图像要素提取方法及装置制造方法及图纸

本发明专利技术公开了一种图像要素提取方法及装置，方法包括：步骤S10，获取待处理图像；步骤S20，对待处理图像进行预处理，得到去噪图像，并得到去噪图像的边缘轮廓图；步骤S30，对经过预处理的图像进行阈值分割，得到分割阈值；步骤S40，利用分割阈值对经过预处理的图像进行二值化处理，得到二值化图像；步骤S50，对二值化图像中的轮廓进行图形学变换处理；步骤S60，获取经过图形学变换处理的图像的轮廓向量，并根据轮廓向量求取圈定轮廓的最小矩形；步骤S70，根据所述最小矩形，提取图像要素。本发明专利技术对图像要素的提取具有较高的准确率，并提高图像要素提取的效率。并且，本发明专利技术无需多样本进行训练，具有较高的适用性。

Method and device of image feature extraction

The invention discloses an image element extraction method and device, the method includes: step S10, to obtain the image to be processed; step S20, to preprocess the image to be processed, to obtain the denoised image, and to obtain the edge contour of the denoised image; step S30, to segment the preprocessed image by the threshold value, to obtain the segmentation threshold value; step S40, to preprocess the image by the segmentation threshold value In step S50, the contour of the binary image is processed by graphics transformation; in step S60, the contour vector of the image processed by graphics transformation is obtained, and the minimum moment of the contour is obtained according to the contour vector; in step S70, the image elements are extracted according to the minimum rectangle. The invention has a high accuracy rate for the extraction of image elements and improves the efficiency of the extraction of image elements. Moreover, the invention does not need multi samples for training, and has high applicability.

【技术实现步骤摘要】
图像要素提取方法及装置
本专利技术涉及图像处理
，具体地，涉及一种图像要素提取方法及装置。
技术介绍
随着计算机技术的高速发展，各类图像处理技术也得以应运而生，并得到飞速的提升。目前的图像处理技术可以对图像进行优化以及要点提取。但是存在着一些问题，简单的图像要素提取方法，对于前景背景噪声太多的图像，以及要素周围有其他干扰因素的图像，要素提取效果不好；而一些复杂的图像要素提取方法，虽然处理效果较好，但是需要用到大量数据集进行拟合，一方面需要大量训练样本，另一方面整体的处理速度较慢。
技术实现思路
鉴于以上问题，本专利技术的目的是提供一种图像要素提取方法及装置，以克服现有技术的缺陷，快速进行图像要素的提取，并具有较高的准确率。为了实现上述目的，本专利技术采用以下技术方案：本专利技术的一个方面是提供一种图像要素提取方法，包括以下步骤：步骤S10，获取待处理图像；步骤S20，对所述待处理图像进行预处理，得到去噪图像，并得到所述去噪图像的边缘轮廓图；步骤S30，对经过预处理的图像进行阈值分割，得到分割阈值；步骤S40，利用所述分割阈值对经过预处理的图像进行二值化处理，得到二值化图像；步骤S50，对所述二值化图像中的轮廓进行图形学变换处理；步骤S60，获取经过图形学变换处理的图像的轮廓向量，并根据所述轮廓向量求取圈定轮廓的最小矩形；步骤S70，根据所述最小矩形，提取图像要素。优选地，所述步骤S20包括以下步骤：步骤S201，输入所述待处理图像；步骤S202，将所述待处理图像转化为灰度图；步骤S203，生成高斯核，并使用高斯核对所述灰度图进行卷积运算，得到去噪图像；步骤S204，对所述去噪图像处理，得到边缘轮廓图。优选地，所述步骤S203中，所述高斯核通过下式生成，其中，Gauss(i′，j′)表示高斯核的第i′行第j′列元素的值，m表示高斯核的总行数，n表示高斯核的总列数，σ表示高斯核标准差。优选地，所述步骤S204包括：确定梯度算子，包括横向算子和纵向算子；利用所述梯度算子对所述去噪图像分别进行卷积运算，得到横向梯度图和纵向梯度图；将横向梯度图和纵向梯度图取绝对值后相加，得到所述去噪图像的边缘轮廓图。优选地，所述步骤S30包括：步骤S301，设定初始像素灰度值；步骤S302，使用像素灰度值分割图像；步骤S303，根据下式获取类间方差：g＝ω1*ω2*(μ1-μ2)2其中，g表示类间方差，ω1表示图像中的背景像素占比，ω2表示图像中的前景像素占比，μ1表示背景的平均灰度值，μ2表示前景的平均灰度值；步骤S304，遍历所有像素灰度值的取值，得到使得类间方差最大的阈值，作为分割阈值。优选地，所述步骤S50包括：利用大椭圆核对二值化图像进行一次闭运算处理，使得图像中物体的轮廓呈密闭连接。优选地，所述步骤S50还包括：利用小椭圆核对经过闭运算处理的二值化图像进行多次腐蚀和多次膨胀处理。优选地，所述步骤S60中，根据所述轮廓向量求取圈定轮廓的最小矩形，包括：对轮廓向量进行排序，其中，采用混合排序方式，图像的轮廓向量较少时采用折半插入排序，轮廓向量较多时，采用快速排序；根据排序后的轮廓向量求取圈定轮廓的最小矩形。优选地，所述方法还包括：对所述分割阈值进行微调，修正提取的图像要素。本专利技术的另一个方面是提供一种图像要素提取装置，包括：图像获取模块，获取待处理图像；预处理模块，对所述待处理图像进行预处理，得到去噪图像，并得到所述去噪图像的边缘轮廓图；分割阈值获取模块，对经过预处理的图像进行阈值分割，得到分割阈值；二值化模块，利用所述分割阈值对经过预处理的图像进行二值化处理，得到二值化图像；轮廓处理模块，对所述二值化图像中的轮廓进行图形学变换处理；轮廓圈定模块，获取经过图形学变换处理的图像的轮廓向量，并根据所述轮廓向量求取圈定轮廓的最小矩形；要素提取模块，根据所述最小矩形，提取图像要素。与现有技术相比，本专利技术具有以下优点和有益效果：本专利技术通过在对图像进行阈值分割之前，先进行去噪、提取轮廓等预处理，使得对图像要素的提取具有较高的准确率，并提高图像要素提取的效率。并且，本专利技术无需多样本进行训练，具有较高的适用性。本专利技术对于少数极端图像处理可采用先处理再微调阈值的方式，对于极端图像也有适用性，适用范围广泛。附图说明图1是本专利技术所述图像要素提取方法的流程示意图；图2是本专利技术中对所述待处理图像进行预处理的流程示意图；图3是本专利技术中获取分割阈值的流程示意图；图4是本专利技术中获取分割阈值的一个实施例的流程示意图；图5是本专利技术中所述图像要素提取装置的装置示意图。具体实施方式下面将参考附图来描述本专利技术所述的实施例。本领域的普通技术人员可以认识到，在不偏离本专利技术的精神和范围的情况下，可以用各种不同的方式或其组合对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。图1是本专利技术所述图像要素提取方法的流程示意图，如图1所示，本专利技术所述图像要素提取方法，包括以下步骤：步骤S10，获取待处理图像，待处理图像可以是风景图像或病理图像等包含有重要信息的图像，对待处理图像进行处理，提取图像要素，以得到仅包含重要信息的图像。步骤S20，对所述待处理图像进行预处理，得到去噪图像，并得到所述去噪图像的边缘轮廓图，以消除噪点，并提取图像中各个元素的轮廓。图2是本专利技术中对所述待处理图像进行预处理的流程示意图，如图2所示，本专利技术的一个实施例中，对待处理图像进行预处理的步骤包括以下步骤：步骤S201，输入所述待处理图像；步骤S202，将所述待处理图像转化为灰度图；步骤S203，生成高斯核，并使用高斯核对所述灰度图进行卷积运算，得到去噪图像；步骤S204，对所述去噪图像处理，得到边缘轮廓图。在步骤S203中，所述高斯核通过下式(1)生成：其中，Gauss(i′，j′)表示高斯核的第i′行第j′列元素的值，m表示高斯核的总行数，n表示高斯核的总列数，σ表示高斯核标准差。优选地，所述步骤S204包括：确定梯度算子，包括横向算子和纵向算子；利用所述梯度算子对所述去噪图像分别进行卷积运算，得到横向梯度图和纵向梯度图；将横向梯度图和纵向梯度图取绝对值后相加，得到所述去噪图像的边缘轮廓图，从而便于提取图像中元素的轮廓。本专利技术的一个实施例中，预先生成一个9×9的高斯核Gauss，高斯核中第i′行第j′列元素Gauss(i′，j′)的值如上式(1)所示，其中，上式(1本文档来自技高网...

【技术保护点】
1.一种图像要素提取方法，其特征在于，包括以下步骤：/n步骤S10，获取待处理图像；/n步骤S20，对所述待处理图像进行预处理，得到去噪图像，并得到所述去噪图像的边缘轮廓图；/n步骤S30，对经过预处理的图像进行阈值分割，得到分割阈值；/n步骤S40，利用所述分割阈值对经过预处理的图像进行二值化处理，得到二值化图像；/n步骤S50，对所述二值化图像中的轮廓进行图形学变换处理；/n步骤S60，获取经过图形学变换处理的图像的轮廓向量，并根据所述轮廓向量求取圈定轮廓的最小矩形；/n步骤S70，根据所述最小矩形，提取图像要素。/n

【技术特征摘要】
1.一种图像要素提取方法，其特征在于，包括以下步骤：
步骤S10，获取待处理图像；
步骤S20，对所述待处理图像进行预处理，得到去噪图像，并得到所述去噪图像的边缘轮廓图；
步骤S30，对经过预处理的图像进行阈值分割，得到分割阈值；
步骤S40，利用所述分割阈值对经过预处理的图像进行二值化处理，得到二值化图像；
步骤S50，对所述二值化图像中的轮廓进行图形学变换处理；
步骤S60，获取经过图形学变换处理的图像的轮廓向量，并根据所述轮廓向量求取圈定轮廓的最小矩形；
步骤S70，根据所述最小矩形，提取图像要素。


2.根据权利要求1所述的图像要素提取方法，其特征在于，所述步骤S20包括以下步骤：
步骤S201，输入所述待处理图像；
步骤S202，将所述待处理图像转化为灰度图；
步骤S203，生成高斯核，并使用高斯核对所述灰度图进行卷积运算，得到去噪图像；
步骤S204，对所述去噪图像处理，得到边缘轮廓图。


3.根据权利要求2所述的图像要素提取方法，其特征在于，所述步骤S203中，所述高斯核通过下式生成，



其中，Gauss(i′，j′)表示高斯核的第i′行第j′列元素的值，m表示高斯核的总行数，n表示高斯核的总列数，σ表示高斯核标准差。


4.根据权利要求2所述的图像要素提取方法，其特征在于，所述步骤S204包括：
确定梯度算子，包括横向算子和纵向算子；
利用所述梯度算子对所述去噪图像分别进行卷积运算，得到横向梯度图和纵向梯度图；
将横向梯度图和纵向梯度图取绝对值后相加，得到所述去噪图像的边缘轮廓图。


5.根据权利要求1所述的图像要素提取方法，其特征在于，所述步骤S30包括：
步骤S301，设定初始像素灰度值；
步骤S302，使用像素灰度值分割图像；
...

【专利技术属性】
技术研发人员：江瑞，陈晓阳，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11