首页 / 专利库 / 作物管理 / 种子 / 一种基于图和局部盒子搜索获取团块的计算方法

一种基于图和局部盒子搜索获取团的计算方法

阅读:801发布:2020-05-08

专利汇可以提供一种基于图和局部盒子搜索获取团的计算方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于图和局部盒子搜索获取团 块 的计算方法,具体包括如下步骤:S1:将 像素 图中的所有像素点均转换为 有向图 中的结点;S2:以所述结点为中心,在预设范围内计算设置为中心的结点和其他结点之间的 颜色 差,通过所述颜色差,建立所述设置为中心的结点对应的有向边;S3:根据所述有向边,组建团块,同时基于盒子搜索所述团块。本发明在保证高运算效率以及低内存占有率的情况下保证了 图像分割 的结果,且无需人工定义 种子 点,同时分割灵活,通过RGB颜色差值的对比来进行分割,且每个团块包含的像素点均有最大限制,从而保证了图像分割后可产生适当个数的团块,保证了当处理的图像颜色布局相对较近时的分割效果。,下面是一种基于图和局部盒子搜索获取团的计算方法专利的具体信息内容。

1.一种基于图和局部盒子搜索获取团的计算方法,其特征在于,所述计算方法具体包括如下步骤:
S1:将像素图中的所有像素点均转换为有向图中的结点;
S2:以所述结点为中心,在预设范围内计算设置为中心的结点和其他结点之间的颜色差,通过所述颜色差,建立所述设置为中心的结点对应的有向边;
S3:根据所述有向边,组建团块,同时基于盒子搜索所述团块。
2.根据权利要求1所述的一种基于图和局部盒子搜索获取团块的计算方法,其特征在于,所述结点的数据结构包括有发送端和接收端,所述发送端为有向边的出发点,所述接收端为有向边所指向的点。
3.根据权利要求1或2所述的一种基于图和局部盒子搜索获取团块的计算方法,其特征在于,在所述步骤S2中,建立所述设置为中心的结点对应的有向边,具体如下:
S2.1:以所述结点为中心,在所述预设范围内,按照预先规定的顺序,逐个计算设置为中心的结点和其他结点之间的颜色差;
S2.2:将所述设置为中心的结点对应的所有颜色差进行比较,从中选出最小的颜色差,若无最小颜色差,则按照所述预先规定的顺序,选择第一个结点;若有最小颜色差,则选择最小颜色差对应的结点;
S2.3:将所述设置为中心的结点作为发送端,将所述选择出的结点作为接收端,建立所述设置为中心的结点对应的有向边。
4.根据权利要求3所述的一种基于图和局部盒子搜索获取团块的计算方法,其特征在于,所述颜色差的计算公式具体为:
S=|Red1-Red2|+|Green1-Green2|+|Bule1-Bule2|
其中:S为设置为中心的结点和其他结点之间的颜色差,Red1为设置为中心的结点对应的RED通道的颜色值,Red2为其他结点对应的RED通道的颜色值,Green1为设置为中心的结点对应的Green通道的颜色值,Green2为其他结点对应的Green通道的颜色值,Bule1为设置为中心的结点对应的Bule通道的颜色值,Bule2为其他结点对应的Bule通道的颜色值。
5.根据权利要求3所述的一种基于图和局部盒子搜索获取团块的计算方法,其特征在于,在所述步骤S3中,基于盒子搜索所述团块,具体如下:
S3.1:根据所述有向边和广度优先算法,确定出每个所述结点直接和间接相连接的其他结点个数;
S3.2:判断所述结点直接和间接相连接的其他结点个数是否超过预先设置的最大相连结点数,若超过,则根据所述预先规定的顺序,将所述结点连接至预先设置的最大相连结点数处,若不超过,则根据所述预先规定的顺序,将所述结点直接和间接相连接的其他结点均进行连接;
S3.3:根据所述相连接的结点,组建所述团块,并设置所述团块的大小;
S3.4:根据所述团块大小,判断盒子中是否只有一个团块,若只有一个,则选取所述团块,若不是只有一个,则基于选取条件筛选团块。
6.根据权利要求5所述的一种基于图和局部盒子搜索获取团块的计算方法,其特征在于,在所述步骤S3.4中,基于选取条件筛选团块,具体如下:
S3.4.1:计算团块的长宽比,所述长宽比的计算公式具体为:
A1=h/w
其中:A1为团块的长宽比,h为团块的长度,w为团块的宽度;
S3.4.2:计算团块的有效占比,所述有效占比的计算公式具体为:
A2=a/b
其中:A2为团块的有效占比,a为团块所包含的像素个数,b为整个盒子的像素个数;
S3.4.3:计算团块的色彩均匀度,所述色彩均匀度的计算公式具体为:
A3={[(r1+r2+…+rn)3+(g1+g2+…+gn)/3+(b1+b2+…+bn)/3]/3}/255
其中:A3为团块的色彩均匀度,r1为团块内的第一个像素对应的RED通道的颜色值,r2为团块内的第二个像素对应的RED通道的颜色值,rn为团块内的第n个像素对应的RED通道的颜色值,g1为团块内的第一个像素对应的Green通道的颜色值,g2为团块内的第二个像素对应的Green通道的颜色值,gn为团块内的第n个像素对应的Green通道的颜色值,b1为团块内的第一个像素对应的Bule通道的颜色值,b2为团块内的第二个像素对应的Bule通道的颜色值,bn为团块内的第n个像素对应的Bule通道的颜色值;
S3.4.4:根据所述团块的长宽比、有效占比和色彩均匀度,获取各个所述团块对应的加权平均值,从中选出最大加权平均值,所述最大加权平均值对应的团块即为选取的团块,所述加权平均值的计算公式,具体为:
A=A1*20%+A2*30%+A3*50%
其中:A为团块的加权平均值,A1为团块的长宽比,A2为团块的有效占比,A3为团块的色彩均匀度。

说明书全文

一种基于图和局部盒子搜索获取团的计算方法

技术领域

[0001] 本发明涉及计算机视觉技术领域,尤其涉及一种基于图和局部盒子搜索获取团块的计算方法。

背景技术

[0002] 所谓团块,就是图像中性质相近的像素的集合,即将若干像素聚合为团块。获取团块的算法图像分割机器视觉中的关键步骤,减少了算法复杂度,并且拥有良好的转化前景。
[0003] 使用较为广泛的图像分割技术有基于值的图像分割方法,基于区域图像分割方法以及基于边缘检测的图像分割技术。但都有其弊端,首先,对于第一种方法,在很多情况下,同一个物体和背景的对比度在图像的不同位置并不一样,但如果设置了一个单一的阀值会使得分割效果不佳;第二种方法又分为区域生长以及区域分裂合并两种方法,前者需要人为选择种子,且对噪声较为敏感,后者对于构图较为简单的图像分割效果并不是十分理想;第三种方法不能保证边缘的封闭性和连续性,且在高细节区存在大量的碎边缘,难以形成一个大区域,但是又不宜将高细节区分为小碎片。

发明内容

[0004] 发明目的:针对现有的图像分割算法获取团块的过程中,复杂度大的问题,本发明提出一种基于图和局部盒子搜索获取团块的计算方法。
[0005] 技术方案:为实现本发明的目的,本发明所采用的技术方案是:
[0006] 一种基于图和局部盒子搜索获取团块的计算方法,所述计算方法具体包括如下步骤:
[0007] S1:将像素图中的所有像素点均转换为有向图中的结点;
[0008] S2:以所述结点为中心,在预设范围内计算设置为中心的结点和其他结点之间的颜色差,通过所述颜色差,建立所述设置为中心的结点对应的有向边;
[0009] S3:根据所述有向边,组建团块,同时基于盒子搜索所述团块。
[0010] 进一步地讲,所述结点的数据结构包括有发送端和接收端,所述发送端为有向边的出发点,所述接收端为有向边所指向的点。
[0011] 进一步地讲,在所述步骤S2中,建立所述设置为中心的结点对应的有向边,具体如下:
[0012] S2.1:以所述结点为中心,在所述预设范围内,按照预先规定的顺序,逐个计算设置为中心的结点和其他结点之间的颜色差;
[0013] S2.2:将所述设置为中心的结点对应的所有颜色差进行比较,从中选出最小的颜色差,若无最小颜色差,则按照所述预先规定的顺序,选择第一个结点;若有最小颜色差,则选择最小颜色差对应的结点;
[0014] S2.3:将所述设置为中心的结点作为发送端,将所述选择出的结点作为接收端,建立所述设置为中心的结点对应的有向边。
[0015] 进一步地讲,所述颜色差的计算公式具体为:
[0016] S=|Red1-Red2|+|Green1-Green2|+|Bule1-Bule2|
[0017] 其中:S为设置为中心的结点和其他结点之间的颜色差,Red1为设置为中心的结点对应的RED通道的颜色值,Red2为其他结点对应的RED通道的颜色值,Green1为设置为中心的结点对应的Green通道的颜色值,Green2为其他结点对应的Green通道的颜色值,Bule1为设置为中心的结点对应的Bule通道的颜色值,Bule2为其他结点对应的Bule通道的颜色值。
[0018] 进一步地讲,在所述步骤S3中,基于盒子搜索所述团块,具体如下:
[0019] S3.1:根据所述有向边和广度优先算法,确定出每个所述结点直接和间接相连接的其他结点个数;
