CN102682435A - 基于空间相对高度信息的多聚焦图像边缘检测方法 - Google Patents
基于空间相对高度信息的多聚焦图像边缘检测方法 Download PDFInfo
- Publication number
- CN102682435A CN102682435A CN2012101482290A CN201210148229A CN102682435A CN 102682435 A CN102682435 A CN 102682435A CN 2012101482290 A CN2012101482290 A CN 2012101482290A CN 201210148229 A CN201210148229 A CN 201210148229A CN 102682435 A CN102682435 A CN 102682435A
- Authority
- CN
- China
- Prior art keywords
- image
- space relative
- relative height
- pixel
- burnt
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于空间相对高度信息的多聚焦图像边缘检测方法,属于数字图像采集与识别领域。该方法是利用图像采集系统获取目标样本的多聚焦序列图像;用基于互相关信息的图像频域配准法,对多聚焦序列图像进行图像配准预处理;用基于小波变换图像融合算法对配准好的图像融合处理及采用聚焦深度测量法提取其空间相对高度信息图像;再用高度一致性约束法对其处理以消除其噪声;对处理好的空间相对高度信息图像的目标区域与背景区域进行边缘检测;检测出的空间相对高度信息图像的目标区域中子目标的局部极大值区域进行标识和扩张,以完成空间相对高度信息图像的边缘检测;从而实现多聚焦图像的边缘检测。
Description
技术领域
本发明涉及一种数字图像的处理技术,特别涉及一种基于空间相对高度信息的数字图像处理中的多聚焦图像边缘检测的方法,属于数字图像采集与识别领域。
背景技术
数字图像边缘检测是数字图像处理领域的经典难题,其核心思想是要检测出数字图像中以不连续的形式出现的局部特征,这些局部特征可以是突变的灰度、颜色或纹理等,其检测的最终目的是将数字图像中的背景区域和目标区域以及目标区域中的不同子目标区域分割开来,检测出的图像边缘也就是图像中不同子目标区域的分界线。
在解决如石油地质图像中的岩石颗粒边缘检测、金相图像分析中的金属组织颗粒边缘检测、医学图像中的细胞颗粒边缘检测时,对于局部特征信息比较明显的图像,采用基于灰度值、颜色值或纹理特征等的边缘检测方法则能较好的检测出图像中的颗粒边缘,进而获得较好的图像分割效果。但对于某些堆积重叠的颗粒,在图像中表现出颗粒之间粘连很多,而基于灰度的边缘检测方法对噪声和灰度不均匀的情况比较敏感;基于颜色的边缘检测方法在待分割图像中某些区域的颜色容易受外界因素影响;基于纹理的边缘检测方法很难找到一种可以描述所有纹理的纹理特征,所以采用基于灰度、颜色以及纹理的边缘检测方法,其效果均不太理想,因而无法较为准确地把粘连颗粒图像目标分割开来。因此,需要找到一种更为有效的边缘检测方法,以提高粘连颗粒图像的分割质量。
目前,已有的图像边缘检测方法往往都是针对二维平面图像提出的,在金相分析、医学细胞图像分析等领域,由于目标对象的特性决定了采集到的图像信息只能是二维图像信息,因而在这些领域,只能在二维平面图像上解决边缘检测问题。然而,在石油地质分析中的岩石颗粒图像分析等领域,其目标对象本身是三维的,这就为本课题研究者提供了新的思路,即利用目标对象的空间相对高度信息进行图像的边缘检测,常规提取目标对象的空间相对高度信息的方法很多,如利用光照角度与物体在两幅图像中同一点的位移差别等信息来得到它的空间相对高度信息,基于单幅图像的明暗信息计算其空间相对高度信息等,而其中基于多聚焦序列图像的聚焦深度测量法便是较为有效的一种。如能利用将图像融合技术和聚焦深度测量法相结合,对多聚焦序列图像进行融合处理获取到全景深图像,再从多聚焦序列图像中提取空间相对高度信息,并将空间相对高度信息用于全景深图像的边缘检测,即能获得良好的图像边缘检测效果,从而提高图像的分割质量,这正是本发明的任务所在。
发明内容
本发明的目的就是在于克服现有图像边缘检测方法所存在的缺陷和不足,提供一种基于空间相对高度信息的多聚焦图像的边缘检测方法。该方法包括获取目标样本的多聚焦序列图像,对获取的该序列图像进行图像配准预处理,再融合处理好的序列图像获取全景深图像以及提取空间相对高度信息,对提取的空间相对高度信息再处理以消除噪声,并利用空间相对高度信息对全景深图像进行背景区域和目标区域以及目标区域中子目标区域的边缘检测等步骤;以解决在数字图像中诸如堆积重叠颗粒图像的边缘检测问题,达到图像边缘检测的目的,进而提高数字图像的分割质量。
为实现上述发明目的,本发明采用以下措施构成的技术方案来实现。
本发明所述的基于空间相对高度信息的多聚焦图像边缘检测方法,包括以下实现步骤:
步骤1:利用图像采集系统获取目标样本的多聚焦序列图像,获取方式是从上到下调节采集系统中成像设备的高度,使其聚焦到目标样本的每个层面,获取从目标样本顶层到其背景层的每个层面的清晰聚焦图像,从而得到所需的n幅多聚焦序列图像;
步骤2:对步骤1中得到的n幅多聚焦序列图像,采用基于互相关信息的图像频域配准方法,对该多聚焦序列图像进行图像配准预处理;
步骤3:对步骤2中配准好的n幅多聚焦序列图像,采用基于小波变换的图像融合算法对其进行融合处理,从而得到具有清晰的多聚焦序列图像的目标区域和背景区域的全景深图像;
步骤4:对步骤2中配准好的多聚焦序列图像,采用聚焦深度测量法提取其空间相对高度信息图像,所述图像中像素值的大小反应像素点的空间相对高度;
步骤5:对步骤4中提取的空间相对高度信息图像,采用高度一致性约束法进行处理以消除其噪声;
步骤6:对步骤5中处理好的空间相对高度信息图像的目标区域与背景区域进行边缘检测;
步骤7:对步骤6中检测出的空间相对高度信息图像的目标区域中子目标的局部极大值区域进行标识;
步骤8:对步骤7中标识出的空间相对高度信息图像的目标区域中子目标的局部极大值区域进行扩张,以完成空间相对高度信息图像的边缘检测,然后将检测出的空间相对高度信息图像的所有目标区域的边缘应用于所述的全景深图像,或所述的多聚焦序列图像,从而即能实现多聚焦图像的边缘检测。
上述方案中,步骤4中所述聚焦深度测量法是:将步骤2配准好的n幅多聚焦序列图像按采集的顺序编号,创建一幅与多聚焦序列图像大小相等的空白图像用于记录多聚焦序列图像的空间相对高度信息,再将每幅多聚焦序列图像分成Z×Z小块,利用聚焦评价函数对每幅图像对应位置相同的小块进行计算,那么图像差分绝对值之和最大的那幅图像就是该小块的聚焦位置,同时得到该幅图像的序号i,最后在空白图像中,将与该小块对应位置的像素点的值置为依次处理完所有的小块的像素点即得到多聚焦序列图像的空间相对高度信息。
上述方案中,步骤5中所述高度一致性约束法由以下步骤完成:
①扫描待处理像素点的N邻域,得到其空间相对高度值为a的像素点最多,且个数为C,所述待处理像素点的N邻域为该像素点周围的(2N+1)(2N+1)-1个像素点,这些像素点是以该待处理像素点为中心;
②利用以下高度一致性约束关系式对所述待处理像素点进行处理:
(1)式中,h(m,n)表示以m为横坐标,n为纵坐标的像素点的空间相对高度值,j表示待处理像素点的本身的空间相对高度值,C表示待处理像素点N邻域内空间相对高度值为a的像素点个数,T1为设定的像素点个数阈值,并应满足下式条件:
③重复①②步骤直到处理完所述空间相对高度信息图像中所有的像素点。
上述方案中,步骤6中所述对空间相对高度信息图像的目标区域与背景区域的边缘检测包括下述步骤:
①设定像素点的空间相对高度阈值为T2;
②利用以下公式(3)对空间相对高度信息图像的每个像素点进行处理,以实现所述图像中目标区域和背景区域相互分离,处理后所述图像中其空间相对高度值为B的所有像素点构成图像背景区域,其余像素点构成图像目标区域,公式(3)表示为;
(3)式中,h(m,n)表示以m为横坐标,n为纵坐标的像素点的空间相对高度值,B表示设定的背景区域的空间相对高度值,j为像素点本身的空间相对高度值;
上述方案中,所述聚焦深度测量法中的聚焦评价函数表示为:
(4)式中Di为所对应图像的聚焦位置,Dk为图像差分绝对值之和,其中k=1,2,...,n,Dk表示为:
(5)式中ΔXfk(x,y),ΔYfk(x,y)为梯度算子,表示为:
(6)式中fk(x,y)表示像素点的像素值,(x,y)代表像素点的相对行列坐标,1≤x,y≤N。
上述方案中,步骤7中所述标识空间相对高度信息图像的目标区域中子目标的局部极大值区域,是指把满足约束条件的区域判定为局部极大值区域,所述约束条件可以是区域面积,或区域形状因子约束条件中的一个或多个的组合;所述局部极大值区域是在每个子目标内部,能够唯一标识该子目标区域,局部极大值区域与子目标之间一一对应,即每个子目标有且仅有一个局部极大值区域。
上述技术方案中,步骤7所述的标识图像局部极大值区域的做法为:首先创建一幅与空间相对高度信息图H同样大小的标识图像M,并将标识图像M初始化为S,然后在标识图像M中,将与图像H的背景区域对应的区域标识为F,再在图像H中依次扫描目标区域的最底层到最顶层,每扫描完一层后,判定扫描出的连通区域在标识图像M中对应的位置是否与标识为F的目标区域相连,如果相连则将标识图像M中的该对应位置标识为F,如果不相连则将此连通区域的高度值增加一层,同时设置一个面积阈值区间[min,max)作为约束条件,扫描标识图像M中未被标识为F的区域,从而得到所有的连通区域,对每个连通区域进行判断,当待判定连通区域的面积位于此阈值区域内时,便在标识图像M中,将该区域标识为E,如此依次处理完每一层,其中0≤F≤S≤E≤255。
上述技术方案中,步骤8所述的扩张局部极大值区域的做法为:首先创建一幅与空间相对高度信息图H同样大小的标识图像Cg,并将其初始化为0,然后在标识图像Cg中,对步骤7中标识出的极大值区域所对应的位置进行标识,再依次从最顶层到最底层扫描空间相对高度信息图像H,每扫描一层后,在标识图像Cg中,将扫描出的连通区域所对应的位置与所标识的极大值区域做位置上的比较,如果不与任何极大值区域相连,则将此连通区域的高度值减小一层,如果与一个极大值区域L相连则在标识图像Cg中,将该对应位置置为极大值区域L的标识值,如果与多个极大值区域相连,则需要通过比较判断来划分该对应位置,如此依次处理完目标区域中子目标区域的每一层。
上述技术方案中,所述采集系统中所用的光源为LED光源(3)。
本发明的多聚焦图像边缘检测的方法具有以下特点及有益的技术效果:采用本发明的多聚焦图像的边缘检测方法,利用获取到的空间相对高度信息用于全景深图像的边缘检测,可以有效地解决在数字图像中诸如堆积重叠颗粒图像的边缘检测问题,从而提高数字图像的分割质量。
附图说明
图1本发明采用数码相机获取多聚焦序列图像的采集系统结构示意图;
图2利用图1所示的采集系统获取到的多聚焦序列图像,其中图(a)~(d)表示由上到下调节数码相机镜头,分别在不同高度处获取的图像;
图3对图2中的序列图像采用图像融合算法融合成的全景深图像;
图4对图2中的多聚焦序列图像获取的空间相对高度信息图像;
图5本发明标识图像局部极大值区域流程框图;
图6本发明扩张局部极大值区域流程框图;
图7利用图4获取的空间相对高度信息图像对图3融合成的全景深图像进行边缘检测后的效果图;
图8本发明采用显微镜和摄像头获取多聚焦序列图像的采集系统结构示意图;
图9利用图8所示的采集系统获取到的多聚焦序列图像,其中图(a)~(d)表示由上到下调节显微镜,分别在不同高度处获取的图像;
图10对图9中的序列图像采用图像融合算法融合成的全景深图像;
图11对图9中的多聚焦序列图像获取的空间相对高度信息图像;
图12利用图11的空间相对高度信息图像对图10融合成的全景深图像进行边缘检测后的效果图。
图中,1数码相机,2数码相机镜头,3LED光源,4目标样本,5载物台,6显微镜,7显微镜物镜,8摄像头。
具体实施方式
下面结合附图通过实施例对本发明所述的基于空间相对高度信息的多聚焦图像边缘检测方法作进一步说明,所给出的两个实施例是采用不同的图像采集系统来获取的序列图像,所述实施例只是对本发明方法的一个具体说明,而不应理解为对本发明保护内容的任何限制。
实施例1
本实施例图像采集系统中的成像设备为佳能550D数码照相机1,其有效像素为1800万,所用光源采用LED光源3,目标样本4为岩石颗粒,具体操作步骤如下:
步骤1:按照图1所示的多聚焦序列图像采集系统结构图布置好各部件,目标样本4置于载物台5上,用数码相机1聚焦目标样本4的每个层面,再由上到下调节数码相机镜头2,获得目标样本4从上到下每一不同高度层面的清晰聚焦图像,即获取到目标样本4其垂直方向上的多聚焦序列图像,同时对多聚焦序列图像按照获得的顺序编号为(a),(b),(c),(d)……,总共获取20幅图像,选择其中4幅,如图2所示;
步骤2:采用基于互相关信息的图像频域配准法对步骤1获取到的多聚焦序列图像进行图像配准预处理,其具体作法是:首先对获取的多聚焦序列图像的前两幅图像,如图2中的(a)和(b)进行配准处理;先对所述两幅图像(a)和(b)进行傅里叶变换得到其傅里叶频域变换形式A(u,v)和B(u,v),将A(u,v)和B(u,v)带入公式(7)
W(u,v)=X(u,v)·Y*(u,v) (7)
(7)式中W(u,v)为互相关信息矩阵,Y*(u,v)为Y(u,v)的复共轭;
通过计算得到所述两幅图像的互相关信息矩阵W(u,v)=A(u,v)·B*(u,v),然后遍历W(u,v)中的每个元素得到最大值,那么最大值所对应像素点的位移就是所述两幅图像(a)和(b的位移量(m,n),最后以图像(a)为基准,对图像(b)做位移量为(m,n)的平移,这样就实现了所述两幅图像的配准处理;依此方法将剩余的18张图像(c)(d)……分别与(a)做配准处理;
