CN113962306B 图像处理方法、装置、电子设备和计算机可读存储介质 （杭州睿胜软件有限公司）

备和计算机可读存储介质。该图像处理方法包差为每个第一像素点与基准点之间的像素方向2获取所述待处理区域的角度差信息，其中，所述角度差信息指对所述角度差信息和所述输入图像进行识别，以得到所述待识别对象对应的识别结将所述每个第一像素点与所述基准点所形成的向量的方向作为所述每个第一像素点计算所述每个第一像素点梯度方向和所述每个第一像素点的像素方向之间的角度差根据所述每个第一像素点在所述第一方向上的梯度值和在所述第二方向上的梯度值，对所述图像区域进行分析处理得到所述待识别对象对应的识3根据所述外轮廓对所述投影图进行切割处理，以从所述投影图中切割出所述图像区将所述投影图中位于所述外轮廓之外的其他区域中的每个像素点的灰度值设定为固对所述归一化图像进行分析得到所述待识别对象对应的识述第一灰度值的至少一个曲线型条纹和/或所述具有所述第二灰度值的至少一个曲线型条针对每条射线，统计在所述射线的方向上所述射线上的像计算所述多条射线对应的多个变化次数的平均值，以及将对所述检测轮廓进行拟合而得到所述待识别对象4将所述输入图像输入到识别模型中，以通过所述识别模型识别15.根据权利要求1~14中任一项所述的方法，其中，所述待识别对象包括树木的横截处理单元，配置为对所述输入图像进行第一图像处理，以确定所述识别单元，配置为对所述角度差信息和所述输入图像进行识别其中，所述一个或多个计算机程序指令被存储在所述存储可读指令由处理器执行时实现权利要求1-15任一项5[0002]随着科学技术和经济的快速发展，图像处理技术已经深入到我们生活的方方面6归一化图像进行分析得到待识别对象对应的识7的角度差为每个第一像素点与基准点之间的像素方向和每个第一像素点的梯度方向之间器执行，一个或多个计算机程序模块包括用于实现本公开任一实施例提供的图像处理方[0025]图1C示出了本公开至少一个实施例提供的示例性示出的像素点P的像素方向和梯[0030]图2D示出了本公开至少一实施例执行步骤S23得到的待识别对象的外轮廓以及外[0031]图2E示出了本公开至少一实施例提供的待识别对象所在的区域和待识别对象的[0033]图3B示出了本公开至少一实施例提供的根据像素沿第一方向的梯度生成的效果[0034]图3C示出了本公开至少一实施例提供的根据像素沿第二方向的梯度生成的效果[0035]图3D示出了本公开至少一实施例提供的根据每个第一像素点的梯度方向生成的8[0036]图3E示出了本公开至少一实施例提供的像素点的像素方向与灰度的对应关系图[0037]图3F示出了本公开至少一个实施例提供的示例性示出的两个像素点P和Q的角度[0044]图4G示出了本公开至少一实施例提供的对图像中的所有像素点的灰度值进行归[0045]图5A示出了本公开至少一实施例提供的对归一化图像进行分析处理得到至少一的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其可能相应地改变。[0053]图像识别技术已经被广泛应用，为我们的生活和科技进步提供了非常多的帮9点的角度差为每个第一像素点与基准点之间的像素方向和每个第一像素点的梯度方向之[0055]该图像处理方法可以根据输入图像中的待处理区域中的像素点与待识别对象的基准点之间的像素方向和待处理区域中的像素点的梯度方法之间的角度差信息对输入图[0061]步骤S40：对角度差信息和输入图像进行识别，以得到待识别对象对应的识别结[0064]在本公开的一些实施例中，输入图像的待处理区域可以是包含待识别对象的区[0068]对于步骤S20，例如，待识别对象的特征信息可以是描述待识别对象的特征的信识别模型可以采用深度卷积神经网络(DEEP-CNN)到外轮廓的若干疑似中心，最后，利用K-中心点聚类(K-medoids)算法对疑似中心进行聚[0084]对于步骤S22，例如图2C所示的图像为利用边缘检测算子对图2B所示的模糊图像[0085]图2D示出了本公开至少一实施例执行步骤S23得到的待识别对象的外轮廓以及外到待识别对象的外轮廓以及外轮廓的中心，如图2D所示，待识别对象的外轮廓为外轮廓[0088]图2E示出了本公开至少一实施例提供的待识别对象所在的区域和待识别对象的[0089]图2E例如是将拟合得到的待识别对象的外轮廓投影到模糊处理后的图像上得到[0091]对于步骤S30，每个第一像素点的角度差为每个第一像素点与基准点之间的像素[0095]图1C示出了本公开至少一个实施例提供的示例性示出的像素点P的像素方向和梯α,梯度的方向相对于基准方向的角度为β,则像素点P的梯度7的方向和向量的方向之二像素点的灰度值根据每个第二像素点对应的第一像素[0116]例如，按照图1C示意性描述的方法确定每个第一像素点然后计算每个第一像素的梯度方向和每个第一像素点的像图像中与待处理区域对应的区域中的像素点在第一方向上的梯度值和在第二方向上的梯二方向上的梯度值即为待处理区域中的对应的各个第一像素点在第一方向上的梯度值和[0121]在本公开的另一实施例中，例如可以利用sobel算子计算像素点在第一方向上的梯度。图3B示出了本公开至少一实施例提供的利用sobel算子计算输入图像的灰度图像中示了灰度图像中与第一梯度图像中的该像素点的对应的像素点在第一方向上像中的灰度值，f(x,y+1)为在第二方向上与像素点(x,y)相邻的像素点(x,y+1)的灰度值。图3C示出了本公开至少一实施例提供的利用sobel算子计算输入图像的灰度图像中的像素度图像中与第一梯度图像中的该像素点的对应的像素点在第二方向[0124]图3D示出了本公开至少一实施例提供的根据每个像素点的梯度方向生成的效果[0126]图3E示出了本公开至少一实施例提供的像素点的像素方向与灰度的对应关系图[0127]图3E的左图示出了像素点的像素方向与该像素点在根据像素点的像素方向生成[0129]在图3E右图中的灰度图是对多个像素点的像素方向进行归一化后得到的示例性[0131]如图3E左图所示，像素点的像素方向与基准方向之间的角度范围为[-180°,[0132]图3F示出了本公开至少一个实施例提供的示例性示出的两个像素点P和Q的角度间的角度差很小，而像素点Q的梯度方法和像素方向(即梯度的方向μ与向量的方向)[0136]对于步骤S32，根据每个第二像素点对应的第一像素点的角度差确定多个第二像公开的实施例，但是本公开提供的图像处理方法不限于对树木的横截面或者条纹进行识[0167]maxval,minval＝np.max(projection),np.min(projection)表示分别计算投影图中的灰度最大值和灰度最小值。maxval表示灰度最大值，minval表示灰度最小值。projection表示投影图中的像素点的灰度值，P表示投影图中的像素点的归一化后的灰度[0171]图4G示出了本公开至少一实施例提供的对图像区域中的所有像素点的灰度值进[0173]将投影图中位于外轮廓所包围的区域之外的区域中的每个像素点的灰度值与投影图中外轮廓所包围的区域中的黑色的像素点的灰度值统一设置为127，能够便于后续步[0177]图5A示出了本公开至少一实施例提供的对归一化图像进行分析处理得到至少一第一灰度值的至少一个曲线型条纹和/或具有第二灰度值的至少一[0184]如图5B所示，归一化图像包括具有第一灰度值的至少一个曲线型条纹1和具有第R5，多条射线R1～R5中的每条射线与具有第一灰度值的至少一个曲线型条1和具有第二灰[0196]处理单元620配置为对输入图像进行第一图像处理，以确定待识别对象的特征信[0198]角度差获取单元630配置为获取待处理区域的角度差信息，角度差信息指示多个[0200]识别单元640配置为对角度差信息和输入图像进行识别，以得到待识别对象对应理方法的各个步骤对应，关于图像处理装置600的具体功能可以参考关于图像处理方法的备700包括处理器710和存储器720。存储器720用于非暂时性存储计算机可读指令(例如一710可以通过总线系统和/或其它形式的连接机构(失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失700的各种功能。在计算机可读存储介质中还可以存储各种应用程序和各种数据以及应用[0210]如图8所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)输入/输出(I/O)接口950也连接至990可以允许电子设备900与其他电子设备进行无线或有线通信以交换数据。虽然图8示出[0214]图9为本公开一些实施例提供的一种存储介质的示意图。如图9所示，存储介质[0217](1)本公开实施例附图只涉及到本公开实施例涉及到的结构，其他结构可参考通[0218](2)在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合以得到