一种基于图像处理的树状节点识别方法与流程

技术特征：

1.一种基于图像处理的树状节点识别方法，其特征在于包括如下步骤：

步骤1：对像素行进行标记，得到内容行和空白行，多个内容行和空白行构成了树形结构节点行；

步骤2：根据式(3)、(4)和(5)计算得到树形结构节点中内容行的集合O＝{＜t_q,b_q,＞|q＝1,2,...,d,t_q∈{0,1,…,h-1},b_q∈{0,1,…,h-1}}:

t_p＜b_p＜t_r＜b_r,若r＞p且＜t_p,b_p＞∈O且＜t_r,b_r＞∈O (3)

k_x＝1,若x∈[t_q,b_q]且k_x∈K (4)

b_q-t_q＞L_min (5)

其中，d表示树形结构节点的数量，t_q和b_q分别表示第q个树形结构节点在灰度图P中对应位置的像素起始行和结束行的行号，L_min表示预设的树形结构节点行的高度阈值；

步骤3：计算节点行行高H和第一个节点行首行行号F，具体为：

步骤3.1：根据式(6)和(7)计算树形结构节点中行号连续的内容行行数平均值r：

$r=\frac{Sum}{d}---\left(6\right)$

$Sum=\underset{i=0}{\overset{h-1}{\Σ}}{k}_i---\left(7\right)$

式中，Sum表示内容行的数量；

步骤3.2：设置树形结构节点行高H和首行行号F的拟合区间分别为和V₂＝(0,r)；

步骤3.3：令行号集合E与空白行数S_E的映射集为E_fh＝{e|e＝f+h*k,e<Sum,k＝1,2,...,d}，其中集合E_fh表示行高为h、首行序号为f时的行号集合，e表示行序号，表示行号集合E_fh中空白行的数量；

步骤3.4：根据式(8)得到行高H和首行行号F:

H＝h₁,F＝f₁,若且当时,f₁<f₂(8)

步骤4：对灰度图P进行树形结构节点行分行，得到映射集L＝{<lt_i,lb_i>|lt_i＝F+H*(i-1),lb_i＝F+H*i-1,i＝1,2,...,d}，其中<lt_i,lb_i>表示第i节点行中像素行行号集合，lt_i和lb_i分别表示第i节点行的首行和末行序号；

步骤5：识别树状节点的阶，具体为：

步骤5.1：设树形结构共有m个层级，层级的边界纵坐标集合LX＝{lx_i|i＝0,1,2,...,m}，其中lx₀表示第1层级的左边界，lx₁表示第1层级的右边界,lx_m表示第m层级的右边界；

步骤5.2：对所有节点行图标可能存在位置区域进行截图，令集合Lg＝{<b_pq,Re_pq>|p＝1,2,...,d,q＝1,2,...,m},Re_pq＝{g_ab|lx_q-1<a<lx_q,lt_p<b<lb_p}，其中b_pq表示图标的行号和层级为p和q，Re_pq表示第p节点行第q个层级图标区域的截图，g_ab表示灰度图片P中第a行第b列的像素灰度值；

步骤5.3：对图标集合Lg逐行判断区域内是否存在图标；若第i区域存在图标，则该行的阶度为i。

2.根据权利要求1所述的一种基于图像处理的树状节点识别方法，其特征在于步骤1)对像素行进行标记的具体过程为：

步骤1.1：对树形结构所在的区域进行截图，并将截图进行灰度化，得到灰度图P，其分辨率为w*h；

步骤1.2：令P＝{G_i|i＝0,1,2,...,h-1},G_i＝{g_ij|j＝0,1,2,...,w-1}，其中G_i表示灰度图P的第i行像素集，g_ij表示灰度图P中第i行第j列像素的灰度值；

步骤1.3：根据式(1)和(2)对G_i(i＝0,1,2,…,h-1)进行标记，得到集合K＝{k_i|i＝0,1,2,...,h-1}:

$k_i=\left\{\begin{array}{cc}1,& \begin{array}{cc}if& \frac{1}{w}\underset{j=0}{\overset{w-1}{\&Sigma;}}{(g_{ij}-\stackrel{\&OverBar;}{a_i})}^2\&lt;30\end{array}\\ 0,& else\end{array}\right.---\left(1\right)$

$\stackrel{\&OverBar;}{a_i}=\frac{1}{w}\underset{j=0}{\overset{w-1}{\&Sigma;}}{g}_{ij}---\left(2\right)$

式中，表示G_i中像素的平均灰度值，k_i表示与G_i对应的标记结果，当k_i＝1时，称G_i为内容行，k_i≠1时为空白行，多个空白行和多个内容行把像素行分成2类；多个内容行和空白行构成了树形结构节点行。