The embodiment of the invention discloses a terminal and an image recognition method is used to solve the limitations of the existing problems in image recognition, not only can distinguish arbitrary one-dimensional code, but also other encoding image recognition of one-dimensional code outside, so as to improve the recognition of image's universality and reliability, without morphological operation and the connected domain analysis to image, improve the image recognition rate. The method of the embodiment comprises a first image feature of target image; according to the target area of the target image is determined that the first image feature; determining the target image target area through image filtering the target region corresponding to the second features of the image; obtaining the target area according to the corresponding; feature recognition of the second image out of the image corresponding to the target region of the encoding type, wherein the encoding types include one-dimensional code, two-dimensional code or at least one type of code.
【技术实现步骤摘要】
一种图像识别方法及终端
本专利技术涉及图像识别领域,具体涉及一种图像识别方法及终端。
技术介绍
传统的扫码引擎,对于输入图像流中的每一帧图像都需要进行扫码,而当输入图像流中包含大量无码图像时,则耗费了扫描引擎的资源,从而降低了识别有码(例如:一维码,二维码等)图像的速率。目前,通过简单的图像梯度信息粗略地识别一维码图像,其具体流程包括:先获取原始图像,假设原始图像是一维码图像,由于一维码图像基本呈现竖状条纹排列,其x方向和y方向的灰度值的绝对差值较大,因此,计算原始图像在x方向和y方向上的灰度值的绝对差值,后对灰度值的绝对差值采用固定阈值二值化,从而过滤掉平滑区域,再进行均值滤波、形态学操作识别出原始图像的一维码区域。但是,基于图像梯度信息只能识别竖状一维码,对稍微有些旋转的一维码则无法识别,对一维码以外的其他编码也无法识别,因此存在图像识别的局限性。另外,采用了形态学操作和连通域分析,都是针对像素点逐个进行运算,计算量大,无法实现快速识别图像的目的。
技术实现思路
本专利技术实施例提供了一种图像识别方法及终端,用于解决现有图像识别中存在局限性的问题,不仅可以识别出任意形状的一维码,还可以识别一维码以外的其他编码图像,从而有效提高识别图像的广泛性以及可靠性,无需对图像进行形态学操作和连通域分析,有效提高识别图像的速率。本专利技术第一方面提供一种图像识别方法,包括:获取目标图像的第一图像特征;根据所述第一图像特征确定所述目标图像的目标区域;通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域;获取所述目标子区域对应的图像的第二图像特征;根据所述第二图像特征 ...
【技术保护点】
一种图像识别方法,其特征在于,包括:获取目标图像的第一图像特征;根据所述第一图像特征确定所述目标图像的目标区域;通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域;获取所述目标子区域对应的图像的第二图像特征;根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型,其中,所述编码类型包括一维码,二维码或者无码中的至少一种类型。
【技术特征摘要】
1.一种图像识别方法,其特征在于,包括:获取目标图像的第一图像特征;根据所述第一图像特征确定所述目标图像的目标区域;通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域;获取所述目标子区域对应的图像的第二图像特征;根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型,其中,所述编码类型包括一维码,二维码或者无码中的至少一种类型。2.根据权利要求1所述的方法,其特征在于,当所述第一图像特征为灰度值时,所述根据所述第一图像特征确定所述目标图像的目标区域包括:确定所述目标图像中的每个像素点对应的第一绝对差值,其中,所述第一绝对差值为像素点在水平方向的灰度值和竖直方向上的灰度值的梯度绝对差值;分别比较所述每个像素点对应的第一绝对差值与第一预设阈值的大小;将第一绝对差值大于第一预设阈值所对应的全部像素点所对应的区域确定为所述目标区域。3.根据权利要求1所述的方法,其特征在于,当所述第一图像特征为灰度值时,所述根据所述第一图像特征确定所述目标图像的目标区域包括:确定所述目标图像中的任意两个像素点所对应的第二绝对差值,其中,所述第二绝对差值为所述任意两个像素点的灰度值的绝对差值;比较所述第二绝对差值与第二预设阈值的大小;将所述第二绝对差值小于第二预设阈值所对应的全部像素点所对应的区域确定为所述目标区域。4.根据权利要求1至3任一项所述的方法,其特征在于,所述通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域包括:将所述目标区域划分为多个子区域;确定每个子区域对应的图像上的每个像素点与所述每个像素点的相邻像素点之间的第一灰度值大小关系;根据所述第一灰度值大小关系确定所述每个子区域对应的图像上的每个像素点的相邻像素点的局部二值模式LBP编码;获取所述每个子区域对应的图像上的全部像素点的LBP编码跳变次数的总和;将所述LBP编码跳变次数的总和大于第三预设阈值的子区域确定为所述目标子区域。5.根据权利要求1至3任一项所述的方法,其特征在于,所述通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域包括:将所述目标区域划分为多个子区域;确定每个子区域对应的图像上的每个像素点对应的第一绝对和值,其中,所述第一绝对和值为像素点在水平方向的灰度值和竖直方向上的灰度值的绝对和值;获取所述每个子区域对应的图像上的全部像素点对应的第一绝对和值的总和;将所述第一绝对和值的总和大于第四预设阈值的子区域确定为所述目标子区域。6.根据权利要求1所述的方法,其特征在于,当所述第二图像特征为蕨Fern特征时,所述获取所述目标子区域对应的图像的第二图像特征包括:获取所述目标子区域对应的图像上的任意两个像素点之间的第二灰度值大小关系;根据所述第二灰度值大小关系确定所述目标子区域对应的图像的Fern特征,其中,所述Fern特征用二进制比特位表示;所述根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型包括:将所述Fern特征转换成十进制数;将所述十进制数输入至目标函数;根据所述目标函数的输出结果识别出所述目标子区域对应的图像的编码类型。7.根据权利要求1所述的方法,其特征在于,当所述第二图像特征为树Tree特征时,所述获取所述目标子区域对应的图像的第二图像特征包括:获取所述目标子区域对应的图像上的各个树节点对应的两个像素点之间的第三灰度值大小关系;根据所述第三灰度值大小关系确定所述目标子区域对应的图像的Tree特征,其中,所述Tree特征用二进制比特位表示;所述根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型包括:将所述Tree特征转换成...
【专利技术属性】
技术研发人员:姜媚,刘海龙,熊鹏飞,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。