图像点检比对方法、电子设备和计算机可读存储介质技术

本申请实施例涉及图像处理技术领域，公开了一种图像点检比对方法、电子设备和计算机可读存储介质，该方法包括：从第一图像中提取第一特征点，并从第二图像中提取第二特征点；对第一特征点和第二特征点进行匹配，确定出匹配的特征点；根据第一图像和第二图像生成差分图像，并根据所述差分图像、所述匹配的特征的点和预设的灰度值阈值，得到二值化图像；在所述二值化图像中确定目标区域，并分别在所述第一图像和所述第二图像中确定所述目标区域对应的第一区域和第二区域；根据所述第一区域、所述第二区域和预训练的检测模型，确定出存在不同的目标区域，从而快速、准确地找出两张图像之间不同的地方，有效提升了检测结果的可靠性。性。性。

【技术实现步骤摘要】
图像点检比对方法、电子设备和计算机可读存储介质


[0001]本申请实施例涉及图像处理
，特别涉及一种图像点检比对方法、电子设备和计算机可读存储介质。

技术介绍

[0002]图像点检比对的目的是为了找出两张图像中所有不一样的地方，以手机系统版本更新为例，由于更新的缘故，手机的基础界面和上一版本的界面相比较会存在正常的不同和因bug导致的不同，开发、测试人员需要对不同之处进行测试。
[0003]然而，无论是业内常用的基于图像直方图的图像点检比对方法、基于模板匹配的图像点检比对方法、还是基于感知哈希算法的图像检点比对方法，在实际使用中均存在较多数量的错误检测，并且需要测试人员进行人工配合，测试人员长时间工作后容易疲劳，进而导致检测速度较慢、检测结果的可靠性较低。

技术实现思路

[0004]本申请实施例的目的在于提供一种图像点检比对方法、电子设备和计算机可读存储介质，可以快速、准确地找出两张图像之间不同的地方，有效提升了检测结果的可靠性。
[0005]为解决上述技术问题，本申请的实施例提供了一种图像点检比对方法，包括以下步骤：从第一图像中提取第一特征点，并从第二图像中提取第二特征点；对所述第一特征点和所述第二特征点进行匹配，确定出匹配的特征点；根据所述第一图像和所述第二图像生成差分图像，并根据所述差分图像、所述匹配的特征的点和预设的灰度值阈值，得到二值化图像；在所述二值化图像中确定目标区域，并分别在所述第一图像和所述第二图像中确定所述目标区域对应的第一区域和第二区域；根据所述第一区域、所述第二区域和预训练的检测模型，确定出存在不同的目标区域；其中，所述检测模型用于确定所述第一区域与所述第二区域之间的相似程度。
[0006]本申请的实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的图像点检比对方法。
[0007]本申请的实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的图像点检比对方法。
[0008]本申请的实施例提供的图像点检比对方法、电子设备和计算机可读存储介质，第一图像和第二图像是需要进行图像点检比对的两张图像，服务器从第一图像中提取第一特征点，并从第二图像中提取第二特征点；再对提取出的第一特征点和第二特征点进行匹配，确定出匹配的特征点；随后根据第一图像和第二图像生成差分图像，并根据差分图像、确定出的匹配的特征的点和预设的灰度值阈值，得到二值化图像；再在二值化图像中确定目标区域，并分别在第一图像和第二图像中确定目标区域对应的第一区域和第二区域；最后根
据第一区域、第二区域和预训练的用于确定第一区域与第二区域之间的相似程度检测模型，确定出存在不同的目标区域。考虑到业内常用的图像点检比对方法在实际使用中存在错误检测，并且需要测试人员人工配合，检测速度较慢、检测结果的可靠性较低，而本申请的实施例通过匹配、差分、二值化的方式，快速找到可能存在不同的疑问区域，再结合预训练的检测模型对疑问区域进行判定，从而快速、准确地找出第一图像与第二图像之间不同的地方，有效提升了检测结果的可靠性。
[0009]另外，所述从第一图像中提取第一特征点，并从第二图像中提取第二特征点，包括：根据预设的提取算法和预设的第一提取参数从第一图像中提取第一特征点，并根据所述提取算法和预设的第二提取参数从第二图像中提取第二特征点；其中，所述第一提取参数包括第一对比度，所述第二提取参数包括第二对比度，所述第二对比度小于所述第一对比度。在实际使用中，第二图像往往是新的、更需要关注的图像，因此本申请在提取特征点时，要设置从第二图像提取特征点所使用的对比度小于从第一图像提取特征点所使用的对比度，这样可以从第二图像中提取到更多的特征点，使得图像点检比对的结果更加可靠。
[0010]另外，预设的提取算法包括尺度不变特征变换(Scale
‑
invariant feature transform，简称：SIFT)算法和平滑尺度不变特征变换(Smooth Scale
‑
invariant feature transform，简称：Smooth
‑
SIFT)算法，所述根据预设的提取算法和预设的第一提取参数从第一图像中提取第一特征点，并根据所述提取算法和预设的第二提取参数从第二图像中提取第二特征点，包括：根据所述SIFT算法和所述第一提取参数从所述第一图像中提取第一基础特征点，并根据所述SIFT算法和所述第二提取参数从所述第二图像中提取第二基础特征点；根据所述Smooth
‑
SIFT算法和预设的第三提取参数，分别从所述第一图像和所述第二图像中提取第一补充特征点和第二补充特征点；其中，所述第三提取参数包括第三对比度，所述第三对比度小于所述第二对比度；将所述第一基础特征点和所述第一补充特征点作为所述第一特征点，将所述第二基础特征点和所述第二补充特征点作为所述第二特征点。本申请采用SIFT算法和Smooth
‑
SIFT算法共同从第一图像、第二图像中提取特征点，可以得到更多的、更丰富的特征点，从第一图像、第二图像中提取出的特征点的分布更加均匀，便于后续的二值化处理，以及检测模型的检测，从源头上提升了图像点检比对的准确性、可靠性。
[0011]另外，所述对所述第一特征点和所述第二特征点进行匹配，确定出匹配的特征点，包括：根据预设的特征向量描述子，分别计算各所述第一特征点对应的第一特征向量、以及各所述第二特征点对应的第二特征向量；遍历各所述第一特征向量，根据预设的匹配算法，确定各所述第二特征向量中是否有与当前第一特征向量匹配的第二特征向量；将所述当前第一特征向量对应的第一特征点，和与所述当前第一特征向量匹配的第二特征向量对应的第二特征点，作为一对匹配的特征点。
[0012]另外，所述匹配算法包括最近邻匹配(K
‑
Nearest Neighbor，简称：KNN)算法，所述根据预设的匹配算法，确定各所述第二特征向量中是否有与当前第一特征向量匹配的第二特征向量，包括：根据所述KNN算法，分别计算所述当前第一特征向量与各所述第二特征向量之间的匹配距离，并确定各所述匹配距离中的最小值和第二小值；计算所述最小值与所述第二小值之间的比值，若所述最小值与所述第二小值之间的比值小于预设的比值阈值，则计算所述当前第一特征向量对应的第一特征点与所述最小值对应的第二特征点之间的
坐标差值；若所述坐标差值小于预设的差值阈值，则确定所述最小值对应的第二特征向量与所述当前第一特征向量匹配。本申请在确定第一特征向量是否有匹配的第二特征向量时，采用了比例和坐标差值的双重判断标准，确保第一特征向量与匹配的第二特征向量之间较高的匹配度，从而保证确定出的匹配的特征点是准确度，进一步提升了图像点检比对的准确性、可靠性。
[0013]另外，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像点检比对方法，其特征在于，包括：从第一图像中提取第一特征点，并从第二图像中提取第二特征点；对所述第一特征点和所述第二特征点进行匹配，确定出匹配的特征点；根据所述第一图像和所述第二图像生成差分图像，并根据所述差分图像、所述匹配的特征的点和预设的灰度值阈值，得到二值化图像；在所述二值化图像中确定目标区域，并分别在所述第一图像和所述第二图像中确定所述目标区域对应的第一区域和第二区域；根据所述第一区域、所述第二区域和预训练的检测模型，确定出存在不同的目标区域；其中，所述检测模型用于确定所述第一区域与所述第二区域之间的相似程度。2.根据权利要求1所述的图像点检比对方法，其特征在于，所述从第一图像中提取第一特征点，并从第二图像中提取第二特征点，包括：根据预设的提取算法和预设的第一提取参数从第一图像中提取第一特征点，并根据所述提取算法和预设的第二提取参数从第二图像中提取第二特征点；其中，所述第一提取参数包括第一对比度，所述第二提取参数包括第二对比度，所述第二对比度小于所述第一对比度。3.根据权利要求2所述的图像点检比对方法，其特征在于，预设的提取算法包括尺度不变特征变换SIFT算法和平滑尺度不变特征变换Smooth
‑
SIFT算法，所述根据预设的提取算法和预设的第一提取参数从第一图像中提取第一特征点，并根据所述提取算法和预设的第二提取参数从第二图像中提取第二特征点，包括：根据所述SIFT算法和所述第一提取参数从所述第一图像中提取第一基础特征点，并根据所述SIFT算法和所述第二提取参数从所述第二图像中提取第二基础特征点；根据所述Smooth
‑
SIFT算法和预设的第三提取参数，分别从所述第一图像和所述第二图像中提取第一补充特征点和第二补充特征点；其中，所述第三提取参数包括第三对比度，所述第三对比度小于所述第二对比度；将所述第一基础特征点和所述第一补充特征点作为所述第一特征点，将所述第二基础特征点和所述第二补充特征点作为所述第二特征点。4.根据权利要求1所述的图像点检比对方法，其特征在于，所述对所述第一特征点和所述第二特征点进行匹配，确定出匹配的特征点，包括：根据预设的特征向量描述子，分别计算各所述第一特征点对应的第一特征向量、以及各所述第二特征点对应的第二特征向量；遍历各所述第一特征向量，根据预设的匹配算法，确定各所述第二特征向量中是否有与当前第一特征向量匹配的第二特征向量；将所述当前第一特征向量对应的第一特征点，和与所述当前第一特征向量匹配的第二特征向量对应的第二特征点，作为一对匹配的特征点。5.根据权利要求4所述的图像点检比对方法，其特征在于，所述匹配算法包括最近邻匹配KNN算法，所述根据预设的匹配算法，确定各所述第二特征向量中是否有与当前第一特征向量匹配的第二特征向量，包括：根据所述KNN算法，分别计算所述当前第一特征向量与各所述第二特征向量之间的匹配距离，并确定各所述匹配距离中的最小值和第二小值；
计算所述最小值与所述第二小值之间的比值，若所述最小值与所述第二小值之间的比值小于预设的比值阈值，则计算所述当前第一特征向量对应的第一特征点与所述最小值对应的第二特征点之间的坐标差值；若所述坐标差值小于预设的差值阈值，则确定所述最小值对应的第二特征向量与所述当前第一特征向量匹配。6.根据权利要求1所述的图像点检比对方法，其特征在于，在所述确定出匹配的特征点之后，所述根据所述第一图像和所述第二图像生成差分图像之前，还包括：获取所述第一特征点的数量与所述第二特征点的数量之中的最大值；判断所述匹配的特征点的数量与所述最大值之间的比值是否小于预设的截断阈值；若所述匹配的特征点的数量与所述最大值之间的比值小于所述截断阈值，则直接确定所述第一图像与所述第二图像不同；若所述匹配的特征点的数量与所述最大值之间的比值大于或等于所...

【专利技术属性】
技术研发人员：唐晓微，
申请(专利权)人：无锡睿勤科技有限公司，
类型：发明
国别省市：