CN116523943A - 图像二值化处理方法、装置、设备、存储介质和产品 - Google Patents
图像二值化处理方法、装置、设备、存储介质和产品 Download PDFInfo
- Publication number
- CN116523943A CN116523943A CN202310492298.1A CN202310492298A CN116523943A CN 116523943 A CN116523943 A CN 116523943A CN 202310492298 A CN202310492298 A CN 202310492298A CN 116523943 A CN116523943 A CN 116523943A
- Authority
- CN
- China
- Prior art keywords
- segmentation
- area
- image
- region
- target
- 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
- 238000003672 processing method Methods 0.000 title abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 438
- 238000012545 processing Methods 0.000 claims abstract description 135
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000003709 image segmentation Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 25
- 238000005192 partition Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图像二值化处理方法、装置、设备、存储介质和产品。涉及人工智能技术领域。该方法包括:对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;根据各目标分割区域的像素值,对待处理图像进行二值化处理。采用该方法能够提高图像二值化处理准确性。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种图像二值化处理方法、装置、设备、存储介质和产品。
背景技术
随着人工智能技术的发展,利用人工智能技术对图像进行处理的方式应用在各个领域,例如,利用人工智能技术对图像进行二值化处理。
目前,在对图像进行二值化处理的过程中,通常直接基于获取到的图像,对图像进行二值化处理。但是,在获取图像的过程中不可避免会受到拍摄角度或拍摄光线等的影响,导致获取到的图像存在光线不均匀,亮度不统一的情况,在此基础上,目前的二值化处理方法对图像进行二值化处理时,容易存在信息丢失的情况。亟需解决。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高图像二值化处理准确性的图像二值化处理方法、装置、设备、存储介质和产品。
第一方面,本申请提供了一种图像二值化处理方法。该方法包括:
对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;
根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;
根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;
根据各目标分割区域的像素值,对待处理图像进行二值化处理。
在其中一个实施例中,根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域,包括:
针对每一初始分割区域,将该初始分割区域作为待判断区域;
根据待判断区域中的两个预分割区域的像素值,确定待判断区域是否满足分割条件;
若是,则将待判断区域分割为两个预分割区域,并将每一预分割区域依次作为待判断区域,并返回执行根据待判断区域中的两个预分割区域的像素值,确定待判断区域是否满足分割条件的操作,直到待判断区域满足分割结束条件为止;
将满足分割结束条件的各待判断区域均作为待处理图像的二次分割区域;
其中,分割结束条件为待判断区域的尺寸小于预设尺寸,和/或待判断区域不满足分割条件。
在其中一个实施例中,根据待判断区域中的两个预分割区域的像素值,确定待判断区域是否满足分割条件,包括:
根据待判断区域中的两个预分割区域的像素值,确定各预分割区域的像素极值和像素均值的相似度;
根据各预分割区域的像素极值和像素均值的相似度与相似度阈值之间的关系,确定待判断区域是否满足分割条件。
在其中一个实施例中,根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域,包括:
从各二次分割区域中确定至少一个候选合并区域对;其中,每一候选合并区域对中包含的两个二次分割区域具有至少一条公共边,且经不同待判断区域分割得到;
根据各候选合并区域对中包含的两个二次分割区域的像素值,判断各候选合并区域对中的两个二次分割区域是否满足合并条件;
若满足,则对候选合并区域对中的两个二次分割区域进行合并处理;
将合并处理后的二次分割区域,以及未合并处理的二次分割区域,均作为待处理图像的目标分割区域。
在其中一个实施例中,根据各目标分割区域的像素值,对待处理图像进行二值化处理,包括:
根据各目标分割区域的像素值,确定各目标分割区域的二值化阈值;
根据各目标分割区域的二值化阈值,对待处理图像中对应目标分割区域进行二值化处理。
在其中一个实施例中,根据各目标分割区域的像素值,确定各目标分割区域的二值化阈值,包括:
根据每一目标分割区域的像素值,确定该目标分割区域的像素值分布范围;
判断该目标分割区域的像素值分布范围是否大于预设范围;
若是,则根据该目标分割区域的像素值,确定该目标分割区域的二值化阈值。
在其中一个实施例中,该方法还包括若否,则确定该目标分割区域的二值化阈值为预设数值。
在其中一个实施例中,根据该目标分割区域的像素值,确定该目标分割区域的二值化阈值,包括:
确定该目标分割区域的各像素点对应的内容属性,其中,内容属性为背景属性或前景属性;
根据该目标分割区域的各像素点对应的内容属性,确定各像素点的属性权重;
根据该目标分割区域的各像素点的像素值和属性权重,确定该目标分割区域的二值化阈值。
第二方面,本申请还提供了一种图像二值化处理装置。该装置包括:
第一分割模块,用于对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;
第二分割模块,用于根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;
合并模块,用于根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;
二值化模块,用于根据各目标分割区域的像素值,对待处理图像进行二值化处理。
第三方面,本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现以下步骤:
对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;
根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;
根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;
根据各目标分割区域的像素值,对待处理图像进行二值化处理。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以下步骤:
对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;
根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;
根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;
根据各目标分割区域的像素值,对待处理图像进行二值化处理。
第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;
根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;
根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;
根据各目标分割区域的像素值,对待处理图像进行二值化处理。
上述图像二值化处理方法、装置、设备、存储介质和产品,先按照一定的初始分割规则,对待处理图像进行初始分割处理,得到各初始分割区域,并根据各初始分割区域的像素值判断各初始分割区域是否满足分割条件,之后对满足分割条件的初始分割区域进行二次分割处理,得到二次分割区域。在对待处理图像进行初始分割处理的基础上,根据初始分割区域的像素值对其进行二次分割,使得各二次分割区域更小,可以进一步减少二次分割区域中像素值不均对二值化处理过程的影响,同时为后续确定待处理图像的目标分割区域提供基础。另外,根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行合并处理,从而确定目标分割区域,由于目标分割区域的数量比二次分割区域的数量要少,所以也能够提升二值化处理的速度;并且,目标分割区域也具有二次分割区域像素值均匀的特点,不会影响二值化处理的精度,也就是说,整个过程能够提高图像二值化处理准确性。
附图说明
图1为本实施例提供的一种图像二值化处理方法的应用环境图;
图2为本实施例提供的第一种图像二值化处理方法的流程示意图;
图3为本实施例提供的一种确定待处理图像的二次分割区域的流程示意图;
图4为本实施例提供的第二种图像二值化处理方法的流程示意图;
图5为本实施例提供的第一种图像二值化处理装置的结构框图;
图6为本实施例提供的第二种图像二值化处理装置的结构框图;
图7为本实施例提供的第三种图像二值化处理装置的结构框图;
图8为本实施例提供的第四种图像二值化处理装置的结构框图;
图9为本实施例提供的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的图像二值化处理方法,可以应用于如图1所示的应用环境中。在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储进行图像二值化处理的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像二值化处理方法。
在一个实施例中,如图2所示,提供了一种图像二值化处理方法,以该方法应用于图1中的计算机为例进行说明,包括以下步骤:
S201,对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域。
其中,待处理图像可以是需要进行二值化处理的图像,可以理解的是,待处理图像可以是2D图像,例如,票据图像和交通图像等。初始分割区域可以是将待处理图像初次分割后得到的多个图像块。
可选的,本实施例中,对待处理图像进行图像分割处理的方式可以是,根据预先确定好的初始分割尺寸,对待处理图像进行图像分割处理,以实现将待处理图像划分为若干个该初始分割尺寸对应的初始分割区域。可以理解的是,初始分割尺寸可以是根据待处理图像的图像大小确定的,也可以是根据待处理图像的图像类型确定的,针对每一待处理图像,其对应的初始分割尺寸可以相同,也可以不同,对此不进行限定。
本实施例中,根据待处理图像及该待处理图像对应的初始分割尺寸对该待处理图像进行图像分割处理后,可以得到多个图像块,将每个图像块作为该待处理图像的一个初始分割区域。
S202,根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域。
其中,各初始分割区域的像素值可以是该初始分割区域中各像素点的灰度值,用于表征该初始分割区域的灰度。本实施例中,可以对满足分割条件的初始分割区域再次进行图像分割处理,将初始分割区域分割后的每一图像块作为待处理图像的一个二次分割区域。
可选的,确定各初始分割区域是否满足分割条件的方式可以是,针对每一初始分割区域,根据该初始分割区域的像素值,确定该初始分割区域的灰度分布范围。将每一初始分割区域的灰度分布范围与预先设置的灰度范围阈值作比较,判断该初始分割区域的灰度分布范围是否大于预先设置的灰度范围阈值,若是,则确定该初始分割区域满足分割条件;若否,则确定该初始分割区域不满足分割条件。
需要说明的是,本实施例中的初始分割区域并不是都满足分割条件的,即,对于所有初始分割区域,有些是需要进行二次分割处理的,有些是不需要进行二次分割处理的。最后,得到的待处理图像的二次分割区域包括:不需要进行二次分割处理的初始分割区域,以及需要进行分割的初始分割区域经二次分割处理得到的二次分割区域。
S203,根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域。
其中,目标分割区域可以是该待处理图像对应的各二值化处理最终区域,不会再进行分割和合并处理。
本实施例中,针对所有二次分割区域,会根据各二次分割区域的像素值判断各二次分割区域是否满足合并条件,并将满足合并条件的二次分割区域进行合并处理,得到待处理图像的各目标分割区域。
可选的,本实施例中,确定待处理图像的各目标分割区域的方式可以是,将具有公共边的两两二次分割区域中各像素点对应的像素值输入至预先确定的区域合并模型中,区域合并模型对接收到的两个二次分割区域对应的像素值进行解析处理,判断该两个二次分割区域是否可以进行合并处理,若是,则输出符合合并条件的结果;若否,则输出不符合合并条件的结果。针对符合合并条件的两个二次分割区域,根据该两个二次分割区域的公共边,将其进行合并处理,将合并处理后的区域作为待处理图像的目标分割区域。针对不符合合并条件的两个二次分割区域,分别将该两个二次分割区域作为两个待处理图像的目标分割区域。另一种可实现方式可以是,根据各二次分割区域的像素值,确定各二次分割区域的灰度均值,并判断各具有相邻关系的二次分割区域的灰度均值是否在一定误差范围内,若是,则将该具有相邻关系的二次分割区域进行合并处理。示例性地,若预先确定的误差范围是10,某一二次分割区域的灰度均值为120,另一与该二次分割区域具有相邻关系的二次分割区域的灰度均值为122,则这两个具有相邻关系的二次分割区域的灰度均值在一定误差范围内,将这两个二次分割区域进行合并处理。
需要说明的是,本实施例中的二次分割区域并不是都满足合并条件的,即,对于所有的二次分割区域,有些是需要进行合并处理的,有些是不需要进行合并处理的。最后,得到的待处理图像的目标分割区域包括:不需要进行合并处理的二次分割区域,以及需要进行合并处理的二次分割区域经合并处理得到的目标分割区域。
S204,根据各目标分割区域的像素值,对待处理图像进行二值化处理。
本实施例中,可以根据各目标分割区域的像素值,按照预先确定好的二值化处理规则,对各目标分割区域进行二值化处理,得到各目标分割区域的二值化处理结果,将各目标分割区域的二值化处理结果合并起来作为待处理图像的二值化处理结果。
可选的,本实施例中,对各目标分割区域进行二值化处理的方式可以是,针对每一目标分割区域,根据该目标分割区域的像素值,确定该目标分割区域的二值化阈值;根据该目标分割区域的二值化阈值,对该目标分割区域进行二值化处理。其中,二值化阈值可以是对目标分割区域进行二值化处理时依据的处理标准值。可选的,本实施例中,可以针对每一目标分割区域,根据该目标分割区域的像素值确定该目标分割区域所有像素点的灰度均值,将该目标分割区域的灰度均值作为该目标分割区域对应的二值化阈值,并根据该二值化阈值和该目标分割区域的各像素点的灰度值,按照预先确定的二值化处理策略进行二值化处理。例如,将该目标分割区域的各像素点的灰度值与该二值化阈值作比较,将灰度值小于二值化阈值的像素点进行调白处理(即将该像素点的灰度值调整为0);将灰度值大于二值化阈值的像素点进行调黑处理(即将该像素点的灰度值调整为255)。
上述图像二值化处理方法中,先按照一定的初始分割规则,对待处理图像进行初始分割处理,得到各初始分割区域,并根据各初始分割区域的像素值判断各初始分割区域是否满足分割条件,之后对满足分割条件的初始分割区域进行二次分割处理,得到二次分割区域。在对待处理图像进行初始分割处理的基础上,根据初始分割区域的像素值对其进行二次分割,使得各二次分割区域更小,可以进一步减少二次分割区域中像素值不均对二值化处理过程的影响,另外,根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行合并处理,从而确定目标分割区域,由于目标分割区域的数量比二次分割区域的数量要少,所以也能够提升二值化处理的速度;并且,目标分割区域也具有二次分割区域像素值均匀的特点,不会影响二值化处理的精度,也就是说,整个过程能够提高图像二值化处理准确性。
进一步地,为了使确定待处理图像的二次分割区域的过程更加严谨,从而提高二次分割区域的可用性,更好地为对待处理图像进行二值化处理提供基础。在一个实施例中,如图3所示,提供了一种确定待处理图像的二次分割区域的具体方式,可以包括如下步骤:
S301,针对每一初始分割区域,将该初始分割区域作为待判断区域。
其中,待判断区域可以是待进行分割条件满足与否判断的初始分割区域,可以理解的是,每一个初始分割区域都可以是待判断区域。本实施例中,每一个初始分割区域,都会作为待判断区域来进行分割条件满足与否的判断。
S302,根据待判断区域中的两个预分割区域的像素值,确定待判断区域是否满足分割条件。
其中,预分割区域可以是按照预先确定的区域预分割规则,对待判断区域进行预先分割后确定的图像区域。可以理解的是,预分割并不是真的分割处理,可以理解为假设分割。示例性地,若预先确定的区域预分割规则为:将待判断区域预分割为大小相同的两部分,则待判断区域中的预分割区域为将待判断区域平均分割后得到的每个区域。可以理解的是,将待判断区域预分割为大小相同的两部分可以是对待判断区域进行横向分割,也可以是对待判断区域进行竖向分割,对此不进行限定。
需要说明的是,判断待判断区域是否满足分割条件时用到的两个预分割区域是具有至少一个公共边的预分割区域。
本实施例中,针对每一待判断区域,可以是先根据预先确定的区域预分割规则,对待判断区域进行预分割处理,得到至少两个预分割区域(第一预分割区域和第二预分割区域),并根据该待判断区域中各预分割区域及各预分割区域的像素值,判断该待判断区域是否满足分割条件。
可选的,确定待判断区域是否满足分割条件的方式可以是,根据待判断区域中的两个预分割区域的像素值,确定各预分割区域的像素极值和像素均值的相似度;根据各预分割区域的像素极值和像素均值的相似度与相似度阈值之间的关系,确定待判断区域是否满足分割条件。其中,预分割区域的像素极值可以是,对各预分割区域所有像素点的灰度值进行大小比较,将其中最大和最小的灰度值作为该预分割区域的像素极值。相似度阈值可以是预先确定的用于对待判断区域是否满足分割条件的值。
本实施例中,针对每一待判断区域的各预分割区域,都根据该预分割区域的像素值,确定预分割区域的像素极值和像素均值,将各预分割区域的像素极值和像素均值进行大小比较,从而确定各预先分割区域的相似度。示例性的,预分割区域的相似度可以是,第一预分割区域的一像素极值与第二预分割区域的同一像素极值之间的差值;也可以是第一预分割区域的像素均值与第二预分割区域的像素均值之间的差值;也可以是第一预分割区域的一像素极值与第二预分割区域的同一像素极值之间的差值,与第一预分割区域的像素均值与第二预分割区域的像素均值之间的差值相加后得到的最终差值。将该差值作为第一预分割区域与第二预分割区域的相似度。将第一预分割区域与第二预分割区域的相似度,与预先确定的相似度阈值进行比较,若第一预分割区域与第二预分割区域的相似度大于预先确定的相似度阈值,则确定该待判断区域满足分割条件。根据上述方式确定待判断区域是否满足分割条件,使得确定第二分割区域的过程更加简单方便,也为确定第二分割区域提供保障。
S303,若是,则将待判断区域分割为两个预分割区域,并将每一预分割区域依次作为待判断区域,并返回执行根据待判断区域中的两个预分割区域的像素值,确定待判断区域是否满足分割条件的操作,直到待判断区域满足分割结束条件为止。
其中,分割结束条件为待判断区域的尺寸小于预设尺寸,和/或待判断区域不满足分割条件。待判断区域不满足分割条件的情况可以是待判断区域中有不可分割的特征。可以理解的是,各待处理图像的分割结束条件可以不同。示例性地,若待处理图像中包含文字,则该待处理图像的分割结束条件可以是最小分割到与文字大小相同的尺寸。
具体的,本实施例中,对于满足分割条件的待判断区域,则对该待判断区域进行分割处理,得到两个预分割区域,并将每一预分割区域作为待判断区域,返回执行S302的操作,直到待判断区域满足分割结束条件为止。可以理解的是,在将各预分割区域作为待判断区域之前,可以先对该预分割区域的大小与预先设置的分割结束条件作比较,判断该预分割区域的尺寸是否小于预设尺寸,若是,则不会将该预分割区域作为待判断区域进行再次分割处理;也可以判断该预分割区域中是否包含不可分割的特征,若是,则不会将该预分割区域作为待判断区域进行再次分割处理;还可以是先将该预分割区域的大小与预先设置的分割结束条件作比较,判断该预分割区域的尺寸是否小于预设尺寸,若是,则再判断该预分割区域中是否包含不可分割的特征,若是,则确定该预分割区域已经满足分割结束条件,则不会将该预分割区域作为待判断区域进行再次分割处理。
S304,将满足分割结束条件的各待判断区域均作为待处理图像的二次分割区域。
本实施例中,将满足分割结束条件的各待判断区域作为待处理图像的二次分割区域。
上述实施例中,详细给出了确定待处理图像的二次分割区域的具体方式,根据该方式可以将待处理图像的二次分割区域在满足预设条件的前提下尽可能地小,进而能够更大程度上保证二次分割区域中不存在灰度不均的情况,为后续确定目标分割区域,对待处理图像进行二值化处理提供基础与保障。
需要说明的是,本实施例中,由于二次分割区域的个数会很多,影响二值化处理效率,所以,本实施例中,基于确定好的各二次分割区域,会从各二次分割区域中确定至少一个候选合并区域对;其中,每一候选合并区域对中包含的两个二次分割区域具有至少一条公共边,且经不同待判断区域分割得到;根据各候选合并区域对中包含的两个二次分割区域的像素值,判断各候选合并区域对中的两个二次分割区域是否满足合并条件;若满足,则对候选合并区域对中的两个二次分割区域进行合并处理;将合并处理后的二次分割区域,以及未合并处理的二次分割区域,均作为待处理图像的目标分割区域。本实施例中,可以根据各二次分割区域的像素值,确定各候选合并区域对中包含的两个二次分割区域的灰度直方图,并对两个二次分割区域的灰度直方图进行灰度范围比较,得到两个二次分割区域的灰度范围差值,根据灰度范围差值,与预先设置的合并阈值进行比较,判断灰度范围差值是否小于合并阈值,若是,则确定该候选合并区域对中包含的两个二次分割区域满足合并条件,并对该两个二次分割区域进行合并处理,作为目标分割区域;若否,则将该候选合并区域对中包含的两个二次分割区域分别作为目标分割区域。对满足合并条件的二次分割区域进行合并处理,得到目标分割区域,由于目标分割区域可以在满足不存在灰度不均的前提下尽可能地大,所以目标分割区域的个数会比较少,可以减少后续二值化处理的工作量,提高对待处理图像进行二值化处理的效率。
另外,为了使确定目标分割区域的二值化阈值的方式更加丰富,使得二值化阈值更符合目标分割区域的特点,同时提高确定二值化阈值的效率。在一个实施例中,确定各目标分割区域的二值化阈值的方式可以是:根据每一目标分割区域的像素值,确定该目标分割区域的像素值分布范围;判断该目标分割区域的像素值分布范围是否大于预设范围;若是,则根据该目标分割区域的像素值,确定该目标分割区域的二值化阈值;若否,则确定该目标分割区域的二值化阈值为预设数值。
可以理解的是,本实施例中,目标分割区域中各像素点的值可能会存在较为相近的情况,例如,目标分割区域为空白区域。此时,对该目标分割区域进行二值化处理的结果不会对待处理图像的二值化处理结果产生影响。所以,为了进一步提高确定二值化阈值的效率,可以对这一部分目标分割区域进行筛选,采用另一种确定二值化阈值的方式(例如简化处理)。具体的,本实施例中,可以针对每一目标分割区域中各像素点的灰度值,确定该目标分割区域的灰度值分布范围,根据各目标分割区域的灰度值的分布范围和预先确定的像素范围阈值,判断该目标分割区域的灰度值的分布范围是否大于预设像素范围阈值,若是,则根据该目标分割区域的像素值,确定该目标分割区域的二值化阈值。若否,则满足简化处理条件,则确定该目标分割区域的二值化阈值为预设数值,根据该预设数值对该目标分割区域进行二值化处理。示例性地,确定各目标分割区域的像素值分布范围的方式可以是,根据每一目标分割区域中各像素点的灰度值确定该目标分割区域的灰度直方图,该灰度直方图即可表征该目标分割区域的像素值分布范围。
需要说明的是,若目标分割区域的灰度值的分布范围大于预设像素范围阈值,则确定二值化阈值的方式不仅可以采用上述S204示出的确定二值化阈值的方式进行处理,进一步地,为了提高确定二值化阈值的准确度,为后续根据二值化阈值和目标分割区域的像素值对待处理图像进行二值化处理提供保障,进一步提高二值化处理结果的精度,在确定各目标分割区域的二值化阈值的过程中,还可以通过如下方式进行处理:确定该目标分割区域的各像素点对应的内容属性,其中,内容属性为背景属性或前景属性;根据该目标分割区域的各像素点对应的内容属性,确定各像素点的属性权重;根据该目标分割区域的各像素点的像素值和属性权重,确定该目标分割区域的二值化阈值。其中,目标分割区域的各像素点对应的内容属性可以用于表征该像素点灰度值对应的内容类型。示例性地,若目标分割区域中包括文字内容,则文字部分对应的像素点即为前景属性,其他部分对应的像素点即为背景属性。以目标分割区域为写有文字的空白纸张为例,可以先确定文字内容对应的像素点个数在待处理图像像素点中的占比情况,将该占比情况作为其对应的权重,并确定文字内容对应的各像素点的灰度值,同时,确定空白区域对应的像素点个数在待处理图像像素点中的占比情况,将该占比情况作为其对应的权重,并确定各像素点的灰度值。结合该目标分割区域的各像素点的像素值,以及前景属性和背景属性对应的权重,确定该目标分割区域的二值化阈值。例如,若一目标分割区域的像素点个数为100,且该目标分割区域中文字部分占比为30%,且文字部分对应的各像素点的像素值平均为200,白色部分占比为70%,且白色部分对应的各像素点的像素平均为20,则确定该目标分割区域的二值化阈值的计算方式可以是(200*30%+20*70%)/100。
上述实施例中,在确定目标分割区域的二值化阈值的过程中,考虑到目标分割区域的各像素点对应的内容属性和其对应的权重,可以使得确定出来的目标分割区域的二值化阈值更加精准,进一步使得对各目标分割区域进行二值化处理后得到的二值化处理结果更加准确。也就是说,可以提高待处理图像二值化处理结果的准确性。
为了便于本领域技术人员的理解,对上述图像二值化处理方法进行详细介绍,如图4所示,该方法可以包括:
S401,对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域。
S402,针对每一初始分割区域,将该初始分割区域作为待判断区域。
S403,根据待判断区域中的两个预分割区域的像素值,确定各预分割区域的像素极值和像素均值的相似度。
S404,根据各预分割区域的像素极值和像素均值的相似度与相似度阈值之间的关系,确定待判断区域是否满足分割条件,若是,则执行S405,若否,则执行S406。
S405,将待判断区域分割为两个预分割区域,并将每一预分割区域依次作为待判断区域,并返回执行S404的操作,直到待判断区域满足分割结束条件为止。
S406,将满足分割结束条件的各待判断区域均作为待处理图像的二次分割区域。
其中,分割结束条件为待判断区域的尺寸小于预设尺寸,和/或待判断区域不满足分割条件。
S407,从各二次分割区域中确定至少一个候选合并区域对。
其中,每一候选合并区域对中包含的两个二次分割区域具有至少一条公共边,且经不同待判断区域分割得到。
S408,根据各候选合并区域对中包含的两个二次分割区域的像素值,判断各候选合并区域对中的两个二次分割区域是否满足合并条件;若是,则执行S409,若否,则执行S410。
S409,对候选合并区域对中的两个二次分割区域进行合并处理,合并后的区域作为待处理图像的目标分割区域。
S410,将该二次分割区域作为目标分割区域。
S411,根据每一目标分割区域的像素值,确定该目标分割区域的像素值分布范围。
S412,判断该目标分割区域的像素值分布范围是否大于预设范围;若是,则执行S413,若否,则执行S416。
S413,确定该目标分割区域的各像素点对应的内容属性。
其中,内容属性为背景属性或前景属性。
S414,根据该目标分割区域的各像素点对应的内容属性,确定各像素点的属性权重。
S415,根据该目标分割区域的各像素点的像素值和属性权重,确定该目标分割区域的二值化阈值。
S416,确定该目标分割区域的二值化阈值为预设数值。
S417,根据各目标分割区域的二值化阈值,对待处理图像中对应目标分割区域进行二值化处理。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的图像二值化处理方法的图像二值化处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个图像二值化处理装置实施例中的具体限定可以参见上文中对于图像二值化处理方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种图像二值化处理装置1,包括:第一分割模块10、第二分割模块11、合并模块12和二值化模块13,其中:
第一分割模块10,用于对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域。
第二分割模块11,用于根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域。
合并模块12,用于根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域。
二值化模块13,用于根据各目标分割区域的像素值,对待处理图像进行二值化处理。
在一个实施例中,如图6所示,第二分割模块11包括:第一处理单元110、判断单元111、第二处理单元112和第三处理单元113。其中:
第一处理单元110,用于针对每一初始分割区域,将该初始分割区域作为待判断区域。
第一判断单元111,用于根据待判断区域中的两个预分割区域的像素值,确定待判断区域是否满足分割条件。
第二处理单元112,用于将待判断区域分割为两个预分割区域,并将每一预分割区域依次作为待判断区域,并返回执行根据待判断区域中的两个预分割区域的像素值,确定待判断区域是否满足分割条件的操作,直到待判断区域满足分割结束条件为止。
第三处理单元113,用于将满足分割结束条件的各待判断区域均作为待处理图像的二次分割区域。
其中,分割结束条件为待判断区域的尺寸小于预设尺寸,和/或待判断区域不满足分割条件。
在一个实施例中,第一判断单元111包括第一确定子单元和第二确定子单元。其中:
第一确定子单元,用于根据待判断区域中的两个预分割区域的像素值,确定各预分割区域的像素极值和像素均值的相似度。
第二确定子单元,用于根据各预分割区域的像素极值和像素均值的相似度与相似度阈值之间的关系,确定待判断区域是否满足分割条件。
在一个实施例中,如图7所示,合并模块12包括第一确定单元120、第二判断单元121、合并单元122和第二确定单元123。其中:
第一确定单元120,用于从各二次分割区域中确定至少一个候选合并区域对;其中,每一候选合并区域对中包含的两个二次分割区域具有至少一条公共边,且经不同待判断区域分割得到。
第二判断单元121,用于根据各候选合并区域对中包含的两个二次分割区域的像素值,判断各候选合并区域对中的两个二次分割区域是否满足合并条件。
合并单元122,用于对候选合并区域对中的两个二次分割区域进行合并处理。
第二确定单元123,用于将合并处理后的二次分割区域,以及未合并处理的二次分割区域,均作为待处理图像的目标分割区域。
在一个实施例中,如图8所示,二值化模块13包括第三确定单元130和二值化单元131。其中:
第三确定单元130,用于根据各目标分割区域的像素值,确定各目标分割区域的二值化阈值。
二值化单元131,用于根据各目标分割区域的二值化阈值,对待处理图像中对应目标分割区域进行二值化处理。
在一个实施例中,第三确定单元130包括第三确定子单元、判断子单元和第四确定子单元,其中:
第三确定子单元,用于根据每一目标分割区域的像素值,确定该目标分割区域的像素值分布范围。
判断子单元,用于判断该目标分割区域的像素值分布范围是否大于预设范围。
第四确定子单元,用于根据该目标分割区域的像素值,确定该目标分割区域的二值化阈值。
在一个实施例中,第三确定单元130还包括第五确定子单元,用于确定该目标分割区域的二值化阈值为预设数值。
在一个实施例中,第四确定子单元具体用于确定该目标分割区域的各像素点对应的内容属性,其中,内容属性为背景属性或前景属性;据该目标分割区域的各像素点对应的内容属性,确定各像素点的属性权重;根据该目标分割区域的各像素点的像素值和属性权重,确定该目标分割区域的二值化阈值。
上述图像二值化处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像二值化处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;
根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;
根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;
根据各目标分割区域的像素值,对待处理图像进行二值化处理。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;
根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;
根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;
根据各目标分割区域的像素值,对待处理图像进行二值化处理。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
对待处理图像进行图像分割处理,得到待处理图像的各初始分割区域;
根据各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到待处理图像的各二次分割区域;
根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到待处理图像的各目标分割区域;
根据各目标分割区域的像素值,对待处理图像进行二值化处理。
需要说明的是,本申请所涉及的用户信息(包括但不限于待处理图像中包括的图像信息和目标分割区域的像素值信息等)和数据(包括但不限于预先设置的分割结束条件中包括的数据和预设数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种图像二值化处理方法,其特征在于,所述方法包括:
对待处理图像进行图像分割处理,得到所述待处理图像的各初始分割区域;
根据所述各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到所述待处理图像的各二次分割区域;
根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到所述待处理图像的各目标分割区域;
根据各目标分割区域的像素值,对所述待处理图像进行二值化处理。
2.根据权利要求1所述的方法,其特征在于,所述根据所述各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到所述待处理图像的各二次分割区域,包括:
针对每一初始分割区域,将该初始分割区域作为待判断区域;
根据所述待判断区域中的两个预分割区域的像素值,确定所述待判断区域是否满足分割条件;
若是,则将所述待判断区域分割为两个预分割区域,并将每一预分割区域依次作为所述待判断区域,并返回执行根据所述待判断区域中的两个预分割区域的像素值,确定所述待判断区域是否满足分割条件的操作,直到所述待判断区域满足分割结束条件为止;
将满足分割结束条件的各待判断区域均作为所述待处理图像的二次分割区域;
其中,所述分割结束条件为所述待判断区域的尺寸小于预设尺寸,和/或所述待判断区域不满足分割条件。
3.根据权利要求2所述的方法,其特征在于,所述根据所述待判断区域中的两个预分割区域的像素值,确定所述待判断区域是否满足分割条件,包括:
根据所述待判断区域中的两个预分割区域的像素值,确定各预分割区域的像素极值和像素均值的相似度;
根据各预分割区域的像素极值和像素均值的相似度与相似度阈值之间的关系,确定所述待判断区域是否满足分割条件。
4.根据权利要求2所述的方法,其特征在于,所述根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到所述待处理图像的各目标分割区域,包括:
从各二次分割区域中确定至少一个候选合并区域对;其中,每一候选合并区域对中包含的两个二次分割区域具有至少一条公共边,且经不同待判断区域分割得到;
根据各候选合并区域对中包含的两个二次分割区域的像素值,判断各候选合并区域对中的两个二次分割区域是否满足合并条件;
若满足,则对所述候选合并区域对中的两个二次分割区域进行合并处理;
将合并处理后的二次分割区域,以及未合并处理的二次分割区域,均作为所述待处理图像的目标分割区域。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述根据各目标分割区域的像素值,对所述待处理图像进行二值化处理,包括:
根据各目标分割区域的像素值,确定各目标分割区域的二值化阈值;
根据各目标分割区域的二值化阈值,对所述待处理图像中对应目标分割区域进行二值化处理。
6.根据权利要求5所述的方法,其特征在于,所述根据各目标分割区域的像素值,确定各目标分割区域的二值化阈值,包括:
根据每一目标分割区域的像素值,确定该目标分割区域的像素值分布范围;
判断该目标分割区域的像素值分布范围是否大于预设范围;
若是,则根据该目标分割区域的像素值,确定该目标分割区域的二值化阈值。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若否,则确定该目标分割区域的二值化阈值为预设数值。
8.根据权利要求6所述的方法,其特征在于,所述根据该目标分割区域的像素值,确定该目标分割区域的二值化阈值,包括:
确定该目标分割区域的各像素点对应的内容属性,其中,所述内容属性为背景属性或前景属性;
根据该目标分割区域的各像素点对应的内容属性,确定各像素点的属性权重;
根据该目标分割区域的各像素点的像素值和属性权重,确定该目标分割区域的二值化阈值。
9.一种图像二值化处理装置,其特征在于,所述装置包括:
第一分割模块,用于对待处理图像进行图像分割处理,得到所述待处理图像的各初始分割区域;
第二分割模块,用于根据所述各初始分割区域的像素值,对满足分割条件的初始分割区域进行图像分割处理,得到所述待处理图像的各二次分割区域;
合并模块,用于根据各二次分割区域的像素值,对满足合并条件的二次分割区域进行区域合并处理,得到所述待处理图像的各目标分割区域;
二值化模块,用于根据各目标分割区域的像素值,对所述待处理图像进行二值化处理。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一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权利要求1至8中任一项所述的方法的步骤。
12.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310492298.1A CN116523943A (zh) | 2023-05-04 | 2023-05-04 | 图像二值化处理方法、装置、设备、存储介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310492298.1A CN116523943A (zh) | 2023-05-04 | 2023-05-04 | 图像二值化处理方法、装置、设备、存储介质和产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116523943A true CN116523943A (zh) | 2023-08-01 |
Family
ID=87393606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310492298.1A Pending CN116523943A (zh) | 2023-05-04 | 2023-05-04 | 图像二值化处理方法、装置、设备、存储介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523943A (zh) |
-
2023
- 2023-05-04 CN CN202310492298.1A patent/CN116523943A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10803638B2 (en) | Efficient display of data points in a user interface | |
CN110990516B (zh) | 地图数据的处理方法、装置和服务器 | |
CN113112509B (zh) | 图像分割模型训练方法、装置、计算机设备和存储介质 | |
CN114359563B (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
CN115759148B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN116310656B (zh) | 训练样本确定方法、装置和计算机设备 | |
CN111340790B (zh) | 包围盒的确定方法、装置、计算机设备和存储介质 | |
CN115908363B (zh) | 肿瘤细胞统计方法、装置、设备和存储介质 | |
CN115601283B (zh) | 图像增强方法、装置、计算机设备及计算机可读存储介质 | |
CN116932935A (zh) | 地址匹配方法、装置、设备、介质和程序产品 | |
CN115731442A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN116523943A (zh) | 图像二值化处理方法、装置、设备、存储介质和产品 | |
CN115858659A (zh) | 矢量轨迹的显示方法、装置、计算机设备、存储介质 | |
CN116168377A (zh) | 车牌识别方法、装置、计算机设备以及存储介质 | |
CN111368889B (zh) | 一种图像处理方法及装置 | |
CN115713769A (zh) | 文本检测模型的训练方法、装置、计算机设备和存储介质 | |
CN117710235B (zh) | 图像目标增强方法、装置、计算机设备和存储介质 | |
CN117744186B (zh) | Cad光栅化方法、装置、计算机设备和存储介质 | |
CN114898094B (zh) | 点云上采样方法、装置、计算机设备和存储介质 | |
CN116612474B (zh) | 对象检测方法、装置、计算机设备及计算机可读存储介质 | |
CN114742704A (zh) | 图像扩增方法和基于图像扩增的模型训练方法 | |
CN118260443A (zh) | 文本绘制方法、装置、计算机设备和存储介质 | |
CN113361545A (zh) | 图像特征提取方法、装置、电子设备和存储介质 | |
CN114862898A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN117312653A (zh) | 服务策略确定方法、装置、计算机设备和存储介质 |
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 |