CN111986277A - 基于灰度值的图像局部比对方法、装置、设备和介质 - Google Patents
基于灰度值的图像局部比对方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111986277A CN111986277A CN202010886190.7A CN202010886190A CN111986277A CN 111986277 A CN111986277 A CN 111986277A CN 202010886190 A CN202010886190 A CN 202010886190A CN 111986277 A CN111986277 A CN 111986277A
- Authority
- CN
- China
- Prior art keywords
- gray value
- value
- gray
- same
- image
- 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 45
- 238000012545 processing Methods 0.000 claims abstract description 68
- 230000015654 memory Effects 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000011022 operating instruction Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 108010068977 Golgi membrane glycoproteins Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种基于灰度值的图像局部比对方法、装置、设备和介质,通过将获取的原始图像进行高斯模糊处理、及灰度值处理;令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像;对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域;针对各连通域分别构建最小矩形框;对各最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。本申请便于存储和比对,大大节省了对比处理速度和存储所需内存,更提升了图像局部的比对精准度和效率。
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灰度值的图像局部比对方法、装置、设备和介质。
背景技术
当前越来越多的场景中需要图片的对比,如常见的针对盗用或抄袭图案的鉴定。随着图片或图案的抄袭越来越隐蔽,往往还需要对图片中的图案的颜色、形状等进行局部的比对。
而传统的图片比对过程,需要将待比对图像与数据库中的图片进行逐一比对,如常见的利用图片提取出的特征向量进行比对,但是一个图片中所包含的特征向量或像素内存也非常多,这就造成需比对的速度非常多,比对速度非常缓慢,另外,图片数据库中存储图片的数据占用也非常庞大,而且对于局部或细微的抄袭图案往往不能发现。
发明内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种基于灰度值的图像局部比对方法、装置、设备和介质,以解决现有技术中存在的至少一个问题。
为实现上述目的及其他相关目的,本申请提供一种基于灰度值的图像局部比对方法,所述方法包括:将获取的原始图像进行高斯模糊处理、及灰度值处理;令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像;对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域;依据筛选条件选取一或多个包含独立完整图案的连通域,并针对各所述连通域分别构建用于覆盖全部所述独立完整图案的最小矩形框;对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。
于本申请的一实施例中,所述令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像,包括:令每个像素点的灰度值由范围0-255×255等比例缩小至范围0-N;针对缩小后的灰度值,将非整数的灰度值四舍五入为整数灰度值;按0-N中属于相同整数的灰度值分别选取对应的像素点,以得到N+1个仅包含相同整数灰度值的像素点的同阶灰度值图像。
于本申请的一实施例中,所述对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域,包括:令各所述同阶灰度值图像中属于被选取的相同整数的灰度值为1,令不属于被选取的相同整数的灰度值为0,以使各所述同阶灰度值图像的灰度值仅为0或1;分别将灰度值为0的像素点组合以构成一或多个连通域;和/或,将灰度值为1的像素点组合以构成一或多个连通域。
于本申请的一实施例中,所述筛选条件包括以下任意一种或多种组合:1)所述连通域中的像素点个数大于121;2)所述连通域面积至多占整个所述同阶灰度值图像的三分之一;3)所述连通域中最长的长度与最长的宽度的比例0.2至5之间。
于本申请的一实施例中,所述对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,包括:将所述最小矩形框按n×n宫格平均分割为n×n个小块;计算各小块内所有像素点的灰度值总和;将所有小块中非0的灰度值总和求平均值,并令各非0小块的灰度值总和与所述平均值进行对比;若小于所述平均值,则将非0小块所对应的值记为0;若大于等于所述平均值,则将非0小块的所对应的值记为1;按照由所述最小矩形框的中心位置逐步向外圈扩散的方式,依次统计中心位置的小块所对应的值、及由内向外各层外圈上各小块所对应的值,以得到对应一同阶灰度值图像的二值整数串。
于本申请的一实施例中,所述二值整数串的书写格式包括:分别对应所述中心位置、及由内向外的各层外圈所统计的二值整数串的区段,对应由内向外的顺序,依次从高位向低位排列各二值整数串的区段;所述高位向低位对应为从右向左或从左向右;和/或,各层外圈中由左上角的小块所对应的值为起始,按顺时针方向依次统计外圈上各小块所对应的值,并按从低位向高位的排列顺序书写。
于本申请的一实施例中,所述在图像数据库中通过二值整数串的比对判断是否存在局部相似的图像,包括:针对所述二值整数串设置比对线,以令所述二值整数串中在所述比对线右边或左边的二值整数串的高位区段与图像数据库中各整数对应的二值整数区段的数值进行比对;其中,所述比对线可根据比对情况或场景需求进行调节,以供调整比对精确度;若二值整数串的高位区段的比对相同,则判定对应的二值整数串相近;若m个对应同阶灰度值图像的二值整数串的比对分别相近,则判定所述图像数据库中存在与所述原始图像为局部相似的图像。
为实现上述目的及其他相关目的,本申请提供一种基于灰度值的图像局部比对装置,所述装置包括:第一处理模块,用于将获取的原始图像进行高斯模糊处理、及灰度值处理;令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像;第二处理模块,用于对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域;依据筛选条件选取一或多个包含独立完整图案的连通域,并针对各所述连通域分别构建用于覆盖全部所述独立完整图案的最小矩形框;对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。
为实现上述目的及其他相关目的,本申请提供一种计算机设备,所述设备包括:存储器、及处理器;所述存储器用于存储计算机指令;所述处理器运行计算机指令实现如上所述的方法。
为实现上述目的及其他相关目的,本申请提供一种计算机可读存储介质,存储有计算机指令,所述计算机指令被运行时执行如上所述的方法。
综上所述,本申请提供的一种基于灰度值的图像局部比对方法、装置、设备和介质,通过将获取的原始图像进行高斯模糊处理、及灰度值处理;令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像;对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域;依据筛选条件选取一或多个包含独立完整图案的连通域,并针对各所述连通域分别构建用于覆盖全部所述独立完整图案的最小矩形框;对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。
具有以下有益效果:
本申请基于灰度值将图像特征二值化,并通过连通域的分割,将图像局部细节的特征转换为二值数值串,便于存储和比对,大大节省了对比处理速度和存储所需内存,更提升了图像局部的比对精准度和效率。
附图说明
图1显示为本申请于一实施例中基于灰度值的图像局部比对方法的流程示意图。
图2A-2C显示为本申请于一实施例中对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串的场景示意图。
图3显示为本申请于一实施例中基于灰度值的图像局部比对装置的模块示意图。
图4显示为本申请于一实施例中计算机设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,虽然图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,但其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在通篇说明书中,当说某部分与另一部分“连接”时,这不仅包括“直接连接”的情形,也包括在其中间把其它元件置于其间而“间接连接”的情形。另外,当说某种部分“包括”某种构成要素时,只要没有特别相反的记载,则并非将其它构成要素,排除在外,而是意味着可以还包括其它构成要素。
其中提到的第一、第二及第三等术语是为了说明多样的部分、成分、区域、层及/或段而使用的,但并非限定于此。这些术语只用于把某部分、成分、区域、层或段区别于其它部分、成分、区域、层或段。因此,以下叙述的第一部分、成分、区域、层或段在不超出本申请范围的范围内,可以言及到第二部分、成分、区域、层或段。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
传统的图片比对过程,需要将待比对图像与数据库中的图片进行逐一比对,如常见的利用图片提取出的特征向量进行比对,但是一个图片中所包含的特征向量或像素内存也非常多,这就造成需比对的速度非常多,比对速度非常缓慢,而且对于局部或细微的抄袭图案往往不能发现;另外,图片数据库中存储图片的数据占用也非常庞大。
为解决上述问题,本申请提出一种基于灰度值的图像局部比对方法、装置、设备和介质,将图片的特征值转化为整数形式,以便于存储和比对,大大节省了对比速度和存储所需内存。
如图1所示,展示为本申请于一实施例中的基于灰度值的图像局部比对方法的流程示意图。如图所示,所述方法包括:
步骤S101:将获取的原始图像进行高斯模糊处理、及灰度值处理。
于本实施例中,对获取的原始图像进行高斯模糊处理主要用于去噪。
所述高斯模糊(Gaussian Blur),也叫高斯平滑,是在Adobe Photoshop、GIMP以及Paint.NET等图像处理软件中广泛使用的处理效果,通常用它来减少图像噪声以及降低细节层次。高斯平滑也用于计算机视觉算法中的预先处理阶段,以增强图像在不同比例大小下的图像效果(参见尺度空间表示以及尺度空间实现)。从数学的角度来看,图像的高斯模糊过程就是图像与正态分布做卷积。由于正态分布又叫作高斯分布,所以这项技术就叫作高斯模糊。
优选地,本步骤还包括:将所述原始图像的RGBA四通道删减为RGB三通道。
通常一张原始图像均具有RGBA四个通道,它们分别代表Red(红色)Green(绿色)Blue(蓝色)和Alpha的色彩空间,但是它其实仅仅是RGB模型的附加了额外的信息。采用的颜色通常是RGB,而Alpha通道一般用作不透明度参数,因此,本申请将在图像比对过程中产生影响较小或不产生影响的Alpha通道去掉,以减少通道数,从而减少比对用到的数据。
于本实施例中,本步骤中的灰度值处理主要是将每个像素点的RGB三通道像素转换为灰度值,如由某一像素点像素坐标(x,y,rgb)转换为灰度值坐标(x,y,g)。
步骤S102:令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像。
于本申请一实施例中,
A、令每个像素点的灰度值由范围0-255×255等比例缩小至范围0-N。
举例来说,通常将像素点RGB三个颜色通道转换为灰度值至后,灰度值范围在(0-255×255)内。假设N取15,这里设置一系数G,G=255×255÷15=4335。因此,可通过将原始图像中每个像素点的灰度值除以系数G,以使每个像素点的灰度值等比例缩小至0-15的范围内。
B、针对缩小后的灰度值,将非整数的灰度值四舍五入为整数灰度值。
承上举例来说,每个像素点的灰度值除以系数G后,得到的灰度值或为带小数的非整数或为整数,故本申请通过采用四舍五入的方式,将非整数统一转为整数。
C、按0-N中属于相同整数的灰度值分别选取对应的像素点,以得到N+1个仅包含相同整数灰度值的像素点的同阶灰度值图像。
举例来说,将灰度值调整后为0的像素点选取出来,对应其他未被选取的像素点设为空,则可得到一个灰度值仅包含0的同阶灰度值图像,以此类推,假设N取15,则可得到16个这样的同阶灰度值图像。但须知的是,这里的N并非仅限于15,N也可以取10以下,100以下的数。例如,当原始图像的像素尺寸不大时,可以取1位数,当原始图像的像素尺寸非常大时,也可取100以下的任意两位数。
再举例来说,假设原始图像为一幅人脸图像,划分为多个对应不同整数灰度值的同阶灰度值图像所呈现的情况可能为:一个同阶灰度值图像中的像素点呈现为脸部轮廓、另一个同阶灰度值图像中的像素点呈现为眼部、还有一个同阶灰度值图像中的像素点呈现为头发等,即通过灰度值将原始图像分层,将每个同阶灰度值图像则构成不同角度的子图,从而大大细化图像局部特征,对于存在盗用或抄袭细小图像元素的情况,也能够得到很好的比对效果。
步骤S103:对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域。
该步骤具体包括:
A、令各所述同阶灰度值图像中属于被选取的相同整数的灰度值为1,令不属于被选取的相同整数的灰度值为0,以使各所述同阶灰度值图像的灰度值仅为0或1;
B、分别将灰度值为0的像素点组合以及将灰度值为1的像素点组合,以构成一或多个连通域。
承上举例的同阶灰度值图像,假设其仅包含的相同整数的灰度值的为N,则可通过下面公式进行二值化处理,以使得图像中全部像素点的值为1或0。
其中,g'表示等比例缩小后的灰度值。
在所述同阶灰度值图像的灰度值变为仅为0或1后,可将灰度值为0的像素点连接,以及将灰度值为1的像素点连接,从而得到一或多个包含独立完整图案的连通域。
需要说明的是,本步骤通过相同灰度值构成的连通域,实际上是将任意一个可描述的具有意义的细小图案或完整图案都显示凸显出来,因此,每个连通域理论都具有一定的比对价值。
通常来说,一个同阶灰度值图像可得到几十个甚至几百个包含独立完整图案的连通域,而每个连通域可表示为有价值的子图。
步骤S104:依据筛选条件选取一或多个包含独立完整图案的连通域,并针对各所述连通域分别构建用于覆盖全部所述独立完整图案的最小矩形框。
需要说明的是,在所述同阶灰度值图像得到的一或多个连通域的图案,或大或小,或高矮胖瘦,或趋于饱满,形状各种各样。所以,并非任意一个连通域满足本申请所述方法后续计算的要求。因此,本申请通过预设筛选条件来挑选合适的包含独立完整图案的连通域。
于本申请一实施例中,所述筛选条件包括以下任意一种或多种组合:
1)所述连通域中的像素点个数大于121。优先地,长和宽最好大于11。
需要说明的是,这里需要像素点个数大于121的目的在于,在步骤S105中,需要通过n×n的宫格来划分所述同阶灰度值图像,而本申请中,11×11是比较优选的分割宫格,因此,这里希望连通域的像素点个数不小于121个。另外,原始图像的尺寸本申请并未进行缩放,因此原始图像的尺寸理论上是比较大的,而这里将连通域的像素点个数限制在121个,也实际上限制了所筛选出的独立完整图案的最小尺寸。因为,在实际操作中,过小的像素点个数所包含具有价值的图像元素较少,而且还会增加比对数量,延长处理时间。
2)所述连通域面积至多占整个所述同阶灰度值图像的三分之一。
本条筛选条件的目的是尽量将图像局部更细节化,以提高对复杂图像寻找相似元素的精准度。而且过大的区域大概率是背景,不适合本申请找局部相似图案。优选地,将整张图片降到11x11尺寸后再做P哈希(Phash)运算,更容易找到整体相似。但比对区域过大,对找到不相同的图片,反而造成干扰。
3)所述连通域中最长的长度与最长的宽度的比例0.2至5之间。
需说明的是,这里所述的最长的长度与最长的宽度的比例即为对应连通域的长宽比,因为后续需要构建覆盖连通域的矩形框,因此,所述连通域的形状越饱和越好,如呈圆形或趋近于方形。因此,本申请中希望所述连通域的长宽比限制在0.2至5之间,即长不大于宽的5倍,或小于宽的1/5。
步骤S105:对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。
于本申请一实施例中,所述对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,包括:
A、将所述最小矩形框按n×n宫格平均分割为n×n个小块。
优选地,所述n优选为单数,如1、3、5、7、9、11、13等等。其原因在于,n为单数构成的n×n宫格,可使分割出的小块形成由中心向外扩展的一层层的外圈。例如,5×5宫格分割出25个小块,其可形成一中心位置小块,以及一个临近中心位置的内圈,和一个最外层的外圈。
需要说明的是,在实际运行操作中,最小矩形框按n×n宫格优选为不低于11×11。在本申请中采用低于11×11的宫格仅用于举例说明,这里也对应连通域筛选条件中的,所述连通域中的像素点个数大于121。优先地,长和宽最好大于11。
B、计算各小块内所有像素点的灰度值总和。
由于原始图像的尺寸并没有限制,所以由对应的各同阶灰度值图像上得到连通域的尺寸也并不小,因此,虽然分割成了一个个小块,但每个小块可能包含多个像素点,而该小块内的各个像素点可能为1或为0,因此,统计各小块内所有像素点的灰度值总和,就是将各像素点对应的0或1的值相加。
如图2A所示,假设最小矩形框按5×5格平均分割为25块,其中,图中一连通域内的小块的灰度值总和为2,该小块内对应有2×2个像素点,分别为0、1、0、1,因此,该小块的灰度值总和为2。
需要说明的是,虽然图2A中显示的连通域的边线仅占灰度值总和为2的小块的一半,但须知的是,连通域构建时,是在各同阶灰度值图像进行二值化处理后,将灰度值为1的像素点进行连接,因此,若将连通域放大至能够显示每个像素点大小时,所述连通域的边线均是由像素点单元构成,因此实际上所述连通域不会出现仅占像素点一半的情况,而是将整个像素点作为边线的组成部分,而图2A只是将尺寸显示到小块的大小,所以呈现出占据小块一半的情况。
C、将所有小块中非0的灰度值总和求平均值,并令各非0小块的灰度值总和与所述平均值进行对比。
统计小块内所有像素点的灰度值总和,若一小块内所有像素点的灰度值为0,那么该灰度值总和也为0,例如,所述矩形框中远离连通域的边线的区域,便经常会出现灰度值总和为0的情况。然后计算这些非0小块的灰度值总和的平均值,再将灰度值总和非0的值与求得的平均值进行比较。
D、若小于所述平均值,则将非0小块所对应的值记为0;若大于等于所述平均值,则将非0小块的所对应的值记为1;
举例来说,如图2B所示,图中显示为3×3的矩形块,各小块的灰度值总和如图所示,其中,灰度值总和为非0的小块有7个,而这7个小块的灰度值总和的总数为14,求得平均数为2。然后将这7个小块的灰度值总和与2相比,小于2的小块所对应的值记为0,大于等于2的小块所对应的值记为1。
E、按照由所述最小矩形框的中心位置逐步向外圈扩散的方式,依次统计中心位置的小块所对应的值、及由内向外各层外圈上各小块所对应的值,以得到对应一同阶灰度值图像的二值整数串。
需说明的是,对应本实施例,这里的步骤A-E则近似于本领域中的P哈希算法。
于本申请一实施例中,所述二值整数串的书写格式包括:
1)分别对应所述中心位置、及由内向外的各层外圈所统计的二值整数串的区段,对应由内向外的顺序,依次从高位向低位排列各二值整数串的区段;所述高位向低位对应为从右向左或从左向右;
和/或,
2)各层外圈中由左上角的小块所对应的值为起始,按顺时针方向依次统计外圈上各小块所对应的值,并按从低位向高位的排列顺序书写。
于本实施例中,越靠近中心点的值,其对应的权重越高,放置在高位。所述高位向低位可对应为从右向左或从左向右。
举例来说,如图2C所示,所述中心位置所统计的二值整数为1,设其对应的区段为A;与中心位置相邻的外圈所统计的二值整数则为00100101,设其对应的区段为B;最外层的外圈所统计的二值整数则为01110011011101110,设其对应的区段为C。假设,高位向低位可对应为从右向左,则对应图2C所示的经步骤A-E处理后,所得到对应一同阶灰度值图像的二值整数串为:
01110011011101110/00100101/1;
其中,“/”仅用于区分不同区段,并不属于二值整数串中的数值或字符。
于本申请一实施例中,所述在图像数据库中通过二值整数串的比对判断是否存在局部相似的图像,包括:
A、针对所述二值整数串设置比对线,以令所述二值整数串中在所述比对线右边或左边的二值整数串的高位区段与图像数据库中各整数对应的二值整数区段的数值进行比对;其中,所述比对线可根据比对情况或场景需求进行调节,以供调整比对精确度;
需说明的是,如上所举例的二值整数串的书写格式,其中不难看出,高位的值对应同阶灰度值图像的中心位置,二值整数串越靠低位的值则越对应同阶灰度值图像的边缘位置。因此,对中心位置对应的值进行比对,意义更高,准确度也相应更高。
B、若二值整数串的高位区段的比对相同,则判定对应的二值整数串相近。
C、若m个对应同阶灰度值图像的二值整数串的比对分别相近,则判定所述图像数据库中存在与所述原始图像为局部相似的图像。
需说明的是,这里二值整数串的高位区段的比对可以存在相同或不同,但相同的二值整数区段,其对应的整个二值整数串则很难相同,因此只能判定相近。但是又由于图案中有价值的更多的集中在中心位置,因此,达到二值整数串的高位区段的比对相同,便可判断出比对的两者的二值整数串相近。基于此,若m个对应同阶灰度值图像的二值整数串的高位区段的比对相同,则可以判定所述图像数据库中存在与所述原始图像为局部相似的图像。在一些可实现的实施例中,所述m为3或4个,便可准确判断出所述图像数据库中存在与所述原始图像为局部相似的图像。
通常来说,本申请目的是实现同阶灰度值图像按照连通域切图,将一张图片切图上百张有价值的子图,每个子图转化成一个Hash整数,将子图查找转化为数据库整数范围对比。对应一个同阶灰度值图像便可形成几十几百个二值整数串,对一个原始图像便有成百上千个个二值整数串,因此,在图像局部的比对上,细化的更为精细。
综上所述,本申请提出的一种基于灰度值的图像局部比对方法、装置、设备和介质,基于灰度值将图像特征二值化,并通过连通域的分割,将图像局部细节的特征转换为二值数值串,便于存储和比对,大大节省了对比处理速度和存储所需内存,更提升了图像局部的比对精准度和效率。
如图3所示,展示为本申请于一实施例中的基于灰度值的图像局部比对装置的模块示意图。如图所示,所述装置300包括:
第一处理模块301,用于将获取的原始图像进行高斯模糊处理、及灰度值处理;令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像;
第二处理模块302,用于对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域;依据筛选条件选取一或多个包含独立完整图案的连通域,并针对各所述连通域分别构建用于覆盖全部所述独立完整图案的最小矩形框;对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。
需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请所述方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参见本申请前述所示的方法实施例中的叙述,此处不再赘述。
还需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些单元可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,第二处理模块302可以为单独设立的处理元件,也可以集成在上述***的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述***的存储器中,由上述装置的某一个处理元件调用并执行以上第二处理模块302的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital signal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
如图4所示,展示为本申请于一实施例中的计算机设备的结构示意图。如图所示,所述计算机设备400包括:存储器401、及处理器402;所述存储器401用于存储计算机指令;所述处理器402运行计算机指令实现如图1所述的方法。
在一些实施例中,所述计算机设备400中的所述存储器401的数量均可以是一或多个,所述处理器402的数量均可以是一或多个,而图4中均以一个为例。
于本申请一实施例中,所述计算机设备400中的处理器402会按照如图1所述的步骤,将一个或多个以应用程序的进程对应的指令加载到存储器401中,并由处理器402来运行存储在存储器401中的应用程序,从而实现如图1所述的方法。
所述存储器401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。所述存储器401存储有操作***和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。操作***可包括各种***程序,用于实现各种基础业务以及处理基于硬件的任务。
所述处理器402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。
在一些具体的应用中,所述计算机设备400的各个组件通过总线***耦合在一起,其中总线***除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清除说明起见,在图4中将各种总线都成为总线***。
于本申请的一实施例中,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如图1所述的方法。
在任何可能的技术细节结合层面,本申请可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本申请的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本申请操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本申请的各个方面。
综上所述,本申请提供的一种基于灰度值的图像局部比对方法、装置、设备和介质,通过将获取的原始图像进行高斯模糊处理、及灰度值处理;令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像;对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域;依据筛选条件选取一或多个包含独立完整图案的连通域,并针对各所述连通域分别构建用于覆盖全部所述独立完整图案的最小矩形框;对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。
本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中包含通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种基于灰度值的图像局部比对方法,其特征在于,所述方法包括:
将获取的原始图像进行高斯模糊处理、及灰度值处理;
令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像;
对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域;
依据筛选条件选取一或多个包含独立完整图案的连通域,并针对各所述连通域分别构建用于覆盖全部所述独立完整图案的最小矩形框;
对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。
2.根据权利要求1所述的方法,其特征在于,所述令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像,包括:
令每个像素点的灰度值由范围0-255×255等比例缩小至范围0-N;
针对缩小后的灰度值,将非整数的灰度值四舍五入为整数灰度值;
按0-N中属于相同整数的灰度值分别选取对应的像素点,以得到N+1个仅包含相同整数灰度值的像素点的同阶灰度值图像。
3.根据权利要求2所述的方法,其特征在于,所述对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域,包括:
令各所述同阶灰度值图像中属于被选取的相同整数的灰度值为1,令不属于被选取的相同整数的灰度值为0,以使各所述同阶灰度值图像的灰度值仅为0或1;
分别将灰度值为0的像素点组合以构成一或多个连通域;和/或,将灰度值为1的像素点组合以构成一或多个连通域。
4.根据权利要求1所述的方法,其特征在于,所述筛选条件包括以下任意一种或多种组合:
1)所述连通域中的像素点个数大于121;
2)所述连通域面积至多占整个所述同阶灰度值图像的三分之一;
3)所述连通域中最长的长度与最长的宽度的比例0.2至5之间。
5.根据权利要求1所述的方法,其特征在于,对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,包括:
将所述最小矩形框按n×n宫格平均分割为n×n个小块;
计算各小块内所有像素点的灰度值总和;
将所有小块中非0的灰度值总和求平均值,并令各非0小块的灰度值总和与所述平均值进行对比;
若小于所述平均值,则将非0小块所对应的值记为0;若大于等于所述平均值,则将非0小块的所对应的值记为1;
按照由所述最小矩形框的中心位置逐步向外圈扩散的方式,依次统计中心位置的小块所对应的值、及由内向外各层外圈上各小块所对应的值,以得到对应一同阶灰度值图像的二值整数串。
6.根据权利要求5所述的方法,其特征在于,所述二值整数串的书写格式包括:
分别对应所述中心位置、及由内向外的各层外圈所统计的二值整数串的区段,对应由内向外的顺序,依次从高位向低位排列各二值整数串的区段;所述高位向低位对应为从右向左或从左向右;
和/或,
各层外圈中由左上角的小块所对应的值为起始,按顺时针方向依次统计外圈上各小块所对应的值,并按从低位向高位的排列顺序书写。
7.根据权利要求1所述的方法,其特征在于,所述在图像数据库中通过二值整数串的比对判断是否存在局部相似的图像,包括:
针对所述二值整数串设置比对线,以令所述二值整数串中在所述比对线右边或左边的二值整数串的高位区段与图像数据库中各整数对应的二值整数区段的数值进行比对;其中,所述比对线可根据比对情况或场景需求进行调节,以供调整比对精确度;
若二值整数串的高位区段的比对相同,则判定对应的二值整数串相近;
若m个对应同阶灰度值图像的二值整数串的比对分别相近,则判定所述图像数据库中存在与所述原始图像为局部相似的图像。
8.一种基于灰度值的图像局部比对装置,其特征在于,所述装置包括:
第一处理模块,用于将获取的原始图像进行高斯模糊处理、及灰度值处理;令每个像素点的灰度值等比例缩小至预设范围内,并依据各像素点缩小后的灰度值,划分为多个对应不同整数灰度值的同阶灰度值图像;
第二处理模块,用于对各同阶灰度值图像进行二值化处理,并将灰度值相同的像素点组合以构成一或多个连通域;依据筛选条件选取一或多个包含独立完整图案的连通域,并针对各所述连通域分别构建用于覆盖全部所述独立完整图案的最小矩形框;对各所述最小矩形框内的像素点利用P希哈算法进行二值化处理以得到二值整数串,以供在图像数据库中通过二值整数串的比对判断是否存在至少局部相似的图像。
9.一种计算机设备,其特征在于,所述设备包括:存储器、及处理器;所述存储器用于存储计算机指令;所述处理器运行计算机指令实现如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,存储有计算机指令,所述计算机指令被运行时执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010886190.7A CN111986277A (zh) | 2020-08-28 | 2020-08-28 | 基于灰度值的图像局部比对方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010886190.7A CN111986277A (zh) | 2020-08-28 | 2020-08-28 | 基于灰度值的图像局部比对方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111986277A true CN111986277A (zh) | 2020-11-24 |
Family
ID=73440861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010886190.7A Pending CN111986277A (zh) | 2020-08-28 | 2020-08-28 | 基于灰度值的图像局部比对方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986277A (zh) |
-
2020
- 2020-08-28 CN CN202010886190.7A patent/CN111986277A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220262003A1 (en) | Segmenting Objects in Vector Graphics Images | |
Ren et al. | gSLICr: SLIC superpixels at over 250Hz | |
CN107204034B (zh) | 一种图像处理方法及终端 | |
US8351654B2 (en) | Image processing using geodesic forests | |
CN113034358B (zh) | 一种超分辨率图像处理方法以及相关装置 | |
US10540789B2 (en) | Line stylization through graphics processor unit (GPU) textures | |
CN112016546A (zh) | 一种文本区域的定位方法及装置 | |
CN110390327B (zh) | 前景提取方法、装置、计算机设备及存储介质 | |
US10846889B2 (en) | Color handle generation for digital image color gradients using machine learning | |
US20200279415A1 (en) | Efficiently Computed Distance Fields | |
CN111047509A (zh) | 一种图像特效处理方法、装置及终端 | |
US20190205728A1 (en) | Method for visualizing neural network models | |
CN111179276A (zh) | 一种图像处理方法和装置 | |
CN113506305B (zh) | 三维点云数据的图像增强方法、语义分割方法及装置 | |
CN110383339A (zh) | 用于图像渲染的索引值混合 | |
Siyao et al. | Deep geometrized cartoon line inbetweening | |
CN111986277A (zh) | 基于灰度值的图像局部比对方法、装置、设备和介质 | |
WO2023024660A1 (zh) | 一种图像增强的方法及装置 | |
CN112927200B (zh) | 本征图像分解方法、装置、可读存储介质及电子设备 | |
US11200708B1 (en) | Real-time color vector preview generation | |
Liu et al. | Color-to-gray conversion with perceptual preservation and dark channel prior | |
Kharinov et al. | Object Hierarchy in a Digital Image | |
Zheng et al. | An improved NAMLab image segmentation algorithm based on the earth moving distance and the CIEDE2000 color difference formula | |
CN110163080B (zh) | 人脸关键点检测方法及装置、存储介质和电子设备 | |
CN111986089A (zh) | 特征值整数化的图像存储与比对方法、装置、设备和介质 |
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 |