TWI386030B - 一種混合式連結元件標籤演算法 - Google Patents

一種混合式連結元件標籤演算法 Download PDF

Info

Publication number
TWI386030B
TWI386030B TW097121627A TW97121627A TWI386030B TW I386030 B TWI386030 B TW I386030B TW 097121627 A TW097121627 A TW 097121627A TW 97121627 A TW97121627 A TW 97121627A TW I386030 B TWI386030 B TW I386030B
Authority
TW
Taiwan
Prior art keywords
pixel
label
foreground
reverse
corresponding pixel
Prior art date
Application number
TW097121627A
Other languages
English (en)
Other versions
TW200952459A (en
Inventor
sheng yan Yang
Chih Hao Chang
Original Assignee
Vatics Inc
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 Vatics Inc filed Critical Vatics Inc
Priority to TW097121627A priority Critical patent/TWI386030B/zh
Priority to US12/456,226 priority patent/US8306111B2/en
Publication of TW200952459A publication Critical patent/TW200952459A/zh
Application granted granted Critical
Publication of TWI386030B publication Critical patent/TWI386030B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices

Landscapes

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

Description

一種混合式連結元件標籤演算法
本發明是有關於一種連結元件標籤演算法，且特別是有關於一種混合多次掃描演算法與二次掃描演算法之標籤演算法。
目前智慧型視訊安全監控系統包含低階智慧型安全監控系統與高階智慧型安全監控系統。其中，低階智慧型安全監控系統具有從影像畫面中，偵測物件與其特徵的功能。再者，根據低階智慧型安全監控系統所取得的資料，高階智慧型安全監控系統則能進一步地判斷發生的事件，並作後續處理。
藉由建立影像背景模型，低階智慧型安全監控系統能偵測出現在影像畫面的前景物體。藉由背景相減方式產生二元式影像光罩(binary mask)。之後，根據二元式影像光罩，產生影像連結元件(connected component)。其後，根據影像連結物件，萃取各物件影像特徵(feature)。習知技術在分析二元式影像光罩時，經常採用連結元件標籤演算法。常見的連結元件標籤演算法的方法有多次掃描演算法(Multi-pass algorithm)、兩次掃描演算法(Two-pass algorithm)與一次掃描演算法(One-pass algorithm)。
多次掃描演算法的作法如下：1、由上而下、由左至右掃描二元式影像光罩。
2、如果遇到前景像素時，觀察前景像素的左上方、正上方、右上方與左方(L型)鄰近像素是否已標示過連結元件標籤。若有，則此方法選擇最小元件標籤分配給前景像素。若沒有，則此方法分配給該像素一個新的標籤。重覆前述動作，直到整張影像都被標好標籤為止。
3、此方法不斷地對影像作疊代動作，對每一像素觀察其L型鄰近像素。若遇有和對應像素不同標籤的鄰近像素，則此方法取對應之最小標籤重新分配給該像素，直到影像畫面所有像素都不再變動為止。
4、此方法可以藉由建立標籤連結表，來減少疊代次數。
然而，多次掃描演算法具有許多嚴重的缺點，例如：1、多次掃描演算法於標籤過程中，一個連結元件可能會使用多個標籤。
2、多次掃描演算法重複疊代動作，需要不斷地讀取整張影像標籤資料，嚴重耗損系統資源。
兩次掃描演算法的作法如下：1、由上而下、由左至右掃描二元式影像光罩。
2、如果遇到前景像素時，觀察前景像素的左上方、正上方、右上方與左方(L型)鄰近像素是否已標示過連結元件標籤。若有，則此方法選擇最小元件標籤分配給前景像素，並且為不同連結元件標籤建立起連結關係。若沒有，則此方法分配給該像素一個新的標籤。重複前述動作，直到整張影像都被標好標籤為止。
3、此方法分析上一步驟的連結關係，為每一個標籤找到其相關聯的最終標籤。
4、當此方法執行第二次掃描影像標籤時，為每個前景像素分配其最終標籤。
然而，兩次掃描演算法亦具有許多嚴重的缺點，例如：1、兩次掃描演算法在執行標籤的過程中，一個連結元件可能會使用多個標籤。
2、以硬體實現兩次掃描演算法較為複雜，使用標籤過多將導致製作成本過高，不利產業應用。
一次掃描演算法的作法如下：1、由上而下、由左至右掃描二元式影像光罩。
2、如果遇到前景像素時，給予該像素一個新的連結元件標籤。並且，此方法利用遞迴方式為元件輪廓標籤，直到再次回到起始點。其後，此方法為元件內部像素標上相同標籤。接著，此方法再次找尋下一個前景像素，重複前述動作，直到整張影像都標好標籤為止。
然而，一次掃描演算法亦具有許多嚴重的缺點，例如：此方法不規則的遞迴方式，使硬體不易實現一次掃描演算法。
由前述可知，多次掃描演算法不需標籤連結表，但此方法需要執行多次運算才能使標籤穩定。雖然二次掃描演算法只需執行二次就能使標籤穩定，但是，此方法使用太多標籤，且不易實現。因此，多次掃描演算法的邏輯運算較易在硬體中實現，但多次掃描演算法會面臨到多次重覆讀寫資料、消耗系統資源的缺點。兩次掃描演算法讀寫資料次數固定，所消耗的系統資源是固定的，但使用標籤過多將造成記憶體使用量過大或在硬體內部造成標籤個數不足的現象。一次掃描演算法不會有標籤不足的現象產生，但不規則遞迴方式不適合使用硬體實作。
習知技術為了解決標籤不足的問題，提出刪除標籤，使標籤能重新 使用的方法。藉由背景相減的方法所產生的二元式影像光罩會參雜許多雜訊，使得這些雜訊會佔據部分連結元件標籤。習知技術在做完連結元件的標籤後，針對較小連結元件標籤做刪除的動作。另外，藉由建立各元件標籤連結表，得以建立影像連結元件。於連結元件標籤完成後，習知技術檢查連結元件是否符合繼續留下的條件。若為否，則習知技術將對應標籤刪除，並且重新註冊所有標籤為可用標籤。此方法的優點是，可以重複使用標籤，降低標籤不足的情形。但不幸的是，於標籤過程中，一個連結元件可能會使用多個標籤，這種解決方法發生標籤不足的情形仍然很高，無法解決標籤不足的問題。並且，雖然習知技術提出刪除標籤，而重新使用標籤的概念，但目前欠缺刪除標籤，而能重新使用標籤的方法。
有鑒於此，本發明的目的就是在提供一種混合式連結元件標籤演算法。本發明結合多次掃描演算法與兩次掃描演算法的原理，藉由分析標籤的運用情況，刪除標籤，使標籤能重新使用，以克服標籤不足的缺點。
為達成上述及其他目的，本發明提出一種混合式連結元件標籤演算法，適用於影像處理。其中，影像資料(二元式影像光罩)具有MN個像素，這些像素包含複數個前景像素。每一個像素對應的標示為(M，N)，其中M，N大於等於1，且M，N為整數。本方法包括：本方法執行一個正向掃描程序。之後，本方法逐一地掃描第(1，1)像素開始至第(M，N)像素。接著，本方法判斷對應像素是否為前景像素。接下來，如果對應像素是前景像素，則根據正向鄰近像素的標籤，來決定對應像素的正向標籤。
再者，本方法執行一個反向掃描程序。之後，本方法逐一地掃描第(M，N)像素開始至第(1，1)像素。接著，本方法判斷對應像素是否為前景像素。接下來，如果對應像素為前景像素，則根據反向鄰近像素所對應的標籤以及該對應像素在上一回正向掃描後所得正向標籤，來決定對應像素的反向標籤。
當本方法執行正向掃描程序與反向掃描程序後，本方法執行一個重置標籤程序。重置標籤程序包括下列步驟：若對應像素為前景像素，且對應像素之正向鄰近像素不為前景像素時，則判斷對應像素前次之反向標籤是否被重置於導向標籤參數中。若對應像素前次之反向標籤被重置過，則本方法分配前次之反向標籤所對應之標籤池參數為對應 像素之正向標籤。若對應像素前次之反向標籤未被重置過時，則本方法分配一個可用標籤給予標籤池參數，以成為對應像素之正向標籤。同時，當對應像素需分配可用標籤時，本方法更新對應之標籤池參數。若對應像素需分配可用標籤時，則本方法記錄對應像素所在之列之前一列於一有效列參數。當本方法分配自標籤池參數取出之可用標籤時，本方法記錄置換前之標籤(值)於導向標籤參數。藉由標籤連結關係表、標籤池參數、有效列參數與導向標籤參數設定一標籤重置條件，根據標籤重置條件，本方法刪除對應標籤，並重置對應標籤。
依照本發明的較佳實施例所述，上述之方法包括：本方法執行正向掃描程序一次。之後，本方法執行反向掃描程序一次。之後，本方法執行重置標籤程序。
依照本發明的較佳實施例所述，上述之方法更包括下列步驟：藉由建立一個影像背景模型，偵測出現在一個畫面中的前景物體。以及，藉由一種背景相減演算法，產生二元式影像光罩。
依照本發明的較佳實施例所述，上述之第(M，N)像素的那些正向鄰近像素為第(M-1，N)像素、第(M-1，N-1)像素、第(M，N-1)像素與第(M+1，N-1)像素。亦即，對應像素之上方周圍L型的鄰近像素。
依照本發明的較佳實施例所述，上述之第(M，N)像素的那些反向鄰近像素為第(M+1，N)像素、第(M+1，N+1)像素、第(M，N+1)像素與第(M-1，N+1)像素。亦即，對應像素之下方周圍L型的鄰近像素。
依照本發明的較佳實施例所述，上述之正向掃描程序更包括下列步驟：從第(1，1)像素開始，本方法逐列掃描影像資料的每一對應像素。接著，本方法判斷對應像素是否為前景像素，如果對應像素為前景像素，則本方法判斷對應像素對應的那些正向鄰近像素是否為前景像素。之後，如果正向鄰近像素為前景像素，則本方法取正向鄰近像素所對應的標籤的最小值為對應像素的正向標籤。
依照本發明的較佳實施例所述，上述之反向掃描程序更包括下列步驟：從第(M，N)像素開始，本方法逐列掃描影像資料的每一對應像素。接著，本方法判斷對應像素是否為前景像素，如果對應像素為前景像素，則本方法判斷對應像素的反向鄰近像素是否為前景像素。之後，如果反向鄰近像素為前景像素，則本方法取反向鄰近像素所對應的標籤和該對應像素在上一回正向掃描後所得正向標籤之最小值為對應像素之反向標籤。
依照本發明的較佳實施例所述，上述之重置標籤程序更包括下列 步驟：從第(1，1)像素開始，逐列掃描影像資料的對應像素。接著，本方法判斷對應像素是否為前景像素，如果對應像素為前景像素，則本方法判斷對應像素對應的那些正向鄰近像素是否為前景像素。之後，如果正向鄰近像素為前景像素，則本方法取正向鄰近像素的標籤之最小值為對應像素的正向標籤，並且為不同連結元件標籤建立起連結關係。另外，在執行重置標籤程序的過程中，本方法同時更新標籤池參數，並建立有效列參數與導向標籤參數。之後，每次掃描完一列，本方法根據正向標籤所圍成的面積，決定是否刪除對應的正向標籤，並更新對應的標籤池參數、有效列參數與導向標籤參數。待完成整張畫面後，再做第二次正向掃描，根據上述參數，將每一像素更新成其所屬最終標籤。
依照本發明的較佳實施例所述，上述之重置標籤程序更包括下列步驟：本方法設定一個面積臨界值。之後，如果那些正向標籤所圍成的面積低於面積臨界值，則本方法刪除對應的那些正向標籤，並更新對應的標籤池參數、有效列參數與導向標籤參數。
綜合上述，本發明提出一種混合式連結元件標籤演算法。本發明的作法是，先簡化連結元件標籤，例如：本發明先使用固定次數的多次掃描演算法，以降低連結元件標籤動作複雜度。之後，本發明再建立標籤的關係，以釋放標籤。本發明至少具有下列的優點：1、由於習知技術欠缺刪除標籤而能重新使用標籤的方法。本發明提出一種新的方法，即更新標籤池參數，並建立有效列參數與導向標籤參數。本方法利用前述參數來釋放標籤，具有新穎性與進步性。
2、本發明刪除標籤的時機是在掃描的「過程」中，而非掃描的「完成」時。因此，本發明刪除標籤的速度極快，能快速釋放標籤。因此，本發明的作法能有效地克服習知標籤不足的問題。
3、由於本發明的作法是先行簡化連結元件標籤，隨後即開始重置標籤程序來做連結元件標籤，並適時地於標籤過程中釋放標籤，所以本發明能運用最少的硬體資源，以最少的標籤數，相較於多次掃描演算法較快的時間，使整張光罩的標籤數穩定，具有極高的產業利用性，不僅能有效率地完成標籤工作，更可以大幅降低成本。根據實驗，本方法執行正向掃描程序一次、反向掃描程序一次，與重置標籤程序一次(其中包含二次正向掃描)，即能獲得極佳的效果。
4、由於本發明於硬體實現上，只須少量的內部暫存空間，能降低硬體的成本，因此本發明已有效克服習知技術不利硬體實現的缺點。
請參照第1圖，其繪示的是依照本發明一較佳實施例之混合式連結元件標籤演算法之流程圖。本方法適用於影像處理，包括下列步驟：本方法對一個影像畫面建立影像背景模型，以偵測前景物體(S104)。之後，根據前述影像背景模型，本方法產生對應之二元式影像光罩(S106)。接著，本方法執行正向掃描程序，以建立正向標籤(S108)。接下來，本方法執行反向掃描程序，以建立反向標籤(S110)。其後，本方法執行重置標籤程序，做最終連結元件標籤程序(S112)。
其中，二元式光罩具有MN個像素，前述像素包含複數個前景像素，每一像素對應之標示為(M，N)，其中，M，N大於等於1，且M，N為整數。當本方法執行正向掃描程序時，本方法由第(1，1)像素開始至第(M，N)像素結束，本方法逐一掃描前述二元式光罩中之像素。之後，本方法判斷對應像素是否為前景像素。若對應像素為前景像素，則根據複數個正向鄰近像素所對應之標籤，來決定對應像素之正向標籤。再者，當本方法執行反向掃描程序時，本方法由第(M，N)像素開始至第(1，1)像素結束，本方法逐一掃描前述二元式光罩中之像素。之後，本方法判斷對應像素是否為前景像素。若對應像素為前景像素，則根據複數個反向鄰近像素以及該對應像素在上一回正向掃描後所得正向標籤所對應之標籤，來決定對應像素之反向標籤。
最後，本方法執行重置標籤程序。當本方法執行前述正向掃描程序與前述反向掃描程序後，再次執行前述正向掃描程序，於執行前述正向掃描程序過程中，執行下列步驟：本方法除建立起各元件標籤連結關係外，若對應像素需分配新的正向標籤時，先從導向標籤參數中查看該對應像素第二次反向掃描所得之反向標籤是否已被重置於導向標籤參數。若前述反向標籤已被重置過(亦即，導向標籤參數中含有前述反向標籤)，則本方法以前述反向標籤對應之標籤池參數為對應像素之正向標籤。若前述反向標籤未被重置過，則根據標籤連結關係表，本方法選擇一個可用標籤為對應像素之正向標籤，並記錄對應像素所在之列之前一列於有效列參數。另外，當對應像素分配到新的正向標籤時，記錄置換前之標籤於對應之導向標籤參數。藉由前述標籤連結關係表、前述標籤池參數、前述有效列參數與前述導向標籤參數設定一個標籤重置條件。之後，根據前述標籤重置條件刪除對應標籤，並重置對應標籤。
請參照第2圖，其繪示的是依照本發明一較佳實施例之正向掃描 程序之流程圖。正向掃描程序包括下列步驟：從第(1，1)像素開始，逐列掃描二元式光罩之每一個對應像素(S204)。之後，本方法判斷對應像素是否為前景像素(S206)。接著，若對應像素為前景像素，則本方法判斷對應像素所對應的正向鄰近像素是否為前景像素(S208)。其後，若前述正向鄰近像素中，只要其中一個是前景像素，則這些屬於前景像素的正向鄰近像素的標籤可以形成一個標籤值數列L，數列L含有X個標籤，X大於等於1。本方法以數列L之最小值為對應像素之正向標籤(S210)。接下來，本方法判斷是否掃描到一列的結束(S212)。之後，若本方法掃描到一列的結束，則本方法判斷對應列是否為最後一列(S214)。若對應列為最後一列，則本方法結束正向掃描程序(S216)。
若對應像素不為前景像素，則本方法判斷對應像素是否為最後一個像素(S218)。若對應像素不為最後一個像素，則掃描下一個像素，回到步驟(S204)。若對應像素為前景像素，且對應像素之正向鄰近像素不為前景像素，則本方法分配新的標籤給對應像素，成為正向標籤(S220)。
請參照第3圖，其繪示的是依照本發明一較佳實施例之反向掃描程序之流程圖。反向掃描程序包括下列步驟：從第(M，N)像素開始，逐列掃描二元式光罩之每一個對應像素(S304)。之後，本方法判斷對應像素是否為前景像素(S306)。接著，若對應像素為前景像素，則本方法判斷對應像素所對應的反向鄰近像素是否為前景像素(S308)。其後，若前述反向鄰近像素中，只要其中一個是前景像素，則這些屬於前景像素的反向鄰近像素的標籤和該對應像素在上一回正向掃描後所得正向標籤可以形成一個標籤值數列H，數列H含有Y個標籤，Y大於等於1。本方法以數列Y之最小值為對應像素之反向標籤(S310)。接下來，本方法判斷是否掃描到一列的結束(S312)。之後，若本方法掃描到一列的結束，則本方法判斷對應列是否為最後一列(S314)。若對應列為最後一列，則本方法結束反向掃描程序(S316)。
若對應像素不為前景像素，則本方法判斷對應像素是否為最後一個像素(S318)。若對應像素不為最後一個像素，則掃描下一個像素，回到步驟(S304)。若對應像素為前景像素，且對應像素之反向鄰近像素不為前景像素，則本方法分配該對應像素在上一回正向掃描後所得正向標籤給對應像素，成為反向標籤(S320)。
請參照第4圖，其繪示的是依照本發明一較佳實施例之重置標籤 程序之流程圖。重置標籤程序包括下列步驟：從第(1，1)像素開始，逐列掃描二元式光罩之每一個對應像素(S404)。之後，本方法判斷對應像素是否為前景像素(S406)。接著，若對應像素為前景像素，則本方法判斷對應像素所對應的正向鄰近像素是否為前景像素(S408)。其後，若前述正向鄰近像素中，只要其中一個是前景像素，則這些屬於前景像素的正向鄰近像素的標籤可以形成一個標籤值數列L，數列L含有X個標籤，X大於等於1。本方法以數列L之最小值為對應像素之正向標籤，並且本方法為不同連結元件標籤建立起連結關係，以記錄標籤的變動情況(S410)。接下來，本方法判斷是否掃描一列的結束(S412)。之後，若本方法掃描到一列的結束，亦即，對應像素為對應列之最後一個，則根據一面積臨界值，本方法刪除對應之正向標籤，並更新對應之標籤池參數、有效列參數與導向標籤參數，亦即，若正向標籤所圍成的面積低於面積臨界值，則刪除對應之正向標籤(S414)。其後，本方法判斷是否掃描到最後一列(S416)。接著，若本方法掃描到最後一列，則重新整理整張二元式光罩的標籤(S418)。最後，本方法結束重置標籤程序(S420)。
若對應像素不為前景像素，則本方法判斷對應像素是否為最後一個像素(S422)。若對應像素不為最後一個像素，則掃描下一個像素，回到步驟(S404)。若對應像素為前景像素，且對應像素之正向鄰近像素不為前景像素，則本方法查看對應像素上一回之反向標籤是否被重置於導向標籤參數(S424)。之後，若對應像素之上一回之反向標籤被重置於導向標籤參數，表示上一回之反向標籤已被重置成本次掃描之正向標籤，則本方法使用已重置反向標籤所對應之標籤池參數為重置標籤程序之正向標籤(S426)。若對應像素之反向標籤未被重置過，則本方法藉由標籤連結關係表選擇一個可用標籤為重置標籤程序之正向標籤，並更新標籤池參數、有效列參數與導向標籤參數，以記錄標籤的變動情況(S428)。
請參照第5圖，其繪示的是依照本發明一較佳實施例之正向標籤之示意圖。二元式影像光罩500具有2016個像素，標籤連結關係表502含有標籤池參數504、有效列參數506與導向標籤508。本方法將二元式影像光罩500劃分為20行與16列。最左上之像素為第(1，1)像素，最右下方之像素第(20，16)像素。其中，第(6，1)像素、第(9，1)像素、第(12，1)像素、第(15，1)像素、第(6，2)像素、第(9，2)像素、第(12，2)像素、第(15，2)像素、第(6，3)像素、第(7，3)像素、 第(8，3)像素、第(9，3)像素、第(12，3)像素、第(13，3)像素、第(14，3)像素、第(15，3)像素、第(9，4)像素、第(12，4)像素、第(9，5)像素、第(10，5)像素、第(11，5)像素、第(12，5)像素、第(7，9)像素、第(9，9)像素、第(8，10)像素與第(14，11)像素為前景像素。在處理前景像素時，本方法的正向掃描依序由第(6，1)像素、第(9，1)像素、第(12，1)像素、第(15，1)像素、第(6，2)像素、第(9，2)像素、第(12，2)像素、第(15，2)像素、第(6，3)像素、第(7，3)像素、第(8，3)像素、第(9，3)像素、第(12，3)像素、第(13，3)像素、第(14，3)像素、第(15，3)像素、第(9，4)像素、第(12，4)像素、第(9，5)像素、第(10，5)像素、第(11，5)像素、第(12，5)像素、第(7，9)像素、第(9，9)像素、第(8，10)像素與第(14，11)像素逐一填入正向標籤。
舉例來說，當本方法要填入第(6，1)像素的正向標籤時，對應的正向鄰近標籤為第(5，1)像素，但第(5，1)像素不為前景像素，故本方法由0開始，分配一個新的標籤為正向標籤。當本方法要填入第(6，2)像素的正向標籤時，對應的正向鄰近標籤為第(5，2)像素、第(5，1)像素、第(6，1)像素與第(7，1)像素。由於前述四個像素，除了第(6，1)像素為前景像素外，其餘像素皆不是前景像素，因此由第(6，1)像素的正向標籤為第(6，2)像素的正向標籤。當本方法要填入第(9，3)像素的正向標籤時，對應的正向鄰近標籤為第(8，3)像素、第(8，2)像素、第(9，2)像素與第(10，2)像素，亦即，第(M，N)像素之正向鄰近像素為第(M-1，N)像素、第(M-1，N-1)像素、第(M，N-1)像素與第(M+1，N-1)像素。由於前述四個像素中，第(8，3)像素與第(9，2)像素為前景像素，因此本方法以第(8，3)像素與第(9，2)像素所對應標籤的最小值為第(9，3)像素的正向標籤。其餘像素點依此類推，即可以填入正向標籤。
請參照第6圖，其繪示的是依照本發明一較佳實施例之反向標籤之示意圖。本方法執行完正向掃描程序後，執行反向掃描程序。請配合參照第5圖，在處理前景像素時，本方法的反向掃描依序由第(14，11)像素、第(8，10)像素、第(9，9)像素、第(7，9)像素、第(12，5)像素、第(11，5)像素、第(10，5)像素、第(9，5)像素、第(12，4)像素、第(9，4)像素、第(15，3)像素、第(14，3)像素、第(13，3)像素、第(12，3)像素、第(9，3)像素、第(8，3)像素、第(7，3)像素、第(6，3)像素、第(15，2)像素、第(12，2)像素、第(9，2)像素、第(6，2)像素、第(15，1)像素、第(12，1)像素、第(9，1)像素與第(6，1)像素逐 一填入反向標籤。反向掃描程序決定反向標籤的方法與正向掃描程序近似，不同的是，反向鄰近像素與正向鄰近像素不同。
舉例來說，當本方法要填入第(14，11)像素的反向標籤時，對應的反向鄰近標籤為第(15，11)像素、第(15，12)像素第(14，12)像素與第(13，12)像素，亦即，第(M，N)像素之反向鄰近像素為第(M+1，N)像素、第(M+1，N+1)像素、第(M，N+1)像素與第(M-1，N+1)像素。但是，前述4個像素皆不為前景像素，故根據正向掃描程序的結果，本方法以第一次正向掃描標籤為反向標籤。當本方法要填入第(9，9)像素的反向標籤時，對應的反向鄰近標籤為第(10，9)像素、第(10，10)像素、第(9，10)像素與第(8，10)像素。由於前述四個像素，除了第(8，10)像素為前景像素外，其餘像素皆不是前景像素，因此由第(8，10)和第(9,9)像素第一次正向掃描標籤的最小值為第(9，9)像素的反向標籤。其餘像素點依此類推，即可以填入反向標籤。
請參照第7圖，其繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤之示意圖。本方法執行正向掃描程序與反向掃描程序後，執行重置標籤程序。請配合參照第6圖，在處理前景像素時，本方法的重置標籤程序再次執行正向掃描程序。在執行正向掃描程序過程中，本方法除建立標籤連結關係外，並更新標籤池參數，記錄有效列參數與導向標籤參數。舉例來說，當本方法填入第(6，1)像素的正向標籤時，從標籤池參數中取出目前可用標籤0為第(6，1)像素之正向標籤，並記錄有效列參數為0，導向標籤參數為0。請參照第8圖，其繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤之示意圖。舉例來說，當本方法填入第(15，1)像素的正向標籤時，從標籤池參數中取出目前可用標籤1為第(15，1)像素之正向標籤，並記錄有效列參數為0，導向標籤參數為2。
再者，請參照第7、8圖。當本方法進行重置標籤程序時，若本方法要決定第(15，1)像素的正向標籤，則由於前次(第7圖)之反向標籤為2，本方法查看導向標籤參數，發現不存在2，則本方法分配一個可用標籤1。若本方法要決定第(9，1)像素的正向標籤，則由於前次(第7圖)之反向標籤為0，本方法查看導向標籤參數，發現存在0，則本方法分配反向標籤0對應之標籤池參數0為正向標籤。
請參照第9圖，其繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤之示意圖。舉例來 說，當本方法填入第(7，9)像素的正向標籤時，從標籤池參數中取出目前可用標籤2為第(7，9)像素之正向標籤，並記錄有效列參數為8，導向標籤參數為4。其中，有效列參數8表示正向標籤2對第8列以上為無意義，導向標籤參數為4表示舊標籤為4。請參照第10圖，其繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤之示意圖。舉例來說，當本方法填入第(14，11)像素的正向標籤時，從標籤池參數中取出目前可用標籤3為第(14，11)之正向標籤，有效列參數為10，導向標籤參數為6。請參照第11圖，其繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤之示意圖。舉例來說，由於正向標籤2與正向標籤3所圍成的面積低於面積臨界值，因此本方法刪除正向標籤2與正向標籤3，重新更新標籤池參數、有效列參數與導向標籤參數，使正向標籤2與正向標籤3可再次使用，免除標籤不足的問題。
值得說明的是，根據實驗結果，本方法執行正向掃描程序一次，接著，本方法執行反向掃描程序一次，之後，本方法執行重置標籤程序，即可降低標籤動作的複雜度，並有效解決標籤不足的問題。本方法以實驗影片(AVSS 2007 Abandoned Baggage Easy Case, 720×576, 5053 frames)切割出面積超過面積臨界值之連結元件，並比較習知多次掃描演算法、二次掃描演算法與本發明之差異。請參照第12圖，其繪示的是習知多次掃描演算法之掃描次數對時間之曲線圖。請參照第13圖，其繪示的是習知多次掃描演算法之標籤數對時間之曲線圖。第13圖中，曲線1為第一次掃描之標籤數，曲線2為移除雜訊前的標籤數，曲線3為連結元件個數。實驗之最高掃描次數為20次，第一次掃描最高標籤使用數638個，移除雜訊前最高標籤使用數為337個，最高標籤記憶體使用量801 bytes(標籤面積)。
請參照第14圖，其繪示的是習知二次掃描演算法之掃描次數對時間之曲線圖。曲線4為標籤數，曲線5為連結元件個數。實驗中，掃描次數為2次，最高標籤使用數為354個，最高標籤記憶體使用量為2,080 bytes(標籤池參數、有效列參數、標籤連結關係表、標籤面積)
請參照第15圖，其繪示的是本發明之混合式連結元件標籤演算法之標籤對時間之曲線圖。圖形的縱軸為標籤數，曲線6是重置標籤過程中之最高已用標籤數，曲線7則是連結元件個數。實驗中，掃描次數為4次，其中，正向掃描程序1次，反向掃描程序1次，重置標籤 程序中正向掃描2次，第一次正向掃描程序使用之最高標籤數為638個(第13圖曲線1)，重置標籤程序使用之最高標籤數為80個(曲線6)，最高標籤記憶體使用量為570 bytes(標籤池參數、有效列參數、導向標籤參數、標籤連結關係表、標籤面積)。由此可知，本發明是三個演算法中和最終連結元件個數差距最小，足以有效說明本發明確實有達到使連結元件標籤程序更有效率的作用。
值得注意的是，上述的說明僅是為了解釋本發明，而並非用以限定本發明之實施可能性，敘述特殊細節之目的，乃是為了使本發明被詳盡地了解。然而，熟習此技藝者當知此並非唯一的解法。在沒有違背發明之精神或所揭露的本質特徵之下，上述的實施例可以其他的特殊形式呈現，而隨後附上之專利申請範圍則用以定義本發明。
圖式之標示說明：
S102~S114‧‧‧流程圖之步驟
S202~S220‧‧‧流程圖之步驟
S302~S320‧‧‧流程圖之步驟
S402~S428‧‧‧流程圖之步驟
500‧‧‧二元式影像光罩
502‧‧‧標籤連結關係
504‧‧‧標籤池參數
506‧‧‧有效列參數
508‧‧‧導向標籤
1，2，3，4，5，6，7‧‧‧曲線
為讓本發明之上述和其他目的、特徵、和優點能更明顯易懂，下文特舉較佳實施例，並配合所附圖式，作詳細說明如下：第1圖繪示的是依照本發明一較佳實施例之混合式連結元件標籤演算法之流程圖；第2圖繪示的是依照本發明一較佳實施例之正向掃描程序之流程圖；第3圖繪示的是依照本發明一較佳實施例之反向掃描程序之流程圖；第4圖繪示的是依照本發明一較佳實施例之重置標籤程序之流程圖；第5圖繪示的是依照本發明一較佳實施例之正向標籤之示意圖；第6圖繪示的是依照本發明一較佳實施例之反向標籤之示意圖；第7圖繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤之示意圖；第8圖繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤參數之示意圖；第9圖繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤參數之示意圖；第10圖繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤參數之示意圖；第11圖繪示的是依照本發明一較佳實施例之記錄標籤連結關係表、標籤池參數、有效列參數與導向標籤參數之示意圖； 第12圖繪示的是習知多次掃描演算法之掃描次數對時間之曲線圖：第13圖繪示的是習知多次掃描演算法之標籤數對時間之曲線圖；第14圖繪示的是習知二次掃描演算法之標籤數對時間之曲線圖；以及，第15圖繪示的是本發明之混合式連結元件標籤演算法之標籤數對時間之曲線圖。
S102~S114‧‧‧流程圖之步驟

Claims (16)

  1. 一種混合式連結元件標籤演算法，適用於影像處理，其中，一影像資料具有M*N個像素，該些像素包含至少一前景像素，每一像素對應之標示為(M，N)，其中，M，N大於等於1，且M，N為整數，本方法包括下列步驟：執行一正向掃描程序，依序地執行下列步驟：由第(1，1)像素開始至第(M，N)像素結束，掃描該影像資料；判斷對應像素是否為該前景像素；以及，若對應像素為該前景像素，則根據至少一正向鄰近像素所對應之標籤，以決定對應像素之一正向標籤；執行一反向掃描程序，依序地執行下列步驟：由第(M，N)像素開始至第(1，1)像素結束，掃描該影像資料；判斷對應像素是否為該前景像素；以及，若對應像素為該前景像素，則根據至少一反向鄰近像素所對應之標籤和該對應像素在前次正向掃描後所得之該正向標籤，以決定對應像素之一反向標籤；以及，執行一重置標籤程序，於執行該正向掃描程序與該反向掃描程序後，再次執行該正向掃描程序，於執行該正向掃描程序過程中，執行下列步驟：若對應像素為該前景像素，且對應像素之該正向鄰近像素不為前景像素時，則判斷該對應像素前次之該反向標籤是否被重置於一導向標籤參數；若對應像素前次之該反向標籤被重置過，則分配前次之該反向標籤所對應之一標籤池參數為該對應像素之該正向標籤；若對應像素前次之該反向標籤未被重置過時，分配一可用標籤，以成為該對應像素之該正向標籤；當對應像素需分配該可用標籤時，更新該標籤池參數；若對應像素取得該可用標籤時，記錄對應像素所在之列之前一列於一有效列參數；當對應像素取得該可用標籤時，記錄置換前之標籤於該導向標籤參數；藉由一標籤連結關係表、該標籤池參數、該有效列參數與該導向標籤參數設定一標籤重置條件，根據該標籤重置條件刪除對應標籤，並重置對應標籤。
  2. 如申請專利範圍第1項所述之混合式連結元件標籤演算法，其中，該影像資料為一二元式影像光罩。
  3. 如申請專利範圍第1項所述之混合式連結元件標籤演算法，其中，本方法更包括下列步驟：執行該正向掃描程序一次，之後，執行該反向掃描程序一次，之後，執行該重置標籤程序。
  4. 如申請專利範圍第1項所述之混合式連結元件標籤演算法，其中，本方法更包括下列步驟：藉由建立一影像背景模型，偵測出現在一畫面中之一前景物體；以及，藉由一背景相減演算法，產生一二元式影像光罩。
  5. 如申請專利範圍第1項所述之混合式連結元件標籤演算法，其中，第(M，N)像素之該正向鄰近像素為一第(M-1，N)像素、一第(M-1，N-1)像素、一第(M，N-1)像素與一第(M+1，N-1)像素之其一。
  6. 如申請專利範圍第1項所述之混合式連結元件標籤演算法，其中，第(M，N)像素之該反向鄰近像素為一第(M+1，N)像素、一第(M+1，N+1)像素、一第(M，N+1)像素與一第(M-1，N+1)像素之其一。
  7. 如申請專利範圍第1項所述之混合式連結元件標籤演算法，其中，該正向掃描程序更包括下列步驟：第(1，1)像素開始，逐列掃描該影像資料之每一對應像素；判斷對應像素是否為該前景像素；若對應像素為該前景像素，則判斷對應像素對應之該正向鄰近像素是否為該前景像素；以及，若該正向鄰近像素為該前景像素，則對應之正向鄰近像素所對應之標籤形成一標籤值數列L，數列L含有X個標籤，X大於等於1，以數列L之最小值為對應像素之該正向標籤。
  8. 如申請專利範圍第7項所述之混合式連結元件標籤演算法，其中，該正向掃描程序更包括下列步驟：若對應像素不為該前景像素，則判斷對應像素是否為最後一個像素；若對應像素為最後一個像素，則結束該正向掃描程序；以及，若對應像素不為最後一個像素，則掃描下一個像素。
  9. 如申請專利範圍第7項所述之混合式連結元件標籤演算法，其中，該正向掃描程序更包括下列步驟：若對應像素為該前景像素，且對應像素對應之該正向鄰近像素不 為該前景像素，則分配新的標籤為對應像素之該正向標籤。
  10. 如申請專利範圍第1項所述之混合式連結元件標籤演算法，其中，該反向掃描程序更包括下列步驟：第(M，N)像素開始，逐列掃描該影像資料之每一對應像素；判斷對應像素是否為該前景像素；若對應像素為該前景像素，則判斷對應像素對應之該反向鄰近像素是否為該前景像素；以及，若該反向鄰近像素為該前景像素，則對應之該反向鄰近像素所對應之標籤和該對應像素在前次之該正向標籤形成一標籤值數列H，數列H含有Y個標籤，Y大於等於1，以數列H之最小值為對應像素之該反向標籤。
  11. 如申請專利範圍第10項所述之混合式連結元件標籤演算法，其中，該反向掃描程序更包括下列步驟；若對應像素不為該前景像素，則判斷對應像素是否為最後一個像素；若對應像素為最後一個像素，則結束該反向掃描程序；以及，若對應像素不為最後一個像素，則掃描下一個像素。
  12. 如申請專利範圍第10項所述之混合式連結元件標籤演算法，其中，該反向掃描程序更包括下列步驟：若對應像素為該前景像素，且對應像素對應之該反向鄰近像素不為該前景像素，則分配該對應像素前次之該正向標籤為對應像素之該反向標籤。
  13. 如申請專利範圍第1項所述之混合式連結元件標籤演算法，其中，該重置標籤程序更包括下列步驟：第(1，1)像素開始，逐列掃描該影像資料之每一對應像素；判斷對應像素是否為該前景像素；若對應像素為該前景像素，則判斷對應像素對應之該正向鄰近像素是否為該前景像素；以及，若該正向鄰近像素為該前景像素，則對應之該正向鄰近像素所對應之標籤形成一標籤值數列L，數列L含有X個標籤，X大於等於1，以數列L之最小值為對應像素之該正向標籤；建立不同連結元件標籤間連結關係；根據該正向標籤所圍成的面積，決定是否刪除對應之該正向標籤；以及， 刪除對應之該正向標籤，並更新對應之該標籤池參數、該有效列參數與該導向標籤參數。
  14. 如申請專利範圍第13項所述之混合式連結元件標籤演算法，其中，該重置標籤程序更包括下列步驟：若對應像素不為該前景像素，則判斷對應像素是否為最後一個像素；若對應像素為最後一個像素，則結束該正向掃描程序；以及，若對應像素不為最後一個像素，則掃描下一個像素。
  15. 如申請專利範圍第13項所述之混合式連結元件標籤演算法，其中，該重置標籤程序更包括下列步驟：設定一面積臨界值；以及，若該正向標籤所圍成的面積低於該面積臨界值，則刪除對應之該正向標籤，並更新對應之該標籤池參數、該有效列參數與該導向標籤參數。
  16. 如申請專利範圍第13項所述之混合式連結元件標籤演算法，其中，該重置標籤程序更包括下列步驟：判斷對應像素是否為對應列之最後一個；若對應像素為對應列之最後一個，則根據一面積臨界值，刪除對應之該正向標籤，並更新對應之該標籤連結關係表、該標籤池參數、該有效列參數與該導向標籤參數。
TW097121627A 2008-06-11 2008-06-11 一種混合式連結元件標籤演算法 TWI386030B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW097121627A TWI386030B (zh) 2008-06-11 2008-06-11 一種混合式連結元件標籤演算法
US12/456,226 US8306111B2 (en) 2008-06-11 2009-06-11 Image analysis using a hybrid connected component labeling process

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW097121627A TWI386030B (zh) 2008-06-11 2008-06-11 一種混合式連結元件標籤演算法

Publications (2)

Publication Number Publication Date
TW200952459A TW200952459A (en) 2009-12-16
TWI386030B true TWI386030B (zh) 2013-02-11

Family

ID=41414379

Family Applications (1)

Application Number Title Priority Date Filing Date
TW097121627A TWI386030B (zh) 2008-06-11 2008-06-11 一種混合式連結元件標籤演算法

Country Status (2)

Country Link
US (1) US8306111B2 (zh)
TW (1) TWI386030B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102376094B (zh) * 2010-08-17 2016-03-09 上海宝康电子控制工程有限公司 用于视频检测的快速图像标记方法
JP6078974B2 (ja) * 2012-04-04 2017-02-15 株式会社Sumco シリコン単結晶の製造方法
US9042652B2 (en) * 2012-11-01 2015-05-26 Intel Corporation Techniques for connected component labeling
KR101772676B1 (ko) * 2017-03-31 2017-08-29 (주) 엠브이텍 이미지 내 연결화소 검출 방법 및 장치
US11704787B2 (en) * 2020-11-06 2023-07-18 Wipro Limited Method and system for determining stock in an inventory

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6810079B2 (en) * 2000-08-14 2004-10-26 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and computer-readable storage medium storing thereon program for executing image processing
US20050285054A1 (en) * 2004-05-26 2005-12-29 Yuji Inoue Charged particle beam drawing apparatus
US20060285743A1 (en) * 2005-06-20 2006-12-21 Shih-Jong J. Lee Object based boundary refinement method

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5048096A (en) 1989-12-01 1991-09-10 Eastman Kodak Company Bi-tonal image non-text matter removal with run length and connected component analysis
US5841903A (en) 1992-01-17 1998-11-24 Yamaha Corporation Method and device for extracting a connected component of image data
ATE185211T1 (de) * 1995-01-31 1999-10-15 United Parcel Service Inc Verfahren und gerät zum trennen des vordergrunds und hintergrunds in textenthaltenden bildern
WO2007076891A1 (en) * 2005-12-30 2007-07-12 Telecom Italia S.P.A. Average calculation in color space, particularly for segmentation of video sequences

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6810079B2 (en) * 2000-08-14 2004-10-26 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and computer-readable storage medium storing thereon program for executing image processing
US20050285054A1 (en) * 2004-05-26 2005-12-29 Yuji Inoue Charged particle beam drawing apparatus
US20060285743A1 (en) * 2005-06-20 2006-12-21 Shih-Jong J. Lee Object based boundary refinement method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Kenji Suzuki, et al., "Linear-time connected-component labeling based on sequential local operations," Computer Vision and Image Understanding, vol. 89, pp. 1-23, 2003。 *

Also Published As

Publication number Publication date
TW200952459A (en) 2009-12-16
US8306111B2 (en) 2012-11-06
US20090309979A1 (en) 2009-12-17

Similar Documents

Publication Publication Date Title
TWI386030B (zh) 一種混合式連結元件標籤演算法
JP5132530B2 (ja) 画像符号化装置及び画像処理装置及びそれらの制御方法
JP7175197B2 (ja) 画像処理方法および装置、記憶媒体、コンピュータ装置
CN101453575A (zh) 一种视频字幕信息提取方法
CN101510304B (zh) 一种分割获取前景图像的方法、装置和摄像头
CN104966092B (zh) 一种图像处理方法和装置
CN109767479B (zh) 一种基于动态边界组序列的图元填充方法和***
US8363978B2 (en) System and method for block edge location with varying block sizes and offsets in compressed digital video
CN111881659B (zh) 表格图片的处理方法、***、可读存储介质及计算机设备
JP2014107686A (ja) 画像処理装置
CN110853063B (zh) 图像分割信息的处理方法、装置、设备和存储介质
JP2010035173A (ja) 画像処理装置および画像処理方法
JP4687900B2 (ja) 画像処理装置、及びプログラム。
KR20130124659A (ko) 객체 분리 시스템 및 방법
CN101620733B (zh) 一种混合式连结组件标签方法
CN114626994A (zh) 一种图像处理方法、视频处理方法、计算机设备、存储介质
CN111046727A (zh) 视频特征提取方法及装置、电子设备及存储介质
US8483482B2 (en) Image processing device, image processing method and computer-readable medium
US7333668B2 (en) Image data compressing apparatus and image data extracting apparatus
JPH10210308A (ja) 画像データ処理方法及び記録媒体
CN110837575B (zh) 视频图像的传输特征信息的生成方法和装置
Zhang et al. A line labeling and region growing based algorithm for binary image connected component labeling
CN111986111B (zh) 一种图像分割方法
CN114359575A (zh) 摄像机污点检测方法及相关装置
JPH05342340A (ja) 画像処理方法及びその装置

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees