【技术实现步骤摘要】
一种药盒分割方法
[0001]本专利技术涉及一种药盒分割方法。
技术介绍
[0002]目前，在进行药盒识别时，药盒可能会多个重叠后经过识别装置，采用传统的图片分割方法，需要手动调整每张图片的阈值，无法实现自动化，方法鲁棒性低，不能够适应各种输入图。如果按照背景剪除、手部剪除、轮廓提取与拟合的思路，消除了手部的影响，但是背景剪除增加了运算时间，且切割准确率低，未消除药盒内部纹理的影响，药盒图案存在两个以上的矩形框首尾相接且某一块颜色与背景或手部接近的情况，导致轮廓图的矩形不完整，切割出的药盒图片不完整。
技术实现思路
[0003]本专利技术的目的是克服现有技术的缺陷，提供一种药盒分割方法，综合运用高斯滤波、Canny边缘检测、Suzuki算法、旋转卡壳法等处理手段，并采用大迭代次数开闭运算，可以分割得到药盒的完整矩形轮廓图，且分割准确率高。
[0004]实现上述目的的技术方案是：一种药盒分割方法，包括以下步骤：
[0005]S1，预处理步骤：对输入的药盒图片进行预处理，分为两步：首先将药盒图片转...
【技术保护点】
【技术特征摘要】
1.一种药盒分割方法，其特征在于，包括以下步骤：S1，预处理步骤：对输入的药盒图片进行预处理，分为两步：首先将药盒图片转换为灰度图；然后对灰度图进行高斯滤波，通过高斯滤波在过滤噪声点的同时提取图像特征；S2，Canny边缘检测步骤，具体包括以下工序：S21，使用Sobel算子计算经过高斯滤波处理的灰度图中像素梯度的大小和方向，在二维图像中分别使用x方向和y方向的Sobel核进行滤波，再将它们平方值相加开根号得到像素梯度的大小；梯度值越大，则代表此处图像灰度变化越剧烈，此处极有可能是所要找的边缘；接着计算出像素梯度的方向；S22，然后通过非极大值抑制来选出像素的局部最大值，将不是局部最大值的像素灰度值置0；S23，最后进行双阈值筛选，设定高、低两个阈值，若梯度高于高阈值则标记为强边缘直接保留；若梯度低于低阈值则认为是伪边缘直接丢弃；若梯度位于两阈值之间则通过判断其与强边缘是否连通来决定取舍，若连通则标记为弱边缘点保留，若不连通则丢弃；实现精准地刻画药盒图片中全部边缘；S3，开闭运算步骤：使用大迭代次数的开闭运算来处理Canny边缘检测步骤中得到的药盒图片的边缘，首先使用迭代次数为70次的闭运算来消除药盒图片内部的纹理，将灰度图通过腐蚀膨胀转化为纯色的二值图，避免由于药盒内部纹理的错误识别而将药盒切割成两个的问题；接着依次使用开运算和中值滤波去除二值图中的噪点和毛边；S4，拟合面积最大轮廓步骤：用Suzuki算法追踪经过开闭运算处理的药盒图片的边缘图中所有轮廓，通过计算面积比较出其中面积最大的轮廓，这个轮廓就是要切割的药盒，标记出该轮廓后用旋转卡壳法画出其最小外接矩形，完成药盒的长方形上表面精确的提取；S5，透视变换步骤：获取最小外接矩形的四个顶点坐标，按照坐标值的大小重新排列得到正确的顺序，以最小外接矩形的长宽比为标准，对药盒图像执行等比例的透视变换，得到分割完成的药盒的标准长方形上表面。2.根据权利要求1所述的一种药盒分割方法，其特征在于，步骤S21中，使用Sobel算子进行梯度的大小和方向计算时，水平方向的像素梯度分量为dx，竖直方向像素梯度分量为dy，像素梯度的大小的计算公式为:像素梯度的方向与水平方向夹角为:3.根据权利要求1所述的一种药盒分割方法，其特征在于，步骤S3中，所述闭运算指先膨胀后腐蚀的操作，对目标轮廓进行平滑、消除图像中小的孔洞、连接轮廓中细长的断裂；所述开运算指先腐蚀后膨胀的操作，平滑目标轮廓、消除图中较小的噪声点和突出物。4.根据权利要求1所述的一种药盒分割方法，其特征在于，步骤S4中，Suzuki算法中，将经过二值化处理的图像中，上下左右极限位置定义为frame，frame包含的像素值为0；并进行以下定义：定义1边缘点：如果一个像素值为1的点(i,j)在其4
‑
邻域或8
‑
邻域内存在一个像素值
为0的点(p,q)，则称该像素为边缘点；定义2连通区域的环绕：在二值图中假设有两个连通区域S1和S2，如果存在一个属于S2的像素点位于S1中一像素点到frame的任意4条路径上，则称S2环绕S1...
【专利技术属性】
技术研发人员：戴建伟，罗建峰，王志伟，任晨培，赵维杰，戴秋杰，任清华，王勇，祝莺，王少登，
申请(专利权)人：上海健麾信息技术股份有限公司，
类型：发明
国别省市：
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。