步骤3:采用基于小波变换的图像融合算法对获取的多聚焦序列图像进行融合处理,具体作法是:首先对图2中待融合的多聚焦序列图像中的每幅图像进行V=3层小波变换,每一层小波变换后产生4幅子图像,从而得到3V+1=10个频带,其中包括3V=9个高频带和一个低频带,然后采用基于单个像素点的融合规则分别进行融合,基于单个像素点的融合规则用以下公式表示为:
(8)式中,A(x,y)为图像(a)中以(x,y)代表行列坐标的像素点的小波系数,B(x,y)为图像(b)中以(x,y)代表行列坐标的像素点的小波系数,F(x,y)为通过对两幅图像对应像素点的小波系数比较后融合图像中以(x,y)代表行列坐标的像素点的小波系数;
按照此规则将所有序列图像对应像素点的小波系数做比较得到其中最大的小波系数,从而生成一幅小波融合图像,最后由小波逆变换得到全景深图像,如图3所示;
步骤4:利用聚焦深度测量,即通过聚焦位置的不同来判定像素点的空间相对高度,进而获取空间相对高度信息,具体作法是:将上述步骤2中配准好的20幅序列图像按获取的顺序编号,其序号为01-20,再创建一幅与序列图像大小相等的空白图像用于记录多聚焦图像的空间相对高度信息,然后将每幅图像分成5×5的小块,利用以下的公式(5)对每幅图像对应的位置相同的小块进行计算,得到图像差分绝对值之和Dk,再利用聚焦评价函数公式(4)得到图像差分绝对值之和Dk最大的那幅图像就是该小块的聚焦位置,同时得到该幅图像的序号i,最后在空白图像中,将与该小块对应的位置的像素点的值置为依次处理完所有的小块即得到空间相对高度信息图像,如图4所示;
所述聚焦深度测量法中的聚焦评价函数表示为:
(4)式中Di为所对应图像的聚焦位置,Dk为图像差分绝对值之和,其中k=1,2,...,20,Dk表示为:
(5)式中ΔXfk(x,y),ΔYfk(x,y)为梯度算子,表示为:
(6)式中fk(x,y)表示像素点的像素值,(x,y)代表像素点的相对行列坐标,1≤x,y≤5。
步骤5:对步骤4中获取的空间相对高度信息图像用高度一致性约束法进行处理,以消除其噪声影响;具体作法是:设待处理像素点的本身的空间相对高度值为h(m,n)=j,所述j代表待处理像素点的像素值,也即为灰度值,其取值范围为[0,255],当扫描待处理像素点N=3邻域,得到空间相对高度值为a(a≠j)的像素点的个数最多,且个数为C,根据公式(2),设定阈值为再利用公式(1)的高度一致性约束关系对该像素点进行处理,如对m=2,n=3的像素点进行处理,该像素点的空间相对高度值h(2,3)=j=15,扫描该像素点的N=3邻域得到空间相对高度值为13的像素点个数最多,且为28个,由于28<T1=30,根据公式(1)处理后,h(2,3)=15;再对m=100,n=120的像素点进行处理,该像素点的空间相对高度值h(100,120)=j=122,扫描该像素点的N=3邻域得到空间相对高度值为135的像素点个数最多,且为34个,由于34>T1=30,根据公式(1)处理后,h(100,120)=135;重复此处理步骤,直到处理完所有像素点,从而实现空间相对高度信息图像中每一高度层面都具有相同的高度值;
(1)式中,h(m,n)表示以m为横坐标,n为纵坐标的像素点的空间相对高度值,j表示待处理像素点的本身的空间相对高度值,C表示待处理像素点N邻域内空间相对高度值为a的像素点个数,T1为设定的像素点个数阈值,并应满足下式条件:
步骤6:对空间相对高度信息图像的目标区域与背景区域进行边缘检测,设定背景区域的空间相对高度值B=0和高度阈值T2=20,利用公式(3)
对步骤5得到的空间相对高度信息图像中的每个像素点进行处理,如对m=2,n=3的像素点进行处理,该像素点的空间相对高度值h(2,3)=j=15,由于15<T2=20,根据公式(3)处理后得到h(2,3)=0,再对m=100,n=120的像素点进行处理,该像素点的空间相对高度值h(100,120)=j=135,由于135>T2=20,根据公式(3)处理后得到h(100,120)=135,重复此处理步骤,直到处理完所有的像素点;在这里像素值的大小反映为像素点的空间相对高度,其中像素值为0的像素点构成图像的背景区域,而其余像素点则构成图像的目标区域,从而就将图像中的目标区域与背景区域相互分离;
步骤7:标识空间相对高度信息图像的目标区域中子目标的局部极大值区域,其流程框图如图5所示,根据步骤4可知在目标区域内,共有N=20个层面,其每个层面Li(i=0,1,2,…,N-1)对应的相对空间高度值为hi=12(i+1),标识步骤如下:
以区域面积作为约束条件,在二维图像中区域面积指的是区域内像素点的数目;
①创建一幅标识图像M并将其初始化为S=100,即将每个像素点的像素值置为S,在标识图像M中,将与空间相对高度信息图像H的背景区域对应的区域标识为F=0,即将该区域中所有像素点的像素值全部置为F;
②在上述图像H中,对于当前层面Li(i=0,1,2,…,N-2),扫描出空间相对高度hi=12(i+1)的所有D个连通区域Ri(i=0,1,2,...,D-1),如果在标识图像M中,如果与连通区域Ri对应的区域M(Ri)已经与被标识为F的区域相邻,则将区域M(Ri)也标识为F;否则,在空间相对高度信息图像H中,将连通区域Rx所有像素点的空间相对高度设置为hi+1=12(i+1+1);
③扫描出标识图像M中像素值为S的所有K个连通区域Ti(i=0,1,2,...,K-1),如果连通区域Ti的面积A(Ti)位于面积阈值区间[min,max)=[10,100)之内,则在标识图像M中,将连通区域Ti标识为E=200;重复步骤②,直至当前处理层为LN-1;
④扫描出空间相对高度hN-1=12N的所有P个连通区域Ri(i=0,1,2,...,P-1),在标识图像M中,将与连通区域Ri对应的区域M(Ri)标识为E,从而标识出W个局部极大值区域Mli(i=1,2,3,...,W);
步骤8:扩张步骤7中标识出的局部极大值区域,其算法流程框图如图6所示,在空间相对高度信息图像H中,在其目标区域内,共有N=20个层面,其每个层面Li(i=0,1,2,…,N-1)对应的空间相对高度为hi=12(i+1),创建一幅分类图像Cg,Cg全初始化为0,即将每个像素点的像素值置为0,扩张步骤如下:
①在分类图像Cg中,将与局部极大值区域Mli(i=1,2,3,...,W)对应的区域Cg(Mli)标识为i,Cg(Mli)=i,即将区域Cg(Mli)中的所有像素点的像素值置为i;
②在所述图像H中,对于当前层面Li(i=N-1,N-2,...,1),扫描出空间相对高度hi=12(i+1)的所有Q个连通区域Ri(i=0,1,2,...,Q-1),在分类图像Cg中,可能存在如下情况:
i.与连通区域Ri对应的区域Cg(Ri)没有与任何局部极大值区域Mli相邻,那么在空间相对高度图像H中,将连通区域Ri的空间相对高度设置为hi-1=12(i-1+1);
ii.与连通区域Ri对应的区域Cg(Ri)只与一个局部极大值区域Mly相邻,则在分类图像Cg中,将与连通区域Ri对应的区域Cg(Ri)标识为y;
iii.与连通区域Ri对应的区域Cg(Ri)与多个局部极大值区域相邻,以与两个局部极大值区域Mly和Mlz(y≠z)相邻为例,需要对Mly和Mlz沿着它们与Ri的边缘在连通区域Ri内进行扩张,直至完全将Ri填充,因此,连通区域Ri被划分为分别属于Mly和Mlz的两子区域Riy和Riz,即Cg(Riy)=y,Cg(Riz)=z,假定子区域Riy的面积A(Riy)大于子区域Riz的面积A(Riz),子区域Riy在连通区域Ri所占的面积百分比为Ap(Riy),设定一个面积百分比阈值AT=75%,其中AT应在70-85%之间,如果Ap(Riy)>AT,则在分类图像Cg中,将子区域Riz对应的位置标识为y,即Cg(Riz)=y,否则,这两个子区域Riy和Riz的标识值保持不变,即仍然为Cg(Riy)=y,Cg(Riz)=z;
③重复步骤②,直至当前处理层为L0,处理当前处理层L0不会出现步骤②中第i种情况,则按照第ii或iii种情况的算法处理即可完成分类;
④在分类图像Cg中,类别与类别之间的交界即为检测出的边缘,再将检测出的所有边缘应用于全景深图像,即在全景深图像中,将与空间相对高度信息图像中检测出的边缘所对应相同的位置也标识为全景深图像目标区域的边缘,其效果如图7所示。
实施例2
本实施例中采用显微镜6和摄像头8的成像设备获取多聚焦序列图像的采集系统结构如图8所示,所用光源采用LED光源3,目标样本4为岩石颗粒。
步骤1,按照图8所示的多聚焦序列图像采集系统结构图布置好各部件,目标样本4置于载物台5上,按照本发明获取多聚焦序列图像的方法,用显微镜6聚焦目标样本4的每个层面,再由上到下调节显微镜物镜7,获得目标样本4从上到下每一不同高度层面的清晰聚焦图像,即获得岩石颗粒从上到下每一高度层面的清晰聚焦图像,从而获得目标样本在其垂直方向上的多聚焦序列图像,同时对多聚焦序列图像按照获得的顺序编号为(a),(b),(c),(d)……,总共获取15幅图像,选择其中4幅,如图9所示;
步骤2,与实施例1的步骤2到步骤8的操作步骤相同,即可实现基于空间相对高度信息的多聚焦序列图像的边缘检测;其中全景深图像如图10所示,空间相对高度信息如图11所示,边缘检测效果如图12所示。
Claims (9)
1.一种基于空间相对高度信息的多聚焦图像边缘检测方法,其特征在于包括以下实现步骤:
步骤1:利用图像采集系统获取目标样本的多聚焦序列图像,获取方式是从上到下调节采集系统中成像设备的高度,使其聚焦到目标样本的每个层面,获取从目标样本顶层到其背景层的每个层面的清晰聚焦图像,从而得到所需的n幅多聚焦序列图像;
步骤2:对步骤1中得到的n幅多聚焦序列图像,采用基于互相关信息的图像频域配准方法,对该多聚焦序列图像进行图像配准预处理;
步骤3:对步骤2中配准好的n幅多聚焦序列图像,采用基于小波变换的图像融合算法对其进行融合处理,从而得到具有清晰的多聚焦序列图像的目标区域和背景区域的全景深图像;
步骤4:对步骤2中配准好的多聚焦序列图像,采用聚焦深度测量法提取其空间相对高度信息图像,所述图像中像素值的大小反应像素点的空间相对高度;
步骤5:对步骤4中提取的空间相对高度信息图像,采用高度一致性约束法进行处理以消除其噪声;
步骤6:对步骤5中处理好的空间相对高度信息图像的目标区域与背景区域进行边缘检测;
步骤7:对步骤6中检测出的空间相对高度信息图像的目标区域中子目标的局部极大值区域进行标识;
步骤8:对步骤7中标识出的空间相对高度信息图像的目标区域中子目标的局部极大值区域进行扩张,以完成空间相对高度信息图像的边缘检测,然后将检测出的空间相对高度信息图像的所有目标区域的边缘应用于所述的全景深图像,或所述的多聚焦序列图像,从而即能实现多聚焦图像的边缘检测。
3.根据权利要求1所述的多聚焦颗粒图像的边缘检测方法,其特征在于步骤5中所述高度一致性约束法由以下步骤完成:
①扫描待处理像素点的N邻域,得到其空间相对高度值为a的像素点最多,且个数为C,所述待处理像素点的N邻域为该像素点周围的(2N+1)(2N+1)-1个像素点,这些像素点是以该待处理像素点为中心;
②利用以下高度一致性约束关系式对所述待处理像素点进行处理:
(1)式中,h(m,n)表示以m为横坐标,n为纵坐标的像素点的空间相对高度值,j表示待处理像素点的本身的空间相对高度值,C表示待处理像素点N邻域内空间相对高度值为a的像素点个数,T1为设定的像素点个数阈值,并应满足下式条件:
③重复①②步骤直到处理完所述空间相对高度信息图像中所有的像素点。
4.根据权利要求1所述的多聚焦颗粒图像的边缘检测方法,其特征在于步骤6中所述对空间相对高度信息图像的目标区域与背景区域的边缘检测包括下述步骤:
①设定像素点的空间相对高度阈值为T2;
②利用以下公式(3)对空间相对高度信息图像的每个像素点进行处理,以实现所述图像中目标区域和背景区域相互分离,处理后所述图像中其空间相对高度值为B的所有像素点构成图像背景区域,其余像素点构成图像目标区域,公式(3)表示为;
(3)式中,h(m,n)表示以m为横坐标,n为纵坐标的像素点的空间相对高度值,B表示设定的背景区域的空间相对高度值,j为像素点本身的空间相对高度值。
5.根据权利要求1或2所述的多聚焦颗粒图像的边缘检测方法,其特征在于所述聚焦深度测量法中的聚焦评价函数表示为:
(4)式中Di为所对应图像的聚焦位置,Dk为图像差分绝对值之和,其中k=1,2,...,n,Dk表示为:
(5)式中ΔXfk(x,y),ΔYfk(x,y)为梯度算子,表示为:
(6)式中fk(x,y)表示像素点的像素值,(x,y)代表像素点的相对行列坐标,1≤x,y≤N。
6.根据权利要求1所述的多聚焦颗粒图像的边缘检测方法,其特征在于步骤7中所述标识空间相对高度信息图像的目标区域中子目标的局部极大值区域,是指把满足约束条件的区域判定为局部极大值区域,所述约束条件可以是区域面积,或区域形状因子约束条件中的一个或多个的组合;所述局部极大值区域是在每个子目标内部,能够唯一标识该子目标区域,局部极大值区域与子目标之间一一对应,即每个子目标有且仅有一个局部极大值区域。
7.根据权利要求1或6所述的多聚焦颗粒图像的边缘检测方法,其特征在于步骤7所述的标识图像局部极大值区域的作法是:首先创建一幅与空间相对高度信息图H同样大小的标识图像M,并将标识图像M初始化为S,然后在标识图像M中,将与图像H的背景区域对应的区域标识为F,再在图像H中依次扫描目标区域的最底层到最顶层,每扫描完一层后,判定扫描出的连通区域在标识图像M中对应的位置是否与标识为F的目标区域相连,如果相连则将标识图像M中的该对应位置标识为F,如果不相连则将此连通区域的高度值增加一层,同时设置一个面积阈值区间[min,max)作为约束条件,扫描标识图像M中未被标识为F的区域,从而得到所有的连通区域,对每个连通区域进行判断,当待判定连通区域的面积位于此阈值区域内时,便在标识图像M中,将该区域标识为E,如此依次处理完每一层,其中0≤F≤S≤E≤255。
8.根据权利要求1所述的多聚焦颗粒图像的边缘检测方法,其特征在于步骤8所述的扩张局部极大值区域的作法是:首先创建一幅与空间相对高度信息图H同样大小的标识图像Cg,并将其初始化为0,然后在标识图像Cg中,对步骤7中标识出的极大值区域所对应的位置进行标识,再依次从最顶层到最底层扫描空间相对高度信息图像H,每扫描一层后,在标识图像Cg中,将扫描出的连通区域所对应的位置与所标识的极大值区域做位置上的比较,如果不与任何极大值区域相连,则将此连通区域的高度值减小一层,如果与一个极大值区域L相连则在标识图像Cg中,将该对应位置置为极大值区域L的标识值,如果与多个极大值区域相连,则需要通过比较判断来划分该对应位置,如此依次处理完目标区域中子目标区域的每一层。
9.根据权利要求1所述的多聚焦颗粒图像的边缘检测方法,其特征在于所述采集系统中所用的光源为LED光源(3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210148229.0A CN102682435B (zh) | 2012-05-14 | 2012-05-14 | 基于空间相对高度信息的多聚焦图像边缘检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210148229.0A CN102682435B (zh) | 2012-05-14 | 2012-05-14 | 基于空间相对高度信息的多聚焦图像边缘检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102682435A true CN102682435A (zh) | 2012-09-19 |
CN102682435B CN102682435B (zh) | 2014-07-23 |
Family
ID=46814303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210148229.0A Active CN102682435B (zh) | 2012-05-14 | 2012-05-14 | 基于空间相对高度信息的多聚焦图像边缘检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102682435B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103973963A (zh) * | 2013-02-06 | 2014-08-06 | 聚晶半导体股份有限公司 | 图像获取装置及其图像处理方法 |
CN105069815A (zh) * | 2015-07-27 | 2015-11-18 | 广东东软学院 | 一种海面监测图像弱小目标跟踪方法及装置 |
CN104036481B (zh) * | 2014-06-26 | 2017-02-15 | 武汉大学 | 一种基于深度信息提取的多聚焦图像融合方法 |
CN107948586A (zh) * | 2017-11-14 | 2018-04-20 | 山东大学 | 基于视频拼接的跨区域运动目标检测方法和装置 |
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909648B (zh) * | 2017-11-28 | 2020-11-10 | 山西大学 | 一种基于多景深图像融合的三维重建方法 |
-
2012
- 2012-05-14 CN CN201210148229.0A patent/CN102682435B/zh active Active
Non-Patent Citations (5)
Title |
---|
ABDUL BASIT SIDDIQUI ET AL: "BLOCK-BASED PIXEL LEVEL MULTI-FOCUS IMAGE FUSION USING PARTICLE SWARM OPTIMIZATION", 《INTERNATIONAL JOURNAL OF INNOVATIVE COMPUTING, INFORMATION AND CONTROL》 * |
PUSIT BORWONWATANADELOK ET AL: "Multi-Focus Image Fusion based on Stationary Wavelet Transform and extended Spatial Frequency Measurement", 《2009 INTERNATIONAL CONFERENCE ON ELECTRONIC COMPUTER TECHNOLOGY》 * |
WENCHENG WANG ET AL: "A Multi-focus Image Fusion Method Based on Laplacian Pyramid", 《JOURNAL OF COMPUTERS》 * |
吴晓红 等: "基于边缘流的多尺度水平集砾岩图像分割", 《四川大学学报(工程科学版)》 * |
苗启广 等: "一种自适应PCNN多聚焦图像融合新方法", 《电子与信息学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103973963A (zh) * | 2013-02-06 | 2014-08-06 | 聚晶半导体股份有限公司 | 图像获取装置及其图像处理方法 |
CN103973963B (zh) * | 2013-02-06 | 2017-11-21 | 聚晶半导体股份有限公司 | 图像获取装置及其图像处理方法 |
CN104036481B (zh) * | 2014-06-26 | 2017-02-15 | 武汉大学 | 一种基于深度信息提取的多聚焦图像融合方法 |
CN105069815A (zh) * | 2015-07-27 | 2015-11-18 | 广东东软学院 | 一种海面监测图像弱小目标跟踪方法及装置 |
CN107948586A (zh) * | 2017-11-14 | 2018-04-20 | 山东大学 | 基于视频拼接的跨区域运动目标检测方法和装置 |
CN107948586B (zh) * | 2017-11-14 | 2019-04-16 | 山东大学 | 基于视频拼接的跨区域运动目标检测方法和装置 |
CN111860474A (zh) * | 2019-04-18 | 2020-10-30 | 四川大学 | 一种基于背景散热片消融的车标定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102682435B (zh) | 2014-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102682435B (zh) | 基于空间相对高度信息的多聚焦图像边缘检测方法 | |
CN107424142B (zh) | 一种基于图像显著性检测的焊缝识别方法 | |
CN105184779B (zh) | 一种基于快速特征金字塔的车辆多尺度跟踪方法 | |
Ouyang et al. | Pavement cracking measurements using 3D laser-scan images | |
CN105182350B (zh) | 一种应用特征跟踪的多波束声呐目标探测方法 | |
CN103605953B (zh) | 基于滑窗搜索的车辆兴趣目标检测方法 | |
CN104063702B (zh) | 一种基于遮挡修复和局部相似性匹配的三维步态识别方法 | |
CN107369159B (zh) | 基于多因素二维灰度直方图的阈值分割方法 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN111223088A (zh) | 一种基于深层卷积神经网络的铸件表面缺陷识别方法 | |
CN109035276A (zh) | 一种图像边缘提取方法、装置及自动驾驶系统 | |
CN104517095B (zh) | 一种基于深度图像的人头分割方法 | |
CN102855622A (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
JP5257274B2 (ja) | 移動体検出装置、移動体検出方法及びコンピュータプログラム | |
CA2797240A1 (en) | Malignant mass detection and classification in radiographic images | |
CN101383005B (zh) | 一种利用辅助规则纹理的乘客目标图像和背景分离方法 | |
CN109559324A (zh) | 一种线阵图像中的目标轮廓检测方法 | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN101930606A (zh) | 一种图像边缘检测的景深扩展方法 | |
KR20180040846A (ko) | 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법 | |
CN105405138A (zh) | 基于显著性检测的水面目标跟踪方法 | |
CN115909025A (zh) | 一种小天体表面采样点地形视觉自主检测识别方法 | |
CN105608674B (zh) | 一种基于图像配准、插值和去噪的图像增强方法 | |
CN103438802B (zh) | 光纤涂覆层几何参数测量方法 |
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 |