CN109657685A - 一种基于灰度像素的图像表示方法及*** - Google Patents
一种基于灰度像素的图像表示方法及*** Download PDFInfo
- Publication number
- CN109657685A CN109657685A CN201811543420.9A CN201811543420A CN109657685A CN 109657685 A CN109657685 A CN 109657685A CN 201811543420 A CN201811543420 A CN 201811543420A CN 109657685 A CN109657685 A CN 109657685A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- array
- strength vector
- scale
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims abstract description 8
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 229910017435 S2 In Inorganic materials 0.000 claims 1
- 238000004364 calculation method Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 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
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明的一种基于灰度像素的图像表示方法及***，可以以精简高效的信息描述图像中的环境特征，提高图像处理及匹配时计算效率，属于图像处理技术领域。方法包括：输入图像；获取图像灰度化后的图像矩阵；对图像灰度化后的图像矩阵中列像素的灰度相加，获得图像的扫描强度矢量I：I1×Y＝[∑1≤i≤XAi,1,∑1≤i≤XAi,2，…∑1≤i≤XAi,j,…∑1≤i≤XAi,Y]；X表示图像矩阵中的像素行数，Y表示图像矩阵中的像素列数，Ai,j表示第i行第j列像素的灰度；所述扫描强度矢量用于表示图像中景物的分布情况。本发明的***，包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序实现上述图像表示方法。
Description
技术领域
本发明涉及一种灰度图像表示方法，特别涉及一种基于灰度像素的图像表示方法及***，属于图像处理技术领域。
背景技术
图像是由一系列图片组成的，每幅图像中不同景物对应的位置通常都用离散的数值来进行表示，这个值代表该点的灰度强度。灰度像素图像在计算机中是以矩阵储存的，矩阵中的元素表示图片中该点的灰度强度。研究表明，基于图像特征的图像表示方法更具有可靠性，因为图像表示方法会涉及到像素的计算，而亮度变化等外界信息容易对像素的计算带来影响，使这种图像表示方法计算效率低、计算时间长且复杂度高。同时在已有图像表示算法中，外部环境噪声，传感器测量误差，光学变化，图像采集装置的载体自身运动误差和不必要的轴向运动都会使图像表示不准确，而这种误差是叠加的，因此，控制噪声和误差是非常重要的。
发明内容
针对上述不足，本发明提供一种可以以精简高效的信息描述图像中的环境特征，减少数据量，提高图像处理及匹配时计算效率的基于灰度像素的图像表示方法及***。
本发明的一种基于灰度像素的图像表示方法，所述方法包括：
S1、输入图像；
S2、获取图像灰度化后的图像矩阵；
S3、对图像灰度化后的图像矩阵中列像素的灰度相加，获得图像的扫描强度矢量I：
I1×Y＝[∑1≤i≤XAi,1,∑1≤i≤XAi,2,…∑1≤i≤XAi,j,…∑1≤i≤XAi,Y]
X表示图像矩阵中的像素行数，Y表示图像矩阵中的像素列数，Ai,j表示第i行第j列像素的灰度；
所述扫描强度矢量用于表示图像中景物的分布情况。
优选的是，所述方法还包括：
当输入多张图像时，根据多张图像的扫描强度矢量判断载体的运动方向及运动距离；
所述多张图像为同一景物对象因图像采集装置载体运动而位置发生改变的图像。
优选的是，所述S2中，获取图像灰度化后的图像矩阵的方法，包括：
S21、对采集的图像进行平滑处理；
S22、对平滑处理后的图像进行灰度化；
S23、去除灰度化后的图像中的噪声，获得图像矩阵。
本发明还提供一种计算机可读的存储设备，所述存储设备存储有计算机程序，其特征在于，所述计算机程序被执行时实现如上述任一图像表示方法。
本发明还提供一种基于灰度像素的图像表示***，包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现上述任一图像表示方法。
本发明的有益效果，本发明利用扫描强度矢量进行图像表示，可优化减少在图像计算时误差的累积，实现图像表示方法的优化。本发明可以提高计算机在图像处理及匹配时的计算速度，提高效率，降低对计算性能的要求，降低成本，并实现良好的鲁棒性。本发明可实现在宏观、低速、平稳运动下的图像快速处理和匹配，为未来智能车辆、无人机、机器人等交通工具或运输工具以及月球探测器和火星探测器等提供快速优质的图像表示方法，在导航、制导、控制领域将作出很大贡献。
附图说明
图1为本发明方法的流程示意图；
图2为本发明在应用时用扫描强度矢量表示一张图像的示意图；
图3为用扫描强度矢量表示另一张图像的示意图。
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作出创造性劳动的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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
如图1所示，本实施方式的一种基于灰度像素的图像表示方法，包括：
S1、输入图像：一张或多张；
S2、获取图像灰度化后的图像矩阵，灰度像素图像在计算机中是以矩阵储存的，矩阵中的元素表示图片中该点的灰度强度；
S3、对图像灰度化后的图像矩阵中列像素的灰度相加，获得图像的扫描强度矢量I：
I1×Y＝[∑1≤i≤XAi,1,∑1≤i≤XAi,2,…∑1≤i≤XAi,j,…∑1≤i≤XAi,Y]
X表示图像矩阵中的像素行数，Y表示图像矩阵中的像素列数，Ai,j表示第i行第j列像素的灰度；
所述扫描强度矢量用于表示图像中景物的分布情况。
本实施方式利用精简高效的扫描强度矢量表示图像中环境特征，减少数据量，可优化减少该类误差的累积，实现图像表示方法的优化，在图像匹配时，提高计算效率。
优选实施例中，本实施方式还包括：
当输入多张图像时，根据多张图像的扫描强度矢量判断载体的运动方向及运动距离；
所述多张图像为同一景物对象因图像采集装置载体运动而位置发生改变的图像。
对于同一景物对象因载体的运动在CCD上成像位置发生改变分别用实时图，基准图来描述，在该方法中把后一张张产生的景物图像称为实时图，把前一张产生的图像称为基准图。当输入两张图像时，如图2和图3所示，例如图像采集装置采集的图2作为基准图，采集的图3作为实时图，根据实时图中扫描强度矢量与基准图中扫描强度矢量进行匹配，可以确定实时图在基准图中的位置，进而能够确定采集基准图时的图像采集装置载体的位置到采集实时图时图像采集装置载体的位置的运动方向及距离。
优选实施例中，本实施方式S2中，获取图像灰度化后的图像矩阵的方法，包括：
S21、对采集的图像进行平滑处理；
S22、对平滑处理后的图像进行灰度化；
S21和S22是图像预处理过程，改善图像质量以及对图像的灰度化处理，为得到图像的灰度强度。对于计算机处理的图像，进行图像平滑处理的目的是消除或尽量减少拍摄设备的误差，改善图像质量。平滑处理的算法有多种，如平滑卷积模板法、领域加权平均算法和中值滤波算法等。
图像是由一系列图片组成的，每幅图像中不同景物对应的位置通常都用离散的数值来进行表示，这个值代表该点的灰度强度。遵照上述强度矢量I的定义，灰度图像在计算机中是用二维矩阵来进行表示和储存的，这样的图像称为点阵图或数字图，它的描述为：
A＝{Aij|1≤i≤X，1≤i≤Y}
式中X为数字灰度图的像素行数，即：图像高度；Y为数字灰度图的像素列数，即：图像宽度。
S23、去除灰度化后的图像中的噪声，获得图像矩阵。
设At(x，y)和Ab(x，y)为实时图和基准图的灰度分布，两者间存在如下关系：
At(x，y)＝Ab(x+δx(x，y)，y+δy(x，y))+n(x，y)
式中，n(x，y)为灰度白噪声，可以使用相关滤波方式滤除。因此，即使在外界环境(载体)存在低速变化的情况下，通过图像预处理及去噪后可以通过提高采样频率的方式忽略掉外部环境的变化。式中δx(x，y)和δy(x，y)表示(x，y)点处x方向和y方向上的位移偏差，用来表示实时图和基准图的平移偏差大小。
本实施方式在具体应用时，主要根据扫描强度矢量表示的图像进行图像匹配，图像匹配就是把来自同一图像采集装置的多张图片或来自两个图像采集装置对于同一景物拍摄的照片基于某种特征在空间上进行对准，以确定这两张照片间相对平移的量的过程。图像匹配指确定实时图和基准图间的平移关系和确定某一图像区域在图形库中的位置，是从图像处理到信息分析的关键步骤。本实施方式基于扫描强度矢量进行图像表示方式的描述，该方法可以通过分析扫描强度矢量变化的情况判断出载体在向哪个方向前进，前进的距离是多少，由此可实现导航的目的。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (5)
1.一种基于灰度像素的图像表示方法，其特征在于，所述方法包括：
S1、输入图像；
S2、获取图像灰度化后的图像矩阵；
S3、对图像灰度化后的图像矩阵中列像素的灰度相加，获得图像的扫描强度矢量I：
I1×Y＝[∑1≤i≤XAi,1,∑1≤i≤XAi,2,…∑1≤i≤XAi,j,…∑1≤i≤XAi,Y]
X表示图像矩阵中的像素行数，Y表示图像矩阵中的像素列数，Ai,j表示第i行第j列像素的灰度；
所述扫描强度矢量用于表示图像中景物的分布情况。
2.根据权利要求1所述的基于扫描强度矢量的图像表示方法，其特征在于，所述方法还包括：
当输入多张图像，根据多张图像的扫描强度矢量判断载体的运动方向及运动距离；
所述多张图像为同一景物对象因图像采集装置载体运动而位置发生改变的图像。
3.根据权利要求1或2所述的基于扫描强度矢量的图像表示方法，其特征在于，所述S2中，获取图像灰度化后的图像矩阵的方法，包括：
S21、对采集的图像进行平滑处理；
S22、对平滑处理后的图像进行灰度化；
S23、去除灰度化后的图像中的噪声，获得图像矩阵。
4.一种计算机可读的存储设备，所述存储设备存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1至3任一所述图像表示方法。
5.一种基于灰度像素的图像表示***，包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现如权利要求1至3任一所述图像表示方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811543420.9A CN109657685A (zh) | 2018-12-17 | 2018-12-17 | 一种基于灰度像素的图像表示方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811543420.9A CN109657685A (zh) | 2018-12-17 | 2018-12-17 | 一种基于灰度像素的图像表示方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109657685A true CN109657685A (zh) | 2019-04-19 |
Family
ID=66113773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811543420.9A Pending CN109657685A (zh) | 2018-12-17 | 2018-12-17 | 一种基于灰度像素的图像表示方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109657685A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61126870A (ja) * | 1984-11-22 | 1986-06-14 | Matsushita Electric Ind Co Ltd | 中間調画像の２値化方法 |
| CN101916446A (zh) * | 2010-07-23 | 2010-12-15 | 北京航空航天大学 | 基于边缘信息和均值移位的灰度目标跟踪算法 |
| CN104144282A (zh) * | 2014-07-17 | 2014-11-12 | 西北工业大学 | 一种适用于空间机器人视觉***的快速数字稳像方法 |
| CN105930774A (zh) * | 2016-04-14 | 2016-09-07 | 中铁大桥勘测设计院集团有限公司 | 一种基于神经网络的桥梁螺栓脱落自动识别方法 |
| CN106446902A (zh) * | 2016-09-18 | 2017-02-22 | 广东小天才科技有限公司 | 非文字图像识别方法和装置 |
| CN107679472A (zh) * | 2017-09-25 | 2018-02-09 | 曾传德 | 基于求和矩阵的面部识别方法 |
-
2018
- 2018-12-17 CN CN201811543420.9A patent/CN109657685A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61126870A (ja) * | 1984-11-22 | 1986-06-14 | Matsushita Electric Ind Co Ltd | 中間調画像の２値化方法 |
| CN101916446A (zh) * | 2010-07-23 | 2010-12-15 | 北京航空航天大学 | 基于边缘信息和均值移位的灰度目标跟踪算法 |
| CN104144282A (zh) * | 2014-07-17 | 2014-11-12 | 西北工业大学 | 一种适用于空间机器人视觉***的快速数字稳像方法 |
| CN105930774A (zh) * | 2016-04-14 | 2016-09-07 | 中铁大桥勘测设计院集团有限公司 | 一种基于神经网络的桥梁螺栓脱落自动识别方法 |
| CN106446902A (zh) * | 2016-09-18 | 2017-02-22 | 广东小天才科技有限公司 | 非文字图像识别方法和装置 |
| CN107679472A (zh) * | 2017-09-25 | 2018-02-09 | 曾传德 | 基于求和矩阵的面部识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| 吴鹏，徐洪玲，宋文龙: ""结合小波金字塔的快速NCC图像匹配算法"", 《哈尔滨工程大学学报》 * |
| 张军齐: "" 基于FPGA的高清视频电子稳像算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 赵红颖，熊经武: ""获取动态图像位移矢量的灰度投影算法的应"", 《光电工程》 * |
| 韩晓微，赵红丽，程远航: "《数字图像融合技术》", 31 December 2010 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3621034B1 (en) | Method and apparatus for calibrating relative parameters of collector, and storage medium | |
| US10755428B2 (en) | Apparatuses and methods for machine vision system including creation of a point cloud model and/or three dimensional model | |
| Molina | On the hierarchical Bayesian approach to image restoration: applications to astronomical images | |
| CN109584156A (zh) | 显微序列图像拼接方法及装置 | |
| CN113011317B (zh) | 三维目标检测方法及检测装置 | |
| US20070098219A1 (en) | Method and system for filtering, registering, and matching 2.5D normal maps | |
| CN110349186B (zh) | 基于深度匹配的大位移运动光流计算方法 | |
| CN113724379B (zh) | 融合图像与激光点云的三维重建方法及装置 | |
| CN112184767A (zh) | 对运动物体进行轨迹跟踪的方法、装置、设备及存储介质 | |
| US20040175057A1 (en) | Affine transformation analysis system and method for image matching | |
| CN108507476B (zh) | 用于材料表面的位移场测量方法、装置、设备及存储介质 | |
| CN118015190A (zh) | 一种数字孪生模型的自主构建方法及装置 | |
| CN113627210A (zh) | 条形码图像的生成方法、装置、电子设备及存储介质 | |
| CN116907477A (zh) | 一种基于视觉路标辅助的高精度激光slam方法及装置 | |
| CN109657685A (zh) | 一种基于灰度像素的图像表示方法及*** | |
| CN116363205A (zh) | 基于深度学习的空间目标位姿解算方法及计算机程序产品 | |
| CN111462321B (zh) | 点云地图处理方法、处理装置、电子装置和车辆 | |
| CN112880675B (zh) | 用于视觉定位的位姿平滑方法、装置、终端和移动机器人 | |
| CN114998630A (zh) | 一种从粗到精的地对空图像配准方法 | |
| CN111833395B (zh) | 一种基于神经网络模型的测向体制单目标定位方法和装置 | |
| CN112017113B (zh) | 图像处理方法及装置、模型训练方法及装置、设备及介质 | |
| CN112508788A (zh) | 一种基于多帧观测信息的空间邻近群目标超分辨方法 | |
| US20200202140A1 (en) | Method and device for evaluating images, operating assistance method, and operating device | |
| CN110660079A (zh) | 一种基于时空上下文的单目标跟踪方法 | |
| US20150163477A1 (en) | Systems and methods for calculating epipolar constraints between generalized cameras |
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 |
Application publication date: 20190419 |
|
| RJ01 | Rejection of invention patent application after publication |