作为获取登录图像16时的条件的角度相同。其理由在于,如上所述,油墨部14的随机图案根据光的照射方向而发生变化,因此需要将光源部22a、相机部22b、对象物10之间的位置关系设定为实际上与拍摄登录图像16时的位置关系相同。
对照图像摄影机22的处理器对摄影图像实施一系列处理来从摄影图像提取油墨部14,进而从油墨部14的区域内剪切对照图像18,并经由通信网络发送至服务器计算机50。对于对照图像摄影机22的处理器的处理,将在后面进行进一步叙述。
服务器计算机50具备对照部50a及登录图像DB50b。
登录图像DB50b由硬盘或SSD(固态驱动器)等存储装置构成,将用于唯一地确定对象物10的识别符ID与登录图像16建立关联而存储。
对照部50a由处理器构成,将对从登录图像摄影机20接收的登录图像16与对象物10的ID建立关联而存储于登录图像DB50b。并且,进行从对照图像摄影机22接收的对照图像18与存储于登录图像DB50b的登录图像16的图像对照,并将对照结果输出至对照图像摄影机22。具体而言,对照部50a从登录图像DB50b读出登录图像16并与对照图像18进行对照计算,从而计算两个图像的相似度。计算相似度时,能够利用基于特征量检测的特征量匹配或使用图像的明暗比较的模板匹配等。对计算出的相似度与阈值进行比较,若超过阈值则判定为两者一致,若不超过阈值则判定为两者不一致。对照部50a经由通信网络将对照结果发送至对照图像摄影机22。
图像对照中,存在由登录图像摄影机20或者对照图像摄影机22的图像传感器的输入中的变动或量化误差等引起的错误率。错误率由误拒绝率及误受理率这两种构成,所述误拒绝率是尽管是真品但判定为赝品的概率,所述误受理率是尽管是赝品但判定为真品的概率。两者为权衡关系,若其中一个减少则另一个增加。因此,设定阈值,以使对照判定的适用对象中的损失最小。
另外,也可以改变光的照射方向来获取多个登录图像16并事先登录于服务器计算机50的登录图像DB50b,对这些多个登录图像16与对照图像18进行图像对照。
图5表示智能手机等对照图像摄影机22的主要结构块图。对照图像摄影机22除了上述的光源部22a及相机部22b以外,还具备处理器22c、ROM22d、RAM22e、输入部22f、输出部22g及通信I/F22h。
处理器22c读出存储于ROM22d的应用程序,将RAM22e用作工作存储器来执行一系列处理,从利用相机部22b拍摄而得的摄影图像提取油墨部14,进而剪切对照图像18。处理器22c经由通信I/F22h将所剪切的对照图像18发送至服务器计算机50。并且,处理器22c经由通信I/F22h接收来自服务器计算机50的对照结果。
输入部22f由键盘和触摸开关等构成,通过由利用者进行操作来启动应用程序。
输出部22g由液晶显示器或有机EL显示器等构成,显示拍摄对象物10时的预览图像。并且,通过处理器22c提取到油墨部14时,输出部22g可以根据来自处理器22c的控制指令显示表示已提取到的通知。并且,输出部22g也可以根据来自处理器22c的控制指令显示拍摄对象物10时的引导。该引导例如为用于使来自光源部22a的照射光的照射角度呈规定角度的引导。而且,输出部22g根据来自处理器22c的控制指令显示从服务器计算机50接收的对照结果。对照结果为“一致”、“不一致”中的任一个,但也可以显示与对照相关的其他消息。
图6是基于处理器22c的摄影图像的处理流程图。
该处理流程图的目的在于从摄影图像获取正方形(四边形)油墨部14的4个顶点P1~P4的坐标,大致分为二值化图像生成处理(S1)、矩形边缘提取处理(S2)及顶点坐标推断处理(S3)这三个处理。
<二值化图像生成处理>
首先,对二值化图像生成处理(S1)进行说明。
在该处理中,首先对原图像同时执行平滑处理和明暗差强调处理(S101)。如上所述,若仅对原图像单纯地进行平滑处理,则会导致油墨部14的形状模糊。并且,若仅对原图像单纯地进行明暗差强调处理,则虽然油墨部14的凹凸被强调,但与此同时全息图部12的凹凸也被强调,因此无法提取油墨部14。
因此,在本实施方式中,对原图像同时执行平滑处理和明暗差强调处理,并去除全息图部12和油墨部14的凹凸,从而从全息图部12识别油墨部14。具体而言,平滑处理和明暗差强调处理的同时执行能够利用均值偏移滤波器(Mean-Shift filter)。
图7的(a)表示原图像11。原图像11包含全息图部12及油墨部14。图7的(b)表示对该原图像11实施均值偏移滤波器来进行处理的已处理图像13。通过同时执行平滑处理和明暗差强调处理,能够去除全息图部12和油墨部14的凹凸,并且维持油墨部14的形状。
图8示意地表示S101的处理。将原图像11输入至均值偏移滤波器24,利用均值偏移滤波器24同时执行平滑处理和明暗差强调处理,并输出已处理图像13。均值偏移滤波器24由处理器22c实现。均值偏移滤波器24是将所指定的某个像素空间内的相似颜色涂成相同颜色的滤波器。由此,银色油墨部14接近相同颜色,全息图部12的彩虹色背景与银色油墨部14的边界的颜色区域不同,因此在维持油墨部14的形状的情况下,全息图部12与油墨部14的边界的明暗差被强调。
另外,还有如双边滤波器那样保持边缘来进行平滑处理的滤波方法,但发明人等确认到通过该方法无法去除全息图部12和油墨部14的噪声。通过利用均值偏移滤波器,能够保持边缘,利用全息图部12与油墨部14的色差,按每个颜色进行平滑化,从而在边缘不会消失的情况下去除噪声。
图9表示均值偏移滤波器24的滤波处理的详细流程图。在均值偏移滤波器24中,首先搜索原图像11的颜色分布的重心(S201)。即,计算以某个像素(x,y)的颜色(r,g,b)为中心的半径sr的颜色空间区域的重心坐标(xc,yc)及其颜色(rc,gc,bc),并以以下条件搜索重心。但是,sp为搜索区域半径。
条件:|x-xc|≤sp、|y-yc|≤sp、||(r,g,b)-(rc,gc,bc)||≤sr
并且,满足上述条件时,视作如下,并再次进行重心搜索。
(x,y,r,g,b)=(xg,yg,rc,gc,bc)
反复执行以上的重心搜索处理(S202中,否)。
并且,预先设定颜色空间距离ε和反复次数n,判定是否满足以下条件,满足时结束处理(S202中,是)。
条件:满足反复次数n
或
|x-xc|+|y-yc|+(r-rc)2+(g-gc)2+(b-bc)2<ε
重心搜索处理结束之后,以颜色空间的重心的值进行平滑化(S203)。即,极值搜索结束之后,将空间内各像素作为该颜色空间的重心值。之后,利用高斯金字塔和阈值sr明确边缘。
均值偏移滤波器24使用颜色空间的距离差进行平滑处理,因此是在前景和背景的颜色空间距离上存在差时有效的平滑处理,因此是对在前景存在无彩色的油墨部14且在背景存在有彩色的全息图部12的原图像11有效的处理。
在均值偏移滤波器24中,能够将颜色空间半径sr和像素空间半径sp作为主要的参数来控制平滑处理和明暗差强调处理的性能。因此,能够通过调整这些参数来调整平滑处理和明暗差强调处理的比率。具体而言,如下。
(1)指定通过像素空间半径sp进行平滑化(涂布)的像素的搜索范围,因此能够调整为如下。
sp大→搜索范围宽
sp小→搜索范围窄
另外,若将sp设定得过大,则需要处理时间,因此例如优选进行考虑。
(2)通过颜色空间半径sr确定涂成相同颜色的相似颜色的范围,因此能够调整为如下。
sr大→将略微不同的颜色也识别为相同颜色
sr小→将相似颜色识别为相同颜色
所以,例如优选在印刷基材为全息图部12的情况和除此以外的情况下,例如为纸的情况下,如下调整参数sr和sp的值。印刷基材为全息图部12时,银色油墨部14和彩虹色全息图部12存在色差,因此颜色空间半径sr相对较大,考虑处理时间和效果来将像素空间半径sp设定为所期望的值。印刷基材为纸时,银色油墨部14与纸的色差较小,因此颜色空间半径sr相对较小,将像素空间半径sp设定为相对较小。
图10表示印刷基材为全息图部12的情况和印刷基材为纸15的情况下的均值偏移滤波器24的滤波处理结果。
图10的(a)及图10的(b)是印刷基材为全息图部12的情况,图10的(a)是原图像,图10的(b)是已处理图像。均值偏移滤波器24的参数sp、sr设定为如下,提取到了油墨部14的形状。
(sp,sr)=(10,30)
另一方面,图10的(c)及图10的(d)是印刷基材为纸15的情况,图10的(c)是原图像,图10的(d)是已处理图像。均值偏移滤波器24的参数sp、sr设定为如下,同样地提取到了油墨部14的形状。
(sp,sr)=(5,10)
在印刷基材为纸15的情况下,与全息图部12的情况相比,将sp、sr均设定为相对较小。换言之,在印刷基材为全息图部12的情况下,与纸15的情况相比,将sp、sr均设定为相对较大,根据印刷基材可变地设定两个参数sp、sr。
如以上,处理器22c作为均值偏移滤波器24对所拍摄的原图像同时执行平滑处理和明暗差强调处理。
再次回到图6,对原图像同时执行平滑处理和明暗差强调处理之后(S101),对通过S101的处理无法获得明暗差的部位进一步执行追加的明暗差强调处理(S102)。
通过智能手机等对照图像摄影机22拍摄油墨部14时,若光源部22a的照射位置发生变化,则油墨部14周边的全息图部12的颜色发生变化。即,全息图部12的颜色发生变化,与油墨部14的颜色空间距离上没有充分的差时,导致前景和背景同化,仅通过S101的处理有时会产生明暗差强调并不充分的部位。因此,通过进一步执行明暗差强调处理,更稳定地提取油墨部14的形状。
具体而言,在S101对已处理的图像13进行RGB分解,在RGB各颜色空间执行明暗差强调处理。这意味着图像内亮度直方图的平坦化。并且,为了提取边缘的梯度,对RGB各颜色图像适用纵横各自的索贝尔(Sobel)滤波器。另外,通过Sobel滤波器计算出的梯度值不是8位(256灰阶),因此可以将其标准化为8位。标准化方法是取梯度图像的绝对值,将其255以上的像素值全部置换为255的处理。由此,能够不依赖于干扰噪声而获取边缘梯度。
图11示意地表示S102的处理。图11的(a)是原图像11,图11的(b)表示S101的已处理图像13。图11的(c)是对图11的(b)的已处理图像直接进行二值化而得的图像17,正方形油墨部14的上边消失。相对于此,图11的(d)是对针对图11的(b)的已处理图像13进一步进行明暗差强调处理的图像进行二值化而得的图像19。正方形油墨部14的上边也被提取。
再次回到图6,在执行追加的明暗差强调处理之后(S102),执行利用HSV颜色空间的噪声去除处理(S103)。在此,HSV颜色空间是由色相(Hue)、彩度(Saturation·Chroma)、亮度(Value·Brightness)这三个成分构成的颜色空间。
在S102中提取到油墨部14的大致的形状的情况下,在全息图部12的白色和淡蓝色的边界产生噪声。尤其,R空间图像的白色和淡蓝色的梯度较大,因此若适用Sobel滤波器则产生如边缘那样的噪声。因此,利用HSV颜色空间去除该噪声。具体而言,如下。
(1)对S101中的已处理图像13进行HSV分解
(2)对S图像进行二值化
(3)对S二值图像适用纵横Sobel滤波器
(4)对纵横Sobel图像和H图像的黑白反转二值图像进行OR合成
图12示意地表示S103的处理。图12的(a)中,以虚线区域26表示图像19中在白色淡蓝色的边界产生的噪声。图12的(b)表示S103中的已处理图像21。该图像21是纵横Sobel图像和H图像的黑白反转二值图像的OR合成图像,去除了虚线区域26中的噪声。
再次回到图6,在执行S103的处理之后,创建二值化图像(S104)。即,分别对R、G、B图像的纵横方向梯度图像合计6个进行二值化。二值化的阈值可以以R、G、B各自不同的方式设定。并且,对纵横成分、RGB色成分的合计6个二值化图像进行OR合成。
<矩形边缘提取处理>
接着,对矩形边缘提取处理进行说明。
在S104创建二值化图像之后,从该二值化图像获取构成正方形油墨部14的多边形的边(S105)。具体而言,是利用随机霍夫变换的边缘提取处理。另外,随机霍夫变换是进行了霍夫变换的最优化的变换,并非使用所有像素进行计算,而是从图像中随机选择足以进行直线检测的点来进行计算。在S104中还能够使用(非随机)霍夫变换。但是,存在参数调整较困难,对二值化图像的矩形边缘的灵敏度过高的缺点。
获取到多边形的边之后(S105),执行去除多余的边的处理(S106)。即,从通过随机霍夫变换提取到的直线去除不是矩形边缘(边)的直线。具体而言,采用去除斜率为规定值以上的直线、比对照区域14的大小长的直线、去除纵横线相交的角度为规定角度以内的直线或者去除与图像框相接的直线等方法。除此以外,还可以通过利用颜色空间提取类似矩形的色调的边缘来去除多余的边。
图13示意地表示S106的处理。图13的(a)是处理前的图像21,图13的(b)是已处理图像23。去除了存在于图像21的左侧的直线的一部分。通过去除多余的边,能够削减后段的推断顶点坐标时的处理时间。并且,能够提高形状获取精度,还提高干扰耐久性。
<顶点坐标推断处理>
再次回到图6,矩形边缘提取处理(S2)结束之后,执行正方形油墨部14的顶点坐标推断处理(S3)。
在该处理中,从在S106中去除多余的边而获得的图像计算边的交点的重心坐标(S107)。即,代替由各边构成的交点,计算位于某个附近内的交点组的重心坐标。对已处理图像23,通过解1维联立方程式来计算纵横直线的交点,但OR合成之后,二值化图像的边缘宽度为2~3个像素,因此通过随机霍夫变换对同一边缘提取多个直线。因此,在某个坐标的附近存在多个交点。这些交点表示同一顶点的可能性较高,因此获取交点组的重心坐标,将该重心坐标重新定义为油墨部14的形状的顶点。
图14表示交点组的重心坐标计算处理的详细流程图。
首先,通过膨胀处理(dilation)将某个附近内的多个交点汇总为1个(S301)。膨胀处理是如下处理,即,若某个像素的周边像素中存在白色像素,则将该像素转换为白色像素,由此依次扩展白色像素。接着,对已进行膨胀处理的各交点集合进行标记(S302)。并且,计算所标记的各交点集合的重心坐标(S303)。若如以上那样计算重心坐标,则将计算出的重心坐标设定为顶点候选(S304)。
正方形油墨部14中存在4个顶点P1~P4(参考图2),因此在S304的处理中设定4个顶点候选。设定顶点候选时,能够将油墨部14的已知的形状特性即边或对角线的长度用作条件。存在多个满足条件的顶点组时,选择最可能的顶点组。例如,正方形油墨部14中,利用4个边的长度彼此相等的条件,将边的长度的差异最小的组作为顶点组等。
并且,判定是否获取到了油墨部14的所有顶点(S108)。正方形油墨部14中,在获取到4个顶点P1~P4时判定为获取到了所有顶点。未能获取到所有顶点时(S108中,否),意味着未能提取到油墨部14的所有边,因此接下来执行消失的边的补全处理(S109)。
在边的补全处理中,对正方形油墨部14判定是否提取到了构成正方形的3条边。通常,油墨部14印刷于作为印刷基材的全息图部12上时,在全息图部12的背景红色覆盖前景的红色时,该边的提取有时会失败。总之,存在背景与前景之间的颜色空间距离差较小的情况。因此,首先判定是否提取到了3条边。3条边的选择能够从油墨部14的已知的形状特性即边缘的长度和位置推断。
提取到3条边时,从在S107中计算出的重心坐标计算3条边中没有对边的边的长度x。并且,在距离边的长度x的位置新描绘平行的边。具体而言,将构成正方形的4个边设为a、b、c、d,a和c构成对边且b和d构成对边,仅提取到a、b、c这3条边时,在从b距离x的位置描绘与b平行的边来作为d。
作为从b距离x的平行的边,能够在b的两侧分别各推断1个合计2个,但其中一个不存在于图像内,因此能够唯一地描绘边d。由此,消失的边得到补全。
图15示意地表示S109的处理。图15的(a)是处理前的图像25,表示提取到正方形的3条边但剩余1条边消失的状态。图15的(b)是处理后的图像27,在距离边的长度x的位置新描绘有平行的边28。对消失的边进行补全处理之后,再次计算交点的重心坐标来获取所有顶点的坐标即可。
另外,也可以在对消失的边进行补全处理之后,对在S104中获得的二值化图像,降低阈值而再次执行随机霍夫变换,从而重新获取边,统合如此获得的边和在S109中进行补全而获得的边,并再次过渡到顶点坐标推断处理(S3)。
若如以上那样获取到油墨部14的4个顶点P1~P4的坐标,则处理器22c将这些4个顶点的坐标作为基准来剪切对照图像18,并发送至服务器计算机50。处理器22c在将分辨率转换为作为对照图像18而预先设定的尺寸之后发送至服务器计算机50。发送至服务器计算机50时,添附已进行分辨率转换的对照图像18来进行对照请求。
在本实施方式中,以正方形油墨部14为例进行了说明,但本实施方式并不限定于正方形,还能够适用于任意的多边形。
图16表示作为印刷基材使用全息图部12和纸15且作为油墨部14的形状使用三角形和四边形(正方形)时的各处理后的图像。在图16中,(三角、全息图)表示作为印刷基材使用了全息图部12,作为油墨部14使用了三角形油墨部14。同样地,(四边、全息图)表示作为印刷基材使用了全息图部12,作为油墨部14使用了四边形(正方形)油墨部14。(四边、纸)表示作为印刷基材使用了纸15,作为油墨部14使用了四边形(正方形)的油墨部14。并且,“原图像”是处理前的摄影图像,“平滑化和明暗差强调的同时处理”是图6中的S101的处理后的图像,“二值化图像”是图6中的S104的处理后的图像,“获取多边形的边”是图6中的S105的处理后的图像,“获取多边形的顶点坐标”是图6的S108的处理后的图像。
并且,对本实施方式中的处理器22c的处理进行了详细说明,但处理器是指广义的处理器,包含通用的处理器(例如CPU:中央处理单元,Central Processing Unit等)或专用的处理器(例如GPU:图形处理单元,Graphics Processing Unit、ASIC:专用集成电路,Application Specific Integrated Circuit、FPGA:现场可编程门阵列,FieldProgrammable Gate Array、可编程逻辑器件等)。并且,实施方式中的处理器的动作不仅可以通过1个处理器完成,也可以由存在于物理上远离的位置的多个处理器协同作用来完成。并且,处理器的各动作的顺序并不仅限于上述各实施方式中记载的顺序,可以适当变更。
并且,在本实施方式中,通过智能手机等对照图像摄影机22的处理器22c执行图6所示的处理,但也可以代替此,由服务器计算机50的对照部50a执行图6所示的处理的至少一部分。
并且,在本实施方式中,对在作为印刷基材的全息图部12上印刷油墨部14的情况,即有彩色的背景和无彩色的前景的组合进行了说明,但与此相反,对无彩色的背景和有彩色的前景的组合也能够适用本实施方式的处理。均值偏移这是因为滤波器24的基本原理是利用无彩色和有彩色的颜色空间距离差提取前景的形状,该原理在无彩色的背景和有彩色的前景的组合中同样能够适用。作为无彩色的背景和有彩色的前景的组合,例如有作为印刷基材的纸15和有彩色的油墨部14的组合。
而且,在本实施方式中,全息图部12与油墨部14之间的颜色空间距离差相对较小而通过均值偏移滤波器24无法充分提取油墨部14的形状时,可以使用公知的砍尼(canny)法作为补全。
即,对在S104中获得的二值化图像,屏蔽通过随机霍夫变换获得的边缘。
接着,假设提取到了蓝色侧的直线,屏蔽图像的蓝色侧的一半。这是利用如下观点,即,在均值偏移滤波中对蓝色侧稳健而对红色侧脆弱,而在砍尼法中相对于蓝色侧脆弱而对红色侧稳健。
接着,利用砍尼法提取边缘。通过砍尼法提取的边缘以1个像素描绘,因此在随机霍夫变换中有时无法形成直线,因此对通过砍尼法提取的边缘进行膨胀处理。由此,提取到3个像素左右的边缘,在随机霍夫变换中也能够提取边缘。
以下,例示列举基于均值偏移滤波器24的形状提取不充分时能够为了补全而使用的方法。
·使用图像的对比度强调
·降低二值化、随机霍夫变换的阈值
·利用砍尼法提取边缘
·利用油墨部14的已知形状补全消失边
能够组合这些方法中的任一个或者多个来利用。
上述本发明的实施方式是以例示及说明为目的而提供的。另外,本发明的实施方式并不全面详尽地包括本发明,并且并不将本发明限定于所公开的方式。很显然,对本发明所属的领域中的技术人员而言,各种变形及变更是自知之明的。本实施方式是为了最容易理解地说明本发明的原理及其应用而选择并说明的。由此,本技术领域中的其他技术人员能够通过对假定为各种实施方式的特定使用最优化的各种变形例来理解本发明。本发明的范围由以上的权利要求书及其等同物来定义。
Claims (14)
1.一种对照装置,其具备处理器,所述处理器通过执行程序,进行如下处理:
(a)获取包含设置于具有凹凸的印刷基材上的对照区域的摄影图像;
(b)对所述摄影图像同时执行平滑处理和明暗差强调处理;及
(c)根据同时执行所述平滑处理和所述明暗差强调处理而获得的图像来检测所述对照区域。
2.根据权利要求1所述的对照装置,其中,
所述处理器进行如下处理:
以与所述印刷基材相应的比率对所述摄影图像同时执行平滑处理和明暗差强调处理。
3.根据权利要求1或2所述的对照装置,其中,
所述处理器在所述(b)与所述(c)之间进行如下处理:
对同时执行所述平滑处理和所述明暗差强调处理而获得的图像进一步执行明暗差强调处理。
4.根据权利要求1至3中任一项所述的对照装置,其中,
所述处理器在所述(b)与所述(c)之间进行如下处理:
对同时执行所述平滑处理和所述明暗差强调处理而获得的图像,将存在于HSV颜色空间中的特定边界的直线或曲线作为噪声来去除。
5.根据权利要求1至4中任一项所述的对照装置,
所述处理器在所述(b)与所述(c)之间进行如下处理:
对同时执行所述平滑处理和所述明暗差强调处理而获得的图像执行二值化处理,
对进行二值化处理而获得的图像,将不适合于预先设定的所述对照区域的形状的直线或曲线作为噪声来去除。
6.根据权利要求1至5中任一项所述的对照装置,其中,
所述处理器在所述(b)与所述(c)之间进行如下处理:
对同时执行所述平滑处理和所述明暗差强调处理而获得的图像执行二值化处理,
对进行二值化处理而获得的图像,计算多个交点的重心坐标作为顶点的坐标,所述多个交点为构成预先设定的所述对照区域的形状的所述顶点的候选。
7.根据权利要求6所述的对照装置,其中,
所述处理器进行如下处理:
无法计算构成所述对照区域的形状的所有顶点的坐标时,利用所述对照区域的形状对剩余顶点的坐标进行补全处理。
8.根据权利要求1至7中任一项所述的对照装置,其中,
所述印刷基材为纸或全息图。
9.根据权利要求1至8中任一项所述的对照装置,其中,
所述处理器进行如下处理:通过聚类处理对所述摄影图像同时执行所述平滑处理和所述明暗差强调处理。
10.根据权利要求1至8中任一项所述的对照装置,其中,
所述处理器进行如下处理:通过均值偏移滤波处理对所述摄影图像同时执行所述平滑处理和所述明暗差强调处理。
11.根据权利要求10所述的对照装置,其中,
所述处理器进行如下处理:根据所述印刷基材,可变地设定所述均值偏移滤波处理中的颜色空间半径sr和像素空间半径sp。
12.根据权利要求11所述的对照装置,其中,
所述处理器进行如下处理:在所述印刷基材为全息图的情况下,与所述印刷基材为纸的情况相比,将所述颜色空间半径sr设定为相对较大。
13.一种存储介质,其存储有使计算机的处理器执行如下处理的程序:
(a)获取包含设置于具有凹凸的印刷基材上的对照区域的摄影图像;
(b)对所述摄影图像同时执行平滑处理和明暗差强调处理;及
(c)根据同时执行所述平滑处理和所述明暗差强调处理而获得的图像检测所述对照区域。
14.一种对照方法,其包括如下步骤:
(a)获取包含设置于具有凹凸的印刷基材上的对照区域的摄影图像的步骤;
(b)对所述摄影图像同时执行平滑处理和明暗差强调处理的步骤;及
(c)根据同时执行所述平滑处理和所述明暗差强调处理而获得的图像检测所述对照区域的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-155876 | 2021-09-24 | ||
JP2021155876A JP2023046995A (ja) | 2021-09-24 | 2021-09-24 | 照合装置及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861159A true CN115861159A (zh) | 2023-03-28 |
Family
ID=80625472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210269214.3A Pending CN115861159A (zh) | 2021-09-24 | 2022-03-18 | 对照装置、存储介质及对照方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230099580A1 (zh) |
EP (1) | EP4156120B1 (zh) |
JP (1) | JP2023046995A (zh) |
CN (1) | CN115861159A (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS4930789B1 (zh) | 1970-09-02 | 1974-08-15 | ||
JPS6077546A (ja) | 1983-10-05 | 1985-05-02 | Fujitsu Ltd | ディジタル無線回線の監視方式 |
JPS60144382A (ja) | 1983-12-31 | 1985-07-30 | Kyokado Eng Co Ltd | 地盤注入装置 |
US8559714B2 (en) * | 2011-11-07 | 2013-10-15 | Tandent Vision Science, Inc. | Post processing for improved generation of intrinsic images |
CN105493143B (zh) * | 2013-04-04 | 2019-05-31 | 日本电气株式会社 | 识别方法、识别系统、匹配设备和程序 |
US10540548B2 (en) * | 2015-02-27 | 2020-01-21 | Nec Corporation | Comparison system, comparison apparatus, comparison method, and program |
JP7170188B2 (ja) * | 2017-07-19 | 2022-11-14 | パナソニックIpマネジメント株式会社 | 照合装置及び照合方法 |
US11227170B2 (en) * | 2017-07-20 | 2022-01-18 | Panasonic Intellectual Property Management Co., Ltd. | Collation device and collation method |
-
2021
- 2021-09-24 JP JP2021155876A patent/JP2023046995A/ja active Pending
-
2022
- 2022-01-27 US US17/586,743 patent/US20230099580A1/en active Pending
- 2022-03-03 EP EP22159854.3A patent/EP4156120B1/en active Active
- 2022-03-18 CN CN202210269214.3A patent/CN115861159A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4156120A1 (en) | 2023-03-29 |
US20230099580A1 (en) | 2023-03-30 |
EP4156120B1 (en) | 2023-09-20 |
JP2023046995A (ja) | 2023-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105488492B (zh) | 一种彩色图像预处理方法、道路识别方法及相关装置 | |
CN106951869B (zh) | 一种活体验证方法及设备 | |
CN108416291B (zh) | 人脸检测识别方法、装置和系统 | |
JP6890427B2 (ja) | 車番認識装置 | |
US20080247649A1 (en) | Methods For Silhouette Extraction | |
US11341739B2 (en) | Image processing device, image processing method, and program recording medium | |
CN110009615B (zh) | 图像角点的检测方法及检测装置 | |
CN109522768A (zh) | Qr码的识别方法及装置 | |
KR101549495B1 (ko) | 문자 추출 장치 및 그 방법 | |
CN112883881B (zh) | 一种条状农产品无序分拣方法及装置 | |
JP2019528543A (ja) | デジタルオブジェクト一意識別子(doi)認識方法及び装置 | |
CN112699704B (zh) | 一种条形码的检测方法、装置、设备、存储装置 | |
JP4062987B2 (ja) | 画像の領域分割方法、画像の領域分割装置、画像の領域分割プログラム | |
CN113435219B (zh) | 防伪检测方法、装置、电子设备及存储介质 | |
CN108205641B (zh) | 手势图像处理方法及装置 | |
EP4171051B1 (en) | Collation device, program, and collation method | |
US11825190B2 (en) | Collation device | |
CN108197540A (zh) | 一种基于surf的火灾图像特征提取与识别方法 | |
EP4156120B1 (en) | Collation device, program, and collation method | |
US20230113156A1 (en) | Collation device, non-transitory computer readable medium storing program, and collation method | |
Wang et al. | Currency recognition system using image processing | |
JP2023061880A (ja) | 照合装置及びプログラム | |
CN109871910A (zh) | 一种手写字符识别方法及装置 | |
JP4324417B2 (ja) | 画像処理装置および画像処理方法 | |
JP2000163586A (ja) | 刻印マーク識別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |