TWI503758B - Image recognition method and apparatus - Google Patents
Image recognition method and apparatus Download PDFInfo
- Publication number
- TWI503758B TWI503758B TW099106908A TW99106908A TWI503758B TW I503758 B TWI503758 B TW I503758B TW 099106908 A TW099106908 A TW 099106908A TW 99106908 A TW99106908 A TW 99106908A TW I503758 B TWI503758 B TW I503758B
- Authority
- TW
- Taiwan
- Prior art keywords
- color
- image
- block
- source image
- blocks
- Prior art date
Links
Description
本發明係關於電腦應用領域,特別是關於一種圖像識別方法及裝置。
多媒體技術的發展,使得在電腦上表達資訊的形式更為豐富,很大程度上改變了電腦的應用領域。其中,圖像(Images)是一種應用比較廣泛的媒體,特別是隨著圖像處理技術的發展,使得圖像已經成為電腦以及互聯網領域的一種重要的資訊承載形式。
以電子商務應用為例,目前的電子商務系統大都支援附圖功能。商家在網上發佈自己的商品時,除了提供必要的文字說明之外,還可以上傳一張或多張商品的附圖。相對於文字而言,圖像能夠更直觀地對商品進行展示,很多情況下,商品附圖也可以作為買家確認商品資訊真實性的一個重要依據。
對於大部分類別的商品,最理想的情況是使用該商品的實物照片作為附圖,因為實物照片能夠最直觀地展示商品的外觀。但是,有些商家在發佈商品時,經常會上傳一些與商品外觀無關的圖片,如店鋪公告、銷售記錄、或者是商品的規格介紹等等,這類圖片往往無法起到商品附圖的應有作用。此外,從電子商務系統的管理角度而言,經常會利用商品的附圖做資料挖掘,例如根據商品的外觀對商品進行分類等等。而上述類型的圖片會給資料挖掘工作帶來很大的干擾,甚至導致得出錯誤的結論,這類圖片被稱為“垃圾圖片”或“垃圾圖”。
可見,為保證附圖的有效性,有必要對垃圾圖與非垃圾圖加以區分,以便分別做不同處理。現有技術中的電子商務系統,可以對商家上傳圖片的規格(如圖片尺寸、圖片格式等)進行識別,甚至可以將圖片轉換為所需要的規格,但是還無法實現對垃圾圖的識別。
為解決上述技術問題,本發明提供一種圖像識別方法及裝置,以實現對垃圾圖的自動識別,技術方案如下:本發明提供一種圖像識別方法,包括:獲得源圖像中每個像素點的顏色特徵值;統計每種顏色特徵值對應像素點的數目,根據統計結果確定所述源圖像的主顏色;根據所述源圖像主顏色所對應的顏色特徵值的大小,識別所述源圖像是否為垃圾圖。
本發明還提供一種圖像識別裝置,包括:特徵值獲得單元,用於獲得源圖像中每個像素點的顏色特徵值;源圖像主顏色確定單元,用於統計每種顏色特徵值對應像素點的數目,根據統計結果確定所述源圖像的主顏色;第一識別單元,用於根據所述源圖像主顏色所對應的顏色特徵值的大小,識別所述源圖像是否為垃圾圖。
本發明所提供的方案,應用數位圖像分析技術,首先提取圖像的顏色特徵,再結合預定的判別規則,判斷圖像是否為垃圾圖。應用以上技術方案,可以實現對附圖中的垃圾圖與非垃圾圖的自動區分,以便系統分別做不同的處理,保證附圖的有效性。
圖1示出了垃圾圖片的一些實際例子,其中(a)為店鋪公告照片,(b)為衣服尺寸量法示意圖,這些圖片都無法展示商品的外觀,根據前面的說明,我們認為其為垃圾圖。一般情況下,通過人工的方式可以很容易看出垃圾圖,這說明垃圾圖具有近似的視覺特徵。本發明技術方案從視覺特徵入手,應用圖像分析技術,首先提取圖像的顏色特徵,再結合預定的判別規則,判斷圖像是否為垃圾圖。下面對本發明實施例的圖像識別方法進行說明,參見圖2所示,包括以下步驟:S101,獲得源圖像中每個像素點的顏色特徵值;數位圖像是由許多個顏色點組成,這些顏色點稱為“像素點”(Pixel),像素點是數位圖像的一種基本構成單位,每個像素點都對應一個顏色特徵值,本發明方案中,對於一幅待識別的源圖像,首先通過顏色檢測,獲得源圖像中每個像素點的顏色特徵值。
其中,顏色特徵值可以有多種表示形式,為了不失普遍性,本發明技術方案中所使用的顏色特徵值為RGB值。當然,對於不同類型的圖像,也可以採用其他形式的顏色特徵值來代替RGB值。例如,在黑白二值圖像中,一般用0和1兩個值來表示黑/白兩種顏色;灰度圖像中,像素點的顏色特徵值用灰度值來表示。本領域技術人員可以理解的是,無論是黑白二值還是灰度值,都可以理解為RGB值的特例,並且與RGB值存在著一定的轉換關係。此外,對於彩色圖像,也還有很多由RGB衍生的顏色表示方式,例如YCrCb(亮度/色調/飽和度)值等。
S102,統計每種顏色特徵值對應像素點的數目,根據統計結果確定所述源圖像的主顏色;獲得源圖像中每個像素點的顏色特徵值之後,統計源圖像中各種顏色特徵值對應像素點的個數,並根據統計結果確定源圖像的主顏色。這裏所說的主顏色,從直觀上理解,指的是在圖像中出現最多的顏色,如果結合顏色特徵值的概念來描述,就是“統計數量最多的顏色特徵值所對應的顏色”。
S103,根據所述源圖像主顏色所對應的顏色特徵值的大小,識別所述源圖像是否為垃圾圖。
根據所確定的源圖像的主顏色,可以初步判斷源圖像是否為垃圾圖。一般來說,對於一副彩色圖像,如果主顏色不是黑色或白色,則可以認為源圖像不是垃圾圖。如果主顏色為黑色或白色,則源圖像是垃圾圖的可能性比較大,這種情況下,可以直接將其確定為垃圾圖,也可以繼續根據其他準則做進一步的判斷,這部分內容將在後面的實施方式中說明。
當然,上述的“黑色”和“白色”只是通常意義上的說法,本領域技術人員應該理解:按照顏色特徵值來定義,“黑色”指的是顏色特徵值小於某一臨限值A的顏色的集合,“白色”指的是顏色特徵值大於某一臨限值B的顏色的集合。而顏色特徵值處於A和B之間的顏色的集合,統稱為“其他顏色”。關於A和B的具體取值,取決於對顏色空間的量化方式,本發明實施例對此不進行限定。
根據上述說明,當主顏色為黑色或白色時,可以繼續根據其他準則做進一步的判斷,參見圖3所示,本發明實施例的圖像識別方法還可以包括以下步驟:S104,將所述源圖像劃分為若干圖像塊,根據各圖像塊中每種顏色特徵值對應像素點的數目,確定各圖像塊的主顏色;S105,根據所述各圖像塊的主顏色,識別所述源圖像是否為垃圾圖。
其中,確定圖像塊主顏色的方法,與確定源圖像主顏色的方法類似。在實施例一中,根據整個源圖像的顏色特徵來判斷其是否垃圾圖,本實施例通過劃分圖像塊的方式,可以進一步結合各種顏色在源圖像中的分佈情況,判斷源圖像是否為垃圾圖,以達到更準確的識別率。
例如,當源圖像的主顏色為黑色或白色時,可以進一步根據具有特定主顏色的圖像塊的數目,和/或具有特定主顏色的圖像塊在所述源圖像中的相對位置進行判斷。
關於劃分圖像的方法,比較優選的一種方案是源圖像以3×3的方式劃分為9個圖像塊,如圖4所示,這樣一方面可以比較好地考慮到各種顏色在源圖像的邊、角、中心部分的分佈情況,另一方面也不會涉及過於複雜的判別規則,保證識別的速度。當然,本領域技術人員也可以根據具體應用情況,採用其他的方式對圖像進行劃分,本發明對此不做限制。
此外,為了便於對各種規格的圖像進行統一處理,在S101之前,還可以包括一個對圖像進行規格轉換的步驟,包括將待識別的源圖像轉換為統一的格式、縮放至統一的尺寸等等,然後再進一步執行後續的顏色特徵提取步驟。事實上,在很多系統中,在接收用戶上傳的圖像之後,都會執行這個圖像規格轉換的步驟。
下面將結合一個具體的應用實例,對本發明提供的技術方案進行說明。
本實施例所採用的顏色特徵值為RGB值,對R(紅)、G(綠)、B(藍)三基色的強度各8等分,顏色特徵值的取值範圍是RGB000-RGB777,即將整個顏色空間量化為512種顏色,例如RGB235表示紅色值2、綠色值3、藍色值5。
