[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112634301A - 设备区域图像提取方法及装置 - Google Patents

设备区域图像提取方法及装置 Download PDF

Info

Publication number
CN112634301A
CN112634301A CN202011584367.4A CN202011584367A CN112634301A CN 112634301 A CN112634301 A CN 112634301A CN 202011584367 A CN202011584367 A CN 202011584367A CN 112634301 A CN112634301 A CN 112634301A
Authority
CN
China
Prior art keywords
image
appearance image
appearance
adaptive threshold
intelligent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011584367.4A
Other languages
English (en)
Inventor
田寨兴
余卫宇
廖伟权
刘嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Epbox Information Technology Co ltd
Original Assignee
Guangzhou Epbox Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Epbox Information Technology Co ltd filed Critical Guangzhou Epbox Information Technology Co ltd
Priority to CN202011584367.4A priority Critical patent/CN112634301A/zh
Publication of CN112634301A publication Critical patent/CN112634301A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/30—Administration of product recycling or disposal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Sustainable Development (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种设备区域图像提取方法及装置，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像，并根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值。进一步地，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息，以根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。

Description

设备区域图像提取方法及装置
技术领域
本发明涉及电子产品技术领域，特别是涉及一种设备区域图像提取方法及装置。
背景技术
随着电子产品技术的发展，各种智能设备层出不穷，例如智能手机、笔记本电脑和平板电脑等。目前，伴随着经济和技术的高速发展，智能设备的普及和更新换代速度也越来越快。以智能手机为例，5G时代的到来，加速了智能手机的换代。在智能设备进行迭代的过程中，有效回收是智能设备剩余价值的有效利用手段之一，可减少对环境的化学污染以及减少浪费。
在智能设备的回收过程中，智能设备的整体损耗程度对智能设备的回收估价有较大影响。一般地，主要通过观察智能设备的外观损耗来确定整体损耗，例如划痕、掉漆或外爆等类别的外观损耗来评估智能设备的整体损耗，为智能设备的回收估价提供部分有效的参考。
然而，在获取智能设备外观图像时，由于成像范围包括智能设备与背景，外观图像内与智能设备外观无关的信息较多，在根据外观图像观察智能设备外观时会受到较多的干扰。
发明内容
基于此，有必要针对在根据外观图像观察智能设备外观时会受到较多的干扰这一缺陷，提供一种设备区域图像提取方法及装置。
一种设备区域图像提取方法，包括步骤：
获取智能设备外观图像；
对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值；
结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息；
根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。
上述的设备区域图像提取方法，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像，并根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值。进一步地，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息，以根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
在其中一个实施例中，在对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程之前，还包括步骤：
对智能设备外观图像作高斯滤波处理；
对高斯滤波处理后的智能设备外观图像进行色彩层面的平滑滤波处理。
在其中一个实施例中，对智能设备外观图像作高斯滤波处理的过程，如下式：
Figure BDA0002865193320000021
其中，X1表示高斯滤波处理后的智能设备外观图像，X表示智能设备外观图像；j＝1,2,...,H，i＝1,2,...,W，j和i分和别表示相对于智能设备外观图像中左上角原点的水平方向和垂直方向的坐标值，H表示X的高度，W表示X的宽度；w表示矩形窗口的长度，设置为3；A表示对应矩形窗口的幅值，设置为16；矩形窗口表示高斯滤波对应的模板如下式
Figure BDA0002865193320000031
在其中一个实施例中，对高斯滤波处理后的智能设备外观图像进行色彩层面的平滑滤波处理的过程，包括步骤：
构建一由空域与色域组成的五维球体；其中，空域为物理空间内的像素点的两个坐标j和i，色域为色彩空间的R,G,B三种颜色，其取值范围均为[0,255]；空域半径设置为15，色域半径设置为20；
以高斯滤波处理后的智能设备外观图像中任一像素点为基础，计算五维球体空间内所有点相对于任一像素点的色彩向量之和；
移动迭代任一像素点至向量终点，迭代至任一像素点的色彩向量之和为五维球体的中心点；
根据五维球体内各像素点的迭代结果，确定平滑滤波处理后的智能设备外观图像。
在其中一个实施例中，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程，如下式：
G1(j,i)＝0.1140*X2b(j,i)+0.58570*X2g(j,i)+0.2989*X2r(j,i)。
其中，G1表示灰度图像，X2表示智能设备外观图像。
在其中一个实施例中，根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值的过程，包括步骤：
计算根据第一梯度值和第二梯度值生成的梯度图像，以及第一梯度值和第二梯度值的相同位置的像素值和的最大值；
确定梯度图像的直方图及直方图的最大值；
遍历直方图求和，在求和结果大于预设阈值时停止求和并记录索引值；
根据索引值、直方图的最大值以及像素值和的最大值计算第一自适应阈值与第二自适应阈值。
在其中一个实施例中，根据边缘轮廓信息提取出智能设备外观图像的设备区域图像的过程，包括步骤：
对边缘轮廓信息进行形态学膨胀操作，获得最终边缘轮廓信息；
筛选出最终边缘轮廓信息的设备区域轮廓，作为设备区域图像。
一种设备区域图像提取装置，包括：
图像获取模块，用于获取智能设备外观图像；
转换处理模块，用于对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
阈值计算模块，用于根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值；
轮廓计算模块，用于结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息；
区域提取模块，用于根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。
上述的设备区域图像提取装置，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像，并根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值。进一步地，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息，以根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的设备区域图像提取方法。
上述的计算机存储介质，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像，并根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值。进一步地，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息，以根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的设备区域图像提取方法。
上述的计算机设备，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像，并根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值。进一步地，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息，以根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
附图说明
图1为一实施方式的设备区域图像提取方法流程图；
图2为另一实施方式的设备区域图像提取方法流程图；
图3为又一实施方式的设备区域图像提取方法流程图；
图4为再一实施方式的设备区域图像提取方法流程图；
图5为一实施方式的设备区域图像提取装置模块结构图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
本发明实施例提供了一种设备区域图像提取方法。
图1为一实施方式的设备区域图像提取方法流程图，如图1所示，一实施方式的设备区域图像提取方法包括步骤S100至步骤S104：
S100，获取智能设备外观图像；
通过拍摄智能设备，获得智能设备外观图像。例如，在智能设备进行回收时，设备回收终端通过拍摄智能设备，提供了包括拍摄背景和设备外观图像在内的智能设备外观图像。
S101，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
通过颜色空间转换处理，将智能设备外观图像作灰度处理，得到智能设备外观图像的灰度图像。
在其中一个实施例中，图2为另一实施方式的设备区域图像提取方法流程图，如图2所示，在步骤S101中对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程之前，还包括步骤S200和步骤S201：
S200，对智能设备外观图像作高斯滤波处理；
其中，通过高斯滤波处理，移除智能设备外观图像中的白噪声。
在其中一个实施例中，步骤S200中对智能设备外观图像作高斯滤波处理的过程，如下式：
Figure BDA0002865193320000071
其中，X1表示高斯滤波处理后的智能设备外观图像，X表示智能设备外观图像；j＝1,2,...,H，i＝1,2,...,W，j和i分和别表示相对于智能设备外观图像中左上角原点的水平方向和垂直方向的坐标值，H表示X的高度，W表示X的宽度；w表示矩形窗口的长度，设置为3；A表示对应矩形窗口的幅值，设置为16；矩形窗口表示高斯滤波对应的模板如下式
Figure BDA0002865193320000072
S201，对高斯滤波处理后的智能设备外观图像进行色彩层面的平滑滤波处理。
对高斯滤波处理后的智能设备外观图像进行色彩层面的平滑滤波处理，平滑智能设备外观图像中颜色相近的区域，获得平滑滤波处理后的智能设备外观图像。
在其中一个实施例中，图3为又一实施方式的设备区域图像提取方法流程图，如图3所示，步骤S201中对高斯滤波处理后的智能设备外观图像进行色彩层面的平滑滤波处理的过程，包括步骤S300至步骤S303：
S300，构建一由空域与色域组成的五维球体；其中，空域为物理空间内的像素点的两个坐标j和i，色域为色彩空间的R,G,B三种颜色，其取值范围均为[0,255]；空域半径设置为15，色域半径设置为20；
首先，构成一个由空域和色域组成的五维球体。其中，空域为物理空间内的像素点的两个坐标j和i，色域为色彩空间的R,G,B红绿蓝三种颜色，其取值范围均为。空域半径设置为15，色域半径设置为20。
S301，以高斯滤波处理后的智能设备外观图像中任一像素点为基础，计算五维球体空间内所有点相对于任一像素点的色彩向量之和；
其次，以高斯滤波处理后的智能设备外观图像X1中任一像素点p0为基础，计算五维球体空间内所有点相对于p0的色彩向量之和p0a0。
S302，移动迭代任一像素点至向量终点，迭代至任一像素点的色彩向量之和为五维球体的中心点；
移动迭代五维球体空间内的p0到该向量的终点；如此迭代下去，直到最后一个五维球体空间中所有点相对于球体中心点的向量之和就是该空间球体的中心点pn。
S303，根据五维球体内各像素点的迭代结果，确定平滑滤波处理后的智能设备外观图像。
对智能设备外观图像X1中每一像素点执行上述迭代操作，以获取到最终平滑滤波处理后的智能设备外观图像X2。
在其中一个实施例中，步骤S101中对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程，如下式：
G1(j,i)＝0.1140*X2b(j,i)+0.58570*X2g(j,i)+0.2989*X2r(j,i)。
其中，G1表示灰度图像，X2表示智能设备外观图像。
S102，根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值；
在其中一个实施例中，边缘检测算法包括sobel边缘检测算法或Canny边缘检测算法。作为一个较优的实施方式，边缘检测算法包括Canny边缘检测算法。
在其中一个实施例中，图4为再一实施方式的设备区域图像提取方法流程图，如图4所示，步骤S102中根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值的过程，包括步骤S400至步骤S402：
首先，获取第一梯度值和第二梯度值；其中，第一梯度值为灰度图像在水平方向的梯度值，第二梯度值为灰度图像在垂直方向的梯度值；
其中，第一梯度值Gx如下式：
Figure BDA0002865193320000091
第二梯度值Gy如下式：
Figure BDA0002865193320000092
其中，第一梯度值Gx的卷积运算核Kx如下式：
Figure BDA0002865193320000093
第二梯度值Gy的卷积运算核Ky如下式：
Figure BDA0002865193320000094
S400，计算根据第一梯度值和第二梯度值生成的梯度图像，以及第一梯度值和第二梯度值的相同位置的像素值和的最大值；
计算第一梯度值Gx和第二梯度值Gy生成的梯度图像Gd，如下式：
Gd(j,i)＝Gx(j,i)+Gy(j,i)
则相同位置的像素值和的最大值gv，如下式：
gv＝max(Gx(j,i)+Gy(j,i))
S401，确定梯度图像的直方图及直方图的最大值；
计算梯度图像Gd的直方图Hd，求取直方图的最大值Hsize＝min(gv,255)。
S402，遍历直方图求和，在求和结果大于预设阈值时停止求和并记录索引值；
遍历直方图Hd求取和hv，当hv大于预设阈值t的时候，停止求和操作，并记录当前的索引值idx，t＝H*W*0.77。
S403，根据索引值、直方图的最大值以及像素值和的最大值计算第一自适应阈值与第二自适应阈值。
最后，第一自适应阈值t1，如下式：
Figure BDA0002865193320000101
第二自适应阈值t2，如下式：
Figure BDA0002865193320000102
S103，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息；
其中，利用边缘检测算法结合第一自适应阈值t1与第二自适应阈值t2，获取灰度图像G1的边缘轮廓信息E1。
S104，根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。
在其中一个实施例中，如图4所示，步骤S104中根据边缘轮廓信息提取出智能设备外观图像的设备区域图像的过程，包括步骤S500和步骤S501：
S500，对边缘轮廓信息进行形态学膨胀操作，获得最终边缘轮廓信息；
对边缘轮廓信息E1进行形态学膨胀操作，获取的最终边缘轮廓信息E。
S501，筛选出最终边缘轮廓信息的设备区域轮廓，作为设备区域图像。
筛选出最终边缘轮廓信息E的设备区域轮廓，并保存为设备区域图像，用于后续设备回收的外观检测。
上述任一实施例的设备区域图像提取方法，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像，并根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值。进一步地，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息，以根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
本发明实施例还提供一种设备区域图像提取装置。
图5为一实施方式的设备区域图像提取装置模块结构图，如图5所示，一实施方式的设备区域图像提取装置包括模块100、模块101、模块102、模块103和模块104：
图像获取模块100，用于获取智能设备外观图像；
转换处理模块101，用于对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
阈值计算模块102，用于根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值；
轮廓计算模块103，用于结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息；
区域提取模块104，用于根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。
上述的设备区域图像提取装置，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像，并根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值。进一步地，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息，以根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的设备区域图像提取方法。
本领域的技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、随机存取存储器(RAM，Random Access Memory)、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种设备区域图像提取方法。
上述计算机设备，在获取到智能设备外观图像后，对智能设备外观图像作颜色空间转换处理，生成对应的灰度图像，并根据灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值。进一步地，结合边缘检测算法、第一自适应阈值与第二自适应阈值，确定灰度图像的边缘轮廓信息，以根据边缘轮廓信息提取出智能设备外观图像的设备区域图像。基于此，可不受智能设备外观图像中边缘信息分布的影响提取其中的设备区域图像，消除拍摄背景的干扰，以便于更精准地针对智能设备的设备区域进行回收估价。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种设备区域图像提取方法，其特征在于，包括步骤：
获取智能设备外观图像；
对所述智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
根据所述灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值；
结合所述边缘检测算法、所述第一自适应阈值与所述第二自适应阈值，确定所述灰度图像的边缘轮廓信息；
根据所述边缘轮廓信息提取出所述智能设备外观图像的设备区域图像。
2.根据权利要求1所述的设备区域图像提取方法，其特征在于，在所述对所述智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程之前，还包括步骤：
对所述智能设备外观图像作高斯滤波处理；
对高斯滤波处理后的所述智能设备外观图像进行色彩层面的平滑滤波处理。
3.根据权利要求2所述的设备区域图像提取方法，其特征在于，所述对所述智能设备外观图像作高斯滤波处理的过程，如下式：
Figure FDA0002865193310000011
其中，X1表示高斯滤波处理后的智能设备外观图像，X表示所述智能设备外观图像；j＝1,2,...,H，i＝1,2,...,W，j和i分和别表示相对于智能设备外观图像中左上角原点的水平方向和垂直方向的坐标值，H表示X的高度，W表示X的宽度；w表示矩形窗口的长度，设置为3；A表示对应矩形窗口的幅值，设置为16；矩形窗口表示高斯滤波对应的模板如下式
Figure FDA0002865193310000021
4.根据权利要求2或3所述的设备区域图像提取方法，其特征在于，所述对高斯滤波处理后的所述智能设备外观图像进行色彩层面的平滑滤波处理的过程，包括步骤：
构建一由空域与色域组成的五维球体；其中，所述空域为物理空间内的像素点的两个坐标j和i，色域为色彩空间的R,G,B三种颜色，其取值范围均为[0,255]；所述空域半径设置为15，色域半径设置为20；
以高斯滤波处理后的所述智能设备外观图像中任一像素点为基础，计算所述五维球体空间内所有点相对于所述任一像素点的色彩向量之和；
移动迭代所述任一像素点至向量终点，迭代至所述任一像素点的色彩向量之和为所述五维球体的中心点；
根据所述五维球体内各像素点的迭代结果，确定平滑滤波处理后的智能设备外观图像。
5.根据权利要求1所述的设备区域图像提取方法，其特征在于，所述对所述智能设备外观图像作颜色空间转换处理，生成对应的灰度图像的过程，如下式：
G1(j,i)＝0.1140*X2b(j,i)+0.58570*X2g(j,i)+0.2989*X2r(j,i)。
其中，G1表示所述灰度图像，X2表示所述智能设备外观图像。
6.根据权利要求1所述的设备区域图像提取方法，其特征在于，所述根据所述灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值的过程，包括步骤：
计算根据第一梯度值和第二梯度值生成的梯度图像，以及所述第一梯度值和所述第二梯度值的相同位置的像素值和的最大值；
确定所述梯度图像的直方图及所述直方图的最大值；
遍历所述直方图求和，在所述求和结果大于预设阈值时停止求和并记录索引值；
根据所述索引值、所述直方图的最大值以及所述像素值和的最大值计算所述第一自适应阈值与所述第二自适应阈值。
7.根据权利要求1所述的设备区域图像提取方法，其特征在于，所述根据所述边缘轮廓信息提取出所述智能设备外观图像的设备区域图像的过程，包括步骤：
对所述边缘轮廓信息进行形态学膨胀操作，获得最终边缘轮廓信息；
筛选出所述最终边缘轮廓信息的设备区域轮廓，作为所述设备区域图像。
8.一种设备区域图像提取装置，其特征在于，包括：
图像获取模块，用于获取智能设备外观图像；
转换处理模块，用于对所述智能设备外观图像作颜色空间转换处理，生成对应的灰度图像；
阈值计算模块，用于根据所述灰度图像计算边缘检测算法的第一自适应阈值与第二自适应阈值；
轮廓计算模块，用于结合所述边缘检测算法、所述第一自适应阈值与所述第二自适应阈值，确定所述灰度图像的边缘轮廓信息；
区域提取模块，用于根据所述边缘轮廓信息提取出所述智能设备外观图像的设备区域图像。
9.一种计算机存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1至7任意一项所述的设备区域图像提取方法。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行程序时实现如权利要求1至7任意一项所述的设备区域图像提取方法。
CN202011584367.4A 2020-12-28 2020-12-28 设备区域图像提取方法及装置 Pending CN112634301A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011584367.4A CN112634301A (zh) 2020-12-28 2020-12-28 设备区域图像提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011584367.4A CN112634301A (zh) 2020-12-28 2020-12-28 设备区域图像提取方法及装置

Publications (1)

Publication Number Publication Date
CN112634301A true CN112634301A (zh) 2021-04-09

Family

ID=75285756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011584367.4A Pending CN112634301A (zh) 2020-12-28 2020-12-28 设备区域图像提取方法及装置

Country Status (1)

Country Link
CN (1) CN112634301A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113131399A (zh) * 2021-05-27 2021-07-16 国网河北省电力有限公司保定供电分公司 瞄准切割方法和瞄准切割系统
US11436570B2 (en) 2014-10-31 2022-09-06 Ecoatm, Llc Systems and methods for recycling consumer electronic devices
US11922467B2 (en) 2020-08-17 2024-03-05 ecoATM, Inc. Evaluating an electronic device using optical character recognition
US11989701B2 (en) 2014-10-03 2024-05-21 Ecoatm, Llc System for electrically testing mobile devices at a consumer-operated kiosk, and associated devices and methods
US12033454B2 (en) 2020-08-17 2024-07-09 Ecoatm, Llc Kiosk for evaluating and purchasing used electronic devices

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226632A (zh) * 2008-02-02 2008-07-23 中国科学院遥感应用研究所 一种新的自适应阈值化方法
CN103577828A (zh) * 2013-11-22 2014-02-12 中国科学院自动化研究所 一种基于边缘特征的道路检测方法
CN104700421A (zh) * 2015-03-27 2015-06-10 中国科学院光电技术研究所 一种基于canny的自适应阈值的边缘检测算法
CN107452007A (zh) * 2017-07-05 2017-12-08 国网河南省电力公司 一种可见光绝缘子图像边缘检测方法
CN108647588A (zh) * 2018-04-24 2018-10-12 广州绿怡信息科技有限公司 物品类别识别方法、装置、计算机设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101226632A (zh) * 2008-02-02 2008-07-23 中国科学院遥感应用研究所 一种新的自适应阈值化方法
CN103577828A (zh) * 2013-11-22 2014-02-12 中国科学院自动化研究所 一种基于边缘特征的道路检测方法
CN104700421A (zh) * 2015-03-27 2015-06-10 中国科学院光电技术研究所 一种基于canny的自适应阈值的边缘检测算法
CN107452007A (zh) * 2017-07-05 2017-12-08 国网河南省电力公司 一种可见光绝缘子图像边缘检测方法
CN108647588A (zh) * 2018-04-24 2018-10-12 广州绿怡信息科技有限公司 物品类别识别方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵蓝飞 等: "基于mean shift的光晕抑制算法", 《系统工程与电子技术》, vol. 35, no. 7, pages 3 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11989701B2 (en) 2014-10-03 2024-05-21 Ecoatm, Llc System for electrically testing mobile devices at a consumer-operated kiosk, and associated devices and methods
US11436570B2 (en) 2014-10-31 2022-09-06 Ecoatm, Llc Systems and methods for recycling consumer electronic devices
US11922467B2 (en) 2020-08-17 2024-03-05 ecoATM, Inc. Evaluating an electronic device using optical character recognition
US12033454B2 (en) 2020-08-17 2024-07-09 Ecoatm, Llc Kiosk for evaluating and purchasing used electronic devices
CN113131399A (zh) * 2021-05-27 2021-07-16 国网河北省电力有限公司保定供电分公司 瞄准切割方法和瞄准切割系统

Similar Documents

Publication Publication Date Title
CN112634301A (zh) 设备区域图像提取方法及装置
CN113781402B (zh) 芯片表面划痕缺陷的检测方法、装置和计算机设备
CN110717489B (zh) Osd的文字区域的识别方法、装置及存储介质
CN109509200B (zh) 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质
CN115908269B (zh) 视觉缺陷检测方法、装置、存储介质和计算机设备
CN110348264B (zh) 一种qr二维码图像校正方法及系统
CN110866924A (zh) 一种线结构光中心线提取方法及存储介质
CN111161222B (zh) 一种基于视觉显著性的印刷辊筒缺陷检测方法
CN105335947A (zh) 图像去噪方法和图像去噪装置
CN112634288A (zh) 设备区域图像分割方法及装置
Chen et al. A blind CNN denoising model for random-valued impulse noise
CN112150371B (zh) 图像降噪方法、装置、设备及存储介质
CN115457063A (zh) Pcb板圆孔的边缘提取方法、装置、设备及存储介质
CN111539238B (zh) 二维码图像修复方法、装置、计算机设备和存储介质
CN114005058A (zh) 粉尘识别方法、装置及终端设备
CN110807110A (zh) 结合局部和全局特征的图片搜索方法、装置及电子设备
CN109961416B (zh) 一种基于形态学梯度多尺度融合的营业执照信息提取方法
CN116739943A (zh) 图像平滑处理方法及目标轮廓提取方法
CN113780110A (zh) 一种图像序列中弱小目标实时检测方法及设备
CN111429372A (zh) 一种增强低对比度图像边缘检测效果的方法
CN111260655A (zh) 基于深度神经网络模型的图像生成方法与装置
CN113538500B (zh) 图像分割方法、装置、电子设备和存储介质
CN113034531B (zh) 设备摆放检测方法及装置
CN114943659A (zh) 地图区域分割方法以及相关设备
CN106815851A (zh) 一种基于视觉测量的栅格圆形油位计自动读数方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination