[發(fā)明專利]一種具有煙盒的圖像的處理方法

有效

• 申請?zhí)枺?/td>: 202110007810.X
• 申請日: 2021-01-05
• 公開（公告）號: CN112861873B
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計）人: 劉剛;汪丹丹;劉強(qiáng);黃金娜;高智敏;趙永江;葉展
• 申請（專利權(quán)）人: 杭州海康威視數(shù)字技術(shù)股份有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/50;G06V10/56;G06T7/13;G06T7/44;G06T7/90
• 代理公司: 北京柏杉松知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 項京;高鶯然

1.一種具有目標(biāo)對象的圖像的處理方法，其特征在于，所述方法包括：

獲取目標(biāo)圖像，其中，所述目標(biāo)圖像包括目標(biāo)對象；

基于所述目標(biāo)圖像，獲取目標(biāo)顏色分量對應(yīng)的二值化圖像；

對所述二值化圖像進(jìn)行腐蝕處理和膨脹處理，生成處理后的圖像；

基于所述處理后的圖像，提取所述目標(biāo)對象的精細(xì)邊緣和粗略邊緣，其中，所述精細(xì)邊緣為所述目標(biāo)對象的曲折度高于目標(biāo)曲折度的邊緣，所述粗略邊緣為所述目標(biāo)對象的曲折度不高于所述目標(biāo)曲折度的邊緣；

基于所述精細(xì)邊緣和所述粗略邊緣，確定所述目標(biāo)對象的邊緣曲折度特征；

其中，所述基于所述精細(xì)邊緣和所述粗略邊緣，確定所述目標(biāo)對象的邊緣曲折度特征，包括：分別計算所述精細(xì)邊緣和所述粗略邊緣所包括的像素點(diǎn)的數(shù)量；基于所述數(shù)量確定所述目標(biāo)對象的邊緣曲折度特征。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述目標(biāo)圖像，獲取目標(biāo)顏色分量對應(yīng)的二值化圖像的步驟，包括：

從所述目標(biāo)圖像的各顏色分量中隨機(jī)選取一個作為目標(biāo)顏色分量，對所述目標(biāo)顏色分量進(jìn)行二值化處理，獲取所述目標(biāo)顏色分量對應(yīng)的二值化圖像；或，

統(tǒng)計所述目標(biāo)圖像的各顏色分量的直方圖；基于所述各顏色分量的直方圖，從所述各顏色分量中確定目標(biāo)顏色分量；對所述目標(biāo)顏色分量進(jìn)行二值化處理，獲取所述目標(biāo)顏色分量對應(yīng)的二值化圖像。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述各顏色分量的直方圖，從所述各顏色分量中確定目標(biāo)顏色分量的步驟，包括：

針對每個顏色分量的直方圖，采用最大類間方差法將該顏色分量的直方圖所表示的像素值劃分為第一類像素值和第二類像素值；

分別計算所述第一類像素值和所述第二類像素值的平均值，并計算所述第一類像素值的平均值與所述第二類像素值的平均值之間的差值；

將對應(yīng)的差值最大的顏色分量確定為目標(biāo)顏色分量。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述二值化圖像進(jìn)行腐蝕處理和膨脹處理，生成處理后的圖像；基于處理后的圖像，提取所述目標(biāo)對象的精細(xì)邊緣和粗略邊緣的步驟，包括：

對所述二值化圖像進(jìn)行腐蝕處理后進(jìn)行膨脹處理，得到基準(zhǔn)圖像；

對所述基準(zhǔn)圖像進(jìn)行膨脹處理，得到第一圖像，并基于所述第一圖像與所述基準(zhǔn)圖像的像素值的差值確定所述目標(biāo)對象的精細(xì)邊緣；

對所述基準(zhǔn)圖像進(jìn)行膨脹處理后進(jìn)行腐蝕處理，得到第二圖像；

對所述第二圖像進(jìn)行膨脹處理，得到第三圖像，并基于所述第三圖像與所述第二圖像的像素值的差值確定所述目標(biāo)對象的粗略邊緣。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對所述目標(biāo)顏色分量進(jìn)行二值化處理，獲取所述目標(biāo)顏色分量對應(yīng)的二值化圖像的步驟，包括：

分別計算所述第一類像素值和所述第二類像素值對應(yīng)的像素點(diǎn)的數(shù)量；

將數(shù)量較少的像素點(diǎn)的像素值設(shè)置為第一像素值，并將其余像素點(diǎn)的像素值設(shè)置為第二像素值，得到二值化圖像，其中，所述第一像素值為255和0中的一個，所述第二像素值為255和0中與所述第一像素值不同的一個。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述數(shù)量確定所述目標(biāo)對象的邊緣曲折度特征的步驟，包括：

根據(jù)以下公式確定所述目標(biāo)對象的邊緣曲折度特征feature：

feature＝k×max(0，sum1–sum2)/sum2

其中，k為預(yù)設(shè)特征參數(shù)，sum1為所述精細(xì)邊緣所包括的像素點(diǎn)的數(shù)量，sum2為所述粗略邊緣所包括的像素點(diǎn)的數(shù)量。

7.根據(jù)權(quán)利要求1-6任一項所述的方法，其特征在于，在所述基于所述精細(xì)邊緣和所述粗略邊緣，確定所述目標(biāo)對象的邊緣曲折度特征的步驟之后，所述方法還包括：

計算多個目標(biāo)圖像對應(yīng)的邊緣曲折度特征的平均值和方差；

在獲取到待識別圖像的情況下，確定所述待識別圖像包括的目標(biāo)對象的邊緣曲折度特征，作為待識別特征；

基于所述待識別特征、所述平均值和所述方差，對所述待識別圖像包括的目標(biāo)對象進(jìn)行識別，得到識別結(jié)果。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述基于所述待識別特征、所述平均值和所述方差，對所述待識別圖像包括的目標(biāo)對象進(jìn)行識別，得到識別結(jié)果的步驟，包括：

根據(jù)以下公式對所述待識別圖像包括的目標(biāo)對象進(jìn)行識別，得到概率值P，并根據(jù)所述概率值P確定識別結(jié)果：

P＝exp(-(temp_f1–mean)^2/K/var)

其中，temp_f1為所述待識別特征，mean為所述平均值，K為預(yù)設(shè)概率參數(shù)，var為所述方差。