CN112184723B - 图像处理方法及装置、电子设备、存储介质 - Google Patents
图像处理方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN112184723B CN112184723B CN202010974907.3A CN202010974907A CN112184723B CN 112184723 B CN112184723 B CN 112184723B CN 202010974907 A CN202010974907 A CN 202010974907A CN 112184723 B CN112184723 B CN 112184723B
- Authority
- CN
- China
- Prior art keywords
- image
- binary
- binary image
- gray value
- calibration
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 230000000877 morphologic effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000002441 reversible effect Effects 0.000 claims description 6
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000000670 limiting effect Effects 0.000 description 4
- 238000005530 etching Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法及装置、电子设备、存储介质。方法包括包括:获取标定板图像,并采用固定阈值对所述标定板图像进行二值分割得到第一二值图像;将所述标定板图像划分为若干子图像,对各幅子图像进行自适应阈值处理,并将经过自适应阈值处理的各幅子图像合并成第二二值图像;将所述第一二值图像和所述第二二值图像进行融合,得到融合图像;检测所述融合图像中的标定标识。本发明可以过滤掉原图可能存在的背景光线不匀、遮挡等问题对分割结果的影响,能更好地从图像中提取到标定标识,降低标定标识识别的误检率。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及图像处理方法及装置、电子设备、存储介质。
背景技术
在机器视觉、图像测量、三维重建等应用中,为校正镜头畸变;确定物理尺寸和像素之间的换算关系;以及确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,需要建立相机成像的几何模型。
通过相机拍摄带有固定间距图案陈列的标定板,经过标定算法计算,便可以得出相机的几何模型,从而得到高精度的测量和重建结果。而进行标定算法的前提是,能从图像中准确获取到标定点的位置。
发明内容
本发明提供一种图像处理方法及装置、电子设备、存储介质,以从图像中准确获取到标定点的位置。
具体地,本发明是通过如下技术方案实现的:
第一方面,提供一种图像处理方法,包括:
获取标定板图像,并采用固定阈值对所述标定板图像进行二值分割得到第一二值图像;
将所述标定板图像划分为若干子图像,对各幅子图像进行自适应阈值处理,并将经过自适应阈值处理的各幅子图像合并成第二二值图像;
将所述第一二值图像和所述第二二值图像进行融合,得到融合图像;
检测所述融合图像中的标定标识。
可选地,将所述第一二值图像和所述第二二值图像进行融合,包括:
将所述第一二值图像中各个像素点的灰度值与所述第二二值图像中对应像素点的灰度值进行差值运算;
将所述差值运算的结果作为所述融合图像的各个像素点的灰度值。
可选地,将所述第一二值图像和所述第二二值图像进行融合,包括:
对所述第二二值图像进行反向二值化处理;
将经过反向二值化处理的第二二值图像中各个像素点的灰度值与所述第一二值图像中对应像素点的灰度值进行加权叠加;
将所述加权叠加的结果作为所述融合图像的各个像素点的灰度值。
可选地,检测所述融合图像中的标定标识,包括:
确定所述融合图像中灰度值在预设范围内的区域的位置坐标和/或尺寸;
将所述位置坐标和/或尺寸满足预设条件的区域识别为所述标定标识所在的区域;其中,所述预设条件包含:所述尺寸在预设尺寸范围内;与所述位置坐标之间的距离在预设距离范围内的其他位置坐标的数量至少有2个。
可选地,基于霍夫圆检测算法确定所述区域的位置坐标和/或尺寸。
可选地,基于梯度搜索算法确定所述其他位置坐标的数量。
可选地,确定所述区域的位置坐标和/或尺寸之前,还包括:
基于形态学算法对所述区域的边界进行优化。
第二方面,提供一种图像处理装置,包括:
二值分割模块,用于获取标定板图像,并采用固定阈值对所述标定板图像进行二值分割得到第一二值图像;
自适应分割模块,用于将所述标定板图像划分为若干子图像,对各幅子图像进行自适应阈值处理,并将经过自适应阈值处理的各幅子图像合并成第二二值图像;
融合模块,用于将所述第一二值图像和所述第二二值图像进行融合,得到融合图像;
检测模块,用于检测所述融合图像中的标定标识。
可选地,所述融合模块包括:
运算单元,用于将所述第一二值图像中各个像素点的灰度值与所述第二二值图像中对应像素点的灰度值进行差值运算;
确定单元,用于将所述差值运算的结果确定为所述融合图像的各个像素点的灰度值。
可选地,所述融合模块包括:
反向处理单元,用于对所述第二二值图像进行反向二值化处理;
运算单元,用于将经过反向二值化处理的第二二值图像中各个像素点的灰度值与所述第一二值图像中对应像素点的灰度值进行加权叠加;
确定单元,用于将所述加权叠加的结果确定为所述融合图像的各个像素点的灰度值。
可选地,所述检测模块包括:
确定单元,用于确定所述融合图像中灰度值在预设范围内的区域的位置坐标和/或尺寸;
识别单元,用于将所述位置坐标和/或尺寸满足预设条件的区域识别为所述标定标识所在的区域;其中,所述预设条件包含:所述尺寸在预设尺寸范围内;与所述位置坐标之间的距离在预设距离范围内的其他位置坐标的数量至少有2个。
可选地,所述确定单元基于霍夫圆检测算法确定所述区域的位置坐标和/或尺寸。
可选地,所述识别单元基于梯度搜索算法确定所述其他位置坐标的数量。
可选地,所述检测模块还包括:
优化单元,用于基于形态学算法对所述区域的边界进行优化。
第三方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在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时实现上述任一项所述的图像处理方法。
第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的图像处理方法的步骤。
本发明的实施例提供的技术方案可以包括以下有益效果:
发明实施例中,将固定阈值分割结果作为蒙版,利用分块自适应阈值的分割结果与其进行融合,可以过滤掉原图可能存在的背景光线不匀、遮挡等问题对分割结果的影响,能更好地从图像中提取到标定标识,降低标定标识识别的误检率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本发明一示例性实施例示出的一种图像处理方法的流程图。
图2是本发明一示例性实施例示出的一种标定板的示意图。
图3a是本发明一示例性实施例示出的一种融合图像的部分区域的示意图。
图3b是本发明一示例性实施例示出的对图3a进行腐蚀操作后的结果示意图。
图3c是本发明根据一示例性实施例示出的对图3b进行膨胀操作后的结果示意图。
图4是本发明一示例性实施例示出的一种图像处理装置的模块示意图。
图5是本发明一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
从图像中准确获取到标定点的位置,是建立用于对镜头进行畸变校正的几何模型的前提。目前,现有的标定点定位算法常使用图像匹配的方式,该方式通常需要不包含标定点的图像作为基础图像,标定点检测时,在标定板图像中逐张进行查找,当查找到的图像与基础图像形状及特征信息十分重合时,则认定两者为匹配图像,将这两张图片做差分,差分结果即为标定点位置。
上述标定点检测的方式只适用于背景干净、光线充足的标定板图像,对于一些背景复杂,例如光照不均、噪声较强的图像,则很难对图像中的标识点进行有效分割及定位。
基于上述情况,本发明实施例提供一种图像处理方法,能够在光照不均、具有遮挡等干扰因素的标定板图像中对标识点进行有效分割及定位。
图1是本发明一示例性实施例示出的一种图像处理方法的流程图,方法可以包括以下步骤:
步骤101、获取标定板图像,并采用固定阈值对标定板图像进行二值分割得到第一二值图像。
其中,标定板图像为采用待校正的镜头对标定板进行拍摄得到的图像。
参见图2示出的标定板,标定板中包含多个标定标识,多个标定标识以一定的规则排列,且标定标识与标定板的背景具有较大色差。需要说明的是,标定板中的标定标识不限于是图2中示出的圆形,可以是椭圆、矩形等;多个标定标识的排列规则也不限于采用矩形阵列,可以是环形阵列等。
固定阈值可以根据标定标识的灰度值确定,一般选取为与标定标识的灰度值相接近。举例来说,若标定标识为深色系,例如黑色,则固定阈值可以在35~45范围之间选取;假设固定阈值设为35,进行二值分割时,若标定板图像中的像素点的灰度值小于等于35,则将该像素点的灰度值设置为0;若标定板图像中的像素点的灰度值大于35,则将该像素点的灰度值设置为255。若标定标识为浅色系,例如白色,则固定阈值可以在范围200~240之间选取;假设固定阈值为200,进行二值分割时,若标定板图像中的像素点的灰度值小于200,则将该像素点的灰度值设置为0;若标定板图像中的像素点的灰度值大于等于200,则将该像素点的灰度值设置为255。
由于环境光线的影响,拍摄得到的标定板图像存在光线不均匀的情形,采用固定阈值对标定板图像进行二值分割,可以去除标定板图像中较亮或者较暗的光线信息。
在一个实施例中,对标定板图像进行二值分割之前,可以先对标定板图像进行高斯滤波,以去除图像中的噪声,降低噪声影响,步骤101中则对经过高斯滤波处理的标定板图像进行二值分割。
步骤102、将标定板图像划分为若干子图像,对各幅子图像进行自适应阈值处理,并将经过自适应阈值处理的各幅子图像合并成第二二值图像。
对标定板图像进行划分时,各幅子图像的尺寸可根据图像中标定标识的尺寸确定,可选地,划分得到的各幅子图像稍大于标定标识的尺寸,以使包含标定标识的子图像中包含的是完整的标定标识。
本实施例中,采用自适应阈值分割时并非对整幅标定板图像进行处理,而是先将标定板图像划分为若干子图像,这样每幅子图像的光照信息都近似均匀,然后对各幅子图像进行自适应阈值处理。对于每幅子图像的局部阈值,可以但不限于通过计算该子图像区域中各像素点的灰度值的均值、中值、高斯加权平均(高斯滤波)来确定。
步骤103、将第一二值图像和第二二值图像进行融合,得到融合图像。
在一个实施例中,进行图像融合时,可以将第一二值图像中各个像素点的灰度值与第二二值图像中对应像素点的灰度值进行差值运算,将差值运算的结果作为融合图像的各个像素点的灰度值。
在另一个实施例中,进行图像融合时,可以先对第二二值图像进行反向二值化处理,也即将第二二值图像中灰度值为0的像素点的灰度值转换为255,将灰度值为255的像素点的灰度值转换为0。将经过反向二值化处理的第二二值图像中各个像素点的灰度值与第一二值图像中对应像素点的灰度值进行加权叠加,将加权叠的结果作为融合图像的各个像素点的灰度值。
经过固定阈值处理,理论上对于灰度值恒定的标定标识能做到很好的分割效果,但其作用于带有光线、遮挡等干扰因素的图像上时并不能很好地将干扰区域与待检测区域进行区分。本发明实施例中,将固定阈值分割结果作为一个基础图像(蒙版),利用分块自适应阈值的分割结果与其进行融合,可以过滤掉原图可能存在的背景光线不匀、遮挡等问题对分割结果的影响,能更好地从图像中确定出标定标识,实现将标定板图像中的标定标识所在的区域从背景中分割出来。
步骤104、检测融合图像中的标定标识。
融合图像中像素点的灰度值为0或255,若标定标识为浅色系,则像素点的像素值为255的区域一般来说是标定标识;若标定标识为深色系,则像素点的像素值为0的区域一般来说是标定标识。通过判断灰度值是否在预设范围内,即可初步判断融合图像中对应区域是否为标定标识所在的区域。
而在复杂环境中获得的标定板图像,灰度值为0的区域可能是阴影区域,灰度值为255的区域可能是反光区域,为了进一步确定融合图像中灰度值在预设范围内的区域确实为标定标识所在的区域,还需要对初始标定标识作进一步判断,排除其中的干扰点。初始标定标识为根据灰度值初步判断确定的标定标识。
在一个实施例中,可以通过对初始标定标识的尺寸进行判断,将初始标定标识中尺寸不符合条件的排除。以标定标识为圆形为例,可以但不限于采用霍夫圆检测算法确定各个初始标定标识的半径,通过半径表征标定标识的尺寸,并将半径在预设尺寸范围内的初始标定标识确定为最终的标定标识,将半径未落入预设尺寸范围内的初始标定标识排除。其中,预设尺寸范围根据标定板上标定标识的实际尺寸确定。
在一个实施例中,可以通过对初始标定标识的相邻初始标定标识的数量进行判断,将相邻初始标定标识的数量不符合条件的排除。是否为相邻初始标定标识可以通过各个初始标定标识的位置坐标之间的距离确定。标定板上的标定标识一般都是以固定规则陈列的,因此一个标定标识的邻近范围内至少有其他两个标定标识存在。还是以标定标识为圆形为例,可以但不限于采用霍夫圆检测算法确定各个初始标定标识的圆心坐标,通过圆心坐标表征位置坐标,并通过圆心坐标计算各个初始标定标识之间的距离,将与一个初始标定标识之间的距离在预设距离范围内的其他初始标定标识确定为该初始标定标识的相邻初始标定标识。若一个初始标定标识具有至少2个以上相邻初始标定标识,则将其确定为最终的标定标识;若一个初始标定标识只有1个相邻初始标定标识,或者没有相邻初始标定标识,则将该初始标定标识排除。其中,预设距离范围根据标定板上各个标定标识之间的距离确定。
在确定相邻初始标定标识时,可以通过圆心坐标逐一进行梯度搜索,以快速、准确地判断各个初始标定标识的相邻初始标定标识的数量。
在另一个实施例中,可以将尺寸、相邻初始标定标识的数量两个条件同时作为确定最终的标定标识的条件,也即只有当初始标定标识的尺寸在预设尺寸范围内,且具有至少两个相邻初始标定标识的初始标定标识确定为最终的标定标识。通过2种限制条件,可以准确过滤掉初始标定标识中的干扰点,获得更加准确的标定标识位置,降低标定标识识别的误检率。
在另一个实施例中,确定初始标定标识的位置坐标和/或尺寸之前,可以先基于形态学算法对初始标定标识所在的区域进行优化,以准确确定各个初始标定标识的区域边界。
对初始标定标识所在的区域进行形态学处理,可以采用形态学开运算或形态学闭运算。形态学开运算是先对图像进行腐蚀,再进行膨胀的运算,可以用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。形态学闭运算是先对图像进行膨胀,再进行腐蚀的运算,闭运算能够排除小型黑洞(黑色区域)。
下面以采用形态学开运算为例,对初始标定标识区域进行形态学处理的具体实现过程进行说明:
按数学方面来说,膨胀或者腐蚀操作就是将初始标定标识区域与卷积核进行卷积,以图3a示出的融合图像的部分区域的示意图为例,图中每个小正方形表示一个像素点,斜线填充的正方形表示初始标定标识区域,白色的正方形表示背景区域,3*3个虚线正方形区域表示卷积核。卷积核可以是任何的形状和大小,不限于图中示出的以3*3个正方形组成。卷积核中有一个单独定义出来的参考点,参见图中“☆”所在的区域位置。
腐蚀是求局部最小值的操作:使用卷积核在初始标定标识区域(图3a)中进行移动,每移动一次计算一次卷积核覆盖的区域中像素点的最小值,并把这个最小值赋值给参考点所在的像素点。参见图3b,为对图3a进行腐蚀处理后的一个结果示意图,对比图3a和图3b可知,经过腐蚀操作后,斜线填充区域被缩小了。
膨胀是求局部最大值的操作:使用卷积核在图3b中进行移动,每移动一次计算一次卷积核覆盖的区域中像素点的最大值,并把这个最大值赋值给参考点所在的像素点,这样就会使图像中的斜线填充区域逐渐增长。参见图3c,为对图3c进行膨胀处理后的一个结果示意图,图中的斜线填充区域为优化后的初始标定标识区域,其边界也即初始标定标识区域的边界。
与前述图像处理方法实施例相对应,本发明还提供了图像处理装置的实施例。
图4是本发明一示例性实施例示出的一种图像处理装置的结构示意图,可以包括:
二值分割模块41,用于获取标定板图像,并采用固定阈值对所述标定板图像进行二值分割得到第一二值图像;
自适应分割模块42,用于将所述标定板图像划分为若干子图像,对各幅子图像进行自适应阈值处理,并将经过自适应阈值处理的各幅子图像合并成第二二值图像;
融合模块43,用于将所述第一二值图像和所述第二二值图像进行融合,得到融合图像;
检测模块44,用于检测所述融合图像中的标定标识。
可选地,所述融合模块包括:
运算单元,用于将所述第一二值图像中各个像素点的灰度值与所述第二二值图像中对应像素点的灰度值进行差值运算;
确定单元,用于将所述差值运算的结果确定为所述融合图像的各个像素点的灰度值。
可选地,所述融合模块包括:
反向处理单元,用于对所述第二二值图像进行反向二值化处理;
运算单元,用于将经过反向二值化处理的第二二值图像中各个像素点的灰度值与所述第一二值图像中对应像素点的灰度值进行加权叠加;
确定单元,用于将所述加权叠加的结果确定为所述融合图像的各个像素点的灰度值。
可选地,所述检测模块包括:
确定单元,用于确定所述融合图像中灰度值在预设范围内的区域的位置坐标和/或尺寸;
识别单元,用于将所述位置坐标和/或尺寸满足预设条件的区域识别为所述标定标识所在的区域;其中,所述预设条件包含:所述尺寸在预设尺寸范围内;与所述位置坐标之间的距离在预设距离范围内的其他位置坐标的数量至少有2个。
可选地,所述确定单元基于霍夫圆检测算法确定所述区域的位置坐标和/或尺寸。
可选地,所述识别单元基于梯度搜索算法确定所述其他位置坐标的数量。
可选地,所述检测模块还包括:
优化单元,用于基于形态学算法对所述区域的边界进行优化。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所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模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
图5是本发明一示例实施例示出的一种电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备50的框图。图5显示的电子设备50仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备50可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备50的组件可以包括但不限于:上述至少一个处理器51、上述至少一个存储器52、连接不同***组件(包括存储器52和处理器51)的总线53。
总线53包括数据总线、地址总线和控制总线。
存储器52可以包括易失性存储器,例如随机存取存储器(RAM)521和/或高速缓存存储器522,还可以进一步包括只读存储器(ROM)523。
存储器52还可以包括具有一组(至少一个)程序模块524的程序工具525(或实用工具),这样的程序模块524包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器51通过运行存储在存储器52中的计算机程序,从而执行各种功能应用以及数据处理,例如上述任一实施例所提供的方法。
电子设备50也可以与一个或多个外部设备54(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口55进行。并且,模型生成的电子设备50还可以通过网络适配器56与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器56通过总线53与模型生成的电子设备50的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的电子设备50使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)***、磁带驱动器以及数据备份存储***等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所提供的方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (11)
1.一种图像处理方法,其特征在于,包括:
获取标定板图像,并采用固定阈值对所述标定板图像进行二值分割得到第一二值图像;
将所述标定板图像划分为若干子图像,对各幅子图像进行自适应阈值处理,并将经过自适应阈值处理的各幅子图像合并成第二二值图像;
将所述第一二值图像和所述第二二值图像进行融合,得到融合图像;
检测所述融合图像中的标定标识;
检测所述融合图像中的标定标识,包括:
确定所述融合图像中灰度值在预设范围内的区域的位置坐标和/或尺寸;
将所述位置坐标和/或尺寸满足预设条件的区域识别为所述标定标识所在的区域;其中,所述预设条件包含:所述尺寸在预设尺寸范围内;与所述位置坐标之间的距离在预设距离范围内的其他位置坐标的数量至少有2个。
2.根据权利要求1所述的图像处理方法,其特征在于,将所述第一二值图像和所述第二二值图像进行融合,包括:
将所述第一二值图像中各个像素点的灰度值与所述第二二值图像中对应像素点的灰度值进行差值运算;
将所述差值运算的结果作为所述融合图像的各个像素点的灰度值。
3.根据权利要求1所述的图像处理方法,其特征在于,将所述第一二值图像和所述第二二值图像进行融合,包括:
对所述第二二值图像进行反向二值化处理;
将经过反向二值化处理的第二二值图像中各个像素点的灰度值与所述第一二值图像中对应像素点的灰度值进行加权叠加;
将所述加权叠加的结果作为所述融合图像的各个像素点的灰度值。
4.根据权利要求1所述的图像处理方法,其特征在于,基于霍夫圆检测算法确定所述区域的位置坐标和/或尺寸。
5.根据权利要求1所述的图像处理方法,其特征在于,基于梯度搜索算法确定所述其他位置坐标的数量。
6.根据权利要求1所述的图像处理方法,其特征在于,确定所述区域的位置坐标和/或尺寸之前,还包括:
基于形态学算法对所述区域的边界进行优化。
7.一种图像处理装置,其特征在于,包括:
二值分割模块,用于获取标定板图像,并采用固定阈值对所述标定板图像进行二值分割得到第一二值图像;
自适应分割模块,用于将所述标定板图像划分为若干子图像,对各幅子图像进行自适应阈值处理,并将经过自适应阈值处理的各幅子图像合并成第二二值图像;
融合模块,用于将所述第一二值图像和所述第二二值图像进行融合,得到融合图像;
检测模块,用于检测所述融合图像中的标定标识;
所述检测模块包括:
确定单元,用于确定所述融合图像中灰度值在预设范围内的区域的位置坐标和/或尺寸;
识别单元,用于将所述位置坐标和/或尺寸满足预设条件的区域识别为所述标定标识所在的区域;其中,所述预设条件包含:所述尺寸在预设尺寸范围内;与所述位置坐标之间的距离在预设距离范围内的其他位置坐标的数量至少有2个。
8.根据权利要求7所述的图像处理装置,其特征在于,所述融合模块包括:
运算单元,用于将所述第一二值图像中各个像素点的灰度值与所述第二二值图像中对应像素点的灰度值进行差值运算;
确定单元,用于将所述差值运算的结果确定为所述融合图像的各个像素点的灰度值。
9.根据权利要求7所述的图像处理装置,其特征在于,所述融合模块包括:
反向处理单元,用于对所述第二二值图像进行反向二值化处理;
运算单元,用于将经过反向二值化处理的第二二值图像中各个像素点的灰度值与所述第一二值图像中对应像素点的灰度值进行加权叠加;
确定单元,用于将所述加权叠加的结果确定为所述融合图像的各个像素点的灰度值。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在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时实现权利要求1至6中任一项所述的图像处理方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974907.3A CN112184723B (zh) | 2020-09-16 | 2020-09-16 | 图像处理方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974907.3A CN112184723B (zh) | 2020-09-16 | 2020-09-16 | 图像处理方法及装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184723A CN112184723A (zh) | 2021-01-05 |
CN112184723B true CN112184723B (zh) | 2024-03-26 |
Family
ID=73921351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010974907.3A Active CN112184723B (zh) | 2020-09-16 | 2020-09-16 | 图像处理方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184723B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913236A (zh) * | 2021-02-09 | 2022-08-16 | 深圳市汇顶科技股份有限公司 | 相机标定方法、装置及电子设备 |
CN113762266B (zh) * | 2021-09-01 | 2024-04-26 | 北京中星天视科技有限公司 | 目标检测方法、装置、电子设备和计算机可读介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013128617A1 (ja) * | 2012-03-01 | 2013-09-06 | 株式会社日本マイクロニクス | 表示デバイスの表示むら検出方法及びその装置 |
CN104966302A (zh) * | 2015-07-09 | 2015-10-07 | 深圳中科智酷机器人科技有限公司 | 一种任意角度激光十字的检测定位方法 |
CN105160652A (zh) * | 2015-07-10 | 2015-12-16 | 天津大学 | 基于计算机视觉的手机外壳检验装置与方法 |
CN105719275A (zh) * | 2015-12-10 | 2016-06-29 | 中色科技股份有限公司 | 一种并行组合的图像缺陷分割方法 |
CN108036929A (zh) * | 2017-12-27 | 2018-05-15 | 上海玮舟微电子科技有限公司 | 一种显示设备排图参数的检测方法、装置及*** |
CN108171756A (zh) * | 2017-12-27 | 2018-06-15 | 苏州多比特软件科技有限公司 | 自适应标定方法、装置及计算机终端 |
CN109345597A (zh) * | 2018-09-27 | 2019-02-15 | 四川大学 | 一种基于增强现实的相机标定图像采集方法及装置 |
CN109559324A (zh) * | 2018-11-22 | 2019-04-02 | 北京理工大学 | 一种线阵图像中的目标轮廓检测方法 |
CN109615659A (zh) * | 2018-11-05 | 2019-04-12 | 成都西纬科技有限公司 | 一种车载多摄像机环视***的摄像机参数获得方法及装置 |
CN109903272A (zh) * | 2019-01-30 | 2019-06-18 | 西安天伟电子***工程有限公司 | 目标检测方法、装置、设备、计算机设备和存储介质 |
KR20200000953A (ko) * | 2018-06-26 | 2020-01-06 | 주식회사 수올리나 | 어라운드 뷰 모니터링 시스템 및 카메라 공차 보정 방법 |
WO2020010945A1 (zh) * | 2018-07-11 | 2020-01-16 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN110879131A (zh) * | 2018-09-06 | 2020-03-13 | 舜宇光学(浙江)研究院有限公司 | 目视光学***的成像质量测试方法、成像质量测试装置和电子设备 |
CN110895806A (zh) * | 2019-07-25 | 2020-03-20 | 研祥智能科技股份有限公司 | 屏幕显示缺陷的检测方法及*** |
CN111091571A (zh) * | 2019-12-12 | 2020-05-01 | 珠海圣美生物诊断技术有限公司 | 细胞核分割方法、装置、电子设备及计算机可读存储介质 |
CN111340752A (zh) * | 2019-12-04 | 2020-06-26 | 京东方科技集团股份有限公司 | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10818011B2 (en) * | 2017-12-29 | 2020-10-27 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Carpal segmentation and recognition method and system, terminal and readable storage medium |
-
2020
- 2020-09-16 CN CN202010974907.3A patent/CN112184723B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013128617A1 (ja) * | 2012-03-01 | 2013-09-06 | 株式会社日本マイクロニクス | 表示デバイスの表示むら検出方法及びその装置 |
CN104966302A (zh) * | 2015-07-09 | 2015-10-07 | 深圳中科智酷机器人科技有限公司 | 一种任意角度激光十字的检测定位方法 |
CN105160652A (zh) * | 2015-07-10 | 2015-12-16 | 天津大学 | 基于计算机视觉的手机外壳检验装置与方法 |
CN105719275A (zh) * | 2015-12-10 | 2016-06-29 | 中色科技股份有限公司 | 一种并行组合的图像缺陷分割方法 |
CN108036929A (zh) * | 2017-12-27 | 2018-05-15 | 上海玮舟微电子科技有限公司 | 一种显示设备排图参数的检测方法、装置及*** |
CN108171756A (zh) * | 2017-12-27 | 2018-06-15 | 苏州多比特软件科技有限公司 | 自适应标定方法、装置及计算机终端 |
KR20200000953A (ko) * | 2018-06-26 | 2020-01-06 | 주식회사 수올리나 | 어라운드 뷰 모니터링 시스템 및 카메라 공차 보정 방법 |
WO2020010945A1 (zh) * | 2018-07-11 | 2020-01-16 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN110879131A (zh) * | 2018-09-06 | 2020-03-13 | 舜宇光学(浙江)研究院有限公司 | 目视光学***的成像质量测试方法、成像质量测试装置和电子设备 |
CN109345597A (zh) * | 2018-09-27 | 2019-02-15 | 四川大学 | 一种基于增强现实的相机标定图像采集方法及装置 |
CN109615659A (zh) * | 2018-11-05 | 2019-04-12 | 成都西纬科技有限公司 | 一种车载多摄像机环视***的摄像机参数获得方法及装置 |
CN109559324A (zh) * | 2018-11-22 | 2019-04-02 | 北京理工大学 | 一种线阵图像中的目标轮廓检测方法 |
CN109903272A (zh) * | 2019-01-30 | 2019-06-18 | 西安天伟电子***工程有限公司 | 目标检测方法、装置、设备、计算机设备和存储介质 |
CN110895806A (zh) * | 2019-07-25 | 2020-03-20 | 研祥智能科技股份有限公司 | 屏幕显示缺陷的检测方法及*** |
CN111340752A (zh) * | 2019-12-04 | 2020-06-26 | 京东方科技集团股份有限公司 | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 |
CN111091571A (zh) * | 2019-12-12 | 2020-05-01 | 珠海圣美生物诊断技术有限公司 | 细胞核分割方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112184723A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060237B (zh) | 一种故障检测方法、装置、设备及*** | |
CN108369650B (zh) | 标识校准图案的可能特征点的方法 | |
US9235762B2 (en) | Iris data extraction | |
CN109118473B (zh) | 基于神经网络的角点检测方法、存储介质与图像处理*** | |
WO2006087581A1 (en) | Method for facial features detection | |
Yoo et al. | Image matching using peak signal-to-noise ratio-based occlusion detection | |
CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
CN112184723B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN115018846B (zh) | 基于ai智能相机的多目标裂纹缺陷检测方法和装置 | |
CN111027541A (zh) | 基于可见光和热成像的火焰检测方法、***及存储介质 | |
CN112464829B (zh) | 一种瞳孔定位方法、设备、存储介质及视线追踪*** | |
CN111898610B (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
CN112884782A (zh) | 生物对象分割方法、装置、计算机设备和存储介质 | |
CN115587966A (zh) | 一种在光照不均匀条件下零件有无缺漏的检测方法及*** | |
CN112419207A (zh) | 一种图像矫正方法及装置、*** | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
CN114674826A (zh) | 基于布匹的视觉检测方法及检测*** | |
CN114612418A (zh) | 一种鼠标外壳表面缺陷检测方法及装置、***、电子设备 | |
CN117372487A (zh) | 图像配准方法、装置、计算机设备和存储介质 | |
CN111178111A (zh) | 二维码检测方法、电子设备、存储介质及*** | |
CN110930358A (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
CN115619796A (zh) | 获取光伏组件模板的方法及装置、非易失性存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |