CN103839247A - 边缘像素确定方法、边缘像素确定装置和图像处理设备 - Google Patents
边缘像素确定方法、边缘像素确定装置和图像处理设备 Download PDFInfo
- Publication number
- CN103839247A CN103839247A CN201210473325.2A CN201210473325A CN103839247A CN 103839247 A CN103839247 A CN 103839247A CN 201210473325 A CN201210473325 A CN 201210473325A CN 103839247 A CN103839247 A CN 103839247A
- Authority
- CN
- China
- Prior art keywords
- pixel
- edge
- edge pixel
- specific
- grad
- 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)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供了一种边缘像素确定方法、边缘像素确定装置和图像处理设备,该方法包括:积分梯度值序列构建步骤,用于基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与特定方向相关联的积分梯度值序列;以及边缘像素确定步骤,对于多个像素中的每个当前像素,从当前像素开始沿着特定方向查找满足预定阈值条件且距当前像素最近的特定像素,并且将查找到的特定像素确定为当前像素的边缘像素,该预定阈值条件为:积分梯度值序列中对应于特定像素的元素与对应于当前像素的元素之间的差大于预定阈值,其中重复边缘像素确定步骤,直到确定多个像素的全部的边缘像素为止。根据本发明,能够实现图像边缘的快速确定,从而提高了图像处理效率。
Description
技术领域
本发明涉及一种边缘像素确定方法、边缘像素确定装置和图像处理设备,更具体地,涉及一种能够快速确定图像中的各个像素的边缘像素的边缘像素确定方法和边缘像素确定装置以及图像处理设备。
背景技术
边保留滤波技术在诸如图像滤波、图像增强、图像降噪、图像分割以及图像匹配等的图像处理中有着广泛的应用。这种技术在对图像进行平滑的过程中能够较好地保留图像的边缘信息。一般地,边保留滤波器需要在待滤波像素周围寻找其边缘像素,通常的方法是从待滤波像素出发,逐像素地进行比较来确定边缘像素。然而,这种方法通常速度很慢从而导致处理效率较低。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。但是,应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图用来确定本发明的关键性部分或重要部分,也不是意图用来限定本发明的范围。其目的仅仅是以简化的形式给出关于本发明的某些概念,以此作为稍后给出的更详细描述的前序。
因此,鉴于上述情形,本发明的目的是提供一种能够快速确定图像边缘的方法,其通过对输入图像的梯度图像进行积分运算,然后对积分后的梯度图像进行一次遍历比较来确定输入图像中每个像素点的边缘像素。与现有技术相比,该方法可以大大减少进行比较操作的次数,从而提高了效率。
根据本发明的实施例的一方面,提供了一种边缘像素确定方法,该方法包括:积分梯度值序列构建步骤,用于基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与特定方向相关联的积分梯度值序列;以及边缘像素确定步骤,对于多个像素中的每个当前像素,从当前像素开始沿着特定方向查找满足预定阈值条件且距当前像素最近的特定像素,并且将查找到的特定像素确定为当前像素的边缘像素,该预定阈值条件为:积分梯度值序列中对应于特定像素的元素与对应于当前像素的元素之间的差大于预定阈值,其中,重复边缘像素确定步骤,直到确定了多个像素的全部的边缘像素为止。
根据本发明的优选实施例,积分梯度值序列中的元素数量与特定方向上的像素的数量相同,并且积分梯度值序列中的与特定方向上的第n个像素对应的元素对应于特定方向上的前n个像素的梯度值之和。
根据本发明的另一优选实施例,积分梯度值序列是单调递增序列。
根据本发明的另一优选实施例,边缘像素确定步骤进一步包括:第一方向边缘像素确定子步骤,对于多个像素中的每个当前像素,从当前像素开始沿着第一方向查找满足第一预定阈值条件且距当前像素最近的第一特定像素,并且将查找到的第一特定像素确定为当前像素在第一方向上的边缘像素,该第一预定阈值条件为:积分梯度值序列中对应于第一方向上的第一特定像素的元素与对应于当前像素的元素之间的差大于第一预定阈值;以及第二方向边缘像素确定子步骤,对于多个像素中的每个当前像素,从当前像素开始沿着第二方向查找满足第二预定阈值条件且距当前像素最近的第二特定像素,并且将查找到的第二特定像素确定为当前像素在第二方向上的边缘像素,该第二预定阈值条件为:积分梯度值序列中对应于第二方向上的第二特定像素的元素与对应于当前像素的元素之间的差大于第二预定阈值,其中,第一方向和第二方向为特定方向上的两个相反的方向。
根据本发明的另一优选实施例,在边缘像素确定步骤中,如果所确定的像素的边缘像素超出了图像边界,则将图像边界上的相应像素确定为该像素的边缘像素。
根据本发明的另一优选实施例,梯度值是基于RGB颜色空间来确定的。
