圖像中的條紋區(qū)域的識別方法及裝置制造方法
【專利摘要】本申請涉及一種圖像中的條紋區(qū)域的識別方法和裝置，其中，該方法包括：針對從圖像中提取的多條邊緣，分析每一條邊緣與其相鄰邊緣是否相對平行；聚合多條邊緣中經(jīng)分析而被確定為相對平行的所有邊緣；基于聚合的所有邊緣，識別出相應(yīng)的條紋區(qū)域。本申請基于條紋的邊緣之間具有相對平行的特點，提取圖像中的邊緣，并聚合相對平行的邊緣，來得到條紋區(qū)域。以此提高了條紋區(qū)域提取和識別的準確度。
【專利說明】圖像中的條紋區(qū)域的識別方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本申請涉及圖像處理與識別領(lǐng)域，更具體地涉及圖像中的條紋區(qū)域的識別方法及 裝直。

【背景技術(shù)】
[0002] 在圖像識別中，紋理是指圖像中區(qū)域間像素點的關(guān)系，例如：ηΧη像素中的均值、 方差、差分，以及其他更為復雜的關(guān)系。
[0003] 條紋是一種常見的紋理圖案，常出現(xiàn)在動物毛皮、巖石地質(zhì)等自然圖像中，也經(jīng)常 被應(yīng)用在衣服、鞋、帽等生活用品圖像中。如圖1所示，圖1是包含條紋的圖像的示意圖。 條紋是自然圖像和生活用品圖像中的主要的紋理。對條紋區(qū)域進行提取和識別，可以幫助 我們進行紋理分類，例如：通過條紋區(qū)域的提取和識別，區(qū)分出條紋，格子，豹紋等圖案；同 時，可以利用條紋區(qū)域的分布更準確地分割圖像，從而可以從圖片中提取和識別出圖片中 的物體。
[0004] 在傳統(tǒng)的條紋區(qū)域提取與識別方法中，首先，以多個尺度在圖像中提取每個像素 點的紋理特征。然后，將紋理特征相似且空間連續(xù)的像素點進行聚合；或者利用紋理特征差 異較大的像素點將圖像進行區(qū)域切割，形成多個紋理區(qū)域。最后，用事先學習好的紋理分類 模型對紋理區(qū)域進行分類，其中，紋理類型包括液體紋理、印花紋理、條紋紋理等，這樣可以 通過紋理分類模型識別出多個紋理區(qū)域中的條紋區(qū)域；或者可以直接判定紋理區(qū)域是否是 條紋區(qū)域。
[0005] 然而，該方法將條紋當做紋理來處理，在很多情況下并不合適。
[0006] 紋理只在指定尺度下衡量才有意義，才能正確的表示紋理特征，因此，在提取紋理 特征之前需要確定一個尺度，例如，預(yù)先確定在ηΧη (如，3X3)的像素提取圖像中的紋理 特征，可以在圖像的區(qū)域中以該尺度提取紋理特征，再基于提取的像素點的紋理特征對圖 像進行識別。但是，條紋的寬度、間距在不同尺度的圖像中差別很大，而只有在合適的尺度 下，提取的紋理特征才能準確地表征條紋，如果尺度選擇錯誤，那么提取出結(jié)果就不能代表 圖像中這部分的紋理特征。例如：黑白條紋衣服被放置于雜亂的背景中，如果尺度選擇的太 小，區(qū)域中只包括一條白色條紋或黑色條紋，則提取結(jié)果就是純色紋理；而如果尺度選擇的 太大，區(qū)域中包括了衣服和背景，則提取結(jié)果就是雜亂紋理了。因此，需要多尺度地提取紋 理特征，并對不同尺度下提取出的紋理特征分別進行識別，這樣才可能在其中一個尺度上 正確地識別出條紋區(qū)域。但是如何選擇合適的尺度，并且不同尺度間的紋理特征如何量化， 還是一個難題。并且，單個像素點并不是描述條紋最好的基本單位，以像素點為單位對圖像 進行分割，對于條紋區(qū)域邊緣的分割準確性不高。
[0007] 另一種常見的條紋區(qū)域提取與識別方法，可以提取圖像中的邊緣，利用條紋具有 統(tǒng)一方向的特性，來識別圖像中的條紋區(qū)域。
[0008] 邊緣是指圖像上亮度或者顏色變化強烈的像素點所組成的線。其中邊緣可以是開 放的，也可以是封閉的，如圖2所示是圖像中的邊緣示意圖，其中圖2Α是圖像中的開放邊 緣，圖2B是圖像中的封閉邊緣。
[0009] 首先，提取圖像中的邊緣。然后，分析提取的邊緣是否有顯著的主方向，將沒有主 方向的邊緣判定為非條紋區(qū)域。將具有主方向的邊緣判定為條紋區(qū)域。最后，合并空間距 離接近且有相同主方向的條紋區(qū)域，以得到面積更大的條紋區(qū)域。
[0010] 但是，這種方法并不是所有的條紋都可以進行識別。例如，很多條紋包含有圓弧或 者折角。即使是那些方向一致性很好的條紋，由于其附著的衣物、皮毛的彎曲、褶皺，也會形 成圓弧、折角的情況，導致條紋失去方向性。該方法對于這些沒有方向性的條紋都無法識 別。


【發(fā)明內(nèi)容】

[0011] 為克服現(xiàn)有技術(shù)存在的條紋區(qū)域提取、識別不準確，或無法提取、識別的缺陷，本 申請的主要目的在于提供一種圖像中的條紋區(qū)域的識別方法及裝置，以解決更準確地提 取、識別圖像條紋區(qū)域的技術(shù)問題。
[0012] 本申請一方面提供的一種圖像中的條紋區(qū)域的識別方法，包括：針對從圖像中提 取的多條邊緣，分析每一條邊緣與其相鄰邊緣是否相對平行；聚合所述多條邊緣中經(jīng)所述 分析而被確定為相對平行的所有邊緣；基于聚合的所有邊緣，識別出相應(yīng)的條紋區(qū)域。
[0013] 進一步地，所述相對平行，包括：邊緣與相鄰邊緣之間相互平行或近似平行。
[0014] 進一步地，針對從圖像中提取的多條邊緣，分析每一條邊緣與其相鄰邊緣是否相 對平行，包括：若邊緣與相鄰邊緣之間的距離處處相等或近似相等，或者，垂直于所述邊緣 的直線也垂直或近似垂直于所述相鄰邊緣并且垂直于所述相鄰邊緣的直線也垂直或近似 垂直于所述邊緣，則確定所述邊緣與所述相鄰邊緣相對平行。
[0015] 進一步地,邊緣與相鄰邊緣之間的距離處處相等或近似相等,包括：邊緣上的每 一個像素點到相鄰邊緣上的與所述像素點對應(yīng)的相對像素點之間的直線距離都相等或都 近似相等，并且，相鄰邊緣上的每一個像素點到邊緣上的與所述像素點對應(yīng)的相對像素點 之間的直線距離都相等或都近似相等，則邊緣與相鄰邊緣之間的距離為處處相等或近似相 等。
[0016] 進一步地，垂直于所述邊緣的直線也垂直或近似垂直于所述相鄰邊緣并且垂直于 所述相鄰邊緣的直線也垂直或近似垂直于所述邊緣，包括：所述邊緣上的每一個像素點的 方向角和所述相鄰邊緣上的每一個像素點的方向角都等于或近似等于零度；其中，方向角 是指以像素點為基準點引出的法線和以與所述像素點對應(yīng)的相對像素點為基準點引出的 法線之間的夾角。
[0017] 進一步地，基于聚合的所有邊緣，識別出相應(yīng)的條紋區(qū)域，包括：將聚合的所有邊 緣所包含的輪廓的內(nèi)部，作為條紋區(qū)域而識別出。
[0018] 進一步地，基于聚合的所有邊緣，識別出相應(yīng)的條紋區(qū)域，包括：在聚合的所有邊 緣中，將邊緣上的像素點與所述邊緣的相鄰邊緣上的像素點連線，以得到填充區(qū)域作為條 紋區(qū)域而識別出。
[0019] 本申請另一方面提供的一種圖像中的條紋區(qū)域的識別裝置，包括：分析模塊，用于 針對從圖像中提取的多條邊緣，分析每一條邊緣與其相鄰邊緣是否相對平行；聚合模塊，用 于聚合所述多條邊緣中經(jīng)所述分析而被確定為相對平行的所有邊緣；識別模塊，用于基于 聚合的所有邊緣，識別出相應(yīng)的條紋區(qū)域。
[0020] 進一步地，所述相對平行，包括：邊緣與相鄰邊緣之間相互平行或近似平行。
