基于透射变换的印刷品图像归一化研究

doi:10.3778/j.issn.1002-8331.1808-0294

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (23): 188-193.DOI: 10.3778/j.issn.1002-8331.1808-0294

基于透射变换的印刷品图像归一化研究

韩彬，杨大利

北京信息科技大学计算机学院计算机开放系统实验室，北京 100101

出版日期:2019-12-01 发布日期:2019-12-11

Normalization of Printed Images Based on Transmission Transformation

HAN Bin, YANG Dali

Laboratory of Computer Open System, Computer School, Beijing Information Science and Technology University, Beijing 100101, China

Online:2019-12-01 Published:2019-12-11

摘要/Abstract

摘要： 印刷品图像归一化在其质量检验中是极其重要的。针对获取的印刷品图像存在一定程度的畸变，提出一种改进的透视变换的归一化方法。为了准确获取图像的直线边缘信息，改进传统Canny检测中阈值自适应能力差的问题，用迭代法获取阈值参数，并加入滤波器有效滤除过于贴近图像边缘的平行直线；针对传统透视变换特征点无法获取问题，首次提出将图像分为三类状态下分别获取图像的特征点信息，求解得出透视变换矩阵对图像进行归一化。实验结果表明，对采集的印刷品图像该算法相对不准率下降了41.2%，可有效解决图像存在的畸变问题。

关键词: 归一化, 印刷品, 透射变换, Canny边缘检测

Abstract: Image normalization is very important in quality inspection. Aiming at the distortion of printed images, an improved method of normalization is proposed for perspective transformation. Firstly, the problem of the threshold adaptive ability is improved for traditional Canny detection to obtain accurate linear edge information of image. The threshold parameters are obtained by iterative method, and the parallel straight line is filtered out effectively, which is too close to image edge. Image is divided into three categories to get the feature point information of the image, and the perspective transformation matrix is used to normalize the image. Experimental results show that relative inaccuracy of the proposed algorithm is reduced by 41.2% for printed images, which can solve image distortion problem effectively.

Key words: normalization, printed matter, transmission transformation, Canny edge detection

韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.

HAN Bin, YANG Dali. Normalization of Printed Images Based on Transmission Transformation[J]. Computer Engineering and Applications, 2019, 55(23): 188-193.

[1]	石正宇，陈仁文，黄斌. 基于自归一化神经网络的低分辨率人脸识别[J]. 计算机工程与应用, 2021, 57(3): 137-143.
[2]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[3]	姜佩贺，王晨旭，郭刚，位寅生. 面向FPGA应用的硬件木马植入与检测技术研究[J]. 计算机工程与应用, 2021, 57(20): 119-124.
[4]	张武，周星宇，邹军华，潘志松，段晔鑫，陈军. 基于腐蚀批归一化层的对抗攻击算法[J]. 计算机工程与应用, 2021, 57(16): 116-124.
[5]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[6]	白博，谢刚，续欣莹. 多尺度级联R-FCN的尾灯检测算法研究[J]. 计算机工程与应用, 2020, 56(6): 194-200.
[7]	张曼，夏战国，刘兵，周勇. 全卷积神经网络的字符级文本分类方法[J]. 计算机工程与应用, 2020, 56(5): 166-172.
[8]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[9]	张晓琴，刘莉楠. 基于亲密度和吸引力的二分网络社区发现算法[J]. 计算机工程与应用, 2019, 55(23): 170-176.
[10]	王彦哲，张立民，张兵强，李振宇. 改进卷积输入的端到端普通话语音识别[J]. 计算机工程与应用, 2019, 55(17): 143-149.
[11]	吴进，赵隽，李聪，吴汉宁. 机器视觉中边缘检测算法的SDSoC加速实现[J]. 计算机工程与应用, 2019, 55(12): 208-214.
[12]	王虎，李晶，赵恒淼，臧燕，李春堂. 稀疏低秩模型及相位谱补偿的语音增强算法[J]. 计算机工程与应用, 2018, 54(5): 150-155.
[13]	赵汐璇，阚江明. 林业运动模糊图像复原的融合正则化方法[J]. 计算机工程与应用, 2018, 54(12): 160-164.
[14]	汪慧兰，杨晶晶，毛晓辉，石建平. 自适应的归一化卷积超分辨率重建算法研究[J]. 计算机工程与应用, 2016, 52(8): 191-195.
[15]	熊芳敏1，岑宇森1，曾碧卿2. 熵权法融合局部匹配Gabor特征的鲁棒人脸识别[J]. 计算机工程与应用, 2016, 52(5): 134-140.

基于透射变换的印刷品图像归一化研究

Normalization of Printed Images Based on Transmission Transformation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics