自動獲取圖像中檢測區(qū)的方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像檢測區(qū)繪制技術(shù)領(lǐng)域，特別涉及一種自動獲取圖像中檢測區(qū)的方 法及系統(tǒng)。
【背景技術(shù)】
[0002] 在目前印刷檢測軟件模板管理中，需要根據(jù)實際檢測要求繪制檢測區(qū)和定位核。 對于長方形或圓形圖案，需要用矩形或橢圓工具繪制邊緣，對于不規(guī)則的圖案，則需要用多 邊形工具手動繪制其邊緣，每個一段距離畫一個點，手動繪制會占用較長時間，而且邊緣點 不能準確定位，給操作者帶來很大不變。另一方面，定位核的選擇對檢測影響較大，定位核 選取的優(yōu)劣，直接影響到檢測結(jié)果是否準確。而定位核的選取要滿足高對比性、唯一性的特 點，對于經(jīng)驗較少的操作人員，定位核的繪制往往有一定難度，無法確定最優(yōu)定位核，如果 選的不合適，則直接影響檢測的效果，同時，手動繪制檢測區(qū)、定位核是一項極其繁重的工 作。
[0003] 總而言之，目前人工繪制檢測區(qū)具有如下缺點：主觀性強，對于復(fù)雜的圖案的邊緣 不夠貼近圖案，同時繪制檢測區(qū)耗時較長，工作量大。
[0004] 人工選取定位核有如下缺點：1)主觀性強，受繪制人員的習(xí)慣、經(jīng)驗等因素影響較 大；2)定位核準確性無法保證，需要在后續(xù)的檢測過程中多次調(diào)整。3)工作強度大，當圖像 信息非常豐富時，需要繪制較多定位核，因此，需要耗費大量人力和時間。

【發(fā)明內(nèi)容】

[0005]本發(fā)明旨在至少在一定程度上解決上述相關(guān)技術(shù)中的技術(shù)問題之一。為此，本發(fā) 明的一個目的在于提出一種自動獲取圖像中檢測區(qū)的方法，該方法能夠自動獲取檢測區(qū)， 具有省時、省力、高效、精度高及準確性高的優(yōu)點。
[0006]本發(fā)明的另一個目的在于提供一種自動獲取圖像中檢測區(qū)的系統(tǒng)。
[0007] 為了實現(xiàn)上述目的，本發(fā)明第一方面的實施例提出了一種自動獲取圖像中檢測區(qū) 的方法，包括以下步驟：對圖像進行卷積運算以檢測并提取所述圖像中多個目標圖案的邊 緣信息；根據(jù)所述邊緣信息提取所述多個目標圖案的輪廓以得到所有輪廓的第一邊緣像素 點集；從所述邊緣像素點集中刪除面積小于預(yù)設(shè)值的輪廓對應(yīng)的邊緣像素點以得到第二邊 緣像素點集；根據(jù)所述第二邊緣像素點集判斷所述第二邊緣像素點集對應(yīng)的多個輪廓是否 存在重疊；如果是，則從所述第二邊緣像素點集中刪除重疊的輪廓對應(yīng)的邊緣像素點集以 得到第三邊緣像素點集；根據(jù)所述第三邊緣像素點集得到所述檢測區(qū)。
[0008]根據(jù)本發(fā)明實施例的自動獲取圖像中檢測區(qū)的方法，對圖像進行卷積運算以提取 圖像中多個目標圖案的邊緣信息，并據(jù)此提取目標圖案的輪廓以得到所有輪廓的第一邊緣 像素點集，并從中刪除面積小于預(yù)設(shè)值的輪廓對應(yīng)的邊緣像素點以得到第二邊緣像素點 集，并據(jù)此判斷第二邊緣像素點集對應(yīng)的多個輪廓是否存在重疊，如果是，則從中刪除重疊 的輪廓對應(yīng)的邊緣像素點集以得到第三邊緣像素點集，最后根據(jù)第三邊緣像素點集得到檢 測區(qū)。因此，本發(fā)明實施例的方法能夠自動獲取檢測區(qū)，具有省時、省力、高效、精度高及準 確性高的優(yōu)點。
[0009] 另外，根據(jù)本發(fā)明上述實施例的自動獲取圖像中檢測區(qū)的方法還可以具有如下附 加的技術(shù)特征：
[0010] 在一些示例中，在所述根據(jù)所述邊緣信息提取所述多個目標圖案的輪廓以得到所 有輪廓的第一邊緣像素點集之前，還包括：對所述邊緣信息進行平滑濾波。
[0011] 在一些示例中，在對所述邊緣信息進行平滑濾波之后，還包括：對所述邊緣信息進 行膨脹處理。
[0012] 在一些示例中，在所述根據(jù)所述邊緣信息提取所述多個目標圖案的輪廓以得到所 有輪廓的第一邊緣像素點集之后，還包括：判斷所述多個目標圖案的輪廓對應(yīng)的邊緣像素 點集是否大于預(yù)設(shè)像素值；如果是，則從所述第一邊緣像素點集中刪除相應(yīng)的邊緣像素點 集以得到第四邊緣像素點集；提取所述第四邊緣像素點集對應(yīng)的多個輪廓的SURF特征信 息；根據(jù)所述SURF特征信息對所述多個輪廓進行排序以得到定位核。
[0013] 本發(fā)明第二方面的實施例還提供了一種自動獲取圖像中檢測區(qū)的系統(tǒng)，包括：檢 測模塊，用于對圖像進行卷積運算以檢測并提取所述圖像中多個目標圖案的邊緣信息；第 一提取模塊，用于根據(jù)所述邊緣信息提取所述多個目標圖案的輪廓以得到所有輪廓的第一 邊緣像素點集；第二提取模塊，用于從所述邊緣像素點集中刪除面積小于預(yù)設(shè)值的輪廓對 應(yīng)的邊緣像素點以得到第二邊緣像素點集；判斷模塊，用于根據(jù)所述第二邊緣像素點集判 斷所述第二邊緣像素點集對應(yīng)的多個輪廓是否存在重疊；第三提取模塊，用于從所述第二 邊緣像素點集中刪除重疊的輪廓對應(yīng)的邊緣像素點集以得到第三邊緣像素點集；檢測區(qū)提 取模塊，用于根據(jù)所述第三邊緣像素點集得到所述檢測區(qū)。
[0014] 根據(jù)本發(fā)明實施例的自動獲取圖像中檢測區(qū)的系統(tǒng)，檢測模塊對圖像進行卷積運 算以提取圖像中多個目標圖案的邊緣信息，第一提取模塊據(jù)此提取目標圖案的輪廓以得到 所有輪廓的第一邊緣像素點集，第二提取模塊從中刪除面積小于預(yù)設(shè)值的輪廓對應(yīng)的邊緣 像素點以得到第二邊緣像素點集，判斷模塊據(jù)此判斷第二邊緣像素點集對應(yīng)的多個輪廓是 否存在重疊，如果是，則第三提取模塊從中刪除重疊的輪廓對應(yīng)的邊緣像素點集以得到第 三邊緣像素點集，最后檢測區(qū)提取模塊根據(jù)第三邊緣像素點集得到檢測區(qū)。因此，本發(fā)明實 施例的系統(tǒng)能夠自動獲取檢測區(qū)，具有省時、省力、高效、精度高及準確性高的優(yōu)點。
[0015] 另外，根據(jù)本發(fā)明上述實施例的自動獲取圖像中檢測區(qū)的系統(tǒng)還可以具有如下附 加的技術(shù)特征：
[0016] 在一些示例中，還包括：濾波模塊，用于在所述第一提取模塊根據(jù)所述邊緣信息提 取所述多個目標圖案的輪廓以得到所有輪廓的第一邊緣像素點集之前，對所述邊緣信息進 行平滑濾波
[0017] 在一些示例中，還包括：膨脹處理模塊，用于在所述濾波模塊對所述邊緣信息進行 平滑濾波之后，對所述邊緣信息進行膨脹處理。
[0018] 在一些示例中，還包括：定位核提取模塊，用于在所述第一提取模塊根據(jù)所述邊緣 信息提取所述多個目標圖案的輪廓以得到所有輪廓的第一邊緣像素點集之后，判斷所述多 個目標圖案的輪廓對應(yīng)的邊緣像素點集是否大于預(yù)設(shè)像素值，如果是，則從所述第一邊緣 像素點集中刪除相應(yīng)的邊緣像素點集以得到第四邊緣像素點集，并提取所述第四邊緣像素 點集對應(yīng)的多個輪廓的SURF特征信息，以及根據(jù)所述SURF特征信息對所述多個輪廓進行 排序以得到定位核。
[0019] 本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變 得明顯，或通過本發(fā)明的實踐了解到。
【附圖說明】
[0020] 本發(fā)明的上述和/或附加的方面和優(yōu)點從結(jié)合下面附圖對實施例的描述中將變 得明顯和容易理解，其中 ：
[0021] 圖1是根據(jù)本發(fā)明實施例的自動獲取圖像中檢測區(qū)的方法的流程圖；
[0022] 圖2是根據(jù)本發(fā)明另一個實施例的自動獲取圖像中檢測區(qū)的方法的流程圖；
[0023] 圖3據(jù)本發(fā)明又一個實施例的自動獲取圖像中檢測區(qū)的方法的提取定位核的流 程圖；
[0024] 圖4被測的原始圖像示意圖；
[0025] 圖5邊緣檢測后的圖像示意圖；
[0026] 圖6平滑濾波后的圖像示意圖；
[0027] 圖7膨脹處理三次后的圖像示意圖；以及
[0028] 圖8根據(jù)本發(fā)明一個實施例的自動獲取圖像中檢測區(qū)的系統(tǒng)的結(jié)構(gòu)框圖。
【具體實施方式】
[0029] 下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。
[0030] 以下結(jié)合附圖描述根據(jù)本發(fā)明實施例自動獲取圖像中檢測區(qū)的方法及系統(tǒng)。<