[0021] 進一步地，所述分析模塊進一步包括：若邊緣與相鄰邊緣之間的距離處處相等或 近似相等，或者，垂直于所述邊緣的直線也垂直或近似垂直于所述相鄰邊緣并且垂直于所 述相鄰邊緣的直線也垂直或近似垂直于所述邊緣，則確定所述邊緣與所述相鄰邊緣相對平 行。
[0022] 進一步地，所述分析模塊，包括：所述邊緣與相鄰邊緣之間的距離處處相等或近似 相等，包括：邊緣上的每一個像素點到相鄰邊緣上的與所述像素點對應(yīng)的相對像素點之間 的直線距離都相等或都近似相等，并且，相鄰邊緣上的每一個像素點到邊緣上的與所述像 素點對應(yīng)的相對像素點之間的直線距離都相等或都近似相等，則邊緣與相鄰邊緣之間的距 離為處處相等或近似相等。
[0023] 進一步地，所述分析模塊，包括：所述垂直于所述邊緣的直線也垂直或近似垂直于 所述相鄰邊緣并且垂直于所述相鄰邊緣的直線也垂直或近似垂直于所述邊緣，包括：所述 邊緣上的每一個像素點的方向角和所述相鄰邊緣上的每一個像素點的方向角都等于或近 似等于零度；其中，方向角是指以像素點為基準點引出的法線和以與所述像素點對應(yīng)的相 對像素點為基準點引出的法線之間的夾角。
[0024] 進一步地，所述識別模塊進一步包括：將聚合的所有邊緣所包含的輪廓的內(nèi)部，作 為條紋區(qū)域而識別出。
[0025] 進一步地,所述識別模塊進一步包括：在聚合的所有邊緣中,將邊緣上的像素點與 所述邊緣的相鄰邊緣上的像素點連線，以得到填充區(qū)域作為條紋區(qū)域而識別出。
[0026] 與現(xiàn)有技術(shù)相比，根據(jù)本申請的技術(shù)方案具有以下有益效果：
[0027] 本申請基于條紋的邊緣之間具有相對平行的特點，提取圖像中的邊緣，并聚合相 對平行的邊緣，來得到條紋區(qū)域。以此提高了條紋區(qū)域提取和識別的準確度。

【專利附圖】

【附圖說明】
[0028] 此處所說明的附圖用來提供對本申請的進一步理解，構(gòu)成本申請的一部分，本申 請的示意性實施例及其說明用于解釋本申請，并不構(gòu)成對本申請的不當限定。在附圖中：
[0029] 圖1是包含條紋的圖像的示意圖；
[0030] 圖2是圖像中的邊緣示意圖；
[0031] 圖3是根據(jù)本申請一實施例的圖像中的條紋區(qū)域的識別方法的流程圖；
[0032] 圖4是根據(jù)本申請一實施例的圖像中的條紋區(qū)域的識別方法中步驟S320的一具 體實施流程圖；
[0033] 圖5是根據(jù)本申請一實施例的像素點與相對像素點的方向角和距離的示意圖；
[0034] 圖6是根據(jù)本申請一實施例的方向角直方圖和距離直方圖的示意圖；
[0035] 圖7是根據(jù)本申請一實施例的圖像中的條紋區(qū)域的識別方法的效果圖；以及
[0036] 圖8是根據(jù)本申請一實施例的圖像中的條紋區(qū)域的識別裝置的結(jié)構(gòu)圖。

【具體實施方式】
[0037] 本申請的主要思想在于，根據(jù)條紋具有方向性并且具有明顯邊緣的特性，提取出 圖像中的邊緣，分析相鄰的邊緣之間是否相對平行，將相對平行的邊緣聚合在一起，進而可 以擴展到將多條相對平行的邊緣進行聚合，得到(提?。┮宰R別出這些邊緣所組成的條紋區(qū) 域。本申請通過該方法提高了條紋區(qū)域提取與識別的準確性。
[0038] 為使本申請的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本申請具體實施例及 相應(yīng)的附圖對本申請技術(shù)方案進行清楚、完整地描述。顯然，所描述的實施例僅是本申請一 部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，本領(lǐng)域普通技術(shù)人員在沒有做 出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。
[0039] 如圖3所示，圖3是根據(jù)本申請一實施例的圖像中的條紋區(qū)域的識別方法的流程 圖。
[0040] 在步驟S310處，提取圖像中的多條邊緣。
[0041] 邊緣可以是指圖像上亮度或者顏色變化強烈的像素點所組成的寬度是一個像素 點的線。例如：圖像中的邊緣可以是直線、曲線、折線等。在圖像中可以包括多條邊緣，圖像 中的邊緣保留了原始圖像中相當重要的信息?？梢酝ㄟ^提取圖像中的邊緣識別出圖像中的 條紋區(qū)域。
[0042] 在一個實施例中，提取圖像中的邊緣可以根據(jù)圖像像素差分梯度的極值來獲得。 圖像像素差分梯度表示圖像中的像素點與相鄰像素點之間的紋理特征的差，得到的差值可 以被稱作梯度值。其中，該紋理特征是表征像素點的特征值，如像素點的灰度值、色度值等。 例如，像素點和相鄰像素點的梯度值，可以是對像素點和相鄰像素點的灰度值取一階梯度 或二階梯度。圖像像素差分梯度的極值，表示該像素點的梯度值大于(或小于）周圍其他像 素點的梯度值，也即是說，該像素點的梯度值是周圍其他像素點梯度值中的峰值(最大值或 最小值)。
[0043] 可以將梯度值是最大值的像素點，認定為梯度值是周圍其他像素點梯度值中的極 值(峰值）的像素點，并將該梯度值是最大值的像素點，作為組成邊緣的像素點。
[0044] 一種圖像邊緣檢測中的梯度值計算方法，可以采用Sobel算子，計算梯度矢量（圖 像像素差分梯度值)，即得到一像素位置的梯度值。其可以包含兩組3*3矩陣，即水平方向 的梯度Gx和垂直方向的梯度G y，將這兩個矩陣分別與區(qū)域A進行平面卷積計算，可以得到 區(qū)域A內(nèi)每一個像素點的梯度值，計算公式是(其中，A代表原始圖像，G x&Gy分別代表經(jīng) 橫向及縱向邊緣檢測的圖像）：

【權(quán)利要求】
1. 一種圖像中的條紋區(qū)域的識別方法，其特征在于，包括： 針對從圖像中提取的多條邊緣，分析每一條邊緣與其相鄰邊緣是否相對平行； 聚合所述多條邊緣中經(jīng)所述分析而被確定為相對平行的所有邊緣； 基于聚合的所有邊緣，識別出相應(yīng)的條紋區(qū)域。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述相對平行，包括：邊緣與相鄰邊緣之 間相互平行或近似平行。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，針對從圖像中提取的多條邊緣，分析每一 條邊緣與其相鄰邊緣是否相對平行，包括： 若邊緣與相鄰邊緣之間的距離處處相等或近似相等，或者，垂直于所述邊緣的直線也 垂直或近似垂直于所述相鄰邊緣并且垂直于所述相鄰邊緣的直線也垂直或近似垂直于所 述邊緣，則確定所述邊緣與所述相鄰邊緣相對平行。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，邊緣與相鄰邊緣之間的距離處處相等或 近似相等，包括： 邊緣上的每一個像素點到相鄰邊緣上的與所述像素點對應(yīng)的相對像素點之間的直線 距離都相等或都近似相等，并且，相鄰邊緣上的每一個像素點到邊緣上的與所述像素點對 應(yīng)的相對像素點之間的直線距離都相等或都近似相等，則邊緣與相鄰邊緣之間的距離為處 處相等或近似相等。
5. 根據(jù)權(quán)利要求3或4所述的方法，其特征在于，垂直于所述邊緣的直線也垂直或近 似垂直于所述相鄰邊緣并且垂直于所述相鄰邊緣的直線也垂直或近似垂直于所述邊緣，包 括： 所述邊緣上的每一個像素點的方向角和所述相鄰邊緣上的每一個像素點的方向角都 等于或近似等于零度；其中， 方向角是指以像素點為基準點引出的法線和以與所述像素點對應(yīng)的相對像素點為基 準點引出的法線之間的夾角。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，基于聚合的所有邊緣，識別出相應(yīng)的條紋 區(qū)域，包括：將聚合的所有邊緣所包含的輪廓的內(nèi)部，作為條紋區(qū)域而識別出。
7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，基于聚合的所有邊緣，識別出相應(yīng)的條紋 區(qū)域，包括：在聚合的所有邊緣中，將邊緣上的像素點與所述邊緣的相鄰邊緣上的像素點連 線，以得到填充區(qū)域作為條紋區(qū)域而識別出。
8. -種圖像中的條紋區(qū)域的識別裝置，其特征在于，包括： 分析模塊，用于針對從圖像中提取的多條邊緣，分析每一條邊緣與其相鄰邊緣是否相 對平行； 聚合模塊，用于聚合所述多條邊緣中經(jīng)所述分析而被確定為相對平行的所有邊緣； 識別模塊，用于基于聚合的所有邊緣，識別出相應(yīng)的條紋區(qū)域。
9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述相對平行，包括：邊緣與相鄰邊緣之 間相互平行或近似平行。
10. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述分析模塊進一步包括： 若邊緣與相鄰邊緣之間的距離處處相等或近似相等，或者，垂直于所述邊緣的直線也 垂直或近似垂直于所述相鄰邊緣并且垂直于所述相鄰邊緣的直線也垂直或近似垂直于所 述邊緣，則確定所述邊緣與所述相鄰邊緣相對平行。
11. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述分析模塊，包括：所述邊緣與相鄰 邊緣之間的距離處處相等或近似相等，包括： 邊緣上的每一個像素點到相鄰邊緣上的與所述像素點對應(yīng)的相對像素點之間的直線 距離都相等或都近似相等，并且，相鄰邊緣上的每一個像素點到邊緣上的與所述像素點對 應(yīng)的相對像素點之間的直線距離都相等或都近似相等，則邊緣與相鄰邊緣之間的距離為處 處相等或近似相等。
12. 根據(jù)權(quán)利要求10或11所述的裝置，其特征在于，所述分析模塊，包括： 所述垂直于所述邊緣的直線也垂直或近似垂直于所述相鄰邊緣并且垂直于所述相鄰 邊緣的直線也垂直或近似垂直于所述邊緣，包括： 所述邊緣上的每一個像素點的方向角和所述相鄰邊緣上的每一個像素點的方向角都 等于或近似等于零度；其中， 方向角是指以像素點為基準點引出的法線和以與所述像素點對應(yīng)的相對像素點為基 準點引出的法線之間的夾角。
13. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述識別模塊進一步包括：將聚合的所 有邊緣所包含的輪廓的內(nèi)部，作為條紋區(qū)域而識別出。
14. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述識別模塊進一步包括：在聚合的所 有邊緣中，將邊緣上的像素點與所述邊緣的相鄰邊緣上的像素點連線，以得到填充區(qū)域作 為條紋區(qū)域而識別出。
【文檔編號】G06K9/46GK104424475SQ201310409431
【公開日】2015年3月18日 申請日期:2013年9月10日 優(yōu)先權(quán)日:2013年9月10日
【發(fā)明者】鄭琪, 王永攀 申請人:阿里巴巴集團控股有限公司