CN108805144A - 基于形态学矫正的弹孔识别方法及***、报靶设备 - Google Patents
基于形态学矫正的弹孔识别方法及***、报靶设备 Download PDFInfo
- Publication number
- CN108805144A CN108805144A CN201810555766.4A CN201810555766A CN108805144A CN 108805144 A CN108805144 A CN 108805144A CN 201810555766 A CN201810555766 A CN 201810555766A CN 108805144 A CN108805144 A CN 108805144A
- Authority
- CN
- China
- Prior art keywords
- image
- target surface
- shell hole
- target
- morphology
- 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.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000000877 morphologic effect Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 7
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims 1
- 238000003702 image correction Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 239000000729 antidote Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于形态学矫正的弹孔识别方法及***、报靶设备,其中方法包括:对获取的打靶后的靶面原始图像进行形态学处理,以将靶面原始图像矫正到任意线性畸变的目标图像上,得到靶面矫正图像;对形态学矫正得到的前后两帧靶面矫正图像进行基于不同阈值的帧差处理,得到靶面矫正图像中的轮廓;基于靶面矫正图像中的轮廓识别弹孔。本发明提供的基于形态学矫正的弹孔识别方法及***,以及包括该弹孔识别***的报靶设备,通过将获取的打靶后的靶面原始图像矫正到任意线性畸变的目标图像上,利用矫正后的图像进行弹孔识别,从而避免了使用存在畸变的原始图片直接识别弹孔所造成的识别误差,大大提高了识别精度和环境适应性。
Description
技术领域
本发明涉及图像模式识别技术领域,尤其涉及一种基于形态学矫正的弹孔识别方法及***、报靶设备。
背景技术
目前,自动报靶***已经较多地运用在打靶现场。基于图像识别的报靶***中的弹孔识别的一般流程为:***输入一幅中弹前后的图像作为待识别样本,基于图像处理技术(如帧差法等)识别弹孔。
现有的弹孔识别方法存在以下缺陷:实际打靶过程中,经常会出现因靶固定不牢或环境(如大风)等因素引起的中靶瞬间靶面的剧烈晃动,从而导致报靶***采集到的前后图像存在畸变。使用在上述情况下得到的图片直接识别弹孔,将会大大增加弹孔识别的难度,从而使报靶结果出现较大的误差。
发明内容
基于此,本发明提供了一种基于形态学矫正的弹孔识别方法及***、报靶设备,在识别弹孔之前使用基于形态学的矫正方法对原图片进行处理,从而大大提高了识别精度和环境适应性。
本发明提供的基于形态学矫正的弹孔识别方法,包括:
形态学矫正步骤:对获取的打靶后的靶面原始图像进行形态学处理,以将所述靶面原始图像矫正到任意线性畸变的目标图像上,得到靶面矫正图像;
分区域帧差步骤:对所述形态学矫正得到的前后两帧靶面矫正图像进行基于不同阈值的帧差处理,得到所述靶面矫正图像中的轮廓;
弹孔识别步骤:基于所述靶面矫正图像中的轮廓识别弹孔。
作为一种可实施方式,所述形态学矫正步骤,包括以下步骤:
获取所述靶面原始图像中待矫正区域的四个顶点的坐标和所述目标图像上四个顶点的坐标;
基于所述靶面原始图像中待矫正区域的四个顶点的坐标和所述目标图像上四个顶点的坐标,利用形态学处理技术,计算矫正矩阵;
