CN101727667B - 一种挂网图像的边界检测方法及装置 - Google Patents
一种挂网图像的边界检测方法及装置 Download PDFInfo
- Publication number
- CN101727667B CN101727667B CN200810224293A CN200810224293A CN101727667B CN 101727667 B CN101727667 B CN 101727667B CN 200810224293 A CN200810224293 A CN 200810224293A CN 200810224293 A CN200810224293 A CN 200810224293A CN 101727667 B CN101727667 B CN 101727667B
- Authority
- CN
- China
- Prior art keywords
- template
- detects
- current pixel
- operator
- gaussian operator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种挂网图像的边界检测方法和装置,用以解决现有技术中对挂网图像的边界定位精度不高,检测出来的边界存在间断的问题。该方法根据确定的每个检测模板的苏伯-高斯Soble-Gaussian算子和标准高斯Gaussian算子,确定维数为N×N的多个检测模板,然后根据当前像素点的属性信息,选择检测所述当前像素点的检测模板,再利用所述检测模板,计算所述当前像素点的响应值,并通过比较与所述当前像素点相邻的像素点的响应值的大小关系,确定所述当前像素点是否为边界上的像素点。根据本发明提出的方案,对挂网图像边界的各个方向都能直接进行边界检测,提高了挂网图像的边界定位精度。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种挂网图像的边界检测方法及装置。
背景技术
打印机等二值设备,在打印前,需要对待打印的图像进行图像挂网处理,与色调连续的原始图像相比,由于经过挂网处理后的图像,具有离散的特性,因而直接对挂网图像进行处理变得十分困难。因此,在现有技术中,对挂网图像进行处理之前,首先需要确定挂网图像的边界位置,然后再对挂网图像进行处理。
目前,检测挂网图像边界位置的方法是直接使用Sobel或Gaussian模板,利用像素点上下、左右邻点的灰度加权算法,根据在边界点处像素点的响应值达到极值的原理,对挂网图像进行边界的检测。由于受到挂网纹路的影响,挂网图像边界两侧的灰度值相差较大,因此,利用Sobel模板检测的边界位置结果不够准确,而利用Gaussian模板检测边界位置结果虽然比Sobel模板准确度高,但其检测出来的边界位置还是不够准确,且该方法检测出来的边界位置会有间断。
现有技术中,还提供了另一种图像边界的检测方法,即基于块的图像处理方法,申请号为200580020900.1,该方法通过从图像的边缘开始的像素行和确定各像素的第一行的位置而确定一条边界,这些像素的至少一个像素值是某个数值组的一部分,如果像素具有超过某个水平的亮度值,则该像素可能不是黑色边界的一部分,即将像素的第一行与前一行分开。由于挂网图像边界存在大量的锯齿及断间,通过这种边界检测的方法,不能够得到连续平滑的边界。
发明内容
有鉴于此,本发明实施例提供一种挂网图像的边界检测方法,用以解决现有技术中对挂网图像的边界定位精度不高的问题。
本发明实施例提供的一种挂网图像的边界检测方法,包括:
根据确定的每个检测模板的苏伯-高斯Soble-Gaussian算子和标准高斯Gaussian算子,确定维数为N×N的检测模板,其中,N为大于1的整数,所述Soble-Gaussian算子为标准Gaussian算子通过一定运算得到的;
根据当前像素点的属性信息,选择检测所述当前像素点的检测模板;
利用所述检测模板,计算所述当前像素点的响应值;
根据所述响应值,与所述当前像素点相邻的像素点的响应值的大小关系,确定所述当前像素点是否为边界上的像素点。
本发明实施例提供的一种挂网图像的边界检测装置,包括:
确定单元,用于根据确定的每个检测模板的Soble-Gaussian算子和标准Gaussian算子,确定维数为N×N的检测模板,其中,N为大于1的整数,所述Soble-Gaussian算子为标准Gaussian算子通过一定运算得到的;
选择单元,用于根据当前像素点的属性信息,从所述确定单元确定的检测模板中选择检测所述当前像素点的检测模板;
计算单元,用于利用所述选择单元选择的检测模板,计算所述当前像素点的响应值;
判断单元,用于根据所述计算单元计算所得的响应值,与所述当前像素点相邻的像素点的响应值的大小关系,判断所述当前像素点是否为边界上的像素点。
本发明实施例中根据像素点的方向信息不同,选择不同的检测模板,然后利用选择的检测模板对像素点的响应值进行检测,通过将像素点的响应值与相邻像素点的响应值进行比较,从而判断当前像素点是否为挂网图像的边界点,这种检测方法可以提高挂网图像的边界定位精度,有利于后续对挂网图像的处理。
附图说明
图1为本发明实施例中检测挂网图像的边界的方法流程图;
图2为本发明实施例中构造方向检测模板的方法流程图;
图3A为标准Gaussian算子分布图;
图3B为将标准Gaussian算子分别向左右平移一个单位后的分布图;
图3C为本发明实施例中SOG算子的分布图;
图4为本发明实施例中一种像素点边界方向的划分规则示意图;
图5为本发明实施例中构造特殊点检测模板的方法流程图;
图6为本发明实施例一的方法流程图;
图7为本发明实施例二的方法流程图;
图8为本发明实施例中挂网图像的边界检测的装置示意图;
图9A为一个待检测的挂网图像示例图;
图9B为利用本发明实施例提供的方法检测挂网图像的边界的效果示例图;
图9C为利用Gaussian检测模板检测挂网图像的边界的效果示例图。
具体实施方式
本发明实施例中,根据挂网图像中当前像素点的属性,为当前像素点选择对应的检测模板,然后将该检测模板应用于当前像素点,计算出当前像素点的响应值,再将响应值与相邻像素点的响应值进行比较,如果当前像素点的响应值大于相邻像素点的响应值,且其差值大于给定的阈值时,判定当前像素点为边界像素点。这种方法根据挂网图像中不同像素点具体情况,选择适合该像素点的边界检测模板,因而可提高挂网图像边界检测的精度。
本发明实施例中挂网图像的边界检测的基本流程如图1所示,主要包括以下步骤:
步骤101:确定维数为N×N的多个检测模板。
本发明实施例中,为了能更精确的检测出挂网图像的边界,首先构造了多个检测模板,其中,包括特殊点检测模板和方向检测模板,每个检测模板是由该检测模板的Soble-Gaussian算子和标准Gaussian算子确定的。
其中,检测模板的Soble-Gaussian算子是根据该检测模板的具体情况,通过将标准Gaussian算子进行一定的运算得到的。
步骤102:根据当前像素点的属性信息,选择检测该像素点的检测模板。
其中,像素点的属性信息中记录有该像素点是否为单像素点的细线上的点,或,水平方向或垂直方向上的特殊点,以及该像素点的方向等信息。
并且,如果当前像素点的属性信息记录当前像素点为单像素点的细线上的点,或,水平方向或垂直方向上的特殊点,则选择特殊点检测模板作为当前像素点的检测模板;否则,根据属性信息记录的当前像素点的边界方向,选择角度与该边界方向的角度相同的方向检测模板为所述当前像素点的检测模板。
步骤103:利用该检测模板,计算所述当前像素点的响应值。
具体地,将该检测模板的中心与当前像素点的重合,从挂网图像中获取n×n的像素点阵,并将检测模板与该像素点阵做卷积,得到当前像素点的响应值。其中,n为大于1的奇数,其数值是根据实际情况预先设置的,且为了满足能获取n×n个像素点,检测模板的维数N应该不小于n。
步骤104:根据计算所得响应值,与当前像素点相邻的像素点的响应值的大小关系,确定当前像素点是否为边界上的像素点。
具体地,如果当前像素点的响应值大于所述相邻的像素点的响应值,且该响应值与相邻的像素点的响应值的差值大于设定的阈值,则当前像素点为边界上的像素点,否则,当前像素点为非边界上的像素点。
在具体实施过程中,如果当前像素点的边界方向不是45°方向,则可以选择在该像素点的边界方向的法线方向上,与该像素点相邻的两个像素点,将当前像素点的响应值与这两个相邻的像素点的响应值进行比较。
较佳地,如果当前像素点的边界方向为45°方向,则可以选择4个相邻的像素点,将当前像素点的响应值与这4个像素点的响应值进行比较。其中,4个相邻的像素点为该像素点的边界方向的法线方向上相邻的两个像素点,以及在当前像素点的边界方向上与分别这两个像素点相邻的像素点。
具体地,确定多个方向检测模板的方法流程如图2所示,主要包括以下步骤:
步骤201:根据待检测像素点的方向的数量,确定方向检测模板的数量及每个方向检测模板的角度。
在本发明实施例中,像素点的方向经过归一化处理后的方向,在具体实施过程中,可将0°~360°平分为多个方向,比如,16个方向,待检测图像中的像素点的方向即为这16个方向中一个方向,而方向检测模板的数量也就为16,每个方向检测模板的角度与16个方向对应。
步骤202:根据每个方向检测模板的角度,构造每个方向检测模板的Soble-Gaussian算子。
具体地,构造一个方向检测模板的Soble-Gaussian算子的步骤包括:
步骤202a:将标准Gaussian算子如图3A中的曲线,沿该方向检测模板的角度方向向左平移一个单位得到第一Gaussian算子,如图3B中的A曲线,其中,图中的X轴正向为该检测模板的角度方向。
步骤202b:将标准Gaussian算子沿该方向检测模板的角度方向向右平移一个单位得到第二Guassian算子,如图3B中的B曲线。
步骤202c:将所述第一Gaussian算子减去所述第二Guassian算子,其结果为该方向检测模板的Soble-Gaussian算子,如图3C中的曲线。
步骤203:利用每个方向检测模板的Soble-Gaussian算子,构造每个方向检测模板的第一矩阵和第二矩阵。
具体地,如果方向检测模板的角度方向不是为水平或垂直的,即该方向检测模板的角度不为0°、90°、180°或270°,则该方向检测模板的第一矩阵的分布规律为:
沿该方向检测模板的角度方向满足该检测模板的Soble-Gaussian算子分布。
如果方向检测模板的角度为0°、90°、180°或270°,则该方向检测模板的第一矩阵的分布规律为:
以通过该方向检测模板的中心、与为该方向检测模板的角度方向的法线平行的直线为界,在该直线的一侧,沿所述角度方向,满足正的该方向检测模板的Soble-Gaussian算子分布,在该直线的另一侧,沿所述角度方向,满足负的标准Guassian算子分布。
其中,方向检测模板的第二矩阵的沿该检测模板的角度方向的法线方向,满足Gaussian算子分布。
步骤204:根据每个方向检测模板的第一矩阵和第二矩阵,获得每个方向检测模板。
具体地,方向检测模板中的每项系数的值等于第一矩阵和第二矩阵中相应项的乘积,即,假设一个方向检测模板的为矩阵A,其第一矩阵为矩阵B,第二矩阵为矩阵C,则有:
aij=bij×cij,1≤i≤N,1≤j≤N,
其中,N为大于1的整数;aij为矩阵A第i行第j列的元素,bij为第一矩阵的第i行第j列的元素,cij为第二矩阵的第i行第j列的元素。
在步骤202中,构造每个方向的Sobel-Guassian算子时,也可以将标准Guassian算子在水平方向左右移动得到统一的Sobel-Guassian算子,然后,在步骤204中,利用上述公式计算出每个方向检测模板的系数后,将每个方向检测模板的系数在该检测模板的角度方向进行映射,映射后的结果为每个方向检测模板的系数。
在具体实施过程中,还可以先构造角度在一个象限内方向检测模板,然后通过变换,得到其余的方向检测模板,以像素点的方向为16个方向为例,如图4所示,利用上述步骤202至步骤204中的方法先构造角度在第一象限内方向检测模板,即dir0、dir1、dir2和dir3方向上的方向检测模板,然后通过变换得到其它象限的方向检测模板,具体如下:
dir4、dir5、dir6、dir7方向上的方向检测模板,可以分别由dir0、dir1、dir2和dir3方向上的方向检测模板作如下变换得到:
X=Y
Y=-X
而dir8、dir9、dir10、dir11方向上的方向检测模板,可以分别由dir0、dir1、dir2和dir3方向上的方向检测模板作如下变换得到:
X=-X
Y=-Y
dir12、dir13、dir14、dir15方向上的方向检测模板,可以分别由dir0、dir1、dir2和dir3方向上的方向检测模板作如下变换得到:
X=-Y
Y=X
在实际操作中,还可以先构造角度在第二象限、第三象限或第四象限内的方向检测模板,再通过变换得到其余的方向检测模板,也可以先构造角度在第一象限和第二象限内的所有方向检测模板,再通过变换得到角度在其余两个象限内的其他检测模板,或是角度在第一象限内的所有方向检测模板,以及其余角度在其余象限的一个或多个方向检测模板,再通过变换得到其余的方向检测模板。
特殊点检测模板是用于检测单像素点的细线上的点,或,水平方向或垂直方向上的特殊点的检测模板,在本发明实施例中,特殊点检测模板只有一个,图5示出了特殊点检测模板的构造方法,主要包括以下步骤:
步骤501:根据标准Gussian算子,获取特殊点检测模板的Soble-Gaussian算子。
具体地,标准Gaussian算子向左平移一个单位,减去标准Gaussian算子向右平移一个单位,获得特殊点检测模板的Soble-Gaussian算子。
步骤502:构造特殊点检测模板的第一矩阵和第二矩阵。
其中,该第一矩阵以居中的一列行量为界,在该列行量的一侧的行向量满足负的上述Soble-Gaussian算子分布,另一侧的行向量满足正的标准标准Gaussian算子分布。该第二矩阵的列向量满足Gaussian算子分布。
步骤503:利用该第一矩阵和第二矩阵,计算出特殊点检测模板的各个系数。
计算方法同前面计算方向检测模板的方法,在此不在赘述。
实施例1
图6提供了当前像素点为边界单像素点的细线,或,水平方向或垂直方向上的特殊点时,确定所述当前像素点是否为边界上的像素点的方法流程,主要包括:
步骤601:确定检测当前像素点的检测模板为特殊点检测模板。
步骤602:利用该特殊点检测模板,计算当前像素点的响应值。
步骤603:判断当前像素点的响应值是否大于与该像素点相邻的像素点的响应值,如果是,继续步骤604,否则,进入步骤606。
步骤604:判断当前像素点与所述相邻像素点的响应值的差值是否大于设定的阈值,如果是,继续步骤605,否则,进入步骤606。
步骤605:确定所述当前像素点为边界上的像素点。
步骤606:确定所述当前像素点为非边界上的像素点。
实施例2
图7提供了当前像素点不为单像素点的细线上的点,或水平、垂直方向上的特殊点时,确定所述当前像素点是否为边界上的像素点的方法流程,主要包括:
步骤701:根据当前像素点的边界方向,选择与该边界方向角度一致的方向检测模板。
比如,如果当前像素点的边界方向为22.5°,则选择角度为22.5°的方向检测模板作为当前像素点的边界检测模板。其中,方向检测模板为N×N的系数矩阵,N为大于1的整数。
步骤702:利用该方向检测模板,计算当前像素点的响应值。
首先,将该方向检测模板的中心与当前像素点重合,从挂网图像中获取在该方向检测模板的范围内的n×n个像素点,其中,n为大于1的奇数,且N≥n;然后,将该方向检测模板与获取的n×n个像素点组成的当前像素点阵作卷积,其结果即为当前像素点的响应值。
步骤703:判断当前像素点的响应值是否大于与该像素点相邻的像素点的响应值,如果是,继续步骤704,否则,进入步骤706。
步骤704:判断当前像素点与所述相邻像素点的响应值的差值是否大于设定的阈值,如果是,继续步骤705,否则,进入步骤706。
步骤705:确定所述当前像素点为边界上的像素点。
步骤706:确定所述当前像素点为非边界上的像素点。
如图8所示,本发明实施提供的一种挂网图像的边界检测装置示意图,包括:确定单元80、选择单元81、计算单元82和判断单元83。其中,
确定单元80,用于根据确定的每个检测模板的Soble-Gaussian算子和标准Gaussian算子,确定维数为N×N的检测模板。
其中,N为大于1的整数,所述Soble-Gaussian算子为标准Gaussian算子通过一定运算得到的。
其中,检测模板包括特殊点检测模板和多个方向检测模板。方向检测模板和特殊点检测模板为N×N的系数矩阵,其中N是大于1的整数,特殊点检测模板用来检测单像素点的细线上的点,或,水平方向或垂直方向上的特殊点是否为边界像素点,而方向检测模板用于检测除上述特殊点以外的其它像素点是否为边界像素点。
具体地,所述确定单元80进一步包括:第一确定子单元800和第二确定子单元801。其中,
第一确定子单元800,用于根据确定的每个方向检测模板的Soble-Gaussian算子和标准Gaussian算子,确定多个方向检测模板。
进一步地,第一确定子单元800可以包括:第一确定模块8000、第一构造模块8001和第一获取模块8002。其中,
第一确定模块8000,用于根据待检测像素点的方向的数量,确定方向检测模板的数量及每个方向检测模板的角度。
第一构造模块8001,用于根据所每个方向检测模板的角度,构造每个方向检测模板的Soble-Gaussian算子。
第一获取模块8002,用于根据标准Gaussian算子、每个方向检测模板的Soble-Gaussian算子和每个方向检测模板的角度,分别构造每个方向检测模板。
进一步地,第一确定子单元800还可以包括:第二确定模块8003、第二构造模块8004、第二获取模块8005和变换模块8006。其中,
第二确定模块8003,用于根据待检测像素点的方向的数量,确定方向检测模板的数量及每个方向检测模板的角度。
第二构造模块8004,用于根据每个方向检测模板的角度,构造至少一个象限内的方向检测模板的Soble-Gaussian算子。
第二获取模块8005,用于根据标准Gaussian算子、所述至少一个象限内的方向检测模板的Soble-Gaussian算子和所述至少一个象限内的每个方向检测模板的角度,分别构造所述至少一个象限内的每个方向检测模板。
变换模块8006,用于将所述至少一个象限内的方向检测模板做对称变换,得到除所述至少一个象限内的方向检测模板的其它方向检测模板。
第二确定子单元801,用于根据确定的特殊点检测模板的Soble-Gaussian算子和标准Gaussian算子,确定特殊点检测模板。
进一步地,第二确定子单元801包括:获取模块8010、构造模块8011和确定模块8012。其中,
获取模块8010,用于将标准Gaussian算子向左平移一个单位后,减去将标准Gaussian算子向右平移一个单位,获取所述特殊点检测模板的Soble-Gaussian算子。
构造模块8011,用于构造居中列向量的一侧的行向量满足负的获取模块8010获取的Soble-Gaussian算子分布,居中列向量的另一侧的行向量满足正的标准标准Gaussian算子分布的第一矩阵,以及列向量满足Gaussian算子分布的第二矩阵。
确定模块8012,用于将所述第一矩阵和第二矩阵按照设置的运算规则进行运算,确定所述特殊点检测模板。
选择单元81,用于根据当前像素点的属性信息,从确定单元80确定的检测模板中选择检测所述当前像素点的检测模板。
在确定好检测所述当前像素点的检测模板后,该装置调用计算单元82计算当前像素点的响应值。
计算单元82,用于利用所述选择单元81选择的检测模板,计算所述当前像素点的响应值。
具体地,所述计算单元82包括:获取子单元820和计算子单元821。其中,
获取子单元820,用于将所述检测模板的中心与当前像素点重合,从挂网图像中获取预先的设置的n×n个像素点作为当前像素点阵。
计算子单元821,用于计算所述检测模板与所述当前像素点阵的卷积,即当前像素点的响应值。
在获取当前像素点的响应值后,该装置调用判断单元83,将当前像素点的响应值与相邻像素点的响应值进行比较,从而判断当前像素点是否为边界上的像素点。
判断单元83,用于根据所述计算单元82计算所得的响应值,与所述当前像素点相邻的像素点的响应值的大小关系,判断所述当前像素点是否为边界上的像素点。
具体地,判断单元83可包括:第一判断子单元830和第二判断子单元831。其中,
第一判断子单元830,用于判断所述当前像素点的响应值是否大于所述相邻的像素点的响应值。如果当前像素点的响应值小于所述相邻像素点的响应值,则判定所述当前像素点为非边界上的像素点,如果当前像素点的响应值大于所述相邻像素点的响应值,则调用第二判断子单元831进行进一步的判断。
第二判断子单元831,用于在所述第一判断子单元830判断所述当前像素点的响应值大于所述相邻的像素点的响应值时,判断所述当前像素点的响应值与所述相邻的像素点的响应值的差值是否大于设定的阈值。如果确定所述当前像素点的响应值与所述相邻的像素点的响应值的差值大于设定的阈值,则确定所述当前像素点为边界上的像素点,反之则不然。
利用本发明实施例提供的边界检测方法对图9A所述的挂网图像进行边界检测的效果如图9B,而仅利用Gaussian检测模板对图9A的边界进行边界检测的效果如图9C所示。
本发明实施例中,通过构造SOG模板,根据挂网图像的边界方向选择边界检测模板,对挂网图像的边界进行检测,该方法不依赖于特定挂网方案,无需进行退网操作,能够保证在高效低耗的前提下,直接对挂网图进行边界检测,提高边界定位的精度,解决传统算法在挂网图像边界检测时的不足。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种挂网图像的边界检测方法,其特征在于,包括:
根据确定的每个检测模板的苏伯-高斯Soble-Gaussian算子和标准高斯Gaussian算子,确定维数为N×N的检测模板,其中,N为大于1的整数,所述Soble-Gaussian算子为标准Gaussian算子通过一定运算得到的;
根据当前像素点的属性信息,选择检测所述当前像素点的检测模板;
利用所述检测模板,计算所述当前像素点的响应值;
根据所述响应值,与所述当前像素点相邻的像素点的响应值的大小关系,确定所述当前像素点是否为边界上的像素点;
其中,所述检测模板包括:特殊点检测模板和方向检测模板;
其中,确定所述方向检测模板,包括:
根据待检测像素点的方向的数量,确定方向检测模板的数量及方向检测模板的角度;
根据方向检测模板的角度,构造方向检测模板的Soble-Gaussian算子;
根据标准Gaussian算子、方向检测模板的Soble-Gaussian算子和方向检测模板的角度,分别构造不同角度的方向检测模板;
其中,所述构造方向检测模板的Soble-Gaussian算子,包括:
将标准Gaussian算子沿该方向检测模板的角度方向向左平移一个单位得到第一Gaussian算子,将标准Gaussian算子沿该方向检测模板的角度方向向右平移一个单位得到第二Guassian算子,将所述第一Gaussian算子减去所述第二Guassian算子,其结果为该方向检测模板的Soble-Gaussian算子;
其中,所述构造方向检测模板,包括:
构造在该方向检测模板的角度方向满足一定规则的该方向检测模板的Soble-Gaussian算子或\和Gaussian算子分布的第一矩阵,以及在所述角度方向的法线方向满足Gaussian算子分布的第二矩阵;
将所述第一矩阵和第二矩阵中相应项的乘积作为方向检测模板中相应项 系数的值来获得所述方向检测模板;
其中,如果所述方向检测模板的角度为0°、90°、180°或270°,则所述第一矩阵的分布规律为:以通过该方向检测模板的中心、与为该方向检测模板的角度方向的法线平行的直线为界,在该直线的一侧,沿所述角度方向,满足正的该方向检测模板的Soble-Gaussian算子分布,在该直线的另一侧,沿所述角度方向,满足负的标准Guassian算子分布;
其中,如果所述方向检测模板的角度不为0°、90°、180°或270°,所述第一矩阵沿该方向检测模板的角度方向满足该检测模板的Soble-Gaussian算子分布;
其中,所述确定特殊点检测模板,包括:
利用将标准Gaussian算子向左平移一个单位得到的第一算子,减去将标准Gaussian算子向右平移一个单位得到的第二算子,获得所述特殊点检测模板的Soble-Gaussian算子;
构造在居中列向量的一侧的行向量满足负的所述Soble-Gaussian算子分布,在居中列向量的另一侧的行向量满足正的标准标准Gaussian算子分布的第一矩阵,以及列向量满足Gaussian算子分布的第二矩阵;
将所述第一矩阵和第二矩阵中相应项的乘积作为特殊点检测模板中相应系数的值来获得所述特殊点检测模板;
其中,所述选择检测所述当前像素点的检测模板,包括:
如果所述当前像素点的属性信息记录当前像素点为单像素点的细线上的点,或,水平方向或垂直方向上的特殊点,则确定检测所述当前像素点的检测模板为特殊点检测模板;否则,
根据所述属性信息记录的当前像素点的边界方向,选择角度与该边界方向的角度相同的方向检测模板为所述当前像素点的检测模板;
其中,所述计算所述当前像素点的响应值,包括:
计算所述检测模板与所述当前像素点阵的卷积,即当前像素点的响应值;
其中,所述确定所述当前像素点是否为边界上的像素点,包括:
A、判断所述当前像素点的响应值是否大于所述相邻的像素点的响应值,如果是,则继续步骤B,否则,确定所述当前像素点为非边界上的像素点,结束;
B、判断所述当前像素点的响应值与所述相邻的像素点的响应值的差值是否大于设定的阈值,如果是,则确定所述当前像素点为边界上的像素点,否则,确定所述当前像素点为非边界上的像素点。
2.一种挂网图像的边界检测方法,其特征在于,包括:
根据确定的每个检测模板的苏伯-高斯Soble-Gaussian算子和标准高斯Gaussian算子,确定维数为N×N的检测模板,其中,N为大于1的整数,所述Soble-Gaussian算子为标准Gaussian算子通过一定运算得到的;
根据当前像素点的属性信息,选择检测所述当前像素点的检测模板;
利用所述检测模板,计算所述当前像素点的响应值;
根据所述响应值,与所述当前像素点相邻的像素点的响应值的大小关系,确定所述当前像素点是否为边界上的像素点;
其中,所述检测模板包括:特殊点检测模板和方向检测模板;
其中,确定所述方向检测模板,包括:
根据待检测像素点的方向的数量,确定方向检测模板的数量及方向检测模板的角度;
根据每个方向检测模板的角度,构造至少一个象限内的方向检测模板的Soble-Gaussian算子;
根据标准Gaussian算子、所述至少一个象限内的方向检测模板的Soble-Gaussian算子和所述至少一个象限内的每个方向检测模板的角度,分别构造所述至少一个象限内的不同角度的方向检测模板;
将所述至少一个象限内的方向检测模板做对称变换,得到除所述至少一个象限内的方向检测模板的其它方向检测模板;
其中,所述构造方向检测模板的Soble-Gaussian算子,包括:
将标准Gaussian算子沿该方向检测模板的角度方向向左平移一个单位得到第一Gaussian算子,将标准Gaussian算子沿该方向检测模板的角度方向向右平移一个单位得到第二Guassian算子,将所述第一Gaussian算子减去所述第二Guassian算子,其结果为该方向检测模板的Soble-Gaussian算子;
其中,所述构造方向检测模板,包括:
构造在该方向检测模板的角度方向满足一定规则的该方向检测模板的Soble-Gaussian算子或\和Gaussian算子分布的第一矩阵,以及在所述角度方向的法线方向满足Gaussian算子分布的第二矩阵;
将所述第一矩阵和第二矩阵中相应项的乘积作为方向检测模板中相应项系数的值来获得所述方向检测模板;
其中,如果所述方向检测模板的角度为0°、90°、180°或270°,则所述第一矩阵的分布规律为:以通过该方向检测模板的中心、与为该方向检测模板的角度方向的法线平行的直线为界,在该直线的一侧,沿所述角度方向,满足正的该方向检测模板的Soble-Gaussian算子分布,在该直线的另一侧,沿所述角度方向,满足负的标准Guassian算子分布;
其中,如果所述方向检测模板的角度不为0°、90°、180°或270°,所述第一矩阵沿该方向检测模板的角度方向满足该检测模板的Soble-Gaussian算子分布;
其中,所述确定特殊点检测模板,包括:
利用将标准Gaussian算子向左平移一个单位得到的第一算子,减去将标准Gaussian算子向右平移一个单位得到的第二算子,获得所述特殊点检测模板的Soble-Gaussian算子;
构造在居中列向量的一侧的行向量满足负的所述Soble-Gaussian算子分 布,在居中列向量的另一侧的行向量满足正的标准标准Gaussian算子分布的第一矩阵,以及列向量满足Gaussian算子分布的第二矩阵;
将所述第一矩阵和第二矩阵中相应项的乘积作为方向检测模板中相应项系数的值来获得所述特殊点检测模板;
其中,所述选择检测所述当前像素点的检测模板,包括:
如果所述当前像素点的属性信息记录当前像素点为单像素点的细线上的点,或,水平方向或垂直方向上的特殊点,则确定检测所述当前像素点的检测模板为特殊点检测模板;否则,
根据所述属性信息记录的当前像素点的边界方向,选择角度与该边界方向的角度相同的方向检测模板为所述当前像素点的检测模板;
其中,所述计算所述当前像素点的响应值,包括:
计算所述检测模板与所述当前像素点阵的卷积,即当前像素点的响应值;
其中,所述确定所述当前像素点是否为边界上的像素点,包括:
A、判断所述当前像素点的响应值是否大于所述相邻的像素点的响应值,如果是,则继续步骤B,否则,确定所述当前像素点为非边界上的像素点,结束;
B、判断所述当前像素点的响应值与所述相邻的像素点的响应值的差值是否大于设定的阈值,如果是,则确定所述当前像素点为边界上的像素点,否则,确定所述当前像素点为非边界上的像素点。
3.一种挂网图像的边界检测装置,其特征在于,包括:
确定单元,用于根据确定的每个检测模板的Soble-Gaussian算子和标准Gaussian算子,确定维数为N×N的检测模板,其中,N为大于1的整数,所述Soble-Gaussian算子为标准Gaussian算子通过一定运算得到的;
选择单元,用于根据当前像素点的属性信息,从所述确定单元确定的检测 模板中选择检测所述当前像素点的检测模板;
计算单元,用于利用所述选择单元选择的检测模板,计算所述当前像素点的响应值;
判断单元,用于根据所述计算单元计算所得的响应值,与所述当前像素点相邻的像素点的响应值的大小关系,判断所述当前像素点是否为边界上的像素点;
其中,所述确定单元包括:
第一确定子单元,用于根据确定的方向检测模板的Soble-Gaussian算子和标准Gaussian算子,确定方向检测模板;
第二确定子单元,用于根据确定的特殊点检测模板的Soble-Gaussian算子和标准Gaussian算子,确定特殊点检测模板;
其中,所述第一确定子单元包括:
第一确定模块,用于根据待检测像素点的方向的数量,确定方向检测模板的数量及方向检测模板的角度;
第一构造模块,用于根据方向检测模板的角度,构造方向检测模板的Soble-Gaussian算子,包括:将标准Gaussian算子沿该方向检测模板的角度方向向左平移一个单位得到第一Gaussian算子,将标准Gaussian算子沿该方向检测模板的角度方向向右平移一个单位得到第二Gaussian算子,其结果为该方向检测模板的Soble-Gaussian算子;
第一获取模块,用于根据标准Gaussian算子、方向检测模板的Soble-Gaussian算子和方向检测模板的角度,分别构造不同角度方向检测模板,包括:构造在该方向检测模板的角度方向满足一定规则的该方向检测模板的Soble-Gaussian算子或\和Gaussian算子分布的第一矩阵,以及在所述角度方向的法线方向满足Gaussian算子分布的第二矩阵;将所述第一矩阵和第二矩阵中相应项的乘积作为方向检测模板中相应项系数的值来获得所述方向检测模板;其中,如果所述方向检测模板的角度为0°、90°、180°或270°,则所述第一矩阵的分布规律为:以通过该方向检测模板的中心、与为该方向检测模板的角度方向的法线平行的直线为界,在该直线的一侧,沿所述角度方向,满足正的该方向检测模板的Soble-Gaussian算子分布,在该直线的另一侧,沿所述角度方向,满足负的标准Guassian算子分布;其中,如果所述方向检测模板的角度不为0°、90°、180°或270°,所述第一矩阵沿该方向检测模板的角度方向满足该检测模板的Soble-Gaussian算子分布;
所述第二确定子单元包括:
获取模块,用于将标准Gaussian算子向左平移一个单位得到的第一算子,减去将标准Gaussian算子向右平移一个单位得到的第二算子,获取所述特殊点检测模板的Soble-Gaussian算子;
构造模块,用于构造居中列向量的一侧的行向量满足负的所述Soble-Gaussian算子分布,居中列向量的另一侧的行向量满足正的标准标准Gaussian算子分布的第一矩阵,以及列向量满足Gaussian算子分布的第二矩阵;
确定模块,用于将所述第一矩阵和第二矩阵中相应项的乘积作为特殊点检测模板中相应系数的值来确定所述特殊点检测模板;
其中,所述选择单元选择检测所述当前像素点的检测模板,包括:如果所述当前像素点的属性信息记录当前像素点为单像素点的细线上的点,或,水平方向或垂直方向上的特殊点,则确定检测所述当前像素点的检测模板为特殊点检测模板;否则,根据所述属性信息记录的当前像素点的边界方向,选择角度与该边界方向的角度相同的方向检测模板为所述当前像素点的检测模板;
其中,所述计算单元包括:
获取子单元,用于将所述检测模板的中心与当前像素点重合,从挂网图像中获取预先的设置的n×n个像素点作为当前像素点阵,其中,n为大于1的整数,且
计算子单元,用于计算所述检测模板与所述当前像素点阵的卷积,即当前像素点的响应值;
其中,所述判断单元包括:
第一判断子单元,用于判断所述当前像素点的响应值是否大于所述相邻的像素点的响应值;如果是,则由以下第二判断子单元继续判断,否则,判断所述当前像素点为非边界上的像素点;
第二判断子单元,用于在所述第一判断子单元判断所述当前像素点的响应值大于所述相邻的像素点的响应值时,判断所述当前像素点的响应值与所述相邻的像素点的响应值的差值是否大于设定的阈值;如果是,则判断所述当前像素点为边界上的像素点,否则,判断所述当前像素点为非边界上的像素点。
4.根据权利要求3所述的装置,其特征在于,所述第一确定子单元包括:
第二确定模块,用于根据待检测像素点的方向的数量,确定方向检测模板的数量及方向检测模板的角度;
第二构造模块,用于根据方向检测模板的角度,构造至少一个象限内的方向检测模板的Soble-Gaussian算子,包括:将标准Gaussian算子沿该方向检测模板的角度方向向左平移一个单位得到第一Gaussian算子,将标准Gaussian算子沿该方向检测模板的角度方向向右平移一个单位得到第二Guassian算子,将所述第一Gaussian算子减去所述第二Guassian算子,其结果为该方向检测模板的Soble-Gaussian算子;
第二获取模块,用于根据标准Gaussian算子、所述至少一个象限内的方向检测模板的Soble-Gaussian算子和所述至少一个象限内的方向检测模板的角度,分别构造所述至少一个象限内的方向检测模板,包括:构造在该方向检测模板的角度方向满足一定规则的该方向检测模板的Soble-Gaussian算子或\和Gaussian算子分布的第一矩阵,以及在所述角度方向的法线方向满足Gaussian算子分布的第二矩阵;将所述第一矩阵和第二矩阵中相应项的乘积作为方向检测模板中相应项系数的值来获得所述方向检测模板;其中,如果 所述方向检测模板的角度为0°、90°、180°或270°,则所述第一矩阵的分布规律为:以通过该方向检测模板的中心、与为该方向检测模板的角度方向的法线平行的直线为界,在该直线的一侧,沿所述角度方向,满足正的该方向检测模板的Soble-Gaussian算子分布,在该直线的另一侧,沿所述角度方向,满足负的标准Guassian算子分布;其中,如果所述方向检测模板的角度不为0°、90°、180°或270°,所述第一矩阵沿该方向检测模板的角度方向满足该检测模板的Soble-Gaussian算子分布;
变换模块,用于将所述至少一个象限内的方向检测模板做对称变换,得到除所述至少一个象限内的方向检测模板的其它方向检测模板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810224293A CN101727667B (zh) | 2008-10-16 | 2008-10-16 | 一种挂网图像的边界检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810224293A CN101727667B (zh) | 2008-10-16 | 2008-10-16 | 一种挂网图像的边界检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101727667A CN101727667A (zh) | 2010-06-09 |
CN101727667B true CN101727667B (zh) | 2012-09-12 |
Family
ID=42448519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810224293A Active CN101727667B (zh) | 2008-10-16 | 2008-10-16 | 一种挂网图像的边界检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101727667B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619672B (zh) * | 2019-09-12 | 2020-08-04 | 慧影医疗科技(北京)有限公司 | 图形边缘线选取方法、机器可读存储介质及数据处理设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6674904B1 (en) * | 1999-12-14 | 2004-01-06 | Intel Corporation | Contour tracing and boundary detection for object identification in a digital image |
CN1578381A (zh) * | 2003-07-23 | 2005-02-09 | 精工爱普生株式会社 | 使用x-标记保持图像平滑度和锐度的自适应半色调方案 |
CN1973540A (zh) * | 2004-06-24 | 2007-05-30 | 皇家飞利浦电子股份有限公司 | 用于基于块的图像处理的电子装置和方法 |
CN101094312A (zh) * | 2006-06-20 | 2007-12-26 | 西北工业大学 | 一种保持边缘的自适应图像滤波方法 |
-
2008
- 2008-10-16 CN CN200810224293A patent/CN101727667B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6674904B1 (en) * | 1999-12-14 | 2004-01-06 | Intel Corporation | Contour tracing and boundary detection for object identification in a digital image |
CN1578381A (zh) * | 2003-07-23 | 2005-02-09 | 精工爱普生株式会社 | 使用x-标记保持图像平滑度和锐度的自适应半色调方案 |
CN1973540A (zh) * | 2004-06-24 | 2007-05-30 | 皇家飞利浦电子股份有限公司 | 用于基于块的图像处理的电子装置和方法 |
CN101094312A (zh) * | 2006-06-20 | 2007-12-26 | 西北工业大学 | 一种保持边缘的自适应图像滤波方法 |
Non-Patent Citations (1)
Title |
---|
JP特开2005-73072A 2005.03.17 |
Also Published As
Publication number | Publication date |
---|---|
CN101727667A (zh) | 2010-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107704801B (zh) | 基于分段直线加分段贝塞尔曲线的曲线车道线检测方法 | |
CN107993263B (zh) | 环视系统自动标定方法、汽车、标定装置及存储介质 | |
JP6233345B2 (ja) | 路面勾配検出装置 | |
CN101465001B (zh) | 一种基于Bayer RGB的图像边缘检测方法 | |
CN102891966B (zh) | 数码成像设备的对焦方法及装置 | |
WO2013135033A1 (zh) | 基于图像分析的隧道变形在线监测系统及其应用 | |
CN104574419B (zh) | 镜头畸变参数标定方法及系统 | |
CN107392139A (zh) | 一种基于霍夫变换的车道线检测方法及终端设备 | |
CN109523583B (zh) | 一种基于反馈机制的电力设备红外与可见光图像配准方法 | |
CN105279473B (zh) | 人脸图像校正方法及装置和人脸识别方法及系统 | |
CN106228531B (zh) | 基于地平线搜索的自动灭点标定方法及系统 | |
CN105957107A (zh) | 行人检测与跟踪方法及装置 | |
CN108009522A (zh) | 一种道路检测方法、装置及终端 | |
CN101923710A (zh) | 图像倾斜校正方法及装置 | |
CN103927748A (zh) | 一种基于多矩形图像距离转换模型的坐标标定方法 | |
CN104537627B (zh) | 一种深度图像的后处理方法 | |
CN110570497B (zh) | 基于图层叠加的绘画方法、装置、终端设备及存储介质 | |
CN105303540A (zh) | 一种单分子图像纠偏装置 | |
CN101727667B (zh) | 一种挂网图像的边界检测方法及装置 | |
Ying et al. | Research on an automatic counting method for steel bars' image | |
CN108256475B (zh) | 一种票据图像倒置检测方法 | |
JP2021050932A (ja) | 付着物検出装置、および付着物検出方法 | |
CN104899854A (zh) | 堆粮高度线的检测方法和装置 | |
CN102637094A (zh) | 应用于光学式触控装置的校正信息计算方法及系统 | |
CN114998571A (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |