CN108182457B - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN108182457B CN108182457B CN201810088070.5A CN201810088070A CN108182457B CN 108182457 B CN108182457 B CN 108182457B CN 201810088070 A CN201810088070 A CN 201810088070A CN 108182457 B CN108182457 B CN 108182457B
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- pixel point
- point
- region
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括:将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合;确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域;确定包含于匹配特征点密集区域的第二特征点;将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合;基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果。该实施方式提高了确定目标像素点的匹配结果的准确性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于生成信息的方法和装置。
背景技术
现有技术中,在不同设备上进行对网站的兼容性测试时,往往需要对每台设备进行单独的测试;或者,还可以基于网站页面的目标点在一台设备的屏幕上的位置,确定出该目标点在其他设备屏幕上的对应点的位置,从而,基于自动化测试工具或程序进行上述兼容性测试。
目前,确定目标点在其他设备屏幕上的对应点的方法主要包括以下两种:一种是基于页面控件属性(如id,name等)进行定位;另一种是基于某种单一图像特征进行匹配。其中,基于某种单一图像特征可以是基于尺度不变特征变换(SIFT,Scale InvariantFeature Transform)得到的图像特征。
发明内容
本申请实施例提出了用于生成信息的方法和装置。
第一方面,本申请实施例提供了一种用于生成信息的方法,该方法包括:将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合,其中,第一特征点是第一图像包括的目标图像区域的特征点,目标图像区域包括目标像素点,第二特征点是第二图像的特征点;确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域;确定包含于匹配特征点密集区域的第二特征点;将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合;基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果。
在一些实施例中,上述方法还包括:将目标像素点在第一图像中的邻域内的各个像素点作为第一种子像素点,采用区域生长算法,将符合预设筛选条件的第一种子像素点的聚合区域确定为第一区域;将第二图像中的各个像素点作为第二种子像素点,采用区域生长算法,将符合预设筛选条件的第二种子像素点的聚合区域确定为第二区域;将符合以下至少一项匹配条件的第二区域确定为与第一区域匹配的第二区域:第二区域的填充度与第一区域的填充度的差小于预设的填充度阈值;第二区域的长宽比与第一区域的长宽比的差小于预设的长宽比阈值;第二区域与第一区域的相似度大于预设的第一相似度阈值;将第一区域与第一区域匹配的第二区域的组合,确定为匹配区域对;基于匹配区域对以及目标像素点,生成目标像素点的第二匹配结果。
在一些实施例中,上述预设筛选条件包括以下至少一项:第一预设间距值、第一图像的高度与第一图像的宽度三者的乘积小于聚合区域的像素数量;聚合区域的宽度小于第一图像的宽度与第二预设间距值的乘积;聚合区域的高度小于第一图像的高度与第二预设间距值的乘积。
在一些实施例中,目标像素点的邻域内呈现有第一词汇集合,第二图像呈现有第二词汇集合;以及上述方法还包括:针对第一词汇集合中的每个第一词汇,在第二词汇集合中确定与该第一词汇匹配的第二词汇,将该第一词汇与该第一词汇所匹配的第二词汇的组合,确定为匹配词汇对;基于匹配词汇对以及目标像素点,生成目标像素点的第三匹配结果。
在一些实施例中,确定与该第一词汇匹配的第二词汇,包括:确定该第一词汇的四角号码;确定第二词汇集合中的各个第二词汇与该第一词汇的相似度;将与该第一词汇的四角号码相同和/或相似度最大的第二词汇,确定为与该第一词汇匹配的第二词汇。
在一些实施例中,上述方法还包括:利用目标像素点的邻域,对第二图像进行模板匹配操作,确定第二图像的图像区域与邻域的相似度,将所确定的相似度中相似度最大的第二图像的图像区域确定为匹配图像区域;确定邻域内的选定像素点,以及在匹配图像区域中确定选定像素点的匹配像素点;基于选定像素点、匹配像素点以及目标像素点,生成目标像素点的第四匹配结果。
在一些实施例中,上述方法还包括:基于所生成的匹配结果,生成最终匹配结果。
在一些实施例中,第一图像是目标网页呈现在第一电子设备时,第一电子设备所显示的图像,第二图像是目标网页呈现在第二电子设备时,第二电子设备所显示的图像。
在一些实施例中,上述方法还包括:基于最终匹配结果,对目标网页所涉及的网站进行兼容性测试。
第二方面,本申请实施例提供了一种用于生成信息的装置,该装置包括:匹配单元,配置用于将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合,其中,第一特征点是第一图像包括的目标图像区域的特征点,目标图像区域包括目标像素点,第二特征点是第二图像的特征点;第一确定单元,配置用于确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域;第二确定单元,配置用于确定包含于匹配特征点密集区域的第二特征点;第三确定单元,配置用于将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合;第一生成单元,配置用于基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果。
在一些实施例中,上述装置还包括:第四确定单元,配置用于将目标像素点在第一图像中的邻域内的各个像素点作为第一种子像素点,采用区域生长算法,将符合预设筛选条件的第一种子像素点的聚合区域确定为第一区域;第五确定单元,配置用于将第二图像中的各个像素点作为第二种子像素点,采用区域生长算法,将符合预设筛选条件的第二种子像素点的聚合区域确定为第二区域;第六确定单元,配置用于将符合以下至少一项匹配条件的第二区域确定为与第一区域匹配的第二区域:第二区域的填充度与第一区域的填充度的差小于预设的填充度阈值;第二区域的长宽比与第一区域的长宽比的差小于预设的长宽比阈值;第二区域与第一区域的相似度大于预设的第一相似度阈值;第七确定单元,配置用于将第一区域与第一区域匹配的第二区域的组合,确定为匹配区域对;第二生成单元,配置用于基于匹配区域对以及目标像素点,生成目标像素点的第二匹配结果。
在一些实施例中,预设筛选条件包括以下至少一项:第一预设间距值、第一图像的高度与第一图像的宽度三者的乘积小于聚合区域的像素数量;聚合区域的宽度小于第一图像的宽度与第二预设间距值的乘积;聚合区域的高度小于第一图像的高度与第二预设间距值的乘积。
在一些实施例中,目标像素点的邻域内呈现有第一词汇集合,第二图像呈现有第二词汇集合;以及上述装置还包括:第八确定单元,配置用于针对第一词汇集合中的每个第一词汇,在第二词汇集合中确定与该第一词汇匹配的第二词汇,将该第一词汇与该第一词汇所匹配的第二词汇的组合,确定为匹配词汇对;第三生成单元,配置用于基于匹配词汇对以及目标像素点,生成目标像素点的第三匹配结果。
在一些实施例中,第八确定单元包括:第一确定模块,配置用于确定该第一词汇的四角号码;第二确定模块,配置用于确定第二词汇集合中的各个第二词汇与该第一词汇的相似度;第三确定模块,配置用于将与该第一词汇的四角号码相同和/或相似度最大的第二词汇,确定为与该第一词汇匹配的第二词汇。
在一些实施例中,上述装置还包括:第九确定单元,配置用于利用目标像素点的邻域,对第二图像进行模板匹配操作,确定第二图像的图像区域与邻域的相似度,将所确定的相似度中相似度最大的第二图像的图像区域确定为匹配图像区域;第十确定单元,配置用于确定邻域内的选定像素点,以及在匹配图像区域中确定选定像素点的匹配像素点;第四生成单元,配置用于基于选定像素点、匹配像素点以及目标像素点,生成目标像素点的第四匹配结果。
在一些实施例中,上述装置还包括:第五生成单元,配置用于基于所生成的匹配结果,生成最终匹配结果。
在一些实施例中,第一图像是目标网页呈现在第一电子设备时,第一电子设备所显示的图像,第二图像是目标网页呈现在第二电子设备时,第二电子设备所显示的图像。
在一些实施例中,上述装置还包括:测试单元,配置用于基于最终匹配结果,对目标网页所涉及的网站进行兼容性测试。
第三方面,本申请实施例提供了一种用于生成信息的电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得该一个或多个处理器实现如上述用于生成信息的方法中任一实施例的方法。
第四方面,本申请实施例提供了一种用于生成信息的计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述用于生成信息的方法中任一实施例的方法。
本申请实施例提供的用于生成信息的方法和装置,通过将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合,然后确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域,再确定包含于匹配特征点密集区域的第二特征点,之后将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合,最后基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果,提高了确定目标像素点的匹配结果的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的用于生成信息的方法的一个实施例的流程图;
图3A’是根据本申请的用于生成信息的方法的第一个应用场景的第一图像的示意图;
图3A”是根据本申请的用于生成信息的方法的上述第一个应用场景的第二图像的示意图;
图3B’是根据本申请的用于生成信息的方法的针对上述第一个应用场景的目标像素点的位置的示意图;
图3B”是根据本申请的用于生成信息的方法的确定针对上述第一个应用场景的目标像素点的对应点的位置的示意图;
图3C’是根据本申请的用于生成信息的方法的第二个应用场景的第一图像的示意图;
图3C”是根据本申请的用于生成信息的方法的上述第二个应用场景的第二图像的示意图;
图3D’是根据本申请的用于生成信息的方法的针对上述第二个应用场景的目标像素点的位置的示意图;
图3D”是根据本申请的用于生成信息的方法的确定针对上述第二个应用场景的目标像素点的对应点的位置的示意图;
图3E’是根据本申请的用于生成信息的方法的第三个应用场景的第一图像的示意图;
图3E”是根据本申请的用于生成信息的方法的上述第三个应用场景的第二图像的示意图;
图3F’是根据本申请的用于生成信息的方法的第四个应用场景的第一图像的示意图;
图3F”是根据本申请的用于生成信息的方法的上述第四个应用场景的第二图像的示意图;
图4是根据本申请的用于生成信息的方法的又一个实施例的流程图;
图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的网页提供支持的后台网页服务器。后台网页服务器可以对接收到的数据进行分析等处理,并将处理结果反馈给终端设备。
服务器105也可以是对终端设备101、102、103上显示的图像进行获取的后台信息处理服务器。后台信息处理服务器可以对接收或获取到的、来自于不同终端设备的图片进行对应点匹配等处理,并将处理结果(例如匹配结果信息)反馈给终端设备。
需要说明的是,在实践中,本申请实施例所提供的用于生成信息的方法往往需要通过相对高性能的电子设备来执行;用于生成信息的装置的往往需要通过相对高性能的电子设备来设置实现。相对终端设备而言,服务器往往具有更高的性能。因而,通常情况下,本申请实施例所提供的用于生成信息的方法一般由服务器105执行,相应地,用于生成信息的装置一般设置于服务器105中。然而,当终端设备的性能可以满足该方法的执行条件或该设备的设置条件时,本申请实施例所提供的用于生成信息的方法也可以由终端设备101、102、103执行,用于生成信息的装置也可以设置于终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法,包括以下步骤:
步骤201,将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合。
在本实施例中,用于生成信息的方法运行于其上的电子设备(例如图1所示的服务器或终端设备)可以将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合。其中,第一特征点是第一图像包括的目标图像区域的特征点,目标图像区域包括目标像素点,第二特征点是第二图像的特征点。上述目标图像区域的形状和大小可以是预先设置的。示例性的,上述目标图像的形状可以是圆形,例如,可以是以目标像素点(也可以是第一图像内的其他像素点)为圆心,以第一图像的宽度的0.5(也可以是其他数值)倍为半径的圆形;目标图像的形状也可以是矩形,例如,可以是以第一图像的宽度的0.5(也可以是其他数值)倍为边长,以目标像素点(也可以是第一图像内的其他像素点)为中心的正方形等等。特征点可以是图像中用于表征图像的颜色、纹理信息的像素点。
在实践中,上述电子设备可以如下执行该步骤:
首先,上述电子设备可以在第一图像上,提取包括请求像素点的目标图像区域的SURF(Speed Up Robust Feature)特征点,得到第一SURF特征点集,以及计算第一SURF特征点集中的每个第一SURF特征点的特征向量,得到第一特征向量集合。
然后,上述电子设备可以提取第二图像的SURF特征点,得到第二SURF特征点集,以及计算第二SURF特征点集中的每个第二SURF特征点的特征向量,得到第二特征向量集合。
之后,上述电子设备可以对第一SURF特征点集中的每个第一SURF特征点(记作A点),在第二SURF特征点集中,确定与A点的距离(例如欧式距离、曼哈顿距离等)最小的第二SURF特征点(记作B1点)。确定与A点的距离次小的第二SURF特征点(记作B2点)。将A点与B1点的距离记作L1;将A点与B2点的距离记作L2。
随后,上述电子设备可以计算L1与L2的比值,如果该比值小于预先设置的阈值,则将B1点确定为A点的匹配特征点。以及将A点与B1点的组合确定为匹配特征点对。其中,上述阈值可以用于表征A点与B1点的相似度。
最后,上述电子设备可以确定出每个第一SURF特征点的匹配特征点。由此,得到匹配特征点对集合。
作为示例,请参见图3A’以及图3A”。在图3A’中,第一图像301包括目标图像区域3010。目标图像区域3010包括目标像素点3013。服务器(即上述电子设备)将第一特征点集(即目标图像区域3010所包括的特征点的集合)中的每个第一特征点(例如第一特征点3011、3012、3014)与第二特征点集中的每个第二特征点进行匹配。其中,第二特征点可以是图3A”中的第二图像302所包括的特征点。按照上述步骤,确定出特征点3021是特征点3011的匹配特征点,特征点3022是特征点3012的匹配特征点,特征点3024是特征点3014的匹配特征点。基于此,上述电子设备得到了匹配特征点对集合。
可选的,上述电子设备还可以直接将与第一SURF特征点的相似度最大的第二SURF特征点,确定为该第一SURF特征点的匹配特征点(而不比较最小距离与次小距离二者的比值与预先设置的阈值之间的大小关系)。其中,相似度可以通过标准化欧氏距离、汉明距离等表征。
步骤202,确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域。
在本实施例中,基于步骤201中得到的匹配特征点对集合,上述电子设备可以确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域。其中,第二图像的图像区域的形状和大小可以是预先设置的。密集度可以通过图像区域的单位面积包括的第二特征点的数量来进行表征。
作为示例,请继续参考图3A’以及图3A”。其中,服务器将与目标图像区域3010等大的矩形框作为目标框,在第二图像302上进行移动。确定移动初始位置以及每次移动后目标框所框选的第二图像的图像区域包括的第二特征点的数量。最终,服务器将包括的第二特征点的数量最多的图像区域3020确定为匹配特征点密集区域。
步骤203,确定包含于匹配特征点密集区域的第二特征点。
在本实施例中,基于步骤202中确定的匹配特征点密集区域,上述电子设备可以确定包含于匹配特征点密集区域的第二特征点。
作为示例,请参考图3A’以及图3A”。其中,服务器确定出包含于匹配特征点密集区域3020的第二特征点3022、3023、3024。
步骤204,将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合。
在本实施例中,上述电子设备可以将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合。
作为示例,请参考图3A’以及图3A”。其中,服务器将匹配特征点对集合中包含第二特征点3022、3023、3024的匹配特征点对的集合,确定为修正后的匹配特征点对集合。
步骤205,基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果。
在本实施例中,基于步骤204确定的修正后的匹配特征点对集合以及上述目标像素点,上述电子设备可以生成目标像素点的第一匹配结果。其中,上述第一匹配结果可以是目标像素点在第二图像中的对应点(即匹配点)的位置的信息;也可以是用于表征第二图像是否包括目标像素点的对应点的信息。
作为示例,该步骤可以如下执行:
首先,上述电子设备可以确定出修正后的匹配特征点对集合中的各个第一特征点在第一图像中的位置(记作位置集合A),以及修正后的匹配特征点对集合中的各个第二特征点在第二图像中的位置(记作位置集合B)。
然后,上述电子设备可以确定出位置集合A中的各个位置的中点的位置(以下记作中点位置A)。例如,中点位置的横坐标可以是位置集合A中的各个位置的横坐标的平均数,中点位置的纵坐标可以是位置集合A中的各个位置的纵坐标的平均数。同理,上述电子设备可以确定出位置集合B中的各个位置的中点的位置(以下记作中点位置B)。
之后,上述电子设备可以确定出目标像素点的位置。
最后,上述电子设备可以根据目标像素点与中点位置A的相对位置,确定出在第二图像上,与中点位置B具有相同的相对位置的像素点即为目标像素点的对应点(即匹配点)。由此,上述电子设备可以生成目标像素点的第一匹配结果。其中,第一匹配结果可以是目标像素点的对应点的位置信息。
可选的,上述电子设备还可以将修正后的匹配特征点对集合中包括的第一特征点的集合确定为集合A,将修正后的匹配特征点对集合中包括的第二特征点的集合确定为集合B。对于集合A中的每个第一特征点,令其邻域(预先设置了形状和大小的图像区域)为特征区域,并规定当多个点生成的特征区域重合时,将其并集算作同一个特征区域。以此方法生成集合A的特征区域集Ra。同理生成集合B的特征区域集Rb。若目标像素点位于特征区域集Ra中的某个特征区域rA中,则令rA在Rb中的匹配特征区域rB中的对应点为所求的目标像素点的对应点位置。并基于此生成目标像素点的第一匹配结果。
示例性的,请参考图3B’以及图3B”。其中,第一图像303包括目标像素点3031。服务器按照上述步骤,确定出目标像素点3031位于特征区域3032(即上述特征区域rA)中,以及确定出第二图像304中的特征区域3042为特征区域3032的匹配特征区域。并且,特征区域3032(形状为矩形)的长度为Wa,宽度为Ha,目标像素点3031到特征区域3032的长(一条边)的距离为Ta,目标像素点3031到特征区域3032的宽(另一条边)的距离为La。服务器还确定出特征区域3042(形状为矩形)的长度为Wb,宽度为Hb。由此,服务器可以通过确定Lb以及Tb的值,从而确定出目标像素点3031的对应点的位置。其中,Lb是对应点到特征区域3042的长(一条边)的距离,Tb是对应点到特征区域3042的宽(另一条边)的距离。作为示例,服务器可以通过如下公式确定出Lb以及Tb的值:
Lb=Wb*La/Wa
Tb=Hb*Ta/Ha
由此,上述服务器可以生成目标像素点3031的对应点3041的位置信息。图示中,对应点3041的位置信息即为第一匹配结果。
可以理解,当对应点与目标像素点的相似度小于预设的相似度阈值(例如0.9)时,第一匹配结果可以是“不存在对应点”,也可以是用于表征对应点与目标像素点的相似度的信息,还可以是其他信息。
本申请的上述实施例提供的方法,通过将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合;确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域;确定包含于匹配特征点密集区域的第二特征点;将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合;基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果。该实施方式提高了确定目标像素点的匹配结果的准确性。
在本实施例的一些可选的实现方式中,上述方法还包括:将目标像素点在第一图像中的邻域内的各个像素点作为第一种子像素点,采用区域生长算法,将符合预设筛选条件的第一种子像素点的聚合区域确定为第一区域;将第二图像中的各个像素点作为第二种子像素点,采用区域生长算法,将符合预设筛选条件的第二种子像素点的聚合区域确定为第二区域;将符合以下至少一项匹配条件的第二区域确定为与第一区域匹配的第二区域:第二区域的填充度与第一区域的填充度的差小于预设的填充度阈值;第二区域的长宽比与第一区域的长宽比的差小于预设的长宽比阈值;第二区域与第一区域的相似度大于预设的第一相似度阈值;将第一区域与第一区域匹配的第二区域的组合,确定为匹配区域对;基于匹配区域对以及目标像素点,生成目标像素点的第二匹配结果。
其中,目标像素点在第一图像中的邻域是包含目标像素点的图像区域,并且,其形状和大小是预先设置的。示例性的,上述邻域可以是以目标像素点为中心的矩形或者正方形的图像区域。第二匹配结果可以是目标像素点在第二图像中的对应点(即匹配点)位置的信息;也可以是用于表征第二图像是否包括目标像素点的对应点的信息。预设筛选条件是预先设置的,用于筛选聚合区域从而得到第一区域的条件。可以理解,采用区域生长算法得到的聚合区域可能会包含噪声引起的区域(表现为面积过小),或者是大片背景、空白区域(表现为面积过大),而这些区域对匹配是没有帮助的。上述预设筛选条件可以用于剔除这些区域。上述确定第一区域与第二区域的相似度的方法包括但不限于:基于特征点的图像相似度的计算方法、基于直方图的图像相似度的计算方法。
示例性的,图像区域(包括第一区域和第二区域)的填充度可以如下确定:首先,可以确定图像区域的长度(可以用像素表征)与宽度(可以用像素表征)的乘积;然后,可以确定图像区域的实际像素数与上述乘积的比值,将该比值确定为图像区域的填充度。
需要说明的是,上述区域生长算法是图像分割技术所涉及的算法中的一种。区域生长算法的基本思想是将具有相似性的像素聚合起来构成区域。在本申请实施例中,区域生长算法的步骤可以如下进行:首先,将第一图像中的邻域内的各个像素点作为种子像素点;然后,将种子像素点周围邻域中与该种子像素点有相同或相似性质的像素点(例如颜色相同的像素点)合并到该种子像素点所在的区域中,接着,新的像素点可以继续作为种子像素点向四周生长,直到不存在满足条件的像素可以被包括进来,即得到一个聚合区域。
实践中,可以根据技术人员的经验和/或对第二匹配结果的准确度(例如,历史数据中得到的第二匹配结果的准确度)的参考,确定或调整上述预设的填充度阈值、预设的长宽比阈值以及预设的第一相似度阈值。
作为示例,请参考图3C’以及图3C”。其中,服务器首先在第一图像311上确定了目标像素点3111的位置,然后,确定了图像区域3110为目标像素点3111的邻域;接着,服务器将邻域3110内的各个像素点作为第一种子像素点,采用区域生长算法,将符合预设筛选条件的第一种子像素点的聚合区域确定为第一区域;最终得到第一区域3112。同理,服务器还得到了第二图像312中的第二区域,并根据上述匹配条件确定出与第一区域3112匹配的第二区域3122。在此基础上,服务器根据第一区域3112与目标像素点3111的相对位置(例如以第一区域3112的中心为起点,向上移动10个像素点,再向左移动10个像素点,则到达目标像素点3111所在的位置),生成了目标像素点3111的对应点3121的位置(例如以第二区域3122的中心为起点,向上移动10个像素点,再向左移动10个像素点,则到达目标像素点3111的对应点3121所在的位置)的信息,即生成了目标像素点的第二匹配结果。
可选的,上述电子设备还可以按照如下步骤生成目标像素点的第二匹配结果:
示例性的,请参考图3D’以及图3D”。其中,第一图像313包括目标像素点3131。像素点3130是服务器采用上述步骤确定出的第一区域内的像素点(例如第一区域的中心点或者其他像素点);像素点3140是服务器采用上述步骤,在第二图像314中确定出的与第一区域匹配的第二区域内的像素点。需要说明的是,像素点3140在该第二区域内的相对位置与像素点3130在第一区域内的相对位置一致。图示中,Wa为第一图像313的宽度,Ha为第一图像313的长度;Wb为第二图像314的宽度,Hb为第二图像314的长度。作为示例,将目标像素点3131的位置(例如坐标,横坐标为目标像素点3131到第一图像313的长的距离,纵坐标为目标像素点3131到第一图像313的宽的距离)的坐标可以记作(qx,qy);将像素点3130的位置(例如坐标,横坐标为像素点3130到第一图像313的长的距离,纵坐标为像素点3130到第一图像313的宽的距离)的坐标可以记作(max,may);将像素点3140的位置(例如坐标,横坐标为像素点3140到第二图像314的长的距离,纵坐标为像素点3140到第二图像314的宽的距离)的坐标可以记作(mbx,mby)。由此,服务器可以采用如下公式确定出目标像素点3131的对应点3141所在的位置:
tx=mbx–Wb/Wa*(max-qx)
ty=mby–Hb/Ha*(may-qy)
其中,tx用于表征对应点3141到第二图像314的长(一条边)的距离,ty用于表征纵坐标为对应点3141到第二图像314的宽(另一条边)的距离。由此,服务器生成了目标像素点3131的第二匹配结果,其中,该第二匹配结果可以是目标像素点3131的对应点3141所在的位置的信息。
可以理解,当将与第一区域匹配的第二区域缩放至与该第一区域的大小相等的大小时,可以通过计算第一区域与第二区域的相似度,并比较计算得到的相似度与预设的相似度阈值(例如0.99)的大小关系,生成第二匹配结果。例如,当计算得到的相似度小于预设的相似度阈值时,第二匹配结果可以是“不存在对应点”。
需要说明的是,通过将第二匹配结果与第一匹配结果进行比对,有助于生成更准确的目标像素点的匹配结果。
在本实施例的一些可选的实现方式中,预设筛选条件包括以下至少一项:第一预设间距值、第一图像的高度与第一图像的宽度三者的乘积小于聚合区域的像素数量;聚合区域的宽度小于第一图像的宽度与第二预设间距值的乘积;聚合区域的高度小于第一图像的高度与第二预设间距值的乘积。
其中,聚合区域可以是矩形的区域,也可以是圆形区域。第一预设间距值以及第二预设间距值可以是预先设置的,用于表征第一图像内的子图像(例如利用抠图技术得到的子图像或者页面显示在设备上时所呈现的图像中的控件)之间的距离的值。实践中,第一预设间距值以及第二预设间距值可以由技术人员根据经验进行设置。例如,第一预设间距值可以是0.01,第二预设间距值可以是0.3。
可以理解,当对应点与目标像素点的相似度小于预设的相似度阈值(例如0.9)时,第一匹配结果可以是“不存在对应点”,也可以是用于表征对应点与目标像素点的相似度的信息,还可以是其他信息。
需要说明的是,通过预先设置上述预设筛选条件,从而对聚合区域进行筛选,进而得到第一区域,有助于生成更准确的目标像素点的匹配结果。
在本实施例的一些可选的实现方式中,目标像素点的邻域内呈现有第一词汇集合,第二图像呈现有第二词汇集合;以及上述方法还包括:针对第一词汇集合中的每个第一词汇,在第二词汇集合中确定与该第一词汇匹配的第二词汇,将该第一词汇与该第一词汇所匹配的第二词汇的组合,确定为匹配词汇对;基于匹配词汇对以及目标像素点,生成目标像素点的第三匹配结果。
其中,上述第一词汇以及第二词汇可以是能够直接进行复制等操作的词汇;也可以是与图像相融合的词汇(例如,无法直接复制的词汇)。与第一词汇匹配的第二词汇可以包括但不限于:与第一词汇所呈现的颜色一致的第二词汇;与第一词汇所呈现的字号一致的第二词汇;与第一词汇所呈现的字体一致的第二词汇。
作为示例,上述的步骤可以如下进行:
请参考图3E’以及图3E”,首先,上述电子设备可以通过OCR(Optical CharacterRecognition,光学字符识别)技术,识别出第一图像321上目标像素点3211的邻域3210以及第二图像322上全部区域的词汇信息(第一词汇集合以及第二词汇集合),并确定出其(词汇的)坐标位置。
然后,上述电子设备可以对第一词汇集合以及第二词汇集合进行切词。例如,根据空间距离进行切词,即字间距小于预设的字间距阈值的词汇,可以被认为是同一个词汇,反之,则认为是不同词汇。图示中,第一词汇集合包括“你好”;第二词汇集合包括“你好”、“您好”。
之后,上述电子设备可以针对第一词汇集合中的每个第一词汇,在第二词汇集合中确定与该第一词汇匹配的第二词汇(例如颜色、大小、字号一致的词汇),将该第一词汇与该第一词汇所匹配的第二词汇的组合,确定为匹配词汇对。
最后,上述电子设备可以根据匹配词汇对中的第一词汇、第二词汇的位置以及目标像素点3211的位置,生成目标像素点3211的第三匹配结果。得到目标像素点3211的对应点3221的位置(如图3E’以及图3E”所示)。
可以理解,当不存在与第一词汇匹配的第二词汇时,第三匹配结果可以是“无法匹配”等信息。
需要说明的是,上述电子设备可以将第一词汇的位置(例如第一词汇的中心位置)的坐标可以记作(max,may),其中,横坐标为该位置到第一图像的长的距离,纵坐标为该位置到第一图像的宽的距离;将目标像素点的位置(例如坐标,横坐标为目标像素点到第一图像的长的距离,纵坐标为目标像素点到第一图像的宽的距离)的坐标可以记作(qx,qy);将与该第一词汇匹配的第二词汇的位置(例如坐标,横坐标为该位置到第二图像的长的距离,纵坐标为该位置到第二图像的宽的距离)的坐标可以记作(mbx,mby)。由此,服务器可以采用如下公式确定出目标像素点的对应点所在的位置:
tx=mbx–Wb/Wa*(max-qx)
ty=mby–Hb/Ha*(may-qy)
其中,Wa为第一图像的宽度,Ha为第一图像的长度;Wb为第二图像的宽度,Hb为第二图像的长度。tx用于表征对应点到第二图像的长(一条边)的距离,ty用于表征纵坐标为对应点到第二图像的宽(另一条边)的距离。由此,服务器生成了目标像素点的第三匹配结果。其中,第三匹配结果即为目标像素点的对应点所在的位置的信息。
需要说明的是,当第一图像与第二图像包括词汇时,通过在第二词汇集合中确定与该第一词汇匹配的第二词汇,进而生成第三匹配结果,有助于生成更准确的目标像素点的匹配结果。
在本实施例的一些可选的实现方式中,确定与该第一词汇匹配的第二词汇,包括:确定该第一词汇的四角号码;确定第二词汇集合中的各个第二词汇与该第一词汇的相似度;将与该第一词汇的四角号码相同和/或相似度最大的第二词汇,确定为与该第一词汇匹配的第二词汇。其中,相似度可以通过计算图像的特征点的特征向量的欧氏距离等方式确定。
需要说明的是,由于电子设备的分辨率较低、字体较小等原因,OCR技术的识别结果存在一定的错误率。当识别出错时,有很大概率可保证识别结果的四角编码仍与原字一致。因此,利用文字(例如汉字)的四角号码作为匹配依据,可大大提升匹配的准确率。
在本实施例的一些可选的实现方式中,上述方法还包括:利用目标像素点的邻域,对第二图像进行模板匹配操作,确定第二图像的图像区域与邻域的相似度,将所确定的相似度中相似度最大的第二图像的图像区域确定为匹配图像区域;确定邻域内的选定像素点,以及在匹配图像区域中确定选定像素点的匹配像素点;基于选定像素点、匹配像素点以及目标像素点,生成目标像素点的第四匹配结果。
其中,选定像素点可以是邻域内的任意一个像素点,匹配像素点可以是匹配图像区域中,与选定像素点相对应的像素点。示例性的,当邻域为矩形区域时,选定像素点可以是邻域的中心点,匹配像素点可以是匹配图像区域的中心点。
在这里,模板匹配操作是图像处理领域的技术人员广泛研究的公知操作,在此不再赘述。
可以理解,可以通过计算第二图像的图像区域与邻域的相似度,并比较计算得到的相似度与预设的相似度阈值(例如0.99)的大小关系,生成第四匹配结果。例如,当计算得到的相似度小于预设的相似度阈值时,第四匹配结果可以是“不存在对应点”。
作为示例,请参考图3F’以及图3F”。图示中,第一图像331包括目标像素点3311,服务器将图像区域3310确定为目标像素点3311的邻域,然后,服务器对第二图像进行模板匹配操作,确定第二图像332的各个图像区域与邻域3310的相似度,将所确定的相似度中相似度最大的第二图像的图像区域3320确定为匹配图像区域,之后,服务器确定邻域内的选定像素点3312,以及在匹配图像区域中确定选定像素点3312的匹配像素点3322,最后,服务器基于选定像素点3312、匹配像素点3322以及目标像素点3311,生成了目标像素点3311的对应点3321的位置信息。其中,上述对应点3321的位置信息即为第四匹配结果。
可以理解,上述电子设备可以将选定像素点的位置的坐标可以记作(max,may),其中,横坐标为该位置到第一图像的长的距离,纵坐标为该位置到第一图像的宽的距离;将目标像素点的位置(例如坐标,横坐标为目标像素点到第一图像的长的距离,纵坐标为目标像素点到第一图像的宽的距离)的坐标可以记作(qx,qy);将该选定像素点的匹配像素点的位置(例如坐标,横坐标为该位置到第二图像的长的距离,纵坐标为该位置到第二图像的宽的距离)的坐标可以记作(mbx,mby)。由此,服务器可以采用如下公式确定出目标像素点的对应点所在的位置:
tx=mbx–Wb/Wa*(max-qx)
ty=mby–Hb/Ha*(may-qy)
其中,Wa为第一图像的宽度,Ha为第一图像的长度;Wb为第二图像的宽度,Hb为第二图像的长度。tx用于表征对应点到第二图像的长(一条边)的距离,ty用于表征纵坐标为对应点到第二图像的宽(另一条边)的距离。由此,服务器生成了目标像素点的第四匹配结果(目标像素点的对应点所在的位置的信息)。
需要说明的是,通过上述模板匹配的方法,将第四匹配结果、第一匹配结果等匹配结果进行比对,有助于确定出更准确的目标像素点的对应点的位置。
进一步参考图4,其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400,包括以下步骤:
步骤401,将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合。
在本实施例中,步骤401与图2对应实施例中的步骤201基本一致,这里不再赘述。
需要说明的是,在本实施例中,第一特征点是第一图像包括的目标图像区域的特征点,目标图像区域包括目标像素点,第二特征点是第二图像的特征点。第一图像是目标网页呈现在第一电子设备时,第一电子设备所显示的图像,第二图像是目标网页呈现在第二电子设备时,第二电子设备所显示的图像。
步骤402,确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域。
在本实施例中,步骤402与图2对应实施例中的步骤202基本一致,这里不再赘述。
步骤403,确定包含于匹配特征点密集区域的第二特征点。
在本实施例中,步骤403与图2对应实施例中的步骤203基本一致,这里不再赘述。
步骤404,将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合。
在本实施例中,步骤404与图2对应实施例中的步骤204基本一致,这里不再赘述。
步骤405,基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果。
在本实施例中,步骤405与图2对应实施例中的步骤205基本一致,这里不再赘述。
步骤406,基于所生成的匹配结果,生成最终匹配结果。
在本实施例中,上述电子设备还可以基于所得到的匹配结果,生成最终匹配结果。其中,匹配结果包括上述第一匹配结果,以及以下至少一项:第二匹配结果、第三匹配结果。第四匹配结果。这取决于上述至少一项(第二匹配结果、第三匹配结果。第四匹配结果)是否生成。可以理解,在执行该步骤前,如果只生成了第一匹配结果(而没有生成第二匹配结果、第三匹配结果、第四匹配结果),则所生成的匹配结果只包括第一匹配结果(而不包括第二匹配结果、第三匹配结果、第四匹配结果);如果只生成了第一匹配结果、第四匹配结果(而没有生成第二匹配结果、第三匹配结果),则所生成的匹配结果只包括第一匹配结果、第四匹配结果(而不包括第二匹配结果、第三匹配结果)。
可以理解,基于所生成的匹配结果,生成最终匹配结果的实现方式有多种。示例性的,当所生成的匹配结果包括第一匹配结果、第二匹配结果、第三匹配结果以及第四匹配结果,并且第一匹配结果为“对应点坐标(100,100)”、第二匹配结果为“对应点坐标(101,101)”、第三匹配结果为“对应点坐标(100,100)”以及第四匹配结果为“对应点坐标(99,99)”时,上述电子设备可以将出现次数最多的匹配结果确定为最终匹配结果(此时,最终匹配结果可以为“对应点坐标(100,100)”);也可以将所生成的匹配结果的整合信息确定为最终匹配结果(此时,最终匹配结果可以为“对应点坐标(100,100)、(101,101)、(99,99)、(100,100)”)。
步骤407,基于最终匹配结果,对目标网页所涉及的网站进行兼容性测试。
在本实施例中,上述电子设备还可以基于最终匹配结果,对目标网页所涉及的网站进行兼容性测试。其中,上述兼容性测试可以包括但不限于:浏览器兼容性测试,屏幕尺寸和分辨率兼容性测试,操作***兼容性测试,不同设备型号兼容性测试。
示例性的,当通过最终匹配结果确定出第一图像的目标像素点在第二图像中的对应点之后,上述电子设备可以实现同步操作上述第一电子设备以及第二电子设备。例如,可以点击第一图像的输入框并输入文字,同时实现在第二图像上的相同的输入框中输入相同的文字。并进一步确定在第一电子设备以及第二电子设备中上述文字的显示是否存在异常等等。
可以理解,当最终匹配结果表征第二图像中不存在目标像素点的对应点时,说明上述网站可能存在兼容性问题。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程400突出了基于所得到的匹配结果,生成最终匹配结果以及对网站进行兼容性测试的步骤。由此,本实施例描述的方案可以引入更多的匹配方案,从而进一步提高确定目标像素点的匹配结果的准确性,有助于提高网站兼容性测试的效率。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于生成信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于生成信息的装置500包括:匹配单元501、第一确定单元502、第二确定单元503、第三确定单元504和第一生成单元505。其中,匹配单元501配置用于将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合,其中,第一特征点是第一图像包括的目标图像区域的特征点,目标图像区域包括目标像素点,第二特征点是第二图像的特征点;第一确定单元502配置用于确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域;第二确定单元503配置用于确定包含于匹配特征点密集区域的第二特征点;第三确定单元504配置用于将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合;第一生成单元505配置用于基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果。
在本实施例中,用于生成信息的装置500的匹配单元501可以将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合。其中,第一特征点是第一图像包括的目标图像区域的特征点,目标图像区域包括目标像素点,第二特征点是第二图像的特征点。上述目标图像区域的形状和大小可以示预先设置的。示例性的,上述目标图像的形状可以是圆形,例如,可以是以目标像素点(也可以是第一图像内的其他像素点)为圆心,以第一图像的宽度的0.5(也可以是其他数值)倍为半径的圆形;目标图像的形状也可以是矩形,例如,可以是以第一图像的宽度的0.5(也可以是其他数值)倍为边长,以目标像素点(也可以是第一图像内的其他像素点)为中心的正方形等等。
在本实施例中,基于匹配单元501得到的匹配特征点对集合,上述第一确定单元502可以确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域。其中,第二图像的图像区域的形状和大小可以是预先设置的。密集度可以表征为图像区域的单位面积包括的第二特征点的数量。
在本实施例中,上述第二确定单元503基于第一确定单元502得到的匹配特征点密集区域可以确定包含于匹配特征点密集区域的第二特征点。
在本实施例中,上述第三确定单元504基于第二确定单元503确定的第二特征点可以将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合。
在本实施例中,上述第一生成单元505基于第三确定单元504得到的修正后的匹配特征点对集合以及目标像素点,可以生成目标像素点的第一匹配结果。
在本实施例的一些可选的实现方式中,上述装置还包括:第四确定单元(图中未示出)配置用于将目标像素点在第一图像中的邻域内的各个像素点作为第一种子像素点,采用区域生长算法,将符合预设筛选条件的第一种子像素点的聚合区域确定为第一区域;第五确定单元(图中未示出)配置用于将第二图像中的各个像素点作为第二种子像素点,采用区域生长算法,将符合预设筛选条件的第二种子像素点的聚合区域确定为第二区域;第六确定单元(图中未示出)配置用于将符合以下至少一项匹配条件的第二区域确定为与第一区域匹配的第二区域:第二区域的填充度与第一区域的填充度的差小于预设的填充度阈值;第二区域的长宽比与第一区域的长宽比的差小于预设的长宽比阈值;第二区域与第一区域的相似度大于预设的第一相似度阈值;第七确定单元,配置用于将第一区域与第一区域匹配的第二区域的组合,确定为匹配区域对;第二生成单元,配置用于基于匹配区域对以及目标像素点,生成目标像素点的第二匹配结果。
其中,目标像素点在第一图像中的邻域是包含目标像素点的图像区域,并且,其形状和大小是预先设置的。示例性的,上述邻域可以是以目标像素点为中心的矩形或者正方形的图像区域。第二匹配结果可以是目标像素点在第二图像中的对应点(即匹配点)位置的信息;也可以是用于表征第二图像是否包括目标像素点的对应点的信息。预设筛选条件是预先设置的,用于筛选聚合区域从而得到第一区域的条件。可以理解,采用区域生长算法得到的聚合区域可能会包含噪声引起的区域(表现为面积过小),或者是大片背景或空白区域(表现为面积过大),而这些区域对形状的匹配是没有帮助的。上述预设筛选条件用于剔除这些区域。
在本实施例的一些可选的实现方式中,预设筛选条件包括以下至少一项:第一预设间距值、第一图像的高度与第一图像的宽度三者的乘积小于聚合区域的像素数量;聚合区域的宽度小于第一图像的宽度与第二预设间距值的乘积;聚合区域的高度小于第一图像的高度与第二预设间距值的乘积。
其中,聚合区域可以是矩形的区域。第一预设间距值以及第二预设间距值可以是预先设置的,用于表征第一图像内的子图像(例如设备商所呈现的页面的控件的图像)之间的距离的值。实践中,第一预设间距值以及第二预设间距值可以由技术人员根据经验进行设置。例如,第一预设间距值可以是0.01,第二预设间距值可以是0.3。
在本实施例的一些可选的实现方式中,目标像素点的邻域内呈现有第一词汇集合,第二图像呈现有第二词汇集合;以及上述装置还包括:第八确定单元(图中未示出)配置用于针对第一词汇集合中的每个第一词汇,在第二词汇集合中确定与该第一词汇匹配的第二词汇,将该第一词汇与该第一词汇所匹配的第二词汇的组合,确定为匹配词汇对;第三生成单元(图中未示出)配置用于基于匹配词汇对以及目标像素点,生成目标像素点的第三匹配结果。
其中,上述第一词汇以及第二词汇可以是可以直接进行复制等操作的词汇;也可以是与图像相融合的词汇(例如,无法直接复制的词汇)。与第一词汇匹配的第二词汇可以包括但不限于:与第一词汇所呈现的颜色一致的第二词汇;与第一词汇所呈现的字号一致的第二词汇;与第一词汇所呈现的字体一致的第二词汇。
在本实施例的一些可选的实现方式中,第八确定单元包括:第一确定模块(图中未示出)配置用于确定该第一词汇的四角号码;第二确定模块(图中未示出)配置用于确定第二词汇集合中的各个第二词汇与该第一词汇的相似度;第三确定模块(图中未示出)配置用于将与该第一词汇的四角号码相同和/或相似度最大的第二词汇,确定为与该第一词汇匹配的第二词汇。
需要说明的是,由于电子设备的分辨率较低、字体较小等原因,OCR技术的识别结果存在一定的错误率。当识别出错时,有很大概率可保证识别结果的四角编码仍与原字一致。因此,利用文字(例如汉字)的四角号码作为匹配依据,可大大提升识别率。
在本实施例的一些可选的实现方式中,上述装置还包括:第九确定单元(图中未示出)配置用于利用目标像素点的邻域,对第二图像进行模板匹配操作,确定第二图像的图像区域与邻域的相似度,将所确定的相似度中相似度最大的第二图像的图像区域确定为匹配图像区域;第十确定单元(图中未示出)配置用于确定邻域内的选定像素点,以及在匹配图像区域中确定选定像素点的匹配像素点;第四生成单元(图中未示出)配置用于基于选定像素点、匹配像素点以及目标像素点,生成目标像素点的第四匹配结果。
其中,选定像素点可以是邻域内的任意一个像素点,匹配像素点可以是匹配图像区域中,与选定像素点相对应的像素点。示例性的,当邻域为矩形区域时,选定像素点可以是邻域的中心点,匹配像素点可以是匹配图像区域的中心点。
在本实施例的一些可选的实现方式中,上述装置还包括:第五生成单元(图中未示出)配置用于基于所生成的匹配结果,生成最终匹配结果。
基于所得到的匹配结果,生成最终匹配结果。其中,匹配结果包括上述第一匹配结果,以及以下至少一项:第二匹配结果、第三匹配结果。第四匹配结果。这取决于上述至少一项(第二匹配结果、第三匹配结果。第四匹配结果)是否生成。可以理解,在执行该步骤时,如果只生成了第一匹配结果(而没有生成第二匹配结果、第三匹配结果、第四匹配结果),则所生成的匹配结果只包括第一匹配结果(而不包括第二匹配结果、第三匹配结果。第四匹配结果);如果只生成了第一匹配结果、第四匹配结果(而没有生成第二匹配结果、第三匹配结果),则所生成的匹配结果只包括第一匹配结果、第四匹配结果(而不包括第二匹配结果、第三匹配结果)。
在本实施例的一些可选的实现方式中,第一图像是目标网页呈现在第一电子设备时,第一电子设备所显示的图像,第二图像是目标网页呈现在第二电子设备时,第二电子设备所显示的图像。
在本实施例的一些可选的实现方式中,上述装置还包括:测试单元(图中未示出)配置用于基于最终匹配结果,对目标网页所涉及的网站进行兼容性测试。
其中,上述兼容性测试可以包括但不限于:浏览器兼容性测试(测试程序在不同浏览器上是否可以正常运行,功能能否正常使用),屏幕尺寸和分辨率兼容性测试(测试程序在不同分辨率下能否正常显示),操作***兼容性测试(测试程序在不同的操作***下面能否正常运行,功能能否正常使用,显示是否正确等),不同设备型号兼容性测试(例如在主流设备上能否正常运行,会不会出现崩溃的现象等)。
本申请的上述实施例提供的装置,通过匹配单元501将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合,然后第一确定单元502确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域,之后第二确定单元503确定包含于匹配特征点密集区域的第二特征点,随后第三确定单元504将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合,最后第一生成单元505基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果,从而提高了确定目标像素点的匹配结果的准确性。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机***600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机***600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括匹配单元、第一确定单元、第二确定单元、第三确定单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一生成单元还可以被描述为“生成目标像素点的第一匹配结果的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合,其中,第一特征点是第一图像包括的目标图像区域的特征点,目标图像区域包括目标像素点,第二特征点是第二图像的特征点;确定包含于匹配特征点对集合中的第二特征点在第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域;确定包含于匹配特征点密集区域的第二特征点;将匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合;基于修正后的匹配特征点对集合以及目标像素点,生成目标像素点的第一匹配结果。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (20)
1.一种用于生成信息的方法,包括:
将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合,其中,第一特征点是第一图像包括的目标图像区域的特征点,所述目标图像区域包括目标像素点,第二特征点是第二图像的特征点;
确定包含于所述匹配特征点对集合中的第二特征点在所述第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域;
确定包含于所述匹配特征点密集区域的第二特征点;
将所述匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合;
基于所述修正后的匹配特征点对集合以及所述目标像素点,生成所述目标像素点的第一匹配结果;
从所述第二图像中确定出与所述目标像素点的邻域匹配的匹配图像区域,并基于所述邻域内的选定像素点、在所述匹配图像区域中确定的所述选定像素点的匹配像素点、以及所述目标像素点,生成所述目标像素点的第四匹配结果。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述目标像素点在所述第一图像中的邻域内的各个像素点作为第一种子像素点,采用区域生长算法,将符合预设筛选条件的第一种子像素点的聚合区域确定为第一区域;
将所述第二图像中的各个像素点作为第二种子像素点,采用区域生长算法,将符合所述预设筛选条件的第二种子像素点的聚合区域确定为第二区域;
将符合以下至少一项匹配条件的第二区域确定为与所述第一区域匹配的第二区域:第二区域的填充度与所述第一区域的填充度的差小于预设的填充度阈值;第二区域的长宽比与所述第一区域的长宽比的差小于预设的长宽比阈值;第二区域与所述第一区域的相似度大于预设的第一相似度阈值;
将所述第一区域与所述第一区域匹配的第二区域的组合,确定为匹配区域对;
基于所述匹配区域对以及所述目标像素点,生成所述目标像素点的第二匹配结果。
3.根据权利要求2所述的方法,其中,所述预设筛选条件包括以下至少一项:
第一预设间距值、所述第一图像的高度与所述第一图像的宽度三者的乘积小于聚合区域的像素数量;
聚合区域的宽度小于所述第一图像的宽度与第二预设间距值的乘积;
聚合区域的高度小于所述第一图像的高度与所述第二预设间距值的乘积。
4.根据权利要求1-3之一所述的方法,其中,所述目标像素点的邻域内呈现有第一词汇集合,所述第二图像呈现有第二词汇集合;以及
所述方法还包括:
针对所述第一词汇集合中的每个第一词汇,在所述第二词汇集合中确定与该第一词汇匹配的第二词汇,将该第一词汇与该第一词汇所匹配的第二词汇的组合,确定为匹配词汇对;
基于匹配词汇对以及所述目标像素点,生成所述目标像素点的第三匹配结果。
5.根据权利要求4所述的方法,其中,所述确定与该第一词汇匹配的第二词汇,包括:
确定该第一词汇的四角号码;
确定所述第二词汇集合中的各个第二词汇与该第一词汇的相似度;
将与该第一词汇的四角号码相同和/或相似度最大的第二词汇,确定为与该第一词汇匹配的第二词汇。
6.根据权利要求1所述的方法,其中,所述从所述第二图像中确定出与所述目标像素点的邻域匹配的匹配图像区域,并基于所述邻域内的选定像素点、在所述匹配图像区域中确定的所述选定像素点的匹配像素点、以及所述目标像素点,生成所述目标像素点的第四匹配结果,包括:
利用所述目标像素点的邻域,对所述第二图像进行模板匹配操作,确定第二图像的图像区域与所述邻域的相似度,将所确定的相似度中相似度最大的第二图像的图像区域确定为匹配图像区域;
确定所述邻域内的选定像素点,以及在所述匹配图像区域中确定所述选定像素点的匹配像素点;
基于所述选定像素点、所述匹配像素点以及所述目标像素点,生成所述目标像素点的第四匹配结果。
7.根据权利要求1所述的方法,其中,所述方法还包括:
基于所生成的匹配结果,生成最终匹配结果。
8.根据权利要求7所述的方法,其中,所述第一图像是目标网页呈现在第一电子设备时,所述第一电子设备所显示的图像,所述第二图像是所述目标网页呈现在第二电子设备时,所述第二电子设备所显示的图像。
9.根据权利要求8所述的方法,其中,所述方法还包括:
基于所述最终匹配结果,对所述目标网页所涉及的网站进行兼容性测试。
10.一种用于生成信息的装置,包括:
匹配单元,配置用于将第一特征点集中的每个第一特征点与第二特征点集中的每个第二特征点进行匹配,得到匹配特征点对集合,其中,第一特征点是第一图像包括的目标图像区域的特征点,所述目标图像区域包括目标像素点,第二特征点是第二图像的特征点;
第一确定单元,配置用于确定包含于所述匹配特征点对集合中的第二特征点在所述第二图像的图像区域中分布的密集度,将所确定的密集度中最大的密集度对应的图像区域确定为匹配特征点密集区域;
第二确定单元,配置用于确定包含于所述匹配特征点密集区域的第二特征点;
第三确定单元,配置用于将所述匹配特征点对集合中包含所确定的第二特征点的匹配特征点对的集合,确定为修正后的匹配特征点对集合;
第一生成单元,配置用于基于所述修正后的匹配特征点对集合以及所述目标像素点,生成所述目标像素点的第一匹配结果;
第四生成模块,配置用于从所述第二图像中确定出与所述目标像素点的邻域匹配的匹配图像区域,并基于所述邻域内的选定像素点、在所述匹配图像区域中确定的所述选定像素点的匹配像素点、以及所述目标像素点,生成所述目标像素点的第四匹配结果。
11.根据权利要求10所述的装置,其中,所述装置还包括:
第四确定单元,配置用于将所述目标像素点在所述第一图像中的邻域内的各个像素点作为第一种子像素点,采用区域生长算法,将符合预设筛选条件的第一种子像素点的聚合区域确定为第一区域;
第五确定单元,配置用于将所述第二图像中的各个像素点作为第二种子像素点,采用区域生长算法,将符合所述预设筛选条件的第二种子像素点的聚合区域确定为第二区域;
第六确定单元,配置用于将符合以下至少一项匹配条件的第二区域确定为与所述第一区域匹配的第二区域:第二区域的填充度与所述第一区域的填充度的差小于预设的填充度阈值;第二区域的长宽比与所述第一区域的长宽比的差小于预设的长宽比阈值;第二区域与所述第一区域的相似度大于预设的第一相似度阈值;
第七确定单元,配置用于将所述第一区域与所述第一区域匹配的第二区域的组合,确定为匹配区域对;
第二生成单元,配置用于基于所述匹配区域对以及所述目标像素点,生成所述目标像素点的第二匹配结果。
12.根据权利要求11所述的装置,其中,所述预设筛选条件包括以下至少一项:
第一预设间距值、所述第一图像的高度与所述第一图像的宽度三者的乘积小于聚合区域的像素数量;
聚合区域的宽度小于所述第一图像的宽度与第二预设间距值的乘积;
聚合区域的高度小于所述第一图像的高度与所述第二预设间距值的乘积。
13.根据权利要求10-12之一所述的装置,其中,所述目标像素点的邻域内呈现有第一词汇集合,所述第二图像呈现有第二词汇集合;以及
所述装置还包括:
第八确定单元,配置用于针对所述第一词汇集合中的每个第一词汇,在所述第二词汇集合中确定与该第一词汇匹配的第二词汇,将该第一词汇与该第一词汇所匹配的第二词汇的组合,确定为匹配词汇对;
第三生成单元,配置用于基于匹配词汇对以及所述目标像素点,生成所述目标像素点的第三匹配结果。
14.根据权利要求13所述的装置,其中,所述第八确定单元包括:
第一确定模块,配置用于确定该第一词汇的四角号码;
第二确定模块,配置用于确定所述第二词汇集合中的各个第二词汇与该第一词汇的相似度;
第三确定模块,配置用于将与该第一词汇的四角号码相同和/或相似度最大的第二词汇,确定为与该第一词汇匹配的第二词汇。
15.根据权利要求10所述的装置,其中,所述第四生成模块,包括:
第九确定单元,配置用于利用所述目标像素点的邻域,对所述第二图像进行模板匹配操作,确定第二图像的图像区域与所述邻域的相似度,将所确定的相似度中相似度最大的第二图像的图像区域确定为匹配图像区域;
第十确定单元,配置用于确定所述邻域内的选定像素点,以及在所述匹配图像区域中确定所述选定像素点的匹配像素点;
第四生成单元,配置用于基于所述选定像素点、所述匹配像素点以及所述目标像素点,生成所述目标像素点的第四匹配结果。
16.根据权利要求10所述的装置,其中,所述装置还包括:
第五生成单元,配置用于基于所生成的匹配结果,生成最终匹配结果。
17.根据权利要求16所述的装置,其中,所述第一图像是目标网页呈现在第一电子设备时,所述第一电子设备所显示的图像,所述第二图像是所述目标网页呈现在第二电子设备时,所述第二电子设备所显示的图像。
18.根据权利要求17所述的装置,其中,所述装置还包括:
测试单元,配置用于基于所述最终匹配结果,对所述目标网页所涉及的网站进行兼容性测试。
19.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
20.一种计算机可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810088070.5A CN108182457B (zh) | 2018-01-30 | 2018-01-30 | 用于生成信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810088070.5A CN108182457B (zh) | 2018-01-30 | 2018-01-30 | 用于生成信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108182457A CN108182457A (zh) | 2018-06-19 |
CN108182457B true CN108182457B (zh) | 2022-01-28 |
Family
ID=62551752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810088070.5A Active CN108182457B (zh) | 2018-01-30 | 2018-01-30 | 用于生成信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108182457B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6707305B2 (ja) * | 2018-02-06 | 2020-06-10 | 日本電信電話株式会社 | コンテンツ判定装置、コンテンツ判定方法、及びプログラム |
CN110648382B (zh) * | 2019-09-30 | 2023-02-24 | 北京百度网讯科技有限公司 | 图像生成方法和装置 |
CN111079730B (zh) * | 2019-11-20 | 2023-12-22 | 北京云聚智慧科技有限公司 | 一种在界面图中确定样图所在区域的方法和电子设备 |
CN112569591B (zh) * | 2021-03-01 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备及可读存储介质 |
CN117351438B (zh) * | 2023-10-24 | 2024-06-04 | 武汉无线飞翔科技有限公司 | 一种基于图像识别的车辆实时位置跟踪方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034235A (zh) * | 2010-11-03 | 2011-04-27 | 山西大学 | 基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法 |
CN103020945A (zh) * | 2011-09-21 | 2013-04-03 | 中国科学院电子学研究所 | 一种多源传感器的遥感图像配准方法 |
CN103473565A (zh) * | 2013-08-23 | 2013-12-25 | 华为技术有限公司 | 一种图像匹配方法和装置 |
-
2018
- 2018-01-30 CN CN201810088070.5A patent/CN108182457B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034235A (zh) * | 2010-11-03 | 2011-04-27 | 山西大学 | 基于旋转模型的鱼眼图像准稠密对应点匹配扩散方法 |
CN103020945A (zh) * | 2011-09-21 | 2013-04-03 | 中国科学院电子学研究所 | 一种多源传感器的遥感图像配准方法 |
CN103473565A (zh) * | 2013-08-23 | 2013-12-25 | 华为技术有限公司 | 一种图像匹配方法和装置 |
Non-Patent Citations (2)
Title |
---|
Dense Non-Rigid Point-Matching Using Random Projections;Raffay Hamid et al.;《2013 IEEE Conference on Computer Vision and Pattern Recognition》;20130623;第2914-2921页 * |
基于无人机图像的密集匹配方法研究;蔡龙洲 等;《测绘科学》;20130930;第38卷(第5期);第126-128页,第132页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108182457A (zh) | 2018-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182457B (zh) | 用于生成信息的方法和装置 | |
CN109117831B (zh) | 物体检测网络的训练方法和装置 | |
US10915980B2 (en) | Method and apparatus for adding digital watermark to video | |
CN108229419B (zh) | 用于聚类图像的方法和装置 | |
CN109344762B (zh) | 图像处理方法和装置 | |
WO2021012382A1 (zh) | 配置聊天机器人的方法、装置、计算机设备和存储介质 | |
CN109711508B (zh) | 图像处理方法和装置 | |
CN109118456B (zh) | 图像处理方法和装置 | |
CN110427915B (zh) | 用于输出信息的方法和装置 | |
CN110211195B (zh) | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 | |
US8494284B2 (en) | Methods and apparatuses for facilitating detection of text within an image | |
CN116109824A (zh) | 基于扩散模型的医学影像及像素级标注生成方法及装置 | |
CN110827301B (zh) | 用于处理图像的方法和装置 | |
CN112488095A (zh) | ***图像识别方法、装置和电子设备 | |
CN114359932B (zh) | 文本检测方法、文本识别方法及装置 | |
CN111292333B (zh) | 用于分割图像的方法和装置 | |
CN106611148B (zh) | 基于图像的离线公式识别方法和装置 | |
CN112508005B (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
CN109697722B (zh) | 用于生成三分图的方法及装置 | |
CN116259064B (zh) | 表格结构识别方法、表格结构识别模型的训练方法及装置 | |
CN115082598B (zh) | 文本图像生成、训练、文本图像处理方法以及电子设备 | |
CN112102145A (zh) | 图像处理方法及装置 | |
CN112487943B (zh) | 关键帧去重的方法、装置和电子设备 | |
CN112015936B (zh) | 用于生成物品展示图的方法、装置、电子设备和介质 | |
US9330310B2 (en) | Methods and devices for obtaining card information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |