CN112446918A - 图像中目标物体定位方法、装置、计算机装置及存储介质 - Google Patents

图像中目标物体定位方法、装置、计算机装置及存储介质 Download PDF

Info

Publication number
CN112446918A
CN112446918A CN201910833464.3A CN201910833464A CN112446918A CN 112446918 A CN112446918 A CN 112446918A CN 201910833464 A CN201910833464 A CN 201910833464A CN 112446918 A CN112446918 A CN 112446918A
Authority
CN
China
Prior art keywords
area
target area
target
pixel
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
Application number
CN201910833464.3A
Other languages
English (en)
Inventor
林国宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Triple Win Technology Shenzhen Co Ltd
Original Assignee
Triple Win Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Triple Win Technology Shenzhen Co Ltd filed Critical Triple Win Technology Shenzhen Co Ltd
Priority to CN201910833464.3A priority Critical patent/CN112446918A/zh
Priority to US16/734,434 priority patent/US11094049B2/en
Publication of CN112446918A publication Critical patent/CN112446918A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/542—Event management; Broadcasting; Multicasting; Notifications
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种图像中目标物体定位方法、图像中目标物体定位装置、计算机装置及计算机存储介质，所述方法包括：获取待识别图像；识别所述待识别图像中至少一个目标区域，对所述目标区域进行标记，得到至少一个标记区域，其中所述标记区域的面积大于或等于所述目标区域的面积，且所述目标区域位于所述标记区域内；对所述标记区域进行二值化处理，其中所述经过二值化处理后的目标区域的像素点的颜色和目标区域外的像素点的颜色不同；在所述标记区域中识别所述目标区域的边界像素及目标区域内的有效像素；通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小。通过所述方法可以对图像中目标物体的定位以更加智能快捷的方式进行。

Description

图像中目标物体定位方法、装置、计算机装置及存储介质
技术领域
本发明涉及图像中目标物体定位领域，具体涉及一种图像中目标物体定位方法、图像中目标物体定位装置、计算机装置及计算机存储介质。
背景技术
随着图像识别技术的发展，图像识别技术已经应用到生产生活的各个方面。例如摄像设备可以在拍照的时候自动识别并精确定位人脸的位置。为了得到更好的识别效果，摄像设备需要在出厂前对所要识别对象的定位能力进行校正，现有的生产过程中，往往是通过人工标定的方式对摄像设备所要识别对象进行定位，通过人工定位的方法准确率低，速度慢。
发明内容
鉴于以上内容，有必要提出一种图像中目标物体定位方法及装置、计算机装置和计算机可读存储介质，使得对图像中目标物体的定位以更加智能快捷的方式进行。
本申请的第一方面提供一种图像中目标物体定位方法，所述方法包括：
获取待识别图像；
识别所述待识别图像中至少一个目标区域，并对所述目标区域进行标记，得到至少一个标记区域，其中，所述标记区域的面积大于或等于所述目标区域的面积，且所述目标区域位于所述标记区域内；
对所述标记区域进行二值化处理，其中所述经过二值化处理后的目标区域的像素点的颜色和目标区域外的像素点的颜色不同；
在所述标记区域中识别所述目标区域的边界像素以及目标区域内的有效像素；
通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小。
优选地，识别所述待识别图像中至少一个目标区域的步骤包括：
获取所待识别的目标区域的特征信息；
在所述待识别图像中查找是否存在所述特征信息；
若存在所述特征信息，则确定具有所述特征信息的区域为目标区域；
若不存在所述特征信息，则发出提示消息提示不存在目标区域。
优选地，在所述标记区域中识别所述目标区域的边界像素的步骤包括：
在标记区域中识别目标区域中每一像素点的颜色；
判断所述目标区域中每一像素点相邻的其他八个像素点的颜色；
若所述目标区域像素点周围的八个像素点中同时存在与所述目标区域像素点颜色一致和不一致的像素点，则所述目标区域像素点为边界像素。
优选地，在所述标记区域中识别所述目标区域的边界像素的步骤还包括：
在标记区域中查找除所述边界像素以外的待标定像素；
判断所述待标定像素的水平和竖直方向是否存在边界像素；
若所述待标定像素的水平和竖直方向同时存在边界像素，则所述待标定像素为有效像素。
优选地，通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小的方法包括：
根据有效像素的位置将所述标记区域中的所有的边界像素进行连线得到所述目标区域的形状；
根据所述目标区域的形状计算所述目标区域的大小及中心。
本申请的第二方面提供一种图像中目标物体定位装置，所述装置包括：
获取模块，用于获取待识别图像；
标识模块，用于识别所述待识别图像中至少一个目标区域，并对所述目标区域进行标记，得到至少一个标记区域，其中，所述标记区域的面积大于或等于所述目标区域的面积，且所述目标区域位于所述标记区域内；
处理模块，用于对所述标记区域进行二值化处理，其中所述经过二值化处理后的目标区域的像素点的颜色和目标区域外的像素点的颜色不同；
查找模块，用于在所述标记区域中识别所述目标区域的边界像素以及目标区域内的有效像素；
输出模块，用于通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小。
本申请的第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前所述图像中目标物体定位方法。
本申请的第四方面提供一种计算机存储介质，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如前所述图像中目标物体定位方法。
本发明图像中目标物体定位方法通过对图像中目标区域像素及目标区域周边像素的颜色进行判断，通过目标区域像素及目标区域周边像素的位置确定目标区域的形状和大小。通过所述方法可以使图像中目标物体的识别更加准确和快捷。
附图说明
图1是本发明实施例一提供的图像中目标物体定位方法流程图。
图2是本发明实施例一提供的图像中目标物体定位方法标定区域示意图。
图3是本发明实施例一提供的图像中目标物体定位方法标记区域二值化示意图。
图4是本发明实施例一提供的图像中目标物体定位方法目标区域边界像素和有效像素示意图。
图5是本发明实施例一提供的图像中目标物体定位方法定位结果示意图。
图6是本发明实施例二提供的图像中目标物体定位装置的结构示意图。
图7是本发明实施例三提供的计算机装置示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
实施例一
请参阅图1所示，是本发明第一实施例提供的图像中目标物体定位方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S1、获取待识别图像。
在本发明一实施方式，通过摄像设备中的处理器获取摄感光元件采集的待识别图像的图像信息。在其他实施方式中，也可以从其他存储介质中获取待识别图像。
步骤S2、识别所述待识别图像中至少一个目标区域，并对所述目标区域进行标记，得到至少一个标记区域，其中，所述标记区域的面积大于或等于所述目标区域的面积，且所述目标区域位于所述标记区域内。
在本发明一实施方式中，识别所述待识别图像中至少一个目标区域的步骤可以包括：
获取所待识别的目标区域的特征信息；
在所述待识别图像中查找是否存在所述特征信息；
若存在所述特征信息，则标记具有所述特征信息的区域；
若不存在所述特征信息，则发出提示消息。
举例而言，请参阅图2是本发明实施例一提供的图像中目标物体定位方法标定区域示意图。摄像设备中的处理器获取所述待识别图像的图像信息，从数据中获取所要识别的目标区域的特征信息，所述数据库中存储了所要识别的目标区域的历史特征信息，处理器在所述待识别图像中查找具有所述特征信息的目标区域，在所述待识别图像中处理器经过和数据库中的特征信息进行匹配查找，标记出包含所述目标区域的标记区域，如图2中七个小方框所示。图2中标记了7个标记区域，每个所述标记区域中包含有一个完整的目标区域，且标记区域的面积大于目标区域的面积，在图2中所示的七个标记区域中，由于有的相邻目标区域之间的间隔很近，在一些标记区域中不仅包含了一个完整的目标区域，还包括了部分与所述完整的目标区域相邻的其他目标区域。在本发明的其他实施方式中，所述标记区域的面积也可以等于目标区域的面积，且目标区域处于标记区域中；所述标记区域的形状也可以是圆形、长方形等其他形状。
若处理器在所述待识别图像中没有查找出具有所述特征信息的区域，则以提示信息的形式发出未找出所述目标区域的消息。
步骤S3、对所述标记区域进行二值化处理，其中所述经过二值化处理后的目标区域的像素点的颜色和目标区域外的像素点的颜色不同。
在本发明一实施方式中，请参阅图3是本发明实施例一提供的图像中目标物体定位方法标记区域二值化示意图，对标定区域进行二值化处理的步骤可以为：将识别出得到所述目标区域的像素点的颜色值赋予255，将识别得到的目标区域外的颜色值赋予0。经过二值化处理之后，如图3所示，待识别图像中的七个标记区域中，所述目标区域的像素点的颜色为黑色，所述目标区域外的像素点的颜色为白色，图3中有四个标记区域不仅包含了一个完整的目标区域，还包含了与所述完整的目标区域相邻的部分其他目标区域，如图3中所示，所述部分其他目标区域像素值经过二值化处理之后被赋予为黑色。
步骤S4、在所述标记区域中识别所述目标区域的边界像素以及目标区域内的有效像素。
在本发明一实施方式中，在所述标记区域中识别所述目标区域的边界像素的步骤可以包括：
在标记区域中识别目标区域中每一像素点的颜色；
并判断所述目标区域中每一像素点相邻的其他八个像素点的颜色；
若所述目标区域像素点周围的八个像素同时存在与所述目标区域像素点颜色一致的像素点和与所述目标区域像素点颜色不同像素点，则所述目标区域像素点为边界像素。
举例而言，请参阅图4是本发明实施例一提供的图像中目标物体定位方法目标区域边界像素和有效像素示意图。对于任意一个标记区域，按照步骤S3赋予的目标区域的颜色值查找所述标记区域中具有目标区域颜色值的像素点，如图4所示，目标区域的像素点为黑色，则在标记区域中查找像素颜色值为255的像素点。对于任意一个颜色值为255的像素点，查找在所述像素点周围的其他八个像素点的颜色，若所述颜色值为255的像素点周围的其他八个像素点同时存在颜色值为0的白色像素点和颜色值为255的黑色像素点，则位于所述八个像素点中心的颜色值为255的像素点为边界像素。并对所述边界像素的位置进行标记。
在所述标记区域中识别所述目标区域的边界像素的步骤可以包括：
在标记区域中查找除所述边界像素以外的待标定像素；
判断所述待标定像素的水平和竖直方向是否存在边界像素；
若所述待标定像素的水平和竖直方向同时存在边界像素，则所述待标定像素为有效像素。
举例而言，请参阅图4是本发明实施例一提供的图像中目标物体定位方法目标区域边界像素和有效像素示意图。在待标记图像中查找除边界像素以外的其他待标定像素，所述待标定像素可能是黑色像素，也可能是白色像素。对于任意一个待标定像素，以所述待标定像素为中心，分别朝水平和竖直方向判断是否存在边界像素，若以所述待标定像素为中心的水平、竖直四个方向均存在边界像素，则所述待标定像素为有效像素。
步骤S5、通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小。
通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小的方法可以包括：
按照标记区域中的边界像素和有效像素的位置确定目标区域的形状；
根据所述目标区域的形状计算所述目标区域的大小及中心。
举例而言，步骤S4确认的所述边界像素和有效像素的位置，将所述边界像素进行连线，得到目标区域的形状为四边形，根据四边形的中心及面积计算公式得到所述目标区域的中心如图5图像中目标物体定位方法定位结果示意图所示。
上述图1详细介绍了本发明的图像中目标物体定位方法，下面结合第6-7图，对实现所述图像中目标物体定位方法的软件装置的功能模块以及实现所述图像中目标物体定位方法的硬件装置架构进行介绍。
应所述了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
实施例二
图6为本发明图像中目标物体定位装置较佳实施例的结构图。
在一些实施例中，图像中目标物体定位装置10运行于计算机装置中。所述图像中目标物体定位装置10可以包括多个由程序代码段所组成的功能模块。所述图像中目标物体定位装置10中的各个程序段的程序代码可以存储于计算机装置的存储器中，并由所述至少一个处理器所执行，以实现图像中目标物体定位功能。
本实施例中，所述图像中目标物体定位装置10根据其所执行的功能，可以被划分为多个功能模块。参阅图6所示，所述功能模块可以包括：获取模块101、标识模块102、处理模块103、查找模块104、输出模块105。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
获取模块101，用于获取待识别图像。
在本发明一实施方式，通过摄像设备中的处理器获取摄感光元件采集的待识别图像的图像信息。在其他实施方式中，也可以从其他存储介质中获取待识别图像。
标识模块102，用于识别所述待识别图像中至少一个目标区域，并对所述目标区域进行标记，得到至少一个标记区域，其中，所述标记区域的面积大于或等于所述目标区域的面积，且所述目标区域位于所述标记区域内。
在本发明一实施方式中，识别所述待识别图像中至少一个目标区域的步骤可以包括：
获取所待识别的目标区域的特征信息；
在所述待识别图像中查找是否存在所述特征信息；
若存在所述特征信息，则标记具有所述特征信息的区域；
若不存在所述特征信息，则发出提示消息。
举例而言，请参阅图2是本发明实施例一提供的图像中目标物体定位方法标定区域示意图。摄像设备中的处理器获取所述待识别图像的图像信息，从数据中获取所要识别的目标区域的特征信息，所述数据库中存储了所要识别的目标区域的历史特征信息，处理器在所述待识别图像中查找具有所述特征信息的目标区域，在所述待识别图像中处理器经过和数据库中的特征信息进行匹配查找，标记出包含所述目标区域的标记区域，如图2中七个小方框所示。图2中标记了7个标记区域，每个所述标记区域中包含有一个完整的目标区域，且标记区域的面积大于目标区域的面积，在图2中所示的七个标记区域中，由于有的相邻目标区域之间的间隔很近，在一些标记区域中不仅包含了一个完整的目标区域，还包括了部分与所述完整的目标区域相邻的其他目标区域。在本发明的其他实施方式中，所述标记区域的面积也可以等于目标区域的面积，且目标区域处于标记区域中；所述标记区域的形状也可以是圆形、长方形等其他形状。
若处理器在所述待识别图像中没有查找出具有所述特征信息的区域，则以提示信息的形式发出未找出所述目标区域的消息。
处理模块103，用于对所述标记区域进行二值化处理，其中所述经过二值化处理后的目标区域的像素点的颜色和目标区域外的像素点的颜色不同。
在本发明一实施方式中，请参阅图3是本发明实施例一提供的图像中目标物体定位方法标记区域二值化示意图，对标定区域进行二值化处理的步骤可以为：将识别出得到所述目标区域的像素点的颜色值赋予255，将识别得到的目标区域外的颜色值赋予0。经过二值化处理之后，如图3所示，待识别图像中的七个标记区域中，所述目标区域的像素点的颜色为黑色，所述目标区域外的像素点的颜色为白色，图3中有四个标记区域不仅包含了一个完整的目标区域，还包含了与所述完整的目标区域相邻的部分其他目标区域，如图3中所示，所述部分其他目标区域像素值经过二值化处理之后被赋予为黑色。
查找模块104，用于在所述标记区域中识别所述目标区域的边界像素以及目标区域内的有效像素。
在本发明一实施方式中，在所述标记区域中识别所述目标区域的边界像素的步骤可以包括：
在标记区域中识别目标区域中每一像素点的颜色；
并判断所述目标区域中每一像素点相邻的其他八个像素点的颜色；
若所述目标区域像素点周围的八个像素同时存在与所述目标区域像素点颜色一致的像素点和与所述目标区域像素点颜色不同像素点，则所述目标区域像素点为边界像素。
举例而言，请参阅图4是本发明实施例一提供的图像中目标物体定位方法目标区域边界像素和有效像素示意图。对于任意一个标记区域，按照步骤S3赋予的目标区域的颜色值查找所述标记区域中具有目标区域颜色值的像素点，如图4所示，目标区域的像素点为黑色，则在标记区域中查找像素颜色值为255的像素点。对于任意一个颜色值为255的像素点，查找在所述像素点周围的其他八个像素点的颜色，若所述颜色值为255的像素点周围的其他八个像素点同时存在颜色值为0的白色像素点和颜色值为255的黑色像素点，则位于所述八个像素点中心的颜色值为255的像素点为边界像素。并对所述边界像素的位置进行标记。
在所述标记区域中识别所述目标区域的边界像素的步骤可以包括：
在标记区域中查找除所述边界像素以外的待标定像素；
判断所述待标定像素的水平和竖直方向是否存在边界像素；
若所述待标定像素的水平和竖直方向同时存在边界像素，则所述待标定像素为有效像素。
举例而言，请参阅图4是本发明实施例一提供的图像中目标物体定位方法目标区域边界像素和有效像素示意图。在待标记图像中查找除边界像素以外的其他待标定像素，所述待标定像素可能是黑色像素，也可能是白色像素。对于任意一个待标定像素，以所述待标定像素为中心，分别朝水平和竖直方向判断是否存在边界像素，若以所述待标定像素为中心的水平、竖直四个方向均存在边界像素，则所述待标定像素为有效像素。
输出模块105，用于通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小。
通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小的方法可以包括：
按照标记区域中的边界像素和有效像素的位置确定目标区域的形状；
根据所述目标区域的形状计算所述目标区域的大小及中心。
举例而言，步骤S4确认的所述边界像素和有效像素的位置，将所述边界像素进行连线，得到目标区域的形状为四边形，根据四边形的中心及面积计算公式得到所述目标区域的中心如图5图像中目标物体定位方法定位结果示意图所示。
实施例三
图7为本发明计算机装置较佳实施例的示意图。
本发明中的图像中目标物体定位方法应用在计算机装置1中。所述计算机装置1可以为安装有图像中目标物体定位方法软件的电子设备，例如个人电脑、服务器等，其中，所述服务器可以是单一的服务器、服务器集群或云服务器等。
所述计算机装置1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40，例如图像中目标物体定位程序。所述处理器30执行所述计算机程序40时实现上述图像中目标物体定位方法实施例中的步骤，例如图1所示的步骤S1～S5。或者，所述处理器30执行所述计算机程序40时实现上述图像中目标物体定位装置实施例中各模块/单元的功能，例如图6中的单元101-105。
示例性的，所述计算机程序40可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序40在所述计算机装置1中的执行过程。例如，所述计算机程序40可以被分割成图7中的获取模块101、标识模块102、处理模块103、查找模块104、输出模块105。
所述计算机装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是计算机装置1的示例，并不构成对计算机装置1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者所述处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置1的控制中心，利用各种接口和线路连接整个计算机装置1的各个部分。
所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置1的各种功能。所述存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中，应所述理解到，所揭露的计算机装置和方法，可以通过其它的方式实现。例如，以上所描述的计算机装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
另外，在本发明各个实施例中的各功能单元可以集成在相同处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种图像中目标物体定位方法，其特征在于，所述方法包括：
获取待识别图像；
识别所述待识别图像中至少一个目标区域，并对所述目标区域进行标记，得到至少一个标记区域，其中，所述标记区域的面积大于或等于所述目标区域的面积，且所述目标区域位于所述标记区域内；
对所述标记区域进行二值化处理，其中所述经过二值化处理后的目标区域的像素点的颜色和目标区域外的像素点的颜色不同；
在所述标记区域中识别所述目标区域的边界像素以及目标区域内的有效像素；
通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小。
2.如权利要求1所述的图像中目标物体定位方法，其特征在于，识别所述待识别图像中至少一个目标区域的步骤包括：
获取所待识别的目标区域的特征信息；
在所述待识别图像中查找是否存在所述特征信息；
若存在所述特征信息，则确定具有所述特征信息的区域为目标区域；
若不存在所述特征信息，则发出提示消息提示不存在目标区域。
3.如权利要求1所述的图像中目标物体定位方法，其特征在于，在所述标记区域中识别所述目标区域的边界像素的步骤包括：
在标记区域中识别目标区域中每一像素点的颜色；
判断所述目标区域中每一像素点相邻的其他八个像素点的颜色；
若所述目标区域像素点周围的八个像素点中同时存在与所述目标区域像素点颜色一致和不一致的像素点，则所述目标区域像素点为边界像素。
4.如权利要求3所述的图像中目标物体定位方法，其特征在于，在所述标记区域中识别所述目标区域的边界像素的步骤还包括：
在标记区域中查找除所述边界像素以外的待标定像素；
判断所述待标定像素的水平和竖直方向是否存在边界像素；
若所述待标定像素的水平和竖直方向同时存在边界像素，则所述待标定像素为有效像素。
5.如权利要求1所述的图像中目标物体定位方法，其特征在于，通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小的方法包括：
根据有效像素的位置将所述标记区域中的所有的边界像素进行连线得到所述目标区域的形状；
根据所述目标区域的形状计算所述目标区域的大小及中心。
6.一种图像中目标物体定位装置，其特征在于，所述装置包括：
获取模块，用于获取待识别图像；
标识模块，用于识别所述待识别图像中至少一个目标区域，并对所述目标区域进行标记，得到至少一个标记区域，其中，所述标记区域的面积大于或等于所述目标区域的面积，且所述目标区域位于所述标记区域内；
处理模块，用于对所述标记区域进行二值化处理，其中所述经过二值化处理后的目标区域的像素点的颜色和目标区域外的像素点的颜色不同；
查找模块，用于在所述标记区域中识别所述目标区域的边界像素以及目标区域内的有效像素；
输出模块，用于通过所述边界像素和有效像素的位置确定并输出所述目标区域的中心和大小。
7.如权利要求6所述的图像中目标物体定位装置，其特征在于，在所述标记区域中识别所述目标区域的边界像素的步骤包括：
在标记区域中识别目标区域中每一像素点的颜色；
判断所述目标区域中每一像素点相邻的其他八个像素点的颜色；
若所述目标区域像素点周围的八个像素点中同时存在与所述目标区域像素点颜色一致和不一致的像素点，则所述目标区域像素点为边界像素。
8.如权利要求6所述的图像中目标物体定位装置，其特征在于，在所述标记区域中识别所述目标区域的边界像素的步骤还包括：
在标记区域中查找除所述边界像素以外的待标定像素；
判断所述待标定像素的水平和竖直方向是否存在边界像素；
若所述待标定像素的水平和竖直方向同时存在边界像素，则所述待标定像素为有效像素。
9.一种计算机装置，其特征在于：所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-5中任一项所述的图像中目标物体定位方法。
10.一种计算机存储介质，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如权利要求1-5中任一项所述的图像中目标物体定位方法。
CN201910833464.3A 2019-09-04 2019-09-04 图像中目标物体定位方法、装置、计算机装置及存储介质 Pending CN112446918A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910833464.3A CN112446918A (zh) 2019-09-04 2019-09-04 图像中目标物体定位方法、装置、计算机装置及存储介质
US16/734,434 US11094049B2 (en) 2019-09-04 2020-01-06 Computing device and non-transitory storage medium implementing target object identification method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910833464.3A CN112446918A (zh) 2019-09-04 2019-09-04 图像中目标物体定位方法、装置、计算机装置及存储介质

Publications (1)

Publication Number Publication Date
CN112446918A true CN112446918A (zh) 2021-03-05

Family

ID=74681858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910833464.3A Pending CN112446918A (zh) 2019-09-04 2019-09-04 图像中目标物体定位方法、装置、计算机装置及存储介质

Country Status (2)

Country Link
US (1) US11094049B2 (zh)
CN (1) CN112446918A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052839A (zh) * 2021-04-28 2021-06-29 闫丹凤 一种地图检测方法及装置
CN113870295A (zh) * 2021-09-30 2021-12-31 常州市宏发纵横新材料科技股份有限公司 一种孔洞直径检测方法、计算机设备及存储介质
CN114241287A (zh) * 2021-12-15 2022-03-25 平安科技（深圳）有限公司 拍摄物边界的识别方法、装置、设备及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112949660A (zh) * 2021-04-21 2021-06-11 桑一男 一种基于非平行放置摄像头的黄蜀葵花识别及定位方法和设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW514515B (en) 2001-12-28 2002-12-21 Taiwan Nat Central University Method for obtaining boundary data, contour and boundary category of target image and positioning and guidance of image
KR100686289B1 (ko) * 2004-04-01 2007-02-23 주식회사 메디슨 대상체 영상의 윤곽내 볼륨 데이터를 이용하는 3차원초음파 영상 형성 장치 및 방법
US7946491B2 (en) * 2006-08-03 2011-05-24 Nokia Corporation Method, apparatus, and computer program product for providing a camera barcode reader
JP2013017638A (ja) * 2011-07-11 2013-01-31 Olympus Corp 画像処理装置、内視鏡装置及びプログラム
US20140067631A1 (en) * 2012-09-05 2014-03-06 Helix Systems Incorporated Systems and Methods for Processing Structured Data from a Document Image
US9501689B2 (en) * 2014-03-13 2016-11-22 Panasonic Intellectual Property Management Co., Ltd. Image processing apparatus and image processing method
JP6336693B1 (ja) * 2016-12-09 2018-06-06 株式会社日立国際電気 水上侵入検知システムおよびその方法
US9881367B1 (en) * 2017-08-09 2018-01-30 Amgen Inc. Image processing techniques for plunger depth measurement

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052839A (zh) * 2021-04-28 2021-06-29 闫丹凤 一种地图检测方法及装置
CN113870295A (zh) * 2021-09-30 2021-12-31 常州市宏发纵横新材料科技股份有限公司 一种孔洞直径检测方法、计算机设备及存储介质
CN113870295B (zh) * 2021-09-30 2022-06-21 常州市宏发纵横新材料科技股份有限公司 一种孔洞直径检测方法、计算机设备及存储介质
CN114241287A (zh) * 2021-12-15 2022-03-25 平安科技（深圳）有限公司 拍摄物边界的识别方法、装置、设备及存储介质
CN114241287B (zh) * 2021-12-15 2024-05-07 平安科技（深圳）有限公司 拍摄物边界的识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US11094049B2 (en) 2021-08-17
US20210065350A1 (en) 2021-03-04

Similar Documents

Publication Publication Date Title
CN112446918A (zh) 图像中目标物体定位方法、装置、计算机装置及存储介质
CN110503682B (zh) 矩形控件识别方法、装置、终端及存储介质
CN110991533A (zh) 图像识别方法、识别装置、终端设备及可读存储介质
CN109461133B (zh) 桥梁螺栓脱落检测方法及终端设备
US20230214989A1 (en) Defect detection method, electronic device and readable storage medium
CN112966725B (zh) 匹配模板图像的方法、装置及终端设备
CN110796095B (zh) 仪表模板建立方法、终端设备以及计算机存储介质
CN110035281B (zh) 一种坏点检测方法、装置及电子设备
CN112200851B (zh) 一种基于点云的目标检测方法、装置及其电子设备
CN112308046A (zh) 图像的文本区域定位方法、装置、服务器及可读存储介质
CN108052869B (zh) 车道线识别方法、装置及计算机可读存储介质
CN114638294A (zh) 一种数据增强方法、装置、终端设备及存储介质
CN112613380A (zh) 一种机房巡检方法、装置及电子设备、存储介质
CN115131363A (zh) 基于语义信息的定位方法、装置和终端设备
CN112966719B (zh) 识别仪表盘读数的方法、装置及终端设备
CN108960246B (zh) 一种用于图像识别的二值化处理装置及方法
CN113050022A (zh) 一种基于旋转天线的图像定位方法、装置及终端设备
CN107734324B (zh) 一种闪光灯照度均匀性的测量方法、***及终端设备
CN112304292A (zh) 基于单色光的物体检测方法及检测***
CN112989924A (zh) 目标检测方法、目标检测装置及终端设备
CN111445431B (zh) 一种图像分割方法、终端设备及计算机可读存储介质
CN112629828A (zh) 一种光学信息检测方法、装置及设备
CN112783156A (zh) 扫地机器人及其清扫任务规划方法和装置
CN113743398A (zh) 图像标识方法、装置、计算机装置及存储介质
CN111079666B (zh) 地物识别方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination