CN115511835A - 一种图像处理测试平台 - Google Patents
一种图像处理测试平台 Download PDFInfo
- Publication number
- CN115511835A CN115511835A CN202211191332.3A CN202211191332A CN115511835A CN 115511835 A CN115511835 A CN 115511835A CN 202211191332 A CN202211191332 A CN 202211191332A CN 115511835 A CN115511835 A CN 115511835A
- Authority
- CN
- China
- Prior art keywords
- image
- line segment
- module
- color
- comparison
- 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
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
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像处理测试平台,包括:图像获取模块、图像颜色更改模块、图像轮廓上色模块、颜色离差确定模块以及测试结果输出模块。本发明通过不同的颜色将轮廓进行标记,通过不同的颜色直接可以清楚的表明清楚轮廓点的位置差别,进而通过各个线段之间的颜色值的差别,就可以得到轮廓提取的精确程度,进而简化了检测的方式,同时提升了检测的效率;本发明通过线段的方式进行检测,通过设置线段的开端值和末端值,自动设置线段中各个点的颜色值,使得各个颜色值均衡的分布,进而使得本发明在进行测试的时候,不但可以全局测试,也可以局部测试,明显相对于当前的测试方式更加的优化,方便快捷。
Description
技术领域
本发明涉及数据测试领域,特别涉及一种图像处理测试平台。
背景技术
随着目前信息技术的发展,对图像处理的需求也是日渐提升。在图像处理中,有多种图像处理的方式,例如:将图像中的图案轮廓提取出来得到轮廓图像的轮廓提取技术;将图像中的光斑去掉恢复图像原始面貌的去光斑技术;将图像中的选定区域的图案进行替换,并且在替换之后与周围图像之间具有过渡的图像替换技术等。对于如此众多的图像处理技术,为了保证图像处理的优质效果,在图像处理技术上市之前或之后,会对其进行测试,再根据测试的结果对图像处理技术进行进一步的优化。
上述所提到的图案轮廓提取技术,是目前所应用最为广泛的一项图像处理技术,目前已经经过多次的迭代和优化。在每一次迭代优化的时候,都会对图像处理的结果进行测试,得到图像处理结果与标准之间的差异。
目前,在进行测试的时候,将处理后的图像与标准图像进行透视比对,得到两者之间的轮廓差距,在通过透视分析的方式对处理效果进行评价。在进行两者的轮廓对比的时候,透视分析的过程中,需要分别得到处理后的图像与标准图像中的轮廓点的坐标集合,并通过将两个图像中图案的轮廓坐标进行对比,得到对应的坐标之间的距离,进而确定对应的差异程度,而在对比的时候对于坐标之间的对应,一直是一个难以突破的技术难题,而这一技术难题,也直接影响着后续对于图像处理的测试效果的评价,使得测试的准确度不高,即使是一些明显可以看出的轮廓差距,测试却无法精准识别,导致测试的偏差性。
发明内容
本发明的目的是克服上述现有技术中存在的问题,提供一种图像处理测试平台,以解决上述背景技术中所提出的问题。
为此,本发明提供一种图像处理测试平台,包括:
图像获取模块,用于接收图像处理技术处理后的图像作为对比图像,同时接收勾勒出轮廓后的图像作为标准图像;
图像颜色更改模块,接收要更改颜色的图像,获取所述图像中的图案轮廓的对应的像素点的坐标,依次设置每一个所述图案轮廓的像素点的颜色值,所述图案轮廓的各个像素点的颜色值互不相同,所述图案轮廓中相邻的像素点的颜色值成阶梯变化,所述图案轮廓中像素点的颜色值的最大值与最小值分别唯一确定,将所述图像中除图案轮廓外的像素点的颜色值均设置为零,输出更改颜色后的图像;
图像轮廓上色模块,将所述对比图像和所述标准图像分别送入所述图像颜色更改模块进行得到上色后的对比图像和上色后的标准图像;
颜色离差确定模块,计算上色后的所述对比图像中的图案轮廓的各个像素点的颜色值的离散程度为所述对比离散程度,计算所述上色后的所述标准图像中的图案轮廓的各个像素点的颜色值的离散程度为所述标准离散程度;
测试结果输出模块,根据所述对比离散程度和所述标准离散程度之间的差距得到所述图像处理技术的精确度差。
进一步,还包括:
对比线段接收模块,用于接收用户在所述标准图像中所截选出的线段作为标准线段,同时接收用户在所述对比图像对应出所述截选出的线段作为对比线段;
线段位置确定模块,根据用户截选的起始位置分别确定所述对比线段的起始像素点和末尾像素点以及所述标准线段的起始像素点和末尾像素点;
极值颜色设定模块,将所述对比线段的起始像素点和所述标准线段的起始像素点分别赋予所述图案轮廓中像素点的颜色值的最大值;将所述对比线段的末尾像素点和所述标准线段的末尾像素点分别赋予所述图案轮廓中像素点的颜色值的最小值;
线段对比模块,依次进行所述图像轮廓上色模块、颜色离差确定模块以及测试结果输出模块,得到所述对比线段和所述标准线段之间的精确度差。
更进一步,还包括:
轮廓线段拆分模块,将所述图像获取模块中的所述对比图像和所述标准图像分别在对应的位置进行分割,得到多条分割后的线段,并将所述对比图像中分割后的线段按照顺序依次编号,同时将所述标准图像中对应位置的线段依次编号,所述对比图像中分割后的线段与对应位置的所述标准图像中线段的编号一致;
图中线段对比模块,将所述对比图像和所述标准图像中每一组编号一致的线段依次送入所述对比线段接收模块、线段位置确定模块、极值颜色设定模块以及线段对比模块,输出得到每一组编号一致的线段之间的精确度差;
线段筛选模块,筛选得到精确度差大于设定数值的组的线段,并将这些线段分别通过高亮效果输出在所述对比图像和所述标准图像中。
更进一步,还包括:
线段缩短模块,将所述精确度差超出设定数值的组的线段通过设定方式进行对应的缩短;
线段分类模块,将组中缩短后的线段作为新一线段,将所述组中被缩短的线段作为新二线段;
线段确定模块,将所述新一线段的组和所述新二线段的组分别依次送入所述对比线段接收模块、线段位置确定模块、极值颜色设定模块以及线段对比模块,得到新一线段的组的精确度差和新二线段的组的精确度差;
筛选遍历模块,分别判断新一线段的组的精确度差和新二线段的组的精确度差与所述设定数值之间的关系,得到精确度差大于所述设定数值的所述新一线段的组或者所述新二线段的组,对精确度差大于所述设定数值的组重新执行所述线段缩短模块、线段分类模块、线段确定模块以及筛选遍历模块;
线段差异输出模块,当所述筛选遍历模块得到设定次数的情况时,输出第一次情况中作为输入的组,并将改组的线段分别通过高亮效果输出在所述对比图像和所述标准图像中,所述情况为新一线段的组的精确度差和新二线段的组的精确度差均大于所述设定数值。
更进一步,设定方式为以下两种方式中的任意一种:
方式一:将所述组中的每一个线段中分别从上端开始连续的选取设定个像素点,将选取的像素点去除,留下剩余的像素点得到所述新一线段;
方式二:将所述组中的每一个线段分别分割成相等的两段,并将其中的上段的像素点去除,留下的下段得到所述新一线段。
更进一步,所述对比线段接收模块在图像中截选的时候,包括如下步骤:
接收所述标准图像中截取的线段,得到所截取线段的起始像素点和末尾像素点;
根据所述标准图像中截取线段的起始像素点的坐标定位所述对比图像对应的像素点,并得到与该像素点最近的轮廓上的像素点作为所述对比图像中截取线段的起始像素点;
根据所述标准图像中截取线段的末尾像素点的坐标定位所述对比图像对应的像素点,并得到与该像素点最近的轮廓上的像素点作为所述对比图像中截取线段的末尾像素点;
根据所述对比图像中截取线段的起始像素点和末尾像素点截取之间的线段,输出所述标准线段和对比线段。
更进一步,在定位所述对比图像对应的像素点的时候,通过透视的方式进行位置的对应。
进一步,还包括:
图像分离模块,将所述对比图像中的图案轮廓的各个像素点的颜色值依次加上设定颜色值完成对比图像中的图案轮廓的更新,更新后的所述对比图像中的图案轮廓的各个像素点的颜色值与所述标准图像中的图案轮廓的任一像素点的颜色值均不相同;
空白画面建立模块,建立空白画面,使得空白画面的像素点集合与所述对比图像的像素点集合、所述标准图像的像素点集合一致;
画面绘制模块,将同一坐标的像素点分别对应更新后的所述对比图像中颜色值以及标准图像中的颜色值,并表现为颜色坐标的形式,每一个颜色坐标分别对应一个空白画面的像素点坐标;
画面颜色判断模块,当所述颜色坐标只有一个不为0的颜色值的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为该颜色值;当所述颜色坐标的两个颜色值均不为0的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为设定颜色值;当所述颜色坐标的两个颜色值均为0的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为0;
画面输出模块,将所述空白画面的各个像素点遍历所述画面颜色判断模块,输出绘制好的轮廓差异图。
更进一步,还包括:
像素偏离计算模块,将颜色值的差值为设定颜色值的两个像素点进行距离的计算得到像素距离,遍历每一组颜色值的差值为设定颜色值的两个像素点,得到全部的像素距离;
像素偏离离散模块,计算全部的像素距离的离散程度为离散度差;
精确度修正模块,根据所述离散度差修正所述精确度差并更新所述精确度差并输出。
更进一步,根据所述离散度差修正所述精确度差的时候,通过
X=ρX′Z
其中,X为修正后的精确度差,X′为精确度差,Z为离散度差,ρ为常数。
本发明提供的一种图像处理测试平台,具有如下有益效果:
本发明通过不同的颜色将轮廓进行标记,通过不同的颜色直接可以清楚的表明清楚轮廓点的位置差别,进而通过各个线段之间的颜色值的差别,就可以得到轮廓提取的精确程度,进而简化了检测的方式,同时提升了检测的效率;
本发明在进行轮廓检测的时候,对于标准轮廓上的点的颜色值的设定,本发明通过线段的方式进行检测,通过设置线段的开端值和末端值,自动设置线段中各个点的颜色值,使得各个颜色值均衡的分布,进而使得本发明在进行测试的时候,不但可以全局测试,也可以局部测试,明显相对于当前的测试方式更加的优化,方便快捷;
本发明通过逐步的缩短线段的两端,通过循环的方式逐渐的排除缩掉的线段,使用排除的方式确定与标准不一致的部分,进而得到其对应的不同的线段,最终得到检测的结果,从而实现在局部检测的时候,同样可以精确的得到检测的结果,相对于原始的测试方式更加的具有人工互动化的效果;
本发明在对比的时候,将对比图像和标准图像分别放置在同一个画面上,这样就可以省去透视的步骤,进而进一步的缩小运算的工作量,达到减小***工作量的技术效果。
附图说明
图1为本发明的整体***连接示意框图;
图2为本发明的作用对象为线段的对比的***连接示意框图;
图3为本发明使用线段分割的进行效果分析的***连接示意框图;
图4为本发明使用线段分割的进行效果分析优化后的***连接示意框图;
图5为本发明从轮廓中截取线段的方法流程示意框图;
图6为本发明将对比轮廓使用同一画面表示的***连接示意框图;
图7为本发明精确度差修正的***连接示意框图。
具体实施方式
下面结合附图,对本发明的一个具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
在本申请文件中,未经明确的部件型号以及结构,均为本领域技术人员所公知的现有技术,本领域技术人员均可根据实际情况的需要进行设定,在本申请文件的实施例中不做具体的限定。
具体的,如图1-7所示,本发明实施例提供了一种图像处理测试平台,包括:图像获取模块、图像颜色更改模块、图像轮廓上色模块、颜色离差确定模块以及测试结果输出模块。下面是各个模块的详细工作介绍与其之间的配合关系。本发明通过下面的各个模块,对图像处理技术进行处理效果的测试,本发明中所要测试的图像处理技术,即是从图像中提取图案轮廓的技术,也是图案轮廓提取技术。
图像获取模块,用于接收图像处理技术处理后的图像作为对比图像,同时接收勾勒出轮廓后的图像作为标准图像;该模块是将图像处理后的图像与其预期的标准图像分别进行得到,在本发明中,先通过图像处理的方式得到对比图像,对于勾勒出轮廓的标准图像的时候,可以用户从图像处理之前的原图进行绘制得到标准图像,也可以是用户根据对比图像进行修正,得到标准图像,这里对于标准图像的勾勒得到方式没有明确的限定,包括多种可以得到该图像的方式。需要说明的是,对比图像和标准图像的直观表示是,其上只有轮廓图案是具有颜色的,其余部分为透明的颜色。
图像颜色更改模块,接收要更改颜色的图像,获取所述图像中的图案轮廓的对应的像素点的坐标,依次设置每一个所述图案轮廓的像素点的颜色值,所述图案轮廓的各个像素点的颜色值互不相同,所述图案轮廓中相邻的像素点的颜色值成阶梯变化,所述图案轮廓中像素点的颜色值的最大值与最小值分别唯一确定,将所述图像中除图案轮廓外的像素点的颜色值均设置为零,输出更改颜色后的图像;该模块是用于执行的模块,即是将给定图像(即要更改颜色的图像)进行处理,在本发明中,给定图像可以是对比图像或者标准图像,在进行图像的给定之后,对图像上的轮廓的各个像素点的颜色值进行重新赋值,这两的像素点表示数值,可以使用多维度的数组表示,这样就可以使得轮廓中的每一个像素点的颜色均不一样,在后续通过离散的方式,就可以得到这些像素点的个数的差别,离散程度越大的时候,像素点的个数越多。相邻的像素点的颜色值成阶梯变化表示像素点的颜色之间变化的连续平滑性质。
图像轮廓上色模块,将所述对比图像和所述标准图像分别送入所述图像颜色更改模块进行得到上色后的对比图像和上色后的标准图像;该模块是将对比图像和标准图像分别使用上述的图像颜色更改模块进行区中轮廓图案的颜色值的更改,并将更改后的图像完成更新替换。
颜色离差确定模块,计算上色后的所述对比图像中的图案轮廓的各个像素点的颜色值的离散程度为所述对比离散程度,计算所述上色后的所述标准图像中的图案轮廓的各个像素点的颜色值的离散程度为所述标准离散程度;该模块是对上述已经上色的对比图像和标准图像分别进行颜色值的离散程度的计算,进而可以通过轮廓的像素点之间的差别。
测试结果输出模块,根据所述对比离散程度和所述标准离散程度之间的差距得到所述图像处理技术的精确度差。本发明通过两个图像对应的离散程度之间的差距,对图像处理技术的精确度差进行评价,就可以得到图像处理技术的精确度,也就实现了测试的效果。
需要说明的是,本发明在对轮廓提取的时候,轮廓只有的像素点之间连续,也就是说轮廓是有线条组成的。
因此,在本发明中,对图像处理后的对比图像和标准图像,标准图像是希望图像处理后可以得到的最佳状态的图像,将这两个图像进行对比,就要可以得到图像处理技术对于图像的处理效果。
另外,本发明使用对于像素点的统计的方式,为了避免相交的线条重复统计,或者像素点统计的不准确,引入颜色值的方式对于像素点进行表示,通过计算颜色值的离散程度的方式,隐蔽的得到两个图像上的轮廓之间的差别关系,也就是线条的组成在像素的星空上是具有区别的,相对于传统的透视的方式,或者直接比对坐标的方式,极大的提升了检测的效率。
本发明通过不同的颜色将轮廓进行标记,通过不同的颜色直接可以清楚的表明清楚轮廓点的位置差别,进而通过各个线段之间的颜色值的差别,就可以得到轮廓提取的精确程度,进而简化了检测的方式,同时提升了检测的效率。
在本发明的实施例中,还可以将上述的方式进行优化,对轮廓中的线段进行比较,即是对比图像和标准图像中对应的线段,使得在进行图像处理的测试的时候,测试的范围更窄,更加的精确,因此,在本发明中,还包括:对比线段接收模块、线段位置确定模块、极值颜色设定模块以及线段对比模块。下面是对于各个模块详细的工作介绍。
对比线段接收模块,用于接收用户在所述标准图像中所截选出的线段作为标准线段,同时接收用户在所述对比图像对应出所述截选出的线段作为对比线段;该模块是截取得到两个要比较的线段,两个限度的位置是对应的,这个对应指的是位置的对应,也就是说该线段在对比图像和标准图像中轮廓中的所在位置。在进行确定的时候,可以先确定对比图像中轮廓中的所在位置,在对应的确定标准图像中轮廓中的所在位置。
线段位置确定模块,根据用户截选的起始位置分别确定所述对比线段的起始像素点和末尾像素点以及所述标准线段的起始像素点和末尾像素点;该模块是确定线段的具***置,也接收确定两个要比较的线段的具***置,根据起始像素点和末尾像素点确定要进行对比处理的部分。
极值颜色设定模块,将所述对比线段的起始像素点和所述标准线段的起始像素点分别赋予所述图案轮廓中像素点的颜色值的最大值;将所述对比线段的末尾像素点和所述标准线段的末尾像素点分别赋予所述图案轮廓中像素点的颜色值的最小值。该模块是对于上述的两个线段的对比部分,通过对比得到两个线段上色后的部分,方便后续这两个线段进行比较。
线段对比模块,依次进行所述图像轮廓上色模块、颜色离差确定模块以及测试结果输出模块,得到所述对比线段和所述标准线段之间的精确度差。该模块是对两个线段之间的差距进行对比分析和评估的过程,因此得到在图像处理技术对于该线段的处理的情况,即是处理之后的情况与理想情况之间的差别,根据这些差别可以对图像处理技术进行有效的改进。
上述技术方案,通过上述的各个模块之间的组合,对于对比图像和标准图像之间可以进行更加细节的判断,通过其中的线段之间进行对应的差距评估,就可以得到对应的线段之间的差距,由此,就可以将对比图像和标准图像的轮廓中的各个部分分别进行比较,进而知道图像处理技术可能存在的问题,方便进行对图像处理技术的调整。
同时,基于上述技术方案,进行自动化的调整,使得对于整个对比图像和标准图像中轮廓进行分割,分割都的各个线段依次对比,最后得到对于整个轮廓的对比中更加准确的表达,因此,本发明中还包括:轮廓线段拆分模块、图中线段对比模块以及线段筛选模块。下面是各个模块的详细介绍。
轮廓线段拆分模块,将所述图像获取模块中的所述对比图像和所述标准图像分别在对应的位置进行分割,得到多条分割后的线段,并将所述对比图像中分割后的线段按照顺序依次编号,同时将所述标准图像中对应位置的线段依次编号,所述对比图像中分割后的线段与对应位置的所述标准图像中线段的编号一致;该模块是将轮廓进行分割后标号的过程,对比图像和标准图像中的线段的位置和标号均是对应的,在编号的时候,可以通过同一个位置对应的线段进行标号,在标号的时候,可以采用顺时针的方式进行标号。
图中线段对比模块,将所述对比图像和所述标准图像中每一组编号一致的线段依次送入所述对比线段接收模块、线段位置确定模块、极值颜色设定模块以及线段对比模块,输出得到每一组编号一致的线段之间的精确度差;该模块是将每一组标号一致的线段进行比较,并将比较的结果进行保存。
线段筛选模块,筛选得到精确度差大于设定数值的组的线段,并将这些线段分别通过高亮效果输出在所述对比图像和所述标准图像中。该模块是上述的差异较大的线段输出,通过高亮的方式表示,这样可以使得给用户快速的得到差异的部分。
上述技术方案中,通过将整体的轮廓进行分割得到各个线段,将各个线段分别进行分割,将分割后对应的线段进行比较,进而使得将差异大的线段通过高亮的方式进行显示,使得用户清楚快速的得到差异的部分,方便在研发的时候,对图像处理技术进行优化和调整。
同时,基于上述技术方案,还包括:线段缩短模块、线段分类模块、线段确定模块、筛选遍历模块以及线段差异输出模块。下面是各个模块详细的工作介绍。
线段缩短模块,将所述精确度差超出设定数值的组的线段通过设定方式进行对应的缩短;该模块是将差异较大的两个线段进行对应的缩短,这样就可以使得差异较大的线段重新进行差异的对比,进一步的得到差异所在的范围。
线段分类模块,将组中缩短后的线段作为新一线段,将所述组中被缩短的线段作为新二线段;该模块是将线段缩短后得到两个线段,分别是新一线段和新二线段。
线段确定模块,将所述新一线段的组和所述新二线段的组分别依次送入所述对比线段接收模块、线段位置确定模块、极值颜色设定模块以及线段对比模块,得到新一线段的组的精确度差和新二线段的组的精确度差;该模块是对新一线段和新二线段分别进行差异的评估方式,得到输出的精确度差。
筛选遍历模块,分别判断新一线段的组的精确度差和新二线段的组的精确度差与所述设定数值之间的关系,得到精确度差大于所述设定数值的所述新一线段的组或者所述新二线段的组,对精确度差大于所述设定数值的组重新执行所述线段缩短模块、线段分类模块、线段确定模块以及筛选遍历模块;该模块是是一个遍历的过程,根据新一线段和新二线段的差异,得到最为准确的差异的部分,并显示。
线段差异输出模块,当所述筛选遍历模块得到设定次数的情况时,输出第一次情况中作为输入的组,并将改组的线段分别通过高亮效果输出在所述对比图像和所述标准图像中,所述情况为新一线段的组的精确度差和新二线段的组的精确度差均大于所述设定数值。该模块是对上述作为一个差异的输出的情况判断,根据上述的结果进行判断,当设定次数(一般是三次)的结果是具有差异的时候,认为该线段是具有差异的,也就是节约了对比的程序。
因此,本发明在该处的技术方案是,本发明通过逐步的缩短线段的两端,通过循环的方式逐渐的排除缩掉的线段,使用排除的方式确定与标准不一致的部分,进而得到其对应的不同的线段,最终得到检测的结果,从而实现在局部检测的时候,同样可以精确的得到检测的结果,相对于原始的测试方式更加的具有人工互动化的效果。
同时,基于上述技术方案,设定方式为以下两种方式中的任意一种:
方式一:将所述组中的每一个线段中分别从上端开始连续的选取设定个像素点,将选取的像素点去除,留下剩余的像素点得到所述新一线段;
方式二:将所述组中的每一个线段分别分割成相等的两段,并将其中的上段的像素点去除,留下的下段得到所述新一线段。
上述其中一种是从一端去线段的方式,另一个是将线段从中间分为两段的方式。实施者可以根据自己的需求进行分割。
同时,基于上述技术方案,所述对比线段接收模块在图像中截选的时候,包括如下步骤:
(一)接收所述标准图像中截取的线段,得到所截取线段的起始像素点和末尾像素点;
(二)根据所述标准图像中截取线段的起始像素点的坐标定位所述对比图像对应的像素点,并得到与该像素点最近的轮廓上的像素点作为所述对比图像中截取线段的起始像素点;
(三)根据所述标准图像中截取线段的末尾像素点的坐标定位所述对比图像对应的像素点,并得到与该像素点最近的轮廓上的像素点作为所述对比图像中截取线段的末尾像素点;
(四)根据所述对比图像中截取线段的起始像素点和末尾像素点截取之间的线段,输出所述标准线段和对比线段。
上述技术方案中,步骤(一)到步骤(四)按照逻辑顺序依次进行,根据其中一个已经截取好了的线段与另一个相对应的线段进行匹配,在对比的像素点设置像素范围,每一个像素点都对应一个像素范围,这样就会使得像素范围的组合就会将轮廓包围,这样就将其内的轮廓的线段截取即可,方便的得到了标准线段和对比线段。同时还克服了有误差的特点。
同时,基于上述技术方案,在定位所述对比图像对应的像素点的时候,通过透视的方式进行位置的对应。这样可以快速的得到对比图像的位置,快速的得到其周围或者周边的像素点,即可以得到对应的标准图像的像素点的范围,从而进行快速的定位。
另外,从另一个方面,本发明在进行对比的时候,还可以将两个图像融合到一个画面中,给用户以直观的感受。因此,在本发明的实施例中,还包括:图像分离模块、空白画面建立模块、画面绘制模块、画面颜色判断模块以及画面输出模块。
图像分离模块,将所述对比图像中的图案轮廓的各个像素点的颜色值依次加上设定颜色值完成对比图像中的图案轮廓的更新,更新后的所述对比图像中的图案轮廓的各个像素点的颜色值与所述标准图像中的图案轮廓的任一像素点的颜色值均不相同;该模块是将其中一个图像的颜色值进行统一的调整,使得两个图像的颜色值没有一个是相同的,使得后续重合的时候,不会出现数值相加得到的误差。
空白画面建立模块,建立空白画面,使得空白画面的像素点集合与所述对比图像的像素点集合、所述标准图像的像素点集合一致;该模块对于下述模块的预设,将两个图像显示在同一个图像上的初步过程。
画面绘制模块,将同一坐标的像素点分别对应更新后的所述对比图像中颜色值以及标准图像中的颜色值,并表现为颜色坐标的形式,每一个颜色坐标分别对应一个空白画面的像素点坐标;该模块是即是将两个图像结合的过程,即是通过颜色值的方式将两个颜色值进行加和,得到对应的其他颜色值,这样就可以使得将两个图像融合在一起。
画面颜色判断模块,当所述颜色坐标只有一个不为0的颜色值的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为该颜色值;当所述颜色坐标的两个颜色值均不为0的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为设定颜色值;当所述颜色坐标的两个颜色值均为0的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为0;通过该模块的设置方式,使得将不一致的部分直接就显示了出来,这样就可以更加清楚直观的看到不一致的部分。
画面输出模块,将所述空白画面的各个像素点遍历所述画面颜色判断模块,输出绘制好的轮廓差异图。该模块是将上述的图像输出,使得可以更加直观清楚的显示出不一致的部分。
上述技术的方案,本发明在对比的时候,将对比图像和标准图像分别放置在同一个画面上,这样就可以省去透视的步骤,进而进一步的缩小运算的工作量,达到减小***工作量的技术效果。
同时,基于上述技术方案,还包括:像素偏离计算模块、像素偏离离散模块以及精确度修正模块。下面是各个模块详细的介绍。
像素偏离计算模块,将颜色值的差值为设定颜色值的两个像素点进行距离的计算得到像素距离,遍历每一组颜色值的差值为设定颜色值的两个像素点,得到全部的像素距离;该模块是通过计算各个点的像素距离,得到各个点的偏离程度,在确定两个参与距离计算的像素点的时候,是根据其之间颜色值的差值进行确定的。
像素偏离离散模块,计算全部的像素距离的离散程度为离散度差;该模块是根据上述得到的每个像素点的像素距离,得到离散度差。
精确度修正模块,根据所述离散度差修正所述精确度差并更新所述精确度差并输出。该模块是将这个离散度差对上述的精确度差进行修正。
上述技术方案通过颜色值的方式计算相应的像素距离的离散度差,并且得到一个离散度差对上述的离散度差进行修正,使得上述计算得到的精确度差更加的趋于准确。
基于上述技术方案,根据所述离散度差修正所述精确度差的时候,通过下式计算:
X=ρX′Z
其中,X为修正后的精确度差,X′为精确度差,Z为离散度差,ρ为常数。本发明充分的考虑离散度差和精确度差之间并列关系,因此,使用乘积的关系,对两个数值都进行对应的放大表示,同时引入常数ρ对数值进行调和,使得数值具有范围的可读性。
以上公开的仅为本发明的几个具体实施例,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种图像处理测试平台,其特征在于,包括:
图像获取模块,用于接收图像处理技术处理后的图像作为对比图像,同时接收勾勒出轮廓后的图像作为标准图像;
图像颜色更改模块,接收要更改颜色的图像,获取所述图像中的图案轮廓的对应的像素点的坐标,依次设置每一个所述图案轮廓的像素点的颜色值,所述图案轮廓的各个像素点的颜色值互不相同,所述图案轮廓中相邻的像素点的颜色值成阶梯变化,所述图案轮廓中像素点的颜色值的最大值与最小值分别唯一确定,将所述图像中除图案轮廓外的像素点的颜色值均设置为零,输出更改颜色后的图像;
图像轮廓上色模块,将所述对比图像和所述标准图像分别送入所述图像颜色更改模块进行得到上色后的对比图像和上色后的标准图像;
颜色离差确定模块,计算上色后的所述对比图像中的图案轮廓的各个像素点的颜色值的离散程度为所述对比离散程度,计算所述上色后的所述标准图像中的图案轮廓的各个像素点的颜色值的离散程度为所述标准离散程度;
测试结果输出模块,根据所述对比离散程度和所述标准离散程度之间的差距得到所述图像处理技术的精确度差。
2.如权利要求1所述的一种图像处理测试平台,其特征在于,还包括:
对比线段接收模块,用于接收用户在所述标准图像中所截选出的线段作为标准线段,同时接收用户在所述对比图像对应出所述截选出的线段作为对比线段;
线段位置确定模块,根据用户截选的起始位置分别确定所述对比线段的起始像素点和末尾像素点以及所述标准线段的起始像素点和末尾像素点;
极值颜色设定模块,将所述对比线段的起始像素点和所述标准线段的起始像素点分别赋予所述图案轮廓中像素点的颜色值的最大值;将所述对比线段的末尾像素点和所述标准线段的末尾像素点分别赋予所述图案轮廓中像素点的颜色值的最小值;
线段对比模块,依次进行所述图像轮廓上色模块、颜色离差确定模块以及测试结果输出模块,得到所述对比线段和所述标准线段之间的精确度差。
3.如权利要求2所述的一种图像处理测试平台,其特征在于,还包括:
轮廓线段拆分模块,将所述图像获取模块中的所述对比图像和所述标准图像分别在对应的位置进行分割,得到多条分割后的线段,并将所述对比图像中分割后的线段按照顺序依次编号,同时将所述标准图像中对应位置的线段依次编号,所述对比图像中分割后的线段与对应位置的所述标准图像中线段的编号一致;
图中线段对比模块,将所述对比图像和所述标准图像中每一组编号一致的线段依次送入所述对比线段接收模块、线段位置确定模块、极值颜色设定模块以及线段对比模块,输出得到每一组编号一致的线段之间的精确度差;
线段筛选模块,筛选得到精确度差大于设定数值的组的线段,并将这些线段分别通过高亮效果输出在所述对比图像和所述标准图像中。
4.如权利要求3所述的一种图像处理测试平台,其特征在于,还包括:
线段缩短模块,将所述精确度差超出设定数值的组的线段通过设定方式进行对应的缩短;
线段分类模块,将组中缩短后的线段作为新一线段,将所述组中被缩短的线段作为新二线段;
线段确定模块,将所述新一线段的组和所述新二线段的组分别依次送入所述对比线段接收模块、线段位置确定模块、极值颜色设定模块以及线段对比模块,得到新一线段的组的精确度差和新二线段的组的精确度差;
筛选遍历模块,分别判断新一线段的组的精确度差和新二线段的组的精确度差与所述设定数值之间的关系,得到精确度差大于所述设定数值的所述新一线段的组或者所述新二线段的组,对精确度差大于所述设定数值的组重新执行所述线段缩短模块、线段分类模块、线段确定模块以及筛选遍历模块;
线段差异输出模块,当所述筛选遍历模块得到设定次数的情况时,输出第一次情况中作为输入的组,并将改组的线段分别通过高亮效果输出在所述对比图像和所述标准图像中,所述情况为新一线段的组的精确度差和新二线段的组的精确度差均大于所述设定数值。
5.如权利要求4所述的一种图像处理测试平台,其特征在于,设定方式为以下两种方式中的任意一种:
方式一:将所述组中的每一个线段中分别从上端开始连续的选取设定个像素点,将选取的像素点去除,留下剩余的像素点得到所述新一线段;
方式二:将所述组中的每一个线段分别分割成相等的两段,并将其中的上段的像素点去除,留下的下段得到所述新一线段。
6.如权利要求2所述的一种图像处理测试平台,其特征在于,所述对比线段接收模块在图像中截选的时候,包括如下步骤:
接收所述标准图像中截取的线段,得到所截取线段的起始像素点和末尾像素点;
根据所述标准图像中截取线段的起始像素点的坐标定位所述对比图像对应的像素点,并得到与该像素点最近的轮廓上的像素点作为所述对比图像中截取线段的起始像素点;
根据所述标准图像中截取线段的末尾像素点的坐标定位所述对比图像对应的像素点,并得到与该像素点最近的轮廓上的像素点作为所述对比图像中截取线段的末尾像素点;
根据所述对比图像中截取线段的起始像素点和末尾像素点截取之间的线段,输出所述标准线段和对比线段。
7.如权利要求6所述的一种图像处理测试平台,其特征在于,在定位所述对比图像对应的像素点的时候,通过透视的方式进行位置的对应。
8.如权利要求1所述的一种图像处理测试平台,其特征在于,还包括:
图像分离模块,将所述对比图像中的图案轮廓的各个像素点的颜色值依次加上设定颜色值完成对比图像中的图案轮廓的更新,更新后的所述对比图像中的图案轮廓的各个像素点的颜色值与所述标准图像中的图案轮廓的任一像素点的颜色值均不相同;
空白画面建立模块,建立空白画面,使得空白画面的像素点集合与所述对比图像的像素点集合、所述标准图像的像素点集合一致;
画面绘制模块,将同一坐标的像素点分别对应更新后的所述对比图像中颜色值以及标准图像中的颜色值,并表现为颜色坐标的形式,每一个颜色坐标分别对应一个空白画面的像素点坐标;
画面颜色判断模块,当所述颜色坐标只有一个不为0的颜色值的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为该颜色值;当所述颜色坐标的两个颜色值均不为0的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为设定颜色值;当所述颜色坐标的两个颜色值均为0的时候,将该颜色坐标对应的空白画面的像素点的颜色值设置为0;
画面输出模块,将所述空白画面的各个像素点遍历所述画面颜色判断模块,输出绘制好的轮廓差异图。
9.如权利要求8所述的一种图像处理测试平台,其特征在于,还包括:
像素偏离计算模块,将颜色值的差值为设定颜色值的两个像素点进行距离的计算得到像素距离,遍历每一组颜色值的差值为设定颜色值的两个像素点,得到全部的像素距离;
像素偏离离散模块,计算全部的像素距离的离散程度为离散度差;
精确度修正模块,根据所述离散度差修正所述精确度差并更新所述精确度差并输出。
10.如权利要求9所述的一种图像处理测试平台,其特征在于,根据所述离散度差修正所述精确度差的时候,通过
X=ρX′Z
其中,X为修正后的精确度差,X′为精确度差,Z为离散度差,ρ为常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211191332.3A CN115511835B (zh) | 2022-09-28 | 2022-09-28 | 一种图像处理测试平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211191332.3A CN115511835B (zh) | 2022-09-28 | 2022-09-28 | 一种图像处理测试平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115511835A true CN115511835A (zh) | 2022-12-23 |
CN115511835B CN115511835B (zh) | 2023-07-25 |
Family
ID=84506735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211191332.3A Active CN115511835B (zh) | 2022-09-28 | 2022-09-28 | 一种图像处理测试平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115511835B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140270489A1 (en) * | 2013-03-12 | 2014-09-18 | Microsoft Corporation | Learned mid-level representation for contour and object detection |
CN105678347A (zh) * | 2014-11-17 | 2016-06-15 | 中兴通讯股份有限公司 | 行人检测方法及装置 |
CN107194940A (zh) * | 2017-05-23 | 2017-09-22 | 北京计算机技术及应用研究所 | 一种基于颜色空间与线段的彩色图像轮廓提取方法 |
CN111986254A (zh) * | 2020-08-21 | 2020-11-24 | 四川大学华西医院 | 一种靶区轮廓的分析方法、装置、存储介质及电子设备 |
CN113034528A (zh) * | 2021-04-01 | 2021-06-25 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于影像组学的靶区及危及器官勾画轮廓准确性检验方法 |
-
2022
- 2022-09-28 CN CN202211191332.3A patent/CN115511835B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140270489A1 (en) * | 2013-03-12 | 2014-09-18 | Microsoft Corporation | Learned mid-level representation for contour and object detection |
CN105678347A (zh) * | 2014-11-17 | 2016-06-15 | 中兴通讯股份有限公司 | 行人检测方法及装置 |
CN107194940A (zh) * | 2017-05-23 | 2017-09-22 | 北京计算机技术及应用研究所 | 一种基于颜色空间与线段的彩色图像轮廓提取方法 |
CN111986254A (zh) * | 2020-08-21 | 2020-11-24 | 四川大学华西医院 | 一种靶区轮廓的分析方法、装置、存储介质及电子设备 |
CN113034528A (zh) * | 2021-04-01 | 2021-06-25 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于影像组学的靶区及危及器官勾画轮廓准确性检验方法 |
Non-Patent Citations (1)
Title |
---|
展益彬;林大钧;安琦;: "图像处理中曲线矢量化的最优化算法", 东华大学学报(自然科学版), no. 03 * |
Also Published As
Publication number | Publication date |
---|---|
CN115511835B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112115895B (zh) | 指针型仪表读数识别方法、装置、计算机设备及存储介质 | |
CN109948522B (zh) | 一种基于深度神经网络的x光片手骨成熟度判读方法 | |
CN110677639B (zh) | 一种基于特征融合和循环神经网络的无参考视频质量评价方法 | |
CN103093456B (zh) | 基于图像的玉米果穗性状指标计算方法 | |
CN108921120A (zh) | 一种适应广泛零售场景下的香烟识别方法 | |
CN111179362B (zh) | 一种基于动态光照校正算法的试纸颜色均匀性检测方法 | |
CN113870267B (zh) | 缺陷检测方法、装置、计算机设备及可读存储介质 | |
CN114241326B (zh) | 一种渐进式遥感影像地物要素智能生产方法及*** | |
CN111862254A (zh) | 一种基于跨渲染平台的材质渲染的方法及其*** | |
CN112990179A (zh) | 一种基于图片处理的单指针型表盘读数自动识别方法 | |
CN113158272A (zh) | 个性化服装定制的自动打版方法和*** | |
CN111277809A (zh) | 一种图像色彩校正方法、***、设备及介质 | |
CN109410241A (zh) | 图像区域生长算法的蜕变测试方法 | |
CN113888472A (zh) | 一种针对消费电子产品缺陷的检测方法和设备 | |
CN113205511B (zh) | 基于深层神经网络的电子元器件批量信息检测方法及*** | |
CN115511835A (zh) | 一种图像处理测试平台 | |
CN111986266A (zh) | 一种光度立体视觉点光源参数标定方法 | |
CN105427315B (zh) | 数字仪表图像位置测试方法及装置 | |
CN114882095B (zh) | 一种基于轮廓匹配的物体高度在线测量方法 | |
CN107657262A (zh) | 一种计算机自动分类精度评价方法 | |
CN101409770B (zh) | 一种二维Lab色域图轮廓的确定方法和装置 | |
CN113132693A (zh) | 一种色彩校正方法 | |
CN113486904B (zh) | 一种特征自适应激光扫描投影图形控制点提取及优化方法 | |
CN113223098B (zh) | 图像颜色分类的预处理优化方法 | |
CN115170561A (zh) | 一种基于视觉处理的激光切割工件的圆度检测方法及*** |
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 |