CN105718933A - 一种边缘检测的方法及装置 - Google Patents
一种边缘检测的方法及装置 Download PDFInfo
- Publication number
- CN105718933A CN105718933A CN201610040685.1A CN201610040685A CN105718933A CN 105718933 A CN105718933 A CN 105718933A CN 201610040685 A CN201610040685 A CN 201610040685A CN 105718933 A CN105718933 A CN 105718933A
- Authority
- CN
- China
- Prior art keywords
- pixel
- rgb
- value
- difference
- edge
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种边缘检测的方法及装置,该方法包括:对于待检测图像中的每一个目标像元,均根据该目标像元的RGB值以及相应的至少一个领域像元的RGB值,经计算获得该目标像元的至少一个RGB差值;判断在该至少一个RGB差值中是否存在满足预先设置的控制条件的目标RGB差值,以在判断出存在该目标RGB差值时,确定该目标像元为边缘像元。因此,本方案能够提高目标边缘的定位精度。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种边缘检测的方法及装置。
背景技术
边缘检测是大多数图像处理过程中的重要步骤,是对图像基于边界进行分割的第一步。比如,在一种应用中,车牌号的识别一直是警务工作中的重要环节,对于交通管理和公共安全有着重要意义,故需要对包含车牌号的图像进行边缘检测处理,以提取和识别车牌号。
通常情况下,图像边缘检测是检测图像中的所有颜色突变的边缘,以从中定位所需的目标边缘。
但是,现有的图像边缘检测方式,对所需目标边缘的定位精度不高。
发明内容
本发明提供了一种边缘检测的方法及装置,能够提高目标边缘的定位精度。
为了达到上述目的,本发明是通过如下技术方案实现的:
一方面,本发明提供了一种边缘检测的方法,该方法包括:
针对待检测图像中的每一个第一像元,均执行:根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值;
判断在所述至少一个第一RGB差值中是否存在满足预先设置的控制条件的第二RGB差值;
在判断结果为存在所述第二RGB差值时,确定所述第一像元为第一边缘像元。
进一步地,所述根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值,包括:
根据所述第一像元的RGB值(Ri,Gi,Bi),以及与所述第一像元相对应的至少一个邻域像元的RGB值(Rn,Gn,Bn),计算所述第一像元的至少一个第一RGB差值(△Ri,△Gi,△Bi),且△Ri=Ri-Rn、△Gi=Gi-Gn、△Bi=Bi-Bn,
其中,R为像元的红色分量值,G为像元的绿色分量值,B为像元的蓝色分量值,△R为像元的红色分量差值,△G为像元的绿色分量差值,△B为像元的蓝色分量差值,i为第一像元,n为邻域像元。
进一步地,所述控制条件,包括:对于所述第一RGB差值(△Ri,△Gi,△Bi),要求sign(△Ri)=sign(△Gi)=sign(△Bi),其中,
进一步地,在所述确定所述第一像元为第一边缘像元之前,进一步包括:预先设置与所述待测试图像相对应的灰度图像,其中,所述灰度图像中的每一个像元的值为0;
在所述确定所述第一像元为第一边缘像元之后,进一步包括:对于所述第二RGB差值(△Ri,△Gi,△Bi),根据相应的|ΔRi|、|ΔGi|和|ΔBi|,从中确定出数值大小相对居中的目标绝对值,以将所述灰度图像中的与所述第一边缘像元相对应的第二像元的值替换为所述目标绝对值,并确定所述第二像元为第二边缘像元,
其中,|X|为X的绝对值。
进一步地,在所述确定所述第二像元为第二边缘像元之后,进一步包括:在所有所述第二边缘像元均确定之后,根据预先设置的目标对象的长宽比例,以及根据所述灰度图像,定位与所述长宽比例相对应的目标边缘像元。
另一方面,本发明提供了一种边缘检测的装置,包括:
第一处理单元,用于针对待检测图像中的每一个第一像元,均执行:根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值;
判断单元,用于判断在所述至少一个第一RGB差值中是否存在满足预先设置的控制条件的第二RGB差值;
确定单元,用于在判断结果为存在所述第二RGB差值时,确定所述第一像元为第一边缘像元。
进一步地,所述第一处理单元,具体用于根据所述第一像元的RGB值(Ri,Gi,Bi),以及与所述第一像元相对应的至少一个邻域像元的RGB值(Rn,Gn,Bn),计算所述第一像元的至少一个第一RGB差值(△Ri,△Gi,△Bi),且△Ri=Ri-Rn、△Gi=Gi-Gn、△Bi=Bi-Bn,
其中,R为像元的红色分量值,G为像元的绿色分量值,B为像元的蓝色分量值,△R为像元的红色分量差值,△G为像元的绿色分量差值,△B为像元的蓝色分量差值,i为第一像元,n为邻域像元。
进一步地,所述判断单元,具体用于判断在所述至少一个第一RGB差值(△Ri,△Gi,△Bi)中,是否存在满足sign(△Ri)=sign(△Gi)=sign(△Bi)的第二RGB差值,其中,
进一步地,该装置还包括:
设置单元,用于设置与所述待测试图像相对应的灰度图像,其中,所述灰度图像中的每一个像元的值为0;
第二处理单元,用于对于所述第二RGB差值(△Ri,△Gi,△Bi),根据相应的|ΔRi|、|ΔGi|和|ΔBi|,从中确定出数值大小相对居中的目标绝对值,以将所述灰度图像中的与所述第一边缘像元相对应的第二像元的值替换为所述目标绝对值,并确定所述第二像元为第二边缘像元,
其中,|X|为X的绝对值。
进一步地,该装置还包括:定位单元,用于在所有所述第二边缘像元均确定之后,根据预先设置的目标对象的长宽比例,以及根据所述灰度图像,定位与所述长宽比例相对应的目标边缘像元。
本发明提供了一种边缘检测的方法及装置,对于待检测图像中的每一个目标像元,均根据该目标像元的RGB值以及相应的至少一个领域像元的RGB值,经计算获得该目标像元的至少一个RGB差值;判断在该至少一个RGB差值中是否存在满足预先设置的控制条件的目标RGB差值,以在判断出存在该目标RGB差值时,确定该目标像元为边缘像元。因此,本发明能够提高目标边缘的定位精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种边缘检测的方法的流程图;
图2是本发明一实施例提供的另一种边缘检测的方法的流程图;
图3是本发明一实施例提供的一种边缘检测的装置的示意图;
图4是本发明一实施例提供的另一种边缘检测的装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种边缘检测的方法,可以包括以下步骤:
步骤101:针对待检测图像中的每一个第一像元,均执行:根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值。
步骤102:判断在所述至少一个第一RGB差值中是否存在满足预先设置的控制条件的第二RGB差值。
步骤103:在判断结果为存在所述第二RGB差值时,确定所述第一像元为第一边缘像元。
本发明实施例提供了一种边缘检测的方法,对于待检测图像中的每一个目标像元,均根据该目标像元的RGB值以及相应的至少一个领域像元的RGB值,经计算获得该目标像元的至少一个RGB差值;判断在该至少一个RGB差值中是否存在满足预先设置的控制条件的目标RGB差值,以在判断出存在该目标RGB差值时,确定该目标像元为边缘像元。因此,本发明实施例能够提高目标边缘的定位精度。
在一种可能的实现方式中,为了说明一种可能的RGB差值的计算方式,所以,所述根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值,包括:
根据所述第一像元的RGB值(Ri,Gi,Bi),以及与所述第一像元相对应的至少一个邻域像元的RGB值(Rn,Gn,Bn),计算所述第一像元的至少一个第一RGB差值(△Ri,△Gi,△Bi),且△Ri=Ri-Rn、△Gi=Gi-Gn、△Bi=Bi-Bn,
其中,R为像元的红色分量值,G为像元的绿色分量值,B为像元的蓝色分量值,△R为像元的红色分量差值,△G为像元的绿色分量差值,△B为像元的蓝色分量差值,i为第一像元,n为邻域像元。
在一种可能的实现方式中,为了判断所述第一像元是否为边缘像元,所以,所述控制条件,包括:对于所述第一RGB差值(△Ri,△Gi,△Bi),要求sign(△Ri)=sign(△Gi)=sign(△Bi),其中,
在一种可能的实现方式中,为了能够清晰显示边缘像元,所以,在所述确定所述第一像元为第一边缘像元之前,进一步包括:预先设置与所述待测试图像相对应的灰度图像,其中,所述灰度图像中的每一个像元的值为0;
在所述确定所述第一像元为第一边缘像元之后,进一步包括:对于所述第二RGB差值(△Ri,△Gi,△Bi),根据相应的|ΔRi|、|ΔGi|和|ΔBi|,从中确定出数值大小相对居中的目标绝对值,以将所述灰度图像中的与所述第一边缘像元相对应的第二像元的值替换为所述目标绝对值,并确定所述第二像元为第二边缘像元,
其中,|X|为X的绝对值。
在一种可能的实现方式中,为了能够利用边缘像元以快速、准确的对目标对象进行定位,所以,在所述确定所述第二像元为第二边缘像元之后,进一步包括:在所有所述第二边缘像元均确定之后,根据预先设置的目标对象的长宽比例,以及根据所述灰度图像,定位与所述长宽比例相对应的目标边缘像元。
为使本发明的目的、技术方案和优点更加清楚,下面结合附图及具体实施例对本发明作进一步地详细描述。
如图2所示,本发明一个实施例提供了边缘检测的方法,该方法可以包括以下步骤:
步骤201:设置控制条件,且所述控制条件为对于所述待测试图像中的任一像元的RGB差值(△R,△G,△B),要求sign(△R)=sign(△G)=sign(△B),其中,
其中,R为像元的红色分量值,G为像元的绿色分量值,B为像元的蓝色分量值,△R为像元的红色分量差值,△G为像元的绿色分量差值,△B为像元的蓝色分量差值。
举例来说,车牌号的识别一直以来都是警务工作的一个重要环节,可以通过图像边缘检测的方法以提取车牌号的边缘,并对提取到的边缘进行后续处理。但是,由于在现实环境下所采集到的图像会出现图像模糊、车身和车牌的颜色差别不明显、无关干扰信息多等情况,从而会对车牌号边缘的提取造成不利影响。
在本实施例中,可以根据不同的实际应用需求,设置适宜的控制条件,从而可以有针对性的强化目标对象和弱化干扰对象,以实现目标对象边缘的快速、准确提取。例如,可以应用于从图像中提取车牌号边缘。
步骤202:设置车牌的长宽比例。
在本实施例中,可以根据预先设定的目标对象的特点,例如,在目标对象为车牌时,可以设定车牌的长宽比例。目前,我国车牌可大致分为三类,包括普通车牌、武警车牌和军用车牌。例如,普通车牌尺寸为520mm×122.5mm,车牌的长宽比例为4.5:1。
步骤203:设置与待测试图像相对应的灰度图像,其中,所述灰度图像中的每一个像元的值为0。
在本实施例中,为了方便对检测到的边缘进行定位处理,可以预先设置与待测试图像相对应的灰度图像,优选的,该灰度图像中各像元值为0,以有利于在该灰度图像中清晰显示边缘效果。
步骤204:针对所述待检测图像中的每一个第一像元,均执行:根据所述第一像元的RGB值(Ri,Gi,Bi),以及与所述第一像元相对应的4个邻域像元的RGB值(Rn,Gn,Bn),计算所述第一像元的4个第一RGB差值(△Ri,△Gi,△Bi)。
具体地,所述4个邻域像元,包括与所述第一像元相邻,且位于所述第一像元的正上方、正下方、正左方和正右方位置处的像元。
在本实施例中,为了保证边缘检测的准确性和精度,可以选择全部4个邻域像元。此外,根据不同实际应用需求,如考虑到减小计算量,也可以选择该4个邻域像元中的任意一个或多个。
具体地,△Ri=Ri-Rn、△Gi=Gi-Gn、△Bi=Bi-Bn,其中,i为第一像元,n为邻域像元。明显地,像元的分量差值的计算也可以选择采用领域像元减去第一像元。
举例来说,若第一像元为蓝色且RGB值为(65,105,225),正右方位置处的邻域像元为白色且RGB值为(245,245,245),相应的,该第一像元的一个RGB差值为(-180,-40,-20)。
步骤205:判断在所述4个第一RGB差值中是否存在满足所述控制条件的至少一个第二RGB差值,若存在,则确定所述第一像元为第一边缘像元。
在本实施例中,可以根据预先设置的特定控制条件,从而将不符合该控制条件的像元进行筛除,并确定符合该控制条件的像元为本实施例所需的边缘像元。
例如,由于各种车牌号的颜色搭配固定,如车牌底色和车牌字体颜色的搭配情况有黄底黑字、蓝底白字、黑底白字加红字、白底黑字等,因此设置特定控制条件,以排除对无关干扰对象的边缘提取。
如上所述,若第一像元的一个RGB差值为(-180,-40,-20),则满足控制条件sign(-180)=sign(-40)=sign(-20),故该第一像元可以确定为边缘像元。
步骤206:对于所述至少一个第二RGB差值(△Ri,△Gi,△Bi),根据相应的|ΔRi|、|ΔGi|和|ΔBi|,从中确定出数值大小相对居中的目标绝对值,以将所述灰度图像中的与所述第一边缘像元相对应的第二像元的值替换为所述目标绝对值,并确定所述第二像元为第二边缘像元。
其中,|X|为X的绝对值。
详细地,在确定第一像元为边缘像元之后,首先,对于满足限定条件的第二RGB差值(△Ri,△Gi,△Bi),举例来说,若|ΔBi|≤|ΔRi|且|ΔBi|≤|ΔGi|,即蓝色为第一像元的主导色时,可以获得第一分量差值再者,根据公式将所述灰度图像中的与该第一像元相应位置处的第二像元的值,由0更新为imgi,其中,imgi为所述第二像元的值;再将该第二像元确定为第二边缘像元。同样的,若红色或绿色为主导色时,亦进行相同的处理,故本实施例对此不做具体限定。
例如,由于上述第一像元的RGB差值为(-180,-40,-20),由于|-20|<|-40|且|-20|<|-180|,则再根据公式确定imgi=40,故将所述灰度图像中的与该第一像元相应位置处的第二像元的值,由0更新为40。因此,该灰度图像中的每一个像元的值介于0~255之间,相应的,每一个像元所显示的颜色介于黑色~白色之间。
在本实施例中,在确定第一像元为边缘像元之后,可以对该第一像元的RGB差值进行处理,以将灰度图像中的与该第一像元相应位置处的第二像元的值进行更新替换,对每一个第二边缘像元进行赋值,从而可以根据灰度图像中的每一个像元的像元值的不同,以进一步准确体现所检测到的全部边缘。
步骤207:在所有所述第二边缘像元均确定之后,根据所述灰度图像,定位与所述车牌的长宽比例相对应的目标边缘像元。
在本实施例中,在获取到全部边缘之后,由于该灰度图像中仍存在一定数量的干扰边缘,故可以进一步根据预先设定的车牌的长宽比例,从该灰度图像中对车牌边缘进行定位。
如图3所示,本发明实施例提供了一种边缘检测的装置,包括:
第一处理单元301,用于针对待检测图像中的每一个第一像元,均执行:根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值;
判断单元302,用于判断在所述至少一个第一RGB差值中是否存在满足预先设置的控制条件的第二RGB差值;
确定单元303,用于在判断结果为存在所述第二RGB差值时,确定所述第一像元为第一边缘像元。
在一种可能的实现方式中,所述第一处理单元301,具体用于根据所述第一像元的RGB值(Ri,Gi,Bi),以及与所述第一像元相对应的至少一个邻域像元的RGB值(Rn,Gn,Bn),计算所述第一像元的至少一个第一RGB差值(△Ri,△Gi,△Bi),且△Ri=Ri-Rn、△Gi=Gi-Gn、△Bi=Bi-Bn,
其中,R为像元的红色分量值,G为像元的绿色分量值,B为像元的蓝色分量值,△R为像元的红色分量差值,△G为像元的绿色分量差值,△B为像元的蓝色分量差值,i为第一像元,n为邻域像元。
在一种可能的实现方式中,所述判断单元302,具体用于判断在所述至少一个第一RGB差值(△Ri,△Gi,△Bi)中,是否存在满足sign(△Ri)=sign(△Gi)=sign(△Bi)的第二RGB差值,其中,
在一种可能的实现方式中,请参考图4,该装置还可以包括:
设置单元401,用于设置与所述待测试图像相对应的灰度图像,其中,所述灰度图像中的每一个像元的值为0;
第二处理单元402,用于对于所述第二RGB差值(△Ri,△Gi,△Bi),根据相应的|ΔRi|、|ΔGi|和|ΔBi|,从中确定出数值大小相对居中的目标绝对值,以将所述灰度图像中的与所述第一边缘像元相对应的第二像元的值替换为所述目标绝对值,并确定所述第二像元为第二边缘像元,
其中,|X|为X的绝对值。
在一种可能的实现方式中,请参考图4,该装置还可以包括:
定位单元403,用于在所有所述第二边缘像元均确定之后,根据预先设置的目标对象的长宽比例,以及根据所述灰度图像,定位与所述长宽比例相对应的目标边缘像元。
上述装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
综上所述,本发明的各个实施例至少具有如下有益效果:
1、本发明实施例中,对于待检测图像中的每一个目标像元,均根据该目标像元的RGB值以及相应的至少一个领域像元的RGB值,经计算获得该目标像元的至少一个RGB差值;判断在该至少一个RGB差值中是否存在满足预先设置的控制条件的目标RGB差值,以在判断出存在该目标RGB差值时,确定该目标像元为边缘像元。因此,本发明实施例能够提高目标边缘的定位精度。
2、本发明实施例中,可以根据不同的实际应用需求,设置适宜的控制条件,从而可以有针对性的强化目标对象和弱化干扰对象,以实现目标对象边缘的快速、准确提取。例如,可以应用于从图像中提取车牌号边缘。
3、本发明实施例中,在确定第一像元为边缘像元之后,可以对该第一像元的RGB差值进行处理,以将灰度图像中的与该第一像元相应位置处的第二像元的值进行更新替换,对每一个第二边缘像元进行赋值,从而可以根据灰度图像中的每一个像元的像元值的不同,以进一步准确体现所检测到的全部边缘。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种边缘检测的方法,其特征在于,该方法包括:
针对待检测图像中的每一个第一像元,均执行:根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值;
判断在所述至少一个第一RGB差值中是否存在满足预先设置的控制条件的第二RGB差值;
在判断结果为存在所述第二RGB差值时,确定所述第一像元为第一边缘像元。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值,包括:
根据所述第一像元的RGB值(Ri,Gi,Bi),以及与所述第一像元相对应的至少一个邻域像元的RGB值(Rn,Gn,Bn),计算所述第一像元的至少一个第一RGB差值(△Ri,△Gi,△Bi),且△Ri=Ri-Rn、△Gi=Gi-Gn、△Bi=Bi-Bn,
其中,R为像元的红色分量值,G为像元的绿色分量值,B为像元的蓝色分量值,△R为像元的红色分量差值,△G为像元的绿色分量差值,△B为像元的蓝色分量差值,i为第一像元,n为邻域像元。
3.根据权利要求2所述的方法,其特征在于,所述控制条件,包括:对于所述第一RGB差值(△Ri,△Gi,△Bi),要求sign(△Ri)=sign(△Gi)=sign(△Bi),其中,
4.根据权利要求2所述的方法,其特征在于,
在所述确定所述第一像元为第一边缘像元之前,进一步包括:预先设置与所述待测试图像相对应的灰度图像,其中,所述灰度图像中的每一个像元的值为0;
在所述确定所述第一像元为第一边缘像元之后,进一步包括:对于所述第二RGB差值(△Ri,△Gi,△Bi),根据相应的|ΔRi|、|ΔGi|和|ΔBi|,从中确定出数值大小相对居中的目标绝对值,以将所述灰度图像中的与所述第一边缘像元相对应的第二像元的值替换为所述目标绝对值,并确定所述第二像元为第二边缘像元,
其中,|X|为X的绝对值。
5.根据权利要求4所述的方法,其特征在于,在所述确定所述第二像元为第二边缘像元之后,进一步包括:在所有所述第二边缘像元均确定之后,根据预先设置的目标对象的长宽比例,以及根据所述灰度图像,定位与所述长宽比例相对应的目标边缘像元。
6.一种边缘检测的装置,其特征在于,包括:
第一处理单元,用于针对待检测图像中的每一个第一像元,均执行:根据所述第一像元的RGB值,以及与所述第一像元相对应的至少一个邻域像元的RGB值,计算所述第一像元的至少一个第一RGB差值;
判断单元,用于判断在所述至少一个第一RGB差值中是否存在满足预先设置的控制条件的第二RGB差值;
确定单元,用于在判断结果为存在所述第二RGB差值时,确定所述第一像元为第一边缘像元。
7.根据权利要求6所述的边缘检测的装置,其特征在于,
所述第一处理单元,具体用于根据所述第一像元的RGB值(Ri,Gi,Bi),以及与所述第一像元相对应的至少一个邻域像元的RGB值(Rn,Gn,Bn),计算所述第一像元的至少一个第一RGB差值(△Ri,△Gi,△Bi),且△Ri=Ri-Rn、△Gi=Gi-Gn、△Bi=Bi-Bn,
其中,R为像元的红色分量值,G为像元的绿色分量值,B为像元的蓝色分量值,△R为像元的红色分量差值,△G为像元的绿色分量差值,△B为像元的蓝色分量差值,i为第一像元,n为邻域像元。
8.根据权利要求7所述的边缘检测的装置,其特征在于,
所述判断单元,具体用于判断在所述至少一个第一RGB差值(△Ri,△Gi,△Bi)中,是否存在满足sign(△Ri)=sign(△Gi)=sign(△Bi)的第二RGB差值,其中,
9.根据权利要求7所述的边缘检测的装置,其特征在于,还包括:
设置单元,用于设置与所述待测试图像相对应的灰度图像,其中,所述灰度图像中的每一个像元的值为0;
第二处理单元,用于对于所述第二RGB差值(△Ri,△Gi,△Bi),根据相应的|ΔRi|、|ΔGi|和|ΔBi|,从中确定出数值大小相对居中的目标绝对值,以将所述灰度图像中的与所述第一边缘像元相对应的第二像元的值替换为所述目标绝对值,并确定所述第二像元为第二边缘像元,
其中,|X|为X的绝对值。
10.根据权利要求9所述的边缘检测的装置,其特征在于,还包括:
定位单元,用于在所有所述第二边缘像元均确定之后,根据预先设置的目标对象的长宽比例,以及根据所述灰度图像,定位与所述长宽比例相对应的目标边缘像元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610040685.1A CN105718933B (zh) | 2016-01-21 | 2016-01-21 | 一种边缘检测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610040685.1A CN105718933B (zh) | 2016-01-21 | 2016-01-21 | 一种边缘检测的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105718933A true CN105718933A (zh) | 2016-06-29 |
CN105718933B CN105718933B (zh) | 2018-11-02 |
Family
ID=56153723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610040685.1A Active CN105718933B (zh) | 2016-01-21 | 2016-01-21 | 一种边缘检测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105718933B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295656A (zh) * | 2016-08-03 | 2017-01-04 | 徐庆 | 基于图像色块内容的图像轮廓特征提取方法和装置 |
CN107016389A (zh) * | 2017-04-07 | 2017-08-04 | 广东工业大学 | 一种车牌定位的方法以及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376551A (zh) * | 2014-08-25 | 2015-02-25 | 浙江工业大学 | 一种融合区域生长和边缘检测的彩色图像分割方法 |
CN104778705A (zh) * | 2015-04-17 | 2015-07-15 | 许书华 | 基于双线性插值的彩色图像边缘检测方法 |
-
2016
- 2016-01-21 CN CN201610040685.1A patent/CN105718933B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376551A (zh) * | 2014-08-25 | 2015-02-25 | 浙江工业大学 | 一种融合区域生长和边缘检测的彩色图像分割方法 |
CN104778705A (zh) * | 2015-04-17 | 2015-07-15 | 许书华 | 基于双线性插值的彩色图像边缘检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295656A (zh) * | 2016-08-03 | 2017-01-04 | 徐庆 | 基于图像色块内容的图像轮廓特征提取方法和装置 |
CN106295656B (zh) * | 2016-08-03 | 2017-09-15 | 徐庆 | 基于图像色块内容的图像轮廓特征提取方法和装置 |
CN107016389A (zh) * | 2017-04-07 | 2017-08-04 | 广东工业大学 | 一种车牌定位的方法以及装置 |
CN107016389B (zh) * | 2017-04-07 | 2020-09-11 | 广东工业大学 | 一种车牌定位的方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105718933B (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729899A (zh) | 一种车牌号码识别方法及装置 | |
CN104616021B (zh) | 交通标志图像处理方法及装置 | |
CN105453153B (zh) | 交通灯检测 | |
CN103198315B (zh) | 基于字符轮廓和模板匹配的车牌字符分割算法 | |
CN104899586B (zh) | 对图像中包含的文字内容进行识别方法及装置 | |
CN109635656A (zh) | 基于神经网络的车辆属性识别方法、装置、设备及介质 | |
CN103439348B (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
JPWO2018034214A1 (ja) | 回路装置、電子機器及びエラー検出方法 | |
CN105426861A (zh) | 车道线确定方法及装置 | |
CN109636825A (zh) | 印章图形分割方法、装置及计算机可读存储介质 | |
CN104463161A (zh) | 使用自动图像修补的彩色文档图像分割和二值化 | |
CN103679168A (zh) | 文字区域检测方法及装置 | |
CN103996198A (zh) | 复杂自然环境下感兴趣区域的检测方法 | |
CN102819728A (zh) | 一种基于分类模板匹配的交通标志检测方法 | |
CN103093203A (zh) | 一种人体再识别方法以及人体再识别系统 | |
CN107832762A (zh) | 一种基于多特征融合的车牌定位与识别方法 | |
CN104766344B (zh) | 基于运动边缘提取器的车辆检测方法 | |
CN105069453A (zh) | 一种图像校正方法及装置 | |
EP2447884B1 (en) | Method for detecting and recognising an object in an image, and an apparatus and a computer program therefor | |
US9569676B2 (en) | Computer implemented system and method for extracting and recognizing alphanumeric characters from traffic signs | |
CN104598907A (zh) | 一种基于笔画宽度图的图像中文字数据提取方法 | |
CN107659799A (zh) | 摄像装置、图像处理方法和存储介质 | |
CN108182691B (zh) | 识别限速标志的方法、装置及车辆 | |
CN105718933A (zh) | 一种边缘检测的方法及装置 | |
CN111191657B (zh) | 一种文字识别方法、装置及计算机可读存储介质 |
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 |