[发明专利]用于定位图像中的片状区域的方法和装置

说明书

本发明涉及图像处理技术，特别涉及用于定位图像中的片状区域的方法、装置和计算机存储介质。按照本发明一个方面的用于定位图像中的片状区域的方法包含下列步骤：利用边缘特征提取算法获取原始图像中的边缘以得到第一处理图像；利用图像局部纹理特征来区分所述原始图像中的背景区域和代表所述片状区域的前景区域以得到第二处理图像；以及基于所述第一处理图像和所述第二处理图像确定所述片状区域的位置。

技术领域

本发明涉及图像处理技术，特别涉及用于定位图像中的片状区域的方法、装置和计算机存储介质。

背景技术

图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。诸如银行卡、身份证之类的卡片定位识别是图像边缘检测的重要应用领域。在许多情况下，需要由用户拍摄卡片的照片并且上传远程业务中心或在本地前端设备上进行处理。在确定卡片边缘时，受拍摄环境的影响，加之背景区域的复杂化因素(例如背景区域颜色与卡片颜色相近以及背景区域也存在很多边缘等)，其识别结果常常无法满足后续处理的要求。

有多种检测图像边缘的方法。例如基于直方图均衡化的方法，其原理是对于整体过亮或过暗的图像，将其灰度直方图从比较集中的某个灰度区间映射到整个灰度区间内，从而通过增强局部对比度使边缘特征更明显。另一种方法则基于图像通道分离，具体而言，可以将图像的RGB(红绿蓝)通道、ALPHA通道和专色通道进行分离并且对每个通道进行独立的分析以找出边缘特征较明显的通道图像。还有一种方法采用深度学习算法，其利用大量的已标注图像来训练神经网络以获得通用的边缘检测模型，然后利用该模型进行卡片的定位识别。

现有技术的边缘识别技术存在诸多的缺点。例如对于基于直方图均衡化的方法和基于图像通道分离的方法而言，它们只能在一定程度上解决颜色相近情况下的边缘检测问题，但无法排除背景中的边缘干扰。而基于深度学习的方法则需要大量的训练样本，且算法和运行环境复杂，只能在后端服务器上运行而无法在手机等前端设备上运行，因此会受到网络延时严重、在非联网状态下不可用等问题的困扰。

发明内容

本发明的一个目的是提供一种用于定位图像中的片状区域的方法和装置，其具有定位识别准确率高和复杂度低等优点。

按照本发明一个方面的用于定位图像中的片状区域的方法包含下列步骤：

利用边缘特征提取算法获取原始图像中的边缘以得到第一处理图像；

利用图像局部纹理特征来区分所述原始图像中的背景区域和代表所述片状区域的前景区域以得到第二处理图像；以及

基于所述第一处理图像和所述第二处理图像确定所述片状区域的位置。

可选地，在上述方法中，所述片状区域对应于卡片。

可选地，在上述方法中，所述边缘特征提取算法包括Roberts Cross算法、Prewitt算法、Sobel算法、Kirsch算法、罗盘算子算法、Marr-Hildreth算法、Canny算法和Laplacian算法。

可选地，在上述方法中，得到所述第二处理图像的步骤包括：

生成所述原始图像的局部二值模式特征图；

确定所述局部二值模式特征图在至少两个分块尺寸下的背景区域；以及

通过将所述至少两个分块尺寸下的背景区域合并以得到所述第二处理图像。

可选地，在上述方法中，生成所述原始图像的局部二值模式特征图的步骤包括：

确定所述原始图像的局部二值模式特征值；以及

对所述局部二值模式特征值进行降维处理以生成所述局部二值模式特征图。