CN105740869A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN105740869A CN105740869A CN201610060356.3A CN201610060356A CN105740869A CN 105740869 A CN105740869 A CN 105740869A CN 201610060356 A CN201610060356 A CN 201610060356A CN 105740869 A CN105740869 A CN 105740869A
- Authority
- CN
- China
- Prior art keywords
- local edge
- square
- edge detection
- detection operator
- value
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
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)
- Image Processing (AREA)
Abstract
本发明属于图像边缘检测技术领域,具体为一种基于多尺度多分辨率的方形算子边缘提取方法和系统,其中方法包括以下步骤:获取待测图像;选取一组或多组方形局部边缘检测算子对待测图像进行卷积运算和/或加权融合计算得到局部边缘强度值;将一组或多组方形局部边缘检测算子的局部边缘强度值,进行平方和计算后再进行平方根运算和/或加权融合计算得到边缘标识值;将所述边缘标识值进行二值化处理,二值化结果作为所述待测图像的像素值输出,得到待测图像的边缘提取后的结果。本发明一种基于多尺度多分辨率的方形算子边缘提取方法和系统适用于任意大小的待测图像,边缘标识值在多尺度多分辨率情况下进行加权融合,得到更加精确和丰富的边缘信息。
Description
技术领域
本发明涉及图像边缘检测技术领域,尤其涉及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。
背景技术
边缘提取是图像处理问题中的经典技术之一,在图像分类、图像分割、图像检索、图像合成等应用领域中起到了重要的作用,已成为活跃的研究热点之一,因此人们一直在致力于研究和解决如何构造出具有良好性质及检测效果的边缘检测算子的问题。图像的边缘是图像区域属性(像素灰度)发生明显变化的地方,也是图像信息最集中的位置,广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。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。
利用图像边缘点的相邻像素灰度分布的梯度可以反映其附近灰度的变化情况,因此,基于这一大特点,提出了许多梯度边缘检测算子,其中较为著名的有Robert算子,canny算子,Prewitt算子,Sobel算子等,边缘检测算子模板分别如图4(a)至(d)所示。以上提到的边缘检测算子的显著特点是,一般包括0°、90°两个方向或0°、90°、45°和135°四个方向。这些方形检测算子的局限在于方向种类过少,容易忽略很多其他方向的边缘信息,没有尺度上的变化,只能提取局部2×2或者3×3纹理基元大小的边缘信息,无法提取大尺度的边缘结构。
发明内容
本发明的目的是提供一种基于多尺度多分辨率的方形算子边缘提取方法和系统,利用方形局部边缘检测算子对待测图像进行卷积运算得到边缘标识值GP,K,将边缘标识值GP,K二值化处理的结果作为待测图像的像素值,最终获得边缘提取后的图像。
根据本发明的一个方面,一种基于多尺度多分辨率的方形算子边缘提取方法,包括如下步骤:
S101,获取待测图像;
S102,选取一组或多组方形局部边缘检测算子对待测图像进行卷积运算和/或加权融合计算得到局部边缘强度值;其中,一组包括P/2个方形局部边缘检测算子,且一组内的方形局部边缘检测算子代表的方向角度不同;
S103,将由一组或多组方形局部边缘检测算子得到的局部边缘强度值,进行平方和计算后再进行平方根运算和/或加权融合计算得到边缘标识值;
S104,将所述边缘标识值二值化处理,二值化结果作为所述待测图像的像素值输出,得到待测图像的边缘提取后的结果。优选的,步骤S101包括:对图像进行灰度化处理得到待测图像。
优选的,步骤S102包括:
根据方形局部边缘检测算子的尺度,选取尺寸大小相匹配的待测图像的图像纹理基元;
所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算和/或加权融合计算得到局部边缘强度值。
优选的,所述方形局部边缘检测算子为:
形成n×n个像素点方形矩阵,其中矩阵内过中心的水平方向的近邻点与矩阵中心的像素点距离为K个像素点,矩阵边缘等距分布P个近邻点,选取其中一对呈中心对称的近邻点赋值为0,以所述一对呈中心对称的近邻点所在直线为界,一侧近邻点均赋值为-1,另一侧近邻点均赋值为1;其中,n为大于1的奇数,K为正整数,P≤4(n-1),且P能被4整除。
优选的,所述一组方形局部边缘检测算子K相同且P相同,多组之间的方形局部边缘检测算子K不相同和/或P不相同。
优选的,所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算和/或加权融合计算得到局部边缘强度值包括:
当一组方形局部边缘检测算子与所述图像纹理基元进行运算时,所述一组方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到局部边缘强度值;
当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P相同时,所述多组内方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到卷积结果,将由多组中所有的代表相同方向角度的局部边缘检测算子得到的卷积结果分别加权融合得到局部边缘强度值;
当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P不同时,每组内方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到局部边缘强度值。
优选的,步骤S103包括:
当仅存在一组方形局部边缘检测算子时,将一组内局部边缘强度值进行平方和计算后再进行平方根运算得到边缘标识值;
当多组方形局部边缘检测算子K不同、P相同时,将加权融合得到的所有方向角度的局部边缘强度值进行平方和计算后再进行平方根运算得到边缘标识值;
当多组方形局部边缘检测算子K不同、P不同时,将每组算子得到的所有的局部边缘强度值进行平方和计算后再进行平方根运算得到第一边缘标识值,再将多组的第一边缘标识值加权融合得到边缘标识值。
优选的,所述边缘标识值二值化处理包括:设定边缘标识值的阈值,根据阈值对边缘标识值进行二值化处理。
根据本发明的另一个方面,一种基于多尺度多分辨率的方形算子边缘提取系统,包括:
算子存储模块,用于存储一组或多组方形局部边缘检测算子;其中,一组包括P/2个方形局部边缘检测算子,且一组内方形局部边缘检测算子代表的方向角度不同;
图像获取模块,对图像进行灰度化处理得到待测图像;
局部边缘强度值获取模块,选取一组或多组方形局部边缘检测算子对待测图像进行卷积运算和/或加权融合计算得到局部边缘强度值;
边缘标识值获取模块,将由一组或多组方形局部边缘检测算子得到的局部边缘强度值进行平方和计算后再进行平方根运算和/或加权融合计算得到边缘标识值;
二值化处理模块,将所述边缘标识值进行二值化处理,二值化结果作为所述待测图像的像素值输出,得到待测图像的边缘提取后的结果。
优选的,所述局部边缘强度值获取模块包括:
卷积运算模块,根据方形局部边缘检测算子的尺度,选取尺寸大小相匹配的待测图像的图像纹理基元,所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算得到局部边缘强度值;
多尺度加权融合模块:当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P相同时,将卷积运算模块的结果按照方形局部边缘检测算子的方向角度加权融合得到局部边缘强度值。优选的,所述边缘标识值获取模块包括:
平方和运算模块,将所述局部边缘强度值进行平方和运算;
平方根运算模块,将平方和运算模块的运算结果进行平方根运算得到边缘标识值。
多尺度多分辨率加权融合模块:当多组方形局部边缘检测算子K不同、P不同时,将多组内的平方根运算模块得到的结果加权融合得到边缘标识值。优选的,所述方形局部边缘检测算子为:
形成n×n个像素点方形矩阵,其中矩阵内过中心的水平方向的近邻点与矩阵中心的像素点距离为K个像素点,矩阵边缘等距分布P个近邻点,选取其中一对呈中心对称的近邻点赋值为0,以所述一对呈中心对称的近邻点所在直线为界,一侧近邻点均赋值为-1,另一侧近邻点均赋值为1;其中,n为大于1的奇数,K为正整数,P≤4(n-1),且P能被4整除。
优选的,所述一组方形局部边缘检测算子K相同且P相同,多组之间的方形局部边缘检测算子K不相同和/或P不相同。
优选的,所述边缘标识值二值化处理包括:
设定边缘标识值的阈值,根据阈值对边缘标识值进行二值化处理。
本发明方形局部边缘检测算子对待测图像进行处理,不仅适用于任意大小的待测图像,还可通过多组方形局部边缘检测算子。在多尺度(即K不同)、相同分辨率(即P相同)的情况下,对边缘强度值进行加权融合计算,再计算边缘标识值,得到方向角度被加强的边缘信息。在多尺度(即K不同)、多分辨率(即P不同)的情况下,对边缘标识值进行加权融合计算,获得边缘位置特征被加强的图像。通过本发明所述的方法和系统,能够对待测图像计算得到更加精确和丰富的边缘信息。
附图说明
图1是现有技术中方形边缘检测算子的示意图;
图2是根据本发明第一实施方式的方法流程图;
图3是本发明实施例根据方形局部边缘检测算子对待测图像进行卷积运算得到局部边缘强度值的方法流程图;
图4是根据本发明第三实施方式的系统结构图;
图5是根据本发明实施例水平方向的多尺度方形局部边缘检测算子的示意图(P=8,K=1和2);
图6是根据本发明实施例水平方向的多分辨率方形局部边缘检测算子的示意图(P=8和16,K=2);
图7(a)是根据本发明实施例一组3×3方形局部边缘检测算子的示意图(P=8、K=1);
图7(b)是根据本发明实施例一组5×5方形局部边缘检测算子的示意图(P=16、K=2);
图8是根据本发明实施例一个5×5方形局部边缘检测算子与图像纹理基元作卷积计算的示意图。
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是现有技术中方形边缘检测算子的示意图。
如图1(a)~图1(d)所示,在现有技术中,Roberts算子尺度是2×2,只能区分45°边缘和135°边缘;Prewitt算子尺度是3×3,只能区分0°边缘和90°边缘;Canny算子尺度是2×2,只能区分90°边缘和0°边缘;Sobel算子尺度是3×3,只能区分0°边缘和90°边缘。现有技术中的方形边缘检测算子方向种类过少,很容易漏掉其它方向的边缘信息,并且每种算子不能在尺度上做变化,只能对应提取局部2×2或者3×3的图像纹理基元的边缘信息,无法提取大尺度的边缘结构。其中,图像纹理基元为按照方形边缘检测算子的尺度大小从待测图像中任意位置获取的相同尺寸像素点块。
图2是根据本发明第一实施方式的方法流程图。
如图2所示,本发明一种图像边缘检测方法,包括步骤:
S101,获取待测图像;
S102,选取一组或多组方形局部边缘检测算子对待测图像进行卷积运算和/或加权融合计算得到局部边缘强度值;其中,一组包括P/2个方形局部边缘检测算子,且一组内的方形局部边缘检测算子代表的方向角度不同;
S103,将由一组或多组方形局部边缘检测算子得到的局部边缘强度值,进行平方和计算后再进行平方根运算和/或加权融合计算得到边缘标识值;
S104,将所述边缘标识值进行二值化处理,二值化结果作为所述待测图像的像素值输出,得到待测图像的边缘提取后的结果。
在步骤S101中,待测图像为灰度图像,若获取的图像不是灰度图像,还包括将图像转为灰度图像的步骤,以便于提取待测图像像素点的灰度值。
步骤S102包括如下步骤(如图3所示):
S201,根据方形局部边缘检测算子的尺度,选取尺寸大小相匹配的待测图像的图像纹理基元;
S202,所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算和/或加权融合计算得到局部边缘强度值。
其中,方形局部边缘检测算子为(参见图5和图6):
形成n×n个像素点方形矩阵,其中矩阵内过中心的水平方向的近邻点与矩阵中心的像素点距离为K个像素点,矩阵边缘等距分布P个近邻点,选取其中一对呈中心对称的近邻点赋值为0,以所述一对呈中心对称的近邻点所在直线为界,一侧近邻点均赋值为-1,另一侧近邻点均赋值为1;其中,n为大于1的奇数,K为正整数,P≤4(n-1),且P能被4整除。
在本发明的一个实施例中,方形局部边缘检测算子包括在水平近邻点或垂直近邻点方向上距离中心点K个像素点距离,在边缘均匀分布至多4(n-1)个像素点,n为大于1的奇数,K为正整数,例如1,2等等。选取其中P个均匀分布的像素点作为近邻点(P≤4(n-1),且P能被4整除),其中,与过中心点的水平方向直线(具体如图5、6所示的虚线)交叉的两个近邻点赋值为0,位于所述方向直线两侧的其他近邻点,一侧赋值为-1,另一侧赋值为1。图5中为两个尺度不同的方形局部边缘检测算子,其中K决定了方形局部边缘检测算子尺度的大小,在图中,P均为8,K为1时尺度为3×3,K为2时尺度为5×5。图6中为两个分辨率不同的方形局部边缘检测算子,其中P决定了方形局部边缘检测算子分辨率的大小,在图中,K均为2,P为8时分辨率小,P为16时分辨率大。
结合图7(a)和图7(b)所示,通过该n×n方形局部边缘检测算子以水平方向直线为轴线,中心点为旋转中心,不断地以固定角度旋转近邻点可以衍生出其它个n×n方形局部边缘检测算子,从而得到一组n×n方形局部边缘检测算子,实质上赋值为0的两个近邻点所在直线与水平方向直线的夹角就是对应方形局部边缘检测算子所代表的方向角度。因此所述一组方形局部边缘检测算子包括个不同方向角度的方形局部边缘检测算子,具体实例如图7(a)所示,P为8,则一组方形局部边缘检测算子包括4个不同方向角度,如图7(b)所述,P为16,则一组方形局部边缘检测算子包括8个不同方向角度。需要说明的是,一组方形局部边缘检测算子中K相同,P相同。
距离K和近邻点个数P的取值可以任意选取,因此方形局部边缘检测算子具有多尺度和多分辨率(方向数)的性质。不同尺度方形局部边缘检测算子是指近邻点个数P相同,距离K不同,例如近邻点个数P均是8,距离K分别是1和2,具体实例如图5所示。不同分辨率(方向数)方形局部边缘检测算子是指距离K相同,近邻点个数P不同,例如K均是2,近邻点个数P分别是8和16,具体实例如图6所示。P的取值决定了一组方形局部边缘检测算子的算子个数,实质上P个近邻点包含了P/2个方向角度,多方向角度就是所述的多分辨率。
在步骤S201中,根据方形局部边缘检测算子的尺度,选取尺寸大小相匹配的待测图像的图像纹理基元。图像纹理基元按照单个像素点在待测图像区域内移动,每移动一次形成一个图像纹理基元。一组或多组方形局部边缘检测算子所选取的图像纹理基元的中心像素点均相同,其中,中心像素点为图像纹理基元最中心的像素点。
在步骤S202中,所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算得到局部边缘强度值包括:
步骤a,当一组方形局部边缘检测算子与所述图像纹理基元进行运算时,所述一组方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到局部边缘强度值;
步骤b,当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P相同时,所述多组内方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到卷积结果,将由多组中所有的代表相同方向角度的局部边缘检测算子得到的卷积结果分别加权融合得到局部边缘强度值;
步骤c,当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P不同时,每组内方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到局部边缘强度值。
其中,步骤a具体为(如图8所示),一组方形局部边缘检测算子包括个不同方向角度的方形局部边缘检测算子,第i个方向角度的方形局部边缘检测算子Hi(第i个方向)与图像纹理基元T按式(1)做卷积计算所得结果为:
其中,Hi表示一组n×n方形局部边缘检测算子中第i个方向角度n×n方形局部边缘检测算子,T表示图像中与方形局部边缘检测算子尺寸相同的纹理基元,符号表示卷积,符号“||”表示取绝对值。
如图8所示,P=16、K=2的5×5的局部边缘检测算子H1,在0°方向的局部边缘强度值
其中,步骤b具体为:m(m≥2且m∈N)组方形局部边缘检测算子,K不同、P相同时,每组的所有方形局部边缘检测算子与图像纹理基元按式(1)分别做卷积计算,例如,第k(0<k≤m且k∈N)组第i(0<i≤P/2且i∈N)个方向角度的方形局部边缘检测算子Hi,k与图像纹理基元Tk进行卷积得到的局部边缘强度值为:其中每组方向局部边缘检测算子都包含第i个方向角度。需要说明的是,图像纹理基元Tk的中心像素点为同一个位置点。
将由每组代表第i个方向角度的方形局部边缘检测算子得到的所有局部边缘强度值按式(2)进行加权融合得到该图像纹理基元在第i个方向角度的局部边缘强度值:
其中,参数a为加权系数,可以根据需要自行选择,a1+...+ak+...+am=1。
第i个方向角度的局部边缘强度值的大小反映了图像纹理基元对这个方向角度的敏感程度。
其中,步骤c具体为:m(m≥2且m∈N)组方形局部边缘检测算子K不同、P不同时,使用这些组的所有方形局部边缘检测算子与图像纹理基元按(1)式分别做卷积计算,例如,由第k(0<k≤m且k∈N)组第i(0<i≤P/2且i∈N)个方向的方形局部边缘检测算子Hi,k与图像纹理基元Tk进行卷积,得到的第k组的局部边缘强度值:
其中,步骤S103包括:
步骤d,当仅存在一组方形局部边缘检测算子时,将一组内局部边缘强度值进行平方和计算后再进行平方根运算得到边缘标识值;
步骤e,当多组方形局部边缘检测算子K不同、P相同时,将加权融合得到的所有方向角度的局部边缘强度值进行平方和计算后再进行平方根运算得到边缘标识值;
步骤f,当多组方形局部边缘检测算子K不同、P不同时,将每组算子得到的所有局部边缘强度值进行平方和计算后再进行平方根运算得到第一边缘标识值,再将多组的第一边缘标识值加权融合得到边缘标识值。其中,步骤d具体为:仅存在一组方形局部边缘检测算子时,一组内局部边缘强度值按式(3)先做平方和计算,再做平方根运算得到边缘标识值:
其中,i表示n×n方形局部边缘检测算子中第i个方向,例如,呈中心对称的近邻点位于水平方向,即0°方向,则i为1,呈中心对称的近邻点从水平方向顺时针旋转则i为2,依次类推,i的取值范围从1到i为整数。
其中,步骤e具体为:当多组方形局部边缘检测算子K不同、P相同时,将加权融合得到的所有方向角度的局部边缘强度值先做平方和计算,再做平方根运算得到边缘标识值GP,K。其中,步骤f具体为:当m(m≥2且m∈N)组方形局部边缘检测算子K不同、P不同时,由第k(0<k≤m且k∈N)组方形局部边缘检测算子与图像纹理基元进行卷积得到局部边缘强度值再按式(3)求出图像纹理基元的第一边缘标识值:然后将具有相同中心像素点的图像纹理基元的m个边缘标识值GP,K,k按式(4)进行加权融合得到最终的边缘标识值GP,K,其融合方式如下:
GP,K=b1GP,K,1+...+bkGP,K,k+...+bmGP,K,m(4)
其中,参数b为加权系数,可以根据需要自行选择,b1+...+bk+...+bm=1。
在步骤S104中,对边缘标识值进行二值化处理之前,设定边缘标识值的阈值。其中,边缘标识值的阈值设定的越恰当,则二值化处理后提取的边缘图像效果越好。
其中阈值的设定方法通过一个具体实施例说明,例如,以边缘标识值为像素的图像,所有边缘标识值的平均值M,根据实际情况选取系数尺度α(0<α≤1),则计算得到阈值
当边缘标识值大于阈值时,则边缘标识值设为1,所述图像纹理基元的中心像素点的像素值赋值为1;当边缘标识值小于阈值时,则边缘标识值设为0,所述图像纹理基元的中心像素点的像素值赋值为0。
或者,当边缘标识值大于阈值时,则边缘标识值设为0,所述图像纹理基元的中心像素点的像素值赋值为0;当边缘标识值小于阈值时,则边缘标识值设为1,所述图像纹理基元的中心像素点的像素值赋值为1。
图像纹理基元的像素值改变,进而改变整个图像的像素值,通过整个图像可知在像素值为0和像素值为1交界的位置即为图像边缘。
图4是根据本发明第三实施方式的系统结构图。
如图4所示,本发明一种基于多尺度多分辨率的方形算子边缘提取系统,包括:算子存储模块,图像获取模块,局部边缘强度值获取模块,边缘标识值获取模块,二值化处理模块。
算子存储模块,用于存储一组或多组方形局部边缘检测算子;其中,一组包括P/2个方形局部边缘检测算子,且一组内方形局部边缘检测算子代表的方向角度不同。
图像获取模块,对图像进行灰度化处理得到待测图像。
局部边缘强度值获取模块,选取一组或多组方形局部边缘检测算子对待测图像进行卷积运算和/或加权融合计算得到局部边缘强度值。
边缘标识值获取模块,将由一组或多组方形局部边缘检测算子得到的局部边缘强度值进行平方和计算后再进行平方根运算和/或加权融合计算得到边缘标识值。
二值化处理模块,将所述边缘标识值进行二值化处理,二值化结果作为所述待测图像的像素值输出,得到待测图像的边缘提取后的结果。
作为本发明优选的实施方式,所述局部边缘强度值获取模块包括:
卷积运算模块,根据方形局部边缘检测算子的尺度选取待测图像的图像纹理基元,所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算得到局部边缘强度值;其中,卷积运算模块的运算过程可参照上述方法中的边缘强度值运算过程,在此不再追述;
多尺度加权融合模块:当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P相同时,将卷积运算模块的结果按照方形局部边缘检测算子的方向角度加权融合得到局部边缘强度值。其中,多尺度加权融合模块可参照上述方法中,当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P相同时,将多个卷积结果按照方形局部边缘检测算子的方向角度分别加权融合得到局部边缘强度值的运算过程。
作为本发明优选的实施方式,边缘标识值获取模块包括:
平方和运算模块,将所述局部边缘强度值进行平方和运算;
平方根运算模块,将平方和运算模块的运算结果进行平方根运算得到边缘标识值;
多尺度多分辨率加权融合模块:当多组方形局部边缘检测算子K不同、P不同时,将多组内的平方根运算模块得到的结果加权融合得到边缘标识值。其中,多尺度多分辨率加权融合模块可参照上述方法中,当多组方形局部边缘检测算子K不同、P不同时,将多组的第一边缘标识值加权融合得到边缘标识值的运算过程,在此不再追述。
其中,所述方形局部边缘检测算子为(参见图5和图6):
形成n×n个像素点方形矩阵,其中矩阵内过中心的水平方向的近邻点与矩阵中心的像素点距离为K个像素点,矩阵边缘等距分布P个近邻点,选取其中一对呈中心对称的近邻点赋值为0,以所述一对呈中心对称的近邻点所在直线为界,一侧近邻点均赋值为-1,另一侧近邻点均赋值为1;其中,n为大于1的奇数,K为正整数,P≤4(n-1),且P能被4整除。
作为本发明优选的实施方式,所述一组内的方形局部边缘检测算子K相同且P相同,多组之间的方形局部边缘检测算子K不相同和/或P不相同。
作为本发明优选的实施方式,边缘标识值二值化处理包括:设定边缘标识值的阈值,根据阈值对边缘标识值进行二值化处理。边缘标识值二值化处理可参照上述方法中对边缘标识值二值化处理的过程。
综上所述,本发明一种基于多尺度多分辨率的方形算子边缘提取方法和系统,利用本发明方形局部边缘检测算子对待测图像进行处理。在多尺度(即K不同)、相同分辨率(即P相同)的情况下,对边缘强度值进行加权融合计算,再计算边缘标示值,得到方向角度被加强的边缘信息。在多尺度(即K不同)、多分辨率(即P不同)的情况下,对边缘标识值进行加权融合计算,获得边缘位置特征被加强的图像。通过本发明所述的方法和系统,能够对待测图像计算得到更加精确和丰富的边缘信息。
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 (14)
1.一种基于多尺度多分辨率的方形算子边缘提取方法,其特征在于,包括如下步骤:
S101,获取待测图像;
S102,选取一组或多组方形局部边缘检测算子对待测图像进行卷积运算和/或加权融合计算得到局部边缘强度值;其中,一组包括P/2个方形局部边缘检测算子,且一组内的方形局部边缘检测算子代表的方向角度不同;
S103,将由一组或多组方形局部边缘检测算子得到的局部边缘强度值,进行平方和计算后再进行平方根运算和/或加权融合计算得到边缘标识值;
S104,将所述边缘标识值进行二值化处理,二值化结果作为所述待测图像的像素值输出,得到待测图像的边缘提取后的结果。
2.根据权利要求1所述的方法,其中,步骤S101包括:对图像进行灰度化处理得到待测图像。
3.根据权利要求1所述的方法,其中,步骤S102包括:
根据方形局部边缘检测算子的尺度,选取尺寸大小相匹配的待测图像的图像纹理基元;
所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算和/或加权融合计算得到局部边缘强度值。
4.根据权利要求1或3所述的方法,其中,所述方形局部边缘检测算子为:
形成n×n个像素点方形矩阵,其中矩阵内过中心的水平方向的近邻点与矩阵中心的像素点距离为K个像素点,矩阵边缘等距分布P个近邻点,选取其中一对呈中心对称的近邻点赋值为0,以所述一对呈中心对称的近邻点所在直线为界,一侧近邻点均赋值为-1,另一侧近邻点均赋值为1;其中,n为大于1的奇数,K为正整数,P≤4(n-1),且P能被4整除。
5.根据权利要求4所述的方法,其中,所述一组方形局部边缘检测算子K相同且P相同,多组之间的方形局部边缘检测算子K不相同和/或P不相同。
6.根据权利要求4所述的方法,其中,所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算和/或加权融合计算得到局部边缘强度值包括:
当一组方形局部边缘检测算子与所述图像纹理基元进行运算时,所述一组方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到局部边缘强度值;
当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P相同时,所述多组内方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到卷积结果,将由多组中所有的代表相同方向角度的局部边缘检测算子得到的卷积结果分别加权融合得到局部边缘强度值;
当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P不同时,每组内方形局部边缘检测算子与所述图像纹理基元分别进行卷积得到局部边缘强度值。
7.根据权利要求4所述的方法,其中,步骤S103包括:
当仅存在一组方形局部边缘检测算子时,将一组内局部边缘强度值进行平方和计算后再进行平方根运算得到边缘标识值;
当多组方形局部边缘检测算子K不同、P相同时,将加权融合得到的所有方向角度的局部边缘强度值进行平方和计算后再进行平方根运算得到边缘标识值;
当多组方形局部边缘检测算子K不同、P不同时,将每组算子得到的所有局部边缘强度值进行平方和计算后再进行平方根运算得到第一边缘标识值,再将多组的第一边缘标识值加权融合得到边缘标识值。
8.根据权利要求1所述的方法,其中,所述边缘标识值二值化处理包括:
设定边缘标识值的阈值,根据阈值对边缘标识值进行二值化处理。
9.一种基于多尺度多分辨率的方形算子边缘提取系统,其特征在于,包括:
算子存储模块,用于存储一组或多组方形局部边缘检测算子;其中,一组包括P/2个方形局部边缘检测算子,且一组内方形局部边缘检测算子代表的方向角度不同;
图像获取模块,对图像进行灰度化处理得到待测图像;
局部边缘强度值获取模块,选取一组或多组方形局部边缘检测算子对待测图像进行卷积运算和/或加权融合计算得到局部边缘强度值;
边缘标识值获取模块,将由一组或多组方形局部边缘检测算子得到的局部边缘强度值进行平方和计算后再进行平方根运算和/或加权融合计算得到边缘标识值;
二值化处理模块,将所述边缘标识值进行二值化处理,二值化结果作为所述待测图像的像素值输出,得到待测图像的边缘提取后的结果。
10.根据权利要求9所述的系统,所述局部边缘强度值获取模块包括:
卷积运算模块,根据方形局部边缘检测算子的尺度,选取尺寸大小相匹配的待测图像的图像纹理基元,所述方形局部边缘检测算子与所述图像纹理基元进行卷积运算得到局部边缘强度值;
多尺度加权融合模块:当多组方形局部边缘检测算子与所述图像纹理基元进行运算且K不同、P相同时,将卷积运算模块的结果按照方形局部边缘检测算子的方向角度加权融合得到局部边缘强度值。
11.根据权利要求9所述的系统,其中,所述边缘标识值获取模块包括:
平方和运算模块,将所述局部边缘强度值进行平方和运算;
平方根运算模块,将平方和运算模块的运算结果进行平方根运算得到边缘标识值;
多尺度多分辨率加权融合模块:当多组方形局部边缘检测算子K不同、P不同时,将多组内的平方根运算模块得到的结果加权融合得到边缘标识值。
12.根据权利要求9-11任一项所述的系统,其中,所述方形局部边缘检测算子为:
形成n×n个像素点方形矩阵,其中矩阵内过中心的水平方向的近邻点与矩阵中心的像素点距离为K个像素点,矩阵边缘等距分布P个近邻点,选取其中一对呈中心对称的近邻点赋值为0,以所述一对呈中心对称的近邻点所在直线为界,一侧近邻点均赋值为-1,另一侧近邻点均赋值为1;其中,n为大于1的奇数,K为正整数,P≤4(n-1),且P能被4整除。
13.根据权利要求12所述的系统,其中,所述一组方形局部边缘检测算子K相同且P相同,多组之间的方形局部边缘检测算子K不相同和/或P不相同。
14.根据权利要求9所述的系统,其中,所述边缘标识值二值化处理包括:
设定边缘标识值的阈值,根据阈值对边缘标识值进行二值化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610060356.3A CN105740869B (zh) | 2016-01-28 | 2016-01-28 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610060356.3A CN105740869B (zh) | 2016-01-28 | 2016-01-28 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105740869A true CN105740869A (zh) | 2016-07-06 |
CN105740869B CN105740869B (zh) | 2019-04-12 |
Family
ID=56246844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610060356.3A Expired - Fee Related CN105740869B (zh) | 2016-01-28 | 2016-01-28 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105740869B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830870A (zh) * | 2018-05-21 | 2018-11-16 | 千寻位置网络有限公司 | 基于多尺度结构学习的卫星影像高精度农田边界提取方法 |
CN109427066A (zh) * | 2017-08-31 | 2019-03-05 | 中国科学院微电子研究所 | 任意角度的边缘检测方法 |
CN113538484A (zh) * | 2021-07-01 | 2021-10-22 | 广西科技大学 | 一种深度细化的多重信息嵌套边缘检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101287059A (zh) * | 2007-09-14 | 2008-10-15 | 西北工业大学 | 一种彩色图像边缘和角点特征检测方法 |
CN103136758A (zh) * | 2013-03-25 | 2013-06-05 | 长春工业大学 | 基于正交多项式拟合的快速边缘检测方法 |
CN103208117A (zh) * | 2013-03-21 | 2013-07-17 | 袁景 | 一种多功能智能皮带表面斑块边缘检测方法 |
CN103679195A (zh) * | 2013-12-02 | 2014-03-26 | 北京工商大学 | 基于局部边缘模式的纹理图像分类方法及系统 |
CN103955929A (zh) * | 2014-04-29 | 2014-07-30 | 北京工商大学 | 图像局部边缘模式与非边缘模式判断方法及判断装置 |
CN104078011A (zh) * | 2014-06-25 | 2014-10-01 | 京东方科技集团股份有限公司 | 直下式背光的局部背光亮度调节方法 |
KR101536860B1 (ko) * | 2014-02-20 | 2015-07-14 | 한전케이피에스 주식회사 | 수력 발전기의 회전자폴 인출장치 |
-
2016
- 2016-01-28 CN CN201610060356.3A patent/CN105740869B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101287059A (zh) * | 2007-09-14 | 2008-10-15 | 西北工业大学 | 一种彩色图像边缘和角点特征检测方法 |
CN103208117A (zh) * | 2013-03-21 | 2013-07-17 | 袁景 | 一种多功能智能皮带表面斑块边缘检测方法 |
CN103136758A (zh) * | 2013-03-25 | 2013-06-05 | 长春工业大学 | 基于正交多项式拟合的快速边缘检测方法 |
CN103679195A (zh) * | 2013-12-02 | 2014-03-26 | 北京工商大学 | 基于局部边缘模式的纹理图像分类方法及系统 |
KR101536860B1 (ko) * | 2014-02-20 | 2015-07-14 | 한전케이피에스 주식회사 | 수력 발전기의 회전자폴 인출장치 |
CN103955929A (zh) * | 2014-04-29 | 2014-07-30 | 北京工商大学 | 图像局部边缘模式与非边缘模式判断方法及判断装置 |
CN104078011A (zh) * | 2014-06-25 | 2014-10-01 | 京东方科技集团股份有限公司 | 直下式背光的局部背光亮度调节方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109427066A (zh) * | 2017-08-31 | 2019-03-05 | 中国科学院微电子研究所 | 任意角度的边缘检测方法 |
CN109427066B (zh) * | 2017-08-31 | 2021-11-05 | 北京中科芯健医疗科技有限公司 | 任意角度的边缘检测方法 |
CN108830870A (zh) * | 2018-05-21 | 2018-11-16 | 千寻位置网络有限公司 | 基于多尺度结构学习的卫星影像高精度农田边界提取方法 |
CN108830870B (zh) * | 2018-05-21 | 2021-12-28 | 千寻位置网络有限公司 | 基于多尺度结构学习的卫星影像高精度农田边界提取方法 |
CN113538484A (zh) * | 2021-07-01 | 2021-10-22 | 广西科技大学 | 一种深度细化的多重信息嵌套边缘检测方法 |
CN113538484B (zh) * | 2021-07-01 | 2022-06-10 | 广西科技大学 | 一种深度细化的多重信息嵌套边缘检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105740869B (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kalfarisi et al. | Crack detection and segmentation using deep learning with 3D reality mesh model for quantitative assessment and integrated visualization | |
CN105184801B (zh) | 一种基于多层次策略的光学与sar影像高精度配准方法 | |
CN111797697B (zh) | 基于改进CenterNet的有角度高分遥感图像目标检测方法 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN108921166A (zh) | 基于深度神经网络的医疗票据类文本检测识别方法及系统 | |
CN104376319B (zh) | 一种基于各向异性高斯核提取封闭边缘图像轮廓的方法 | |
CN107092871B (zh) | 基于多尺度多特征融合的遥感影像建筑物检测方法 | |
RU2015134095A (ru) | Способ и устройство для обнаружения прямой линии | |
CN104167003A (zh) | 一种遥感影像的快速配准方法 | |
CN102254144A (zh) | 一种鲁棒的图像中二维码区域提取方法 | |
CN103295239A (zh) | 一种基于平面基准影像的激光点云数据的自动配准方法 | |
CN112766184B (zh) | 基于多层级特征选择卷积神经网络的遥感目标检测方法 | |
CN105513066B (zh) | 一种基于种子点选取与超像素融合的通用物体检测方法 | |
CN104899892B (zh) | 一种快速的星图图像星点提取方法 | |
CN104008359A (zh) | 一种用于qr码识别的精确网格采样方法 | |
CN113223068A (zh) | 一种基于深度全局特征的多模态图像配准方法及系统 | |
CN102789578A (zh) | 基于多源目标特征支持的红外遥感图像变化检测方法 | |
CN105740868A (zh) | 一种基于圆形算子的图像边缘提取方法和装置 | |
CN102663733B (zh) | 基于特征组对的特征点匹配方法 | |
CN105740869A (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 | |
CN103886602A (zh) | 一种基于纹理的射线图像缺陷检测方法 | |
CN103913166A (zh) | 一种基于能量分布的星点提取方法 | |
CN108109144A (zh) | 一种钼靶图像中乳头位置自动检测方法 | |
CN105631872A (zh) | 基于多特征点的遥感图像配准方法 | |
Xia et al. | A table method for coded target decoding with application to 3-D reconstruction of soil specimens during triaxial testing |
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: 20190412 Termination date: 20200128 |