CN105894461A - 灰度形态学图像处理方法及装置 - Google Patents

灰度形态学图像处理方法及装置 Download PDF

Info

Publication number
CN105894461A
CN105894461A CN201510996911.9A CN201510996911A CN105894461A CN 105894461 A CN105894461 A CN 105894461A CN 201510996911 A CN201510996911 A CN 201510996911A CN 105894461 A CN105894461 A CN 105894461A
Authority
CN
China
Prior art keywords
region
value
value region
repeat
worth
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.)
Pending
Application number
CN201510996911.9A
Other languages
English (en)
Inventor
杨帆
刘阳
蔡砚刚
白茂生
魏伟
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.)
LeTV Cloud Computing Co Ltd
Original Assignee
LeTV Cloud Computing Co Ltd
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 LeTV Cloud Computing Co Ltd filed Critical LeTV Cloud Computing Co Ltd
Priority to CN201510996911.9A priority Critical patent/CN105894461A/zh
Publication of CN105894461A publication Critical patent/CN105894461A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种灰度形态学图像处理方法及装置，包括：在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；比较当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值；将所述灰度最值赋值给当前取值区域中心位置的元素，根据所述灰度最值以及所述当前区域其他位置的元素灰度值获得处理后的图像。本发明实施例提供的灰度形态学图像处理方法及装置，在对当前取值区域进行灰度最值计算时可省去对重复区域中元素的灰度值的重复性比较，减少了运算量，从而可有效提高运算效率。

Description

灰度形态学图像处理方法及装置
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种灰度形态学图像处理方法及装置。
背景技术
灰度形态学是图像处理算法中非常常见的一种算法，其能够实现多种功能：例如消除噪声，分割出独立的像素，连接相邻元素，突显图像中极大和极小值等。基础的形态学算法有腐蚀、膨胀，以及在此基础上扩展出的开闭运算、礼帽和黑帽运算等。在进行灰度形态学运算的时候，需要预先定义一个取值区域，取值区域会遍历图像中所有元素，并取其中的最大值或最小值。
传统的形态学算法需要挨个遍历图像中所有元素并将将取值区域中的每个元素进行比较以获得最值，操作的速度和效率都比较低。
发明内容
本发明实施例提供一种灰度形态学图像处理方法及装置，用以解决现有技术中需要对取值区域中每个元素进行比较才能获得最值，导致计算效率低的问题。
本发明实施例提供一种灰度形态学图像处理方法，包括：
S101，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
S102，比较当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值；
S103，将所述灰度最值赋值给当前取值区域中心位置的元素，根据所述灰度最值以及所述当前区域其他位置的元素灰度值获得处理后的图像。
本发明实施例还提供一种灰度形态学图像处理装置，包括：
识别模块，用于在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
比较模块，用于比较所述识别模块确定出的当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值；
赋值模块，用于将所述比较模块确定出的所述灰度最值赋值给当前取值区域中心位置的元素，根据所述灰度最值以及所述当前区域其他位置的元素灰度值获得处理后的图像。
本发明实施例还提供一种灰度形态学图像处理方法，包括：
S201，在图像中移动第一取值区域并识别所述第一取值区域所容置的元素；
S202，比较所述第一取值区域所容置的元素的灰度值获得灰度最值，并将所述灰度最值赋值给所述第一取值区域中心位置的元素，获得第一次处理后的图像；
S203，在所述第一次处理后的图像中移动第二取值区域并识别所述第二取值区域所容置的元素；
S204，比较所述第二取值区域所容置的元素的根据第一取值区域赋值后的灰度值获得灰度最值，并将所述灰度最值赋值给所述第二取值区域中心位置的元素，获得第二次处理后的图像；
其中，所述第一取值区域的行数为1，列数大于1，且所述第二取值区域的列数为1，行数大于1；或者，所述第一取值区域的列数为1，行数大于1，且所述第二取值区域的行数为1，列数大于1。
本发明实施例还提供一种灰度形态学图像处理装置，包括：
识别模块，用于在图像中移动第一取值区域并识别所述第一取值区域所容置的元素；
比较模块，用于比较所述第一取值区域所容置的元素的灰度值获得灰度最值；
赋值模块，用于将所述灰度最值赋值给所述第一取值区域中心位置的元素，获得第一次处理后的图像；
识别模块，用于在所述第一次处理后的图像中移动第二取值区域并识别所述第二取值区域所容置的元素；
比较模块，用于比较所述第二取值区域所容置的元素的根据第一取值区域赋值后的灰度值获得灰度最值；
赋值模块，用于将所述灰度最值赋值给所述第二取值区域中心位置的元素，获得第二次处理后的图像；
其中，所述第一取值区域的行数为1，列数大于1，且所述第二取值区域的列数为1，行数大于1；或者，所述第一取值区域的列数为1，行数大于1，且所述第二取值区域的行数为1，列数大于1。
本发明实施例提供的形态学图像处理方法及装置，通过对当前取值区域和上一取值区域进行比较，可获得重复的区域，重复区域中的元素的灰度值已经在上一取值区域的灰度最值计算过程中进行了比较处理，在对当前取值区域进行灰度最值计算时可省去对重复区域中元素的灰度值的重复性比较，减少了运算量，从而可有效提高运算效率。另外，通过分别对图像行处理和列处理的方式，避免了大量重复的跳行取值过程，大幅度提高了运算速度。
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一简单地介绍，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为本发明灰度形态学图像处理方法流程图；
图2为本发明灰度形态学图像处理方法实施例流程图；
图3为本发明灰度态学图像处理方法实施例流程图；
图4为本发明灰度态学图像处理方法实施例流程图；
图5为本发明中5*5图像中元素的排列示意图；
图6为本发明中图5中元素在内存中的存储状态示意图；
图7为本发明灰度形态学图像处理装置结构示意图；
图8为本发明灰度形态学图像处理装置实施例结构示意图；
图9为本发明灰度形态学图像处理装置实施例结构示意图；
图10为本发明灰度形态学图像处理方法流程图。
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作出创造性劳动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。
本发明实施例提供的灰度形态学图像处理方法及装置，可应用于对图像进行腐蚀或膨胀处理的场景中。现有的处理方法需要比较取值区域中的每个元素并获得最值，而且，每次取值区域的位置发生变化时，都要重新比较取值区域中的每个元素并获得最值。但是，由于取值区域在图像中移动的幅度很小，因此当前取值区域与之前的取值区域会有很多重复元素，而对于这些重复元素的比较运算也是重复的，本发明实施例提供的灰度形态学图像处理方法及装置通过比较当前取值区域和上一取值区域可确定出两次位置的重复区域，在计算当前取值区域的最值时通过直接调用重复区域中的元素的灰度值，可省去对重复区域部分的重复性比较，减少了大量的重复计算，提高运算效率。
另外，本发明实施例提供的形态学图像处理方法及装置，还可应用于其它形态学图像处理场景中，也可作为基础进行其它形态学算法的扩展，在此不做具体限定。
参考图1，本发明实施例提供一种灰度形态学图像处理方法，包括：
S101，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
S102，比较当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值；
S103，将所述灰度最值赋值给当前取值区域中心位置的元素，根据所述灰度最值以及所述当前区域其他位置的元素灰度值获得处理后的图像。
其中，S101中，取值区域的形状可按照需要进行设定，通常设定为奇数行奇数列的正方形形状或矩形形状，当然也可设定为其它不规则形状，在此不做限定。由于图像中的元素是按行按列规则排列的，因此，取值区域的形状将与图像中的元素排列相对应，也就是说，取值区域所容置的元素也是按行按列规则排列的。另外，为了节省跳行取值占用的时间，本实施例中所述取值区域在图像是横向移动的，当然，如不考虑跳行取值占用的时间，本实施例中所述取值区域也可竖向移动，在此不作限定。
比较当前取值区域和上一取值区域，确定出重复区域时，可根据当前取值区域和上一取值区域在图像中的位置进行重复区域的确定，例如可比较当前取值区域和上一取值区域的边界在图像中所处的行位置和列位置，或者行坐标和列坐标进行计算获得重复区域的行位置和列位置，或行坐标和列坐标；也可比较当前取值区域和上一取值区域所容置的元素，确定出重复的元素，从而确定出重复区域，当然也可采用其它方式，在此不作限定。
确定出当前取值区域和上一取值区域的重复区域后，可调用所述重复区域所容置的相应元素的灰度值，由于重复区域在上一取值区域计算灰度最值过程中已经参与了灰度值的比较计算，例如可能已经计算出了重复区域中每列的元素灰度最值并进行了保存，因此，重复区域所容置的相应元素的灰度值可作为一组整体的参数用在当前取值区域的灰度最值计算中，免去重复的比较处理过程。
S102中，当前取值区域中除去重复区域的部分则为非重复区域，在计算当前取值区域的灰度最值时，可直接调用重复区域的元素灰度值并将其与非重复区域的元素的灰度值进行比较，从而省去了对重复区域部分的重复性比较计算。需要说明的是，对于腐蚀或膨胀运算，在原始图像中移动取值区域时，使用取值区域所容置的元素的灰度值原值进行比较计算。可将灰度值原值存储在内存中调用；或将原始图像的灰度值保持为原值而将根据取值区域进行赋值后的灰度值存储在内存中，并在形态学处理结束时将赋值后的灰度值应用到原始图像中，在此不作限定。
本发明实施例提供的灰度形态学图像处理方法可用于对二值化图像、灰度图像或者是彩色图像进行灰度形态学处理，对于彩色图像只需将本发明实施例提供的方法分别对R通道、G通道、B通道进行灰度形态学处理即可。通过本发明实施例提供的方法可节省大量的重复运算时间，与现有技术相比可实现更高的运算效率。
对于利用重复区域进行当前取值区域的比较运算过程以节省运算量的方案有多种，以下以多个实施例的方式对S101和S102做详细说明。
参考图2，本发明实施例中，S101中比较当前取值区域和上一取值区域，确定出重复区域，包括：
比较当前取值区域所容置的元素与上一取值区域所容置的元素，所述上一取值区域为所述当前取值区域向左平移一列的区域；
确定出包含m-1列重复元素的重复区域，m表示所述取值区域的列数；
S102中比较当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值，包括：
调用当前取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前取值区域所容置的左起第2～m列元素，所述重复区域的元素灰度最值在所述上一取值区域已计算并保存；比较当前取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前取值区域的灰度最值。
所述取值区域在图像中移动，取值区域在图像中的不同位置可认为是其在图像中进行了按行或按列的平移，因此，将当前取值区域向左平移一列的区域确定为上一取值区域时，两位置处的取值区域存在最大的重复区域，当前取值区域将仅有1列未与上一取值区域重叠。这种情景下，可利用的重复区域最大，节省的运算量最多，通过直接调用重复区域的元素灰度最值，可省去对重复区域中元素的重复比较计算。参考图5，当前取值区域的中心位置对应p8时，当前取值区域与P7位置时的取值区域相比，重复区域为{p2、p3、p7、p8、p12、p13}，而重复区域{p2、p3、p7、p8、p12、p13}的元素灰度最值已经在分析P7位置时的取值区域时计算并保存过了，因此，只需比较当前取值区域的非重复区域{p4、p9、p14}与重复区域的元素灰度最值，即可获得当前取值区域的灰度最值。
其中，重复区域的元素灰度最值可以是1个值或多个值，例如，可以是重复区域中各元素灰度值中的1个最大值或最小值，也可以是重复区域中每列的元素灰度最值，或几列元素的灰度最值，只要是包含重复区域中对应元素的比较结果即可。当前取值区域进行灰度最值计算时可直接调用重复区域的比较结果与非重复区域进行比较计算，例如，图5中p7和p8两位置时取值区域的重复区域{p2、p3、p7、p8、p12、p13}的元素灰度最值为d0，则可直接将d0与p4、p9、p14的灰度值进行比较，也可先计算出p4、p9、p14的元素灰度最值e0，再将d0和e0进行比较，需要说明的是，上述计算方式仅是示例性的，本发明并不限于此。
为了获得更佳的运算效率，本实施例中，由于平移1列的两位置的取值区域的重复区域最大，因此，每次计算取值区域的灰度最值时，可默认保存取值区域的第2～m列的元素灰度最值，用于之后的取值区域的比较计算过程。
参考图3，本发明另一个实施例中，S101中比较当前取值区域和上一取值区域，确定出重复区域，包括：
比较当前取值区域所容置的元素与上一取值区域所容置的元素，所述上一取值区域为所述当前取值区域向上平移一行的区域；
确定出包含n-1行重复元素的重复区域，n表示所述取值区域的行数；
S102中比较当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值，包括：
调用当前取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前取值区域所容置的上起第2～n行元素，所述重复区域的元素灰度最值在所述上一取值区域已计算并保存；比较当前取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前取值区域的灰度最值。
与上一实施例类似地，将当前取值区域向左平移一列的区域确定为上一取值区域时，两位置处的取值区域存在最大的重复区域，当前取值区域将仅有1行未与上一取值区域重叠。这种情景下，可利用的重复区域最大，节省的运算量最多，通过直接调用重复区域的元素灰度最值，可省去对重复区域中元素的重复比较计算。参考图5，当前取值区域的中心位置对应p13时，当前取值区域与P8位置时的取值区域相比，重复区域为{p7、p8、p9、p12、p13、p14}，而重复区域{p7、p8、p9、p12、p13、p14}的元素灰度最值已经在分析P8位置时的取值区域时计算并保存过了，因此，只需比较当前取值区域的非重复区域{p17、p18、p19}与重复区域的元素灰度最值，即可获得当前取值区域的灰度最值。
同样的，本发明实施例中，重复区域的元素灰度最值可以是1个值或多个值，例如，可以是重复区域中各元素灰度值中的1个最大值或最小值，也可以是重复区域中每列的元素灰度最值，或几列元素的灰度最值，只要是包含重复区域中对应元素的比较结果即可。当前取值区域进行灰度最值计算时可直接调用重复区域的比较结果与非重复区域进行比较计算，例如，图5中p13和p8两位置时取值区域的重复区域{p7、p8、p9、p12、p13、p14}的元素灰度最值为d1，则可直接将d1与p17、p18、p19的灰度值进行比较，也可先计算出p17、p18、p19的元素灰度最值e1，再将d1和e1进行比较，需要说明的是，上述计算方式仅是示例性的，本发明并不限于此。
为了获得更佳的运算效率，本实施例中，由于平移1行的两位置的取值区域的重复区域最大，因此，每次计算取值区域的灰度最值时，可默认保存取值区域的第2～n行的元素灰度最值，用于之后的取值区域的比较计算过程。而且，如果取值区域在图像中为横向移动的情景下，对于当前取值区域来说，实质是其向上平移1行位置时的取值区域移动W次后的位置，W表示待处理图像区域的宽度，也就是，取值区域需要移动W次后才会用到其向上平移1行位置时的数据，因此，需要保存在当前取值区域之前的W组重复区域的数据，以便随时可调用到当前取值区域向上平移一行区域时的取值区域的相关数据。
参考图4，本发明实施例中，当所述取值区域的行数和列数均大于1时，还包括：
S104，判断所述当前取值区域是否移动至图像的预定区域，如果否，则执行S101，如果是，则结束。
本实施例中，取值区域的行数和列数均为大于1的奇数，例如3*3的多维形状，通过3*3的取值区域对图像中的元素进行一次处理后即可达到形态学处理的效果，因此，只需判断当前取值区域是否移动到了图像的预定区域即可获知其是否完成了对图像的形态学处理，预定区域例如可以是图像的右下角边界区域或其它自定义区域，预定区域的定义可采用图像中的坐标定义或采用图像中的行位置和列位置定义。例如，图5中可将预定区域定位为区域{p19、p20、p24、p25}。另外，对于取值区域的移动范围可以是遍历整个图像区域，也可以仅遍历图像中的待处理区域即可，例如可设定取值区域仅遍历图像的上部区域、下部区域、中部区域、自定义区域等等，可通过设置取值区域的移动指针来实现控制。
本发明实施例中，灰度形态学图像处理方法，当所述当前取值区域的行数为1，列数大于1时，还包括：
S105，判断所述当前取值区域是否移动到所述图像的预定区域，如果否，则执行S101；
如果是，则根据各元素的赋值后的灰度值获得行处理后的图像，并在将所述当前取值区域的列数变换为1，行数变换为大于1后，在所述行处理后的图像中执行S101。
本实施例中，当前取值区域的行数设定为1，列数大于1，例如1*3的一维形状。由于图像中的元素在系统内存中的实际存储形式如图7所示，在计算取值区域的灰度最值时需要通过取值指针调用各元素的灰度值进行计算，当取值区域为多维形状时，例如计算取值区域中的每列元素灰度最值时，取值指针需要在不同行之间进行跳行取值，例如计算{p2、p7、p12}的灰度最值时，取值指针需要跳行两次进行取值，对于整个3*3取值区域来说，取值区域需要跳行6次甚至更多次，跳行取值将消耗大量的时间和系统资源。本实施例采用1*3取值区域，取值指针进行顺序移动即可，无需多次跳行，省去了大量的跳行取值时间，但是通过当前取值区域对图像进行一遍形态学处理后仅能获得横向处理的效果，例如对于腐蚀或膨胀处理来说，只能获得图像的横向腐蚀或膨胀效果，而无法获得图像纵向的形态学处理效果，因此，在对图像进行一遍形态学处理后，还须在处理后的图像基础上进行图像纵向的形态学处理，才能获得与上述多维形状相同的处理效果。
如上文所述，取值区域的行数为1，列数大于1时，执行对所述图像的第一次形态学处理，执行过程中以图像中各元素的灰度值的原值作为比较计算的基础，在所述取值区域对图像执行完行处理后，变换模块15将取值区域的形状进行变换，将其变换为列数为1、行数大于1的形状，例如3*1的一维形状，并在行处理后的图像中再次执行S101～103。在行处理后的图像再次执行S101～103是指，以经行数为1，列数大于1的取值区域赋值后的各元素的灰度值作为比较计算的基础。
单列形状的取值区域进行比较计算过程中，虽然也需要进行跳行取值，但与多维形状的取值区域相比，在对图像进行遍历列处理时，总的跳行次数远远小于多维形状的取值区域，而且，单行形状的取值区域在计算过程中已经节省了大量的取值时间，因此，总体的处理速度实现了大幅度提高。
另外，本实施例中通过当前取值区域是否移动到预定区域来判断取值区域对图像的行处理是否完成的具体方案可参照上述实施例中提供的方式，而且，对于变换形状后的取值区域可采用同样的方式判断其列处理是否完成，此处不再赘述。对于取值区域的灰度最值的比较计算过程可采用上述各实施例中提供的任意一种方式，此处不再赘述。
本发明实施例中，灰度形态学图像处理方法，当所述当前取值区域的列数为1，行数大于1时，还包括：
S106，判断所述当前取值区域是否移动到所述图像的预定区域，如果否，则执行S101；
如果是，则根据各元素的赋值后的灰度值获得列处理后的图像，并在将所述当前取值区域的行数变换为1，列数变换为大于1后，在所述列处理后的图像中执行S101。
与上一实施例类似的，本实施例中，当前取值区域的列数设定为1，行数大于1，例如3*1的一维形状，通过当前取值区域对图像进行一遍形态学处理后仅能获得纵向处理的效果，例如对于腐蚀或膨胀处理来说，只能获得图像的纵向腐蚀或膨胀效果，而无法获得图像横向的形态学处理效果，因此，在对图像进行一遍形态学处理后，还须在处理后的图像基础上进行图像横向的形态学处理，才能获得与上述多维形状相同的处理效果。S106中，如上文所述，取值区域的列数为1，行数大于1时，执行对所述图像的第一次形态学处理，执行过程中以图像中个元素的灰度值的原值作为比较计算的基础，在所述取值区域对图像执行完列处理后，将取值区域的形状进行变换，将其变换为列数为1、行数大于1的形状，例如1*3的一维形状，并在列处理后的图像中执行S101。在列处理后的图像中执行S101～S103是指，以经列数为1，行数大于1的取值区域赋值后的各元素的灰度值作为比较计算的基础。
另外，本实施例中通过当前取值区域是否移动到预定区域来判断取值区域对图像的列处理是否完成的具体方案可参照上述实施例中提供的方式，而且，对于变换形状后的取值区域可采用同样的方式判断其行处理是否完成，此处不再赘述。对于取值区域的灰度最值的比较计算过程可采用上述各实施例中提供的任意一种方式，此处不再赘述。
以下以图5中的5*5图像阵列为例进行本发明实施例的详细解释。
当设定的取值区域的形状为3*3时，当前取值区域移动到了其中心位置对应p13的位置：
将取值区域位于p12时的区域定义为上一取值区域时，当前取值区域与上一取值区域相比，存在重复区域{p7、p8、p12、p13、p17、p18}，而在对上一取值区域进行分析的过程中已经保存了重复区域{p7、p8、p12、p13、p17、p18}的元素灰度值为205，而通过计算，当前取值区域与上一取值区域的非重复区域{p9、p14、p19}的元素灰度最值为160，因此只需比较重复区域{p7、p8、p12、p13、p17、p18}的元素灰度值205和非重复区域{p9、p14、p19}的元素灰度最值160即可确定当前取值区域的灰度最值为205，并将图像中的元素p13的灰度值赋值为205；
将取值区域位于p8时的区域定义为上一取值区域时，当前取值区域与上一取值区域的范围相比，存在重复区域{p7、p8、p9、p12、p13、p14}，调用在上一取值区域内计算并保存过的重复区域{p7、p8、p9、p12、p13、p14}的元素灰度最值为205，而通过计算，当前取值区域与所述上一取值区域的非重复区域{p17、p18、p19}的元素灰度最值为180，因此只需比较重复区域{p7、p8、p9、p12、p13、p14}的元素灰度最值205和非重复区域{p17、p18、p19}的元素灰度最值180即可确定当前取值区域的灰度最值为205，并将图像的元素p13的灰度值赋值为205。上述两种方式均可确定出当前取值区域的灰度最值。
当设定的取值区域的形状为1*3时，当前取值区域移动到p13(中心位置对应图像中的p13)时，通过调用上一取值区域的的数据计算出当前取值区域的灰度最值为188，并对p13进行灰度值的赋值，在对图像进行遍历后获得行处理后的图像；之后，将取值区域的形状变换为3*1，并从行处理后的图像的起始位置p1开始移动，当取值区域再次移动到p13时，基于行处理后的图像中元素的灰度值，确定出p13时的取值区域的灰度最值为205，将图像中的元素p13的灰度值赋值为205，并继续移动取值区域，对图像中的其它元素的灰度值进行二次赋值。经过两次一维取值区域的处理后，可得到与上述3*3取值区域相同的处理效果，且可比上述3*3取值区域处理过程节省更多的时间。
参考图7，本发明实施例提供一种灰度形态学图像处理装置，包括：
识别模块11，用于在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
比较模块12，用于比较所述识别模块确定出的当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值；
赋值模块13，用于将所述比较模块确定出的所述灰度最值赋值给当前取值区域中心位置的元素，根据所述灰度最值以及所述当前区域其他位置的元素灰度值获得处理后的图像。
其中，取值区域的形状可按照需要进行设定，通常设定为奇数行奇数列的正方形形状或矩形形状，当然也可设定为其它不规则形状，在此不做限定。由于图像中的元素是按行按列规则排列的，因此，取值区域的形状将与图像中的元素排列相对应，也就是说，取值区域所容置的元素也是按行按列规则排列的。另外，为了节省跳行取值占用的时间，本实施例中所述取值区域在图像是横向移动的，当然，如不考虑跳行取值占用的时间，本实施例中所述取值区域也可竖向移动，在此不作限定。
识别模块11可根据当前取值区域和上一取值区域在图像中的位置进行重复区域的确定，例如可比较当前取值区域和上一取值区域的边界在图像中所处的行位置和列位置，或者行坐标和列坐标进行计算获得重复区域的行位置和列位置，或行坐标和列坐标；也可比较当前取值区域和上一取值区域所容置的元素，确定出重复的元素，从而确定出重复区域，当然也可采用其它方式，在此不作限定。
识别模块11在确定出当前取值区域和上一取值区域的重复区域后，可调用所述重复区域所容置的相应元素的灰度值。由于重复区域在上一取值区域计算灰度最值过程中已经参与了灰度值的比较计算，例如可能已经计算出了重复区域中每列的元素灰度最值并进行了保存，因此，重复区域所容置的相应元素的灰度值可作为一组整体的参数用在当前取值区域的灰度最值计算中，免去重复的比较处理过程。
比较模块12中，当前取值区域中除去重复区域的部分则为非重复区域，在计算当前取值区域的灰度最值时，可直接调用重复区域的元素灰度值并将其与非重复区域的元素的灰度值进行比较，从而省去了对重复区域部分的重复性比较计算。需要说明的是，对于腐蚀或膨胀运算，在原始图像中移动取值区域时，使用取值区域所容置的元素的灰度值原值进行比较计算。可将灰度值原值存储在内存中调用；或将原始图像的灰度值保持为原值而将根据取值区域进行赋值后的灰度值存储在内存中，并在形态学处理结束时将赋值后的灰度值应用到原始图像中，在此不作限定。
本发明实施例提供的灰度形态学图像处理装置可用于对二值化图像、灰度图像或者是彩色图像进行灰度形态学处理，对于彩色图像只需将本发明实施例提供的方法分别对R通道、G通道、B通道进行灰度形态学处理即可。通过本发明实施例提供的方法可节省大量的重复运算时间，与现有技术相比可实现更高的运算效率。
以下再以多个实施例的形式对识别模块11和比较模块12利用重复区域进行当前取值区域的比较运算过程以节省运算量的方案进行详细解释。
本发明一实施例中，所述识别模块11，用于比较当前取值区域所容置的元素与上一取值区域所容置的元素，所述上一取值区域为所述当前取值区域向左平移一列的区域；确定出包含m-1列重复元素的重复区域，m表示所述取值区域的列数；
所述比较模块12，用于调用当前取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前取值区域所容置的左起第2～m列元素，所述重复区域的元素灰度最值在所述上一取值区域已计算并保存；比较当前取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前取值区域的灰度最值。
所述取值区域在图像中移动，取值区域在图像中的不同位置可认为是其在图像中进行了按行或按列的平移，因此，所述识别模块11将当前取值区域向左平移一列的区域确定为上一取值区域时，两位置处的取值区域存在最大的重复区域，当前取值区域将仅有1列未与上一取值区域重叠。这种情景下，可利用的重复区域最大，节省的运算量最多，通过直接调用重复区域的元素灰度最值，可省去对重复区域中元素的重复比较计算。参考图5，当前取值区域的中心位置对应p8时，当前取值区域与P7位置时的取值区域相比，重复区域为{p2、p3、p7、p8、p12、p13}，而重复区域{p2、p3、p7、p8、p12、p13}的元素灰度最值已经在分析P7位置时的取值区域时计算并保存过了，因此，只需比较当前取值区域的非重复区域{p4、p9、p14}与重复区域的元素灰度最值，即可获得当前取值区域的灰度最值。
其中，所述比较模块12确定出的重复区域的元素灰度最值可以是1个值或多个值，例如，可以是重复区域中各元素灰度值中的1个最大值或最小值，也可以是重复区域中每列的元素灰度最值，或几列元素的灰度最值，只要是包含重复区域中对应元素的比较结果即可。当前取值区域进行灰度最值计算时可直接调用重复区域的比较结果与非重复区域进行比较计算，例如，图5中p7和p8两位置时取值区域的重复区域{p2、p3、p7、p8、p12、p13}的元素灰度最值为d0，则可直接将d0与p4、p9、p14的灰度值进行比较，也可先计算出p4、p9、p14的元素灰度最值e0，再将d0和e0进行比较，需要说明的是，上述计算方式仅是示例性的，本发明并不限于此。
为了获得更佳的运算效率，本实施例中，由于平移1列的两位置的取值区域的重复区域最大，因此，每次计算取值区域的灰度最值时，比较模块12可默认保存取值区域的第2～m列的元素灰度最值，用于之后的取值区域的比较计算过程。
本发明的另一实施例中，所述识别模块，用于比较当前取值区域所容置的元素与上一取值区域所容置的元素，所述上一取值区域为所述当前取值区域向上平移一行的区域；确定出包含n-1行重复元素的重复区域，n表示所述取值区域的行数；
所述比较模块，用于调用当前取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前取值区域所容置的上起第2～n行元素，所述重复区域的元素灰度最值在所述上一取值区域已计算并保存；比较当前取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前取值区域的灰度最值。
与上一实施例类似地，识别模块11将当前取值区域向左平移一列的区域确定为上一取值区域时，两位置处的取值区域存在最大的重复区域，当前取值区域将仅有1行未与上一取值区域重叠。这种情景下，可利用的重复区域最大，节省的运算量最多，通过直接调用重复区域的元素灰度最值，可省去对重复区域中元素的重复比较计算。参考图5，当前取值区域的中心位置对应p13时，当前取值区域与P8位置时的取值区域相比，重复区域为{p7、p8、p9、p12、p13、p14}，而重复区域{p7、p8、p9、p12、p13、p14}的元素灰度最值已经在分析P8位置时的取值区域时计算并保存过了，因此，只需比较当前取值区域的非重复区域{p17、p18、p19}与重复区域的元素灰度最值，即可获得当前取值区域的灰度最值。
同样的，本发明实施例中，比较模块12确定出的重复区域的元素灰度最值可以是1个值或多个值，例如，可以是重复区域中各元素灰度值中的1个最大值或最小值，也可以是重复区域中每列的元素灰度最值，或几列元素的灰度最值，只要是包含重复区域中对应元素的比较结果即可。当前取值区域进行灰度最值计算时可直接调用重复区域的比较结果与非重复区域进行比较计算，例如，图5中p13和p8两位置时取值区域的重复区域{p7、p8、p9、p12、p13、p14}的元素灰度最值为d1，则可直接将d1与p17、p18、p19的灰度值进行比较，也可先计算出p17、p18、p19的元素灰度最值e1，再将d1和e1进行比较，需要说明的是，上述计算方式仅是示例性的，本发明并不限于此。
为了获得更佳的运算效率，本实施例中，由于平移1行的两位置的取值区域的重复区域最大，因此，每次计算取值区域的灰度最值时，比较模块12可默认保存取值区域的第2～n行的元素灰度最值，用于之后的取值区域的比较计算过程。而且，如果取值区域在图像中为横向移动的情景下，对于当前取值区域来说，实质是其向上平移1行位置时的取值区域移动W次后的位置，W表示待处理图像区域的宽度，也就是，取值区域需要移动W次后才会用到其向上平移1行位置时的数据，因此，比较模块12需要保存在当前取值区域之前的W组重复区域的数据，以便随时可调用到当前取值区域向上平移一行区域时的取值区域的相关数据。
上述两种实施例均可利用重复区域进行当前取值区域的比较运算过程，从而可节省运算量，需要说明的是，上述比较运算的方式仅是示例性的，本发明并不限于此。
参考图8，本发明实施例提供的灰度形态学图像处理装置，还包括：
判断模块14，用于当所述取值区域的行数和列数均大于1时，判断所述当前取值区域是否移动至图像的预定区域；
识别模块11，用于在所述判断模块的判断结果为否时，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值。
本实施例中，取值区域的行数和列数均预设为大于1的奇数，例如3*3的多维形状，通过3*3的取值区域对图像中的元素进行一次处理后即可达到形态学处理的效果，因此，只需判断当前取值区域是否移动到了图像的预定区域即可获知其是否完成了对图像的形态学处理，预定区域例如可以是图像的右下角边界区域或其它自定义区域，预定区域的定义可采用图像中的坐标定义或采用图像中的行位置和列位置定义。例如，图5中可将预定区域定位为区域{p19、p20、p24、p25}。另外，对于取值区域的移动范围可以是遍历整个图像区域，也可以仅遍历图像中的待处理区域即可，例如可设定取值区域仅遍历图像的上部区域、下部区域、中部区域、自定义区域等等，可通过设置取值区域的移动指针来实现控制。
参考图9，本发明实施例提供的灰度形态学图像处理装置，还包括：
判断模块14，用于当所述当前取值区域的行数为1，列数大于1时，判断所述当前取值区域是否移动到所述图像的预定区域；
识别模块11，用于在所述判断模块的判断结果为否时，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
变换模块15，用于在所述判断模块的判断结果为是时，根据各元素的赋值后的灰度值获得行处理后的图像，并在将所述当前取值区域的列数变换为1，行数变换为大于1；
所述识别模块11，还用于在所述变换模块将所述当前取值区域的列数变换为1，行数变换为大于1后，在所述行处理后的图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值。
本实施例中，当前取值区域的行数设定为1，列数大于1，例如1*3的一维形状。由于图像中的元素在系统内存中的实际存储形式如图7所示，在计算取值区域的灰度最值时需要通过取值指针调用各元素的灰度值进行计算，当取值区域为多维形状时，例如计算取值区域中的每列元素灰度最值时，取值指针需要在不同行之间进行跳行取值，例如计算{p2、p7、p12}的灰度最值时，取值指针需要跳行两次进行取值，对于整个3*3取值区域来说，取值区域需要跳行6次甚至更多次，跳行取值将消耗大量的时间和系统资源。本实施例采用1*3取值区域，取值指针进行顺序移动即可，无需多次跳行，省去了大量的跳行取值时间，但是通过当前取值区域对图像进行一遍形态学处理后仅能获得横向处理的效果，例如对于腐蚀或膨胀处理来说，只能获得图像的横向腐蚀或膨胀效果，而无法获得图像纵向的形态学处理效果，因此，在对图像进行一遍形态学处理后，还须在处理后的图像基础上进行图像纵向的形态学处理，才能获得与上述多维形状相同的处理效果。
如上文所述，取值区域的行数为1，列数大于1时，执行对所述图像的第一次形态学处理，执行过程中以图像中各元素的灰度值的原值作为比较计算的基础，在所述取值区域对图像执行完行处理后，变换模块15将取值区域的形状进行变换，将其变换为列数为1、行数大于1的形状，例如3*1的一维形状，并在行处理后的图像中再次由识别模块11、比较模块12和赋值模块13执行比较计算过程。在行处理后的图像中在此执行比较计算过程是指，以经行数为1，列数大于1的取值区域赋值后的各元素的灰度值作为比较计算的基础。
单列形状的取值区域进行比较计算过程中，虽然也需要进行跳行取值，但与多维形状的取值区域相比，在对图像进行遍历列处理时，总的跳行次数远远小于多维形状的取值区域，而且，单行形状的取值区域在计算过程中已经节省了大量的取值时间，因此，总体的处理速度实现了大幅度提高。
另外，本实施例中通过当前取值区域是否移动到预定区域来判断取值区域对图像的行处理是否完成的具体方案可参照上述实施例中提供的方式，而且，对于变换形状后的取值区域可采用同样的方式判断其列处理是否完成，此处不再赘述。对于取值区域的灰度最值的比较计算过程可采用上述实施例中提供的任意一种方式，此处不再赘述。
本发明另一实施例中，灰度形态学图像处理装置，还包括：
判断模块14，用于当所述当前取值区域的列数为1，行数大于1时，判断所述当前取值区域是否移动到所述图像的预定区域；
识别模块11，用于在所述判断模块的判断结果为否时，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
变换模块15，用于在所述判断模块的判断结果为是时，根据各元素的赋值后的灰度值获得列处理后的图像，并在将所述当前取值区域的行数变换为1，列数变换为大于1；
所述识别模块11，还用于在所述变换模块将所述当前取值区域的列数变换为1，行数变换为大于1后，在所述列处理后的图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值。
与上一实施例类似的，本实施例中，当前取值区域的列数设定为1，行数大于1，例如3*1的一维形状，通过当前取值区域对图像进行一遍形态学处理后仅能获得纵向处理的效果，例如对于腐蚀或膨胀处理来说，只能获得图像的纵向腐蚀或膨胀效果，而无法获得图像横向的形态学处理效果，因此，在对图像进行一遍形态学处理后，还须在处理后的图像基础上进行图像横向的形态学处理，才能获得与上述多维形状相同的处理效果。S106中，如上文所述，取值区域的列数为1，行数大于1时，执行对所述图像的第一次形态学处理，执行过程中以图像中个元素的灰度值的原值作为比较计算的基础，在所述取值区域对图像执行完列处理后，将取值区域的形状进行变换，将其变换为列数为1、行数大于1的形状，例如1*3的一维形状，并在列处理后的图像中再次由识别模块11、比较模块12和赋值模块13执行比较计算过程。在列处理后的图像中在此执行比较计算过程是指，以经列数为1，行数大于1的取值区域赋值后的各元素的灰度值作为比较计算的基础。
另外，本实施例中通过当前取值区域是否移动到预定区域来判断取值区域对图像的列处理是否完成的具体方案可参照上述实施例中提供的方式，而且，对于变换形状后的取值区域可采用同样的方式判断其行处理是否完成，此处不再赘述。对于取值区域的灰度最值的比较计算过程可采用上述实施例中提供的任意一种方式，此处不再赘述。
参考图10，本发明实施例提供一种灰度形态学处理方法，包括：
S201，在图像中移动第一取值区域并识别所述第一取值区域所容置的元素；
S202，比较所述第一取值区域所容置的元素的灰度值获得灰度最值，并将所述灰度最值赋值给所述第一取值区域中心位置的元素，获得第一次处理后的图像；
S203，在所述第一次处理后的图像中移动第二取值区域并识别所述第二取值区域所容置的元素；
S204，比较所述第二取值区域所容置的元素的根据第一取值区域赋值后的灰度值获得灰度最值，并将所述灰度最值赋值给所述第二取值区域中心位置的元素，获得第二次处理后的图像；
其中，所述第一取值区域的行数为1，列数大于1，且所述第二取值区域的列数为1，行数大于1；或者，所述第一取值区域的列数为1，行数大于1，且所述第二取值区域的行数为1，列数大于1。
本实施例中，将对图像进行两次处理，分别为行处理和列处理，正如上文所述的，通过一维形状的取值区域对图像进行形态学运算处理时，可省去大量的跳行取值动作，节省运算时间。本实施例中第一取值区域和第二取值区域相互配合，执行对图像的先行后列或者先列后行处理，而且，第一取值区域和第二取值区域可同步执行对图像的处理，无需等待第一次处理完全结束才开始第二次处理，只需保证第二次处理是以第一次处理后的对应元素的第一次赋值后的灰度值作为比较计算的数据基础即可，因此还可节省两次处理之间的等待时间，进一步提高运算速度。
本发明的另一个实施例中，灰度形态学图像处理方法还包括：S205，判断所述第二取值区域是否移动到图像的预定位置，如果判断结果为否，继续执行S203～204，直至全部执行完对第一次处理后的图像的第二次处理。
第二取值区域在第一取值区域之后进行比较运算的动作，本实施例中，S205还可判断第一取值区域是否对图像执行完第一次处理，如果否，则继续执行上述的S201和S202；对于第二取值区域来说，如果判断第二取值区域尚未移动到预定区域，则认为第二取值区域对图像的第二次处理过程尚未完成，则继续执行上述的S203、S204，直至对图像完成第二次处理，并将第二次处理后的图像将作为最终的处理后图像。
另外，对于第一取值区域和第二取值区域计算灰度最值的方式可采用上述各实施例中提供的任意一种方式，当第一取值区域或第二取值区域为单行形状时，优选地，可对应地将第一取值区域向左平移一列的区域作为上一第一取值区域，或将第二取值区域向左平移一列的区域作为上一第二取值区域；同样，当第一取值区域或第二取值区域为单列形状时，优选地，可对应地将第一取值区域向上平移一行的区域作为上一第一取值区域，或将第二取值区域向上平移一行的区域作为上一第二取值区域。第一取值区域和第二取值区域计算灰度最值的计算方式，在此不再赘述。
本发明实施例提供一种灰度形态学图像处理装置，包括：
识别模块21，用于在图像中移动第一取值区域并识别所述第一取值区域所容置的元素；
比较模块22，用于比较所述第一取值区域所容置的元素的灰度值获得灰度最值；
赋值模块23，用于将所述灰度最值赋值给所述第一取值区域中心位置的元素，获得第一次处理后的图像；
识别模块21，用于在所述第一次处理后的图像中移动第二取值区域并识别所述第二取值区域所容置的元素；
比较模块22，用于比较所述第二取值区域所容置的元素的根据第一取值区域赋值后的灰度值获得灰度最值；
赋值模块23，用于将所述灰度最值赋值给所述第二取值区域中心位置的元素，获得第二次处理后的图像；
其中，所述第一取值区域的行数为1，列数大于1，且所述第二取值区域的列数为1，行数大于1；或者，所述第一取值区域的列数为1，行数大于1，且所述第二取值区域的行数为1，列数大于1。
本发明实施例中，识别模块21及比较模块22可采用上述各实施例中提供的任意一种方式计算第一取值区域或第二取值区域的灰度最值，此处不再赘述。
本发明的另一个实施例中，灰度形态学图像处理装置还包括：判断模块24，用于判断所述第二取值区域是否移动到图像的预定位置；所述比较模块22，用于在所述判断模块的判断结果为否时，比较所述第二取值区域所容置的元素的根据第一取值区域赋值后的灰度值获得灰度最值。
第二取值区域在第一取值区域之后进行比较运算的动作，本实施例中，判断模块24还可用于判断第一取值区域是否对图像执行完第一次处理，如果否，则识别模块21继续执行上述的S201，比较模块22继续执行上述的S202；对于第二取值区域来说，如果判断第二取值区域尚未移动到预定区域，则认为第二取值区域对图像的第二次处理过程尚未完成，识别模块21、比较模块22和赋值模块23将分别继续执行上述的S203、S204，直至对图像完成第二次处理，并将第二次处理后的图像将作为最终的处理后图像。
以分辨率为1920*1080的图像为例，通过3*3的取值区域进行试验后证明，利用现有技术的平均处理时间为40.08ms，而利用本发明实施例提供的灰度形态学图像处理方法及装置，仅需18.99ms，运算效率提高显著，而且对于分辨率越大的图像，本发明实施例的效果越明显。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (24)

1.一种灰度形态学图像处理方法，其特征在于，包括：
S101，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
S102，比较当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值；
S103，将所述灰度最值赋值给当前取值区域中心位置的元素，根据所述灰度最值以及所述当前区域其他位置的元素灰度值获得处理后的图像。
2.根据权利要求1所述的方法，其特征在于，
所述比较当前取值区域和上一取值区域，确定出重复区域，包括：
比较当前取值区域所容置的元素与上一取值区域所容置的元素，所述上一取值区域为所述当前取值区域向左平移一列的区域；
确定出包含m-1列重复元素的重复区域，m表示所述取值区域的列数；
比较当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值，包括：
调用当前取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前取值区域所容置的左起第2～m列元素，所述重复区域的元素灰度最值在所述上一取值区域已计算并保存；比较当前取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前取值区域的灰度最值。
3.根据权利要求1所述的方法，其特征在于，
所述比较当前取值区域和上一取值区域，确定出重复区域，包括：
比较当前取值区域所容置的元素与上一取值区域所容置的元素，所述上一取值区域为所述当前取值区域向上平移一行的区域；
确定出包含n-1行重复元素的重复区域，n表示所述取值区域的行数；
比较当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值，包括：
调用当前取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前取值区域所容置的上起第2～n行元素，所述重复区域的元素灰度最值在所述上一取值区域已计算并保存；比较当前取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前取值区域的灰度最值。
4.根据权利要求1、2或3所述的方法，其特征在于，当所述取值区域的行数和列数均大于1时，还包括：
S104，判断所述当前取值区域是否移动至图像的预定区域，如果否，则执行S101，如果是，则结束。
5.根据权利要求1、2或3所述的方法，其特征在于，当所述当前取值区域的行数为1，列数大于1时，还包括：
S105，判断所述当前取值区域是否移动到所述图像的预定区域，如果否，则执行S101；
如果是，则根据各元素的赋值后的灰度值获得行处理后的图像，并在将所述当前取值区域的列数变换为1，行数变换为大于1后，在所述行处理后的图像中执行S101。
6.根据权利要求1、2或3所述的方法，其特征在于，当所述当前取值区域的列数为1，行数大于1时，还包括：
S106，判断所述当前取值区域是否移动到所述图像的预定区域，如果否，则执行S101；
如果是，则根据各元素的赋值后的灰度值获得列处理后的图像，并在将所述当前取值区域的行数变换为1，列数变换为大于1后，在所述列处理后的图像中执行S101。
7.一种灰度形态学图像处理装置，其特征在于，包括：
识别模块，用于在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
比较模块，用于比较所述识别模块确定出的当前取值区域中的重复区域的元素灰度值与非重复区域的元素灰度值，并获得灰度最值；
赋值模块，用于将所述比较模块确定出的所述灰度最值赋值给当前取值区域中心位置的元素，根据所述灰度最值以及所述当前区域其他位置的元素灰度值获得处理后的图像。
8.根据权利要求7所述的装置，其特征在于，
所述识别模块，用于比较当前取值区域所容置的元素与上一取值区域所容置的元素，所述上一取值区域为所述当前取值区域向左平移一列的区域；确定出包含m-1列重复元素的重复区域，m表示所述取值区域的列数；
所述比较模块，用于调用当前取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前取值区域所容置的左起第2～m列元素，所述重复区域的元素灰度最值在所述上一取值区域已计算并保存；比较当前取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前取值区域的灰度最值。
9.根据权利要求7所述的装置，其特征在于，
所述识别模块，用于比较当前取值区域所容置的元素与上一取值区域所容置的元素，所述上一取值区域为所述当前取值区域向上平移一行的区域；确定出包含n-1行重复元素的重复区域，n表示所述取值区域的行数；
所述比较模块，用于调用当前取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前取值区域所容置的上起第2～n行元素，所述重复区域的元素灰度最值在所述上一取值区域已计算并保存；比较当前取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前取值区域的灰度最值。
10.根据权利要求7、8或9所述的装置，其特征在于，还包括：
判断模块，用于当所述取值区域的行数和列数均大于1时，判断所述当前取值区域是否移动至图像的预定区域；
识别模块，用于在所述判断模块的判断结果为否时，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值。
11.根据权利要求7、8或9所述的装置，其特征在于，还包括：
判断模块，用于当所述当前取值区域的行数为1，列数大于1时，判断所述当前取值区域是否移动到所述图像的预定区域；
识别模块，用于在所述判断模块的判断结果为否时，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
变换模块，用于在所述判断模块的判断结果为是时，根据各元素的赋值后的灰度值获得行处理后的图像，并在将所述当前取值区域的列数变换为1，行数变换为大于1；
所述识别模块，还用于在所述变换模块将所述当前取值区域的列数变换为1，行数变换为大于1后，在所述行处理后的图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值。
12.根据权利要求7、8或9所述的装置，其特征在于，还包括：
判断模块，用于当所述当前取值区域的列数为1，行数大于1时，判断所述当前取值区域是否移动到所述图像的预定区域；
识别模块，用于在所述判断模块的判断结果为否时，在图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
变换模块，用于在所述判断模块的判断结果为是时，根据各元素的赋值后的灰度值获得列处理后的图像，并在将所述当前取值区域的行数变换为1，列数变换为大于1；
所述识别模块，还用于在所述变换模块将所述当前取值区域的列数变换为1，行数变换为大于1后，在所述列处理后的图像中移动取值区域并识别所述取值区域所容置的元素，比较当前取值区域和上一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值。
13.一种灰度形态学图像处理方法，其特征在于，包括：
S201，在图像中移动第一取值区域并识别所述第一取值区域所容置的元素；
S202，比较所述第一取值区域所容置的元素的灰度值获得灰度最值，并将所述灰度最值赋值给所述第一取值区域中心位置的元素，获得第一次处理后的图像；
S203，在所述第一次处理后的图像中移动第二取值区域并识别所述第二取值区域所容置的元素；
S204，比较所述第二取值区域所容置的元素的根据第一取值区域赋值后的灰度值获得灰度最值，并将所述灰度最值赋值给所述第二取值区域中心位置的元素，获得第二次处理后的图像；
其中，所述第一取值区域的行数为1，列数大于1，且所述第二取值区域的列数为1，行数大于1；或者，所述第一取值区域的列数为1，行数大于1，且所述第二取值区域的行数为1，列数大于1。
14.根据权利要求13所述的方法，其特征在于，所述比较所述第一取值区域所容置的元素的灰度值获得灰度最值，包括：
比较当前第一取值区域和上一第一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
比较当前第一取值区域的重复区域的元素灰度值与非重复区域的元素灰度值获得灰度最值。
15.根据权利要求14所述的方法，其特征在于，当所述第一取值区域的行数为1，列数大于1时，所述比较当前第一取值区域和上一第一取值区域，确定出重复区域，包括：
比较当前第一取值区域所容置的元素与上一第一取值区域所容置的元素，所述上一第一取值区域为所述当前第一取值区域向左平移一列的区域；
确定出包含m-1个重复元素的重复区域，m表示所述第一取值区域的列数；
比较当前第一取值区域的重复区域的元素灰度值与非重复区域的元素灰度值获得灰度最值，包括：
调用当前第一取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前第一取值区域所容置的左起第2～m个元素，所述重复区域的元素灰度最值在所述上一第一取值区域已计算并保存；比较当前第一取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得第一当前取值区域的灰度最值。
16.根据权利要求13所述的方法，其特征在于，所述比较所述第二取值区域所容置的元素的灰度值获得灰度最值，包括：
比较当前第一取值区域和上一第二取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
比较当前第二取值区域的重复区域的元素灰度值与非重复区域的元素灰度值获得灰度最值。
17.根据权利要求16所述的方法，其特征在于，当所述第二取值区域的列数为1，行数大于1时，所述比较当前第二取值区域和上一第二取值区域，确定出重复区域，包括：
比较当前第二取值区域所容置的元素与上一第二取值区域所容置的元素，所述上一第二取值区域为所述当前第二取值区域向上平移一行的区域；
确定出包含n-1个重复元素的重复区域，n表示所述第二取值区域的行数；
比较当前第二取值区域的重复区域的元素灰度值与非重复区域的元素灰度值获得灰度最值，包括：
调用当前第二取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前第二取值区域所容置的上起第2～n个元素，所述重复区域的元素灰度最值在所述上一第二取值区域已根据经第一取值区域赋值后的对应元素的灰度值计算并保存；比较当前第二取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前第二取值区域的灰度最值。
18.根据权利要求13所述的方法，其特征在于，还包括：
S205，判断所述第二取值区域是否移动到图像的预定位置，如果否，则执行S203，如果是，则结束。
19.一种灰度形态学图像处理装置，其特征在于，包括：
识别模块，用于在图像中移动第一取值区域并识别所述第一取值区域所容置的元素；
比较模块，用于比较所述第一取值区域所容置的元素的灰度值获得灰度最值；
赋值模块，用于将所述灰度最值赋值给所述第一取值区域中心位置的元素，获得第一次处理后的图像；
识别模块，用于在所述第一次处理后的图像中移动第二取值区域并识别所述第二取值区域所容置的元素；
比较模块，用于比较所述第二取值区域所容置的元素的根据第一取值区域赋值后的灰度值获得灰度最值；
赋值模块，用于将所述灰度最值赋值给所述第二取值区域中心位置的元素，获得第二次处理后的图像；
其中，所述第一取值区域的行数为1，列数大于1，且所述第二取值区域的列数为1，行数大于1；或者，所述第一取值区域的列数为1，行数大于1，且所述第二取值区域的行数为1，列数大于1。
20.根据权利要求19所述的装置，其特征在于，
所述识别模块，用于比较当前第一取值区域和上一第一取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
所述比较模块，用于比较当前第一取值区域的重复区域的元素灰度值与非重复区域的元素灰度值获得灰度最值。
21.根据权利要求20所述的装置，其特征在于，
所述识别模块，用于当所述第一取值区域的行数为1，列数大于1时，比较当前第一取值区域所容置的元素与上一第一取值区域所容置的元素，所述上一第一取值区域为所述当前第一取值区域向左平移一列的区域；确定出包含m-1个重复元素的重复区域，m表示所述第一取值区域的列数；
所述比较模块，用于调用当前第一取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前第一取值区域所容置的左起第2～m个元素，所述重复区域的元素灰度最值在所述上一第一取值区域已计算并保存；比较当前第一取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得第一当前取值区域的灰度最值。
22.根据权利要求19所述的装置，其特征在于，
所述识别模块，用于比较当前第一取值区域和上一第二取值区域，确定出重复区域，并获取所述重复区域所容置的相应元素的灰度值；
所述比较模块，用于比较当前第二取值区域的重复区域的元素灰度值与非重复区域的元素灰度值获得灰度最值。
23.根据权利要求22所述的装置，其特征在于，
所述识别模块，用于当所述第二取值区域的列数为1，行数大于1时，比较当前第二取值区域所容置的元素与上一第二取值区域所容置的元素，所述上一第二取值区域为所述当前第二取值区域向上平移一行的区域；确定出包含n-1个重复元素的重复区域，n表示所述第二取值区域的行数；
所述比较模块，用于调用当前第二取值区域中的重复区域的元素灰度最值，所述重复区域为所述当前第二取值区域所容置的上起第2～n个元素，所述重复区域的元素灰度最值在所述上一第二取值区域已根据经第一取值区域赋值后的对应元素的灰度值计算并保存；比较当前第二取值区域中的重复区域的元素灰度最值与非重复区域的元素灰度值，并获得当前第二取值区域的灰度最值。
24.根据权利要求19所述的装置，其特征在于，还包括：
判断模块，用于判断所述第二取值区域是否移动到图像的预定位置；
所述比较模块，用于在所述判断模块的判断结果为否时，比较所述第二取值区域所容置的元素的根据第一取值区域赋值后的灰度值获得灰度最值。
CN201510996911.9A 2015-12-25 2015-12-25 灰度形态学图像处理方法及装置 Pending CN105894461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510996911.9A CN105894461A (zh) 2015-12-25 2015-12-25 灰度形态学图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510996911.9A CN105894461A (zh) 2015-12-25 2015-12-25 灰度形态学图像处理方法及装置

Publications (1)

Publication Number Publication Date
CN105894461A true CN105894461A (zh) 2016-08-24

Family

ID=57002142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510996911.9A Pending CN105894461A (zh) 2015-12-25 2015-12-25 灰度形态学图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN105894461A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018053710A1 (zh) * 2016-09-21 2018-03-29 深圳市汇顶科技股份有限公司 数字图像的形态学处理方法和数字图像处理装置
CN112287933A (zh) * 2019-12-20 2021-01-29 中北大学 一种汽车轮毂x射线图像文字干扰的去除方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101996396A (zh) * 2010-09-16 2011-03-30 湖南大学 一种基于压缩传感理论的卫星遥感图像融合方法
US20130287264A1 (en) * 2012-04-30 2013-10-31 Ncr Corporation Defect categorisation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101996396A (zh) * 2010-09-16 2011-03-30 湖南大学 一种基于压缩传感理论的卫星遥感图像融合方法
US20130287264A1 (en) * 2012-04-30 2013-10-31 Ncr Corporation Defect categorisation

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙业超: ""虹膜识别预处理算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
杨吟飞等: ""一种新的刀具磨损面图像边界提取方法"", 《南京航空航天大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018053710A1 (zh) * 2016-09-21 2018-03-29 深圳市汇顶科技股份有限公司 数字图像的形态学处理方法和数字图像处理装置
CN112287933A (zh) * 2019-12-20 2021-01-29 中北大学 一种汽车轮毂x射线图像文字干扰的去除方法及系统

Similar Documents

Publication Publication Date Title
CN109005408B (zh) 一种帧内预测方法、装置及电子设备
US10394929B2 (en) Adaptive execution engine for convolution computing systems
CN108765247B (zh) 图像处理方法、装置、存储介质及设备
JP6784704B2 (ja) 画像処理方法及び装置
CN108052653A (zh) 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法
US11200446B1 (en) Single-pass primary analysis
US20190303757A1 (en) Weight skipping deep learning accelerator
CN109784372B (zh) 一种基于卷积神经网络的目标分类方法
US11734554B2 (en) Pooling processing method and system applied to convolutional neural network
KR20080094006A (ko) 병렬 프로세싱 시스템에서 멀티미디어 데이터의 프로세싱을예정하기 위한 방법 및 장치
JP2010527194A (ja) 動的運動ベクトル分析方法
EP3855362A1 (en) Convolution processing method, apparatus, and storage medium of convolutional neural network
CN109885407B (zh) 数据处理方法和装置、电子设备、存储介质
CN107704921A (zh) 基于Neon指令的卷积神经网络的算法优化方法及装置
US10922785B2 (en) Processor and method for scaling image
Xia et al. TRT-ViT: TensorRT-oriented vision transformer
CN105787911B (zh) 一种基于拓扑分形算法的图像腐蚀与膨胀处理方法
CN110084155B (zh) 一种密集人数计数的方法、装置、设备以及存储介质
CN109871841A (zh) 图像处理方法、装置、终端及存储介质
CN110866862B (zh) 基于缓冲器的数据处理方法、装置、存储介质及电子设备
CN105894461A (zh) 灰度形态学图像处理方法及装置
CN106572354A (zh) 基于图像块的搜索匹配方法、系统及视频处理设备
JP2007535267A (ja) 画像処理装置及び方法
US9898805B2 (en) Method for efficient median filtering
Song et al. A lightweight local-global attention network for single image super-resolution

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160824