CN104851085B - 自动获取图像中检测区的方法及*** - Google Patents
自动获取图像中检测区的方法及*** Download PDFInfo
- Publication number
- CN104851085B CN104851085B CN201410053854.6A CN201410053854A CN104851085B CN 104851085 B CN104851085 B CN 104851085B CN 201410053854 A CN201410053854 A CN 201410053854A CN 104851085 B CN104851085 B CN 104851085B
- Authority
- CN
- China
- Prior art keywords
- edge pixel
- pixel point
- point set
- edge
- profile
- 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.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种自动获取图像中检测区的方法,包括以下步骤:对图像进行卷积运算以检测并提取图像中多个目标图案的边缘信息;根据边缘信息提取多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集;从边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集;根据第二边缘像素点集判断第二边缘像素点集对应的多个轮廓是否存在重叠;如果是,则从第二边缘像素点集中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集;根据第三边缘像素点集得到检测区。本发明实施例的方法能够自动获取检测区,具有省时、省力、高效、精度高及准确性高的优点。本发明还提供了一种自动获取图像中检测区的***。
Description
技术领域
本发明涉及图像检测区绘制技术领域,特别涉及一种自动获取图像中检测区的方法及***。
背景技术
在目前印刷检测软件模板管理中,需要根据实际检测要求绘制检测区和定位核。对于长方形或圆形图案,需要用矩形或椭圆工具绘制边缘,对于不规则的图案,则需要用多边形工具手动绘制其边缘,每个一段距离画一个点,手动绘制会占用较长时间,而且边缘点不能准确定位,给操作者带来很大不变。另一方面,定位核的选择对检测影响较大,定位核选取的优劣,直接影响到检测结果是否准确。而定位核的选取要满足高对比性、唯一性的特点,对于经验较少的操作人员,定位核的绘制往往有一定难度,无法确定最优定位核,如果选的不合适,则直接影响检测的效果,同时,手动绘制检测区、定位核是一项极其繁重的工作。
总而言之,目前人工绘制检测区具有如下缺点:主观性强,对于复杂的图案的边缘不够贴近图案,同时绘制检测区耗时较长,工作量大。
人工选取定位核有如下缺点:1)主观性强,受绘制人员的习惯、经验等因素影响较大;2)定位核准确性无法保证,需要在后续的检测过程中多次调整。3)工作强度大,当图像信息非常丰富时,需要绘制较多定位核,因此,需要耗费大量人力和时间。
发明内容
本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种自动获取图像中检测区的方法,该方法能够自动获取检测区,具有省时、省力、高效、精度高及准确性高的优点。
本发明的另一个目的在于提供一种自动获取图像中检测区的***。
为了实现上述目的,本发明第一方面的实施例提出了一种自动获取图像中检测区的方法,包括以下步骤:对图像进行卷积运算以检测并提取所述图像中多个目标图案的边缘信息;根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集;从所述边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集;根据所述第二边缘像素点集判断所述第二边缘像素点集对应的多个轮廓是否存在重叠;如果是,则从所述第二边缘像素点集中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集;根据所述第三边缘像素点集得到所述检测区。
根据本发明实施例的自动获取图像中检测区的方法,对图像进行卷积运算以提取图像中多个目标图案的边缘信息,并据此提取目标图案的轮廓以得到所有轮廓的第一边缘像素点集,并从中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集,并据此判断第二边缘像素点集对应的多个轮廓是否存在重叠,如果是,则从中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集,最后根据第三边缘像素点集得到检测区。因此,本发明实施例的方法能够自动获取检测区,具有省时、省力、高效、精度高及准确性高的优点。
另外,根据本发明上述实施例的自动获取图像中检测区的方法还可以具有如下附加的技术特征:
在一些示例中,在所述根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之前,还包括:对所述边缘信息进行平滑滤波。
在一些示例中,在对所述边缘信息进行平滑滤波之后,还包括:对所述边缘信息进行膨胀处理。
在一些示例中,在所述根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之后,还包括:判断所述多个目标图案的轮廓对应的边缘像素点集是否大于预设像素值;如果是,则从所述第一边缘像素点集中删除相应的边缘像素点集以得到第四边缘像素点集;提取所述第四边缘像素点集对应的多个轮廓的SURF特征信息;根据所述SURF特征信息对所述多个轮廓进行排序以得到定位核。
本发明第二方面的实施例还提供了一种自动获取图像中检测区的***,包括:检测模块,用于对图像进行卷积运算以检测并提取所述图像中多个目标图案的边缘信息;第一提取模块,用于根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集;第二提取模块,用于从所述边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集;判断模块,用于根据所述第二边缘像素点集判断所述第二边缘像素点集对应的多个轮廓是否存在重叠;第三提取模块,用于从所述第二边缘像素点集中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集;检测区提取模块,用于根据所述第三边缘像素点集得到所述检测区。
根据本发明实施例的自动获取图像中检测区的***,检测模块对图像进行卷积运算以提取图像中多个目标图案的边缘信息,第一提取模块据此提取目标图案的轮廓以得到所有轮廓的第一边缘像素点集,第二提取模块从中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集,判断模块据此判断第二边缘像素点集对应的多个轮廓是否存在重叠,如果是,则第三提取模块从中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集,最后检测区提取模块根据第三边缘像素点集得到检测区。因此,本发明实施例的***能够自动获取检测区,具有省时、省力、高效、精度高及准确性高的优点。
另外,根据本发明上述实施例的自动获取图像中检测区的***还可以具有如下附加的技术特征:
在一些示例中,还包括:滤波模块,用于在所述第一提取模块根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之前,对所述边缘信息进行平滑滤波
在一些示例中,还包括:膨胀处理模块,用于在所述滤波模块对所述边缘信息进行平滑滤波之后,对所述边缘信息进行膨胀处理。
在一些示例中,还包括:定位核提取模块,用于在所述第一提取模块根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之后,判断所述多个目标图案的轮廓对应的边缘像素点集是否大于预设像素值,如果是,则从所述第一边缘像素点集中删除相应的边缘像素点集以得到第四边缘像素点集,并提取所述第四边缘像素点集对应的多个轮廓的SURF特征信息,以及根据所述SURF特征信息对所述多个轮廓进行排序以得到定位核。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明实施例的自动获取图像中检测区的方法的流程图;
图2是根据本发明另一个实施例的自动获取图像中检测区的方法的流程图;
图3据本发明又一个实施例的自动获取图像中检测区的方法的提取定位核的流程图;
图4被测的原始图像示意图;
图5边缘检测后的图像示意图;
图6平滑滤波后的图像示意图;
图7膨胀处理三次后的图像示意图;以及
图8根据本发明一个实施例的自动获取图像中检测区的***的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
以下结合附图描述根据本发明实施例自动获取图像中检测区的方法及***。
图1据本发明一个实施例的自动获取图像中检测区的方法的流程图。如图1所示,根据本发明一个实施例的自动获取图形中检测区的方法,包括以下步骤:
步骤S101,对图像进行卷积运算以检测并提取图像中多个目标图案的边缘信息。
作为一个具体示例,结合图2所示,步骤S101即图2所示的步骤S201至步骤S202,即对原始图像进行边缘检测,原始图像如图4所示。具体而言,边缘检测用到Canny算子,Canny算子有两个供调节的参数:高斯滤波器的大小和提取阈值。其中,滤波器的大小将会直接影响Canny算法的结果。较小的滤波器产生的模糊效果也较少,可以检测较小、变化明显的细线。较大的滤波器产生的模糊效果也较多,将较大的一块图像区域涂成一个特定点的颜色值,检测较大、平滑的边缘更加有用。在一个具体的例子中,用3*3大小的高斯滤波器来提取印刷品图案的边缘即可满足要求,可通过该3*3大小的高斯滤波器与原始图像做卷积运算。对于提取阈值很难给出确定的值,在一些示例中,经过多次实验,在印刷品边缘提取时,Canny算子使用两个阈值cannylow和cannyhigh,比使用一个阈值更加灵活,在实现过程中将这两个参数暴露出来,进行多次调节,经实验验证,当cannylow=50且cannyhigh=100时可以取得较好效果。具体如图5所示,为通过Canny算子边缘检测后的图像,在Opencv中调用的函数例如为:cvCanny(src,dst,cannylow,cannyhigh,3)。
在本发明的一个实施例中,在执行下述步骤S102之前,还包括:对上述得到步骤S101中得到的边缘信息进行平滑滤波。进一步地,在对边缘信息进行平滑滤波之后,还包括:对边缘信息进行膨胀处理。作为一个具体示例,结合图2所示,即图2中的步骤S203,对边缘检测得到的图像边缘,有可能存在断裂,而实际需求的检测区轮廓必须是闭合的,因此要对边缘检测图像进行平滑滤波,模糊图像的边缘,将断裂的部分连接起来。其中,在该示例中,平滑滤波算子可选择Gauss算子,窗口大小为5*5,通过其与边缘检测图像做卷积运算,使用Gauss滤波后的图像如图6所示。Opencv中调用的函数例如为:
cvSmooth(dst,dst,CV_GAUSSIAN,5,0,0,0)。
进一步地,由于边缘检测后得到的边缘是紧贴图像的,而在实际应用中,为了防止误报,需要将边缘扩充一定像素,因此需要进行膨胀处理,且膨胀次数越多,扩充的像素数越多,实现过程中将此参数暴露,供用户调节,从而使膨胀后边缘点集都向外扩充了一定像素,如图7所示,为膨胀处理三次后的图像示意图。在Opencv中调用的函数例如为:cvDilate(dst,dst,NULL,dialtenum)。
步骤S102,根据边缘信息提取多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集。即根据上述步骤S101得到的边缘信息对经过边缘检测、平滑滤波和膨胀处理后的多个目标图案的轮廓以得到所有轮廓的第一边缘像素点。换言之,在一个具体的示例中,结合图2所示,即在得到膨胀的图像后,就可以提取图案的轮廓,得到的是图案边缘的点集,即第一边缘像素点集。具体例如:在Opencv中调用函数:cvFindContours(dst,storage,&first_contour,
sizeof(CvContour),CV_RETR_CCOMP)。
步骤S103,从边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集。即从上述得到的第一边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点,剩下的边缘像素点即可组成第二边缘像素点集,其中,预设值根据实际需求而设定。换言之,在一个具体示例中,结合图2所示,该步骤对应于步骤S206,由于在提取轮廓时,面积太小的区域也会被提取到,但面积太小的这类图案并不是用户所需求的,所以要设置一个面积阈值(即预设值),面积小于该面积阈值的轮廓所对应的边缘像素点被排除,面积大于该面积阈值的轮廓所对应的边缘像素点组成第二边缘点集,其中,该面积阈值根据实际需求可调。
步骤S104,根据第二边缘像素点集判断第二边缘像素点集对应的多个轮廓是否存在重叠。换言之,在一个具体示例,结合图2所示,该步骤对应于步骤S207,即在得到第二边缘像素点集后,如果图像存在多重孔洞,则得到的边缘像素点对应的图案轮廓也会是相互包含的,即第二边远像素点集对应的多个轮廓存在重叠。
步骤S105,如果是,则从第二边缘像素点集中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集。即第二边缘像素点集对应的多个轮廓存在重叠,则从中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集。换言之,在一个具体示例中,结合图2,即当判断第二边缘像素点集对应的图案轮廓相互包含时,由于用户需求的仅是最外层的轮廓,因此需要进行矩形关系的判断,即去除包含在内的轮廓。从而通过循环判断轮廓的最小外接矩形是否包含在其他轮廓的最小外接矩形内来去除包含在内的轮廓,并将剩余的边缘像素点组成第三边缘像素点集。
步骤S106,根据第三边缘像素点集得到检测区。即上述得到第三边缘像素点集即为检测区点集,最终根据检测区点集可得到检测区,并输出检测区,也即图2中步骤S208。在一个具体的例子中,提取检测区函数定义、接口如下:vector<vector<POINT>>__declspec(dllexport)get_rect_list
(char*pPicData,int nWidth,int nHeight,int PicType,
CRect&Roi,int dialtenum,int cannylow,int cannyhigh,int minarea);
其中,在上述代码中,//输出是一个点列容器,vector<POINT>表示检测区的点列,picData是输入图像的数据指针,nwidth是输入图像的宽度,nheight是输入图像的高度,pictype是图像类型,Roi是ROI区域,dialtenum是膨胀力度,int cannylow Canny算子低阈值,intcannyhigh Canny算子高阈值,int minarea是最小面积。
在本发明的一个实施例中,在根据边缘信息提取多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集(即步骤S102)之后,还包括:判断多个目标图案的轮廓对应的边缘像素点集是否大于预设像素值,如果是,则从第一边缘像素点集中删除相应的边缘像素点集以得到第四边缘像素点集,并进一步提取第四边缘像素点集对应的多个轮廓的SURF特征信息,最后根据该SURF特征信息对多个轮廓进行排序以得到定位核。其中,预设像素值根据实际需求而设定。换言之,该过程即自动提取定位核的过程。
以下结合图3作为一个具体的示例来详细描述自动提取定位核的流程。具体而言,效果好的定位核具有对比度高、边缘明显、易识别的特征,而通过边缘检测得到的图像轮廓就具备了边缘明显的特性,如果在这些候选区域中添加条件,进行筛选,就可以得到定位核。因此,自动提取定位核的思路就是将检测区作为候选定位核,然后设置筛选条件,对候选区域排序。自动提取定位核的流程如图3所示:
步骤S301,原始图像。即输入要进行边缘检测的原始图像。
步骤S302,边缘检测。边缘检测用到Canny算子,Canny算子有两个供调节的参数:高斯滤波器的大小和提取阈值。其中,滤波器的大小将会直接影响Canny算法的结果。较小的滤波器产生的模糊效果也较少,可以检测较小、变化明显的细线。较大的滤波器产生的模糊效果也较多,将较大的一块图像区域涂成一个特定点的颜色值,检测较大、平滑的边缘更加有用。在一个具体的例子中,用3*3大小的高斯滤波器来提取印刷品图案的边缘即可满足要求,可通过该3*3大小的高斯滤波器与原始图像做卷积运算。对于提取阈值很难给出确定的值,在一些示例中,经过多次实验,在印刷品边缘提取时,Canny算子使用两个阈值cannylow和cannyhigh,比使用一个阈值更加灵活,在实现过程中将这两个参数暴露出来,进行多次调节,经实验验证,当cannylow=50且cannyhigh=100时可以取得较好效果。
步骤S303,平滑滤波。对边缘检测得到的图像边缘,有可能存在断裂,而实际需求的检测区轮廓必须是闭合的,因此要对边缘检测图像进行平滑滤波,模糊图像的边缘,将断裂的部分连接起来。其中,在该示例中,平滑滤波算子可选择Gauss算子,窗口大小为5*5,通过其与边缘检测图像做卷积运算。
步骤S304,提取轮廓。在提取检测区轮廓之前,首先要对边缘图像进行膨胀处理,但对于提取定位核候选区域,则无需进行膨胀处理,用户需求的就是紧贴图像边缘的轮廓,因此,直接进行轮廓提取即可。
步骤S305,定位核长宽限定。具体而言,在实际检测软件模板管理中,定位核的大小一般不宜太大,因此需要添加长宽限制条件,以进行筛选,当长宽超过预设像素值(例如为但不限于120像素)时,则删除相应的边缘像素点集(即相应的候选区域),剩余的像素点集可组成第四边缘像素点集。
步骤S306,提取SURF特征。具体而言,提取定位核的目的在于能够准确找到与之关联的检测区,减少偏差,使模板学***移、旋转、尺度的变化,利用特征点来提取特征描述符,最后在特征描述符之间寻找匹配,说明用特征点多的检测区做匹配运算将会有较好的效果,所以计算各个定位核候选区域的SURF特征信息,累加求和,再计算各候选区SURF特征占总和的百分比,以此来判断候选区域的特征优劣。具体例如:在Opencv中提取SURF特征函数:
Ptr<FeatureDetector>detector=FeatureDetector::create("SURF");
Ptr<DescriptorExtractor>descriptor_extractor
=DescriptorExtractor::create("SURF");
detector->detect(img1,keypoints1)。
步骤S307,定位核排序。候选区域按各自的SURF特征占SURF特征总和的百分比进行排序,排在第一的则认为是改组候选区中作为定位核效果最好的,定位核输出个数根据实际需求可调,且最终输出最优的几个定位核。
步骤S308,定位核输出。即经过上述步骤S301至步骤S307便可得到最终的定位核Rect集。其中,提取定位核函数定义、接口如下:
其中,在上述代码中,//输出vector<Rect>定位核Rect,picData是输入图像的数据指针,nwidth是输入图像的宽度,nheight是输入图像的高度,pictype是图像类型,Roi是ROI区域,int kernelwidth是定位核最大宽度,int kernelheight是定位核最大高度,intkernelnum是输出定位核的数目,int cannylow Canny算子低阈值,int cannyhigh Canny算子高阈值。
需要说明的是,上述描述的自动提取检测区和定位核算法例如通过Opencv图像库实现,其可生成动态链接库,具有两个函数接口,在高级建模MBW中调用。
根据本发明实施例的自动获取图像中检测区的方法,对图像进行卷积运算以提取图像中多个目标图案的边缘信息,并据此提取目标图案的轮廓以得到所有轮廓的第一边缘像素点集,并从中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集,并据此判断第二边缘像素点集对应的多个轮廓是否存在重叠,如果是,则从中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集,最后根据第三边缘像素点集得到检测区。因此,本发明实施例的方法能够自动获取检测区,具有省时、省力、高效、精度高及准确性高的优点。
本发明第二方面的实施例还提供了一种自动获取图像中检测区的***。
图8是根据本发明一个实施例的自动获取图像中检测区的***的结构框图。如图8所示,根据本发明一个实施例的自动获取图像中检测区的***800,包括:检测模块810、第一提取模块820、第二提取模块830、判断模块840、第三提取模块850、检测区提取模块860。
其中,检测模块810用于对图像进行卷积运算以检测并提取图像中多个目标图案的边缘信息。在一个具体示例中,具体而言,即检测模块810用于对原始图像进行边缘检测。更为具体地,边缘检测用到Canny算子,Canny算子有两个供调节的参数:高斯滤波器的大小和提取阈值。其中,滤波器的大小将会直接影响Canny算法的结果。较小的滤波器产生的模糊效果也较少,可以检测较小、变化明显的细线。较大的滤波器产生的模糊效果也较多,将较大的一块图像区域涂成一个特定点的颜色值,检测较大、平滑的边缘更加有用。在一个具体的例子中,用3*3大小的高斯滤波器来提取印刷品图案的边缘即可满足要求,可通过该3*3大小的高斯滤波器与原始图像做卷积运算。对于提取阈值很难给出确定的值,在一些示例中,经过多次实验,在印刷品边缘提取时,Canny算子使用两个阈值cannylow和cannyhigh,比使用一个阈值更加灵活,在实现过程中将这两个参数暴露出来,进行多次调节,经实验验证,当cannylow=50且cannyhigh=100时可以取得较好效果。
第一提取模块820用于根据边缘信息提取多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集。换言之,即第一提取模块820根据上述检测模块810得到的边缘信息提取多个目标图案的轮廓,最终得到所有轮廓的第一边缘像素点。
第二提取模块830用于从边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集。换言之,即从上述第一提取模块820得到的第一边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点,剩下的边缘像素点即可组成第二边缘像素点集,其中,预设值根据实际需求而设定。作为一个具体示例,由于在提取轮廓时,面积太小的区域也会被提取到,但面积太小的这类图案并不是用户所需求的,所以要设置一个面积阈值(即预设值),面积小于该面积阈值的轮廓所对应的边缘像素点被排除,面积大于该面积阈值的轮廓所对应的边缘像素点组成第二边缘点集,其中,该面积阈值根据实际需求可调。
判断模块840用于根据第二边缘像素点集判断第二边缘像素点集对应的多个轮廓是否存在重叠。作为一个具体示例,当第二提取模块830得到第二边缘像素点集后,如果图像存在多重孔洞,则得到的边缘像素点对应的图案轮廓也会是相互包含的,即第二边缘像素点集对应的多个轮廓存在重叠,而用户需求的仅是最外层的轮廓,因此,需要判断模块840判断第二边缘像素点集对应的多个轮廓是否存在重叠。
第三提取模块850用于从第二边缘像素点集中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集。换言之,即当判断模块840判断第二边缘像素点集对应的多个轮廓存在重叠,则第三提取模块850从第二边缘像素点集中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集。作为一个具体示例,即当判断第二边缘像素点集对应的图案轮廓相互包含时,由于用户需求的仅是最外层的轮廓,因此需要进行矩形关系的判断,即去除包含在内的轮廓。从而通过循环判断轮廓的最小外接矩形是否包含在其他轮廓的最小外接矩形内来去除包含在内的轮廓,并将剩余的边缘像素点组成第三边缘像素点集。
检测区提取模块860用于根据第三边缘像素点集得到检测区。换言之,即上述第三提取模块850得到的第三边缘像素点即为检测区点集,检测区提取模块860可根据该检测区点集得到检测区,并输出检测区。作为一个具体示例,提取检测区的定义、接口如下:
vector<vector<POINT>>__declspec(dllexport)get_rect_list
(char*pPicData,int nWidth,int nHeight,int PicType,
CRect&Roi,int dialtenum,int cannylow,int cannyhigh,
int minarea);
其中,在上述代码中,//输出是一个点列容器,vector<POINT>表示检测区的点列,picData是输入图像的数据指针,nwidth是输入图像的宽度,nheight是输入图像的高度,pictype是图像类型,Roi是ROI区域,dialtenum是膨胀力度,int cannylow Canny算子低阈值,int cannyhigh Canny算子高阈值,int minarea是最小面积。
在本发明的一个实施例中,上述的自动获取图像中检测区的***800还包括:滤波模块870(图中未示出)、膨胀处理模块880(图中未示出)和定位核提取模块890(图中未示出)。
具体而言,滤波模块870用于在第一提取模块820根据边缘信息提取多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之前,对边缘信息进行平滑滤波。膨胀处理模块880用于在滤波模块870对边缘信息进行平滑滤波之后,对所该边缘信息进行膨胀处理。作为一个具体示例,对于边缘检测得到的图像边缘,有可能存在断裂,而实际需求的检测区轮廓必须是闭合的,因此要对边缘检测图像进行平滑滤波,模糊图像的边缘,将断裂的部分连接起来。其中,在该示例中,平滑滤波算子可选择Gauss算子,窗口大小为5*5,通过其与边缘检测图像做卷积运算。进一步地,由于边缘检测后得到的边缘是紧贴图像的,而在实际应用中,为了防止误报,需要将边缘扩充一定像素,因此需要进行膨胀处理,且膨胀次数越多,扩充的像素数越多,实现过程中将此参数暴露,供用户调节,从而使膨胀后边缘点集都向外扩充了一定像素。
定位核提取模块890用于在第一提取模块820根据边缘信息提取多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之后,判断多个目标图案的轮廓对应的边缘像素点集是否大于预设像素值,如果是,则从第一边缘像素点集中删除相应的边缘像素点集以得到第四边缘像素点集,并提取第四边缘像素点集对应的多个轮廓的SURF特征信息,以及根据该SURF特征信息对多个轮廓进行排序以得到定位核。其中,因素和像素值根据实际需求而设定。
根据本发明实施例的自动获取图像中检测区的***,检测模块对图像进行卷积运算以提取图像中多个目标图案的边缘信息,第一提取模块据此提取目标图案的轮廓以得到所有轮廓的第一边缘像素点集,第二提取模块从中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集,判断模块据此判断第二边缘像素点集对应的多个轮廓是否存在重叠,如果是,则第三提取模块从中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集,最后检测区提取模块根据第三边缘像素点集得到检测区。因此,本发明实施例的***能够自动获取检测区,具有省时、省力、高效、精度高及准确性高的优点。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种自动获取图像中检测区的方法,其特征在于,包括以下步骤:
对图像进行卷积运算以检测并提取所述图像中多个目标图案的边缘信息;
根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集,之后进一步判断所述多个目标图案的轮廓对应的边缘像素点集是否大于预设像素值,如果是,则从所述第一边缘像素点集中删除相应的边缘像素点集以得到第四边缘像素点集,提取所述第四边缘像素点集对应的多个轮廓的SURF特征信息,根据所述SURF特征信息对所述多个轮廓进行排序以得到定位核;
从所述第一边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集;
根据所述第二边缘像素点集判断所述第二边缘像素点集对应的多个轮廓是否存在重叠;
如果是,则从所述第二边缘像素点集中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集;
根据所述第三边缘像素点集得到所述检测区。
2.根据权利要求1所述的自动获取图像中检测区的方法,其特征在于,在所述根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之前,还包括:对所述边缘信息进行平滑滤波。
3.根据权利要求2所述的自动获取图像中检测区的方法,其特征在于,在对所述边缘信息进行平滑滤波之后,还包括:对所述边缘信息进行膨胀处理。
4.一种自动获取图像中检测区的***,其特征在于,包括:
检测模块,用于对图像进行卷积运算以检测并提取所述图像中多个目标图案的边缘信息;
第一提取模块,用于根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集;
定位核提取模块,用于在所述第一提取模块根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之后,判断所述多个目标图案的轮廓对应的边缘像素点集是否大于预设像素值,如果是,则从所述第一边缘像素点集中删除相应的边缘像素点集以得到第四边缘像素点集,并提取所述第四边缘像素点集对应的多个轮廓的SURF特征信息,以及根据所述SURF特征信息对所述多个轮廓进行排序以得到定位核;
第二提取模块,用于从所述第一边缘像素点集中删除面积小于预设值的轮廓对应的边缘像素点以得到第二边缘像素点集;
判断模块,用于根据所述第二边缘像素点集判断所述第二边缘像素点集对应的多个轮廓是否存在重叠;
第三提取模块,用于从所述第二边缘像素点集中删除重叠的轮廓对应的边缘像素点集以得到第三边缘像素点集;
检测区提取模块,用于根据所述第三边缘像素点集得到所述检测区。
5.根据权利要求4所述的自动获取图像中检测区的***,其特征在于,还包括:滤波模块,用于在所述第一提取模块根据所述边缘信息提取所述多个目标图案的轮廓以得到所有轮廓的第一边缘像素点集之前,对所述边缘信息进行平滑滤波。
6.根据权利要求5所述的自动获取图像中检测区的***,其特征在于,还包括:膨胀处理模块,用于在所述滤波模块对所述边缘信息进行平滑滤波之后,对所述边缘信息进行膨胀处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410053854.6A CN104851085B (zh) | 2014-02-17 | 2014-02-17 | 自动获取图像中检测区的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410053854.6A CN104851085B (zh) | 2014-02-17 | 2014-02-17 | 自动获取图像中检测区的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104851085A CN104851085A (zh) | 2015-08-19 |
CN104851085B true CN104851085B (zh) | 2018-01-23 |
Family
ID=53850712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410053854.6A Active CN104851085B (zh) | 2014-02-17 | 2014-02-17 | 自动获取图像中检测区的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104851085B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426902B (zh) * | 2015-09-16 | 2019-06-25 | 西安印钞有限公司 | 基于形变复原技术的钞券质量检测***及方法 |
CN105975974A (zh) * | 2016-05-10 | 2016-09-28 | 深圳市金脉智能识别科技有限公司 | 一种手指静脉识别中提取roi图像的方法 |
CN107452002A (zh) * | 2016-05-31 | 2017-12-08 | 百度在线网络技术(北京)有限公司 | 一种图像分割方法及装置 |
CN106097344A (zh) * | 2016-06-15 | 2016-11-09 | 武汉理工大学 | 一种检测轮胎橡胶中几何形杂质的图像处理方法及*** |
CN108732484A (zh) * | 2017-04-20 | 2018-11-02 | 深圳市朗驰欣创科技股份有限公司 | 用于元器件定位的检测方法及检测*** |
CN107451569A (zh) * | 2017-08-04 | 2017-12-08 | 深圳易嘉恩科技有限公司 | 一种自动识别并裁切扫描件中票据的方法 |
CN111353331B (zh) * | 2018-12-20 | 2023-09-05 | 浙江欣奕华智能科技有限公司 | 一种目标物的检测方法、检测装置及机器人 |
US11023770B2 (en) | 2019-09-23 | 2021-06-01 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Systems and methods for obtaining templates for tessellated images |
CN111630566B (zh) * | 2019-09-23 | 2023-09-29 | 香港应用科技研究院有限公司 | 为棋盘格图像获取模板的***和方法 |
CN111523391B (zh) * | 2020-03-26 | 2021-11-05 | 上海刻羽信息科技有限公司 | 建筑物的识别方法、***、电子设备及可读存储介质 |
CN112308842B (zh) * | 2020-11-02 | 2024-03-29 | 凌云光技术股份有限公司 | 一种基于印刷品图像的定位核自动提取方法 |
CN112581487B (zh) * | 2020-12-30 | 2024-07-19 | 征图新视(江苏)科技股份有限公司 | 自动提取检测区域及定位核的方法 |
CN113139936B (zh) * | 2021-03-31 | 2022-07-08 | 武汉钢铁有限公司 | 一种图像分割处理方法及装置 |
CN113034529A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 基于迷你手机检测机的设备图像提取方法及装置 |
CN113674303B (zh) * | 2021-08-31 | 2024-07-16 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298700A (zh) * | 2011-06-09 | 2011-12-28 | 华东师范大学 | 一种骨髓病理图像中细胞识别与定位方法 |
-
2014
- 2014-02-17 CN CN201410053854.6A patent/CN104851085B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298700A (zh) * | 2011-06-09 | 2011-12-28 | 华东师范大学 | 一种骨髓病理图像中细胞识别与定位方法 |
Non-Patent Citations (1)
Title |
---|
基于灰度图像的车牌字符提取算法研究;孟杰 等;《微计算机信息》;20071231;第23卷(第9-1期);正文第254页第1部分、第255页第1栏第3-15段及倒数第1段 * |
Also Published As
Publication number | Publication date |
---|---|
CN104851085A (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104851085B (zh) | 自动获取图像中检测区的方法及*** | |
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
CN104680519B (zh) | 基于轮廓和颜色的七巧板识别方法 | |
EP3343440A1 (en) | Identifying and excluding blurred areas of images of stained tissue to improve cancer scoring | |
CN104990926B (zh) | 一种基于视觉的tr元件定位和缺陷检测方法 | |
CN108776140A (zh) | 一种基于机器视觉的印刷品瑕疵检测方法及*** | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测*** | |
CN104299008B (zh) | 基于多特征融合的车型分类方法 | |
US8023737B2 (en) | Method and device for the segmentation of regions and related computer program product | |
CN104574418A (zh) | 基于神经网络的压力容器焊缝缺陷识别方法及其装置 | |
CN110119741A (zh) | 一种有背景的卡证图像信息识别方法 | |
CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
CN108090434B (zh) | 一种矿石快速识别方法 | |
CN109087286A (zh) | 一种基于计算机图像处理和模式识别的检测方法及应用 | |
CN104867144A (zh) | 基于混合高斯模型的ic元件焊点缺陷检测方法 | |
CN102184404B (zh) | 掌纹图像中手掌区域的获取方法及装置 | |
Galsgaard et al. | Circular hough transform and local circularity measure for weight estimation of a graph-cut based wood stack measurement | |
CN104867145A (zh) | 基于vibe模型的ic元件焊点缺陷检测方法 | |
CN110310291A (zh) | 一种稻瘟病分级***及其方法 | |
CN115601332A (zh) | 一种基于语义分割的嵌入式指纹模块外观检测方法 | |
CN109781737A (zh) | 一种软管表面缺陷的检测方法及其检测*** | |
CN106469300A (zh) | 一种色斑检测识别方法 | |
CN103258218A (zh) | 蒙版检测框架生成方法、装置、缺陷检测方法及装置 | |
CN109117837B (zh) | 感兴趣区域确定方法和设备 | |
CN103761520B (zh) | 基于笔划宽度的文档图像无参二值化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: No. 258-6 Jinhua Road, Wujin Economic Development Zone, Changzhou City, Jiangsu Province Patentee after: Zhengtu Xinshi (Jiangsu) Science and Technology Co., Ltd. Address before: No. 258-6 Jinhua Road, Wujin Economic Development Zone, Changzhou City, Jiangsu Province Patentee before: Sign new map (Jiangsu) Technology Co. Ltd. |
|
CP01 | Change in the name or title of a patent holder |