CN117853754A - 图像处理方法及装置 - Google Patents

Abstract

本说明书实施例提供了图像处理方法及装置，其中，一种图像处理方法包括：在进行待检测物品的检测过程中，对待检测物品的物品图像进行图像坐标变换获得变换图像，对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据，借助物品图像的图像参数确定各图像对的纹理匹配策略，并按照纹理匹配策略对合并图像数据进行纹理匹配处理，获得各图像对的纹理匹配指标，根据图像坐标变换对应的变换坐标对纹理匹配指标进行评分处理即对纹理匹配指标进行修正，并基于评分结果确定待检测物品的检测结果。

Description

图像处理方法及装置

技术领域

本文件涉及数据处理技术领域，尤其涉及一种图像处理方法及装置。

背景技术

随着互联网技术的不断发展以及用户生活水平的不断提高，用户通过线上或者线下的方式购买各种物品，而在用户购买物品一段时间后，可能存在对购买物品进行检测的需求，比如检测购买物品的物品质量，或者检测购买物品的真实性等，对于用户而言，通过肉眼较难进行物品质量或者真实性鉴别，所以可通过自动化的方式对购买物品进行鉴别，在此过程中，对物品的鉴别方提出了更高的鉴别要求。

发明内容

本说明书一个或多个实施例提供了一种图像处理方法，包括：对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像。对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据。基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标。根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

本说明书一个或多个实施例提供了一种图像处理装置，包括：图像变换模块，被配置为对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像。数据合并模块，被配置为对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据。纹理匹配模块，被配置为基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标。评分处理模块，被配置为根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

本说明书一个或多个实施例提供了一种图像处理设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像。对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据。基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标。根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像。对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据。基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标。根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；

图1为本说明书一个或多个实施例提供的一种图像处理方法实施环境的示意图；

图2为本说明书一个或多个实施例提供的一种图像处理方法处理流程图；

图3A为本说明书一个或多个实施例提供的一种待检测物品的物品图像的示意图；

图3B为本说明书一个或多个实施例提供的一种待检测物品的变换图像的示意图；

图4为本说明书一个或多个实施例提供的一种应用于第一图像检测场景的图像处理方法处理流程图；

图5为本说明书一个或多个实施例提供的一种应用于第二图像检测场景的图像处理方法处理流程图；

图6为本说明书一个或多个实施例提供的一种图像处理装置实施例的示意图；

图7为本说明书一个或多个实施例提供的一种图像处理设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。

本说明书一个或多个实施例提供的图像处理方法，可适用于图像处理这一实施环境，参照图1，该实施环境至少包括：

对待检测物品进行图像检测的服务器101，采集并上传待检测物品的物品图像的终端设备102。

其中，服务器101可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是云计算平台中的一个或者多个云服务器；

终端设备102可以是手机、个人电脑、平板电脑、电子书阅读器、可穿戴设备、基于AR(Augmented Reality，增强现实)/VR(Virtual Reality，虚拟现实)进行信息交互的设备和膝上型便携计算机等等，还可安装有应用程序或者浏览器，通过应用程序或者浏览器向服务器101提交待检测物品的物品图像。

该实施环境中，服务器101对终端设备102上传的待检测物品的物品图像进行图像坐标变换获得变换图像，对多个预设物品图像中各预设物品图像的图像数据与变换图像的图像数据进行数据合并处理，获得各预设物品图像与变换图像组成的各图像对的合并图像数据，借助物品图像的图像参数确定各图像对的纹理匹配策略，并按照纹理匹配策略对合并图像数据进行纹理匹配处理，获得各图像对的纹理匹配指标，在此基础上，结合图像坐标变换对应的变换坐标对纹理匹配指标进行评分处理，并基于评分结果确定待检测物品的检测结果。

本说明书提供的一种图像处理方法的一个或多个实施例如下：

参照图2，本实施例提供的图像处理方法，具体包括步骤S202至步骤S208。

步骤S202，对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像。

本实施例所述待检测物品可以是任何存在检测需求的待检测物品，比如待检测商品(如陶瓷制品)、待检测生物，待检测生物可以是待检测植物或者待检测动物；本实施例中的待检测物品也可以是地理标志物品，即待检测的地标物品；所述检测需求包括质量检测、真实性检测、物品品类检测、出厂信息检测等的需求。所述待检测物品可以是任意形状、任意颜色的物品；所述待检测物品的物品图像包括调用终端设备的摄像头采集的物品图像。

所述变换图像包括对物品图像进行图像坐标变换后获得的变换图像，即变换图像与物品图像的图像坐标可能存在不同；可选的，所述图像坐标变换包括图像角度偏转；所述图像坐标变换对应的变换坐标可以是一个或者多个，也即变换图像可以是一张或者多张，比如图像坐标变换的变换坐标数目即偏转角度数目为n，将待检测物品的物品图像以360/n度间隔进行偏转，得到B1-Bn张不同偏转角度或者不同变化坐标的变换图像；如图3A所示的待检测物品的物品图像，图3B所示的变换图像，可以理解的是，图3A和图3B对待检测物品的物品图像和变换图像的举例仅仅是示意性的。

所述多个预设物品图像是指多个预先设置的物品图像；所述多个预设物品图像中的各预设物品图像中可能包含待检测物品，也可能不包含待检测物品，比如多个预设物品图像中各预设物品图像可能包含多个不同物品品类的预设物品图像。

实际应用中，在进行两张图像比对的过程中，往往采用特征对齐的方式进行图像比对，比如生物识别场景中，通过双眼、鼻尖、嘴角等关键部位进行对齐并进行特征比对，但是特征对齐的方式比较繁琐，并且在部分场景中，无法通过特征对齐实现图像比对，比如正圆形且表面不存在确定角度的标记物，无法进行对齐的待检测物品；为了提升图像比对的效率，简化图像比对的流程，可对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像，通过变换图像与多个预设物品图像进行比对，达到简化特征对齐的流程，提升图像比对的效率。

实际应用场景中，待检测物品的物品图像的颜色种类和/或待检测物品的物品形状的复杂程度不同，可能导致对待检测物品的物品图像进行图像坐标变换的变换坐标数目的需求不同，为了在提升图像匹配的效率的同时，提升图像匹配的精确度，可根据待检测物品的物品图像的颜色种类和/或物品图像中待检测物品的物品形状，确定图像坐标变换的变换坐标数目；本实施例提供的一种可选实施方式中，在对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像执行之前，还执行如下操作：

确定所述物品图像的颜色种类和/或所述物品图像中所述待检测物品的物品形状；

根据所述颜色种类和/或所述物品形状，确定所述图像坐标变换的变换坐标数目。

其中，所述物品图像的颜色种类，是指物品图像包含的颜色的种类；所述物品图像中待检测物品的物品形状包括圆形、正方形、长方形和/或不规则形状，此外，待检测物品的物品形状还可以是其他形状。所述图像坐标变换的变换坐标数目包括进行图像坐标变换的变换坐标的数目，比如变换坐标数目为n，即变换图像的图像数目为n。

具体的，可确定物品图像的颜色种类的种类数目和/或计算物品图像中待检测物品的物品形状的复杂度，并根据颜色种类的种类数目和/或物品图像中待检测物品的物品形状的复杂度，确定图像坐标变换的变换坐标数目；在根据颜色种类的种类数目和/或物品图像中待检测物品的物品形状的复杂度，确定图像坐标变换的变换坐标数目的过程中，可根据种类数目和/或物品形状的复杂度在数目映射表中查找种类数目和/或物品形状的复杂度映射的变换坐标数目。

另外，进行图像坐标变换的变换坐标数目还可根据随机算法计算获得，比如将待检测物品的物品图像输入随机算法进行变换坐标数目计算，获得进行图像坐标变换的变换坐标数目。

此外，在对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像执行之前，还可根据待检测物品的物品图像的图像分辨率确定图像坐标变换的变换坐标数目；除此之外，还可根据物品图像的颜色种类、所述物品图像中所述待检测物品的物品形状和/或物品图像的图像分辨率确定图像坐标变换的变换坐标数目；可选的，物品图像的图像分辨率、物品图像的颜色种类数目、待检测物品的物品形状的复杂度与变换坐标数目具有正相关关系。

可选的，所述待检测物品的物品图像，基于图像采集页面进行采集获得；步骤S202，对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像，在检测到通过图像采集页面提交的采集指令后执行。

在上述确定所述图像坐标变换的变换坐标数目的基础上，在步骤S202的执行过程中，可按照变换坐标数目对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像。

需要说明的是，对待检测物品的物品图像也可以不进行图像坐标变换，直接与各预设物品图像的图像比对，提升图像比对的便捷性，则步骤S202可被替换为，获取待检测物品的物品图像以及多个预设物品图像，并与本实施例提供的其他处理步骤组成新的实现方式；

或者，步骤S202也可被替换为，对待检测物品的物品图像进行图像角度偏转获得偏转图像，以及获取多个预设物品图像；或者，对待检测物品的物品图像进行多角度偏转获得多个偏转图像，以及获取多个预设物品图像，并与本实施例提供的其他处理步骤组成新的实现方式。

步骤S204，对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据。

上述对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像，本步骤中，为了提升数据处理的便捷性，对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据。

本实施例所述各预设物品图像与变换图像组成的图像对是指各预设物品图像中每个预设物品图像与变换图像组成的图像对，比如各预设物品图像包括图像A1、图像A2，变换图像包括变换图像B，则组成的图像对包括<A1，B>、<A2，B>；图像对的图像数据包括图像对中各图像的图像数据，各图像的图像数据包括像素坐标数据和/或通道数据，具体各图像的图像数据可以是图像矩阵，比如图像对为<A1，B>，则图像对的图像数据包括图像A1的图像数据H*W*C1和变换图像B的图像数据H*W*C，H代表高度、W代表宽度、C代表图像通道数。

所述各图像对的合并图像数据可以是包含各图像对的像素坐标数据和/或通道数据的合并图像数据，比如图像A1的图像数据为H*W*C1，变换图像B的图像数据为H*W*C，图像对<A1，B>的合并图像数据为H*W*C1C；此外，各图像对的合并图像数据还可包括由各图像对的通道数据组成的合并图像数据。

实际应用中，各图像对的通道数据的关注度可能较高，所以为了提升图像检测的便捷性，避免各图像对除通道数据之外的其他数据对图像检测造成干扰，导致图像检测的精确度较低，可对各预设物品图像的图像数据中的第一通道数据与变换图像的图像数据中的第二图像数据进行通道数据合并，获得各图像对的合并通道数据；本实施例提供的第一种可选实施方式中，在对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据的过程中，执行如下操作：

提取所述各预设物品图像的图像数据中的第一通道数据，以及提取所述变换图像的图像数据中的第二通道数据；

将所述第一通道数据与所述第二通道数据进行通道数据合并，获得所述各图像对的合并通道数据。

其中，所述第一通道数据包括由各预设物品图像中每个像素点的像素值组成的第一通道数据，像素值可以是色彩值，比如R(Red，红)、G(Green，绿)、B(Blue，蓝)值，或者灰度值；第二通道数据包括变换图像中每个像素点的像素值组成的第二通道数据。

具体的，可提取各预设物品图像的图像数据中的第一色彩通道数据，以及提取变换图像的图像数据中的第二色彩通道数据，并将第一色彩通道数据与第二色彩通道数据进行通道数据合并，获得各图像对的合并通道数据。

此外，在后续进行图像检测的过程中，可通过模型的方式进行图像检测，而模型可能对输入数据的数据量有相关要求，对输入数据的数据量存在限制，所以为了便于模型的数据传输；本实施例提供的第二种可选实施方式中，在对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据的过程中，执行如下操作：

对所述各预设物品图像的图像数据进行压缩处理获得所述各预设物品图像的第一压缩数据，以及对所述变换图像的图像数据进行压缩处理获得所述变换图像的第二压缩数据；

将所述第一压缩数据和所述第二压缩数据进行数据合并，获得所述合并图像数据。

另外，各预设物品图像的图像规格与变换图像的图像规格可能存在不同，影响图像检测效率，为了提升图像检测效率，可根据各预设物品图像的图像规格和变换图像中待检测物品的位置坐标，对各预设物品图像的图像数据和变换图像的图像数据进行数据边界调整，获得各预设物品图像的调整数据和变换图像的调整数据，对各预设物品图像的调整数据和变换图像的调整数据进行数据合并，获得合并图像数据；本实施例提供的第三种可选实施方式中，在对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据的过程中，执行如下操作：

识别所述变换图像中所述待检测物品的位置坐标；

根据所述各预设物品图像的图像规格和所述位置坐标，对所述各预设物品图像的图像数据和所述变换图像的图像数据进行数据边界调整，获得所述各预设物品图像的调整数据和所述变换图像的调整数据；

对所述各预设物品图像的调整数据和所述变换图像的调整数据进行数据合并，获得所述合并图像数据。

其中，所述各预设物品图像的图像规格包括各预设物品图像中每个预设物品图像的图像尺寸，即图像大小。所述各预设物品图像中每个预设物品图像的调整数据与变换图像的调整数据的数据边界可相同；调整数据是指进行数据边界调整后的图像数据；调整数据的数据边界是指调整数据处于边界处的图像数据的边界信息。

具体的，可根据各预设物品图像的图像规格和变换图像中待检测物品的位置坐标，对各预设物品图像的图像数据的数据边界和变换图像的图像数据的数据边界进行边界适配调整，获得各预设物品图像的调整数据和变换图像的调整数据；此处的边界适配调整包括对各预设物品图像的图像数据的数据边界与变换图像的图像数据的数据边界调整为近似相同的调整过程。

除此之外，在对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据的过程中，还可将各预设物品图像的像素坐标数据、通道数据与变换图像的像素坐标数据、通道数据进行数据合并，获得各预设物品图像和变换图像组成的图像对的合并图像数据。

需要说明的是，可选的，上述步骤S204，对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据，可在检测到通过图像采集页面提交的采集指令后执行。

需要补充的是，本实施例中也可不对各预设物品图像和变换图像的图像数据进行数据合并处理，即步骤S204可被替换为，将各预设物品图像的图像数据与变换图像的图像数据作为各预设物品图像与变换图像组成的图像对的合并图像数据，并与本实施例提供的其他处理步骤组成新的实现方式。

步骤S206，基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标。

上述对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据，本步骤中，为了提升图像的纹理匹配的针对性和灵活性，可先基于物品图像的图像参数确定各图像对的纹理匹配策略，再按照纹理匹配策略对合并图像数据进行纹理匹配处理，获得各图像对的纹理匹配指标。

本实施例所述物品图像的图像参数是指物品图像的图像相关参数，比如物品图像的图像参数包括图像分辨率和/或物品图像的颜色种类数目，此外，物品图像的图像参数还可以是其他类型的图像参数。所述各图像对的纹理匹配策略是指各图像对进行纹理匹配的策略，比如纹理匹配策略包括纹理匹配面积、纹理匹配位置和/或纹理匹配顺序，再比如纹理匹配策略包括纹理提取方式。

所述各图像对的纹理匹配指标包括表征各图像对中每个图像对中图像纹理的匹配程度的指标，比如纹理匹配度。

实际应用中，对于各图像对，可能存在不同的纹理匹配策略，通过不同的纹理匹配策略提升各图像对的纹理匹配灵活性，下述提供三种确定各图像对的纹理匹配策略的实现方式。

(1)实现方式一

具体实施时，在基于物品图像的图像参数确定各图像对的纹理匹配策略的过程中，可根据物品图像的图像分辨率和分辨率与面积的转换因子，计算各图像对的纹理匹配面积，或者，基于变换图像中待检测物品的物品形状，确定各图像对的纹理匹配位置和/或纹理匹配顺序；具体的，本实施例提供的第一种可选实施方式中，在基于物品图像的图像参数确定各图像对的纹理匹配策略的过程中，执行如下操作：

确定所述物品图像的图像分辨率，并根据所述图像分辨率和分辨率与面积的转换因子，计算所述各图像对的纹理匹配面积；

基于所述变换图像中所述待检测物品的物品形状，确定所述各图像对的纹理匹配位置以及纹理匹配顺序。

其中，所述分辨率与面积的转换因子是指表征图像分辨率与纹理匹配面积之间的转换关系的因子，比如转换因子包括转换系数。所述各图像对的纹理匹配面积包括各图像对中每个图像对在进行纹理匹配的过程中的图像块尺寸或者图像块大小，比如纹理匹配面积为s，代表图像对<A1，B>中A1与B选择s面积的图像块进行纹理匹配，<A2，B>类似。所述各图像对的纹理匹配位置包括每个图像对在进行纹理匹配的过程中的位置，比如纹理匹配位置可以是中心位置、也可以是边缘位置；所述纹理匹配顺序是指进行纹理匹配的顺序。可选的，物品图像的图像分辨率与各图像对的纹理匹配面积具有正相关关系，即物品图像的图像分辨率越高，各图像对的纹理匹配面积越大。

具体的，可根据待检测物品的物品图像的图像分辨率和分辨率与面积的转换因子，计算各图像对的纹理匹配面积，在变换图像中待检测物品的物品形状为第一物品形状的情况下，确定各图像对的纹理匹配位置为各图像对的中心位置以及各图像对的纹理匹配顺序为从中心位置至边缘位置的顺序，在变换图像中待检测物品的物品形状为第二物品形状的情况下，确定各图像对的纹理匹配位置为各图像对的边缘位置中的目标边缘位置以及各图像对的纹理匹配顺序为从目标边缘位置至中心位置的顺序。

其中，所述第一物品形状可以是圆形形状，圆形形状可以是待检测物品的整体轮廓为圆形形状，圆形形状包括椭圆形形状；第二物品形状可以是除圆形形状之外的其他形状，比如平行四边形、菱形、长方形等。所述边缘位置中的目标边缘位置可以是边缘位置中存在角度的边缘位置，比如平行四边形的四个角的位置。

为了提升各图像对的纹理匹配的便捷性和效率，可先对合并图像数据中纹理匹配区域进行元素比对，节省纹理匹配的时间成本；本实施例提供的第一种可选实施方式中，在按照纹理匹配策略对合并图像数据进行纹理匹配处理，获得各图像对的纹理匹配指标的过程中，执行如下操作：

根据所述纹理匹配面积和所述纹理匹配位置，确定所述各图像对的纹理匹配区域；

按照所述纹理匹配顺序，对所述合并图像数据中所述纹理匹配区域内的纹理元素序列进行元素比对，并基于元素比对结果计算所述各图像对的纹理元素匹配度。

其中，所述各图像对的纹理匹配区域包括各图像对进行纹理匹配的图像区域。

具体的，在按照所述纹理匹配顺序，对所述合并图像数据中所述纹理匹配区域内的纹理元素序列进行元素比对，并基于元素比对结果计算纹理元素匹配度的过程中，可按照纹理匹配顺序，对合并图像数据中纹理匹配区域内的各图像对的纹理元素进行比对，并基于元素比对结果计算纹理元素匹配度。其中，此处的纹理元素可以是像素点，可以是对像素点的像素值进行比对，纹理元素匹配度可以是像素匹配度。另外，还可以是按照纹理匹配顺序，对合并图像数据中纹理匹配区域内的各图像对的纹理元素种类以及每个纹理元素种类的数目进行比对，基于比对结果计算纹理元素匹配度；此处的纹理元素也可以是以颜色进行划分的纹理元素，比如白色纹理元素、红色纹理元素，此处的纹理元素还可以是以结构进行划分的纹理元素，比如圈圈纹理元素、条形纹理元素等。

例如，图像对为<A1，B>，纹理匹配区域是指A1和B进行纹理匹配的图像区域，可按照纹理匹配顺序，对图像对<A1，B>的合并图像数据中A1和B在纹理匹配区域内的纹理元素进行元素比对，基于元素比对结果计算纹理元素匹配度。

此外，还可在上述提供的第一种确定各图像对的纹理匹配策略的实现方式的基础上，执行此处的第一种对合并图像数据进行纹理匹配处理的可选实施方式。

(2)实现方式二

实际应用中，对于不同的待检测物品，可能存在不同的纹理提取方式，通过不同的纹理提取方式满足待检测物品的多样化需求；本实施例提供的第二种可选实施方式中，在基于物品图像的图像参数确定各图像对的纹理匹配策略的过程中，执行如下操作：

根据所述物品图像的颜色种类数目，确定所述各图像对的候选纹理提取方式；

基于所述变换图像的图像规格，在所述候选纹理提取方式中筛选出纹理提取方式。

其中，所述物品图像的颜色种类数目是指物品图像中包含的不同颜色种类的数目；所述变换图像的图像规格是指变换图像的图像尺寸即图像大小。此处的纹理提取方式是指进行纹理特征提取的方式。

具体实施时，通过不同的纹理提取方式对合并图像数据进行纹理特征提取，提升纹理匹配的灵活性，进而提升纹理匹配的成功率；本实施例提供的第二种可选实施方式中，在按照纹理匹配策略对合并图像数据进行纹理匹配处理，获得各图像对的纹理匹配指标的过程中，执行如下操作：

按照所述纹理提取方式，从所述合并图像数据中提取所述变换图像和每个预设物品图像各自的纹理颜色特征、纹理结构特征和/或纹理元素规格特征；

根据所述纹理颜色特征、所述纹理结构特征和/或所述纹理元素规格特征，计算所述变换图像与所述每个预设物品图像的特征匹配度。

其中，所述纹理颜色特征是指表征纹理的颜色的特征；所述纹理结构特征是指表征纹理的结构的特征，所述纹理结构特征包括纹理形状特征、各纹理形状特征的纹理规格特征，此外，纹理结构特征还可包括其他类型的纹理特征；所述纹理元素规格特征是指表征纹理元素的规格的特征，比如白色纹理元素的规格特征，即代表白色纹理元素的尺寸特征即大小特征。

此外，还可在上述提供的第二种确定各图像对的纹理匹配策略的实现方式的基础上，执行此处的第二种对合并图像数据进行纹理匹配处理的可选实施方式。

在上述根据物品图像的颜色种类数目，确定各图像对的候选纹理提取方式的基础上，本实施例提供的一种可选实施方式中，在根据物品图像的颜色种类数目，确定各图像对的候选纹理提取方式的过程中，执行如下操作：

若所述颜色种类数目大于数目阈值，确定所述候选纹理提取方式包含纹理颜色提取方式、纹理结构提取方式和纹理元素规格提取方式；

若所述颜色种类数目小于或者等于所述数目阈值，确定所述候选纹理提取方式包含所述纹理结构提取方式和所述纹理元素规格提取方式。

在上述基于所述变换图像的图像规格，在所述候选纹理提取方式中筛选出纹理提取方式的基础上，本实施例提供的一种可选实施方式中，在基于变换图像的图像规格，在候选纹理提取方式中筛选出纹理提取方式的过程中，执行如下操作：

若所述变换图像的图像规格小于规格阈值，将所述纹理元素规格提取方式从所述候选纹理提取方式中进行剔除，获得所述纹理提取方式。

(3)实现方式三

实际应用中，各图像对的合并图像数据中可能仅包含通道数据，而由于不包含坐标数据，所以为了更加贴合通道数据的纹理匹配；本实施例提供的第三种可选实施方式中，可根据物品图像的图像分辨率计算各图像对的纹理匹配长度，具体的，在基于物品图像的图像参数确定各图像对的纹理匹配策略的过程中，可执行如下操作：

确定所述物品图像的图像分辨率；

根据所述图像分辨率计算所述各图像对的纹理匹配长度。

其中，所述各图像对的纹理匹配长度包括在合并图像数据中进行纹理匹配的匹配长度。

为了提升纹理匹配的效率，本实施例提供的第三种可选实施方式中，在按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标的过程中，执行如下操作：

按照所述纹理匹配长度在所述合并通道数据中提取关键合并通道数据；

根据所述关键合并通道数据中的纹理元素分布计算所述各图像对的纹理匹配度。

其中，所述关键合并通道数据是指合并通道数据中纹理匹配长度对应的关键合并通道数据；所述纹理元素分布包括每个预设物品图像的关键合并通道数据中的相同纹理元素的数目以及变换图像的关键合并通道数据中的相同纹理元素的数目，比如每个预设物品图像的关键合并通道数据中白色纹理元素的数目、红色纹理元素的数目，以及变换图像的关键合并通道数据中白色纹理元素的数目、红色纹理元素的数目。

此外，还可在上述提供的第三种确定各图像对的纹理匹配策略的实现方式的基础上，执行此处的第三种对合并图像数据进行纹理匹配处理的可选实施方式。

可选的，步骤S206，基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标，基于纹理匹配模型执行；可选的，纹理匹配模型的输入为所述各图像对的合并图像数据，输出为所述待检测物品的检测结果；所述纹理匹配模型为二分类模型。

在步骤S206可由纹理匹配模型执行的基础上，本实施例提供的第四种可选实施方式中，纹理匹配模型可通过如下方式对合并图像数据进行纹理匹配处理：

对所述合并图像数据中的所述第一压缩数据和所述第二压缩数据进行解压处理，获得所述各预设物品图像的图像数据和所述变换图像的图像数据；

按照所述纹理匹配策略对所述各预设物品图像的图像数据和所述变换图像的图像数据进行纹理特征提取，获得各自的纹理特征；

计算所述各自的纹理特征的特征匹配度作为所述纹理匹配指标。

实际应用中，为了提升纹理匹配的效率，上述可通过图像采集页面采集待检测物品的物品图像，并对变换图像、各图像对的合并图像数据提前进行图像准备，在此基础上，上述步骤S206可在检测到基于图像采集页面提交的检测指令后执行。

步骤S208，根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

上述基于物品图像的图像参数确定各图像对的纹理匹配策略，并按照纹理匹配策略对合并图像数据进行纹理匹配处理，获得各图像对的纹理匹配指标，本步骤中，进行图像坐标变换对应的变换坐标可能在纹理匹配过程中的重要程度不同，所以为了提升各图像对的纹理匹配指标的准确率和有效性，进而提升待检测物品的检测结果的准确度，可根据图像坐标变换对应的变换坐标对各图像对的纹理匹配指标进行评分处理，并基于评分结果确定待检测物品的检测结果。

本实施例所述待检测物品的检测结果包括待检测物品的质量检测结果和/或溯源检测结果，所述溯源检测结果是指检测待检测物品的出厂信息的结果；所述质量检测结果包括检测通过结果和/或检测未通过结果，质量检测结果包括对待检测物品进行质量检测的结果，也包括对待检测物品进行真实性检测的结果。真实性检测是指检测待检测物品是真实的还是伪造的。

具体实施时，可根据图像坐标变换对应的变换坐标的坐标权重对纹理匹配指标进行加权计算，获得各图像对的加权匹配指标，若各图像对的加权匹配指标中存在大于匹配指标阈值的图像对，确定待检测物品的质量检测结果或者真实性检测结果为检测通过，若各图像对的加权匹配指标中不存在大于匹配指标阈值的图像对，确定待检测物品的质量检测结果或者真实性检测结果为检测未通过。

具体执行过程中，为了提升各图像对的纹理匹配指标的有效性，可根据图像坐标变换对应的变换坐标对各图像对的纹理匹配指标进行指标修正；在根据图像坐标变换对应的变换坐标对纹理匹配指标进行评分处理的过程中，可执行如下操作：

确定所述图像坐标变换对应的多个变换坐标中各变换坐标的坐标权重；

根据所述坐标权重对所述各图像对的纹理匹配指标进行加权计算，获得所述各图像对的加权匹配指标作为所述评分结果。

其中，所述各变换坐标的坐标权重用于表征每个变换坐标在纹理匹配过程中的重要程度。

具体的，在根据所述坐标权重对所述各图像对的纹理匹配指标进行加权计算，获得所述各图像对的加权匹配指标的过程中，可计算多个变换坐标中各变换坐标的坐标权重与对应的图像对的纹理匹配指标的乘积作为该图像对的加权匹配指标作为该图像对的评分结果。

此外，还可在上述提供的第一种对合并图像数据进行纹理匹配处理的基础上，本实施例提供的一种可选实施方式中，在根据图像坐标变换对应的变换坐标对纹理匹配指标进行评分处理的过程中，执行如下操作：

确定所述图像坐标变换对应的多个变换坐标中各变换坐标的坐标权重；

根据所述坐标权重对所述各图像对的纹理元素匹配度进行加权计算，获得所述各图像对的加权匹配度作为所述评分结果。

在确定各变换坐标的坐标权重的过程中，本实施例提供的一种可选实施方式中，所述各变换坐标的坐标权重，通过如下方式获得：

获取历史物品图像的目标变换图像对应的目标变换坐标；

计算所述目标变换坐标中各目标变换坐标的坐标数目，并按照所述坐标数目计算所述各变换坐标的坐标权重。

其中，所述历史物品图像是指历史获取到的物品图像，此处的历史物品图像可以是与本实施例中的待检测物品的物品品类一致的物品的历史物品图像，也可以是与待检测物品的物品品类不一致的物品的历史物品图像。

具体的，在按照坐标数目计算各变换坐标的坐标权重的过程中，可确定各目标变换坐标的坐标数目中每个变换坐标的坐标数目，并根据每个变换坐标的坐标数目计算各变换坐标的坐标权重。

需要说明的是，所述各变换坐标的坐标权重也可以是随机分配获得的。

为了提升待检测物品的检测精确度和检测有效性，在上述获得各图像对的纹理匹配指标之后，也可对待检测物品的物品图像进行二次坐标变换，进一步再进行纹理匹配；在基于评分结果确定待检测物品的检测结果的过程中，可执行如下操作：

根据所述各图像对的加权匹配指标在所述各图像对中确定目标图像对，并基于所述目标图像对对应的变换坐标进行二次坐标采样，获得二次变换坐标；

按照所述二次变换坐标对所述物品图像进行二次坐标变换获得二次变换图像，并根据所述二次变换图像与所述目标图像对中的预设物品图像的纹理特征比对结果，确定所述待检测物品的检测结果。

其中，所述二次变换坐标可以是一个或者多个，所述二次变换图像也可以是一个或者多个。所述目标图像对对应的变换坐标是指目标图像对中包含的变换图像对应的变换坐标。

具体的，在根据所述各图像对的加权匹配指标在所述各图像对中确定目标图像对，并基于所述目标图像对对应的变换坐标进行二次坐标采样，获得二次变换坐标的过程中，可对各图像对的加权匹配指标进行排序处理，并在排序结果中确定排序位置处于预设位置之前的加权匹配指标对应的目标图像对，对目标图像对中变换图像的变换坐标进行二次坐标采样获得二次变换坐标。

需要补充的是，也可在上述提供的第一种对合并图像数据进行纹理匹配处理的可选实施方式的基础上，或者上述提供的根据图像坐标变换对应的变换坐标对纹理匹配指标进行评分处理的可选实施方式的基础上，本实施例提供的第一种可选实施方式中，在基于评分结果确定待检测物品的检测结果的过程中，执行如下操作：

根据所述各图像对的加权匹配度在所述各图像对中确定目标图像对，并基于所述目标图像对对应的变换坐标进行二次坐标采样，获得二次变换坐标；

按照所述二次变换坐标对所述物品图像进行二次坐标变换获得二次变换图像，并根据所述二次变换图像与所述目标图像对中的预设物品图像的纹理特征比对结果，确定所述待检测物品的检测结果。

实际应用中，各图像对的评分结果中可能存在大于评分阈值的评分结果，也可能存在小于或者等于评分阈值的评分结果，本实施例提供的第二种可选实施方式中，在基于评分结果确定所述待检测物品的检测结果的过程中，执行如下操作：

判断所述各图像对的评分结果中是否存在大于评分阈值的评分结果；

若存在，确定所述待检测物品的检测结果为检测通过。

在此基础上，本实施例提供的一种可选实施方式中，若所述判断所述各图像对的评分结果中是否存在大于评分阈值的评分结果执行之后的执行结果为不存在，执行如下操作：

确定所述各图像对的评分结果中的目标评分结果，并确定所述目标评分结果对应的特定图像对中变换图像对应的目标变换坐标；

根据所述目标评分结果与所述评分阈值的差值，确定二次坐标采样的中间数值，并根据所述中间数值、所述图像坐标变换的变换坐标数目和所述目标变换坐标进行二次坐标采样获得二次变换坐标；

按照所述二次变换坐标对所述物品图像进行二次坐标变换获得二次变换图像，并根据所述二次变换图像与所述特定图像对中预设物品图像的纹理比对结果，确定纹理相似度；

若所述纹理相似度中存在大于相似度阈值的纹理相似度，确定所述待检测物品的检测结果为检测通过，若纹理相似度中不存在大于相似度阈值的纹理相似度，确定待检测物品的检测结果为检测未通过。

具体的，在确定各图像对的评分结果中的目标评分结果的过程中，可对各图像对的评分结果进行排序处理，并在排序结果中确定排列位置处于预设位置之前的评分结果作为目标评分结果。在根据所述目标评分结果与所述评分阈值的差值，确定二次坐标采样的中间数值的过程中，可在差值映射表中查找目标评分结果与评分阈值的差值映射的中间数值；在根据所述中间数值、所述图像坐标变换的变换数目和所述目标变换坐标进行二次坐标采样获得二次变换坐标的过程中，可根据中间数值和图像坐标变换的变换数目确定二次坐标采样的采样数目，并按照二次坐标采样的采样数目对目标变换坐标进行二次坐标采样获得二次变换坐标；在根据中间数值和图像坐标变换的变换数目确定二次坐标采样的采样数目的过程中，也可将中间数值和图像坐标变换的变换数目输入数目计算算法进行采样数目计算，获得二次坐标采样的采样数目；比如变换图像包括B1、B2、B3、B4，确定目标评分结果对应的图像对中变换图像为B3，M代表中间数值，按照360/M的角度间隔，对B3对应的目标偏转角度的邻域取2*(M/K-1)个角度作为二次偏转角度。

例如，数目计算算法包括2*(M/K-1)，K代表图像坐标变换的变换数目，M代表中间数值。

需要说明的是，也可在上述提供的第二种对合并图像数据进行纹理匹配处理的可选实施方式的基础上，执行此处提供的第二种确定待检测物品的检测结果的可选实施方式。

可选的，步骤S208，根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果，基于纹理匹配模型执行；可选的，步骤S208，在检测到基于图像采集页面提交的检测指令后执行。

需要补充的是，上述提供的针对步骤S202至步骤S208中每个步骤的可选实施方式均可单独执行，也可以相互结合、相互引用，本实施例在此不作具体限定。

综上所述，本实施例提供的一种或者多种图像处理方法，首先，对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像，对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据，确定物品图像的图像分辨率，并根据图像分辨率和分辨率与面积的转换因子，计算各图像对的纹理匹配面积，基于变换图像中待检测物品的物品形状，确定各图像对的纹理匹配位置以及纹理匹配顺序，根据纹理匹配面积和纹理匹配位置，确定各图像对的纹理匹配区域，按照纹理匹配顺序，对合并图像数据中纹理匹配区域内的纹理元素序列进行元素比对，并基于元素比对结果计算纹理元素匹配度，其次，确定图像坐标变换对应的多个变换坐标中各变换坐标的坐标权重，根据坐标权重对各图像对的纹理匹配指标进行加权计算，获得各图像对的加权匹配指标，根据各图像对的加权匹配指标在各图像对中确定目标图像对，并基于目标图像对对应的变换坐标进行二次坐标采样，获得二次变换坐标，按照二次变换坐标对物品图像进行二次坐标变换获得二次变换图像，并根据二次变换图像与目标图像对中的预设物品图像的纹理特征比对结果，确定待检测物品的检测结果；

或者，首先，对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像，对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据，根据物品图像的颜色种类数目，确定各图像对的候选纹理提取方式，基于变换图像的图像规格，在候选纹理提取方式中筛选出纹理提取方式，按照纹理提取方式，从合并图像数据中提取变换图像和每个预设物品图像各自的纹理颜色特征、纹理结构特征和/或纹理元素规格特征，根据纹理颜色特征、纹理结构特征和/或纹理元素规格特征，计算变换图像与每个预设物品图像的特征匹配度，其次，根据图像坐标变换对应的变换坐标的坐标权重对各图像对的纹理匹配指标进行加权计算，获得各图像对的加权匹配指标作为各图像对的评分结果，判断各图像对的评分结果中是否存在大于评分阈值的评分结果，若存在，确定待检测物品的检测结果为检测通过，若不存在，确定各图像对的评分结果中的目标评分结果，并确定目标评分结果对应的图像对中变换图像对应的目标变换坐标，根据目标评分结果与评分阈值的差值，确定二次坐标采样的中间数值，并根据中间数值、图像坐标变换的变换数目和目标变换坐标进行二次坐标采样获得二次变换坐标，按照二次变换坐标对物品图像进行二次坐标变换获得二次变换图像，并根据二次变换图像与图像对中预设物品图像的纹理比对结果，确定纹理相似度，若纹理相似度中存在大于相似度阈值的纹理相似度，确定待检测物品的检测结果为检测通过，如纹理相似度中不存在大于相似度阈值的纹理相似度，确定待检测物品的检测结果为检测未通过，以此通过两个阶段不同的纹理匹配方式提升纹理匹配的灵活性，提升纹理匹配的精确度和有效性，进一步提升待检测物品的检测结果的精确度。

下述以本实施例提供的一种图像处理方法在第一图像检测场景的应用为例，对本实施例提供的图像处理方法进行进一步说明，参见图4，应用于第一图像检测场景的图像处理方法，具体包括如下步骤。

步骤S402，对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像。

步骤S404，对各预设物品图像与变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据。

步骤S406，确定物品图像的图像分辨率，并根据图像分辨率和分辨率与面积的转换因子，计算各图像对的纹理匹配面积。

步骤S408，基于变换图像中待检测物品的物品形状，确定各图像对的纹理匹配位置以及纹理匹配顺序。

步骤S410，根据纹理匹配面积和纹理匹配位置，确定各图像对的纹理匹配区域，并按照纹理匹配顺序，对合并图像数据中纹理匹配区域内的纹理元素序列进行元素比对，并基于元素比对结果计算各图像对的纹理元素匹配度。

步骤S412，根据图像坐标变换对应的变换坐标的坐标权重对各图像对的纹理元素匹配度进行加权计算，获得各图像对的加权匹配度。

步骤S414，根据各图像对的加权匹配度在各图像对中确定目标图像对，并基于目标图像对对应的变换坐标进行二次坐标采样，获得二次变换坐标。

步骤S416，按照二次变换坐标对物品图像进行二次坐标变换获得二次变换图像，并根据二次变换图像与目标图像对中的预设物品图像的纹理特征比对结果，确定待检测物品的检测结果。

需要说明的是，步骤S402至步骤S416任意一个步骤或者任意多个步骤的组合，均可根据实施部署的需要被替换为上述步骤S202至步骤S208中提供的相应技术手段，此处不再一一赘述。

下述以本实施例提供的一种图像处理方法在第二图像检测场景的应用为例，对本实施例提供的图像处理方法进行进一步说明，参见图5，应用于第二图像检测场景的图像处理方法，具体包括如下步骤。

步骤S502，对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像。

步骤S504，提取各预设物品图像的图像数据中的第一通道数据，以及提取变换图像的图像数据中的第二通道数据。

步骤S506，将第一通道数据与第二通道数据进行通道数据合并，获得各图像对的合并通道数据。

步骤S508，根据物品图像的图像分辨率计算各图像对的纹理匹配长度。

步骤S510，按照纹理匹配长度在合并通道数据中提取关键合并通道数据，并根据关键合并通道数据中的纹理元素分布计算各图像对的纹理匹配度。

步骤S512，根据图像坐标变换对应的变换坐标的坐标权重对各图像对的纹理匹配度进行加权计算，获得各图像对的加权匹配度作为评分结果。

步骤S514，判断各图像对的评分结果中是否存在大于评分阈值的评分结果；

若存在，确定待检测物品的质量检测结果为检测通过；

若不存在，执行下述步骤S516至步骤S522。

步骤S516，确定各图像对的评分结果中的目标评分结果，并确定目标评分结果对应的特定图像对中变换图像对应的目标变换坐标。

步骤S518，根据目标评分结果与评分阈值的差值，确定二次坐标采样的中间数值，并根据中间数值、图像坐标变换的变换坐标数目和目标变换坐标进行二次坐标采样，获得二次变换坐标。

步骤S520，按照二次变换坐标对物品图像进行二次坐标变换获得二次变换图像，并根据二次变换图像与特定图像对中预设物品图像的纹理比对结果，确定纹理相似度。

步骤S522，若纹理相似度中存在大于相似度阈值的纹理相似度，确定待检测物品的真实性检测结果为检测通过。

需要说明的是，步骤S502至步骤S522任意一个步骤或者任意多个步骤的组合，均可根据实施部署的需要被替换为上述步骤S202至步骤S208中提供的相应技术手段，此处不再一一赘述。

本说明书提供的一种图像处理装置实施例如下：

在上述的实施例中，提供了一种图像处理方法，与之相对应的，还提供了一种图像处理装置，下面结合附图进行说明。

参照图6，其示出了本实施例提供的一种图像处理装置实施例的示意图。

由于装置实施例对应于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例提供一种图像处理装置，包括：

图像变换模块602，被配置为对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像；

数据合并模块604，被配置为对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据；

纹理匹配模块606，被配置为基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标；

评分处理模块608，被配置为根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

本说明书提供的一种图像处理设备实施例如下：

对应上述描述的一种图像处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种图像处理设备，该图像处理设备用于执行上述提供的一种图像处理方法，图7为本说明书一个或多个实施例提供的一种图像处理设备的结构示意图。

本实施例提供的一种图像处理设备，包括：

如图7所示，图像处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括图像处理设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在图像处理设备上执行存储器702中的一系列计算机可执行指令。图像处理设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入/输出接口705，一个或一个以上键盘706等。

在一个具体的实施例中，图像处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对图像处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像；

对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据；

基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标；

根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

本说明书提供的一种存储介质实施例如下：

对应上述描述的一种图像处理方法，基于相同的技术构思，本说明书一个或多个实施例还提供一种存储介质。

本实施例提供的存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：

对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像；

对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据；

基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标；

根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

需要说明的是，本说明书中关于一种存储介质的实施例与本说明书中关于一种图像处理方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应方法的实施，重复之处不再赘述。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或者相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处，比如装置实施例、设备实施例和存储介质实施例，三者均相似于方法实施例，所以描述地比较简单，阅读装置实施例、设备实施例和存储介质实施例中的相关内容请参照方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程图像处理设备的处理器以产生一个机器，使得通过计算机或其他可编程图像处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程图像处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程图像处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。

Claims (24)

1.一种图像处理方法，包括：

对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像；

对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据；

基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标；

根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

2.根据权利要求1所述的图像处理方法，所述基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，包括：

确定所述物品图像的图像分辨率，并根据所述图像分辨率和分辨率与面积的转换因子，计算所述各图像对的纹理匹配面积；

基于所述变换图像中所述待检测物品的物品形状，确定所述各图像对的纹理匹配位置以及纹理匹配顺序。

3.根据权利要求2所述的图像处理方法，所述按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标，包括：

根据所述纹理匹配面积和所述纹理匹配位置，确定所述各图像对的纹理匹配区域；

按照所述纹理匹配顺序，对所述合并图像数据中所述纹理匹配区域内的纹理元素序列进行元素比对，并基于元素比对结果计算所述各图像对的纹理元素匹配度。

4.根据权利要求3所述的图像处理方法，所述根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，包括：

确定所述图像坐标变换对应的多个变换坐标中各变换坐标的坐标权重；

根据所述坐标权重对所述各图像对的纹理元素匹配度进行加权计算，获得所述各图像对的加权匹配度作为所述评分结果。

5.根据权利要求4所述的图像处理方法，所述基于评分结果确定所述待检测物品的检测结果，包括：

根据所述各图像对的加权匹配度在所述各图像对中确定目标图像对，并基于所述目标图像对对应的变换坐标进行二次坐标采样，获得二次变换坐标；

按照所述二次变换坐标对所述物品图像进行二次坐标变换获得二次变换图像，并根据所述二次变换图像与所述目标图像对中的预设物品图像的纹理特征比对结果，确定所述待检测物品的检测结果。

6.根据权利要求4所述的图像处理方法，所述各变换坐标的坐标权重，通过如下方式获得：

获取历史物品图像的目标变换图像对应的目标变换坐标；

计算所述目标变换坐标中各目标变换坐标的坐标数目，并按照所述坐标数目计算所述各变换坐标的坐标权重。

7.根据权利要求1所述的图像处理方法，所述基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，包括：

根据所述物品图像的颜色种类数目，确定所述各图像对的候选纹理提取方式；

基于所述变换图像的图像规格，在所述候选纹理提取方式中筛选出纹理提取方式。

8.根据权利要求7所述的图像处理方法，所述按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标，包括：

按照所述纹理提取方式，从所述合并图像数据中提取所述变换图像和每个预设物品图像各自的纹理颜色特征、纹理结构特征和/或纹理元素规格特征；

根据所述纹理颜色特征、所述纹理结构特征和/或所述纹理元素规格特征，计算所述变换图像与所述每个预设物品图像的特征匹配度。

9.根据权利要求8所述的图像处理方法，所述基于评分结果确定所述待检测物品的检测结果，包括：

判断所述各图像对的评分结果中是否存在大于评分阈值的评分结果；

若存在，确定所述待检测物品的检测结果为检测通过。

10.根据权利要求9所述的图像处理方法，若所述判断所述各图像对的评分结果中是否存在大于评分阈值的评分结果操作执行之后的执行结果为不存在，执行如下操作：

确定所述各图像对的评分结果中的目标评分结果，并确定所述目标评分结果对应的特定图像对中变换图像对应的目标变换坐标；

根据所述目标评分结果与所述评分阈值的差值，确定二次坐标采样的中间数值，并根据所述中间数值、所述图像坐标变换的变换坐标数目和所述目标变换坐标进行二次坐标采样获得二次变换坐标；

按照所述二次变换坐标对所述物品图像进行二次坐标变换获得二次变换图像，并根据所述二次变换图像与所述特定图像对中预设物品图像的纹理比对结果，确定纹理相似度；

若所述纹理相似度中存在大于相似度阈值的纹理相似度，确定所述待检测物品的检测结果为检测通过。

11.根据权利要求7所述的图像处理方法，所述根据所述物品图像的颜色种类数目，确定所述各图像对的候选纹理提取方式，包括：

若所述颜色种类数目大于数目阈值，确定所述候选纹理提取方式包含纹理颜色提取方式、纹理结构提取方式和纹理元素规格提取方式；

若所述颜色种类数目小于或者等于所述数目阈值，确定所述候选纹理提取方式包含所述纹理结构提取方式和所述纹理元素规格提取方式。

12.根据权利要求11所述的图像处理方法，所述基于所述变换图像的图像规格，在所述候选纹理提取方式中筛选出纹理提取方式，包括：

若所述变换图像的图像规格小于规格阈值，将所述纹理元素规格提取方式从所述候选纹理提取方式中进行剔除，获得所述纹理提取方式。

13.根据权利要求1所述的图像处理方法，所述对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据，包括：

提取所述各预设物品图像的图像数据中的第一通道数据，以及提取所述变换图像的图像数据中的第二通道数据；

将所述第一通道数据与所述第二通道数据进行通道数据合并，获得所述各图像对的合并通道数据。

14.根据权利要求13所述的图像处理方法，所述基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，包括：

确定所述物品图像的图像分辨率；

根据所述图像分辨率计算所述各图像对的纹理匹配长度。

15.根据权利要求14所述的图像处理方法，所述按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标，包括：

按照所述纹理匹配长度在所述合并通道数据中提取关键合并通道数据；

根据所述关键合并通道数据中的纹理元素分布计算所述各图像对的纹理匹配度。

16.根据权利要求1所述的图像处理方法，所述对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据，包括：

对所述各预设物品图像的图像数据进行压缩处理获得所述各预设物品图像的第一压缩数据，以及对所述变换图像的图像数据进行压缩处理获得所述变换图像的第二压缩数据；

将所述第一压缩数据和所述第二压缩数据进行数据合并，获得所述合并图像数据。

17.根据权利要求16所述的图像处理方法，所述基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标步骤，以及所述根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果步骤，基于纹理匹配模型执行；

其中，所述纹理匹配模型的输入为所述各图像对的合并图像数据，输出为所述待检测物品的检测结果；所述纹理匹配模型为二分类模型。

18.根据权利要求17所述的图像处理方法，所述按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标，包括：

对所述合并图像数据中的所述第一压缩数据和所述第二压缩数据进行解压处理，获得所述各预设物品图像的图像数据和所述变换图像的图像数据；

按照所述纹理匹配策略对所述各预设物品图像的图像数据和所述变换图像的图像数据进行纹理特征提取，获得各自的纹理特征；

计算所述各自的纹理特征的特征匹配度作为所述纹理匹配指标。

19.根据权利要求1所述的图像处理方法，所述对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像步骤执行之前，还包括：

确定所述物品图像的颜色种类和/或所述物品图像中所述待检测物品的物品形状；

根据所述颜色种类和/或所述物品形状，确定所述图像坐标变换的变换坐标数目。

20.根据权利要求1所述的图像处理方法，所述对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据，包括：

识别所述变换图像中所述待检测物品的位置坐标；

根据所述各预设物品图像的图像规格和所述位置坐标，对所述各预设物品图像的图像数据和所述变换图像的图像数据进行数据边界调整，获得所述各预设物品图像的调整数据和所述变换图像的调整数据；

对所述各预设物品图像的调整数据和所述变换图像的调整数据进行数据合并，获得所述合并图像数据。

21.根据权利要求1所述的图像处理方法，所述待检测物品的物品图像，基于图像采集页面进行采集获得；

所述对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像步骤，以及所述对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据步骤，在检测到通过所述图像采集页面提交的采集指令后执行；

所述基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标步骤，以及所述根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果步骤，在检测到基于所述图像采集页面提交的检测指令后执行。

22.一种图像处理装置，包括：

图像变换模块，被配置为对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像；

数据合并模块，被配置为对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据；

纹理匹配模块，被配置为基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标；

评分处理模块，被配置为根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

23.一种图像处理设备，包括：

处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：

对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像；

对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据；

基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标；

根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。

24.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：

对待检测物品的物品图像进行图像坐标变换获得变换图像，以及获取多个预设物品图像；

对各预设物品图像与所述变换图像组成的图像对的图像数据进行数据合并处理，获得各图像对的合并图像数据；

基于所述物品图像的图像参数确定所述各图像对的纹理匹配策略，并按照所述纹理匹配策略对所述合并图像数据进行纹理匹配处理，获得所述各图像对的纹理匹配指标；

根据所述图像坐标变换对应的变换坐标对所述纹理匹配指标进行评分处理，并基于评分结果确定所述待检测物品的检测结果。