CN115937003A - 图像处理方法、装置、终端设备和可读存储介质 - Google Patents
图像处理方法、装置、终端设备和可读存储介质 Download PDFInfo
- Publication number
- CN115937003A CN115937003A CN202211361760.6A CN202211361760A CN115937003A CN 115937003 A CN115937003 A CN 115937003A CN 202211361760 A CN202211361760 A CN 202211361760A CN 115937003 A CN115937003 A CN 115937003A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- detected
- target object
- effective area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 238000003709 image segmentation Methods 0.000 claims abstract description 45
- 230000009466 transformation Effects 0.000 claims abstract description 45
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000003702 image correction Methods 0.000 claims description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 abstract description 16
- 238000011426 transformation method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图像处理方法、装置、终端设备和可读存储介质，通过获取目标图像；将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；根据目标待检测物体，确定与目标待检测物体的掩膜信息；根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理，基于该掩膜可以准确的获取待检测物体的实际边缘信息，然后根据传统的仿射变换方法计算物体的偏转角及相应的仿射矩阵等参数，就可以将复杂场景下的待检测物体通过纠偏来实现摆正。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、终端设备和可读存储介质。
背景技术
现有技术中，对偏移图像进行纠偏时，往往是通过图像二值化、图像锐化等方法，获取待纠偏物体的边缘轮廓，然后利用物体的边缘轮廓来进行后续的纠偏操作；但是该类方法在待检测物体处于过分复杂的环境中时，待检测物体的边缘检测极易出现较大偏差，从而导致最终的待检测物体纠偏出现较大的误差甚至失败，因此无法很好的保证复杂背景环境下纠偏功能的正常实现。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像处理方法、装置、终端设备和可读存储介质。
第一个方面，本发明实施例提供一种图像处理方法，所述方法包括：
获取目标图像；
将所述目标图像输入到预先建立图像分割模型中，得到所述目标图像的目标待检测物体；
根据所述目标待检测物体，确定与所述目标待检测物体的掩膜信息；所述掩膜信息用于将所述目标待检测物体的有效区域与背景区域区分开；
根据所述有效区域和所述有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；
根据所述透射变换矩阵和对应的图像偏转角度，对所述目标图像进行校正处理。
可选地，所述根据所述有效区域和所述有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度，包括：
获取所述目标待检测物体的有效区域的第一顶点信息，以及目标区域的第二顶点信息；
根据所述第一顶点信息和所述第二顶点信息，按照预设的关系式，计算校正图像所需要的透射变换矩阵和对应的图像偏转角度。
可选地，所述将所述目标图像输入到预先建立的图像分割模型中，得到所述目标图像的目标待检测物体，包括：
对所述目标图像进行缩放变换的预处理，得到输入图像；
将所述输入图像输入到预先建立的图像分割模型中，采用掩膜标记对所述目标图像中的目标待检测物体，所述预先建立的图像分割模型是基于神经网络训练后得到的。
可选地，所述获取所述目标待检测物体的有效区域的第一顶点信息，包括：
采用角点检测算法，获取所述有效区域的第一顶点信息。
可选地，所述方法还包括：
若所述目标图像中未检测到所述目标待检测物体，则不对所述目标图像进行校正处理。
第二个方面，本发明实施例提供一种图像处理装置，所述装置包括：
获取模块，用于获取目标图像；
确定模块，用于将所述目标图像输入到预先建立图像分割模型中，得到所述目标图像的目标待检测物体；
处理模块，用于根据所述目标待检测物体，确定与所述目标待检测物体的掩膜信息；所述掩膜信息用于将所述目标待检测物体的有效区域与背景区域区分开；
计算模块，用于根据所述有效区域和所述有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；
校正模块，用于根据所述透射变换矩阵和对应的图像偏转角度，对所述目标图像进行校正处理。
可选地，所述计算模块用于：
获取所述目标待检测物体的有效区域的第一顶点信息，以及目标区域的第二顶点信息；
根据所述第一顶点信息和所述第二顶点信息，按照预设的关系式，计算校正图像所需要的透射变换矩阵和对应的图像偏转角度。
可选地，所述确定模块用于：
对所述目标图像进行缩放变换的预处理，得到输入图像；
将所述输入图像输入到预先建立的图像分割模型中，采用掩膜标记对所述目标图像中的目标待检测物体，所述预先建立的图像分割模型是基于神经网络训练后得到的。
可选地，所述计算模块用于：
采用角点检测算法，获取所述有效区域的第一顶点信息。
可选地，所述处理模块用于：
若所述目标图像中未检测到所述目标待检测物体，则不对所述目标图像进行校正处理。
第三个方面，本发明实施例提供一种终端设备，包括：至少一个处理器和存储器；
所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现第一个方面提供的图像处理方法。
第四个方面，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现第一个方面提供的图像处理方法。
本发明实施例包括以下优点：
本发明实施例提供的图像处理方法、装置、终端设备和可读存储介质，通过获取目标图像；将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理，利用图像分割模型定位待检测物体的位置，并获取该物体精确的轮廓掩膜信息，基于该掩膜可以准确的获取待检测物体的实际边缘信息，然后根据传统的仿射变换方法计算物体的偏转角及相应的仿射矩阵等参数，就可以将复杂场景下的待检测物体通过纠偏来实现摆正。
附图说明
图1是本发明的一种图像处理方法实施例的步骤流程图；
图2是本发明的图像分割模块训练的步骤流程图；
图3是本发明的又一种图像处理方法实施例的步骤流程图；
图4是本发明的待纠偏原图；
图5是本发明的有效掩膜mask图像；
图6是本发明的纠偏后物体示意图；
图7是本发明的有效角点的示意图；
图8是本发明的一种图像处理装置实施例的结构框图；
图9是本发明的一种终端设备的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明一实施例提供一种图像处理方法，用于对图像进行纠偏处理。本实施例的执行主体为图像处理装置，设置在终端设备上，其中，该终端设备至少包括计算机、平板终端等。
参照图1，示出了本发明的一种图像处理方法实施例的步骤流程图，该方法具体可以包括如下步骤：
S101、获取目标图像；
具体地，终端设备获取待校正的目标图像，该目标图像是利用采集设备(高拍仪)获取的，然后发送至终端设备上。
S102、将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；
具体地，在终端设备上预先建立图像分割模型，该图像分割模型是基于深度学习的图像分割模型，如图2所示，将预先训练好的模型参数输入到神经网络中，然后数据层读入上一步处理好的目标图像。
S103、根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；
具体地，通过图像分割模型的卷积运算将图片中的待检测物体利用掩膜mask标记出来，具体像素判别计算公式如下，
其中(r,c)是像素坐标，(H,W)是图像宽高，PG(r,c)和PS(r,c)分别表示真值和预测显著性概率图的像素值，最终计算得到的融合输出的lfuse即是最终的待检测物体掩膜mask；将待检测物体(需要实现纠偏功能的书籍或纸张)和复杂背景区域区分开来，能稳定的区分出待检测物体的有效区域和背景区域，这给后续进行纠偏提供了最稳定的保障。
S104、根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；
S105、根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理。
本发明实施例针对以往图像纠偏受限于复杂背景环境的问题，利用基于深度学习的图像分割算法来定位图像中的待检测物体，稳定高效的将待检测物体从图像中和背景分割出来，直接生成对应的掩膜mask图以方便后期准确定位待检测物体角点信息和边缘线段信息；很好避免了原有图像纠偏方法在中复杂环境带入的边缘检测干扰和误检问题，极大的提高了图像纠偏的准确性和有效性。
本发明实施例提供的图像处理方法，通过获取目标图像；将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理，利用图像分割模型定位待检测物体的位置，并获取该物体精确的轮廓掩膜信息，基于该掩膜可以准确的获取待检测物体的实际边缘信息，然后根据传统的仿射变换方法计算物体的偏转角及相应的仿射矩阵等参数，就可以将复杂场景下的待检测物体通过纠偏来实现摆正。
本发明又一实施例对上述实施例提供的图像处理方法做进一步补充说明。
如图3所示，本发明针对以往图像纠偏受限于复杂背景环境的问题，利用基于深度学习的图像分割算法来定位图像中的待检测物体，稳定高效的将待检测物体从图像中和背景分割出来，直接生成对应的掩膜mask图以方便后期准确定位待检测物体角点信息和边缘线段信息；很好避免了原有图像纠偏方法在中复杂环境带入的边缘检测干扰和误检问题，极大的提高了图像纠偏的准确性和有效性。
如图7所示，根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度，包括：
获取目标待检测物体的有效区域的第一顶点信息，以及目标区域的第二顶点信息；
根据第一顶点信息和第二顶点信息，按照预设的关系式，计算校正图像所需要的透射变换矩阵和对应的图像偏转角度。
可选地，将目标图像输入到预先建立的图像分割模型中，得到目标图像的目标待检测物体，包括：
对目标图像进行缩放变换的预处理，得到输入图像；
将输入图像输入到预先建立的图像分割模型中，采用掩膜标记对目标图像中的目标待检测物体，预先建立的图像分割模型是基于神经网络训练后得到的。
利用采集设备(高拍仪)读取图像并将图像通过缩放变换为合适的大小(320*320)，为进入后续图像分割模型做准备；
获取目标待检测物体的有效区域的第一顶点信息，包括：
采用角点检测算法，获取有效区域的第一顶点信息。
可选地，该方法还包括：
若目标图像中未检测到目标待检测物体，则不对目标图像进行校正处理。
基于深度学习的图像分割模型加载预先训练好的模型参数，然后数据层读入上一步处理好的预处理图片，通过模型的卷积运算将图片中的待检测物体利用掩膜mask标记出来，具体像素判别计算公式如下，
其中(r,c)是像素坐标，(H,W)是图像宽高，PG(r,c)和PS(r,c)分别表示真值和预测显著性概率图的像素值，最终计算得到的融合输出的lfuse即是最终的待检测物体掩膜mask；将待检测物体(需要实现纠偏功能的书籍或纸张)和复杂背景区域区分开来，能稳定的区分出待检测物体的有效区域和背景区域，这给后续进行纠偏提供了最稳定的保障；
判断上一步处理结果，如果获取到了有效的掩膜mask图像，相应图像如图4-图6所示。
那么继续进行后续的纠偏操作；否则，该图片未能检测到有效待检测物体而无法进行纠偏；
获取上面得到的有效掩膜mask图像，利用角点检测算法提取mask上的4个有效角点(角点1、角点2、角点3、角点4)，利用四个角点和映射后对应点的关系，可通过如下关系计算：
将上面矩阵展开为方程式后，解开该方程式需要8个像素点，原图像上检测出来4个四个角点，同时校正后图像对应的四个角点(通常会是校正后图像上下左右的四个顶点)，带入八个像素点坐标就可以计算图像校正需要的透射变换矩阵和对应的图像偏转角度，将原图利用上面计算得到的透视变换矩阵参数进行校正，即可获得最终的校正后图像。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
本发明实施例提供的图像处理方法，通过获取目标图像；将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理，利用图像分割模型定位待检测物体的位置，并获取该物体精确的轮廓掩膜信息，基于该掩膜可以准确的获取待检测物体的实际边缘信息，然后根据传统的仿射变换方法计算物体的偏转角及相应的仿射矩阵等参数，就可以将复杂场景下的待检测物体通过纠偏来实现摆正。
本发明另一实施例提供一种图像处理装置，用于执行上述实施例提供的图像处理方法。
参照图8，示出了本发明的一种图像处理装置实施例的结构框图，该装置具体可以包括如下模块：获取模块701、确定模块702、处理模块703、计算模块704和校正模块705，其中：
获取模块701用于获取目标图像；
确定模块702用于将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；
处理模块703用于根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；
计算模块704用于根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；
校正模块705用于根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理。
本发明实施例提供的图像处理装置，通过获取目标图像；将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理，利用图像分割模型定位待检测物体的位置，并获取该物体精确的轮廓掩膜信息，基于该掩膜可以准确的获取待检测物体的实际边缘信息，然后根据传统的仿射变换方法计算物体的偏转角及相应的仿射矩阵等参数，就可以将复杂场景下的待检测物体通过纠偏来实现摆正。
本发明又一实施例对上述实施例提供的图像处理装置做进一步补充说明。
可选地，计算模块用于：
获取目标待检测物体的有效区域的第一顶点信息，以及目标区域的第二顶点信息；
根据第一顶点信息和第二顶点信息，按照预设的关系式，计算校正图像所需要的透射变换矩阵和对应的图像偏转角度。
可选地，确定模块用于：
对目标图像进行缩放变换的预处理，得到输入图像；
将输入图像输入到预先建立的图像分割模型中，采用掩膜标记对目标图像中的目标待检测物体，预先建立的图像分割模型是基于神经网络训练后得到的。
可选地，计算模块用于：
采用角点检测算法，获取有效区域的第一顶点信息。
可选地，处理模块用于：
若目标图像中未检测到目标待检测物体，则不对目标图像进行校正处理。
需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例提供的图像处理装置，通过获取目标图像；将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理，利用图像分割模型定位待检测物体的位置，并获取该物体精确的轮廓掩膜信息，基于该掩膜可以准确的获取待检测物体的实际边缘信息，然后根据传统的仿射变换方法计算物体的偏转角及相应的仿射矩阵等参数，就可以将复杂场景下的待检测物体通过纠偏来实现摆正。
本发明再一实施例提供一种终端设备，用于执行上述实施例提供的图像处理方法。
图9是本发明的一种终端设备的结构示意图，如图9所示，该终端设备包括：至少一个处理器901和存储器902；
存储器存储计算机程序；至少一个处理器执行存储器存储的计算机程序，以实现上述实施例提供的图像处理方法。
本实施例提供的终端设备，通过获取目标图像；将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理，利用图像分割模型定位待检测物体的位置，并获取该物体精确的轮廓掩膜信息，基于该掩膜可以准确的获取待检测物体的实际边缘信息，然后根据传统的仿射变换方法计算物体的偏转角及相应的仿射矩阵等参数，就可以将复杂场景下的待检测物体通过纠偏来实现摆正。
本申请又一实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，计算机程序被执行时实现上述任一实施例提供的图像处理方法。
根据本实施例的计算机可读存储介质，通过获取目标图像；将目标图像输入到预先建立图像分割模型中，得到目标图像的目标待检测物体；根据目标待检测物体，确定与目标待检测物体的掩膜信息；掩膜信息用于将目标待检测物体的有效区域与背景区域区分开；根据有效区域和有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；根据透射变换矩阵和对应的图像偏转角度，对目标图像进行校正处理，利用图像分割模型定位待检测物体的位置，并获取该物体精确的轮廓掩膜信息，基于该掩膜可以准确的获取待检测物体的实际边缘信息，然后根据传统的仿射变换方法计算物体的偏转角及相应的仿射矩阵等参数，就可以将复杂场景下的待检测物体通过纠偏来实现摆正。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、电子设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理电子设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理电子设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理电子设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理电子设备上，使得在计算机或其他可编程电子设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程电子设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者电子设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者电子设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者电子设备中还存在另外的相同要素。
以上对本发明所提供的一种图像处理方法和一种图像处理装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
获取目标图像；
将所述目标图像输入到预先建立图像分割模型中，得到所述目标图像的目标待检测物体；
根据所述目标待检测物体，确定与所述目标待检测物体的掩膜信息；所述掩膜信息用于将所述目标待检测物体的有效区域与背景区域区分开；
根据所述有效区域和所述有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；
根据所述透射变换矩阵和对应的图像偏转角度，对所述目标图像进行校正处理。
2.根据权利要求1所述的方法，其特征在于，所述根据所述有效区域和所述有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度，包括：
获取所述目标待检测物体的有效区域的第一顶点信息，以及目标区域的第二顶点信息；
根据所述第一顶点信息和所述第二顶点信息，按照预设的关系式，计算校正图像所需要的透射变换矩阵和对应的图像偏转角度。
3.根据权利要求1所述的方法，其特征在于，所述将所述目标图像输入到预先建立的图像分割模型中，得到所述目标图像的目标待检测物体，包括：
对所述目标图像进行缩放变换的预处理，得到输入图像；
将所述输入图像输入到预先建立的图像分割模型中，采用掩膜标记对所述目标图像中的目标待检测物体，所述预先建立的图像分割模型是基于神经网络训练后得到的。
4.根据权利要求2所述的方法，其特征在于，所述获取所述目标待检测物体的有效区域的第一顶点信息，包括：
采用角点检测算法，获取所述有效区域的第一顶点信息。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述目标图像中未检测到所述目标待检测物体，则不对所述目标图像进行校正处理。
6.一种图像处理装置，其特征在于，所述装置包括：
获取模块，用于获取目标图像；
确定模块，用于将所述目标图像输入到预先建立图像分割模型中，得到所述目标图像的目标待检测物体；
处理模块，用于根据所述目标待检测物体，确定与所述目标待检测物体的掩膜信息；所述掩膜信息用于将所述目标待检测物体的有效区域与背景区域区分开；
计算模块，用于根据所述有效区域和所述有效区域映射后的目标区域，确定透射变换矩阵和对应的图像偏转角度；
校正模块，用于根据所述透射变换矩阵和对应的图像偏转角度，对所述目标图像进行校正处理。
7.根据权利要求6所述的装置，其特征在于，所述计算模块用于：
获取所述目标待检测物体的有效区域的第一顶点信息，以及目标区域的第二顶点信息；
根据所述第一顶点信息和所述第二顶点信息，按照预设的关系式，计算校正图像所需要的透射变换矩阵和对应的图像偏转角度。
8.根据权利要求6所述的装置，其特征在于，所述确定模块用于：
对所述目标图像进行缩放变换的预处理，得到输入图像；
将所述输入图像输入到预先建立的图像分割模型中，采用掩膜标记对所述目标图像中的目标待检测物体，所述预先建立的图像分割模型是基于神经网络训练后得到的。
9.一种终端设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现权利要求1-5中任一项所述的图像处理方法。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-5中任一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211361760.6A CN115937003A (zh) | 2022-11-02 | 2022-11-02 | 图像处理方法、装置、终端设备和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211361760.6A CN115937003A (zh) | 2022-11-02 | 2022-11-02 | 图像处理方法、装置、终端设备和可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115937003A true CN115937003A (zh) | 2023-04-07 |
Family
ID=86698403
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211361760.6A Pending CN115937003A (zh) | 2022-11-02 | 2022-11-02 | 图像处理方法、装置、终端设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115937003A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777871A (zh) * | 2023-06-20 | 2023-09-19 | 无锡日联科技股份有限公司 | 一种基于x射线的缺陷检测方法、装置、设备及介质 |
| CN117392218A (zh) * | 2023-10-10 | 2024-01-12 | 钛玛科（北京）工业科技有限公司 | 卷曲材料纠偏方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006318387A (ja) * | 2005-05-16 | 2006-11-24 | Namco Bandai Games Inc | プログラム、情報記憶媒体及び画像生成システム |
| CN110866871A (zh) * | 2019-11-15 | 2020-03-06 | 深圳市华云中盛科技股份有限公司 | 文本图像矫正方法、装置、计算机设备及存储介质 |
| CN111860527A (zh) * | 2019-10-24 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 图像校正方法、图像校正装置、计算机设备及存储介质 |
| CN113033550A (zh) * | 2021-03-15 | 2021-06-25 | 合肥联宝信息技术有限公司 | 一种图像的检测方法、装置及计算机可读介质 |
| CN113343965A (zh) * | 2020-03-02 | 2021-09-03 | 北京有限元科技有限公司 | 图像倾斜矫正方法、装置及存储介质 |
| CN113723399A (zh) * | 2021-08-06 | 2021-11-30 | 浙江大华技术股份有限公司 | 一种车牌图像矫正方法、车牌图像矫正装置和存储介质 |
-
2022
- 2022-11-02 CN CN202211361760.6A patent/CN115937003A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006318387A (ja) * | 2005-05-16 | 2006-11-24 | Namco Bandai Games Inc | プログラム、情報記憶媒体及び画像生成システム |
| CN111860527A (zh) * | 2019-10-24 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 图像校正方法、图像校正装置、计算机设备及存储介质 |
| CN110866871A (zh) * | 2019-11-15 | 2020-03-06 | 深圳市华云中盛科技股份有限公司 | 文本图像矫正方法、装置、计算机设备及存储介质 |
| CN113343965A (zh) * | 2020-03-02 | 2021-09-03 | 北京有限元科技有限公司 | 图像倾斜矫正方法、装置及存储介质 |
| CN113033550A (zh) * | 2021-03-15 | 2021-06-25 | 合肥联宝信息技术有限公司 | 一种图像的检测方法、装置及计算机可读介质 |
| CN113723399A (zh) * | 2021-08-06 | 2021-11-30 | 浙江大华技术股份有限公司 | 一种车牌图像矫正方法、车牌图像矫正装置和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777871A (zh) * | 2023-06-20 | 2023-09-19 | 无锡日联科技股份有限公司 | 一种基于x射线的缺陷检测方法、装置、设备及介质 |
| CN117392218A (zh) * | 2023-10-10 | 2024-01-12 | 钛玛科（北京）工业科技有限公司 | 卷曲材料纠偏方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110135455B (zh) | 影像匹配方法、装置及计算机可读存储介质 | |
| JP6348093B2 (ja) | 入力データから検出対象物の像を検出する画像処理装置および方法 | |
| CN108320290B (zh) | 目标图片提取矫正方法及装置、计算机设备和记录介质 | |
| US9519968B2 (en) | Calibrating visual sensors using homography operators | |
| CN115937003A (zh) | 图像处理方法、装置、终端设备和可读存储介质 | |
| CN108875731B (zh) | 目标识别方法、装置、***及存储介质 | |
| CN111401266B (zh) | 绘本角点定位的方法、设备、计算机设备和可读存储介质 | |
| CN109934847B (zh) | 弱纹理三维物体姿态估计的方法和装置 | |
| CN111860489A (zh) | 一种证件图像校正方法、装置、设备及存储介质 | |
| CN112017231B (zh) | 基于单目摄像头的人体体重识别方法、装置及存储介质 | |
| CN110796082A (zh) | 铭牌文本检测方法、装置、计算机设备和存储介质 | |
| CN107452028B (zh) | 一种确定目标图像位置信息的方法及装置 | |
| CN111832371A (zh) | 文本图片矫正方法、装置、电子设备及机器可读存储介质 | |
| CN113962306A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN110807459A (zh) | 车牌矫正方法、装置以及可读存储介质 | |
| CN108875506B (zh) | 人脸形状点跟踪方法、装置和***及存储介质 | |
| CN111353325A (zh) | 关键点检测模型训练方法及装置 | |
| CN111950554A (zh) | 一种身份证识别方法、装置、设备及存储介质 | |
| CN111798422A (zh) | 棋盘格角点识别方法、装置、设备及存储介质 | |
| CN114143519A (zh) | 投影图像自动匹配幕布区域的方法及装置，投影仪 | |
| CN115082935A (zh) | 用于对文档图像进行矫正的方法、设备及存储介质 | |
| CN112950528A (zh) | 证件姿态确定方法、模型训练方法、装置、服务器及介质 | |
| CN110991357A (zh) | 一种答案匹配方法、装置和电子设备 | |
| CN117115823A (zh) | 一种篡改识别方法、装置、计算机设备和存储介质 | |
| CN111340040A (zh) | 一种纸张字符识别方法、装置、电子设备及存储介质 |
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 |