CN116309198B - 图像处理方法、装置、存储介质及计算机设备 - Google Patents

图像处理方法、装置、存储介质及计算机设备 Download PDF

Info

Publication number
CN116309198B
CN116309198B CN202310542191.3A CN202310542191A CN116309198B CN 116309198 B CN116309198 B CN 116309198B CN 202310542191 A CN202310542191 A CN 202310542191A CN 116309198 B CN116309198 B CN 116309198B
Authority
CN
China
Prior art keywords
image
rectangular
circular
processing
expansion
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
Application number
CN202310542191.3A
Other languages
English (en)
Other versions
CN116309198A (zh
Inventor
韦鹏辉
孙二东
张武杰
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.)
Casi Vision Technology Luoyang Co Ltd
Casi Vision Technology Beijing Co Ltd
Original Assignee
Casi Vision Technology Luoyang Co Ltd
Casi Vision Technology Beijing 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 Casi Vision Technology Luoyang Co Ltd, Casi Vision Technology Beijing Co Ltd filed Critical Casi Vision Technology Luoyang Co Ltd
Priority to CN202310542191.3A priority Critical patent/CN116309198B/zh
Publication of CN116309198A publication Critical patent/CN116309198A/zh
Application granted granted Critical
Publication of CN116309198B publication Critical patent/CN116309198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T7/60—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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • 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
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20112—Image segmentation details
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种图像处理方法、装置、存储介质及计算机设备，涉及图像处理技术领域，主要在于能够提高图像的处理准确度。其中方法包括：获取待处理图像；若待处理图像为圆形图像，则利用圆形腐蚀处理方式或圆形膨胀处理方式对图像进行处理；若待处理图像为矩形图像，则利用矩形腐蚀处理方式或矩形膨胀处理方式对图像进行形态学处理；若待处理图像为孔洞图像，则利用圆形闭运算处理方式或矩形闭运算处理方式对图像进行形态学处理；若待处理图像为毛刺图像，则利用圆形开运算处理方式或矩形开运算处理方式对图像进行形态学处理；若待处理图像为不规则图像，则利用凸包处理方式或外接矩形处理方式对图像进行形态学处理，最终得到处理后的图像。

Description

图像处理方法、装置、存储介质及计算机设备
技术领域
本申请涉及图像处理技术领域，尤其是涉及一种图像处理方法、装置、存储介质及计算机设备。
背景技术
在AOI(Automated Optical Inspection，自动光学检测）设备对目标物体进行自动检测过程中，获取感兴趣图像能够很好的排除区域外的各种复杂背景。在实际应用中发现，在获取到感兴趣图像后，会存在感兴趣图像与理想图像存在一定偏差，因此，消除感兴趣图像的偏差对后续图像的有效应用变得尤为重要。
目前，通常所有图像均采用同一种处理方式进行处理。然而，不同图像的处理需求不同，该种处理方式不一定适用于所有图像，导致对图像的处理准确度较低。
发明内容
本申请提供了一种图像处理方法、装置、存储介质及计算机设备，主要在于能够提高图像的处理准确度。
根据本申请的第一个方面，提供一种图像处理方法，包括：
获取待处理图像；
确定所述待处理图像的形状信息；
若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；
若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；
若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图
像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；
若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；
若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像。
可选地，所述利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像，包括：
基于所述圆形图像对应的半径，确定所述圆形腐蚀处理方式对应的圆形腐蚀结构元素；
利用所述圆形腐蚀结构元素对所述圆形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定圆形腐蚀后的图像。
可选地，所述基于所述圆形图像对应的半径，确定所述圆形腐蚀处理方式对应的圆形腐蚀结构元素，包括：
若所述圆形图像对应的半径为R，则确定圆形腐蚀结构元素为行数和列数均为2R+1的正矩阵；
在所述2R+1的正矩阵中的第m=R+1行，共2R+1个矩阵元素值均为1，当0<m<R+1，R+1-m<n<R+1+m时，m行和n列的矩阵元素值为1，其余元素值均为0，当R+1<m<2R+2，m-R-1<n<3R+3-m时，m行和n列的矩阵元素值为1，其余元素值均为0，其中，m为2R+1的正矩阵的行数，n为2R+1的正矩阵的列数。
可选地，所述利用所述圆形腐蚀结构元素对所述圆形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定圆形腐蚀后的图像，包括：
确定所述圆形图像对应的第一二值化像素矩阵；
利用所述圆形腐蚀结构元素在所述第一二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述圆形腐蚀结构元素中数值为1的元素值与所述第一二值化像素矩阵中对应像素值相乘，遍历完成后得到各组圆形腐蚀像素值乘积；
在各组圆形腐蚀像素值乘积中确定最小圆形腐蚀像素值乘积，并将各所述最小圆形腐蚀像素值乘积赋值给所述第一二值化像素矩阵中的对应参考点，得到最小赋值后的第一二值化像素矩阵；其中，在遍历过程中，将所述圆形腐蚀结构元素的中心点在所述第一二值化像素矩阵中的对应点确定为参考点；
将所述最小赋值后的第一二值化像素矩阵对应的图像确定为圆形腐蚀后的图像。
可选地，所述利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像，包括：
基于所述圆形图像对应的半径，确定所述圆形膨胀处理方式对应的圆形膨胀结构元素；
利用所述圆形膨胀结构元素对所述圆形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定圆形膨胀后的图像。
可选地，所述基于所述圆形图像对应的半径，确定所述圆形膨胀处理方式对应的圆形膨胀结构元素，包括：
若所述圆形图像对应的半径为r，则确定圆形膨胀结构元素为行数和列数均为2r+1的正矩阵；
在所述2r+1的正矩阵中的第x=r+1行，共2r+1个矩阵元素值均为1，当0<x<r+1，r+1-x<y<r+1+x时，x行和y列的矩阵元素值为1，其余元素值均为0，当r+1<x<2r+2，x-r-1<y<3r+3-x时，x行和y列的矩阵元素值为1，其余元素值均为0，其中，x为2r+1的正矩阵的行数，y为2r+1的正矩阵的列数。
可选地，所述利用所述圆形膨胀结构元素对所述圆形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定圆形膨胀后的图像，包括：
利用所述圆形膨胀结构元素在所述圆形图像对应的第一二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述圆形膨胀结构元素中数值为1的元素值与第一二值化像素矩阵中对应像素值相乘，遍历完成后得到各组圆形膨胀像素值乘积；
在各组圆形膨胀像素值乘积中确定最大圆形膨胀像素值乘积，并将各所述最大圆形膨胀像素值乘积赋值给所述第一二值化像素矩阵中的对应参考点，得到最大赋值后的第一二值化像素矩阵；其中，在遍历过程中，将所述圆形膨胀结构元素的中心点在所述第一二值化像素矩阵中的对应点确定为参考点；
将所述最大赋值后的第一二值化像素矩阵对应的图像确定为圆形膨胀后的图像。
可选地，所述利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像，包括：
基于所述矩形图像对应的尺寸，确定所述矩形腐蚀处理方式对应的矩形腐蚀结构元素；
利用所述矩形腐蚀结构元素对所述矩形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定矩形腐蚀后的图像。
可选地，所述基于所述矩形图像对应的尺寸，确定所述矩形腐蚀处理方式对应的矩形腐蚀结构元素，包括：
若所述矩形图像对应的长为W、宽为H，则确定所述矩形腐蚀结构元素为W×H的矩形矩阵，其中，所述W×H的矩形矩阵中的各个元素值均为1。
可选地，所述利用所述矩形腐蚀结构元素对所述矩形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定矩形腐蚀后的图像，包括：
确定所述矩形图像对应的第二二值化像素矩阵；
利用所述矩形腐蚀结构元素在所述第二二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述矩形腐蚀结构元素中各个元素值与第二二值化像素矩阵中对应像素值相乘，遍历完成后得到各组矩形腐蚀像素值乘积；
在各组矩形腐蚀像素值乘积中确定最小矩形腐蚀像素值乘积，并将各所述最小矩形腐蚀像素值乘积赋值给所述第二二值化像素矩阵中的对应参考点，得到最小赋值后的第二二值化像素矩阵；其中，在遍历过程中，将所述矩形腐蚀结构元素的中心点在所述第二二值化像素矩阵中的对应点确定为参考点；
将所述最小赋值后的第二二值化像素矩阵对应的图像确定为矩形腐蚀后的图像。
可选地，所述利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像，包括：
基于所述矩形图像对应的尺寸，确定所述矩形膨胀处理方式对应的矩形膨胀结构元素；
利用所述矩形膨胀结构元素对所述矩形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定矩形膨胀后的图像。
可选地，所述基于所述矩形图像对应的尺寸，确定所述矩形膨胀处理方式对应的矩形膨胀结构元素，包括：
若所述矩形图像对应的长为h、宽为z，则确定所述矩形膨胀结构元素为h×z的矩形矩阵，其中，所述h×z的矩形矩阵中的各个元素值均为1。
可选地，所述利用所述矩形膨胀结构元素对所述矩形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定矩形膨胀后的图像，包括：
利用矩形膨胀结构元素在所述矩形图像对应的第二二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述矩形膨胀结构元素中各个元素值与第二二值化像素矩阵中对应像素值相乘，遍历完成后得到各组矩形膨胀像素值乘积；
在各组矩形膨胀像素值乘积中确定最大矩形膨胀像素值乘积，并将各所述最大矩形膨胀像素值乘积赋值给所述第二二值化像素矩阵中的对应参考点，得到最大赋值后的第二二值化像素矩阵；其中，在遍历过程中，将所述矩形膨胀结构元素的中心点在所述第二二值化像素矩阵中的对应点确定为参考点；
将所述最大赋值后的第二二值化像素矩阵对应的图像确定为矩形膨胀后的图像。
可选地，所述利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像，包括：
利用所述圆形膨胀处理方式对所述孔洞图像进行膨胀处理，得到膨胀后的图像；
利用所述圆形腐蚀处理方式对所述膨胀后的图像进行腐蚀处理，得到圆形闭运算后的图像。
可选地，所述利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像，包括：
利用所述矩形膨胀处理方式对所述孔洞图像在水平方向和竖直方向分别进行膨胀处理，得到膨胀后的图像；
利用所述矩形腐蚀处理方式对所述膨胀后的图像在水平方向和竖直方向分别进行腐蚀处理，得到矩形闭运算后的图像。
可选地，所述利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像，包括：
利用所述圆形腐蚀处理方式对所述毛刺图像进行腐蚀处理，得到腐蚀后的图像；
利用所述圆形膨胀处理方式对所述腐蚀后的图像进行膨胀处理，得到圆形开运算后的图像。
可选地，所述利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像，包括：
利用所述矩形腐蚀处理方式对所述毛刺图像在水平方向和竖直方向分别进行腐蚀处理，得到腐蚀后的图像；
利用所述矩形膨胀处理方式对所述腐蚀后的图像在水平方向和竖直方向分别进行膨胀处理，得到矩形开运算后的图像。
可选地，所述利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像，包括：
确定所述不规则图像对应的各个轮廓点；
在所述各个轮廓点中选取纵坐标最小的基准点P0；
计算其余各个轮廓点与所述基准点P0之间的幅角，并按照幅角从小到大的顺序对所述其余各个轮廓点进行排序，得到轮廓点P1-Pn，其中，n为轮廓点总数，在排序过程中，若存在至少两个目标轮廓点与基准点P0之间的幅角相同，则计算各所述目标轮廓点与基准点P0之间的距离，并按照距离从小到大的顺序对各所述目标轮廓点进行排序；
将基准点P0、轮廓点P1和轮廓点P2确定为栈顶点存储到栈顶中，并基于所述栈顶点，在剩余轮廓点P3-Pn中选择其余栈顶点，其中，在栈顶中各个栈顶点按照序号由小到大的顺序排列；
依次连接栈顶点P0、栈顶点P1和其余栈顶点，得到凸包处理后的图像。
可选地，所述基于所述栈顶点，在剩余轮廓点P3-Pn中选择其余栈顶点，包括：
在所述栈顶点中确定排在后两位的第一目标栈顶点和第二目标栈顶点，并在所述剩余轮廓点中确定排在首位的目标轮廓点，其中，第二目标栈顶点排在第一目标栈顶点之后；
由所述第一目标栈顶点和第二目标栈顶点构成第一有向向量，并由所述第二目标栈顶点与所述目标轮廓点构成第二有向向量；
计算所述第一有向向量与第二有向向量之间的向量乘积；
若所述向量乘积大于零，则将所述目标轮廓点确定为栈顶点；
若所述向量乘积小于或等于零，则利用所述目标轮廓点替换所述栈顶点中的第二目标栈顶点。
可选地，所述利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像，包括：
根据所述不规则图像对应的各个边界点的位置信息，绘制所述不规则图像对应的外接矩形，其中，所述外接矩形包裹的图像为外接处理后的图像。
根据本申请的第二个方面，提供一种图像处理装置，包括：
获取单元，用于获取待处理图像；
确定单元，用于确定所述待处理图像的形状信息；
圆形图像处理单元，用于若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；
矩形图像处理单元，用于若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；
孔洞图像处理单元，用于若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；
毛刺图像处理单元，用于若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；
不规则图像处理单元，用于若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像。
根据本申请的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上图像处理方法。
根据本申请的第四个方面，提供一种计算机设备，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程序时实现以上图像处理方法。
根据本申请提供的一种图像处理方法、装置、存储介质及计算机设备，与目前所有图像均采用同一种方式进行处理的方式相比，本申请通过获取待处理图像；并确定所述待处理图像的形状信息；若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像，由此本申请根据待处理图像的形状来确定待处理图像的目标处理方式，最终利用该目标处理方式来对待处理图像进行处理，能够为不同图像确定其适合的处理方式，从而能够提高图像的处理准确度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种图像处理方法流程图；
图2示出了本申请实施例提供的另一种图像处理方法流程图；
图3示出了本申请实施例提供的一种凸包处理方式对不规则图像进行处理后得到的图像示意图；
图4示出了本申请实施例提供的一种外接矩形处理方式对不规则图像进行处理后得到的图像示意图；
图5示出了本申请实施例提供的一种图像处理装置的结构示意图；
图6示出了本申请实施例提供的另一种图像处理装置的结构示意图；
图7示出了本申请实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
目前，所有图像均采用同一种处理方法进行处理的方式，导致该种处理方式不一定适用于所有图像，从而导致图像的处理准确度较低。
为了解决上述问题，本申请实施例提供了一种图像处理方法，如图1所示，所述方法包括：
101、获取待处理图像。
其中，待处理图像可以为在源图像中获取的感兴趣区域。在获取待处理图像之前，首先可以获取源图像，并利用灰度阈值分割法来获取源图像中的待处理图像，具体的灰度阈值分割法为，首先对源图像进行灰度处理和二值化处理，得到二值化图像，之后确定分割阈值，并将二值化图像中的灰度值与分割阈值进行比较，确定大于分割阈值的目标灰度值，最终将目标灰度值在源图像中分割出来，即得到待处理图像。需要说明的是，本申请实施例对待处理图像的获取方式不做具体限定，还可以采用其他获取方式，如采用轮廓点集的方式在源图像中分割出待处理图像。
102、确定待处理图像的形状信息。
其中，形状信息包括：圆形（其中，椭圆形、类似圆形等都归为圆形）、矩形（其中，类似矩形的图形也归为矩形）、带有孔洞的图形、边缘带有毛刺的图形、不规则图形等。不同形状对应不同的图像处理方式。
103、若形状信息为圆形图像，则利用圆形腐蚀处理方式对圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对圆形图像进行形态学处理，得到圆形膨胀后的图像。
104、若形状信息为矩形图像，则利用矩形腐蚀处理方式对矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对矩形图像进行形态学处理，得到矩形膨胀后的图像。
105、若形状信息为孔洞图像，则利用圆形闭运算处理方式对孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对孔洞图像进行形态学处理，得到矩形闭运算后的图像。
106、若形状信息为毛刺图像，则利用圆形开运算处理方式对毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对毛刺图像进行形态学处理，得到矩形开运算后的图像。
107、若形状信息为不规则图像，则利用凸包处理方式对不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对不规则图像进行形态学处理，得到外扩后的图像。
对于本申请实施例，在获取待处理图像后，可以基于待处理图像的形状来确定待处理图像适用的图像处理方式，例如，若待处理图像为圆形，则利用圆形图像对应的处理方式来对待处理图像进行处理，若待处理图像为矩形，则利用矩形图像对应的处理方式来对待处理图像进行处理，若待处理图像为带有孔洞的图像，则利用孔洞图像对应的处理方式来对待处理图像进行处理，若待处理图像为边缘带有毛刺的图像，则利用毛刺图像对应的处理方式来对待处理图像进行处理，若待处理图像为不规则图像，则利用不规则图像对应的处理方式来对待处理图像进行处理，由此通过为不同形状的图像确定不同的处理方式，并最终确定待处理图像对应的目标处理方式来对待处理图像进行形态学处理，能够使最终确定的处理方式适用于该图像，从而能够提高图像的处理准确度。
根据本申请提供的一种图像处理方法，与目前所有图像均采用同一种方式进行处理的方式相比，本申请通过获取待处理图像；并确定所述待处理图像的形状信息；若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像，由此本申请根据待处理图像的形状来确定待处理图像的目标处理方式，最终利用该目标处理方式来对待处理图像进行处理，能够为不同图像确定其适合的处理方式，从而能够提高图像的处理准确度。
进一步的，为了更好的说明上述对图像进行处理的过程，作为对上述实施例的细化和扩展，本申请实施例提供了另一种图像处理方法，如图2所示，所述方法包括：
201、获取待处理图像。
202、确定待处理图像的形状信息。
具体地，可以利用阈值分割法或者轮廓点集法在源图像中获取待处理图像，之后确定待处理图像是属于圆形图像，或者是矩形图像，或者是带有孔洞的图像，或者是边缘带有毛刺的图像，或者是不规则图像等。
203、若形状信息为圆形图像，则利用圆形腐蚀处理方式对圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对圆形图像进行形态学处理，得到圆形膨胀后的图像。
对于本申请实施例，在获取待处理图像后，需要判断待处理图像的形状，若待处理图像为类似圆形图像，则为其选择的图像处理方式可以为圆形腐蚀处理方式或者圆形膨胀处理方式，若想要圆形区域呈现整体缩小的目的，则可以选择圆形腐蚀处理方式，并利用圆形腐蚀处理方式对圆形图像进行圆形腐蚀处理，具体对圆形图像进行圆形腐蚀处理的方法包括：基于所述圆形图像对应的半径，确定所述圆形腐蚀处理方式对应的圆形腐蚀结构元素；利用所述圆形腐蚀结构元素对所述圆形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定圆形腐蚀后的图像。其中，确定圆形腐蚀结构元素的方法包括：若所述圆形图像对应的半径为R，则确定圆形腐蚀结构元素为行数和列数均为2R+1的正矩阵；在所述2R+1的正矩阵中的第m=R+1行，共2R+1个矩阵元素值均为1，当0<m<R+1，R+1-m<n<R+1+m时，m行和n列的矩阵元素值为1，其余元素值均为0，当R+1<m<2R+2，m-R-1<n<3R+3-m时，m行和n列的矩阵元素值为1，其余元素值均为0，其中，m为2R+1的正矩阵的行数，n为2R+1的正矩阵的列数。其中，利用圆形结构元素对圆形图像进行局部最小像素值遍历求取的过程包括：确定所述圆形图像对应的第一二值化像素矩阵；利用所述圆形腐蚀结构元素在所述第一二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述圆形腐蚀结构元素中数值为1的元素值与第一二值化像素矩阵中对应像素值相乘，遍历完成后得到各组圆形腐蚀像素值乘积；在各组圆形腐蚀像素值乘积中确定最小圆形腐蚀像素值乘积，并将各所述最小圆形腐蚀像素值乘积赋值给所述第一二值化像素矩阵中的对应参考点，得到最小赋值后的第一二值化像素矩阵；其中，在遍历过程中，将所述圆形腐蚀结构元素的中心点在所述第一二值化像素矩阵中的对应点确定为参考点；将所述最小赋值后的第一二值化像素矩阵对应的图像确定为圆形腐蚀后的图像。
具体地，在利用圆形腐蚀处理方式对圆形图像进行腐蚀处理时，首先需要确定圆形腐蚀处理方式对应的圆形结构元素，具体可以根据圆形图像对应的半径来确定圆形腐蚀结构元素，例如，若圆形图像的半径为R，则圆形腐蚀结构元素为2R+1的正矩阵，该正矩阵为二值化矩阵，其中，设m为上述正矩阵中的行数，n为上述正矩阵中的列数，当m=R+1行时，该m行共2R+1个矩阵元素值均为1，当0<m<R+1，列数n满足R+1-m<n<R+1+m时，该第m行第n列的矩阵元素值为1，该m行中除n列以外的其余列中的元素值均为0；当R+1<m<2R+2，列数n满足m-R-1<n<3R+3-m时，该第m行第n列的矩阵元素值为1，该m行中除n列以外的其余列中的元素值均为0，由此按照上述逻辑能够确定圆形腐蚀结构元素中的数值为1的元素值，并在圆形腐蚀结构元素中确定中心点。进一步地，确定圆形图像对应的二值化像素矩阵，其中，该二值化像素矩阵可以为圆形图像对应的源图像的二值化像素矩阵，其中，该二值化像素矩阵中待处理图像（圆形图像）对应的像素值为1，背景图像对应的像素值为0，之后利用圆形腐蚀结构元素在该二值化像素矩阵中进行移动遍历，可以按照预设方向逐次进行移动遍历，如从二值化像素矩阵的左上角开始从左向右、从上到下移动，并按照二值化像素矩阵中的每个像素值为间隔进行移动，直至移动到二值化像素矩阵中的各个边缘为止，如，若按照从左到右、从上到下的顺序移动，在从左到右的移动过程中，将圆形腐蚀结构元素移动到圆形腐蚀结构元素的右边缘与二值化像素矩阵的右边缘重合为止，在从上到下的移动过程中，将圆形腐蚀结构元素移动到圆形腐蚀结构元素的下边缘与二值化像素矩阵的下边缘重合为止，每次移动过程中，均需要确定圆形腐蚀结构元素的中心点在二值化像素矩阵中的对应点，并将该对应点确定为二值化像素矩阵中的参考点，每次移动过程中均需计算圆形腐蚀结构元素中数值为1的元素值与二值化像素矩阵中对应像素值的乘积，并在乘积中确定最小乘积值，以此得到每次移动过程中的最小乘积值，并将每次移动过程中得到的最小乘积值赋值给该次移动对应的参考点，即将二值化像素矩阵中该参考点的原始像素值替换为该次移动过程中的最小乘积值，例如，圆形腐蚀结构元素在二值化像素矩阵的左边缘向右边缘一共移动了三次，第一次移动时圆形腐蚀结构元素的中心点与二值化像素矩阵中相重合的点为参考点1，第一次移动时，将圆形腐蚀结构元素中数值为1的元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最小乘积，之后将最小乘积赋值给参考点1；第二次移动时圆形腐蚀结构元素的中心点与二值化像素矩阵中相重合的点为参考点2，第二次移动时，将圆形腐蚀结构元素中数值为1的元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最小乘积，之后将最小乘积赋值给参考点2；第三次移动时圆形腐蚀结构元素的中心点与二值化像素矩阵中相重合的点为参考点3，第三次移动时，将圆形腐蚀结构元素中数值为1的元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最小乘积，之后将最小乘积赋值给参考点3；由此圆形腐蚀结构元素在二值化像素矩阵中由左向右、由上至下移动完后，能够对二值化像素矩阵中各个参考点进行赋值，得到新的二值化像素矩阵，最终新的二值化像素矩阵对应的图像即为腐蚀处理后的图像。由此通过对圆形图像进行圆形腐蚀处理，能够使待处理图像达到整体缩小的目的，消除了待处理图像中的无用图像，为后续图像的应用带来遍历。
进一步地，若想要圆形区域呈现整体扩大的目的，则可以选择圆形膨胀处理方式，并利用圆形膨胀处理方式对圆形图像进行圆形膨胀处理，具体对圆形图像进行圆形膨胀处理的方法包括：基于所述圆形图像对应的半径，确定所述圆形膨胀处理方式对应的圆形膨胀结构元素；利用所述圆形膨胀结构元素对所述圆形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定圆形膨胀后的图像，其中，圆形膨胀结构元素的确定方式包括：若所述圆形图像对应的半径为r，则确定圆形膨胀结构元素为行数和列数均为2r+1的正矩阵；在所述2r+1的正矩阵中的第x=r+1行，共2r+1个矩阵元素值均为1，当0<x<r+1，r+1-x<y<r+1+x时，x行和y列的矩阵元素值为1，其余元素值均为0，当r+1<x<2r+2，x-r-1<y<3r+3-x时，x行和y列的矩阵元素值为1，其余元素值均为0，其中，x为2r+1的正矩阵的行数，y为2r+1的正矩阵的列数。利用圆形膨胀结构元素对圆形图像进行局部最大像素值遍历求取的过程包括：利用所述圆形膨胀结构元素在所述圆形图像对应的第一二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述圆形膨胀结构元素中数值为1的元素值与第一二值化像素矩阵中对应像素值相乘，遍历完成后得到各组圆形膨胀像素值乘积；在各组圆形膨胀像素值乘积中确定最大圆形膨胀像素值乘积，并将各所述最大圆形膨胀像素值乘积赋值给所述第一二值化像素矩阵中的对应参考点，得到最大赋值后的第一二值化像素矩阵；其中，在遍历过程中，将所述圆形膨胀结构元素的中心点在所述第一二值化像素矩阵中的对应点确定为参考点；将所述最大赋值后的第一二值化像素矩阵对应的图像确定为圆形膨胀后的图像。
具体地，在利用圆形膨胀处理方式对圆形图像进行膨胀处理时，首先需要确定圆形膨胀处理方式对应的圆形膨胀结构元素，具体可以根据圆形图像对应的半径来确定圆形膨胀结构元素，例如，若圆形图像的半径为r，则圆形膨胀结构元素为2r+1的正矩阵，该正矩阵为二值化矩阵，其中，设x为上述正矩阵中的行数，y为上述正矩阵中的列数，当x=r+1行时，该x行共2r+1个矩阵元素值均为1，当0<x<R+1，列数y满足r+1-x<y<r+1+m时，该第x行第y列的矩阵元素值为1，该x行中除y列以外的其余列中的元素值均为0；当r+1<x<2r+2，列数y满足x-r-1<n<3r+3-x时，该第x行第y列的矩阵元素值为1，该x行中除y列以外的其余列中的元素值均为0，由此按照上述逻辑能够确定圆形膨胀结构元素中的数值为1的元素值，并在圆形膨胀结构元素中确定中心点。即该圆形膨胀结构元素的确定方式与圆形腐蚀结构元素的确定方式相同，即圆形膨胀结构元素与圆形腐蚀结构元素具体可以为同一正矩阵。确定圆形膨胀结构元素后，并在圆形膨胀结构元素中确定中心点。进一步地，确定圆形图像对应的二值化像素矩阵，其中，该二值化像素矩阵可以为圆形图像对应的源图像的二值化像素矩阵，其中，该二值化像素矩阵中待处理图像（圆形图像）对应的像素值为1，背景图像对应的像素值为0，之后利用圆形膨胀结构元素在该二值化像素矩阵中进行移动遍历，可以按照预设方向逐次进行移动遍历，如从二值化像素矩阵的左上角开始按照从左向右、从上到下的顺序移动，并按照二值化像素矩阵中的每个像素值为间隔进行移动，直至移动到二值化像素矩阵中的各个边缘为止，如，若按照从左到右、从上到下的顺序移动，在从左到右的移动过程中，将圆形膨胀结构元素移动到圆形膨胀结构元素的右边缘与二值化像素矩阵的右边缘重合为止，在从上到下的移动过程中，将圆形膨胀结构元素移动到圆形膨胀结构元素的下边缘与二值化像素矩阵的下边缘重合为止，每次移动过程中，均需要确定圆形膨胀结构元素的中心点在二值化像素矩阵中的对应点，并将该对应点确定为二值化像素矩阵中的参考点，每次移动过程中均需计算圆形膨胀结构元素中数值为1的元素值与二值化像素矩阵中对应像素值的乘积，并在乘积中确定最大乘积值，以此得到每次移动过程中的最大乘积值，并将每次移动过程中得到的最大乘积值赋值给该次移动对应的参考点，即将二值化像素矩阵中该参考点的原始像素值替换为该次移动过程中的最大乘积值，例如，圆形膨胀结构元素在二值化像素矩阵的左边缘向右边缘一共移动了三次，第一次移动时圆形膨胀结构元素的中心点与二值化像素矩阵中相重合的点为参考点1，第一次移动时，将圆形膨胀结构元素中数值为1的元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最大乘积，之后将最大乘积赋值给参考点1；第二次移动时圆形膨胀结构元素的中心点与二值化像素矩阵中相重合的点为参考点2，第二次移动时，将圆形膨胀结构元素中数值为1的元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最大乘积，之后将最大乘积赋值给参考点2；第三次移动时圆形膨胀结构元素的中心点与二值化像素矩阵中相重合的点为参考点3，第三次移动时，将圆形膨胀结构元素中数值为1的元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最大乘积，之后将最大乘积赋值给参考点3；由此圆形膨胀结构元素在二值化像素矩阵中由左向右、由上至下移动完后，能够对二值化像素矩阵中各个参考点进行赋值，得到新的二值化像素矩阵，最终新的二值化像素矩阵对应的图像即为膨胀处理后的图像。通过对圆形图像进行圆形膨胀处理，能够使待处理图像达到整体扩大的目的，使得到的图像更加全面。
204、若形状信息为矩形图像，则利用矩形腐蚀处理方式对矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对矩形图像进行形态学处理，得到矩形膨胀后的图像。
若待处理图像为类似矩形图像，则为其选择的图像处理方式可以为矩形腐蚀处理方式或者矩形膨胀处理方式，若想要矩形区域呈现整体缩小的目的，则可以选择矩形腐蚀处理方式，并利用矩形腐蚀处理方式对矩形图像进行矩形腐蚀处理，具体对矩形图像进行矩形腐蚀处理的方法包括：基于所述矩形图像对应的尺寸，确定所述矩形腐蚀处理方式对应的矩形腐蚀结构元素；利用所述矩形腐蚀结构元素对所述矩形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定矩形腐蚀后的图像。其中，确定矩形腐蚀结构元素的方法包括：若所述矩形图像对应的长为W、宽为H，则确定所述矩形腐蚀结构元素为W×H的矩形矩阵，其中，所述W×H的矩形矩阵中的各个元素值均为1。其中，利用矩形结构元素对矩形图像进行局部最小像素值遍历求取的过程包括：确定所述矩形图像对应的第二二值化像素矩阵；利用所述矩形腐蚀结构元素在所述第二二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述矩形腐蚀结构元素中各个元素值与第二二值化像素矩阵中对应像素值相乘，遍历完成后得到各组矩形腐蚀像素值乘积；在各组矩形腐蚀像素值乘积中确定最小矩形腐蚀像素值乘积，并将各所述最小矩形腐蚀像素值乘积赋值给所述第二二值化像素矩阵中的对应参考点，得到最小赋值后的第二二值化像素矩阵；其中，在遍历过程中，将所述矩形腐蚀结构元素的中心点在所述第二二值化像素矩阵中的对应点确定为参考点；将所述最小赋值后的第二二值化像素矩阵对应的图像确定为矩形腐蚀后的图像。
具体地，在利用矩形腐蚀处理方式对矩形图像进行腐蚀处理时，首先需要确定矩形腐蚀处理方式对应的矩形腐蚀结构元素，具体可以根据矩形图像对应的长度和宽度来确定矩形腐蚀结构元素，例如，若矩形图像的长度为W，宽度为H，则矩形腐蚀结构元素为行数为W，列数为H的矩阵，该矩阵为二值化矩阵，矩阵中各个元素值均为1，并在矩形腐蚀结构元素中确定中心点。进一步地，确定矩形图像对应的二值化像素矩阵，其中，该二值化像素矩阵可以为矩形图像对应的源图像的二值化像素矩阵，其中，该二值化像素矩阵中待处理图像（矩形图像）对应的像素值为1，背景图像对应的像素值为0，之后利用矩形腐蚀结构元素在该二值化像素矩阵中进行移动遍历，可以按照预设方向逐次进行移动遍历，如从二值化像素矩阵的左上角开始从左向右、从上到下移动，并按照二值化像素矩阵中的每个像素值为间隔进行移动，直至移动到二值化像素矩阵中的各个边缘为止，如，若按照从左到右、从上到下的顺序移动，在从左到右的移动过程中，将矩形腐蚀结构元素移动到矩形腐蚀结构元素的右边缘与二值化像素矩阵的右边缘重合为止，在从上到下的移动过程中，将矩形腐蚀结构元素移动到矩形腐蚀结构元素的下边缘与二值化像素矩阵的下边缘重合为止，每次移动过程中，均需要确定矩形腐蚀结构元素的中心点在二值化像素矩阵中的对应点，并将该对应点确定为二值化像素矩阵中的参考点，每次移动过程中均需计算矩形腐蚀结构元素中各个元素值与二值化像素矩阵中对应像素值的乘积，并在乘积中确定最小乘积值，以此得到每次移动过程中的最小乘积值，并将每次移动过程中得到的最小乘积值赋值给该次移动对应的参考点，即将二值化像素矩阵中该参考点的原始像素值替换为该次移动过程中的最小乘积值，例如，矩形腐蚀结构元素在二值化像素矩阵的左边缘向右边缘一共移动了三次，第一次移动时矩形腐蚀结构元素的中心点与二值化像素矩阵中相重合的点为参考点1，第一次移动时，将矩形腐蚀结构元素中各个元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最小乘积，之后将最小乘积赋值给参考点1；第二次移动时矩形腐蚀结构元素的中心点与二值化像素矩阵中相重合的点为参考点2，第二次移动时，将矩形腐蚀结构元素中各个元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最小乘积，之后将最小乘积赋值给参考点2；第三次移动时矩形腐蚀结构元素的中心点与二值化像素矩阵中相重合的点为参考点3，第三次移动时，将矩形腐蚀结构元素中各个元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最小乘积，之后将最小乘积赋值给参考点3；由此矩形腐蚀结构元素在二值化像素矩阵中由左向右、由上至下移动完后，能够对二值化像素矩阵中各个参考点进行赋值，得到新的二值化像素矩阵，最终新的二值化像素矩阵对应的图像即为腐蚀处理后的图像。由此通过对圆形图像进行圆形腐蚀处理，能够使待处理图像达到整体缩小的目的，消除了待处理图像中的无用图像，为后续图像的应用带来遍历。
进一步地，若想要矩形区域呈现整体扩大的目的，则可以选择矩形膨胀处理方式，并利用矩形膨胀处理方式对矩形图像进行矩形膨胀处理，具体对矩形图像进行矩形膨胀处理的方法包括：基于所述矩形图像对应的尺寸，确定所述矩形膨胀处理方式对应的矩形膨胀结构元素；利用所述矩形膨胀结构元素对所述矩形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定矩形膨胀后的图像。其中，确定矩形膨胀处理方式对应的矩形膨胀结构元素的方法包括：若所述矩形图像对应的长为h、宽为z，则确定所述矩形膨胀结构元素为h×z的矩形矩阵，其中，所述h×z的矩形矩阵中的各个元素值均为1。利用矩形膨胀结构元素对矩形图像进行局部最大像素值遍历求取的过程包括：利用矩形膨胀结构元素在所述矩形图像对应的第二二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述矩形膨胀结构元素中各个元素值与第二二值化像素矩阵中对应像素值相乘，遍历完成后得到各组矩形膨胀像素值乘积；在各组矩形膨胀像素值乘积中确定最大矩形膨胀像素值乘积，并将各所述最大矩形膨胀像素值乘积赋值给所述第二二值化像素矩阵中的对应参考点，得到最大赋值后的第二二值化像素矩阵；其中，在遍历过程中，将所述矩形膨胀结构元素的中心点在所述第二二值化像素矩阵中的对应点确定为参考点；将所述最大赋值后的第二二值化像素矩阵对应的图像确定为矩形膨胀后的图像。
具体地，在对矩形图像进行矩形膨胀处理过程中，首先需要确定矩形膨胀结构元素，该矩形膨胀结构元素的确定方式与矩形腐蚀结构元素的确定方式相同，即矩形膨胀结构元素与矩形腐蚀结构元素具体可以为同一矩阵，即若矩形图像的长为h，款为z，则其对应的矩形膨胀结构元素为h×z的矩阵。确定矩形膨胀结构元素后，在矩形膨胀结构元素中确定中心点。进一步地，确定矩形图像对应的二值化像素矩阵，其中，该二值化像素矩阵可以为矩形图像对应的源图像的二值化像素矩阵，其中，该二值化像素矩阵中待处理图像（矩形图像）对应的像素值为1，背景图像对应的像素值为0，之后利用矩形膨胀结构元素在该二值化像素矩阵中进行移动遍历，可以按照预设方向逐次进行移动遍历，如从二值化像素矩阵的左上角开始按照从左向右、从上到下的顺序移动，并按照二值化像素矩阵中的每个像素值为间隔进行移动，直至移动到二值化像素矩阵中的各个边缘为止，如，若按照从左到右、从上到下的顺序移动，在从左到右的移动过程中，将矩形膨胀结构元素移动到矩形膨胀结构元素的右边缘与二值化像素矩阵的右边缘重合为止，在从上到下的移动过程中，将矩形膨胀结构元素移动到矩形膨胀结构元素的下边缘与二值化像素矩阵的下边缘重合为止，每次移动过程中，均需要确定矩形膨胀结构元素的中心点在二值化像素矩阵中的对应点，并将该对应点确定为二值化像素矩阵中的参考点，每次移动过程中均需计算矩形膨胀结构元素中各个元素值与二值化像素矩阵中对应像素值的乘积，并在乘积中确定最大乘积值，以此得到每次移动过程中的最大乘积值，并将每次移动过程中得到的最大乘积值赋值给该次移动对应的参考点，即将二值化像素矩阵中该参考点的原始像素值替换为该次移动过程中的最大乘积值，例如，矩形膨胀结构元素在二值化像素矩阵的左边缘向右边缘一共移动了三次，第一次移动时矩形膨胀结构元素的中心点与二值化像素矩阵中相重合的点为参考点1，第一次移动时，将矩形膨胀结构元素中各个元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最大乘积，之后将最大乘积赋值给参考点1；第二次移动时矩形膨胀结构元素的中心点与二值化像素矩阵中相重合的点为参考点2，第二次移动时，将矩形膨胀结构元素中各个元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最大乘积，之后将最大乘积赋值给参考点2；第三次移动时矩形膨胀结构元素的中心点与二值化像素矩阵中相重合的点为参考点3，第三次移动时，将矩形膨胀结构元素中各个元素值与二值化像素矩阵中对应像素值相乘，并在乘积中确定最大乘积，之后将最大乘积赋值给参考点3；由此矩形膨胀结构元素在二值化像素矩阵中由左向右、由上至下移动完后，能够对二值化像素矩阵中各个参考点进行赋值，得到新的二值化像素矩阵，最终新的二值化像素矩阵对应的图像即为膨胀处理后的图像。通过对圆形图像进行圆形膨胀处理，能够使待处理图像达到整体扩大的目的，使得到的图像更加全面。
205、若形状信息为孔洞图像，则利用圆形膨胀处理方式对孔洞图像进行膨胀处理，得到膨胀后的图像；并利用圆形腐蚀处理方式对膨胀后的图像进行腐蚀处理，得到圆形闭运算后的图像。
具体地，若待处理图像为带有孔洞的图像，则需要对图像中的孔洞进行填充，具体可以根据需求选择利用圆形闭运算处理方式或者矩形闭运算处理方式来对孔洞进行填充，若选择圆形闭运算处理方式，则具体处理方式包括：首先对带有孔洞的图像进行圆形膨胀处理，在对膨胀后的图像进行圆形腐蚀处理，首先通过膨胀处理可消除图像内部的细小空洞，其次腐蚀处理能够防止孔洞区域的过度膨胀，能够良好的保持区域的形状。
206、若形状信息为孔洞图像，则利用矩形膨胀处理方式对孔洞图像在水平方向和竖直方向分别进行膨胀处理，得到膨胀后的图像；利用矩形腐蚀处理方式对膨胀后的图像在水平方向和竖直方向分别进行腐蚀处理，得到矩形闭运算后的图像。
具体地，若选择矩形闭运算处理方式对孔洞进行填充，则具体处理方式包括：首先对带有孔洞的图像进行矩形膨胀处理，在对膨胀后的图像进行矩形腐蚀处理，通过对带有孔洞的图像进行矩形闭运算处理，能够填补图像中的孔洞，同时能够防止区域腐蚀过度，能够良好的保持区域的形状。
207、若形状信息为毛刺图像，则利用圆形腐蚀处理方式对毛刺图像进行腐蚀处理，得到腐蚀后的图像；并利用圆形膨胀处理方式对腐蚀后的图像进行膨胀处理，得到圆形开运算后的图像。
对于本申请实施例，若待处理图像为边缘带有毛刺的图像，则需要对图像边缘的毛刺进行去除和平滑，具体可以根据需求选择利用圆形开运算处理方式或者矩形开运算处理方式来对毛刺进行去除或平滑，若选择圆形开运算处理方式，则具体处理方式包括：首先对带有毛刺的图像进行圆形腐蚀处理，在对腐蚀后的图像进行圆形膨胀处理，通过对带有毛刺的图像进行圆形开运算处理，能够去除图像中一些孤立的、细小的点，平滑毛糙的边缘线，从而使处理后的图像得到更好的应用，同时通过对毛刺图像进行圆形开运算处理能够防止区域膨胀过度，能够良好的保持区域的形状。
208、若形状信息为毛刺图像，则利用矩形腐蚀处理方式对毛刺图像在水平方向和竖直方向分别进行腐蚀处理，得到腐蚀后的图像；并利用矩形膨胀处理方式对腐蚀后的图像在水平方向和竖直方向分别进行膨胀处理，得到矩形开运算后的图像。
具体地，若选择矩形开运算处理方式对毛刺进行平滑，则具体处理方式包括：首先对带有毛刺的图像进行矩形腐蚀处理，在对腐蚀后的图像进行矩形膨胀处理，首先通过腐蚀处理可消除图像边缘的粗糙点和细小区域，其次膨胀处理防能够防止对图像边缘的过度腐蚀，能够良好的保持区域的形状。
209、若形状信息为不规则图像，则利用凸包处理方式对不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对不规则图像进行形态学处理，得到外扩后的图像。
对于本申请实施例，若待处理图像为不规则形状的图像，可以根据需求选择凸包运算处理方式对待处理图像进行处理，或者选择外接矩形处理方式对待处理图像进行处理，若选择凸包算法处理方式对待处理图像进行处理，则具体处理方法包括：确定所述不规则图像对应的各个轮廓点；在所述各个轮廓点中选取纵坐标最小的基准点P0；计算其余各个轮廓点与所述基准点P0之间的幅角，并按照幅角从小到大的顺序对所述其余各个轮廓点进行排序，得到轮廓点P1-Pn，其中，n为轮廓点总数，在排序过程中，若存在至少两个目标轮廓点与基准点P0之间的幅角相同，则计算各所述目标轮廓点与基准点P0之间的距离，并按照距离从小到大的顺序对各所述目标轮廓点进行排序；将基准点P0、轮廓点P1和轮廓点P2确定为栈顶点存储到栈顶中，并基于所述栈顶点，在剩余轮廓点P3-Pn中选择其余栈顶点，其中，在栈顶中各个栈顶点按照序号由小到大的顺序排列；依次连接栈顶点P0、栈顶点P1和其余栈顶点，得到凸包处理后的图像。其中，基于所述栈顶点，在剩余轮廓点P3-Pn中选择其余栈顶点的方法包括：在所述栈顶点中确定排在后两位的第一目标栈顶点和第二目标栈顶点，并在所述剩余轮廓点中确定排在首位的目标轮廓点，其中，第二目标栈顶点排在第一目标栈顶点之后；由所述第一目标栈顶点和第二目标栈顶点构成第一有向向量，并由所述第二目标栈顶点与所述目标轮廓点构成第二有向向量；计算所述第一有向向量与第二有向向量之间的向量乘积；若所述向量乘积大于零，则将所述目标轮廓点确定为栈顶点；若所述向量乘积小于或等于零，则利用所述目标轮廓点替换所述栈顶点中的第二目标栈顶点。
具体地，首先确定待处理图像的边缘轮廓点，并在各个轮廓点中选择纵坐标最小的轮廓点，并将该轮廓点记为基准点P0，在各个轮廓点中去除P0后，得到剩余轮廓点，并计算各个剩余轮廓带点与基准点P0之间的幅角，并按照幅角从小到大的顺序对各个剩余轮廓点进行排序，在剩余轮廓点进行排序的过程中，若存在至少两个目标轮廓点与基准点P0之间的幅角相同，则按照各个目标轮廓点与基准点P0之间的距离从大到小的顺序，将至少两个目标轮廓进行排序，最终得到排序后的剩余轮廓点为P1-Pn，之后将P0、P1作为栈顶点压入栈中，即上述P0、P1为凸包区域边界点位，与P2一起按照点位序号由小到达的顺序压入栈中，之后选择第一目标栈顶点P1和第二目标栈顶点P2点构造有向向量P12；在剩余轮廓点P3-Pn中依次选择P3点作为目标轮廓点，并与第二目标栈顶点P2构造有向向量P23，若P12xP23>0，则将P3压至栈顶，此时栈顶中的栈顶点为P0、P1、P2、P3；若P12xP23≤0，则确定栈顶中点P2不是凸包区域上边界点，将点P2在栈顶中剔除，并将点P3压至栈顶，此时，栈顶中的栈顶点为P0、P1、P3；进一步地，若栈顶中的栈顶点为P0、P1、P2、P3，之后选择第一目标栈顶点P2和第二目标栈顶点P3点构造有向向量P23；在剩余轮廓点P4-Pn中依次选择P4点作为目标轮廓点，并与第二目标栈顶点P3构造有向向量P34，若P23xP34>0，则将P4压至栈顶，此时栈顶中的栈顶点为P0、P1、P2、P3、P4；若P23xP34≤0，则确定栈顶中点P3不是凸包区域上边界点，将点P3在栈顶中剔除，并将点P4压至栈顶，此时，栈顶中的栈顶点为P0、P1、P2、P4；进一步地，若栈顶中的栈顶点为P0、P1、P3，之后选择第一目标栈顶点P1和第二目标栈顶点P3点构造有向向量P13；在剩余轮廓点P4-Pn中依次选择P4点作为目标轮廓点，并与第二目标栈顶点P3构造有向向量P34，若P13xP34>0，则将P4压至栈顶，此时栈顶中的栈顶点为P0、P1、P3、P4；若P13xP34≤0，则确定栈顶中点P3不是凸包区域上边界点，将点P3在栈顶中剔除，并将点P4压至栈顶，此时，栈顶中的栈顶点为P0、P1、P4；依据上述原则依次构造栈顶中后两个目标栈顶点之间的有向向量，同时构造最后一个栈顶点与剩余轮廓点中第一个轮廓点之间的有向向量，并根据两个向量之间乘积的大小来在剩余轮廓中确定栈顶点，最终将所有栈顶点连接起来形成凸包区域，该凸包区域中的图像即为处理后的图像。具体利用凸包处理方式对不规则图像进行处理后得到的图像如图3所示。
进一步地，对于本申请实施例，若选择外接矩形处理方式对不规则图像进行处理，则具体处理方法包括：根据所述不规则图像对应的各个边界点的位置信息，绘制所述不规则图像对应的外接矩形，其中，所述外接矩形包裹的图像为外接处理后的图像。
具体地，可以以不规则图像的中心点为坐标原点建立直角坐标系，确定不规则图像上的各个边界点的坐标，并在各个边界点的坐标中，确定x轴方向的最大值和最小值，以及确定y轴方向的最大值和最小值，将x轴方向的最大值与y轴方向的最大值构造的坐标点确定为外接矩形的右上角的坐标点，将x轴方向的最小值与y轴方向的最小值构造的坐标点确定为外接矩形的左下角的坐标点，最终根据右上角的坐标点和左下角的坐标点，绘制不规则图像对应的外接矩形，该外接矩形包裹的区域即为处理后的图像。具体利用外接矩形处理方式对不规则图像进行处理后得到的图像如图4所示。
根据本申请提供的另一种图像处理方法，与目前所有图像均采用同一种方式进行处理的方式相比，本申请通过获取待处理图像；并确定所述待处理图像的形状信息；若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像，由此本申请根据待处理图像的形状来确定待处理图像的目标处理方式，最终利用该目标处理方式来对待处理图像进行处理，能够为不同图像确定其适合的处理方式，从而能够提高图像的处理准确度。
进一步地，作为图1的具体实现，本申请实施例提供了一种图像处理装置，如图5所示，所述装置包括：获取单元31、确定单元32、圆形图像处理单元33、矩形图像处理单元34、孔洞图像处理单元35、毛刺图像处理单元36和不规则图像处理单元37。
所述获取单元获取31，可以用于待处理图像。
所述确定单元32，可以用于确定所述待处理图像的形状信息。
所述圆形图像处理单元33，可以用于若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像。
所述矩形图像处理单元34，可以用于若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像。
所述孔洞图像处理单元35，可以用于若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像。
所述毛刺图像处理单元36，可以用于若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像。
所述不规则图像处理单元37，可以用于若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像。
在具体应用场景中，为了利用圆形腐蚀处理方式对圆形图像进行形态学处理，如图6所示，所述圆形图像处理单元33，包括：第一确定模块331和第一遍历模块332。
所述第一确定模块331，可以用于基于所述圆形图像对应的半径，确定所述圆形腐蚀处理方式对应的圆形腐蚀结构元素。
所述第一遍历模块332，可以用于利用所述圆形腐蚀结构元素对所述圆形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定圆形腐蚀后的图像。
在具体应用场景中，为了确定圆形腐蚀处理方式对应的圆形腐蚀结构元素，所述第一确定模块331，具体可以用于若所述圆形图像对应的半径为R，则确定圆形腐蚀结构元素为行数和列数均为2R+1的正矩阵；在所述2R+1的正矩阵中的第m=R+1行，共2R+1个矩阵元素值均为1，当0<m<R+1，R+1-m<n<R+1+m时，m行和n列的矩阵元素值为1，其余元素值均为0，当R+1<m<2R+2，m-R-1<n<3R+3-m时，m行和n列的矩阵元素值为1，其余元素值均为0，其中，m为2R+1的正矩阵的行数，n为2R+1的正矩阵的列数。
在具体应用场景中，为了利用圆形腐蚀结构元素对圆形图像进行局部最小像素值遍历求取，以此得到圆形腐蚀后的图像，所述第一遍历模块332，具体可以用于确定所述圆形图像对应的第一二值化像素矩阵；利用所述圆形腐蚀结构元素在所述第一二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述圆形腐蚀结构元素中数值为1的元素值与第一二值化像素矩阵中对应像素值相乘，遍历完成后得到各组圆形腐蚀像素值乘积；在各组圆形腐蚀像素值乘积中确定最小圆形腐蚀像素值乘积，并将各所述最小圆形腐蚀像素值乘积赋值给所述第一二值化像素矩阵中的对应参考点，得到最小赋值后的第一二值化像素矩阵；其中，在遍历过程中，将所述圆形腐蚀结构元素的中心点在所述第一二值化像素矩阵中的对应点确定为参考点；将所述最小赋值后的第一二值化像素矩阵对应的图像确定为圆形腐蚀后的图像。
在具体应用场景中，为了利用圆形膨胀处理方式对圆形图像进行形态学处理，得到圆形膨胀后的图像，所述第一确定模块331，还可以用于基于所述圆形图像对应的半径，确定所述圆形膨胀处理方式对应的圆形膨胀结构元素，其中，所述圆形膨胀结构元素的确定方式与所述圆形腐蚀结构元素的确定方式相同。
所述第一遍历模块332，还可以用于利用所述圆形膨胀结构元素对所述圆形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定圆形膨胀后的图像。
在具体应用场景中，为了确定圆形膨胀处理方式对应的圆形膨胀结构元素，所述第一确定模块331，具体可以用于若所述圆形图像对应的半径为r，则确定圆形膨胀结构元素为行数和列数均为2r+1的正矩阵；在所述2r+1的正矩阵中的第x=r+1行，共2r+1个矩阵元素值均为1，当0<x<r+1，r+1-x<y<r+1+x时，x行和y列的矩阵元素值为1，其余元素值均为0，当r+1<x<2r+2，x-r-1<y<3r+3-x时，x行和y列的矩阵元素值为1，其余元素值均为0，其中，x为2r+1的正矩阵的行数，y为2r+1的正矩阵的列数。
在具体应用场景中，为了利用圆形膨胀结构元素对所述圆形图像进行局部最大像素值遍历求取，以确定圆形膨胀后的图像，所述遍历子模块，还可以用于利用所述圆形膨胀结构元素在所述圆形图像对应的第一二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述圆形膨胀结构元素中数值为1的元素值与第一二值化像素矩阵中对应像素值相乘，遍历完成后得到各组圆形膨胀像素值乘积；所述赋值子模块，还可以用于在各组圆形膨胀像素值乘积中确定最大圆形膨胀像素值乘积，并将各所述最大圆形膨胀像素值乘积赋值给所述第一二值化像素矩阵中的对应参考点，得到最大赋值后的第一二值化像素矩阵；其中，在遍历过程中，将所述圆形膨胀结构元素的中心点在所述第一二值化像素矩阵中的对应点确定为参考点；所述确定子模块，还可以用于将所述最大赋值后的第一二值化像素矩阵对应的图像确定为圆形膨胀后的图像。
在具体应用场景中，为了利用矩形腐蚀处理方式对矩形图像进行形态学处理，得到矩形腐蚀后的图像，所述矩形图像处理单元34，包括第二确定模块341和第二遍历模块342。
所述第二确定模块341，可以用于基于所述矩形图像对应的尺寸，确定所述矩形腐蚀处理方式对应的矩形腐蚀结构元素。
所述第二遍历模块342，可以用于利用所述矩形腐蚀结构元素对所述矩形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定矩形腐蚀后的图像。
在具体应用场景中，为了确定矩形腐蚀处理方式对应的矩形腐蚀结构元素，所述第二确定模块341，具体可以用于若所述矩形图像对应的长为W、宽为H，则确定所述矩形腐蚀结构元素为W×H的矩形矩阵，其中，所述W×H的矩形矩阵中的各个元素值均为1。
在具体应用场景中，为了确定矩形腐蚀后的图像，所述第二遍历模块342，具体可以用于确定所述矩形图像对应的第二二值化像素矩阵；利用所述矩形腐蚀结构元素在所述第二二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述矩形腐蚀结构元素中各个元素值与第二二值化像素矩阵中对应像素值相乘，遍历完成后得到各组矩形腐蚀像素值乘积；在各组矩形腐蚀像素值乘积中确定最小矩形腐蚀像素值乘积，并将各所述最小矩形腐蚀像素值乘积赋值给所述第二二值化像素矩阵中的对应参考点，得到最小赋值后的第二二值化像素矩阵；其中，在遍历过程中，将所述矩形腐蚀结构元素的中心点在所述第二二值化像素矩阵中的对应点确定为参考点；将所述最小赋值后的第二二值化像素矩阵对应的图像确定为矩形腐蚀后的图像。
在具体应用场景中，为了确定矩形膨胀后的图像，所述第二确定模块341，还可以用于基于所述矩形图像对应的尺寸，确定所述矩形膨胀处理方式对应的矩形膨胀结构元素，其中，所述矩形膨胀结构元素的确定方式与所述矩形腐蚀结构元素的确定方式相同。
所述第二遍历模块342，还可以用于利用所述矩形膨胀结构元素对所述矩形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定矩形膨胀后的图像。
在具体应用场景中，为了确定矩形膨胀结构元素，所述第二确定模块341，具体可以用于若所述矩形图像对应的长为h、宽为z，则确定所述矩形膨胀结构元素为h×z的矩形矩阵，其中，所述h×z的矩形矩阵中的各个元素值均为1。
在具体应用场景中，为了确定矩形膨胀后的图像，所述第二遍历模块342，具体还可以用于利用矩形膨胀结构元素在所述矩形图像对应的第二二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述矩形膨胀结构元素中各个元素值与第二二值化像素矩阵中对应像素值相乘，遍历完成后得到各组矩形膨胀像素值乘积；在各组矩形膨胀像素值乘积中确定最大矩形膨胀像素值乘积，并将各所述最大矩形膨胀像素值乘积赋值给所述第二二值化像素矩阵中的对应参考点，得到最大赋值后的第二二值化像素矩阵；其中，在遍历过程中，将所述矩形膨胀结构元素的中心点在所述第二二值化像素矩阵中的对应点确定为参考点；将所述最大赋值后的第二二值化像素矩阵对应的图像确定为矩形膨胀后的图像。
在具体应用场景中，为了确定圆形闭运算后的图像，所述孔洞图像处理单元35，包括第一膨胀处理模块351和第一腐蚀处理模块352。
所述第一膨胀处理模块351，可以用于利用所述圆形膨胀处理方式对所述孔洞图像进行膨胀处理，得到膨胀后的图像。
所述第一腐蚀处理模块352，可以用于利用所述圆形腐蚀处理方式对所述膨胀后的图像进行腐蚀处理，得到圆形闭运算后的图像。
在具体应用场景中，为了确定矩形闭运算后的图像，所述第一膨胀处理模块351，还可以用于利用所述矩形膨胀处理方式对所述孔洞图像在水平方向和竖直方向分别进行膨胀处理，得到膨胀后的图像。
所述第一腐蚀处理模块352，还可以用于利用所述矩形腐蚀处理方式对所述膨胀后的图像在水平方向和竖直方向分别进行腐蚀处理，得到矩形闭运算后的图像。
在具体应用场景中，为了确定圆形开运算后的图像，所述毛刺图像处理单元36，包括第二腐蚀处理模块361和第二膨胀处理模块362。
所述第二腐蚀处理模块361，可以用于利用所述圆形腐蚀处理方式对所述毛刺图像进行腐蚀处理，得到腐蚀后的图像。
第二膨胀处理模块362，可以用于利用所述圆形膨胀处理方式对所述腐蚀后的图像进行膨胀处理，得到圆形开运算后的图像。
在具体应用场景中，为了确定矩形开运算后的图像，所述第二腐蚀处理模块361，还可以用于利用所述矩形腐蚀处理方式对所述毛刺图像在水平方向和竖直方向分别进行腐蚀处理，得到腐蚀后的图像。
所述第二膨胀处理模块362，还可以用于利用所述矩形膨胀处理方式对所述腐蚀后的图像在水平方向和竖直方向分别进行膨胀处理，得到矩形开运算后的图像。
在具体应用场景中，为了确定凸包处理后的图像，所述不规则图像处理单元37，包括第三确定模块371、排序模块372和连接模块373。
所述第三确定模块371，可以用于确定所述不规则图像对应的各个轮廓点；在所述各个轮廓点中选取纵坐标最小的基准点P0。
所述排序模块372，具体可以用于计算其余各个轮廓点与所述基准点P0之间的幅角，并按照幅角从小到大的顺序对所述其余各个轮廓点进行排序，得到轮廓点P1-Pn，其中，n为轮廓点总数，在排序过程中，若存在至少两个目标轮廓点与基准点P0之间的幅角相同，则计算各所述目标轮廓点与基准点P0之间的距离，并按照距离从小到大的顺序对各所述目标轮廓点进行排序。
所述第三确定模块371，具体可以用于将基准点P0、轮廓点P1和轮廓点P2确定为栈顶点存储到栈顶中，并基于所述栈顶点，在剩余轮廓点P3-Pn中选择其余栈顶点，其中，在栈顶中各个栈顶点按照序号由小到大的顺序排列。
所述连接模块373，可以用于依次连接栈顶点P0、栈顶点P1和其余栈顶点，得到凸包处理后的图像。
在具体应用场景中，为了在剩余轮廓点P3-Pn中选择其余栈顶点，所述第三确定模块371，具体可以用于在所述栈顶点中确定排在后两位的第一目标栈顶点和第二目标栈顶点，并在所述剩余轮廓点中确定排在首位的目标轮廓点，其中，第二目标栈顶点排在第一目标栈顶点之后；由所述第一目标栈顶点和第二目标栈顶点构成第一有向向量，并由所述第二目标栈顶点与所述目标轮廓点构成第二有向向量；计算所述第一有向向量与第二有向向量之间的向量乘积；若所述向量乘积大于零，则将所述目标轮廓点确定为栈顶点；若所述向量乘积小于或等于零，则利用所述目标轮廓点替换所述栈顶点中的第二目标栈顶点。
在具体应用场景中，为了确定外接矩形图像，所述不规则图像处理单元37，具体可以用于根据所述不规则图像对应的各个边界点的位置信息，绘制所述不规则图像对应的外接矩形，其中，所述外接矩形包裹的图像为外接处理后的图像。
需要说明的是，本申请实施例提供的一种图像处理装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。
基于上述如图1所示方法，相应的，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取待处理图像；确定所述待处理图像的形状信息；若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像。
基于上述如图1所示方法和如图5所示装置的实施例，本申请实施例还提供了一种计算机设备的实体结构图，如图7所示，该计算机设备包括：处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序，其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤：获取待处理图像；确定所述待处理图像的形状信息；若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像。
通过本申请的技术方案，本申请通过获取待处理图像；并确定所述待处理图像的形状信息；若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像，由此本申请根据待处理图像的形状来确定待处理图像的目标处理方式，最终利用该目标处理方式来对待处理图像进行处理，能够为不同图像确定其适合的处理方式，从而能够提高图像的处理准确度。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本申请的保护范围之内。

Claims (22)

1.一种图像处理方法，其特征在于，包括：
获取待处理图像；
确定所述待处理图像的形状信息；
若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；
若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；
若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；
若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；
若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像；
其中，所述利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像，包括：
确定所述不规则图像对应的各个轮廓点；
在所述各个轮廓点中选取纵坐标最小的基准点P0；
计算其余各个轮廓点与所述基准点P0之间的幅角，并按照幅角从小到大的顺序对所述其余各个轮廓点进行排序，得到轮廓点P1-Pn，其中，n为轮廓点总数，在排序过程中，若存在至少两个目标轮廓点与基准点P0之间的幅角相同，则计算各所述目标轮廓点与基准点P0之间的距离，并按照距离从小到大的顺序对各所述目标轮廓点进行排序；
将基准点P0、轮廓点P1和轮廓点P2确定为栈顶点存储到栈顶中，并基于所述栈顶点，在剩余轮廓点P3-Pn中选择其余栈顶点，其中，在栈顶中各个栈顶点按照序号由小到大的顺序排列；
依次连接栈顶点P0、栈顶点P1和其余栈顶点，得到凸包处理后的图像。
2.根据权利要求1所述的方法，其特征在于，所述利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像，包括：
基于所述圆形图像对应的半径，确定所述圆形腐蚀处理方式对应的圆形腐蚀结构元素；
利用所述圆形腐蚀结构元素对所述圆形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定圆形腐蚀后的图像。
3.根据权利要求2所述的方法，其特征在于，所述基于所述圆形图像对应的半径，确定所述圆形腐蚀处理方式对应的圆形腐蚀结构元素，包括：
若所述圆形图像对应的半径为R，则确定圆形腐蚀结构元素为行数和列数均为2R+1的正矩阵；
在所述2R+1的正矩阵中的第m=R+1行，共2R+1个矩阵元素值均为1，当0<m<R+1，R+1-m<n<R+1+m时，m行和n列的矩阵元素值为1，其余元素值均为0，当R+1<m<2R+2，m-R-1<n<3R+3-m时，m行和n列的矩阵元素值为1，其余元素值均为0，其中，m为2R+1的正矩阵的行数，n为2R+1的正矩阵的列数。
4.根据权利要求2所述的方法，其特征在于，所述利用所述圆形腐蚀结构元素对所述圆形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定圆形腐蚀后的图像，包括：
确定所述圆形图像对应的第一二值化像素矩阵；
利用所述圆形腐蚀结构元素在所述第一二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述圆形腐蚀结构元素中数值为1的元素值与所述第一二值化像素矩阵中对应像素值相乘，遍历完成后得到各组圆形腐蚀像素值乘积；
在各组圆形腐蚀像素值乘积中确定最小圆形腐蚀像素值乘积，并将各所述最小圆形腐蚀像素值乘积赋值给所述第一二值化像素矩阵中的对应参考点，得到最小赋值后的第一二值化像素矩阵；其中，在遍历过程中，将所述圆形腐蚀结构元素的中心点在所述第一二值化像素矩阵中的对应点确定为参考点；
将所述最小赋值后的第一二值化像素矩阵对应的图像确定为圆形腐蚀后的图像。
5.根据权利要求1所述的方法，其特征在于，所述利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像，包括：
基于所述圆形图像对应的半径，确定所述圆形膨胀处理方式对应的圆形膨胀结构元素；
利用所述圆形膨胀结构元素对所述圆形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定圆形膨胀后的图像。
6.根据权利要求5所述的方法，其特征在于，所述基于所述圆形图像对应的半径，确定所述圆形膨胀处理方式对应的圆形膨胀结构元素，包括：
若所述圆形图像对应的半径为r，则确定圆形膨胀结构元素为行数和列数均为2r+1的正矩阵；
在所述2r+1的正矩阵中的第x=r+1行，共2r+1个矩阵元素值均为1，当0<x<r+1，r+1-x<y<r+1+x时，x行和y列的矩阵元素值为1，其余元素值均为0，当r+1<x<2r+2，x-r-1<y<3r+3-x时，x行和y列的矩阵元素值为1，其余元素值均为0，其中，x为2r+1的正矩阵的行数，y为2r+1的正矩阵的列数。
7.根据权利要求5所述的方法，其特征在于，所述利用所述圆形膨胀结构元素对所述圆形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定圆形膨胀后的图像，包括：
利用所述圆形膨胀结构元素在所述圆形图像对应的第一二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述圆形膨胀结构元素中数值为1的元素值与所述第一二值化像素矩阵中对应像素值相乘，遍历完成后得到各组圆形膨胀像素值乘积；
在各组圆形膨胀像素值乘积中确定最大圆形膨胀像素值乘积，并将各所述最大圆形膨胀像素值乘积赋值给所述第一二值化像素矩阵中的对应参考点，得到最大赋值后的第一二值化像素矩阵；其中，在遍历过程中，将所述圆形膨胀结构元素的中心点在所述第一二值化像素矩阵中的对应点确定为参考点；
将所述最大赋值后的第一二值化像素矩阵对应的图像确定为圆形膨胀后的图像。
8.根据权利要求1所述的方法，其特征在于，所述利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像，包括：
基于所述矩形图像对应的尺寸，确定所述矩形腐蚀处理方式对应的矩形腐蚀结构元素；
利用所述矩形腐蚀结构元素对所述矩形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定矩形腐蚀后的图像。
9.根据权利要求8所述的方法，其特征在于，所述基于所述矩形图像对应的尺寸，确定所述矩形腐蚀处理方式对应的矩形腐蚀结构元素，包括：
若所述矩形图像对应的长为W、宽为H，则确定所述矩形腐蚀结构元素为W×H的矩形矩阵，其中，所述W×H的矩形矩阵中的各个元素值均为1。
10.根据权利要求8所述的方法，其特征在于，所述利用所述矩形腐蚀结构元素对所述矩形图像进行局部最小像素值遍历求取，并基于所述局部最小像素值，确定矩形腐蚀后的图像，包括：
确定所述矩形图像对应的第二二值化像素矩阵；
利用所述矩形腐蚀结构元素在所述第二二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述矩形腐蚀结构元素中各个元素值与所述第二二值化像素矩阵中对应像素值相乘，遍历完成后得到各组矩形腐蚀像素值乘积；
在各组矩形腐蚀像素值乘积中确定最小矩形腐蚀像素值乘积，并将各所述最小矩形腐蚀像素值乘积赋值给所述第二二值化像素矩阵中的对应参考点，得到最小赋值后的第二二值化像素矩阵；其中，在遍历过程中，将所述矩形腐蚀结构元素的中心点在所述第二二值化像素矩阵中的对应点确定为参考点；
将所述最小赋值后的第二二值化像素矩阵对应的图像确定为矩形腐蚀后的图像。
11.根据权利要求1所述的方法，其特征在于，所述利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像，包括：
基于所述矩形图像对应的尺寸，确定所述矩形膨胀处理方式对应的矩形膨胀结构元素；
利用所述矩形膨胀结构元素对所述矩形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定矩形膨胀后的图像。
12.根据权利要求11所述的方法，其特征在于，所述基于所述矩形图像对应的尺寸，确定所述矩形膨胀处理方式对应的矩形膨胀结构元素，包括：
若所述矩形图像对应的长为h、宽为z，则确定所述矩形膨胀结构元素为h×z的矩形矩阵，其中，所述h×z的矩形矩阵中的各个元素值均为1。
13.根据权利要求11所述的方法，其特征在于，所述利用所述矩形膨胀结构元素对所述矩形图像进行局部最大像素值遍历求取，并基于所述局部最大像素值，确定矩形膨胀后的图像，包括：
利用矩形膨胀结构元素在所述矩形图像对应的第二二值化像素矩阵中按照预设方向进行遍历，在遍历过程中将所述矩形膨胀结构元素中各个元素值与所述第二二值化像素矩阵中对应像素值相乘，遍历完成后得到各组矩形膨胀像素值乘积；
在各组矩形膨胀像素值乘积中确定最大矩形膨胀像素值乘积，并将各所述最大矩形膨胀像素值乘积赋值给所述第二二值化像素矩阵中的对应参考点，得到最大赋值后的第二二值化像素矩阵；其中，在遍历过程中，将所述矩形膨胀结构元素的中心点在所述第二二值化像素矩阵中的对应点确定为参考点；
将所述最大赋值后的第二二值化像素矩阵对应的图像确定为矩形膨胀后的图像。
14.根据权利要求1所述的方法，其特征在于，所述利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像，包括：
利用所述圆形膨胀处理方式对所述孔洞图像进行膨胀处理，得到膨胀后的图像；
利用所述圆形腐蚀处理方式对所述膨胀后的图像进行腐蚀处理，得到圆形闭运算后的图像。
15.根据权利要求1所述的方法，其特征在于，所述利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像，包括：
利用所述矩形膨胀处理方式对所述孔洞图像在水平方向和竖直方向分别进行膨胀处理，得到膨胀后的图像；
利用所述矩形腐蚀处理方式对所述膨胀后的图像在水平方向和竖直方向分别进行腐蚀处理，得到矩形闭运算后的图像。
16.根据权利要求1所述的方法，其特征在于，所述利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像，包括：
利用所述圆形腐蚀处理方式对所述毛刺图像进行腐蚀处理，得到腐蚀后的图像；
利用所述圆形膨胀处理方式对所述腐蚀后的图像进行膨胀处理，得到圆形开运算后的图像。
17.根据权利要求1所述的方法，其特征在于，所述利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像，包括：
利用所述矩形腐蚀处理方式对所述毛刺图像在水平方向和竖直方向分别进行腐蚀处理，得到腐蚀后的图像；
利用所述矩形膨胀处理方式对所述腐蚀后的图像在水平方向和竖直方向分别进行膨胀处理，得到矩形开运算后的图像。
18.根据权利要求1所述的方法，其特征在于，所述基于所述栈顶点，在剩余轮廓点P3-Pn中选择其余栈顶点，包括：
在所述栈顶点中确定排在后两位的第一目标栈顶点和第二目标栈顶点，并在所述剩余轮廓点中确定排在首位的目标轮廓点，其中，第二目标栈顶点排在第一目标栈顶点之后；
由所述第一目标栈顶点和第二目标栈顶点构成第一有向向量，并由所述第二目标栈顶点与所述目标轮廓点构成第二有向向量；
计算所述第一有向向量与第二有向向量之间的向量乘积；
若所述向量乘积大于零，则将所述目标轮廓点确定为栈顶点；
若所述向量乘积小于或等于零，则利用所述目标轮廓点替换所述栈顶点中的第二目标栈顶点。
19.根据权利要求1所述的方法，其特征在于，所述利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像，包括：
根据所述不规则图像对应的各个边界点的位置信息，绘制所述不规则图像对应的外接矩形，其中，所述外接矩形包裹的图像为外接处理后的图像。
20.一种图像处理装置，其特征在于，包括：
获取单元，用于获取待处理图像；
确定单元，用于确定所述待处理图像的形状信息；
圆形图像处理单元，用于若所述形状信息为圆形图像，则利用圆形腐蚀处理方式对所述圆形图像进行形态学处理，得到圆形腐蚀后的图像；或，利用圆形膨胀处理方式对所述圆形图像进行形态学处理，得到圆形膨胀后的图像；
矩形图像处理单元，用于若所述形状信息为矩形图像，则利用矩形腐蚀处理方式对所述矩形图像进行形态学处理，得到矩形腐蚀后的图像；或，利用矩形膨胀处理方式对所述矩形图像进行形态学处理，得到矩形膨胀后的图像；
孔洞图像处理单元，用于若所述形状信息为孔洞图像，则利用圆形闭运算处理方式对所述孔洞图像进行形态学处理，得到圆形闭运算后的图像；或，利用矩形闭运算处理方式对所述孔洞图像进行形态学处理，得到矩形闭运算后的图像；
毛刺图像处理单元，用于若所述形状信息为毛刺图像，则利用圆形开运算处理方式对所述毛刺图像进行形态学处理，得到圆形开运算后的图像；或，利用矩形开运算处理方式对所述毛刺图像进行形态学处理，得到矩形开运算后的图像；
不规则图像处理单元，用于若所述形状信息为不规则图像，则利用凸包处理方式对所述不规则图像进行形态学处理，得到凸包处理后的图像；或，利用外接矩形处理方式对所述不规则图像进行形态学处理，得到外扩后的图像；
其中，不规则图像处理单元，具体可以用于确定所述不规则图像对应的各个轮廓点；在所述各个轮廓点中选取纵坐标最小的基准点P0；计算其余各个轮廓点与所述基准点P0之间的幅角，并按照幅角从小到大的顺序对所述其余各个轮廓点进行排序，得到轮廓点P1-Pn，其中，n为轮廓点总数，在排序过程中，若存在至少两个目标轮廓点与基准点P0之间的幅角相同，则计算各所述目标轮廓点与基准点P0之间的距离，并按照距离从小到大的顺序对各所述目标轮廓点进行排序；将基准点P0、轮廓点P1和轮廓点P2确定为栈顶点存储到栈顶中，并基于所述栈顶点，在剩余轮廓点P3-Pn中选择其余栈顶点，其中，在栈顶中各个栈顶点按照序号由小到大的顺序排列；依次连接栈顶点P0、栈顶点P1和其余栈顶点，得到凸包处理后的图像。
21.一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19中任一项所述的方法的步骤。
22.一种计算机设备，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，所述计算机程序被处理器执行时实现权利要求1至19中任一项所述的方法的步骤。
CN202310542191.3A 2023-05-15 2023-05-15 图像处理方法、装置、存储介质及计算机设备 Active CN116309198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310542191.3A CN116309198B (zh) 2023-05-15 2023-05-15 图像处理方法、装置、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310542191.3A CN116309198B (zh) 2023-05-15 2023-05-15 图像处理方法、装置、存储介质及计算机设备

Publications (2)

Publication Number Publication Date
CN116309198A CN116309198A (zh) 2023-06-23
CN116309198B true CN116309198B (zh) 2023-08-18

Family

ID=86822495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310542191.3A Active CN116309198B (zh) 2023-05-15 2023-05-15 图像处理方法、装置、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN116309198B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608458A (zh) * 2015-10-20 2016-05-25 武汉大学 一种高分辨率遥感影像建筑物提取方法
CN115937160A (zh) * 2022-12-16 2023-04-07 西北核技术研究所 一种基于凸包算法的***火球轮廓检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7152958B2 (ja) * 2019-01-10 2022-10-13 富士フイルムヘルスケア株式会社 超音波撮像装置及び画像処理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608458A (zh) * 2015-10-20 2016-05-25 武汉大学 一种高分辨率遥感影像建筑物提取方法
CN115937160A (zh) * 2022-12-16 2023-04-07 西北核技术研究所 一种基于凸包算法的***火球轮廓检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
数学形态学中结构元素的分析研究;郭景峰;蔺旭东;;计算机科学(07);第113-115页 *

Also Published As

Publication number Publication date
CN116309198A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
JP4926116B2 (ja) 画像検査装置
CN108369650B (zh) 标识校准图案的可能特征点的方法
US8590794B2 (en) Barcode recognion method and computer product thereof
CN105260740B (zh) 一种元件识别方法及装置
CN108334879B (zh) 一种区域提取方法、***及终端设备
CN114529459A (zh) 一种对图像边缘进行增强处理的方法和***及介质
CN110473174B (zh) 一种基于图像计算铅笔精确数目的方法
CN106778881A (zh) 数字印花方法及装置
CN112257721A (zh) 一种基于Fast ICP的图像目标区域匹配方法
CN114724154A (zh) 表格识别方法及装置、存储介质及电子设备
CN114677388A (zh) 基于单元分解与空间分割的房间布局划分方法
CN114092499A (zh) 一种药盒分割方法
CN116309198B (zh) 图像处理方法、装置、存储介质及计算机设备
JP2004508641A (ja) ディジタル画像のセグメンテーション
CN110298838A (zh) 一种确定样本图像的方法、装置、设备和存储介质
CN107292840B (zh) 图像复原方法及装置、计算机可读存储介质、终端
CN115187744A (zh) 一种基于激光点云的机柜识别方法
CN115880228A (zh) 多缺陷合并方法、装置、计算机设备及存储介质
CN115330836A (zh) 激光清洗轨迹压缩方法、装置、设备及存储介质
CN114862642A (zh) 一种短视频可见水印去除的方法及计算机可读存储介质
CN111932566A (zh) 一种模型轮廓图生成方法、装置和***
CN111814788B (zh) 车牌定位方法及其相关装置
CN115690090B (zh) 缺陷样本图像生成方法、装置、设备及存储介质
CN114398978B (zh) 一种模板匹配方法、装置、存储介质以及电子设备
CN116030450B (zh) 棋盘格角点识别方法、装置、设备和介质

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