CN110458855B - 图像提取方法及相关产品 - Google Patents

图像提取方法及相关产品 Download PDF

Info

Publication number
CN110458855B
CN110458855B CN201910611808.6A CN201910611808A CN110458855B CN 110458855 B CN110458855 B CN 110458855B CN 201910611808 A CN201910611808 A CN 201910611808A CN 110458855 B CN110458855 B CN 110458855B
Authority
CN
China
Prior art keywords
image
contour
edge
area
processed
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
Application number
CN201910611808.6A
Other languages
English (en)
Other versions
CN110458855A (zh
Inventor
王忍宝
王晓斐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Toycloud Technology Co Ltd
Original Assignee
Anhui Toycloud Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Toycloud Technology Co Ltd filed Critical Anhui Toycloud Technology Co Ltd
Priority to CN201910611808.6A priority Critical patent/CN110458855B/zh
Publication of CN110458855A publication Critical patent/CN110458855A/zh
Application granted granted Critical
Publication of CN110458855B publication Critical patent/CN110458855B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例公开了一种图像提取方法及相关产品，其中图像提取方法运用于对边平行物体对应的区域图像提取，包括：获取待处理图像，并对待处理图像进行分块，获得多个区域块图像；确定多个区域块图像中每个区域块图像的扫描区域大小；按照每个区域块图像的扫描区域大小对每个区域块图像进行扫描，获得待处理图像对应的轮廓提取结果；根据轮廓提取结果确定待处理图像中的目标区域图像。本申请实施例通过对待处理图像进行分块获得多个区域块图像，对每个区域块图像进行扫描获得轮廓提取结果，再根据轮廓提取结果确定提取的目标区域图像。这样可以减少阈值计算，提高有效轮廓信息提取的准确率，最终提升提取目标区域图像的效率。

Description

图像提取方法及相关产品
技术领域
本申请涉及图像处理技术领域，具体涉及图像提取方法及相关产品。
背景技术
在图像处理过程中，需要提取图像的有效信息，因此需要提取有效图像的轮廓。该技术在车牌识别、人脸识别和动态追踪等中得到较多的应用，该项技术的应用减少了较多时间消耗，带来了较大的便利。
同时在图像识别中，获取有效区域的真实轮廓，减少运算量的同时也提高了检测的准确率。目前已有的轮廓检测方法大多针对于简单背景，主要利用基于sobel、roberts、prewitt、laplacian以及canny的算子。这些轮廓检测方法具有一些缺陷，包括适用场景比较单一，对没有闭合的图像轮廓无法得到有效边缘信息，当背景较为复杂时，使用现有方法只能得到背景中所有的轮廓，而无法准确的提取到真实的待处理图像轮廓。因此，如何从复杂背景中的真实轮廓提取，提高有效轮廓信息提取的准确率，减少处理过程中复杂的阈值计算，转而利用自适应阈值获取轮廓，是一个亟待解决的问题。
发明内容
本申请实施例提供了一种图像提取方法及相关产品，以期通过对待处理图像进行分块获得多个区域块图像，对每个区域块图像进行扫描获得轮廓提取结果，再根据轮廓提取结果确定提取的目标区域图像。这样可以减少阈值计算，提高有效轮廓信息提取的准确率，最终提升提取目标区域图像的效率。
第一方面，本申请实施例提供一种图像提取方法，运用于对边平行物体对应的区域图像提取，所述方法包括：
获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像；
确定所述多个区域块图像中每个区域块图像的扫描区域大小；
按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果；
根据所述轮廓提取结果确定所述待处理图像中的目标区域图像。
第二方面，本申请实施例提供一种图像提取装置，所述图像提取装置包括：
获取单元，用于获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像；
第一确定单元，用于确定所述多个区域块图像中每个区域块图像的扫描区域大小；
扫描单元，用于按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果；
第二确定单元，用于根据所述轮廓提取结果确定所述待处理图像中的目标区域图像。
第三方面，本申请实施例提供一种电子装置，包括处理器和存储器，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面任一方法所述的步骤的指令。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，本申请实施例提供的图像提取方法和装置，运用于对边平行物体对应的区域图像提取，其中方法包括：获取待处理图像，并对待处理图像进行分块，获得多个区域块图像；确定多个区域块图像中每个区域块图像的扫描区域大小；按照每个区域块图像的扫描区域大小对每个区域块图像进行扫描，获得待处理图像对应的轮廓提取结果；根据轮廓提取结果确定待处理图像中的目标区域图像。在这个过程中，通过对待处理图像进行分块获得多个区域块图像，对每个区域块图像进行扫描获得轮廓提取结果，再根据轮廓提取结果确定提取的目标区域图像。这样可以减少阈值计算，提高有效轮廓信息提取的准确率，最终提升提取目标区域图像的效率。
附图说明
下面将对本申请实施例所涉及到的附图作简单地介绍。
图1是本申请实施例提供的一种图像提取方法流程示意图；
图2是本申请实施例提供的一种图像坐标系示意图；
图3是本申请实施例提供的一种扫描区域大小设置示意图；
图4是本申请实施例提供的一种边缘轮廓跟踪扫描过程示意图；
图5是本申请实施例提供的一种边缘轮廓拼接扫描过程示意图；
图6是本申请实施例提供的一种初始背景图像示意图；
图7是本申请实施例提供的一种去背景图像后的待处理图像；
图8是本申请实施例提供的一种完善边缘轮廓提取过程的示意图；
图9是本申请实施例提供的另一种图像提取方法流程示意图；
图10是本申请实施例提供的另一种图像提取方法流程示意图；
图11是本申请实施例提供的另一种图像提取方法流程示意图；
图12是本申请实施例提供的一种电子装置的结构示意图；
图13是本申请实施例提供的一种图像提取装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面对本申请实施例进行详细介绍。
请参阅图1，图1是本申请实施例提供的一种图像提取方法流程示意图，运用于对边平行物体对应的区域图像提取，如图1所示，本图像提取方法包括如下步骤：
101、获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像。
具体地，本申请实施例是用于对边平行物体对应的区域图像提取，即待处理图像中包括对边平行物体，对边平行即为矩形，那么对边平行物体可以是书本、矩形桌面、电脑平面、手机平面或者其他矩形平面。
可选的，对待处理图像进行分块，获得多个区域块图像，包括：获取所述待处理图像的尺寸，所述尺寸包括宽度W和高度H；将所述待处理图像分成n2个区域块图像，其中每个区域块的宽度为bW＝[W/n]，bH＝[H/n]，[W/n]表示W对n取整，[H/n]表示H对n取整；n2个区域块图像组成所述多个区域块图像。
具体地，对待处理图像进行分块获得多个区域块图像之后，可以以每一个区域块图像为单位进行边缘轮廓识别。假设待处理图像的尺寸大小为W*H，其中W表示图像的宽度，H表示图像的高度；将图像的宽和高分别按照n等分进行分块，得到n2个小块，每一小块的宽度(bW)和高度(bH)如下公式获得:bW＝[W/n]，bH＝[H/n],其中[W/n]表示宽度W对n取整，如果整除则每一小块的宽均为bw，否则前n-1个宽为bw，最后一个为W％n(表示宽度对n取余)；
其中[H/n]表示高度H对n取整，如果整除则每一小块的高均为bH，否则前n-1个高为bH，最后一个为H％n(表示高对n取余)。
其中，n的取值大小与图像复杂度相关，n越大或是越小都会影响后面的轮廓提取搜索，图像的复杂度可通过灰度直方图和对比图共同求取：
(1)获取待处理图像的灰度直方图f(k),f(k)表示灰度值为k([0,255])的像素点个数；
(2)计算f(k)的方差，计算公式如下：
Figure BDA0002122613870000041
其中IMAGE_M表示直方图像素点个数f(k)的均值；IMAGE_S表示直方图像素点个数f(k)的方差。
(3)计算图像对比度：
CR＝∑δδ(i,j)2*Pδ(i,j) (2)
其中，δ(i,j)2＝|i-j|2表示相邻像素灰度差的平方，Pδ(i,j)为相邻像素灰度差平方为δ的像素概率分布，CR为图像对比度，对比度越大图像的视觉轮廓效果越明显，反之则越低。
直方图方差大且对比度大时其复杂度相对较高，n可取较大的值；直方图方差小且对比度小时其复杂度也相对较低，n需取较小的值。
102、确定所述多个区域块图像中每个区域块图像的扫描区域大小。
具体地，对于待处理图像分成的多个区域块图像，因为每个区域块图像的像素均值和像素方差不同，说明每个区域块图像分布均匀程度不同，为了提高每个区域块图像的扫描速度，针对像素均值和像素方差不同的区域块图像，扫描区域大小设置不同。
可选的，所述确定所述多个区域块图像中每个区域块图像的扫描区域大小，包括：计算所述多个区域块图像中每个区域块图像的像素均值和像素方差；根据所述像素均值和所述像素方差确定所述每个区域块图像的复杂度；根据所述复杂度确定所述扫描区域大小，其中所述复杂度高低与所述扫描区域大小成反比关系。
将待处理图像进行分块获得多个区域块图像后，还要建立图像坐标系，确定每个区域块图像的坐标。
以图像尺寸大小为(640*480)，n＝10为例进行说明(以下均以此尺寸进行解释说明)，此时：W＝640；H＝480；bW＝64；bH＝48。
请参阅图2，图2是本申请实施例提供的一种图像坐标系示意图，如图2所示，建立图像坐标系x0y，x轴的单位长度表示区域块的宽度，0-10对应着真实图像宽中的0-639；y轴的单位长度表示区域块的高度，0-10对应着真实图像高中的0-479；同时为每个区域块建立一个坐标系u0v，表示区域块内64*48个像素点数量的坐标关系，其中坐标(x,y)与坐标(u,v)以及待处理图像的真实坐标(i,j)满足如下的公式：
Figure BDA0002122613870000051
[x]和[y]分别表示对x、y取整；u的取值范围0～63的整数，v的取值0～47的整数。
以图2中的u0v坐标轴为例，其对应区域块图像的在x0y的坐标分别为[x]＝1，[y]＝2；计算该区域块内的像素均值M([x],[y])和方差S([x],[y])，计算公式如下：
Figure BDA0002122613870000061
其中f(u,v)表示区域块[x][y]在坐标系u0v中坐标(u,v)的像素值；M([x],[y])表示区域块[x][y]的像素均值，S([x],[y])表示区域块[x][y]的像素方差，方差越小表示该区域块的像素值分布均匀，无明显的像素差异；方差大表示该区域块的像素值分布不均匀，存在较大的像素差异。为了提高处理速度，针对不同区域块均值和方差，扫描区域大小设置不同。
请参阅图3，图3是本申请实施例提供的一种扫描区域大小设置示意图，如图3所示，扫描区域(图3中的粗线矩形框区域)大小尺寸为M*N，其中M为块宽bW＝64的约数，N为块高bH＝48的约数，M和N可以取相同的值，也可以取不同的值；
Figure BDA0002122613870000062
根据每个区域快图像的均值和方差的大小，可对M，N进行不同的组合；方差越小，说明区域块图像的复杂度越低，可能该区域块图像为***图像，背景单一，因此M,N可以取更大的值，例如都为16，即选择更大的扫描区域进行每一次的扫描以便提升扫描效率；方差越大，说明区域块图像的复杂度越高，可能该区域块图像为要提取的目标区域图像，因此M，N可以取更小的值，例如都为4，即选择更小的扫描区域进行每一次扫描以便扫描结果更准确；对于复杂度居中的区域块图像，可以取M＝N＝8，此时的区域块图像可能正处于轮廓边界处。
103、按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果。
具体地，在确定每个区域块图像的扫描区域大小后，即可对每个区域块图像进行扫描，以便获得轮廓提取结果，最终确定提取的目标区域图像。进行扫描的过程中，可以先采用边缘检测方法，例如sobel、roberts、prewitt、laplacian或者canny等算子，检测出每一个图像块中的边缘轮廓，再对每个区域块图像进行扫描，获得每个区域块图像中的轮廓提取结果。
可选的，所述按照所述扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果，包括：对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；按照预设方向对所述每个区域块图像按照区域块图像的扫描区域大小进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；若确定第一区域块图像包含第一边缘轮廓，则将所述第一边缘轮廓作为起始轮廓，确定所述第一边缘轮廓的倾斜方向，并追踪所述倾斜方向的下一区域块图像是否包含与所述第一边缘轮廓连接的第二边缘轮廓；如果下一区域块图像包含第二边缘轮廓，则重复上述追踪所述倾斜方向的下一区域块图像边缘轮廓的过程，获得连接边缘轮廓；如果下一区域块图像不包含第二边缘轮廓，则按照预设方向从所述第一区域块图像的相邻区域块图像进行扫描，获取不在所述连接边缘轮廓中的新的边缘轮廓作为起始轮廓，重复上述追踪边缘轮廓的过程，直到完成每个区域块图像的扫描；将所述连接边缘轮廓作为所述待处理图像对应的轮廓提取结果。
具体地，请参阅图4，图4是本申请实施例提供的一种边缘轮廓跟踪扫描过程示意图，如图4所示，待处理图像首先被分成10*10的区域块图像，然后采用轮廓检测算子进行每个区域块图像中的轮廓提取。再按照预设方向对区域块图像按照之前获得的扫描区域大小进行扫描，预设方向可以是从上到下，从左到右，反应在图3中，则是按照[x,y]＝[1,1]→[1,2]→…→[1,10]→[2,1]的顺序选择第一区域块图像并进行扫描。
在扫描到[1,5]时，确定该区域块图像中包含边缘轮廓，将点A作为起始轮廓。且该边缘轮廓向左下方倾斜，那么对[1,5]的边缘轮廓延伸的相邻左右两边的区域块图像都作为下一区域块图像，重复扫描和追踪边缘轮廓的过程，获得连接边缘轮廓，即为线路1。
完成线路1的扫描后，没有倾斜方向的下一区域块图像了，那么按照预设方向从[1,5]的相邻区域块图像进行第二轮扫描，因为[1,6]～[1,10]都只有一条边缘轮廓，且已经属于连接边缘轮廓，所以都不能作为新的边缘轮廓起始轮廓。在扫描到[2,3]时，发现除了连接边缘轮廓之外的轮廓，那么将点B作为新的起始轮廓，该轮廓有
Figure BDA0002122613870000071
和
Figure BDA0002122613870000072
两个倾斜方向，那么将[2,4]和[3,3]都作为下一区域块图像，分别进行追踪，并获得线路2。
可见，在本申请实施例中，按照预设方向对每个区域块图像进行扫描，将扫描到的第一区域块图像的第一边缘轮廓作为起始轮廓，按照边缘轮廓倾斜方向进行下一区域块图像的扫描，获得连续的连接边缘轮廓；在完成一条边缘轮廓的扫描后，再进行第一区域块图像的相邻区域块图像的扫描，获取不在连接边缘轮廓中的新的边缘轮廓作为新的起始轮廓，得到新的连接边缘轮廓，直到完成所有区域块的扫描。在这个过程中，由于按照边缘轮廓倾斜方向进行追踪，因此得到的都是连续的连接边缘轮廓，为了防止包括在连接边缘轮廓中的线段对应的区域块图像中还包括其他边缘轮廓，再次寻找起始轮廓时，是对起始轮廓的相邻区域块图像进行扫描。本实施例方法一方面可以高效获取连续的连接边缘轮廓，另一方面又可防止遗漏边缘轮廓，整体上提升了边缘轮廓扫描的效率和准确性。
可选的，所述按照所述扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果，包括：对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；若确定所述每个区域块图像中的目标区域块图像中包含边缘轮廓，则记录所述目标区域块图像按照扫描顺序确定的区域块编号和轮廓坐标；将获取到的至少两个区域块编号对应的边缘轮廓按照轮廓坐标进行拼接，获得拼接边缘轮廓；将所述拼接边缘轮廓作为所述待处理图像对应的轮廓提取结果。
具体地，请参阅图5，图5是本申请实施例提供的一种边缘轮廓拼接扫描过程示意图，如图5所示，待处理图像首先被分成10*10的区域块图像，然后采用轮廓检测算子进行每个区域块图像中的轮廓提取。再按照预设方向确定多个区域块图像中的第一区域块图像，预设方向可以是从上到下，从左到右。
扫描到[1,5]时，发现其中包括边缘轮廓，确定所述边缘轮廓是否为直线。判定过程为：获取边缘轮廓对应的每一个像素坐标，即为图2中所描述的(u,v)坐标。确定这些像素坐标是否满足方程式：v＝a*u+b，如果满足，则判定该边缘轮廓为直线，记录该直线的区域块图像编号，即图2中所描述的[x,y]编号，然后记录该直线的轮廓坐标，即为图2中所描述的[i,j]坐标，直线包括第一端和第二端，对应的轮廓坐标记录为[i1,j1:i2,j2]。因为该坐标为待处理图像的真实坐标，那么整个待处理图像中的所有边缘轮廓都可以按照该坐标进行轮廓定位和拼接。
如果确定所有区域块图像中只有一个边缘轮廓为直线，则直接将该直线作为轮廓提取结果。否则，将获得的至少两个区域块图像编号对应的直线按照轮廓坐标进行拼接，例如直线
Figure BDA0002122613870000091
的区域块图像编号为[3,2]，轮廓坐标为[168,72:192,70]，直线
Figure BDA0002122613870000092
的区域块图像编号为[4,2]，轮廓坐标为[192,70:256,65]，那么将
Figure BDA0002122613870000093
和
Figure BDA0002122613870000094
进行拼接，获得拼接边缘轮廓
Figure BDA0002122613870000095
且轮廓坐标为[168,72:256,65]。将图3中的所有直线进行拼接，同样可以获得路线1和路线2。
可见，在本申请实施例中，通过对每个区域块图像进行扫描，确定每个区域块图像中是否包含边缘轮廓，如果包含，再进一步确定边缘轮廓是否为直线，如果是，则记录直线的区域图像编号和轮廓坐标，将获取到的所有直线按照轮廓坐标进行拼接，得到拼接边缘轮廓。在这个过程中，通过一次性全面扫描确定每个区域块图像中的边缘轮廓，可以不用重复扫描，然后判定边缘轮廓是否为直线，再将直线进行拼接，可以确定获得的拼接边缘轮廓为连续的直线类边缘轮廓。该实施例方法从整体上提升了轮廓提取的准确性和效率。
可选的，方法运用于电子设备，电子设备包括摄像头，在对待处理图像进行分块之前，方法还包括：通过摄像头获得初始背景图像；对初始背景图像和待处理图像进行特征提取，获取初始背景图像对应的背景特征，和待处理图像的待处理特征；将背景特征和待处理特征进行匹配，确定背景特征和待处理特征中匹配成功的多个目标特征；当多个目标特征个数大于第一预设阈值时，确定待处理图像和初始背景图像匹配成功；确定多个目标特征对应在初始背景图像和待处理图像中的多个匹配点坐标；根据多个匹配点坐标对初始背景图像和待处理图像进行图像配准去裂缝处理，获得更新后的匹配点坐标；获取待处理图像中的匹配点坐标，并将匹配点坐标的***区域进行归一处理；去除***区域的孤立点，获得去背景图像后的待处理图像。
具体地，本方法可以运用在特定的电子设备中，电子设备包括摄像头、处理器和控制器，控制器可以根据接收到的用户指令控制摄像头采集图像。通常情况下，背景图像越单一，越有利于提取待处理图像中待识别物体所处的目标区域图像，但是现实中很难为待识别物体适配单一的背景图像，换个角度考虑，可以在采集了包括待识别物体的待处理图像时，如果能够实时采集不包括待识别物体的背景图像，然后根据背景图像去除待处理图像中的背景图像，也将大大有助于消除背景图像对提取待识别物体对应的目标区域图像的影响。
例如图4中的待处理图像，其中的待识别物体为一本图书，待处理图像中包括桌面与地板的相交线，在进行图书的轮廓提取时，桌面和地板的相交线会对提取结果造成影响，那么，拍摄下不包括该图书的初始背景图像，如图6所示，图6是本申请实施例提供的一种初始背景图像示意图，将图6和图4进行特征提取，获取图6中的背景特征和图4中的待处理特征，然后将背景特征和待处理特征进行匹配，获得匹配成功的多个目标特征，例如目标特征可能是交点坐标，边缘坐标或亮点坐标等。当目标特征的个数不大于第一预设阈值时，说明初始背景图和待处理图像的相似度低，不能根据初始背景图对待处理图像进行去背景处理，可以再次拍摄图像对初始背景图进行更新，以获得与待处理图像更相似的背景图。当目标特征的个数大于第一预设阈值时，说明待处理图像的背景和初始背景图像的匹配度高，那么，可以根据初始背景图像消除待处理图像中背景。具体过程为：确定多个目标特征对应在初始背景图像中的多个匹配点坐标，例如图6中的R、L可以在图4中找到对应的R’和L’分别匹配，可以确定该四个点的匹配点坐标。然后根据多个匹配点坐标对初始背景图像和待处理图像进行图像配准和去裂缝处理，消除掉待处理图像中与初始背景图像中重复的图像，再对匹配点坐标的***区域进行归一处理，去除掉一些孤立点，即可获得如图7所示的去背景图像后的待处理图像。这样可以消除背景图像对轮廓提取结果的影响，提升轮廓提取的效率和准确性。
可选的，在获取所述连接边缘轮廓或所述拼接边缘轮廓之后，在获得所述待处理图像对应的轮廓提取结果之前，所述方法还包括：获取所述摄像头的视角2α和所述摄像头的倾斜角度θ，其中所述摄像头的视角表示摄像头可成像的最大角度；根据所述摄像头的视角和所述摄像头的倾斜角度计算获得第一角度，所述第一角度的计算公式为第一公式，如下：
Figure BDA0002122613870000101
获取连续边缘轮廓中第一连续边缘轮廓与竖直方向的夹角A，以及第二边缘轮廓与竖直方向的夹角B，其中第一连续边缘轮廓和所述第二边缘轮廓不为相邻边缘轮廓，所述连续边缘轮廓包括拼接边缘轮廓或连接边缘轮廓；确定A与B是否满足第二公式：2δ＝A+B；若满足，则将所述第一边缘轮廓和所述第二边缘轮廓所在直线作为新的连续边缘轮廓。
具体地，请参阅图8，图8是本申请实施例提供的一种完善边缘轮廓提取过程的示意图，如图8所示，在一些待处理图像中，除了目标物体外，还可能包括很多干扰物，这样会使提取的轮廓线不够准确，或者只能提取一小段轮廓线，提取结果不够完整。本申请实施例可以对不完整的提取的边缘轮廓进行完善和补全。具体过程为：首先获得摄像头的视角2α和摄像头的倾斜角度θ，其中摄像头的视角是指摄像头可成像的最大角度，是摄像头的固有属性，摄像头的倾斜角度可以根据具体场景进行调整；根据2α和θ结合第一公式计算获得第一角度；获取连续边缘轮廓中第一连续边缘轮廓与竖直方向的夹角A，以及第二边缘轮廓与竖直方向的夹角B，待处理图像中的对边平行物体可以以任意方向摆放，第一边缘轮廓和第二边缘轮廓为不相邻的边缘轮廓，即对边边缘轮廓，连续边缘轮廓可以是上述实施例中获得的拼接边缘轮廓或连接边缘轮廓；确定A和B是否满足第二公式；如果满足，将第一边缘轮廓和第二边缘轮廓所在的直线作为新的连续边缘轮廓，中间被其他物体挡住的部分可以自动补充，如粗虚线部分即为补充部分，下方被遮挡的部分可以自动延长至与下一条连续边缘轮廓的交点。
104、根据所述轮廓提取结果确定所述待处理图像中的目标区域图像。
对待处理图像进行轮廓提取，是为了确定待处理图像中待识别物体的目标区域图像，以便获得目标区域图像进行下一步的图像分析。
可选的，根据轮廓提取结果确定待处理图像中的目标区域图像，包括：若轮廓提取结果中的连续边缘轮廓形成闭环轮廓，则确定连续边缘轮廓是否为最***连续边缘轮廓，最***连续边缘轮廓即***不包括闭环轮廓的连续边缘轮廓，连续边缘轮廓包括连接边缘轮廓或拼接边缘轮廓；若确定连续边缘轮廓为最***连续边缘轮廓，则确定闭环轮廓包围的区域为目标区域图像；若轮廓提取结果中的连续边缘轮廓未形成闭环轮廓，则获取连续边缘轮廓与待处理图像的图像边缘交点个数；若交点个数小于2，则确定待处理图像为目标区域图像；若交点个数等于2，则计算与图像边缘相交的连续边缘轮廓两侧的像素均值，确定连续边缘轮廓两侧中像素均值较大的一侧为目标侧；确定连续边缘轮廓、图像边缘和目标侧组成的区域为目标区域图像；若交点个数大于2，则确定连续边缘轮廓和图像边缘组成的区域为目标区域图像。
具体地，如果轮廓提取结果中的连续边缘轮廓形成闭环轮廓，例如图4或图5中的路线2形成的即为闭环轮廓，此时确定该闭环轮廓是否为最***轮廓，即该闭环轮廓是否被其他闭环轮廓所包围，如果该闭环轮廓是最***轮廓，那么可以确定该闭环轮廓围成的区域即为目标区域图像。
如果轮廓提取结果中的连续边缘轮廓没形成闭环轮廓，那么这一连续边缘轮廓将会与待处理图像的图像边缘产生交点。如果交点个数小于2，说明待处理图像中拍摄的待识别物体为部分待识别物体，完全没有拍摄到待识别物体的边角，那么可以直接将整个待处理图像作为目标区域图像；如果交点个数等于2，那么要识别出哪一部分图像区域为连续边缘轮廓围成的待识别物体。通常情况下，待识别物体像素复杂度比背景图像的像素复杂度高，因此，计算与图像边缘相交的连续边缘轮廓两侧的像素均值，确定像素均值较大的一侧为目标侧，并将连续边缘轮廓、图像边缘和目标侧组成的区域作为目标区域图像；如果交点个数大于2，例如交点个数为3或4，这时候可以直接将连续边缘轮廓和图像边缘组成的区域为所述目标区域图像。
可见，在申请实施例中，首先确定轮廓提取结果中的连续边缘轮廓是否形成闭环轮廓，如果形成闭环轮廓且为最***轮廓，则确定该闭环轮廓围成的区域即为目标区域图像；如果未形成闭环轮廓，则根据连续边缘轮廓与图像边缘的交点确定目标区域图像。在这个过程中，通过轮廓提取结果，灵活确定目标区域图像，可以提升获取目标区域图像的准确度，进而减少对非目标区域图像的数据处理量，提升了图像处理效率。
本申请实施例提供的图像提取方法，运用于对边平行物体对应的区域图像提取，其中方法包括：获取待处理图像，并对待处理图像进行分块，获得多个区域块图像；确定多个区域块图像中每个区域块图像的扫描区域大小；按照每个区域块图像的扫描区域大小对每个区域块图像进行扫描，获得待处理图像对应的轮廓提取结果；根据轮廓提取结果确定待处理图像中的目标区域图像。在这个过程中，通过对待处理图像进行分块获得多个区域块图像，对每个区域块图像进行扫描获得轮廓提取结果，再根据轮廓提取结果确定提取的目标区域图像。这样可以减少阈值计算，提高有效轮廓信息提取的准确率，最终提升提取目标区域图像的效率。
请参阅图9，图9是本申请实施例提供的另一种图像提取方法流程示意图，如图9所示，所述图像提取方法包括如下步骤：
201、通过所述摄像头获得初始背景图像；
202、对所述初始背景图像和所述待处理图像进行特征提取，获取所述初始背景图像对应的背景特征，和所述待处理图像的待处理特征；
203、将所述背景特征和所述待处理特征进行匹配，确定所述背景特征和所述待处理特征中匹配成功的多个目标特征；
204、当所述多个目标特征个数大于第一预设阈值时，确定所述待处理图像和所述初始背景图像匹配成功；
205、确定所述多个目标特征对应在所述初始背景图像和所述待处理图像中的多个匹配点坐标；
206、根据所述多个匹配点坐标对所述初始背景图像和所述待处理图像进行图像配准去裂缝处理，获得更新后的匹配点坐标；
207、获取所述待处理图像中的匹配点坐标，并将所述匹配点坐标的***区域进行归一处理；
208、去除所述***区域的孤立点，获得去背景图像后的待处理图像；
209、获取所述待处理图像的尺寸，所述尺寸包括宽度W和高度H；
210、按照所述待处理图像的尺寸将所述待处理图像分成n2个区域块图像，其中每个区域块的宽度为bW＝[W/n]，bH＝[H/n]，[W/n]表示W对n取整，[H/n]表示H对n取整，所述n2个区域块图像组成所述多个区域块图像；
211、计算所述多个区域块图像中每个区域块图像的像素均值和像素方差；
212、根据所述像素均值和所述像素方差确定所述每个区域块图像的复杂度，并根据所述复杂度确定所述扫描区域大小，其中所述复杂度高低与所述扫描区域大小成反比关系；
213、按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果；
214、根据所述轮廓提取结果确定所述待处理图像中的目标区域图像。
其中，上述步骤201-步骤214的具体描述可以参照步骤101-步骤104所描述的图像提取方法的相应描述，在此不再赘述。
