本發明涉及圖像處理技術領域，具體的說是涉及一種復雜背景下的卡片圖像的提取方法及系統。
背景技術：
圖像目標提取技術是圖像處理技術領域重要的組成部分，目前圖像目標提取方法主要有：(1)基于區域的目標圖像提取方法，(2)基于邊緣的目標圖像提取方法，(3)區域與邊緣相結合的目標圖像提取方法，(4)基于數學形態學的目標圖像提取方法，(5)基于神經網絡的目標圖像提取方法，(6)基于支持向量機的目標圖像提取方法，(7)基于圖論的目標圖像提取方法。
但是上述目標圖像提取方法，應用于針對目標圖像為四邊形的圖像時，如身份證、銀行卡等，即卡片圖像，尚存在下述問題：
如由于卡片圖像數據常常具有不確定性，通常伴隨著信息噪聲，這就極大影響了卡片圖像提取精度的問題，如由于卡片圖像提取問題本身的解常常不是唯一的，例如卡片圖像中可能含有多個矩形區域，因此難以用統一的方法區分出我們需要的卡片目標，如由于卡片圖像提取往往受光照和亮度不均的影響較大，若圖像部分區域含有陰影，會對圖像紋理和特征的提取造成影響，因而會造成該類卡片圖像提取錯誤等問題。
技術實現要素：
鑒于已有技術存在的缺陷，本發明的目的是要提供一種卡片圖像的提取方法，該方法能夠有效去除圖像偽邊緣，提高圖像提取的效果以及精度，同時該方法可以有效去除復雜背景紋理邊緣，對復雜背景圖像的魯棒性好。
為了實現上述目的，本發明的技術方案：
一種卡片圖像的提取方法，其特征在于，包括如下步驟：
S1、對讀入的待提取卡片圖像進行預處理；
S2、分別基于彩色圖像自適應邊緣檢測方法、相位一致性檢測方法，自經預處理的卡片圖像中提取出各自對應的邊緣圖像，并對當前所提取的兩幅邊緣圖像進行求與運算后合成卡片圖像所對應的粗提取圖像；
S3、在HSV空間下，基于相位一致性檢測方法對所述粗提取圖像進行邊緣檢測，以獲得最終的邊緣圖像；
S4、基于S3中所獲得邊緣圖像，采用霍夫變換檢測直線合成卡片圖像最終的提取圖像。
進一步的，作為本發明的優選方案，
所述S2中對當前所提取的兩幅邊緣圖像進行求與運算后合成卡片圖像所對應的粗提取圖像的過程包括下述步驟：
S21、對所得到的兩幅邊緣圖像進行去除偽邊緣處理，即分別將所得到的兩幅邊緣圖像轉為灰度圖像，利用直方圖確定各自對應的邊緣閾值；并通過圖像形態學處理去除噪聲點區域，以分別得到與彩色圖像自適應邊緣檢測方法所對應的邊緣圖像img11以及與相位一致性檢測方法所對應的邊緣圖像img12；
S22、對所得到的邊緣圖像img11、邊緣圖像img12進行求與運算，以得到初始邊緣圖像；并通過對所述初始邊緣圖像進行最小外界矩形計算確認卡片提取圖像所對應的目標圖像區域，通過將目標圖像區域與待提取卡片的原始圖像進行點乘，獲得待提取卡片圖像的粗提取圖像。
進一步的，作為本發明的優選方案，
所述S3包括下述步驟：
S31、將讀入的粗提取圖像轉換到HSV顏色空間下；
S32、基于相位一致性檢測方法對粗提取圖像的H分量進行邊緣檢測，以得到H分量所對應的邊緣強度圖像和角度強度圖像；并將所獲得的邊緣強度圖像和角度強度圖像進行疊加后，進行非極大抑制處理、圖像骨架化處理得到H分量下的邊緣圖像img21；
S33、基于相位一致性檢測方法對粗提取圖像的S分量進行邊緣檢測，以得到S分量所對應的邊緣強度圖像和角度強度圖像；并將所獲得的邊緣強度圖像和角度強度圖像進行疊加后，進行非極大抑制處理、圖像骨架化處理后得到S分量下的邊緣圖像img22；
S34、對所述邊緣圖像img21、邊緣圖像img22進行求或運算，得到邊緣圖像img2后與粗提取圖像進行求與運算，得到最終的邊緣圖像img_z。
本發明的另一目的是要提供一種卡片圖像的提取系統，其特征在于，包括：
預處理單元，該預處理單元能夠對讀入的待提取卡片圖像進行預處理；
第一級提取單元，該第一級提取單元能夠基于彩色圖像自適應邊緣檢測方法、相位一致性檢測方法，分別自經預處理的卡片圖像中提取出各自對應的邊緣圖像，并對當前所提取的兩幅邊緣圖像進行求與運算后合成卡片圖像所對應的粗提取圖像；
邊緣圖像提取單元，該邊緣圖像提取單元能夠在HSV空間下，基于相位一致性檢測方法對所述粗提取圖像進行邊緣檢測，獲得最終的邊緣圖像；
以及第二級提取單元，該第二級提取單元能夠基于邊緣圖像提取單元所獲得邊緣圖像，采用霍夫變換檢測直線合成卡片圖像最終的提取圖像。
與現有技術相比，本發明的有益效果：
1)針對讀入的待提取圖像預處理，使得圖像提取算法效率提升，無需占用很大內存存儲空間，便于實時處理；
2)讀取預處理后的圖像，分別利用彩色圖像自適應邊緣檢測方法和相位一致性方法獲取兩幅圖像邊緣，并將其求與運算，從而得到卡片的粗提取結果，可以避免圖像因光照和亮度不均造成的錯誤提取，能夠有效的去除圖像偽邊緣，使得圖像提取的效果更加優良；
3)將得到的兩幅邊緣圖像轉為灰度圖，利用直方圖自動確定邊緣閾值，然后經過形態學操作將圖像較小的連通域去除(即我們認為是噪聲點的區域)，可以有效的去除背景噪聲，提高了結果的精度；
4)在HSV空間中，利用相位一致性算法對粗提取結果的H分量和S分量進行邊緣檢測，得到的邊緣圖像利用霍夫變換檢測直線得到最終的卡片提取圖像可以有效去除復雜背景紋理邊緣，對于復雜背景的圖像魯棒性較好。
附圖說明
圖1為本發明所述提取方法對應的步驟流程圖；
圖2為圖1對應的步驟流程實例圖；
圖3a為本發明所述待提取卡片圖像實例圖；
圖3b為圖3a的彩色邊緣圖像rgbx實例圖；
圖3c為圖3a的彩色邊緣圖像rgby實例圖；
圖3d為圖3a的彩色邊緣圖像rgbimg實例圖；
圖4為本發明所述S2采用相位一致性算法得到的邊緣圖像實例圖；
圖5a為本發明所述邊緣圖像img11實例圖；
圖5b為本發明所述邊緣圖像img12實例圖；
圖5c為本發明所述粗提取圖像img1實例圖；
圖6為本發明所述邊緣圖像img2實例圖；
圖7為本發明所述最終的邊緣圖像img_z實例圖；
圖8為本發明所獲得目標卡片圖像實例圖。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
如圖1-圖2所示，本發明設計了一種基于現有的彩色圖像自適應邊緣檢測法和相位一致性檢測法的卡片圖像提取方法，包括以下步驟：
S1、對讀入的待提取卡片圖像進行預處理，以使得圖像提取效率提升，無需占用很大內存存儲空間，便于實時處理；所述預處理，其包括以下步驟：S11、對讀入的待提取卡片圖像進行濾波降噪處理；S12、對經濾波降噪處理的圖像進行縮放處理。具體作為本方法的優選實例，所述濾波降噪處理包括采用均值濾波處理以完成對前述卡片原始圖像的噪聲進行抑制；將經濾波降噪處理的圖像縮小為原圖尺寸的1/2，以提升算法效率并減少內存存儲空間。
S2、讀取預處理后的圖像，分別基于彩色圖像自適應邊緣檢測方法、相位一致性檢測方法，自經預處理的卡片圖像中提取出各自對應的邊緣圖像，并對當前所提取的兩幅邊緣圖像進行求與運算后合成卡片圖像所對應的粗提取圖像；具體作為本方法的優選實例，基于彩色圖像自適應邊緣檢測方法自經預處理的如圖3a的卡片圖像中提取出對應的邊緣圖像的過程包括：對經預處理的卡片圖像所對應的rgb圖像進行水平邊緣檢測以獲得經量化的彩色水平邊緣圖像rgbx，如圖3b，并對所述rgb圖像卡片圖像進行豎直邊緣檢測，以獲得經量化的彩色垂直邊緣圖像rgby，如圖3c；逐一比較彩色水平邊緣圖像rgbx、彩色垂直邊緣圖像rgby對應像素點的像素值的大小并構造系數矩陣rgbmask，該系數矩陣rgbmask構造原則為判斷彩色水平邊緣圖像rgbx中當前像素點所對應的像素值是否大于彩色垂直邊緣圖像rgby中當前像素點所對應的像素值，是則系數矩陣rgbmask中對應位置置1，否則置0；保留rgbx和rgby的R、G、B三通道每一層x,y方向較明顯的邊緣，即得到的系數矩陣為1的點，按照下述公式對彩色水平邊緣圖像rgbx、彩色垂直邊緣圖像rgby進行邊緣圖像提取，以獲得彩色邊緣圖像rgbimg，如圖3d；所述公式為
rgbimg＝rgbx·rgbmask+rgby·(1-rgbmask)
上述公式中，矩陣的點乘就是矩陣各個對應元素相乘。
具體作為本方法的優選實例，基于相位一致性檢測方法，對經預處理的卡片圖像進行邊緣圖像提取處理過程包括：將經預處理的卡片圖像轉為灰度圖像，并基于相位一致性檢測算法獲得對應的邊緣圖像，如圖4，由于該算法為常用算法，因此這里僅對其應用到本發明的原理背景做簡單說明：所謂相位一致性，簡單的說就是指圖像的各個位置上各個頻率成分的相似度的一種度量方式，它是一個無量綱的量，其值是和光照及亮度的變化無關的，其可通過搜索局部能量函數的峰值來得到相位高度一致的位置，即局部能量函數正比于相位一致性，經測試可以得出結論，圖像的邊緣特征在圖像的相位譜一致性上得到了很好的體現，其檢測結果和圖像的亮度以及對比度變化的劇烈程度無關。因此，該方法在光照不理想或者是圖像亮度分布不均勻的情況下能夠得到較好的檢測效果，讀入原始圖像，并將其轉為灰度圖像，利用上述相位一致性算法即可得到邊緣圖像。
同時由于得到的彩色邊緣圖像和利用相位一致性方法得到的邊緣圖像不可避免的會有一些邊緣是偽邊緣，所以需要去除偽邊緣，因此所述S2中對當前所提取的兩幅邊緣圖像進行求與運算后合成卡片圖像所對應的粗提取圖像的過程包括下述步驟：S21、分別將所得到的兩幅邊緣圖像轉為灰度圖像，利用直方圖確定各自對應的邊緣閾值；并通過圖像形態學處理去除噪聲點區域(由于灰度值分布絕大部分值集中在較小值附近，所以我們將灰度值最大的前10％確定為邊緣，然后經過形態學操作將圖像較小的連通域去除)，以分別得到與彩色圖像自適應邊緣檢測方法所對應的邊緣圖像img11以及與相位一致性檢測方法所對應的邊緣圖像img12，如圖5a、5b，；S22、為了進一步去除偽邊緣，我們認為經過兩種方法檢測出的共同邊緣為實際圖像邊緣，因此對所得到的邊緣圖像img11、邊緣圖像img12進行求與運算，以得到初始邊緣圖像；并通過對所述初始邊緣圖像進行最小外界矩形計算確認卡片提取圖像所對應的目標圖像區域，通過將目標圖像區域與待提取卡片的原始圖像進行點乘，獲得待提取卡片圖像的粗提取圖像，如圖5c。
對于背景相對復雜的圖像，上述操作也會檢測出背景紋理的邊緣，造成提取錯誤，因此我們采取在HSV空間中利用相位一致性算法對粗提取結果進行邊緣檢測，得到最終的圖像邊緣提取結果，上述過程即為下述步驟S3。
具體的所述S3、在HSV空間下，基于相位一致性檢測方法對所述粗提取圖像進行邊緣檢測，以獲得最終的邊緣圖像；具體作為本方法的優選實例，所述S3包括下述步驟：S31、將讀入的粗提取圖像轉換到HSV顏色空間下，并利用H分量圖像和S分量圖像進行下一步操作，因為色調和飽和度成分與人們獲取顏色的方式密切相關，而且我們已經在S2中解決了亮度不均的問題，故不考慮V分量圖像；S32、基于相位一致性檢測方法對粗提取圖像的H分量進行邊緣檢測，以得到H分量所對應的邊緣強度圖像和角度強度圖像；并將所獲得的邊緣強度圖像和角度強度圖像進行疊加后，進行非極大抑制處理、圖像骨架化處理得到H分量下的邊緣圖像img21；S33、基于相位一致性檢測方法對粗提取圖像的S分量進行邊緣檢測，以得到S分量所對應的邊緣強度圖像和角度強度圖像；并將所獲得的邊緣強度圖像和角度強度圖像進行疊加后，進行非極大抑制處理、圖像骨架化處理后得到S分量下的邊緣圖像img22；S34、我們認為經過兩種方法檢測出的邊緣都是實際圖像邊緣，因此對所述邊緣圖像img21、邊緣圖像img22進行求或運算得到邊緣圖像img2，如圖6，再與粗提取圖像進行求與運算，得到最終的邊緣圖像img_z，如圖7。
S4、基于S3中所獲得邊緣圖像，采用霍夫變換檢測直線合成卡片圖像最終的提取圖像。利用霍夫變換檢測直線檢測出卡片的四條邊，然后計算其最小外界矩形，經過旋轉和分割進而得到最終的卡片提取圖像，因為在HSV顏色空間中，色彩信息只與H分量和S分量有關，色調和飽和度成分與人們獲取顏色的方式密切相關，該方法可以有效去除復雜背景紋理邊緣，對于復雜背景的圖像魯棒性較好。
本發明的另一目的是要提供一種卡片圖像的提取系統，其特征在于，包括：
1.預處理單元，該預處理單元能夠對讀入的待提取卡片圖像進行預處理；所述預處理，其包括對讀入的待提取卡片圖像進行濾波降噪處理；對經濾波降噪處理的圖像進行縮放處理。具體作為本方法的優選實例，所述濾波降噪處理包括采用均值濾波處理以完成對前述卡片原始圖像的噪聲進行抑制；將經濾波降噪處理的圖像縮小為原圖尺寸的1/2，以提升算法效率并減少內存存儲空間；
2.第一級提取單元，該第一級提取單元能夠基于彩色圖像自適應邊緣檢測方法、相位一致性檢測方法，分別自經預處理的卡片圖像中提取出各自對應的邊緣圖像，并對當前所提取的兩幅邊緣圖像進行求與運算后合成卡片圖像所對應的粗提取圖像；具體作為本方法的優選實例，所述基于彩色圖像自適應邊緣檢測方法自經預處理的卡片圖像中提取出對應的邊緣圖像的過程包括：對經預處理的如圖3a的卡片圖像所對應的rgb圖像進行水平邊緣檢測以獲得經量化的彩色水平邊緣圖像rgbx，如圖3b，并對所述rgb圖像卡片圖像進行豎直邊緣檢測，以獲得經量化的彩色垂直邊緣圖像rgby，如圖3c；逐一比較彩色水平邊緣圖像rgbx、彩色垂直邊緣圖像rgby對應像素點的像素值的大小并構造系數矩陣rgbmask，該系數矩陣rgbmask構造原則為判斷彩色水平邊緣圖像rgbx中當前像素點所對應的像素值是否大于彩色垂直邊緣圖像rgby中當前像素點所對應的像素值，是則系數矩陣rgbmask中對應位置置1，否則置0；保留rgbx和rgby的R、G、B三通道每一層x,y方向較明顯的邊緣，即得到的系數矩陣為1的點，按照下述公式對彩色水平邊緣圖像rgbx、彩色垂直邊緣圖像rgby進行邊緣圖像提取，以獲得彩色邊緣圖像rgbimg，如圖3d；所述公式為
rgbimg＝rgbx·rgbmask+rgby·(1-rgbmask)
上述公式中，矩陣的點乘就是矩陣各個對應元素相乘。
具體作為本方法的優選實例，基于相位一致性檢測方法，對經預處理的卡片圖像進行邊緣圖像提取處理過程包括：將經預處理的卡片圖像轉為灰度圖，并基于相位一致性檢測算法獲得對應的邊緣圖像，如圖4，由于該算法為常用算法，因此這里僅對其應用到本發明的原理背景做簡單說明：所謂相位一致性，簡單的說就是指圖像的各個位置上各個頻率成分的相似度的一種度量方式，它是一個無量綱的量，其值是和光照及亮度的變化無關的，其可通過搜索局部能量函數的峰值來得到相位高度一致的位置，即局部能量函數正比于相位一致性，經測試可以得出結論，圖像的邊緣特征在圖像的相位譜一致性上得到了很好的體現，其檢測結果和圖像的亮度以及對比度變化的劇烈程度無關。因此，該方法在光照不理想或者是圖像亮度分布不均勻的情況下能夠得到較好的檢測效果，讀入原始圖像，并將其轉為灰度圖，利用上述相位一致性算法即可得到邊緣圖像；
同時由于得到的彩色邊緣圖像和利用相位一致性方法得到的邊緣圖像不可避免的會有一些邊緣是偽邊緣，所以需要去除偽邊緣，因此所述第一級提取單元中還能夠完成下述功能：1、分別將所得到的兩幅邊緣圖像轉為灰度圖像，利用直方圖確定各自對應的邊緣閾值；并通過圖像形態學處理去除噪聲點區域(由于灰度值分布絕大部分值集中在較小值附近，所以我們將灰度值最大的前10％確定為邊緣，然后經過形態學操作將圖像較小的連通域去除)，以分別得到與彩色圖像自適應邊緣檢測方法所對應的邊緣圖像img11以及與相位一致性檢測方法所對應的邊緣圖像img12，如圖5a、5b；2、為了進一步去除偽邊緣，我們認為經過兩種方法檢測出的共同邊緣為實際圖像邊緣，因此對所得到的邊緣圖像img11、邊緣圖像img12進行求與運算，以得到初始邊緣圖像；并通過對所述初始邊緣圖像進行最小外界矩形計算確認卡片提取圖像所對應的目標圖像區域，通過將目標圖像區域與待提取卡片的原始圖像進行點乘，獲得待提取卡片圖像的粗提取圖像，如圖5c。
3.邊緣圖像提取單元，該邊緣圖像提取單元能夠在HSV空間下，基于相位一致性檢測方法對所述粗提取圖像進行邊緣檢測，獲得最終的邊緣圖像；具體作為本方法的優選實例，所述邊緣圖像提取單元的處理過程包括下述步驟：首先將讀入的粗提取圖像轉換到HSV顏色空間下，并利用H分量圖像和S分量圖像進行下一步操作，因為色調和飽和度成分與人們獲取顏色的方式密切相關，而且我們已經在S2中解決了亮度不均的問題，故不考慮V分量圖像；其次基于相位一致性檢測方法對粗提取圖像的H分量進行邊緣檢測，以得到H分量所對應的邊緣強度圖像和角度強度圖像；并將所獲得的邊緣強度圖像和角度強度圖像進行疊加后，進行非極大抑制處理、圖像骨架化處理得到H分量下的邊緣圖像img21；再次基于相位一致性檢測方法對粗提取圖像的S分量進行邊緣檢測，以得到S分量所對應的邊緣強度圖像和角度強度圖像；并將所獲得的邊緣強度圖像和角度強度圖像進行疊加后，進行非極大抑制處理、圖像骨架化處理后得到S分量下的邊緣圖像img22；最后，我們認為經過兩種方法檢測出的邊緣都是實際圖像邊緣，因此對所述邊緣圖像img21、邊緣圖像img22進行求或運算得到邊緣圖像img2，如圖6，再與粗提取圖像進行求與運算，得到最終的邊緣圖像img_z，如圖7。
4.第二級提取單元，該第二級提取單元能夠基于邊緣圖像提取單元所獲得邊緣圖像，采用霍夫變換檢測直線合成卡片圖像最終的提取圖像，如圖8。
以上所述，僅為本發明較佳的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，根據本發明的技術方案及其發明構思加以等同替換或改變，都應涵蓋在本發明的保護范圍之內。