图像聚类方法及电子设备技术

本申请涉及图像处理技术领域，公开了一种图像聚类方法及电子设备，该图像聚类方法，包括：获取每一帧图像的像素点；若根据像素点的灰度值确定像素点为有效像素点，则对图像进行粗聚类，得到粗聚类结果，其中，每一粗聚类结果对应一个聚类编号；根据聚类编号以及第一命令，对粗聚类结果进行精聚类，得到精聚类结果。本申请能够减少处理的数据量，节省图像处理时间。间。间。

【技术实现步骤摘要】
图像聚类方法及电子设备


[0001]本申请涉及图像处理
，特别是涉及一种图像聚类方法及电子设备。

技术介绍

[0002]区域标记方法主要用于从图像中提取所需的目标区域，它在机器视觉等图像处理领域中起到举足轻重的作用，在人脸识别、文字识别、指纹识别以及医学图像分析等领域均有着广泛的应用。
[0003]目前，通常采用像素扫描法对图像进行区域标记。像素扫描法以像素点为对象，顺序扫描整幅图片，且每次操作仅考虑目标像素点的4或8邻域，适合硬件并行实现，但是会产生较多的临时标号，需要多次扫描以完成等价标号的连接和替换。然而缓存整幅图像以及多次遍历图像会增加处理的数据量，从而导致耗费更长的时间处理图像。

技术实现思路

[0004]本申请提供一种图像聚类方法及电子设备，以减少处理的数据量，节省图像处理时间。
[0005]本申请提供以下技术方案：
[0006]第一方面，本申请提供一种图像聚类方法，包括：
[0007]获取每一帧图像的像素点；
[0008]若根据像素点的灰度值确定像素点为有效像素点，则对图像进行粗聚类，得到粗聚类结果，其中，每一粗聚类结果对应一个聚类编号；
[0009]根据聚类编号以及第一命令，对粗聚类结果进行精聚类，得到精聚类结果。
[0010]在一些实施例中，有效像素点包括灰度值大于高通滤波阈值的像素点；
[0011]若根据像素点的灰度值确定像素点为有效像素点，则对图像进行粗聚类，得到粗聚类结果，包括：
[0012]判断每一有效像素点是否为一帧图像的第一个有效像素点；
[0013]若有效像素点为一帧图像的第一个有效像素点，则以第一个有效像素点为中心，确定第一聚类区域；
[0014]若有效像素点不是一帧图像的第一个有效像素点，则判断有效像素点的像素坐标是否在第一聚类区域内；
[0015]若有效像素点的像素坐标在第一聚类区域内，则将有效像素点划分入第一聚类区域内；
[0016]在对图像遍历结束后，将第一聚类区域内的所有有效像素点组成的第一粗聚类结果缓存至第一聚类模块。
[0017]在一些实施例中，若根据像素点的灰度值确定像素点为有效像素点，则对图像进行粗聚类，得到粗聚类结果，还包括：
[0018]若有效像素点的像素坐标不在第一聚类区域内，则以有效像素点为中心，确定第
二聚类区域，其中，第二聚类区域与第一聚类区域不同；
[0019]在对图像遍历结束后，将第二聚类区域内的所有有效像素点组成的第二粗聚类结果缓存至第二聚类模块。
[0020]在一些实施例中，根据聚类编号以及第一命令，对粗聚类结果进行精聚类，得到精聚类结果，包括：
[0021]根据聚类编号以及第一命令，在不同聚类模块中并行读取相应数据量的粗聚类结果；
[0022]通过区域生长算法对每一粗聚类结果进行图像生长运算，得到每一粗聚类结果对应的精聚类结果，其中，每一粗聚类结果与对应的精聚类结果具有相同的聚类编号。
[0023]在一些实施例中，通过区域生长算法对每一粗聚类结果进行图像生长运算，得到每一粗聚类结果对应的精聚类结果，包括：
[0024]分别以读取到的每一粗聚类结果的第一个像素点为起始点，遍历每一粗聚类结果；
[0025]每遍历一次粗聚类结果，对精聚类边长增加一个像素点的步长；
[0026]当粗聚类结果中的所有像素点的像素坐标均在生长坐标范围外时，精聚类运算结束，得到每一粗聚类结果对应的精聚类结果，其中，生长坐标范围由精聚类边长确定。
[0027]在一些实施例中，方法还包括：
[0028]按照传输时序，依次将经过高通滤波的图像数据写入两个先入先出队列中，组成三行数据；
[0029]对每一三行数据进行数据滑窗，判定三行数据中的每一像素点的边缘属性；
[0030]在将每一粗聚类结果缓存至每一聚类模块的过程中，将边缘属性放置在像素点的最高位。
[0031]在一些实施例中，方法还包括：
[0032]在不同聚类模块中并行读取相应数据量的粗聚类结果时，对读取到的每一像素点的最高位进行边缘属性判断，并将每一像素点的边长归一化；
[0033]若像素点为边缘点，则将像素点的边长计入周长的组成部分；
[0034]若像素点为内部点，则保持周长不变，其中，周长表示边缘点的个数；
[0035]其中，周长包括：
[0036][0037]其中，c表示周长，p(x,y)表示边缘点。
[0038]在一些实施例中，每一精聚类结果对应一个图像面积和一个周长，方法还包括：
[0039]将每一像素点的面积归一化，统计每一精聚类结果中像素点的个数，作为每一精聚类结果对应的图像面积；
[0040]根据周长和图像面积，计算得到每一精聚类结果的圆形度；
[0041]若精聚类结果的圆形度满足第一条件，则输出精聚类结果；
[0042]其中，圆形度的计算公式包括：
[0043]D＝4π*S/C2
[0044]其中，d表示圆形度,s表示图像面积，c表示周长。
[0045]在一些实施例中，根据周长和图像面积，计算得到每一精聚类结果的圆形度，包括：
[0046]按照预设方式将周长平方的倒数缓存在存储器中；
[0047]以实际周长的平方作为读地址，读取存储器中的数据，得到实际周长平方的倒数；
[0048]将实际周长平方的倒数代入圆形度的计算公式中，计算得到精聚类结果的圆形度。
[0049]第二方面，本申请提供一种电子设备，包括：
[0050]至少一个处理器；和
[0051]与至少一个处理器通信连接的存储器；其中，
[0052]存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面的图像聚类方法。
[0053]第三方面，本申请提供一种非易失性计算机可读存储介质，非易失性计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使电子设备执行如第一方面的图像聚类方法。
[0054]本申请的有益效果是：区别于现有技术的情况，本申请实施方式提供一种图像聚类方法，包括：获取每一帧图像的像素点；若根据像素点的灰度值确定像素点为有效像素点，则对图像进行粗聚类，得到粗聚类结果，其中，每一粗聚类结果对应一个聚类编号；根据聚类编号以及第一命令，对粗聚类结果进行精聚类，得到精聚类结果。本申请能够减少处理的数据量，节省图像处理时间。
附图说明
[0055]一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
[0056]图1是本申请实施例提供的一种应用环境的示意图；
[0057]图2是本申请实施例提供的一种图像聚类方法的流程示意图；
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像聚类方法，其特征在于，所述方法包括：获取每一帧图像的像素点；若根据所述像素点的灰度值确定所述像素点为有效像素点，则对所述图像进行粗聚类，得到粗聚类结果，其中，每一所述粗聚类结果对应一个聚类编号；根据所述聚类编号以及第一命令，对所述粗聚类结果进行精聚类，得到精聚类结果。2.根据权利要求1所述的方法，其特征在于，所述有效像素点包括灰度值大于高通滤波阈值的像素点，所述若根据所述像素点的灰度值确定所述像素点为有效像素点，则对所述图像进行粗聚类，得到粗聚类结果，包括：判断每一所述有效像素点是否为一帧图像的第一个有效像素点；若所述有效像素点为一帧图像的第一个有效像素点，则以所述第一个有效像素点为中心，确定第一聚类区域；若所述有效像素点不是一帧图像的第一个有效像素点，则判断所述有效像素点的像素坐标是否在第一聚类区域内；若所述有效像素点的像素坐标在第一聚类区域内，则将所述有效像素点划分入所述第一聚类区域内；在对所述图像遍历结束后，将所述第一聚类区域内的所有有效像素点组成的第一粗聚类结果缓存至第一聚类模块。3.根据权利要求2所述的方法，其特征在于，所述若根据所述像素点的灰度值确定所述像素点为有效像素点，则对所述图像进行粗聚类，得到粗聚类结果，还包括：若所述有效像素点的像素坐标不在第一聚类区域内，则以所述有效像素点为中心，确定第二聚类区域，其中，所述第二聚类区域与第一聚类区域不同；在对所述图像遍历结束后，将所述第二聚类区域内的所有有效像素点组成的第二粗聚类结果缓存至第二聚类模块。4.根据权利要求2或3所述的方法，其特征在于，所述根据所述聚类编号以及第一命令，对所述粗聚类结果进行精聚类，得到精聚类结果，包括：根据所述聚类编号以及第一命令，在不同聚类模块中并行读取相应数据量的粗聚类结果；通过区域生长算法对每一所述粗聚类结果进行图像生长运算，得到每一所述粗聚类结果对应的精聚类结果，其中，每一所述粗聚类结果与对应的精聚类结果具有相同的聚类编号。5.根据权利要求4所述的方法，其特征在于，所述通过区域生长算法对每一所述粗聚类结果进行图像生长运算，得到每一所述粗聚类结果对应的精聚类结果，包括：分别以读取到的每一所述粗聚类结果的第一个像素点为起始点，遍历每一所述粗聚类结果；每遍历一次所述粗聚类结果，对精聚类边长增加一个像素点的步长；当所...

【专利技术属性】
技术研发人员：熊文海，李世贵，贾希志，
申请(专利权)人：深圳亿嘉和科技研发有限公司，
类型：发明
国别省市：