鬼佬大哥大
  • / 20
  • 下載費用:30 金幣  

可標記表面的自動分類和顏色增強.pdf

摘要
申請專利號:

CN201380072930.1

申請日:

2013.12.13

公開號:

CN105027145A

公開日:

2015.11.04

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06K 9/22申請日:20131213|||公開
IPC分類號: G06K9/22; G06F3/042; G06K9/32; G06K9/38 主分類號: G06K9/22
申請人: 微軟技術許可有限責任公司
發明人: M.伍德利加; M.伍科薩夫杰維奇; D.尼杰姆塞維奇
地址: 美國華盛頓州
優先權: 13/713827 2012.12.13 US
專利代理機構: 中國專利代理(香港)有限公司72001 代理人: 王興秋; 景軍平
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201380072930.1

授權公告號:

||||||

法律狀態公告日:

2018.11.09|||2015.12.02|||2015.11.04

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

架構自動計算在給定圖像中捕獲的四邊形對象是否是或不是可標記板(例如白板、綠色板、粉筆板等等)。所述可標記板具有一個表面,可以使用粉筆、墨水、干式墨水或者用于給定表面的任何其他適當的標記儀器或工具在其上施加標記。所成像的四邊形對象可以被定義成具有背景圖像和前景圖像。背景圖像代表沒有施加表面標記的可標記板,前景圖像包括施加到板表面的所有可辨別標記,但是不包括背景圖像。由機器學習分類器接收并且處理一個性能友好特征的集合,以便計算給定的四邊形對象是否是可標記板。隨后,如果給定的圖像被確定為是可標記板,則實施圖像增強。

權利要求書

權利要求書
1.   一種系統,包括:
成像處理系統,其提供所檢測到的具有標記表面的四邊形對象的圖像;
特征系統,其獲得與四邊形對象的圖像捕獲有關的特征集合以用于檢測標記表面的背景圖像和前景圖像;
分類組件,其基于所述特征對四邊形對象實施分類以便確定所述四邊形對象是否是可標記板;以及
微處理器,執行與圖像處理系統、特征系統或分類組件中的至少一個相關聯的計算機可執行指令。

2.   權利要求1的系統,還包括將四邊形對象的圖像細分成貼片的貼片處理組件以及使用空間內插來估計背景圖像的估計組件,其中基于顏色均勻性屬性和無標記區域屬性最優化所述貼片的尺寸。

3.   權利要求1的系統,還包括將標記表面上的標記與背景圖像進行區分的區分組件,以及圖像增強組件,所述圖像增強組件創建新圖像,并且基于四邊形對象是可標記板而在所述新圖像中增強背景圖像的顏色均勻性以及增強前景圖像中的標記清晰度。

4.   權利要求1的系統,其中,所述分類組件采用機器學習分類器,所述機器學習分類器對所述特征集合進行處理以便確定四邊形對象是否是可標記板,并且基于將白板與其他四邊形對象進行區分的特征將標記表面分類為白板。

5.   權利要求1的系統,其中,所述特征集合包括基于攝影機的自動對焦子系統的成像系統與四邊形對象的距離,以及標記表面上的標記的估計筆畫寬度。

6.   一種由執行機器可讀指令的計算機系統實施的方法,所述方法包括以下動作:
接收所檢測到的具有標記表面的四邊形對象的圖像;
對所獲得的與四邊形對象的圖像捕獲有關的特征進行處理,以便檢測標記表面的背景圖像和前景圖像;
基于所述特征使用機器學習系統對四邊形對象實施分類;
基于所述分類計算四邊形對象是否是可標記板;以及
配置處理器實施所述接收、處理、實施或計算動作當中的至少一項。

7.   權利要求6的方法,還包括以下動作:通過把標記表面的圖像細分成具有表現出顏色均勻性屬性和無標記區域屬性的尺寸的貼片,來估計背景圖像的顏色。

8.   權利要求6的方法,還包括以下動作:應用對標記表面上的標記與背景顏色進行辨別的二進制閾值算法,以及計算估計墨水圖像中的標記的筆畫長度的特征。

9.   權利要求6的方法,還包括以下動作:基于與捕獲圖像的設備的自動對焦有關的參數,計算作為四邊形對象與所述設備的距離的特征。

10.   權利要求6的方法,還包括以下動作:創建四邊形對象的新圖像以用于圖像增強,以及增強所述新圖像以便查看前景圖像中的標記。

說明書

說明書可標記表面的自動分類和顏色增強
背景技術
圖像捕獲能力大量存在于許多當前的用戶設備中,例如,比如智能電話和平板設備。因此,用戶可以捕獲幾乎任何事物的圖像。雖然這一基本的能力對于大多數用戶是有用的,但是隨之而來的一項挑戰是在最大程度上利用設備硬件能力,從而按照所期望的方式改進圖像捕獲和檢測。取代通常使用的手寫信息,簡單地拍攝所期望的內容的照片變得有用并且更加高效,比如拍攝名片、其他人寫在紙上的筆記、板上的繪畫等等的照片。但是隨后通常采用某種辨識技術來將所捕獲的信息處理成更加可用的形式。為了改進此類圖像捕獲設備的有用性,特別在對所捕獲的對象進行區分方面,開發努力不斷進展。
發明內容
下面給出了簡化的概要以便提供關于這里所描述的一些新穎實施例的基本理解。本概要不是詳盡總覽,并且不意圖標識出關鍵的/至關重要的元素或者界定其范圍。它的唯一目的是以簡化形式給出一些概念,以作為將在后面給出的更加詳細的描述的前導。
所公開的架構自動計算在給定圖像中捕獲的四邊形對象是否是或不是可標記板(例如白板、綠色板、粉筆板,用戶可以在其上施加比如線條、文字等標記),所述可標記板具有表面,可以使用粉筆、墨水、干式墨水或者用于所述給定表面的任何其他適當的標記儀器或工具在所述表面上施加標記。舉例來說,白色粉筆被用來在黑色和綠色粉筆板上施加可擦除標記,干式墨水標記筆被用來在白板(其通常也被稱作標記筆板)上施加可擦除標記。
所成像的四邊形對象可以被定義成具有背景圖像和前景圖像。背景圖像代表沒有施加表面標記的可標記板(例如背景圖像是空白板,但是可以是在所述表面上均勻的任何顏色,比如比如白色、綠色、黑色等等)。前景圖像包括施加到板表面上的所有可辨別標記,但是不包括背景圖像。
由機器學習分類器接收并且處理一個性能友好特征的集合,以便計算給定的四邊形對象是否是可標記板。隨后,如果給定的圖像被確定為是可標記板,則實施圖像增強,使得將背景圖像處理成在沒有標記的地方是均勻的,而不管板表面上的照明/陰影變化如何。此外,圖像增強在前景(標記)上實施飽和度提升,使得繪制在可標記板上的對象看起來鮮明并且清晰。
為了實現前述和有關目的,在這里將結合后面的描述和附圖來描述某些說明性方面。這些方面表明可以實踐這里所公開的原理的各種方式,并且所有方面及其等效方案都意圖處于所要求保護的主題內容的范圍內。在結合圖考慮后面的詳細描述時,通過后面的詳細描述,其他優點和新穎特征將變得顯而易見。
附圖說明
圖1示出了根據所公開的架構的一種用于可標記板的自動分類的系統。
圖2示出了用于可標記板的自動分類和圖像增強的一種替換的系統。
圖3示出了具有可標記表面并且被捕獲為原始圖像的物理可標記板的一個示例。
圖4示出了貼片圖像的一個示例。
圖5示出了從貼片處理和估計導出的背景圖像。
圖6示出了墨水圖像,其中白色像素表示前景,黑色像素表示背景。
圖7示出了圖3中拍照的白板的最終圖像。
圖8示出了一種系統,其中可以獲得特征集合并且將其輸入到機器學習分類器中以便區分白板與類似的四邊形對象。
圖9示出了根據所公開的架構的一種方法。
圖10示出了根據所公開的架構的一種替換的方法。
圖11示出了根據所公開的架構的執行自動可標記板分類和顏色增強的計算系統的方框圖。
具體實施方式
所公開的架構自動計算四邊形對象的給定圖像是否是或不是可標記板(例如白板)。由機器學習分類器接收并且處理一個特征集合,以便幫助在一種具體實現方式中計算給定的四邊形對象是否是白板。實施圖像增強,使得背景在沒有施加標記的地方是均勻的,而不管可標記板(表面)上的照明/陰影變化如何。此外,圖像增強在前景(所施加的標記)上實施飽和度提升,使得繪制在板上的標記看起來鮮明并且清晰。
導出并且處理所檢測到的對象的許多數值型特征,從而在可標記板(例如白板)與用戶可能希望拍照的類似的四邊形對象(比如海報、告示牌、名片等等)之間進行區分。特征包括而不限于光軸取向、從攝影機到對象的估計距離、真實對象的估計尺寸、經過矯正的圖像上的對象的寬高比、掩蔽圖像上的幾個最大8連接組件的總尺寸、貼片圖像的數值通道和飽和度通道的標準偏差、貼片圖像的飽和度通道的均值、施加高通濾波之后的貼片圖像的數值和飽和度通道的均值、墨水圖像上的估計筆畫寬度、以及由近似中值尺寸的間隔(筆畫)覆蓋的對象的面積。
現在將參照圖,其中相同的附圖標記始終被用來指代相同的元件。在后面的描述中,出于解釋的目的,闡述了許多具體細節以便提供對其的透徹理解。但是可能明顯的是,可以在沒有這些具體細節的情況下實踐所述新穎的實施例。在其他情況下,通過方框圖形式展示出了眾所周知的結構和設備以便促進對其的描述。意圖在于覆蓋落在所要求保護的主題內容的精神和范圍內的所有修改、等效方案和替換方案。
圖1示出了根據所公開的架構的用于可標記板的自動分類的系統100。系統100可以包括圖像處理系統102,其提供具有標記表面的四邊形對象106的圖像104,并且檢測出圖像104是四邊形對象。特征系統108獲得與四邊形對象106的圖像捕獲有關的特征的集合110以用于檢測標記表面的背景圖像和前景圖像。分類組件112基于特征110實施四邊形對象的分類(使用圖像),以便確定所述四邊形對象是否是可標記板。
圖像處理系統102、特征系統108和分類組件112可以都是操作來捕獲圖像(視頻)的設備的一部分,所述設備比如攝影機、電話攝影機、便攜式計算機攝影機、平板計算機等等。用戶將攝影機指向對象106并且拍攝照片。系統100隨后促進將對象分類為可標記板,比如白板、粉筆板等等。圖像處理系統102分析對象106,并且確定對象是四邊形。因此,所檢測到的四邊形對象是具有可標記表面并且從而是白板的候選對象。
圖2示出了用于可標記板的自動分類和圖像增強的替換系統200。例如除了用于貼片處理、估計、圖像增強、區別的其他組件之外,系統200包括系統100的框架。對于該系統200的描述是按照作為通常被知曉并且使用的白板的可標記板(其具有可標記表面)進行的,并且在所述白板上施加干式墨水以留下具有幾種不同顏色(例如紅色、綠色、棕色、藍色等等)的標記,比如文字和繪畫。
在這種白板情境中,所公開的架構(系統100、系統200)自動計算四邊形對象以及先前被確定為四邊形對象的給定圖像是否是或不是白板。通常來說,由分類組件112使用機器學習分類器202接收并且處理性能友好特征的集合110,以便(通過圖像104)計算給定的四邊形對象106是否是白板。
隨后,如果給定的圖像104是白板,則由圖像增強組件204實施圖像增強,使得背景在沒有標記筆墨水的地方變得均勻(例如近似白板的底色),而不管白板上的照明/陰影變化如何。此外,圖像增強組件204在前景(其包括標記筆墨水)上實施飽和度提升,使得繪制在白板上的標記看起來鮮明并且清晰。
應當理解的是,即使在板表面上沒有任何標記(墨水),由于板表面的長度上的照明變化(例如一側可能比另一側更靠近窗戶,從而比離窗口更遠的一端更加明亮)以及由其他對象(例如窗簾、懸掛對象等等)所投下的陰影,所述白板也很可能不具有均勻的背景顏色。
空的(無標記的)物理白板的圖像被定義為白板的背景圖像。在白板表面上寫下一些文字或草圖并且重新捕獲白板圖像之后,假設在未被墨水觸及的地方(板表面的區域)存在相同的(背景)顏色(如果環境條件沒有改變的話)。
將從以下情況開始描述:整個輸入圖像被矯正,并且只包括感興趣的四邊形對象而不包括其他對象(例如掛在板旁邊的墻壁上的圖片等等)。對于對象檢測和透視矯正可以采用現有技術。
可標記表面分類(例如白板/非白板)和圖像增強階段共享共同的步驟。所述處理包括使用估計組件206從其上帶有墨水的白板的圖像估計背景圖像。
圖3展示出了具有可標記表面302并且被捕獲為(比如白板之類的可標記板的)原始圖像304的物理可標記板300的一個示例。物理可標記板300展示出使用粉筆、干式墨水或者用于給定板300的其他適當的施加器所施加的標記306。在該示例中,其中板300是白板,物理板300的表面顏色近似白色。但是由于板300上的陰影和其他照明變化,所述可標記表面在真實世界中可能被感知為灰白色(近似白色)。設備212的成像系統(例如圖像處理系統102)隨后可以捕獲并且處理作為原始圖像304中的灰白色背景顏色308的照明變化,其在被接收到圖像處理系統的成像器中的許多可能的陰影上經過平均。
關于估計,估計組件206可以包括貼片處理組件208,其將白板(原始)圖像細分成貼片(貼片圖像),所述貼片足夠小(經過最優化的尺寸)從而貼片上的背景顏色可以被視為表現出某種程度的顏色均勻性(例如半均勻),但是所述貼片足夠大,使得可以假設每一個貼片內的大部分像素不被標記材料(例如干式墨水)觸及。圖4展示出了貼片圖像400的一個示例。貼片圖像400示出了由于所捕獲的照明變化而具有不同的顏色或陰影并且通常可能在常用的環境中出現的各個單獨的貼片402。
可以根據經驗來估計貼片尺寸。舉例來說,所檢測到的四邊形對象圖像(其也被稱作原始圖像)可以被細分成nxm個相同尺寸的貼片。因此,貼片高度是圖像高度的n分之一,并且貼片寬度是圖像寬度的m分之一。創建尺寸為nxm的臨時圖像(貼片圖像),使得該圖像中的每一個像素對應于來自原始圖像的一個貼片。該像素的顏色可以被計算成來自對應貼片的所有像素的輝度中值。貼片圖像400的尺寸遠小于原始圖像,這是因為貼片尺寸遠大于1x1像素。通過將貼片圖像放大到原始圖像的尺寸并且使用空間內插,可以獲得關于白板的背景圖像(顏色)的良好估計。圖5示出了從貼片處理和估計導出的背景圖像500。
出于用戶可見性目的,施加到標記表面的墨水的輝度預期顯著不同于其周圍的背景顏色。因此,區分組件210可以采用比如二進制閾值處理技術(其用于根據例如均值或中值之類的閾值進行圖像分割)之類的技術來分離(區分)前景的墨水標記與背景(顏色)。來自原始圖像的其顏色顯著不同于原始圖像中的像素數值的所有像素可以被假定為是前景像素。圖6展示出了墨水圖像600,其中白色像素表示前景,黑色像素表示背景。在這里,施加到板表面的標記是白色,背景是黑色。為了確定在圖像中檢測到的四邊形對象是否是或不是白板,可以將該對象的貼片圖像轉換到HSV(色調飽和度數值)格式。
獲得并且計算所檢測到的對象的數值型特征,使得特征數值幫助在白板與用戶可能希望拍照的類似的四邊形對象(比如海報、告示牌、名片等等)之間作出區別。圖8示出了系統800,其中可以獲得特征集合110(數值型的)并且將其輸入到機器學習分類器202,以便區分白板與類似的四邊形對象。
特征802是光軸取向,其與用戶何時拍攝白板的照片有關,光軸通常是水平的;而對于用戶前方的桌子上的小對象(例如名片),光軸的方向則是向下,等等。可以通過讀取采集設備的取向傳感器來計算光軸,比如加速度計、陀螺儀、傾斜儀等等。
特征804是與對象的距離,其可以基于從攝影機的自動對焦系統獲得的參數來估計。所估計的對象距離幫助區分近對象(例如距離攝影機小于三米)與比如白板之類的遠對象(例如距離攝影機三米或更遠)。
特征806是物理(真實)對象的估計尺寸,其可以在知曉圖像中的對象的估計距離和尺寸以及攝影機參數的情況下獲得。
特征808是經過矯正后的圖像上的對象的寬高比。特征810是掩蔽圖像上的幾個最大8連接的組件的總尺寸。如果對象代表白板,則墨水圖像600上的連接的組件的尺寸可能較小,而對于比如海報之類的對象和類似的對象,連接的組件的尺寸則顯著地更大。
特征812是貼片圖像的數值通道和飽和度通道的標準偏差。如果對象是具有可能較大的不同顏色的區域的海報,則所述偏差將較大;而對于白板,所述偏差則將較小。
特征814是貼片圖像的飽和度通道的均值。由于白板主要是白色的,因此顏色飽和度將是低的,并且對于有色對象,顏色飽和度將是高的。
特征816是在貼片圖像的數值和飽和度通道上施加高通濾波器之后的所述通道的均值。在白板上預期不會有突然的顏色改變;因此,數值在經過高通濾波之后應當是低的。相反,多色對象的數值在經過高通濾波之后則將更高。
特征818是墨水圖像上的估計筆畫寬度(在可標記板是白板的情況下)。沿著墨水圖像的每一條水平線,可以檢測前景顏色和背景顏色的間隔。對于每一個前景間隔,計算從一個前景標記到下一個前景標記的長度。最后,計算每一個長度出現在墨水圖像上的次數,以及中值長度。這也可以對于墨水圖像600的各條垂直線進行實施。隨后計算這些中值長度當中的最小值。在白板的情況下,兩個中值長度當中較小的一個近似對應于筆畫寬度,并且相對較小;否則,該數值通常要大得多。
特征820是被近似中值尺寸的間隔(筆畫)覆蓋的對象的面積。使用之前的計算,可以確定對象被具有處在中值長度附近的特定范圍內的長度的筆畫覆蓋了多少。對于白板,這一數值較小,對于印刷材料,所述數值可以較大。
前面提到的數值型特征110可以被輸入到機器學習分類器202(例如神經網絡),機器學習分類器202隨后充當對象分類器以表明輸入對象是否代表或不代表白板。圖7示出了在圖3中拍照的白板的最終圖像700。由于在表面上捕獲到的照明變化,背景圖像可能不是純白色。在這里,背景顏色不是在圖3的物理可標記板300中感知到的白色;但是其足夠接近所述白色并且可以與用戶能夠感知到所施加的標記306的前景作出區分。
所公開的架構實施圖像增強。可以通過以下步驟獲得增強的圖像:創建新圖像,并且(1)每當對應的掩蔽(墨水圖像)像素是白色時拷貝來自源圖像的像素,并且(2)每當對應的掩蔽像素是黑色時使用恒定顏色(例如白色)。此外,(1)可以通過在寫入到目標圖像之前提高源像素的飽和度而得到加強。如果正在應對彩色圖像(而不是灰度圖像),則可以使用比如輸入圖像的飽和度通道之類的附加信號(重復所描述的規程)來計算當把彩色墨水施加到白板時的更大的背景/前景分離。最后,可以將來自輝度和飽和度通道全部二者的墨水圖像結合到一幅圖像中。
換句話說,特征集合110包括成像系統(攝影機)到四邊形對象的距離(特征804),所述距離是基于攝影機的自動對焦子系統,以及標記表面上的標記的估計筆畫寬度(特征818)。分類組件112基于將白板與其他四邊形對象作出區分的特征(特征集合110)而把標記表面分類為白板。
系統200還可以包括作為分類組件112的一部分的機器學習分類器202,其對特征集合110進行處理以便確定四邊形對象106是否是可標記板。系統200還可以包括圖像增強組件204,其創建新圖像,并且基于四邊形對象是可標記板而在所述新圖像中增強背景圖像的顏色均勻性以及增強前景圖像中的標記清晰度。
系統200還可以包括使用空間內插來估計背景圖像的估計組件206,以及將四邊形對象的圖像細分成貼片的貼片處理組件208,其中基于顏色均勻性屬性和無標記區域屬性來最優化所述貼片的尺寸。系統200還可以包括區分組件210,其將標記表面上的標記與背景圖像進行區分。
系統200示出了采用攝影機系統和支持資源來促進所公開的架構的設備212,比如蜂窩電話、便攜式計算機、平板計算機等等。相應地,設備212可以包括圖1的系統100或者如圖2中所示的元件/組件,比如輸出圖像104的圖像處理系統102,特征系統108和所導出的特征集合110,分類組件112和機器學習分類器202,區分組件210,估計組件206和貼片處理組件208,以及圖像增強組件204。
在這里包括了代表用于實施所公開的架構的新穎方面的示例性方法的流程圖集合。雖然為了解釋的簡單起見在這里例如通過流程圖或過程圖的形式所展示出的所述一種或更多種方法被展示并且描述成一系列動作,但是應當理解并且認識到,所述方法并不受限于所述動作的順序,這是因為一些動作可以于是按照不同的順序發生,和/或可以與未在這里展示出和描述的其他動作同時發生。舉例來說,本領域技術人員將理解并且認識到,一種方法可以替換地比如在狀態圖中被表示成一系列相互關聯的狀態或事件。此外,對于一種新穎實現方式,可能需要在一種方法中所示出的并非所有動作。
圖9示出了根據所公開的架構的一種方法。在900處,接收所檢測到的具有標記表面的四邊形對象的圖像。在902處,對所獲得的與四邊形對象的圖像捕獲有關的特征進行處理,以便檢測標記表面的背景圖像和前景圖像。在904處,基于所述特征使用機器學習系統對四邊形對象實施分類。在906處,基于所述分類計算四邊形對象是否是可標記板。
所述方法還可以包括估計背景圖像的顏色的動作,這是通過將標記表面的圖像細分成具有表現出顏色均勻性屬性和無標記區域屬性的尺寸的貼片而實現的。所述方法還可以包括應用二進制閾值算法的動作,其對標記表面上的標記與背景顏色進行辨別。所述方法還可以包括計算四邊形對象是白板的動作。
所述方法還可以包括計算作為四邊形對象與捕獲圖像的設備的距離的特征的動作,這是基于與所述設備的自動對焦有關的參數而實現的。所述方法還可以包括計算估計墨水圖像中的標記的筆畫長度的特征的動作。所述方法還可以包括創建四邊形對象的新圖像以用于圖像增強的動作。所述方法還可以包括增強所述新圖像以便查看前景圖像中的標記的動作。
圖10示出了根據所公開的架構的一種替換的方法。在1000處,接收具有標記表面和標記表面上的標記的四邊形對象的圖像。在1002處,基于整個標記表面上的顏色的均勻性基于所述標記表面和標記來估計背景圖像。在1004處,將標記的輝度與背景圖像的顏色進行區分。在1006處,獲得與四邊形對象的圖像捕獲有關的特征,以便將所述四邊形對象與其他四邊形對象進行區分。在1008處,基于對所述特征的處理使用機器學習分類器對四邊形對象實施分類。在1010處,基于所述分類計算四邊形對象是否是白板。
所述方法還可以包括增強背景圖像的顏色的均勻性,并且針對清晰度而根據白板的底色提升前景圖像中的標記的飽和度。所述方法還可以包括創建經過增強的圖像,當掩蔽像素是白色時從圖像拷貝像素,以及當掩蔽像素是黑色時使用恒定顏色。所述方法還可以包括處理與以下各項有關的特征:相對于四邊形對象的攝影機取向,攝影機與四邊形對象的距離,以及所估計的標記的筆畫寬度。
在本申請中使用的術語“組件”和“系統”意圖指代與計算機有關的實體,其是硬件、軟件與有形硬件的組合、軟件、或者執行中的軟件。舉例來說,組件可以是(而不限于)有形組件,比如處理器、芯片存儲器、大容量存儲設備(例如光學驅動器、固態驅動器和/或磁性存儲媒體驅動器)和計算機,以及軟件組件,比如運行在處理器上的進程、對象、可執行程序、數據結構(其被存儲在易失性或非易失性存儲介質中)、模塊、執行線程和/或程序。
作為說明,運行在服務器上的應用和服務器都可以是組件。一個或更多組件可以駐留在進程和/或執行線程內,并且組件可以局部化在一臺計算機上和/或分布在兩臺或更多臺計算機之間。“示例性”一詞在這里可以被用來意味著充當示例、實例或說明。在這里被描述為“示例性”的任何方面或設計不一定被解釋成與其他方面或設計相比是優選的或有利的。
現在參照圖11,其中示出了根據所公開的架構的執行自動可標記板分類和顏色增強的計算系統1100的方框圖。但是應當認識到,所公開的方法和/或系統的一些或所有方面可以被實施成芯片上系統,其中模擬、數字、混合信號以及其他功能被制作在單一芯片基板上。
為了提供對應于其各個方面的附加情境,圖11和后面的描述意圖提供可以在其中實施各個方面的適當的計算系統1100的簡要的一般性描述。雖然前面的描述是在可以運行在一臺或更多臺計算機上的計算機可執行指令的一般情境中進行的,但是本領域技術人員將認識到,還可以與其他程序模塊相組合來實施新穎的實施例和/或將新穎的實施例實施成硬件與軟件的組合。
用于實施各個方面的計算系統1100包括計算機1102,計算機1102具有(多個)處理單元1104(其也被稱作(多個)微處理器和(多個)處理器)、比如系統存儲器1106之類的計算機可讀存儲介質(計算機可讀存儲介質/媒體還包括磁盤、光盤、固態驅動器、外部存儲器系統和閃存驅動器)以及系統總線1108。(多個)處理單元1104可以是各種商業可用的處理器當中的任一種,比如單處理器、多處理器、單核單元以及多核單元。此外,本領域技術人員將認識到,可以利用其他計算機系統配置來實踐所述新穎方法,其中包括小型計算機、大型計算機以及個人計算機(例如臺式、膝上型、平板PC等等)、手持式計算設備、基于微處理器的或者可編程消費電子裝置等等,其中的每一項可以通過操作耦合到一個或更多相關聯的設備。
計算機1102可以是為了支持針對便攜式和/或移動式計算系統(比如蜂窩電話和其他具有移動功能的設備)的云計算服務而在數據中心和/或計算資源(硬件和/或軟件)中采用的幾種計算機當中的一種。云計算服務例如包括而不限于作為服務的基礎設施、作為服務的平臺、作為服務的軟件、作為服務的存儲裝置、作為服務的桌面、作為服務的數據、作為服務的安全性以及作為服務的API(應用程序接口)。
系統存儲器1106可以包括計算機可讀存儲(物理存儲)介質,比如易失性(VOL)存儲器1110(例如隨機存取存儲器(RAM))和非易失性存儲器(NON-VOL)1112(例如ROM、EPROM、EEPROM等等)。基本輸入/輸出系統(BIOS)可以被存儲在非易失性存儲器1112中,并且包括比如在啟動期間促進計算機1102內的組件之間的數據和信號傳送的基本例程。易失性存儲器1110還可以包括高速RAM,比如用于高速緩存數據的靜態RAM。
系統總線1108提供用于系統組件(其中包括而不限于系統存儲器1106到(多個)處理單元1104)的接口。系統總線1108可以是使用多種商業可用的總線架構當中的任一種能夠進一步互連到存儲器總線(其具有或不具有存儲器控制器)和外圍總線(例如PCI、PCIe、AGP、LPC等等)的幾種類型的總線結構當中的任一種。
計算機1102還包括(多個)機器可讀存儲子系統1114以及用于將(多個)存儲子系統1114通過接口連接到系統總線1108和其他所期望的計算機組件的(多個)存儲接口1116。(多個)存儲子系統1114(物理存儲媒體)例如可以包括以下各項當中的一項或更多項:硬盤驅動器(HDD),磁性軟盤驅動器(FDD),固態驅動器(SSD),和/或光盤存儲驅動器(例如CD-ROM驅動器、DVD驅動器)。(多個)存儲接口1116可以例如包括比如EIDE、ATA、SATA和IEEE 1394之類的接口技術。
一項或更多項程序和數據可以被存儲在存儲器子系統1106、機器可讀和可移除存儲器子系統1118(例如快閃驅動器形狀因數技術(flash drive form factor technology))和/或(多個)存儲子系統1114(例如光學、磁性、固態)中,其中包括操作系統1120、一個或更多應用程序1122、其他程序模塊1124以及程序數據1126。
操作系統1120、一個或更多應用程序1122、其他程序模塊1124和/或程序數據1126例如可以包括圖1的系統100的實體和組件、圖2的系統200的實體和組件、圖3的板300的實體、圖4的貼片圖像400、圖5的背景圖像500、圖6的墨水圖像600、圖7的最終圖像700、圖8的特征集合110以及由圖9和10的流程圖所代表的方法。
通常來說,程序包括實施特定任務或者實施特定抽象數據類型的例程、方法、數據結構、其他軟件組件等等。例如,操作系統1120、應用1122、模塊1124和/或數據1126的全部或部分還可以被高速緩存在比如易失性存儲器1110之類的存儲器中。應當認識到,所公開的架構可以利用各種商業可用的操作系統或者操作系統的組合來實施(例如作為虛擬機)。
(多個)存儲子系統1114和存儲器子系統(1106和1118)充當用于對數據、數據結構、計算機可執行指令等等進行易失性和非易失性存儲的計算機可讀媒體。這樣的指令在由計算機或其他機器執行時可以使得所述計算機或其他機器實施一種方法的一項或更多項動作。用于實施所述動作的指令可以被存儲在一個介質上,或者可以被存儲在多個媒體上,使得所述指令全體出現在一個或更多計算機可讀存儲介質/媒體上,而不管是否所有的指令都處在相同的媒體上。
計算機可讀存儲媒體(介質)可以是不(未)采用傳播信號、可由計算機1102訪問并且包括可移除或不可移除的易失性和非易失性內部和/或外部媒體的任何可用媒體(介質)。對于計算機1102,各種類型的存儲媒體適應以任何適當的數字形式存儲數據。本領域技術人員應當認識到,可以采用用于存儲實施所公開的架構的新穎方法的計算機可執行指令的其他類型的計算機可讀介質,比如極碟驅動器、磁帶、閃存卡、快閃驅動器、盒子等等。
用戶可以使用比如鍵盤和鼠標之類的外部用戶輸入設備1128以及通過話音辨識所促進的語音命令與計算機1102、程序和數據進行交互。其他外部用戶輸入設備1128可以包括麥克風、IR(紅外)遙控器、操縱桿、游戲墊、攝影機辨識系統、鐵筆、觸摸屏、姿勢系統(例如眼睛移動、頭部移動等等)等等。用戶可以使用比如觸摸板、麥克風、鍵盤等板載用戶輸入設備1130與計算機1102、程序和數據進行交互,其中計算機1102例如是便攜式計算機。
這些和其他輸入設備經由系統總線1108通過(多個)輸入/輸出(I/O)設備接口1132連接到(多個)處理單元1104,但是可以通過其他接口連接,比如并行端口、IEEE 1394串行端口、游戲端口、USB端口、IR接口、短距離無線(例如藍牙)和其他個域網(PAN)技術等等。所述(多個)I/O設備接口1132還促進對于比如打印機、音頻設備、攝影機設備等輸出外圍設備1134的使用,比如聲卡和/或板載音頻處理能力。
一個或更多圖形接口1136(其通常也被稱作圖形處理單元(GPU))在計算機1102與(多個)外部顯示器1138(例如LCD、等離子顯示器)和/或板載顯示器1140(例如用于便攜式計算機)之間提供圖形和視頻信號。(多個)圖形接口1136還可以被制造成計算機系統板的一部分。
計算機1102可以通過去到一個或更多網絡和/或其他計算機的有線/無線通信子系統1142使用邏輯連接操作在(例如基于IP的)聯網環境中。所述其他計算機可以包括工作站、服務器、路由器、個人計算機、基于微處理器的企業電器、對等設備或其他常見網絡節點,并且通常包括關于計算機1102所描述的許多或所有元件。所述邏輯連接可以包括去到局域網(LAN)、廣域網(WAN)、熱點等等的有線/無線連接性。LAN和WAN聯網環境在辦公室和公司中是常見的,并且促進企業范圍的計算機網絡(比如內聯網),所有這些都可以連接到比如因特網之類的全球通信網絡。
當被使用在聯網環境中時,計算機1102通過有線/無線通信子系統1142(例如網絡接口適配器、板載收發器子系統等等)連接到網絡,以便與有線/無線網絡、有線/無線打印機、有線/無線輸入設備1144等等通信。計算機1102可以包括用于通過網絡建立通信的調制解調器或其他模塊。在聯網環境中,與計算機1102有關的程序和數據可以被存儲在與分布式系統相關聯的遠程存儲器/存儲設備中。應當認識到,所展示出的網絡連接是示例性的,并且可以使用在計算機之間建立通信鏈路的其他模塊。
計算機1102可操作來使用比如IEEE 802.xx標準家族之類的無線電技術與有線/無線設備或實體通信,比如通過操作部署在與例如打印機、掃描儀、臺式和/或便攜式計算機、個人數字助理(PDA)、通信衛星、與無線可檢測標簽相關聯的任何一件裝備或一個位置(例如信息亭、報亭、休息室)以及電話進行的無線通信(例如IEEE 802.11空中調制技術)中的無線設備。這至少包括用于熱點的Wi-FiTM(其被用來保證無線計算機聯網設備的互操作性)、WiMax以及BluetoothTM無線技術。因此,所述通信可以是像傳統網絡那樣的預定義結構,或者簡單地是至少兩個設備之間的自組織通信。Wi-Fi網絡使用被稱作IEEE 802.11x(a、b、g等等)的無線電技術來提供安全、可靠、快速的無線連接性。Wi-Fi網絡可以被用來將計算機彼此連接、將計算機連接到因特網以及連接到有線網絡(其使用與IEEE 802.3有關的媒體和功能)。
前面所描述的內容包括所公開的架構的示例。當然沒有可能描述組件和/或方法的每一種可設想到的組合,但是本領域普通技術人員可以認識到,許多另外的組合和置換是可能的。相應地,所述新穎架構意圖包含落在所附權利要求書的精神和范圍內的所有此類更改、修改和變型。此外,就在詳細描述部分或者權利要求書中使用術語“包括”而言,這樣的術語意圖是按照類似于以下方式的方式進行包括:術語“包括”(作為“含有”)在被采用時被解釋為權利要求中的過渡性詞語。

關 鍵 詞:
標記 表面 自動 分類 顏色 增強
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:可標記表面的自動分類和顏色增強.pdf
鏈接地址:http://www.wwszu.club/p-6401746.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大