System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及图像处理,具体涉及到一种图像处理方法、装置及计算机设备。
技术介绍
1、图像处理领域的特征点检测是计算机视觉中很多计算机分析技术,如配准、跟踪等算法的基础。特征点检测技术现在主要算法一般是基于角点检测,但因为图像一般都包含丰富的纹理区域,所以检测到的特征点会比较多,如果直接对所有检测到的特征点进行匹配,运算量会非常大。
技术实现思路
1、本公开提供了一种图像处理方法、装置及计算机设备,能够筛选出图像特征表征性强的少量特征点,从而为后续图像处理提供准确的数据基础,并且降低数据处理的运算量。
2、本公开的第一方面实施例提出了一种图像处理方法,该方法包括:
3、对目标图像进行特征点检测,获取所述目标图像的特征点信息;
4、将所述目标图像划分为多个图像区域;
5、基于所述特征点信息确定所述多个图像区域中每个图像区域的显著特征点;
6、根据所述多个图像区域的划分数量以及预设特征点保留总数,计算所述每个图像区域关于所述显著特征点的最大保留数目m;
7、在所述每个图像区域中分别保留与所述最大保留数目m匹配的显著特征点。
8、在本公开的一些实施例中,所述将所述目标图像划分为多个图像区域,包括:
9、计算所述目标图像的图像复杂度,根据所述图像复杂度确定所述目标图像的划分数量n;
10、利用超像素分割算法将所述目标图像划分为n个超像素块,将所述n个超像素块中的每个超像素块确定为所述图像
11、在本公开的一些实施例中,所述计算所述目标图像的图像复杂度,根据所述图像复杂度确定所述目标图像的划分数量n,包括:
12、将所述目标图像转化为灰度图像,计算所述灰度图像在多个图像方向上的纹理特征,所述纹理特征包括能量、熵、相关性和对比度中的至少一种;
13、根据所述灰度图像在多个图像方向上的纹理特征,计算所述灰度图像在多个图像方向上的复杂度;
14、计算所述灰度图像在多个图像方向上的复杂度的平均值,得到所述目标图像的图像复杂度;
15、在预设参数对照表中确定与所述图像复杂度匹配的目标图像的划分数量n,其中,所述预设参数对照表中预先存储有各个图像复杂度与对应图像划分数量之间的映射关系。
16、在本公开的一些实施例中,所述特征点信息至少包括所述目标图像中各个特征点的特征点位置以及特征显著值,所述基于所述特征点信息确定所述多个图像区域中每个图像区域的显著特征点,包括:
17、基于所述特征点信息确定所述多个图像区域中每个图像区域所包含的特征点,以及所述每个特征点的特征显著值;
18、将所述每个图像区域内,对应所述特征显著值符合预设显著性条件的特征点确定为显著特征点。
19、在本公开的一些实施例中,所述所述根据所述多个图像区域的划分数量以及预设特征点保留总数,计算所述每个图像区域关于所述显著特征点的最大保留数目m,包括:
20、确定所述目标图像对应图像区域的划分数量,以及所述目标图像的预设特征点保留总数;
21、将所述预设特征点保留总数与所述划分数量的比值,确定为所述每个图像区域关于所述显著特征点的最大保留数目m。
22、在本公开的一些实施例中,所述在所述每个图像区域中分别保留与所述最大保留数目匹配的显著特征点,包括:
23、确定所述每个图像区域所包含显著特征点的特征显著值;
24、按照所述特征显著值由大到小的顺序,在所述每个图像区域所包含的显著特征点中分别保留至多m个显著特征点,所述至多m个显著特征点用于表征对应图像区域的图像特征。
25、在本公开的一些实施例中,所述方法还包括:
26、输出经过特征点处理的目标图像,所述经过特征点处理的目标图像在对应划分的每个图像区域中,分别保留有至多m个显著特征点。
27、本公开的第二方面实施例提出了一种图像处理装置,该装置包括:
28、检测模块,用于对目标图像进行特征点检测,获取所述目标图像的特征点信息;
29、划分模块,用于将所述目标图像划分为多个图像区域;
30、确定模块,用于基于所述特征点信息确定所述多个图像区域中每个图像区域的显著特征点;
31、计算模块,用于根据所述多个图像区域的划分数量以及预设特征点保留总数,计算所述每个图像区域关于所述显著特征点的最大保留数目m;
32、处理模块,用于在所述每个图像区域中分别保留与所述最大保留数目m匹配的显著特征点。
33、本公开的第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,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本公开第一方面实施例中描述的方法。
34、本公开的第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开第一方面实施例中描述的方法。
35、本公开的第五方面实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开第一方面实施例中描述的方法。
36、本公开的第六方面实施例提出了一种芯片,该芯片包括一个或多个接口电路和一个或多个处理器;接口电路用于从电子设备的存储器接收信号,并向处理器发送信号,信号包括存储器中存储的计算机指令,当处理器执行计算机指令时,使得电子设备执行本公开第一方面实施例中描述的方法。
37、综上,根据本公开提出的图像处理方法、装置及计算机设备,可首先对目标图像进行特征点检测,获取目标图像的特征点信息,同时还可将目标图像划分为多个图像区域;之后可基于特征点信息确定多个图像区域中每个图像区域的显著特征点;最后可根据多个图像区域的划分数量以及预设特征点保留总数,计算每个图像区域关于显著特征点的最大保留数目m;在每个图像区域中分别保留与最大保留数目m匹配的显著特征点。本公开中的技术方案,通过划分图像区域以及确定各个图像区域内的显著特征点,能够筛选出图像特征表征性强的少量特征点,从而为后续图像处理提供准确的数据基础,并且降低数据处理的运算量。
38、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
本文档来自技高网...【技术保护点】
1.一种图像处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述目标图像划分为多个图像区域,包括:
3.根据权利要求2所述的方法,其特征在于,所述计算所述目标图像的图像复杂度,根据所述图像复杂度确定所述目标图像的划分数量N,包括:
4.根据权利要求1所述的方法,其特征在于,所述特征点信息至少包括所述目标图像中各个特征点的特征点位置以及特征显著值,所述基于所述特征点信息确定所述多个图像区域中每个图像区域的显著特征点,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述多个图像区域的划分数量以及预设特征点保留总数,计算所述每个图像区域关于所述显著特征点的最大保留数目M,包括:
6.根据权利要求1所述的方法,其特征在于,所述在所述每个图像区域中分别保留与所述最大保留数目匹配的显著特征点,包括:
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
8.一种图像处理装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一
11.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
12.一种芯片,其特征在于,包括一个或多个接口电路和一个或多个处理器;所述接口电路用于从电子设备的存储器接收信号,并向所述处理器发送所述信号,所述信号包括存储器中存储的计算机指令,当所述处理器执行所述计算机指令时,使得所述电子设备执行权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述目标图像划分为多个图像区域,包括:
3.根据权利要求2所述的方法,其特征在于,所述计算所述目标图像的图像复杂度,根据所述图像复杂度确定所述目标图像的划分数量n,包括:
4.根据权利要求1所述的方法,其特征在于,所述特征点信息至少包括所述目标图像中各个特征点的特征点位置以及特征显著值,所述基于所述特征点信息确定所述多个图像区域中每个图像区域的显著特征点,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述多个图像区域的划分数量以及预设特征点保留总数,计算所述每个图像区域关于所述显著特征点的最大保留数目m,包括:
6.根据权利要求1所述的方法,其特征在于,所述在所述每个图像区域中分别保留与所述最大保留数目匹...
【专利技术属性】
技术研发人员:王晓莉,
申请(专利权)人:上海玄戒技术有限公司,
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。