TWI796610B - 影像處理方法、晶片及電子裝置 - Google Patents
影像處理方法、晶片及電子裝置 Download PDFInfo
- Publication number
- TWI796610B TWI796610B TW109137332A TW109137332A TWI796610B TW I796610 B TWI796610 B TW I796610B TW 109137332 A TW109137332 A TW 109137332A TW 109137332 A TW109137332 A TW 109137332A TW I796610 B TWI796610 B TW I796610B
- Authority
- TW
- Taiwan
- Prior art keywords
- descriptor
- target
- image
- sample image
- key points
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Photoreceptors In Electrophotography (AREA)
Abstract
本申請提供一種影像處理方法,包括:獲取圖像採集設備採集的範本圖像;獲取所述範本圖像中關鍵點集和對應的描述符集;確認所述描述符集中是否有描述符的描述區域超出所述範本圖像的邊緣;當存在描述符的描述區域超出所述範本圖像的邊緣時,標記描述區域超出所述範本圖像的邊緣的描述符為目標描述符,及標記所述目標描述符中的關鍵點為目標關鍵點;根據所述目標關鍵點和樣本圖像重新生成目標描述符;以及基於重新生成的目標描述符更新所述範本圖像。本申請還提供一種影像處理晶片、電子裝置。本申請能夠提高圖像匹配的準確率。
Description
本申請涉及圖像識別技術領域,具體涉及一種影像處理方法、晶片及電子裝置。
傳統的圖像匹配的流程,基本都是先提取關鍵點,然後根據關鍵點的位置劃分一塊區域提取描述符。然而,有些圖像(例如指紋)區域比較小,當關鍵點的位置靠近圖像的邊緣時,根據所述關鍵點生成的描述符的區域不完整,導致描述符的資訊不全,從而會導致匹配的效果不佳。
鑒於以上問題,本申請提出一種影像處理方法、晶片及電子裝置,以提高圖像匹配的準確率。
本申請的第一方面提供一種影像處理方法,所述方法包括:獲取圖像採集設備採集的範本圖像;提取所述範本圖像中的關鍵點,得到關鍵點集;基於所述關鍵點集中的每個關鍵點生成描述符,得到描述符集;確認所述描述符集中是否有描述符的描述區域超出所述範本圖像的邊緣;當存在描述符的描述區域超出所述範本圖像的邊緣時,標記描述區域超出所述範本圖像的邊緣的描述符為目標描述符,及標記所述目標描述符中的關鍵點為目標關鍵點;根據
所述目標關鍵點和樣本圖像重新生成目標描述符;以及基於重新生成的目標描述符更新所述範本圖像。
根據本申請的一些實施方式,所述方法還包括:計算所述目標描述符中超出所述範本圖像的邊緣的區域的大小;比對計算的區域是否大於或等於預設區域;當所述計算的區域大於或等於所述預設區域時,根據所述目標關鍵點和樣本圖像重新生成目標描述符。
根據本申請的一些實施方式,根據所述目標描述符和樣本圖像重新生成目標描述符包括:利用所述樣本圖像覆蓋所述目標描述符;根據所述目標描述符獲得所述目標關鍵點;確定所述目標關鍵點在所述樣本圖像中的目標位置;以所述目標位置作為所述樣本圖像的關鍵點,並根據所述樣本圖像的關鍵點重新生成目標描述符。
根據本申請的一些實施方式,所述樣本圖像為與所述範本圖像匹配的圖像。
根據本申請的一些實施方式,所述基於重新生成的目標描述符更新所述範本圖像包括:基於重新生成的目標描述符確認範本圖像中的關鍵點;根據所述確認的關鍵點匹配在所述範本圖像中的目標描述符;以所述重新生成的目標描述圖替換匹配的目標描述符,以更新所述範本圖像。
本申請的第二方面提供一種影像處理晶片,所述晶片包括:獲取模組,用於獲取圖像採集設備採集的範本圖像;提取模組,用於提取所述範本圖像中的關鍵點,得到關鍵點集;生成模組,用於基於所述關鍵點集中的每個關鍵點生成描述符,得到描述符集;確認模組,用於確認所述描述符集中是否有描述符的描述區域超出所述範本圖像的邊緣;標記模組,用於當存在描述符的描述區域超出所述範本圖像的邊緣時,標記描述區域超出所述範本圖像的邊緣的描述符為目標描述符;所述生成模組,還用於根據所述目標描述符和樣本
圖像重新生成目標描述符;以及更新模組,用於基於重新生成的目標描述符更新所述範本圖像。
根據本申請的一些實施方式,所述生成模組,還用於:計算所述目標描述符中超出所述範本圖像的邊緣的區域的大小;比對計算的區域是否大於或等於預設區域;當所述計算的區域大於或等於所述預設區域時,根據所述目標關鍵點和樣本圖像重新生成目標描述符。
根據本申請的一些實施方式,所述生成模組,還用於:利用所述樣本圖像覆蓋所述目標描述符;根據所述目標描述符獲得所述目標關鍵點;確定所述目標關鍵點在所述樣本圖像中的目標位置;以所述目標位置作為所述樣本圖像的關鍵點,並根據所述樣本圖像的關鍵點重新生成目標描述符。
根據本申請的一些實施方式,所述更新模組還用於:基於重新生成的目標描述符確認範本圖像中的關鍵點;根據所述確認的關鍵點匹配在所述範本圖像中的目標描述符;利用所述重新生成的目標描述符替換匹配的目標描述符,更新所述範本圖像。
本申請第三方面提供一種電子裝置,所述電子裝置包括:處理器;以及記憶體,所述記憶體中存儲有多個程式模組,所述多個程式模組由所述處理器載入並執行如前所述的影像處理方法。
本申請中影像處理方法、晶片及電子裝置,通過確定範本圖像中位於圖像邊緣的關鍵點,並通過樣本圖像將所述關鍵點對應的描述符進行更新,可以增加圖像邊緣處關鍵點被匹配上的可能性,從而提升圖像後續匹配的準確率。
A:範本圖像
B:樣本圖像
A1~A9、B1~B3:關鍵點
DA1~DA9、DB1~DB3:描述符
10:電子裝置
11:記憶體
12:處理器
13:電腦程式
20:影像處理晶片
201:獲取模組
202:提取模組
203:生成模組
204:確認模組
205:標記模組
206:更新模組
圖1是本申請一實施例所提供的影像處理方法的流程示意圖。
圖2是本申請一實施例所提供的範本圖像A中的關鍵點的示意圖。
圖3是本申請一實施例提供的根據範本圖像A中的關鍵點生成的描述符的示意圖。
圖4是本申請一實施例所提供的樣本圖像B覆蓋所述範本圖像A的示意圖。
圖5是本申請實施例所提供的影像處理晶片示意圖。
圖6是本申請一實施方式提供的電子裝置架構示意圖。
為了能夠更清楚地理解本申請的上述目的、特徵和優點,下面結合附圖和具體實施例對本申請進行詳細描述。需要說明的是,在不衝突的情況下,本申請的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本申請,所描述的實施例僅是本申請一部分實施例,而不是全部的實施例。
除非另有定義,本文所使用的所有的技術和科學術語與屬於本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的,不是旨在於限制本申請。
請參閱圖1,圖1為本申請一個實施例提供的影像處理方法的流程示意圖。根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。為了便於說明,僅示出了與本申請實施例相關的部分。如圖1所示,所述影像處理方法包括以下步驟。
步驟S1、獲取圖像採集設備採集的範本圖像。
在一實施方式中,所述圖像採集設備可以是指紋採集設備,所述指紋採集設備可以是設置於手機、平板電腦、工業設備等智慧終端機中的,用
於採集用戶指紋進行身份認證。所述指紋採集設備還可以是設置於考勤裝置中的,用於採集使用者指紋進行考勤等。所述指紋採集設備可以是通過光學指紋採集技術、電容式感測器指紋採集技術、超聲波指紋採集技術、或電磁波指紋採集技術等手段採集指紋圖像的設備。
在其他實施方式中,所述圖像採集設備還可以是攝像頭。所述範本圖像可以是所述攝像頭拍攝的人物圖像、動物圖像、景物圖像等圖像。
在本實施方式中,當圖像採集設備後續在使用過程中採集的圖像需要進行圖像匹配時,可以使用所述範本圖像來對後續採集的圖像進行匹配。然而,由於所述範本圖像可能存在邊緣處的關鍵點的描述符區域不完整,導致匹配效果不佳。為了提升匹配精度,可以通過本申請提供的影像處理方法對所述範本圖像進行處理,補全所述範本圖像的邊緣處的關鍵點的描述符區域。
步驟S2、提取所述範本圖像中的關鍵點,得到關鍵點集。
所述關鍵點表示與所述範本圖像的特徵或特性相關聯的點,且可被稱為興趣點或特徵點。舉例來說,關鍵點可位於所述範本圖像中的物件的輪廓處。例如,所述關鍵點可以是指紋圖像中的細節點,例如,指紋紋線的端點、分叉點、分歧點、孤立點、環點、指紋的中心點、三角點等。所述關鍵點也可以是人臉圖像中的左眼區域、有眼區域、鼻子區域、左嘴角區域以及右嘴角區域等。
在本實施方式中,提取所述範本圖像中的關鍵點的演算法包括Harris角點檢測演算法,尺度不變性特徵變換(Scale-invariant feature transform,SIFT)特徵檢測演算法,加速魯棒性特徵(Speeded Up Robust Features,SURF)特徵檢測演算法,ORB(Oriented FAST and Rotated BRIEF)特徵檢測演算法等。
舉例而言,如圖2所示的範本圖像A,提取所述範本圖像A中的關鍵點A1至關鍵點A9,得到關鍵點集{A1、A2、A3、A4、A5、A6、A7、A8、
A9}。
需要說明的是,在步驟S2之前,所述影像處理方法還可以包括:預處理所述範本圖像的步驟。具體地,所述預處理所述範本圖像包括灰度化所述範本圖像、二值化所述待識別特性等。
步驟S3、基於所述關鍵點集中的每個關鍵點生成描述符,得到描述符集。
在本實施方式中,根據所述範本圖像生成適當的關鍵點,用於創建相應的描述符以表徵所述圖像。在一實施方式中,描述符D可以是SIFT型描述符。具體地,對於每個關鍵點,將所述關鍵點周圍的局部區域順時針旋轉,以確保其旋轉不變性。在旋轉後的區域內,將以關鍵點位置為中心16X16的矩形視窗均勻地分成16個子區域,所述描述符窗口即為16個4×4的子塊。在每個子塊上計算八個方向n*π/4(n=0,1,...7)的梯度累加值,16個子塊一共得到128個值,這個1×128的向量就被定義為一個關鍵點的描述符D。
此外,即使在所討論的示例中參照了SIFT型描述符,類似考慮同樣適用於採用不同類型的描述符(例如,加速魯棒特徵(SURF)和定向梯度長條圖(HOG)或者可能的其它類型)的情況。另外,在其他實施方式中,除了與梯度有關的資料的描述符外,還可以考慮不同類型的描述符,例如,包括與色度梯度、飽和度梯度或者甚至顏色(包括亮度、飽和度和色度)梯度有關的資料。
在本實施方式中,所述描述符可以實現為用於圍繞給定關鍵點的特定半徑(支援區域)的多維描述符(例如128維)。例如,所述特定半徑設置為15個圖元。
如圖3所示的範本圖像A,基於關鍵點集{A1、A2、A3、A4、A5、A6、A7、A8、A9}中的每一關鍵點,可以生成描述符。例如,基於關鍵點A1,可以生成描述符DA1;基於關鍵點A2,可以生成描述符DA2;依此類推,基於關
鍵點A9,可以生成描述符DA9。得到的描述符集為{DA1、DA2、DA3、DA4、DA5、DA6、DA7、DA8、DA9}。
步驟S4、確認所述描述符集中是否有描述符的描述區域超出所述範本圖像的邊緣。當存在描述符的描述區域超出所述範本圖像的邊緣時,流程進入步驟S5;當沒有描述符的描述區域超出所述範本圖像的邊緣時,流程結束。
為了保證關鍵點的描述符的可分性,所述描述符的描述區域會儘量選擇比較大。而為了保證範本圖像中的關鍵點的數量,關鍵點有可能分佈在範本圖像的邊緣區域。這樣有可能導致所述描述符的描述區域會超出圖像的邊緣。例如,如圖3所示的範本圖像A中,描述符DA1、DA2、DA3、DA8、和DA9都超出所述範本圖像的邊緣。
步驟S5、標記描述區域超出所述範本圖像的邊緣的描述符為目標描述符,及標記所述目標描述符中的關鍵點為目標關鍵點。
由於超過範本圖像的邊緣的描述符的資訊不全,在後續進行圖像匹配的過程中會出現匹配效果不佳的情況。因此,本案為瞭解決匹配效果不佳的問題,需要將超出所述範本圖像的邊緣的描述符補充完整,提升圖像匹配精度。
在一實施方式中,在標記所述目標描述符後,可以先判斷是否需要更新所述目標描述符。當所述目標描述符的描述區域超過所述範本圖像的邊緣的區域比較小的時候,所述目標描述符的描述區域能準確描述所述範本圖像,無需更新所述目標描述符;當所述目標描述符的描述區域超過所述範本圖像的邊緣的區域比較大的時候,所述目標描述符不能準確地描述所述範本圖像,需要更新所述目標描述符。
具體地,計算所述目標描述符的描述區域中超出所述範本圖像的邊緣的區域的大小,並比對計算的區域是否大於或等於預設區域。當所述計算
的區域大於或等於所述預設區域時,確認需要更新所述目標描述符,流程進入步驟S6;當所述計算的區域小於所述預設區域時,確認不需要更新所述目標描述符,流程結束。
例如,如圖3所示的範本圖像A中,描述符DA1和DA9的描述區域中超出所述範本圖像的邊緣的區域較小,無需更新描述符DA1和DA9;而描述符DA2、DA3和DA8的描述區域中超出所述範本圖像的邊緣的區域較大,需要更新描述符DA2、DA3和DA8。
步驟S6、根據所述目標關鍵點和樣本圖像重新生成目標描述符。
在本實施方式中,所述樣本圖像為與所述範本圖像匹配的圖像,同時所述樣本圖像完整、品質較好。例如,所述樣本圖像與所述範本圖像之間的相似度大於第一預設值,或者所述樣本圖像中的關鍵點與所述範本圖像中的關鍵點匹配的比例大於第二預設值。需要說明的是,所述樣本圖像具有所述範本圖像中位於邊緣處的關鍵點的完整描述符資訊,即範本圖像邊緣的描述符描述的區域在樣本圖像中對應的區域必須是完整的。
可以理解的是,在本實施方式中,所述樣本圖像可以是預先存儲在所述電子裝置中的圖像,也可以是通過所述圖像採集設備採集的圖像。
具體地,根據所述目標關鍵點和樣本圖像重新生成目標描述符包括:利用所述樣本圖像覆蓋所述目標描述符;根據所述目標描述符獲得所述目標關鍵點;確定所述目標關鍵點在所述樣本圖像中的目標位置;以所述目標位置作為所述樣本圖像的關鍵點,並根據所述樣本圖像的關鍵點重新生成目標描述符。
需要說明的是,所述樣本圖像覆蓋所述目標描述符時,需要將範
本圖像A中在邊緣的關鍵點落在與所述樣本圖像B的重合區域內。如圖4所示,所述範本圖像中的目標關鍵點A2、A3和A8,都落在都所述範本圖像與所述樣本圖像的重合區域內,即被所述樣本圖像B所覆蓋;確定所述目標關鍵點在樣本圖像B中的位置,以確定的位置作為所述樣本圖像B的關鍵點,如關鍵點B1、B2和B3。在所述樣本圖像中,以所述關鍵點B1、B2和B3分別生成目標描述符DB1、DB2和DB3。
步驟S7、基於重新生成的目標描述符更新所述範本圖像。
在本實施方式中,可以以重新生成的目標描述符替換所述範本圖像中的目標描述符。具體地,基於重新生成的目標描述符確認範本圖像中的關鍵點;根據所述確認的關鍵點匹配在所述範本圖像中的目標描述符;以所述重新生成的目標描述圖替換匹配的目標描述符,以更新所述範本圖像。
需要說明的是,所述重新生成的目標描述符的關鍵點與所述範本圖像中的目標描述符的關鍵點對應。例如,如圖4所示,基於重新生成的目標描述符DB1確認範本圖像中的關鍵點A2,根據所述確認的關鍵點A2匹配在所述範本圖像中的目標描述符DA2,最後利用重新生成的目標描述符DB1替換所述範本圖像中的目標描述符DA2。同理,利用重新生成的目標描述符DB2替換所述範本圖像中的目標描述符DA3,以及利用重新生成的目標描述符DB3替換所述範本圖像中的目標描述符DA8。
需要說明的是,在基於重新生成的目標描述符更新所述範本圖像時,還可以增加圖像面積完整性和圖像品質的卡控,保證更新的正確性。
圖1-4詳細介紹了本申請的影像處理,通過所述方法,能夠提高影像處理的效率及準確率。下面結合圖5和圖6,對實現所述影像處理的軟體晶片的功能模組以及硬體裝置架構進行介紹。應該瞭解,所述實施例僅為說明之用,在專利申請範圍上並不受此結構的限制。
圖5為本申請一實施方式提供的影像處理晶片的結構圖。
在一些實施方式中,所述影像處理晶片20可以包括多個由程式碼段所組成的功能模組,以實現影像處理的功能。
參考圖5,本實施方式中,影像處理晶片20根據其所執行的功能,可以被劃分為多個功能模組,所述各個功能模組用於執行圖1對應實施方式中的各個步驟,以實現影像處理的功能。本實施方式中,所述影像處理晶片20的功能模組包括:獲取模組201、提取模組202、生成模組203、確認模組204、標記模組205以及更新模組206。各個功能模組的功能將在下面的實施例中進行詳述。
所述獲取模組201用於獲取圖像採集設備採集的範本圖像。
所述提取模組202用於提取所述範本圖像中的關鍵點,得到關鍵點集。
在一個實施方式中,所述關鍵點可以是指紋圖像中的細節點,例如,指紋紋線的端點、分叉點、分歧點、孤立點、環點、指紋的中心點、三角點等。所述關鍵點也可以是人臉圖像中的左眼區域、有眼區域、鼻子區域、左嘴角區域以及右嘴角區域等。
在本實施方式中,提取所述範本圖像中的關鍵點的演算法包括Harris角點檢測演算法,尺度不變性特徵變換(Scale-invariant feature transform,SIFT)特徵檢測演算法,加速魯棒性特徵(Speeded Up Robust Features,SURF)特徵檢測演算法,ORB(Oriented FAST and Rotated BRIEF)特徵檢測演算法等。
所述生成模組203用於基於所述關鍵點集中的每個關鍵點生成描述符,得到描述符集。
所述確認模組204用於確認所述描述符集中是否有描述符的描述區域超出所述範本圖像的邊緣。
所述標記模組205用於標記描述區域超出所述範本圖像的邊緣的描述符為目標描述符,及標記所述目標描述符中的關鍵點為目標關鍵點。
在一實施方式中,在標記所述目標描述符後,所述標記模組205還用於判斷是否需要更新所述目標描述符。當所述目標描述符的描述區域超過所述範本圖像的邊緣的區域比較小的時候,所述目標描述符的描述區域能準確描述所述範本圖像,無需更新所述目標描述符;當所述目標描述符的描述區域超過所述範本圖像的邊緣的區域比較大的時候,所述目標描述符不能準確地描述所述範本圖像,需要更新所述目標描述符。
所述生成模組204還用於根據所述目標關鍵點和樣本圖像重新生成目標描述符。
具體地,所述生成模組204用於利用所述樣本圖像覆蓋所述目標描述符;根據所述目標描述符獲得所述目標關鍵點;確定所述目標關鍵點在所述樣本圖像中的目標位置;以所述目標位置作為所述樣本圖像的關鍵點,並根據所述樣本圖像的關鍵點重新生成目標描述符。
所述更新模組206用於基於重新生成的目標描述符更新所述範本圖像。
在本實施方式中,可以以重新生成的目標描述符替換所述範本圖像中的目標描述符。具體地,基於重新生成的目標描述符確認範本圖像中的關鍵點;根據所述確認的關鍵點匹配在所述範本圖像中的目標描述符;以所述重新生成的目標描述圖替換匹配的目標描述符,以更新所述範本圖像。
圖6為本申請一實施方式提供的電子裝置的功能模組示意圖。所述電子裝置10包括記憶體11、處理器12以及存儲在所述記憶體11中並可在所述處
理器12上運行的電腦程式13,例如影像處理的程式。
在本實施方式中,所述電子裝置10可以是但不限於智慧手機、平板電腦、智慧工業設備、指紋考勤機等。
所述處理器12執行所述電腦程式13時實現上述方法實施例中影像處理的步驟,用於識別所述指紋採集單元11採集到的指紋圖像。或者,所述處理器13執行所述電腦程式13實現上述晶片實施例中各模組/單元的功能。
示例性的,所述電腦程式13可以被分割成一個或多個模組/單元,所述一個或者多個模組/單元被存儲在所述記憶體11中,並由所述處理器12執行,以完成本申請。所述一個或多個模組/單元可以是能夠完成特定功能的一系列電腦程式指令段,該指令段用於描述所述電腦程式13在所述電子裝置10中的執行過程。例如,所述電腦程式13可以被分割成圖5中的模組201-206。
本領域技術人員可以理解,所述示意圖6僅僅是電子裝置10的示例,並不構成對電子裝置10的限定,電子裝置10可以包括比圖示更多或更少的部件,或者組合某些部件,或者不同的部件,例如所述電子裝置10還可以包括輸入輸出設備等。
所稱處理器12可以是中央處理單元(Central Processing Unit,CPU),還可以包括其他通用處理器、數位訊號處理器(Digital Signal Processor,DSP)、專用積體電路(Application Specific Integrated Circuit,ASIC)、現成可程式設計閘陣列(Field-Programmable Gate Array,FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等,所述處理器12是所述電子裝置10的控制中心,利用各種介面和線路連接整個電子裝置10的各個部分。
所述記憶體11可用於存儲所述電腦程式13和/或模組/單元,所述處理器12通過運行或執行存儲在所述記憶體11內的電腦程式和/或模組/單元,以及
調用存儲在記憶體11內的資料,實現所述電子裝置10的各種功能。記憶體11可以包括外部存儲介質,也可以包括記憶體。此外,記憶體11可以包括高速隨機存取記憶體,還可以包括非易失性記憶體,例如硬碟、記憶體、插接式硬碟,智慧存儲卡(Smart Media Card,SMC),安全數位(Secure Digital,SD)卡,快閃記憶體卡(Flash Card)、至少一個磁碟記憶體件、快閃記憶體器件、或其他易失性固態記憶體件。
所述電子裝置10集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時,可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解,本申請實現上述實施例方法中的全部或部分流程,也可以通過電腦程式來指令相關的硬體來完成,所述的電腦程式可存儲於一電腦可讀存儲介質中,該電腦程式在被處理器執行時,可實現上述各個方法實施例的步驟。需要說明的是,所述電腦可讀介質包含的內容可以根據司法管轄區內立法和專利實踐的要求進行適當的增減,例如在某些司法管轄區,根據立法和專利實踐,電腦可讀介質不包括電載波信號和電信信號。
最後應說明的是,以上實施例僅用以說明本申請的技術方案而非限制,儘管參照較佳實施例對本申請進行了詳細說明,本領域的普通技術人員應當理解,可以對本申請的技術方案進行修改或等同替換,而不脫離本申請技術方案的精神和範圍。
Claims (9)
- 一種影像處理方法,應用於電子裝置,所述方法包括:獲取圖像採集設備採集的範本圖像;提取所述範本圖像中的關鍵點,得到關鍵點集;基於所述關鍵點集中的每個關鍵點生成描述符,得到描述符集;確認所述描述符集中是否有描述符的描述區域超出所述範本圖像的邊緣;當存在描述符的描述區域超出所述範本圖像的邊緣時,標記描述區域超出所述範本圖像的邊緣的描述符為目標描述符,及標記所述目標描述符中的關鍵點為目標關鍵點;根據所述目標關鍵點和樣本圖像重新生成目標描述符;以及基於重新生成的目標描述符更新所述範本圖像,包括:基於重新生成的目標描述符確認範本圖像中的關鍵點;根據所述確認的關鍵點匹配在所述範本圖像中的目標描述符;利用所述重新生成的目標描述符替換匹配的目標描述符,更新所述範本圖像。
- 如請求項1所述之影像處理方法,所述方法還包括:計算所述目標描述符中超出所述範本圖像的邊緣的區域的大小;比對計算的區域是否大於或等於預設區域;當所述計算的區域大於或等於所述預設區域時,根據所述目標關鍵點和樣本圖像重新生成目標描述符。
- 如請求項2所述之影像處理方法,根據所述目標描述符和樣本圖像重新生成目標描述符包括:利用所述樣本圖像覆蓋所述目標描述符;根據所述目標描述符獲得所述目標關鍵點; 確定所述目標關鍵點在所述樣本圖像中的目標位置;以所述目標位置作為所述樣本圖像的關鍵點,並根據所述樣本圖像的關鍵點重新生成目標描述符。
- 如請求項1所述之影像處理方法,所述樣本圖像為與所述範本圖像匹配的圖像。
- 一種影像處理晶片,所述晶片包括:獲取模組,用於獲取圖像採集設備採集的範本圖像;提取模組,用於提取所述範本圖像中的關鍵點,得到關鍵點集;生成模組,用於基於所述關鍵點集中的每個關鍵點生成描述符,得到描述符集;確認模組,用於確認所述描述符集中是否有描述符的描述區域超出所述範本圖像的邊緣;標記模組,用於當存在描述符的描述區域超出所述範本圖像的邊緣時,標記描述區域超出所述範本圖像的邊緣的描述符為目標描述符,及標記所述目標描述符中的關鍵點為目標關鍵點;所述生成模組,還用於根據所述目標關鍵點和樣本圖像重新生成目標描述符;以及更新模組,用於基於重新生成的目標描述符更新所述範本圖像。
- 如請求項5所述之影像處理晶片,所述生成模組,還用於:計算所述目標描述符中超出所述範本圖像的邊緣的區域的大小;比對計算的區域是否大於或等於預設區域;當所述計算的區域大於或等於所述預設區域時,根據所述目標關鍵點和樣本圖像重新生成目標描述符。
- 如請求項5所述之影像處理晶片,所述生成模組還用於: 利用所述樣本圖像覆蓋所述目標描述符;根據所述目標描述符獲得所述目標關鍵點;確定所述目標關鍵點在所述樣本圖像中的目標位置;以所述目標位置作為所述樣本圖像的關鍵點,並根據所述樣本圖像的關鍵點重新生成目標描述符。
- 如請求項5所述之影像處理晶片,所述更新模組還用於:基於重新生成的目標描述符確認範本圖像中的關鍵點;根據所述確認的關鍵點匹配在所述範本圖像中的目標描述符;利用所述重新生成的目標描述符替換匹配的目標描述符,更新所述範本圖像。
- 一種電子裝置,所述電子裝置包括:處理器;以及記憶體,所述記憶體中存儲有多個程式模組,所述多個程式模組由所述處理器載入並執行如請求項1至請求項4中任意一項所述的影像處理方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010671321.X | 2020-07-13 | ||
CN202010671321.XA CN111860272B (zh) | 2020-07-13 | 2020-07-13 | 图像处理方法、芯片及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202117591A TW202117591A (zh) | 2021-05-01 |
TWI796610B true TWI796610B (zh) | 2023-03-21 |
Family
ID=72984323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109137332A TWI796610B (zh) | 2020-07-13 | 2020-10-27 | 影像處理方法、晶片及電子裝置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111860272B (zh) |
TW (1) | TWI796610B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308027B (zh) * | 2020-11-23 | 2022-04-01 | 敦泰电子(深圳)有限公司 | 图像匹配方法、生物识别芯片及电子装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717927A (zh) * | 2019-10-10 | 2020-01-21 | 桂林电子科技大学 | 基于深度学习和视惯融合的室内机器人运动估计方法 |
CN110781911A (zh) * | 2019-08-15 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 一种图像匹配方法、装置、设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106415606B (zh) * | 2014-02-14 | 2019-11-08 | 河谷控股Ip有限责任公司 | 一种基于边缘的识别、系统和方法 |
US9443164B2 (en) * | 2014-12-02 | 2016-09-13 | Xerox Corporation | System and method for product identification |
US9946918B2 (en) * | 2015-11-16 | 2018-04-17 | MorphoTrak, LLC | Symbol detection for desired image reconstruction |
US10152213B2 (en) * | 2016-09-01 | 2018-12-11 | Adobe Systems Incorporated | Techniques for selecting objects in images |
CN106485264B (zh) * | 2016-09-20 | 2019-03-15 | 河南理工大学 | 基于梯度序划分及映射策略的曲线描述及匹配方法 |
CN110197184A (zh) * | 2019-04-19 | 2019-09-03 | 哈尔滨工业大学 | 一种基于傅里叶变换的快速图像sift提取方法 |
CN110765857A (zh) * | 2019-09-12 | 2020-02-07 | 敦泰电子(深圳)有限公司 | 指纹识别方法、芯片及电子装置 |
CN110929741A (zh) * | 2019-11-22 | 2020-03-27 | 腾讯科技(深圳)有限公司 | 图像特征描述子的提取方法、装置、设备及存储介质 |
CN111369605B (zh) * | 2020-02-27 | 2022-08-16 | 河海大学 | 一种基于边缘特征的红外与可见光图像的配准方法和系统 |
-
2020
- 2020-07-13 CN CN202010671321.XA patent/CN111860272B/zh active Active
- 2020-10-27 TW TW109137332A patent/TWI796610B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781911A (zh) * | 2019-08-15 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 一种图像匹配方法、装置、设备及存储介质 |
CN110717927A (zh) * | 2019-10-10 | 2020-01-21 | 桂林电子科技大学 | 基于深度学习和视惯融合的室内机器人运动估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111860272B (zh) | 2023-10-20 |
TW202117591A (zh) | 2021-05-01 |
CN111860272A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10339178B2 (en) | Fingerprint recognition method and apparatus | |
CN102667810B (zh) | 数字图像中的面部识别 | |
Kavitha et al. | Evaluation of distance measures for feature based image registration using alexnet | |
US20160307057A1 (en) | Fully Automatic Tattoo Image Processing And Retrieval | |
KR102558736B1 (ko) | 지문 인식 방법 및 장치 | |
Oldal et al. | Hand geometry and palmprint-based authentication using image processing | |
TWI796610B (zh) | 影像處理方法、晶片及電子裝置 | |
CN113011426A (zh) | 一种识别证件的方法和装置 | |
Ocampo-Vega et al. | Image processing for automatic reading of electro-mechanical utility meters | |
Sivaranjani et al. | Implementation of fingerprint and newborn footprint feature extraction on Raspberry Pi | |
CN115690803A (zh) | 数字图像的识别方法、装置、电子设备及可读存储介质 | |
WO2022199395A1 (zh) | 人脸活体检测方法、终端设备及计算机可读存储介质 | |
KR20210088436A (ko) | 이미지 처리 방법, 장치 및 전자 기기 | |
Fawwad Hussain et al. | Gray level face recognition using spatial features | |
Tiwari et al. | A palmprint based recognition system for smartphone | |
Nawaz et al. | Image authenticity detection using DWT and circular block-based LTrP features | |
Wicht et al. | Mixed handwritten and printed digit recognition in Sudoku with Convolutional Deep Belief Network | |
Verma et al. | Secure rotation invariant face detection system for authentication | |
CN108304838B (zh) | 一种图片信息识别方法及终端 | |
US10503957B2 (en) | Fingerprint authentication system and method | |
CN112308027B (zh) | 图像匹配方法、生物识别芯片及电子装置 | |
CN111914836B (zh) | 一种身份证信息提取方法、装置、设备和介质 | |
CN114677743A (zh) | 人脸摆正方法、装置、计算机设备和存储介质 | |
KR20180065475A (ko) | 지문인식센서 및 터치스크린에 남은 지문을 이용한 지문 이미지 복원 방법 및 장치 | |
CN105787424B (zh) | 一种图像处理方法及装置 |