【摘要】：隨著微信這一應(yīng)用的迅猛發(fā)展,在微信公眾號(hào)上給用戶發(fā)送圖片信息成為微信開(kāi)發(fā)的一個(gè)重點(diǎn)。很多時(shí)候,我們發(fā)送的不僅僅是一幅簡(jiǎn)單的圖片,而是在原有圖片的基礎(chǔ)上,嵌入帶有用戶信息的二維碼圖片,然后再將二者合成的圖片發(fā)送給用戶,這時(shí)候我們就不得不考慮一個(gè)問(wèn)題,即新嵌入的二維碼圖片怎樣才能不掩蓋原圖片本身包含的信息。在目前的開(kāi)發(fā)中,開(kāi)發(fā)人員只能人工地去計(jì)算并指定新嵌入圖像信息的位置,這樣的處理方式使得項(xiàng)目的靈活性、有效性、可行性等都大大降低,尤其是在大型開(kāi)發(fā)中,工作量將會(huì)很大,并且難免會(huì)出錯(cuò)。因此,本文提出了一種數(shù)字圖像中的矩形背景區(qū)域定位算法,實(shí)現(xiàn)對(duì)圖像中連續(xù)矩形背景區(qū)域的定位,并將其運(yùn)用于微信公眾號(hào)開(kāi)發(fā),對(duì)微信公眾號(hào)的開(kāi)發(fā)具有重要的現(xiàn)實(shí)意義。目前,在數(shù)字圖像的定位研究方面,大部分的研究工作是數(shù)字圖像中的物體檢測(cè)與定位,這些算法除卻算法本身的復(fù)雜度高、效率較低等缺陷,我們還需要根據(jù)檢測(cè)到的物體區(qū)域再去定位背景區(qū)域,最后雖然實(shí)現(xiàn)了背景區(qū)域的定位,但找到的背景區(qū)域通常是分散分布于原載體圖像中,而我們的需求主要是找到一塊連續(xù)的矩形背景區(qū)域,并在該區(qū)域中嵌入二維碼圖像,使得二維碼圖像的信息不掩蓋原載體圖像的信息。因此,要想找到這樣一塊連續(xù)的矩形背景區(qū)域,還需要繼續(xù)對(duì)分散的圖片背景區(qū)域進(jìn)行定位處理,提高了工作的復(fù)雜度,同時(shí)大大降低了我們工作的速度以及服務(wù)的效率與質(zhì)量,由此可以發(fā)現(xiàn)這樣的處理不適用于在微信公眾號(hào)發(fā)送的圖片信息上加二維碼的情況。為了解決上面提出的問(wèn)題,本文首次提出了一種新的數(shù)字圖像中的矩形背景區(qū)域定位算法,該算法主要先對(duì)圖像做一些諸如灰度轉(zhuǎn)換、邊緣檢測(cè)、膨脹運(yùn)算的預(yù)處理操作,然后將圖像分割算法與滑動(dòng)窗口搜索方法相結(jié)合來(lái)實(shí)現(xiàn)定位。本文主要闡述了算法的基本思想與步驟,并在數(shù)據(jù)集上進(jìn)行了反復(fù)的仿真實(shí)驗(yàn),得到了較為理想的結(jié)果,驗(yàn)證了算法的可行性,同時(shí)結(jié)果顯示,本算法的平均定位準(zhǔn)確率達(dá)97.6%,證明了算法的優(yōu)良性能。
【圖文】：

然后在程序中使用計(jì)算出的位置作為程序中的變量，從而在原載體圖像的合適位置嵌入二維碼圖像，使得新嵌入的二維碼圖像不掩蓋原載體圖像本身的信息，如圖1-1所示，假設(shè)在程序中指定將新的二維碼圖像嵌入如圖1-1中二維碼所在位置，這樣就達(dá)到了我們的項(xiàng)目需求。圖 1-1 一個(gè)示例圖片F(xiàn)ig. 1-1 Asample picture但是通過(guò)實(shí)際開(kāi)發(fā)，可以發(fā)現(xiàn)該項(xiàng)目的靈活性、有效性、可行性等都大大降低，尤其是在大型開(kāi)發(fā)中，工作量將會(huì)很大，并且難免會(huì)出錯(cuò)。如果改用智能系

區(qū)域之外的隨機(jī)區(qū)域內(nèi)的區(qū)分性特征直方圖。對(duì)一幅圖像而言，根據(jù)所有可別對(duì)該圖像進(jìn)行分類(lèi)，圖像中最有可能出現(xiàn)的物體就是分類(lèi)中具有最高置信物體，然后使用前面的定位模型來(lái)定位物體。該方法通過(guò)了在 PASCALVOC2006 及其擴(kuò)展數(shù)據(jù)集上的測(cè)試，，與原有的算法相比，該方法的性能更好。.2.2 滑動(dòng)窗口搜索方法滑動(dòng)窗口搜索方法(Sliding Window Search)[28-32]也是一種比較常見(jiàn)的物體方法，該方法需要事先訓(xùn)練分類(lèi)器。圖 1-3 給出一個(gè)示意圖，圖片中大小固矩形滑動(dòng)窗口逐個(gè)像素地均勻滑動(dòng)，移動(dòng)到圖片的各個(gè)位置時(shí)，將滑動(dòng)窗口特征代入事先訓(xùn)練的分類(lèi)器當(dāng)中，相應(yīng)地會(huì)得到一個(gè)得分值 F，物體的位置整個(gè)滑動(dòng)過(guò)程中得分值最高的窗口位置，該窗口位置也是與分類(lèi)器最高響應(yīng)置（如圖 1-3 中得分值 F 最高的是第四個(gè)窗口，算法就將第四個(gè)窗口位置作體的位置)。但這種方法的效率和性能很差。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 牛顥;丁春利;張明;唐博;;視頻鏡頭邊緣檢測(cè)算法研究與比較[J];計(jì)算機(jī)應(yīng)用研究;2013年02期

2 孔銀昌;;數(shù)字圖像邊緣提取算子基于Matlab的實(shí)現(xiàn)[J];價(jià)值工程;2012年15期

3 韋煒;;常用圖像邊緣檢測(cè)方法及Matlab研究[J];現(xiàn)代電子技術(shù);2011年04期

4 楊安慶;;基于數(shù)學(xué)形態(tài)學(xué)與自適應(yīng)的超聲醫(yī)學(xué)圖像濾波方法的研究[J];量子電子學(xué)報(bào);2009年01期

5 農(nóng)海嘯;;基于MATLAB的數(shù)字圖像邊緣檢測(cè)算子的實(shí)驗(yàn)對(duì)比研究[J];南寧師范高等專(zhuān)科學(xué)校學(xué)報(bào);2008年02期

6 趙春江;施文康;鄧勇;;基于遺傳算法優(yōu)化的多尺度形態(tài)邊緣檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2007年04期

7 劉中合,王瑞雪,王鋒德,馬長(zhǎng)青,劉賢喜;數(shù)字圖像處理技術(shù)現(xiàn)狀與展望[J];計(jì)算機(jī)時(shí)代;2005年09期

8 郭景峰;藺旭東;;數(shù)學(xué)形態(tài)學(xué)中結(jié)構(gòu)元素的分析研究[J];計(jì)算機(jī)科學(xué);2002年07期

9 王愛(ài)民,趙忠旭,沈蘭蓀;基于矢量Prewitt算子的多尺度彩色圖象邊緣檢測(cè)方法[J];中國(guó)圖象圖形學(xué)報(bào);1999年12期

本文編號(hào)：2625827