[发明专利]掩模图像的分割方法及系统有效
申请号: | 201910566963.0 | 申请日: | 2019-06-27 |
公开(公告)号: | CN110458843B | 公开(公告)日: | 2022-06-07 |
发明(设计)人: | 江瑞;黄力炜 | 申请(专利权)人: | 清华大学 |
主分类号: | G06T7/10 | 分类号: | G06T7/10;G06T7/13;G06T7/155 |
代理公司: | 北京鸿元知识产权代理有限公司 11327 | 代理人: | 张超艳;金庆军 |
地址: | 100084 北京市海淀区1*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 图像 分割 方法 系统 | ||
1.一种掩模图像的分割方法,其特征在于,包括以下步骤:
掩模图像腐蚀和掩模图像膨胀,包括采用卷积核对掩模图像进行腐蚀,将掩模图像边缘的干扰凹陷给去除;掩模图像膨胀在进行凸缺陷筛选后进行,采用卷积核对腐蚀后的掩模图像进行膨胀,将腐蚀后的掩模图像恢复到腐蚀前的掩模图像的总位置和;
掩模图像检测,包括提取掩模图像的轮廓、凸包和凸缺陷,获取掩模图像中每个凸缺陷的四个特征信息:凸缺陷起点坐标,凸缺陷终点坐标,凸缺陷的最远点坐标以及所述最远点与轮廓的距离;
凸缺陷筛选,包括筛选出满足以下条件的凸缺陷:最远点与轮廓的距离大于第一阈值,起点到终点的距离大于第二阈值,最远点与轮廓的距离大于同一凸包上所有凸缺陷的最远点与轮廓的距离中的最大值的百分之五十;其中,所述第一阈值采用图像特征提取方法或者结合深度学习的方法从掩模图像中提取;所述第二阈值采用图像特征提取方法或者结合深度学习的方法从掩模图像中提取;
分割处理,包括在经过筛选后的凸缺陷中找出同一凸包上且最远点相互距离最近的,以相互距离最近的最远点为分割点,分割点两两排序连线作为分割线,沿分割线进行掩模图像的分割处理。
2.根据权利要求1所述的掩模图像的分割方法,其特征在于,在掩模图像腐蚀中,采用3×3的矩形卷积核对掩模图像进行腐蚀。
3.根据权利要求1所述的掩模图像的分割方法,其特征在于,在掩模图像膨胀中,采用3×3的矩形卷积核对掩模图像进行膨胀。
4.根据权利要求2所述的掩模图像的分割方法,其特征在于,在掩模图像膨胀中,采用与掩模图像进行腐蚀的卷积核相同的3×3的矩形卷积核对掩模图像进行膨胀。
5.根据权利要求1所述的掩模图像的分割方法,其特征在于,所述掩模图像检测的过程包括:先提取掩模图像的边缘信息得到轮廓;并根据所提取的边缘信息获取凸包;然后根据凸包获取凸包上的凸缺陷及其四个特征信息,记录凸缺陷的特征信息。
6.根据权利要求1所述的掩模图像的分割方法,其特征在于,所述凸缺陷筛选的过程包括:遍历每个凸缺陷的四个特征信息;找出满足第一阈值、第二阈值及最远点与轮廓的距离控制条件的凸缺陷;对满足条件的凸缺陷的特征信息进行保存。
7.一种掩模图像的分割系统,其特征在于,包括扫描模块、运算模块、存储模块和裁剪模块;采用权利要求1-6中任意一项所述的掩模图像的分割方法,所述扫描模块对掩模图像进行扫描检测,把获取的轮廓、凸包、凸缺陷及其特征信息存储到存储模块,由运算模块进行判断处理筛选凸缺陷并确定分割点,由裁剪模块沿连接分割点的分割线进行掩模图像的裁剪分割处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910566963.0/1.html,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序