CN109389126A - 一种基于颜色的区域检测方法、装置及电子设备 - Google Patents
一种基于颜色的区域检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109389126A CN109389126A CN201710680189.7A CN201710680189A CN109389126A CN 109389126 A CN109389126 A CN 109389126A CN 201710680189 A CN201710680189 A CN 201710680189A CN 109389126 A CN109389126 A CN 109389126A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- foreground
- component value
- pixel
- 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
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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种基于颜色的目标区域检测方法及装置，该方法包括：获得待检测图像；确定待检测图像中的每一像素点所对应的U分量值和V分量值；根据每一像素点所对应的U分量值和V分量值，确定待检测图像中的包含目标颜色的目标区域。不同的颜色对应的U分量值与V分量值会存在区别，且存在一定的分布规律，即不同颜色的像素点对应的U分量值与V分量值会存在区别，且存在一定的分布规律，通过待检测图像中的像素点所对应的U分量值与V分量值的区别和所存在的分布规律，可以实现从待检测图像中检测出包含目标颜色的目标区域。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种基于颜色的区域检测方法、装置及电子设备。
背景技术
随着图像采集设备(例如：监控设备、照相机等)的普及，每天都会有大量的图像产生，其中，上述图像中可能存在需要关注的内容。在一些场景中，上述的需要关注的内容通常仅存在于整张图像中的局部区域，此时，就需要从图像中检测出上述需要关注的内容所在的目标区域，继而针对所检测出的目标区域进行后续处理。举例而言，上述场景为车牌识别场景，上述的需要关注的内容为车辆的车牌，具体的，图像处理设备获得图像采集设备采集到的图像后，需要从上述图像中检测出车牌所在的目标区域，继而针对上述目标区域进行识别。
那么，如何有效的在图像中检测出上述目标区域是必须要面对的问题。
发明内容
本发明实施例的目的在于提供一种基于颜色的目标区域检测方法、装置及电子设备，以实现基于颜色检测出待检测图像中的目标区域。具体技术方案如下：
一方面，本发明实施例提供了一种基于颜色的目标区域检测方法，所述方法包括：
获得待检测图像；
确定所述待检测图像中的每一像素点所对应的U分量值和V分量值；
根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域，其中，所述目标区域为包含目标颜色的区域。
可选地，所述根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域的步骤，包括：
分别判断每一像素点所对应的U分量值是否超过第一预定阈值，且所对应的V分量值是否低于第二预定阈值，得到第一判断结果，其中，所述第一预定阈值和所述第二预定阈值均为：根据所述目标颜色设置的值；
根据所述第一判断结果，确定所述待检测图像中包含的前景像素点，其中，所述前景像素点为所对应的U分量值超过第一预定阈值，且所对应的V分量值低于第二预定阈值的像素点；
根据所述待检测图像中包含的前景像素点，确定第一前景图像；
根据所述第一前景图像，确定所述待检测图像中的所述目标区域。
可选地，所述根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域的步骤，包括：
分别计算每一像素点所对应的U分量值和V分量值的第一差值；
将每一像素点的第一差值与至少一个预设二值化阈值进行比较，得到比较结果，其中，所述至少一个预设二值化阈值为：基于所述目标颜色设置的阈值；
根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点，其中，一组前景像素点对应一个预设二值化阈值，每组前景像素点均为第一差值大于所对应的预设二值化阈值的像素点；
根据所述待检测图像中包含的至少一组前景像素点，确定至少一个第二前景图像，其中，一个第二前景图像对应一组前景像素点；
根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域。
可选地，在所述根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点的步骤之前，所述方法还包括：
分别判断每一像素点所对应的U分量值是否超过第三预定阈值，且所对应的V分量值是否低于第四预定阈值，得到第二判断结果，其中，所述第三预定阈值和所述第四预定阈值均为：根据所述目标颜色设置的值；
所述根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点的步骤，包括：
根据所述比较结果以及所述第二判断结果，确定所述待检测图像中包含的至少一组前景像素点。
可选地，所述根据所述第一前景图像，确定所述待检测图像中的所述目标区域的步骤，包括：
依据预设的第一连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第一连通域；
将每一第一连通域所在区域，确定为所述待检测图像中的所述目标区域。
可选地，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述根据所述第一前景图像，确定所述待检测图像中的所述目标区域的步骤，包括：
依据预设的第二连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第二连通域；
从所述至少一个第二连通域中，筛选出满足第一预设筛选条件的至少一个第一目标连通域，其中，所述第一预设筛选条件为：根据所述蓝色车牌设置的条件；
将所述至少一个第一目标连通域所在区域，确定为所述待检测图像中的车牌所在区域。
可选地，所述根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域的步骤，包括：
依据预设的第三连通域标记规则对每一第二前景图像进行标记，确定每一前景图像中的至少一个第三连通域；
根据所确定的每一第二前景图像中的至少一个第三连通域，确定所述待检测图像中的所述目标区域。
可选地，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域的步骤，包括：
依据预设的第四连通域标记规则对每一第二前景图像进行标记，确定每一第二前景图像中的至少一个第四连通域；
从每一第二前景图像的至少一个第四连通域中，筛选出满足第二预设筛选条件的至少一个第二目标连通域，其中，所述第二预设筛选条件为：根据所述蓝色车牌设置的条件；
根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定所述待检测图像中的车牌所在区域。
可选地，所述根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定所述待检测图像中的车牌所在区域的步骤，包括：
获得每一第二前景图像中的至少一个第二目标连通域的位置信息，以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系；