将所述靶面原始图像按照所述矫正矩阵映射到所述目标图像上,得到目标映射图像;
对所述目标映射图像进行平滑处理,得到所述靶面矫正图像。
作为一种可实施方式,所述分区域帧差步骤,包括以下步骤:
在所述形态学矫正得到的前后两帧靶面矫正图像中,利用灰度统计方法分别筛选出绿色区域和白色区域的灰度范围;
根据当前的灰度范围自适应生成对应的帧差阈值;
计算前后两帧靶面矫正图像之间的帧差,若帧差计算结果小于对应区域的侦查阈值,则将该点像素值设置为255,反之,设置为0。
作为一种可实施方式,所述弹孔识别步骤,包括以下步骤:
通过canny(Computational theory of edge detection,边缘检测)算子提取轮廓边缘;
计算轮廓的置信度参数;
将置信度参数高于设定阈值的轮廓判定为弹孔。
本发明提供的基于形态学矫正的弹孔识别方法,在分区域帧差步骤后,还包括以下步骤:
根据所述靶面矫正图像中的轮廓的置信度参数识别有效弹孔的个数。
相应地,本发明还提供一种基于形态学矫正的弹孔识别***,包括形态学矫正模块、分区域帧差模块、以及弹孔识别模块;
所述形态学矫正模块,用于对获取的打靶后的靶面原始图像进行形态学处理,以将所述靶面原始图像矫正到任意线性畸变的目标图像上,得到靶面矫正图像;
所述分区域帧差模块,用于对所述形态学矫正得到的前后两帧靶面矫正图像进行基于不同阈值的帧差处理,得到所述靶面矫正图像中的轮廓;
所述弹孔识别模块,用于基于所述靶面矫正图像中的轮廓识别弹孔。
作为一种可实施方式,所述形态学矫正模块包括坐标获取单元、矫正矩阵计算单元、映射单元以及平滑处理单元;
所述坐标获取单元,用于获取所述靶面原始图像中待矫正区域的四个顶点的坐标和所述目标图像上四个顶点的坐标;
所述矫正矩阵计算单元,用于基于所述靶面原始图像中待矫正区域的四个顶点的坐标和所述目标图像上四个顶点的坐标,利用形态学处理技术,计算矫正矩阵;
所述映射单元,用于将所述靶面原始图像按照所述矫正矩阵映射到所述目标图像上,得到目标映射图像;
所述平滑处理单元,用于对所述目标映射图像进行平滑处理,得到所述靶面矫正图像。
作为一种可实施方式,所述分区域帧差模块包括灰度统计单元、自适应单元、以及帧差计算单元;
所述灰度统计单元,用于在所述形态学矫正得到的前后两帧靶面矫正图像中,利用灰度统计方法分别筛选出绿色区域和白色区域的灰度范围;
所述自适应单元,用于根据当前的灰度范围自适应生成对应的帧差阈值;
所述帧差计算单元,用于计算前后两帧靶面矫正图像之间的帧差,若帧差计算结果小于对应区域的侦查阈值,则将该点像素值设置为255,反之,设置为0。
作为一种可实施方式,所述弹孔识别模块包括轮廓边缘提取单元、置信度参数计算单元、以及识别单元;
所述轮廓边缘提取单元,用于通过canny算子提取轮廓边缘;
所述置信度参数计算单元,用于计算轮廓的置信度参数;
所述识别单元,用于将置信度参数高于设定阈值的轮廓判定为弹孔。
本发明提供的基于形态学矫正的弹孔识别***,还包括弹孔数量识别模块;
所述弹孔数量识别模块,用于在分区域帧差处理后,根据所述靶面矫正图像中的轮廓的置信度参数识别有效弹孔的个数。
相应地,本发明还提供一种报靶设备,包括输入装置、处理装置以及输出装置;
所述输入装置,内设摄像头,用于通过所述摄像头获取打靶后的靶面原始图像;
所述处理装置,分别连接所述输入装置和所述输出装置,并内置权利要求6至10任一项所述的基于形态学矫正的弹孔识别***;
所述处理装置从所述输入装置中获取靶面原始图像,并基于所述弹孔识别***识别弹孔,经所述输出装置输出报靶。
与现有技术相比,本技术方案具有以下优点:
本发明提供的基于形态学矫正的弹孔识别方法及***,以及包括该弹孔识别***的报靶设备,首先利用形态学矫正技术,将获取的打靶后的靶面原始图像矫正到任意线性畸变的目标图像上,确保不丢失原图信息;然后利用分区域帧差技术,将形态学矫正得到的前后图像进行基于不同阈值的帧差,得到轮廓;最后,在分区域帧差得到轮廓中识别弹孔。本发明通过将获取的打靶后的靶面原始图像矫正到任意线性畸变的目标图像上,利用矫正后的图像进行弹孔识别,从而避免了使用存在畸变的原始图片直接识别弹孔所造成的识别误差,大大提高了识别精度和环境适应性。
附图说明
图1为本发明实施例一提供的基于形态学矫正的弹孔识别方法的流程示意图;
图2为本发明实施例一提供的基于形态学矫正的弹孔识别方法的形态学矫正过程示意图;
图3a为A[8][8]矩阵示意图;
图3b为B[8]矩阵示意图
图4为平滑处理示例图;
图5为本发明实施例二提供的基于形态学矫正的弹孔识别***的结构示意图;
图6为本发明实施例三提供的报靶设备的结构示意图。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的部分实施例,而不是全部实施例。
参见图1,本发明实施例一提供了的基于形态学矫正的弹孔识别方法,包括形态学矫正步骤、分区域帧差步骤、以及弹孔识别步骤,具体方法如图1所示:
S100、对获取的打靶后的靶面原始图像进行形态学处理,以将靶面原始图像矫正到任意线性畸变的目标图像上,得到靶面矫正图像;
S200、对形态学矫正得到的前后两帧靶面矫正图像进行基于不同阈值的帧差处理,得到靶面矫正图像中的轮廓;
S300、基于靶面矫正图像中的轮廓识别弹孔。
在上述步骤S100之前,需要利用图像获取装置先获取打靶后的靶面原始图像,然后利用形态学图像矫正技术,将靶面原始图像矫正到任意线性畸变的目标图像上,并确保不丢失原图信息。
针对于多次打靶的情况,在分区域帧差步骤后,还可以包括以下步骤:根据靶面矫正图像中的轮廓的置信度参数识别有效弹孔的个数。
本实施例首先利用形态学矫正技术,将获取的打靶后的靶面原始图像矫正到任意线性畸变的目标图像上,确保不丢失原图信息;然后利用分区域帧差技术,将形态学矫正得到的前后图像进行基于不同阈值的帧差,得到轮廓;最后,在分区域帧差得到轮廓中识别弹孔。其通过将获取的打靶后的靶面原始图像矫正到任意线性畸变的目标图像上,利用矫正后的图像进行弹孔识别,从而避免了使用存在畸变的原始图片直接识别弹孔所造成的识别误差,大大提高了弹孔识别精度及其环境适应性。
进一步地,S100中的形态学矫正具体可通过以下步骤实现:
S110、获取靶面原始图像中待矫正区域的四个顶点的坐标和目标图像上四个顶点的坐标;
S120、基于靶面原始图像中待矫正区域的四个顶点的坐标和目标图像上四个顶点的坐标,利用形态学处理技术,计算矫正矩阵;
S130、将靶面原始图像按照矫正矩阵映射到目标图像上,得到目标映射图像;
S140、对目标映射图像进行平滑处理,得到靶面矫正图像。
如图2所示,以将靶面原始图像S中某个不规则4边形,调整成目标图像D所示规则的矩形的形态学矫正过程为例:具体为,将报靶***拍摄获得的原始图像S作为待识别样本,将原始图像S中待矫正区域四个顶点的坐标分别为(s[i].x,s[i].y),(i=0,1,2,3.),对应目标图像D中的四个顶点为(d[i].x,d[i].y),(i=0,1,2,3.),根据顶点坐标,分别得到矩阵A[8][8]、B[8],如图3a和图3b所示。对矩阵A[8][8]进行奇异值分解得到三个矩阵U、W、V,使得它们满足A=UWVT,其中VT表示矩阵V的转置,则矫正矩阵X[9]可根据如下公式求得:X=V(W*)TB,其中(W*)T表示W的伴随矩阵的转置,将X[9]的最后一位X[8]的值设为1,再将其转化为3×3的形式,即得矫正矩阵X[3][3]。
进一步地,将原始图像S映射到矫正目标图像D时,即图像从原始图像S映射到目标图像D时,对于目标图像D中的任意一点(dx,dy),其在原始图像S中对应的点(sx,sy)为:
按照上述公式所求得的(sx,sy)并非整数,若对坐标(sx,sy)四舍五入,并取相应点的值对(dx,dy)进行赋值,矫正之后的图像会产生较多锯齿,物体的边缘轮廓处尤为严重。故还需进行平滑处理,如图4所示:
对图像进行平滑处理,是依靠所求(sx,sy)周围4个点的值来求出加权平均值,以灰度图为例,点(sx,sy)周围四个点的坐标分别为 (注:表示对sx进行向下取整),其灰度值分别为V11、V12、V21、V22,则加权平均值的计算方法为:
式子中xs、ys分别表示sx、sy的小数部分,对矫正目标图D中的每个点按上述方法求得加权平均值并将其作为点(dx,dy)的值,即得到完整的矫正图像。对于彩色图像,包括RGB三种颜色,按上述方法分别求出三个通道的加权平均值分别为即可得到完整的矫正图像。
进一步地,S200分区域帧差,可以通过以下步骤实现:
S210、在形态学矫正得到的前后两帧靶面矫正图像中,利用灰度统计方法分别筛选出绿色区域和白色区域的灰度范围;
S220、根据当前的灰度范围自适应生成对应的帧差阈值;
S230、计算前后两帧靶面矫正图像之间的帧差,若帧差计算结果小于对应区域的侦查阈值,则将该点像素值设置为255,反之,设置为0。
进一步地,S300弹孔识别,可以通过以下步骤实现:
S310、通过canny算子提取轮廓边缘;
S320、计算轮廓的置信度参数;
S330、将置信度参数高于设定阈值的轮廓判定为弹孔。
基于同一发明构思,如图5所示,本发明实施例二还提供一种基于形态学矫正的弹孔识别***,包括形态学矫正模块100、分区域帧差模块200、以及弹孔识别模块300。形态学矫正模块100用于对获取的打靶后的靶面原始图像进行形态学处理,以将靶面原始图像矫正到任意线性畸变的目标图像上,得到靶面矫正图像;分区域帧差模块200用于对形态学矫正得到的前后两帧靶面矫正图像进行基于不同阈值的帧差处理,得到靶面矫正图像中的轮廓;弹孔识别模块300用于基于靶面矫正图像中的轮廓识别弹孔。
形态学矫正模块100包括坐标获取单元110、矫正矩阵计算单元120、映射单元130以及平滑处理单元140。
坐标获取单元110用于获取靶面原始图像中待矫正区域的四个顶点的坐标和目标图像上四个顶点的坐标;矫正矩阵计算单元120用于基于靶面原始图像中待矫正区域的四个顶点的坐标和目标图像上四个顶点的坐标,利用形态学处理技术,计算矫正矩阵;映射单元130用于将靶面原始图像按照矫正矩阵映射到目标图像上,得到目标映射图像;平滑处理单元140用于对目标映射图像进行平滑处理,得到靶面矫正图像。
分区域帧差模块200包括灰度统计单元210、自适应单元220、以及帧差计算单元230。
灰度统计单元210用于在形态学矫正得到的前后两帧靶面矫正图像中,利用灰度统计方法分别筛选出两种不同颜色区域的灰度范围;自适应单元220用于根据当前的灰度范围自适应生成对应的帧差阈值;帧差计算单元230用于计算前后两帧靶面矫正图像之间的帧差,若帧差计算结果小于对应区域的侦查阈值,则将该点像素值设置为255,反之,设置为0。
弹孔识别模块300包括轮廓边缘提取单元310、置信度参数计算单元320、以及识别单元330。
轮廓边缘提取单元310用于通过canny算子提取轮廓边缘;置信度参数计算单元320用于计算轮廓的置信度参数;识别单元330用于将置信度参数高于设定阈值的轮廓判定为弹孔。
进一步地,本发明实施例二提供的基于形态学矫正的弹孔识别***,还包括弹孔数量识别模块400;弹孔数量识别模块400用于在分区域帧差处理后,根据靶面矫正图像中的轮廓的置信度参数识别有效弹孔的个数。
基于同一发明构思,如图6所示,本发明实施例三还提供一种报靶设备,包括输入装置10、处理装置20以及输出装置30;
输入装置10内设摄像头,用于通过摄像头获取打靶后的靶面原始图像;
处理装置20分别连接输入装置10和输出装置30,并内置实施例二的基于形态学矫正的弹孔识别***;处理装置20从输入装置10中获取靶面原始图像,并基于弹孔识别***识别弹孔,经输出装置30输出报靶。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (11)
1.一种基于形态学矫正的弹孔识别方法,其特征在于,包括:
形态学矫正步骤:对获取的打靶后的靶面原始图像进行形态学处理,以将所述靶面原始图像矫正到任意线性畸变的目标图像上,得到靶面矫正图像;
分区域帧差步骤:对所述形态学矫正得到的前后两帧靶面矫正图像进行基于不同阈值的帧差处理,得到所述靶面矫正图像中的轮廓;
弹孔识别步骤:基于所述靶面矫正图像中的轮廓识别弹孔。
2.根据权利要求1所述的基于形态学矫正的弹孔识别方法,其特征在于,所述形态学矫正步骤,包括以下步骤:
获取所述靶面原始图像中待矫正区域的四个顶点的坐标和所述目标图像上四个顶点的坐标;
基于所述靶面原始图像中待矫正区域的四个顶点的坐标和所述目标图像上四个顶点的坐标,利用形态学处理技术,计算矫正矩阵;
将所述靶面原始图像按照所述矫正矩阵映射到所述目标图像上,得到目标映射图像;
对所述目标映射图像进行平滑处理,得到所述靶面矫正图像。
3.根据权利要求1所述的基于形态学矫正的弹孔识别方法,其特征在于,所述分区域帧差步骤,包括以下步骤:
在所述形态学矫正得到的前后两帧靶面矫正图像中,利用灰度统计方法分别筛选出绿色区域和白色区域的灰度范围;
根据当前的灰度范围自适应生成对应的帧差阈值;
计算前后两帧靶面矫正图像之间的帧差,若帧差计算结果小于对应区域的侦查阈值,则将该点像素值设置为255,反之,设置为0。
4.根据权利要求1所述的基于形态学矫正的弹孔识别方法,其特征在于,所述弹孔识别步骤,包括以下步骤:
通过canny算子提取轮廓边缘;
计算轮廓的置信度参数;
将置信度参数高于设定阈值的轮廓判定为弹孔。
5.根据权利要求1至4任一项所述的基于形态学矫正的弹孔识别方法,其特征在于,在分区域帧差步骤后,还包括以下步骤:
根据所述靶面矫正图像中的轮廓的置信度参数识别有效弹孔的个数。
6.一种基于形态学矫正的弹孔识别***,其特征在于,包括形态学矫正模块、分区域帧差模块、以及弹孔识别模块;
所述形态学矫正模块,用于对获取的打靶后的靶面原始图像进行形态学处理,以将所述靶面原始图像矫正到任意线性畸变的目标图像上,得到靶面矫正图像;
所述分区域帧差模块,用于对所述形态学矫正得到的前后两帧靶面矫正图像进行基于不同阈值的帧差处理,得到所述靶面矫正图像中的轮廓;
所述弹孔识别模块,用于基于所述靶面矫正图像中的轮廓识别弹孔。
7.根据权利要求6所述的基于形态学矫正的弹孔识别***,其特征在于,所述形态学矫正模块包括坐标获取单元、矫正矩阵计算单元、映射单元以及平滑处理单元;
所述坐标获取单元,用于获取所述靶面原始图像中待矫正区域的四个顶点的坐标和所述目标图像上四个顶点的坐标;
所述矫正矩阵计算单元,用于基于所述靶面原始图像中待矫正区域的四个顶点的坐标和所述目标图像上四个顶点的坐标,利用形态学处理技术,计算矫正矩阵;
所述映射单元,用于将所述靶面原始图像按照所述矫正矩阵映射到所述目标图像上,得到目标映射图像;
所述平滑处理单元,用于对所述目标映射图像进行平滑处理,得到所述靶面矫正图像。
8.根据权利要求6所述的基于形态学矫正的弹孔识别***,其特征在于,所述分区域帧差模块包括灰度统计单元、自适应单元、以及帧差计算单元;
所述灰度统计单元,用于在所述形态学矫正得到的前后两帧靶面矫正图像中,利用灰度统计方法分别筛选出绿色区域和白色区域的灰度范围;
所述自适应单元,用于根据当前的灰度范围自适应生成对应的帧差阈值;
所述帧差计算单元,用于计算前后两帧靶面矫正图像之间的帧差,若帧差计算结果小于对应区域的侦查阈值,则将该点像素值设置为255,反之,设置为0。
9.根据权利要求6所述的基于形态学矫正的弹孔识别***,其特征在于,所述弹孔识别模块包括轮廓边缘提取单元、置信度参数计算单元、以及识别单元;
所述轮廓边缘提取单元,用于通过canny算子提取轮廓边缘;
所述置信度参数计算单元,用于计算轮廓的置信度参数;
所述识别单元,用于将置信度参数高于设定阈值的轮廓判定为弹孔。
10.根据权利要求6至9任一项所述的基于形态学矫正的弹孔识别***,其特征在于,还包括弹孔数量识别模块;
所述弹孔数量识别模块,用于在分区域帧差处理后,根据所述靶面矫正图像中的轮廓的置信度参数识别有效弹孔的个数。
11.一种报靶设备,其特征在于,包括输入装置、处理装置以及输出装置;
所述输入装置,内设摄像头,用于通过所述摄像头获取打靶后的靶面原始图像;
所述处理装置,分别连接所述输入装置和所述输出装置,并内置权利要求6至10任一项所述的基于形态学矫正的弹孔识别***;
所述处理装置从所述输入装置中获取靶面原始图像,并基于所述弹孔识别***识别弹孔,经所述输出装置输出报靶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810555766.4A CN108805144A (zh) | 2018-06-01 | 2018-06-01 | 基于形态学矫正的弹孔识别方法及***、报靶设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810555766.4A CN108805144A (zh) | 2018-06-01 | 2018-06-01 | 基于形态学矫正的弹孔识别方法及***、报靶设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108805144A true CN108805144A (zh) | 2018-11-13 |
Family
ID=64090948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810555766.4A Pending CN108805144A (zh) | 2018-06-01 | 2018-06-01 | 基于形态学矫正的弹孔识别方法及***、报靶设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805144A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948630A (zh) * | 2019-03-19 | 2019-06-28 | 深圳初影科技有限公司 | 靶纸图像的识别方法、装置、***和存储介质 |
CN111222504A (zh) * | 2019-11-18 | 2020-06-02 | 杭州晨鹰军泰科技有限公司 | 一种弹孔报靶方法、装置、设备及介质 |
CN112016399A (zh) * | 2020-08-03 | 2020-12-01 | 江阴普瑞利安信息科技有限公司 | 一种基于图像处理的方形胸环靶靶面识别方法 |
CN112507827A (zh) * | 2020-11-30 | 2021-03-16 | 之江实验室 | 一种智能视频打靶实时检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654085A (zh) * | 2015-12-31 | 2016-06-08 | 杭州晨鹰军泰科技有限公司 | 一种基于图像技术的弹孔识别方法 |
CN106802113A (zh) * | 2016-12-23 | 2017-06-06 | 西安交通大学 | 基于多弹孔模式识别算法的智能报靶***和方法 |
CN206247950U (zh) * | 2016-12-01 | 2017-06-13 | 齐煦林 | 一种基于图像处理机构的自动报靶*** |
CN107123145A (zh) * | 2017-05-04 | 2017-09-01 | 济南大学 | 基于人工标志和几何变换的电梯按钮定位和识别方法 |
CN107341793A (zh) * | 2017-06-23 | 2017-11-10 | 浙江华睿科技有限公司 | 一种靶面图像处理方法及装置 |
-
2018
- 2018-06-01 CN CN201810555766.4A patent/CN108805144A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654085A (zh) * | 2015-12-31 | 2016-06-08 | 杭州晨鹰军泰科技有限公司 | 一种基于图像技术的弹孔识别方法 |
CN206247950U (zh) * | 2016-12-01 | 2017-06-13 | 齐煦林 | 一种基于图像处理机构的自动报靶*** |
CN106802113A (zh) * | 2016-12-23 | 2017-06-06 | 西安交通大学 | 基于多弹孔模式识别算法的智能报靶***和方法 |
CN107123145A (zh) * | 2017-05-04 | 2017-09-01 | 济南大学 | 基于人工标志和几何变换的电梯按钮定位和识别方法 |
CN107341793A (zh) * | 2017-06-23 | 2017-11-10 | 浙江华睿科技有限公司 | 一种靶面图像处理方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948630A (zh) * | 2019-03-19 | 2019-06-28 | 深圳初影科技有限公司 | 靶纸图像的识别方法、装置、***和存储介质 |
CN109948630B (zh) * | 2019-03-19 | 2020-03-31 | 深圳初影科技有限公司 | 靶纸图像的识别方法、装置、***和存储介质 |
CN111222504A (zh) * | 2019-11-18 | 2020-06-02 | 杭州晨鹰军泰科技有限公司 | 一种弹孔报靶方法、装置、设备及介质 |
CN112016399A (zh) * | 2020-08-03 | 2020-12-01 | 江阴普瑞利安信息科技有限公司 | 一种基于图像处理的方形胸环靶靶面识别方法 |
CN112507827A (zh) * | 2020-11-30 | 2021-03-16 | 之江实验室 | 一种智能视频打靶实时检测方法 |
CN112507827B (zh) * | 2020-11-30 | 2022-05-13 | 之江实验室 | 一种智能视频打靶实时检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805144A (zh) | 基于形态学矫正的弹孔识别方法及***、报靶设备 | |
CN109389135B (zh) | 一种图像筛选方法及装置 | |
CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
US20090027521A1 (en) | Image processing apparatus, image-taking system, image processing method and image processing program | |
CN105894458A (zh) | 一种具有人脸的图像处理方法和装置 | |
JPWO2006036027A1 (ja) | 画像処理装置および方法,ならびに画像処理プログラム | |
CN110008968B (zh) | 一种基于图像视觉的机器人结算自动触发方法 | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN110458789B (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
TW201419853A (zh) | 影像處理器及其影像壞點偵測方法 | |
CN112785534A (zh) | 一种动态场景下去鬼影多曝光图像融合方法 | |
CN111008563B (zh) | 一种暗光场景种子发芽检测方法、装置及可读存储介质 | |
CN110807406B (zh) | 一种雾天检测方法及装置 | |
CN112188190A (zh) | 污渍检测方法、烹饪器具、服务器和存储介质 | |
JP2015092643A (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
CN112396016B (zh) | 一种基于大数据技术的人脸识别*** | |
CN107564041A (zh) | 一种可见光图像空中运动目标的检测方法 | |
CN101510306B (zh) | 一种视频图像照度分布估计方法 | |
CN108965749A (zh) | 基于纹理识别的缺陷像素检测和校正装置及方法 | |
CN110674737B (zh) | 一种虹膜识别的增强方法 | |
CN117351472A (zh) | 烟叶信息检测方法、装置及电子设备 | |
CN103226690B (zh) | 检测红眼的方法及装置、去除红眼的方法及装置 | |
CN108848363A (zh) | 一种适用于大场景的自动白平衡方法 | |
JP2010097341A (ja) | 入力画像から検出対象物の像を検出する画像処理装置 | |
CN109410169B (zh) | 一种图像背景干扰度的识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181113 |