本发明属于图像处理技术领域,提供了一种目标图像提取方法及图像位置特征的提取方法。
背景技术:
图像位置特征是基于现有技术图像提取都是基于目标物体的边缘设计出适用的阈值或是基于区域灰度值来设置阈值,存在边缘信息不完整带,或者是相似背景的干扰导致的问题。
技术实现要素:
本发明实施例提供一种目标图像提取方法,旨在提高目标图像提取的精准度。
为了解决上述目的,本发明提供一种目标图像提取方法,所述方法是基于图像边缘及目标图像区域的信息来进行去噪,获取目标图像。
进一步的,所述步骤s1具体包括如下步骤:
s11、对原始图像进行灰度处理,获得图像一;
s12、基于阈值一对图像一进行阈值分割,获取图像二,在图像二中提取封闭的边缘轮廓;
s13、基于阈值二对图像二进行阈值分割,获得目标图像,阈值二为目标图像的边缘轮廓包围区域面积与边缘轮廓周长的比值。
本发明提供的目标图像提取方法具有如下有益效果:在阈值一分割图像后进行边缘轮廓提,再根据目标物体形状筛选出合适的轮廓筛,保证了图像处理的准确性;
为了解决上述目的,本发明提供一种基于所述目标图像的图像位置特征提取方法,所述方法包括如下步骤:
s14、计算目标图像所在区域内所有像素点在图像坐标系中的坐标;
s15、基于归一化几何矩方法来计算目标图像在图像坐标系中的位置特征,所述位置特征由目标图像的中心坐标及目标图像的偏角组成。
本发明的图像位置特征在提取过程中分为两部分:利用图像边缘和目标图像区域信息来提取出精准的目标图像;仅遍历目标图像所在区域,来计算图像位置特征,相对于整个图像区域,目标图像所占区域的比例小,极大减缩短了图像目标特征的提取时间。
附图说明
图1为本发明实施例提供的目标图像提取方法流程图;
图2为本发明实施例提供的基于本发明提供的图像提取方法对方形目标图像的效果对比图;
图3为本发明实施例提供的图像位置特征提取方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为本发明实施例提供的目标图像提取方法流程图,该方法基于图像边缘及目标图像区域信息来进行去噪,获取目标图像。
该方法具体如下:
s11、对原始图像进行灰度处理,获得图像一;
s12、基于阈值一对图像一进行阈值分割,获取图像二,在图像二中提取封闭的边缘轮廓;
在本发明实施例中,阈值一是直方图法来获取,基于阈值一对图像一进行阈值分割,去除了背景中的大部分噪音,由于亮度和目标物体相近的噪音无法去除,因此,提取图像中封闭的边缘轮廓中,部分由噪音组成。
s13、基于阈值二对图像二进行阈值分割,获得目标图像,阈值二为目标图像的边缘轮廓包围区域面积与边缘轮廓周长的比值;
在本发明实施例中,基于阈值二再次对图像进行阈值分割,可以去除亮度和目标物体相近的噪音,得到目标图像。
本发明提供的目标图像提取方法具有如下有益效果:在阈值一分割图像后进行边缘轮廓提,再根据目标物体形状筛选出合适的轮廓筛,保证了图像处理的准确性。
试用canny算法、grabcut前景分割、阈值分割等算法,上述算法在处理特定的图像效果非常优秀,实际拍摄的图像情况比较复杂,每个算法的单独使用就难以获得理想处理结果,简单地组合起来使用的情况下耗时又会增加很多,图2提供了方形目标图像的提取效果图,基于本发明提供的目标图像提取方法进行的提取,图2(a)为本发明提供对原始图像进行灰度处理后的图像一,图2(b)是对基于阈值一对图像一进行阈值分割后的图像二,图2(c)为基于阈值二对图像二进行阈值分割后,提取的目标图像。
图3为本发明实施例提供的图像位置特征提取方法流程图,该方法基于步骤s11至步骤s13来提取目标图像,针对目标图像进行如下步骤:
s14、计算目标图像所在区域内所有像素点在图像坐标系中的坐标;
s15、基于归一化几何矩方法来计算目标图像在图像坐标系中的位置特征,所述位置特征由目标图像的中心坐标及目标图像偏角组成。
基于归一化几何矩方法来提取图像的位置特征,可以减小目标图像的缩放对特征位置信息影响,及偶然噪音区域对于图像位置特征的影响,若目标区域为不规则形状,其抗干扰能力强。
本发明的图像位置特征在提取过程中分为两部分:利用图像边缘和目标图像区域信息来提取出精准的目标图像;仅遍历目标图像所在区域,来计算图像位置特征,相对于整个图像区域,目标图像所占区域的比例小,极大减缩短了图像目标特征的提取时间,目标图像提取的精准度保证了图像位置特征的精准度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。