根據上述對顏色空間的量化方法,為了便於後面的描述,首先對一些特殊的顏色做如下定義:R、G、B值均小於等於1的顏色為黑色;R、G、B值均大於等於6的顏色為白色;其中,對黑色和白色又可以做進一步的劃分:RGB000為純黑色;RGB001、RGB010、RGB011、RGB100、RGB101、RGB110為暗黑色;RGB666、RGB667、RGB676、RGB766為暗白色;特殊地,RGB666為灰白色;RGB777、RGB677、RGB767、RGB776為亮白色;特殊地,RGB777為純白色。
下面將對圖像的識別步驟進行說明:
將源圖像轉換為統一規格後,在全圖上統計每種顏色對應的像素點個數,將像素點個數最多的顏色,確定為源圖像的主顏色。進一步記錄全圖的有效顏色數,用於後面的識別步驟。
考慮到人眼的視覺特性,為了實現更為合理準確的識別,本實施例中引入了有效顏色的概念:如果某顏色的像素點與所有像素點個數的比率超過某一臨限值,且不為灰色,則將該顏色算作一種有效顏色,有效顏色主要用於衡量一副圖像的色彩豐富程度。其中,灰色的定義是R、G、B值相等的顏色,可見,上述定義的純黑色(RGB000)、灰白色(RGB666)和純白色(RGB777)也都屬於灰色的範疇。從實際的視覺效果考慮,R、G、B值相等的顏色,其色彩都比較暗淡,因此,本實施例將這類顏色也作為一個考慮因素。設置臨限值的目的,是忽略一些在圖像中很少出現的顏色,經驗資料表明,該臨限值可以設置為千分之五左右,當然,本實施例對該臨限值的具體取值並不進行限定。
將源圖像劃分為9個圖像塊,為便於描述,按照從左至右從上至下的順序,依次標稱為“塊0”、“塊1”……“塊8”,如圖4所示。分別確定每個圖像塊的主顏色。
參見圖5所示,根據上述得到的顏色特徵,本實施例所採用的具體判別規則如下:
1)源圖像主顏色為純黑色:若9個圖像塊的主顏色都為黑色,則為垃圾圖,否則為非垃圾圖。
2)源圖像主顏色為純白色:若9個圖像塊的主顏色不都為白色,則為非垃圾圖,否則進一步判斷:
2.1)灰白塊數目是否為0、純白塊數目是否大於6,且亮白塊數目是否大於7,如果是,執行2.1.1,否則執行2.1.2:
2.1.1)若塊4為亮白,且塊1、塊4、塊7有一塊以上為純白,則為垃圾圖,否則為非垃圾圖。
2.1.2)若暗白塊數目為9,且灰白塊數目大於6,則為垃圾圖,否則進一步判斷:
2.1.2.1)若有效顏色數不小於5,則為非垃圾圖,否則:如果滿足下列條件(a~d)之一,則為垃圾圖,否則為非垃圾圖。
a. 亮白塊數為9,純白塊數大於3,塊4不為純白。
b. 純白塊數大於7,塊4為純白,且塊1、塊3、塊5、塊7不為灰白。
c. 有效顏色數為1,且純白塊數大於3,塊1、塊7為灰白色。
d. 塊1、塊3、塊4、塊5全為灰白,塊0不為純白。
3)源圖像主顏色為其他顏色,為非垃圾圖。
下面結合圖1中的兩張具體圖像,對上述流程進行說明:圖1(a)所示圖像(原圖為彩色圖像)的主顏色為純白色,有效顏色數小於5,各圖像塊顏色特徵值如下所示(對應圖4的圖像分塊示意圖):
666 666 666
666 666 666
666 666 666
則其相應的顏色判別流程為:
2)白色塊數為9?是→
2.1)灰白塊數目為0,且純白塊數目大於6,亮白塊數目大於7?否→
2.1.1)暗白塊數為9,灰白塊數>6?是→
最終判別結果為:垃圾圖。
圖1(b)所示圖像(原圖為彩色圖像)的主顏色為純白色,有效顏色數小於5,各圖像塊顏色特徵值如下所示(對應圖4的圖像分塊示意圖):
777 777 777
777 777 777
777 777 666
則其相應的顏色判別流程為:
2)白色塊數為9?是→
2.1)灰白塊數目為0,且純白塊數目大於6,亮白塊數目大於7?否→
2.1.2)暗白塊數=9,灰白塊數>6?否→
2.1.2.1)有效顏色數<5?是→
b.純白塊數大於7,且塊4為純白,且塊1、塊3、塊5、塊7不為灰白?是→
最終判別結果為:垃圾圖。
以上實施方案,應用數位圖像分析技術,首先提取圖像的顏色特徵,再結合預定的判別規則,判斷圖像是否為垃圾圖,實現對商品附圖中的垃圾圖與非垃圾圖的自動區分,以便系統分別做不同的處理。當然,本實施例中所描述的判別規則,僅是根據實際資料所總結的一種具體的規則,根據不同的應用需求,本領域技術人員可以制定各種不同的判別規則,本發明對此不需要進行限定。
本發明所提供的技術方案,可以應用於用戶上傳圖片的階段,當檢測到用戶上傳的附圖為垃圾圖後,系統可以拒絕接收,或者向上傳垃圾圖的用戶回饋消息,提示其重新上傳,以保證系統中附圖的有效性。上述實施方案還可以應用於資料挖掘之前,通過對垃圾圖的排查以減少其對資料挖掘的影響。同時,也可以將識別出的垃圾圖予以清理,以節省系統儲存空間。
相應於上面的方法實施例,本發明還提供一種圖像識別裝置,參見圖6所示,包括:特徵值獲得單元810,用於獲得源圖像中每個像素點的顏色特徵值;源圖像主顏色確定單元820,用於統計每種顏色特徵值對應像素點的數目,根據統計結果確定所述源圖像的主顏色;第一識別單元830,用於根據所述源圖像主顏色所對應的顏色特徵值的大小,識別所述源圖像是否為垃圾圖。
參見圖7所示,本發明所提供的圖像識別裝置,還可以進一步包括:圖像塊處理單元840,用於將所述源圖像劃分為若干圖像塊,根據各圖像塊中每種顏色特徵值對應像素點的數目,確定各圖像塊的主顏色;第二識別單元850,用於根據所述各圖像塊的主顏色,識別所述源圖像是否為垃圾圖。
圖像轉換單元800,用於在所述特徵值獲得單元810獲得特徵值之前,將所述源圖像轉換為預置的規格。
為了描述的方便,描述以上裝置時以功能分為各種單元分別描述。當然,在實施本發明時可以把各單元的功能在同一個或多個軟體和/或硬體中實現。
通過以上的實施方式的描述可知,本領域的技術人員可以清楚地瞭解到本發明可借助軟體加必需的通用硬體平臺的方式來實現。基於這樣的理解,本發明的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來,該電腦軟體產品可以儲存在儲存介質中,如ROM/RAM、磁碟、光碟等,包括若干指令用以使得一台電腦設備(可以是個人電腦,伺服器,或者網路設備等)執行本發明各個實施例或者實施例的某些部分所述的方法。
本說明書中的各個實施例均採用遞進的方式描述,各個實施例之間相同相似的部分互相參見即可,每個實施例重點說明的都是與其他實施例的不同之處。尤其,對於裝置實施例而言,由於其基本相似於方法實施例,所以描述得比較簡單,相關之處參見方法實施例的部分說明即可。以上所描述的裝置實施例僅僅是示意性的,其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的,作為單元顯示的部件可以是或者也可以不是物理單元,即可以位於一個地方,或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。本領域普通技術人員在不付出創造性勞動的情況下,即可以理解並實施。
本發明可用於眾多通用或專用的計算系統環境或配置中。例如:個人電腦、伺服器電腦、手持設備或可擕式設備、平板型設備、多處理器系統、基於微處理器的系統、置頂盒、可編程的消費電子設備、網路PC、小型電腦、大型電腦、包括以上任何系統或設備的分散式計算環境等等。
本發明可以在由電腦執行的電腦可執行指令的一般上下文中描述,例如程式模組。一般地,程式模組包括執行特定任務或實現特定抽象資料類型的常式、程式、物件、元件、資料結構等等。也可以在分散式計算環境中實踐本發明,在這些分散式計算環境中,由通過通信網路而被連接的遠端處理設備來執行任務。在分散式計算環境中,程式模組可以位於包括儲存設備在內的本地和遠端電腦儲存介質中。
以上所述僅是本發明的具體實施方式,應當指出,對於本技術領域的普通技術人員來說,在不脫離本發明原理的前提下,還可以做出若干改進和潤飾,這些改進和潤飾也應視為本發明的保護範圍。
800...圖像轉換單元
810...特徵值獲得單元
820...源圖像主顏色確定單元
830...第一識別單元
840...圖像塊處理單元
850...第二識別單元
為了更清楚地說明本發明實施例或現有技術中的技術方案,下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發明中記載的一些實施例,對於本領域普通技術人員來講,在不付出創造性勞動的前提下,還可以根據這些附圖獲得其他的附圖。
圖1為垃圾圖的示意圖;
圖2為本發明實施例一的圖像識別方法的流程圖;
圖3為本發明實施例二的圖像識別方法的流程圖;
圖4為本發明實施例中圖像分塊方式的示意圖;
圖5為本發明實施例三的圖像識別方法的流程圖;
圖6為本發明實施例圖像識別裝置的結構示意圖;
圖7為本發明實施例圖像識別裝置的另一種結構示意圖。
Claims (11)
- 一種圖像識別方法,其特徵在於,包括:獲得源圖像中每個像素點的顏色特徵值;統計每種顏色特徵值對應像素點的數目,根據統計結果確定該源圖像的主顏色;根據該源圖像主顏色所對應的顏色特徵值的大小,識別該源圖像是否為垃圾圖,其中,所述像素點的顏色特徵值為:像素點的RGB值,其中,將R、G、B三種顏色的強度分為8等分,對應的顏色特徵值取值範圍是RGB000-RGB777,其中,如果該源圖像主顏色所對應的顏色特徵值為RGB000或RGB777,則該方法進一步包括:將源圖像以3×3的方式劃分為9個圖像塊,將該9個圖像塊按照從左至右、從上至下的順序,依次標稱為塊0至塊8;根據具有特定主顏色的圖像塊的數目,和/或具有特定主顏色的圖像塊在該源圖像中的相對位置,識別該源圖像是否為垃圾圖,其中,當所述源圖像主顏色所對應的顏色特徵值為RGB777時,根據具有特定主顏色的圖像塊的數目,和/或具有特定主顏色的圖像塊在該源圖像中的相對位置,識別該源圖像是否為垃圾圖,具體實現為:S2當源圖像主顏色為純白色時:若9個圖像塊 的主顏色不都為白色,則識別該源圖像為非垃圾圖,否則執行S21:S21判斷灰白塊數目是否為0、純白塊數目是否大於6、且亮白塊數目是否大於7,如果是,執行S211,否則執行S212:S211若塊4為亮白,且塊1、塊4、塊7有一塊以上為純白,則識別該源圖像為垃圾圖,否則識別該源圖像為非垃圾圖;S212若暗白塊數目為9,且灰白塊數目大於6,則識別該源圖像為垃圾圖,否則執行S2121:S2121若有效顏色數不小於5,則識別該源圖像為非垃圾圖,否則:如果滿足下列條件a~d之一,則識別該源圖像為垃圾圖,如果不滿足下列條件a~d中的任一個,則識別該源圖像為非垃圾圖:a.亮白塊數為9,純白塊數大於3,塊4不為純白;b.純白塊數大於7,塊4為純白,且塊1、塊3、塊5、塊7不為灰白;c.有效顏色數為1,且純白塊數大於3,塊1、塊7為灰白色;d.塊1、塊3、塊4、塊5全為灰白,塊0不為純白;其中,上述顏色與RGB值的對應關係為:R、G、B值均小於等於1的顏色為黑色,該黑色具體 包括:RGB000為純黑色;RGB001、RGB010、RGB011、RGB100、RGB101、RGB110為暗黑色;R、G、B值均大於等於6的顏色為白色,該白色具體包括:RGB666、RGB667、RGB676、RGB766為暗白色;其中,RGB666為灰白色;RGB777、RGB677、RGB767、RGB776為亮白色;其中,RGB777為純白色;該有效顏色為:如果某顏色的像素點與該源圖像所有像素點個數的比率超過某一臨限值,且該顏色的R、G、B值不完全相等,則該顏色為源圖像的一種有效顏色。
- 如申請專利範圍第1項之方法,其中,該方法進一步包括:將該源圖像劃分為若干圖像塊,根據各圖像塊中每種顏色特徵值對應像素點的數目,確定各圖像塊的主顏色;根據該各圖像塊的主顏色,識別該源圖像是否為垃圾圖。
- 如申請專利範圍第2項之方法,其中,根據各圖像塊的主顏色,識別該源圖像是否為垃圾圖,包括:根據具有特定主顏色的圖像塊的數目,和/或具有特定主顏色的圖像塊在該源圖像中的相對位置,識別該源圖像是否為垃圾圖; 其中,該具有特定主顏色的圖像塊為:主顏色所對應的顏色特徵值處於某一預置區間的圖像塊。
- 如申請專利範圍第1至3項的任意一項之方法,其中,在獲得源圖像中每個像素點的顏色特徵值之前,還包括:將該源圖像轉換為預置的規格;獲得源圖像中每個像素點的顏色特徵值,具體實現為:獲得轉換後圖像中每個像素點的顏色特徵值。
- 如申請專利範圍第2或3項之方法,其中,將源圖像劃分為若干圖像塊,具體實現為:將源圖像以3×3的方式劃分為9個圖像塊。
- 如申請專利範圍第1項之方法,其中,根據源圖像主顏色所對應的顏色特徵值的大小,識別該源圖像是否為垃圾圖,具體實現為:如果該源圖像主顏色所對應的顏色特徵值不為RGB000或RGB777,則識別該源圖像為非垃圾圖。
- 如申請專利範圍第1項之方法,其中,當該源圖像主顏色所對應的顏色特徵值為RGB000時,根據具有特定主顏色的圖像塊的數目,和/或具有特定主顏色的圖像塊在該源圖像中的相對位置,識別該源圖像是否為垃圾圖,具體實現為:S1若9個圖像塊的主顏色都為黑色,則識別該源圖像為垃圾圖,否則識別該源圖像為非垃圾圖;其中,所述黑色為R、G、B值均小於等於1的顏 色。
- 一種圖像識別裝置,其特徵在於,包括:特徵值獲得單元,用於獲得源圖像中每個像素點的顏色特徵值;源圖像主顏色確定單元,用於統計每種顏色特徵值對應像素點的數目,根據統計結果確定該源圖像的主顏色;第一識別單元,用於根據該源圖像主顏色所對應的顏色特徵值的大小,識別該源圖像是否為垃圾圖,其中,所述像素點的顏色特徵值為:像素點的RGB值,其中,將R、G、B三種顏色的強度分為8等分,對應的顏色特徵值取值範圍是RGB000-RGB777,其中,如果該源圖像主顏色所對應的顏色特徵值為RGB000或RGB777,則該方法進一步包括:將源圖像以3×3的方式劃分為9個圖像塊,將該9個圖像塊按照從左至右、從上至下的順序,依次標稱為塊0至塊8;根據具有特定主顏色的圖像塊的數目,和/或具有特定主顏色的圖像塊在該源圖像中的相對位置,識別該源圖像是否為垃圾圖,其中,當所述源圖像主顏色所對應的顏色特徵值為RGB777時,根據具有特定主顏色的圖像塊的數目,和/或具有特定主顏色的圖像塊在該源圖像中的相對位置,識別該源圖像是否為垃圾圖,具體實現為: S2當源圖像主顏色為純白色時:若9個圖像塊的主顏色不都為白色,則識別該源圖像為非垃圾圖,否則執行S21:S21判斷灰白塊數目是否為0、純白塊數目是否大於6、且亮白塊數目是否大於7,如果是,執行S211,否則執行S212:S211若塊4為亮白,且塊1、塊4、塊7有一塊以上為純白,則識別該源圖像為垃圾圖,否則識別該源圖像為非垃圾圖;S212若暗白塊數目為9,且灰白塊數目大於6,則識別該源圖像為垃圾圖,否則執行S2121:S2121若有效顏色數不小於5,則識別該源圖像為非垃圾圖,否則:如果滿足下列條件a~d之一,則識別該源圖像為垃圾圖,如果不滿足下列條件a~d中的任一個,則識別該源圖像為非垃圾圖:a.亮白塊數為9,純白塊數大於3,塊4不為純白;b.純白塊數大於7,塊4為純白,且塊1、塊3、塊5、塊7不為灰白;c.有效顏色數為1,且純白塊數大於3,塊1、塊7為灰白色;d.塊1、塊3、塊4、塊5全為灰白,塊0不為純白;其中,上述顏色與RGB值的對應關係為: R、G、B值均小於等於1的顏色為黑色,該黑色具體包括:RGB000為純黑色;RGB001、RGB010、RGB011、RGB100、RGB101、RGB110為暗黑色;R、G、B值均大於等於6的顏色為白色,該白色具體包括:RGB666、RGB667、RGB676、RGB766為暗白色;其中,RGB666為灰白色;RGB777、RGB677、RGB767、RGB776為亮白色;其中,RGB777為純白色;該有效顏色為:如果某顏色的像素點與該源圖像所有像素點個數的比率超過某一臨限值,且該顏色的R、G、B值不完全相等,則該顏色為源圖像的一種有效顏色。
- 如申請專利範圍第8項之裝置,其中,該裝置進一步包括:圖像塊處理單元,用於將該源圖像劃分為若干圖像塊,根據各圖像塊中每種顏色特徵值對應像素點的數目,確定各圖像塊的主顏色;第二識別單元,用於根據該各圖像塊的主顏色,識別該源圖像是否為垃圾圖。
- 如申請專利範圍第9項之裝置,其中,該第二識別單元,用於根據具有特定主顏色的圖像塊的數目,和/或具有特定主顏色的圖像塊在該源圖像中的 相對位置,識別該源圖像是否為垃圾圖;其中,該具有特定主顏色的圖像塊為:主顏色所對應的顏色特徵值處於某一預置區間的圖像塊。
- 如申請專利範圍第8至10項的任意一項之裝置,其中,該裝置還包括圖像轉換單元,用於將該源圖像轉換為預置的規格;該特徵值確定單元,用於獲得轉換後圖像中每個像素點的顏色特徵值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099106908A TWI503758B (zh) | 2010-03-10 | 2010-03-10 | Image recognition method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099106908A TWI503758B (zh) | 2010-03-10 | 2010-03-10 | Image recognition method and apparatus |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201131486A TW201131486A (en) | 2011-09-16 |
TWI503758B true TWI503758B (zh) | 2015-10-11 |
Family
ID=50180395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW099106908A TWI503758B (zh) | 2010-03-10 | 2010-03-10 | Image recognition method and apparatus |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI503758B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6778697B1 (en) * | 1999-02-05 | 2004-08-17 | Samsung Electronics Co., Ltd. | Color image processing method and apparatus thereof |
US20040170318A1 (en) * | 2003-02-28 | 2004-09-02 | Eastman Kodak Company | Method for detecting color objects in digital images |
US7016532B2 (en) * | 2000-11-06 | 2006-03-21 | Evryx Technologies | Image capture and identification system and process |
TW200937361A (en) * | 2008-02-18 | 2009-09-01 | Ind Tech Res Inst | Storage and search method for flag event on two-dimensional space |
TW200945077A (en) * | 2007-12-21 | 2009-11-01 | Yahoo Inc | Systems and methods of ranking attention |
-
2010
- 2010-03-10 TW TW099106908A patent/TWI503758B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6778697B1 (en) * | 1999-02-05 | 2004-08-17 | Samsung Electronics Co., Ltd. | Color image processing method and apparatus thereof |
US7016532B2 (en) * | 2000-11-06 | 2006-03-21 | Evryx Technologies | Image capture and identification system and process |
US20040170318A1 (en) * | 2003-02-28 | 2004-09-02 | Eastman Kodak Company | Method for detecting color objects in digital images |
TW200945077A (en) * | 2007-12-21 | 2009-11-01 | Yahoo Inc | Systems and methods of ranking attention |
TW200937361A (en) * | 2008-02-18 | 2009-09-01 | Ind Tech Res Inst | Storage and search method for flag event on two-dimensional space |
Also Published As
Publication number | Publication date |
---|---|
TW201131486A (en) | 2011-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10452905B2 (en) | System and method for detecting objects in an image | |
JP5409910B2 (ja) | 非製品画像識別 | |
US10127688B2 (en) | System and process for automatically finding objects of a specific color | |
US9785649B1 (en) | Hue-based color naming for an image | |
CN104618803A (zh) | 信息推送方法、装置、终端及服务器 | |
US10068352B2 (en) | Determining visibility of rendered content | |
US20150317510A1 (en) | Rating photos for tasks based on content and adjacent signals | |
US10602026B2 (en) | Image processing apparatus, image processing method, and non-transitory computer readable medium | |
WO2014100936A1 (zh) | 视频的关联信息库制作和视频播放的方法、平台及系统 | |
US20170013309A1 (en) | System and method for product placement | |
JP2019083445A (ja) | 画像処理装置、画像処理方法、画像処理システムおよびプログラム | |
TWI503758B (zh) | Image recognition method and apparatus | |
WO2016161899A1 (zh) | 一种多媒体信息处理方法、设备及计算机存储介质 | |
WO2022246945A1 (zh) | 一种信息显示方法、装置、ar设备及存储介质 | |
GB2552969A (en) | Image processing system | |
Gao et al. | Color image retrieval and analysis using image color measures | |
CN111882536A (zh) | 一种基于图片对比实现散货数量监测的方法 | |
CN111275725B (zh) | 图像的色温与色调的确定方法及装置、存储介质、终端 | |
KR100911059B1 (ko) | 썸네일 생성 시스템 및 생성 방법 | |
CN117932148A (zh) | 内容推荐方法、系统、设备及计算机可读存储介质 | |
TWM651891U (zh) | 自動化配圖生成系統 | |
CN110969452A (zh) | 一种基于智能产品画册的医疗器械展示系统 | |
TW202018630A (zh) | 群體行銷系統、群體行銷裝置及其群體行銷方法 | |
TW201606706A (zh) | 不雅圖片的過濾方法 | |
KR20090083165A (ko) | 썸네일 생성 시스템 및 생성 방법 |