根据所获得的位置信息以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系，获得所述待检测图像中的车牌所在区域。
另一方面，本发明实施例提供了一种基于颜色的目标区域检测装置，所述装置包括：
第一获得模块，用于获得待检测图像；
第二获得模块，用于获得所述待检测图像中的每一像素点所对应的U分量值和V分量值；
确定模块，用于根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域，其中，所述目标区域为包含目标颜色的区域。
可选地，所述确定模块包括第一判断单元、第一确定单元、第二确定单元和第三确定单元；
所述第一判断单元，用于分别判断每一像素点所对应的U分量值是否超过第一预定阈值，且所对应的V分量值是否低于第二预定阈值，得到第一判断结果，其中，所述第一预定阈值和所述第二预定阈值均为：根据所述目标颜色设置的值；
所述第一确定单元，用于根据所述第一判断结果，确定所述待检测图像中包含的前景像素点，其中，所述前景像素点为所对应的U分量值超过第一预定阈值，且所对应的V分量值低于第二预定阈值的像素点；
所述第二确定单元，用于根据所述待检测图像中包含的前景像素点，确定第一前景图像；
所述第三确定单元，用于根据所述第一前景图像，确定所述待检测图像中的所述目标区域。
可选地，所述确定模块包括计算单元、比较单元、第四确定单元、第五确定单元和第六确定单元；
所述计算单元，用于分别计算每一像素点所对应的U分量值和V分量值的第一差值；
所述比较单元，用于将每一像素点的第一差值与至少一个预设二值化阈值进行比较，得到比较结果，其中，所述至少一个预设二值化阈值为：基于所述目标颜色设置的阈值；
所述第四确定单元，用于根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点，其中，一组前景像素点对应一个预设二值化阈值，每组前景像素点均为第一差值大于所对应的预设二值化阈值的像素点；
所述第五确定单元，用于根据所述待检测图像中包含的至少一组前景像素点，确定至少一个第二前景图像，其中，一个第二前景图像对应一组前景像素点；
所述第六确定单元，用于根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域。
可选地，所述确定模块还包括第二判断单元；
所述第二判断单元，用于在所述根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点之前，分别判断每一像素点所对应的U分量值是否超过第三预定阈值，且所对应的V分量值是否低于第四预定阈值，得到第二判断结果，其中，所述第三预定阈值和所述第四预定阈值均为：根据所述目标颜色设置的值；
所述第四确定单元，具体用于根据所述比较结果以及所述第二判断结果，确定所述待检测图像中包含的至少一组前景像素点。
可选地，所述第三确定单元包括第一确定子模块和第二确定子模块；
所述第一确定子模块，用于依据预设的第一连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第一连通域；
所述第二确定子模块，用于将每一第一连通域所在区域，确定为所述待检测图像中的所述目标区域。
可选地，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述第三确定单元包括第三确定子模块、第一筛选子模块和第四确定子模块；
所述第三确定子模块，用于依据预设的第二连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第二连通域；
所述第一筛选子模块，用于从所述至少一个第二连通域中，筛选出满足第一预设筛选条件的至少一个第一目标连通域，其中，所述第一预设筛选条件为：根据所述蓝色车牌设置的条件；
所述第四确定子模块，用于将所述至少一个第一目标连通域所在区域，确定为所述待检测图像中的车牌所在区域。
可选地，所述第六确定单元包括第五确定子模块和第六确定子模块；
所述第五确定子模块，用于依据预设的第三连通域标记规则对每一第二前景图像进行标记，确定每一前景图像中的至少一个第三连通域；
所述第六确定子模块，用于根据所确定的每一第二前景图像中的至少一个第三连通域，确定所述待检测图像中的所述目标区域。
可选地，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；所述第六确定单元包括第七确定子模块、第二筛选子模块和第八确定子模块；
所述第七确定子模块，用于依据预设的第四连通域标记规则对每一第二前景图像进行标记，确定每一第二前景图像中的至少一个第四连通域；
所述第二筛选子模块，用于从每一第二前景图像的至少一个第四连通域中，筛选出满足第二预设筛选条件的至少一个第二目标连通域，其中，所述第二预设筛选条件为：根据所述蓝色车牌设置的条件；
所述第八确定子模块，用于根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定所述待检测图像中的车牌所在区域。
可选地，所述第八确定子模块，具体用于
获得每一第二前景图像中的至少一个第二目标连通域的位置信息，以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系；
根据所获得的位置信息以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系，获得所述待检测图像中的车牌所在区域。
另一方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的计算机程序时，实现上述的任一基于颜色的目标区域检测方法。
另一方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述的任一基于颜色的目标区域检测方法。
本发明实施例中，获得待检测图像；获得待检测图像中的每一像素点所对应的U分量值和V分量值；根据每一像素点所对应的U分量值和V分量值，确定待检测图像中的目标区域。不同的颜色对应的U分量值与V分量值会存在区别，且存在一定的分布规律，即不同颜色的像素点对应的U分量值与V分量值会存在区别，且存在一定的分布规律，通过待检测图像中的像素点所对应的U分量值与V分量值的区别和所存在的分布规律，可以实现从待检测图像中检测出包含目标颜色的目标区域。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于颜色的目标区域检测方法的流程示意图；
图2为24色标准色板中各颜色对应的U分量值和V分量值的一种示例图；
图3A为蓝色对应的Y分量值分布的统计直方图的一种示意图；
图3B为蓝色对应的U分量值分布的统计直方图的一种示意图；
图3C为蓝色对应的V分量值分布的统计直方图的一种示意图；
图4为确定待检测图像中的目标区域的一种流程示意图；
图5A为包含车牌的待检测图像的一种示意图；
图5B为图5A所示的包含车牌的待检测图像进行二值化后所得图像的一种示意图；
图5C、图5D和图5E分别为一待检测图像根据不同的预设二值化阈值进行二值化后所得图像的示意图；
图5F为根据图5C、图5D和图5E所确定的待检测图像中的车牌所在区域的一种示意图；
图6为本发明实施例提供的一种基于颜色的目标区域检测装置的结构示意图；
图7为确定模块的一种结构示意图；
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种基于颜色的目标区域检测方法、装置及电子设备，以实现基于颜色检测出图像中是否存在目标区域。
如图1所示，本发明实施例提供了一种基于颜色的目标区域检测方法，可以包括如下步骤：
S101：获得待检测图像；
可以理解的是，本发明实施例所提供的一种基于颜色的目标区域检测方法，可以应用于任一可以获得待检测图像的电子设备，上述电子设备可以为电脑、智能手机、摄像机等等。
电子设备获得待检测图像后，可以首先判断待检测图像是否为YUV格式的图像，当判断待检测图像为YUV格式的图像时，可以直接执行本发明实施例所提供的后续的基于颜色的目标区域检测流程；当判断待检测图像不为YUV格式的图像时，可以先将待检测图像转换为YUV格式，再执行本发明实施例所提供的后续的基于颜色的目标区域检测流程。需要说明的是，YUV亦称YCrCb，是被欧洲电视***所采用的一种颜色编码方式，其中，“Y”表示亮度(Luminance或Luma)，也就是灰阶值；而“U”和“V”表示色度(Chrominance或Chroma)，作用是描述影像色彩及饱和度，用于指定像素点的颜色。“亮度”是透过RGB(Red Green Blue，红绿蓝)输入信号来建立的，是将RGB输入信号的特定部分叠加到一起。“色度”则定义了颜色的两个方面--色调与饱和度，分别用Cr和Cb来表示。其中，Cr反映了RGB输入信号红色部分与RGB输入信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB输入信号亮度值之间的差异。
S102：获得待检测图像中的每一像素点所对应的U分量值和V分量值；
其中，待检测图像为YUV格式的图像，可以理解的，在YUV颜色空间中，待检测图像中的每一像素点均对应U分量值、V分量值和Y分量值，即待检测图像中的每一像素点的像素值(也可称为颜色值)可以通过每一像素点所对应的U分量值、V分量值和Y分量值表征，其中，每一像素点所对应的U分量值、V分量值可以表征像素点的颜色；在YUV颜色空间中，可以直接获得待检测图像中的每一像素点所对应的U分量值和V分量值。
S103：根据每一像素点所对应的U分量值和V分量值，确定待检测图像中的目标区域，其中，目标区域为包含目标颜色的区域。
可以理解的是，在YUV颜色空间中，不同颜色对应的U分量值和V分量值均存在区别，且存在一定的分布规律。根据不同颜色对应的U分量值和V分量值所存在的区别和所存在的分布规律，可以确定出待检测图像中的包含目标颜色的目标区域。
在一种实现方式中，所述根据每一像素点所对应的U分量值和V分量值，确定待检测图像中的目标区域(S103)的步骤，可以包括：
分别判断每一像素点所对应的U分量值是否超过第一预定阈值，且所对应的V分量值是否低于第二预定阈值，得到第一判断结果，其中，第一预定阈值和第二预定阈值均为：根据目标颜色设置的值；
根据第一判断结果，确定待检测图像中包含的前景像素点，其中，前景像素点为所对应的U分量值超过第一预定阈值，且所对应的V分量值低于第二预定阈值的像素点；
根据待检测图像中包含的前景像素点，确定第一前景图像；
根据第一前景图像，确定待检测图像中的目标区域。
其中，上述的第一预定阈值与第二预定阈值可以相等，也可以不相等，上述的第一预定阈值与第二预定阈值均可以根据目标颜色进行设定，另外，由于光照情况和采集待检测图像的图像采集设备的性能等，对像素点的像素值存在影响(即对像素点所对应的U分量值和V分量值存在影响)，在设置上述的第一预定阈值与第二预定阈值时，可以同时考虑光照情况和采集待检测图像的图像采集设备的性能等因素。
当判断像素点对应的U分量值超过第一预定阈值，且像素点对应的V分量值低于第二预定阈值时，则可以确定像素点的颜色为目标颜色，此时，可以将像素点确定为前景像素点；当判断像素点对应的U分量值不超过第一预定阈值，和/或，像素点对应的V分量值不低于第二预定阈值时，则可以确定像素点的颜色不为目标颜色，此时，可以将像素点确定为背景像素点。进一步的，通过所确定出的待检测图像中包含的前景像素点，可以确定包含上述前景像素点的第一前景图像，进一步，确定待检测图像中的目标区域。
如图2所示，为24色标准色板中各颜色对应的U分量值和V分量值，其中，24色标准色板中从左到右、从上到下的各颜色的标号分别为1～24。
以目标颜色为蓝色为例进行说明：图2中所示的24色标准色板中标号为3、6、8、13和18的颜色均为蓝色。如图2所示，24色标准色板中的蓝色对应的U分量值和V分量值存在一定的分布规律，具体的，24色标准色板中的蓝色对应的U分量值均相应较大，其在理论上几乎均大于第一预定阈值；且24色标准色板中的蓝色对应的V分量值均相应较小，其在理论上几乎均小于第二预定阈值。当目标颜色为蓝色时，可以通过设定合适蓝色的第一预定阈值和第二预定阈值，从待检测图像中检测出颜色为蓝色的像素点，进一步的，根据所检测出的颜色为蓝色的像素点，确定出包含蓝色的目标区域。
在理论上，可以通过设定合适的阈值(包括第一预定阈值和第二预定阈值)，从待检测图像中检测出为目标颜色的像素点，进一步检测出包含目标颜色的目标区域。
另外的，如图3A所示，为蓝色对应的Y分量值分布的统计直方图的一种示意图，如图3B所示，为蓝色对应的U分量值分布的统计直方图的一种示意图，如图3C所示，为蓝色对应的V分量值分布的统计直方图的一种示意图。其中，上述图3A、图3B和图3C所示的示意图所依据的数据均为：一万张蓝色车牌。从图3B和图3C可以看出，U分量值主要集中于较大的灰度值区域，如位于128的右侧，即大于128，V分量值主要集中于较小的灰度值区域，如位于128的左侧，即小于128。其中，图3A、图3B和图3C中的横轴标识灰度值(0～255)，“|”标识灰度值128所在位置，图3A、图3B和图3C中的纵轴标识灰度值为X的车牌数量或灰度值为X的车牌的数量，占所有车牌的总量的百分比，其中，X可以取(0～255)。
在另一种实现方式中，基于不同颜色的像素值所对应的U分量值和V分量值所存在的区别和所存在的分布规律，还可以通过像素点所对应的U分量值与V分量值的差值，确定像素点的颜色是否为目标颜色，进一步确定待检测图像中包含的前景像素点。具体的，如图4所示，所述根据每一像素点所对应的U分量值和V分量值，确定待检测图像中的目标区域(S103)的步骤，可以包括：
S401：分别计算每一像素点所对应的U分量值和V分量值的第一差值，其中，可以将每一像素点所对应的U分量值和V分量值作差，作差所得结果即为上述的第一差值；
S402：将每一像素点的第一差值与至少一个预设二值化阈值进行比较，得到比较结果，其中，至少一个预设二值化阈值为：基于目标颜色设置的阈值；
S403：根据比较结果，确定待检测图像中包含的至少一组前景像素点，其中，一组前景像素点对应一个预设二值化阈值，每组前景像素点均为第一差值大于所对应的预设二值化阈值的像素点；
S404：根据待检测图像中包含的至少一组前景像素点，确定至少一个第二前景图像，其中，一个第二前景图像对应一组前景像素点；
可以理解的是，一组前景像素点对应一个预设二值化阈值，一个第二前景图像对应一组前景像素点，即一个第二前景图像对应一个预设二值化阈值。
S405：根据至少一个第二前景图像，确定待检测图像中的目标区域。
如图2所示，理论上，24色标准色板中的蓝色对应的U分量值均大于其所对应的V分量值。基于上述的24色标准色板中的蓝色对应的U分量值与V分量值的分布规律，可以通过确定像素点所对应的U分量值与V分量值的第一差值是否大于第一预设数值，确定待检测图像中是否存在包含目标颜色的目标区域。其中，上述第一预设数值可以作为对待检测图像进行二值化的预设二值化阈值，举例而言，当目标颜色为蓝色时，上述第一预设数值可以取灰度值0～60，等等。
需要强调的是，根据比较结果，确定待检测图像中包含的至少一组前景像素点时，可以同时对待检测图像进行二值化。其中，当像素点的第一差值大于所对应预设二值化阈值时，可以将该像素点的像素值赋值为第一数值，即将前景像素点的像素值赋值为第一数值，上述第一数值可以为1，当像素点的第一差值不大于所对应预设二值化阈值时，可以将该像素点的像素值赋值为第二数值，即将背景像素点的像素值赋值为第二数值，上述第二数值可以为0。此时，后续的，根据待检测图像中包含的至少一组前景像素点，所确定的至少一个第二前景图像均为：二值化图像，且上述第二前景图像中可以仅包含像素值为第一数值和/或像素值为第二数值的像素点。如图5A所示，为包含车牌的待检测图像的一种示意图，图5B为图5A所示的包含车牌的待检测图像进行二值化后的一种示意图，即上述的一个第二前景图像。
同理，在根据第一判断结果，确定待检测图像中包含的前景像素点，也可以同时对待检测图像进行二值化，此时，上述所得到的第一前景图像也为二值化图像。
可以理解的是，在一些场景中，由于受到光照以及图像采集设备(可采集待检测图像的设备)的性能等因素的影响，同一颜色对应的U分量值和V分量值可能会出现差异。为了能够从待检测图像确定出更为准确的包含目标颜色的目标区域，可以采用多阈值的方案，即可以将像素点的第一差值与至少一个预设二值化阈值进行比较。进而，根据像素点的第一差值以及至少一个预设二值化阈值中的每一预设二值化阈值，确定至少一组前景像素点，并且，一组前景像素点对应一个预设二值化阈值。
举例而言，至少一个预设二值化阈值包含A、B和C，根据像素点的第一差值与A，可以确定A对应的一组前景像素点a，根据像素点的第一差值与B，可以确定B对应的一组前景像素点b，根据像素点的第一差值与C，可以确定C对应的一组前景像素点c。其中，一组前景像素点a中所包含的每一前景像素点均为：第一差值大于A的像素点；一组前景像素点b中所包含的每一前景像素点均为：第一差值大于B的像素点；一组前景像素点c中所包含的至每一前景像素点均为：第一差值大于C的像素点。上述像素点均为待检测图像中的像素点。
在另一种实现方式中，还可以通过确定像素点所对应的U分量值与V分量值的比值是否大于第二预设数值，确定待检测图像中是否存在包含目标颜色的目标区域，举例而言，当目标颜色为蓝色时，上述第二预设数值可以为1等等。
另外，为了更好的确定出包含目标颜色的目标区域，在另一种实现方式中，在所述根据比较结果，确定待检测图像中包含的至少一组前景像素点(S403)的步骤之前，所述方法还可以包括：
分别判断每一像素点所对应的U分量值是否超过第三预定阈值，且所对应的V分量值是否低于第四预定阈值，得到第二判断结果，其中，第三预定阈值和第四预定阈值均为：根据目标颜色设置的值；
此时，S403可以包括：根据比较结果以及第二判断结果，确定待检测图像中包含的至少一组前景像素点。
其中，上述的第三预定阈值可以等于上述的第一预定阈值，也可以不等于上述的第一预定阈值，上述的第四预定阈值可以等于上述的第二预定阈值，也可以不等于上述的第二预定阈值，这都是可以的。
在上述实施例中，当像素点所对应的U分量值超过第三预定阈值，且所对应的V分量值低于第四预定阈值，且像素点所对应的U分量值和V分量值的第一差值大于所对应的预设二值化阈值时，才会被确定为前景像素点。
应用本发明实施例，获得待检测图像；获得待检测图像中的每一像素点所对应的U分量值和V分量值；根据每一像素点所对应的U分量值和V分量值，确定待检测图像中的目标区域。不同的颜色对应的U分量值与V分量值会存在区别，且存在一定的分布规律，即不同颜色的像素点对应的U分量值与V分量值会存在区别，且存在一定的分布规律，通过待检测图像中的像素点所对应的U分量值与V分量值的区别和所存在的分布规律，可以实现从待检测图像中检测出包含目标颜色的目标区域。
在一种实现方式中，在根据第一前景图像，确定待检测图像中的目标区域时，可以先确定第一前景图像中所包含的至少一个第一连通域，进一步根据至少一个第一连通域，待检测图像中的目标区域。具体的，所述根据第一前景图像，确定待检测图像中的目标区域的步骤，可以包括：
依据预设的第一连通域标记规则对第一前景图像进行标记，确定第一前景图像中的至少一个第一连通域；
将每一第一连通域所在区域，确定为待检测图像中的目标区域。其中，每一第一连通域所在区域为每一第一连通域的外接矩形所在区域。
可以理解的是，上述第一连通域标记规则可以为直接扫描标记算法，也可以为二值化图像连通域标记快速算法，等等，这都是可以的。当上述第一连通域标记规则为直接扫描标记算法时，其可以是四邻域标记算法，也可以是八邻域标记算法。
目标区域为包含目标颜色的区域，需要说明的是，上述目标区域可以是完全被目标颜色填充的区域，也可以是为拥有上述目标颜色的目标对象所在区域。在一种实现方式中，目标区域为车牌所在区域，车牌为蓝色车牌；
上述根据第一前景图像，确定待检测图像中的目标区域的步骤，可以包括：
依据预设的第二连通域标记规则对第一前景图像进行标记，确定第一前景图像中的至少一个第二连通域；
从至少一个第二连通域中，筛选出满足第一预设筛选条件的至少一个第一目标连通域，其中，第一预设筛选条件为：根据蓝色车牌设置的条件；
将至少一个第一目标连通域所在区域，确定为待检测图像中的车牌所在区域。
其中，上述第二连通域标记规则可以与上述第一连通域标记规则相同，也可以不同，这都是可以的。
需要说明的是，车牌一般存在规则的形状以及尺寸，当目标区域为车牌所在区域，且车牌为蓝色车牌时，可以先从待检测图像中确定出蓝色所在区域，进一步的，根据第一预设筛选条件，从所确定出的蓝色所在区域中筛选出车牌所在区域。其中，上述第一筛选条件可以包括：最小/最大宽度(例如：可以取到60像素点～200像素点)、最小/最大高度(例如：可以取到12像素点～40像素点)、最小/最大面积(例如：可以取到720像素点～8000像素点)、连通域内前景像素点所占比例(可以取到25％～40％)等等。需要强调的是，通过上述第一预设筛选条件，可以从所确定出至少一个第二连通域中，筛选出最可能为蓝色车牌所在区域对应的至少一个第一目标连通域。
在一种实现方式中，在确定出至少一个第二前景图像后，可以依据上述确定出的至少一个第二前景图像，确定待检测图像中的目标区域。具体的，所述根据至少一个第二前景图像，确定待检测图像中的目标区域(S405)的步骤，可以包括：
依据预设的第三连通域标记规则对每一第二前景图像进行标记，确定每一前景图像中的至少一个第三连通域；
根据所确定的每一第二前景图像中的至少一个第三连通域，确定待检测图像中的目标区域。
需要说明的是，至少一个预设二值化阈值的具体个数，以及每一预设二值化阈值均可以根据实际情况进行设定。上述第三连通域标记规则可以与上述的第一连通域标记规则和/或第二连通域标记规则相同，也可以与述的第一连通域标记规则和第二连通域标记规则均不相同，这都是可以的。
在一种实现方式中，当目标区域为车牌所在区域，且车牌为蓝色车牌时；所述根据至少一个第二前景图像，确定待检测图像中的目标区域的步骤，可以包括：
依据预设的第四连通域标记规则对每一第二前景图像进行标记，确定每一第二前景图像中的至少一个第四连通域；
从每一第二前景图像的至少一个第四连通域中，筛选出满足第二预设筛选条件的至少一个第二目标连通域，其中，第二预设筛选条件为：根据蓝色车牌设置的条件；
根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定待检测图像中的车牌所在区域。
上述第四连通域标记规则可以与上述的第一连通域标记规则和/或第二连通域标记规则和/或上述第三连通域标记规则相同，也可以与述的第一连通域标记规则、第二连通域标记规则和上述第三连通域标记规则均不相同，这都是可以的。
上述第二预设筛选条件可以与上述的第一预设筛选条件相同，也可以与上述第一预设筛选条件不同。
在一种实现方式中，所述根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定待检测图像中的车牌所在区域的步骤，可以包括：
获得每一第二前景图像中的至少一个第二目标连通域的位置信息，以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系；
根据所获得的位置信息以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系，获得待检测图像中的车牌所在区域。
其中，上述位置信息可以为每一第二目标连通域的外接矩形的四个顶点的坐标。上述每一第二前景图像中的至少一个第二目标连通域之间的对应关系为：依据第二前景图像之间所包含的存在重合区域的第二目标连通域所确定的关系。
举例而言，至少一个预设二值化阈值为3个，分别为1、2、和3；
根据待检测图像中的每一像素点的第一差值与至少一个预设二值化阈值1、2、和3，可以确定三个第二前景图像，依次为第二前景图像一、二和三；
依据预设的第四连通域标记规则对第二前景图像一、二和三分别进行标记，且根据第二预设筛选条件对标记所得第四连通域进行筛选后，所得结果为：第二前景图像一包含第二目标连通域A1；第二前景图像二包含第二目标连通域B1和B2；第二前景图像三包含第二目标连通域C1、C2和C3；其中，第二前景图像一中的第二目标连通域A1、第二前景图像二中的第二目标连通域B1与第二前景图像三中的第二目标连通域C1之间相互存在重合区域，其三者互为相对应的第二目标连通域；第二前景图像二中的第二目标连通域B2与第二前景图像三中的第二目标连通域C2之间相互存在重合区域，其两者互为相对应的第二目标连通域；第二前景图像三中的第二目标连通域C3不存在相对应的第二目标连通域；
此时，可以根据第二前景图像一中的第二目标连通域A1、第二前景图像二中的第二目标连通域B1与第二前景图像三中的第二目标连通域C1，第二前景图像二中的第二目标连通域B2与第二前景图像三中的第二目标连通域C2，以及，第二前景图像三中的第二目标连通域C3，获得待检测图像中的车牌所在区域；具体的，
获得第二目标连通域A1的外接矩形的四个顶点坐标(a1、b1、c1和d1)、第二目标连通域B1的外接矩形的四个顶点坐标(e1、f1、g1和h1)以及第二目标连通域C1的外接矩形的四个顶点坐标(m1、n1、p1和q1)；分别取a1、e1、和m1之间的中值；b1、f1和n1之间的中值；c1、g1和p1之间的中值；d1、h1和q1之间的中值。例如：当a1<e1<m1，此时a1、e1、和m1之间的中值为e1；
获得第二目标连通域B2的外接矩形的四个顶点坐标(e2、f2、g2和h2)，第二目标连通域C2的外接矩形的四个顶点坐标(m2、n2、p2和q2)；此时可以确定e2和m2之间较小的值，f2和n2之间较小的值、g2和p2之间较小的值，h2和q2之间较小的值；
获得第二目标连通域C3的外接矩形的四个顶点坐标(m3、n3、p3和q3)
进一步，将上述所确定的各中值所组成的外接矩形所在区域，将上述所确定的各较小的值所组成的外接矩形所在区域，以及，将目标连通域C3的外接矩形所在区域，均确定为待检测图像中的车牌所在区域。
需要说明的是，当一个第二前景图像中所包含的第二目标连通域的个数为偶数时，可以分别将所确定的第二目标连通域的外接矩形所在区域的各个顶点对应的中值中较小的，作为车牌所在区域的相应的顶点。举例而言：当一个第二前景图像中所包含的第二目标连通域的个数为4个，分别为一(外接矩形的四个顶点(x1，y1，z1，t1))、二(外接矩形的四个顶点(x2，y2，z2，t2))、三(外接矩形的四个顶点(x3，y3，z3，t3))和四(外接矩形的四个顶点(x4，y4，z4，t4))；
首先确定x1、x2、x3和x4之间的中值，例如：存在x1<x2<x3<x4，所确定的中值为x2和x3，将x2和x3之间较小的值作为车牌所在区域相应的顶点，即将x2作为车牌所在区域相应的顶点；
对于车牌所在区域的其他三个顶点的确定方式，同上，在此不做赘述。
又例如，当目标区域为车牌所在区域，且车牌为蓝色车牌；且，所设置的至少一个预设二值化阈值为3个，分别为6、12、和24。一待检测图像根据上述至少一个预设二值化阈值6、12、和24分别进行二值化后，所得第二前景图像可以分别如图5C、5D和5E所示，其中，图5C对应预设二值化阈值6、图5D对应预设二值化阈值12、图5E对应预设二值化阈值24；
依据第四连通域标记规则对上述所得第二前景图像分别进行标记，确定每一第二前景图像中的至少一个第四连通域；
从每一第二前景图像的至少一个第四连通域中，筛选出满足第二预设筛选条件的至少一个第二目标连通域；
根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定待检测图像中的车牌所在区域。如图5F所示，包含三个区域，图5F中矩形框所在区域，均可以为利用图5C、图5D和图5E所示的第二前景图像，所确定的待检测图像中的车牌所在区域。其中，所确定的待检测图像中的车牌所在区域不够精确，存在误差，后续的，可以继续针对上述三个区域(所确定的待检测图像中的车牌所在区域)，进行字符识别，以达到对车牌所在区域的更准确的检测。
可以理解的是，当目标区域为车牌所在区域，且车牌为蓝色车牌时，利用本发明实施例所提供的一种基于颜色的目标区域检测方法，可以检测到任意角度的蓝色车牌，可以避免当蓝色车牌倾斜角较大(例如大于45度)时，无法很好检测到该蓝色车牌的问题。
相应于上述方法实施例，本发明实施例提供了一种基于颜色的目标区域检测装置，如图6所示，所述装置可以包括：
第一获得模块610，用于获得待检测图像；
第二获得模块620，用于获得所述待检测图像中的每一像素点所对应的U分量值和V分量值；
确定模块630，用于根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域，其中，所述目标区域为包含目标颜色的区域。
应用本发明实施例，获得待检测图像；获得待检测图像中的每一像素点所对应的U分量值和V分量值；根据每一像素点所对应的U分量值和V分量值，确定待检测图像中的目标区域。不同的颜色对应的U分量值与V分量值会存在区别，且存在一定的分布规律，即不同颜色的像素点对应的U分量值与V分量值会存在区别，且存在一定的分布规律，通过待检测图像中的像素点所对应的U分量值与V分量值的区别和所存在的分布规律，可以实现从待检测图像中检测出包含目标颜色的目标区域。
在一种实现方式中，所述确定模块630包括第一判断单元、第一确定单元、第二确定单元和第三确定单元；
所述第一判断单元，用于分别判断每一像素点所对应的U分量值是否超过第一预定阈值，且所对应的V分量值是否低于第二预定阈值，得到第一判断结果，其中，所述第一预定阈值和所述第二预定阈值均为：根据所述目标颜色设置的值；
所述第一确定单元，用于根据所述第一判断结果，确定所述待检测图像中包含的前景像素点，其中，所述前景像素点为所对应的U分量值超过第一预定阈值，且所对应的V分量值低于第二预定阈值的像素点；
所述第二确定单元，用于根据所述待检测图像中包含的前景像素点，确定第一前景图像；
所述第三确定单元，用于根据所述第一前景图像，确定所述待检测图像中的所述目标区域。
在一种实现方式中，如图7所示，所述确定模块630包括计算单元631、比较单元632、第四确定单元633、第五确定单元634和第六确定单元635；
所述计算单元631，用于分别计算每一像素点所对应的U分量值和V分量值的第一差值；
所述比较单元632，用于将每一像素点的第一差值与至少一个预设二值化阈值进行比较，得到比较结果，其中，所述至少一个预设二值化阈值为：基于所述目标颜色设置的阈值；
所述第四确定单元633，用于根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点，其中，一组前景像素点对应一个预设二值化阈值，每组前景像素点均为第一差值大于所对应的预设二值化阈值的像素点；
所述第五确定单元634，用于根据所述待检测图像中包含的至少一组前景像素点，确定至少一个第二前景图像，其中，一个第二前景图像对应一组前景像素点；
所述第六确定单元635，用于根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域。
在一种实现方式中，所述确定模块630还可以包括第二判断单元；
所述第二判断单元，用于在所述根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点之前，分别判断每一像素点所对应的U分量值是否超过第三预定阈值，且所对应的V分量值是否低于第四预定阈值，得到第二判断结果，其中，所述第三预定阈值和所述第四预定阈值均为：根据所述目标颜色设置的值；
所述第四确定单元633，具体用于根据所述比较结果以及所述第二判断结果，确定所述待检测图像中包含的至少一组前景像素点。
在一种实现方式中，所述第三确定单元包括第一确定子模块和第二确定子模块；
所述第一确定子模块，用于依据预设的第一连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第一连通域；
所述第二确定子模块，用于将每一第一连通域所在区域，确定为所述待检测图像中的所述目标区域。
在一种实现方式中，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述第三确定单元包括第三确定子模块、第一筛选子模块和第四确定子模块；
所述第三确定子模块，用于依据预设的第二连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第二连通域；
所述第一筛选子模块，用于从所述至少一个第二连通域中，筛选出满足第一预设筛选条件的至少一个第一目标连通域，其中，所述第一预设筛选条件为：根据所述蓝色车牌设置的条件；
所述第四确定子模块，用于将所述至少一个第一目标连通域所在区域，确定为所述待检测图像中的车牌所在区域。
在一种实现方式中，所述第六确定单元635包括第五确定子模块和第六确定子模块；
所述第五确定子模块，用于依据预设的第三连通域标记规则对每一第二前景图像进行标记，确定每一前景图像中的至少一个第三连通域；
所述第六确定子模块，用于根据所确定的每一第二前景图像中的至少一个第三连通域，确定所述待检测图像中的所述目标区域。
在一种实现方式中，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述第六确定单元635包括第七确定子模块、第二筛选子模块和第八确定子模块；
所述第七确定子模块，用于依据预设的第四连通域标记规则对每一第二前景图像进行标记，确定每一第二前景图像中的至少一个第四连通域；
所述第二筛选子模块，用于从每一第二前景图像的至少一个第四连通域中，筛选出满足第二预设筛选条件的至少一个第二目标连通域，其中，所述第二预设筛选条件为：根据所述蓝色车牌设置的条件；
所述第八确定子模块，用于根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定所述待检测图像中的车牌所在区域。
在一种实现方式中，所述第八确定子模块，具体用于
获得每一第二前景图像中的至少一个第二目标连通域的位置信息，以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系；
根据所获得的位置信息以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系，获得所述待检测图像中的车牌所在区域。
相应于上述方法实施例，本发明实施例提供了一种电子设备，如图8所示，包括处理器810、通信接口820、存储器830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信；
所述存储器830，用于存放计算机程序；
所述处理器810，用于执行所述存储器上所存放的计算机程序时，实现本发明实施例所提供的任一所述基于颜色的目标区域检测方法。
应用本发明实施例，该电子设备的处理器运行存储器中存储的可执行程序代码，以执行本发明实施例所提供的基于颜色的目标区域检测方法，因此能够实现：从待检测图像中检测出包含目标颜色的目标区域。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral PomponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
相应于上述方法实施例，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例所提供的任一所述基于颜色的目标区域检测方法。
应用本发明实施例，计算机可读存储介质存储有被执行时实现本发明实施例所提供的基于颜色的目标区域检测方法的计算机程序，因此能够实现：从待检测图像中检测出包含目标颜色的目标区域。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***/装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (19)
1.一种基于颜色的目标区域检测方法，其特征在于，所述方法包括：
获得待检测图像；
确定所述待检测图像中的每一像素点所对应的U分量值和V分量值；
根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域，其中，所述目标区域为包含目标颜色的区域。
2.根据权利要求1所述的方法，其特征在于，所述根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域的步骤，包括：
分别判断每一像素点所对应的U分量值是否超过第一预定阈值，且所对应的V分量值是否低于第二预定阈值，得到第一判断结果，其中，所述第一预定阈值和所述第二预定阈值均为：根据所述目标颜色设置的值；
根据所述第一判断结果，确定所述待检测图像中包含的前景像素点，其中，所述前景像素点为所对应的U分量值超过第一预定阈值，且所对应的V分量值低于第二预定阈值的像素点；
根据所述待检测图像中包含的前景像素点，确定第一前景图像；
根据所述第一前景图像，确定所述待检测图像中的所述目标区域。
3.根据权利要求1所述的方法，其特征在于，所述根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域的步骤，包括：
分别计算每一像素点所对应的U分量值和V分量值的第一差值；
将每一像素点的第一差值与至少一个预设二值化阈值进行比较，得到比较结果，其中，所述至少一个预设二值化阈值为：基于所述目标颜色设置的阈值；
根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点，其中，一组前景像素点对应一个预设二值化阈值，每组前景像素点均为第一差值大于所对应的预设二值化阈值的像素点；
根据所述待检测图像中包含的至少一组前景像素点，确定至少一个第二前景图像，其中，一个第二前景图像对应一组前景像素点；
根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域。
4.根据权利要求3所述的方法，其特征在于，在所述根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点的步骤之前，所述方法还包括：
分别判断每一像素点所对应的U分量值是否超过第三预定阈值，且所对应的V分量值是否低于第四预定阈值，得到第二判断结果，其中，所述第三预定阈值和所述第四预定阈值均为：根据所述目标颜色设置的值；
所述根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点的步骤，包括：
根据所述比较结果以及所述第二判断结果，确定所述待检测图像中包含的至少一组前景像素点。
5.根据权利要求2所述的方法，其特征在于，所述根据所述第一前景图像，确定所述待检测图像中的所述目标区域的步骤，包括：
依据预设的第一连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第一连通域；
将每一第一连通域所在区域，确定为所述待检测图像中的所述目标区域。
6.根据权利要求2所述的方法，其特征在于，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述根据所述第一前景图像，确定所述待检测图像中的所述目标区域的步骤，包括：
依据预设的第二连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第二连通域；
从所述至少一个第二连通域中，筛选出满足第一预设筛选条件的至少一个第一目标连通域，其中，所述第一预设筛选条件为：根据所述蓝色车牌设置的条件；
将所述至少一个第一目标连通域所在区域，确定为所述待检测图像中的车牌所在区域。
7.根据权利要求3或4所述的方法，其特征在于，所述根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域的步骤，包括：
依据预设的第三连通域标记规则对每一第二前景图像进行标记，确定每一前景图像中的至少一个第三连通域；
根据所确定的每一第二前景图像中的至少一个第三连通域，确定所述待检测图像中的所述目标区域。
8.根据权利要求3或4所述的方法，其特征在于，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域的步骤，包括：
依据预设的第四连通域标记规则对每一第二前景图像进行标记，确定每一第二前景图像中的至少一个第四连通域；
从每一第二前景图像的至少一个第四连通域中，筛选出满足第二预设筛选条件的至少一个第二目标连通域，其中，所述第二预设筛选条件为：根据所述蓝色车牌设置的条件；
根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定所述待检测图像中的车牌所在区域。
9.根据权利要求8所述的方法，其特征在于，所述根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定所述待检测图像中的车牌所在区域的步骤，包括：
获得每一第二前景图像中的至少一个第二目标连通域的位置信息，以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系；
根据所获得的位置信息以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系，获得所述待检测图像中的车牌所在区域。
10.一种基于颜色的目标区域检测装置，其特征在于，所述装置包括：
第一获得模块，用于获得待检测图像；
第二获得模块，用于获得所述待检测图像中的每一像素点所对应的U分量值和V分量值；
确定模块，用于根据每一像素点所对应的U分量值和V分量值，确定所述待检测图像中的目标区域，其中，所述目标区域为包含目标颜色的区域。
11.根据权利要求10所述的装置，其特征在于，所述确定模块包括第一判断单元、第一确定单元、第二确定单元和第三确定单元；
所述第一判断单元，用于分别判断每一像素点所对应的U分量值是否超过第一预定阈值，且所对应的V分量值是否低于第二预定阈值，得到第一判断结果，其中，所述第一预定阈值和所述第二预定阈值均为：根据所述目标颜色设置的值；
所述第一确定单元，用于根据所述第一判断结果，确定所述待检测图像中包含的前景像素点，其中，所述前景像素点为所对应的U分量值超过第一预定阈值，且所对应的V分量值低于第二预定阈值的像素点；
所述第二确定单元，用于根据所述待检测图像中包含的前景像素点，确定第一前景图像；
所述第三确定单元，用于根据所述第一前景图像，确定所述待检测图像中的所述目标区域。
12.根据权利要求10所述的装置，其特征在于，所述确定模块包括计算单元、比较单元、第四确定单元、第五确定单元和第六确定单元；
所述计算单元，用于分别计算每一像素点所对应的U分量值和V分量值的第一差值；
所述比较单元，用于将每一像素点的第一差值与至少一个预设二值化阈值进行比较，得到比较结果，其中，所述至少一个预设二值化阈值为：基于所述目标颜色设置的阈值；
所述第四确定单元，用于根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点，其中，一组前景像素点对应一个预设二值化阈值，每组前景像素点均为第一差值大于所对应的预设二值化阈值的像素点；
所述第五确定单元，用于根据所述待检测图像中包含的至少一组前景像素点，确定至少一个第二前景图像，其中，一个第二前景图像对应一组前景像素点；
所述第六确定单元，用于根据所述至少一个第二前景图像，确定所述待检测图像中的所述目标区域。
13.根据权利要求12所述的装置，其特征在于，所述确定模块还包括第二判断单元；
所述第二判断单元，用于在所述根据所述比较结果，确定所述待检测图像中包含的至少一组前景像素点之前，分别判断每一像素点所对应的U分量值是否超过第三预定阈值，且所对应的V分量值是否低于第四预定阈值，得到第二判断结果，其中，所述第三预定阈值和所述第四预定阈值均为：根据所述目标颜色设置的值；
所述第四确定单元，具体用于根据所述比较结果以及所述第二判断结果，确定所述待检测图像中包含的至少一组前景像素点。
14.根据权利要求11所述的装置，其特征在于，所述第三确定单元包括第一确定子模块和第二确定子模块；
所述第一确定子模块，用于依据预设的第一连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第一连通域；
所述第二确定子模块，用于将每一第一连通域所在区域，确定为所述待检测图像中的所述目标区域。
15.根据权利要求11所述的装置，其特征在于，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述第三确定单元包括第三确定子模块、第一筛选子模块和第四确定子模块；
所述第三确定子模块，用于依据预设的第二连通域标记规则对所述第一前景图像进行标记，确定所述第一前景图像中的至少一个第二连通域；
所述第一筛选子模块，用于从所述至少一个第二连通域中，筛选出满足第一预设筛选条件的至少一个第一目标连通域，其中，所述第一预设筛选条件为：根据所述蓝色车牌设置的条件；
所述第四确定子模块，用于将所述至少一个第一目标连通域所在区域，确定为所述待检测图像中的车牌所在区域。
16.根据权利要求12或13所述的装置，其特征在于，所述第六确定单元包括第五确定子模块和第六确定子模块；
所述第五确定子模块，用于依据预设的第三连通域标记规则对每一第二前景图像进行标记，确定每一前景图像中的至少一个第三连通域；
所述第六确定子模块，用于根据所确定的每一第二前景图像中的至少一个第三连通域，确定所述待检测图像中的所述目标区域。
17.根据权利要求12或13所述的装置，其特征在于，所述目标区域为车牌所在区域，所述车牌为蓝色车牌；
所述第六确定单元包括第七确定子模块、第二筛选子模块和第八确定子模块；
所述第七确定子模块，用于依据预设的第四连通域标记规则对每一第二前景图像进行标记，确定每一第二前景图像中的至少一个第四连通域；
所述第二筛选子模块，用于从每一第二前景图像的至少一个第四连通域中，筛选出满足第二预设筛选条件的至少一个第二目标连通域，其中，所述第二预设筛选条件为：根据所述蓝色车牌设置的条件；
所述第八确定子模块，用于根据所确定的每一第二前景图像中的至少一个第二目标连通域，确定所述待检测图像中的车牌所在区域。
18.根据权利要求17所述的装置，其特征在于，所述第八确定子模块，具体用于
获得每一第二前景图像中的至少一个第二目标连通域的位置信息，以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系；
根据所获得的位置信息以及每一第二前景图像中的至少一个第二目标连通域之间的对应关系，获得所述待检测图像中的车牌所在区域。
19.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的计算机程序时，实现权利要求1-9任一所述的基于颜色的目标区域检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710680189.7A CN109389126A (zh) | 2017-08-10 | 2017-08-10 | 一种基于颜色的区域检测方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710680189.7A CN109389126A (zh) | 2017-08-10 | 2017-08-10 | 一种基于颜色的区域检测方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109389126A true CN109389126A (zh) | 2019-02-26 |
Family
ID=65415556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710680189.7A Pending CN109389126A (zh) | 2017-08-10 | 2017-08-10 | 一种基于颜色的区域检测方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109389126A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111833398A (zh) * | 2019-04-16 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 一种图像中的像素点标记方法及装置 |
| CN113870226A (zh) * | 2021-09-29 | 2021-12-31 | 南京领行科技股份有限公司 | 一种附加物的合规检测方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140348433A1 (en) * | 2013-05-21 | 2014-11-27 | Ningbo Huayi Jiye Information Technology Co., Ltd | Image recognition method and device |
| CN105096347A (zh) * | 2014-04-24 | 2015-11-25 | 富士通株式会社 | 图像处理装置和方法 |
-
2017
- 2017-08-10 CN CN201710680189.7A patent/CN109389126A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140348433A1 (en) * | 2013-05-21 | 2014-11-27 | Ningbo Huayi Jiye Information Technology Co., Ltd | Image recognition method and device |
| CN105096347A (zh) * | 2014-04-24 | 2015-11-25 | 富士通株式会社 | 图像处理装置和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张潘潘: "道路交通标志检测与识别算法的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111833398A (zh) * | 2019-04-16 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 一种图像中的像素点标记方法及装置 |
| CN111833398B (zh) * | 2019-04-16 | 2023-09-08 | 杭州海康威视数字技术股份有限公司 | 一种图像中的像素点标记方法及装置 |
| CN113870226A (zh) * | 2021-09-29 | 2021-12-31 | 南京领行科技股份有限公司 | 一种附加物的合规检测方法、装置、电子设备及存储介质 |
| CN113870226B (zh) * | 2021-09-29 | 2024-03-22 | 南京领行科技股份有限公司 | 一种附加物的合规检测方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110136071B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| US8774503B2 (en) | Method for color feature extraction | |
| CN107767390B (zh) | 监控视频图像的阴影检测方法及其***、阴影去除方法 | |
| CN113379680B (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
| CN108737875B (zh) | 图像处理方法及装置 | |
| CN110458789B (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
| CN107103606A (zh) | 一种图像识别方法及装置 | |
| US10438376B2 (en) | Image processing apparatus replacing color of portion in image into single color, image processing method, and storage medium | |
| CN108205671A (zh) | 图像处理方法及装置 | |
| CN108615030A (zh) | 一种标题一致性检测方法、装置及电子设备 | |
| CN109903265B (zh) | 一种图像变化区域侦测阀值设定方法、***及其电子装置 | |
| CN106815587B (zh) | 图像处理方法及装置 | |
| CN107464251A (zh) | 一种图像的黑边检测方法及装置 | |
| CN113395440A (zh) | 一种图像处理方法及电子设备 | |
| CN109389126A (zh) | 一种基于颜色的区域检测方法、装置及电子设备 | |
| CN111369529B (zh) | 一种物品丢失、遗留检测方法及其*** | |
| CN111311500A (zh) | 一种对图像进行颜色还原的方法和装置 | |
| CN114155241A (zh) | 一种异物检测方法、装置及电子设备 | |
| CN107292897A (zh) | 用于yuv域的图像边缘提取方法、装置及终端 | |
| CN111523551A (zh) | 蓝色目标的二值化方法、装置和设备 | |
| CN111861893A (zh) | 一种消除图像伪彩色边方法、***、设备及计算机介质 | |
| CN108921869A (zh) | 一种图像二值化方法及装置 | |
| US20150055858A1 (en) | Systems and methods for color recognition in computer vision systems | |
| CN105740820B (zh) | 辨别用图片的获取方法和辨别用图片的获取*** | |
| CN105761282B (zh) | 图像偏色的检测方法和装置 |
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: 20190226 |