在本申请实施例中，通过摄像头获取初始背景图，再根据初始背景图与待处理图像的相似性对待处理图像进行背景消除，这样可以消除背景图像对轮廓提取结果的影响，提升轮廓提取的效率和准确性；在对待处理图像进行分块时，按照待处理图像的实际尺寸进行分块，保证了获得的多个区域块图像的标准性。对于每个区域块图像，计算其对应的像素均值和像素方差，确定每个区域块图像的复杂度，并根据复杂度确定每个区域块不同的扫描区域，这样可以提升复杂度低的区域块图像的扫描效率，增加复杂度高的区域块图像的扫描准确率。本申请实施例整体上提升了轮廓提取过程的效率和准确度。
请参阅图10，图10是本申请实施例提供的另一种图像提取方法流程示意图，如图10所示，所述图像提取方法包括如下步骤：
301、获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像；
302、确定所述多个区域块图像中每个区域块图像的扫描区域大小；
303、对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；
304、按照预设方向对所述每个区域块图像按照区域块图像的扫描区域大小进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；
305、若确定第一区域块图像包含第一边缘轮廓，则确定所述第一边缘轮廓的倾斜方向，追踪所述倾斜方向的下一区域块图像是否包含与所述第一边缘轮廓连接的第二边缘轮廓；
306、如果下一区域块图像包含第二边缘轮廓，则将所述第二边缘轮廓作为新的第一边缘轮廓，重复步骤305，获得连接边缘轮廓；
307、如果下一区域块图像不包含第二边缘轮廓，则按照预设方向从所述第一区域块图像的相邻区域块图像进行扫描，获取不在所述连接边缘轮廓中的新的第一边缘轮廓，重复步骤305-306；
308、完成每个区域块图像的扫描，将所述连接边缘轮廓作为所述待处理图像对应的轮廓提取结果；
309、根据所述轮廓提取结果确定所述待处理图像中的目标区域图像。
其中，上述步骤301-步骤309的具体描述可以参照步骤101-步骤104所描述的图像提取方法的相应描述，在此不再赘述。
在本申请实施例中，通过对每个区域块图像进行扫描，确定每个区域块图像中是否包含边缘轮廓，如果包含，再进一步确定边缘轮廓是否为直线，如果是，则记录直线的区域图像编号和轮廓坐标，将获取到的所有直线按照轮廓坐标进行拼接，得到拼接边缘轮廓。在这个过程中，通过一次性全面扫描确定每个区域块图像中的边缘轮廓，可以不用重复扫描，然后判定边缘轮廓是否为直线，再将直线进行拼接，可以确定获得的拼接边缘轮廓为连续的直线类边缘轮廓。该实施例方法从整体上提升了轮廓提取的准确性和效率。
请参阅图11，图11是本申请实施例提供的另一种图像提取方法流程示意图，如图11所示，所述图像提取方法包括如下步骤：
401、获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像；
402、确定所述多个区域块图像中每个区域块图像的扫描区域大小；
403、对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；
404、按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；
405、若确定所述每个区域块图像中的目标区域块图像中包含边缘轮廓，则确定所述边缘轮廓是否为直线；
406、若是，则记录所述直线在所述图像坐标系中的区域块图像编号块和轮廓坐标；
407、将获取到的至少两个区域块图像编号对应的直线按照轮廓坐标进行拼接，获得拼接边缘轮廓；
408、将所述拼接边缘轮廓作为所述待处理图像对应的轮廓提取结果。
其中，上述步骤401-步骤408的具体描述可以参照步骤101-步骤104所描述的图像提取方法的相应描述，在此不再赘述。
在本申请实施例中，通过对每个区域块图像进行扫描，确定每个区域块图像中是否包含边缘轮廓，如果包含，再进一步确定边缘轮廓是否为直线，如果是，则记录直线的区域图像编号和轮廓坐标，将获取到的所有直线按照轮廓坐标进行拼接，得到拼接边缘轮廓。在这个过程中，通过一次性全面扫描确定每个区域块图像中的边缘轮廓，可以不用重复扫描，然后判定边缘轮廓是否为直线，再将直线进行拼接，可以确定获得的拼接边缘轮廓为连续的直线类边缘轮廓。该实施例方法从整体上提升了轮廓提取的准确性和效率。
如上述一致地，请参阅图12，图12是本申请实施例提供的一种电子装置的结构示意图，如图12所示，该电子装置包括处理器501、存储器502、通信接口503以及一个或多个程序505，其中，上述一个或多个程序被存储在上述存储器502中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像；
确定所述多个区域块图像中每个区域块图像的扫描区域大小；
按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果；
根据所述轮廓提取结果确定所述待处理图像中的目标区域图像。
可以看出，本申请实施例中，电子装置获取待处理图像，并对待处理图像进行分块，获得多个区域块图像；确定多个区域块图像中每个区域块图像的扫描区域大小；按照每个区域块图像的扫描区域大小对每个区域块图像进行扫描，获得待处理图像对应的轮廓提取结果；根据轮廓提取结果确定待处理图像中的目标区域图像。在这个过程中，通过对待处理图像进行分块获得多个区域块图像，对每个区域块图像进行扫描获得轮廓提取结果，再根据轮廓提取结果确定提取的目标区域图像。这样可以减少阈值计算，提高有效轮廓信息提取的准确率，最终提升提取目标区域图像的效率。
在一个可能的示例中，在所述对所述待处理图像进行分块，获得多个区域块图像方面，所述程序中的指令具体用于执行以下操作：
获取所述待处理图像的尺寸，所述尺寸包括宽度W和高度H；
将所述待处理图像分成n2个区域块图像，其中每个区域块的宽度为bW＝[W/n]，bH＝[H/n]，[W/n]表示W对n取整，[H/n]表示H对n取整；
所述n2个区域块图像组成所述多个区域块图像。
在一个可能的示例中，在所述确定所述多个区域块图像中每个区域块图像的扫描区域大小方面，所述程序中的指令具体用于执行以下操作：
计算所述多个区域块图像中每个区域块图像的像素均值和像素方差；
根据所述像素均值和所述像素方差确定所述每个区域块图像的复杂度；
根据所述复杂度确定所述扫描区域大小，其中所述复杂度高低与所述扫描区域大小成反比关系。
在一个可能的示例中，在所述按照所述扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果方面，所述程序中的指令具体用于执行以下操作：
对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；
按照预设方向对所述每个区域块图像按照区域块图像的扫描区域大小进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；
若确定第一区域块图像包含第一边缘轮廓，则将所述第一边缘轮廓作为起始轮廓，确定所述第一边缘轮廓的倾斜方向，并追踪所述倾斜方向的下一区域块图像是否包含与所述第一边缘轮廓连接的第二边缘轮廓；
如果下一区域块图像包含第二边缘轮廓，则重复上述追踪所述倾斜方向的下一区域块图像边缘轮廓的过程，获得第一连接边缘轮廓；
如果下一区域块图像不包含第二边缘轮廓，则按照预设方向从所述第一区域块图像的相邻区域块图像进行扫描，获取不在所述连接边缘轮廓中的新的边缘轮廓作为起始轮廓，重复上述追踪边缘轮廓的过程，获得第二连接边缘轮廓；
完成每个区域块图像的扫描，将获得的至少一个连接边缘轮廓作为所述待处理图像对应的轮廓提取结果。
在一个可能的示例中，在所述按照所述扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果，所述程序中的指令具体用于执行以下操作：
对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；
按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；
若确定所述每个区域块图像中的目标区域块图像中包含边缘轮廓，则确定所述边缘轮廓是否为直线；
若是，则记录所述直线在所述图像坐标系中的区域块图像编号块和轮廓坐标；
将获取到的至少两个区域块图像编号对应的直线按照轮廓坐标进行拼接，获得拼接边缘轮廓；
将所述拼接边缘轮廓作为所述待处理图像对应的轮廓提取结果。
在一个可能的示例中，在所述根据所述轮廓提取结果确定所述待处理图像中的目标区域图像方面，所述程序中的指令具体用于执行以下操作：
若所述轮廓提取结果中的连续边缘轮廓形成闭环轮廓，则确定所述边缘轮廓是否为最***边缘轮廓，所述最***边缘轮廓即***不包括闭环轮廓的边缘轮廓，所述连续边缘轮廓包括所述连接边缘轮廓或所述拼接边缘轮廓；
若确定所述连续边缘轮廓为最***边缘轮廓，则确定所述闭环轮廓包围的区域为目标区域图像；
若所述轮廓提取结果中的连续边缘轮廓未形成闭环轮廓，则获取所述连续边缘轮廓与所述待处理图像的图像边缘交点个数；
若所述交点个数小于2，则确定所述待处理图像为目标区域图像；
若所述交点个数等于2，则计算与所述图像边缘相交的所述连续边缘轮廓两侧的像素均值，确定所述连续边缘轮廓两侧中像素均值较大的一侧为目标侧；
确定所述连续边缘轮廓、所述图像边缘和所述目标侧组成的区域为所述目标区域图像；
若所述交点个数大于2，则确定所述连续边缘轮廓和图像边缘组成的区域为所述目标区域图像。
在一个可能的示例中，所述电子装置还包括摄像头504，在对所述待处理图像进行分块之前，上述程序还包括用于执行以下步骤的指令：
通过所述摄像头获得初始背景图像；
对所述初始背景图像和所述待处理图像进行特征提取，获取所述初始背景图像对应的背景特征，和所述待处理图像的待处理特征；
将所述背景特征和所述待处理特征进行匹配，确定所述背景特征和所述待处理特征中匹配成功的多个目标特征；
当所述多个目标特征个数大于第一预设阈值时，确定所述待处理图像和所述初始背景图像匹配成功；
确定所述多个目标特征对应在所述初始背景图像和所述待处理图像中的多个匹配点坐标；
根据所述多个匹配点坐标对所述初始背景图像和所述待处理图像进行图像配准去裂缝处理，获得更新后的匹配点坐标；
获取所述待处理图像中的匹配点坐标，并将所述匹配点坐标的***区域进行归一处理；
去除所述***区域的孤立点，获得去背景图像后的待处理图像。
在一个可能的示例中，在获取所述连接边缘轮廓或所述拼接边缘轮廓之后，在获得所述待处理图像对应的轮廓提取结果之前，上述程序还包括用于执行以下步骤的指令：
获取所述摄像头的视角2α和所述摄像头的倾斜角度θ，其中所述摄像头的视角表示摄像头可成像的最大角度；
根据所述摄像头的视角和所述摄像头的倾斜角度计算获得第一角度，所述第一角度的计算公式为第一公式，如下：
Figure BDA0002122613870000191
获取连续边缘轮廓中第一连续边缘轮廓与竖直方向的夹角A，以及第二边缘轮廓与竖直方向的夹角B，其中第一连续边缘轮廓和所述第二边缘轮廓不为相邻边缘轮廓，所述连续边缘轮廓包括拼接边缘轮廓或连接边缘轮廓；
确定A与B是否满足第二公式：2δ＝A+B；
若满足，则将所述第一边缘轮廓和所述第二边缘轮廓所在直线作为新的连续边缘轮廓。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件单元。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子装置进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图13是本申请实施例中所涉及的图像提取装置600的功能单元组成框图。该图像提取装置600包括：
获取单元601，用于获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像；
第一确定单元602，用于确定所述多个区域块图像中每个区域块图像的扫描区域大小；
扫描单元603，用于按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果；
第二确定单元604，用于根据所述轮廓提取结果确定所述待处理图像中的目标区域图像。
可以看出，本申请实施例中，图像提取装置获取待处理图像，并对待处理图像进行分块，获得多个区域块图像；确定多个区域块图像中每个区域块图像的扫描区域大小；按照每个区域块图像的扫描区域大小对每个区域块图像进行扫描，获得待处理图像对应的轮廓提取结果；根据轮廓提取结果确定待处理图像中的目标区域图像。在这个过程中，通过对待处理图像进行分块获得多个区域块图像，对每个区域块图像进行扫描获得轮廓提取结果，再根据轮廓提取结果确定提取的目标区域图像。这样可以减少阈值计算，提高有效轮廓信息提取的准确率，最终提升提取目标区域图像的效率。
在一个可能的示例中，在所述对所述待处理图像进行分块，获得多个区域块图像方面，所述获取单元601具体用于：
获取所述待处理图像的尺寸，所述尺寸包括宽度W和高度H；
将所述待处理图像分成n2个区域块图像，其中每个区域块的宽度为bW＝[W/n]，bH＝[H/n]，[W/n]表示W对n取整，[H/n]表示H对n取整；
所述n2个区域块图像组成所述多个区域块图像。
在一个可能的示例中，所述第一确定单元602具体用于：
计算所述多个区域块图像中每个区域块图像的像素均值和像素方差；
根据所述像素均值和所述像素方差确定所述每个区域块图像的复杂度；
根据所述复杂度确定所述扫描区域大小，其中所述复杂度高低与所述扫描区域大小成反比关系。
在一个可能的示例中，所述扫描单元603具体用于：
对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；
按照预设方向确定所述多个区域块图像中的第一区域块图像，对所述第一区域块图像按照第一区域块图像的扫描区域大小进行扫描，确定所述第一区域块图像中是否包含边缘轮廓；
若确定所述第一区域块图像包含第一边缘轮廓，则确定所述第一边缘轮廓的倾斜方向，并追踪所述倾斜方向的下一区域块图像是否包含第二边缘轮廓；
如果下一区域块图像包含第二边缘轮廓，则重复上述追踪所述倾斜方向的下一区域块图像边缘轮廓的过程，获得连接边缘轮廓；
如果下一区域块图像不包含第二边缘轮廓，则按照预设方向从所述第一区域块图像的相邻区域块图像进行扫描，获取不在所述连接边缘轮廓中的新的边缘轮廓作为新的第一边缘轮廓，重复上述追踪边缘轮廓倾斜方向至获取连接边缘轮廓的步骤；
完成每个区域块图像的扫描，将获得的连接边缘轮廓作为所述待处理图像对应的轮廓提取结果。
在一个可能的示例中，所述扫描单元603具体用于：
对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；
按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；
若确定所述每个区域块图像中的目标区域块图像中包含边缘轮廓，则记录所述目标区域块图像按照扫描顺序确定的区域块编号和轮廓坐标；
将获取到的至少两个区域块编号对应的边缘轮廓按照轮廓坐标进行拼接，获得拼接边缘轮廓；
将所述拼接边缘轮廓作为所述待处理图像对应的轮廓提取结果。
在一个可能的示例中，所述第二确定单元604具体用于：
若所述轮廓提取结果中的边缘轮廓形成闭环轮廓，则确定所述边缘轮廓是否为最***边缘轮廓，所述最***边缘轮廓即***不包括闭环轮廓的边缘轮廓；
若确定所述边缘轮廓为最***边缘轮廓，则确定所述闭环轮廓包围的区域为目标区域图像；
若所述轮廓提取结果中的边缘轮廓未形成闭环轮廓，则获取所述边缘轮廓与所述待处理图像的图像边缘交点个数；
若所述交点个数小于2，则确定所述待处理图像为目标区域图像；
若所述交点个数等于2，则计算与所述图像边缘相交的所述边缘轮廓两侧的像素均值，确定所述边缘轮廓两侧中像素均值较大的一侧为目标侧；
确定所述边缘轮廓、所述图像边缘和所述目标侧组成的区域为所述目标区域图像；
若所述交点个数大于2，则确定所述边缘轮廓和图像边缘组成的区域为所述目标区域图像。
在一个可能的示例中，所述方法运用于电子设备，所述电子设备包括摄像头，在对所述待处理图像进行分块之前，所述获取单元601还用于：
通过所述摄像头获得初始背景图像；
对所述初始背景图像和所述待处理图像进行特征提取，获取所述初始背景图像对应的背景特征，和所述待处理图像的待处理特征；
将所述背景特征和所述待处理特征进行匹配，确定所述背景特征和所述待处理特征中匹配成功的多个目标特征；
当所述多个目标特征个数大于第一预设阈值时，确定所述待处理图像和所述初始背景图像匹配成功；
确定所述多个目标特征对应在所述初始背景图像和所述待处理图像中的多个匹配点坐标；
根据所述多个匹配点坐标对所述初始背景图像和所述待处理图像进行图像配准去裂缝处理，获得更新后的匹配点坐标；
获取所述待处理图像中的匹配点坐标，并将所述匹配点坐标的***区域进行归一处理；
去除所述***区域的孤立点，获得去背景图像后的待处理图像。
在一个可能的示例中，所述扫描单元603还具体用于：
获取所述摄像头的视角2α和所述摄像头的倾斜角度θ，其中所述摄像头的视角表示摄像头可成像的最大角度；
根据所述摄像头的视角和所述摄像头的倾斜角度计算获得第一角度，所述第一角度的计算公式为第一公式，如下：
Figure BDA0002122613870000221
获取连续边缘轮廓中第一连续边缘轮廓与竖直方向的夹角A，以及第二边缘轮廓与竖直方向的夹角B，其中第一连续边缘轮廓和所述第二边缘轮廓不为相邻边缘轮廓，所述连续边缘轮廓包括拼接边缘轮廓或连接边缘轮廓；
确定A与B是否满足第二公式：2δ＝A+B；
若满足，则将所述第一边缘轮廓和所述第二边缘轮廓所在直线作为新的连续边缘轮廓。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括移动终端。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括移动终端。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和单元并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、ROM、RAM、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种图像提取方法，其特征在于，运用于对边平行物体对应的区域图像提取，所述方法包括：
获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像；
确定所述多个区域块图像中每个区域块图像的扫描区域大小；
按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果；
根据所述轮廓提取结果确定所述待处理图像中的目标区域图像，具体包括：
若所述轮廓提取结果中的连续边缘轮廓形成闭环轮廓，则确定所述边缘轮廓是否为最***边缘轮廓，所述最***边缘轮廓即***不包括闭环轮廓的边缘轮廓；
若确定所述连续边缘轮廓为最***边缘轮廓，则确定所述闭环轮廓包围的区域为目标区域图像；
若所述轮廓提取结果中的连续边缘轮廓未形成闭环轮廓，则获取所述连续边缘轮廓与所述待处理图像的图像边缘交点个数；
若所述交点个数小于2，则确定所述待处理图像为目标区域图像；
若所述交点个数等于2，则计算与所述图像边缘相交的所述连续边缘轮廓两侧的像素均值，确定所述连续边缘轮廓两侧中像素均值较大的一侧为目标侧；
确定所述连续边缘轮廓、所述图像边缘和所述目标侧组成的区域为所述目标区域图像；
若所述交点个数大于2，则确定所述连续边缘轮廓和图像边缘组成的区域为所述目标区域图像。
2.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行分块，获得多个区域块图像，包括：
获取所述待处理图像的尺寸，所述尺寸包括宽度W和高度H；
将所述待处理图像分成n2个区域块图像，其中每个区域块的宽度为bW＝[W/n]，bH＝[H/n]，[W/n]表示W对n取整，[H/n]表示H对n取整；
所述n2个区域块图像组成所述多个区域块图像。
3.根据权利要求1所述的方法，其特征在于，所述确定所述多个区域块图像中每个区域块图像的扫描区域大小，包括：
计算所述多个区域块图像中每个区域块图像的像素均值和像素方差；
根据所述像素均值和所述像素方差确定所述每个区域块图像的复杂度；
根据所述复杂度确定所述扫描区域大小，其中所述复杂度高低与所述扫描区域大小成反比关系。
4.根据权利要求1所述的方法，其特征在于，所述按照所述扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果，包括：
对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；
按照预设方向对所述每个区域块图像按照区域块图像的扫描区域大小进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；
若确定第一区域块图像包含第一边缘轮廓，则将所述第一边缘轮廓作为起始轮廓，确定所述第一边缘轮廓的倾斜方向，并追踪所述倾斜方向的下一区域块图像是否包含与所述第一边缘轮廓连接的第二边缘轮廓；
如果下一区域块图像包含第二边缘轮廓，则重复上述追踪所述倾斜方向的下一区域块图像边缘轮廓的过程，获得连接边缘轮廓；
如果下一区域块图像不包含第二边缘轮廓，则按照预设方向从所述第一区域块图像的相邻区域块图像进行扫描，获取不在所述连接边缘轮廓中的新的边缘轮廓作为新的第一边缘轮廓，重复上述追踪边缘轮廓倾斜方向至获取连接边缘轮廓的步骤；
完成每个区域块图像的扫描，将获得的连接边缘轮廓作为所述待处理图像对应的所述轮廓提取结果中的连续边缘轮廓。
5.根据权利要求1所述的方法，其特征在于，所述按照所述扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果，包括：
对所述多个区域块图像中每个区域块图像采用边缘检测算子进行边缘检测，提取所述每个区域块图像中的边缘轮廓；
按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，确定所述每个区域块图像中是否包含边缘轮廓；
若确定所述每个区域块图像中的目标区域块图像中包含边缘轮廓，则确定所述边缘轮廓是否为直线；
若是，则记录所述直线在图像坐标系中的区域块图像编号块和轮廓坐标，所述图像坐标系是将待处理图像进行分块获得多个区域块图像后，用于确定所述多个区域块图像中每个区域块图像的坐标建立的；
将获取到的至少两个区域块图像编号对应的直线按照轮廓坐标进行拼接，获得拼接边缘轮廓；
将所述拼接边缘轮廓作为所述待处理图像对应的所述轮廓提取结果中的连续边缘轮廓。
6.根据权利要求4或5所述的方法，其特征在于，所述方法运用于电子设备，所述电子设备包括摄像头，在对所述待处理图像进行分块之前，所述方法还包括：
通过所述摄像头获得初始背景图像；
对所述初始背景图像和所述待处理图像进行特征提取，获取所述初始背景图像对应的背景特征，和所述待处理图像的待处理特征；
将所述背景特征和所述待处理特征进行匹配，确定所述背景特征和所述待处理特征中匹配成功的多个目标特征；
当所述多个目标特征个数大于第一预设阈值时，确定所述待处理图像和所述初始背景图像匹配成功；
确定所述多个目标特征对应在所述初始背景图像和所述待处理图像中的多个匹配点坐标；
根据所述多个匹配点坐标对所述初始背景图像和所述待处理图像进行图像配准去裂缝处理，获得更新后的匹配点坐标；
获取所述待处理图像中的匹配点坐标，并将所述匹配点坐标的***区域进行归一处理；
去除所述***区域的孤立点，获得去背景图像后的待处理图像。
7.根据权利要求6所述的方法，其特征在于，在获取所述连续边缘轮廓之后，所述方法还包括：
获取所述摄像头的视角2α和所述摄像头的倾斜角度θ，其中所述摄像头的视角表示摄像头可成像的最大角度；
根据所述摄像头的视角和所述摄像头的倾斜角度计算获得第一角度，所述第一角度的计算公式为第一公式，如下：
Figure FDA0003498130660000031
获取连续边缘轮廓中第一连续边缘轮廓与竖直方向的夹角A，以及第二连续边缘轮廓与竖直方向的夹角B，其中第一连续边缘轮廓和所述第二连续边缘轮廓不为相邻边缘轮廓；
确定A与B是否满足第二公式：2δ＝A+B；
若满足，则将所述第一连续边缘轮廓和所述第二连续边缘轮廓所在直线作为新的连续边缘轮廓。
8.一种图像提取装置，其特征在于，所述图像提取装置包括：
获取单元，用于获取待处理图像，并对所述待处理图像进行分块，获得多个区域块图像；
第一确定单元，用于确定所述多个区域块图像中每个区域块图像的扫描区域大小；
扫描单元，用于按照所述每个区域块图像的扫描区域大小对所述每个区域块图像进行扫描，获得所述待处理图像对应的轮廓提取结果；
第二确定单元，用于根据所述轮廓提取结果确定所述待处理图像中的目标区域图像，具体包括：
若所述轮廓提取结果中的连续边缘轮廓形成闭环轮廓，则确定所述边缘轮廓是否为最***边缘轮廓，所述最***边缘轮廓即***不包括闭环轮廓的边缘轮廓；
若确定所述连续边缘轮廓为最***边缘轮廓，则确定所述闭环轮廓包围的区域为目标区域图像；
若所述轮廓提取结果中的连续边缘轮廓未形成闭环轮廓，则获取所述连续边缘轮廓与所述待处理图像的图像边缘交点个数；
若所述交点个数小于2，则确定所述待处理图像为目标区域图像；
若所述交点个数等于2，则计算与所述图像边缘相交的所述连续边缘轮廓两侧的像素均值，确定所述连续边缘轮廓两侧中像素均值较大的一侧为目标侧；
确定所述连续边缘轮廓、所述图像边缘和所述目标侧组成的区域为所述目标区域图像；
若所述交点个数大于2，则确定所述连续边缘轮廓和图像边缘组成的区域为所述目标区域图像。
9.一种电子装置，其特征在于，包括处理器和存储器，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
CN201910611808.6A 2019-07-08 2019-07-08 图像提取方法及相关产品 Active CN110458855B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910611808.6A CN110458855B (zh) 2019-07-08 2019-07-08 图像提取方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910611808.6A CN110458855B (zh) 2019-07-08 2019-07-08 图像提取方法及相关产品

Publications (2)

Publication Number Publication Date
CN110458855A CN110458855A (zh) 2019-11-15
CN110458855B true CN110458855B (zh) 2022-04-05

Family

ID=68482325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910611808.6A Active CN110458855B (zh) 2019-07-08 2019-07-08 图像提取方法及相关产品

Country Status (1)

Country Link
CN (1) CN110458855B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111079772B (zh) * 2019-12-18 2024-01-26 深圳科瑞技术股份有限公司 图像边缘提取处理方法、装置及存储介质
CN111950464B (zh) * 2020-08-13 2023-01-24 安徽淘云科技股份有限公司 图像检索方法、服务端和扫描笔
CN112304239A (zh) * 2020-10-16 2021-02-02 大连理工大学 一种微小螺纹副轮廓及中心特征提取方法
CN112488037B (zh) * 2020-12-15 2024-05-28 上海有个机器人有限公司 一种在图像识别中危险区域标识的方法
CN113610866B (zh) * 2021-07-28 2024-04-23 上海墨说科教设备有限公司 练字图像的裁剪方法、装置、设备和存储介质
CN113589985A (zh) * 2021-07-30 2021-11-02 车主邦（北京）科技有限公司 图标替换方法、装置、终端设备及计算机可读存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4525787B2 (ja) * 2008-04-09 2010-08-18 富士ゼロックス株式会社 画像抽出装置、及び画像抽出プログラム
CN101727666B (zh) * 2008-11-03 2013-07-10 深圳迈瑞生物医疗电子股份有限公司 图像分割方法及装置、图像倒置判断方法
CN104089575B (zh) * 2014-07-02 2018-05-11 北京东方迈视测控技术有限公司 智能平面检测仪及检测方法
CN106295639A (zh) * 2016-08-01 2017-01-04 乐视控股（北京）有限公司 一种虚拟现实终端以及目标图像的提取方法和装置
CN106683076B (zh) * 2016-11-24 2019-08-09 南京航空航天大学 基于纹理特征聚类的机车轮对踏面损伤检测的方法
CN106682424A (zh) * 2016-12-28 2017-05-17 上海联影医疗科技有限公司 医学图像的调节方法及其***
CN108009470B (zh) * 2017-10-20 2020-06-16 深圳市朗形网络科技有限公司 一种图像提取的方法和装置
CN108596944B (zh) * 2018-04-25 2021-05-07 普联技术有限公司 一种提取运动目标的方法、装置及终端设备
CN109658429A (zh) * 2018-12-21 2019-04-19 电子科技大学 一种基于边界分维数的红外图像卷云检测方法

Also Published As

Publication number Publication date
CN110458855A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN110458855B (zh) 图像提取方法及相关产品
EP3916627A1 (en) Living body detection method based on facial recognition, and electronic device and storage medium
US9292759B2 (en) Methods and systems for optimized parameter selection in automated license plate recognition
EP3767520B1 (en) Method, device, equipment and medium for locating center of target object region
CN109492642B (zh) 车牌识别方法、装置、计算机设备及存储介质
CN108765315B (zh) 图像补全方法、装置、计算机设备及存储介质
CN107545223B (zh) 图像识别方法及电子设备
CN105894464A (zh) 一种中值滤波图像处理方法和装置
US8526684B2 (en) Flexible image comparison and face matching application
CN111199197B (zh) 一种人脸识别的图像提取方法及处理设备
CN105912912A (zh) 一种终端用户身份登录方法和***
CN111695540A (zh) 视频边框识别方法及裁剪方法、装置、电子设备及介质
US20180144488A1 (en) Electronic apparatus and method for processing image thereof
JP6188452B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN108665495B (zh) 图像处理方法及装置、移动终端
CN111881846B (zh) 图像处理方法和相关装置、设备、存储介质
CN108960247B (zh) 图像显著性检测方法、装置以及电子设备
WO2021056501A1 (zh) 提取特征点的方法、可移动平台及存储介质
CN112926695B (zh) 基于模板匹配的图像识别方法和***
CN112686247A (zh) 一种身份证号码检测方法、装置、可读存储介质和终端
CN115424181A (zh) 目标对象的检测方法和装置
CN112085683B (zh) 一种显著性检测中的深度图可信度检测方法
CN113870292A (zh) 深度图像的边缘检测方法、装置和电子设备
CN114120169A (zh) 视频场景识别方法、装置、设备及可读存储介质
CN116012398A (zh) 图像拼接篡改检测方法、电子设备及存储介质

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
CB02 Change of applicant information

Address after: 230000 9, level 1, Tiandi science and Technology Park, 66 dive East Road, hi tech Zone, Hefei, Anhui.

Applicant after: Anhui taoyun Technology Co.,Ltd.

Address before: 230000 9, level 1, Tiandi science and Technology Park, 66 dive East Road, hi tech Zone, Hefei, Anhui.

Applicant before: ANHUI TAOYUN TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant