CN101364303B - 边缘像素提取及处理方法 - Google Patents

Abstract

本发明涉及图像处理技术，特别涉及边缘像素提取和显示方法。本发明针对现有技术的边缘检测方法灵敏度低，不适应高分辨率的缺点，公开了一种边缘像素提取及处理方法，以克服上述缺点。本发明基于像素矩阵处理算法，以矩阵中选定像素的邻域所涉及的像素作为计算和判断的基础，极大地提高了提取边缘像素的准确性，通过调整边缘参数Edge_coeff大小，可以方便地调整灵敏度，以配合显示设备的分辨率，并便于硬件实现。本发明用于图像边缘像素处理，具有准确、灵敏的特点。赋予不同的像素值，可以得到各种特殊边缘显示效果。

Description

边缘像素提取及处理方法

技术领域

本发明涉及图像处理技术，特别涉及边缘像素提取和显示方法。

背景技术

一幅数字图像由有限大小的像素组成，每一个像素反映了图像在该点(位置)的色彩和亮度信息，我们可以用像素阵列(矩阵)这样的离散数据结构来表达一幅图像。比如可以用两维矩阵来表示一幅数字图像，矩阵中的元素就是像素，称之为像素矩阵，其像素值为整数，对应于亮度、色度、灰度、色差等的量化级别。在像素矩阵中由一些彼此邻接的像素组成的重要集合，我们称之为邻域或邻域矩阵。

为了更好地显现画质，就需要对原始图像的像素矩阵进行一些特殊的处理，通过复杂算法来完成原始图像亮度、色度、对比度、锐利度的提升，以及伽玛校正、降噪处理等方面的调节，使图像看上去更加鲜艳生动，富于表现力。在这些图像处理的算法当中，如锐化和降噪处理，或者本发明所述的边缘提取处理，就需要对原始像素f_x的一个N×N的邻域进行矩阵运算和处理。

某些特殊领域，如医学成像或者军事应用中，最关心的是成像图像中的边缘(边界)部分，而对其它区域不感兴趣。另外在消费类视频电子设备中，有时需要首先分离出每帧图像的边缘部分，以便作后续的边缘提升或分区域处理，或者希望仅显示图像的边缘，滤去色彩、小细节等图像元素，以达到一种特殊的视觉效果。这些情况下就涉及到如何将图像中感兴趣的边缘像素提取处来，剔除不需要的像素，仅仅对边缘像素进行处理和赋值显示。

目前已有的边缘像素检测方法，是以某一像素为中心的周围四个像素值的计算来进行边缘判断。此方法虽然比较简单，但其缺点也是明显的：检测出的边缘有限，仅能体现大致轮廓，灵敏度低。其应用范围受到极大的限制，仅适用于对灵敏度要求不高或显示设备本身分辨率不高的情况。当显示设备分辨率在“1366×768”或以上时，此方法的缺点，更加显露无遗。

发明内容

本发明所要解决的技术问题，就是针对现有技术的边缘检测方法灵敏度低，不适应高分辨率的缺点，提供一种边缘像素提取及处理方法，以克服上述缺点。

本发明解决上述技术问题，采用的技术方案是，边缘像素提取及处理方法，包括以下步骤：

A、初始化边缘参数Edge_coeff，设定其大小；

B、在像素阵列中，选择4个m×m的矩阵组成一个n×n的邻域，其中至少一个矩阵包含像素f_x，设该矩阵为A₁，则其他3个矩阵按顺时针方向依次编号为A₂，A₃，A₄；其中m，n为正整数，且m≥2，n/2≤m＜n；

C、对矩阵A₁，A₂，A₃，A₄中的所有像素值分别求和，记为：∑₁、∑₂、∑₃、∑₄，然后由下式计算像素f_x的边缘提取因子g_x：

g_x＝|∑₁-∑₃|+|∑₂-∑₄|；

D、比较边缘提取因子g_x与边缘参数Edge_coeff的大小，若：g_x≥Edge_coeff，则像素f_x为边缘像素；g_x＜Edge_coeff，则像素f_x为非边缘像素。

本发明的有益效果是，边缘像素提取准确，灵敏度高，而且可以根据显示设备分辨率调整灵敏度，既保证足够灵敏度，又便于硬件实现。

附图说明

图1是实施例1的4×4邻域结构示意图；

图2是实施例1的4个2×2矩阵结构示意图；

图3是实施例2的5×5邻域结构示意图；

图4是实施例2的4个3×3矩阵结构示意图；

图5是实施例1的流程图。

具体实施方式

下面结合附图及实施例，详细描述本发明的技术方案。

本发明基于像素矩阵处理算法，以矩阵中选定像素的邻域所涉及的像素作为计算和判断的基础，极大地提高了提取边缘像素的准确性，通过调整边缘参数Edge_coeff大小，可以方便地调整灵敏度，以配合显示设备的分辨率，并便于硬件实现。

本发明的边缘像素提取及处理方法，包括以下步骤：

A、初始化边缘参数Edge_coeff，设定其大小；

B、在像素阵列中，选择4个m×m的矩阵组成一个n×n的邻域，其中至少一个矩阵包含像素f_x，设该矩阵为A₁，则其他3个矩阵按顺时针方向依次编号为A₂，A₃，A₄；其中m，n为正整数，且m≥2，n/2≤m＜n；

C、对矩阵A₁，A₂，A₃，A₄中的所有像素值分别求和，记为：∑₁、∑₂、∑₃、∑₄，然后根据下式计算像素f_x的边缘提取因子g_x：

g_x＝|∑₁-∑₃|+|∑₂-∑₄|；

D、比较边缘提取因子g_x与边缘参数Edge_coeff的大小，若：g_x≥Edge_coeff，则像素f_x为边缘像素；g_x＜Edge_coeff，则像素f_x为非边缘像素。

进一步的，还包括步骤：

E、在显示的时候，对边缘像素和非边缘像素进行重新赋值。

进一步的，步骤B中，n为偶数，m＝n/2；矩阵A₁、A₂、A₃、A₄为相邻矩阵。

优选的是，步骤B中，m＝2。能够保证一定的边缘像素提取的准确性，计算量也不大。

此时具体的计算公式是，步骤C中，设所述像素f_x的像素值为Y_x，x，则：∑₁＝Y_x，x+Y_x，x-1+Y_x-1，x+Y_x-1，x-1；∑₂＝Y_x+1，x-1+Y_x+1，x+Y_x+2，x-1+Y_x+2，x；∑₃＝Y_x+1，x+1+Y_x+1，x+2+Y_x+2，x+1+Y_x+2，x+2；∑₄＝Y_x，x+1+Y_x，x+2+Y_x-1，x+1+Y_x-1，x+2；

像素f_x的边缘提取因子g_x的具体计算公示如下：

g_x＝|(Y_x，x+Y_x，x-1+Y_x-1，x+Y_x-1，x-1)-(Y_x+1，x+1+Y_x+1，x+2+Y_x+2，x+1+Y_x+2，x+2)|+|(Y_x+1，x-1+Y_x+1，x+Y_x+2，x-1+Y_x+2，x)-(Y_x，x+1+Y_x，x+2+Y_x-1，x+1+Y_x-1，x+2)|。

或者，步骤B中，n为奇数，n/2＜m＜n；矩阵A₁、A₂、A₃、A₄为相交矩阵，每个矩阵均包含像素f_x。这种方案可以减少数据处理量，特别是像素f_x处于所述邻域中心时，效果更明显。

具体的，所述像素值为像素的亮度值、色差值或灰度值。

实施例

以下以像素数据精度为8bit，分辨率为1366×768为例进行说明。选取m＝2，n＝4，即n为偶数，m＝n/2；矩阵A₁、A₂、A₃、A₄为相邻矩阵的情况。参见图1和图2.

首先初始化边缘参数Edge_coeff，根据要求的灵敏度设定边缘参数Edge_coeff的大小。

第二步，在像素矩阵中需要检测像素f_3，3是否为边缘像素，其亮度值及两个色差值分别为Y_3，3、cb_3，3、cr_3，3。围绕像素f_3，3在其邻域内选择多个像素f_ij，组成一个4×4的像素矩阵，每个像素f_ij对应的亮度分量为Y_ij(i，j＝2，...5)，如图1所示。在上述4×4矩阵中，选择4个2×2矩阵，如图2所示。

第三步，根据下式计算f_3，3的边缘提取因子g_3，3：

g_3，3＝|(Y_3，3+Y_3，2+Y_2，3+Y_2，2)-(Y_4，4+Y_4，5+Y_5，4+Y_5，5)|+

|(Y_4，2+Y_4，3+Y_5，2+Y_5，3)-(Y_3，4+Y_3，5+Y_2，4+Y_2，5)|；

第四步，比较g_3，3与设定的边缘参数edge_coeff的大小，判断像素f_3，3是否处于图像的边缘。若g_3，3≥Edge_coeff，则像素f_3，3为边缘像素，将Y_3，3赋值为亮度的最大值“255”；反之则将Y_3，3赋值为亮度的最小值“0”，同时将cb_3，3、cr_3，3赋值为“128”，完成所有边缘像素提取后，对边缘像素和非边缘像素重新赋值，然后输出显示，得到一幅仅包含图像边缘的黑白分明的特殊效果图。

当然，赋予不同的色差值，还可以得到其他颜色显示的边缘图像效果。

图3是n＝5的邻域矩阵，在该邻域中，选择4个3×3的相交矩阵，如图4所示。这是n为奇数，n/2＜m＜n，矩阵A₁、A₂、A₃、A₄为相交矩阵，每个矩阵均包含像素f_x的情况。可以看出，由于每个矩阵均包含像素f_3，3，在矩阵运算过程中，有些像素相互抵消，虽然是3×3的矩阵，实际参与运算的数据并不多。像素f_3，3的边缘提取因子g_x的具体计算方法，也是先分别将4个矩阵A₁、A₂、A₃、A₄中的像素值相加得到4个数据：∑₁、∑₂、∑₃、∑₄。然后根据下式计算像素f_x的边缘提取因子g_x：

g_x＝|∑₁-∑₃|+|∑₂-∑₄|。

图5是实施例1的流程图。其输入是图像帧中与像素相关的像素数据。它可以是来自图像存储单元的，也可以是来自如照相机等设备的实时数据。

Claims (12)

1.边缘像素提取及处理方法，包括以下步骤：

A、初始化边缘参数Edge_coeff，设定其大小；

B、在像素阵列中，选择4个m×m的矩阵组成一个n×n的邻域，其中至少一个矩阵包含像素f_x，设该矩阵为A₁，则其他3个矩阵按顺时针方向依次编号为A₂，A₃，A₄；其中m，n为正整数，且m≥2，n/2≤m＜n；

C、对矩阵A₁，A₂，A₃，A₄中的所有像素值分别求和，记为：∑₁、∑₂、∑₃、∑₄，然后由下式计算像素f_x的边缘提取因子g_x：

g_x＝|∑₁-∑₃|+|∑₂-∑₄|；

D、比较边缘提取因子g_x与边缘参数Edge_coeff的大小，若：g_x≥Edge_coeff，则像素f_x为边缘像素；g_x＜Edge_coeff，则像素f_x为非边缘像素。

2.根据权利要求1所述的边缘像素提取及处理方法，其特征在于，还包括步骤：

E、在显示的时候，对边缘像素和非边缘像素进行重新赋值。

3.根据权利要求1或2所述的边缘像素提取及处理方法，其特征在于，步骤B中，n为偶数，m＝n/2；矩阵A₁、A₂、A₃、A₄为相邻矩阵。

4.根据权利要求3所述的边缘像素提取及处理方法，其特征在于，步骤B中，m＝2。

5.根据权利要求4所述的边缘像素提取及处理方法，其特征在于，步骤C中，设所述像素f_x的像素值为Y_x，x，则：∑₁＝Y_x，x+Y_x，x-1+Y_x-1，x+Y_x-1，x-1；∑₂＝Y_x+1，x-1+Y_x+1，x+Y_x+2，x-1+Y_x+2，x；∑₃＝Y_x+1，x+1+Y_x+1，x+2+Y_x+2，x+1+Y_x+2，x+2；∑₄＝Y_x，x+1+Y_x，x+2+Y_x-1，x+1+Y_x-1，x+2；像素f_x的边缘提取因子g_x的具体计算公示如下：

g_x＝|(Y_x，x+Y_x，x-1+Y_x-1，x+Y_x-1，x-1)-(Y_x+1，x+1+Y_x+1，x+2+Y_x+2，x+1+Y_x+2，x+2)|+|(Y_x+1，x-1+Y_x+1，x+Y_x+2，x-1+Y_x+2，x)-(Y_x，x+1+Y_x，x+2+Y_x-1，x+1+Y_x-1，x+2)|。

6.根据权利要求4所述的边缘像素提取及处理方法，其特征在于，所述像素值为像素的亮度值、色差值或灰度值。

7.根据权利要求3所述的边缘像素提取及处理方法，其特征在于，所述像素值为像素的亮度值、色差值或灰度值。

8.根据权利要求1或2所述的边缘像素提取及处理方法，其特征在于，所述像素值为像素的亮度值、色差值或灰度值。

9.根据权利要求1或2所述的边缘像素提取及处理方法，其特征在于，步骤B中，n为奇数，n/2＜m＜n；矩阵A₁、A₂、A₃、A₄为相交矩阵，每个矩阵均包含像素f_x。

10.根据权利要求9所述的边缘像素提取及处理方法，其特征在于，步骤B中，像素f_x处于所述邻域中心。

11.根据权利要求10所述的边缘像素提取及处理方法，其特征在于，所述像素值为像素的亮度值、色差值或灰度值。

12.根据权利要求9所述的边缘像素提取及处理方法，其特征在于，所述像素值为像素的亮度值、色差值或灰度值。

Images