CN1184796C - 图象处理方法和设备以及图象处理系统 - Google Patents
图象处理方法和设备以及图象处理系统 Download PDFInfo
- Publication number
- CN1184796C CN1184796C CNB011247258A CN01124725A CN1184796C CN 1184796 C CN1184796 C CN 1184796C CN B011247258 A CNB011247258 A CN B011247258A CN 01124725 A CN01124725 A CN 01124725A CN 1184796 C CN1184796 C CN 1184796C
- Authority
- CN
- China
- Prior art keywords
- image
- segmentation threshold
- edge
- original picture
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
- H04N1/4092—Edge or detail enhancement
-
- 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
- G06T7/136—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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了用于检测图象边缘的方法、设备和系统,以准确地提取图象中的边缘部分。所述边缘检测设备包括:读取装置,图象灰度统计装置,图象分类装置,分割阈值产生装置,边缘判据确定装置,和图象边缘提取装置。按照本发明,可以实现一种可靠且准确的图象边缘的检测方法,以准确地确定各种文档图象的图象边缘。
Description
技术领域
本发明涉及一种图象处理方法和设备,以及图象处理系统,尤其涉及一种用于检测图象中的边缘的检测方法、设备和系统。
背景技术
在数字复印机、传真机或打印机中,常常希望能高质量地还原来自扫描仪或数字照相机一类输入设备的输入图象。为了能够产生高质量的数字图象,需要对所输入的图象采取恰当的图象处理方法。当前的数字图象处理技术,已经能够产生高质量的图象。
然而,目前的数字图象处理技术中存在一些问题。一般来说,输入图象的区域可以分为文字部分、图形部分以及栅格部分。当通过滤波处理来处理栅格图象时,由于采样间隔和象素点的影响,所处理的输入图象常常模糊不清。而在处理包括栅格图象、文字图象或图形图象的复合图象时,所产生的图象在文字部分中常存在不希望的点状,并且文字的边缘将变得模糊。
图象的边缘检测是数字图象处理中非常重要的步骤。一般来说,图象边缘能勾画出图象区域的主要形状,而这对于描述目标或者解释图象都是至关重要的,因此,图象边缘检测是数字图象处理技术中许多复杂问题的关键所在。
比如,日本专利申请公开第6-150059公开了一种图象区域分离方法和分离装置。它通过将图象中的格子和线条的集中部分判断为文字区域,从而提高了图象区域的分离精度。在该日本专利申请中,文档图象被划分为包括多个象素的块,并通过匹配模型来识别文档图象的图象种类。在该发明中,预先准备多个基本图象模型,通过将文档图象与基本模型相比,从而决定文档图象的图象类型。
另外,日本专利申请公开第8-149297公开了一种识别所观察的象素是否被包含在点状图象部分方法,它是通过运用点状图象的图象数据的周期性,来检测文档图象中线条的图象数据的周期性。
还有,日本专利申请公开第61-194968公开了点状图形区域识别方法。其中,测量在主扫描方向和子扫描方向上具有不同信号电平的块中的象素,通过比较变化因素的和值,识别所观察的象素是点状图形图象部分或者不是。
在一幅灰度图象中,所谓边缘就是出现在灰度分布不连续的位置处的基本单元,这种灰度变化可用导数方便地检测到。章毓晋著的《图象分割》(图象图形科学丛书,科学出版社,2001,ISBN 7-03-007241-3)介绍了用一阶导数来检测图象边缘的最常用的方法。比如,可以采用Roberts算子、Sobel算子、Prewitt算子等。如果所求得某一象素点的图象灰度一阶导数高于某一阈值,即图象边缘判据阈值,则可确定该象素点为图象的边缘点。
美国专利第6,192,153B1号公开了一种图象处理装置和方法。该发明用于精确地标识文档图象中的图象区域的类型,并按照图象区域的标识结果,对每一象素进行处理。其中在该发明中,图象处理装置包括图象边缘检测装置,它通过计算一个区域中的每一图象信号与一滤波参数之积的和,来检测位于图象中边缘部分的象素。其中上述区域包括一个观察象素和包围该观察象素的多个边缘象素。并根据所述图象边缘检测结果,通过一标识装置来标识包括所述观察象素的图象区域。它主要包括下面几个步骤:将数字图象信号输入,然后将数字图象黑白进行反转,接着,检测图象的边缘,根据每一象素特性将它们划分非照片象素和相片象素;然后,对非照片象素进行分类,并对照片象素进行平滑,从而输出所得到的图象信号。其中在图象边缘检测步骤使用了预定的固定阈值来检测图象边缘。
美国专利第5,583,659号公开了一种利用图象局部特性将图象阈值化的多窗口技术。它利用局部图象的亮度变化,图象象素的梯度变化等特性,采用多窗口技术,减少图象噪声并降低图象边缘的模糊性。在该专利所公开的方法中,使用Sobel算子和预定的固定图象边缘判据阈值来检测图象边缘。
在实际应用中,需要根据所处理的图象的不同来调整边缘判据阈值,以得到好的边缘检测效果,即一方面要尽可能完整地提取出边缘,另一方面又要避免在提取出的图象中出现过多的噪声。在现有技术中,一般是采用固定阈值的边缘判据,如上面两个专利所述,因而不能获得满意的结果。
发明内容
因此,本发明的目的在于提供一种图象处理方法、设备和系统,用于根据图象的特征,以一种自适应的方式,为每一个具体的图象确定一个适应于该图象的图象边缘判据,从而利用该判据检测出图象中的图象边缘。
按照本发明,上述目的是通过提供一种图象处理方法实现的,所述方法包括:
一个图象灰度统计步骤,用于计算一个原始图象中的灰度的频率;
一个图象分类步骤,用于根据计算出的频率对原始图象进行分类;
一个分割阈值确定步骤,用于根据所述分类步骤的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割,其中该分割阈值确定步骤包括:一个计算步骤,用于通过利用一种用于由所述图象分类步骤划分出的与正常图象对应的图象类型0的方法来计算出一个初始分割阈值以作为分割阈值;以及,一个调节步骤,用于根据所述划分的结果以及该初始分割阈值而获得一个经过调节的分割阈值;
一个边缘判据确定步骤,用于计算原始图象的该前景和该背景的统计值,并以这些统计值确定边缘判据;
一个边缘提取步骤,用于根据确定的边缘判据提取图象边缘。
进一步,上述目的是通过提供一种图象处理设备来实现的,所述设备用于检测图象中的图象边缘,并包括:
一个图象灰度统计装置,用于计算一个原始图象中的灰度的频率;
一个图象分类装置,用于根据计算出的频率对原始图象进行分类;
一个分割阈值确定装置,用于根据所述分类的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割,其中该分割阈值确定装置包括:一个计算装置,用于通过利用一种用于由所述图象分类装置划分出的与正常图象对应的图象类型0的方法来计算出一个初始分割阈值以作为分割阈值;以及,一个调节装置,用于根据所述划分的结果以及该初始分割阈值而获得一个经过调节的分割阈值;
一个边缘判据确定装置,用于计算原始图象的前景和背景的统计值并以这些统计值确定边缘判据;
一个边缘提取装置,用于根据确定的边缘判据提取图象边缘。
进一步,上述目的是通过提供一种图象处理系统实现的,所述系统内包括:
输入设备,用于输入图象;
图象处理设备,用于检测图象边缘;
输出部分,用于输出被检测的图象边缘;
其中,图象处理设备包括:
一个图象灰度统计装置,用于计算一个原始图象中的灰度的频率;
一个图象分类装置,用于根据计算出的频率对原始图象进行分类;
一个分割阈值确定装置,用于根据所述分类的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割,其中该分割阈值确定装置包括:一个计算装置,用于通过利用一种用于由所述图象分类装置划分出的与正常图象对应的图象类型0的方法来计算出一个初始分割阈值以作为分割阈值;以及,一个调节装置,用于根据所述划分的结果以及该初始分割阈值而获得一个经过调节的分割阈值;
一个边缘判据确定装置,用于计算原始图象的前景和背景的统计值并以这些统计值确定边缘判据;
一个边缘提取装置,用于根据确定的边缘判据提取图象边缘。
在一个进一步的方面,本发明提供了一种图象处理方法,用于检测图象中的图象边缘,其特征在于包括:
一个图象灰度统计步骤,用于计算一个原始图象中的灰度的频率;
一个黑块探测步骤,用于探测原始图象中与黑块相对应的图象区;
一个黑块象素频率去除步骤,用于从所述图象灰度统计步骤计算出的灰度频率中去除探测到的黑块图象区中的象素的频率;
一个图象分类步骤,用于根据原始图象的去除了黑块象素频率之后的灰度频率的分布对原始图象进行分类;
一个分割阈值确定步骤,用于根据所述分类步骤的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割,其中该分割阈值确定步骤包括:一个计算步骤,用于通过利用一种用于由所述图象分类步骤划分出的与正常图象对应的图象类型0的方法来计算出一个初始分割阈值以作为分割阈值;以及,一个调节步骤,用于根据所述划分的结果以及该初始分割阈值而获得一个经过调节的分割阈值;
一个边缘判据确定步骤,用于计算原始图象在去除了黑块之后的前景和背景的象素灰度统计值并以这些统计值确定边缘判据;
一个边缘提取步骤,用于根据确定的边缘判据提取图象边缘。
进一步地,本发明提供了一种图象处理设备,用于检测图象中的图象边缘,其特征在于包括:
一个图象灰度统计装置,用于计算一个原始图象中的灰度的频率;
一个黑块探测装置,用于探测原始图象中与黑块相对应的图象区;
一个黑块象素频率去除装置,用于从所述图象灰度统计装置计算出的灰度频率中去除探测到的黑块图象区中的象素的频率;
一个图象分类装置,用于根据原始图象的去除了黑块象素频率之后的灰度频率的分布对原始图象进行分类;
一个分割阈值确定装置,用于根据所述分类的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割;
一个边缘判据确定装置,用于计算原始图象在去除了黑块之后的前景和背景的象素灰度统计值并以这些统计值确定边缘判据;
一个边缘提取装置,用于根据确定的边缘判据提取图象边缘。
本发明的图象边缘提取方法,能够针对不同类型的原始图象,通过按照图象的灰度分布而动态地改变分割原始图象为前景和背景的分割阈值,从而动态地确定边缘判据,进而更准确地提取图象的边缘。
本发明进一步的目的是提供一种新颖的图象处理方法、设备和系统。
通过下面的实施例和附图的描述,本发明的其他特点和优点变得更加清楚,附图中相同的标号表示相同的或类似的部件或步骤。
作为本发明一部分的附图和本说明一起用于本发明的实施例,用于解释本发明的原理。
附图说明
图1是按照本发明的第一和第二实施例的图象边缘检测系统的结构方框图;
图2是按照本发明的第一实施例的图象边缘检测设备的结构方框图;
图2A是按照本发明的第二实施例的图象边缘检测设备的结构方框图;
图3是流程图,示出了按照本发明第一实施例的图象边缘检测处理过程;
图3A是本发明的第二实施例的流程图,它是图3所示的流程的一种修正形式,其中加入了黑块探测和黑块象素频率去除步骤;
图4是流程图,用于将图象进行分类;
图5是流程图,用于确定分割原始图象为前景和背景的分割阈值;
图6是流程图,用于调整类型I图象的图象分割阈值;
图7是流程图,用于调整类型II图象的图象分割阈值;
图8A表示待检测图象边缘的原始图象的一个例子;
图8B表示图8A所示待检测图象边缘的图象直方图;
图8C表示按照本发明的第一实施例对图8A所示的原始图象进行图象边缘检测的结果;
图9A表示待检测图象边缘的原始图象的另一个例子;
图9B表示图9A所示待检测图象边缘的图象直方图;
图9C表示按照本发明的第一实施例对图9A所示的原始图象进行图象边缘检测的结果;
图10A表示待检测图象边缘的原始图象的另一个例子;
图10B表示图10A所示待检测图象边缘的图象直方图;
图10C表示按照本发明的第一实施例对图10A所示的原始图象进行图象边缘提取的结果;
图11是示意图,示出了一个用于确定灰度梯度的3×3 Sobel梯度算子的模板;
图12A表示图3A所示的流程的待检测的原始图象的一个例子;
图12B是图12A所示原始图象的直方图;
图12C是图12A所示原始图象去掉黑块象素部分后的直方图;
图12D是图12A所示原始图象用图3的流程所获得的边缘检测结果;
图12E是图12A所示原始图象用图3A所示的流程所得到的边缘检测结果。
具体实施实施方式
下面是参照附图详细说明本发明的优选实施例。
第一实施例
系统结构
图1显示了按照本发明的第一实施例的图象边缘检测系统的结构方框图。
打印机105,例如喷墨打印机或者类似的打印机,以及监视器106和主机100相连。
主机100具有应用软件程序101,例如字处理程序、放大程序、互联网浏览器以及类似程序,OS(操作系统)102,打印机驱动程序103,用于处理指示输出图象的各种绘图指令(图象绘图指令,文本绘图指令,图表绘图指令),它们被应用软件101发送给OS102,并产生打印数据,以及监视器驱动程序104,用于处理由应用软件程序101发出的各种绘图指令,并在监视器106上显示数据。
标号112是指令输入装置,113是该装置的驱动程序。例如,连接有用于点在监视器106上显示的各种信息从而向OS102发送各种指令的鼠标。注意其它的指向装置例如轨迹球、笔、触摸屏及其它类似装置,或键盘可用于代替鼠标。
主机100包括:作为可以运行这些软件程序的各种硬件的中央处理单元(CPU108)、硬盘(HD)107、随机存取存储器(RAM)109、只读存储器(ROM)110等。
作为图1所示的图象边缘检测系统的软、硬件平台的一个例子,可在流行的IBM公司的PC-AT个人计算机上安装微软公司的Windows98作为操作系统,安装上所需的可以执行打印的应用程序,并使监视器和打印机和个人计算机相连。
在主机100中,每个应用软件程序101使用被归入文本例如字符或类似物的文本数据、被归入图表例如插图或其类似物的图表数据、被归入自然图象或其类似物的图象数据等产生输出图象数据。在打印输出图象数据时,应用软件程序101向OS102发出打印请求。此时,应用软件程序101向OS102发出绘图指令组,包括相应于图表数据的图表绘制指令,以及相应于图象数据的图象绘制指令。
OS102收到应用软件程序101的输出请求之后,向相应于一个输出打印机的打印机驱动程序103发出绘图指令组。打印机驱动程序103处理从OS102输入的打印请求和绘图指令组,产生打印机105可以打印的打印数据,并把打印数据传递到打印机105。当打印机105是扫描打印机时,打印机驱动程序103按照来自OS102的绘图指令进行图象校正处理,然后按顺序扫描(rasterize)RGB24位页存储器上的指令。在完成所有绘图指令之后,打印机驱动程序103把RGB24位页存储器的内容转换成打印机105可以打印的数据格式,即CMYK数据,并把转换的数据传递给打印机105。
注意主机100可以连接图象扫描仪111,其检测物体的图象并产生RGB图象数据,并可以把检测的图象数据装载并存储在HD107中。注意由图象扫描仪111检测的图象数据按照BMP编码。检测的图象数据在被打印机驱动程序103译码之后可以作为图象数据传递给打印机105。
主机100还包括图象边缘检测设备114,用于检测图象中的边缘。存储在HD107的图象数据被图象边缘检测设备114读取并被处理。首先,检测出确定的图象边缘,然后,在OS102地控制之下,由打印机105或监视器106输出图象中的被检测的边缘图象。
图象边缘检测设备
图2是按照本发明的第一实施例的图象边缘检测设备的结构方框图;
本实施例中的图象边缘检测设备114包括图象读取装置201,图象灰度统计装置202,图象分类装置203,分割阈值确定装置204、图象边缘判据确定装置205和图象边缘提取装置206。
诸如扫描仪一类的图象输入设备光电地读取来自原始文档的输入原始图象。表示原始图象的模拟信号被转换为数字信号。数字图象信号被输入到诸如HD107或ROM110之类的存储器中,并存储在其中。
在图象边缘检测设备114中,图象读取装置201首先读取存储在诸如ROM110一类存储器的数字图象信号。然后,将所读取的数字信号提供给图象灰度统计装置202。
图象灰度统计装置202将图象读取装置201所读取的各种图象,比如彩色图象、Tiff图象等,转化成灰度图象,并将各图象象素的灰度出现频度统计为灰度直方图。
根据图象灰度统计装置202所确定的灰度直方图,图象分类装置203确定用于分割图象灰度直方图的前景和背景的初始分割阈值。
在本发明中,按照图象灰度直方图的特征,可以将所处理的图象分为三种类型:即类型0、类型I和类型II。类型0图象为正常图象,即由图象灰度直方图的初始分割阈值就可以将图象合理地划分为前景和背景。其中,图象的前景是一副图象所欲展示的各种信息,比如文字、图框、线条等,而图象的背景是用于烘托前景的妆饰,比如图象的基色等。其中,本发明的图8A所示的图象800A就是类型0图象。
类型I图象是指,通过图象灰度直方图的前景和背景初始分割阈值,所得到的图象前景不准确,把部分图象的前景确定成了背景部分。而对于类型II图象,它是指通过图象灰度直方图的前景和背景初始分割阈值,所得到的图象背景不准确,把部分图象的背景确定成了前景部分。图9A和图10A分别给出了一个类型I图象900A和一个类型II图象1000A。
返回到图2,图象分类装置203将所读取的原始图象分为三种类型之一,也就是类型0,类型I和类型II。
之后,对于确定为类型0的图象,图象分类装置203将其所确定的图象灰度直方图的前景和背景的初始分割阈值提供给边缘判据确定装置205,然后,边缘判据确定装置205确定图象的前景和背景灰度统计均值,如后文所要描述的。
对于确定为类型I或类型II的图象,通过图象分割阈值确定装置204,对图象灰度直方图的前景和背景初始分割阈值进行调整,确定一个合适的图象前景和背景分割阈值。如后文所要描述的。然后,边缘判据确定装置205根据图象分割阈值确定装置204所确定的图象前景和背景的分割阈值,确定图象的前景和背景均值。根据前景和背景的灰度统计均值,边缘判据确定装置205确定图象边缘判据。如后文中将要描述的。
最后,图象边缘提取装置206根据边缘判据确定装置205所确定的图象边缘判据,确定一幅图象中的每一象素点是否为图象边缘点,并根据所确定的图象边缘点,获得边缘图象,并把获得的边缘图象输出到监视器105或打印机104等诸如此类的输出设备。如后文中要将要描述的。
图象边缘检测过程
图3是流程图,示出了按照本发明第一实施例的图象边缘检测处理过程。下面,将参照图3和图8A,详细解释图象边缘的检测过程。图8A所示是一个待检测图象边缘的原始图象的例子,它是一幅报纸图象。由图象扫描仪、数码照相机等一类图象输入设备读取该多值图象,并将它存放在诸如ROM110、HD107或RAM109等的一个预定位置。一般来说,所读取的图象存储方式不尽相同,如32位全彩图象等。另外,图象的存储格式也不尽相同,如BMP、JPEG或TIFF等格式。在对输入的原始图象进行处理之前,把所有的原始图象全部转化为具有从0-255的256个灰度值的灰度图象。
参见图3,首先,在步骤S31,图象读取装置201读取要被提取图象边缘的原始图象800A的各象素点的灰度值。如果原始图象800A使用比如JPEG进行编码,那么,图象读取装置201在读取其图象数据之前首先对其进行解码。当然,可以同时读取原始图象800A每列象素的灰度值,也可以按照一定的顺序或者分别进行读取。
在步骤S31之后,流程进入步骤S32。在步骤S32,图象灰度统计装置202对于图象读取装置201所读取的原始图象800A的每一象素点的灰度值进行统计,并确定原始图象800A中每一灰度值所对应的象素点数量。根据所确定的每一灰度值象素点的数量,产生该原始图象800A的图象象素灰度直方图800B,如图8B所示。在图8B中,X坐标表示象素灰度值,Y坐标表示象素点数。
在步骤S32之后,流程进入步骤S33。在步骤S33,图象分类装置203根据在步骤S32确定的原始图象800A的图象象素灰度直方图,确定该灰度直方图800B的宽度、划分图象前景和背景的初始分割阈值、灰度统计均值等图象特征,并根据这些特征,对所读取的原始图象进行分类,即将原始图象划分为上述的类型0图象,类型I图象或类型II图象之一。图象的具体分类过程参见图4。
图4是流程图,用于将图象进行分类。
下面参照图4的流程图具体说明对图8A所示的原始图象800A进行分类的过程。
参见图4,在步骤S41,根据从步骤S32中所确定的原始图象800A的灰度直方图,计算划分原始图象800A的图象前景和背景的初始分割阈值Thi。可以采用现有技术中的二值化方法,比如Otsu方法、NiBlack方法、最小误差法或最大熵方法等,计算原始图象800A的初始分割阈值Thi。在本实施例中,使用Otsu分割方法。关于Otsu方法,可以参见文章“A Threshold Selection Method from Gray-LevelHistograms”,IEEE Trans.On Systems,Man,and Cybernetics,Vol.SMC-9,No.1,pp.62-66,January 1979。
在本实施例中,可以确定图8B所示的直方图的初始分割阈值Thi为114。
在步骤S41后,流程进入步骤S42。在步骤S42,计算原始图象800A的直方图中的各象素的灰度的统计均值Av。在本实施例中,图8所示的图象800A的各象素灰度的统计均值Av为138。
然后,流程进入步骤S43。在步骤S43中,确定灰度直方图800B的起点灰度值ST和终点灰度值END,以去掉在灰度直方图800B中的前面部分和后面部分对全局参数计算影响不大,但却对计算边缘判据阈值有不利影响的部分灰度。
如图8B所示,该灰度直方图800B的起点ST和终点END可以用公式(1)确定:
K=T1/2/a (1)
其中,K是直方图的起点灰度值ST或终点灰度值END所对应的象素数,T是原始图象的象素总数,a是一个预先给定的值,比如为50。参数a位于20到150之间。
在本实施例中,原始图象800A的象素总数为1508612,a为50,因此,直方图800B的起点灰度值ST或终点灰度值END所对应的象素数K为24。
参见图8B,按照灰度值从小到大的方向,比较各灰度值所对应的象素数与由公式(1)所确定的参数K的大小,从而可以确定第一个象素数大于或者等于24的灰度值。在本实施例中,可以确定起点灰度值ST为13。
类似地,按照灰度值从大到小的方向,可以确定直方图800B的终点灰度值END为219。
在步骤S43之后,流程进入步骤S44。在步骤S44,根据原始图象800A的象素数以及其对应的灰度直方图,计算第一判断比率R0、第二判断比率R1以及第三判断比率R2。
第一判断比率R0由公式(2)给出:
R0=T1/T0 (2)
其中,R0表示第一判断比率;T0表示原始图象的总象素点数,也就是位于灰度值0-255之间的象素点总数;T1表示从灰度值0到灰度统计均值Av之间所包含的象素点数。
另外,第二判断比率R1由公式(3)给出:
R1=T3/T2 (3)
其中,R1表示第二判断比率;T2表示从灰度值0到直方图初始分割阈值Thi之间所包含的象素点数;T3表示从直方图初始分割阈值Thi到灰度统计均值Av之间所包含的象素点总数。
还有,第三判断比率R2由公式(4)给出:
R2=T2/T0 (4)
其中,R2表示第三判断比率;T2表示从灰度值0到直方图初始分割阈值Thi之间所包含的象素点数;T0表示原始图象的总象素点数,也就是位于灰度值0-255之间的象素点总数。
从上面可以看出,第一判断比率R0、第二判断比率R1和第三判断比率R2的计算均是从灰度值0开始计数象素点的。同样地,在本实施例中,也可以从在步骤S43中所确定的起始点灰度值ST开始计数象素点。类似地,所有以255为计数末点的也可以以终点灰度值END来代替。
对本图象,T0为1508612,T1为534299,T2为466423,T3为70384,因此,第一判断比率R0为0.354,第二判断比率R1为0.151,和第三判断比率R2为0.309。
在步骤S44之后,流程进入步骤S45。在步骤S45中,确定是否满足下列关系(5):
R1>L0
Av>Thi
R0<L1或者R0>L2 (5)
其中,R0是第一判断比率,R1是第二判断比率,Av表示所有象素点的灰度统计均值。Thi表示初始分割阈值。L0表示第一设定值,L1表示第二设定值,L2表示第三设定值。
在步骤S45中,如果满足上述表达式(5),则在步骤S47判断图象是类型I图象。如果在步骤S45中确定不满足上述表达式(5),则流程进入步骤S46。
在本实施例中,第一设定值L0优选为3.5,取值范围为2到5;第二设定值L1优选为0.45,取值范围为0.35到0.5;第三设定值L2优选为0.55,取值范围为0.5到0.65。对于图象800A,由于第二判断比率R1小于第一设定值L0。因此确定原始图象800A不是类型I图象。
返回到图4的步骤S45。在步骤S45后,由于判断原始图象不是类型I图象,流程进入步骤S46。在步骤S46中,确定是否满足下列关系(6):
R1<L3
R2>L4
Ls/256<L5 (6)
其中,R1是第二判断比率,R2是第三判断比率,Ls表示直方图灰度终点END与灰度起点ST之间的距离。L3、L4和L5分别表示第四设定值、第五设定值和第六设定值。
在步骤S46中,如果满足上述表达式(6),则在步骤S48判断待提取边缘的图象是类型II图象。如果在步骤S46中确定不满足上述表达式(6),则流程进入步骤S49。
在本实施例中,第四设定值L3优选为0.7,取值范围为0.2到1;第五设定值L4优选为0.35,取值范围为0.2到0.5。第六设定值L5优选为0.8,取值范围为0.5到0.85。对于原始图象800A,由于R2小于L4,即不满足表达式(6)。因此,原始图象800A不是类型II图象。因此,流程进入步骤S49。
在步骤S49,确定待提取边缘的原始图象800A是类型0图象。也就是用初始分割阈值就可以明确的把图象划分为前景部分和背景部分。
返回到图3的步骤S33,在确定待提取边缘的原始图象800A的类型后,流程进入步骤S34。在步骤S34,确定分割原始图象为前景和背景的分割阈值。因为类型I图象和类型II图象并没有合理地将图象划分为前景和背景,所以需要对分割阈值做出调整。
由于原始图象800A是类型0图象,其初始分割阈值Thi已经合理的将原始图象800A划分为前景部分和背景部分,所以对于图象800A不需要对初始分割阈值再进行调整。
图5是确定分割原始图象为前景和背景的分割阈值流程图。参见图5,因为原始图象800A是类型0图象,所以直接采用在步骤S41中计算得到的初始分割阈值Thi作为划分图象为前景和背景的分割阈值Thf。也就是说图象800A的适当的分割阈值是114。
返回图3的步骤S34,在步骤S34之后,流程进入步骤S35。在步骤S35,根据步骤S34得出的分割阈值Thf来提取原始图象800A的边缘。参见图8B,在灰度直方图800B中,根据其分割阈值Thf=Thi,可以确定其原始图象800A中灰度值小于分割阈值Thf(114)的所有象素点的灰度统计均值Av1。同样地,也可以确定其原始图象800A中灰度值大于等于分割阈值(114)的所有象素点的灰度统计均值Av2。在本例中,Av2=177,Av1=50。
然后,确定图象的边缘判据。原始图象的边缘判据可以取为分割原始图象为前景和背景的分割阈值的两边的灰度统计均值的差值(Av2-Av1)。所以该图象的边缘判据为(Av2-Av1)=127。
返回到步骤S35,在步骤S35之后,流程进入步骤S36。在步骤S36,根据上面所得到的图象边缘判据来确定图象800A中的一个象素点是否为边缘点,可以采用Sobel、Prewitt和Roberts Cross等算子来确图象边缘。在本实施例中,我们采用了Sobel方法来提取图象的边缘。
图11为一示意图,它表示一个3×3 Sobel梯度算子模板。
在图象中,灰度函数或其导数灰度发生突变的地方就是边缘所在,所以灰度边缘常用一阶导数或二阶导数来检测。公式(7)给出了使用一阶导数,按照图13所示的3×3 Sobel梯度算子模板,即用Sobel算子来检测图象边缘的方法。
g(x,y)=Max{gx(x,y),gy(x,y)}
gx(x,y)=|f(x+1,y+1)+2f(x+1,y)+f(x+1,y-1)-f(x-1,y+1)-2f(x-1,y)-f(x-1,y-1)|
gy(x,y)=|f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)-f(x-1,y+1)-2f(x,y+1)-f(x+1,y+1)|
………(7)
公式(7)中,f(x,y)为一个图象灰度函数,g(x,y)为(x,y)处的图象灰度梯度最大值,gx(x,y)和gy(x,y)分别为沿x方向和y方向的灰度梯度分量。
使用公式(7),确定原始图象800A中每一象素点的图象灰度梯度的最大值,并将其与在步骤S35所确定的图象边缘判据相比较。其灰度梯度值的最大值大于图象边缘判据的象素点,被确认为边缘点。比如,在图8A中,象素点A的灰度梯度为146,它大于值为127的图象边缘判据,故把象素点A判定为图象边缘点。而象素点B的灰度梯度为75,它小于值为127的图象边缘判据,故象素点B被确认为不是图象边缘点。
在确定完所有的图象边缘点之后,可以提取原始图象800A的边缘图象,也就是得到如图8C所示的边缘图象800C。将边缘图象800C存储在诸如RAM109的一个相应的存储位置,从而可以将其输出到诸如显示器或打印机之类的输出设备上。
需要注意的是,根据本实施例,直接采用了分割阈值两边的灰度统计均值的差值(Av2-Av1)来作为图象边缘判据,但本发明并不仅限于此。在不脱离本发明的范围的情况下,还可以将图象边缘判据值放大或缩小。比如把(AV2-AV1)乘以一个系数,作为边缘判据。
图8C表示按照本发明的第一实施例对图8A所示的原始图象800A进行图象边缘提取的结果。从图8C可以看出,由于采用分割原始图象为前景和背景的分割阈值的两边灰度统计均值的差值作为边缘判据,包括有照片图象和文字图象的原始图象800A的边缘被准确地提取,得到一个边缘图象800C。注意,图8A所示的图象是由通过扫描仪扫描普通的报纸文章而得到的。
类型I图象的图象边缘提取
下面说明当原始图象被确定为类型I图象时本发明的图象边缘提取过程。换言之,将具体描述第一实施例的图5中步骤S503的处理。
图9A是示意图,表示待检测图象边缘的原始图象的另一个例子;在图9A中,该原始图象900A是一张通过扫描仪之类的图象输入装置的扫描而得到的财务报表图象。当然,也可以通过数码相机等一类的其他数字设备111等,输入到图象边缘检测系统,并存储在HD107或RAM109等诸如此类的一个预定位置上。
对于图9A所示的原始图象900A,仍采用图3所示的流程进行图象边缘的提取。
参见图3,对于原始图象900A,在步骤S31,首先读取原始图象900A的各象素点的灰度值。然后,流程进入步骤S32。在步骤S32,确定图象900A中每一灰度值所对应的象素点数量,并产生直方图900B,如图9B所示。在图9B中,X坐标表示象素灰度值,Y坐标表示象素点数。
然后,流程进入步骤S33。在步骤S33,根据该灰度直方图900B的宽度、划分图象前景和背景的初始分割阈值等,对该原始图象900A进行分类。具体的图象分类过程如图4所示。
参见图4,在步骤S41,使用Otsu方法,可以确定图9B所示的直方图的初始分割阈值Thi为151。
然后,在步骤S42中,计算原始图象900A的直方图中各象素的灰度统计均值Av为180。
下一步,在步骤S43中确定直方图900B的起点灰度值ST和终点灰度值END,它们分别为30和255。
在步骤S43之后,流程进入步骤S44。在步骤S44,根据原始图象900A的象素数以及其灰度直方图900B,确定第一判断比率R0、第二判断比率R1、第三判断比率R2以及其他数据等,具体数据见表1。
ST | End | Thi | AV | T0 | T1 | T2 | T3 | R0 | R1 | R2 |
30 | 255 | 151 | 180 | 2764173 | 740002 | 137977 | 60800 | 0.268 | 4.407 | 0.0499 |
表1
在步骤S44之后,流程进入步骤S45,在步骤S45中,确定图9B所示的直方图900B是否满足关系(5)。从表1所示数据中可以看出,由于R1>L0、Av>Thi并且R0<L1,也就是满足关系(5)。因此,可以确定原始图象900A是类型I图象。
对于类型I图象,由于按照初始分割阈值Thi所确定的图象前景较少,所以需要对它的分割阈值进行调整。参见图5中的步骤S503。具体调整步骤参见图6。
图6是流程图,用于调整类型I图象的分割原始图象为前景和背景的分割阈值。
参见图6,流程开始后,进入步骤S601。在步骤S601,重新设定新的分割阈值范围。新的起点灰度值为在步骤S41中得到的初始分割阈值Thi,终点灰度值不变。在本例中,新的起点灰度值为151,终点灰度值仍然为255。
然后,流程进入步骤S602。在步骤S602,重新确定新的分割阈值。在新的起点灰度值到终点灰度值之间的范围内,使用NiBlack方法,得到新的分割阈值Thm为175。有关具体的NiBlack方法,可参见文章“Goal-Direction Evaluation of Binarization Methods,”IEEETransactions On Pattern Analysis and Machine Intelligence,Vol.17No.12,December 1995,pp 1191-1201)。当然也可以使用其他方法,如使用均值法、最小误差法或最大熵方法等。
在步骤S602之后,流程进入步骤S603。在步骤S603中,首先,重新确定参数T2、T3、R1和R2,具体变动的数值参见表2。
ST | End | Thm | T2 | T3 | R1 | R2 |
151 | 255 | 175 | 538363 | 231447 | 0.430 | 0.195 |
表2
接着,流程进入步骤S604。在步骤S604,确定是否满足下列关系(8):
R1>L0或者
R1<L3 (8)
其中,R1是第二判断比率,L0表示第一设定值,L3表示第四设定值。
如果满足关系(8),也就是新的分割阈值符合要求,则流程进入步骤S608。在步骤S608,将新的分割阈值Thm作为分割原始图象为前景和背景的分割阈值Thf。如果不满足关系(8),则流程进入步骤S605。
在步骤S605,重新确定新的分割阈值范围。参见图6,在步骤S605,保持起点灰度值ST不变,而终点灰度值END值采用新的分割阈值Thm。
然后,流程进入步骤S606。在步骤S606中,判断确定新的分割阈值的次数是否超过一定的次数,比如4。
如果循环次数没有超过一定的次数,则循环次数加1,并且流程返回到步骤S602。
在本例中,参见表2,由于表2中的第一判断比中R1不满足关系(8)。因此,需要对新得到的分割阈值Thm,即175做出新的调整,也就是流程进入S605。
新的一次循环的变动参数如表3所示:
ST | End | Thm | T2 | T3 | R1 | R2 |
151 | 175 | 166 | 320910 | 438649 | 1.367 | 0.116 |
表3
从表中可以看出新的参数R1满足条件8,所以流程进入S608。在步骤S608如此计算出的阈值Thm=166被作为分割阈值Thf,既取Thf=166。
接着,返回图3。在步骤S34之后,流程进入步骤S35。在步骤S35,根据步骤S34得出的分割阈值Thf,来确定边缘判据,由于具体方法如结合图8A的例子所述,在此处不再详细描述。对于图象900A,可以确定Av1=186,Av2=141,所以该图象的边缘判据为(Av2-Av1)=45。
然后,流程进入步骤S36。在步骤S36,根据上面所得到的边缘判据来确定原始图象900A中的一个象素点是否为边缘。由于具体的方法与用于图象800A的方法一样在此省略其描述。在步骤S36,可以提取原始图象的边缘图象900C。
图9C表示按照本发明的第一实施例对图9A所示的原始图象900A进行图象边缘提取的结果。从图9C可以看出,由于确定了一个恰当的边缘分割判据,包括财务报表的原始图象900A的边缘被准确地提取,得到一个恰当的边缘图象900C。
原始图象被确定为类型II图象时的图象边缘提取
以下将说明当原始图象被确定为类型II图象时的图象边缘提取方法,即将具体描述第一实施例的图5中步骤S504的处理。
图10A显示待检测图象边缘的原始图象的另一个例子;在图10A中,该原始图象1000A也是一张通过扫描仪之类的图象输入装置的扫描而得到的财务报表图象。当然,也可以通过数码相机等一类的其他数字设备111等,输入到图象边缘提取系统,并存储在HD107或RAM109等诸如此类的一个预定位置上。
对于图10A所示的原始图象1000A,仍采用图3所示的流程进行图象边缘的提取。
参见图3,在步骤S31,首先读取原始图象1000A的各象素点的灰度值。然后,流程进入步骤S32。在步骤S32,确定图象1000A中每一灰度值所对应的象素点数量,并产生直方图1000B,如图10B所示。在图10B中,X坐标表示象素灰度值,Y坐标表示象素点数。
然后,流程进入步骤S33。在步骤S33,根据该灰度直方图1000B的宽度、划分图象前景和背景的初始分割阈值等,对该原始图象1000A进行分类。具体的图象分类过程如图4所示。
参见图4,在步骤S41,使用Otsu方法,可以确定图10B所示的直方图的初始分割阈值Thi为153。
然后,在步骤S42中,计算原始图象1000A的直方图中各象素的灰度统计均值Av为156。
下一步,在步骤S43中确定直方图1000B的起点灰度值ST和终点灰度值END,它们分别为57和199。
在步骤S43之后,流程进入步骤S44。在步骤S44,根据原始图象1000A的象素数以及其灰度直方图1000B,确定第一判断比率R0、第二判断比率R1以及第三判断比率R2等,具体数据见表4。
ST | End | Thi | AV | T0 | T1 | T2 | T3 | R0 | R1 | R2 |
57 | 199 | 153 | 156 | 2043279 | 759481 | 734000 | 34892 | 0.371 | 0.0476 | 0.359 |
表4
在步骤S44之后,流程进入步骤S45,在步骤S45中,确定图10B所示的直方图1000B是否满足关系(6)。从表3所示数据中可以看出,由于R1<L0、R2>L4,并且Ls/256=0.57,它小于第六设定值,也就是满足关系(6)。因此,可以确定原始图象1000A是类型II图象。
对于类型II图象,由于按照初始分割阈值Thi所确定的图象背景较少,所以需要对它的初始分割阈值Thi进行调整。参见图5中的步骤S503。具体调整步骤参见图7。
图7是流程图,用于调整类型II图象的图象分割阈值。
参见图7,流程开始后,进入步骤S701。在步骤S701,重新设定新的分割阈值。新的终点灰度值为在步骤S41中得到的初始分割阈值Thi,起点灰度值不变。在本实例中,起点灰度值为56,而新终点灰度值153。
然后,流程进入步骤S702。在步骤S702,重新确定新的分割阈值Thm。在起点灰度值到新的终点灰度值之间的范围内,使用NiBlack方法,得到新的分割阈值Thm为121。
在步骤S702之后,流程进入步骤S703。在步骤S703中,首先,重新确定参数T2、T3、R1和R2,具体变动的数值参见表5。
ST | End | Thm | T2 | T3 | R1 | R2 |
56 | 153 | 121 | 99472 | 663177 | 6.678 | 0.0486 |
表5接着,流程进入步骤S704。在步骤S704,确定是否满足下列关系(9):
R1>L0或者R1<L3
R2<L4 (9)
其中,R0是第一判断比率,R1是第二判断比率,R2是第三判断比率,L0表示第一设定值,L3表示第四设定值,L4表示第五设定值。
如果满足关系(9),也就是新的分割阈值符合要求,则流程进入步骤S708。在步骤S708,将新的分割阈值Thm作为分割阈值Thf。如果不满足关系(9),则流程进入步骤S705。
在步骤S705,重新确定新的分割阈值范围。参见图7,在步骤S705,保持终点灰度值END不变,而起点灰度值ST值采用新的分割阈值Thm。
然后,流程进入步骤S706。在步骤S706中,判断确定新的分割阈值的次数是否超过一定次数,比如4。
如果循环次数没有超过一定的次数,则循环次数加1,并且返回到步骤S702。
在本实例中,参见表5,由于表5中的参数R1满足关系(9)。因此,在第一次循环所得到的新的分割阈值Thm,即121,被作为分割阈值Thf。
接着,返回图3。在步骤S34之后,流程进入步骤S35。在步骤S35,根据步骤S34得出的分割阈值Thf,来确定边缘判据。具体方法如结合图象800A所述,在此处不再详细描述。对于图象1000A,可以确定Av1=159,Av2=99,所以该图象的边缘判据为(Av2-Av1)=60。
然后,流程进入步骤S36。在步骤S36,根据上面所得到的边缘判据来确定原始图象1000A中的一个象素点是否为边缘,具体的方法与图象800A的处理一样。在此省略其描述。在步骤S36,可以提取原始图象的图象边缘1000C。
图10C表示按照本发明的第一实施例对图10A所示的原始图象1000A进行图象边缘提取的结果。从图10C可以看出,由于确定了一个恰当的边缘分割判据,包括财务报表的原始图象1000A的边缘被准确地提取,得到一个恰当的边缘图象1000C。
第二实施例
由于例如排版等实际应用的需要,在图象中往往会出现一些大的标题块,如图12A所示,而且在有的图象中还会出现一些反转字,也就是黑底白字,这些块在直方图中一般表现为孤立的峰,如图12B所示,这样就改变了前景或者背景的分布情况,以致于对查找适当的边缘判据产生了很不利的影响。
为了解决这类问题,我们在图3所示的实施例中增加了修改直方图的处理步骤,从而构成了本发明的第二实施例,它的流程图如图3A所示。
第二实施例中采用的图象边缘检测系统与第一实施例中采用的系统(即如图1所示的系统)的不同,只在于第一实施例中的图象边缘检测设备114被第二实施例中采用的图象边缘检测设备114′所取代,而系统中的其余部分均相同,故以下省略了对它们的描述。
图2A显示了第二实施例中采用的图象边缘检测设备114′的结构框图,其中包括图象读取装置201、图象灰度统计装置202、黑块查找装置211、黑块象素频率去除装置212、图象分类装置203、分割阈值确定装置204、图象边缘判据确定装置205和图象边缘提取装置206。
以下结合对图12A所示的原始图象1200A的检测,来说明第二实施例。
参见图3A在步骤S31,图象读取装置201读取如图12A所示的、要被提取图象边缘的原始图象1200A的各象素点的灰度值。
随后,在步骤S32,图象灰度统计装置202对于图象读取装置201所读取的原始图象1200A的每一象素点的灰度值进行统计,并确定原始图象1200A中每一灰度值所对应的象素点数量。根据所确定的每一灰度值象素点的数量,产生该原始图象1200A的图象象素灰度直方图1200B,如图12B所示。在图12B中,X坐标表示象素灰度值,Y坐标表示象素点数。
然后,在步骤S3A1,黑块查找装置211查找图象1200A中的黑块。作为一种具体的做法,首先将图象分为小块,如24×24个象素等的小块,对每一个小块判断其是否为黑块。
作为一种具体的黑块判定方法,可先对整个图象取一个较小的阈值,这一阈值可以用任何一个现在已经公开的众所周知的二值化方法来取得,例如使用Otsu方法。如果在一个具体的块中小于该阈值的象素数超过一定的数目,就认为此块是一个黑块。
然后对被判定为黑块的小块进行区域连接,在对小块进行黑块判断的同时进行黑块区域增长,这里可以使用任何一个简单的区域增长方法,如混合连接区域增长方法(其详细的说明可以参见国防科技大学出版社出版的《图象理解》(王润生编著,ISBN:7-81024-3136)一书中的3.6.2一节所的描述,不过这里连接的基本单元由象素变为小黑块)。区域连接的判据主要有两个:一,所欲判断是否为一整体黑块的两部分的空间接近程度;二,所欲判断是否为一整体黑块的两部分的内部特征是否具有一致性(如黑点在每一块中的比例等)。最后得到一个在本图象中所有的黑块位置的链表。
在步骤S3A2,黑块象素频率去除装置212去掉图象1200A中的黑块在图12B的直方图1200B中所占的频率计数。一种具体的方法可以是根据步骤S3A2中得到的黑块位置的链表,统计出链表中各个黑块的总的直方图,然后与步骤S32中得到的整个图象的象素灰度直方图1200B做差,得到修改后的直方图1200C,如图12C所示。从图12C可见,由于去除了黑块,图12B中左边的峰被削减了。
步骤S33-S36与第一实施例中的相似,故以下仅对其作简要描述,其更具体的细节可参见前文对第一实施例的相应描述。
在步骤S33,图象分类装置203根据在步骤S3A2获得的原始图象1200A的修正后的图象象素灰度直方图1200C,确定该灰度直方图的宽度、划分图象前景和背景的初始分割阈值、灰度统计均值等图象特征,并根据这些特征,对所读取并去掉了黑块的原始图象进行分类,即将原始图象划分为上述的类型0图象,类型I图象或类型II图象。图象的具体分类过程参见图4及相关描述。
在步骤S34,确定分割去掉了黑块的原始图象1200A为前景和背景的分割阈值。如果在步骤S33确定该去掉了黑块的图象1200A不是类型0图象,则因为类型I图象和类型II图象并没有合理地将图象划分为前景和背景,还需要对分割阈值做出调整,具体的调整方式与第一实施例相似。
在步骤S35,根据步骤S34得出的分割阈值Thf来提取原始图象1200A的边缘。参见图12C,在灰度直方图1200C中,根据其分割阈值Thf=Thi,可以确定在去掉了黑块的原始图象1200A中灰度值小于分割阈值Thf的所有象素点的灰度统计均值Av1。同样地,也可以确定在去掉了黑块的原始图象1200A中灰度值大于等于分割阈值的所有象素点的灰度统计均值Av2,从而确定边缘判据(Av2-Av1)。
在步骤S36,根据上面所得到的图象边缘判据来确定图象1200A中的一个象素点是否为边缘点,可以采用Sobel、Prewitt和RobertsCross等算子来确定图象边缘。在本实施例中,我们采用了Sobel方法来提取图象的边缘。
在确定完所有的图象边缘点之后,可以提取原始图象1200A的边缘图象,即得到如图12E所示的边缘图象1200E。将边缘图象1200E存储在诸如RAM109的一个相应的存储位置,从而可以将其输出到诸如显示器或打印机之类的输出设备上。
需要注意的是,根据本实施例,直接采用了分割阈值两边的灰度统计均值的差值(Av2-Av1)来作为图象边缘判据,但本发明并不仅限于此。在不脱离本发明的范围的情况下,还可以将图象边缘判据值放大或缩小。比如把(AV2-AV1)乘以一个系数,作为边缘判据。
图12D表示按照本发明第一实施例(即用图3所示的流程)对图12A所示的原始图象1200A进行图象边缘提取的结果。从图12E与12D的对比可以看出,由于在进行图象分类之前先去除黑块,可以消除黑块对分割阈值确定的影响,从而使所获得的分割阈值更加适合于具体的图象的边缘检测,从而获得如图12E所示的改善的边缘图象。从图12E中可清楚地看到,在图12D中丢失的一些文字边缘都被正确地查找出来。
注意本发明可以应用于由多个装置(例如主机、接口装置、读取器、打印机、扫描仪以及类似装置)构成的系统,或者由一个设备构成的装置(例如复印机、传真机或者类似设备)。
本发明的目的还以这样的方式实现:对所述的系统或者装置提供用于记录可以实现上述实施例的功能的软件程序的程序代码的存储介质,并通过系统或者装置的计算机(或者CPU或MPU)读取并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读出的程序代码本身执行上述实施例的功能,而存储程序代码的存储介质构成本发明。
作为用于提供程序代码的存储介质,例如软盘、硬盘、光盘、磁光盘、CD-ROM、CD-R、磁带、非易失存储卡、ROM、以及类型物都可以使用。
上述实施例的功能不仅可以通过由计算机执行读出的程序代码来实现,而且也可以通过在计算机上运行的OS(操作系统)根据程序代码的指令执行的一些或全部的实际处理操作来实现。
从上述可以看出,本发明的方法提供了一种有效的边缘检测方法,其中通过可以根据具体的情况改变所得到的阈值,而使该方法可以被应用于更广泛的领域,而具有更广泛的适应性。图象中的边缘对图象处理是非常重要的,因而得到准确的边缘的方案,就可以在二值化、OCR(光字符识别)、工程图象精确定位等领域得到广泛的应用。
此外,本发明还包括这样一种情况,即在从存储介质读出的程序代码被写入已被插入计算机的功能扩展卡之后,或者被写入和计算机相连的功能扩展单元内提供的存储器之后,在功能扩展卡或功能扩展单元中包括的CPU或类似物按照程序代码的命令执行部分处理或全部处理,从而实现上述实施例的功能。
在本发明应用于上述存储介质的情况下,存储介质存储相应于实施例中所述的流程(图3,图3A,图4、图5、图6和图7)的程序代码。
在不脱离本发明的范围和构思的前提下可以作出许多其它改变和改型。应当理解,本发明不限于特定的实施例,本发明的范围由所附权利要求限定。
Claims (9)
1.一种图象处理方法,用于检测图象中的图象边缘,其特征在于包括:
一个图象灰度统计步骤,用于计算一个原始图象中的灰度的频率;
一个图象分类步骤,用于根据计算出的频率对原始图象进行分类;
一个分割阈值确定步骤,用于根据所述分类步骤的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割,其中该分割阈值确定步骤包括:一个计算步骤,用于通过利用一种用于由所述图象分类步骤划分出的与正常图象对应的图象类型0的方法来计算出一个初始分割阈值以作为分割阈值;以及,一个调节步骤,用于根据所述划分的结果以及该初始分割阈值而获得一个经过调节的分割阈值;
一个边缘判据确定步骤,用于计算原始图象的前景和背景的象素灰度统计值并以这些统计值确定边缘判据;
一个边缘提取步骤,用于根据确定的边缘判据提取图象边缘。
2.根据权利要求1所述的图象处理方法,其特征在于,所述图象分类步骤中划分出的图象类型包括所述与正常图象对应的图象类型0、与其中前景不清楚的图象相对应的图象类型I、以及与其中背景不清楚的图象相对应的图象类型II。
3.根据权利要求2所述的图象处理方法,其特征在于,对于所述类型I图象,根据初始分割阈值所确定的图象前景较少。
4.根据权利要求2所述的图象处理方法,其特征在于,对于所述类型II图象,根据初始分割阈值所确定的图象背景较少。
5.根据权利要求1所述的图象处理方法,其特征在于所述边缘判据确定步骤包括计算灰度值小于分割阈值的象素的灰度统计均值和灰度值大于分割阈值的象素的灰度统计均值。
6.根据权利要求1所述的图象处理方法,其特征在于所述边缘判据取决于灰度值小于分割阈值的象素的灰度统计均值和灰度值大于分割阈值的象素的灰度统计均值之差。
7.一种图象处理设备,用于检测图象中的图象边缘,其特征在于包括:
一个图象灰度统计装置,用于计算一个原始图象中的灰度的频率;
一个图象分类装置,用于根据计算出的频率对原始图象进行分类;
一个分割阈值确定装置,用于根据所述分类的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割,其中该分割阈值确定装置包括:一个计算装置,用于通过利用一种用于由所述图象分类装置划分出的与正常图象对应的图象类型0的方法来计算出一个初始分割阈值以作为分割阈值;以及,一个调节装置,用于根据所述划分的结果以及该初始分割阈值而获得一个经过调节的分割阈值;
一个边缘判据确定装置,用于计算原始图象的前景和背景的象素灰度统计值并以这些统计值确定边缘判据;
一个边缘提取装置,用于根据确定的边缘判据提取图象边缘。
8.一种图象处理方法,用于检测图象中的图象边缘,其特征在于包括:
一个图象灰度统计步骤,用于计算一个原始图象中的灰度的频率;
一个黑块探测步骤,用于探测原始图象中与黑块相对应的图象区;
一个黑块象素频率去除步骤,用于从所述图象灰度统计步骤计算出的灰度频率中去除探测到的黑块图象区中的象素的频率;
一个图象分类步骤,用于根据原始图象的去除了黑块象素频率之后的灰度频率的分布对原始图象进行分类;
一个分割阈值确定步骤,用于根据所述分类步骤的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割,其中该分割阈值确定步骤包括:一个计算步骤,用于通过利用一种用于由所述图象分类步骤划分出的与正常图象对应的图象类型0的方法来计算出一个初始分割阈值以作为分割阈值;以及,一个调节步骤,用于根据所述划分的结果以及该初始分割阈值而获得一个经过调节的分割阈值;
一个边缘判据确定步骤,用于计算原始图象在去除了黑块之后的前景和背景的象素灰度统计值并以这些统计值确定边缘判据;
一个边缘提取步骤,用于根据确定的边缘判据提取图象边缘。
9.一种图象处理设备,用于检测图象中的图象边缘,其特征在于包括:
一个图象灰度统计装置,用于计算一个原始图象中的灰度的频率;
一个黑块探测装置,用于探测原始图象中与黑块相对应的图象区;
一个黑块象素频率去除装置,用于从所述图象灰度统计装置计算出的灰度频率中去除探测到的黑块图象区中的象素的频率;
一个图象分类装置,用于根据原始图象的去除了黑块象素频率之后的灰度频率的分布对原始图象进行分类;
一个分割阈值确定装置,用于根据所述分类的结果来确定分割阈值,该分割阈值用于对原始图象中的前景和背景进行分割,其中该分割阈值确定装置包括:一个计算装置,用于通过利用一种用于由所述图象分类装置划分出的与正常图象对应的图象类型0的方法来计算出一个初始分割阈值以作为分割阈值;以及,一个调节装置,用于根据所述划分的结果以及该初始分割阈值而获得一个经过调节的分割阈值;
一个边缘判据确定装置,用于计算原始图象在去除了黑块之后的前景和背景的象素灰度统计值并以这些统计值确定边缘判据;
一个边缘提取装置,用于根据确定的边缘判据提取图象边缘。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB011247258A CN1184796C (zh) | 2001-07-26 | 2001-07-26 | 图象处理方法和设备以及图象处理系统 |
US10/193,262 US7054485B2 (en) | 2001-07-26 | 2002-07-12 | Image processing method, apparatus and system |
EP02255149A EP1310912B1 (en) | 2001-07-26 | 2002-07-23 | Image processing method, apparatus and system |
DE60215440T DE60215440D1 (de) | 2001-07-26 | 2002-07-23 | Bildverarbeitungsverfahren, -vorrichtung und -system |
KR10-2002-0043881A KR100512831B1 (ko) | 2001-07-26 | 2002-07-25 | 이미지 처리 방법, 장치 및 프로그램 저장 매체 |
JP2002218739A JP3809404B2 (ja) | 2001-07-26 | 2002-07-26 | 画像処理方法、装置およびシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB011247258A CN1184796C (zh) | 2001-07-26 | 2001-07-26 | 图象处理方法和设备以及图象处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1400807A CN1400807A (zh) | 2003-03-05 |
CN1184796C true CN1184796C (zh) | 2005-01-12 |
Family
ID=4665793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB011247258A Expired - Fee Related CN1184796C (zh) | 2001-07-26 | 2001-07-26 | 图象处理方法和设备以及图象处理系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7054485B2 (zh) |
EP (1) | EP1310912B1 (zh) |
JP (1) | JP3809404B2 (zh) |
KR (1) | KR100512831B1 (zh) |
CN (1) | CN1184796C (zh) |
DE (1) | DE60215440D1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100371944C (zh) * | 2006-03-03 | 2008-02-27 | 清华大学 | 基于反射或透射光强分布特性的灰度图像分割方法 |
Families Citing this family (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10301898A1 (de) * | 2003-01-17 | 2004-08-05 | Robert Bosch Gmbh | Verfahren zur Einstellung eines Bildsensors |
DE10326035B4 (de) * | 2003-06-10 | 2005-12-22 | Hema Electronic Gmbh | Verfahren zur adaptiven Fehlererkennung auf einer strukturierten Oberfläche |
DE10326031B4 (de) * | 2003-06-10 | 2005-12-22 | Hema Electronic Gmbh | Verfahren zur adaptiven Kantenerkennung |
DE10326033B4 (de) * | 2003-06-10 | 2005-12-22 | Hema Electronic Gmbh | Verfahren zur adaptiven Fehlererkennung auf einer inhomogenen Oberfläche |
CN100337463C (zh) * | 2003-07-21 | 2007-09-12 | 宇东科技股份有限公司 | 影像黑白交界的搜寻方法 |
CN1296865C (zh) * | 2003-09-29 | 2007-01-24 | 致伸科技股份有限公司 | 单色文字增强方法 |
CN1305008C (zh) * | 2003-12-22 | 2007-03-14 | 中国科学院自动化研究所 | 弥散张量核磁成像脑缺血病灶区的自动分割方法 |
US7450754B2 (en) * | 2004-03-23 | 2008-11-11 | Microsoft Corporation | Radiometric calibration from a single image |
JP4598426B2 (ja) * | 2004-03-30 | 2010-12-15 | 富士通株式会社 | 境界抽出方法、プログラムおよびこれを用いた装置 |
CN100363941C (zh) * | 2004-11-18 | 2008-01-23 | 致伸科技股份有限公司 | 图文分离方法 |
CN100353372C (zh) * | 2004-11-19 | 2007-12-05 | 致伸科技股份有限公司 | 数字影像数据的图文分离方法 |
US7359552B2 (en) * | 2004-12-15 | 2008-04-15 | Mitsubishi Electric Research Laboratories, Inc. | Foreground detection using intrinsic images |
CN1797429A (zh) * | 2004-12-29 | 2006-07-05 | 鸿富锦精密工业(深圳)有限公司 | 二维图像分析处理系统及方法 |
CN100378751C (zh) * | 2005-01-21 | 2008-04-02 | 致伸科技股份有限公司 | 用以分辨图、文的辨析系统以及方法 |
JP4646797B2 (ja) * | 2005-02-01 | 2011-03-09 | キヤノン株式会社 | 画像処理装置及びその制御方法、プログラム |
JP4556813B2 (ja) * | 2005-09-08 | 2010-10-06 | カシオ計算機株式会社 | 画像処理装置、及びプログラム |
CN100442308C (zh) * | 2005-12-02 | 2008-12-10 | 佳能株式会社 | 文档图像的二值化方法和设备 |
US7720283B2 (en) * | 2005-12-09 | 2010-05-18 | Microsoft Corporation | Background removal in a live video |
CN100409658C (zh) * | 2006-09-08 | 2008-08-06 | 南京大学 | 图像缩放器中抗边缘锯齿噪声的方法 |
US7706592B2 (en) * | 2006-09-20 | 2010-04-27 | Primax Electronics Ltd. | Method for detecting a boundary of a monetary banknote within an image |
US8150110B2 (en) * | 2006-11-22 | 2012-04-03 | Carestream Health, Inc. | ROI-based rendering for diagnostic image consistency |
KR100850561B1 (ko) | 2007-01-03 | 2008-08-06 | (주)폴리다임 | 디지털 이미지 내의 픽셀 윤곽 가로선 제거 방법 |
KR100846513B1 (ko) | 2007-01-15 | 2008-07-17 | 삼성전자주식회사 | 영상 처리 방법 및 장치 |
KR100873638B1 (ko) | 2007-01-16 | 2008-12-12 | 삼성전자주식회사 | 영상 처리 방법 및 장치 |
US20080174607A1 (en) * | 2007-01-24 | 2008-07-24 | Ali Iranli | Systems and methods for reducing power consumption in a device through a content adaptive display |
JP5367241B2 (ja) * | 2007-07-06 | 2013-12-11 | 株式会社Pfu | 画像読取処理装置、画像読取装置、および、画像読取処理方法 |
JP5159226B2 (ja) * | 2007-09-25 | 2013-03-06 | 株式会社東芝 | 画像データ処理システム |
US8094951B2 (en) * | 2008-02-22 | 2012-01-10 | Himax Technologies Limited | Coding system and method for a bit-plane |
KR101089902B1 (ko) | 2010-08-06 | 2011-12-05 | 동아대학교 산학협력단 | 디지털 이미지의 에지 영역 판단 장치 및 방법 |
CN101923653B (zh) * | 2010-08-17 | 2013-03-06 | 北京大学 | 一种基于多层次内容描述的图像分类方法 |
US20120075440A1 (en) * | 2010-09-28 | 2012-03-29 | Qualcomm Incorporated | Entropy based image separation |
US10102619B1 (en) | 2011-03-28 | 2018-10-16 | Hermes Microvision, Inc. | Inspection method and system |
US8928781B2 (en) | 2011-11-30 | 2015-01-06 | Microsoft Corporation | Response function determination by rank minimization |
US9861040B2 (en) * | 2012-02-10 | 2018-01-09 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
CN102843492A (zh) * | 2012-08-10 | 2012-12-26 | 北京航空航天大学 | 一种基于透射扫描的重叠扫描与图像分离方法 |
US20140327796A1 (en) * | 2013-05-02 | 2014-11-06 | National Chung Cheng University | Method for estimating camera response function |
JP6221656B2 (ja) * | 2013-11-08 | 2017-11-01 | 株式会社リコー | 情報処理装置、情報処理方法およびプログラム |
CN103606153B (zh) * | 2013-11-19 | 2016-04-13 | 华中科技大学 | 一种从粪便显微图像中提取细胞的方法 |
US9747673B2 (en) * | 2014-11-05 | 2017-08-29 | Dolby Laboratories Licensing Corporation | Systems and methods for rectifying image artifacts |
CN104462381B (zh) * | 2014-12-11 | 2019-03-19 | 中细软移动互联科技有限公司 | 商标图像检索方法 |
WO2016095081A1 (en) * | 2014-12-15 | 2016-06-23 | Qualcomm Incorporated | Line-of-sight searching using raster scan information |
JP6635763B2 (ja) * | 2015-11-16 | 2020-01-29 | キヤノンメディカルシステムズ株式会社 | 画像処理装置及び画像処理プログラム |
US9710911B2 (en) * | 2015-11-30 | 2017-07-18 | Raytheon Company | System and method for generating a background reference image from a series of images to facilitate moving object identification |
CN106612431A (zh) * | 2016-01-29 | 2017-05-03 | 四川用联信息技术有限公司 | 一种基于hevc平台对深度图像和彩色图像的编码压缩方法 |
DE102016225349A1 (de) * | 2016-12-16 | 2018-06-21 | Robert Bosch Gmbh | Verfahren zum Überprüfen einer Gültigkeit von Bilddaten |
US10958807B1 (en) * | 2018-02-08 | 2021-03-23 | Digimarc Corporation | Methods and arrangements for configuring retail scanning systems |
US11995511B2 (en) | 2018-02-08 | 2024-05-28 | Digimarc Corporation | Methods and arrangements for localizing machine-readable indicia |
US10880451B2 (en) | 2018-06-08 | 2020-12-29 | Digimarc Corporation | Aggregating detectability metrics to determine signal robustness |
CN110046646B (zh) * | 2019-03-07 | 2023-06-30 | 深圳先进技术研究院 | 图像处理方法、系统、计算设备及存储介质 |
CN110349530B (zh) * | 2019-06-12 | 2021-07-23 | 北海惠科光电技术有限公司 | 文字边界的处理方法、显示面板及计算机可读存储介质 |
US11282209B2 (en) * | 2020-01-10 | 2022-03-22 | Raytheon Company | System and method for generating contours |
CN113311440B (zh) * | 2020-02-26 | 2024-06-14 | 苏州佳世达电通有限公司 | 用于改善超声波影像质量的方法及其探测系统 |
CN111369557B (zh) * | 2020-03-31 | 2023-09-15 | 浙江华感科技有限公司 | 图像处理方法、装置、计算设备和存储介质 |
CN111583272B (zh) * | 2020-04-17 | 2023-03-03 | 西安工程大学 | 一种联合最大熵的改进Niblack红外图像分割方法 |
CN112053377A (zh) * | 2020-08-28 | 2020-12-08 | 常州码库数据科技有限公司 | 一种药物合成过程控制方法及系统 |
CN113298812B (zh) * | 2021-04-22 | 2023-11-03 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 图像分割方法、装置、系统、电子设备及可读存储介质 |
CN113269800B (zh) * | 2021-05-25 | 2023-05-12 | 华能海南发电股份有限公司澄迈光伏电站 | 一种太阳能光伏组件红外图像分割方法 |
US20230094787A1 (en) * | 2021-09-30 | 2023-03-30 | Adobe Inc. | Utilizing machine-learning based object detection to improve optical character recognition |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58215882A (ja) * | 1982-06-07 | 1983-12-15 | インタ−ナシヨナル ビジネス マシ−ンズ コ−ポレ−シヨン | ドキユメント分類方法 |
EP0187724B1 (en) * | 1985-01-10 | 1992-09-30 | Nippon Telegraph And Telephone Corporation | Halftone picture processing apparatus |
JPH0666884B2 (ja) | 1985-02-23 | 1994-08-24 | 日本電信電話株式会社 | 網点写真領域識別方法 |
US5150433A (en) * | 1989-12-01 | 1992-09-22 | Eastman Kodak Company | Histogram/variance mechanism for detecting presence of an edge within block of image data |
JP3118484B2 (ja) * | 1992-09-03 | 2000-12-18 | 富士通株式会社 | 画像の領域分割方式 |
JPH06150002A (ja) * | 1992-11-12 | 1994-05-31 | Hitachi Ltd | 画像セグメンテーション方法及びシェーディング補正方法 |
JP3336046B2 (ja) | 1992-11-16 | 2002-10-21 | 株式会社リコー | 像域分離装置 |
US5379130A (en) * | 1992-12-02 | 1995-01-03 | Industrial Technology Research Institute | Text/image separation method |
JPH06259553A (ja) * | 1993-03-10 | 1994-09-16 | Nippon Telegr & Teleph Corp <Ntt> | 物体抽出しきい値の決定装置 |
JPH07296171A (ja) * | 1994-04-25 | 1995-11-10 | Sony Corp | 画像領域分割方法 |
US5583659A (en) * | 1994-11-10 | 1996-12-10 | Eastman Kodak Company | Multi-windowing technique for thresholding an image using local image properties |
US5754312A (en) * | 1994-11-22 | 1998-05-19 | Mita Industrial Co., Ltd. | Method of and apparatus for detecting pixels constituting dotted image area utilizing distance between change points of pixel values |
JP3426746B2 (ja) | 1994-11-22 | 2003-07-14 | 京セラミタ株式会社 | 網点領域検索装置 |
JPH09107466A (ja) * | 1995-10-09 | 1997-04-22 | Sharp Corp | 領域判別装置 |
JP3568732B2 (ja) * | 1997-04-18 | 2004-09-22 | シャープ株式会社 | 画像処理装置 |
US6094508A (en) * | 1997-12-08 | 2000-07-25 | Intel Corporation | Perceptual thresholding for gradient-based local edge detection |
JP3717357B2 (ja) * | 2000-01-07 | 2005-11-16 | 理想科学工業株式会社 | 2値化閾値算出方法および装置 |
KR100499121B1 (ko) * | 2000-03-03 | 2005-07-04 | 삼성전자주식회사 | 자동 문턱치화 기술을 이용한 영상분할 장치 및 그 방법 |
KR20020027679A (ko) * | 2000-10-04 | 2002-04-15 | 박종섭 | 3-레벨 임계 알고리듬을 이용한 에지 발견 방법 |
-
2001
- 2001-07-26 CN CNB011247258A patent/CN1184796C/zh not_active Expired - Fee Related
-
2002
- 2002-07-12 US US10/193,262 patent/US7054485B2/en not_active Expired - Fee Related
- 2002-07-23 EP EP02255149A patent/EP1310912B1/en not_active Expired - Lifetime
- 2002-07-23 DE DE60215440T patent/DE60215440D1/de not_active Expired - Lifetime
- 2002-07-25 KR KR10-2002-0043881A patent/KR100512831B1/ko not_active IP Right Cessation
- 2002-07-26 JP JP2002218739A patent/JP3809404B2/ja not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100371944C (zh) * | 2006-03-03 | 2008-02-27 | 清华大学 | 基于反射或透射光强分布特性的灰度图像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20030010530A (ko) | 2003-02-05 |
JP3809404B2 (ja) | 2006-08-16 |
DE60215440D1 (de) | 2006-11-30 |
EP1310912B1 (en) | 2006-10-18 |
JP2003132358A (ja) | 2003-05-09 |
EP1310912A3 (en) | 2004-09-15 |
EP1310912A2 (en) | 2003-05-14 |
CN1400807A (zh) | 2003-03-05 |
US7054485B2 (en) | 2006-05-30 |
KR100512831B1 (ko) | 2005-09-07 |
US20030063802A1 (en) | 2003-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1184796C (zh) | 图象处理方法和设备以及图象处理系统 | |
CN1213592C (zh) | 采用自适应二值化的图象处理方法和设备 | |
CN1324873C (zh) | 边界检测方法、图像处理设备和复印机 | |
CN1213382C (zh) | 用于从多值图象提取划线的设备 | |
CN1187952C (zh) | 校正输入图象失真的设备与方法 | |
CN1313963C (zh) | 字符识别装置和字符识别方法 | |
CN1114888C (zh) | 图像处理方法、设备和系统 | |
CN1139039C (zh) | 图象中图形的提取和识别以及异常判定的方法和装置 | |
CN1258907C (zh) | 图像处理设备、图像处理方法 | |
CN1136516C (zh) | 图案抽取装置和方法 | |
CN1119767C (zh) | 字符提取设备及方法,模式提取设备及方法和模式识别设备 | |
CN1045835C (zh) | 产生字符的方法和装置 | |
CN1554074A (zh) | 在考虑其噪声的情况下改变数字图象的方法和系统 | |
CN1311394C (zh) | 用于二进制化图像的设备和方法 | |
CN1684492A (zh) | 图像词典作成装置、编码装置、图像词典作成方法 | |
CN1396775A (zh) | 分割像素图像的方法和装置 | |
CN1620094A (zh) | 用于将图像转换为预定格式的图像处理设备及方法 | |
CN1922883A (zh) | 电子水印嵌入方法、电子水印检测方法和装置以及程序 | |
CN1993707A (zh) | 图像处理方法和设备、摄像设备以及程序 | |
CN1969314A (zh) | 图像处理设备和方法、存储介质及其程序 | |
CN1874418A (zh) | 图像处理设备、图像处理方法以及图像处理程序 | |
CN1913573A (zh) | 用于图像检索的图像处理设备及其控制方法 | |
CN1773501A (zh) | 图像检索和形成装置、方法及程序、以及记录介质 | |
CN1588431A (zh) | 基于游程邻接图的复杂背景彩色图像中字符提取方法 | |
CN1859541A (zh) | 图像处理设备及其控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20050112 Termination date: 20160726 |