CN111833398B - 一种图像中的像素点标记方法及装置 - Google Patents
一种图像中的像素点标记方法及装置 Download PDFInfo
- Publication number
- CN111833398B CN111833398B CN201910305678.3A CN201910305678A CN111833398B CN 111833398 B CN111833398 B CN 111833398B CN 201910305678 A CN201910305678 A CN 201910305678A CN 111833398 B CN111833398 B CN 111833398B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- point
- connected domain
- preset range
- marked
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图像中的像素点标记方法及装置,方法包括:如果待标记像素点对应的密度值大于预设阈值,则将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记;为每个待标记像素点分配连通域标记后,如果一个待标记像素点对应多个连通域标记,则将该多个连通域标记合并为同一个连通域标记;合并连通域标记可以减少同一目标被标记为不同连通域的情况,这样,减少了目标被碎片化的情况。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像中的像素点标记方法及装置。
背景技术
一些情况下,在图像中进行目标检测时,由于光照、噪声及图像质量或其他因素影响,检测到的目标会被碎片化。比如,对于人体目标来说,通常由于衣服颜色(比如上装颜色与下装颜色不同)导致同一人体目标被标记为多个连通区域,这样导致该同一人体目标被碎片化。
发明内容
本发明实施例的目的在于提供一种图像中的像素点标记方法及装置,以减少目标被碎片化的情况。
为达到上述目的,本发明实施例提供了一种图像中的像素点标记方法,包括:
针对每个待标记像素点,计算该像素点对应的密度值;其中,该像素点对应的密度值与该像素点所在的第一预设范围中的待标记像素点的数量正相关;
判断该像素点对应的密度值是否大于预设阈值;
如果大于,将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记;
识别对应多个连通域标记的待标记像素点,作为重叠像素点;
将所述重叠像素点对应的多个连通域标记合并为同一个连通域标记。
可选的,所述待标记像素点为前景像素点;前景像素点对应的密度值与该前景像素点所在的第一预设范围中的前景像素点的数量及置信度正相关;所述针对每个待标记像素点,计算该像素点对应的密度值,包括:
利用目标检测算法,检测图像中的前景像素点,并得到每个前景像素点的置信度;
针对每个前景像素点,根据该前景像素点所在的第一预设范围中的前景像素点的数量及置信度,计算该前景像素点对应的密度值。
可选的,所述根据该前景像素点所在的第一预设范围中的前景像素点的数量及置信度,计算该前景像素点对应的密度值,包括:
利用如下算式计算前景像素点对应的密度值:
函数满足:
其中,c(x,y)表示前景像素点(x,y)对应的密度值,R1表示所述第一预设范围的半径,d(i,j)表示前景像素点(i,j)到前景像素点(x,y)的距离,前景像素点(i,j)位于前景像素点(x,y)的第一预设范围内,f(i,j)表示前景像素点(i,j)的置信度。
可选的,所述距离为切比雪夫距离;
采用如下算式,计算得到所述d(i,j):
d(i,j)=max(|x-i|,|y-j|)。
可选的,在判定该像素点对应的密度值不大于预设阈值的情况下,所述方法还包括:
判断该像素点是否属于目标点的第二预设范围,如果不属于,将该像素点确定为噪点,并将所确定的噪点从待标记像素点中剔除。
可选的,所述为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记,包括:
判断该目标点所在的第二预设范围中是否存在已分配连通域标记的像素点;
如果不存在,为该目标点所在的第二预设范围中每个待标记像素点分配新的连通域标记;
如果存在,根据该目标点所在的第二预设范围中已分配的连通域标记,确定该目标点所在的第二预设范围中每个待标记像素点对应的连通域标记。
可选的,在所述将所述重叠像素点对应的多个连通域标记合并为同一个连通域标记之后,还包括:将对应相同连通域标记的待标记像素点确定为同一目标的像素点。
可选的,所述第二预设范围根据所述图像的分辨率设定,所述预设阈值根据所述第二预设范围设定。
可选的,所述第二预设范围为:
R2∈[min(W,H)*0.001,min(W,H)*0.01,],
其中,R2表示所述第二预设范围的半径,W表示所述图像的宽度,H表示所述图像的高度;
所述预设阈值为:(2*R2)2/2。
为达到上述目的,本发明实施例还提供了一种图像中的像素点标记装置,包括:
计算模块,用于针对每个待标记像素点,计算该像素点对应的密度值;其中,该像素点对应的密度值与该像素点所在的第一预设范围中的待标记像素点的数量正相关;
判断模块,用于判断该像素点对应的密度值是否大于预设阈值;如果大于,触发分配模块;
分配模块,用于将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记;
识别模块,用于识别对应多个连通域标记的待标记像素点,作为重叠像素点;
合并模块,用于将所述重叠像素点对应的多个连通域标记合并为同一个连通域标记。
为达到上述目的,本发明实施例还提供了一种电子设备,包括处理器和存储器;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一种图像中的像素点标记方法。
为达到上述目的,本发明实施例还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任一种图像中的像素点标记方法。
本发明实施例中,如果待标记像素点对应的密度值大于预设阈值,则将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记;为每个待标记像素点分配连通域标记后,如果一个待标记像素点对应多个连通域标记,则将该多个连通域标记合并为同一个连通域标记,合并连通域标记可以减少同一目标被标记为不同连通域的情况,这样,减少了目标被碎片化的情况。
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图像中的像素点标记方法的流程示意图;
图2为本发明实施例提供的一种在图像中进行目标检测的示意图;
图3为本发明实施例提供的一种图像中的像素点标记装置的结构示意图;
图4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。
为了解决上述技术问题,本发明实施例提供了一种图像中的像素点标记方法及装置,该方法及装置可以应用于各种电子设备,具体不做限定。下面首先对本发明实施例提供的图像中的像素点标记方法进行详细介绍。
图1为本发明实施例提供的一种图像中的像素点标记方法的流程示意图,包括:
S101:针对每个待标记像素点,计算该像素点对应的密度值;其中,该像素点对应的密度值与该像素点所在的第一预设范围中的待标记像素点的数量正相关。
举例来说,可以应用本方案对图像中的像素点进行标记,为了方便描述,将需要标记的像素点称为待标记像素点。待标记像素点的密度可以理解为:表示该待标记像素点所在的范围(第一预设范围)中的待标记像素点数量的参数。换句话说,假设对于待标记像素点A来说,A所在的第一预设范围中的待标记像素点数量越多,则A的密度越大。第一预设范围可以根据图像的分辨率设定,比如,对于待标记像素点A来说,可以以A为圆心、R1为半径的范围作为第一预设范围,其中:
R1∈[min(W,H)*0.001,min(W,H)*0.01,],
其中,R1表示第一预设范围的半径,W表示图像的宽度,H表示图像的高度。R1的取值越大,越能够减少目标被碎片化的情况,但也可能引入非目标的噪声干扰,可以根据实际需求设定R1的取值范围(也就是设定第一预设范围)。
一种实施方式中,待标记像素点可以为前景像素点。前景像素点是相对于背景像素点而言的,举例来说,前景像素点可以为运动目标的像素点,或者也可以为需要检测的静止目标的像素点,具体不做限定。
可以先获取待检测的图像,该图像可以为视频序列中的图像,或者也可以为单张图像,具体不做限定。然后在该图像中检测前景像素点,比如,可以采用帧差法、或者光流法、或者背景建模法、或者前景分离算法、或者其他目标检测算法,检测图像中的前景像素点,具体不做限定。这里检测前景像素点可以认为是一种粗略的检测。
一种情况下,利用目标检测算法,检测图像中的前景像素点,可以得到每个前景像素点的置信度,置信度也就是像素点为前景像素点的概率。
一种实施方式中,前景像素点对应的密度值与该前景像素点所在的第一预设范围中的前景像素点的数量正相关。或者,另一种实施方式中,前景像素点对应的密度值与该前景像素点所在的第一预设范围中的前景像素点的数量及置信度正相关;这种实施方式中,S101可以包括:利用目标检测算法,检测图像中的前景像素点,并得到每个前景像素点的置信度;针对每个前景像素点,根据该前景像素点所在的第一预设范围中的前景像素点的数量及置信度,计算该前景像素点对应的密度值。
如上所述,一种情况下,检测图像中的前景像素点时,可以得到每个前景像素点的置信度;这样,可以根据该置信度计算前景像素点的密度。
另一种情况下,可以将检测图像中的前景像素点时得到的置信度作为初始置信度,然后计算初始置信度与权重系数的乘积,作为最终的置信度。以前景像素点A为例来说,可以根据A所在的第一预设范围中的前景像素点与A的距离,为该第一预设范围中的各前景像素点的初始置信度赋予不同权重系数,比如,与A的距离越小,前景像素点的权重系数越大。计算置信度的具体方式不做限定。
本实施方式中,对于一个图像区域来说,该区域中前景像素点的置信度越高,则该区域中前景像素点的密度越大,这样可以减少置信度低的像素点对整体方案的影响,提高像素点标记的准确性。
举例来说,可以利用如下算式计算前景像素点对应的密度值:
函数满足:
其中,c(x,y)表示前景像素点(x,y)对的密度值,R1表示所述第一预设范围的半径,d(i,j)表示前景像素点(i,j)到前景像素点(x,y)的距离,前景像素点(i,j)位于前景像素点(x,y)的第一预设范围内,f(i,j)表示前景像素点(i,j)的置信度。
举例来说,可以为截断函数、高斯函数、对数函数等等,具体不做限定。上述d(i,j)可以为欧氏距离或者其他距离;一种情况下,d(i,j)可以为切比雪夫距离;一种情况下,可以采用如下算式,计算得到所述d(i,j):
d(i,j)=max(|x-i|,|y-j|) (式3)。
S102:判断该像素点对应的密度值是否大于预设阈值,如果大于,执行S103。
S103:将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记。
一种实施方式中,如果S102判断结果为否,则可以继续判断该像素点是否属于目标点的第二预设范围,如果不属于,将该像素点确定为噪点,并将所确定的噪点从待标记像素点中剔除。
以待标记像素点为前景像素点为例来说,可以针对每个前景像素点,判断该前景像素点的密度是否大于预设阈值;如果大于,将该前景像素点确定为目标点;如果不大于,判断该前景像素点是否属于目标点的第二预设范围,如果属于,将该前景像素点确定为边界点,如果不属于,将该前景像素点确定为噪点,并将所确定的噪点从前景像素点中剔除。
第二预设范围可以根据图像的分辨率设定,比如,对于前景像素点A来说,可以以A为圆心、R2为半径的范围作为第二预设范围,其中:
R2∈[min(W,H)*0.001,min(W,H)*0.01,],
其中,R2表示第二预设范围的半径,W表示图像的宽度,H表示图像的高度。R2的取值越大,越能够减少目标被碎片化的情况,但也可能引入非目标的噪声干扰,可以根据实际需求设定R2的取值范围(也就是设定第二预设范围)。第二预设范围与第一预设范围可以相同,也可以不同,具体不做限定。一种情况下,第二预设范围的取值大于等于第一预设范围,这样可以减少像素点没有被分配标记的情况。
本实施方式中,可以采用如下算式(式4)对每个前景像素点进行分类处理:
其中,CorePoint表示目标点,BorderPoint表示边界点,NoisePoint表示噪点,噪点不再参与后续处理;(i,j)∈R2(x,y)表示前景像素点(i,j)位于前景像素点(x,y)的第二预设范围内。
minPts表示预设阈值,一种情况下,该预设阈值可以根据第二预设范围设定,比如:minPts=(2*R2)2/2(式5)。
举例来说,可以采用聚类算法对这些待标记像素点进行处理,上述确定出的目标点可以理解为聚类的中心点。作为一种实施方式,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记,可以包括:判断该目标点所在的第二预设范围中是否存在已分配连通域标记的像素点;如果不存在,为该目标点所在的第二预设范围中每个待标记像素点分配新的连通域标记;如果存在,根据该目标点所在的第二预设范围中已分配的连通域标记,确定该目标点所在的第二预设范围中每个待标记像素点对应的连通域标记。
举例来说,如果该目标点所在的第二预设范围中不存在已分配连通域标记的像素点,则可以采用如下算式为该目标点所在的第二预设范围中每个待标记像素点分配新的连通域标记:
l(x,y)=newlabel and l(i,j)=newlabel
其中,l(x,y)表示像素点(x,y)所属的连通域的标记,或者说表示像素点(x,y)对应的连通域标记,l(i,j)表示像素点(i,j)所属的连通域的标记,或者说表示像素点(i,j)对应的连通域标记,newlabel表示所分配的新的连通域标记,R2表示上述第二预设范围的半径。
分配连通域标记的方式不做限定,一种情况下,可以采用顺序递增的方式,比如,第一次分配的连通域标记可以为1,第二次分配的连通域标记可以为2,以此类推,不再赘述。
如果该目标点所在的第二预设范围中存在已分配连通域标记的像素点,或者说存在属于其他连通域的像素点,则可以采用如下算式确定该目标点所在的第二预设范围中每个待标记像素点对应的连通域标记:
l(x,y)=val_min and l(i,j)=val_min
其中,l(x,y)表示像素点(x,y)所属的连通域的标记,或者说表示像素点(x,y)对应的连通域标记,l(i,j)表示像素点(i,j)所属的连通域的标记,或者说表示像素点(i,j)对应的连通域标记,val_min表示目标点所在的第二预设范围中的最小的连通域标记,R2表示上述第二预设范围的半径。
举例来说,假设待标记像素点为前景像素点,对于上述已分配连通域标记的前景像素点来说,可以采用数组的方式记录其对应的多个连通域标记,比如:
relation[vali]=val_min (式8)
其中,relation表示数组名称,vali表示数组中元素的标识,val_min表示数组中元素的值。
举例来说,参考图2,假设图像中存在两个前景目标:目标1和目标2,假设目标1和目标2中的像素点为前景像素点,可以采用遍历扫描的方式,分别对每个前景像素点进行处理,假设采用从左至右、从上至下的逐行扫描方式。图2中表示像素行的虚线仅为了方便说明。
假设扫描第一行像素点的过程中,扫描到第一个目标点时,为该目标点所在第二预设范围内的各前景像素点分配连通域标记label1。扫描第二行像素点的过程中,扫描到第一个目标点时,为该目标点所在第二预设范围内的各前景像素点分配连通域标记label2;但扫描第二行像素点的过程中,第二行中一些像素点的第二预设范围内既存在被分配了label1的前景像素点,又存在被分配了label2的前景像素点,这种情况下,可以认为label1的连通域应该与label2的连通域合并为一个连通域,采用式8记录这些像素点的连通域标记,以表示连通域之间的合并关系:relation[label2]=label1。
类似的,扫描第三行像素点的过程中,扫描到第一个目标点时,为该目标点所在第二预设范围内的各前景像素点分配连通域标记label3;但扫描第三行像素点的过程中,第三行中一些像素点的第二预设范围内既存在被分配了label2的前景像素点,又存在被分配了label3的前景像素点,这种情况下,可以认为label2的连通域应该与label3的连通域合并为一个连通域,采用式8记录这些像素点的连通域标记,以表示连通域之间的合并关系:relation[label3]=label2。
扫描第四行像素点的过程中,扫描到目标2中的第一个目标点时,为该目标点所在第二预设范围内的各前景像素点分配连通域标记label4。继续扫描第四行像素点,扫描到目标1中的第一个目标点时,目标1中的目标点所在的第二预设范围中不存在已分配连通域标记的前景像素点,为该目标点所在第二预设范围内的各前景像素点分配连通域标记label5。但继续扫描第四行像素点的过程中,第四行中一些像素点的第二预设范围内既存在被分配了label3的前景像素点,又存在被分配了label5的前景像素点,这种情况下,可以认为label3的连通域应该与label5的连通域合并为一个连通域,采用式8记录这些像素点的连通域标记,以表示连通域之间的合并关系:relation[label5]=label3。
这样,所记录的数组relation可以如表1所示:
表1
数组中元素的标识 | label1 | label2 | label3 | label4 | label5 |
数组中元素的值 | 0 | label1 | label2 | 0 | label3 |
上述扫描第一行像素点的过程中,为目标点所在第二预设范围内的各前景像素点分配连通域标记label1,并且第一行像素点中不存在已分配连通域的前景像素点,因此也可以认为采用式8记录像素点的连通域标记为:relation[label1]=0,或者,也可以认为未对relation[label1]赋值,relation[label1]的值为初始值0。
类似的,上述扫描第四行像素点的过程中,为目标2的目标点所在第二预设范围内的各前景像素点分配连通域标记label4,并且第四行中目标2的像素点中不存在已分配连通域的前景像素点,因此也可以认为采用式8记录像素点的连通域标记为:relation[label4]=0,或者,也可以认为未对relation[label4]赋值,relation[label4]的值为初始值0。
S104:识别对应多个连通域标记的待标记像素点,作为重叠像素点。
S105:将重叠像素点对应的多个连通域标记合并为同一个连通域标记。
仍以待标记像素点为前景像素点为例来说,S103中分别为每个目标点所在的第二预设范围中每个前景像素点分配了连通域标记,也就得到了多个连通域,这些连通域之间存在重叠,包括相同前景像素点的连通域也就是重叠的连通域,将这些重叠的连通域进行合并。
上述一种情况下采用式8记录连通域标记,这种情况下,可以采用式9对所记录的连通域标记进行合并:
l(x,y)=relation[val],if(l(x,y)=val and relation[val]!=0) (式9)
延续上述例子,假设记录的数组relation如上述表1所示,则值不为0的数组元素均可以认为是重叠像素点,对重叠像素点进行连通域标记合并时,可以迭代查找数组中元素的标识对应的值,直至查找到0为止。比如,对于连通域标记为label5的像素点来说:查找标识label5对应的值为label3,继续查找标识label3对应的值为label2,继续查找标识label2对应的值为label1,继续查找标识label1对应的值为0,查找结束。最后查找到的连通域标记为label1,将所有连通域标记为label5的像素点的连通域标记更新为label1。
类似的,对于连通域标记为label4的像素点来说:查找标识label4对应的值为0,查找结束。连通域标记为label4的像素点的连通域标记不变。
类似的,对于连通域标记为label3的像素点来说:查找标识label3对应的值为label2,继续查找标识label2对应的值为label1,继续查找标识label1对应的值为0,查找结束。最后查找到的连通域标记为label1,将所有连通域标记为label3的像素点的连通域标记更新为label1。
类似的,对于连通域标记为label2的像素点来说:查找标识label2对应的值为label1,继续查找标识label1对应的值为0,查找结束。最后查找到的连通域标记为label1,将所有连通域标记为label2的像素点的连通域标记更新为label1。
类似的,对于连通域标记为label1的像素点来说:查找标识label1对应的值为0,查找结束。连通域标记为label1的像素点的连通域标记不变。
这样,label1、label2、label3和label5的连通域标记全都合并为同一个连通域标记label1。
作为一种实施方式中,在S105之后,可以将对应相同连通域标记的待标记像素点确定为同一目标的像素点。
延续上述例子,label1、label2、label3和label5的连通域标记全都合并为一个连通域标记label1,这样,将连通域标记为label1的像素点确定为同一目标的像素点。另外,将连通域标记为label4的像素点确定为另一个目标的像素点。参考图2,也就是检测出了目标1和目标2。
上述利用数组记录连通域标记的实施方式仅为举例说明,并不对本发明构成限定。还可以利用其他方式记录、合并连通域标记,比如,堆栈的方式、二叉树的方式,不再一一列举。
作为一种实施方式,在S105之后,还可以将所述同一个连通域的质心确定为所述同一目标的质心。应用本实施方式,还可以对检测到的目标进行定位。
由上述方案可见,本发明实施例可以认为是:利用基于密度的带噪声空间聚类算法,将检测到的前景像素点看作是由运动目标构成的高密度区域和由背景构成的低密度区域,然后通过聚类思想识别目标的完整区域。
可见,应用本发明实施例,第一方面,由于合并连通域标记可以减少同一目标被标记为不同连通域的情况,这样,减少了目标被碎片化的情况。第二方面,对于一个图像区域来说,该区域中前景像素点的置信度越高,则该区域中前景像素点的密度越大,这样可以减少置信度低的像素点对整体方案的影响,提高像素点标记的准确性。第三方面,将待标记像素点分为目标点和边界点,在对各目标点进行处理后,也为边界点分配了连通域标记,这样也就不用再单独对各边界点进行处理,简化了处理流程。第四方面,在待标记像素点筛选出噪点,不再对噪点进行后续处理,减少了计算量。
与上述方法实施例相对应,本发明实施例还提供了一种图像中的像素点标记装置,如图3所示,包括:
计算模块301,用于针对每个待标记像素点,计算该像素点对应的密度值;其中,该像素点对应的密度值与该像素点所在的第一预设范围中的待标记像素点的数量正相关;
判断模块302,用于判断该像素点对应的密度值是否大于预设阈值;如果大于,触发分配模块303;
分配模块303,用于将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记;
识别模块304,用于识别对应多个连通域标记的待标记像素点,作为重叠像素点;
合并模块305,用于将所述重叠像素点对应的多个连通域标记合并为同一个连通域标记。
作为一种实施方式,所述待标记像素点为前景像素点;前景像素点对应的密度值与该前景像素点所在的第一预设范围中的前景像素点的数量及置信度正相关;计算模块301,具体用于:利用目标检测算法,检测图像中的前景像素点,并得到每个前景像素点的置信度;针对每个前景像素点,根据该前景像素点所在的第一预设范围中的前景像素点的数量及置信度,计算该前景像素点对应的密度值。
作为一种实施方式,计算模块301,还用于利用如下算式计算前景像素点对应的密度值:
函数满足:
其中,c(x,y)表示前景像素点(x,y)对应的密度值,R1表示所述第一预设范围的半径,d(i,j)表示前景像素点(i,j)到前景像素点(x,y)的距离,前景像素点(i,j)位于前景像素点(x,y)的第一预设范围内,f(i,j)表示前景像素点(i,j)的置信度。
作为一种实施方式,所述距离为切比雪夫距离;
采用如下算式,计算得到所述d(i,j):
d(i,j)=max(|x-i|,|y-j|)。
作为一种实施方式,所述装置还包括:剔除模块(图中未示出),用于在判定该像素点对应的密度值不大于预设阈值的情况下,判断该像素点是否属于目标点的第二预设范围,如果不属于,将该像素点确定为噪点,并将所确定的噪点从待标记像素点中剔除。
作为一种实施方式,分配模块303,具体用于:判断该目标点所在的第二预设范围中是否存在已分配连通域标记的像素点;如果不存在,为该目标点所在的第二预设范围中每个待标记像素点分配新的连通域标记;如果存在,根据该目标点所在的第二预设范围中已分配的连通域标记,确定该目标点所在的第二预设范围中每个待标记像素点对应的连通域标记。
作为一种实施方式,所述装置还包括:确定模块(图中未示出),用于在所述将所述重叠像素点对应的多个连通域标记合并为同一个连通域标记之后,将对应相同连通域标记的待标记像素点确定为同一目标的像素点。
作为一种实施方式,所述第二预设范围根据所述图像的分辨率设定,所述预设阈值根据所述第二预设范围设定。
作为一种实施方式,所述第二预设范围为:
R2∈[min(W,H)*0.001,min(W,H)*0.01,],
其中,R2表示所述第二预设范围的半径,W表示所述图像的宽度,H表示所述图像的高度;
所述预设阈值为:(2*R2)2/2。
本发明实施例中,如果待标记像素点对应的密度值大于预设阈值,则将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记;为每个待标记像素点分配连通域标记后,如果一个待标记像素点对应多个连通域标记,则将该多个连通域标记合并为同一个连通域标记,合并连通域标记可以减少同一目标被标记为不同连通域的情况,这样,减少了目标被碎片化的情况。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器401和存储器402,
存储器402,用于存放计算机程序;
处理器401,用于执行存储器402上所存放的程序时,实现如上述任一种图像中的像素点标记方法。
上述电子设备提到的存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),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,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。
本发明实施例还提供一种计算机可读存储介质,其特征在于,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任一种图像中的像素点标记方法。
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、电子设备实施例、计算机可读存储介质实施例而言,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 (8)
1.一种图像中的像素点标记方法,其特征在于,包括:
针对每个待标记像素点,计算该像素点对应的密度值;其中,该像素点对应的密度值与该像素点所在的第一预设范围中的待标记像素点的数量正相关;
判断该像素点对应的密度值是否大于预设阈值;
如果大于,将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记;
识别对应多个连通域标记的待标记像素点,作为重叠像素点;
将所述重叠像素点对应的多个连通域标记合并为同一个连通域标记;
其中,所述待标记像素点为前景像素点;前景像素点对应的密度值与该前景像素点所在的第一预设范围中的前景像素点的数量及置信度正相关;所述针对每个待标记像素点,计算该像素点对应的密度值,包括:
利用目标检测算法,检测图像中的前景像素点,并得到每个前景像素点的置信度;
针对每个前景像素点,根据该前景像素点所在的第一预设范围中的前景像素点的数量及置信度,利用如下算式计算前景像素点对应的密度值:
函数满足:
其中,c(x,y)表示前景像素点(x,y)对应的密度值,R1表示所述第一预设范围的半径,d(i,j)表示前景像素点(i,j)到前景像素点(x,y)的距离,前景像素点(i,j)位于前景像素点(x,y)的第一预设范围内,f(i,j)表示前景像素点(i,j)的置信度。
2.根据权利要求1所述的方法,其特征在于,所述距离为切比雪夫距离;
采用如下算式,计算得到所述d(i,j):
d(i,j)=max(|x-i|,|y-j|)。
3.根据权利要求1所述的方法,其特征在于,在判定该像素点对应的密度值不大于预设阈值的情况下,所述方法还包括:
判断该像素点是否属于目标点的第二预设范围,如果不属于,将该像素点确定为噪点,并将所确定的噪点从待标记像素点中剔除。
4.根据权利要求1所述的方法,其特征在于,所述为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记,包括:
判断该目标点所在的第二预设范围中是否存在已分配连通域标记的像素点;
如果不存在,为该目标点所在的第二预设范围中每个待标记像素点分配新的连通域标记;
如果存在,根据该目标点所在的第二预设范围中已分配的连通域标记,确定该目标点所在的第二预设范围中每个待标记像素点对应的连通域标记。
5.根据权利要求1所述的方法,其特征在于,在所述将所述重叠像素点对应的多个连通域标记合并为同一个连通域标记之后,还包括:
将对应相同连通域标记的待标记像素点确定为同一目标的像素点。
6.根据权利要求1所述的方法,其特征在于,所述第二预设范围根据所述图像的分辨率设定,所述预设阈值根据所述第二预设范围设定。
7.根据权利要求6所述的方法,其特征在于,所述第二预设范围为:
R2∈[min(W,H)*0.001,min(W,H)*0.01,],
其中,R2表示所述第二预设范围的半径,W表示所述图像的宽度,H表示所述图像的高度;
所述预设阈值为:(2*R2)2/2。
8.一种图像中的像素点标记装置,其特征在于,包括:
计算模块,用于针对每个待标记像素点,计算该像素点对应的密度值;其中,该像素点对应的密度值与该像素点所在的第一预设范围中的待标记像素点的数量正相关;
判断模块,用于判断该像素点对应的密度值是否大于预设阈值;如果大于,触发分配模块;
分配模块,用于将该像素点确定为目标点,为该目标点所在的第二预设范围中每个待标记像素点分配连通域标记;
识别模块,用于识别对应多个连通域标记的待标记像素点,作为重叠像素点;
合并模块,用于将所述重叠像素点对应的多个连通域标记合并为同一个连通域标记;
其中,所述待标记像素点为前景像素点;前景像素点对应的密度值与该前景像素点所在的第一预设范围中的前景像素点的数量及置信度正相关;
所述计算模块,具体用于利用目标检测算法,检测图像中的前景像素点,并得到每个前景像素点的置信度;针对每个前景像素点,根据该前景像素点所在的第一预设范围中的前景像素点的数量及置信度,利用如下算式计算前景像素点对应的密度值:
函数满足:
其中,c(x,y)表示前景像素点(x,y)对应的密度值,R1表示所述第一预设范围的半径,d(i,j)表示前景像素点(i,j)到前景像素点(x,y)的距离,前景像素点(i,j)位于前景像素点(x,y)的第一预设范围内,f(i,j)表示前景像素点(i,j)的置信度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910305678.3A CN111833398B (zh) | 2019-04-16 | 2019-04-16 | 一种图像中的像素点标记方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910305678.3A CN111833398B (zh) | 2019-04-16 | 2019-04-16 | 一种图像中的像素点标记方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111833398A CN111833398A (zh) | 2020-10-27 |
CN111833398B true CN111833398B (zh) | 2023-09-08 |
Family
ID=72914406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910305678.3A Active CN111833398B (zh) | 2019-04-16 | 2019-04-16 | 一种图像中的像素点标记方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833398B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102316352A (zh) * | 2011-08-08 | 2012-01-11 | 清华大学 | 一种基于区域连通图的立体视频深度图的制作方法和装置 |
CN102999921A (zh) * | 2012-11-09 | 2013-03-27 | 山东大学 | 基于方向性跟踪窗口的像素标号传播方法 |
CN103400125A (zh) * | 2013-07-08 | 2013-11-20 | 西安交通大学 | 一种图像连通域双次扫描双重标记方法 |
CN103679168A (zh) * | 2012-08-30 | 2014-03-26 | 北京百度网讯科技有限公司 | 文字区域检测方法及装置 |
CN105869122A (zh) * | 2015-11-24 | 2016-08-17 | 乐视致新电子科技(天津)有限公司 | 图像处理方法和装置 |
CN106203336A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记的矿井巷道灯识别方法 |
CN107330465A (zh) * | 2017-06-30 | 2017-11-07 | 清华大学深圳研究生院 | 一种图像目标识别方法及装置 |
CN107450840A (zh) * | 2017-08-04 | 2017-12-08 | 歌尔科技有限公司 | 手指触控连通域的确定方法、装置及电子设备 |
CN107833238A (zh) * | 2017-11-14 | 2018-03-23 | 京东方科技集团股份有限公司 | 最大连通域标记方法、目标跟踪方法、增强现实/虚拟现实装置 |
CN107993246A (zh) * | 2018-01-19 | 2018-05-04 | 歌尔科技有限公司 | 图像处理设备及连通域标记方法、***、装置、存储介质 |
CN108345888A (zh) * | 2018-02-11 | 2018-07-31 | 浙江华睿科技有限公司 | 一种连通域提取方法及装置 |
CN109146908A (zh) * | 2018-07-25 | 2019-01-04 | 安徽师范大学 | 一种二值图像流快速连通域标记算法 |
CN109272016A (zh) * | 2018-08-08 | 2019-01-25 | 广州视源电子科技股份有限公司 | 目标检测方法、装置、终端设备和计算机可读存储介质 |
CN109389126A (zh) * | 2017-08-10 | 2019-02-26 | 杭州海康威视数字技术股份有限公司 | 一种基于颜色的区域检测方法、装置及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9691138B2 (en) * | 2013-08-30 | 2017-06-27 | Google Inc. | System and method for adjusting pixel saturation |
JP6549797B2 (ja) * | 2016-12-27 | 2019-07-24 | シェンチェン ユニバーシティー | 通行人の頭部識別方法及びシステム |
-
2019
- 2019-04-16 CN CN201910305678.3A patent/CN111833398B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102316352A (zh) * | 2011-08-08 | 2012-01-11 | 清华大学 | 一种基于区域连通图的立体视频深度图的制作方法和装置 |
CN103679168A (zh) * | 2012-08-30 | 2014-03-26 | 北京百度网讯科技有限公司 | 文字区域检测方法及装置 |
CN102999921A (zh) * | 2012-11-09 | 2013-03-27 | 山东大学 | 基于方向性跟踪窗口的像素标号传播方法 |
CN103400125A (zh) * | 2013-07-08 | 2013-11-20 | 西安交通大学 | 一种图像连通域双次扫描双重标记方法 |
CN105869122A (zh) * | 2015-11-24 | 2016-08-17 | 乐视致新电子科技(天津)有限公司 | 图像处理方法和装置 |
WO2017088462A1 (zh) * | 2015-11-24 | 2017-06-01 | 乐视控股(北京)有限公司 | 图像处理方法和装置 |
CN106203336A (zh) * | 2016-07-11 | 2016-12-07 | 陕西科技大学 | 一种基于灰度图像标记的矿井巷道灯识别方法 |
WO2019000653A1 (zh) * | 2017-06-30 | 2019-01-03 | 清华大学深圳研究生院 | 一种图像目标识别方法及装置 |
CN107330465A (zh) * | 2017-06-30 | 2017-11-07 | 清华大学深圳研究生院 | 一种图像目标识别方法及装置 |
CN107450840A (zh) * | 2017-08-04 | 2017-12-08 | 歌尔科技有限公司 | 手指触控连通域的确定方法、装置及电子设备 |
CN109389126A (zh) * | 2017-08-10 | 2019-02-26 | 杭州海康威视数字技术股份有限公司 | 一种基于颜色的区域检测方法、装置及电子设备 |
CN107833238A (zh) * | 2017-11-14 | 2018-03-23 | 京东方科技集团股份有限公司 | 最大连通域标记方法、目标跟踪方法、增强现实/虚拟现实装置 |
CN107993246A (zh) * | 2018-01-19 | 2018-05-04 | 歌尔科技有限公司 | 图像处理设备及连通域标记方法、***、装置、存储介质 |
CN108345888A (zh) * | 2018-02-11 | 2018-07-31 | 浙江华睿科技有限公司 | 一种连通域提取方法及装置 |
CN109146908A (zh) * | 2018-07-25 | 2019-01-04 | 安徽师范大学 | 一种二值图像流快速连通域标记算法 |
CN109272016A (zh) * | 2018-08-08 | 2019-01-25 | 广州视源电子科技股份有限公司 | 目标检测方法、装置、终端设备和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于等价对的图像连通域标记算法;左敏;曾广平;涂序彦;古世东;;计算机仿真(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111833398A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Raut et al. | Image segmentation–a state-of-art survey for prediction | |
JP4253335B2 (ja) | カーネル関数値を用いた、画像の平均値シフトによるフィルタリングとクラスタリングの方法及び装置 | |
CN105447490B (zh) | 基于梯度回归树的车辆关键点检测方法及装置 | |
CN114067109B (zh) | 谷物检测方法及检测设备、存储介质 | |
CN107194393B (zh) | 一种检测临时车牌的方法及装置 | |
CN109657664B (zh) | 一种车牌类型的识别方法、装置及电子设备 | |
CN112001406B (zh) | 一种文本区域检测方法及装置 | |
CN104537376B (zh) | 一种识别台标的方法及相关设备、*** | |
WO2012074361A1 (en) | Method of image segmentation using intensity and depth information | |
CN114529837A (zh) | 建筑物轮廓提取方法、***、计算机设备及存储介质 | |
CN112651274B (zh) | 路上障碍物检测装置、路上障碍物检测方法及记录介质 | |
JP2016099835A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP6338429B2 (ja) | 被写体検出装置、被写体検出方法及びプログラム | |
CN112907667A (zh) | 一种视觉激光融合的托盘位姿估计方法、***及装置 | |
CN103839248B (zh) | 图像分割方法和装置 | |
CN111833398B (zh) | 一种图像中的像素点标记方法及装置 | |
Al-Furaiji et al. | A new fast efficient non-maximum suppression algorithm based on image segmentation | |
CN111047614A (zh) | 一种基于特征提取的复杂场景图像的目标角点提取方法 | |
Jin et al. | A color image segmentation method based on improved K-means clustering algorithm | |
CN111127480A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN110728276A (zh) | 一种车牌识别方法及装置 | |
US11113820B2 (en) | Method of line detection | |
CN110059572B (zh) | 基于单字匹配的文档图像中文关键词检测方法、*** | |
JP6580201B2 (ja) | 被写体検出装置、被写体検出方法及びプログラム | |
Mohammed Al-Furaiji et al. | A New Approach of Finding Local Extrema in Grayscale Images based on Space-Oriented Masks. |
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 |