WO2023173557A1 - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- WO2023173557A1 WO2023173557A1 PCT/CN2022/090742 CN2022090742W WO2023173557A1 WO 2023173557 A1 WO2023173557 A1 WO 2023173557A1 CN 2022090742 W CN2022090742 W CN 2022090742W WO 2023173557 A1 WO2023173557 A1 WO 2023173557A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- image
- grayscale
- value
- preset
- data
- Prior art date
Links
Images
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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种图像处理方法、装置、电子设备及存储介质,属于人工智能技术领域。该方法包括:获取原始图像;对所述原始图像进行灰度处理,得到灰度图像;将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;对所述二值化图像进行指标计算,得到指标数据;对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件,本申请实施例能够保证较好的图像效果。
Description
本申请要求于2022年03月15日提交中国专利局、申请号为202210252464.6,发明名称为“图像处理方法、装置、电子设备及存储介质”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
本申请涉及人工智能技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
针对图像的二值化处理,是指将图像上的像素点的灰度值设置为0或255,即是将整个图像呈现出明显的黑白效果。通过将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。目前,阈值选取方法有双峰法、p参数法、最大类间方差法以及最大熵阈值法等。
以下是发明人意识到的现有技术的技术问题:相关技术中,发明人意识到阈值的选取通常是基于一些确定阈值,来获得最终指标的大小,这些指标主要有p参数法的统计量、类间方差、图像灰度直方图的熵等。然而,通过上述方法所选取的阈值通常较单一,容易导致最终处理得到的图像效果较差。
第一方面,本申请实施例提出了一种图像处理方法,所述方法包括:
获取原始图像;
对所述原始图像进行灰度处理,得到灰度图像;
将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;
对所述二值化图像进行指标计算,得到指标数据;
对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
第二方面,本申请实施例提出了一种图像处理装置,所述装置包括:
图像获取模块,用于获取原始图像;
灰度处理模块,用于对所述原始图像进行灰度处理,得到灰度图像;
二值化模块,用于将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;
指标计算模块,用于对所述二值化图像进行指标计算,得到指标数据;
预设收敛模块,用于对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
第三方面,本申请实施例提出了一种电子设备,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现一种图像处理方法,其中,所述图像处理方法包括:获取原始图像;对所述原始图像进行灰度处理,得到灰度图像;将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;对所述二值化图像进行指标计算,得到指标数据;对所述预设 初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
第四方面,本申请实施例提出了一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行实现一种图像处理方法,其中,所述图像处理方法包括以下步骤:获取原始图像;对所述原始图像进行灰度处理,得到灰度图像;将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;对所述二值化图像进行指标计算,得到指标数据;对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
本申请提出的图像处理方法、装置、电子设备及存储介质,通过获取原始图像,对原始图像进行灰度处理,得到灰度图像,再将灰度图像对应的像素值与预设初始阈值进行比较,得到比较结果,之后根据比较结果对灰度图像进行二值化处理,得到二值化图像,对二值化图像进行指标计算,得到指标数据,对预设初始阈值进行调整,以更新指标数据,直至满足预设收敛条件。通过动态调整预设初始阈值的方式,使得阈值的选取更有目的性,并且不断地迭代优化至满足预设收敛条件,相比相关技术,本申请实施例的阈值的选取更加灵活,进而使得最终处理得到的图像效果更好,能够保证较好的图像效果。
图1是本申请实施例提供的图像处理方法的流程示意图;
图2是图1中的步骤S103的子流程示意图;
图3是图2中的步骤S204的子流程示意图;
图4是图1中的步骤S104的子流程示意图;
图5是图1中的步骤S105的子流程示意图;
图6是图1中的步骤S105的另一子流程示意图;
图7是本申请实施例提供的图像处理装置的结构示意图;
图8是本申请实施例提供的电子设备的硬件结构示意图。
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,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
首先,对本申请中涉及的若干名词进行解析:
人工智能(Artificial Intelligence,AI):是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学;人工智能是计算机科学的一个分支,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、 方法、技术及应用系统。
自然语言处理(Natural Language Processing,NLP):NLP用计算机来处理、理解以及运用人类语言(如中文、英文等),NLP属于人工智能的一个分支,是计算机科学与语言学的交叉学科,又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域,它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。
灰度:使用黑色调表示物体,即用黑色为基准色,不同的饱和度的黑色来显示图像。每个灰度对象都具有从0%(白色)到100%(黑色)的亮度值。使用黑白或灰度扫描仪生成的图像通常以灰度显示。在计算机领域中,灰度(Gray Scale)数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。但是,在数字图像领域之外,“黑白图像”也表示“灰度图像”,例如灰度的照片通常叫做“黑白照片”。
F指标(F-Measure,FM):应用到分类时,需要综合考虑精度,召回。选取一个阈值,F-Measure是选取这个阈值的常用手段。F指标=正确率*召回率*2/(正确率+召回率),即F指标为正确率和召回率的调和平均值。
峰值信噪比(Peak Signal To Noise Ratio,PNSR):是一个表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值的工程术语。由于许多信号都有非常宽的动态范围,峰值信噪比常用对数分贝单位来表示。峰值信噪比经常用作图像压缩等领域中信号重建质量的测量方法,常简单地通过均方误差(MSE)进行定义。
均方误差(Mean Squared Error,MSE):是反映估计量与被估计量之间差异程度的一种度量。设t是根据子样确定的总体参数θ的一个估计量,(θ-t)
2的数学期望,称为估计量t的均方误差。它等于σ
2+b
2,其中σ
2与b分别是t的方差与偏倚。
针对图像的二值化处理,是指将图像上的像素点的灰度值设置为0或255,即是将整个图像呈现出明显的黑白效果。通过将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
目前,阈值选取方法有双峰法(即背景与目标直方图两波峰间的波谷代表的灰度值作为阈值)、p参数法(即使统计量最小的灰度值)、最大类间方差法(即图像灰度分成两组的最大方差对应的灰度值)以及最大熵阈值法(即使得图像灰度直方图的熵达到最大的灰度值)等。相关技术中,阈值的选取通常是基于一些确定阈值,例如F指标(F-Measure,FM)、峰值信噪比(Peak Signal To Noise Ratio,PNSR)、均方误差(Mean Squared Error,MSE)等来获得最终指标的大小,这些指标主要有p参数法的统计量、类间方差、图像灰度直方图的熵等。然而,通过上述方法所选取的阈值通常较单一,例如大多为一次即定,容易导致最终处理得到的图像效果较差。因此,如何提供一种图像处理方法,保证较好的图像效果,成为了亟待解决的技术问题。
基于此,本申请实施例提供了一种图像处理方法、装置、电子设备及存储介质,旨在保证较好的图像效果。本申请实施例提供的图像处理方法可应用于图像处理、图像分析等。
本申请实施例提供的图像处理方法、装置、电子设备及存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的图像处理方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数 据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的图像处理方法,涉及人工智能技术领域。本申请实施例提供的图像处理方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现图像处理方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
图1是本申请实施例提供的图像处理方法的一个可选的流程示意图,图1中的方法可以包括但不限于包括步骤S101至步骤S105。
步骤S101,获取原始图像;
步骤S102,对原始图像进行灰度处理,得到灰度图像;
步骤S103,将灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对灰度图像进行二值化处理,得到二值化图像;
步骤S104,对二值化图像进行指标计算,得到指标数据;
步骤S105,对预设初始阈值进行调整,以更新指标数据,直至满足预设收敛条件。
本申请实施例的步骤S101至步骤S105,通过获取原始图像,对原始图像进行灰度处理,得到灰度图像,再将灰度图像对应的像素值与预设初始阈值进行比较,得到比较结果,之后根据比较结果对灰度图像进行二值化处理,得到二值化图像,对二值化图像进行指标计算,得到指标数据,通过对预设初始阈值进行调整,以更新指标数据,直至满足预设收敛条件。通过动态调整预设初始阈值的方式,使得阈值的选取更有目的性,并且不断地迭代优化至满足预设收敛条件,相比相关技术,本申请实施例的阈值的选取更加灵活,进而使得最终处理得到的图像效果更好,能够保证较好的图像效果。
可以理解的是,本申请实施例通过迭代更新以不断获取更好的预设初始阈值。
需说明的是,迭代法又称最佳阈值法,即利用初始值,计算两类各自的灰度均值,再取平均值,如此迭代,与k均值聚类类似。
请参阅图2,在一些实施例中,步骤S103可以包括但不限于包括步骤S201至步骤S204:
步骤S201,获取预设初始阈值和灰度图像对应的若干个像素值;
步骤S202,当像素值大于或等于预设初始阈值,将像素值设置为第一灰度值;
步骤S203,当像素值小于预设初始阈值,将像素值设置为第二灰度值;
步骤S204,根据第一灰度值和第二灰度值对灰度图像进行二值化处理,得到二值化图像。
在一些实施例的步骤S201中,获取预设初始阈值,例如在一些实施例中,预设初始阈值可以为灰度图像中所有像素点对应的平均值,在其他实施例中也可以为其他数值,本申请实施例对此不作具体限定;以及获取灰度图像中对应的多个像素值。
在一些实施例的步骤S202中,将灰度图像对应的像素值与预设初始阈值进行比较,当像素值大于或等于预设初始阈值,例如,灰度图像对应的某一像素值大于75,则将该像素值设 置为第一灰度值。
在一些实施例的步骤S203中,将灰度图像对应的像素值与预设初始阈值进行比较,当像素值小于预设初始阈值,例如,灰度图像对应的某一像素值小于75,则将该像素值设置为第二灰度值。
在一些实施例的步骤S204中,对灰度图像中对应的所有像素点所对应的像素值均进行上述的比较和二值化处理,得到每一像素值对应的第一灰度值或第二灰度值。
可以理解的是,要进行二值化图像的分析与处理,首先要将灰度图像作二值化处理,以得到二值化图像。为了得到理想的二值化图像,一般采用封闭、连通的边界定义不交叠的区域。所有大于或等于预设初始阈值的像素值被判定为属于特定物体,其灰度值可表示为255,否则这些像素点对应的像素值将被排除在特定物体区域以外,灰度值可表示为0,表示背景或者除特定物体区域之外的区域。本申请实施例具体通过根据第一灰度值和第二灰度值对灰度图像进行二值化处理,得到二值化图像。
可以理解的是,由于本申请实施例是对灰度图像作二值化处理,而二值化处理具体是将灰度图像上的像素点对应的像素值设置为0或255,以使得经过二值化处理后得到的二值化图像能够呈现出明显的黑白效果的过程。故,本申请实施例的第一灰度值可以为255,表示为黑,第二灰度值可以为0,表示为白。
可以理解的是,在其他实施例中,还可将第一灰度值设置为225或其他数值等,本申请实施例对此不作具体限定。
请参阅图3,在一些实施例中,二值化图像包括第一图像区域和第二图像区域,步骤S204可以包括但不限于包括步骤S301至步骤S302:
步骤S301,根据第一灰度值对灰度图像进行区域分割处理,得到第一图像区域;
步骤S302,根据第二灰度值对灰度图像进行区域分割处理,得到第二图像区域。
在一些实施例的步骤S301中,第一灰度值可以为255,根据第一灰度值对灰度图像进行区域分割,以将第一灰度值对应的像素点所形成的区域,作为第一图像区域,则本申请实施例的第一图像区域可以表示为特定物体区域,且表征为黑色区域。
在一些实施例的步骤S302中,第二灰度值可以为0,根据第二灰度值对灰度图像进行区域分割,以将第二灰度值对应的像素点所形成的区域,作为第二图像区域,则本申请实施例的第二图像区域可以表示为除特定物体区域之外的区域或背景,且表征为白色区域。
本申请实施例通过获取二值化图像,有利于在对二值化图像做进一步处理时,针对二值化图像的集合性质只与第一灰度值为255或者第二灰度值为0对应的像素点的位置有关,无需涉及像素的多级值,使图像的处理变得简单,并且使得数据的处理和压缩量小。
请参阅图4,在一些实施例中,步骤S104可以包括但不限于包括步骤S401至步骤S402:
步骤S401,计算第一图像区域对应的第一距离参数数据、第二图像区域对应的第二距离参数数据和图像清晰度数据;
步骤S402,根据第一距离参数数据、第二距离参数数据、图像清晰度数据和预设指标计算公式,计算得到指标数据。
在一些实施例的步骤S401中,第一距离参数数据表征第一图像区域对应的第一灰度值为第一错误值时,第一错误值对应的像素点到二值化图像轮廓的距离,第二距离参数数据表征第二图像区域对应的第二灰度值为第二错误值时,第二错误值对应的像素点到二值化图像轮廓的距离。
可以理解的是,错误值表示经过上述比较、二值化处理后所得到的灰度值为错误的值。例如,在一些实施例中,定义第一图像区域即黑色区域为阴性,第二图像区域即白色区域为阳性,第一错误值对应的像素值所对应的像素点表示为假阳性,第二错误值对应的像素值所对应的像素点表示为假阴性,则:
假阳性指的是,假阳性对应的像素点原属于阴性,根据预设初始阈值进行比较、二值化处理后,所得到的该像素点所对应的像素值被设置为了第二灰度值,即设置为属于阳性,则 表示该像素点为假阳性;
假阴性指的是,假阴性对应的像素点原属于阳性,根据预设初始阈值进行比较、二值化处理后,所得到的该像素点所对应的像素值被设置为了第一灰度值,即设置为属于阴性,则表示该像素点为假阴性;
获取假阴性的个数,用i表示,假阴性与第一错误值一一对应;
获取假阳性的个数,用j表示,假阳性与第二错误值一一对应,其中,i、j=0,1,2,3…N。
由于相关技术中的图像指标的侧重点是将黑白区域分开,但对图像清晰度等没有特别要求。而本申请实施例通过计算第一图像区域对应的第一距离参数数据、第二图像区域对应的第二距离参数数据和图像清晰度数据,再根据第一距离参数数据、第二距离参数数据、图像清晰度数据和预设指标计算公式,计算得到指标数据,使得指标数据中考虑到了图像清晰度,进而使得最终处理得到的图像效果更好,以保证较好的图像效果。
可以理解的是,图像清晰度数据可以表征为代表黑白区域(即二值化图像中的第一图像区域和第二图像区域)分开程度的白色区域(即第二图像区域)占比。
在一些实施例中,预设指标计算公式如下:
其中,I表示指标数据,
表示二值化图像中第i个第一距离参数数据,FN(False Negative)表示第一错误值,
表示二值化图像中第j个第二距离参数数据,FP(False Positive)表示第二错误值,i、j均为整数,D表示归一化因子,归一化因子为二值化图像对应的像素点到二值化图像轮廓的距离的和,S
total表示二值化图像对应的图像总面积,S
white表示第二图像区域对应的图像面积。
可以理解的是,本申请实施例中的指标数据包括第一指标数据、第二指标数据和图像清晰度数据,其中,第一指标数据为
第一指标数据表征第一图像区域即黑色区域对应的指标数据,其根据第一距离参数数据和归一化因子计算得到;第二指标数据为
第二指标数据表征第二图像区域即白色区域对应的指标数据,其根据第二距离参数数据和归一化因子计算得到;图像清晰度数据为
其根据二值化图像对应的图像总面积和第二图像区域对应的图像面积计算得到。本申请实施例防止数据溢出,将图像清晰度数据的分母设置为二值化图像对应的图像总面积和第二图像区域(即白色区域)对应的图像面积之和。
本申请实施例通过选取将黑白区域分开的指标(即第一指标数据和第二指标数据)和图像清晰度数据结合的方法,计算得到最终的指标数据。指标数据可以表征图像整合性能与黑白区域分开程度的白色区域占比。
可以理解的是,指标数据越小,图像整合性能以及黑白区域分开程度能力都更好,即表示图像的最终效果也更好。
请参阅图5,在一些实施例中,步骤S105中的预设收敛条件可以包括但不限于包括步骤S501至步骤S503的之一:
步骤S501,指标数据满足预设目标阈值;或者,
步骤S502,灰度图像中超过预设比例的像素值,对应的第一灰度值与调整前对应的第一灰度值相同;或者,
步骤S503,灰度图像中超过预设比例的像素值,对应的第二灰度值与调整前对应的第二灰度值相同。
在一些实施例的步骤S501中,当指标数据满足预设目标阈值,表示满足预设收敛条件, 此时满足预设目标阈值的指标数据对应的二值化图像为最终输出的图像。可以理解的是,预设目标阈值可进行预设,本申请实施例对此不作具体限定。例如可以通过多次测试检验对比得到最好效果的测试图像,将最好效果的测试图像对应的当前指标数据作为预设目标阈值,以使得在对二值化图像的实际处理中,通过不断对预设初始阈值进行调整,以更新指标数据,直至指标数据满足预设目标阈值,以输出得到满足预设目标阈值的指标数据所对应的二值化图像,所得到的二值化图像清晰度较高且黑白区域分开程度更好。
可以理解的是,由于指标数据可以表征图像整合性能与黑白区域分开程度的白色区域占比,故指标数据对应的预设目标阈值还可以人为设置,例如根据不同精度要求进行设置,如0.5、0.1等。
在一些实施例的步骤S502中,当灰度图像中超过预设比例的像素值对应的第一灰度值与调整前对应的第一灰度值相同,或者在一些实施例的步骤S503中,当灰度图像中超过预设比例的像素值对应的第二灰度值与调整前对应的第二灰度值相同,表示满足预设收敛条件,此时二值化图像为最终输出的图像。可以理解的是,步骤S502和步骤S503,均表示通过不断迭代至收敛,即满足了预设收敛条件。可理解为,此时的灰度图像中,超过预设比例,例如预设比例为80%的像素值所对应的第一灰度值或第二灰度值不再改变,即调整后的第一灰度值与对应的调整前第一灰度值相同,或者,调整后的第二灰度值与对应的调整前第二灰度值相同,则表示满足预设收敛条件。
请参阅图6,在一些实施例中,步骤S105可以包括但不限于包括步骤S601至步骤S604:
步骤S601,根据预设初始阈值进行区间划分,得到若干阈值区间;
步骤S602,对每一阈值区间分别进行平均值计算,得到若干均值数据;
步骤S603,将每一均值数据分别作为预设初始阈值,以更新每一均值数据对应的指标数据;
步骤S604,当更新后的指标数据小于对应的更新前的指标数据,重新进行区间划分,直至满足预设收敛条件。
具体地,假设对于灰度图像,其对应的像素值为
则根据该灰度图像对应的像素值设置预设初始阈值为75,可以理解的是,75为该灰度图像对应的像素值的均值。之后将灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对灰度图像进行二值化处理,得到二值化图像,故得到本实施例的二值化图像对应的二值化像素矩阵为
对该二值化图像对应的二值化像素矩阵进行指标计算,得到指标数据。
之后对预设初始阈值进行调整,以更新指标数据,直至满足预设收敛条件。例如,根据预设初始阈值进行区间划分,得到若干阈值区间。可理解的是,本实施例的预设初始阈值为75,则可进行区间划分得到第一阈值区间为[0,75]以及第二阈值区间为(75,255]。
再对每一阈值区间分别进行平均值计算,得到若干均值数据,例如对第一阈值区间进行平均值计算,得到第一均值数据为37.5,对第二阈值区间进行平均值计算,得到第二均值数据为90。
通过将每一均值数据分别作为预设初始阈值,以更新每一均值数据对应的指标数据,例如将第一均值数据作为预设初始阈值,即预设初始阈值为37.5,重新将预设初始阈值和灰度图像对应的像素值进行比较,并根据比较结果对灰度图像进行二值化处理,得到调整后的二值化图像,对调整后的二值化图像进行指标计算,得到更新后的指标数据;又例如将第二均值数据作为预设初始阈值,即预设初始阈值为90,重新将预设初始阈值和灰度图像对应的像素值进行比较,并根据比较结果对灰度图像进行二值化处理,得到调整后的二值化图像,对调整后的二值化图像进行指标计算,得到更新后的指标数据。
可以理解的是,本申请实施例的指标数据越小,则表示图像整合性能以及黑白区域分开 程度能力都更好。因此,本申请实施例需要比较更新后的指标数据与更新前的指标数据。当更新后的指标数据下降了,则需要根据更新后的指标数据所对应的阈值区间,重新设置预设初始阈值。即当更新后的指标数据小于对应的更新前的指标数据,重新进行区间划分,直至满足预设收敛条件。
例如,在第一阈值区间为[0,75]中,其对应的第一均值数据为37.5,即预设初始阈值调整为37.5。假设根据调整的预设初始阈值,得到更新后的指标数据比更新前的指标数据更小,则根据调整的预设初始阈值重新进行区间划分,例如根据预设初始阈值为37.5进行区间划分,得到阈值区间为:(1,37.5)和(37.5,75)。之后重复执行步骤S602至步骤S604,直至满足预设收敛条件。
本申请实施例通过步骤S601至步骤S604,不断迭代更新指标数据,以便获取更好的指标数据,通过动态调整的方法,使得预设初始阈值的选取更有目的性,并且不断地迭代优化至收敛,比相关技术中的“一刀切”式的选取更加灵活,效果更好。
本申请实施例通过对图像清晰度数据中分母的处理,即将白色区域占比取倒数,能够有效地防止溢出,进而使得指标数据更加综合全面。
具体地,本申请实施例通过获取原始图像,对原始图像进行灰度处理,得到灰度图像,再将灰度图像对应的像素值与预设初始阈值进行比较,得到比较结果,之后根据比较结果对灰度图像进行二值化处理,得到二值化图像,对二值化图像进行指标计算,得到指标数据,通过不断对预设初始阈值进行调整,以更新指标数据,直至满足预设收敛条件。通过动态调整预设初始阈值的方式,使得阈值的选取更有目的性,并且不断地迭代优化至满足预设收敛条件,相比相关技术,本申请实施例的阈值的选取更加灵活,进而使得最终处理得到的图像效果更好,能够保证较好的图像效果。
请参阅图7,本申请实施例还提供一种图像处理装置,可以实现上述图像处理方法,该装置包括:
图像获取模块701,用于获取原始图像;
灰度处理模块702,用于对原始图像进行灰度处理,得到灰度图像;
二值化模块703,用于将灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对灰度图像进行二值化处理,得到二值化图像;
指标计算模块704,用于对二值化图像进行指标计算,得到指标数据;
预设收敛模块705,用于对预设初始阈值进行调整,以更新指标数据,直至满足预设收敛条件。
本申请实施例还提供了一种电子设备,电子设备包括:存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线,所述程序被处理器执行时实现一种图像处理方法,其中,所述图像处理方法包括以下步骤:获取原始图像;对所述原始图像进行灰度处理,得到灰度图像;将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;对所述二值化图像进行指标计算,得到指标数据;对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图8,图8示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器801,可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器802,可以采用只读存储器(Read Only Memory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory,RAM)等形式实现。存储器802可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器802中,并由处理器801来调用执行本申请实施例的图像 处理方法;
输入/输出接口803,用于实现信息输入及输出;
通信接口804,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线805,在设备的各个组件(例如处理器801、存储器802、输入/输出接口803和通信接口804)之间传输信息;
其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线805实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行实现一种图像处理方法,其中,所述图像处理方法包括以下步骤:获取原始图像;对所述原始图像进行灰度处理,得到灰度图像;将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;对所述二值化图像进行指标计算,得到指标数据;对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。所述计算机可读存储介质可以是非易失性,也可以是易失性。
本申请实施例的图像处理方法、图像处理装置、电子设备及存储介质,其通过获取原始图像,对原始图像进行灰度处理,得到灰度图像,再将灰度图像对应的像素值与预设初始阈值进行比较,得到比较结果,之后根据比较结果对灰度图像进行二值化处理,得到二值化图像,对二值化图像进行指标计算,得到指标数据,通过不断对预设初始阈值进行调整,以更新指标数据,直至满足预设收敛条件。通过动态调整预设初始阈值的方式,使得阈值的选取更有目的性,并且不断地迭代优化至满足预设收敛条件,相比相关技术,本申请实施例的阈值的选取更加灵活,进而使得最终处理得到的图像效果更好,能够保证较好的图像效果。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1-6中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个 以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (20)
- 一种图像处理方法,其中,所述方法包括:获取原始图像;对所述原始图像进行灰度处理,得到灰度图像;将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;对所述二值化图像进行指标计算,得到指标数据;对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
- 根据权利要求1所述的图像处理方法,其中,所述将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像的步骤,包括:获取预设初始阈值和所述灰度图像对应的若干个像素值;当所述像素值大于或等于所述预设初始阈值,将所述像素值设置为第一灰度值;当所述像素值小于所述预设初始阈值,将所述像素值设置为第二灰度值;根据所述第一灰度值和所述第二灰度值对所述灰度图像进行二值化处理,得到二值化图像。
- 根据权利要求2所述的图像处理方法,其中,所述二值化图像包括第一图像区域和第二图像区域,所述根据所述第一灰度值和所述第二灰度值对所述灰度图像进行二值化处理,得到二值化图像的步骤,包括:根据所述第一灰度值对所述灰度图像进行区域分割处理,得到所述第一图像区域;根据所述第二灰度值对所述灰度图像进行区域分割处理,得到所述第二图像区域。
- 根据权利要求3所述的图像处理方法,其中,所述对所述二值化图像进行指标计算,得到指标数据的步骤,包括:计算所述第一图像区域对应的第一距离参数数据、所述第二图像区域对应的第二距离参数数据和图像清晰度数据,其中,所述第一距离参数数据表征所述第一图像区域对应的第一灰度值为第一错误值时,所述第一错误值对应的像素点到二值化图像轮廓的距离,所述第二距离参数数据表征所述第二图像区域对应的第二灰度值为第二错误值时,所述第二错误值对应的像素点到二值化图像轮廓的距离;根据所述第一距离参数数据、所述第二距离参数数据、所述图像清晰度数据和预设指标计算公式,计算得到所述指标数据。
- 根据权利要求2至5任一项所述的图像处理方法,其中,所述预设收敛条件包括如下之一:所述指标数据满足预设目标阈值;或者,所述灰度图像中超过预设比例的像素值,对应的所述第一灰度值与调整前对应的所述第一灰度值相同;或者,所述灰度图像中超过预设比例的像素值,对应的所述第二灰度值与调整前对应的所述第 二灰度值相同。
- 根据权利要求1至5任一项所述的图像处理方法,其中,所述对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件的步骤,包括:根据所述预设初始阈值进行区间划分,得到若干阈值区间;对每一所述阈值区间分别进行平均值计算,得到若干均值数据;将每一所述均值数据分别作为所述预设初始阈值,以更新每一所述均值数据对应的所述指标数据;当更新后的所述指标数据小于对应的更新前的所述指标数据,重新进行所述区间划分,直至满足所述预设收敛条件。
- 一种图像处理装置,其中,所述装置包括:图像获取模块,用于获取原始图像;灰度处理模块,用于对所述原始图像进行灰度处理,得到灰度图像;二值化模块,用于将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;指标计算模块,用于对所述二值化图像进行指标计算,得到指标数据;预设收敛模块,用于对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
- 一种电子设备,其中,所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现一种图像处理方法:其中,所述图像处理方法包括:获取原始图像;对所述原始图像进行灰度处理,得到灰度图像;将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;对所述二值化图像进行指标计算,得到指标数据;对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
- 根据权利要求9所述的电子设备,其中,所述将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像的步骤,包括:获取预设初始阈值和所述灰度图像对应的若干个像素值;当所述像素值大于或等于所述预设初始阈值,将所述像素值设置为第一灰度值;当所述像素值小于所述预设初始阈值,将所述像素值设置为第二灰度值;根据所述第一灰度值和所述第二灰度值对所述灰度图像进行二值化处理,得到二值化图像。
- 根据权利要求10所述的电子设备,其中,所述二值化图像包括第一图像区域和第二图像区域,所述根据所述第一灰度值和所述第二灰度值对所述灰度图像进行二值化处理,得到二值化图像的步骤,包括:根据所述第一灰度值对所述灰度图像进行区域分割处理,得到所述第一图像区域;根据所述第二灰度值对所述灰度图像进行区域分割处理,得到所述第二图像区域。
- 根据权利要求11所述的电子设备,其中,所述对所述二值化图像进行指标计算,得到指标数据的步骤,包括:计算所述第一图像区域对应的第一距离参数数据、所述第二图像区域对应的第二距离参数数据和图像清晰度数据,其中,所述第一距离参数数据表征所述第一图像区域对应的第一灰度值为第一错误值时,所述第一错误值对应的像素点到二值化图像轮廓的距离,所述第二距离参数数据表征所述第二图像区域对应的第二灰度值为第二错误值时,所述第二错误值对 应的像素点到二值化图像轮廓的距离;根据所述第一距离参数数据、所述第二距离参数数据、所述图像清晰度数据和预设指标计算公式,计算得到所述指标数据。
- 根据权利要求10至13任一项所述的电子设备,其中,所述预设收敛条件包括如下之一:所述指标数据满足预设目标阈值;或者,所述灰度图像中超过预设比例的像素值,对应的所述第一灰度值与调整前对应的所述第一灰度值相同;或者,所述灰度图像中超过预设比例的像素值,对应的所述第二灰度值与调整前对应的所述第二灰度值相同。
- 一种存储介质,所述存储介质为计算机可读存储介质,用于计算机可读存储,其中,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行实现一种图像处理方法,其中,所述图像处理方法包括以下步骤:获取原始图像;对所述原始图像进行灰度处理,得到灰度图像;将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像;对所述二值化图像进行指标计算,得到指标数据;对所述预设初始阈值进行调整,以更新所述指标数据,直至满足预设收敛条件。
- 根据权利要求15所述的存储介质,其中,所述将所述灰度图像对应的像素值与预设初始阈值进行比较,并根据比较结果对所述灰度图像进行二值化处理,得到二值化图像的步骤,包括:获取预设初始阈值和所述灰度图像对应的若干个像素值;当所述像素值大于或等于所述预设初始阈值,将所述像素值设置为第一灰度值;当所述像素值小于所述预设初始阈值,将所述像素值设置为第二灰度值;根据所述第一灰度值和所述第二灰度值对所述灰度图像进行二值化处理,得到二值化图像。
- 根据权利要求16所述的存储介质,其中,所述二值化图像包括第一图像区域和第二图像区域,所述根据所述第一灰度值和所述第二灰度值对所述灰度图像进行二值化处理,得到二值化图像的步骤,包括:根据所述第一灰度值对所述灰度图像进行区域分割处理,得到所述第一图像区域;根据所述第二灰度值对所述灰度图像进行区域分割处理,得到所述第二图像区域。
- 根据权利要求17所述的存储介质,其中,所述对所述二值化图像进行指标计算,得到指标数据的步骤,包括:计算所述第一图像区域对应的第一距离参数数据、所述第二图像区域对应的第二距离参数数据和图像清晰度数据,其中,所述第一距离参数数据表征所述第一图像区域对应的第一灰度值为第一错误值时,所述第一错误值对应的像素点到二值化图像轮廓的距离,所述第二 距离参数数据表征所述第二图像区域对应的第二灰度值为第二错误值时,所述第二错误值对应的像素点到二值化图像轮廓的距离;根据所述第一距离参数数据、所述第二距离参数数据、所述图像清晰度数据和预设指标计算公式,计算得到所述指标数据。
- 根据权利要求16至19任一项所述的存储介质,其中,所述预设收敛条件包括如下之一:所述指标数据满足预设目标阈值;或者,所述灰度图像中超过预设比例的像素值,对应的所述第一灰度值与调整前对应的所述第一灰度值相同;或者,所述灰度图像中超过预设比例的像素值,对应的所述第二灰度值与调整前对应的所述第二灰度值相同。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210252464.6A CN114627146A (zh) | 2022-03-15 | 2022-03-15 | 图像处理方法、装置、电子设备及存储介质 |
CN202210252464.6 | 2022-03-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023173557A1 true WO2023173557A1 (zh) | 2023-09-21 |
Family
ID=81901185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2022/090742 WO2023173557A1 (zh) | 2022-03-15 | 2022-04-29 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114627146A (zh) |
WO (1) | WO2023173557A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036364A (zh) * | 2023-10-09 | 2023-11-10 | 全芯智造技术有限公司 | 图像处理方法及装置、存储介质、计算设备 |
CN117237232A (zh) * | 2023-11-10 | 2023-12-15 | 山东天意机械股份有限公司 | 基于图像去噪的建材生产环境粉尘在线监测方法 |
CN117689491A (zh) * | 2024-02-02 | 2024-03-12 | 正大农业科学研究有限公司 | 虾料自动投放方法、装置、系统、电子设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116996698A (zh) * | 2023-08-16 | 2023-11-03 | 武汉精臣智慧标识科技有限公司 | 一种图像点阵数据压缩方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110043864A1 (en) * | 2009-08-21 | 2011-02-24 | Konica Minolta Systems Laboratory, Inc. | Deblurring and supervised adaptive thresholding for print-and-scan document image evaluation |
CN104239850A (zh) * | 2014-07-16 | 2014-12-24 | 华南理工大学 | 基于图像综合特征的答题卡填涂信息自动识别方法 |
CN104866850A (zh) * | 2015-05-13 | 2015-08-26 | 湘潭大学 | 一种文本图像二值化的优化方法 |
CN106530279A (zh) * | 2016-10-15 | 2017-03-22 | 扬州奥泰光电生物技术有限公司 | 一种图像处理方法及系统 |
CN111986222A (zh) * | 2020-08-21 | 2020-11-24 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 基于自适应混合阈值的智能电表芯片图像二值化处理方法 |
-
2022
- 2022-03-15 CN CN202210252464.6A patent/CN114627146A/zh active Pending
- 2022-04-29 WO PCT/CN2022/090742 patent/WO2023173557A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110043864A1 (en) * | 2009-08-21 | 2011-02-24 | Konica Minolta Systems Laboratory, Inc. | Deblurring and supervised adaptive thresholding for print-and-scan document image evaluation |
CN104239850A (zh) * | 2014-07-16 | 2014-12-24 | 华南理工大学 | 基于图像综合特征的答题卡填涂信息自动识别方法 |
CN104866850A (zh) * | 2015-05-13 | 2015-08-26 | 湘潭大学 | 一种文本图像二值化的优化方法 |
CN106530279A (zh) * | 2016-10-15 | 2017-03-22 | 扬州奥泰光电生物技术有限公司 | 一种图像处理方法及系统 |
CN111986222A (zh) * | 2020-08-21 | 2020-11-24 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 基于自适应混合阈值的智能电表芯片图像二值化处理方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036364A (zh) * | 2023-10-09 | 2023-11-10 | 全芯智造技术有限公司 | 图像处理方法及装置、存储介质、计算设备 |
CN117036364B (zh) * | 2023-10-09 | 2024-01-02 | 全芯智造技术有限公司 | 图像处理方法及装置、存储介质、计算设备 |
CN117237232A (zh) * | 2023-11-10 | 2023-12-15 | 山东天意机械股份有限公司 | 基于图像去噪的建材生产环境粉尘在线监测方法 |
CN117237232B (zh) * | 2023-11-10 | 2024-02-02 | 山东天意机械股份有限公司 | 基于图像去噪的建材生产环境粉尘在线监测方法 |
CN117689491A (zh) * | 2024-02-02 | 2024-03-12 | 正大农业科学研究有限公司 | 虾料自动投放方法、装置、系统、电子设备及存储介质 |
CN117689491B (zh) * | 2024-02-02 | 2024-05-07 | 正大农业科学研究有限公司 | 虾料自动投放方法、装置、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114627146A (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023173557A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US11334763B2 (en) | Image processing methods, training methods, apparatuses, devices, media, and programs | |
JP6994588B2 (ja) | 顔特徴抽出モデル訓練方法、顔特徴抽出方法、装置、機器および記憶媒体 | |
US9697423B1 (en) | Identifying the lines of a table | |
US7925650B2 (en) | Image management methods, image management systems, and articles of manufacture | |
WO2022121218A1 (zh) | 智能图像识别方法、装置、计算机设备及存储介质 | |
WO2023137914A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
RU2640296C1 (ru) | Способ и устройство для определения пригодности документа для оптического распознавания символов (ocr) на сервере | |
CN110222694B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
WO2024036847A1 (zh) | 图像处理方法和装置、电子设备和存储介质 | |
CN113343958B (zh) | 一种文本识别方法、装置、设备及介质 | |
CN111583274A (zh) | 图像分割方法、装置、计算机可读存储介质及电子设备 | |
EP4365755A1 (en) | Method for identifying clarity of well logging image, apparatus, medium, and electronic device | |
CN112581355A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN106503112B (zh) | 视频检索方法和装置 | |
US9424484B2 (en) | Feature interpolation | |
WO2023240992A1 (zh) | 图像聚类方法、装置、设备及计算机可读存储介质 | |
CN115546554A (zh) | 敏感图像的识别方法、装置、设备和计算机可读存储介质 | |
CN110545427A (zh) | 一种pdf文档压缩方法、装置及电子设备 | |
CN105607886A (zh) | 一种基于物联网的教育云视频数据显示处理系统及方法 | |
CN111899239A (zh) | 图像处理方法和装置 | |
CN111159976A (zh) | 文本位置标注方法、装置 | |
CN111242047A (zh) | 图像处理方法和装置、电子设备及计算机可读存储介质 | |
EP3893479A1 (en) | Image processing method and apparatus, electronic device and computer-readable storage medium | |
CN116152530B (zh) | 图像差异的确定方法和装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22931584 Country of ref document: EP Kind code of ref document: A1 |