CN105740868B - 一种基于圆形算子的图像边缘提取方法和装置 - Google Patents

一种基于圆形算子的图像边缘提取方法和装置 Download PDF

Info

Publication number
CN105740868B
CN105740868B CN201610053613.0A CN201610053613A CN105740868B CN 105740868 B CN105740868 B CN 105740868B CN 201610053613 A CN201610053613 A CN 201610053613A CN 105740868 B CN105740868 B CN 105740868B
Authority
CN
China
Prior art keywords
operator
template
group
edge
circle
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.)
Expired - Fee Related
Application number
CN201610053613.0A
Other languages
English (en)
Other versions
CN105740868A (zh
Inventor
王瑜
张娜
闫怀鑫
肖洪兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Technology and Business University
Original Assignee
Beijing Technology and Business University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Technology and Business University filed Critical Beijing Technology and Business University
Priority to CN201610053613.0A priority Critical patent/CN105740868B/zh
Publication of CN105740868A publication Critical patent/CN105740868A/zh
Application granted granted Critical
Publication of CN105740868B publication Critical patent/CN105740868B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于圆形算子的图像边缘提取方法和装置，其中方法包括以下步骤：获取待测图像，所述待测图像包括多个纹理基元；基于一组或多组圆形算子，从多个方向角度，对待测图像中与当前圆形算子组中的算子模板尺寸相匹配的纹理基元，进行图像边缘提取计算，得到纹理基元的中心像素点的边缘标识值；对待测图像中各个中心像素点的边缘标识值进行二值化处理，得到待测图像的边缘提取结果。本发明实现了多方向角度、多尺度、且方向角度尺度具有选择性的图像边缘提取，使得提取的边缘信息更加明显、边缘提取效果好，并实现能够根据欲实现的边缘提取效果的要求灵活选择算子模板，操作更为自由。

Description

一种基于圆形算子的图像边缘提取方法和装置
技术领域
本发明涉及图像处理技术领域，特别涉及一种基于圆形算子的图像边缘提取方法和装置。
背景技术
边缘是图像最基本的特征之一，包含了图像大部分的特征信息，是图像处理和模式识别的主要特征手段，图像边缘检测已然成为重点研究热点之一，因此研究学者一直致力于提出具有良好性质及提取效果的边缘检测算子。通过边缘检测，可以将目标和背景分开，简化图像分析，提取出能够准确的表示图像的边缘信息。
以待处理像素为中心的邻域作为进行灰度分析的基础，实现对图像边缘的检测提取。基于这一特点，前人提出了相关梯度边缘检测算子，例如Robert算子，canny算子，Prewitt算子，Sobel算子等。
上述算子的缺陷在于：
1、检测的角度少。仅仅包括0°、90°两个角度或0°、90°、45°和135°四个角度，角度种类较少，容易丢失很多其他方向角度上的边缘信息。
2、检测的尺度没有变化。只能提取局部2×2像素或者3×3像素纹理基元大小的边缘信息，无法提取其他尺度的边缘结构。
发明内容
本发明的目的是提供一种基于圆形算子的多角度、多尺度、且方向角度尺度具有选择性的图像边缘提取方法和装置，边缘信息更加明显、边缘提取效果好，并实现能够根据对欲实现的边缘提取效果的要求灵活选择算子模板，操作更为自由。
为了实现上述发明目的，本发明一方面提供了一种基于圆形算子的图像边缘提取方法，包括以下步骤：
S1.获取待测图像，所述待测图像包括多个纹理基元；
S2.基于一组或多组圆形算子，从多个方向角度，对待测图像中与当前圆形算子组中的算子模板尺寸相匹配的纹理基元，进行图像边缘提取计算，得到纹理基元的中心像素点的边缘标识值；
其中，每组圆形算子包括多个尺寸相同的算子模板，每个算子模板的方向角度不同；每个算子模板包括多个近邻点；每个算子模板的近邻点的个数决定了该组圆形算子所包括的算子模板的个数；
S3.对待测图像中各个中心像素点的边缘标识值进行二值化处理，得到待测图像的边缘提取结果。
根据本发明的另一方面，提供了一种基于圆形算子的图像边缘提取装置，包括：
算子存储模块，用于存储圆形算子；其中，每组圆形算子包括多个尺寸相同的算子模板，每个算子模板的方向角度不同；每个算子模板包括多个近邻点；每个算子模板的近邻点的个数决定了该组圆形算子所包括的算子模板的个数；
待测图像获取模块，用于获取待测图像，所述待测图像包括多个纹理基元；
图像边缘提取计算模块，基于一组或多组圆形算子，从多个方向角度，对待测图像中与当前圆形算子组中的算子模板尺寸相匹配的纹理基元，进行图像边缘提取计算，得到纹理基元的中心像素点的边缘标识值；
二值化处理模块，用于对待测图像中各个中心像素点的边缘标识值进行二值化处理，得到待测图像的边缘提取结果。
附图说明
图1是现有技术中四种边缘检测算子的示意图；
图2是发明一组圆形算子的示意图；
图3是发明多组圆形算子的示意图；
图4是发明基于圆形算子的图像边缘提取方法的步骤流程图；
图5基于一组圆形算子进行图像边缘提取计算的步骤流程图；
图6是纹理基元T的示意图；
图7基于多组圆形算子进行图像边缘提取计算的步骤流程图；
图8是纹理基元T1、T2、T3的示意图；
图9是发明基于圆形算子的图像边缘提取装置的模块关系示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
图1是现有技术中四种边缘检测算子的示意图。
如图1所示，现有技术有的4种边缘检测算子中，
其中，Robert算子包括2个模板，45°模板和135°模板，每个模板的检测尺度为2×2；
canny算子包括2个模板，0°模板和90°模板，每个模板的检测尺度为2×2；
Prewitt算子包括2个模板，0°模板和90°模板，每个模板的检测尺度为3×3；
Sobel算子包括2个模板，0°模板和90°模板，每个模板的检测尺度为3×3。
由上可知，每种算子所包括的角度多为2个，且检测尺度为固定不变的。
图2是发明一组圆形算子的示意图。
如图2所示，本组圆形算子的半径R＝1，近邻点P＝8。其中，邻近点P的单位为个，半径R的单位可以为像素点但不限于像素点；
本组圆形算子包括＝个算子模板，每个算子模板包括P＝8个近邻点，且8个近邻点均匀分布在半径R＝1的圆上。在此需要说明的是，此处的圆上为数学范畴内的圆内、圆上、圆外中的圆上，该圆上的概念等同于其他领域中的圆周上。
本组圆形算子的4个算子模板中，每个算子模板的方向角度θ各不相同，但半径和近邻点均相同。如图2中从左至右，4个算子模板的角度分别为：0°、45°、90°、135°。在本组圆形算子中，通过将0°算子模板以圆心为旋转中心，直线为轴线，不断地以固定角度进行旋转，得到另外个算子模板。
每个算子模板中，过该圆心的直线(如图2中的虚线)相交的两个近邻点赋值为0，位于所述直线两侧的近邻点，一侧赋值为1，另一侧赋值为-1。
图3是发明多组圆形算子的示意图。
对P和R在其取值范围内任意取值，可以得到无穷多组的圆形算子。其中，P的取值范围为大于2的偶数；R的取值范围为正实数。
如图3所示，列举了3组圆形算子，这3组圆形算子中，两两之间具有的3种相互关系即为无穷多组的圆形算子中两两之间所具有的相互关系。
第1组圆形算子，包括4个角度算子模板，每个算子模板的角度θ从左向右依次为0°、45°、90°、135°，每个算子模板的近邻点P＝8，半径R＝1。
第2组圆形算子，包括4个角度算子模板，每个算子模板的角度θ从左向右依次为0°、45°、90°、135°)，每个算子模板的近邻点P＝8，半径R＝2。
第3组圆形算子，包括6个角度算子模板，每个算子模板的角度θ从左向右依次为0°、30°、60°、90°、120°、150°)，每个算子模板的近邻点P＝12，半径R＝2。
由此可知，圆形算子的两两之间具有以下3种相互关系。
第一种关系，两组圆形算子的角度个数(即近邻点P的个数)相同，尺度(即半径R)不同，如第1组和第2组。
第二种关系，两组圆形算子的角度个数(即近邻点P的个数)不同，尺度(即半径R)相同，如第2组和第3组。
第三种关系，两组圆形算子的角度个数(即近邻点P的个数)不同，尺度(即半径R)不同，如第1组和第3组。
半径R的取值决定了检测的图像纹理基元的尺寸，半径R的取值越大，则检测的所述图像纹理基元的尺寸越大。近邻点P取值决定了提取的图像边缘的分辨率，近邻点P取值越大，则检测的所述图像纹理基元的边缘角度越多，分辨率越高。因此，选取的圆形算子越恰当，待测图像的边缘提取结果效果越好。
图4是发明基于圆形算子的图像边缘提取方法的步骤流程图。
如图4所示，一种基于圆形算子的图像边缘提取方法，包括以下步骤S1-S3。
S1.获取待测图像，所述待测图像包括多个纹理基元。
待测图像中含有待提取的图像边缘。这里举例说明，待测图像可以为一张白色背景的人物身份证件照，该照片中人物的轮廓为待提取的图像边缘。
每个待测图像都包括至少一个纹理基元，纹理基元可以理解为多个像素点组成的局部区域。一般的纹理基元的尺度大小可以为2×2像素、3×3像素等。
本发明中的一个纹理基元的尺度大小与一个算子模板的尺度大小相匹配的含义是：当将算子模板覆盖于纹理基元上时，纹理基元上所有落入算子模板范围内的像素点的集合即为纹理基元上的尺寸。例如，圆形算子中，一个算子模板的直径为3，纹理基元的尺寸为3×3，则该算子模板与纹理基元为尺度大小相匹配。另外，在一个算子模板与当前纹理基元做卷积计算时，如果当前算子模板的近邻点未准确落在当前纹理基元的栅格上，则通过线性插值方法计算得到所述近邻点对应的当前纹理基元上的点的像素值。
需要说明的是，本发明中步骤S1-S3是在待测图像为灰度图像的基础之上进行的，若待测图像不是灰度图像(可能为彩色图像)，则在步骤S1前需要将待测图像转化为灰度图像。
S2.基于一组或多组圆形算子，从多个方向角度，对待测图像中与当前圆形算子组中的算子模板尺寸相匹配的纹理基元，进行图像边缘提取计算，得到纹理基元的中心像素点的边缘标识值。其中，每组圆形算子包括多个尺寸相同的算子模板，每个算子模板的方向角度不同；每个算子模板包括多个近邻点；每个算子模板的近邻点的个数决定了该组圆形算子所包括的算子模板的个数。
根据对待测图像所需提取的图像边缘的效果要求，可以选择一组或多组圆形算子对待测图像进行图像边缘提取，选择多组圆形算子所得到的图像边缘效果要高于选择一组圆形算子所得到的图像边缘。
一幅待测图像包括多个纹理基元，这多个纹理基元是相互重叠相错的，每个纹理基元包括多个像素点。算子模板的圆心覆盖在与该算子模板尺寸相匹配的纹理基元的中心像素点上。由于算子模板的半径R的单位不局限于像素单位，因此，算子模板的各个近邻点可能覆盖在纹理基元中像素点的栅格上，也可能没有覆盖在纹理基元中像素点的栅格上，如果算子模板的近邻点未准确覆盖在纹理基元中像素点的栅格上，则通过线性插值方法计算得到所述近邻点对应的当前纹理基元上的点的像素值。
S3.对待测图像中各个中心像素点的边缘标识值进行二值化处理，得到待测图像的边缘提取结果。
一幅待测图像经前述步骤S1、S2之后，待测图像中的各个像素点已经由边缘标识值赋值替代了。然后根据预先设定的阈值，对整幅图像的边缘标识值进行二值化处理，输出的二值化处理结果就是整幅待测图像的边缘提取结果。
需要说明的是，在步骤S3进行之前，需要预先设定阈值。预设的阈值的取值直接会影响到待测图像的边缘提取结果效果，所述阈值设定的越恰当，待测图像的边缘提取结果效果越好。例如，阈值可以取边缘标识值的平均值，再乘以一个合适的尺度系数，再开方，得到的结果就是阈值。
本发明在实验过程中，选择尺度系数范围在0.05到0.25之间可以有较好的效果，但需要说明的是上述仅仅给出了一个阈值的合适选择范围，并不用来限制本发明的保护范围。
图5基于一组圆形算子进行图像边缘提取计算的步骤流程图。
图6是纹理基元T的示意图。
如图5所示，基于一组圆形算子进行图像边缘提取计算包括步骤S201-S203。
S201.选取一组圆形算子，该组圆形算子包括个算子模板；
S202.将该组圆形算子中的每个算子模板Yθ分别和与当前算子模板Yθ尺寸相匹配的纹理基元T(如图6所示)按(1)式做卷积计算，得到每个算子模板的边缘强度值Ψθ；
其中，Ψθ表示由该组圆形算子中方向角度为θ的算子模板Yθ得到的边缘强度值。
具体的，下列给出一个步骤S202的执行过程：
S2021，选择当前组的第一个算子模板；
S2022，选择与当前算子模板尺寸相匹配的第一个纹理基元；
S2023，将当前算子模板与当前纹理基元进行卷积计算，得到当前算子模板的边缘强度值；
S2024，选择当前组的第二个算子模板，并重复步骤S2022-S2024，直至完成基于当前组中所有算子模板对当前纹理基元的卷积计算，得到个算子模板的边缘强度值Ψθ。
S203.按(2)式对该组圆形算子中所有算子模板的边缘强度值Ψθ进行计算，得到纹理基元中心像素点的边缘标识值GP,R；
在步骤S203之后，选择与当前组圆形算子尺寸相匹配的下一个纹理基元，并重复上述步骤，直至得到整个待测图像中各个像素点的边缘标识值GP,R。
以下举例说明步骤S201-S203的具体算法过程。
本例中选取图2所示的1组圆形算子，该组圆形算子包括4个角度算子模板，图中，每个算子模板的角度θ从左向右依次为0°、45°、90°、135°，每个算子模板的近邻点P＝8，半径R＝1。
将图2所示的1组圆形算子中的4个算子模板Y0°、Y45°、Y90°、Y135°分别和与当前算子模板尺寸相匹配的纹理基元T按(3)式做卷积计算，得到这4个算子模板的边缘强度值：
卷积算法为：纹理基元的外环的8个像素点与对应在圆形算子的8个近邻点分别相乘再求和。
该组中方向角度为0°的算子模板Y0°与纹理基元T做卷积计算过程如下：
Ψ0°＝|1×*+1×112+1×*+0×90+0×128+(-1)×*+(-1)×68+(-1)×*|。
同理，得出：
方向角度为45°的算子模板Y45°的边缘强度值Ψ45°；
方向角度为90°的算子模板Y90°的边缘强度值Ψ90°；
方向角度为135°的算子模板Y135°的边缘强度值Ψ135°；
对上述4个算子模板的边缘强度值Ψ0°、Ψ45°、Ψ90°、Ψ135°做平方和计算，再对平方和的计算结果做平方根计算，得到纹理基元中心像素点的边缘标识值GP,R：
图7基于多组圆形算子进行图像边缘提取计算的步骤流程图。
图8是纹理基元T1、T2、T3的示意图。
如图8所示，纹理基元T1、T2、T3以待测图像中同一个像素点为中心点，且纹理基元T1的尺寸＜纹理基元T2的尺寸＝纹理基元T3的尺寸。
基于多组圆形算子进行图像边缘提取计算包括步骤S211-S214。
S211.选取n组圆形算子；其中所述n组圆形算子共包括m个角度；n属于自然数，且n≥2；m属于自然数，m的取值范围是：
S212.将n组圆形算子中的每个算子模板Yi,θ分别和与当前算子模板Yi,θ尺寸相匹配的纹理基元Ti按(3)式做卷积计算，得到每个算子模板Yi,θ的边缘强度值Ψi,θ；
其中，Yi,θ表示第i组圆形算子中方向角度为θ的算子模板；
Ti表示与第i组圆形算子中的算子模板的尺寸相匹配的纹理基元；
Ψi,θ表示由第i组圆形算子中方向角度为θ的算子模板Yi,θ得到的边缘强度值；
i属于自然数，且0＜i≤n；
S213.根据预设权值a1、…、ai、…、an，在基于同一中心像素点的纹理基元所得到的所有边缘强度值Ψi,θ中，将具有相同方向角度的边缘强度值Ψi,θ，按式(4)做加权融合计算，得到边缘强度值Ψθ；
Ψθ＝a1Ψ1θ+...+aiΨiθ+…+anΨnθ (4)
其中，Ψθ表示由方向角度为θ的算子模板得到的边缘强度值；a1+...+ai+…+an＝1；
需要说明的是，当Ψi,θ不存在时，Ψi,θ取值为0，Ψi,θ对应权重系数an也取0。另外，a1、…、ai、…、an的取值越恰当，待测图像的边缘提取结果效果越好。为了使得技术人员能够更好的理解a1、…、ai、…、an如何设定为恰当，在下文的具体实例中，会详细给出a1、…、ai、…、an的设定范例。
S214.按(5)式将m个角度的所述边缘强度值Ψθ进行计算，得到纹理基元中心像素点的边缘标识值GP,R；
以下举例说明步骤S211-S214的具体算法过程。
本例中选取图3所示的3组算子模板。其中，
第1组圆形算子，包括4个方向角度的算子模板，每个算子模板的近邻点P＝8，半径R＝1。图3中从左向右依次为Y1,0°、Y1,45°、Y1,90°、Y1,135°。
第2组圆形算子，包括4个方向角度的算子模板，每个算子模板的近邻点P＝8，半径R＝2。图3中从左向右依次为Y2,0°、Y2,45°、Y2,90°、Y2,135°。
第3组圆形算子，包括6个方向角度的算子模板，每个算子模板的近邻点P＝12，半径R＝2。图3中从左向右依次为Y3,0°、Y3,30°、Y3,60°、Y3,90°、Y3,120°、Y3,150°。
综上，这3组圆形算子共包括14个算子模板(4+4+6)，8个角度(0°，30°，45°，60°，90°，120°，135°，150°)。
将第1组圆形算子中的4个算子模板分别与该组算子模板Y1,0°、Y1,45°、Y1,90°、Y1,135°尺寸匹配的纹理基元T1(如图8所示)做卷积计算，得到第1组4个算子模板的边缘强度值：
具体的，第1组中方向角度为0°的算子模板Y1,0°与纹理基元T1做卷积计算过程如下：
Ψ1,0°＝|1×*+1×112+1×*+0×90+0×128+(-1)×*+(-1)×68+(-1)×*|。
同理，得出：
第1组中方向角度为45°的算子模板Y1,45°的边缘强度值Ψ1,45°；
第1组中方向角度为90°的算子模板Y1,90°的边缘强度值Ψ1,90°；
第1组中方向角度为135°的算子模板Y1,135°的边缘强度值Ψ1,135°；
将第2组圆形算子中的4个算子模板分别与该组算子模板Y2,0°、Y2,45°、Y2,90°、Y2,135°尺寸匹配的纹理基元T2(如图8所示)做卷积计算，得到第2组4个算子模板的边缘强度值：
第2组中方向角度为0°的算子模板Y2,0°的边缘强度值Ψ2,0°；
第2组中方向角度为45°的算子模板Y1,45°的边缘强度值Ψ2,45°；
第2组中方向角度为90°的算子模板Y1,90°的边缘强度值Ψ2,90°；
第2组中方向角度为135°的算子模板Y1,135°的边缘强度值Ψ2,135°；
将第3组圆形算子中的6个算子模板分别与该组算子模板Y3,0°、Y3,30°、Y3,60°、Y3,90°、Y3,120°、Y3,150°尺寸匹配的纹理基元T3(如图8所示)做卷积计算，得到第3组6个算子模板的边缘强度值：
第3组中方向角度为0°的算子模板Y3,0°的边缘强度值Ψ3,0°；
第3组中方向角度为30°的算子模板Y3,30°的边缘强度值Ψ3,30°；
第3组中方向角度为60°的算子模板Y3,60°的边缘强度值Ψ3,60°；
第3组中方向角度为90°的算子模板Y3,90°的边缘强度值Ψ3,90°；
第3组中方向角度为120°的算子模板Y3,120°的边缘强度值Ψ3,120°；
第3组中方向角度为150°的算子模板Y3,150°的边缘强度值Ψ3,150°；
需要说明的是，此例中，纹理基元T2和T3的尺寸相同，两者的区别是，纹理基元T2与第2组圆形算子进行卷积计算时，第2组圆形算子的各个模板中近邻点都能覆盖在纹理基元T2的像素点的栅格内。而纹理基元T3与第3组圆形算子进行卷积计算时，第3组圆形算子的各个模板中的一些近邻点未能精确覆盖在纹理基元T3的像素点的栅格内，因此，需要通过线性插值方法来计算第3组圆形算子的各个模板中的近邻点对应的纹理基元T3上的点的像素值。
设第1组的权值为a1，第2组的权值为a2，第3组的权值为a3，且a1+a2+a3＝1。
将基于同一中心像素点的纹理基元所有方向角度相同的算子模板的边缘强度值做加权融合计算，得到8个方向角度的边缘强度值:
Ψ0°＝a1Ψ1,0°+a2Ψ2,0°+a3Ψ3,0°；
Ψ30°＝a10+a20+a3Ψ3,30°；
Ψ45°＝a1Ψ1,45°+a2Ψ2,45°+a30；
Ψ60°＝a10+a20+a3Ψ3,60°；
Ψ90°＝a1Ψ1,90°+a2Ψ2,90°+a3Ψ3,90°；
Ψ120°＝a10+a20+a3Ψ3,120°；
Ψ135°＝a1Ψ1,135°+a2Ψ2,135°+a30；
Ψ150°＝a10+a20+a3Ψ3,150°；
对上述8个边缘强度值Ψ0°、Ψ30°、Ψ45°、Ψ60°、Ψ90°、Ψ120°、Ψ135°、Ψ150°做平方和计算，再对平方和的计算结果做平方根计算，得到纹理基元中心像素点的边缘标识值GP,R：
待测图像的边缘大多出现在水平和垂直的方向上，在设置预设权值时，将0°和90°的权重设置大一些，其次45°和135°的权重设置适中，其余方向角度出现的比较少，因此权重小一点。
在上述的例子中，0°，30°，45°，60°，90°，120°，135°，150°这8个度数的权重系数依次选为0.25、0.05、0.15、0.05、0.25、0.05、0.15、0.05。
图9是发明基于圆形算子的图像边缘提取装置的模块关系示意图.
如图9所示，基于圆形算子的图像边缘提取装置，包括：
算子存储模块，用于存储圆形算子；其中，每组圆形算子包括多个尺寸相同的算子模板，每个算子模板的方向角度不同；每个算子模板包括多个近邻点；每个算子模板的近邻点的个数决定了该组圆形算子所包括的算子模板的个数；
待测图像获取模块，用于获取待测图像，所述待测图像包括多个纹理基元；
图像边缘提取计算模块，基于一组或多组圆形算子，从多个方向角度，对待测图像中与当前圆形算子组中的算子模板尺寸相匹配的纹理基元，进行图像边缘提取计算，得到纹理基元的中心像素点的边缘标识值；
二值化处理模块，用于对待测图像中各个中心像素点的边缘标识值进行二值化处理，得到待测图像的边缘提取结果。
当基于一组圆形算子对当前纹理基元进行卷积计算和平方计算时，所述图像边缘提取计算模块包括：
单组算子选取单元，用于从算子存储模块中选取一组圆形算子；
单组卷积计算单元，用于将该组圆形算子中的每个算子模板Yθ分别和与当前算子模板Yθ尺寸相匹配的纹理基元T按(1)式做卷积计算，得到每个算子模板的边缘强度值Ψθ；
其中，Ψθ表示由该组圆形算子中方向角度为θ的算子模板Yθ得到的边缘强度值；
单组平方计算单元，用于对该组圆形算子中的个算子模板的边缘强度值Ψθ做平方和计算，再对平方和的计算结果做平方根计算，得到纹理基元中心像素点的边缘标识值GP,R为：
当基于多组圆形算子对当前纹理基元进行卷积计算和平方计算时，所述图像边缘提取计算模块包括：
多组算子选取单元，用于选取n组圆形算子,其中，所述n组圆形算子共包括m个角度；n属于自然数，且n≥2；m属于自然数，m的取值范围是：
多组卷积计算单元，用于将n组圆形算子中的每个算子模板Yi,θ分别和与当前算子模板Yi,θ尺寸相匹配的纹理基元Ti按(3)式做卷积计算，得到每个算子模板Yi,θ的边缘强度值Ψi,θ；
其中，Yi,θ表示第i组圆形算子中方向角度为θ的算子模板；
Ti表示与第i组圆形算子中的算子模板的尺寸相匹配的纹理基元；
Ψi,θ表示由第i组圆形算子中方向角度为θ的算子模板Yi,θ得到的边缘强度值；
i属于自然数，且0＜i≤n；
加权计算单元，用于根据预设权值a1、…、ai、…、an，在基于同一中心像素点的纹理基元所得到的所有边缘强度值Ψi,θ中，将具有相同方向角度的边缘强度值Ψi,θ，按式(4)做加权融合计算，得到边缘强度值Ψθ；
Ψθ＝a1Ψ1θ+...+aiΨiθ+…+anΨnθ (4)
其中，Ψθ表示由方向角度为θ的算子模板得到的边缘强度值，a1+...+ai+…+an＝1；
多组平方计算单元，用于按(5)式将m个角度的所述边缘强度值Ψθ进行计算，得到纹理基元中心像素点的边缘标识值GP,R；
所述的装置，还包括：颜色转化模块，用于当判断待测图像不是灰度图像时，将待测图像转化为灰度图像。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (15)

1.一种基于圆形算子的图像边缘提取方法，其特征在于，包括以下步骤：
S1.获取待测图像，所述待测图像包括多个纹理基元；
S2.基于一组或多组圆形算子，从多个方向角度，对待测图像中与当前圆形算子组中的算子模板尺寸相匹配的纹理基元，进行图像边缘提取计算，得到纹理基元的中心像素点的边缘标识值；
其中，每组圆形算子包括多个尺寸相同的算子模板，每个算子模板的方向角度不同；每个算子模板包括多个近邻点；每个算子模板的近邻点的个数决定了该组圆形算子所包括的算子模板的个数；
S3.对待测图像中各个中心像素点的边缘标识值进行二值化处理，得到待测图像的边缘提取结果；
其中，步骤S2还包括以下步骤：
S201.选取一组圆形算子；
S202.将该组圆形算子中的每个算子模板Yθ分别和与当前算子模板Yθ尺寸相匹配的纹理基元T按(1)式做卷积计算，得到每个算子模板的边缘强度值Ψθ；
其中，Ψθ表示由该组圆形算子中方向角度为θ的算子模板Yθ得到的边缘强度值；
S203.按(2)式对该组圆形算子中所有算子模板的边缘强度值Ψθ进行计算，得到纹理基元中心像素点的边缘标识值GP,R；
2.根据权利要求1所述的方法，其中，每个算子模板的近邻点的个数决定了该组圆形算子所包括的算子模板的个数包括：
若一个算子模板的近邻点的个数为P，则通过将该算子模板以圆心为旋转中心，以固定角度进行多次旋转，得到同组内另外的个算子模板；其中，P的取值范围为大于2的偶数。
3.根据权利要求2所述的方法，其中，
每个算子模板的P个近邻点均匀分布在半径为R的圆上；
同组圆形算子中的算子模板的近邻点的个数P和半径R均相等；
所述半径为R的圆与过该圆心的直线相交的两个近邻点赋值为0，位于所述直线两侧的近邻点，一侧赋值为1，另一侧赋值为-1；
其中，R的取值范围为正实数。
4.根据权利要求2或3所述的方法，其中，所述基于一组圆形算子，从多个方向角度，对待测图像中与当前圆形算子组中的算子模板尺寸相匹配的纹理基元进行图像边缘提取计算的步骤，包括以下步骤：
S211.选取n组圆形算子；其中所述n组圆形算子共包括m个角度；n属于自然数，且n≥2；m属于自然数，m的取值范围是：
S212.将n组圆形算子中的每个算子模板Yi,θ分别和与当前算子模板Yi,θ尺寸相匹配的纹理基元Ti按(3)式做卷积计算，得到每个算子模板Yi,θ的边缘强度值Ψi,θ；
其中，Yi,θ表示第i组圆形算子中方向角度为θ的算子模板；
Ti表示与第i组圆形算子中的算子模板的尺寸相匹配的纹理基元；
Ψi,θ表示由第i组圆形算子中方向角度为θ的算子模板Yi,θ得到的边缘强度值；
i属于自然数，且0＜i≤n；
S213.根据预设权值a1、…、ai、…、an，在基于同一中心像素点的纹理基元所得到的所有边缘强度值Ψi,θ中，将具有相同方向角度的边缘强度值Ψi,θ，按式(4)做加权融合计算，得到边缘强度值Ψθ；
Ψθ＝a1Ψ1θ+...+aiΨiθ+...+anΨnθ (4)
其中，Ψθ表示由方向角度为θ的算子模板得到的边缘强度值；a1+...+ai+...+an＝1；
S214.按(5)式将m个角度的所述边缘强度值Ψθ进行计算，得到纹理基元中心像素点的边缘标识值GP,R；
5.根据权利要求1-3任一项所述的方法，其中，在步骤S1之前还包括：
判断待测图像是否为灰度图像；
如果否，则将待测图像转化为灰度图像。
6.根据权利要求4所述的方法，其中，在步骤S1之前还包括：
判断待测图像是否为灰度图像；
如果否，则将待测图像转化为灰度图像。
7.根据权利要求4所述的方法，在一个算子模板和与所述算子模板尺寸相匹配的纹理基元做卷积计算时，如果当前算子模板的近邻点未覆盖在当前纹理基元的栅格上，则通过线性插值方法进行计算，得到与所述近邻点相对应的栅格的像素值。
8.一种基于圆形算子的图像边缘提取装置，其特征在于，包括：
算子存储模块，用于存储圆形算子；其中，每组圆形算子包括多个尺寸相同的算子模板，每个算子模板的方向角度不同；每个算子模板包括多个近邻点；每个算子模板的近邻点的个数决定了该组圆形算子所包括的算子模板的个数；
待测图像获取模块，用于获取待测图像，所述待测图像包括多个纹理基元；
图像边缘提取计算模块，基于一组或多组圆形算子，从多个方向角度，对待测图像中与当前圆形算子组中的算子模板尺寸相匹配的纹理基元，进行图像边缘提取计算，得到纹理基元的中心像素点的边缘标识值；
所述图像边缘提取计算模块包括：算子选取单元、卷积计算单元和平方计算单元，所述算子选取单元用于从算子存储模块中选取一组或多组圆形算子，所述卷积计算单元用于将所述一组或多组圆形算子中的每个算子模板Yi,θ分别和与当前算子模板Yi,θ尺寸相匹配的纹理基元Ti做卷积计算，得到每个算子模板Yi,θ的边缘强度值Ψi,θ；所述平方计算单元用于将所述一组或多组圆形算子中算子模板的边缘强度值Ψθ做平方和计算，再对平方和的计算结果做平方根计算，得到纹理基元中心像素点的边缘标识值GP,R；
二值化处理模块，用于对待测图像中各个中心像素点的边缘标识值进行二值化处理，得到待测图像的边缘提取结果。
9.根据权利要求8所述的装置，其中，
若一个算子模板的近邻点的个数为P，则通过将该算子模板以圆心为旋转中心，以固定角度进行多次旋转，得到同组内另外的个算子模板；其中，P的取值范围为大于2的偶数。
10.根据权利要求9所述的装置，其中，
每个算子模板的P个近邻点均匀分布在半径为R的圆上；
同组圆形算子中的算子模板的近邻点的个数P和半径R均相等；
所述半径为R的圆与过该圆心的直线相交的两个近邻点赋值为0，位于所述直线两侧的近邻点，一侧赋值为1，另一侧赋值为-1；
其中，R的取值范围为正实数。
11.根据权利要求8或9所述的装置，其中，所述图像边缘提取计算模块包括：
单组算子选取单元，用于从算子存储模块中选取一组圆形算子；
单组卷积计算单元，用于将该组圆形算子中的每个算子模板Yθ分别和与当前算子模板Yθ尺寸相匹配的纹理基元T按(1)式做卷积计算，得到每个算子模板的边缘强度值Ψθ；
其中，Ψθ表示由该组圆形算子中方向角度为θ的算子模板Yθ得到的边缘强度值；
单组平方计算单元，用于对该组圆形算子中的个算子模板的边缘强度值Ψθ做平方和计算，再对平方和的计算结果做平方根计算，得到纹理基元中心像素点的边缘标识值GP,R为：
12.根据权利要求8或9所述的装置，其中，所述图像边缘提取计算模块包括：
多组算子选取单元，用于选取n组圆形算子,其中，所述n组圆形算子共包括m个角度；n属于自然数，且n≥2；m属于自然数，m的取值范围是：
多组卷积计算单元，用于将n组圆形算子中的每个算子模板Yi,θ分别和与当前算子模板Yi,θ尺寸相匹配的纹理基元Ti按(3)式做卷积计算，得到每个算子模板Yi,θ的边缘强度值Ψi,θ；
其中，Yi,θ表示第i组圆形算子中方向角度为θ的算子模板；
Ti表示与第i组圆形算子中的算子模板的尺寸相匹配的纹理基元；
Ψi,θ表示由第i组圆形算子中方向角度为θ的算子模板Yi,θ得到的边缘强度值；
i属于自然数，且0＜i≤n；
加权计算单元，用于根据预设权值a1、…、ai、…、an，在基于同一中心像素点的纹理基元所得到的所有边缘强度值Ψi,θ中，将具有相同方向角度的边缘强度值Ψi,θ，按式(4)做加权融合计算，得到边缘强度值Ψθ；
Ψθ＝a1Ψ1θ+...+aiΨiθ+...+anΨnθ (4)
其中，Ψθ表示由方向角度为θ的算子模板得到的边缘强度值，a1+...+ai+...+an＝1；
多组平方计算单元，用于按(5)式将m个角度的所述边缘强度值Ψθ进行计算，得到纹理基元中心像素点的边缘标识值GP,R；
13.根据权利要求8-10任一项所述的装置，还包括：
颜色模式转化模块，用于当判断待测图像不是灰度图像时，将待测图像转化为灰度图像。
14.根据权利要求11所述的装置，还包括：
颜色模式转化模块，用于当判断待测图像不是灰度图像时，将待测图像转化为灰度图像。
15.根据权利要求12所述的装置，还包括：
颜色模式转化模块，用于当判断待测图像不是灰度图像时，将待测图像转化为灰度图像。
CN201610053613.0A 2016-01-26 2016-01-26 一种基于圆形算子的图像边缘提取方法和装置 Expired - Fee Related CN105740868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610053613.0A CN105740868B (zh) 2016-01-26 2016-01-26 一种基于圆形算子的图像边缘提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610053613.0A CN105740868B (zh) 2016-01-26 2016-01-26 一种基于圆形算子的图像边缘提取方法和装置

Publications (2)

Publication Number Publication Date
CN105740868A CN105740868A (zh) 2016-07-06
CN105740868B true CN105740868B (zh) 2019-07-23

Family

ID=56246588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610053613.0A Expired - Fee Related CN105740868B (zh) 2016-01-26 2016-01-26 一种基于圆形算子的图像边缘提取方法和装置

Country Status (1)

Country Link
CN (1) CN105740868B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106053485A (zh) * 2016-08-01 2016-10-26 苏州宙点自动化设备有限公司 基于机器视觉的钢球表面缺陷智能环形循检的新型算法
CN108460899A (zh) * 2017-02-20 2018-08-28 深圳怡化电脑股份有限公司 一种图像特征识别方法和装置
CN107194328B (zh) * 2017-04-28 2020-06-19 聊城大学 一种圆形图像的特征提取方法
CN108509908B (zh) * 2018-03-31 2022-05-17 天津大学 一种基于双目立体视觉的瞳孔直径实时测量方法
CN109159137B (zh) * 2018-11-05 2024-02-27 南京特沃斯清洁设备有限公司 一种可视频评估洗地效果的洗地机器人
CN112183341B (zh) * 2020-09-28 2021-05-11 哈尔滨市科佳通用机电股份有限公司 基于检测算子的滚动轴承甩油故障图像识别方法
CN113742421B (zh) * 2021-08-20 2023-09-12 郑州云智信安安全技术有限公司 基于分布式存储和图像处理的网络身份认证方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999005639A1 (en) * 1997-07-25 1999-02-04 Arch Development Corporation Wavelet snake technique for discrimination of nodules and false positives in digital radiographs
US7133558B1 (en) * 1998-12-16 2006-11-07 Fujitsu Limited Device processing a table image, a memory medium storing a processing program, and a table management processing method
CN101231750A (zh) * 2008-02-21 2008-07-30 南京航空航天大学 一种双目立体测量系统的标定方法
CN101408985A (zh) * 2008-09-22 2009-04-15 北京航空航天大学 一种圆形光斑亚像素中心提取方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999005639A1 (en) * 1997-07-25 1999-02-04 Arch Development Corporation Wavelet snake technique for discrimination of nodules and false positives in digital radiographs
US7133558B1 (en) * 1998-12-16 2006-11-07 Fujitsu Limited Device processing a table image, a memory medium storing a processing program, and a table management processing method
CN101231750A (zh) * 2008-02-21 2008-07-30 南京航空航天大学 一种双目立体测量系统的标定方法
CN101408985A (zh) * 2008-09-22 2009-04-15 北京航空航天大学 一种圆形光斑亚像素中心提取方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于分数阶微分的图像边缘细节检测与提取";陈 青等;《电 子 学 报》;20131031;1873-1880

Also Published As

Publication number Publication date
CN105740868A (zh) 2016-07-06

Similar Documents

Publication Publication Date Title
CN105740868B (zh) 一种基于圆形算子的图像边缘提取方法和装置
CN109800631B (zh) 基于掩膜区域卷积神经网络的荧光编码微球图像检测方法
CN104700099B (zh) 识别交通标志的方法和装置
CN103955922B (zh) 基于Gabor滤波器的印花织物疵点检测方法
CN107726990B (zh) 一种金属板料成形应变测量中点阵网格图像采集与识别方法
CN104240180B (zh) 一种实现图像自动调整的方法及装置
JPWO2012077287A1 (ja) 姿勢状態推定装置および姿勢状態推定方法
CN102687172A (zh) 伪指判定设备
CN105976389A (zh) 一种手机底板连接器缺陷检测方法
CN112164048B (zh) 一种基于深度学习的磁瓦表面缺陷自动检测方法和装置
CN105847987A (zh) 通过电视和体感配件矫正人体动作及系统
CN110333267A (zh) 一种基于rsbss红外无损检测热成像缺陷图像处理方法及系统
CN104574312A (zh) 标靶图像求圆心的方法和装置
CN105678712B (zh) 结合自适应梯度分块和等距变换的改进Criminisi图像修复方法
JP5704909B2 (ja) 注目領域検出方法、注目領域検出装置、及びプログラム
CN111179423B (zh) 基于二维红外图像的三维红外图像生成方法
CN105740869B (zh) 一种基于多尺度多分辨率的方形算子边缘提取方法及系统
CN112924037A (zh) 基于图像配准的红外体温检测系统及检测方法
CN104156956B (zh) 一种基于高斯小波一维峰值识别的多角度边缘检测方法
CN111161227A (zh) 一种基于深度神经网络的靶心定位方法及系统
CN115984687A (zh) 河工动床模型试验水边界测量方法、装置、设备及介质
CN109241807A (zh) 一种远距离二维码定位方法
CN109063774A (zh) 图像追踪效果评价方法、装置、设备及可读存储介质
CN112903093B (zh) 基于深度学习的近场分布光度测量方法及装置
CN114663353A (zh) 神经网络训练方法、焊接接头裂纹检测方法、装置和介质

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190723

Termination date: 20200126