根据本发明的实施例的另一方面,还提供了一种边缘像素确定装置,该装置包括:积分梯度值序列构建单元,被配置成基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与特定方向相关联的积分梯度值序列;边缘像素确定单元,被配置成对于多个像素中的每个当前像素,从当前像素开始沿着特定方向查找满足预定阈值条件且距当前像素最近的特定像素,并且将查找到的特定像素确定为当前像素的边缘像素,该预定阈值条件为:积分梯度值序列中对应于特定像素的元素与对应于当前像素的元素之间的差大于预定阈值;以及控制单元,被配置成控制边缘像素确定单元重复执行处理,直到确定了多个像素的全部的边缘像素为止。
根据本发明的实施例的另一方面,还提供了一种图像处理设备,该图像处理设备包括:上述边缘像素确定装置,被配置成确定输入图像中的各个像素的边缘像素;以及图像处理装置,被配置成利用所确定的边缘像素对输入图像执行图像处理。
根据本发明的实施例的另一方面,还提供了一种图像处理方法,该图像处理方法包括:利用上述边缘像素确定方法来确定输入图像中的各个像素的边缘像素;以及利用所确定的边缘像素对输入图像执行图像处理。
图像处理例如可以包括图像滤波、图像增强、图像分割、图像匹配以及图像降噪等等。
根据本发明的实施例的又一方面,还提供了一种存储介质,该存储介质包括机器可读的程序代码,当在信息处理设备上执行程序代码时,该程序代码使得信息处理设备执行根据本发明的边缘像素确定方法。
此外,根据本发明的实施例的再一方面,还提供了一种程序产品,该程序产品包括机器可执行的指令,当在信息处理设备上执行指令时,该指令使得信息处理设备执行根据本发明的边缘像素确定方法。
因此,根据本发明的实施例,能够在边保留滤波操作中高效快速地确定输入图像中的各个像素的边缘像素,从而大大提高了数字图像处理的效率。
在下面的说明书部分中给出本发明实施例的其他方面,其中,详细说明用于充分地公开本发明实施例的优选实施例,而不对其施加限定。
附图说明
本发明可以通过参考下文中结合附图所给出的详细描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并形成说明书的一部分,用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。其中:
图1示出了根据本发明的实施例的边缘像素确定方法的示例的流程图;
图2示出了图1所示的边缘像素确定步骤的详细处理的流程图;
图3示出了根据本发明的实施例的边缘像素确定方法的第一示例性实现的流程图;
图4示出了根据本发明的实施例的边缘像素确定方法的第二示例性实现的流程图;
图5示出了根据本发明的实施例的边缘像素确定装置的示例配置的框图;
图6示出了图5所示的边缘像素确定单元的详细示例配置的框图;以及
图7示出了作为本发明的实施例中所采用的信息处理设备的个人计算机的示例性结构的框图。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的设备结构和/或处理步骤,而省略了与本发明关系不大的其它细节。
以下将参照图1至图7来描述根据本发明的实施例的边缘像素确定方法和边缘像素确定装置。
首先,将简要介绍在现有技术的边保留滤波处理中关于边缘像素的确定的原理。
以输入图像的第一行像素的水平方向为例,假设输入图像在该方向上的像素数量为N,当前待滤波像素为P(x),x [0,N],x表示像素在水平方向上的坐标,以RGB颜色空间为例,则像素P(x)的三个颜色通道值分别为r(x)、g(x)和b(x),对于像素P(x)在x→0的方向上的边缘像素,依次判断像素P(x-1)、P(x-2)……P(x-n)(n≤x),如果P(x-n)满足以下条件,则将像素P(x-n)为像素P(x)在x→0的方向上的边缘像素:
其中,threshold为预定阈值,其可以为经验值或者可以通过有限次的实验来确定。
类似地,对于像素P(x)在x→N的方向上的边缘像素,依次判断像素P(x+1)、P(x+2)……P(x+m)(x+m≤N),如果像素P(x+m)满足以下条件,则将像素P(x+m)确定为像素P(x)在x→N的方向上的边缘像素:
其中,threshold为预定阈值,其可以为经验值或者可以通过有限次的实验来确定。
由上述过程可以看出,需要计算待滤波像素与周围像素的累积梯度,并逐点判断累积梯度是否达到预定阈值。但是,这种每次都从待滤波像素出发逐点地进行计算和比较的局部算法的计算量较大且效率较低。由于相邻的像素之间存在大量的计算冗余,因此本发明提出了一种全局的算法,从而大大减少了计算量且提高了效率。
以下将参照图1来描述根据本发明的实施例的边缘像素确定方法。
如图1所示,边缘像素确定方法可以包括积分梯度值序列构建步骤S110、边缘像素确定步骤S112和判定步骤S114。
首先,在积分梯度值序列构建步骤S110中,可以基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与特定方向相关联的积分梯度值序列。
优选地,该积分梯度值序列中的元素数量可以与特定方向上的像素的数量相同,并且积分梯度值序列中的与特定方向上的第n个像素对应的元素可对应于特定方向上的前n个像素的梯度值之和。此外,优选地,该积分梯度值序列是单调递增序列。
具体地,假设以输入图像的第一行像素的水平方向作为特定方向,并且例如基于RGB颜色空间来确定梯度值,假设在该方向上的像素数量为N,则待滤波像素集合P为P(0)、P(1)……P(N),根据以下等式得到关于该特定方向的积分梯度值序列S:
S(0)=0;
S(1)=|r(1)-r(0)|+|g(1)-g(0)|+|b(1)-b(0)|;
......
......
可以看出,积分梯度值序列S中的每个元素分别与像素集合P中的各个像素的梯度值相关联,即,在积分梯度值集合S中与像素集合P中的第k个像素P(k)对应的元素S(k)等于前k个像素的梯度值之和,并且该序列为单调递增序列。
在全局地确定了与特定方向上的每个像素相关联的积分梯度值序列S之后,当基于现有技术的原理,通过计算像素P(x)与像素P(y)之间的累积梯度值来确定像素P(y)是否是像素P(x)的边缘像素时,仅需要计算积分梯度值序列S中分别与像素P(x)和像素P(y)对应的元素S(x)与S(y)之间的差,即可得到这两个像素之间的累积梯度值。
因此,根据以上方式,减少了大量的计算冗余,从而能够提高处理效率,有利于快速地确定各个像素的边缘像素。
接下来,在边缘像素确定步骤S112中,对于多个像素中的每个当前像素,从当前像素开始沿着特定方向查找满足预定阈值条件且距当前像素最近的特定像素,并且将查找到的特定像素确定为当前像素的边缘像素,该预定阈值条件为:积分梯度值序列中对应于特定像素的元素与对应于当前像素的元素之间的差大于预定阈值。
具体地,对于当前的待滤波像素P(x),从像素P(x)开始沿着上述水平方向查找像素P(x)的边缘像素,一旦查找到第一个满足阈值条件的像素P(y),则将像素P(y)确定为像素P(x)在该方向上的边缘像素。也就是说,在如上所述构造的积分梯度值序列S中,对应于像素P(y)的元素S(y)与对应于像素P(x)的元素S(x)之间的差大于预定阈值,且像素P(y)是距当前待滤波像素P(x)最近的像素。
优选地,如图2所示,边缘像素确定步骤S112可以进一步包括第一方向边缘像素确定子步骤S210和第二方向边缘像素确定子步骤S212。
在第一方向边缘像素确定子步骤S210中,对于多个像素中的每个当前像素,从当前像素开始沿着第一方向查找满足第一预定阈值条件且距当前像素最近的第一特定像素,并且将查找到的第一特定像素确定为当前像素在第一方向上的边缘像素,该第一预定阈值条件为:积分梯度值序列中对应于第一方向上的第一特定像素的元素与对应于当前像素的元素之间的差大于第一预定阈值。
在第二方向边缘像素确定步骤S212中,对于多个像素中的每个当前像素,从当前像素开始沿着第二方向查找满足第二预定阈值条件且距当前像素最近的第二特定像素,并且将查找到的第二特定像素确定为当前像素在第二方向上的边缘像素,该第二预定阈值条件为:积分梯度值序列中对应于第二方向上的第二特定像素的元素与对应于当前像素的元素之间的差大于第二预定阈值。
优选地,应理解,上述第一方向和第二方向为特定方向上的两个相反的方向,这是由于对于任意像素,其边缘像素必然包括在某一特定方向的两个相反方向上的边缘像素。此外,第一预定阈值和第二预定阈值均可以为经验值或者可以通过有限次的实验来确定。
具体地,假设第一方向为x→0的方向,对于当前待滤波像素P(x),从像素P(x)出发沿着x→0的方向查找边缘像素,一旦查找到第一个满足阈值条件的像素P(y1),则将像素P(y1)确定为像素P(x)在该方向上的边缘像素。也就是说,在如上所述构造的积分梯度值序列S中,对应于像素P(y1)的元素S(y1)与对应于像素P(x)的元素S(x)之间的差大于第一预定阈值,且像素P(y1)是距当前待滤波像素P(x)最近的像素。
类似地,假设第二方向为与第一方向x→0相反的x→N的方向,对于当前待滤波像素P(x),从像素P(x)出发沿着x→N的方向查找边缘像素,一旦查找到第一个满足阈值条件的像素P(y2),则将像素P(y2)确定为像素P(x)在该方向上的边缘像素。也就是说,在如上所述构造的积分梯度值序列S中,对应于像素P(y2)的元素S(y2)与对应于像素P(x)的元素S(x)之间的差大于第二预定阈值,且像素P(y2)是距当前待滤波像素P(x)最近的像素。
优选地,如果在边缘像素确定步骤S112中所确定的边缘像素超出了图像边界,则将图像边界上的相应像素确定为该像素的边缘像素。也就是说,对于当前像素P(x),如果在x→0的方向上,S(x)与S(0)之间的差仍小于第一预定阈值,由于像素P(0)已经是该方向上的边界像素,如果该边界像素仍无法满足上述阈值条件,则将像素P(0)确定为像素P(x)在x→0的方向上的边缘像素。类似地,如果在x→N的方向上,S(N)与S(x)之间的差仍小于第二预定阈值,则将像素P(N)确定为像素P(x)在x→N的方向上的边缘像素。
接下来,返回参照图1,在判定步骤S114中,判定是否已确定了特定方向上的所有像素的边缘像素。如果为是,则结束边缘像素确定处理并输出相应的结果用于后续处理。如果为否,即还存在其边缘像素尚未确定的像素,则处理返回至边缘像素确定步骤S112,直至处理完所有像素为止
基于以上论述,可以看出,由于以上积分梯度值序列是单调递增序列,因此可以分别仅通过一次遍历就确定每个像素在第一方向和第二方向上的边缘像素。
接下来,将参照图3,对根据本发明的实施例的边缘像素确定方法的第一示例性实现进行描述。图3示出了在第一方向(例如,x→0的方向)上的边缘像素确定过程。
该过程的基本原理如下:从像素P(N)开始,逐个确定像素P(N-1)、P(N-2)直到像素P(0)在x→0的方向上的边缘像素。例如,如果确定像素P(N)的边缘像素为像素P(N-4),则接下来确定像素P(N-1)的边缘像素。此时,只需直接从像素P(N-4)开始在x→0的方向上寻找像素P(N-1)的边缘像素而不是从像素P(N-2)开始,这是由于如上所述,积分梯度值序列S为单调递增序列,即S(N)>S(N-1),因此,如果在确定像素P(N)的边缘像素的过程中判定S(N)-S(N-2)小于阈值,则S(N-1)-S(N-2)必然也小于阈值,从而不再需要重复对这些像素进行判断,大大节省了计算量且提高了效率。
具体地,如图3所示,首先,在步骤S310中,将变量pos初始化为N,并且将变量i初始化N-1,其中,pos表示控制当前待滤波像素编号的变量,并且i表示控制边缘像素编号的变量。
接下来,在步骤S312中判断变量i是否大于或等于0,该步骤用于判断是否已到达了在x→0的方向上的边界像素P(0),从而保证所确定的边缘像素不会超出图像的边界。
如果在步骤S312中判断为是,则在步骤S314中判断积分梯度值序列S中的元素S(pos)与S(i)之间的差是否大于第一预定阈值threshold1。
如果在步骤S314中判断为是,则在步骤S316中,将当前像素P(pos)在x→0的方向上的边缘像素确定为像素P(i),即,DownEdge[pos]=i,其中DownEdge[pos]为表示当前像素P(pos)在x→0的方向上的边缘像素编号的变量,并且接下来确定下一像素P(pos-1)的边缘像素,即在步骤S316中使得变量pos以1递减。
相反,如果在步骤S314中判断为否,则接下来判断像素P(i-1)是否是像素P(pos)的边缘像素,即,在步骤S318中变量i以1递减。
应注意,当确定下一像素P(pos-1)的边缘像素时,应首先使处理返回到步骤S314以判断像素P(i)是否也是像素P(pos-1)的边缘像素。如果在步骤S314中判定为否,才对下一像素P(i-1)进行判断,即转入步骤S318,使变量i以1递减。
另一方面,如果在步骤S312中判断为否,即,i<0,则说明此时对边缘像素的判断已到达了图像在x→0的方向上的边界像素P(0),则在步骤S320和322中将剩余未处理的像素的边缘像素均确定为像素P(0)。
如此重复以上过程,直到确定了所有像素在x→0的方向上的边缘像素为止。
然后,将参照图4,对根据本发明的实施例的边缘像素确定方法的第二示例性实现进行描述。图4示出了在第二方向(例如,x→N的方向)上的边缘像素确定过程。
该过程的基本原理如下:从像素P(0)开始,逐个确定像素P(1)、P(2)直到像素P(N)在x→N的方向上的边缘像素。例如,如果确定像素P(0)的边缘像素为像素P(4),则接下来确定像素P(1)的边缘像素。此时,只需直接从像素P(4)开始在x→N的方向上查找像素P(1)的边缘像素而不是从像素P(2)开始,这是由于如上所述,积分梯度值序列S为单调递增序列,即S(1)>S(0),因此,如果在确定像素P(0)的边缘像素的过程中判定S(2)-S(0)小于阈值,则S(2)-S(1)必然也小于阈值,从而不再需要重复对这些像素进行判断。
从图4可以看出,其处理流程与图3所示的关于x→0的方向上的边缘像素确定处理流程类似,因此本领域技术人员根据图4所示的流程图,参考以上关于图3的描述即可容易地明白整个处理过程,在此不再赘述。在图4中,含义与图3相同的变量以相同的符号来表示,其中,UpEdge[pos]是表示当前待滤波像素在x→N的方向上的边缘像素编号的变量。
根据以上结合图1至图4的描述可以看出,通过构建单调递增的积分梯度值序列,分别仅通过一次遍历过程即可确定特定方向上的所有像素在第一方向以及第二方向上的边缘像素,其中第一方向和第二方向为该特定方向上的两个相反方向,因而根据本发明的实施例的边缘像素确定方法可以大大减小计算量,从而实现了边缘像素的快速确定,提高了诸如图像滤波、图像增强、图像分割、图像匹配、图像去噪等数字图像处理的效率。
应理解,尽管以上以水平方向和RGB颜色空间为例来描述了边缘像素的确定过程,但是本领域技术人员可以根据以上教导的原理而实现在诸如垂直方向等其它方向上的边缘像素确定处理,并且也可以替代RGB颜色通道值而基于例如灰度值来计算像素的积分梯度值序列。
此外,虽然上面结合图1至图4详细描述了根据本发明实施例的边缘像素确定方法的示例,但是本领域的技术人员应当明白,附图所示的流程图仅仅是示例性的,并且可以根据实际应用和具体要求的不同,对上述方法流程进行相应的修改。例如,根据需要,可以对上述方法中的某些步骤的执行顺序进行调整,或者可以省去或者添加某些处理步骤。此外,应理解,以上示例并不构成对本发明的限制,本领域技术人员可以基于所教导的原理,对上述过程进行适当的修改而应用于其它应用场合。
与根据本发明实施例的边缘像素确定方法相对应,本发明的实施例还提供了一种边缘像素确定装置。以下将参照图5详细描述根据本发明的边缘像素确定装置的功能配置示例。
如图5所示,边缘像素确定装置可包括积分梯度值序列构建单元510、边缘像素确定单元512以及控制单元514。以下将详细描述各个单元的功能配置。
积分梯度值序列构建单元510可以被配置成基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与该特定方向相关联的积分梯度值序列。
优选地,所构建的积分梯度值序列中的元素数量与特定方向上的像素的数量相同,并且积分梯度值序列中的与特定方向上的第n个像素对应的元素对应于特定方向上的前n个像素的梯度值之和,并且该积分梯度值序列为单调递增序列。
积分梯度值序列的详细构建过程可参见以上关于根据本发明的边缘像素确定方法的相应描述,在此不再赘述。
边缘像素确定单元512可以被配置成对于多个像素中的每个当前像素,从当前像素开始沿着特定方向查找满足预定阈值条件且距当前像素最近的特定像素,并且将查找到的特定像素确定为当前像素的边缘像素,该预定阈值条件为:积分梯度值序列中对应于特定像素的元素与对应于当前像素的元素之间的差大于预定阈值。该预定阈值可以为经验值或者可通过有限次的实验来确定。
接下来,参照图6,其示出了边缘像素确定单元512的详细功能配置。优选地,如图6所示,边缘像素确定单元512可以进一步包括第一方向边缘像素确定模块610和第二方向边缘像素确定模块612。
第一方向边缘像素确定模块610可以被配置成对于多个像素中的每个当前像素,从当前像素开始沿着第一方向查找满足第一预定阈值条件且距当前像素最近的第一特定像素,并且将查找到的第一特定像素确定为当前像素在第一方向上的边缘像素,该第一预定阈值条件为:积分梯度值序列中对应于第一方向上的第一特定像素的元素与对应于当前像素的元素之间的差大于第一预定阈值。
第二方向边缘像素确定模块612可以被配置成对于多个像素中的每个当前像素,从当前像素开始沿着第二方向查找满足第二预定阈值条件且距当前像素最近的第二特定像素,并且将查找到的第二特定像素确定为当前像素在第二方向上的边缘像素,该第二预定阈值条件为:积分梯度值序列中对应于第二方向上的第二特定像素的元素与对应于当前像素的元素之间的差大于第二预定阈值。
优选地,上述第一方向和第二方向为特定方向上两个相反的方向。
接下来,返回参照图5,继续描述根据本发明的实施例的边缘像素确定装置。
优选地,边缘像素确定单元512可以进一步被配置成如果所确定的像素的边缘像素超出了图像边界,则将图像边界上的相应像素确定为该像素的边缘像素。
控制单元514可以被配置成控制边缘像素确定单元512重复执行处理,直到确定了全部像素的边缘像素为止。
优选地,在根据本发明的实施例的边缘像素确定装置中,可以基于RGB颜色空间来确定像素的梯度值,但是替选地,也可以基于例如灰度值来确定梯度值。
需要说明的是,本发明实施例所述的边缘像素确定装置是与前述方法实施例相对应的,因此,设备实施例中未详述的部分,请参见方法实施例中相应位置的介绍,这里不再赘述。
此外,应理解,被配置成利用通过上述边缘像素确定方法或者上述边缘像素确定装置得到的边缘像素来进行预定图像处理的图像处理设备和图像处理方法也落入本发明的公开范围内。该预定图像处理可以包括但不限于图像滤波、图像增强、图像分割、图像匹配以及图像降噪等等。
另外,还应该指出的是,上述系列处理和设备也可以通过软件和/或固件实现。在通过软件和/或固件实现的情况下,从存储介质或网络向具有专用硬件结构的计算机,例如图7所示的通用个人计算机700安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等等。
在图7中,中央处理单元(CPU)701根据只读存储器(ROM)702中存储的程序或从存储部分708加载到随机存取存储器(RAM)703的程序执行各种处理。在RAM 703中,也根据需要存储当CPU 701执行各种处理等等时所需的数据。
CPU 701、ROM 702和RAM 703经由总线704彼此连接。输入/输出接口705也连接到总线704。
下述部件连接到输入/输出接口705:输入部分706,包括键盘、鼠标等等;输出部分707,包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等等,和扬声器等等;存储部分708,包括硬盘等等;和通信部分709,包括网络接口卡比如LAN卡、调制解调器等等。通信部分709经由网络比如因特网执行通信处理。
根据需要,驱动器710也连接到输入/输出接口705。可拆卸介质711比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器710上,使得从中读出的计算机程序根据需要被安装到存储部分708中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质711安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图7所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质711。可拆卸介质711的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM 702、存储部分708中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
还需要指出的是,执行上述系列处理的步骤可以自然地根据说明的顺序按时间顺序执行,但是并不需要一定根据时间顺序执行。某些步骤可以并行或彼此独立地执行。
虽然已经详细说明了本发明及其优点,但是应当理解在不脱离由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且,本发明实施例的术语“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、物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、物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、物品或者设备中还存在另外的相同要素。
根据本发明的实施例,还公开了以下附记:
附记1.一种边缘像素确定方法,包括:
积分梯度值序列构建步骤,用于基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与所述特定方向相关联的积分梯度值序列;以及
边缘像素确定步骤,对于所述多个像素中的每个当前像素,从所述当前像素开始沿着所述特定方向查找满足预定阈值条件且距所述当前像素最近的特定像素,并且将查找到的特定像素确定为所述当前像素的边缘像素,所述预定阈值条件为:所述积分梯度值序列中对应于所述特定像素的元素与对应于所述当前像素的元素之间的差大于预定阈值,
其中,重复上述边缘像素确定步骤,直到确定了所述多个像素的全部的边缘像素为止。
附记2.根据附记1所述的边缘像素确定方法,其中,所述积分梯度值序列中的元素数量与所述特定方向上的像素的数量相同,并且所述积分梯度值序列中的与所述特定方向上的第n个像素对应的元素对应于所述特定方向上的前n个像素的梯度值之和。
附记3.根据附记1或2所述的边缘像素确定方法,其中,所述积分梯度值序列是单调递增序列。
附记4.根据附记1至3中任一项所述的边缘像素确定方法,其中,所述边缘像素确定步骤进一步包括:
第一方向边缘像素确定子步骤,所述多个像素中的每个当前像素,从所述当前像素开始沿着第一方向查找满足第一预定阈值条件且距所述当前像素最近的第一特定像素,并且将查找到的第一特定像素确定为所述当前像素在所述第一方向上的边缘像素,所述第一预定阈值条件为:所述积分梯度值序列中对应于所述第一方向上的第一特定像素的元素与对应于所述当前像素的元素之间的差大于第一预定阈值;以及
第二方向边缘像素确定子步骤,对于所述多个像素中的每个当前像素,从所述当前像素开始沿着第二方向查找满足第二预定阈值条件且距所述当前像素最近的第二特定像素,并且将查找到的第二特定像素确定为所述当前像素在所述第二方向上的边缘像素,所述第二预定阈值条件为:所述积分梯度值序列中对应于所述第二方向上的第二特定像素的元素与对应于所述当前像素的元素之间的差大于第二预定阈值,
其中,所述第一方向和所述第二方向为所述特定方向上的两个相反的方向。
附记5.根据附记1至4中任一项所述的边缘像素确定方法,其中,在所述边缘像素确定步骤中,如果所确定的像素的边缘像素超出了图像边界,则将所述图像边界上的相应像素确定为该像素的边缘像素。
附记6.根据附记1至5中任一项所述的边缘像素确定方法,其中,所述像素的梯度值基于RGB颜色空间来确定。
附记7.一种边缘像素确定装置,包括:
积分梯度值序列构建单元,被配置成基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与所述特定方向相关联的积分梯度值序列;
边缘像素确定单元,被配置成对于所述多个像素中的每个当前像素,从所述当前像素开始沿着所述特定方向查找满足预定阈值条件且距所述当前像素最近的特定像素,并且将查找到的特定像素确定为所述当前像素的边缘像素,所述预定阈值条件为:所述积分梯度值序列中对应于所述特定像素的元素与对应于所述当前像素的元素之间的差大于预定阈值;以及
控制单元,被配置成控制所述边缘像素确定单元重复执行处理,直到确定了所述多个像素的全部的边缘像素为止。
附记8.根据附记7所述的边缘像素确定装置,其中,所述积分梯度值序列中的元素数量与所述特定方向上的像素的数量相同,并且所述积分梯度值序列中的与所述特定方向上的第n个像素对应的元素对应于所述特定方向上的前n个像素的梯度值之和。
附记9.根据附记7或8所述的边缘像素确定装置,其中,所述积分梯度值序列是单调递增序列。
附记10.根据附记7至9中任一项所述的边缘像素确定装置,其中,所述边缘像素确定单元进一步包括:
第一方向边缘像素确定模块,被配置成对于所述多个像素中的每个当前像素,从所述当前像素开始沿着第一方向查找满足第一预定阈值条件且距所述当前像素最近的第一特定像素,并且将查找到的第一特定像素确定为所述当前像素在所述第一方向上的边缘像素,所述第一预定阈值条件为:所述积分梯度值序列中对应于所述第一方向上的第一特定像素的元素与对应于所述当前像素的元素之间的差大于第一预定阈值;以及
第二方向边缘像素确定模块,被配置成对于所述多个像素中的每个当前像素,从所述当前像素开始沿着第二方向查找满足第二预定阈值条件且距所述当前像素最近的第二特定像素,并且将查找到的第二特定像素确定为所述当前像素在所述第二方向上的边缘像素,所述第二预定阈值条件为:所述积分梯度值序列中对应于所述第二方向上的第二特定像素的元素与对应于所述当前像素的元素之间的差大于第二预定阈值,
其中,所述第一方向和所述第二方向为所述特定方向上的两个相反的方向。
附记11.根据附记7至10中任一项所述的边缘像素确定装置,其中,所述边缘像素确定单元进一步被配置成如果所确定的像素的边缘像素超出了图像边界,则将所述图像边界上的相应像素确定为该像素的边缘像素。
附记12.根据附记7至11中任一项所述的边缘像素确定装置,其中,所述像素的梯度值基于RGB颜色空间来确定。
附记13.一种图像处理设备,包括:
根据附记7至12中任一项所述的边缘像素确定装置,被配置成确定输入图像中的各个像素的边缘像素;以及
图像处理装置,被配置成利用所确定的边缘像素对所述输入图像执行图像处理。
附记14.根据附记13所述的图像处理设备,其中,所述图像处理包括图像滤波、图像增强、图像分割、图像匹配以及图像降噪。
附记15.一种图像处理方法,包括:
利用根据附记1至6中任一项所述的边缘像素确定方法来确定输入图像中的各个像素的边缘像素;以及
利用所确定的边缘像素对所述输入图像执行图像处理。
Claims (10)
1.一种边缘像素确定方法,包括:
积分梯度值序列构建步骤,用于基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与所述特定方向相关联的积分梯度值序列;以及
边缘像素确定步骤,对于所述多个像素中的每个当前像素,从所述当前像素开始沿着所述特定方向查找满足预定阈值条件且距所述当前像素最近的特定像素,并且将查找到的特定像素确定为所述当前像素的边缘像素,所述预定阈值条件为:所述积分梯度值序列中对应于所述特定像素的元素与对应于所述当前像素的元素之间的差大于预定阈值,
其中,重复所述边缘像素确定步骤,直到确定了所述多个像素的全部的边缘像素为止。
2.根据权利要求1所述的边缘像素确定方法,其中,所述积分梯度值序列中的元素数量与所述特定方向上的像素的数量相同,并且所述积分梯度值序列中的与所述特定方向上的第n个像素对应的元素对应于所述特定方向上的前n个像素的梯度值之和。
3.根据权利要求1或2所述的边缘像素确定方法,其中,所述积分梯度值序列是单调递增序列。
4.根据权利要求1所述的边缘像素确定方法,其中,所述边缘像素确定步骤进一步包括:
第一方向边缘像素确定子步骤,对于所述多个像素中的每个当前像素,从所述当前像素开始沿着第一方向查找满足第一预定阈值条件且距所述当前像素最近的第一特定像素,并且将查找到的第一特定像素确定为所述当前像素在所述第一方向上的边缘像素,所述第一预定阈值条件为:所述积分梯度值序列中对应于所述第一方向上的第一特定像素的元素与对应于所述当前像素的元素之间的差大于第一预定阈值;以及
第二方向边缘像素确定子步骤,对于所述多个像素中的每个当前像素,从所述当前像素开始沿着第二方向查找满足第二预定阈值条件且距所述当前像素最近的第二特定像素,并且将查找到的第二特定像素确定为所述当前像素在所述第二方向上的边缘像素,所述第二预定阈值条件为:所述积分梯度值序列中对应于所述第二方向上的第二特定像素的元素与对应于所述当前像素的元素之间的差大于第二预定阈值,
其中,所述第一方向和所述第二方向为所述特定方向上的两个相反的方向。
5.根据权利要求1所述的边缘像素确定方法,其中,在所述边缘像素确定步骤中,如果所确定的像素的边缘像素超出了图像边界,则将所述图像边界上的相应像素确定为该像素的边缘像素。
6.一种边缘像素确定装置,包括:
积分梯度值序列构建单元,被配置成基于图像中包括的多个像素中的每个像素在特定方向上的梯度值,构建与所述特定方向相关联的积分梯度值序列;
边缘像素确定单元,被配置成对于所述多个像素中的每个当前像素,从所述当前像素开始沿着所述特定方向查找满足预定阈值条件且距所述当前像素最近的特定像素,并且将查找到的特定像素确定为所述当前像素的边缘像素,所述预定阈值条件为:所述积分梯度值序列中对应于所述特定像素的元素与对应于所述当前像素的元素之间的差大于预定阈值;以及
控制单元,被配置成控制所述边缘像素确定单元重复执行处理,直到确定了所述多个像素的全部的边缘像素为止。
7.根据权利要求6所述的边缘像素确定装置,其中,所述积分梯度值序列中的元素数量与所述特定方向上的像素的数量相同,并且所述积分梯度值序列中的与所述特定方向上的第n个像素对应的元素对应于所述特定方向上的前n个像素的梯度值之和。
8.根据权利要求6所述的边缘像素确定装置,其中,所述边缘像素确定单元进一步包括:
第一方向边缘像素确定模块,被配置成对于所述多个像素中的每个当前像素,从所述当前像素开始沿着第一方向查找满足第一预定阈值条件且距所述当前像素最近的第一特定像素,并且将查找到的第一特定像素确定为所述当前像素在所述第一方向上的边缘像素,所述第一预定阈值条件为:所述积分梯度值序列中对应于所述第一方向上的第一特定像素的元素与对应于所述当前像素的元素之间的差大于第一预定阈值;以及
第二方向边缘像素确定模块,被配置成对于所述多个像素中的每个当前像素,从所述当前像素开始沿着第二方向查找满足第二预定阈值条件且距所述当前像素最近的第二特定像素,并且将查找到的第二特定像素确定为所述当前像素在所述第二方向上的边缘像素,所述第二预定阈值条件为:所述积分梯度值序列中对应于所述第二方向上的第二特定像素的元素与对应于所述当前像素的元素之间的差大于第二预定阈值,
其中,所述第一方向和所述第二方向为所述特定方向上的两个相反的方向。
9.根据权利要求6所述的边缘像素确定装置,其中,所述边缘像素确定单元进一步被配置成如果所确定的像素的边缘像素超出了图像边界,则将所述图像边界上的相应像素确定为该像素的边缘像素。
10.一种图像处理设备,包括:
根据权利要求5至9中任一项所述的边缘像素确定装置,被配置成确定输入图像中的各个像素的边缘像素;以及
图像处理装置,被配置成利用所确定的边缘像素对所述输入图像执行图像处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210473325.2A CN103839247B (zh) | 2012-11-20 | 2012-11-20 | 边缘像素确定方法、边缘像素确定装置和图像处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210473325.2A CN103839247B (zh) | 2012-11-20 | 2012-11-20 | 边缘像素确定方法、边缘像素确定装置和图像处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103839247A true CN103839247A (zh) | 2014-06-04 |
CN103839247B CN103839247B (zh) | 2017-04-26 |
Family
ID=50802717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210473325.2A Active CN103839247B (zh) | 2012-11-20 | 2012-11-20 | 边缘像素确定方法、边缘像素确定装置和图像处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103839247B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200793A (zh) * | 2014-08-21 | 2014-12-10 | 京东方科技集团股份有限公司 | 一种图像的边界判别方法、装置和显示面板 |
CN106408534A (zh) * | 2016-09-13 | 2017-02-15 | 北京金山安全软件有限公司 | 图像处理方法、装置及电子设备 |
CN110940372A (zh) * | 2019-12-19 | 2020-03-31 | 江西太平洋电缆集团有限公司 | 一种基于机器视觉的电缆排列检测系统 |
CN115600160A (zh) * | 2022-10-20 | 2023-01-13 | 浙江大学(Cn) | 基于积分梯度可解释算法的网络模型窃取行为的检测方法 |
CN116664613A (zh) * | 2023-07-24 | 2023-08-29 | 合肥埃科光电科技股份有限公司 | 一种基于fpga的像素边缘位置检测方法、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6778297B1 (en) * | 1999-04-12 | 2004-08-17 | Minolta Co., Ltd. | Image processing apparatus, method, and computer program product |
CN101359365A (zh) * | 2008-08-07 | 2009-02-04 | 电子科技大学中山学院 | 一种基于最大类间方差和灰度信息的虹膜定位方法 |
CN102281388A (zh) * | 2010-06-09 | 2011-12-14 | 联咏科技股份有限公司 | 适应性滤除影像噪声的方法及装置 |
CN102446349A (zh) * | 2010-09-29 | 2012-05-09 | 奥林巴斯株式会社 | 图像处理装置和图像处理方法 |
-
2012
- 2012-11-20 CN CN201210473325.2A patent/CN103839247B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6778297B1 (en) * | 1999-04-12 | 2004-08-17 | Minolta Co., Ltd. | Image processing apparatus, method, and computer program product |
CN101359365A (zh) * | 2008-08-07 | 2009-02-04 | 电子科技大学中山学院 | 一种基于最大类间方差和灰度信息的虹膜定位方法 |
CN102281388A (zh) * | 2010-06-09 | 2011-12-14 | 联咏科技股份有限公司 | 适应性滤除影像噪声的方法及装置 |
CN102446349A (zh) * | 2010-09-29 | 2012-05-09 | 奥林巴斯株式会社 | 图像处理装置和图像处理方法 |
Non-Patent Citations (1)
Title |
---|
朱柱: "边缘检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200793A (zh) * | 2014-08-21 | 2014-12-10 | 京东方科技集团股份有限公司 | 一种图像的边界判别方法、装置和显示面板 |
CN104200793B (zh) * | 2014-08-21 | 2016-09-07 | 京东方科技集团股份有限公司 | 一种图像的边界判别方法、装置和显示面板 |
US9607396B2 (en) | 2014-08-21 | 2017-03-28 | Boe Technology Group Co., Ltd. | Method and device for discriminating a boundary of image, and display panel |
CN106408534A (zh) * | 2016-09-13 | 2017-02-15 | 北京金山安全软件有限公司 | 图像处理方法、装置及电子设备 |
CN106408534B (zh) * | 2016-09-13 | 2019-07-26 | 北京金山安全软件有限公司 | 图像处理方法、装置及电子设备 |
CN110940372A (zh) * | 2019-12-19 | 2020-03-31 | 江西太平洋电缆集团有限公司 | 一种基于机器视觉的电缆排列检测系统 |
CN110940372B (zh) * | 2019-12-19 | 2020-07-21 | 江西太平洋电缆集团有限公司 | 一种基于机器视觉的电缆排列检测系统 |
CN115600160A (zh) * | 2022-10-20 | 2023-01-13 | 浙江大学(Cn) | 基于积分梯度可解释算法的网络模型窃取行为的检测方法 |
CN115600160B (zh) * | 2022-10-20 | 2023-07-21 | 浙江大学 | 基于积分梯度可解释算法的网络模型窃取行为的检测方法 |
CN116664613A (zh) * | 2023-07-24 | 2023-08-29 | 合肥埃科光电科技股份有限公司 | 一种基于fpga的像素边缘位置检测方法、系统及存储介质 |
CN116664613B (zh) * | 2023-07-24 | 2023-10-31 | 合肥埃科光电科技股份有限公司 | 一种基于fpga的像素边缘位置检测方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103839247B (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288082B (zh) | 卷积神经网络模型训练方法、装置和计算机可读存储介质 | |
CN110276346B (zh) | 目标区域识别模型训练方法、装置和计算机可读存储介质 | |
CN103839247A (zh) | 边缘像素确定方法、边缘像素确定装置和图像处理设备 | |
Bar et al. | Semi-blind image restoration via Mumford-Shah regularization | |
Kang et al. | Fuzzy reasoning-based directional median filter design | |
CN111353505B (zh) | 基于可联合实现语义分割和景深估计的网络模型的装置 | |
CN106530305A (zh) | 语义分割模型训练和图像分割方法及装置、计算设备 | |
CN111144215B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN103714537A (zh) | 一种图像显著性的检测方法 | |
EP2911382A1 (en) | Image processing device, image processing method, and computer program | |
CN103679190A (zh) | 分类装置、分类方法以及电子设备 | |
CN111444807B (zh) | 目标检测方法、装置、电子设备和计算机可读介质 | |
CN115147598A (zh) | 目标检测分割方法、装置、智能终端及存储介质 | |
CN110298858A (zh) | 一种图像裁剪方法及装置 | |
CN112613543A (zh) | 增强策略验证方法、装置、电子设备及存储介质 | |
CN113095473A (zh) | 神经网络架构搜索系统和方法及计算机可读记录介质 | |
CN106682258A (zh) | 一种高层次综合工具中的多操作数加法优化方法及系统 | |
CN109242750B (zh) | 图片签名方法、图片匹配方法、装置、设备及存储介质 | |
CN104301618A (zh) | 闪烁检测方法和闪烁检测设备 | |
CN113139922B (zh) | 图像去雾方法及去雾装置 | |
EP3893165A1 (en) | Information processing apparatus and information processing method | |
CN104834958A (zh) | 一种对答案的步骤进行评判的方法和装置 | |
CN105894457A (zh) | 一种去除图像噪声的方法及装置 | |
Chung et al. | Fast incremental algorithm for speeding up the computation of binarization | |
CN104182749A (zh) | 图像处理装置、图像处理方法以及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |