CN112257598A - 图像中四边形的识别方法、装置、可读介质和电子设备 - Google Patents
图像中四边形的识别方法、装置、可读介质和电子设备 Download PDFInfo
- Publication number
- CN112257598A CN112257598A CN202011141685.3A CN202011141685A CN112257598A CN 112257598 A CN112257598 A CN 112257598A CN 202011141685 A CN202011141685 A CN 202011141685A CN 112257598 A CN112257598 A CN 112257598A
- Authority
- CN
- China
- Prior art keywords
- line segment
- target line
- target
- determining
- group
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 8
- 238000012216 screening Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像中四边形的识别方法、装置、可读介质和电子设备,涉及图像处理技术领域,该方法包括:提取目标图像中包括的线段,并对线段进行合并,得到合并线段,在合并线段中,确定至少一个目标线段组,每个目标线段组中包括第一目标线段和第二目标线段,第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于第一角度阈值,且第一目标线段与第二目标线段之间的最短距离大于第一距离阈值,针对每个目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段,根据该目标线段组,与该目标线段组对应的第三目标线段和第四目标线段,确定目标图像中该目标线段组对应的四边形。本公开能够快速、准确地识别出图像中的四边形。
Description
技术领域
本公开涉及图像处理技术领域,具体地,涉及一种图像中四边形的识别方法、装置、可读介质和电子设备。
背景技术
在图像处理技术领域中,随着智能终端在日常生活中越来越普及,用户可以拍摄各种图像、视频,并进行分享。用户在浏览图像或者视频时,可能会对其中的指定区域感兴趣,需要对指定区域进行进一步处理,例如:提取、替换或者分析等操作。指定区域通常为四边形,例如可以是图像或者视频中展示的电子显示屏、广告板、门窗、书本、相框等,因此,为了实现对图像或者视频中指定区域的进一步处理,需要准确识别其中的四边形。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种图像中四边形的识别方法,所述方法包括:
提取目标图像中包括的线段,并对所述线段进行合并,得到合并线段;
在所述合并线段中,确定至少一个目标线段组,每个所述目标线段组中包括第一目标线段和第二目标线段,所述第一目标线段所在直线与所述第二目标线段所在直线的夹角小于或等于第一角度阈值,且所述第一目标线段与所述第二目标线段之间的最短距离大于第一距离阈值;
针对每个所述目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段;
根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形。
第二方面,本公开提供一种图像中四边形的识别装置,所述装置包括:
提取模块,用于提取目标图像中包括的线段,并对所述线段进行合并,得到合并线段;
第一确定模块,用于在所述合并线段中,确定至少一个目标线段组,每个所述目标线段组中包括第一目标线段和第二目标线段,所述第一目标线段所在直线与所述第二目标线段所在直线的夹角小于或等于第一角度阈值,且所述第一目标线段与所述第二目标线段之间的最短距离大于第一距离阈值;
第二确定模块,用于针对每个所述目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段;
识别模块,用于根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现本公开第一方面所述方法的步骤。
通过上述技术方案,本公开首先提取目标图像中包括的线段,并对线段进行合并,得到合并线段,之后在合并线段中,选择至少一个包括了第一目标线段和第二目标线段的目标线段组,其中,第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于第一角度阈值,且第一目标线段与第二目标线段之间的最短距离大于第一距离阈值,然后针对每个目标线段组,确定对应的第三目标线段和第四目标线段,最后根据该目标线段组和对应的第三目标线段和第四目标线段,确定该目标线段组对应的四边形。本公开通过对图像中的线段进行合并,并从合并后的线段中,筛选出能够组成四边形的四个线段,从而确定图像中的四边形,能够提高四边形识别的效率和准确度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性实施例示出的一种图像中四边形的识别方法的流程图;
图2是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图;
图3是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图;
图4是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图;
图5是根据一示例性实施例示出的合并线段的示意图;
图6是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图;
图7是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图;
图8是根据一示例性实施例示出的目标线段组对应的四边形的示意图;
图9是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图;
图10是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图;
图11是根据一示例性实施例示出的目标四边形的示意图;
图12是根据一示例性实施例示出的一种图像中四边形的识别装置的框图;
图13是根据一示例性实施例示出的另一种图像中四边形的识别装置的框图;
图14是根据一示例性实施例示出的另一种图像中四边形的识别装置的框图;
图15是根据一示例性实施例示出的另一种图像中四边形的识别装置的框图;
图16是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性实施例示出的一种图像中四边形的识别方法的流程图,如图1所示,该方法可以包括以下步骤:
步骤101,提取目标图像中包括的线段,并对线段进行合并,得到合并线段。
举例来说,本公开中实施例的执行主体可以是终端设备,也可以是服务器,本公开对此不作具体限定。首先获取目标图像,目标图像可以是用户拍摄的一副图像,也可以是用户拍摄的视频中的任一帧图像。目标图像还可以是用户通过浏览多媒体资源库(多媒体资源库可以存储在终端设备中,也可以存储在服务器中),指定其中的一副图像,或者指定其中的一个视频中的任一帧图像。目标图像中包括了指定物体(例如:电子显示屏、广告板、门窗、书本、相框等),指定物体的形状为矩形,那么在目标图像中,指定物体通常显示为矩形或者接近矩形的四边形。
在获取目标图像后,可以提取目标图像中包括的全部线段。提取线段的方式,可以将目标图像作为LSD(英文:Line Segment Detector)算法的输入,以得到LSD算法输出的目标图像中的线段。也可以先利用Canny边缘检测算子提取目标图像中的边缘,然后对边缘进行霍夫变换(英文:Hough Transform)检测,检测结果即为目标图像中的线段。还可以利用其它直线提取算法来提取目标图像中的线段,本公开对此不作具体限定。在得到目标图像中的线段后,由于线段可能存在断续、线段过短、线段重复等问题,因此可以对线段进行合并处理,得到合并线段。可以理解为,经过合并处理的合并线段长度较长,较清晰。
步骤102,在合并线段中,确定至少一个目标线段组,每个目标线段组中包括第一目标线段和第二目标线段,第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于第一角度阈值,且第一目标线段与第二目标线段之间的最短距离大于第一距离阈值。
示例的,要识别目标图像中的四边形,可以先从合并线段中筛选出一对或者多对可能组成四边形的相对的边,将每一对相对的边作为一个目标线段组,即目标线段包括的第一目标线段和第二目标线段。可以理解为,在目标图像中,第一目标线段与第二目标线段近似平行,并且之间的距离较大。因此,对第一目标线段与第二目标线段的筛选规则,可以是同时满足以下两个规则:规则一,第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于第一角度阈值,规则二,第一目标线段与第二目标线段之间的最短距离大于第一距离阈值。其中,规则一用于指示第一目标线段与第二目标线段近似平行,例如可以将第一角度阈值设置为20度,如果第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于20度,那么可以认为第一目标线段与第二目标线段近似平行。需要说明的是,本公开实施例中所指的两条直线的夹角,可以为0度(即两条直线平行)、锐角或直角(即两条直线垂直)。规则二用于指示第一目标线段与第二目标线段之间的距离较大,若第一目标线段与第二目标线段之间的距离较小,那么第一目标线段和第二目标线段可能是一个四边形的内外边框,为了避免这种情况,可以将第一距离阈值设置的较大。例如,第一距离阈值可以设置为50像素,如果第一目标线段与第二目标线段之间的最短距离大于50像素,那么可以认为第一目标线段与第二目标线段之间的距离较大。需要说明的是,第一目标线段与第二目标线段之间的最短距离,为第一目标线段上的任意点,到第二目标线段上的任意点之间的距离中,最短的距离。
步骤103,针对每个目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段。
步骤104,根据该目标线段组,与该目标线段组对应的第三目标线段和第四目标线段,确定目标图像中该目标线段组对应的四边形。
示例的,在得到至少一个目标线段组之后,可以针对每个目标线段组,确定该目标线段组对应的四边形。首先,根据该目标线段组,在合并线段中查找该目标线段组对应的第三目标线段和第四目标线段。第三目标线段和第四目标线段可以理解为,能够和该目标线段组包括的第一目标线段和第二目标线段组成四边形的两条线段。因此,对第三目标线段与第四目标线段的筛选规则,可以是第三目标线段与第四目标线段近似平行,并且之间的距离较大,同时第三目标线段与第四目标线段,与第一目标线段近似垂直,且与第二目标线段近似垂直。
若在合并线段中,没有找到该目标线段组对应的第三目标线段与第四目标线段,那么表示该目标线段组不存在对应的四边形。若在合并线段中,存在该目标线段组对应的第三目标线段与第四目标线段,那么可以将该目标线段组中包括的第一目标线段、第二目标线段、该目标线段组对应的第三目标线段与第四目标线段,作为该目标线段组对应的四边形的四条边,从而得到该目标线段组对应的四边形。进一步的,可以对该目标线段组对应的四边形的四条边进行适当缩放(延长或者缩短),使得四条边能够组成一个封闭的区域,作为该目标线段组对应的四边形。例如,可以对第一目标线段进行延长,使得延长后的第一目标线段与第三目标线段、第四目标线段相交。还可以对第三目标线段进行缩短,使得缩短后的第三目标线段与第一目标线段、第二目标线段相交。
通过上述步骤,可以快速、准确地识别出图像中的四边形,以便对目标图像中的四边形所在的区域进行进一步处理。例如,可以对四边形中的像素进行提取或者替换,也可以对四边形中的像素增加特效、道具等操作,还可以将四边形的顶点作为特征点,做进一步的分析。
综上所述,本公开首先提取目标图像中包括的线段,并对线段进行合并,得到合并线段,之后在合并线段中,选择至少一个包括了第一目标线段和第二目标线段的目标线段组,其中,第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于第一角度阈值,且第一目标线段与第二目标线段之间的最短距离大于第一距离阈值,然后针对每个目标线段组,确定对应的第三目标线段和第四目标线段,最后根据该目标线段组和对应的第三目标线段和第四目标线段,确定该目标线段组对应的四边形。本公开通过对图像中的线段进行合并,并从合并后的线段中,筛选出能够组成四边形的四个线段,从而确定图像中的四边形,能够提高四边形识别的效率和准确度。
图2是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图,如图2所示,步骤103的实现方式可以为:
步骤1031,确定第三目标线段,第三目标线段所在直线与第一目标线段所在直线的夹角大于第二角度阈值,且第三目标线段所在直线与第二目标线段所在直线的夹角大于第二角度阈值。
步骤1032,根据第三目标线段,确定第四目标线段,第四目标线段所在直线与第三目标线段所在直线的夹角小于或等于第一角度阈值,且第四目标线段与第三目标线段之间的最短距离大于第一距离阈值。
在一种实现方式中,可以先根据该目标线段组中的第一目标线段和第二目标线段,确定第三目标线段。例如,可以筛选出与第一目标线段所在直线、第二目标线段所在直线的夹角均大于第二角度阈值的合并线段,作为第三目标线段。可以理解为,第三目标线段与第一目标线段、第二目标线段近似垂直。例如,第二角度阈值可以为70度,如果某个合并线段所在的直线,与第一目标线段所在直线的夹角大于70度,且与第而目标线段所在直线的夹角大于70度,那么可以将该合并线段作为第三目标线段。经过筛选得到的第三目标线段可以为一个,也可以为多个。
进一步的,可以再根据第三目标线段,确定相应的第四目标线段。例如,可以在除第三目标线段、第二目标线段、第一目标线段之外的合并线段中,查找与第三目标线段所在直线的夹角小于或等于第一角度阈值,且与第三目标线段之间的最短距离大于第一距离阈值的第四目标线段。可以理解为,第三目标线段与第四目标线段近似平行,并且之间的距离较大。其中,第一角度阈值可以设置为20度,第一距离阈值可以设置为50像素。这样,筛选出的第一目标线段、第二目标线段、第三目标线段和第四目标线段,可以组成该目标线段组对应的四边形。
图3是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图,如图3所示,步骤103的实现方式可以为:
步骤1033,确定该目标线段组对应的多个垂直线段,每个垂直线段所在直线与第一目标线段所在直线的夹角大于第二角度阈值,且该垂直线段所在直线与第二目标线段所在直线的夹角大于第二角度阈值。
步骤1034,在多个垂直线段中,确定第三目标线段和第四目标线段,第四目标线段所在直线与第三目标线段所在直线的夹角小于或等于第一角度阈值,且第四目标线段与第三目标线段之间的最短距离大于第一距离阈值。
在另一种实现方式中,可以根据该目标线段组中的第一目标线段和第二目标线段,确定多个垂直线段,每个垂直线段均与第一目标线段所在直线、第二目标线段所在直线近似垂直。例如,可以筛选出与第一目标线段所在直线、第二目标线段所在直线的夹角均大于第二角度阈值的合并线段,作为垂直线段。例如,第二角度阈值可以为70度,如果某个合并线段所在的直线,与第一目标线段所在直线的夹角大于70度,且与第而目标线段所在直线的夹角大于70度,那么可以将该合并线段作为垂直线段。
进一步的,可以再从多个垂直线段中,筛选出第三目标线段和第四目标线段。第四目标线段所在直线与第三目标线段所在直线的夹角小于或等于第一角度阈值,且第四目标线段与第三目标线段之间的最短距离大于第一距离阈值。可以理解为,第三目标线段与第四目标线段近似平行,并且之间的距离较大。其中,第一角度阈值可以设置为20度,第一距离阈值可以设置为50像素。这样,筛选出的第一目标线段、第二目标线段、第三目标线段和第四目标线段,可以组成该目标线段组对应的四边形。
图4是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图,如图4所示,步骤101中得到合并线段的方式可以包括以下步骤:
步骤1011,在线段中,确定第五线段和第六线段,第五线段所在直线与第六线段所在直线的夹角小于或等于第三角度阈值,且第五线段与第六线段之间的相邻距离小于或等于第二距离阈值,相邻距离为第五线段的端点,与第六线段的端点之间最短的距离。
步骤1012,将第五线段与第六线段进行合并。
举例来说,为了避免目标图像中提取出的线段出现断续、线段过短、线段重复等问题,可以对线段进行合并。可以先从线段中筛选出第五线段和第六线段。可以理解为,步骤1011中得到的是一对或多对线段组,每对线段组中包括一个第五线段和一个第六线段。一对线段组中的第五线段和第六线段之间,同时满足以下两个条件:条件一,第五线段所在直线与第六线段所在直线的夹角小于或等于第三角度阈值,这样,第五线段与第六线段近似平行,例如可以将第三角度阈值设置为3度,如果第五线段所在直线与第六线段所在直线的夹角小于或等于3度,那么可以认为第五线段与第六线段近似平行。条件二,第五线段与第六线段之间的相邻距离小于或等于第二距离阈值,其中,相邻距离可以理解为第五线段的两个端点,与第六线段的两个端点之间最短的距离。例如,第二距离阈值可以设置为10个像素。以第五线段的端点为a和b,第六线段的端点为c和d来举例,那么相邻距离为a到c的距离、a到d的距离、b到c的距离,b到d的距离,四个距离中最短的距离。
在确定一对或多对线段组中包括的第五线段和第六线段之后,将每一对线段组中包括的第五线段和第六线段进行合并,以将第五线段和第六线段合并为一条线段,作为一条合并线段。进一步的,还可以将目标图像中长度超过预设长度阈值(例如可以是40个像素)的线段直接作为合并线段,也就是说,对目标图像中长度过短的线段进行过滤。以图5中的(a)所示的目标图像来举例,提取目标图像中包括的线段,如图5中的(b)所示,经过合并后得到的合并线段如图5中的(c)所示。
图6是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图,如图6所示,在步骤104之后,该方法还可以包括:
步骤105,在每个目标线段组对应的四边形中,确定目标图像中的目标四边形。
在一种应用场景中,通过执行步骤101至步骤104,可能会得到多个目标线段组对应的四边形,为了进一步提高四边形识别的准确度,以满足用户的各种需求,可以按照预设的规则对得到的多个四边形进行筛选,得到符合规则的目标四边形。
图7是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图,如图7所示,步骤105可以包括:
步骤1051,针对每个目标线段组对应的四边形,根据该目标线段组中第一目标线段的端点和第二目标线段的端点,确定第一中心点,并根据该目标线段组对应的第三目标线段的端点和第四目标线段的端点,确定第二中心点。
步骤1052,若第一中心点与第二中心点的距离小于或等于第三距离阈值,确定该目标线段组对应的四边形为目标四边形。
在一种应用场景中,针对每个目标线段组对应的四边形,可以先确定该目标线段组对应的第一中心点和第二中心点。其中,第一中心点是根据该目标线段组包括的第一目标线段的端点和第二目标线段的端点确定的,第二中心点是根据该目标线段组对应的第三目标线段的端点和第四目标线段的端点确定的。以图8中所示的第一目标线段L1的两个端点为e、f,第二目标线段L2的两个端点为g、h来举例,那么第一中心点可以是L1的中点和L2的中点的连线的中点,第一中心点还可以是e和h的连线,与f和g的连线的交叉点。同理,第二中心点的确定方式与上述确定第一中心点的方式相同,此处不再赘述。
进一步的,可以确定第一中心点与第二中心点之间的距离,若第一中心点与第二中心点之间的距离小于或等于第三距离阈值,那么可以将该目标线段组对应四边形作为目标四边形。其中,第三距离阈值可以为30个像素。
图9是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图,如图9所示,步骤105可以包括:
步骤1053,针对每个目标线段组对应的四边形,确定该目标线段组中第一目标线段的每个端点对应的第一相邻距离,并确定该目标线段组中第二目标线段的每个端点对应的第二相邻距离,第一相邻距离,为第一目标线段的一个端点,与该目标线段组对应的第三目标线段的端点和第四目标线段的端点之间最短的距离,第二相邻距离,为第二目标线段的一个端点,与该目标线段组对应的第三目标线段的端点和第四目标线段的端点之间最短的距离。
步骤1054,若第一目标线段的两个端点的第一相邻距离,与第二目标线段的两个端点对应的第二相邻距离的和,小于或等于第四距离阈值,确定该目标线段组对应的四边形为目标四边形。
在另一种应用场景中,针对每个目标线段组对应的四边形,可以先确定该目标线段组中第一目标线段的每个端点对应的第一相邻距离,并确定该目标线段组中第二目标线段的每个端点对应的第二相邻距离。需要说明的是,第一相邻距离可以理解为第一目标线段的一个端点,与该目标线段组对应的第三目标线段的端点之间最短的距离,和该端点与第四目标线段的端点之间最短的距离,也就是说,第一目标线段对应两个第一相邻距离。同理,第二相邻距离可以理解为第二目标线段的一个端点,与该目标线段组对应的第三目标线段的端点之间最短的距离,和该端点与第四目标线段的端点之间最短的距离,也就是说,第二目标线段对应两个第二相邻距离。
以图8中所示的第一目标线段L1的两个端点为e、f,第二目标线段L2的两个端点为g、h,第三目标线段L3的两个端点为i、j,第四目标线段L4的两个端点为k、m来举例。那么第一相邻距离即为e到i的距离,和f到k的距离。第二相邻距离即为g到j的距离,和h到m的距离。
进一步的,若第一目标线段的两个端点的第一相邻距离,与第二目标线段的两个端点对应的第二相邻距离的和,小于或等于第四距离阈值,确定该目标线段组对应的四边形为目标四边形。第四距离阈值例如可以设置为60个像素,如果e到i的距离、f到k的距离、g到j的距离,和h到m的距离求和,小于或等于60个像素,那么可以确定L1、L2、L3、L4组成的四边形为目标四边形。
同样的,也可以先确定第三目标线段的每个端点对应的第三相邻距离,并确定第四目标线段的每个端点对应的第四相邻距离。然后对第三目标线段的两个端点的第三相邻距离,与第四目标线段的两个端点对应的第四相邻距离求和,若小于或等于第四距离阈值,确定该目标线段组对应的四边形为目标四边形。其中,第三相邻距离可以理解为第三目标线段的一个端点,与该目标线段组包括的第一目标线段的端点之间最短的距离,和该端点与第二目标线段的端点之间最短的距离,也就是说,第三目标线段对应两个第三相邻距离。同理,第四相邻距离可以理解为第四目标线段的一个端点,与该目标线段组包括的第一目标线段的端点之间最短的距离,和该端点与第二目标线段的端点之间最短的距离,也就是说,第四目标线段对应两个第四相邻距离。以图8中所示的第一目标线段L1的两个端点为e、f,第二目标线段L2的两个端点为g、h,第三目标线段L3的两个端点为i、j,第四目标线段L4的两个端点为k、m来举例。那么第三相邻距离即为e到i的距离,和g到j的距离。第四相邻距离即为,f到k的距离,和h到m的距离。
图10是根据一示例性实施例示出的另一种图像中四边形的识别方法的流程图,如图10所示,步骤105可以包括:
步骤1055,针对每个目标线段组对应的四边形,确定该目标线段组对应的四边形的指定属性信息,指定属性信息包括:面积,和/或颜色。
步骤1056,若该目标线段组对应的四边形的指定属性信息,满足预设条件,确定该目标线段组对应的四边形为目标四边形。
在另一种应用场景中,还可以根据具体的需求,对每个目标线段组对应的四边形进行筛选。例如,可以先确定每个目标线段组对应的四边形的指定属性信息,然后将指定属性信息满足预设条件的四边形,作为目标四边形。具体的,指定属性信息可以为面积、颜色、所属区域中的至少一种。相应的,预设条件可以是面积大于预设的面积阈值(或者面积小于或等于面积阈值、面积最大、面积最小等),颜色属于预设的颜色范围,所属区域在预设的指定范围内等。例如,面积阈值为300个像素点,那么可以将面积大于300个像素点的四边形作为目标四边形。或者,可以将多个四边形中,面积最大的四边形作为目标四边形。再比如,指定范围为图像的上半部分,那么可以将位于目标图像的上半部分的四边形作为目标四边形。以图5中的(a)所示的目标图像来举例,预设条件为面积最大的四边形,得到的目标四边形如图11所示。
需要说明的是,在对步骤104中得到的多个四边形进行筛选时,可以使用图7、图9、图10中所示出的筛选方式中的任一种筛选方式,也可以是任意两种筛选方式的组合,也可以是三种筛选方式的组合,本公开对此不作具体限定。
综上所述,本公开首先提取目标图像中包括的线段,并对线段进行合并,得到合并线段,之后在合并线段中,选择至少一个包括了第一目标线段和第二目标线段的目标线段组,其中,第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于第一角度阈值,且第一目标线段与第二目标线段之间的最短距离大于第一距离阈值,然后针对每个目标线段组,确定对应的第三目标线段和第四目标线段,最后根据该目标线段组和对应的第三目标线段和第四目标线段,确定该目标线段组对应的四边形。本公开通过对图像中的线段进行合并,并从合并后的线段中,筛选出能够组成四边形的四个线段,从而确定图像中的四边形,能够提高四边形识别的效率和准确度。
图12是根据一示例性实施例示出的一种图像中四边形的识别装置的框图,如图12所示,该装置200包括:
提取模块201,用于提取目标图像中包括的线段,并对线段进行合并,得到合并线段。
第一确定模块202,用于在合并线段中,确定至少一个目标线段组,每个目标线段组中包括第一目标线段和第二目标线段,第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于第一角度阈值,且第一目标线段与第二目标线段之间的最短距离大于第一距离阈值。
第二确定模块203,用于针对每个目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段。
识别模块204,用于根据该目标线段组,与该目标线段组对应的第三目标线段和第四目标线段,确定目标图像中该目标线段组对应的四边形。
图13是根据一示例性实施例示出的另一种图像中四边形的识别装置的框图,如图13所示,第二确定模块203可以包括:
第一确定子模块2031,用于确定第三目标线段,第三目标线段所在直线与第一目标线段所在直线的夹角大于第二角度阈值,且第三目标线段所在直线与第二目标线段所在直线的夹角大于第二角度阈值。
第二确定子模块2032,用于根据第三目标线段,确定第四目标线段,第四目标线段所在直线与第三目标线段所在直线的夹角小于或等于第一角度阈值,且第四目标线段与第三目标线段之间的最短距离大于第一距离阈值。
在另一种应用场景中,第一确定子模块2031,可以用于确定该目标线段组对应的多个垂直线段,每个垂直线段所在直线与第一目标线段所在直线的夹角大于第二角度阈值,且该垂直线段所在直线与第二目标线段所在直线的夹角大于第二角度阈值。
第二确定子模块2032,可以用于在多个垂直线段中,确定第三目标线段和第四目标线段,第四目标线段所在直线与第三目标线段所在直线的夹角小于或等于第一角度阈值,且第四目标线段与第三目标线段之间的最短距离大于第一距离阈值。
图14是根据一示例性实施例示出的另一种图像中四边形的识别装置的框图,如图14所示,提取模块201可以包括:
第三确定子模块2011,用于在线段中,确定第五线段和第六线段,第五线段所在直线与第六线段所在直线的夹角小于或等于第三角度阈值,且第五线段与第六线段之间的相邻距离小于或等于第二距离阈值,相邻距离为第五线段的端点,与第六线段的端点之间最短的距离。
合并子模块2012,用于将第五线段与第六线段进行合并。
图15是根据一示例性实施例示出的另一种图像中四边形的识别装置的框图,如图15所示,该装置200还包括:
筛选模块205,用于在根据该目标线段组,与该目标线段组对应的第三目标线段和第四目标线段,确定目标图像中该目标线段组对应的四边形之后,在每个目标线段组对应的四边形中,确定目标图像中的目标四边形。
在一种应用场景中,筛选模块205可以用于执行以下步骤:
步骤1)针对每个目标线段组对应的四边形,根据该目标线段组中第一目标线段的端点和第二目标线段的端点,确定第一中心点,并根据该目标线段组对应的第三目标线段的端点和第四目标线段的端点,确定第二中心点。
步骤2)若第一中心点与第二中心点的距离小于或等于第三距离阈值,确定该目标线段组对应的四边形为目标四边形。
在另一种应用场景中,筛选模块205可以用于执行以下步骤:
步骤3)针对每个目标线段组对应的四边形,确定该目标线段组中第一目标线段的每个端点对应的第一相邻距离,并确定该目标线段组中第二目标线段的每个端点对应的第二相邻距离,第一相邻距离,为第一目标线段的一个端点,与该目标线段组对应的第三目标线段的端点和第四目标线段的端点之间最短的距离,第二相邻距离,为第二目标线段的一个端点,与该目标线段组对应的第三目标线段的端点和第四目标线段的端点之间最短的距离。
步骤4)若第一目标线段的两个端点的第一相邻距离,与第二目标线段的两个端点对应的第二相邻距离的和,小于或等于第四距离阈值,确定该目标线段组对应的四边形为目标四边形。
在又一种应用场景中,筛选模块205可以用于执行以下步骤:
步骤5)针对每个目标线段组对应的四边形,确定该目标线段组对应的四边形的指定属性信息,指定属性信息包括:面积,和/或颜色。
步骤6)若该目标线段组对应的四边形的指定属性信息,满足预设条件,确定该目标线段组对应的四边形为目标四边形。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,本公开首先提取目标图像中包括的线段,并对线段进行合并,得到合并线段,之后在合并线段中,选择至少一个包括了第一目标线段和第二目标线段的目标线段组,其中,第一目标线段所在直线与第二目标线段所在直线的夹角小于或等于第一角度阈值,且第一目标线段与第二目标线段之间的最短距离大于第一距离阈值,然后针对每个目标线段组,确定对应的第三目标线段和第四目标线段,最后根据该目标线段组和对应的第三目标线段和第四目标线段,确定该目标线段组对应的四边形。本公开通过对图像中的线段进行合并,并从合并后的线段中,筛选出能够组成四边形的四个线段,从而确定图像中的四边形,能够提高四边形识别的效率和准确度。
下面参考图16,其示出了适于用来实现本公开实施例的电子设备(即上述图像中四边形的识别方法的执行主体)300的结构示意图。本公开实施例中的电子设备可以是服务器,该服务器例如可以是本地服务器或者云服务器。电子设备也可以是终端设备,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图16示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图16所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图16示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,终端设备、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:提取目标图像中包括的线段,并对所述线段进行合并,得到合并线段;在所述合并线段中,确定至少一个目标线段组,每个所述目标线段组中包括第一目标线段和第二目标线段,所述第一目标线段所在直线与所述第二目标线段所在直线的夹角小于或等于第一角度阈值,且所述第一目标线段与所述第二目标线段之间的最短距离大于第一距离阈值;针对每个所述目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段;根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,提取模块还可以被描述为“提取目标图像中包括的线段的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种图像中四边形的识别方法,包括:提取目标图像中包括的线段,并对所述线段进行合并,得到合并线段;在所述合并线段中,确定至少一个目标线段组,每个所述目标线段组中包括第一目标线段和第二目标线段,所述第一目标线段所在直线与所述第二目标线段所在直线的夹角小于或等于第一角度阈值,且所述第一目标线段与所述第二目标线段之间的最短距离大于第一距离阈值;针对每个所述目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段;根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述确定该目标线段组对应的第三目标线段和第四目标线段,包括:确定所述第三目标线段,所述第三目标线段所在直线与所述第一目标线段所在直线的夹角大于第二角度阈值,且所述第三目标线段所在直线与所述第二目标线段所在直线的夹角大于所述第二角度阈值;根据所述第三目标线段,确定所述第四目标线段,所述第四目标线段所在直线与所述第三目标线段所在直线的夹角小于或等于所述第一角度阈值,且所述第四目标线段与所述第三目标线段之间的最短距离大于所述第一距离阈值。
根据本公开的一个或多个实施例,示例3提供了示例1的方法,所述确定该目标线段组对应的第三目标线段和第四目标线段,包括:确定该目标线段组对应的多个垂直线段,每个所述垂直线段所在直线与所述第一目标线段所在直线的夹角大于第二角度阈值,且该垂直线段所在直线与所述第二目标线段所在直线的夹角大于所述第二角度阈值;在所述多个垂直线段中,确定所述第三目标线段和所述第四目标线段,所述第四目标线段所在直线与所述第三目标线段所在直线的夹角小于或等于所述第一角度阈值,且所述第四目标线段与所述第三目标线段之间的最短距离大于所述第一距离阈值。
根据本公开的一个或多个实施例,示例4提供了示例1的方法,所述对所述线段进行合并,得到合并线段,包括:在所述线段中,确定第五线段和第六线段,第五线段所在直线与所述第六线段所在直线的夹角小于或等于第三角度阈值,且所述第五线段与所述第六线段之间的相邻距离小于或等于第二距离阈值,所述相邻距离为所述第五线段的端点,与所述第六线段的端点之间最短的距离;将所述第五线段与所述第六线段进行合并。
根据本公开的一个或多个实施例,示例5提供了示例1至示例4的方法,在所述根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形之后,所述方法还包括:在每个所述目标线段组对应的四边形中,确定所述目标图像中的目标四边形。
根据本公开的一个或多个实施例,示例6提供了示例5的方法,所述在每个所述目标线段组对应的四边形中,确定所述目标图像中的目标四边形,包括:针对每个所述目标线段组对应的四边形,根据该目标线段组中所述第一目标线段的端点和所述第二目标线段的端点,确定第一中心点,并根据该目标线段组对应的所述第三目标线段的端点和所述第四目标线段的端点,确定第二中心点;若所述第一中心点与所述第二中心点的距离小于或等于第三距离阈值,确定该目标线段组对应的四边形为所述目标四边形。
根据本公开的一个或多个实施例,示例7提供了示例5的方法,所述在每个所述目标线段组对应的四边形中,确定所述目标图像中的目标四边形,包括:针对每个所述目标线段组对应的四边形,确定该目标线段组中所述第一目标线段的每个端点对应的第一相邻距离,并确定该目标线段组中所述第二目标线段的每个端点对应的第二相邻距离,所述第一相邻距离,为所述第一目标线段的一个端点,与该目标线段组对应的所述第三目标线段的端点和所述第四目标线段的端点之间最短的距离,所述第二相邻距离,为所述第二目标线段的一个端点,与该目标线段组对应的所述第三目标线段的端点和所述第四目标线段的端点之间最短的距离;若所述第一目标线段的两个端点的所述第一相邻距离,与所述第二目标线段的两个端点对应的所述第二相邻距离的和,小于或等于第四距离阈值,确定该目标线段组对应的四边形为所述目标四边形。
根据本公开的一个或多个实施例,示例8提供了示例5的方法,所述在每个所述目标线段组对应的四边形中,确定所述目标图像中的目标四边形,包括:针对每个所述目标线段组对应的四边形,确定该目标线段组对应的四边形的指定属性信息,所述指定属性信息包括:面积,和/或颜色;若该目标线段组对应的四边形的所述指定属性信息,满足预设条件,确定该目标线段组对应的四边形为所述目标四边形。
根据本公开的一个或多个实施例,示例9提供了一种图像中四边形的识别装置,包括:提取模块,用于提取目标图像中包括的线段,并对所述线段进行合并,得到合并线段;第一确定模块,用于在所述合并线段中,确定至少一个目标线段组,每个所述目标线段组中包括第一目标线段和第二目标线段,所述第一目标线段所在直线与所述第二目标线段所在直线的夹角小于或等于第一角度阈值,且所述第一目标线段与所述第二目标线段之间的最短距离大于第一距离阈值;第二确定模块,用于针对每个所述目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段;识别模块,用于根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形。
根据本公开的一个或多个实施例,示例10提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现示例1至示例8中所述方法的步骤。
根据本公开的一个或多个实施例,示例11提供了一种电子设备,包括:存储装置,其上存储有计算机程序;处理装置,用于执行所述存储装置中的所述计算机程序,以实现示例1至示例8中所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (11)
1.一种图像中四边形的识别方法,其特征在于,所述方法包括:
提取目标图像中包括的线段,并对所述线段进行合并,得到合并线段;
在所述合并线段中,确定至少一个目标线段组,每个所述目标线段组中包括第一目标线段和第二目标线段,所述第一目标线段所在直线与所述第二目标线段所在直线的夹角小于或等于第一角度阈值,且所述第一目标线段与所述第二目标线段之间的最短距离大于第一距离阈值;
针对每个所述目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段;
根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形。
2.根据权利要求1所述的方法,其特征在于,所述确定该目标线段组对应的第三目标线段和第四目标线段,包括:
确定所述第三目标线段,所述第三目标线段所在直线与所述第一目标线段所在直线的夹角大于第二角度阈值,且所述第三目标线段所在直线与所述第二目标线段所在直线的夹角大于所述第二角度阈值;
根据所述第三目标线段,确定所述第四目标线段,所述第四目标线段所在直线与所述第三目标线段所在直线的夹角小于或等于所述第一角度阈值,且所述第四目标线段与所述第三目标线段之间的最短距离大于所述第一距离阈值。
3.根据权利要求1所述的方法,其特征在于,所述确定该目标线段组对应的第三目标线段和第四目标线段,包括:
确定该目标线段组对应的多个垂直线段,每个所述垂直线段所在直线与所述第一目标线段所在直线的夹角大于第二角度阈值,且该垂直线段所在直线与所述第二目标线段所在直线的夹角大于所述第二角度阈值;
在所述多个垂直线段中,确定所述第三目标线段和所述第四目标线段,所述第四目标线段所在直线与所述第三目标线段所在直线的夹角小于或等于所述第一角度阈值,且所述第四目标线段与所述第三目标线段之间的最短距离大于所述第一距离阈值。
4.根据权利要求1所述的方法,其特征在于,所述对所述线段进行合并,得到合并线段,包括:
在所述线段中,确定第五线段和第六线段,第五线段所在直线与所述第六线段所在直线的夹角小于或等于第三角度阈值,且所述第五线段与所述第六线段之间的相邻距离小于或等于第二距离阈值,所述相邻距离为所述第五线段的端点,与所述第六线段的端点之间最短的距离;
将所述第五线段与所述第六线段进行合并。
5.根据权利要求1-4中任一项所述的方法,其特征在于,在所述根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形之后,所述方法还包括:
在每个所述目标线段组对应的四边形中,确定所述目标图像中的目标四边形。
6.根据权利要求5所述的方法,其特征在于,所述在每个所述目标线段组对应的四边形中,确定所述目标图像中的目标四边形,包括:
针对每个所述目标线段组对应的四边形,根据该目标线段组中所述第一目标线段的端点和所述第二目标线段的端点,确定第一中心点,并根据该目标线段组对应的所述第三目标线段的端点和所述第四目标线段的端点,确定第二中心点;
若所述第一中心点与所述第二中心点的距离小于或等于第三距离阈值,确定该目标线段组对应的四边形为所述目标四边形。
7.根据权利要求5所述的方法,其特征在于,所述在每个所述目标线段组对应的四边形中,确定所述目标图像中的目标四边形,包括:
针对每个所述目标线段组对应的四边形,确定该目标线段组中所述第一目标线段的每个端点对应的第一相邻距离,并确定该目标线段组中所述第二目标线段的每个端点对应的第二相邻距离,所述第一相邻距离,为所述第一目标线段的一个端点,与该目标线段组对应的所述第三目标线段的端点和所述第四目标线段的端点之间最短的距离,所述第二相邻距离,为所述第二目标线段的一个端点,与该目标线段组对应的所述第三目标线段的端点和所述第四目标线段的端点之间最短的距离;
若所述第一目标线段的两个端点的所述第一相邻距离,与所述第二目标线段的两个端点对应的所述第二相邻距离的和,小于或等于第四距离阈值,确定该目标线段组对应的四边形为所述目标四边形。
8.根据权利要求5所述的方法,其特征在于,所述在每个所述目标线段组对应的四边形中,确定所述目标图像中的目标四边形,包括:
针对每个所述目标线段组对应的四边形,确定该目标线段组对应的四边形的指定属性信息,所述指定属性信息包括:面积,和/或颜色;
若该目标线段组对应的四边形的所述指定属性信息,满足预设条件,确定该目标线段组对应的四边形为所述目标四边形。
9.一种图像中的四边形的识别装置,其特征在于,该装置包括:
提取模块,用于提取目标图像中包括的线段,并对所述线段进行合并,得到合并线段;
第一确定模块,用于在所述合并线段中,确定至少一个目标线段组,每个所述目标线段组中包括第一目标线段和第二目标线段,所述第一目标线段所在直线与所述第二目标线段所在直线的夹角小于或等于第一角度阈值,且所述第一目标线段与所述第二目标线段之间的最短距离大于第一距离阈值;
第二确定模块,用于针对每个所述目标线段组,确定该目标线段组对应的第三目标线段和第四目标线段;
识别模块,用于根据该目标线段组,与该目标线段组对应的所述第三目标线段和所述第四目标线段,确定所述目标图像中该目标线段组对应的四边形。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-8中任一项所述方法的步骤。
11.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011141685.3A CN112257598B (zh) | 2020-10-22 | 2020-10-22 | 图像中四边形的识别方法、装置、可读介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011141685.3A CN112257598B (zh) | 2020-10-22 | 2020-10-22 | 图像中四边形的识别方法、装置、可读介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112257598A true CN112257598A (zh) | 2021-01-22 |
CN112257598B CN112257598B (zh) | 2024-06-18 |
Family
ID=74264293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011141685.3A Active CN112257598B (zh) | 2020-10-22 | 2020-10-22 | 图像中四边形的识别方法、装置、可读介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257598B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113496109A (zh) * | 2021-07-05 | 2021-10-12 | 北京华大九天科技股份有限公司 | 显示矩形式多边形的方法、装置、存储介质和电子设备 |
CN113763235A (zh) * | 2021-09-08 | 2021-12-07 | 北京琥珀创想科技有限公司 | 一种将图片转换为扫描件的方法及智能移动终端 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007023715A1 (en) * | 2005-08-25 | 2007-03-01 | Ricoh Company, Ltd. | Image processing method and apparatus, digital camera, and recording medium recording image processing program |
CN101840513A (zh) * | 2010-05-21 | 2010-09-22 | 华中科技大学 | 一种图像形状特征提取方法 |
CN102236784A (zh) * | 2010-05-07 | 2011-11-09 | 株式会社理光 | 屏幕区域检测方法及*** |
CN104063868A (zh) * | 2014-06-30 | 2014-09-24 | 中国科学院自动化研究所 | 一种多边形工件检测定位方法 |
US9208403B1 (en) * | 2014-06-16 | 2015-12-08 | Qualcomm Incorporated | Systems and methods for processing image data associated with line detection |
CN105931239A (zh) * | 2016-04-20 | 2016-09-07 | 北京小米移动软件有限公司 | 图像处理的方法及装置 |
CN106960184A (zh) * | 2017-03-08 | 2017-07-18 | 南昌航空大学 | 一种书本边框的图像定位方法 |
CN109579839A (zh) * | 2017-09-29 | 2019-04-05 | 高德软件有限公司 | 一种平行路识别方法、平行路相似度确定方法及装置 |
CN109711415A (zh) * | 2018-11-13 | 2019-05-03 | 平安科技(深圳)有限公司 | 证件轮廓确定方法、装置及存储介质、服务器 |
CN110163198A (zh) * | 2018-09-27 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种表格识别重建方法、装置和存储介质 |
CN110929664A (zh) * | 2019-11-29 | 2020-03-27 | 汉海信息技术(上海)有限公司 | 图像识别方法以及装置 |
CN110929738A (zh) * | 2019-11-19 | 2020-03-27 | 上海眼控科技股份有限公司 | 证卡边缘检测方法、装置、设备及可读存储介质 |
CN111243049A (zh) * | 2020-01-06 | 2020-06-05 | 北京字节跳动网络技术有限公司 | 人脸图像的处理方法、装置、可读介质和电子设备 |
US20200320332A1 (en) * | 2019-02-26 | 2020-10-08 | Fingram Co., Ltd. | System and method for object detection |
-
2020
- 2020-10-22 CN CN202011141685.3A patent/CN112257598B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007023715A1 (en) * | 2005-08-25 | 2007-03-01 | Ricoh Company, Ltd. | Image processing method and apparatus, digital camera, and recording medium recording image processing program |
US20090225180A1 (en) * | 2005-08-25 | 2009-09-10 | Ricoh Company, Ltd. | Image processing method and apparatus, digital camera, and recording medium recording image processing program |
CN102236784A (zh) * | 2010-05-07 | 2011-11-09 | 株式会社理光 | 屏幕区域检测方法及*** |
CN101840513A (zh) * | 2010-05-21 | 2010-09-22 | 华中科技大学 | 一种图像形状特征提取方法 |
US9208403B1 (en) * | 2014-06-16 | 2015-12-08 | Qualcomm Incorporated | Systems and methods for processing image data associated with line detection |
CN104063868A (zh) * | 2014-06-30 | 2014-09-24 | 中国科学院自动化研究所 | 一种多边形工件检测定位方法 |
CN105931239A (zh) * | 2016-04-20 | 2016-09-07 | 北京小米移动软件有限公司 | 图像处理的方法及装置 |
CN106960184A (zh) * | 2017-03-08 | 2017-07-18 | 南昌航空大学 | 一种书本边框的图像定位方法 |
CN109579839A (zh) * | 2017-09-29 | 2019-04-05 | 高德软件有限公司 | 一种平行路识别方法、平行路相似度确定方法及装置 |
CN110163198A (zh) * | 2018-09-27 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种表格识别重建方法、装置和存储介质 |
CN109711415A (zh) * | 2018-11-13 | 2019-05-03 | 平安科技(深圳)有限公司 | 证件轮廓确定方法、装置及存储介质、服务器 |
US20200320332A1 (en) * | 2019-02-26 | 2020-10-08 | Fingram Co., Ltd. | System and method for object detection |
CN110929738A (zh) * | 2019-11-19 | 2020-03-27 | 上海眼控科技股份有限公司 | 证卡边缘检测方法、装置、设备及可读存储介质 |
CN110929664A (zh) * | 2019-11-29 | 2020-03-27 | 汉海信息技术(上海)有限公司 | 图像识别方法以及装置 |
CN111243049A (zh) * | 2020-01-06 | 2020-06-05 | 北京字节跳动网络技术有限公司 | 人脸图像的处理方法、装置、可读介质和电子设备 |
Non-Patent Citations (6)
Title |
---|
JIA CAI等: "A fast detection method of arbitrary triangles for Tethered Space Robot", 《2015 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS (ROBIO)》, pages 120 - 125 * |
LUYUAN LI 等: "Automatic comic page segmentation based on polygon detection", 《MULTIMEDIA TOOLS AND APPLICATIONS》, vol. 69, pages 171, XP055323010, DOI: 10.1007/s11042-012-1241-7 * |
NAM-GYU CHO等: "A Novel Linelet-Based Representation for Line Segment Detection", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》, vol. 40, no. 5, pages 1195 - 1208 * |
张梦瑶等: "基于可变阈值的三角形模式识别方法", 《中国科技论文在线精品论文》, vol. 13, no. 01, pages 26 - 32 * |
李想: "面向地学研究的六面体网格生成方法研究", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》, no. 02, pages 008 - 50 * |
闫娜等: "一种自动检测靶板角点的方法", 《长春理工大学学报(自然科学版)》, vol. 40, no. 04, pages 73 - 77 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113496109A (zh) * | 2021-07-05 | 2021-10-12 | 北京华大九天科技股份有限公司 | 显示矩形式多边形的方法、装置、存储介质和电子设备 |
CN113763235A (zh) * | 2021-09-08 | 2021-12-07 | 北京琥珀创想科技有限公司 | 一种将图片转换为扫描件的方法及智能移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN112257598B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112184738B (zh) | 一种图像分割方法、装置、设备及存储介质 | |
CN111369427B (zh) | 图像处理方法、装置、可读介质和电子设备 | |
CN112241714B (zh) | 图像中指定区域的识别方法、装置、可读介质和电子设备 | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN111243049B (zh) | 人脸图像的处理方法、装置、可读介质和电子设备 | |
CN110211195B (zh) | 生成图像集合的方法、装置、电子设备和计算机可读存储介质 | |
CN110298851B (zh) | 人体分割神经网络的训练方法及设备 | |
CN112257598B (zh) | 图像中四边形的识别方法、装置、可读介质和电子设备 | |
CN110705511A (zh) | 模糊图像的识别方法、装置、设备及存储介质 | |
CN114282581A (zh) | 基于数据增强的训练样本获取方法、装置和电子设备 | |
CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
CN111783777A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN111209856B (zh) | ***信息的识别方法、装置、电子设备及存储介质 | |
CN112418232A (zh) | 图像分割方法、装置、可读介质及电子设备 | |
CN115205305A (zh) | 一种实例分割模型训练方法、实例分割方法及装置 | |
CN114581336A (zh) | 图像修复方法、装置、设备、介质及产品 | |
CN114037716A (zh) | 图像分割方法、装置、设备及存储介质 | |
CN111862351B (zh) | 定位模型优化方法、定位方法和定位设备 | |
CN111461965B (zh) | 图片处理方法、装置、电子设备和计算机可读介质 | |
CN111783889B (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
CN113610034A (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
CN111915532B (zh) | 图像追踪方法、装置、电子设备及计算机可读介质 | |
CN110399802B (zh) | 处理面部图像眼睛亮度的方法、装置、介质和电子设备 | |
CN110852242A (zh) | 基于多尺度网络的水印识别方法、装置、设备及存储介质 | |
CN111784709B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 |
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 |