CN103686272B - 图像处理装置及方法 - Google Patents
图像处理装置及方法 Download PDFInfo
- Publication number
- CN103686272B CN103686272B CN201310394982.2A CN201310394982A CN103686272B CN 103686272 B CN103686272 B CN 103686272B CN 201310394982 A CN201310394982 A CN 201310394982A CN 103686272 B CN103686272 B CN 103686272B
- Authority
- CN
- China
- Prior art keywords
- regional area
- object outline
- weighted value
- image processing
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20096—Interactive definition of curve of interest
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种图像处理装置和方法,包括:接收器,配置为接收图像;显示器,配置为显示所接收的图像;提取器,配置为通过向用户指定的所显示图像区域应用预设算法来提取第一对象轮廓,基于指定的区域提取第二对象轮廓;图像分析器,配置为分析所显示的图像;以及控制器,配置为基于图像分析器的分析结果来确定第一和第二对象轮廓的权重值,基于应用了所确定权重值的第一和第二对象轮廓来提取对象轮廓。所述图像处理装置即使在严重噪声的图像中也能够提取用户想要的对象。
Description
本申请要求2012年9月5日向韩国知识产权局提交的韩国专利申请10-2012-0098136的优先权,该申请的公开通过全文引用合并于此。
技术领域
根据一个或多个示例性实施例的装置和方法涉及一种图像处理装置和方法,更具体地,涉及一种用于提取最接近用户意图的图像的对象的图像处理装置和方法。
背景技术
目前的图像处理装置应用多种算法,以便自动提取由用户定义的在屏幕上显示的图像区域的对象。例如,存在典型示例如,“Sobel边缘检测器”、“现用(active)轮廓”等,作为提取边缘或边界值的算法。
然而,当自动提取由用户定义在屏幕上显示的图像区域的对象时,或从背景(噪声、低照度、复杂的全景图/背景)中无法区分该对象时,会提取用户想要的对象区域和其他对象区域。
因此,就需要即使当从背景中无法区分该对象时,通过目前算法提取最接近用户想要的对象区域的对象区域。
发明内容
一个或多个示例性实施例可以克服以上缺点和在以上未描述的其他缺点。然而,应理解,一个或多个示例性实施例不是必须克服上述缺点,且可以不克服任何上述问题。
一个或多个示例性实施例涉及从所显示的图像中提取最接近用户意图的对象轮廓。
根据一个或多个示例性实施例的一个方面,提供了一种图像处理装置。所述图像处理装置可以包括:接收器,配置为接收图像;显示器,配置为显示所接收的图像;提取器,配置为通过向用户指定的所显示图像区域应用预设算法来提取第一对象轮廓,并基于所指定的区域提取第二对象轮廓;图像分析器,配置为分析所显示的图像;以及控制器,配置为基于图像分析器的分析结果来确定第一和第二对象轮廓的权重值,基于应用了所确定权重值的第一和第二对象轮廓来提取对象轮廓。
控制器可以基于图像分析器的分析结果来计算第一对象轮廓的可靠性程度,基于计算的可靠性程度,确定要向第一对象轮廓分派的第一权重值和要向第二对象轮廓分派的第二权重值。
控制器可以计算第一对象轮廓的局部区域的可靠性程度;确定要向所述局部区域分派的第一权重值,所述第一权重值与计算的局部区域的可靠性程度成正比;以及当在计算的局部区域的可靠性程度中相应局部区域的相应可靠性程度等于或大于预设阈值时,将该相应局部区域的第一权重值确定为最大值。
控制器可以基于要向第一对象轮廓的局部区域分派的第一权重值,来确定要向第二对象轮廓的局部区域分派的第二权重值。第二对象轮廓的局部区域的第二权重值可以与第一对象轮廓的局部区域的第一权重值成反比。
图像分析器可以针对构成所显示图像和第一对象轮廓中的至少一个的每个局部区域,检测颜色、亮度、边缘和分布信息中的至少一个。控制器可以基于检测结果,来计算构成第一对象轮廓的局部区域的可靠性程度。
图像处理装置还可以包括用户接口,配置为接收用户命令。控制器可以根据通过用户接口接收到的用户命令来指定区域。
控制器可以根据构成第一对象轮廓的每个局部区域的像素值和位置中的至少一个以及构成第二对象轮廓的每个局部区域的像素值和位置中的至少一个,在构成第一和第二对象轮廓的局部区域中确定彼此相对应的局部区域。
当确定了构成第一和第二对象轮廓的局部区域中彼此相对应的局部区域时,控制器可以使用以下方程来提取对象轮廓。(x,y)OC=(x,y)1OCW(x,y)1OC+(x,y)2OCW(x,y)2OC,其中(x,y)1OC可以是第一对象轮廓的局部区域,W(x,y)1OC可以是向第一对象轮廓的局部区域分派的第一权重值,(x,y)2OC可以是第二对象轮廓的局部区域,W(x,y)2OC可以是向第二对象轮廓的局部区域分派的第二权重值。
根据一个或多个示例性实施例的另一方面,提供了一种处理在图像处理装置中接收的图像的图像处理方法。所述图像处理方法可以包括:显示所接收的图像;通过向用户指定的所显示图像区域应用预设算法来提取第一对象轮廓,基于所指定的区域提取第二对象轮廓;基于对所显示图像的分析结果来确定第一和第二对象轮廓的权重值;以及基于向其分派所确定权重值的第一和第二对象轮廓来提取对象轮廓。
所述确定可以包括基于分析结果来计算第一对象轮廓的可靠性程度,基于计算的可靠性程度,确定要向第一对象轮廓分派的第一权重值和要向第二对象轮廓分派的第二权重值。
所述确定可以包括计算第一对象轮廓的局部区域的可靠性程度;确定要向第一对象轮廓的局部区域分派的第一权重值,所述第一权重值与计算的第一对象轮廓的局部区域的可靠性程度成正比;以及当在计算的可靠性程度中相应局部区域的相应可靠性程度等于或大于预设阈值时,将相应局部区域的第一权重值设置为最大值。
所述确定可以包括基于要向第一对象轮廓的局部区域分派的第一权重值,来确定要向第二对象轮廓的局部区域分派的第二权重值,第二对象轮廓的局部区域的第二权重值可以与第一对象轮廓的局部区域的第一权重值成反比。
所述确定可以包括针对构成所显示图像和第一对象轮廓中的至少一个,检测颜色、亮度、边缘和分布信息中的至少一个,并且基于检测结果,计算构成第一对象轮廓的局部区域的可靠性程度。
图像处理方法还可以包括接收用户命令,根据接收到的用户命令来指定区域。
所述提取可以包括针对构成第一和第二对象轮廓的每个局部区域,根据像素值和位置中的至少一个,确定构成第一和第二对象轮廓的局部区域中彼此相对应的局部区域。
所述提取可以包括当确定了构成第一和第二对象轮廓的局部区域中彼此相对应的局部区域时,使用以下方程来提取对象轮廓。(x,y)OC=(x,y)1OCW(x,y)1OC+(x,y)2OCW(x,y)2OC,其中(x,y)1OC可以是第一对象轮廓的局部区域,W(x,y)1OC可以是向第一对象轮廓的局部区域分派的第一权重值,(x,y)2OC可以是第二对象轮廓的局部区域,W(x,y)2OC可以是向第二对象轮廓的局部区域分派的第二权重值。
根据上述示例性实施例,即使在严重噪声的图像中,图像处理装置仍可以提取用户想要的对象。
一个或多个实施例的其它方面和/或优点部分地将在以下描述中阐述,且部分地将通过以下描述而变得清楚,或者可以通过对本公开的一个或多个实施例的实践来获知。一个或多个实施例包括这样的其他方面。
附图说明
结合附图,根据实施例的以下描述,这些和/或其它方面将变得更清楚和更容易理解,附图中:
图1是示出了根据一个或多个示例性实施例的图像处理装置的框图;
图2是根据一个或多个示例性实施例,解释在图像处理装置中基于构成第一和第二对象轮廓的每个局部区域的像素值来确定彼此相对应的局部区域的示例的说明性视图;
图3是根据一个或多个示例性实施例,解释在图像处理装置中基于构成第一和第二对象轮廓的每个局部区域的位置来确定彼此相对应的局部区域的示例的说明性视图;
图4是根据一个或多个示例性实施例解释在图像处理装置中提取第一和第二对象轮廓的示例的说明性视图;
图5是根据一个或多个示例性实施例解释在图像处理装置中基于第一和第二对象轮廓来提取新对象轮廓的示例的说明性视图;
图6是示出了根据一个或多个示例性实施例在图像处理装置中对所接收图像执行图像处理的方法的流程图;
图7是示出了根据一个或多个示例性实施例在图像处理装置中确定构成第一和第二对象轮廓的每个局部区域的权重值的方法的流程图;以及
图8是示出了根据一个或多个示例性实施例在图像处理装置中基于第一和第二对象轮廓来提取新对象轮廓的方法的流程图。
具体实施方式
现在将详细参照一个或多个实施例,其示例在附图中示出,在所有附图中使用相同附图标记表示相同部件。在这个方面,由于在理解文中所述的实施例之后,本领域技术人员应理解,文中所述***、装置和/或方法的多种改变、修改和等同物是包括在本发明中的,所以本发明的实施例可以以多种不同形式来实现,且不应理解为限制于文中所述的实施例。因此,以下仅参考附图来描述实施例,以便解释本发明的方面。
在以下描述中,即便在不同的附图中,相同的附图标记用于表示相同的元件。提供在描述中定义的内容,例如具体结构和元件,以帮助对示例性实施例的全面理解。因此,应该清楚在没有那些具体限定的内容的前提下也能够实施示例性实施例。此外,因为相关领域公知的功能或元件可能以不必要的细节混淆示例性实施例,所以没有详细描述这些公知功能或元件。
图1是示出了根据一个或多个示例性实施例的图像处理装置的框图。
参考图1,图像处理装置可以包括接收器110、显示器120、用户接口130、提取器140、图像分析器150及控制器160。
接收器110可以接收图像并显示通过接收器110接收到的图像。具体地,接收器110可以从外部服务器接收图像数据。当从外部服务器接收图像数据时,接收器110可以实现为包括例如调谐器、解调器、均衡器、解码器等的组件。包括在接收器110中的各组件是公知技术,因此这里将不再赘述对各组件操作的描述。此外,接收器110可以通过源装置接收图像数据,例如通过SCART接口、音频视频(AV)接口、高清晰度多媒体接口(HDMI)、COMPONENT接口、和通用串行总线(USB)接口中的至少一个的web服务器,或通过例如数字多用盘(DVD)的重现装置。当通过接收器110接收图像数据时,显示器120可以显示通过信号处理器(未示出)图像处理过的图像。
用户接口130可以从用户接收用户命令,用户命令可以是用于指定通过显示器120显示的图像的特定区域的命令。用户接口130可以实现为多种类型,例如,在显示器120上实施的触摸屏、在图像处理装置的主体上提供的多个输入按钮、连接到图像处理装置的键盘、及配置为从外部输入单元(例如,鼠标)接收多种输入信号的输入/输出(I/O)接口。当通过用户接口130接收用户命令时,控制器160(将在后方描述)可以指定与所接收用户命令相对应的通过显示器120显示的图像区域。
提取器140可以通过向在通过显示器120显示的图像中由用户指定的区域应用预设算法,来提取第一对象轮廓,可以基于由用户指定的区域来提取第二对象轮廓。这里,用于提取用户指定的区域的第一对象轮廓的算法可以是公知算法。基于用户指定的区域而提取的第二对象轮廓可以是与用户指定的区域相对应的区域。也就是说,第二对象轮廓可以是在通过显示器120显示的图像中由用户绘制(drawn)的区域。因此,提取器140可以使用预设算法自动提取与用户指定的区域有关的第一对象轮廓,还手动提取与由用户指定的区域相对应的第二对象轮廓。
图像分析器150可以分析通过显示器120显示的图像。在一些情况中,图像分析器150可以执行关于在通过显示器120显示的图像中与由用户指定的区域相对应的图像的分析。然而,本发明构思不限于此,图像分析器150可以分析通过显示器120显示的整个图像。具体地,图像分析器150可以检测每个局部区域的颜色、亮度、边缘和分布信息中的至少一个,所述每个局部区域构成以下内容中的至少一个:通过显示器120显示的图像、或与由用户指定的区域相对应的所显示图像的图像和由算法自动提取的第一对象轮廓。
控制器160可以基于图像分析器150的分析结果,确定由算法自动提取的第一对象轮廓的权重值,和手动提取的第二对象轮廓的权重值。接着,控制器160可以基于应用了权重值的第一对象轮廓和第二对象轮廓来提取对象轮廓。这里,基于应用了权重值的第一和第二对象轮廓的对象轮廓可以是考虑到用户意图的新对象轮廓。
具体地,控制器160可以基于图像分析器150的分析结果,计算由算法自动提取的第一对象轮廓的可靠性程度。接下来,控制器160可以基于计算的可靠性程度,确定要向第一对象轮廓分派的第一权重值和要向第二对象轮廓分派的第二权重值。更具体地,控制器160可以基于图像分析器150的分析结果,计算通过算法自动提取的第一对象轮廓的局部区域的可靠性程度。接下来,控制器160可以确定要向第一对象轮廓的局部区域分派的第一权重值,所述第一权重值与计算的第一对象轮廓的局部区域的可靠性程度成正比。此时,当在计算的构成第一对象轮廓的局部区域的可靠性程度中至少一个局部区域的可靠性程度等于或大于阈值时,控制器160可以将该相应局部区域的第一权重值设置为最大值。
首先,控制器160可以计算通过以下示例性实施例自动提取的第一对象轮廓的局部区域的可靠性程度。在一个或多个示例性实施例中,控制器160可以根据构成通过图像分析器150检测到的图像的局部区域的边缘信息和由算法自动提取的第一对象轮廓的局部区域的像素位置信息之间的距离差,来计算构成第一对象轮廓的局部区域的可靠性程度。例如,存储单元(未示出)可以存储根据预设两个信息之间的距离差具有从0(零)到1范围的等级的可靠性程度。因此,控制器160可以参考存储在存储单元(未示出)中的可靠性程度等级,来计算与针对构成第一对象轮廓的局部区域计算的距离差相对应的可靠性程度。也就是说,在构成第一对象轮廓的局部区域中,具有较大距离差的局部区域的可靠性程度接近0(零)等级,具有较小距离差的局部区域的可靠性程度接近1等级。
在一个或多个示例性实施例中,控制器160可以通过将构成第一对象轮廓的局部区域的颜色或亮度信息与***区域的颜色或亮度信息进行比较,来计算构成第一对象轮廓的局部区域的可靠性程度。例如,存储单元(未示出)可以存储根据预设颜色或亮度差具有从0(零)到1的范围等级的可靠性程度。因此,控制器160可以参考存储在存储单元(未示出)中的可靠性程度等级,计算与构成第一对象轮廓的局部区域的颜色或亮度和***区域的颜色或亮度之间的差相对应的可靠性程度。也就是说,在构成第一对象轮廓的局部区域中,具有较小颜色或亮度差的局部区域的可靠性程度接近0(零)等级,具有较大颜色或亮度差的局部区域的可靠性程度接近1等级。
当如上所述计算构成第一对象轮廓的局部区域的可靠性程度时,控制器160可以确定要向第一对象轮廓的局部区域分派的第一权重值,所述第一权重值与针对第一对象轮廓的局部区域而计算的可靠性程度成正比。当针对构成第一对象轮廓的局部区域计算的可靠性程度中的至少一个可靠性程度等于或大于预设阈值时,控制器160可以将相应局部区域的第一权重值设置为最大值。如上所述,例如,可靠性程度等级可以设置在从0(零)到1的范围内,预设阈值可以设置在预设可靠性程度等级以内。当可靠性程度等级等于或大于预设阈值时,可以将第一权重值的最大值设为1。当将0.7的可靠性程度等级设为预设阈值时,在构成第一对象轮廓的局部区域中,可靠性程度等级等于或大于0.7的局部区域的第一权重值可以是1。
如上所述,当设置要向构成第一对象轮廓的局部区域分派的第一权重值时,控制器160可以基于先前设置的局部区域的第一权重值,确定要向构成第二对象轮廓的局部区域分派的第二权重值。这里,要向第二对象轮廓的局部区域分派的第二权重值可以与第一对象轮廓的局部区域的第一权重值成反比。也就是说,如上所示,在构成第一对象轮廓的局部区域中,具有较高第一权重值的局部区域是具有较高可靠性程度的区域,因此,有必要将较低权重值分配给与具有较高可靠性程度的相应局部区域相对应的第二轮廓的局部区域。同时,在构成第一对象轮廓的局部区域中,具有较低第一权重值的局部区域是具有较低可靠性程度的区域。因此,将较高权重值分派给与具有较低可靠性程度的相应局部区域相对应的第二轮廓的局部区域。作为一个示例,当分派给在构成第一对象轮廓的局部区域中的一个局部区域的第一权重值是0(零)时,与该局部区域相对应的第二对象轮廓的局部区域的第二权重值可以是1。作为另一示例,当分派给在构成第一对象轮廓的局部区域中的一个局部区域的第一权重值是1时,与该局部区域相对应的第二对象轮廓的局部区域的第二权重值可以是0(零)。
如上所述,当构成第一和第二对象轮廓的局部区域的第一和第二权重值被分派给构成第一和第二对象轮廓的局部区域时,控制器160可以基于分派给第一和第二对象轮廓的局部区域的第一和第二权重值,来提取新对象轮廓。具体地,控制器160可以确定在构成第一对象轮廓的局部区域和构成第二对象轮廓的局部区域中彼此相对应的局部区域。也就是说,控制器160可以基于构成第一对象轮廓的每个局部区域的像素值和位置中的至少一个以及构成第二对象轮廓的每个局部区域的像素值和位置中的至少一个,来确定在构成第一和第二对象轮廓的局部区域中彼此相对应的局部区域。
当基于构成第一对象轮廓的每个局部区域的像素值和构成第二对象轮廓的每个局部区域的像素值来确定彼此相对应的局部区域时,控制器160可以在掩模区域(maskarea)上获得第一值,所述掩模区域包括在构成第一对象轮廓的局部区域中的特定局部区域的任意特征点。接下来,控制器160可以在掩模区域上获得第二值,所述掩模区域包括构成第二对象轮廓的局部区域的任意特征点。随后,控制器160可以计算在第一对象轮廓的特定局部区域的第一值和第二对象轮廓的局部区域的第二值之间的差。
在一些情况下,控制器160可以使用求和绝对值差(SAD)算法来计算第一值和第二值之间的差。当计算在第一值和第二值之间的差时,控制器160可以在计算的差中获得与第一值具有最小差的第二值。接下来,控制器160可以确定在构成第二对象轮廓的局部区域中具有第二值的局部区域以及在第一对象轮廓上具有第一值的局部区域,作为彼此相对应的局部区域。
然而,本发明构思不限于此,控制器160可以确定在掩模区域上的一个值作为第一值,所述掩模区域包括在构成第二对象轮廓的局部区域中的特定局部区域的任意特征点;并且确定在掩模区域上的一个值作为第二值,所述掩模区域包括构成第一对象轮廓的局部区域的任意特征点。
下文中,将参考图2更详细的描述基于构成第一对象轮廓的局部区域和构成第二对象轮廓的局部区域的像素值,来确定彼此相对应的局部区域的操作。
图2是根据一个或多个示例性实施例,解释在图像处理装置中基于构成第一和第二对象轮廓的局部区域的像素值,来确定彼此相对应的局部区域的示例的说明性视图。
图2(a)可以示出通过应用预设算法提取的第一对象轮廓,图2(b)可以示出与用户指定的区域相对应的第二对象轮廓。当提取了第一和第二对象轮廓时,控制器160获取在掩模区域210上的第一值,所述掩模区域包括在构成所提取的第一对象轮廓的局部区域中的特定局部区域的任意特征点。此外,控制器160可以获得在掩模区域220到260上的第二值,所述掩模区域220到260包括构成所提取的第二对象轮廓的局部区域的任意特征点。接下来,控制单元160可以计算掩模区域210上的第一值和掩模区域220到260上的第二值之间的差,并获得计算的差中与第一值具有最小差的第二值。也就是说,控制器160可以获得与掩模区域210的第一值具有最小差的掩模区域220。因此,控制器160可以确定与第一对象轮廓的掩模区域210有关的局部区域以及与第二对象轮廓的掩模区域220有关的局部区域,作为彼此相对应的局部区域。
同时,当基于构成第一对象轮廓的局部区域和构成第二对象轮廓的局部区域的位置来确定彼此相对应的局部区域时,控制器160可以将构成第一对象轮廓的每个局部区域的任意特征点移动到构成第二对象轮廓的每个局部区域。此时,控制器160可以沿垂直方向移动任意特征点。当沿垂直方向移动的任意特征点到达构成第二对象轮廓的局部区域的相应点时,控制器160可以确定在到达构成第二对象轮廓的局部区域的相应点的任意特征点中与具有最小移动距离的特征点相对应的局部区域以及与靠近(meet with)相应特征点的相应点相对应的局部区域,作为彼此相对应的局部区域。
然而,本发明构思不限于此,构成第二对象轮廓的局部区域的任意特征点可以移动到构成第一对象轮廓的局部区域。
下文中,将参考图3更详细的描述基于构成第一对象轮廓的局部区域和构成第二对象轮廓的局部区域的位置,来确定彼此相对应的局部区域的操作。
图3是根据一个或多个示例性实施例,解释在图像处理装置中基于构成第一和第二对象轮廓的每个局部区域的位置来确定彼此相对应的局部区域示例的说明性视图。
图3(a)可以示出通过应用预设算法提取的第一对象轮廓,图3(b)可以示出与由用户指定的区域相对应的第二对象轮廓。当提取了第一和第二对象轮廓时,控制器160将构成第一对象轮廓的局部区域的任意特征点310、320和330移动到构成第二对象轮廓的局部区域。此时,控制器160可以沿垂直方向移动任意特征点。当沿垂直方向移动的任意特征点到达构成第二对象轮廓的局部区域的相应点310’、320’和330’时,控制器160可以确定在到达构成第二对象轮廓的局部区域的相应点310’、320’和330’的任意特征点310、320和330中具有最小移动距离的特征点。如图3(a)所示,当在特征点310、320和330中移动到相应点310’的特征点310的移动距离最短时,控制器160可以确定与特征点310有关的局部区域和与相应点310’有关的局部区域作为彼此相对应的局部区域。
当如上所述基于像素值和位置中的至少一个来确定在构成第一和第二对象轮廓的局部区域中彼此相对应的局部区域时,控制器160可以根据所确定的局部区域通过分派给第一和第二对象轮廓的局部区域的第一和第二权重值的总和,来提取新对象轮廓。具体地,控制器160可以基于以下方程1来计算分派给第一和第二对象轮廓的局部区域的第一和第二权重值的总和。
方程1
(x,y)OC=(x,y)1OCW(x,y)1OC+(x,y)2OCW(x,y)2OC
其中(x,y)1OC可以是第一对象轮廓的局部区域,W(x,y)1OC可以是向第一对象轮廓的局部区域分派的第一权重值,(x,y)2OC可以是第二对象轮廓的局部区域,W(x,y)2OC可以是向第二对象轮廓的局部区域分派的第二权重值。
因此,当确定在构成第一和第二对象轮廓的局部区域中彼此相对应的局部区域时,控制器160可以根据所确定的局部区域,通过方程1计算构成第一和第二对象轮廓的彼此相对应的局部区域的总和。随后,控制器160可以基于构成计算的第一和第二对象轮廓的局部区域的权重值的总和,来计算新对象轮廓。
图4是根据一个或多个示例性实施例解释在图像处理装置中提取第一和第二对象轮廓的示例的说明性视图,图5是根据一个或多个示例性实施例解释在图像处理装置中基于第一和第二对象轮廓来提取新对象轮廓的示例的说明性视图。
如图4(a)所示,图像处理装置可以通过显示器120显示通过接收器110接收到的图像410。在显示图像410的期间,用户可以通过触摸屏指定特定区域。当用户指定了特定区域时,图像处理装置可以通过在特定区域上应用预设算法,提取如图4(b)所示的第一对象轮廓420。此外,图像处理装置可以基于用户指定的特定区域,手动提取如图4(c)所示的第二对象轮廓430。这里,第二对象轮廓430是通过用户接口130(例如,触摸屏)由用户绘制的区域。
当如上所述基于由用户指定的区域来提取第一对象轮廓420和第二对象轮廓430时,图像处理装置可以基于图像分析器150的分析结果来计算第一对象轮廓420的可靠性程度。接下来,图像处理装置可以根据计算的可靠性程度来确定构成第一对象轮廓420的局部区域的第一权重值,并基于对局部区域确定的第一权重值来确定构成第二对象轮廓430的局部区域的第二权重值。
例如,在图4(b)中,构成第一对象轮廓420的局部区域中的第一局部区域421的可靠性程度可以非常高,第二局部区域422的可靠性程度可以非常低。因此,具有较高可靠性程度的第一局部区域421的第一权重值可以是1,具有较低可靠性程度的第二局部区域422的第一权重值可以是0(零)。同时,在图4(c)中,构成第二对象轮廓430的局部区域的第二权重值可以与构成第一对象轮廓420的局部区域的第一权重值成反比。因此,在构成第二对象轮廓430的局部区域中,与第一对象轮廓420的第一局部区域421有关的第一局部区域431的第二权重值可以是0(零),与第一对象轮廓的第二局部区域422有关的第二局部区域432的第二权重值可以是1。
当如上所述确定构成第一和第二对象轮廓420和430的局部区域的第一和第二权重值时,图像处理装置可以计算在构成第一和第二对象轮廓420和430的局部区域中彼此相对应的局部区域的第一和第二权重值的总和。例如,如图5(a)所示,第一对象轮廓420的第一局部区域421、第二局部区域422及第三局部区域423分别与第二对象轮廓430的第一局部区域431、第二局部区域432及第三局部区域433相对应。在这种情况下,图像处理装置可以计算第一局部区域421和431的第一和第二权重值的总和、第二局部区域422和432的第一和第二权重值的总和、以及第三局部区域423和433的第一和第二权重值的总和。当如上所述计算在构成第一和第二对象轮廓420和430的局部区域中彼此相对应的局部区域的第一和第二权重值的总和时,图像处理装置可以根据计算的总和来计算新对象轮廓510。也就是说,如图5(b)所示,图像处理装置可以计算具有与用户想要的区域最接近区域的对象轮廓510。
到此为止,详细描述了通过图像处理装置的配置,提取具有与用户意图最接近区域的对象轮廓的操作。下文中,将详细描述在图像处理装置中从所接收图像中提取具有与用户意图最接近区域的对象轮廓的方法。
图6是示出了根据一个或多个示例性实施例在图像处理装置中对所接收图像执行图像处理的方法的流程图。
参考图6,图像处理装置可以显示通过外部服务器或重现装置(例如,数字多用盘(DVD))接收到的图像(S610)。当在屏幕上显示图像时,图像处理装置从用户接收用户命令(S620)。这里,用户命令可以是用于在屏幕上显示的图像中指定特定区域的命令。当接收到用户命令时,图像处理装置可以指定与所接收用户命令相对应的区域(S630)。接下来,图像处理装置可以通过向所显示的图像中用户指定的区域应用预设算法,来提取第一对象轮廓,并基于用户指定的区域来提取第二对象轮廓(S640)。这里,用于提取用户指定的区域的第一对象轮廓的算法可以是公知算法。基于用户指定的区域提取的第二对象轮廓可以是与用户指定的区域相对应的区域。也就是说,第二对象轮廓可以是在屏幕上显示的图像中由用户绘制的区域。
当如上所述根据由用户指定的区域来提取第一和第二对象轮廓时,图像处理装置可以分析在屏幕上显示的图像(S650)。具体地,图像处理装置可以检测每个局部区域的颜色、亮度、边缘和分布信息中的至少一个,所述每个局部区域构成以下内容中的至少一个:屏幕上显示的图像、或所显示图像中与用户指定的区域相对应的图像和由算法自动提取的第一对象轮廓。接下来,图像处理装置可以基于分析结果确定由算法自动提取的第一对象轮廓的权重值和手动提取的第二对象轮廓的权重值(S660)。接下来,图像处理装置可以基于应用了权重值的第一对象轮廓和第二对象轮廓来提取新对象轮廓(S670)。
下文中,将详细描述在图像处理装置中确定构成第一和第二对象轮廓的局部区域的权重值的方法。
图7是示出了根据一个或多个示例性实施例在图像处理装置中确定构成第一和第二对象轮廓的每个局部区域的权重值的方法的流程图。
参考图7,图像处理装置可以基于分析结果计算在步骤640中由算法自动提取的第一对象轮廓的可靠性程度(S710)。接下来,图像处理装置可以基于计算的第一对象轮廓的可靠性程度,确定要向第一对象轮廓分派的第一权重值(S720)。
具体地,图像处理装置可以计算通过算法自动提取的第一对象轮廓的局部区域的可靠性程度。在一个或多个实施例中,图像处理装置100可以分析要显示的图像,根据在构成该图像的局部区域的边缘信息和由算法自动提取的第一对象轮廓的局部区域的像素位置信息之间的距离差,计算构成第一对象轮廓的局部区域的可靠性程度。例如,图像处理装置可以参考预存储的可靠性程度等级,来计算与构成第一对象轮廓的局部区域的计算距离差相对应的可靠性程度。也就是说,可靠性程度等级可以是根据预设两个信息之间的距离差而设置的等级。在可靠性程度等级接近于0(零)时距离差较大,而在可靠性程度等级接近于1时距离差较小。因此,在构成第一对象轮廓的局部区域中,具有较大距离差的局部区域的可靠性程度可以接近0(零)等级,具有较小距离差的局部区域的可靠性程度可以接近1等级。
在一个或多个示例性实施例中,图像处理装置可以通过将构成第一对象轮廓的局部区域的颜色或亮度信息与***区域的颜色或亮度信息相比较,来计算构成第一对象轮廓的局部区域的可靠性程度。例如,图像处理装置可以预存储可靠性程度,所述可靠性程度根据在预设颜色或亮度差具有从0(零)到1的等级。因此,图像处理装置可以参考预存储的可靠性程度等级,来计算与在构成第一对象轮廓的局部区域的颜色或亮度和***区域的颜色或亮度之间的差相对应的可靠性程度。也就是说,在构成第一对象轮廓的局部区域中,具有较小颜色或亮度差的局部区域的可靠性程度可以接近0(零)等级,具有较大颜色或亮度差的局部区域的可靠性程度可以接近1等级。
当如上所述计算构成第一对象轮廓的局部区域的可靠性程度时,图像处理装置可以确定要向第一对象轮廓的局部区域分派的第一权重值,所述第一权重值与针对第一对象轮廓的局部区域计算的可靠性程度成正比。当在针对构成第一对象轮廓的局部区域计算的可靠性程度中的至少一个可靠性程度等于或大于预设阈值时,图像处理装置可以将相应局部区域的第一权重值设置为最大值。如上所述,例如,可靠性程度等级可以设置在从0(零)到1的范围内,预设阈值可以设置在预设可靠性程度等级以内。当可靠性程度等级等于或大于预设阈值时,可以将第一权重值的最大值设为1。当将0.7的可靠性程度等级设为预设阈值时,在构成第一对象轮廓的局部区域中,可靠性程度等级等于或大于0.7的局部区域的第一权重值可以是1。
当如上所述设置要向构成第一对象轮廓的局部区域分派的第一权重值时,图像处理装置可以基于先前设置的局部区域的第一权重值,来确定要向构成第二对象轮廓的局部区域分派的第二权重值(S730)。这里,要向第二对象轮廓的局部区域分派的第二权重值可以与第一对象轮廓的局部区域的第一权重值成反比。也就是说,如上所示,在构成第一对象轮廓的局部区域中,具有较高第一权重值的局部区域是具有较高可靠性程度的区域,因此,有必要将较低权重值分配给与具有较高可靠性程度的相应局部区域相对应的第二轮廓的局部区域。
也就是说,在图4(b)中,在构成第一对象轮廓420的局部区域中的第一局部区域421的可靠性程度可以非常高,第二局部区域422的可靠性程度可以非常低。因此,具有较高可靠性程度的第一局部区域421的第一权重值可以是1,具有较低可靠性程度的第二局部区域422的第一权重值可以是0(零)。同时,在图4(c)中,构成第二对象轮廓430的局部区域的第二权重值可以与构成第一对象轮廓420的局部区域的第一权重值成反比。因此,在构成第二对象轮廓430的局部区域中,与第一对象轮廓420的第一局部区域421有关的第一局部区域431的第二权重值可以是0(零),与第一对象轮廓的第二局部区域422有关的第二局部区域432的第二权重值可以是1。
当如上所述向构成第一和第二轮廓的局部区域分派构成第一和第二轮廓的局部区域的第一和第二权重值时,图像处理装置可以基于向第一和第二对象轮廓的局部区域分派的第一和第二权重值,来提取新对象轮廓。
图8是示出了根据一个或多个示例性实施例在图像处理装置中基于第一和第二对象轮廓来提取新对象轮廓的方法的流程图。
参考图8,图像处理装置可以基于构成第一对象轮廓的每个局部区域的像素值和位置中的至少一个以及构成第二对象轮廓的每个局部区域的像素值和位置中的至少一个,来确定在构成第一和第二对象轮廓的局部区域中彼此相对应的局部区域(S810)。
在一个或多个示例性实施例中,将描述在基于构成第一对象轮廓的局部区和构成第二对象轮廓的局部区域的像素值来确定彼此相对应的局部区域的情况。图像处理装置可以在掩模区域上获得第一值,所述掩模区域包括构成第一对象轮廓的局部区域中的特定局部区域的任意特征点。接下来,图像处理装置可以在掩模区域上获得第二值,所述掩模区域包括构成第二对象轮廓的局部区域的任意特征点。随后,图像处理装置可以计算第一对象轮廓的特定局部区域的第一值和第二对象轮廓的局部区域的第二值之间的差。
在一些情况下,图像处理装置可以使用SAD算法来计算第一值和第二值之间的差。当如上所述计算第一值和第二值之间的差时,图像处理装置可以确定在构成第二对象轮廓的局部区域中与第一值具有最小差的第二值的局部区域,以及在第一对象轮廓上具有第一值的局部区域,作为彼此相对应的局部区域。
然而,本发明构思不限于此,图像处理装置可以确定掩模区域上的一个值作为第一值,该掩模区域包括在构成第二对象轮廓的局部区域中的特定局部区域的任意特征点;并且确定掩模区域上的一个值作为第二值,该掩模区域包括构成第一对象轮廓的局部区域的任意特征点。
在一个或多个示例性实施例中,图像处理装置可以基于构成第一对象轮廓的局部区域和构成第二对象轮廓的局部区域的位置来确定彼此相对应的局部区域。首先,图像处理装置可以将构成第一对象轮廓的每个局部区域的任意特征点移动到构成第二对象轮廓的每个局部区域。此时,图像处理装置可以沿垂直方向移动任意特征点。当沿垂直方向移动的任意特征点到达构成第二对象轮廓的局部区域的相应点时,图像处理装置可以确定在到达构成第二对象轮廓的局部区域的相应点的任意特征点中与具有最小移动距离的特征点相对应的局部区域以及与靠近相应特征点的相应点相对应的局部区域,作为彼此相对应的局部区域。
然而,本发明构思不限于此,构成第二对象轮廓的局部区域的任意特征点可以移动到构成第一对象轮廓的局部区域。
当如上所述基于像素值和位置中的至少一个来确定在构成第一和第二对象轮廓的局部区域中彼此相对应的局部区域时,图像处理装置可以根据所确定彼此相对应的局部区域来计算向第一和第二对象轮廓的局部区域分派的第一和第二权重值的总和(820)。可以通过如上所述的方程1来获得分派给第一和第二对象轮廓的局部区域的第一和第二权重值的总和。当计算向第一和第二对象轮廓的局部区域分派的第一和第二权重值的总和时,图像处理装置可以基于构成第一和第二对象轮廓的局部区域的权重值的总和,来提取新对象轮廓(S830)。
迄今为止,通过关注示例性实施例描述了本发明构思。
前述示例性实施例和优点仅是示例性的,不应理解为限制本发明构思。示例性实施例可以容易地应用于其它类型设备。此外,示例性实施例的描述是为了说明的目的,而不是要限制权利要求的范围,对本领域技术人员而言,多种改变、修改和变化将是显而易见的。
在一个或多个实施例中,这里所述的任何装置、***、元件或解释单元包括一个或多个硬件设备或硬件处理元件。例如,在一个或多个实施例中,任何所述装置、***、元件、检索设备、预或后处理元件、***、检测器、编码器、解码器等还可以包括一个或多个存储器和/或处理元件,和任何硬件输入/输出传输设备,或表示一个或多个各处理元件或设备的操作部分/方面。此外,术语装置应与物理***的元件一同理解,所述物理***的元件不限于在所有实施例中的单个设备、或附件、或在各单个公开中包含的所有所述元件,相反地,根据实施例,通过不同的硬件元件,表示为以共同形式或以不同公开和/或位置的单独形式来表现。
除了上述实施例之外,实施例也可以通过计算机可读代码/在非暂时性介质(例如,计算机可读介质)中/上的指令来实现,以便控制至少一个处理设备(例如,处理器或计算机)来执行任何上述实施例。介质可以与任何定义的、可测量的及有形的结构相对应,所述结构允许存储和/或发送计算机可读代码。
介质可以以例如组合的形式包括计算机可读代码、数据文件、数据结构等。计算机可读介质的一个或多个实施例包括:磁介质,如,硬盘、软盘和磁带;光学介质,如,CD ROM盘和DVD;磁光介质,如,光盘;以及专门配置用于存储和执行程序指令的硬件设备,如,只读存储器(ROM)、随机存取存储器(RAM)、闪存等。计算机可读代码可以包括机器代码(如,由编译器产生的机器代码)以及包含更高级代码的文件,所述更高级代码可以例如由计算机使用解释器来执行。介质也可以是任何定义的、可测量的及有形的分布网络,以便以分布的形式来存储和执行所述计算机可读代码。此外,仅作为一个示例,处理元件可以包括处理器或计算机处理器,处理元件可以分布和/或包括在单个设备中。
计算机可读介质也可以表现为至少一个专用集成电路(ASIC)或现场可编程门阵列(FPGA),仅作为示例,执行(例如,如处理器一样处理)程序指令。
尽管参考本发明的不同实施例具体地示出和描述了本发明的方面,然而应理解,这些实施例仅应理解为描述性意义,而不是为了限制的目的。对在每个实施例中的特征或方面的描述通常应理解为适用于剩余实施例中的其它相似特征或方面。如果以不同的顺序来执行所述技术和/或如果在所述***、结构、设备或电路中的组件以不同形式进行结合和/或如果用其他组件或它们的等同物来代替或替换这些组件,则可能同样地实现合适的结果。
因此,尽管示出和描述了若干实施例和同样可用的其它实施例,然而本领域技术人员将理解,在不脱离本发明的原理和精神的前提下,在这些实施例中可以进行多种改变,本发明的范围由权利要求及其等同物来定义。
Claims (15)
1.一种图像处理装置,包括:
接收器,配置为接收图像;
显示器,配置为显示所接收的图像;
提取器,配置为通过向用户指定的所显示图像区域应用预设算法来提取第一对象轮廓,并提取与所指定的区域相对应的第二对象轮廓;
图像分析器,配置为分析所显示的图像;以及
控制器,配置为基于图像分析器的分析结果,确定针对第一对象轮廓的第一权重值和针对第二对象轮廓的第二权重值,并基于应用了所确定的第一权重值的第一对象轮廓和应用了所确定的第二权重值的第二对象轮廓来提取对象轮廓。
2.根据权利要求1所述的图像处理装置,其中所述控制器基于图像分析器的分析结果来计算第一对象轮廓的可靠性程度,并基于计算的可靠性程度,确定要向第一对象轮廓分派的所述第一权重值和要向第二对象轮廓分派的所述第二权重值。
3.根据权利要求2所述的图像处理装置,其中所述控制器计算第一对象轮廓的局部区域的可靠性程度;确定要向所述局部区域分派的第一权重值,所述第一权重值与计算的局部区域的可靠性程度成正比;以及当在计算的局部区域的可靠性程度中相应局部区域的相应可靠性程度等于或大于预设阈值时,将所述相应局部区域的第一权重值确定为最大值。
4.根据权利要求3所述的图像处理装置,其中所述控制器基于要向第一对象轮廓的局部区域分派的第一权重值,确定要向第二对象轮廓的局部区域分派的第二权重值,
第二对象轮廓的局部区域的第二权重值与第一对象轮廓的局部区域的第一权重值成反比。
5.根据权利要求1所述的图像处理装置,其中所述图像分析器针对构成所显示图像和第一对象轮廓中的至少一个的每个局部区域,检测颜色、亮度、边缘和分布信息中的至少一个,
所述控制器基于检测结果,计算构成第一对象轮廓的局部区域的可靠性程度。
6.根据权利要求1所述的图像处理装置,其中所述图像处理装置还包括用户接口,配置为接收用户命令,
其中所述控制器根据通过用户接口接收到的用户命令来指定区域。
7.根据权利要求1所述的图像处理装置,其中所述控制器分别根据针对构成第一对象轮廓的每个局部区域的像素值和位置中的至少一个和构成第二对象轮廓的每个局部区域的像素值和位置中的至少一个,确定构成第一对象轮廓和第二对象轮廓的局部区域中彼此相对应的局部区域。
8.根据权利要求7所述的图像处理装置,其中当确定了构成第一对象轮廓和第二对象轮廓的局部区域中彼此相对应的局部区域时,所述控制器使用以下方程来提取对象轮廓:
(x,y)OC=(x,y)1OCW(x,y)1OC+(x,y)2OCW(x,y)2OC
其中(x,y)1OC是第一对象轮廓的局部区域,W(x,y)1OC是向第一对象轮廓的局部区域分派的第一权重值,(x,y)2OC是第二对象轮廓的局部区域,W(x,y)2OC是向第二对象轮廓的局部区域分派的第二权重值。
9.一种处理在图像处理装置中接收的图像的图像处理方法,所述方法包括:
显示所接收的图像;
通过向用户指定的所显示图像区域应用预设算法来提取第一对象轮廓,并提取与所指定的区域相对应的第二对象轮廓;
基于所显示图像的分析结果,确定针对第一对象轮廓的第一权重值和针对第二对象轮廓的第二权重值;以及
基于应用了所确定的第一权重值的第一对象轮廓和应用了所确定的第二权重值的第二对象轮廓来提取对象轮廓。
10.根据权利要求9所述的图像处理方法,其中所述确定包括:
基于所述分析结果来计算第一对象轮廓的可靠性程度;以及
基于计算的可靠性程度,确定要向第一对象轮廓分派的第一权重值和要向第二对象轮廓分派的第二权重值。
11.根据权利要求10所述的图像处理方法,其中所述确定包括:
计算第一对象轮廓的局部区域的可靠性程度;
确定要向第一对象轮廓的局部区域分派的第一权重值,所述第一权重值与计算的第一对象轮廓的局部区域的可靠性程度成正比;以及
当在计算的可靠性程度中相应局部区域的相应可靠性程度等于或大于预设阈值时,将所述相应局部区域的第一权重值设置为最大值。
12.根据权利要求11所述的图像处理方法,其中所述确定包括:基于要向第一对象轮廓的局部区域分派的第一权重值,确定要向第二对象轮廓的局部区域分派的第二权重值,
第二对象轮廓的局部区域的第二权重值与第一对象轮廓的局部区域的第一权重值成反比。
13.根据权利要求9所述的图像处理方法,其中所述确定包括:针对构成所显示图像和第一对象轮廓中的至少一个的每个局部区域,检测颜色、亮度、边缘和分布信息中的至少一个,以及
基于检测结果,计算构成第一对象轮廓的局部区域的可靠性程度。
14.根据权利要求9所述的图像处理方法,还包括:
接收用户命令;以及
根据接收到的用户命令来指定区域。
15.根据权利要求9所述的图像处理方法,其中所述提取包括:根据针对构成第一对象轮廓的每个局部区域的像素值和位置中的至少一个和构成第二对象轮廓的每个局部区域的像素值和位置中的至少一个,确定构成第一对象轮廓和构成第二对象轮廓的局部区域中彼此相对应的局部区域。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120098136A KR20140031613A (ko) | 2012-09-05 | 2012-09-05 | 영상 처리 장치 및 방법 |
KR10-2012-0098136 | 2012-09-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103686272A CN103686272A (zh) | 2014-03-26 |
CN103686272B true CN103686272B (zh) | 2018-07-13 |
Family
ID=49054407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310394982.2A Expired - Fee Related CN103686272B (zh) | 2012-09-05 | 2013-09-03 | 图像处理装置及方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9299005B2 (zh) |
EP (1) | EP2706502A1 (zh) |
KR (1) | KR20140031613A (zh) |
CN (1) | CN103686272B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6423964B2 (ja) * | 2014-11-18 | 2018-11-14 | セント・ジュード・メディカル,カーディオロジー・ディヴィジョン,インコーポレイテッド | 幾何学的構造のパッチ表面モデルを生成するための方法およびシステム |
KR102439769B1 (ko) * | 2016-01-18 | 2022-09-05 | 삼성메디슨 주식회사 | 의료 영상 장치 및 그 동작방법 |
US10089721B2 (en) * | 2016-09-08 | 2018-10-02 | Sony Corporation | Image processing system and method for object boundary smoothening for image segmentation |
DE102016222194A1 (de) * | 2016-11-11 | 2018-05-17 | Henkel Ag & Co. Kgaa | Verfahren und Vorrichtung zum Ermitteln eines Glättewerts einer Frisur |
JP6958395B2 (ja) * | 2018-01-31 | 2021-11-02 | 富士通株式会社 | 記憶制御プログラム、記憶制御方法および記憶制御装置 |
KR102115322B1 (ko) * | 2018-11-28 | 2020-05-26 | 주식회사 휴먼아이씨티 | 스마트 영상분석 시스템 |
JP7446756B2 (ja) * | 2019-10-02 | 2024-03-11 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
CN112831982A (zh) * | 2019-11-22 | 2021-05-25 | 重庆海尔洗衣机有限公司 | 衣物颜色识别的处理方法、装置、设备及存储介质 |
CN116627372B (zh) * | 2023-05-24 | 2024-03-12 | 上海感图网络科技有限公司 | Pnl物料对齐预览显示方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1423237A (zh) * | 2001-11-16 | 2003-06-11 | 株式会社三丰 | 图像边界检测***与方法 |
US7110583B2 (en) * | 2001-01-31 | 2006-09-19 | Matsushita Electric Industrial, Co., Ltd. | Ultrasonic diagnostic device and image processing device |
CN101193208A (zh) * | 2006-11-30 | 2008-06-04 | 索尼株式会社 | 图像拍摄装置、图像处理装置、方法以及程序 |
CN101394546A (zh) * | 2007-09-17 | 2009-03-25 | 华为技术有限公司 | 视频目标轮廓跟踪方法及装置 |
CN102254304A (zh) * | 2011-06-17 | 2011-11-23 | 电子科技大学 | 一种目标物体轮廓检测方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5619593A (en) * | 1991-09-12 | 1997-04-08 | Fuji Photo Film Co., Ltd. | Method for extracting object images and method for detecting movements thereof |
US5396584A (en) | 1992-05-29 | 1995-03-07 | Destiny Technology Corporation | Multi-bit image edge enhancement method and apparatus |
US5680471A (en) * | 1993-07-27 | 1997-10-21 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
JP3405776B2 (ja) * | 1993-09-22 | 2003-05-12 | コニカ株式会社 | 切り抜き画像の輪郭線探索装置 |
JPH08206117A (ja) * | 1994-05-27 | 1996-08-13 | Fujitsu Ltd | 超音波診断装置 |
JP3392628B2 (ja) * | 1996-03-29 | 2003-03-31 | 富士通株式会社 | 輪郭抽出方法及びシステム |
US7834305B2 (en) * | 2004-07-30 | 2010-11-16 | Panasonic Electric Works Co., Ltd. | Image processing device |
JP2006260401A (ja) * | 2005-03-18 | 2006-09-28 | Toshiba Corp | 画像処理装置、方法、およびプログラム |
EP1748389A1 (en) | 2005-07-28 | 2007-01-31 | Microsoft Corporation | Image blending |
KR100836740B1 (ko) | 2006-08-28 | 2008-06-10 | 계명대학교 산학협력단 | 영상 데이터 처리 방법 및 그에 따른 시스템 |
EP1916538A3 (en) * | 2006-10-27 | 2011-02-16 | Panasonic Electric Works Co., Ltd. | Target moving object tracking device |
KR100889936B1 (ko) | 2007-06-18 | 2009-03-20 | 한국전자통신연구원 | 디지털 비디오 특징점 비교 방법 및 이를 이용한 디지털비디오 관리 시스템 |
US8200015B2 (en) | 2007-06-22 | 2012-06-12 | Siemens Aktiengesellschaft | Method for interactively segmenting structures in image data records and image processing unit for carrying out the method |
US8994747B2 (en) * | 2007-11-09 | 2015-03-31 | Imacor Inc. | Superimposed display of image contours |
-
2012
- 2012-09-05 KR KR1020120098136A patent/KR20140031613A/ko active IP Right Grant
-
2013
- 2013-08-27 EP EP13181905.4A patent/EP2706502A1/en not_active Withdrawn
- 2013-08-30 US US14/015,054 patent/US9299005B2/en not_active Expired - Fee Related
- 2013-09-03 CN CN201310394982.2A patent/CN103686272B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7110583B2 (en) * | 2001-01-31 | 2006-09-19 | Matsushita Electric Industrial, Co., Ltd. | Ultrasonic diagnostic device and image processing device |
CN1423237A (zh) * | 2001-11-16 | 2003-06-11 | 株式会社三丰 | 图像边界检测***与方法 |
CN101193208A (zh) * | 2006-11-30 | 2008-06-04 | 索尼株式会社 | 图像拍摄装置、图像处理装置、方法以及程序 |
CN101394546A (zh) * | 2007-09-17 | 2009-03-25 | 华为技术有限公司 | 视频目标轮廓跟踪方法及装置 |
CN102254304A (zh) * | 2011-06-17 | 2011-11-23 | 电子科技大学 | 一种目标物体轮廓检测方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20140031613A (ko) | 2014-03-13 |
US9299005B2 (en) | 2016-03-29 |
CN103686272A (zh) | 2014-03-26 |
EP2706502A1 (en) | 2014-03-12 |
US20140064625A1 (en) | 2014-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103686272B (zh) | 图像处理装置及方法 | |
US10803659B2 (en) | Automatic three-dimensional solid modeling method and program based on two-dimensional drawing | |
CN109076198B (zh) | 基于视频的对象跟踪遮挡检测***、方法和设备 | |
US9348422B2 (en) | Method for recognizing gestures and gesture detector | |
JP4950058B2 (ja) | 局所エンハンスメントのための画像の非接触操作 | |
CN105518783B (zh) | 基于内容的视频分段 | |
US20180052072A1 (en) | Gas leak location estimating device, gas leak location estimating system, gas leak location estimating method and gas leak location estimating program | |
CN110473293B (zh) | 虚拟对象处理方法及装置、存储介质和电子设备 | |
CN109740499A (zh) | 视频分割方法、视频动作识别方法、装置、设备及介质 | |
US8306359B2 (en) | Method, terminal, and computer-readable recording medium for trimming a piece of image content | |
US20170140216A1 (en) | Gesture-Based Object Measurement Method and Apparatus | |
JP2018514024A5 (zh) | ||
US20100281373A1 (en) | Method and system for annotating video content | |
US9727791B2 (en) | Person detection system, method, and non-transitory computer readable medium | |
US9900568B2 (en) | Remote communication system, method for controlling remote communication system, and storage medium | |
US9706968B2 (en) | Determining a residual mode image from a dual energy image | |
Morris et al. | Facial feature tracking for cursor control | |
KR102074929B1 (ko) | 깊이 영상을 통한 평면 검출 방법 및 장치 그리고 비일시적 컴퓨터 판독가능 기록매체 | |
Salehin et al. | A novel framework for video summarization based on smooth pursuit information from eye tracker data | |
KR20150078229A (ko) | 디스플레이 장치 및 디스플레이 장치의 채널 맵 관리 방법 | |
CN106355182A (zh) | 用于对象检测和图像处理的方法和装置 | |
KR101517538B1 (ko) | 중심 가중치 맵을 이용한 중요도 영역 검출 장치 및 방법, 이를 위한 프로그램을 기록한 기록 매체 | |
EP2608152A1 (en) | Medical imaging diagnosis apparatus and medical imaging diagnosis method for providing diagnostic basis | |
KR102235386B1 (ko) | 장면전환 검출 장치 및 방법 | |
CN109842738B (zh) | 用于拍摄图像的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180713 Termination date: 20190903 |
|
CF01 | Termination of patent right due to non-payment of annual fee |