CN101706962B - 图像边缘提取方法 - Google Patents

Abstract

本发明涉及一种数字图像处理方法，提供一种全方位、高灵敏度的数字图像边缘提取方法。图像边缘提取法，选取与待测像素相邻的上、下、左、右、135度及45度全梯度的领域像素的亮度分量差和与预设的边缘参数比较，从而确保提取到待测像素周围所有方向上包含的边缘信息，灵敏度极高，适用于高要求、高分辨率的边缘检测场合，硬件实现简单。

Description

图像边缘提取方法

技术领域

本发明涉及一种数字图像处理方法。

背景技术

一幅数字图像由有限大小的像素组成，像素反映了图像特定位置的色彩和亮度信息。我们通常会用像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，其中的元素是整数，对应于亮度和色度范围内的量化级别。在像素矩阵中由一些彼此邻接的像素组成的重要集合，称之为“邻域”。

某些特殊邻域比如医疗器械或者军事设施中，观测者所关心的是成像图像中的边缘部分，而对其它部分如色彩、小细节区域不感兴趣。另外在消费类电子设备的设计中，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图像中的边缘提取出来，剔除不需要的像素，仅仅保留边缘像素值再加以显示。

目前已有的边缘检测方法，多是计算待测像素为中心的周围四个领域像素的像素值差和来进行边缘判断。此法虽然实现起来简单，但存在无法定位全部边缘或边缘出现间断的现象，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。而当某些如医疗检测或军事监控等要求较高的领域，或者当显示设备的分辨率在“1366×768”及以上时，以往的方法就会出现检测出的边缘有限，仅能体现大致轮廓，灵敏度不够高的缺点。

发明内容

本发明所要解决的技术问题是，提供一种全方位、高灵敏度的数字图像边缘提取方法。

本发明为解决上述技术问题所采用的技术方案是，图像边缘提取方法，包括以下步骤：

1)提取待测像素的亮度分量；

2)以待测像素为中心点，选择多个邻域像素组成一个n×n大小的像素矩阵，n的取值为大于等于5的奇数；

3)计算待测像素的边缘提取因子g_x；

g_x＝|∑_up-∑_dn|+|∑_le-∑_ri|+|∑₄₅-∑₁₃₅|；

其中：∑_up为n×n大小的像素矩阵中待测像素相邻上行的邻域像素的亮度分量之和；∑_dn为n×n大小的像素矩阵中待测像素相邻下行的邻域像素的亮度分量之和；∑_le为n×n大小的像素矩阵中待测像素相邻左列的邻域像素的亮度分量之和；∑_ri为n×n大小的像素矩阵中待测像素相邻右列的邻域像素的亮度分量之和；∑₄₅为n×n大小的像素矩阵中45度对角线上邻域像素的亮度分量与待测像素的亮度分量之和；∑₁₃₅为n×n大小的像素矩阵中135度对角线上邻域像素的亮度分量与待测像素的亮度分量之和；

4)比较边缘提取因子g_x与预设的边缘参数的大小，如若边缘提取因子g_x大于等于边缘参数，则判断待测像素处于图像边缘；否则判断待测像素未处于图像边缘。

步骤4)中若待测像素处于图像边缘则将其赋值为亮度分量的最大值；若待测像素未处于图像边缘则赋值为亮度分量的最小值。

边缘参数的取值范围可依据像素精度和对边缘检测的灵敏度的要求而定，灵敏度要求越高则边缘参数的取值越小。亮度分量可以是亮度值或灰度值，可以是YUV色域空间的Y通道数据。图像可以是静止的黑白或彩色图像，也可以是视频或电影中的单帧黑白或彩色图像。

本发明的有益效果是，选取的邻域像素包括与待测像素相邻的上、下、左、右、135度及45度全梯度，从而确保提取到待测像素周围所有方向上包含的边缘信息，灵敏度极高，适用于高要求、高分辨率的边缘显示，且边缘提取效果可以根据参数大小进行灵活调整，在选取合适的边缘参数前提下，可以确保不漏掉任何边缘，硬件实现起来也不复杂。

下面结合附图和具体实施方式对本发明做进一步说明。

附图说明

图1是实施例选取的像素矩阵示意图；

图2是实施例流程图。

具体实施方式

以下以像素数据精度为8bit，分辨率为1366×768，像素矩阵选取5×5大小的为例进行说明。待测像素为f_3，3，其亮度分量及两个色差分量分别记为y_3，3、cb_3，3、cr_3，3。具体步骤如图2所示：

1)提取待测像素f_3，3的亮度分量y_3，3，

2)围绕待测像素f_3，3这一中心像素选择多个邻域像素f_ij(i，j＝1，2，…5)组成一个5×5大小的像素矩阵，相应的亮度分量记为y_ij(i，j＝1，2，…5)，其中i表示像素的行位置，j表示像素的列位置，如图1所示；

3)计算待测像素f_3，3的边缘提取因子g_3，3，

g_3，3＝|∑_up-∑_dn|+|∑_le-∑_ri|+|∑₄₅-∑₁₃₅|；

其中：

∑_up＝y_2，1+y_2，2+y_2，3+y_2，4+y_2，5；

∑_dn＝y_4，1+y_4，2+y_4，3+y_4，4+y_4，5；

∑_le＝y_1，2+y_2，2+y_3，2+y_4，2+y_5，2；

∑_ri＝y_1，4+y_2，4+y_3，4+y_4，4+y_5，4；

∑₄₅＝y_1，5+y_2，4+y_3，3+y_4，2+y_5，1；

∑₁₃₅＝y_1，1+y_2，2+y_3，3+y_4，4+y_5，5；

4)比较边缘提取因子g_3，3与预设的边缘参数edge_coeff的大小，判断待测像素f_3，3是否处于图像的边缘；若g_3，3大于等于Edge_coeff，则待测像素f_3，3处于图像边缘，将y_3，3赋值为亮度分量的最大值“255”；反之则将y_3，3赋值为亮度分量的最小值“0”，同时将cb_3，3、cr_3，3赋值为“128”，从而完成重新赋值，然后显示输出一幅仅包含图像边缘的黑白分明的特殊效果图。

进行图像边缘提取的图像帧中与像素相关的像素数据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 (3)

1.图像边缘提取方法，其特征在于，包括以下步骤：

1)提取待测像素的亮度分量；

2)以待测像素为中心点，选择多个邻域像素组成一个n×n大小的像素矩阵，n的取值为大于等于5的奇数；

3)计算待测像素的边缘提取因子g_x；

g_x＝|∑_up-∑_dn|+|∑_le-∑_ri|+|∑₄₅-∑₁₃₅|；

其中：∑_up为n×n大小的像素矩阵中待测像素相邻上行的邻域像素的亮度分量之和；∑_dn为n×n大小的像素矩阵中待测像素相邻下行的邻域像素的亮度分量之和；∑_le为n×n大小的像素矩阵中待测像素相邻左列的邻域像素的亮度分量之和；∑_ri为n×n大小的像素矩阵中待测像素相邻右列的邻域像素的亮度分量之和；∑₄₅为n×n大小的像素矩阵中45度对角线上邻域像素的亮度分量与待测像素的亮度分量之和；∑₁₃₅为n×n大小的像素矩阵中135度对角线上邻域像素的亮度分量与待测像素的亮度分量之和；

4)比较边缘提取因子g_x与预设的边缘参数的大小，如若边缘提取因子g_x大于等于边缘参数，则判断待测像素处于图像边缘；否则判断待测像素未处于图像边缘。

2.如权利要求1所述图像边缘提取方法，其特征在于，步骤4)中若待测像素处于图像边缘则将其赋值为亮度分量的最大值；若待测像素未处于图像边缘则赋值为亮度分量的最小值。

3.如权利要求1或2所述图像边缘提取方法，其特征在于，所述亮度分量为亮度值或灰度值。

Images