CN110120054A - 基于图像处理的自动计数方法及装置、介质、电子设备 - Google Patents

Abstract

本发明实施例是关于一种基于图像处理的自动计数方法及装置、存储介质、电子设备，属于图像处理技术领域，该方法包括：根据待处理图像得到感兴趣区域，并对感兴趣区域中的圆圈进行查找，得到感兴趣区域中的待计数对象的圆心列表；以圆心列表中的各圆心为中心将感兴趣区域划分为多个矩形区域，并将多个矩形区域输入至分类器中得到多个输出结果；根据输出结果判断各矩形区域是否属于待计数对象对应的图像，并在确定任一矩形区域不属于待计数对象对应的图像时，删除圆心列表中该矩形区域对应的圆心，得到目标列表；统计目标列表中的圆心数量，并将圆心数量作为待计数对象的数量。该方法提高了管控结果的精确度，可以配合生产进行实时的在线监测，大大提高生产的品质管控效率。

Description

基于图像处理的自动计数方法及装置、介质、电子设备

技术领域

本发明实施例涉及图像处理技术领域，具体而言，涉及一种基于图像处理的自动计数方法、基于图像处理的自动计数装置、计算机可读存储介质以及电子设备，可配合生产进行实时的在线监测。

背景技术

随着社会的发展，市场上对物品品质的要求越来越高，品质的管控也日益趋于严格。以盒装的物品为例，现有的技术中大多数是以称重的方式进行品质管控的。

但是，由于原材料批次的不同以及单件物品本身重量微小的原因，会有一定的测量误差，并且产品在实际的生产过程中不便进行全部的在线监测，因此通过称重的方式进行品质管控，会使得相同体积切相同质量的物品数量不同，进而导致品质管控的管控结果精确度较差。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于提供一种基于图像处理的自动计数方法、基于图像处理的自动计数装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的管控结果精确度较差的问题；同时该方法可以进行实时的在线监测，提高生产对品质管控的效率。

根据本公开的一个方面，提供一种基于图像处理的自动计数方法，包括：

根据待处理图像得到感兴趣区域，并对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；

以所述圆心列表中的各圆心为中心将所述感兴趣区域划分为多个矩形区域，并将所述多个矩形区域输入至分类器中得到多个输出结果；

根据所述输出结果判断各所述矩形区域是否属于所述待计数对象对应的图像，并在确定任一所述矩形区域不属于所述待计数对象对应的图像时，删除所述圆心列表中该矩形区域对应的圆心，得到目标列表；

统计所述目标列表中的圆心数量，并将所述圆心数量作为所述待计数对象的数量。

在本公开的一种示例性实施例中，根据待处理图像得到感兴趣区域包括：

获取基于预设环境下进行拍摄得到的待处理图像；

对所述待处理图像进行灰度化处理得到灰度图片，并查找所述灰度图片中的所有轮廓；

选取所述所有轮廓中的轮廓最大的区域作为目标区域，并将所述目标区域的最小外包矩形作为所述感兴趣区域。

在本公开的一种示例性实施例中，将所述目标区域的最小外包矩形作为所述感兴趣区域包括：

对所述目标区域进行填充，并对填充后的目标区域进行腐蚀操作，得到标记区域；

获取所述标记区域的最小外包矩形，并将所述最小外包矩形作为所述感兴趣区域。

在本公开的一种示例性实施例中，在对所述感兴趣区域中的圆圈进行查找之前，所述自动计数方法还包括：

对所述感兴趣区域进行二值化处理，确定所述感兴趣区域中是否存在像素值大于预设像素的区域；

在确定所述感兴趣区域中存在像素值大于预设像素的区域时，对该区域的像素值进行替换。

在本公开的一种示例性实施例中，对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表包括：

利用霍夫圆环检测法对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；

其中，所述霍夫圆环检测法中的参数包括最大半径、最小半径、构成圆弧最少的点数以及边缘检测法的两个阈值中的至少一个。

在本公开的一种示例性实施例中，在将所述多个矩形区域输入至分类器中得到多个输出结果之前，所述自动计数方法还包括：

构建训练数据集以及测试数据集，并利用训练数据集对网络模型进行训练；

利用所述测试数据集对训练后的网络模型进行测试，并确定测试结果的准确率是否大于预设准确率；

如果所述测试结果的准确率大于所述预设准确率，则将所述训练后的网络模型作为所述分类器。

在本公开的一种示例性实施例中，在统计所述目标列表中的圆心数量之前，所述自动计数方法还包括：

计算所述目标列表中各圆心之间的距离，并将所述距离不超过预设距离的圆心进行连线处理得到圆心连线；

基于所述圆心连线查找所述感兴趣区域中是否存在其他的圆心；并在所述感兴趣区域中存在其他的圆心时，以该圆心为中心按照所述预设步长生成新的矩形区域；

将所述新的矩形区域输入至所述分类器中，并在根据所述新的矩形区域的输出结果判断所述新的矩形区域属于所述待计数对象对应的图像时，将该圆心添加至所述目标列表中。

根据本公开的一个方面，提供一种基于图像处理的自动计数装置，包括：

圆圈查找模块，用于根据待处理图像得到感兴趣区域，并对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；

矩形区域划分模块，用于以所述圆心列表中的各圆心为中心将所述感兴趣区域划分为多个矩形区域，并将所述多个矩形区域输入至分类器中得到多个输出结果；

输出结果判断模块，用于根据所述输出结果判断各所述矩形区域是否属于所述待计数对象对应的图像，并在确定任一所述矩形区域不属于所述待计数对象对应的图像时，删除所述圆心列表中该矩形区域对应的圆心，得到目标列表；

圆心数量统计模块，用于统计所述目标列表中的圆心数量，并将所述圆心数量作为所述待计数对象的数量。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于图像处理的自动计数方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的基于图像处理的自动计数方法。

本发明实施例一种基于图像处理的自动计数方法，通过根据待处理图像得到感兴趣区域，并根据感兴趣区域得到待计数对象的圆心列表；然后以圆心列表中的各圆心为中心将感兴趣区域划分为多个矩形区域，并将多个矩形区域输入至分类器中得到多个输出结果；再根据输出结果判断各矩形区域是否属于待计数对象对应的图像，并在确定任一矩形区域不属于待计数对象对应的图像时，删除圆心列表中该矩形区域对应的圆心，得到目标列表；最后统计目标列表中的圆心数量，并将圆心数量作为待计数对象的数量；一方面，通过对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；然后统计目标列表中的圆心数量，并将圆心数量作为待计数对象的数量，解决了现有技术中通过称重的方式进行品质管控，会使得相同体积切相同质量的物品数量不同，进而导致品质管控的管控结果精确度较差的问题，提高了管控结果的精确度；另一方面，通过以圆心列表中的各圆心为中心将感兴趣区域划分为多个矩形区域，并将多个矩形区域输入至分类器中得到多个输出结果；再根据输出结果判断各矩形区域是否属于待计数对象对应的图像，并在确定任一矩形区域不属于待计数对象对应的图像时，删除圆心列表中该矩形区域对应的圆心，得到目标列表，提高了待计数对象的数量统计的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出根据本公开示例实施例的一种基于图像处理的自动计数方法的流程图。

图2示意性示出根据本公开示例实施例的另一种基于图像处理的自动计数方法的流程图。

图3示意性示出根据本公开示例实施例的另一种基于图像处理的自动计数方法的流程图。。

图4示意性示出根据本公开示例实施例的另一种基于图像处理的自动计数方法的流程图。

图5示意性示出根据本公开示例实施例的一种基于图像处理的自动计数方法的应用场景示例图。

图6示意性示出根据本公开示例实施例的一种基于图像处理的自动计数装置的框图。

图7示意性示出根据本公开示例实施例的一种用于实现上述基于图像处理的自动计数方法的电子设备。

图8示意性示出根据本公开示例实施例的一种用于实现上述基于图像处理的自动计数方法的计算机可读存储介质。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种基于图像处理的自动计数方法，该方法可以用于处理类似密集型样品的自动计数；进一步的，该方法可以运行于服务器、服务器集群或云服务器等，也可以运行于设备终端；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该基于图像处理的自动计数方法可以包括如下步骤：

在步骤S110中，根据待处理图像得到感兴趣区域，并对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表。

在步骤S120中，以所述圆心列表中的各圆心为中心将所述感兴趣区域划分为多个矩形区域，并将所述多个矩形区域输入至分类器中得到多个输出结果。

在步骤S130中，根据所述输出结果判断各所述矩形区域是否属于所述待计数对象对应的图像，并在确定任一所述矩形区域不属于所述待计数对象对应的图像时，删除所述圆心列表中该矩形区域对应的圆心，得到目标列表。

在步骤S140中，统计所述目标列表中的圆心数量，并将所述圆心数量作为所述待计数对象的数量。

上述基于图像处理的自动计数方法中，一方面，通过对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；然后统计目标列表中的圆心数量，并将圆心数量作为待计数对象的数量，解决了现有技术中通过称重的方式进行品质管控，会使得相同体积切相同质量的物品数量不同，进而导致品质管控的管控结果精确度较差的问题，提高了管控结果的精确度；另一方面，通过以圆心列表中的各圆心为中心将感兴趣区域划分为多个矩形区域，并将多个矩形区域输入至分类器中得到多个输出结果；再根据输出结果判断各矩形区域是否属于待计数对象对应的图像，并在确定任一矩形区域不属于待计数对象对应的图像时，删除圆心列表中该矩形区域对应的圆心，得到目标列表，提高了待计数对象的数量统计的准确性。

下面，将结合附图对本示例实施方式中上述基于图像处理的自动计数方法中的各步骤进行详细的解释以及说明。

在步骤S110中，根据待处理图像得到感兴趣区域，并对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表

在本示例实施例中，根据待处理图像得到感兴趣区域可以包括：首先，获取基于预设环境下进行拍摄得到的待处理图像；然后，对所述待处理图像进行灰度化处理得到灰度图片，并查找所述灰度图片中的所有轮廓；最后，选取所述所有轮廓中的轮廓最大的区域作为目标区域，并将所述目标区域的最小外包矩形作为所述感兴趣区域。详细而言：

首先，可以从处于预设环境下的图像采集设备中获取待处理图像；其中，该预设环境例如可以是在密封的黑暗环境下，自然光照射不到的地方；并且，设置有特定的光源灯条用于拍摄；通过设置该预设环境，可以避免外界的干扰造成待处理图像拍摄不清晰的问题；该图像采集设备例如可以是摄像头等等，该待处理图像例如可以是装有若干棉签的棉签盒子等等，也可以是其他图像，本示例对此不做特殊限制。进一步的，当获取到待处理图像以后，可以根对所述待处理图像进行灰度化处理得到灰度图片，并查找所述灰度图片中的所有轮廓；然后，选取所述所有轮廓中的轮廓最大的区域作为目标区域，并将所述目标区域的最小外包矩形作为所述感兴趣区域。

具体的，首先，对上述感兴趣区域进行解释。感兴趣区域(ROI，region ofinterest)，是一种在机器视觉、图像处理中，从被处理的图像中以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域。本申请以感兴趣区域为方框形为例，进行举例说明。进一步的，可以从摄像头获取棉签的图像，然后转换成灰度度图片，并使用opencv的寻找轮廓的方法(find Contours)，找到所有轮廓，然后，选取最大的那个轮廓的最小外包矩形作为感兴趣区域(相应的参数需要根据实际图片的亮度值进行调整)。

进一步的，为了进一步的提高感兴趣区域的精确度，可以去除棉签盒子所占用的区域，具体的可以包括：对所述目标区域进行填充，并对填充后的目标区域进行腐蚀操作，得到标记区域(mask_in)；获取所述标记区域的最小外包矩形，并将所述最小外包矩形作为所述感兴趣区域。

紧接着，在本示例实施例中，当得到感兴趣区域后可以利用霍夫圆环检测法对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；其中，所述霍夫圆环检测法中的参数可以包括最大半径、最小半径、构成圆弧最少的点数以及边缘检测法的两个阈值等等。

譬如，利用opencv(开源计算机视觉库)的HoughCircles(霍夫圆环检测法)函数进行圆圈查找，得到棉签的圆心列表；其中，该函数的五个参数值(最大半径最小半径构成圆弧最少的点数、canny(边缘检测法)的两个阈值)比较重要，需要根据具体的图像进行调整。通过该步骤，可以得到实际的90％以上的准确圆心，不过也有可能多于实际的圆心数量。

在步骤S120中，以所述圆心列表中的各圆心为中心将所述感兴趣区域划分为多个矩形区域，并将所述多个矩形区域输入至分类器中得到多个输出结果。

在本示例实施例中，以上述圆心列表中的各圆心为中心，按照预设步长将感兴趣区域划分为多个矩形区域；其中，该预设步长可以根据待计数对象的实际尺寸进行确定；例如，棉签的直径较小，并且分布的特别密集，因此可以将该预设步长设置的小一些；进一步的，可以将多个矩形区域输入至分类器中得到多个输出结果。

在步骤S130中，根据所述输出结果判断各所述矩形区域是否属于所述待计数对象对应的图像，并在确定任一所述矩形区域不属于所述待计数对象对应的图像时，删除所述圆心列表中该矩形区域对应的圆心，得到目标列表。

在步骤S140中，统计所述目标列表中的圆心数量，并将所述圆心数量作为所述待计数对象的数量。

在本示例实施例中，当得到上述目标列表后，可以计算该目标列表中的圆心数量，然后可以将该圆心数量作为棉签的数量。进一步的，当得到该棉签的数量后，看看是否与标准的棉签数量有差别，如果有，则可以通过剔除或者补充的方式将该棉签的数量调整至与标准的棉签数量相同。通过该方式，可以使得每一个相同体积相同质量的棉签数量是相同的，提升了用户体验。

图2示意性示出根据本公开示例实施例的另一种基于图像处理的自动计数方法的流程图。参考图2所示，该基于图像处理的自动计数方法还可以包括步骤S210以及步骤S220，以下进行详细说明。

在步骤S210中，对所述感兴趣区域进行二值化处理，确定所述感兴趣区域中是否存在像素值大于预设像素的区域。

在步骤S220中，在确定所述感兴趣区域中存在像素值大于预设像素的区域时，对该区域的像素值进行替换。

以下，对步骤S210以及步骤S220进行解释以及说明。首先，可以对上述感兴趣区域进行二值化处理，并确定二值化处理后的感兴趣区域中是否存在像素值大于预设像素值的区域；其中，由于在拍摄过程中，可能会因为反光造成某一区域的像素值较高，因此可能会存在像素值较大的区域；进一步的，在确定感兴趣区域中存在像素值大于预设像素值的区域时，则可以利用该区域周围和正常亮度值较近的像素值进行替换。通过该方法，可以避免由于亮度过高使得在圆圈的查找过程中造成的遗漏，从而降低圆心列表中圆心的数量的问题，进一步的提高了圆心数量的准确率。

图3示意性示出根据本公开示例实施例的另一种基于图像处理的自动计数方法的流程图。参考图3所示，该基于图像处理的自动计数方法还可以包括步骤S310、步骤S320以及步骤S330，以下进行详细说明。

在步骤S310中，构建训练数据集以及测试数据集，并利用训练数据集对网络模型进行训练。

在步骤S320中，利用所述测试数据集对训练后的网络模型进行测试，并确定测试结果的准确率是否大于预设准确率。

在步骤S330中，如果所述测试结果的准确率大于所述预设准确率，则将所述训练后的网络模型作为所述分类器。

下面，将对步骤S310-步骤S330进行解释以及说明。首先，可以通过进行人工标记一些准确的圆心，再选取一个能全部包含单个棉签的正方形，通过圆心和固定的矩形区域，将这些图像进行保存下来；同时，还可以标记一些错误的圆心，进行图像保存，这样分成了棉签和非棉签两个类，棉签就是圆心近似在矩形中间，非棉签就是不包含棉签或者圆心偏离矩形中心较远，并将该数据集作为测试数据集；并且准备一些用来进行测试的图片，作为测试数据集；最后，利用训练数据集对PCANet网络模型进行分类训练，并用测试数据集对训练后的PCANet网络模型进行测试，直至分类准确率(测试结果的准确率)达到98％以上，再将该训练后的PCANet网络模型作为分类器；该分类器的输出为xml结果。

图3示出的示例实施例中，避免了由于分类器的分类结果不准确造成的棉签的数量多于或者少于实际数量的问题，进一步的提高了结果的准确率。

图4示意性示出根据本公开示例实施例的另一种基于图像处理的自动计数方法的流程图。参考图4所示，该基于图像处理的自动计数方法还可以包括步骤S410、步骤S420以及步骤S430，以下进行详细说明。

在步骤S410中，计算所述目标列表中各圆心之间的距离，并将所述距离不超过预设距离的圆心进行连线处理得到圆心连线。

在步骤S420中，基于所述圆心连线查找所述感兴趣区域中是否存在其他的圆心；并在所述感兴趣区域中存在其他的圆心时，以该圆心为中心按照所述预设步长生成新的矩形区域。

在步骤S430中，将所述新的矩形区域输入至所述分类器中，并在根据所述新的矩形区域的输出结果判断所述新的矩形区域属于所述待计数对象对应的图像时，将该圆心添加至所述目标列表中。

以下，对步骤S410-步骤S430进行解释以及说明。首先，当得到目标列表之后，可以计算目标列表中各圆心之间的距离，然后将距离不超过预设距离的圆心进行连线处理得到圆心连线；例如，可以将相近的圆心进行连线，并进行膨胀一定大小，表示这些区域不用再去判定是否存在棉签；然后，基于所述圆心连线查找所述感兴趣区域中是否存在其他的圆心；并在所述感兴趣区域中存在其他的圆心时，以该圆心为中心按照所述预设步长生成新的矩形区域，即在棉签盒子内部、在已经找到的圆心一定区域外、ROI图像是白色有可能存在圆心的点，对这些点依次遍历，并选取一个步长，假定其为圆心，并选取周围和之前一样的矩形区域图像；然后，将新的矩形区域送到上述分类器中进行判定，如果是圆心则加入到现有的圆心列表中，否则进行下一个点的判定。最后得到圆心数量作为棉签的数量。判定完成后输出判定结果给PC，由PC向物料处理模块发出信号，对已判定的物料进行处理。

图4示出的示例实施例中，避免了由于圆心漏掉造成的棉签数量少于实际棉签数量的问题，进一步的提高了结果的准确率。

下面，将结合图5对本示例实施例的一种基于图像处理的自动计数方法进行进一步的解释以及说明。参考图5所示，当棉签生产完成后，可以通过棉签生产现场的传送平台(为了减少反光，提高拍摄图像的质量，该传送平台可以为黑色的传送带)501进行传送，并且，该传送带上设置有运动控制器，当光电传感器502检测到传送平台501上有棉签盒503后，可以向PC传递信号，使得PC可以控制摄像头对504对棉签盒进行拍摄；当拍摄完成后，可以通过运动控制器将棉签盒503传送至其他地方，并且传送下一个棉签盒进行检测。进一步的，为了排除外界环境光对摄像头504的影响，可以将该拍摄场景设置在暗室箱体506内；当需要拍摄时，可以代开光源灯条505，然后进行拍摄，以保证照片的清晰度。当摄像头拍摄完成后，PC可以获取该摄像头中的图像，完成上述步骤S110-步骤S140，以完成对棉签的基数。

进一步的，本公开结合生产现场的传送带平台，通过相机拍照获取图片，通过视觉学习软件的判定在线判别棉签的数量。整套设备分为三个部分：机械传输部分，相机拍摄软件判定部分，物料分类处理部分。其中相机拍摄软件判定部分是在一个相对封闭的环境中，结合合适的光源环境(排除外界环境光对相机拍摄的影响)。整个设备是在生产现场的现有传送平台上进行，配合现有的生产流程对产品进行全部的在线监测。该方法在不影响现有生产的基础上对产品进行了全部的在线监测，全面实时的监控生产情况，提升品质管控的水平。同时相对传统方法，提升了监测的效率。

本公开还提供了一种基于图像处理的自动计数装置。参考图6所示，该基于图像处理的自动计数装置可以包括圆圈查找模块610、矩形区域划分模块620、输出结果判断模块630以及圆心数量统计模块。其中：

圆圈查找模块610，可以用于根据待处理图像得到感兴趣区域，并对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；

矩形区域划分模块620，可以用于以所述圆心列表中的各圆心为中心将所述感兴趣区域划分为多个矩形区域，并将所述多个矩形区域输入至分类器中得到多个输出结果；

输出结果判断模块630，可以用于根据所述输出结果判断各所述矩形区域是否属于所述待计数对象对应的图像，并在确定任一所述矩形区域不属于所述待计数对象对应的图像时，删除所述圆心列表中该矩形区域对应的圆心，得到目标列表；

圆心数量统计模块640，可以用于统计所述目标列表中的圆心数量，并将所述圆心数量作为所述待计数对象的数量。

在本公开的一种示例性实施例中，圆圈查找模块610还可以被配置为：获取基于预设环境下进行拍摄得到的待处理图像；对所述待处理图像进行灰度化处理得到灰度图片，并查找所述灰度图片中的所有轮廓；选取所述所有轮廓中的轮廓最大的区域作为目标区域，并将所述目标区域的最小外包矩形作为所述感兴趣区域。

在本公开的一种示例性实施例中，将所述目标区域的最小外包矩形作为所述感兴趣区域包括：对所述目标区域进行填充，并对填充后的目标区域进行腐蚀操作，得到标记区域；获取所述标记区域的最小外包矩形，并将所述最小外包矩形作为所述感兴趣区域。

在本公开的一种示例性实施例中，上述基于图像处理的自动计数装置还包括：

二值化处理模块，用于对所述感兴趣区域进行二值化处理，确定所述感兴趣区域中是否存在像素值大于预设像素的区域；

像素替换模块，用于在确定所述感兴趣区域中存在像素值大于预设像素的区域时，对该区域的像素值进行替换。

在本公开的一种示例性实施例中，对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表包括：

利用霍夫圆环检测法对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；其中，所述霍夫圆环检测法中的参数包括最大半径、最小半径、构成圆弧最少的点数以及边缘检测法的两个阈值中的至少一个。

在本公开的一种示例性实施例中，所述基于图像处理的自动计数装置还包括：

训练模块，可以用于构建训练数据集以及测试数据集，并利用训练数据集对网络模型进行训练；

测试模块，可以用于利用所述测试数据集对训练后的网络模型进行测试，并确定测试结果的准确率是否大于预设准确率；

准确率判断模块，可以用于如果所述测试结果的准确率大于所述预设准确率，则将所述训练后的网络模型作为所述分类器。

在本公开的一种示例性实施例中，所述基于图像处理的自动计数装置还包括：

计算模块，用于计算所述目标列表中各圆心之间的距离，并将所述距离不超过预设距离的圆心进行连线处理得到圆心连线；

其他圆心判断模块，用于基于所述圆心连线查找所述感兴趣区域中是否存在其他的圆心；并在所述感兴趣区域中存在其他的圆心时，以该圆心为中心按照所述预设步长生成新的矩形区域；

添加模块，用于将所述新的矩形区域输入至所述分类器中，并在根据所述新的矩形区域的输出结果判断所述新的矩形区域属于所述待计数对象对应的图像时，将该圆心添加至所述目标列表中。

上述基于图像处理的自动计数装置中各模块的具体细节已经在对应的基于图像处理的自动计数方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施方式的方法。

在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图7来描述根据本发明的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图1中所示的步骤S110：根据待处理图像得到感兴趣区域，并对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；步骤S120：以所述圆心列表中的各圆心为中心将所述感兴趣区域划分为多个矩形区域，并将所述多个矩形区域输入至分类器中得到多个输出结果；步骤S130：根据所述输出结果判断各所述矩形区域是否属于所述待计数对象对应的图像，并在确定任一所述矩形区域不属于所述待计数对象对应的图像时，删除所述圆心列表中该矩形区域对应的圆心，得到目标列表；步骤S140：统计所述目标列表中的圆心数量，并将所述圆心数量作为所述待计数对象的数量。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备770(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

Claims (10)

1.一种基于图像处理的自动计数方法，其特征在于，包括：

根据待处理图像得到感兴趣区域，并对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；

以所述圆心列表中的各圆心为中心将所述感兴趣区域划分为多个矩形区域，并将所述多个矩形区域输入至分类器中得到多个输出结果；

根据所述输出结果判断各所述矩形区域是否属于所述待计数对象对应的图像，并在确定任一所述矩形区域不属于所述待计数对象对应的图像时，删除所述圆心列表中该矩形区域对应的圆心，得到目标列表；

统计所述目标列表中的圆心数量，并将所述圆心数量作为所述待计数对象的数量。

2.根据权利要求1所述的基于图像处理的自动计数方法，其特征在于，根据待处理图像得到感兴趣区域包括：

获取基于预设环境下进行拍摄得到的待处理图像；

对所述待处理图像进行灰度化处理得到灰度图片，并查找所述灰度图片中的所有轮廓；

选取所述所有轮廓中的轮廓最大的区域作为目标区域，并将所述目标区域的最小外包矩形作为所述感兴趣区域。

3.根据权利要求2所述的基于图像处理的自动计数方法，其特征在于，将所述目标区域的最小外包矩形作为所述感兴趣区域包括：

对所述目标区域进行填充，并对填充后的目标区域进行腐蚀操作，得到标记区域；

获取所述标记区域的最小外包矩形，并将所述最小外包矩形作为所述感兴趣区域。

4.根据权利要求2所述的基于图像处理的自动计数方法，其特征在于，在对所述感兴趣区域中的圆圈进行查找之前，所述自动计数方法还包括：

对所述感兴趣区域进行二值化处理，确定所述感兴趣区域中是否存在像素值大于预设像素的区域；

在确定所述感兴趣区域中存在像素值大于预设像素的区域时，对该区域的像素值进行替换。

5.根据权利要求1所述的基于图像处理的自动计数方法，其特征在于，对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表包括：

利用霍夫圆环检测法对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；

其中，所述霍夫圆环检测法中的参数包括最大半径、最小半径、构成圆弧最少的点数以及边缘检测法的两个阈值中的至少一个。

6.根据权利要求1所述的基于图像处理的自动计数方法，其特征在于，在将所述多个矩形区域输入至分类器中得到多个输出结果之前，所述自动计数方法还包括：

构建训练数据集以及测试数据集，并利用训练数据集对网络模型进行训练；

利用所述测试数据集对训练后的网络模型进行测试，并确定测试结果的准确率是否大于预设准确率；

如果所述测试结果的准确率大于所述预设准确率，则将所述训练后的网络模型作为所述分类器。

7.根据权利要求1所述的基于图像处理的自动计数方法，其特征在于，在统计所述目标列表中的圆心数量之前，所述自动计数方法还包括：

计算所述目标列表中各圆心之间的距离，并将所述距离不超过预设距离的圆心进行连线处理得到圆心连线；

基于所述圆心连线查找所述感兴趣区域中是否存在其他的圆心；并在所述感兴趣区域中存在其他的圆心时，以该圆心为中心按照所述预设步长生成新的矩形区域；

将所述新的矩形区域输入至所述分类器中，并在根据所述新的矩形区域的输出结果判断所述新的矩形区域属于所述待计数对象对应的图像时，将该圆心添加至所述目标列表中。

8.一种基于图像处理的自动计数装置，其特征在于，包括：

圆圈查找模块，用于根据待处理图像得到感兴趣区域，并对所述感兴趣区域中的圆圈进行查找，得到所述感兴趣区域中的待计数对象的圆心列表；

矩形区域划分模块，用于以所述圆心列表中的各圆心为中心将所述感兴趣区域划分为多个矩形区域，并将所述多个矩形区域输入至分类器中得到多个输出结果；

输出结果判断模块，用于根据所述输出结果判断各所述矩形区域是否属于所述待计数对象对应的图像，并在确定任一所述矩形区域不属于所述待计数对象对应的图像时，删除所述圆心列表中该矩形区域对应的圆心，得到目标列表；

圆心数量统计模块，用于统计所述目标列表中的圆心数量，并将所述圆心数量作为所述待计数对象的数量。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的基于图像处理的自动计数方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的基于图像处理的自动计数方法。