[0020] S3.2:判断所述结点直接和间接相连接的其他结点个数是否超过预先设置的最大相连结点数,若超过,则根据所述预先规定的顺序,将所述结点连接至预先设置的最大相连结点数处,若不超过,则根据所述预先规定的顺序,将所述结点直接和间接相连接的其他结点均进行连接;
[0021] S3.3:根据所述相连接的结点,组建所述团块,并设置所述团块的大小;
[0022] S3.4:根据所述团块大小,判断盒子中是否只有一个团块,若只有一个,则选取所述团块,若不是只有一个,则基于选取条件筛选团块。
[0023] 进一步地讲,在所述步骤S3.4中,基于选取条件筛选团块,具体如下:
[0024] S3.4.1:计算团块的长宽比,所述长宽比的计算公式具体为:
[0025] A1=h/w
[0026] 其中:A1为团块的长宽比,h为团块的长度,w为团块的宽度;
[0027] S3.4.2:计算团块的有效占比,所述有效占比的计算公式具体为:
[0028] A2=a/b
[0029] 其中:A2为团块的有效占比,a为团块所包含的像素个数,b为整个盒子的像素个数;
[0030] S3.4.3:计算团块的色彩均匀度,所述色彩均匀度的计算公式具体为:
[0031] A3={[(r1+r2+…+rn)/3+(g1+g2+…+gn)/3+(b1+b2+…+bn)3]/3}/255[0032] 其中:A3为团块的色彩均匀度,r1为团块内的第一个像素对应的RED通道的颜色值,r2为团块内的第二个像素对应的RED通道的颜色值,rn为团块内的第n个像素对应的RED通道的颜色值,g1为团块内的第一个像素对应的Green通道的颜色值,g2为团块内的第二个像素对应的Green通道的颜色值,gn为团块内的第n个像素对应的Green通道的颜色值,b1为团块内的第一个像素对应的Bule通道的颜色值,b2为团块内的第二个像素对应的Bule通道的颜色值,bn为团块内的第n个像素对应的Bule通道的颜色值;
[0033] S3.4.4:根据所述团块的长宽比、有效占比和色彩均匀度,获取各个所述团块对应的加权平均值,从中选出最大加权平均值,所述最大加权平均值对应的团块即为选取的团块,所述加权平均值的计算公式,具体为:
[0034] A=A1*20%+A2*30%+A3*50%
[0035] 其中:A为团块的加权平均值,A1为团块的长宽比,A2为团块的有效占比,A3为团块的色彩均匀度。
[0036] 有益效果:与现有技术相比,本发明的技术方案具有以下有益技术效果:
[0037] (1)本发明的计算方法在保证高运算效率以及低内存占有率的情况下保证了图像分割的结果,且无需人工定义种子点,同时分割灵活,并非选择像素点之间的距离作为分割依据,而是通过RGB颜色差值的对比来进行分割,且每个团块包含的像素点均有最大限制,从而保证了图像分割后可产生适当个数的团块,保证了当处理的图像颜色布局相对较近时的分割效果;
[0038] (2)本发明的计算方法选择出的团块形状规整,具有较好的颜色一致性,具有明显的分区效果的同时,还与原图像轮廓的吻合度高,并且该计算方法无需考虑边缘的连续性以及封闭性,只需为轨迹提取提供基础附图说明
[0039] 图1是本发明基于图和局部盒子搜索获取团块的计算方法的流程示意图;
[0040] 图2是本发明基于盒子搜索团块的流程示意图。

具体实施方式

[0041] 为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。其中,所描述的实施例是本发明一部分实施例,而不是全部的实施例。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。
[0042] 实施例1
[0043] 参考图1,本实施例提供了一种基于图和局部盒子搜索获取团块的计算方法,该计算方法具体包括如下步骤:
[0044] 步骤S1:将像素图中的所有像素点均转换为有向图中的结点。该结点的数据结构包括有发送端和接收端,发送端为有向边的出发点,接收端为有向边所指向的点。
[0045] 在本实施例中,结点的数据结构名称定义为:HhcvGraphPoint,其中定义了该结点的坐标、RGB颜色和该结点的两个数组。该结点的两个数组分别为:
[0046] linkSendToPointList[POINT_LINK_SEND_TO_MAX_NUMBER]
[0047] linkReceiveFromPointList[POINT_LINK_RECEIVE_FROM_MAX_NUMBER][0048] 其中数组linkSendToPointList[POINT_LINK_SEND_TO_MAX_NUMBER]存储每个作为发送端的结点,即结点本身,从而POINT_LINK_SEND_TO_MAX_NUMBER=1。
[0049] 数组linkReceiveFromPointList[POINT_LINK_RECEIVE_FROM_MAX_NUMBER]存储每个结点作为接收端时,指向它的发送端的结点。此处POINT_LINK_RECEIVE_FROM_MAX_NUMBER的数值大小是可以根据使用者的实际情况进行具体选择的。但是在本实施例中,考虑到整个图像的总结点数,为了防止出现多个结点指向一个结点的情况出现,增加时间复杂度,此处POINT_LINK_RECEIVE_FROM_MAX_NUMBER=7。
[0050] 步骤S2:以步骤S1中确定出的结点为中心,在预设范围内计算设置为中心的结点和其他结点之间的颜色差,通过得到的颜色差,建立设置为中心的结点对应的有向边。
[0051] 具体如下:
[0052] 步骤S2.1:以步骤S1中确定出的结点为中心,在预设范围内,按照预先规定的顺序,逐个计算设置为中心的结点和其他结点之间的颜色差。在本实施例中,预设范围大小的设置是根据处理图像尺寸的大小进行变化的,此处预设范围的大小设置为:3*3。当处理图像尺寸过大时,为了处理的方便性,预设范围的大小可以适当的放大,譬如可以放大至5*5或7*7均可。
[0053] 具体地讲,在本实施例中,以步骤S1中确定出的结点为中心,在3*3的预设范围内,从第一行的第一个结点开始按照每一行从左至右的顺序,逐个计算设置为中心的结点和其他每个结点之间的颜色差。值得注意的是,若是设置为中心的结点的预设范围不全,则只选择剩余范围内的结点进行计算。
[0054] 在本实施例中,颜色差的计算公式具体为:
[0055] S=|Red1-Red2|+|Green1-Green2|+|Bule1-Bule2|
[0056] 其中:S为设置为中心的结点和其他结点之间的颜色差,Red1为设置为中心的结点对应的RED通道的颜色值,Red2为其他结点对应的RED通道的颜色值,Green1为设置为中心的结点对应的Green通道的颜色值,Green2为其他结点对应的Green通道的颜色值,Bule1为设置为中心的结点对应的Bule通道的颜色值,Bule2为其他结点对应的Bule通道的颜色值。
[0057] 步骤S2.2:将步骤S2.1中得到的设置为中心的结点对应的所有颜色差进行比较,从中选出最小的颜色差。若设置为中心的结点对应的所有颜色差的大小相同,则该设置为中心的结点对应的所有颜色差中无最小的颜色差,此时则根据预先规定的顺序,选择出第一个结点。
[0058] 若设置为中心的结点对应的所有颜色差的大小不相同,则选择出最小颜色差对应的结点。
[0059] 步骤S2.3:将步骤S2.1中设置为中心的结点作为发送端,将步骤S2.2中选择出的结点作为接收端,建立从发送端指向接收端的有向边,即建立设置为中心的结点对应的有向边。
[0060] 步骤S3:参考图2,步骤S1-步骤S2已经将像素图中的每个像素点均转换为结点,并且在结点之间均建立了有向边,从理论上来说已经不存在独立的结点,且每个结点都至少与一个其他结点有联系。
[0061] 根据步骤S2.3中建立的有向边,组建团块,同时基于盒子搜索团块。具体如下:
[0062] 步骤S3.1:从每一个结点出发,根据步骤S2.3中建立的有向边和广度优先算法,搜索出每个结点直接和间接相连接的其他所有结点,并确定出每个结点直接和间接相连接的其他结点个数。
[0063] 步骤S3.2:根据步骤S3.1中确定出的每个结点直接和间接相连接的其他结点个数,判断每个结点直接和间接相连接的其他结点个数是否超过预先设置的最大相连结点数,若超过预先设置的最大相连结点数,则按照预先规定的顺序,将结点按顺序连接至预先设置的最大相连结点数处时停止。
[0064] 若不超过预先设置的最大相连结点数,则根据预先规定的顺序,将结点和结点直接和间接相连接的其他结点按顺序进行连接。
[0065] 在本实施例中,预先设置的最大相连结点数选择为100。
[0066] 由于在步骤S2.1中,预先规定的顺序选择为从左至右的顺序,从而此处结点之间的连接也是按照从左至右的顺序进行连接和选择。
[0067] 步骤S3.3:根据步骤S3.2中相连接的结点,组建形成团块,同时通过设置团块的长宽来设置其大小。其中团块的长宽选取需要考虑到整个图像的大小,以保证整个图像有适量的团块数量。
[0068] 在本实施例中,团块的长设置为10个像素点,团块的宽也设置为10个像素点。
[0069] 步骤S3.4:根据步骤S3.3中设置的团块大小,判断盒子中是否只有一个团块,若只有一个,则选取该团块为盒子中的最佳团块,若不是只有一个,则基于长宽比、有效占比和色彩均匀度三个选取条件筛选团块。
[0070] 其中基于长宽比、有效占比和色彩均匀度三个选取条件筛选团块,具体如下:
[0071] 步骤S3.4.1:基于长宽比筛选团块,即选取长宽比值最为接近1的值,这是因为长宽比值最为接近1对应的团块是最规则且最接近于正方形的团块。其长宽比的计算公式具体为:
[0072] A1=h/w
[0073] 其中:A1为团块的长宽比,h为团块的长度,w为团块的宽度。
[0074] 步骤S3.4.2:基于有效占比筛选团块,即选取数值最大的值,这是因为数值最大值对应的团块即为覆盖最多像素的团块。其有效占比的计算公式具体为:
[0075] A2=a/b
[0076] 其中:A2为团块的有效占比,a为团块所包含的像素个数,b为整个盒子的像素个数。
[0077] 步骤S3.4.3:基于色彩均匀度筛选团块,即选取数值最大的值,这是为了选取出最亮的色块。其色彩均匀度的计算公式具体为:
[0078] A3={[(r1+r2+…+rn)/3+(g1+g2+…+gn)/3+(b1+b2+…+bn)3]/3}/255[0079] 其中:A3为团块的色彩均匀度,r1为团块内的第一个像素对应的RED通道的颜色值,r2为团块内的第二个像素对应的RED通道的颜色值,rn为团块内的第n个像素对应的RED通道的颜色值,g1为团块内的第一个像素对应的Green通道的颜色值,g2为团块内的第二个像素对应的Green通道的颜色值,gn为团块内的第n个像素对应的Green通道的颜色值,b1为团块内的第一个像素对应的Bule通道的颜色值,b2为团块内的第二个像素对应的Bule通道的颜色值,bn为团块内的第n个像素对应的Bule通道的颜色值。
[0080] 步骤S3.4.4:根据长宽比、有效占比和色彩均匀度,计算各个团块对应的加权平均值,从中选出最大加权平均值,该最大加权平均值对应的团块即为选取的团块。该加权平均值的计算公式,具体为:
[0081] A=A1*20%+A2*30%+A3*50%
[0082] 其中:A为团块的加权平均值,A1为团块的长宽比,A2为团块的有效占比,A3为团块的色彩均匀度。
[0083] 以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构和方法并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均属于本发明的保护范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