CN106600662B - 图像中主线条的绘制方法及装置 - Google Patents

Abstract

本发明提供了一种图像中主线条的绘制方法及装置，其中绘制方法包括：采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法检测结果图；对所述边缘检测算法检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓；对获取的所述各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓；根据筛选得到的线条轮廓绘制对应的主线条。采用本发明实施例提供的图像中主线条的绘制方法，可以实现利用计算机对较为复杂的各种图像进行分析处理，将其简单化、清晰化、明显化。同时，采用本发明提供的方法，可以方便地为用户提取出满足其需求的图像，便于用户观察和评价，进而提升用户视觉体验，给用户提供了方便。

Description

图像中主线条的绘制方法及装置

技术领域

本发明涉及数字图像处理领域，特别是涉及一种图像中主线条的绘制方法及装置。

背景技术

随着计算机科学技术的发展，许多其他领域的技术也被带动地发展起来。随之，人们对生活品质的要求也变得越来越高。图像是人类获取和交换信息的主要来源，因此，图像处理的应用也必然涉及到人类生活的方方面面。虽然人们在日常生活中面对不同的问题时，可以有越来越多的方法来解决。但是，现阶段，人们在对图像进行处理时还存在许多问题。

现有技术中，对图像的处理操作还处在一个比较基础的阶段。通常用户获取到的图像往往比较模糊，或者画质比较低，无法给用户提供有用的图像信息，给用户带来许多不便。

因此，现在亟需一种能够方便地为用户提供满足其需求的图像的方法。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的图像中主线条的绘制方法和相应的绘制装置。

依据本发明实施例的一个方面，提供了一种图像中主线条的绘制方法，包括：

采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法检测结果图；

对所述边缘检测算法检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓；

对获取的所述各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓；

根据筛选得到的线条轮廓绘制对应的主线条。

可选地，所述采用边缘检测算法检测出图像中各线条的边缘之前，还包括：对所述图像进行原图预处理，以得到能够利用所述边缘检测算法的图像。

可选地，对所述图像进行原图预处理，包括下列至少之一：

将所述图像转化为灰度图；

对所述图像进行中值滤波以去除噪声干扰。

可选地，对所述图像进行中值滤波以去除噪声干扰，包括：去除所述图像中纹理参数低于纹理阈值的杂纹和/或细纹。

可选地，对获取的所述各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓，包括：

计算各线条轮廓的像素点的数值；

若各线条轮廓的像素点的数值在所述图像的总像素点的比值高于设定比值，则调整所述边缘检测算法，并利用新的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。

可选地，所述设定比值为3％。

可选地，计算各线条轮廓的像素点的数值之后，判断各线条轮廓的像素点的数值在所述图像的总像素点的比值高于设定比值之前，还包括：删除其中像素点的个数小于N的线条轮廓。

可选地，根据图像中主线条的绘制方法，其中，N为20。

可选地，调整所述边缘检测算法，并利用新的边缘检测算法重新检测图像中各线条的边缘，包括：

所述边缘检测算法为Canny算法时，调整所述Canny算法的CannyThresh，利用新的CannyThresh重新检测图像中各线条的边缘。

可选地，调整所述Canny算法的CannyThresh，包括：每次按如下公式调整CannyThresh：新CannyThresh＝原CannyThresh+1。

可选地，所述根据筛选得到的线条轮廓绘制对应的主线条，包括：

确定主线条所在区域；

将该区域中的线条轮廓合并绘制出对应的主线条。

依据本发明实施例的另一个方面，提供了一种图像中主线条的绘制装置，包括：

边缘检测模块，适于采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法检测结果图；

轮廓提取模块，适于对所述边缘检测算法检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓；

轮廓筛选模块，适于对获取的所述各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓；

绘制模块，适于根据筛选得到的线条轮廓绘制对应的主线条。

可选地，根据图像中主线条的绘制装置，其中，还包括：

预处理模块，适于在所述采用边缘检测算法检测出图像中各线条的边缘之前，对所述图像进行原图预处理，以得到能够利用所述边缘检测算法的图像。

可选地，所述预处理模块适于采用下列至少之一的方式对所述图像进行原图预处理：

将所述图像转化为灰度图；

对所述图像进行中值滤波以去除噪声干扰。

可选地，所述预处理模块还适于去除所述图像中纹理参数低于纹理阈值的杂纹和/或细纹。

可选地，所述轮廓筛选模块还适于：

计算各线条轮廓的像素点的数值；

若各线条轮廓的像素点的数值在所述图像的总像素点的比值高于设定比值，则调整所述边缘检测算法，并利用新的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。

可选地，所述设定比值为3％。

可选地，所述轮廓筛选模块还适于：

计算各线条轮廓的像素点的数值之后，判断各线条轮廓的像素点的数值在所述图像的总像素点的比值高于设定比值之前，删除其中像素点的个数小于N的线条轮廓。

可选地，根据图像中主线条的绘制装置，其中，N为20。

可选地，所述轮廓筛选模块还适于：

所述边缘检测算法为Canny算法时，调整所述Canny算法的CannyThresh，利用新的CannyThresh重新检测图像中各线条的边缘。

可选地，所述轮廓筛选模块还适于：

每次按如下公式调整CannyThresh：新CannyThresh＝原CannyThresh+1。

可选地，所述绘制模块还适于：

确定主线条所在区域；

将该区域中的线条轮廓合并绘制出对应的主线条。

本发明实施例，对图像的处理方法做了改进。现有技术中，用户获取到的图像往往比较模糊，而且画质较低，无法为用户提供明显的重要信息，进而无法满足用户需求。因此，本发明实施例，为了让用户获得更加清晰并且更加符合其需求的图像，提供了一种图像中主线条的绘制方法。首先，在用户获取到待处理的原始图像后，为了更方便地对图像进行下一步处理，可以对该原始图像进行图像预处理(例如，可以先将该原始图像转化成灰度图，使用灰度图可以提升后续图像处理操作的速度，然后，对获得的灰度图进行中值滤波，去除噪声干扰)，图像预处理的过程可以为对图像进行进一步的边缘检测处理提供了基础。进一步，采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法的检测结果图。进而，对根据边缘检测算法获得的检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓。在此阶段获取到的线条轮廓，可能还会存在一些带有杂纹干扰的轮廓。为了进一步获得完整、清晰的主线条轮廓，可以对获取的各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓。最终，根据筛选得到的线条轮廓绘制对应的主线条，为用户提供满足其需求的图像。因此，采用本发明实施例提供的图像中主线条的绘制方法，基于图像通常由主线条提供足够充分的信息这一原理，对较为复杂的各种图像进行分析处理，将其主线条提取出来，使得图像所包含内容变得简单化、清晰化、明显化，使得图像信息量能够得到较好的提取，避免因图像本身模糊所导致的图像中的重要信息被忽略。同时，采用本发明提供的方法，可以方便地为用户提取出满足其需求的图像，改善图像质量，便于用户观察和评价，进而提升用户视觉体验，给用户提供了方便。更多地，采用本发明提供的方法，还可以为其他领域，例如航空和航空技术、生物医学工程、通信工程、工业和工程等领域提供方便，可以更好地促进其发展。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1是根据本发明一个实施例的图像中主线条的绘制方法的流程图；

图2是根据本发明一个实施例的图像中主线条的绘制方法的具体的流程图；

图3是根据本发明一个实施例的存在三条主线条的图像的原始图像；

图4是根据本发明一个实施例的存在三条主线条的图像CannyThresh＝1时获得的图像；

图5是根据本发明一个实施例的存在三条主线条的图像CannyThresh＝2时获得的图像；

图6是根据本发明一个实施例的存在三条主线条的图像CannyThresh＝3时获得的图像；

图7是根据本发明一个实施例的存在三条主线条的图像CannyThresh＝4时获得的图像；

图8是根据本发明一个实施例的存在三条主线条的图像的确定主线条所在区域的图像；

图9是根据本发明一个实施例的图像中主线条的绘制装置的第一种示意性框图；以及

图10是根据本发明一个实施例的图像中主线条的绘制装置的第二种示意性框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为解决上述技术问题，本发明实施例提供了一种图像中主线条的绘制方法，以实现对图像进行方便的处理操作。数字图像处理(Digital Image Processing)，其又称为计算机图像处理，它是指将图像信号转换成数字信号，并利用计算机对其进行处理的过程。具体地，数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

为了改善图像质量，获得满足用户需求的图像信息，本发明实施例提供了图1所示的图像中主线条的绘制方法。图1是根据本发明一个实施例的图像中主线条的绘制方法的流程图。如图1所示，图像中主线条的绘制方法至少包括步骤S102至步骤S108：

步骤S102、采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法检测结果图；

步骤S104、对边缘检测算法检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓；

步骤S106、对获取的各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓；

步骤S108、根据筛选得到的线条轮廓绘制对应的主线条。

本发明实施例，对图像的处理方法做了改进。现有技术中，用户获取到的图像往往比较模糊，而且画质较低，无法为用户提供明显的重要信息，进而无法满足用户需求。因此，本发明实施例，为了让用户获得更加清晰并且更加符合其需求的图像，提供了一种图像中主线条的绘制方法。首先，可以采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法的检测结果图。进而，对根据边缘检测算法获得的检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓。在此阶段获取到的线条轮廓，可能还会存在一些带有杂纹干扰的轮廓。为了进一步获得完整、清晰的主线条轮廓，可以对获取的各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓。最终，根据筛选得到的线条轮廓绘制对应的主线条，为用户提供满足其需求的图像。因此，采用本发明实施例提供的图像中主线条的绘制方法，基于图像通常由主线条提供足够充分的信息这一原理，对较为复杂的各种图像进行分析处理，将其主线条提取出来，使得图像所包含内容变得简单化、清晰化、明显化，使得图像信息量能够得到较好的提取，避免因图像本身模糊所导致的图像中的重要信息被忽略。同时，采用本发明提供的方法，可以方便地为用户提取出满足其需求的图像，改善图像质量，便于用户观察和评价，进而提升用户视觉体验，给用户提供了方便。更多地，采用本发明提供的方法，还可以为其他领域，例如航空和航空技术、生物医学工程、通信工程、工业和工程等领域提供方便，可以更好地促进其发展。

具体地，在获取到原始图像之后，通常由于原始图像太大或者原始图像中杂纹过多或者其他方面的原因，在对其进行操作时步骤会很繁琐并且比较困难，以致于处理起来速度太慢，造成许多不便。因此，为了方便对后续图像进行有效的处理，首先需对原始图像进行预处理，以得到本发明实施例的一个基础图像。其中，对原始图像进行预处理时，可以先将原始图像转化为灰度图，然后对获得的灰度图进行中值滤波。中值滤波，即一种非线性平滑技术，它将图像中每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。目的是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围像素值接近真实值，从而消除孤立的噪声点，过滤掉图像中的细纹、杂纹，以保护图像的边缘信息。本发明实施例中，对图像进行中值滤波，可以去除图像中纹理参数低于纹理阈值的杂纹和/或细纹。比如，在本发明实施例中纹理阈值取10，那么在本例中，对图像进行中值滤波后，图像中纹理参数低于10的杂纹和/或细纹都会被去除，获得一个较之前更为清晰的图像。

在对原始图像进行预处理之后，执行步骤S102，采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法检测结果图。本发明实施例采用Canny算子对图像进行边缘检测，Canny算子检测边缘的实质是求信号函数的极大值问题来判定图像边缘像素点。另外，图像边缘是指图像中灰度有显著变化的像素点的集合，并且图像边缘往往都是闭合的连线。从信号研究的频域角度而言，这些图像边缘的像素点信息属于高频信号区域。如上文所述，图像中的噪声信息也属于高频信号，因此，在对图像进行边缘检测之前需先经过去噪处理。

步骤S102执行结束之后，执行步骤S104，对边缘检测算法的检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓。对边缘检测结果图进行自适应轮廓提取要求输出一个二值化图像，即只有黑、白两个灰度的图像，一个灰度表示边缘，另一个灰度表示背景，最后还需要对边缘信息做更深层次的处理，使效果更清晰。

进一步，在获取到各线条的线条轮廓之后，执行步骤S106，对获取的各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓。其中，在对获取的各线条的线条轮廓进行筛选处理时，可以计算各线条轮廓的像素点的数值。确定出各线条轮廓的像素点的数值之后，将其中像素点个数小于N的线条轮廓删除。在本发明实施例中，N取值为20。因此，此时获得的图像中各线条轮廓的像素点的数值都不小于20。经过上述步骤之后，若各线条轮廓的像素点的数值在图像的总像素点的比值高于设定比值，则调整边缘检测算法，并利用新的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。在本发明实施例中，取设定比值为3％。也就是说，在各线条轮廓的像素点的数值在图像的总像素点的比值高于3％时，则调整边缘检测算法，并利用新的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。需要说明的是，N取值为20、设定比值取值3％，仅为本发明实施例的例举，本发明提供的方法对其不做具体限定，N和设定比值的具体数值由具体情况而定，例如，N也可能为30，也可能为40，设定比值也可能为4％，也可能为5％。

具体地，根据本发明实施例，在需要调整边缘检测算法，并利用新的边缘检测算法重新检测图像中各线条的边缘时，在本发明实施例中，采用的边缘检测算法为Canny算法，可以调整Canny算法的CannyThresh参数。相应地，在调整Canny算法的CannyThresh参数时，可以每次按如下公式进行调整：新CannyThresh＝原CannyThresh+1。随后，在调整了边缘检测算法之后，可以利用新的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。

在步骤S106执行结束之后，执行步骤S108，根据筛选得到的线条轮廓确定出主线条所在的区域，进而将该区域中的线条轮廓合并绘制出对应的主线条。

在上述步骤执行结束之后，用户可以方便地获得图像的主线条绘制图。本发明实施例提供的图像中主线条的绘制方法，为用户提供了更加清晰、图像质量更好、图像信息更明显的图像。通过该图像，用户可以直观地看到图像中的重要信息，便于用户观察和评价，进而提升用户视觉体验，为用户提供了方便。

图2示出的是根据本发明一个实施例的图像中主线条的绘制方法的具体流程图。本实施例中，N取值为20，设定比值取值为3％，CannyThresh每次进行加1操作。具体地，参见图2，该方法至少包括步骤S201至步骤S209：

步骤S201、获取原始图像；

步骤S202、对该原始图像进行灰度处理，得到相应的灰度图；

步骤S203、对获取的灰度图进行中值滤波操作；

步骤S204、对获取的图像采用Canny边缘检测算法，检测出图像中各线条的边缘，得到边缘检测结果图；

步骤S205、对边缘检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓；

步骤S206、去除各线条轮廓中像素点个数小于N的线条轮廓；

步骤S207、判断各线条轮廓的像素点的数值是否小于图像的总像素点的3％，若是，执行步骤S208，若否，执行步骤S209；

步骤S208、根据得到的线条轮廓绘制对应的主线条；

步骤S209、调整Canny算法的CannyThresh(Canny阈值)参数，使得新CannyThresh＝原CannyThresh+1，根据新的边缘检测算法重新检测图像中各线条的边缘。

采用图2所示的图像中主线条的绘制方法，除上文提供的例子外，还存在许多不同的应用场景。现提供出具体的实施例对本发明实施例所提供的图像中主线条的绘制方法进行详细阐述。

实施例一

本实施例以一个存在三条主线条的图像为例。本例中，N取值为20，设定比值取值为3％，CannyThresh每次进行加1操作。本例中，用户希望能够对该图像进行处理，以绘制出图像中的三条主线。图3示出的是根据本发明一个实施例的存在三条主线条的图像的原始图像。如图3所示，该图中存在许多不同的线条，其长短不一，形状不一，粗细不一，用户无法直观地从图3中获取该图的主线条。

根据本发明提供的图像中主线条的绘制方法，首先对该原始图像进行预处理，然后，采用Canny边缘检测算法检测出该图像中各线条的边缘。进一步地，对该图像进行线条的自适应轮廓提取操作，获取各线条的线条轮廓。随后，对获取的各线条轮廓进行筛选处理。具体地，在对获取的各线条轮廓进行筛选处理时，可以计算并确定出各线条轮廓的像素点数值。然后，删除其中像素点个数小于N的线条轮廓。并且在去除掉不符标准的线条轮廓之后，若其余的各线条轮廓的像素点的数值在图像的总像素点的比值高于设定比值3％，则调整边缘检测算法，可以对CannyThresh依次加1，利用新的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。最后，根据筛选得到的线条轮廓绘制对应的主线条。

图4-图7是根据本发明一个实施例的存在三条主线条的图像CannyThresh不同时获得的不同图像。图4是根据本发明一个实施例的存在三条主线条的图像CannyThresh＝1时获得的图像。图5是根据本发明一个实施例的存在三条主线条的图像CannyThresh＝2时获得的图像。图6是根据本发明一个实施例的存在三条主线条的图像CannyThresh＝3时获得的图像。图7是根据本发明一个实施例的存在三条主线条的图像CannyThresh＝4时获得的图像。图8是根据本发明一个实施例的存在三条主线条的图像的确定主线条所在区域的图像。如图8所示，在获取到比较清晰的图像之后，为缩小误差，可以据筛选得到的线条轮廓确定出主线条所在的区域，进而将该区域中的线条轮廓合并绘制出对应的主线条，进而获取到比较符合用户要求的图像。

上文的实施例中所提供的结果仅仅为例举，本发明实施例提供的图像中主线条的绘制方法可以通过数字图像处理技术为用户提供符合其具体需求的图像，上述实施例对其并未做限定。

因此，采用本发明实施例提供的图像中主线条的绘制方法，基于图像通常由主线条提供足够充分的信息这一原理，对较为复杂的各种图像进行分析处理，将其主线条提取出来，使得图像所包含内容变得简单化、清晰化、明显化，使得图像信息量能够得到较好的提取，避免因图像本身模糊所导致的图像中的重要信息被忽略。同时，采用本发明提供的方法，可以方便地为用户提取出满足其需求的图像，改善图像质量，便于用户观察和评价，进而提升用户视觉体验，给用户提供了方便。更多地，采用本发明提供的方法，还可以为其他领域，例如航空和航空技术、生物医学工程、通信工程、工业和工程等领域提供方便，可以更好地促进其发展。

基于同一发明构思，本发明实施例还提供了一种图像中主线条的绘制装置。图9示出了根据本发明一个实施例的图像中主线条的绘制装置的示意性框图。如图9所示，图像中主线条的绘制装置至少包括：

边缘检测模块910，适于采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法检测结果图；

轮廓提取模块920，与边缘检测模块910耦合，适于对边缘检测算法检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓；

轮廓筛选模块930，与轮廓提取模块920耦合，适于对获取的各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓；

绘制模块940，与轮廓筛选模块930耦合，适于根据筛选得到的线条轮廓绘制对应的主线条。

在一个优选的实施例中，如图10所示，图像中主线条的绘制装置，还包括：

预处理模块950，与边缘检测模块910耦合，适于在采用边缘检测算法检测出图像中各线条的边缘之前，对图像进行原图预处理，以得到能够利用边缘检测算法的图像。

在一个优选的实施例中，预处理模块950适于采用下列至少之一的方式对图像进行原图预处理：

将图像转化为灰度图；

对图像进行中值滤波以去除噪声干扰。

在一个优选的实施例中，预处理模块950还适于去除图像中纹理参数低于纹理阈值的杂纹和/或细纹。

在一个优选的实施例中，轮廓筛选模块930还适于：

计算各线条轮廓的像素点的数值；

若各线条轮廓的像素点的数值在图像的总像素点的比值高于设定比值，则调整边缘检测算法，并利用新的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。

在一个优选的实施例中，设定比值为3％。

在一个优选的实施例中，轮廓筛选模块930还适于：

计算各线条轮廓的像素点的数值之后，判断各线条轮廓的像素点的数值在图像的总像素点的比值高于设定比值之前，删除其中像素点的个数小于N的线条轮廓。

在一个优选的实施例中，N为20。

在一个优选的实施例中，轮廓筛选模块930还适于：

边缘检测算法为Canny算法时，调整Canny算法的CannyThresh，利用新的CannyThresh重新检测图像中各线条的边缘。

在一个优选的实施例中，轮廓筛选模块930还适于：

每次按如下公式调整CannyThresh：新CannyThresh＝原CannyThresh+1。

在一个优选的实施例中，绘制模块940还适于：

确定主线条所在区域；

将该区域中的线条轮廓合并绘制出对应的主线条。

采用本发明实施例提供的图像中主线条的绘制方法及装置能够达到如下有益效果：

本发明实施例，对图像的处理方法做了改进。现有技术中，用户获取到的图像往往比较模糊，而且画质较低，无法为用户提供明显的重要信息，进而无法满足用户需求。因此，本发明实施例，为了让用户获得更加清晰并且更加符合其需求的图像，提供了一种图像中主线条的绘制方法。首先，在用户获取到待处理的原始图像后，为了更方便地对图像进行下一步处理，可以对该原始图像进行图像预处理(例如，可以先将该原始图像转化成灰度图，使用灰度图可以提升后续图像处理操作的速度，然后，对获得的灰度图进行中值滤波，去除噪声干扰)，图像预处理的过程可以为对图像进行进一步的边缘检测处理提供了基础。进一步，采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法的检测结果图。进而，对根据边缘检测算法获得的检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓。在此阶段获取到的线条轮廓，可能还会存在一些带有杂纹干扰的轮廓。为了进一步获得完整、清晰的主线条轮廓，可以对获取的各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓。最终，根据筛选得到的线条轮廓绘制对应的主线条，为用户提供满足其需求的图像。因此，采用本发明实施例提供的图像中主线条的绘制方法，基于图像通常由主线条提供足够充分的信息这一原理，对较为复杂的各种图像进行分析处理，将其主线条提取出来，使得图像所包含内容变得简单化、清晰化、明显化，使得图像信息量能够得到较好的提取，避免因图像本身模糊所导致的图像中的重要信息被忽略。同时，采用本发明提供的方法，可以方便地为用户提取出满足其需求的图像，改善图像质量，便于用户观察和评价，进而提升用户视觉体验，给用户提供了方便。更多地，采用本发明提供的方法，还可以为其他领域，例如航空和航空技术、生物医学工程、通信工程、工业和工程等领域提供方便，可以更好地促进其发展。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的图像中主线条的绘制设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (18)

1.一种图像中主线条的绘制方法，包括：

采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法检测结果图；

对所述边缘检测算法检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓；

对获取的所述各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓；

根据筛选得到的线条轮廓绘制对应的主线条；

其中，对获取的所述各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓，包括：

计算各线条轮廓的像素点的数值；

删除其中像素点的个数小于N的线条轮廓；

若各线条轮廓的像素点的数值在所述图像的总像素点的比值高于设定比值，则调整所述边缘检测算法的参数，并利用调整后的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。

2.根据权利要求1所述的方法，其中，所述采用边缘检测算法检测出图像中各线条的边缘之前，还包括：对所述图像进行原图预处理，以得到能够利用所述边缘检测算法的图像。

3.根据权利要求2所述的方法，其中，对所述图像进行原图预处理，包括下列至少之一：

将所述图像转化为灰度图；

对所述图像进行中值滤波以去除噪声干扰。

4.根据权利要求3任一项所述的方法，其中，对所述图像进行中值滤波以去除噪声干扰，包括：去除所述图像中纹理参数低于纹理阈值的杂纹和/或细纹。

5.根据权利要求1所述的方法，其中，所述设定比值为3%。

6.根据权利要求1所述的方法，其中，N为20。

7.根据权利要求 1所述的方法，其中，调整所述边缘检测算法的参数，并利用调整后的边缘检测算法重新检测图像中各线条的边缘，包括：

所述边缘检测算法为Canny算法时，调整所述Canny算法的CannyThresh，利用新的CannyThresh重新检测图像中各线条的边缘。

8.根据权利要求7所述的方法，其中，调整所述Canny 算法的CannyThresh，包括：每次按如下公式调整CannyThresh：新CannyThresh=原CannyThresh+1。

9.根据权利要求1所述的方法，其中，所述根据筛选得到的线条轮廓绘制对应的主线条，包括：

确定主线条所在区域；

将该区域中的线条轮廓合并绘制出对应的主线条。

10.一种图像中主线条的绘制装置，包括：

边缘检测模块，适于采用边缘检测算法检测出图像中各线条的边缘，得到边缘检测算法检测结果图；

轮廓提取模块，适于对所述边缘检测算法检测结果图进行线条的自适应轮廓提取操作，获取各线条的线条轮廓；

轮廓筛选模块，适于对获取的所述各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓；

绘制模块，适于根据筛选得到的线条轮廓绘制对应的主线条；

其中，对获取的所述各线条的线条轮廓进行筛选处理，得到其中满足主线条标准的线条轮廓，包括：

计算各线条轮廓的像素点的数值；

删除其中像素点的个数小于N的线条轮廓；

若各线条轮廓的像素点的数值在所述图像的总像素点的比值高于设定比值，则调整所述边缘检测算法的参数，并利用调整后的边缘检测算法重新检测图像中各线条的边缘，直至得到满足主线条标准的线条轮廓。

11.根据权利要求10所述的装置，其中，还包括：

预处理模块，适于在所述采用边缘检测算法检测出图像中各线条的边缘之前，对所述图像进行原图预处理，以得到能够利用所述边缘检测算法的图像。

12.根据权利要求11所述的装置，其中，所述预处理模块适于采用下列至少之一的方式对所述图像进行原图预处理：

将所述图像转化为灰度图；

对所述图像进行中值滤波以去除噪声干扰。

13.根据权利要求12所述的装置，其中，所述预处理模块还适于去除所述图像中纹理参数低于纹理阈值的杂纹和/或细纹。

14.根据权利要求10所述的装置，其中，所述设定比值为3%。

15.根据权利要求10所述的装置，其中，N为20。

16.根据权利要求10所述的装置，其中，所述轮廓筛选模块还适于：

所述边缘检测算法为Canny算法时，调整所述Canny算法的CannyThresh，利用新的CannyThresh重新检测图像中各线条的边缘。

17.根据权利要求16所述的装置，其中，所述轮廓筛选模块还适于：

每次按如下公式调整CannyThresh：新CannyThresh=原CannyThresh+1。

18.根据权利要求10所述的装置，其中，所述绘制模块还适于：确定主线条所在区域；

将该区域中的线条轮廓合并绘制出对应的主线条。

Images