一种图像处理方法和装置制造方法及图纸

本说明书一个或多个实施例提供一种图像处理方法和装置，该方法包括：获取图像，进而基于预设的监督计数器和卡普尔熵的鲸鱼优化算法，确定最佳分割阈值向量，以对图像进行阈值分割，生成阈值图像；利用基于像素集中度函数的鲸鱼优化算法，对阈值图像中的各阈值像素在阈值图像中集中的位置进行搜索，以确定目标矩形窗口向量；根据目标矩形窗口向量，截取图像中的目标区域。可快速且精确地搜索位置和大小不特定的目标在图像中的矩形区域，也可用于图像的特征斑块的提取，可应用于基于背景的迷彩生成，适用范围广。

【技术实现步骤摘要】
一种图像处理方法和装置
本说明书一个或多个实施例涉及计算机
，尤其涉及一种图像处理方法和装置。
技术介绍
鲸鱼优化算法是一种群智能优化算法，其主要原理是，模仿鲸鱼群的捕食过程，对优化问题进行求解。鲸鱼群中，每一个个体(即搜索代理)都代表着优化问题的一个可能的解，通过计算每个搜索代理的适应度值，不断的迭代更新搜索代理，来获取最优解。传统鲸鱼优化算法，求得优化问题的解受迭代次数的影响，迭代次数通过手动设定。当迭代次数设定过小时，会造成搜索不彻底，得不到最优解；而当迭代次数设定过大时，经过一定的迭代次数后，优化结果已经收敛。不再产生较当前优化结果更好的解，此后的迭代属于大量的冗余计算，导致计算资源的浪费。在图像中定位某个目标的位置时，目标物可能会分布于图像中的任意位置，在图像中目标的尺寸也是不确定的。如果采用传统的交叉矩形框搜索方法，需要先固定窗口的高度，从上向下搜索，再固定搜索窗口的宽度，从左到右搜索，最终的定位窗口尺寸固定，这就需要对目标尺寸有一定的先验知识，适应性不强。若果采用传统的穷举搜索方法，需要搜索图像中所有矩形子区域，但是搜索空间中子区域数量巨大，导致计算量大。如果采用引入元启发式算法来加速搜索的方法，为了减少评价函数的计算量，一般采用固定的窗口大小，且只搜索粗略的网格，导致搜索结果不够精确。
技术实现思路
有鉴于此，本说明书一个或多个实施例的目的在于提出一种，以解决的问题。基于上述目的，本说明书一个或多个实施例提供了一种图像处理方法，其特征在于，包括：>获取图像，进而基于预设的监督计数器和卡普尔熵的鲸鱼优化算法，确定最佳分割阈值向量，以对图像进行阈值分割，生成阈值图像；利用基于像素集中度函数的鲸鱼优化算法，对阈值图像中的各阈值像素在阈值图像中集中的位置进行搜索，以确定目标矩形窗口向量；根据目标矩形窗口向量，截取图像中的目标区域。可选地，确定最佳分割阈值向量，包括：多次执行以下迭代步骤：对图像划分区域，生成各矩形窗口向量，响应于当前迭代次数小于最大迭代次数且当前终止误差计数小于最大终止误差计数，对图像中的每一个矩形窗口向量计算对于图像的卡普尔熵值；将卡普尔熵值最大的矩形窗口向量确定为第一最佳分割阈值向量；更新图像中的每一个矩形窗口向量所对应的参数值，进而对更新后的每一个矩形窗口向量计算对于图像的卡普尔熵值；将更新后的每一个矩形窗口向量中卡普尔熵值最大的矩形窗口向量确定为第N最佳分割阈值向量；响应于确定第N最佳分割阈值向量大于第一最佳分割阈值向量，则将第N最佳分割阈值向量确定为最佳分割阈值向量；响应于确定第N最佳分割阈值向量等于第一最佳分割阈值向量，则将计数加1；响应于确定第N最佳分割阈值向量小于第一最佳分割阈值向量，则舍弃第N最佳分割阈值向量。可选地，对图像进行阈值分割，生成阈值图像，包括：获取图像对应的原灰度图像；扩展最佳分割阈值向量，在最佳分割阈值向量的第一个元素前添加元素0，在最后一个元素后添加元素256，生成目标分割阈值向量；基于原灰度图像和目标分割阈值向量，对图像进行阈值化，进而生成阈值图像。可选地，确定目标矩形窗口向量，包括：多次执行以下迭代步骤：对图像划分区域，生成各矩形窗口向量，响应于当前迭代次数小于最大迭代次数且当前终止误差计数小于最大终止误差计数，对图像中的每一个矩形窗口向量计算像素集中度值；将像素集中度值最大的矩形窗口向量确定为第一最佳矩形窗口向量；更新图像中的每一个矩形窗口向量所对应的参数值并且调整每一个矩形窗口向量中元素的位置，进而对更新后的每一个矩形窗口向量计算像素集中度值；将更新后的每一个矩形窗口向量对应的像素集中度值最大的矩形窗口向量确定为第N最佳矩形窗口向量；响应于确定第N最佳矩形窗口向量大于第一最佳矩形窗口向量，则将第N最佳矩形窗口向量确定为目标矩形窗口向量；响应于确定第N最佳矩形窗口向量等于第一最佳矩形窗口向量，则将计数加1；响应于确定第N最佳矩形窗口向量小于第一最佳矩形窗口向量，则舍弃第N最佳矩形窗口向量；响应于达到最大迭代次数或者达到最大终止计数，且最佳矩形窗口所对应的元素不是最佳分割阈值向量中的最后一个元素，记录该得到的最佳矩形窗口向量，重新设置搜索阈值继续进行搜索；响应于达到最大迭代次数或者达到最大终止计数，且最佳矩形窗口所对应的元素是最佳分割阈值向量中的最后一个元素，记录该得到的最佳矩形窗口向量，并输出所有的矩形窗口向量。可选地，方法还包括：对更新后的图像中的每一个矩形窗口向量按矩形窗口向量的数据结构进行调整；以及矩形窗口向量的数据结构，包括：按顺序组成的r1，c1，r2，c2，其中，r1，c1分别表示矩形窗口在图像中的起始行和起始列，r2，c2分别表示矩形窗口在图像中的终止行和终止列，并且r2≥r1,c2≥c1。可选地，计算像素集中度值，包括：统计阈值图像中像素的值为最佳矩形窗口所对应的元素的第一像素数；统计矩形窗口中像素的值为最佳矩形窗口所对应的元素的第二像素数；计算阈值图像的总像素数，计算矩形窗口中的第三像素数；基于第一像素数、第二像素数、总像素数和第三像素数，确定像素集中度值。可选地，根据目标矩形窗口向量，截取图像中的目标区域，包括：获取矩形窗口向量截取的目标区域用来表示，按照下式进行截取：一种图像处理装置，其特征在于，包括：获取单元，被配置成获取图像，进而基于预设的监督计数器和卡普尔熵的鲸鱼优化算法，确定最佳分割阈值向量，以对图像进行阈值分割，生成阈值图像；目标矩形窗口向量确定单元，被配置成利用基于像素集中度函数的鲸鱼优化算法，对阈值图像中的各阈值像素在阈值图像中集中的位置进行搜索，以确定目标矩形窗口向量；目标区域截取单元，被配置成根据目标矩形窗口向量，截取图像中的目标区域。可选地，获取单元进一步被配置成：多次执行以下迭代步骤：对图像划分区域，生成各矩形窗口向量，响应于当前迭代次数小于最大迭代次数且当前终止误差计数小于最大终止误差计数，对图像中的每一个矩形窗口向量计算对于图像的卡普尔熵值；将卡普尔熵值最大的矩形窗口向量确定为第一最佳分割阈值向量；更新图像中的每一个矩形窗口向量所对应的参数值，进而对更新后的每一个矩形窗口向量计算对于图像的卡普尔熵值；将更新后的每一个矩形窗口向量中卡普尔熵值最大的矩形窗口向量确定为第N最佳分割阈值向量；响应于确定第N最佳分割阈值向量大于第一最佳分割阈值向量，则将第N最佳分割阈值向量确定为最佳分割阈值向量；响应于确定第N最佳分割阈值向量等于第一最佳分割阈值向量，则将计数加1；响应于确定第N最佳分割阈值向量小于第一最佳分割阈值向量，则舍弃第N最佳分割阈值向量。可选地，获取单元进一步被配置成：...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取图像，进而基于预设的监督计数器和卡普尔熵的鲸鱼优化算法，确定最佳分割阈值向量，以对所述图像进行阈值分割，生成阈值图像；/n利用基于像素集中度函数的鲸鱼优化算法，对所述阈值图像中的各阈值像素在所述阈值图像中集中的位置进行搜索，以确定目标矩形窗口向量；/n根据所述目标矩形窗口向量，截取所述图像中的目标区域。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取图像，进而基于预设的监督计数器和卡普尔熵的鲸鱼优化算法，确定最佳分割阈值向量，以对所述图像进行阈值分割，生成阈值图像；
利用基于像素集中度函数的鲸鱼优化算法，对所述阈值图像中的各阈值像素在所述阈值图像中集中的位置进行搜索，以确定目标矩形窗口向量；
根据所述目标矩形窗口向量，截取所述图像中的目标区域。


2.根据权利要求1所述的方法，其特征在于，所述确定最佳分割阈值向量，包括：
多次执行以下迭代步骤：
对所述图像划分区域，生成各矩形窗口向量，响应于当前迭代次数小于最大迭代次数且当前终止误差计数小于最大终止误差计数，对所述图像中的每一个矩形窗口向量计算对于所述图像的卡普尔熵值；
将所述卡普尔熵值最大的矩形窗口向量确定为第一最佳分割阈值向量；
更新所述图像中的每一个矩形窗口向量所对应的参数值，进而对更新后的每一个矩形窗口向量计算对于所述图像的卡普尔熵值；
将更新后的每一个矩形窗口向量中卡普尔熵值最大的矩形窗口向量确定为第N最佳分割阈值向量；
响应于确定所述第N最佳分割阈值向量大于所述第一最佳分割阈值向量，则将所述第N最佳分割阈值向量确定为最佳分割阈值向量；
响应于确定所述第N最佳分割阈值向量等于所述第一最佳分割阈值向量，则将计数加1；
响应于确定所述第N最佳分割阈值向量小于所述第一最佳分割阈值向量，则舍弃所述第N最佳分割阈值向量。


3.根据权利要求2所述的方法，其特征在于，所述对所述图像进行阈值分割，生成阈值图像，包括：
获取所述图像对应的原灰度图像；
扩展所述最佳分割阈值向量，在所述最佳分割阈值向量的第一个元素前添加元素0，在最后一个元素后添加元素256，生成目标分割阈值向量；
基于所述原灰度图像和所述目标分割阈值向量，对所述图像进行阈值化，进而生成阈值图像。


4.根据权利要求3所述的方法，其特征在于，所述确定目标矩形窗口向量，包括：
多次执行以下迭代步骤：
对所述图像划分区域，生成各矩形窗口向量，响应于当前迭代次数小于最大迭代次数且当前终止误差计数小于最大终止误差计数，对所述图像中的每一个矩形窗口向量计算像素集中度值；
将所述像素集中度值最大的矩形窗口向量确定为第一最佳矩形窗口向量；
更新所述图像中的每一个矩形窗口向量所对应的参数值并且调整每一个矩形窗口向量中元素的位置，进而对更新后的每一个矩形窗口向量计算像素集中度值；
将更新后的每一个矩形窗口向量对应的像素集中度值最大的矩形窗口向量确定为第N最佳矩形窗口向量；
响应于确定所述第N最佳矩形窗口向量大于所述第一最佳矩形窗口向量，则将所述第N最佳矩形窗口向量确定...

【专利技术属性】
技术研发人员：邓联文，高藩，赵岩，廖聪维，黄生祥，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43