CN115965671A - 图像纹理提取方法、设备及计算机可读存储介质 - Google Patents
图像纹理提取方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115965671A CN115965671A CN202210295310.5A CN202210295310A CN115965671A CN 115965671 A CN115965671 A CN 115965671A CN 202210295310 A CN202210295310 A CN 202210295310A CN 115965671 A CN115965671 A CN 115965671A
- Authority
- CN
- China
- Prior art keywords
- texture
- window frame
- image
- pixel
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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
本发明公开了一种图像纹理提取方法、设备及计算机可读存储介质,该方法包括:将目标图像每个像素的颜色值进行进制转换,得到每个像素的数字阵列;其中,转换后像素的颜色值的进制低于转换前像素的颜色值的进制;根据所述数字阵列的位数,将所述目标图像分解为若干个图层;对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图;将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。本发明相较传统的边缘检测技术能够大幅提高对目标图像的纹理信息提取率和纹理信息提取精度,为下游的图像信息处理工序提供更为完备的纹理和边缘信息。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像纹理提取方法、设备及计算机可读存储介质。
背景技术
图像的边缘、纹理提取在人类视觉和计算机视觉领域起着重要作用。纹理提取(边缘检测)是指在包含目标和背景的图像中,忽略背景以及噪声干扰的影响,采用一定的技术和方法来实现目标纹理提取的过程。目前,传统的纹理提取方法是利用传统的边缘检测算子检测图像中灰度变化显著的边缘信息。基于传统边缘检测技术主要以灰度作为检测指标,并常需要将复杂的图像先转换为灰度图再进行边缘检测处理,因此传统边缘检测技术往往输出结果单调,边缘信息同质化严重,难以做进一步的细分处理;同时由于传统边缘检测算法仅对灰度变化的峰值能有较好的响应,因此往往仅对强纹理有较好的检测效果,对中度纹理或弱纹理的提取效果较差,会丢失图像中大量程度较弱但同样非常重要的细节信息。这些都导致传统的边缘检测算法在纹理信息提取的完整度和精细度上都表现较差。
发明内容
针对上述问题,本发明的目的在于提供一种图像纹理提取方法、设备及计算机可读存储介质,其能有效提高图像纹理提取的完整度和精细度。第一方面,本发明实施例提供了一种图像纹理提取方法,包括:
将目标图像每个像素的颜色值进行进制转换,得到每个像素的数字阵列;其中,转换后像素的颜色值的进制低于转换前像素的颜色值的进制;
根据所述数字阵列,将所述目标图像分解为若干个图层;
对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图;
将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
作为上述方案的改进,所述将目标图像每个像素的颜色值进行进制转换,得到数字阵列,包括:
将所述目标图像的各个像素的颜色值进行N进制转换,得到每个像素的数字阵列;
其中,每个像素的R、G、B颜色通道的色阶值分别表示为N进制形式,则每个像素的RGB值表示为3×M位的数字阵列;其中,N进制小于颜色值当前进制,M表示颜色通道的最大色阶值在N进制下对应的数位。
作为上述方案的改进,所述将所述目标图像的各个像素的颜色值进行N进制转换,得到每个像素的数字阵列,包括:
将所述目标图像的各个像素的颜色值进行进制转换,得到每个像素的3×M位的数字阵列;
则,根据所述数字阵列,将所述目标图像分解为若干个图层,包括:
根据每个像素的数字阵列,将所有像素中各颜色通道的各数位分别聚类合并为一个图层。
作为上述方案的改进,所述对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图,包括:
采用所述窗框掩膜对每个图层进行覆盖;其中,所述窗框掩膜由若干个窗框构成;
对每个图层,每个窗框采用至少两个对比组对其所在图层区域进行纹理提取,获得每个窗框所在图层区域的纹理信息;其中,每个对比组由窗框上两个互为对侧的检测点构成;
将所述窗框掩膜中所有窗框的纹理信息进行拼接,得到对应图层的子纹理图。
作为上述方案的改进,在每个窗框的边界上设置第一对比组和第二对比组,其中,所述第一对比组的两个检测点的连线与所述第二对比组中两个检测点的连线之间的夹角为360°/2n,n表示对比组数量;
则,每个窗框采用至少两对对比组对其所在图层区域进行纹理提取,获得每个窗框所在图层区域的纹理信息,包括:
分别提取所述第一对比组、第二对比组的检测点所在位点的图层像素值,并进行数值比对;
当所述第一对比组的两检测点同值、且所述第二对比组的两检测点同值时,则判定所述第一对比组和所述第二对比组之间均不存在纹理,不进行填色处理;
当所述第一对比组的两检测点异值、且所述第二对比组的两检测点同值时,则判定所述第一对比组之间存在纹理,且所述第二对比组不存在纹理;所述窗框按所述第一对比组的中垂线一分为二,对所述第一对比组中数值为1的检测点所在的一半窗框进行填色处理,另一半不进行填色;
当所述第一对比组的两检测点异值、且所述第二对比组的两检测点异值时,则判定所述第一对比组和第二对比组之间存在共同纹理,所述窗框按第一对比组、第二对比组的4个检测点中任意两个互为异值的检测点的中垂线为界,将窗框一分为二,对两个数值为1的检测点所在的一半窗框进行填色处理,两个数值为0的检测点所在的一半不做填色处理;
其中,所述窗框的填色为对应窗框的纹理信息。
作为上述方案的改进,所述将所述窗框掩膜中所有窗框的纹理信息进行拼接,得到对应图层的子纹理图,包括:
在每个窗框完成对所在区域的填色处理后,将所有窗框的纹理信息按照其在所述窗框掩膜中位置进行合并,构成所在图层的子纹理图。
作为上述方案的改进,所述将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理,包括:
将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
作为上述方案的改进,所述方法还包括:
通过设置RGB取值范围,对所述总纹理图进行纹理色块筛选,以获得最终的纹理图输出结果。
第二方面,本发明实施例提供了一种图像纹理提取装置,包括:
进制转换模块,用于将目标图像每个像素的颜色值进行进制转换,得到每个像素的数字阵列;其中,转换后像素的颜色值的进制低于转换前像素的颜色值的进制;
图层分解模块:用于根据所述数字阵列,将所述目标图像分解为若干个图层;
子纹理图提取模块,用于对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图;
总纹理提取模块,用于将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
第三方面,本发明实施例提供了一种图像纹理提取设备,包括:处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任意一项所述的图像纹理提取方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面中任意一项所述的图像纹理提取方法。
相对于现有技术,本发明实施例的有益效果在于:通过将目标图像每个像素的颜色值进行进制转换,得到每个像素的数字阵列,并根据所述数字阵列,将所述目标图像分解为若干个图层;对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图;将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图;本发明通过降低目标图像的像素的颜色值的进制,从而增加目标图像分解的层数,进而可以有效提高图像纹理提取的完整度和精度。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式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一些实施方式,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,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种图像纹理提取方法的流程图;
图2是本发明实施例提供的分解图像示意图;
图3是本发明实施例提供的窗框掩膜示意图;
图4是本发明实施例提供的窗框对此检测点示意图;
图5是本发明实施例提供的纹理填充示意图;
图6是本发明实施例提供的图层合并示意图;
图7是本发明实施例提供的图像纹理信息示意图;
图8是本发明实施例提供的图层权重叠加示意图;
图9是本发明实施例提供的一种图像纹理提取装置的示意图;
图10是本发明实施例提供的一种图像纹理提取设备的结构示意图。
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作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。
请参阅图1,本发明实施例提供了一种图像纹理提取方法,可以称之为多图层窗框对侧拮抗提取法(Multi-layer Grids Contralateral Opponent extraction method,MGCO),具体包括:
S1:将目标图像每个像素的颜色值进行进制转换,得到每个像素的数字阵列;其中,转换后像素的颜色值的进制低于转换前像素的颜色值的进制;
纹理实际上是两块光面之间的光学特性差异,当且仅当两光面存在颜色差异时,就会有纹理存在。基于此,可以通过检测两个光面间的色差值来检测纹理。具体地,图像可以用多种不同的颜色空间来进行颜色表示,比如HSV、HSB、CMY、L*a*b*等。在本发明实施中,以RGB颜色空间为示例来呈现本发明的流程步骤,但原理上,采用任何其它颜色空间都可以套用本发明所实施的办法,实现对图像的纹理信息提取。
进一步,所述将目标图像每个像素的颜色值进行进制转换,得到数字阵列,包括:
将所述目标图像的各个像素的颜色值进行N进制转换,得到每个像素的数字阵列;
其中,每个像素的R、G、B颜色通道的色阶值分别表示为N进制形式,则每个像素的RGB值表示为3×M位的数字阵列;其中,N进制小于颜色值当前进制,M表示颜色通道的最大色阶值在N进制下对应的数位。
在本发明实施例中,可以对所述目标图像的各个像素的颜色值由十进制转换为N进制,N<10,以此提高对图像的图层分离度。比如转换为二进制、三进制、四进制等。所选进制越小,目标图像分解的图层数越多,从而纹理提取的精度越高。
进一步,所述将所述目标图像的各个像素的颜色值进行N进制转换,得到每个像素的数字阵列,包括:
将所述目标图像的各个像素的颜色值进行二进制转换,得到每个像素的3×M位的数字阵列;
在本发明实施例中,优选将10进制的像素的颜色值转换为二进制。由于RGB颜色空间由红、绿、蓝三个颜色通道构成,每个颜色通道的取值为[0,255]的整数值,共256个色阶值。即每个颜色通道可用8位二进制表示。如果将三个颜色通道都用二进制表示,则每个像素的RGB值都可表示为由3×8共24个0/1信号构成的数字阵列。因而,两个光面之间的颜色值比对,用计算机语言可以理解为是两组3×8数字阵列之间的数值比对。两数字阵列之间的差异值,就是两光面之间的纹理值。
本发明实施例利用二进制的信号简单和对比明确的特点,将识别完整纹理信息的任务转换为适应计算机语言的任务,使计算机能够更为简单且精确地提取出目标图像中的所有纹理信息。
示例性的,对于颜色值为RGB(50,120,200)的像素,其颜色值对应的二进制数字阵列如下表所呈现。
其中:
R50=128×0+64×0+32×1+16×1+4×0+2×1+1×0;
G120=128×0+64×1+32×1+16×1+4×1+2×0+1×0;
B200=128×1+64×1+32×0+16×0+4×1+2×0+1×0;
S2:根据所述数字阵列,将所述目标图像分解为若干个图层;
进一步,基于二进制转换后,根据每个像素的数字阵列,将所有像素中各颜色通道的各数位分别聚类合并为一个图层,共得到24个图层。
其中,每一个颜色通道的一个数位可以生成一个图层。每个像素的颜色值都由R、G、B三个颜色通道构成,每个颜色通道有8位0/1数字。对每个数字按其“所在通道+二进制数位”进行命名。比如位于R通道第6位的数字命名为R6,位于G通道第4位的数字命名为G4,等等。每个像素都包含R1~R8、G1~G8、B1~B8共24个0/1数字。将所有像素中各颜色通道的各数位分别进行聚类合并,比如所有像素的R1数位聚类合并为一个图层,所有像素的R2数位聚类合并构成第二个图层,以此类推,最终将得到24个图层。每个图层与原图像的像素数一致,但像素值只有0和1两种取值。
用构成图层的数位对每个图层进行命名,比如由每个像素的G5数位聚类合并成的图层称为G5图层,等等。则24个图层分别为图层R1~R8、G1~G8、B1~B8,如图2所示。
S3:对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图;
进一步,将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
对子纹理图赋予权值:根据子纹理图的名称中体现的二进制数位,对子纹理图赋予权值。权值y与其二进制数位n的关系为y=2^(n-1)。例如:G5子纹理图的权值y(G5)=2^4=16。即G5子纹理图的权值是绿色值16。
将所有所述子纹理图按其权值进行权值叠加,构成目标图像的总纹理图。
示例性的,将24个图层对应的子纹理图进行权值叠加后得到所述总纹理图,如图7和图8所示。此时获得的总纹理图将描出目标图像的纹理,并且直观地用RGB值表示出每个纹理点的色差值。
以图4为例对窗框内的纹理权值叠加原理进行说明。其中,图8中窗框左侧的RGB值为200、90、20,窗框右侧的RGB值为210、220、240,则进行24个图层对应的子纹理图按其权值进行权值叠加后,可以得到窗框左右两侧之间的总纹理色差为:
R=图层R5+图层R4+图层R2=-16+4-2=-10;
G=图层G8+图层G3+图层G2=-128-4+2=-130;
B=图层B8+图层B7+图层B6+图层B3=-128-64-32+4=-220。
在本发明实施中,基于二进制数字阵列的R、G、B三个通道各8个数位,将目标图像划分为24个图层,然后针对每个图层分别进行纹理提取,之后将每个图层的子纹理图进行权值叠加,得到总纹理图,能有效提高图像纹理提取的精度,保证提取的纹理具有完整性和精细性。
在一种可选的实施例中,S3:对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图,包括:
采用所述窗框掩膜对每个图层进行覆盖;其中,所述窗框掩膜由若干个窗框构成;
对每个图层,每个窗框采用至少两个对比组对其所在图层区域进行纹理提取,获得每个窗框所在图层区域的纹理信息;其中,每个对比组由窗框上两个互为对侧的检测点构成;
其中,取位于窗框边界上的点作为检测点,用于检测该点所在位置上的图层像素值,并把在窗框中互为对侧的两个检测点作为一对对比组。
将所述窗框掩膜中所有窗框的纹理信息进行拼接,得到对应图层的子纹理图。
进一步,在每个窗框的边界设置第一对比组和第二对比组,其中,所述第一对比组的两个检测点的连线与所述第二对比组中两个检测点的连线之间的夹角为360°/2n,n表示对比组数量;
则,每个窗框采用至少两对对比组对其所在图层区域进行纹理提取,获得每个窗框所在图层区域的纹理信息,包括:
分别提取所述第一对比组、第二对比组的检测点所在位点的图层像素值,并进行数值比对;
当所述第一对比组的两检测点同值、且所述第二对比组的两检测点同值时,则判定所述第一对比组和所述第二对比组之间均不存在纹理,不进行填色处理;
当所述第一对比组的两检测点异值、且所述第二对比组的两检测点同值时,则判定所述第一对比组之间存在纹理,且所述第二对比组不存在纹理;所述窗框按所述第一对比组的中垂线一分为二,对所述第一对比组中数值为1的检测点所在的一半窗框进行填色处理,另一半不进行填色;
当所述第一对比组的两检测点异值、且所述第二对比组的两检测点异值时,则判定所述第一对比组和第二对比组之间存在共同纹理,所述窗框按第一对比组、第二对比组的4个检测点中任意两个互为异值的检测点的中垂线为界,将窗框一分为二,对两个数值为1的检测点所在的一半窗框进行填色处理,两个数值为0的检测点所在的一半不做填色处理;
其中,所述窗框的填色为对应窗框的纹理信息。
在本发明实施例中,窗框掩膜(对侧拮抗窗框掩膜)由若干个自定义大小的窗框构成。示例性的,在发明实施例中,将窗框设定为3×3像素大小,则对于一个11x11像素的原目标图像,每个图层都由5x5个窗框构成的掩膜进行覆盖。则每个窗框覆盖图像的3x3共9个像素,如图3所示。
窗框的结构:如图4所示,每个窗框设至少两个对比组,对比组的特征点是:1)一个对比组由两个位于窗框边界上的检测点组成,两个检测点沿中点对称,互相位于窗框的对侧;2)两个对比组的朝向之间的夹角为360°/2n,n表示对比组数量。以设置第一对比组A和第二对比组B为例,对窗框的纹理信息提取进行说明:
纹理识别:分别提取对比组A、B的检测点所在像素点的数值,并进行数值比对;如果对比组A、B的两个检测点同值(都为0,或都为1),则判定该对比组A、B之间不存在纹理;如果对比组A或B的两检测点异值(一者为0一者为1),则判定对比组A或B之间存在纹理;
纹理提取:窗框同时有对比组A、B共4个检测点对所覆盖的像素区域进行纹理提取。根据对比组A、B不同的检测结果,分别进行如下纹理结果输出:
1)若A对比组的两检测点同值,B对比组的检测点同值:窗框无纹理,不填色
2)若A对比组检测点异值,B对比组检测点同值:窗框按A对比组的中垂线一分为二,对A对比组中数值为1的检测点所在的一半窗框进行填色处理,另一半不填色;
3)若A对比组检测点同值,B对比组检测点异值:窗框按B对比组的中垂线一分为二,对B对比组中数值为1的检测点所在的一半窗框进行填色处理,另一半不填色;
4)若A对比组检测点异值,B对比组检测点异值:窗框按4个检测点中,任意互为异值的两个检测点的中垂线一分为二,对两个1值检测点所在的一半窗框进行填色处理,另一半不填色;
示例性的,假设A对比组为水平朝向,B对比组为垂直朝向。
当A对比组检测点同值,B对比组检测点也同值时,判定窗框内不存在纹理;
当A对比组检测点异值,B对比组检测点同值时,将窗框以A对比组的中垂线一分为二。此时,如果A对比组的左检测点为1右检测为0,则将窗框的左半侧进行颜色填充,右半侧维持无色;若1值在右检测点,则窗框右侧做颜色填充而左侧维持无色;
当A对比组检测点同值,B对比组检测点异值时,则将窗框以B对比组的中垂线一分为二。此时,如果B组的上检测点为1下检测点为0,则将窗框的上半侧进行颜色填充,下半侧维持无色;反之则下半侧颜色填充,上半侧维持无色;
当A对比组检测点异值,B对比组检测点也异值时,以4个检测点中互为异值的两个检测点的中垂线将窗框一分为二,并对两个1值检测点所在的半边进行颜色填充。此时如果左检测点和上检测点为1值,则对窗框的左上侧进行颜色填充,右下侧保持无色;如果右检测点和下检测点为1值,则对窗框的右下侧进行颜色填充,左下侧保持无色;
以所述窗框四条边的中点为4个检测点,其中,对互为对侧的一对检测点作为一个对比组,则可以将所述窗框的4个检测点划分为垂直方向的一对检测点和水平方向的一对检测点。将一对检测点所在像素的数值进行比对,如果任意一对检测点在对比中存在异值的情况,则说明这两个检测点之间一定存在纹理,即所述窗框内存在纹理;如果两对检测点在对比中均不存在异值,则所述窗框内不存在纹理。例如图层B1上一个窗框的垂直方向的一对检测点所在像素的数值分为1和0,水平方向的一对检测点所在像素的数值为0和0,则该窗框内存在纹理;又例如图层B1上另一个窗框的垂直方向的一对检测点所在像素的数值分为0和0,水平方向的一对检测点所在像素的数值为0和0,则该窗框内不存在纹理。具体地,可以以像素数值不相同的一对检测点的中垂线为分隔线将窗框一分为二,将窗框中像素数值为1所在的一半填充颜色,窗框中像素数值为0所在的一半不填充颜色;其中,所述窗框按照对应图层的颜色权值进行颜色填充,颜色权值取决于该图层所对应的颜色通道和其数位对应的权重,其权重y与其所在数位n的关系为y=2^(n-1)。例如图层R1的窗框按照R=1进行颜色填充,图层G5的窗框按照G=16进行颜色填充,图层B8的窗框按B=128进行颜色填充。
考虑到窗框内的纹理不光有色差属性,还有朝向属性。在本发明实施中还设置两对之间的夹角为360°/2n,n表示对比组数量的检测点,来帮助确定纹理的朝向。此时,所述对所述窗框进行填色处理,具体包括:
以图层R1为例,对图层R1中的每个窗框都设置一个水平方向和一个垂直方向的对比组,当只有一对检测点是异值,即一个为1一个为0时,以一对异值检测点的中垂线为纹理朝向;当两对检测点均为异值时,纹理的朝向为窗框的对角线,2对检测点共有16种组合情形。两对对比组都同值,即同为0或同为1时,代表窗框内没有纹理。其中,窗框内纹理朝向如图5所示。通过设置多对检测点进行像素数值对比,能提高窗框内纹理朝向的精确度。
在一种可选的实施例中,所述将所述窗框掩膜中所有窗框的纹理信息进行拼接,得到对应图层的子纹理图,包括:
在每个窗框完成对所在区域的填色处理后,将所有窗框的纹理信息按照其在所述窗框掩膜中位置进行合并,构成所在图层的子纹理图。
其中,子纹理图按其所在图层进行命名,比如R1图层的子纹理图称为R1子纹理图,等等。如图6所示。
在本发明实施例中,所述目标图像的总纹理图是24个图层的窗框内纹理相权值叠加的结果。由于每个图层的窗框的纹理方向有8种可能性,而同一窗框在不同图层的纹理方向可能不一,所以多个图层进行叠加后,总纹理图中的窗框的纹理往往是米字格形式。设窗框的面积为S,总纹理图的最小色块单位是面积为S/8的直角三角形,因此,本发明通过以窗框为单位来对目标图像纹理进行提取,得到的总纹理图的分辨率会比窗框掩膜高8倍。当把窗框设置为3x3像素大小时,每个像素的面积为S/9,而总纹理图的最小可分辨色块面积为S/8,即可以推断出总纹理图的最小色块面积为单个像素的1.125倍。由此可见,当把窗框设置为3x3像素大小时,最终得到的总纹理图在细节分辨率上接近于单像素水平,具有与原图像相近的细节分辨率,使提取的纹理信息具有较好的完整性和精细性。
传统的边缘检测算法对纹理明显的灰度图像的边缘检测较好,但对于彩色图像或者纹理较弱或较为复杂的自然环境类图像的边缘检测效果较差。相较之下,本发明对各种图像类型,包括抽象图、散点图、黑白图像、彩色图像、人物图像、环境图像等等,都有优秀的纹理提取性能。
由于所述本发明所提取的总纹理图不仅保留着所有纹理信息,而且用RGB值直观体现着每个纹理点的色差性状。因此可以利用相同物体的纹理往往色差性状相近的这一规律,将目标图像中不同物体的纹理实现分离(需要图示)。在对象分离、对象识别等后续的图像处理技术上也有很大的应用前景。
在一种可选的实施例中,所述方法还包括:
通过设置RGB取值范围,对所述总纹理图进行纹理色块筛选,以获得最终的纹理图输出结果。
本方法可以通过设置RGB值取值范围的方式对所述总纹理图的纹理信息进行灵活筛选,从而获取不同精简程度的纹理结果。
在本发明实施例中,所述总纹理图包含目标图像的所有纹理信息,并且用直观的RGB值显示每个纹理点的色差性状,使得总纹理图内包含的纹理数据具有极大的可挖掘空间和极简便的操作性。例如通过设置不同数值范围的RGB值筛选条件,通过该RGB值筛选条件,对所述总纹理图进行过滤,从而获得不同的纹理结果。例如设置R,G,B∈(8,255]的RGB值筛选条件,即滤除掉所有RGB值同时小于8的纹理色块;又或者进一步提高RGB值筛选条件,设置R,G,B∈(16,255]的RGB值筛选条件,滤除掉RGB值同时小于16的纹理色块,进一步精简纹理。通过设置不同的RGB值筛选条件,将总纹理图中不符合RGB值筛选条件的色块直接删除,其剩余的色块所构成的图像就是纹理走向清晰的结果图,使得纹理结果具有自定义的特点。
同时由于本发明实施例的总纹理图包括色差值1-255的所有纹理信息,因此可以检测到连肉眼也容易忽略/难识别的纹理。
在其他实施例中,还可以采用分区域排名筛选法对所述总纹理图进行过滤处理,具体包括:
将总纹理图分割成i列j行共ixj块子区域,对每块子区域独立进行色块筛选。筛选条件设置为删除该子区域内色差值排名低于n%的所有色块,并过滤掉RGB值小于m的极弱纹理。其中,n、m为预设常数。
通过分区域排名筛选法对所述总纹理图进行过滤处理,可以保证每个子区域都有一定的纹理留存,使得弱纹理区当中的相对强纹理能够得以保留,而这些相对强纹理往往就是受光影环境干扰而难以提取的重要纹理,从而避免环境光照对纹理提取的干扰。
实施例二
请参阅图9,本发明实施例提供了一种图像纹理提取装置,包括:
制转换模块1,用于将目标图像每个像素的颜色值进行进制转换,得到每个像素的数字阵列;其中,转换后像素的颜色值的进制低于转换前像素的颜色值的进制;
图层分解模块2:用于根据所述数字阵列,将所述目标图像分解为若干个图层;
子纹理图提取模块3,用于对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图;
总纹理提取模块4,用于将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
在一种可选的实施例中,所述制转换模块用于将所述目标图像的各个像素的颜色值进行N进制转换,得到每个像素的数字阵列;
其中,每个像素的R、G、B三色通道的色阶值分别表示为N进制形式,则每个像素的RGB值表示为3×M位的数字阵列;其中,M表示像素的最大颜色值在N进制下对应的数位。
在一种可选的实施例中,所述制转换模块,包括
二进制转换单元,用于将所述目标图像的各个像素的颜色值进行二进制转换,得到每个像素的3×8位的数字阵列;
则所述图层分解模块包括:
同数位聚类单元,用于根据每个像素的数字阵列,将所有像素中的各颜色通道的各数位分别聚类合并为一个图层。
在一种可选的实施例中,所述子纹理图提取模块包括:
图层纹理提取单元,用于采用所述窗框掩膜对每个图层进行覆盖;其中,所述窗框掩膜由若干个窗框构成;
窗框纹理提取单元,用于对每个图层,每个窗框采用至少两个对比组对其所在图层区域进行纹理提取,获得每个窗框所在图层区域的纹理信息;其中,每个对比组由窗框上两个互为对侧的检测点构成;
窗框拼接单元,用于将所述窗框掩膜中所有窗框的纹理信息进行拼接,得到对应图层的子纹理图。
在一种可选的实施例中,在每个窗框的边界设置第一对比组和第二对比组,其中,所述第一对比组的两个检测点的连线与所述第二对比组中两个检测点的连线之间的夹角为360°/2n,n表示对比组数量;
所述窗框纹理提取单元包括:
数值对比单元,用于分别提取所述第一对比组、第二对比组的检测点所在位点的图层像素值,并进行数值比对;
当所述第一对比组的两检测点同值、且所述第二对比组的两检测点同值时,则判定所述第一对比组和所述第二对比组之间均不存在纹理,不进行填色处理;
当所述第一对比组的两检测点异值、且所述第二对比组的两检测点同值时,则判定所述第一对比组之间存在纹理,且所述第二对比组不存在纹理;所述窗框按所述第一对比组的中垂线一分为二,对所述第一对比组中数值为1的检测点所在的一半窗框进行填色处理,另一半不进行填色;
当所述第一对比组的两检测点异值、且所述第二对比组的两检测点异值时,则判定所述第一对比组之间存在纹理,且所述第二对比组存在纹理;
其中,所述窗框的填色为对应窗框的纹理信息。
在一种可选的实施例中,所述窗框拼接单元具体用于在每个窗框完成对所在区域的填色处理后,将所有窗框的纹理信息按照其在所述窗框掩膜中位置进行合并,构成所在图层的子纹理图。
在一种可选的实施例中,所述总纹理提取模块,用于将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
在一种可选的实施例中,所述装置还包括:
纹理过滤模块,用于按照预设的RGB取值范围对所述总纹理图的纹理信息进行筛选,得到最终的总纹理图
需要说明的是,本发明实施例的实施原理和技术效果第一实施例相同,在这里不再重复赘述。
实施例三
请参阅图10,本发明实施例提供了一种图像纹理提取设备,包括至少一个处理器11,例如CPU,至少一个网络接口14或者其他用户接口13,存储器15,至少一个通信总线12,通信总线12用于实现这些组件之间的连接通信。其中,用户接口13可选的可以包括USB接口以及其他标准接口、有线接口。网络接口14可选的可以包括Wi-Fi接口以及其他无线接口。存储器15可能包含高速RAM存储器,也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。存储器15可选的可以包含至少一个位于远离前述处理器11的存储装置。
在一些实施方式中,存储器15存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:
操作系统151,包含各种系统程序,用于实现各种基础业务以及处理基于硬件的任务;
程序152。
具体地,处理器11用于调用存储器15中存储的程序152,执行上述实施例所述的图像纹理提取方法,例如图1所示的步骤S1。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如二进制转换模块。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述图像纹理提取设备中的执行过程。
所述图像纹理提取设备可以是VCU、ECU、BMS等计算设备。所述图像纹理提取设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是图像纹理提取设备的示例,并不构成对图像纹理提取设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
所称处理器11可以是微处理器(Microcontroller Unit,MCU)中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器11是所述图像纹理提取设备的控制中心,利用各种接口和线路连接整个图像纹理提取设备的各个部分。
所述存储器15可用于存储所述计算机程序和/或模块,所述处理器11通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述图像纹理提取设备的各种功能。所述存储器15可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器15可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述图像纹理提取设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
实施例四
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一实施例中任意一项所述的图像纹理提取方法。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (11)
1.一种图像纹理提取方法,其特征在于,包括:
将目标图像每个像素的颜色值进行进制转换,得到每个像素的数字阵列;其中,转换后像素的颜色值的进制低于转换前像素的颜色值的进制;
根据所述数字阵列,将所述目标图像分解为若干个图层;
对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图;
将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
2.如权利要求1所述的图像纹理提取方法,其特征在于,所述将目标图像每个像素的颜色值进行进制转换,得到数字阵列,包括:
将所述目标图像的各个像素的颜色值进行N进制转换,得到每个像素的数字阵列;
其中,每个像素的R、G、B颜色通道的色阶值分别表示为N进制形式,则每个像素的RGB值表示为3×M位的数字阵列;其中,N进制小于颜色值当前进制,M表示颜色通道的最大色阶值在N进制下对应的数位。
3.如权利要求2所述的图像纹理提取方法,其特征在于,所述将所述目标图像的各个像素的颜色值进行N进制转换,得到每个像素的数字阵列,包括:
将所述目标图像的各个像素的颜色值进行进制转换,得到每个像素的3×M位的数字阵列;
则,根据所述数字阵列,将所述目标图像分解为若干个图层,包括:
根据每个像素的数字阵列,将所有像素中各颜色通道的各数位分别聚类合并为一个图层。
4.如权利要求3所述的图像纹理提取方法,其特征在于,所述对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图,包括:
采用所述窗框掩膜对每个图层进行覆盖;其中,所述窗框掩膜由若干个窗框单元构成;
每个窗框采用至少两个对比组对其所在图层区域进行纹理提取,获得每个窗框所在图层区域的纹理信息;其中,每个对比组由窗框上两个互为对侧的检测点构成;
将所述窗框掩膜中所有窗框的纹理信息进行拼接,得到对应图层的子纹理图。
5.如权利要求4所述的图像轮廓检测方法,其特征在于,在每个窗框的边界设置第一对比组和第二对比组,其中,所述第一对比组的两个检测点的连线与所述第二对比组中两个检测点的连线之间的夹角为360°/2n,n表示对比组数量;
则,每个窗框采用至少两对对比组对其所在图层区域进行纹理提取,获得每个窗框所在图层区域的纹理信息,包括:
分别提取所述第一对比组、第二对比组的检测点所在位点的图层像素值,并进行数值比对;
当所述第一对比组的两检测点同值、且所述第二对比组的两检测点同值时,则判定所述第一对比组和所述第二对比组之间均不存在纹理,窗框不进行填色处理;
当所述第一对比组的两检测点异值、且所述第二对比组的两检测点同值时,则判定所述第一对比组之间存在纹理,且所述第二对比组不存在纹理;所述窗框按所述第一对比组的中垂线一分为二,对所述第一对比组中数值为1的检测点所在的一半窗框进行填色处理,另一半不进行填色;
当所述第一对比组的两检测点异值、且所述第二对比组的两检测点异值时,则判定所述第一对比组和第二对比组之间存在共同纹理,所述窗框按第一对比组、第二对比组的4个检测点中任意两个互为异值的检测点的中垂线为界,将窗框一分为二,对两个数值为1的检测点所在的一半窗框进行填色处理,两个数值为0的检测点所在的一半不做填色处理;
其中,所述窗框的填色结果为对应窗框的纹理信息。
6.如权利要求5所述的图像纹理提取方法,其特征在于,所述将所述窗框掩膜中所有窗框的纹理信息进行拼接,得到对应图层的子纹理图,包括:
在每个窗框完成对所在区域的填色处理后,将所有窗框的纹理信息按照其在所述窗框掩膜中位置进行合并,构成所在图层的子纹理图。
7.如权利要求1所述的图像纹理提取方法,其特征在于,所述将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图,包括:
将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
8.如权利要求1所述的图像纹理提取方法,其特征在于,还包括:
通过设置RGB取值范围,对所述总纹理图进行纹理色块筛选,以获得最终的纹理图输出结果。
9.一种图像纹理提取装置,其特征在于,包括:
制转换模块,用于将目标图像每个像素的颜色值进行进制转换,得到每个像素的数字阵列;其中,转换后像素的颜色值的进制低于转换前像素的颜色值的进制;
图层分解模块:用于根据所述数字阵列,将所述目标图像分解为若干个图层;
子纹理图提取模块,用于对每个所述图层分别采用窗框掩膜进行纹理信息提取,获得每个所述图层的子纹理图;
总纹理提取模块,用于将所有所述子纹理图进行权值叠加,合成所述目标图像的总纹理图。
10.一种图像纹理提取设备,其特征在于,包括:处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-9中任意一项所述的图像纹理提取方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-9中任意一项所述的图像纹理提取方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210295310.5A CN115965671A (zh) | 2022-03-24 | 2022-03-24 | 图像纹理提取方法、设备及计算机可读存储介质 |
PCT/CN2023/082070 WO2023179465A1 (zh) | 2022-03-24 | 2023-03-17 | 图像纹理提取方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210295310.5A CN115965671A (zh) | 2022-03-24 | 2022-03-24 | 图像纹理提取方法、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115965671A true CN115965671A (zh) | 2023-04-14 |
Family
ID=87356582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210295310.5A Pending CN115965671A (zh) | 2022-03-24 | 2022-03-24 | 图像纹理提取方法、设备及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115965671A (zh) |
WO (1) | WO2023179465A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117952829A (zh) * | 2024-01-18 | 2024-04-30 | 中移雄安信息通信科技有限公司 | 图像重建模型训练方法、图像重建方法、装置及设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262778A (zh) * | 2011-08-24 | 2011-11-30 | 重庆大学 | 基于改进的分数阶微分掩模的图像增强方法 |
CN102779277A (zh) * | 2012-06-08 | 2012-11-14 | 中山大学 | 一种基于图像处理中的主纹理提取方法 |
JP6418788B2 (ja) * | 2014-05-26 | 2018-11-07 | キヤノン株式会社 | 画像処理装置及び画像処理方法、プログラム |
EP3855387A4 (en) * | 2018-09-18 | 2022-02-23 | Zhejiang Uniview Technologies Co., Ltd. | IMAGE PROCESSING METHOD AND APPARATUS, ELECTRONIC DEVICE AND READABLE STORAGE MEDIA |
CN111243071A (zh) * | 2020-01-08 | 2020-06-05 | 叠境数字科技(上海)有限公司 | 实时三维人体重建的纹理渲染方法、系统、芯片、设备和介质 |
-
2022
- 2022-03-24 CN CN202210295310.5A patent/CN115965671A/zh active Pending
-
2023
- 2023-03-17 WO PCT/CN2023/082070 patent/WO2023179465A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117952829A (zh) * | 2024-01-18 | 2024-04-30 | 中移雄安信息通信科技有限公司 | 图像重建模型训练方法、图像重建方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023179465A1 (zh) | 2023-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4271804B2 (ja) | 画素に割り当てられる色の選択方法、ならびに画像の符号化及び記憶方法 | |
CN107204034B (zh) | 一种图像处理方法及终端 | |
CN110691226B (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
JPH03218581A (ja) | 画像セグメンテーション方法 | |
CN106204453B (zh) | 一种图像的插值方法及装置 | |
CN108875759B (zh) | 一种图像处理方法、装置及服务器 | |
CN107507158A (zh) | 一种图像处理方法和装置 | |
CN115965671A (zh) | 图像纹理提取方法、设备及计算机可读存储介质 | |
Chen et al. | Color feature extraction of Hainan Li brocade image based on RGB and HSV | |
CN113436284A (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
CN115512258A (zh) | 一种视频图像的脱敏方法、装置、终端设备和存储介质 | |
CN113052923A (zh) | 色调映射方法、装置、电子设备和存储介质 | |
CN107786857B (zh) | 一种图像还原方法及装置 | |
CN109242750B (zh) | 图片签名方法、图片匹配方法、装置、设备及存储介质 | |
CN111681187A (zh) | 降彩噪方法、装置、电子设备和可读存储介质 | |
KR101513931B1 (ko) | 구도의 자동보정 방법 및 이러한 구도의 자동보정 기능이 탑재된 영상 장치 | |
Forrest | Colour histogram equalisation of multichannel images | |
CN114449362B (zh) | 视频封面的选取方法、装置、设备及存储介质 | |
KR20110123771A (ko) | 화상 식별자 추출 장치 | |
CN114373117A (zh) | 一种目标检测方法、装置及系统 | |
CN111815547A (zh) | 图像处理方法及装置、电子设备及存储介质 | |
JP2626108B2 (ja) | パターン認識方法および装置 | |
CN110674720A (zh) | 图片识别方法、装置、电子设备及存储介质 | |
CN111833256A (zh) | 图像增强方法、装置、计算机装置及可读存储介质 | |
Jia et al. | A new saliency object extraction algorithm based on Itti’s model and region growing |
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 |