CN105096348A - 检测图像中的色彩板的装置和方法 - Google Patents
检测图像中的色彩板的装置和方法 Download PDFInfo
- Publication number
- CN105096348A CN105096348A CN201410183248.6A CN201410183248A CN105096348A CN 105096348 A CN105096348 A CN 105096348A CN 201410183248 A CN201410183248 A CN 201410183248A CN 105096348 A CN105096348 A CN 105096348A
- Authority
- CN
- China
- Prior art keywords
- sliding window
- rightarrow
- template
- color
- color lump
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000000605 extraction Methods 0.000 claims abstract description 25
- 239000013598 vector Substances 0.000 claims description 63
- 230000008878 coupling Effects 0.000 claims description 41
- 238000010168 coupling process Methods 0.000 claims description 41
- 238000005859 coupling reaction Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 23
- 239000000284 extract Substances 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000012360 testing method Methods 0.000 description 8
- 239000003086 colorant Substances 0.000 description 7
- 229910000831 Steel Inorganic materials 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/12—Indexing scheme for image data processing or generation, in general involving antialiasing
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20048—Transform domain processing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明实施例提供一种检测图像中的色彩板的装置和方法,其中,所述装置包括:提取单元,其使用预定滑窗从输入图像上提取多个位置的滑窗的滑窗特征;选择单元,其使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为所述滑窗模板的匹配滑窗;确定单元,其根据每一个滑窗模板的匹配结果,确定所述输入图像上的色彩板的色块的分割线。通过本发明实施例的方法和装置,基于单独RGB通道特征以及色彩板几何结构即可自动检测出图像中的色彩板,与其它方法相比,具有更快的速度和更好的鲁棒性。
Description
技术领域
本发明涉及图像处理,尤其涉及一种检测图像中的色彩板的装置和方法。
背景技术
最近,X-rite公司推出的色彩板正逐渐流行起来,它可以用于纠正照相机拍摄的照片的颜色。如图1所示,色彩板包括24个标准颜色的色块。拍摄时,可将色彩板与被拍摄的场景或物体放在一起。拍摄后可根据色彩板在照片中的颜色来对照片进行色彩纠正。然而,由于色彩板在照片中出现时的位置、尺寸以及旋转都是随机的,因此必须借助人工来标定色彩板的位置区域,然后再进行色彩纠正。
为了实现自动的色彩纠正功能,一些研究者提出了自动在照片中检测色彩板的方法。
在文献1的方法中,改良版的SIFT(ScaleInvariantFeatureTransform,尺度不变特征变换)特征被用于色彩板的检测,但是由于其特征向量的维度达到了384,使得这一方法非常耗费时间。另外,这种方法只能给出色彩板大致的位置,具体到每个色块则无能为力。
文献2提出了一种基于色调H(HSV(HueSaturationValue,色调饱和度以及亮度)色彩空间)的检测方法,同时这种方法也利用了金字塔的层级图像结构来加快运算速度。然而,使用这种方法,当图像的颜色出现较大偏差时,例如拍摄时错误的白平衡设置,这种方法将失败。
文献1:S.Bianco,C.Cusano.ColorTargetLocalizationunderVaryingIlluminationConditions.Proc.ComputationalColorImagingWorkshop(CCIW'11),2011.
文献2:A.Minagawa,Y.Katsuyama,H.Takebe,Y.Hotta,Acolorchartdetectionmethodforautomaticcolorcorrection.Proc.InternationalConferenceonPatternRecognition(ICPR),2012.
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
为了解决上述背景技术所指出的问题,本发明实施例提供了一种检测图像中的色彩板的装置和方法,以提高检测速度和鲁棒性。
根据本发明实施例的第一方面,提供了一种检测图像中的色彩板的装置,其中,所述装置包括:
提取单元,其使用预定滑窗从输入图像上提取多个位置的滑窗的滑窗特征;
选择单元,其使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为所述滑窗模板的匹配滑窗;
确定单元,其根据每一个滑窗模板的匹配结果,确定所述输入图像上的色彩板的色块的分割线。
根据本发明实施例的第二方面,提供了一种检测图像中的色彩板的方法,其中,所述方法包括:
使用预定滑窗,从输入图像上提取多个位置的滑窗的滑窗特征;
使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为该滑窗模板的匹配滑窗;
根据每一个滑窗模板的匹配结果确定所述色彩板的色块的分割线。
根据本发明实施例的第三方面,提供了一种电子设备,所述电子设备包括前述第一方面所述的检测图像中的色彩板的装置。
根据本发明实施例的其它方面,提供了一种计算机可读程序,其中当在检测图像中的色彩板的装置或电子设备中执行所述程序时,所述程序使得计算机在所述检测图像中的色彩板的装置或电子设备中执行前述第二方面所述的检测图像中的色彩板的方法。
根据本发明实施例的其它方面,提供了一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在检测图像中的色彩板的装置或电子设备中执行前述第二方面所述的检测图像中的色彩板的方法。
本发明的有益效果在于:通过本发明实施例的装置和方法,基于单独RGB通道特征以及色彩板几何结构实现了对图像中的色彩板的自动检测,提高了检测速度和鲁棒性。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是色彩板的示意图;
图2是本发明实施例的检测图像中的色彩板的装置的组成框图;
图3是利用矩形滑窗进行特征提取的一个示例的示意图;
图4是不同位置的滑窗模板的示意图;
图5是一个位置的滑窗模板的旋转示意图;
图6是两个相邻色块的中间点的位置示意图;
图7是图6中点的颜色随着位置的变化而变化的曲线图;
图8是图7中位置和颜色距离的关系示意图;
图9是检测结果示意图;
图10是预定滑窗的四个实施方式的示意图;
图11是本发明实施例的检测图像中的色彩板的方法的流程图;
图12是本发明实施例的检测图像中的色彩板的方法的处理流程图;
图13是本发明实施例的电子设备的组成示意图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
本发明实施例提供了一种检测图像中的色彩板的装置。图2是该装置的组成框图,请参照图2,该装置包括:提取单元201、选择单元202以及确定单元203。其中,
提取单元201使用预定滑窗从输入图像上提取多个位置的滑窗的滑窗特征;
选择单元202使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为所述滑窗模板的匹配滑窗;
确定单元203根据每一个滑窗模板的匹配结果,确定所述输入图像上的色彩板的色块的分割线。
在本实施例中,提取单元201利用预定的滑窗从输入的图像上提取特征。例如,其可以利用该预定滑窗逐点扫描整个输入图像,在该预定滑窗经过的每个位置上提取特征,作为该预定滑窗在该位置上的滑窗的滑窗特征。
在本实施例中,该提取单元201所提取的特征为该输入图像上的对应该预定滑窗的预定位置的特征。其中,该预定滑窗可以是矩形滑窗,也可以是其它几何结构的滑窗,例如多边形、圆形等。对应该预定滑窗的几何结构,该预定滑窗的预定位置可以是该预定滑窗的顶点(对应矩形滑窗或多边形等),也可以是该预定滑窗的等分点(对应圆形滑窗等),还可以是其它预定位置,例如滑窗的中心点等。当然,这里的预定位置只是举例说明,根据具体实施情况,也可以同时提取不同预定位置对应的特征作为上述滑窗特征,例如,既提取第一预定位置(例如顶点)对应的特征,又提取第二预定位置(例如中心点)对应的特征。由此,由于预定位置可能有多个,例如多边形具有多个顶点,则对应预定滑窗滑动到的每个位置,提取单元201都能提取出多个值。
在本实施例中,该预定滑窗在每个位置上的滑窗的滑窗特征包括:对应R(Red,红色)通道的特征向量,对应G(Green,绿色)通道的特征向量,以及对应B(Blue,蓝色)通道的特征向量。也即,当提取单元201从输入图像上提取上述滑窗特征时,是按照不同的颜色通道分别提取,这样就得到三个通道的特征向量,每个通道的特征向量包括多个值,每个值对应一个预定位置。并且,在本实施例中,对应每个通道的特征向量中的值相对于所述滑窗的预定位置的选择顺序可以是固定的。例如,如果提取R通道的特征向量时,是按照预定位置的顺时针的顺序提取红色特征,则在提取G通道的特征向量和B通道的特征向量时,也要按照预定位置的顺时针的顺序分别提取绿色特征和蓝色特征。当然本实施例并不以此作为限制。
图3是利用矩形滑窗进行特征提取的一个示例的示意图,如图3所示,利用预定的矩形滑窗逐点扫描整个输入图像300,并在该矩形滑窗滑道到的每个位置,从该输入图像300上提取特征。在本示例中,以提取矩形滑窗的顶点所对应的特征为例,则对应该矩形滑窗的四个顶点的特征被提取单元201提取出来,形成三个四维的特征向量,也即每个特征向量对应一个颜色通道,分别是:R通道:G通道:B通道:在本示例中,是按照该矩形滑窗的顶点的顺时针的顺序提取对应各颜色通道的特征向量的值,如前所述,也可以按照逆时针的顺序或者其它顺序来提取对应各颜色通道的特征向量的值,或者其它顺序,只要保证选择顺序相同即可。
在本实施例中,由于从每个单独的R、G、B通道提取特征,R、G、B这三个值之间的相互关系的变化(例如由错误的白平衡设置等导致的)将不会影响检测结果。
在本实施例中,选择单元202用于从前述多个位置的滑窗中找到匹配滑窗,匹配滑窗的特点在于:大致位于四个色块的中心位置,且其每一个预定位置(如前述顶点或等分点)都属于一个不同的色块,则该预定位置所对应的像素即为该色块的色块像素。
为了找到上述匹配滑窗,在本实施例中,定义了滑窗模板的概念,滑窗模板为表征标准色彩板图像的色块的滑窗,其几何结构与提取单元201所使用的预定滑窗的几何结构相同,由此每个滑窗模板只能表征彼此相邻的四个色块,故在本实施例中,可以根据需要定义对应多个位置的滑窗模板,每个滑窗模板都位于四个色块中心,其特征向量均由标准的RGB颜色值构成。
图4为滑窗模板的一个示例的示意图,如图4所示,如果使用图3所示的矩形滑窗,则可以定义六个位置的滑窗模板,分别位于色块1、2、7、8的中心、色块3、4、9、10的中心,色块5、6、11、12的中心,色块7、8、13、14的中心,色块9、10、15、16的中心,色块11、12、17、18的中心。当然,图4的滑窗模板只是举例说明,根据实际需要,也可以定义更多个位置上的滑窗模板,滑窗模板的数量越多,则检测的精度越高。
另外,考虑到将该标准色彩板在图像中可能发生旋转,则对应每个位置可以提取四个旋转不同的模板,例如,对应每个位置顺时针旋转0°、90°、180°和270°得到四个滑窗模板,如图5所示,其是将对应色块5、6、11、12的中心的位置的滑窗模板旋转上述四个角度后所得到的四个滑窗模板。由此,对应上述六个位置的滑窗模板,共得到24个滑窗模板。
在本实施例中,通过将上述每个位置的滑窗与这些滑窗模板进行比较,来找到对应每个滑窗模板的匹配滑窗,由该匹配滑窗的预定位置所对应的像素得到该预定位置所在色块的像素。
在一个实施方式中,该选择单元202包括:计算模块2021和第一确定模块2022,其中,计算模块2021对于每一个滑窗模板,计算每一个位置的滑窗与该滑窗模板的距离;第一确定模块2022将距离最小的滑窗作为该滑窗模板的匹配滑窗。
在本实施方式中,为了找到匹配滑窗,定义了一个滑窗与滑窗模板之间的特征距离D。因为每个滑窗或滑窗模板都有三个特征向量(分别对应三个颜色通道),因此有:
D=dR+dG+db(1)
其中,dR,dG和dB是每个通道对应的特征距离。由于各个通道之间的特征距离是完全相同的,因此用d来表示某一个通道的特征距离。假设是某个滑窗的特征向量,是某个滑窗模板中对应的特征向量,则用函数f计算从到的特征距离d。然而,因为不同的光照等原因,在特征空间中,会比其真实的颜色值有一个位移。所以,通过考虑的位移Δs,定义f为:
其中,对于任意给定的Δs,将返回一个相同的d。最后,通过公式(1)和公式(2),有:
其中,是滑窗的特征向量,是滑窗模板中对应的特征向量。通过公式(3),可以计算任意滑窗和滑窗模板之间的距离D。对于某一个滑窗模板来说,到其距离最近的滑窗就是其最佳匹配滑窗。
在本实施方式中,在f中,可以使用欧氏距离,当然也可以使用其它距离,本实施例并不以此作为限制。
在本实施例中,由于一幅图像中存在大量的色彩板以外的区域,预定滑窗在这些区域滑动过程中提取的滑窗特征都是没用的,因此,为了提高运算速度,在寻找滑窗模板的匹配滑窗之前,还可以先通过过滤器过滤掉一些位置的滑窗。
则在本实施例的另一个实施方式中,选择单元202除了包括前述的计算模块2021和第一确定模块2022以外,还包括:过滤模块2023,其根据该多个位置的滑窗的滑窗特征,使用过滤器对该多个位置的滑窗进行过滤。在该是实施方式中,计算模块2021仅计算剩下的位置的滑窗与上述滑窗模板的距离即可,由此,提高了计算速度。
在本实施方式中,可以使用黑色中心过滤器来对上述多个位置的滑窗进行过滤。其中,通过观察标准色彩板可以发现,色彩板上有黑色的间隔线来隔开各个色块。因此,由于所期望的目标滑窗位于四个色块的中心位置,因此滑窗的中心颜色应该是黑色。基于此,通过该黑色中心过滤器,可以只保留那些中心颜色比顶点颜色要暗的滑窗。
在本实施方式中,还可以使用色彩多样性过滤器来对上述多个位置的滑窗进行过滤。其中,通过观察标准色彩板可以发现,由于目标滑窗的预定位置(如四个顶点)来自不同的色块,因此它们的颜色应该各不相同。基于此,通过该色彩多样性过滤器,可以只保留那些顶点颜色各不相同的滑窗。
以上两个过滤器只是举例说明,在具体实施时,可以将上述两个过滤器结合使用,也可以根据其它因素选用其它类型的过滤器,本实施例并不以此作为限制。
在本实施例中,确定了每个滑窗模板的匹配滑窗,即找到了包含色块像素的滑窗,由此可得到该匹配滑窗的上述预定位置所对应的像素,将该像素提取出来可以用于后续的进一步检测。
在本实施例中,确定单元203可以根据上述匹配滑窗的位置,也即各匹配滑窗的预定位置所对应的像素,来确定每个色块的精确位置以及形状。
在一个实施方式中,该确定单元203包括:第二确定模块2031和第三确定模块2032,其中,第二确定模块2031利用输入图像上的对应每个匹配滑窗的预定位置的像素点的位置,确定每相邻两个色块的中间点;第三确定模块2032利用各色块的中间点,确定各色块的分割线。由此,即可确定图像中的色彩板的每个色块的精确位置和形状。
在本实施方式中,以确定色块14和色块15的中间点为例。
图6所示,l和r是分别属于左右两个色块的点,这两个点是通过选择单元202所确定的某一个匹配滑窗的两个预定位置所在的两个色块中的点,这两个点的连线与真实分割线的交点m即为色块14和色块15的中间点。通过图6可以看出,沿着两点连线,从l到r,在左颜色边界,点的颜色是从左色块14的颜色(绿色)逐渐变为分割线的颜色(黑色);在右颜色边界,点的颜色则从分割线颜色逐渐变为右色块15的颜色(红色)。连线上其他的点的颜色则和色块或分割线的颜色一致。基于这一观察,可以建立数学模型。
假设只考虑某个颜色通道的颜色,则颜色值是一个标量。以L,M和R来分别表示点l,m和r的颜色。以Xl,Xm和Xr来分别表示点l,m和r在连线上的位置。假设颜色值在颜色边界是线性变化过渡,则可以得到图7的曲线,这条曲线显示了点的颜色值是如何随着位置的变化而变化的。假如用p来表示连线上的任意点,其位置用x∈(Xl,Xr)来表示。用P来表示p的颜色。通过函数g,可以计算从p到l或r的颜色距离d:
d=g(x)=max(|P-L|,|P-R|)(4)
利用公式4来计算颜色距离后,可以得到图8中所示的曲线。在新曲线中,阴影区1和阴影区2的面积是大致相等的,因此前半段曲线的积分应该大致等于后半段曲线的积分,所以有:
因此,每相邻两个色块的中间点的位置Xm可以通过下式进行计算:
通过Xm,能够得到上述中间点的位置。由于颜色值是由RGB三个颜色通道组成的,因此,公式(4)为:
其中,和分别表示RGB的颜色向量。
在本实施例中,得到中间点的位置后,通过现有的直线拟合方法,例如最小二乘法直线拟合法,即可最终得到所有的色块的分割线,图9显示了最终得到色块的分割线的一个示例。
在本实施例中,利用根据匹配滑窗提取出的色块像素来寻找色块中间点并找出色块分割线,然后通过该色块分割线可以得到所有色块的精确位置以及形状。
在本实施例中,为了避免检测结果的不准确,还可以对检测结果进行检查,则在本实施例的一个实施方式中,该装置还包括检查单元204,其对上述分割线所分隔的色块进行检查,如果每个色块的区域颜色值的方差小于第一阈值,并且不同色块之间的颜色差值小于第二阈值,则确定该分割线所分隔的色块为上述色彩板的色块;否则更换预定滑窗,并将更换的预定滑窗提供给提取单元201,以重复检测过程。
在本实施方式中,通过判断每个色块区域颜色值的方差以及不同色块区域之间的颜色差值是否符合所有条件,来对检测结果进行检查,如果符合,则整个检测过程结束;否则,将更换不同尺寸或旋转的预定滑窗,重复整个检测过程。
图10为不同尺寸或旋转的预定滑窗的一个示例,在该示例中,共预先设定了四个矩形滑窗,其中,第一个滑窗(a)和第二滑窗(b)的尺寸相同,但第二滑窗(b)相对于第一滑窗(a)旋转了45°,第三滑窗(c)和第四滑窗(d)的尺寸相同,且比第一滑窗(a)和第二滑窗(b)的尺寸小,而第四滑窗(d)相对于第三滑窗(c)旋转了45°。
在本实施例中,通过结果检查来检验提取出的色块的可信度,如果通过检查,则整个检测结束;否则,更换其他尺寸或旋转的矩形滑窗,重复整个过程。
通过本实施例的装置,提出了一种全新的通过单独RGB通道特征以及色彩板几何结构来进行检测的方式。与其他方式相比,本发明实施例的方式速度更加快,鲁棒性更好。在颜色偏差严重的图片中仍然能够检测出色彩板。另外,本发明实施例的方式能够精确的给出色彩板上每个色块的位置及其形状信息。
实施例2
本发明实施例还提供了一种检测图像中的色彩板的方法,如下所述,由于该方法解决问题的原理与实施例1的装置相同,因此其具体的实施可以参照实施例1的装置的实施,内容相同之处,不再重复说明。
图11是本实施例的检测图像中的色彩板的方法的流程图,请参照图11,该方法包括:
步骤1101:使用预定滑窗,从输入图像上提取多个位置的滑窗的滑窗特征;
步骤1102:使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为该滑窗模板的匹配滑窗;
步骤1103:根据每一个滑窗模板的匹配结果确定所述色彩板的色块的分割线。
在本实施例的一个实施方式中,在步骤1101中,可以利用所述预定滑窗逐点扫描整个所述输入图像,在所述预定滑窗经过的每个位置上提取特征,作为所述预定滑窗在该位置上的滑窗的滑窗特征。
在本实施例的一个实施方式中,提取的特征为所述输入图像上的对应所述预定滑窗的预定位置的特征;所述预定滑窗在每个位置上的滑窗的滑窗特征包括:对应R通道的特征向量,对应G通道的特征向量,以及对应B通道的特征向量。另外,对应每个通道的特征向量中的值相对于所述滑窗的选择顺序可以是固定的。
在本实施例的一个实施方式中,步骤1102可以包括:
S11:对于每一个滑窗模板,计算每一个位置的滑窗与所述滑窗模板的距离;
S12:将距离最小的滑窗作为所述滑窗模板的匹配滑窗。
可选的,在S1之前,还可以包括:
S10:根据所述多个位置的滑窗的滑窗特征,使用过滤器对所述多个位置的滑窗进行过滤,以便计算剩下的位置的滑窗与所述滑窗模板的距离。
在本实施例中,对于每一个滑窗模板,可以根据以下公式计算每一个位置的滑窗与所述滑窗模板的距离:
其中,
分别是所述滑窗的R通道、G通道、B通道的特征向量,
分别是所述滑窗模板中对应的R通道、G通道、B通道的特征向量,
是所述滑窗的R或G或B通道的特征向量,
是所述滑窗模板中对应的R或G或B通道的特征向量,
Δs是的位移。
在本实施例的一个实施方式中,步骤1103可以包括:
S21:利用所述输入图像上的对应每个匹配滑窗的预定位置的像素点的位置,确定每相邻两个色块的中间点;
S22:利用各色块的中间点,确定各色块的分割线。
在该实施方式中,可以根据以下公式确定每相邻两个色块的中间点的位置:
其中, 和为RGB颜色向量,Xl表示第一色块中的像素点的位置,Xm表示中间点的位置,Xr表示第二色块中的像素点的位置。
在本实施例的一个实施方式中,该方法还可以包括:
步骤1104:对所述分割线所分隔的色块进行检查,如果每个色块的区域颜色值的方差小于第一阈值,并且不同色块之间的颜色差值小于第二阈值,则确定所述分割线所分隔的色块为所述色彩板的色块;否则更换预定滑窗,重复检测过程。
图12是本实施例的方法的一个优选实施方式的处理流程图,如图12所示,先对输入图像进行滑动特征提取,然后在粗检测过程中,先使用黑色中心过滤器过滤掉一部分滑窗,再使用色彩多样性过滤器过滤掉一部分滑窗,再使用滑窗模板找到匹配滑窗,并提取该匹配滑窗的预定位置所对应的像素,然后再进行精细检测,确定每两个色块的中间点,进而确定色块分割线,由此确定了各色块的位置,最后还可以对检测结果进行检查,如果检测通过,则结束处理,否则更换预定滑窗继续前述检测过程。其中,图12所示的各个处理过程已经在前面做了详细介绍,这里不再赘述。
通过本实施例的方法,提出了一种全新的通过单独RGB通道特征以及色彩板几何结构来进行检测的方式。与其他方式相比,本发明实施例的方式速度更加快,鲁棒性更好。在颜色偏差严重的图片中仍然能够检测出色彩板。另外,本发明实施例的方式能够精确的给出色彩板上每个色块的位置及其形状信息。
实施例3
本发明实施例还提供了一种电子设备,该电子设备包括实施例1所述的检测图像中的色彩板的装置。
图13是本实施例的电子设备1300的***构成示意图,如图13所示,该电子设备1300可以包括中央处理器1301和存储器1302;存储器1302耦合到中央处理器1301。该图是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
如图13所示,该电子设备1300还可以包括:摄像单元1303、通信模块1304、输入单元1305、显示器1306、电源1307等。其中,摄像单元1303将拍摄的图像输入到存储器1302进行存储。
在一个实施方式中,检测图像中的色彩板的装置的功能可以被集成到中央处理器1301中。其中,中央处理器1301可以被配置为:使用预定滑窗,从输入图像上提取多个位置的滑窗的滑窗特征;使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为该滑窗模板的匹配滑窗;根据每一个滑窗模板的匹配滑窗的滑窗特征确定所述色彩板的色块的分割线。
其中,该中央处理器1301在被配置为使用预定滑窗,从输入图像上提取多个位置的滑窗的滑窗特征时,具体可以被配置为:利用所述预定滑窗逐点扫描整个所述输入图像,在所述预定滑窗经过的每个位置上提取特征,作为所述预定滑窗在该位置上的滑窗的滑窗特征。
其中,提取的特征为所述输入图像上的对应所述预定滑窗的预定位置的特征;所述预定滑窗在每个位置上的滑窗的滑窗特征包括:对应R通道的特征向量,对应G通道的特征向量,以及对应B通道的特征向量。其中,对应每个通道的特征向量中的值相对于所述滑窗的选择顺序可以是固定的。
其中,该中央处理器1301在被配置为使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为该滑窗模板的匹配滑窗时,具体可以被配置为:对于每一个滑窗模板,计算每一个位置的滑窗与所述滑窗模板的距离;将距离最小的滑窗作为所述滑窗模板的匹配滑窗。
其中,该中央处理器1301在被配置为计算每一个位置的滑窗与所述滑窗模板的距离之前,还可以被配置为根据所述多个位置的滑窗的滑窗特征,使用过滤器对所述多个位置的滑窗进行过滤,以便计算剩下的位置的滑窗与所述滑窗模板的距离。
其中,该中央处理器1301可以被配置为根据以下公式计算每一个位置的滑窗与所述滑窗模板的距离:
其中,
分别是所述滑窗的R通道、G通道、B通道的特征向量,
分别是所述滑窗模板中对应的R通道、G通道、B通道的特征向量,
是所述滑窗的R或G或B通道的特征向量,
是所述滑窗模板中对应的R或G或B通道的特征向量,
Δs是的位移。
其中,该中央处理器1301在被配置为根据每一个滑窗模板的匹配结果确定所述色彩板的色块的分割线时,具体可以被配置为:利用所述输入图像上的对应每个匹配滑窗的预定位置的像素点的位置,确定每相邻两个色块的中间点;利用各色块的中间点,确定各色块的分割线。
其中,该中央处理器1301可以被配置为根据以下公式确定每相邻两个色块的中间点的位置:
其中, 和为RGB颜色向量,Xl表示第一色块中的像素点的位置,Xm表示中间点的位置,Xr表示第二色块中的像素点的位置。
其中,该中央处理器1301还可以被配置为:对所述分割线所分隔的色块进行检查,如果每个色块的区域颜色值的方差小于第一阈值,并且不同色块之间的颜色差值小于第二阈值,则确定所述分割线所分隔的色块为所述色彩板的色块;否则更换预定滑窗,重复检测过程。
在另一个实施方式中,检测图像中的色彩板的装置可以与中央处理器1301分开配置,例如可以将检测图像中的色彩板的装置配置为与中央处理器1301连接的芯片,通过中央处理器1301的控制来实现检测图像中的色彩板的装置的功能。
在本实施例中电子设备1300也并不是必须要包括图13中所示的所有部件。
如图13所示,中央处理器1301有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,中央处理器1301接收输入并控制电子设备1300的各个部件的操作。
存储器1302,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器1301可执行该存储器1302存储的该程序,以实现信息存储或处理等。其他部件的功能与现有类似,此处不再赘述。电子设备1300的各部件可以通过专用硬件、固件、软件或其结合来实现,而不偏离本发明的范围。
在本实施例中,该电子设备例如是便携式无线电通信设备,包括所有诸如移动电话、智能手机、寻呼机、通信装置、电子记事簿、个人数字助理(PDA)、智能电话、便携式通信装置等的设备。另外,该电子设备还可以是具有摄像功能的设备,该设备可以不具有通信功能,例如包括:显微镜、照相机、摄像机等。本发明实施例并不对电子设备的种类进行限制。
通过本实施例的电子设备,基于单独RGB通道特征以及色彩板几何结构实现了对图像中的色彩板的自动检测,提高了检测速度和鲁棒性。
本发明的上述实施例是以图1所示的包含24个色块的标准色彩板为例,但本实施例并不以此作为限制,无论标准色彩板的色块有多少个,都可以依照本发明的原理来实施图像中的色彩板的检测。与24个色块的标准色彩板不同的是,滑窗模板需要根据标准色彩板的色块个数重新定义,此处不再赘述。
本发明实施例还提供一种计算机可读程序,其中当在检测图像中的色彩板的装置或电子设备中执行所述程序时,所述程序使得计算机在所述检测图像中的色彩板的装置或电子设备中执行实施例2所述的检测图像中的色彩板的方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在检测图像中的色彩板的装置或电子设备中执行实施例2所述的检测图像中的色彩板的方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1,一种检测图像中的色彩板的装置,其中,所述装置包括:
提取单元,其使用预定滑窗从输入图像上提取多个位置的滑窗的滑窗特征;
选择单元,其使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为所述滑窗模板的匹配滑窗;
确定单元,其根据每一个滑窗模板的匹配结果,确定所述输入图像上的色彩板的色块的分割线。
附记2,根据附记1所述的装置,其中,所述提取单元利用所述预定滑窗逐点扫描整个所述输入图像,在所述预定滑窗经过的每个位置上提取特征,作为所述预定滑窗在该位置上的滑窗的滑窗特征。
附记3,根据附记2所述的装置,其中,
所述提取单元所提取的特征为所述输入图像上的对应所述预定滑窗的预定位置的特征;
所述预定滑窗在每个位置上的滑窗的滑窗特征包括:对应R通道的特征向量,对应G通道的特征向量,以及对应B通道的特征向量。
附记4,根据附记1所述的装置,其中,所述选择单元包括:
计算模块,其对于每一个滑窗模板,计算每一个位置的滑窗与所述滑窗模板的距离;
第一确定模块,其将距离最小的滑窗作为所述滑窗模板的匹配滑窗。
附记5,根据附记4所述的装置,其中,所述选择单元还包括:
过滤模块,其根据所述多个位置的滑窗的滑窗特征,使用过滤器对所述多个位置的滑窗进行过滤;所述计算模块计算剩下的位置的滑窗与所述滑窗模板的距离。
附记6,根据附记4所述的装置,其中,所述计算模块根据以下公式计算每一个位置的滑窗与所述滑窗模板的距离:
其中,
分别是所述滑窗的R通道、G通道、B通道的特征向量,
分别是所述滑窗模板中对应的R通道、G通道、B通道的特征向量,
附记7,根据附记1所述的装置,其中,所述确定单元包括:
第二确定模块,其利用所述输入图像上的对应每个匹配滑窗的预定位置的像素点的位置,确定每相邻两个色块的中间点;
第三确定模块,其利用各色块的中间点,确定各色块的分割线。
附记8,根据附记7所述的装置,其中,所述第二确定模块根据以下公式确定每相邻两个色块的中间点的位置:
其中, 和为RGB颜色向量,Xl表示第一色块中的像素点的位置,Xm表示中间点的位置,Xr表示第二色块中的像素点的位置。
附记9,根据附记1所述的装置,其中,所述装置还包括:
检查单元,其对所述分割线所分隔的色块进行检查,如果每个色块的区域颜色值的方差小于第一阈值,并且不同色块之间的颜色差值小于第二阈值,则确定所述分割线所分隔的色块为所述色彩板的色块;否则更换预定滑窗,并将更换的预定滑窗提供给所述提取单元,以重复检测过程。
附记10,一种检测图像中的色彩板的方法,其中,所述方法包括:
使用预定滑窗,从输入图像上提取多个位置的滑窗的滑窗特征;
使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为该滑窗模板的匹配滑窗;
根据每一个滑窗模板的匹配结果确定所述色彩板的色块的分割线。
附记11,根据附记10所述的方法,其中,使用预定滑窗,从输入图像上提取多个位置的滑窗的滑窗特征,包括:
利用所述预定滑窗逐点扫描整个所述输入图像,在所述预定滑窗经过的每个位置上提取特征,作为所述预定滑窗在该位置上的滑窗的滑窗特征。
附记12,根据附记11所述的方法,其中,
提取的特征为所述输入图像上的对应所述预定滑窗的预定位置的特征;
所述预定滑窗在每个位置上的滑窗的滑窗特征包括:对应R通道的特征向量,对应G通道的特征向量,以及对应B通道的特征向量。
附记13,根据附记10所述的方法,其中,使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为该滑窗模板的匹配滑窗,包括:
对于每一个滑窗模板,计算每一个位置的滑窗与所述滑窗模板的距离;
将距离最小的滑窗作为所述滑窗模板的匹配滑窗。
附记14,根据附记13所述的方法,其中,在计算每一个位置的滑窗与所述滑窗模板的距离之前,所述方法还包括:
根据所述多个位置的滑窗的滑窗特征,使用过滤器对所述多个位置的滑窗进行过滤,以便计算剩下的位置的滑窗与所述滑窗模板的距离。
附记15,根据附记13所述的方法,其中,对于每一个滑窗模板,根据以下公式计算每一个位置的滑窗与所述滑窗模板的距离:
其中,
分别是所述滑窗的R通道、G通道、B通道的特征向量,
分别是所述滑窗模板中对应的R通道、G通道、B通道的特征向量,
是所述滑窗的R或G或B通道的特征向量,
是所述滑窗模板中对应的R或G或B通道的特征向量,
Δs是的位移。
附记16,根据附记10所述的方法,其中,根据每一个滑窗模板的匹配滑窗的滑窗特征确定所述色彩板的色块的分割线,包括:
利用所述输入图像上的对应每个匹配滑窗的预定位置的像素点的位置,确定每相邻两个色块的中间点;
利用各色块的中间点,确定各色块的分割线。
附记17,根据附记16所述的方法,其中,根据以下公式确定每相邻两个色块的中间点的位置:
其中, 和为RGB颜色向量,Xl表示第一色块中的像素点的位置,Xm表示中间点的位置,Xr表示第二色块中的像素点的位置。
附记18,根据附记10所述的方法,其中,所述方法还包括:
对所述分割线所分隔的色块进行检查,如果每个色块的区域颜色值的方差小于第一阈值,并且不同色块之间的颜色差值小于第二阈值,则确定所述分割线所分隔的色块为所述色彩板的色块;否则更换预定滑窗,重复检测过程。
附记19,一种电子设备,其中,所述电子设备包括检测图像中的色彩板的装置,所述装置被配置为:
使用预定滑窗,从输入图像上提取多个位置的滑窗的滑窗特征;
使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为该滑窗模板的匹配滑窗;
根据每一个滑窗模板的匹配结果确定所述色彩板的色块的分割线。
Claims (10)
1.一种检测图像中的色彩板的装置,其中,所述装置包括:
提取单元,其使用预定滑窗从输入图像上提取多个位置的滑窗的滑窗特征;
选择单元,其使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为所述滑窗模板的匹配滑窗;
确定单元,其根据每一个滑窗模板的匹配结果,确定所述输入图像上的色彩板的色块的分割线。
2.根据权利要求1所述的装置,其中,所述提取单元利用所述预定滑窗逐点扫描整个所述输入图像,在所述预定滑窗经过的每个位置上提取特征,作为所述预定滑窗在该位置上的滑窗的滑窗特征。
3.根据权利要求2所述的装置,其中,
所述提取单元所提取的特征为所述输入图像上的对应所述预定滑窗的预定位置的特征;
所述预定滑窗在每个位置上的滑窗的滑窗特征包括:对应R通道的特征向量,对应G通道的特征向量,以及对应B通道的特征向量。
4.根据权利要求1所述的装置,其中,所述选择单元包括:
计算模块,其对于每一个滑窗模板,计算每一个位置的滑窗与所述滑窗模板的距离;
第一确定模块,其将距离最小的滑窗作为所述滑窗模板的匹配滑窗。
5.根据权利要求4所述的装置,其中,所述选择单元还包括:
过滤模块,其根据所述多个位置的滑窗的滑窗特征,使用过滤器对所述多个位置的滑窗进行过滤,所述计算模块计算剩下的位置的滑窗与所述滑窗模板的距离。
6.根据权利要求4所述的装置,其中,所述计算模块根据以下公式计算每一个位置的滑窗与所述滑窗模板的距离:
其中,
分别是所述滑窗的R通道、G通道、B通道的特征向量,
分别是所述滑窗模板中对应的R通道、G通道、B通道的特征向量,
7.根据权利要求1所述的装置,其中,所述确定单元包括:
第二确定模块,其利用所述输入图像上的对应每个匹配滑窗的预定位置的像素点的位置,确定每相邻两个色块的中间点;
第三确定模块,其利用各色块的中间点,确定各色块的分割线。
8.根据权利要求7所述的装置,其中,所述第二确定模块根据以下公式确定每相邻两个色块的中间点的位置:
其中, 和为RGB颜色向量,Xl表示第一色块中的像素点的位置,Xm表示中间点的位置,Xr表示第二色块中的像素点的位置。
9.根据权利要求1所述的装置,其中,所述装置还包括:
检查单元,其对所述分割线所分隔的色块进行检查,如果每个色块的区域颜色值的方差小于第一阈值,并且不同色块之间的颜色差值小于第二阈值,则确定所述分割线所分隔的色块为所述色彩板的色块;否则更换预定滑窗,并将更换的预定滑窗提供给所述提取单元,以重复检测过程。
10.一种检测图像中的色彩板的方法,其中,所述方法包括:
使用预定滑窗,从输入图像上提取多个位置的滑窗的滑窗特征;
使用预定的多个滑窗模板,从所述多个位置的滑窗中寻找与每一个滑窗模板距离最小的滑窗,作为该滑窗模板的匹配滑窗;
根据每一个滑窗模板的匹配结果确定所述色彩板的色块的分割线。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410183248.6A CN105096348B (zh) | 2014-04-30 | 2014-04-30 | 检测图像中的色彩板的装置和方法 |
EP15164339.2A EP2940626B1 (en) | 2014-04-30 | 2015-04-20 | Apparatus and method for detecting color checker in image |
JP2015089576A JP6582516B2 (ja) | 2014-04-30 | 2015-04-24 | 画像におけるカラーチャートの検出装置及び検出方法 |
US14/699,532 US9633449B2 (en) | 2014-04-30 | 2015-04-29 | Apparatus and method for detecting color checker in image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410183248.6A CN105096348B (zh) | 2014-04-30 | 2014-04-30 | 检测图像中的色彩板的装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105096348A true CN105096348A (zh) | 2015-11-25 |
CN105096348B CN105096348B (zh) | 2018-06-29 |
Family
ID=53016478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410183248.6A Active CN105096348B (zh) | 2014-04-30 | 2014-04-30 | 检测图像中的色彩板的装置和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9633449B2 (zh) |
EP (1) | EP2940626B1 (zh) |
JP (1) | JP6582516B2 (zh) |
CN (1) | CN105096348B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105846956A (zh) * | 2016-03-21 | 2016-08-10 | 中国电子科技集团公司第二十研究所 | 基于滑窗过滤的分组码码重分析识别方法 |
WO2017128603A1 (zh) * | 2016-01-26 | 2017-08-03 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其反光镜位置检测方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346801B (zh) * | 2013-08-02 | 2018-07-20 | 佳能株式会社 | 图像构图评估装置、信息处理装置及其方法 |
DE102018106875B4 (de) | 2018-03-22 | 2020-01-23 | Basler Ag | Bestimmen von Farbkorrekturparametern |
DE102018106873B3 (de) | 2018-03-22 | 2019-07-04 | Basler Ag | Bestimmen von hinsichtlich einer Aufnahme mit einer inhomogenen Helligkeit korrigierten Farbwerten |
CN111914850B (zh) * | 2019-05-07 | 2023-09-19 | 百度在线网络技术(北京)有限公司 | 图片特征提取方法、装置、服务器和介质 |
US11620765B2 (en) * | 2020-07-02 | 2023-04-04 | Unity Technologies Sf | Automatic detection of a calibration object for modifying image parameters |
US11417019B2 (en) | 2020-07-02 | 2022-08-16 | Unity Technologies Sf | Detection of a calibration object for modifying image parameters |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1712944A (zh) * | 2004-06-25 | 2005-12-28 | 鸿富锦精密工业(深圳)有限公司 | LCD Panel检测***及方法 |
CN1764231A (zh) * | 2004-10-18 | 2006-04-26 | 汤姆森许可贸易公司 | 对输入图像进行色彩校正的设备和方法 |
US20120076405A1 (en) * | 2007-06-08 | 2012-03-29 | Brunner Ralph T | Automatic detection of calibration charts in images |
WO2013145295A1 (ja) * | 2012-03-30 | 2013-10-03 | 富士通株式会社 | カラーチャート検出装置、カラーチャート検出方法及びカラーチャート検出用コンピュータプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI411967B (zh) | 2006-08-11 | 2013-10-11 | Geo Semiconductor Inc | 用於顯示器幾何及色彩自動校準及校正之系統與方法 |
CN102149000B (zh) | 2010-02-10 | 2015-02-04 | 北京中星微电子有限公司 | 一种色版颜色提取和校正方法及*** |
CN103503025B (zh) | 2011-02-25 | 2016-09-07 | 弗劳恩霍夫应用研究促进协会 | 基于对对象的模型进行变换来确定模型参数 |
-
2014
- 2014-04-30 CN CN201410183248.6A patent/CN105096348B/zh active Active
-
2015
- 2015-04-20 EP EP15164339.2A patent/EP2940626B1/en active Active
- 2015-04-24 JP JP2015089576A patent/JP6582516B2/ja active Active
- 2015-04-29 US US14/699,532 patent/US9633449B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1712944A (zh) * | 2004-06-25 | 2005-12-28 | 鸿富锦精密工业(深圳)有限公司 | LCD Panel检测***及方法 |
CN1764231A (zh) * | 2004-10-18 | 2006-04-26 | 汤姆森许可贸易公司 | 对输入图像进行色彩校正的设备和方法 |
US20120076405A1 (en) * | 2007-06-08 | 2012-03-29 | Brunner Ralph T | Automatic detection of calibration charts in images |
WO2013145295A1 (ja) * | 2012-03-30 | 2013-10-03 | 富士通株式会社 | カラーチャート検出装置、カラーチャート検出方法及びカラーチャート検出用コンピュータプログラム |
Non-Patent Citations (1)
Title |
---|
AKIHIRO MINAGAWA ET.AL: "A color chart detection method for automatic color correction", 《21ST INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR2012)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017128603A1 (zh) * | 2016-01-26 | 2017-08-03 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其反光镜位置检测方法 |
CN105846956A (zh) * | 2016-03-21 | 2016-08-10 | 中国电子科技集团公司第二十研究所 | 基于滑窗过滤的分组码码重分析识别方法 |
CN105846956B (zh) * | 2016-03-21 | 2018-08-31 | 中国电子科技集团公司第二十研究所 | 基于滑窗过滤的分组码码重分析识别方法 |
Also Published As
Publication number | Publication date |
---|---|
US20150317804A1 (en) | 2015-11-05 |
EP2940626B1 (en) | 2020-05-20 |
CN105096348B (zh) | 2018-06-29 |
JP2015212943A (ja) | 2015-11-26 |
JP6582516B2 (ja) | 2019-10-02 |
EP2940626A2 (en) | 2015-11-04 |
EP2940626A3 (en) | 2015-12-09 |
US9633449B2 (en) | 2017-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105096348A (zh) | 检测图像中的色彩板的装置和方法 | |
CN107239742B (zh) | 一种仪表指针刻度值计算方法 | |
KR20190051463A (ko) | 카메라 캘리브레이션을 위한 체커보드 코너점 추출 장치 및 방법 | |
KR20170019359A (ko) | 국부적 적응형 히스토그램 등화 | |
CN110909750B (zh) | 图像差异检测方法及装置、存储介质、终端 | |
Klančar et al. | Wide-angle camera distortions and non-uniform illumination in mobile robot tracking | |
CN111091785B (zh) | 一种色偏补偿方法及装置 | |
CN104809716A (zh) | 一种确定图像偏移量的方法及设备 | |
CN103973997A (zh) | 一种图像处理方法及装置 | |
CN105160682A (zh) | 图像边缘检测方法及装置 | |
CN111932571A (zh) | 图像的边界识别方法、装置以及计算机可读存储介质 | |
CN102004914B (zh) | 检测圆章位置的方法和装置 | |
CN104143182A (zh) | 一种全景图拼接方法和终端设备 | |
JPH05181411A (ja) | 地図情報照合更新方式 | |
KR20190027165A (ko) | 복수 이미지의 특징을 통일하는 이미지 조정 시스템 및 방법 | |
CN106405894A (zh) | 一种液晶面板缺陷自动定位方法 | |
CN114187363A (zh) | 一种获取径向畸变参数值的方法、装置以及移动终端 | |
CN113112404A (zh) | 一种基于滑动窗口的图像拼接方法及装置 | |
CN110033412B (zh) | 一种图像处理方法及装置 | |
CN115423746B (zh) | 一种用于计算蒙皮孔位和孔径的图像处理方法 | |
CN110719382A (zh) | 一种颜色替换方法和装置 | |
CN103208003A (zh) | 一种基于几何图形特征点形状描述子的方法 | |
WO2019148894A1 (zh) | 一种利用图像斑块追踪测量偏移的方法、装置及存储介质 | |
CN105184785A (zh) | 图像的轮廓提取方法和轮廓提取装置 | |
CN110794599B (zh) | 一种色偏检测方法、电子设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |