CN106067176B - 一种基于像素信号能量的图像边缘roi的确定算法 - Google Patents

Abstract

本发明涉及边缘检测技术领域，公开了一种基于像素信号能量的图像边缘ROI的确定算法。具体包括以下步骤：图像矩阵记为I，选取图像矩阵上第x行第y列为中心像素点I(x,y)；以像素点I(x,y)为中心的像素块的块内灰度方差用下式表示：V(x，y)＝var{G(x+i，y+j)},i,j∈{‑1,0,1}，其中G(x,y)为像素点I(x,y)的灰度值；记像素点I(x,y)的信号能量E_n(x,y)＝V(x,y)²；引入信号能量的百分位数函数Percentile(u,v)，其中u,v∈[0,100]，表示矩阵I中像素点I(x,y)的信号能量E_n(x,y)小于总能量百分之v的像素点个数占到了矩阵I的像素点总个数的百分之u；根据信号能量的百分位数函数Percentile(u,v)，选取显著性水平α的值，计算1‑α取值，剔除信号能量的百分位数函数中像素能量在总能量中占比低于1‑α的像素点，所述选出的像素点有1‑α的可能性属于图像边缘，从而可以获得图像边缘ROI。

Description

一种基于像素信号能量的图像边缘ROI的确定算法

技术领域

本发明涉及边缘检测技术领域，特别是一种基于像素信号能量的图像边缘ROI的确定算法。

背景技术

目前传统图像边缘检测技术采用数字图像边缘检测技术，主要目的是为了检测或者提取出一张数字图像中有明显变化的边缘或者不联系区域包括一阶微分边缘算子、LoG算子、Canny算子、Sobel算子等，虽然数字图像边缘检测技术可以较好的得到图像的边缘，但是检测算法多根据像素的局部情况进行判定，而且检测到的边缘轮廓常常是不连续的，甚至包含一些人们不感兴趣的区域边缘，因此检测出的图像边缘往往存在个别的误检，比如局部脱离边缘主轮廓的点明显是非边缘区域被判断成边缘，或者图像中目标内部出现了小幅灰度变化的区域被误判为边缘区域。如图1所示，该图为CT扫描得到的牙齿图像，可以看出图1中的背景区域有大量区域因其附近像素的灰度出现了波动而被误判为边缘，如图2所示为利用传统Canny算子处理图1后所获得的边缘图像且在牙齿区域内部也出现了很多脱离边缘主轮廓的非边缘区域。同样在其他物体的图像边缘区域同样也会出现上述的误判情况。

故有必要设计算法去除非边缘区域，在边缘检测前设定大致的图像边缘ROI，在确定边缘可能出现的区域后，只在该区域进行边缘检测，以提高图像边缘检测的准确性。

发明内容

本发明的目的是确定图像边缘可能出现的区域，从而设置图像边缘ROI，减少传统的数字图像边缘检测算法带来的边缘误检，本发明提出了一种基于像素信号能量的图像边缘ROI的确定算法。

本发明采用的技术方案如下：

一种基于像素信号能量的图像边缘ROI的确定算法，其特征在于包括以下步骤：

步骤一、图像矩阵记为I，选取图像矩阵上第x行第y列为中心像素点I(x,y)；

步骤二、以像素点I(x,y)为中心的像素块的块内灰度方差用下式表示：V(x，y)＝var{G(x+i，y+j)},i,j∈{-1,0,1}，其中G(x,y)为像素点I(x,y)的灰度值；

步骤三、记像素点I(x,y)的信号能量E_n(x,y)＝V(x,y)²，像素点是边缘的可能性大小建模为像素点I(x,y)的信号能量；

步骤四、引入信号能量的百分位数函数Percentile(u,v)，其中u,v∈[0,100]，表示矩阵I中像素点I(x,y)的信号能量E_n(x,y)小于总能量百分之v的像素点个数占到了矩阵I的像素点总个数的百分之u；

步骤五、用二维坐标图表示百分位数函数Percentile(u,v)，选取显著性水平α，可求得1-α的值；

步骤六、在百分位数函数Percentile(u,v)中将像素点I(x,y)信号能量E_n(x,y)占总能量的比低于1-α的像素点全部剔除，即将其灰度置零，可以获得图像边缘ROI。

进一步地，上述信号能量有以下关系式：其中I'＝{I'(x,y)|E_n(x,y)＜En_threshold}，En_threshold为像素信号能量阈值。

与现有技术相比，采用上述技术达到以下有益效果：根据图像像素块的整体情况进行判定，以像素块的灰度方差作为判断标准，并且引入信号能量和能量百分位数函数，可有效剔除属于图像边缘的可能性较小的区域。

附图说明

图1为通过CT机扫描牙齿得到的原始图像。

图2为利用传统Canny算子处理图1后所获得的边缘图像。

图3为本发明图像边缘的像素信号能量图。

图4为本发明信号能量的百分位数函数Percentile(u,v)的二维坐标图。

图5为本发明基于像素信号能量的图像边缘ROI图。

具体实施方式

现结合附图对本发明做进一步地描述。

一种基于像素信号能量的图像边缘ROI的确定算法，具体包括以下步骤：

本实施例以牙齿为例，除了牙齿本发明还适用于机械部件、精密零件等其他需要计算图像边缘ROI的物体；

步骤一、如图1所示为通过CT机扫描物体得到的原始图像，得到需要进行边缘检测的初始图像，图像中可以看到被检测物体的整体轮廓，图像矩阵记为I，选取图像矩阵上第x行第y列为中心像素点I(x,y)；

步骤二、以像素点I(x,y)为中心的像素块的块内灰度方差用下式表示：V(x，y)＝var{G(x+i，y+j)},i,j∈{-1,0,1}，其中G(x,y)为像素点I(x,y)的灰度值，图像的边缘区域的各个像素点之间会呈现出较大的灰度差，而像素块的灰度方差可以用来描述这一灰度变化的程度，且用到了像素块内的全部像素点的信息，因此可以将像素块的灰度方差作为某像素点属于图像边缘可能性大小的评判标准，V(x，y)的数值越小代表像素点I(x,y)越有可能不是图像边缘，应该删去；

步骤三、为确定需要删去的部分，需要确定删除阈值，这里引入像素点的信号能量的概念，记像素点I(x,y)的信号能量E_n(x,y)＝V(x,y)²，像素点I(x,y)是边缘的可能性大小建模为像素点I(x,y)的信号能量，矩阵I中能量积累小的区域应当考虑被剔除，可得到像素信号能量图如图3所示；

步骤四、为了进一步确定图像边缘ROI，引入信号能量的百分位数函数Percentile(u,v)，其中I'＝{I'(x,y)|E_n(x,y)＜En_threshold}，En_threshold为像素信号能量阈值，百分位数函数Percentile(u,v)表示矩阵I中像素点I(x,y)的信号能量E_n(x,y)小于总能量百分之v的像素点个数占到了矩阵I的像素点总个数的百分之u，可得到像素信号能量的百分位数函数Percentile(u,v)；

步骤五、如图4中所示，用二维坐标图表示百分位数函数Percentile(u,v)，横坐标为数量百分比u，纵坐标为能量百分比v，选取显著性水平α，能量百分比v在能量百分比为1％时候突然急速增大，所以此实施例中显著性水平α取1％，可求得1-α的值为99％。在百分位数函数中将像素点的信号能量占总能量的比低于1-α＝99％对应的像素点全部剔除，即将其灰度值置零，即可以得到图像边缘ROI，如图4中对应能量百分比v为1％的数量百分比为95.5％，说明整个图像中95.5％的像素的能量只占到了总信号能量的1％，这些点属于图像边缘的可能性低，可以剔除，剩余4.5％的像素占到总能量的99％可以保留，由此可以得到图像边缘ROI，如图5所示。

虽然本发明的技术内容已经以较佳的实例公开如上，然而并非用以限定本发明，如果本领域技术人员，在不脱离本发明的精神所做的非实质性改变或改进，都应该属于本发明权利要求保护的范围。

Claims (2)

1.一种基于像素信号能量的图像边缘ROI的确定算法，其特征在于包括以下步骤：

步骤一、图像矩阵记为I，选取图像矩阵上第x行第y列为中心像素点I(x,y)；

步骤二、以像素点I(x,y)为中心的像素块的块内灰度方差用下式表示：V(x，y)＝var{G(x+i，y+j)},i,j∈{-1,0,1}，其中G(x,y)为像素点I(x,y)的灰度值；

步骤三、记像素点I(x,y)的信号能量E_n(x,y)＝V(x,y)²，像素点是边缘的可能性大小建模为像素点I(x,y)的信号能量；

步骤四、引入信号能量的百分位数函数Percentile(u,v)，其中u,v∈[0,100]，表示矩阵I中像素点I(x,y)的信号能量E_n(x,y)小于总能量百分之v的像素点个数占到了矩阵I的像素点总个数的百分之u；

步骤五、用二维坐标图表示百分位数函数Percentile(u,v)，选取显著性水平α，可求得1-α的值；

步骤六、在百分位数函数Percentile(u,v)中将像素点I(x,y)信号能量E_n(x,y)占总能量的比低于1-α的像素点全部剔除，即将其灰度置零，可以获得图像边缘ROI。

2.如权利要求1所述的基于像素信号能量的图像边缘ROI的确定算法，其特征在于所述信号能量有以下关系式：其中I'＝{I'(x,y)|E_n(x,y)＜En_threshold}，En_threshold为像素信号能量阈值。