[發明專利]一種基于連通域分析和形態學操作的框線檢測方法

有效

• 申請號: 201910317129.8
• 申請日: 2019-04-19
• 公開（公告）號: CN110033471B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 柯逍;王俊強
• 申請（專利權）人: 福州大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/187;G06T7/136
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊;陳明鑫

1.一種基于連通域分析和形態學操作的框線檢測方法，其特征在于，包括如下步驟：

步驟S1、對讀入的待檢測圖像先進行灰度化處理，而后對得到的灰度圖像進行二值化處理，得到原圖像的二值圖像；

步驟S2、對步驟S1中得到的二值圖像進行形態學膨脹操作，然后對膨脹操作后的二值圖像進行連通域檢測，最后將檢測到的連通域內部進行填充，得到框線增強的圖像；

步驟S3：對框線增強后的圖像進行基于深度學習方法的圖像去噪；

步驟S4：對經步驟S3處理后的圖像分別定義兩個不同的結構元素進行先腐蝕后膨脹的形態學操作，以分別得到表格圖像的橫縱框線，而后將得到的橫縱框線進行交叉，最終得到完整的框線結構圖；

所述步驟S1具體包括如下步驟：

步驟S11、讀入三通道RGB彩色圖像；

步驟S12、對讀入圖像的顏色空間進行轉換，使之轉換為只有單通道灰度圖像，三通道RGB圖像經過灰度化處理，變為單通道灰度圖像的所用的公式為：

Y＝0.299×R+0.587×G+0.114×B

其中，其中Y代表亮度，即灰度值，R、G、B是圖像中每一個像素的三個顏色分量；

步驟S13、選取閾值對單通道灰度圖像進行處理，獲得能反映出圖像特征的二值圖像，局部自適應閾值法的二值化閾值可變，像素的鄰域塊像素值的分布情況決定閾值的選取，圖像進行二值化操作時，二值化閾值根據圖像區域的特征自動調整，自適應閾值算法將灰度圖像變換為二值圖像所用的公式為：

其中，src(u,v)為原始值，dst(u,v)為輸出值，T(u,v)為自適應閾值，max_value是自適應灰度值；

步驟S14、輸出原圖像對應的二值化圖像；

所述步驟S2具體包括如下步驟：

步驟S21：將原圖的二值化圖像進行形態學膨脹操作，將圖形A與核B卷積，計算核B覆蓋的區域的像素點的最大值，并把這個最大值賦值給參考點指定的像素，膨脹操作公式為：

其中，Z和B是進行膨脹操作的兩個結構元素，z是結構元素B平移的距離，B[z]是結構元素平移z后得到的點，φ是空集符號；

步驟S22、讀入膨脹后的二值圖像并進行掃描，當掃描到的像素點(i，j)是外邊界或者孔邊界時停止掃描，如果像素點(i，j)既是外邊界又是孔邊界時，將此像素點設置為外邊界起始點，并且把最新發現的邊界單獨賦值并編號，邊界的序列號稱為NBD，根據給出的規則確定邊界的母邊界，從起始點開始跟蹤已檢測到的邊界，掃描到最后一個像素點時結束；

步驟S23、將檢測到的連通域內部用黑色像素進行填充；

所述步驟S3具體包括如下步驟：

步驟S31、收集高質量噪聲圖像數據，拍攝15個靜態場景的訓練圖像，每個場景800張jpeg圖像，并計算每個場景的平均圖像，生成無噪音的地面真實圖像，對于每個數據集，每個像素的協方差與其(R,G,B)值和8×8×4補丁信息一起輸入模型，其中95％的圖像數據用于訓練，5％的圖像數據用于驗證；

步驟S32、通過多層感知器訓練向量值輸入層的非線性變換，輸入層通過幾個隱藏層映射到輸出層，得到圖像中的噪聲分布情況，MLPs的定義式為：

x⁽ⁿ⁺¹⁾＝g(b⁽ⁿ⁾+W⁽ⁿ⁾x⁽ⁿ⁾)

其中，x⁽ⁿ⁺¹⁾是第n+1層到該層的值且x⁽ⁿ⁾是第n層到該層的值，x⁽¹⁾是輸入層，W⁽ⁿ⁾是可訓練權重，b⁽ⁿ⁾是可訓練偏差，g是非線性激活函數；

步驟S33、根據得到的噪聲分布情況，用貝葉斯非局部均值濾波器去除圖像噪聲，輸出去除噪聲之后的圖像。