CN1852389A - 一种在排版过程中进行图像勾边的方法 - Google Patents
一种在排版过程中进行图像勾边的方法 Download PDFInfo
- Publication number
- CN1852389A CN1852389A CN 200610078638 CN200610078638A CN1852389A CN 1852389 A CN1852389 A CN 1852389A CN 200610078638 CN200610078638 CN 200610078638 CN 200610078638 A CN200610078638 A CN 200610078638A CN 1852389 A CN1852389 A CN 1852389A
- Authority
- CN
- China
- Prior art keywords
- image
- crisperding
- typeset
- target
- carrying
- 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.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种在排版过程中进行图像勾边的方法,属于图像处理技术领域。现有的图像勾边技术虽然很成熟,但是在排版过程中很少对图像进行勾边处理,并且现有的图像勾边算法也不能直接应用于排版过程中的图像勾边处理。本发明所述的方法先将排版过程中的图像转换成灰度图像;然后再转换为二值图;对二值图进行勾边处理时,先将图像的像素矩阵等比例放大整数倍,然后采用Freeman链码跟踪算法得到目标轮廓的封闭Bezier曲线。采用本发明所述的方法,能够方便的、高效的在排版过程中即可完成图像的勾边处理,并且适合各类图像,方便图像的后续处理,同时,用户可以根据不同的需求调节阈值和容忍度从而得到不同的勾边结果。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种在排版过程中进行图像勾边的方法。
背景技术
随着图像处理技术的成熟,许多图像处理软件在进行图像处理时,都需要对图像进行勾边处理以得到用户想要的内容。所谓图像勾边,是指将图像中的背景和目标进行分割并保留图像中的目标(又称为图像分割),在此基础上得到目标轮廓封闭的Bezier曲线表示。图像分割技术是图像处理领域中的一个重要内容,经过多年的发展,目前已经出现了多种方法并在各种领域中得到了良好的应用。
目前的图像分割方法主要有如下几种方法:基于梯度、基于区域、基于特定理论工具的分割方法。
(1)基于梯度的分割方法:
比较常用的梯度算子有Sobel、Roberts、Canny算子等,灰度边缘是灰度值不连续的结果,而这种不连续性常可利用求导数方便的检测到。这些算子反映了灰度值的一阶或二阶导数,从而直接可以得到图像的边缘。但是这种方法只是一个像素一个像素的进行处理,没有考虑到像素间的关系,得到的边缘往往是不连续的,为了得到连续的边缘还需要作一些更复杂的工作。
(2)基于区域的分割方法:
该类方法包括基于像素值、坐标位置的阈值变换方法,基于直方图方法及基于空间聚类的方法以及区域生长、分裂合并等分割方法。这类方法比较简单,能够将目标和背景分割成不同的区域,然后利用各种路径跟踪算法得到目标的轮廓。但是,为了更准确的分割目标,需要考虑像素间的关系,这就导致了算法的复杂性,导致效率的降低。
(3)基于特定理论工具的分割方法:
由于图像来源非常广泛,图像中包含的内容十分丰富,简单的分割方法满足不了各方面的要求。为此,学者们融合了各领域的知识,提出了如基于数学形态学、模式识别、神经网络、信息论等分割方法。这些方法能够得到较好的效果,但是由于算法十分复杂,在效率上讲也是最低的,而且每种方法只对于某一类或几类图像有良好效果,对于其它类型图像效果并不理想。
在将图像目标和背景区分开后,为了得到目标轮廓的封闭Bezier曲线表示,需要对目标区域进行轮廓跟踪。目前常用的轮廓跟踪算法有可变形模板跟踪算法、Snake算法和Freeman链码跟踪算法。可变形模板跟踪算法依赖于图像目标的形状的先验知识且对图像噪声很敏感;Snake算法基于能量最小化原理进行跟踪,计算量大、效率较低;Freeman链码跟踪算法采用3×3模板,跟踪算法简单,但是对于复杂形状很容易得到错误的轮廓信息。
Freeman链码跟踪算法具体过程如下:
(a)确定起始跟踪方向:按照F链码的定义,对起始点从0->7方向依次寻找这样的点,该点相对于起始点的F链码方向为dir,该点为目标点,而起始点的(dir+1)%8方向上的点为背景点,则该点为起始点的下一个轮廓搜索点;
(b)将该点的坐标值及dir存入Freeman结构体,插入链表中;
(c)根据当前点(xcur,ycur)及方向dir找到下一个点(xnext,ynext)并令其为当前点;
(d)若当前点(xcur,ycur)=(xstart,ystart),则完成路径搜索,转到步骤(e),否则从dir方向开始:
i若dir指向的点为背景点,则dir=(dir+7)%8,再次执行i,直到dir指向的点为目标点,则dir为当前点的链码,转步骤(b);
ii若dir指向的点为目标点,则令dir=(dir+1)%8,再执行ii,直到dir指向的点为背景点,则当前点的链码为dir=(dir+7)%8,转步骤(b);
(e)在得到一个目标区域的轮廓后,重新搜索下一个区域的跟踪起始点,继续进行Freeman链码跟踪,直到对所有的目标区域跟踪完毕;最后根据每个区域的Freeman链码中的值拟合为Bezier曲线。
尽管在图像处理软件中,对图像进行勾边处理已经非常成熟,但是在排版过程中该技术应用很少。随着排版行业的飞速发展,需要进行排版的对象越来越复杂,特别是对很多图像也同样需要进行勾边处理。但是,目前的排版软件中还没有针对图像勾边处理的技术。并且,在图像处理软件中已成熟的勾边技术也不能简单的应用到排版过程中,因为直接将现有的勾边技术应用于排版过程中时,常会发生变化而发生错误,如Freeman链码跟踪算法直接在排版过程中应用时可能会发生如下变化,引起勾边的错误:
(1)对于单像素宽的目标,例如一条直线,Freeman链码跟踪算法虽然能够跟踪到所有的像素点,但是无法返回到跟踪起始点,而排版系统要求每个目标区域轮廓都是封闭的;
(2)由于得到的目标区域形状会十分复杂,可能会出现一个区域的两部分只有单像素连接的情况,此时在Freeman链码跟踪算法中虽然可以增加某些判断条件(如增加标志位)继续进行跟踪,但是仍有可能出现跟踪回不到起始点的情况,而且增加了算法的复杂性,降低了效率;
(3)如果得到的目标轮廓不是封闭的,在进行下一次目标轮廓跟踪时就可能将已跟踪过的目标认为仍未处理,这样一个目标会得到二条或多条轮廓,显然,这样的结果用户是不可接受的。
发明内容
针对现有技术中存在的缺陷,本发明的目的是提供一种在排版过程中进行图像勾边的方法,该方法能够在排版过程中方便地、高效完成图像的勾边处理,方便图像的进一步处理,即使是非专业的图像处理人员,也可以很容易地利用本方法实现图像的勾边处理。
为达到以上目的,本发明采用的技术方案是:一种在排版过程中进行图像勾边的方法,包括以下步骤:
(1)将排版过程中需要处理的图像转换成灰度图像;
(2)将步骤(1)中的灰度图像转换为二值图,即将图像中的背景和目标进行图像分割;
(3)将步骤(2)中的二值图进行勾边处理,采用改进的Freeman链码跟踪算法得到图像目标的轮廓封闭Bezier曲线,完成图像的勾边处理,具体方法如下:
1)将图像的像素矩阵等比例放大整数倍,使单像素区域变成多像素区域;
2)采用Freeman链码跟踪算法得到目标的轮廓;
3)跟踪图像中的所有目标后,将步骤2)中Freeman链码跟踪算法得到的像素值等比例相应倍数后得到原始的轮廓信息。
进一步,步骤(1)中,将图像转成灰度图像时,根据用户设定的容忍度值,采用高斯滤波方法对图像进行高斯滤波。
进一步,步骤(2)中将灰度图像转换为二值图时,根据用户设定的阈值进行图像转换。
更进一步,步骤(2)中将灰度图像转换为二值图时,迭代阈值算法能够提供给用户一个近似的阈值,一般用户采用此阈值进行图像转换可以得到好的结果。
再进一步,所述的迭代阈值算法包括以下步骤:
1)取图像灰度范围的中值为初始阈值;
2)根据初始开关函数将输入图像的每一个像素分成目标和背景并得到两个积分器:目标积分器和背景积分器;
3)第一次对图像扫描结束后,平均两个积分器的值以确定一个新的阈值,利用这个阈值控制开关再次将输入图像分成目标和背景,并用作新的开关函数,如此反复迭代直到开关函数不再发生变化;此时得到的阈值即为最终阈值,灰度图像根据这个阈值就可以分割为二值图。
进一步,步骤(3)中的步骤1)中,将图像的像素矩阵等比例放大整数倍时,放大倍数为原像素矩阵的2倍。
进一步,上述步骤(3)中的步骤2)中,对图像进行内部勾边的方法还包括以下步骤:首先将图像中所有点都标记为“未跟踪”状态,在对一个目标跟踪时,对每一个置入Freeman链码中的目标点,将其标记为“已跟踪”状态,在下一次目标跟踪时,只搜索标记为“未跟踪”状态的点,从而避免对一个轮廓的多次跟踪且能够进入到目标内部得到内部边界的轮廓信息。
进一步,上述步骤(3)中的步骤2)中,对图像进行非内部勾边的方法还包括以下步骤:在采用Freeman链码跟踪算法得到一个封闭区域的链码后,采用Flooding算法将图像中该区域内的所有像素都填充为背景色,然后寻找下一个目标区域的起始点,再进行轮廓跟踪。
进一步,步骤(3)中的步骤2)中,对图像进行框内勾边的方法如下:首先将图像上所有点在版面上的坐标转换为图像坐标系的像素坐标,将其与图像本身矩形区域的像素坐标求交,将图像中位于交集之外的像素置为背景,保留交集内的像素值,最后在此基础上对图像采用Freeman链码跟踪算法进行路径跟踪达到框内勾边的效果。
进一步,步骤(3)中的步骤2)中,对图像进行反转的方法如下:将得到的二值图取反色后再进行勾边,从而得到反转的效果。
本发明的效果在于:采用本发明所述的方法,在排版过程中能够方便的、高效的完成图像的勾边处理,并且适合各类图像,方便图像的后续处理,非专业的图像处理人员,也可以很容易地利用本方法实现图像的勾边处理;同时,用户可以根据不同的需求调节阈值和容忍度从而得到不同的勾边结果。
之所以采用上述改进的Freeman链码跟踪算法,是因为该方法具有如下特点:将图像像素矩阵等比例放大整数倍,使单像素区域变成多像素区域,这样可以对单像素宽的目标进行处理,从而可以直接利用Freeman链码进行跟踪;这种处理方法避免了目标中存在单像素宽度区域时如何处理的问题,同时也可以保证得到的每一个目标的轮廓都是封闭的;在跟踪完图像中的所有目标后,将Freeman链码中的像素值等比例缩小相应倍数后即可得到原始的轮廓信息,不会改变、影响和丢失原轮廓信息。
附图说明
图1为本发明所述方法具体实施方式的流程图;
图2是在排版过程中对图像勾边处理时容忍度值和阈值选择图;
图3是在排版过程中对图像进行框内勾边处理的效果图;
图4是在排版过程中对图像进行非框内勾边处理的效果图;
图5是在排版过程中对图像进行内部勾边处理的效果图;
图6是在排版过程中对图像进行反转勾边处理的效果图;
图7是在排版过程中对图像同时进行框内勾边和内部勾边处理的效果图;
图8是在排版过程中对图像同时进行同时选中内部勾边和反转处理的效果图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明:
如图1所示,一种在排版过程中进行图像勾边的方法,包括如下步骤:
(1)将在排版过程中需要处理的图像转换成灰度图像;
本实施例中将图像转成灰度图像时,根据用户设定的容忍度值,采用高斯滤波方法对图像进行高斯滤波。
(2)将步骤(1)中的灰度图像转换为二值图,即将图像中的背景和目标进行图像分割;
将灰度图像转换为二值图时,根据指用户设定的阈值或采用迭代阈值算法得到的阈值进行图像转换,如采用迭代阈值算法得到的阈值将会使本发明的效果更好,本实施例中采用迭代阈值算法,具体方法如下:
1)取图像灰度范围的中值为初始阈值;
2)根据初始开关函数将输入图像的每一个像素分成目标和背景并得到两个积分器:目标积分器和背景积分器;
3)第一次对图像扫描结束后,平均两个积分器的值以确定一个新的阈值,利用这个阈值控制开关再次将输入图像分成目标和背景,并用作新的开关函数,如此反复迭代直到开关函数不再发生变化;此时得到的阈值即为最终阈值,灰度图像根据这个阈值就可以分割为二值图。
(3)将步骤(2)中的二值图进行勾边处理,采用改进的Freeman链码跟踪算法得到图像目标的轮廓封闭Bezier曲线,完成图像的勾边处理,具体方法如下:
1)将图像的像素矩阵等比例放大整数倍,本实施例中放大2倍,使单像素区域变成多像素区域;
2)采用Freeman链码跟踪算法得到目标的轮廓;
3)跟踪图像中的所有目标后,将步骤2)中Freeman链码跟踪算法得到的像素值等比例缩小一倍后得到原始的轮廓信息。
另外,针对排版软件的特点,本实施例同时提供给用户内部勾边、框内勾边和反转三个选项并能得到特殊的勾边效果,具体方法如下。
1、内部勾边:
如果没选择内部勾边,则只得到目标区域最外层的轮廓信息。如果用户选择了内部勾边,则表示需要得到二值图中所有目标和背景交界处的信息。为此,首先将图像中所有点都标记为“未跟踪”状态。在对一个目标跟踪时,对每一个置入Freeman链码中的目标点,将其标记为“已跟踪”状态。这样,在下一次目标跟踪时,只搜索标记为“未跟踪”状态的点,从而避免对一个轮廓的多次跟踪且可以进入到目标内部得到内部边界的轮廓信息。
2、框内勾边:
普通的图像是一个矩形区域,但是在排版软件中,为了有更好的艺术效果,图像可能排入一个复杂的图元中,且只显示在图元内部的图像信息,可以认为抛弃了图元外部的图像信息。所以,如果用户选择了框内勾边,则图像勾边只对图元内的图像进行勾边。为了得到这个效果,首先将图元上所有点在版面上的坐标转换为图像坐标系的像素坐标,将其与图像本身矩形区域的像素坐标求交,将图像中位于交集之外的像素置为背景,保留交集内的像素值。在此基础上对图像采用Freeman链码跟踪算法进行路径跟踪达到框内勾边的效果。
3、反转
由于目标的二义性,图像中的一个区域即可以被认为是目标也可以被认为是背景。针对这种情况,本实施例提供了反转的功能,将得到的二值图反色进行勾边得到反转的效果。
将上述的具体实施方式应用于实际的排版过程,在排版过程中对图像进行勾边处理的效果如下:
首先,如图2所示,用户在版面上的一个图元中排入一幅图像,通过菜单选择或快捷键弹出图像勾边对话框。对话框中包含阈值和容忍度的调节,以及框内勾边、内部勾边和反转选项按钮。其中阈值是根据图像本身信息采用迭代阈值算法得到的值,一般可以认为是该图像的最优阈值,用户可以直接采用该阈值进行图像勾边。容忍度的值初始为2.5,根据这个值对图像进行高斯滤波。
默认的情况是进行框内勾边,用户点击预览或确定后,即得到勾边结果,如图3所示。如果用户取消框内勾边,得到的结果如图4所示。可以看出,框内勾边以图元轮廓为边界,得到的结果是图元轮廓与图像本身轮廓的交集;而非框内勾边则是对整个图像进行勾边操作。
图5显示了用户选择内部勾边后的结果;图6显示了反转后勾边结果。用户可以通过这三个功能的组合得到更多的勾边效果,图7、图8分别是同时选中框内勾边和内部勾边的效果以及同时选中内部勾边和反转得到的结果。
本发明所述的方法并不限于具体实施方式中所述的实施例,本领域技术人员根据本发明的技术方案得出其他的实施方式,同样属于本发明的技术创新范围。
Claims (10)
1.一种在排版过程中进行图像勾边的方法,包括以下步骤:
(1)将排版过程中需要处理的图像转换成灰度图像;
(2)将步骤(1)中的灰度图像转换为二值图,即将图像中的背景和目标进行图像分割;
(3)将步骤(2)中的二值图进行勾边处理,采用改进的Freeman链码跟踪算法得到图像目标的轮廓封闭Bezier曲线,完成图像的勾边处理,具体方法如下:
1)将图像的像素矩阵等比例放大整数倍,使单像素宽的区域变成多像素宽的区域;
2)采用Freeman链码跟踪算法得到目标的轮廓;
3)跟踪图像中的所有目标后,将步骤2)中Freeman链码跟踪算法得到的轮廓坐标等比例缩小相应倍数后得到原始的轮廓信息。
2.如权利要求1所述的一种在排版过程中进行图像勾边的方法,其特征是:步骤(1)中,将图像转成灰度图像时,根据用户设定的容忍度值,采用高斯滤波方法对图像进行高斯滤波。
3.如权利要求1所述的一种在排版过程中进行图像勾边的方法,其特征是:步骤(2)中将灰度图像转换为二值图时,根据用户设定的阈值进行图像转换。
4.如权利要求1所述的一种在排版过程中进行图像勾边的方法,其特征是:步骤(2)中将灰度图像转换为二值图时,根据迭代阈值算法得到的阈值进行图像转换。
5.如权利要求4所述的一种在排版过程中进行图像勾边的方法,其特征是:所述的迭代阈值算法包括以下步骤:
1)取图像灰度范围的中值为初始阈值;
2)根据初始开关函数将输入图像的每一个像素分成目标和背景并得到两个积分器:目标积分器和背景积分器;
3)第一次对图像扫描结束后,平均两个积分器的值以确定一个新的阈值,利用这个阈值控制开关再次将输入图像分成目标和背景,并用作新的开关函数,如此反复迭代直到开关函数不再发生变化;此时得到的阈值即为最终阈值,灰度图像根据这个阈值就可以分割为二值图。
6.如权利要求1、2、3、4或5所述的一种在排版过程中进行图像勾边的方法,其特征是:步骤(3)中的步骤1)中,将图像的像素矩阵等比例放大整数倍时,放大倍数为原像素矩阵的2倍。
7.如权利要求6所述的一种在排版过程中进行图像勾边的方法,其特征是步骤(3)中的步骤2)中,对图像进行内部勾边的方法还包括以下步骤:首先将图像中所有点都标记为“未跟踪”状态,在对一个目标跟踪时,对每一个置入Freeman链码中的目标点,将其标记为“已跟踪”状态,在下一次目标跟踪时,只搜索标记为“未跟踪”状态的点,从而避免对一个轮廓的多次跟踪且能够进入到目标内部得到内部边界的轮廓信息。
8.如权利要求6所述的一种在排版过程中进行图像勾边的方法,其特征是步骤(3)中的步骤2)中,对图像进行非内部勾边的方法还包括以下步骤:在采用Freeman链码跟踪算法得到一个封闭区域的链码后,采用Flooding算法将图像中该区域内的所有像素都填充为背景色,然后寻找下一个目标区域的起始点,再进行轮廓跟踪。
9.如权利要求6所述的一种在排版过程中进行图像勾边的方法,其特征是步骤(3)中的步骤2)中,对图像进行框内勾边的方法如下:首先将图像上所有点在版面上的坐标转换为图像坐标系的像素坐标,将其与图像本身矩形区域的像素坐标求交,将图像中位于交集之外的像素置为背景,保留交集内的像素值,最后在此基础上对图像采用Freeman链码跟踪算法进行路径跟踪达到框内勾边的效果。
10.如权利要求6所述的一种在排版过程中进行图像勾边的方法,其特征是步骤(3)中的步骤2)中,对图像进行反转的方法如下:将得到的二值图取反色后再进行勾边,从而得到反转的效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100786382A CN100403769C (zh) | 2006-04-29 | 2006-04-29 | 一种在排版过程中进行图像勾边的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100786382A CN100403769C (zh) | 2006-04-29 | 2006-04-29 | 一种在排版过程中进行图像勾边的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1852389A true CN1852389A (zh) | 2006-10-25 |
CN100403769C CN100403769C (zh) | 2008-07-16 |
Family
ID=37133855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100786382A Expired - Fee Related CN100403769C (zh) | 2006-04-29 | 2006-04-29 | 一种在排版过程中进行图像勾边的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100403769C (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009149591A1 (zh) * | 2008-06-13 | 2009-12-17 | 方正国际软件(北京)有限公司 | 利用开放曲线和临近的闭合曲线构建新的闭合曲线的方法 |
CN101916441A (zh) * | 2010-08-06 | 2010-12-15 | 西北工业大学 | 一种数字图像中基于Freeman链码的曲线匹配方法 |
CN102542555A (zh) * | 2010-12-17 | 2012-07-04 | 北京大学 | 一种栅格图像边缝路径及边缝拓扑结构的生成方法及系统 |
CN109801242A (zh) * | 2019-01-23 | 2019-05-24 | 西南交通大学 | 一种基于改进漫水填充算法的栅格图像矢量化方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN85104598B (zh) * | 1985-06-13 | 1988-06-08 | 株式会社写研 | 文字处理装置 |
EP0375805B1 (en) * | 1988-12-30 | 1995-05-24 | Yozan Inc. | Vectorizing method |
CN1254112C (zh) * | 2003-09-09 | 2006-04-26 | 北京交通大学 | 一种任意形状区域分割的分形图像编解码方法 |
-
2006
- 2006-04-29 CN CNB2006100786382A patent/CN100403769C/zh not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009149591A1 (zh) * | 2008-06-13 | 2009-12-17 | 方正国际软件(北京)有限公司 | 利用开放曲线和临近的闭合曲线构建新的闭合曲线的方法 |
CN101916441A (zh) * | 2010-08-06 | 2010-12-15 | 西北工业大学 | 一种数字图像中基于Freeman链码的曲线匹配方法 |
CN101916441B (zh) * | 2010-08-06 | 2012-02-29 | 西北工业大学 | 一种数字图像中基于Freeman链码的曲线匹配方法 |
CN102542555A (zh) * | 2010-12-17 | 2012-07-04 | 北京大学 | 一种栅格图像边缝路径及边缝拓扑结构的生成方法及系统 |
CN102542555B (zh) * | 2010-12-17 | 2015-06-03 | 北京大学 | 一种栅格图像边缝路径及边缝拓扑结构的生成方法及系统 |
CN109801242A (zh) * | 2019-01-23 | 2019-05-24 | 西南交通大学 | 一种基于改进漫水填充算法的栅格图像矢量化方法 |
CN109801242B (zh) * | 2019-01-23 | 2022-09-02 | 西南交通大学 | 一种基于改进漫水填充算法的栅格图像矢量化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100403769C (zh) | 2008-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9292928B2 (en) | Depth constrained superpixel-based depth map refinement | |
US7609888B2 (en) | Separating a video object from a background of a video sequence | |
CN102742977B (zh) | 基于图像处理的涂胶路径控制方法 | |
CN101710425B (zh) | 基于图像灰度梯度和灰度统计直方图的自适应预分割方法 | |
CN109035274B (zh) | 基于背景估计与u型卷积神经网络的文档图像二值化方法 | |
CN102800094A (zh) | 一种快速彩色图像分割方法 | |
CN101106716A (zh) | 一种分水岭图象分割处理方法 | |
CN104021566A (zh) | 基于GrabCut算法的舌诊图像自动分割方法 | |
CN102324099A (zh) | 一种面向仿人机器人的台阶边缘检测方法 | |
US20130121565A1 (en) | Method and Apparatus for Local Region Selection | |
CN109961016B (zh) | 面向智能家居场景的多手势精准分割方法 | |
CN1852389A (zh) | 一种在排版过程中进行图像勾边的方法 | |
CN110675463B (zh) | 一种局部彩色铅笔画生成方法及装置 | |
CN1691065A (zh) | 一种视频运动对象分割方法 | |
CN117173201A (zh) | 二阶微分图像分割方法、系统、介质和设备 | |
Saini | Document image binarization techniques, developments and related issues: a review | |
CN112070684B (zh) | 基于形态先验特征的甲骨刻辞文字修复方法 | |
CN106127765A (zh) | 基于自适应窗口和平滑阈值法的图像二值化系统 | |
CN107610126A (zh) | 一种基于局部先验分布的交互式图像分割方法 | |
CN104239864A (zh) | 一种基于图像处理的货车车号识别系统 | |
CN108090895B (zh) | 一种基于图像处理的集装箱锁孔轮廓提取方法 | |
CN116485759A (zh) | 一种超声影像中目标边界识别方法、系统及电子设备 | |
CN115578741A (zh) | 一种基于Mask R-cnn算法和类型分割的扫描文件版面分析方法 | |
CN105719304B (zh) | 一种基于Otsu的花朵图像分割方法 | |
Lee et al. | A 4K-capable hardware accelerator of haze removal algorithm using haze-relevant features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20080716 Termination date: 20190429 |