CN107292897B - 用于yuv域的图像边缘提取方法、装置及终端 - Google Patents
用于yuv域的图像边缘提取方法、装置及终端 Download PDFInfo
- Publication number
- CN107292897B CN107292897B CN201610204706.9A CN201610204706A CN107292897B CN 107292897 B CN107292897 B CN 107292897B CN 201610204706 A CN201610204706 A CN 201610204706A CN 107292897 B CN107292897 B CN 107292897B
- Authority
- CN
- China
- Prior art keywords
- edge
- point
- pixel
- image
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
一种用于YUV域的图像边缘提取方法、装置及终端,图像边缘提取方法包括:获取待提取图像,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值;计算所述像素矩阵中每一像素点的边缘值,所述边缘值表示所述像素点的亮度差异信息;根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点;计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点。本发明技术方案提高了图像边缘检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种用于YUV域的图像边缘提取方法、装置及终端。
背景技术
边缘是图像最基本的特征,边缘检测是图像分析与识别的重要环节。图像边缘检测在计算机视觉、图像分析等应用中起着重要作用,图像的其他特征都是由边缘和区域这些基本特征推导出来的,边缘检测的效果会直接影响图像的分割和识别性能。
现有技术中,边缘检测算法的种类很多,如微分算子法、样板匹配法、小波检测法、神经网络法等等。目前,微分算子法中有Roberts、Sobel、Prewitt、Canny、Laplacian、Log以及二阶方向导数等算子检测法。基于微分算子的边缘检测是目前较为常用的边缘检测方法。其检测步骤为:首先通过滤波器降低噪声;然后增强边缘的基础,确定图像各点领域强度的变化值,将强度值有显著变化的点突显出来;然后通过梯度复制阈值判断哪些是边缘点,哪些不是;在某些应用场景,还需要将边缘的位置通过子像素分辨率进行估计出来。
但是,现有技术的边缘检测算法受噪声影响较严重,不能分辨出噪声和真正的边缘信息,导致检测出的边缘不连续,或将噪声当作边缘检出,检测误差大;进而给后续的图像处理过程造成不便,导致最终图像处理结果不理想。
发明内容
本发明解决的技术问题是如何提高图像边缘检测的准确性。
为解决上述技术问题,本发明实施例提供一种用于YUV域的图像边缘提取方法,所述图像边缘提取方法包括:获取待提取图像,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值;计算所述像素矩阵中每一像素点的边缘值,所述边缘值表示所述像素点的亮度差异信息;根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点;计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点。
可选的,所述图像边缘提取方法还包括:根据在所述像素矩阵中与非第一边缘点相邻的像素点之间的关系,增加第三边缘点。
可选的,获取所述待提取图像之后还包括:对所述待提取图像进行滤波处理,以减弱噪声。
可选的,对于所述像素矩阵中的任一目标像素点,采用如下方式计算所述目标像素点的边缘值:计算所述目标像素点之上的各行像素点的亮度值之和,并减去所述目标像素点之下的各行像素点的亮度值之和,作为所述目标像素点的水平边缘值;计算所述目标像素点左侧的各列像素点的亮度值之和,并减去所述目标像素点右侧的各列像素点的亮度值之和,作为所述目标像素点的垂直边缘值;计算所述水平边缘值和所述垂直边缘值的平方和,并作为所述目标像素点的所述边缘值。
可选的,根据所述边缘值对所述像素矩阵中的各个像素点进行筛选包括:根据所述像素点的亮度值判定所述像素点所处的预设亮度区域;当所述像素点的边缘值超过所述预设亮度区域对应的预设边缘阈值时,判定所述像素点为所述第一边缘点,其中,不同所述预设亮度区域的所述预设边缘阈值不同。
可选的,所述预设边缘阈值为对应的所述预设亮度区域内所有像素点的所述边缘值的平均值。
可选的,计算所述第一边缘点的角度包括:通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度,每个所述角度指向圆周内的一个扇形区域。
可选的,基于所述角度在所述第一边缘点中筛选出能够直线连接的所述第二边缘点包括:对于任一第一边缘点,在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向的任一像素点,如果所述像素点所处的所述扇形区域与所述第一边缘点所处的扇形区域相同、相邻或相反,则判定所述第一边缘点为所述第二边缘点。
可选的,所述图像边缘提取方法还包括:根据在所述像素矩阵中与非第一边缘点相邻的像素点之间的关系,增加第三边缘点。
可选的,根据在所述像素矩阵中与非第一边缘点相邻的像素点之间的关系,增加第三边缘点包括:对于任一所述非第一像素点,在以所述非第一像素点为中心的九宫格内,如果与所述非第一像素点处于同一直线上的两个像素点都为第一边缘点,且所述同一直线的方向与所述两个第一边缘点的角度方向一致,则将所述非第一像素点判定为第三边缘点。
为解决上述技术问题,本发明实施例还公开了一种用于YUV域的图像边缘提取装置,所述图像边缘提取装置包括:采集单元,适于获取待提取图像,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值;边缘值计算单元,适于计算所述像素矩阵中每一像素点的边缘值,所述边缘值表示所述像素点的亮度差异信息;第一筛选单元,适于根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点;第二筛选单元,适于计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点。
可选的,所述图像边缘提取装置还包括:补充单元,适于根据在所述像素矩阵中与非第一边缘点相邻的像素点之间的关系,增加第三边缘点。
可选的,所述图像边缘提取装置还包括:滤波单元,适于在获取待提取图像后,对所述待提取图像进行滤波处理,以减弱噪声。
可选的,所述边缘值计算单元包括:第一计算子单元,对于所述像素矩阵中的任一目标像素点,适于计算所述目标像素点之上的各行像素点的亮度值之和,并减去所述目标像素点之下的各行像素点的亮度值之和,作为所述目标像素点的水平边缘值;第二计算子单元,适于计算所述目标像素点左侧的各列像素点的亮度值之和,并减去所述目标像素点右侧的各列像素点的亮度值之和,作为所述目标像素点的垂直边缘值;第三计算子单元,适于计算所述水平边缘值和所述垂直边缘值的平方和,并作为所述目标像素点的所述边缘值。
可选的,所述第一筛选单元包括:判定子单元,适于根据所述像素点的亮度值判定所述像素点所处的预设亮度区域;筛选子单元,适于在所述像素点的边缘值超过所述预设亮度区域对应的预设边缘阈值时,判定所述像素点为所述第一边缘点,其中,不同所述预设亮度区域的所述预设边缘阈值不同。
可选的,所述预设边缘阈值为对应的所述预设亮度区域内所有像素点的所述边缘值的平均值。
可选的,所述第二筛选单元包括:角度计算子单元,适于通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度,每个所述角度指向圆周内的一个扇形区域。
可选的,所述第二筛选单元还包括:确定子单元,适于对于任一第一边缘点,在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向的任一像素点,如果所述像素点所处的所述扇形区域与所述第一边缘点所处的扇形区域相同、相邻或相反,则判定所述第一边缘点为所述第二边缘点。
可选的,所述图像边缘提取装置还包括:补充单元,适于根据在所述像素矩阵中与非第一边缘点相邻的像素点之间的关系,增加第三边缘点。
可选的,对于任一所述非第一像素点,在以所述非第一像素点为中心的九宫格内,如果与所述非第一像素点处于同一直线上的两个像素点都为第一边缘点,且所述同一直线的方向与所述两个第一边缘点的角度方向一致,所述补充单元则将所述非第一像素点判定为第三边缘点。
为了解决上述技术问题,本发明实施例还公开了一种终端,所述终端包括所述图像边缘提取装置。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明的用于YUV域的图像边缘提取方法包括:获取待提取图像,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值;计算所述像素矩阵中每一像素点的边缘值,所述边缘值表示所述像素点的亮度差异信息;根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点;计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点。其中,基于亮度值计算像素矩阵中每一像素点的边缘值,根据亮度差异信息对所述像素矩阵中的各个像素点进行筛选,去除误检的边缘点,确定第二边缘点,形成图像边缘信息,从而能够较大的降低噪声对边缘检测的影响,提高图像边缘检测的准确性,使得检测出来的图像边缘能较好的应用在YUV域中亮度或颜色去噪以及边缘增强领域。
进一步,根据所述非第一边缘点的角度及其在所述像素矩阵中的位置,在非第一边缘点之间增加第三边缘点,第三边缘点与第二边缘点共同形成图像的边缘,可以使得检测出来的图像边缘更连续,进一步提高了图像边缘检测的准确性。
附图说明
图1是本发明实施例一种用于YUV域的图像边缘提取方法的流程图;
图2是本发明实施例另一种用于YUV域的图像边缘提取方法的流程图;
图3是本发明实施例又一种用于YUV域的图像边缘提取方法的流程图;
图4是本发明实施例一种第一边缘点的角度与扇形区域关系的示意图;
图5是本发明实施例一种预设亮度区域与预设边缘阈值对应关系的示意图;
图6是本发明实施例一种用于YUV域的图像边缘提取装置的结构示意图;
图7是本发明实施例另一种用于YUV域的图像边缘提取装置的结构示意图。
具体实施方式
如背景技术中所述,现有技术的边缘检测算法受噪声影响较严重,不能分辨出噪声和真正的边缘信息,导致检测出的边缘不连续,或将噪声当作边缘检出,检测误差大;进而给后续的图像处理过程造成不便,导致最终图像处理结果不理想。
本发明实施例基于亮度值计算像素矩阵中每一像素点的边缘值,根据亮度差异信息对所述像素矩阵中的各个像素点进行筛选,确定第二边缘点,形成图像边缘信息,从而能够较大的降低噪声对边缘检测的影响,提高图像边缘检测的准确性,使得检测出来的图像边缘能较好的应用在YUV域中亮度或颜色去噪以及边缘增强领域。进一步地,根据在所述像素矩阵中与非第一边缘点相邻的像素点之间的关系,增加第三边缘点,可以使得检测出来的图像边缘更连续,进一步提高了图像边缘检测的准确性。
本发明实施例所称YUV(亦称YCrCb)域是一种色彩空间,用于表示颜色,可以与RGB相互转化。其中,"Y"表示明亮度(Luminance或Luma),也就是灰阶值,而"U"和"V"表示的则是色度(Chrominance或Chroma),作用是描述影像色彩及饱和度,用于指定像素的颜色。具体地,"亮度"Y是通过RGB输入信号来创建的,是将RGB信号的特定部分叠加到一起。"色度""U"和"V"则定义了颜色的两个方面:色调与饱和度,分别用Cr和Cb来表示。其中,Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异,而CB反映的是RGB输入信号蓝色部分与RGB信号亮度值之同的差异。通过运算,YUV三分量可以还原出R(红),G(绿)和B(蓝)。在YUV域,图像的亮度和色度分离开,在亮度Y平面的边缘信息是最丰富的,从而适合用于图像处理领域,由此,本发明实施例主要是用于在Y平面进行亮度或颜色噪声去除以及边缘增强的图像边缘提取方法、装置及终端。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例一种用于YUV域的图像边缘提取方法的流程图。下面结合图1对所述图像边缘提取方法做详细的说明。
步骤S101:获取待提取图像。其中,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值。
本实施例中,图像边缘提取方法是用于在亮度Y平面进行一系列的操作,得到图像边缘。获取到的待提取图像如果是YUV图像,则无需进行颜色空间转换,可以直接进入后续步骤。而如果获取到的待提取图像是RGB图像,则需要将图像从RGB转换为YUV图像。例如,可以采用如下方式进行转换:Y=0.299×R+0.587×G'+0.114×B;U=-0.147×R-0.289×G+0.436×B=0.492×(B-Y);V=0.615×R-0.515×G-0.100×B'=0.877×(R-Y)。
步骤S102:计算所述像素矩阵中每一像素点的边缘值。其中,所述边缘值表示所述像素点的亮度差异信息。
本实施例中,由于在待提取图像中,边缘是待提取图像局部强度变化最明显的地方,边缘表明一个特征区域的终结和另一特征区域的开始。边缘所分开区域的内部特征或属性是一致的,而不同的区域内部特征或属性是不同的。本步骤S102则是利用待提取图像中像素点的亮度差异信息来实现检测。所述亮度差异信息包括亮度值的差异,边缘检测是检测待提取图像亮度值发生变化的位置。步骤S102通过计算各个像素点之间的亮度差异,并以此差异表征像素点的边缘信息。
具体实施中,对于所述像素矩阵中的任一目标像素点,计算所述目标像素点之上的各行像素点的亮度值之和,并减去所述目标像素点之下的各行像素点的亮度值之和,作为所述目标像素点的水平边缘值;计算所述目标像素点左侧的各列像素点的亮度值之和,并减去所述目标像素点右侧的各列像素点的亮度值之和,作为所述目标像素点的垂直边缘值;计算所述水平边缘值和所述垂直边缘值的平方和,并作为所述目标像素点的所述边缘值。也就是说,水平边缘值表示目标像素点所处水平方向的边缘信息,垂直边缘值表示目标像素点所处竖直方向的边缘信息。
可以理解的是,所述水平边缘值也可以是目标像素点之下的各行像素点的亮度值之和减去目标像素点之上的各行像素点的亮度值之和;所述垂直边缘值也可以是目标像素点右侧的各列像素点的亮度值之和减去所述目标像素点左侧的各列像素点的亮度值之和,在图像边缘提取的整个过程中采用的方式一致即可,本发明实施例对此不做限制。
例如,请参照表1,在表1所示的像素矩阵中,L00、L01、L02、L10、L11、L12、L20、L21和L22分别表示对应位置的像素点的亮度值。则亮度值为L11的目标像素点的水平边缘值edgex11=(L00+L01+L02)-(L20+L21+L22),垂直边缘值edgey11=(L00+L10+L20)-(L02+L12+L22),边缘值edge11=(edgex11)2+(edgey11k)2。同理,亮度值为L00、L01、L02、L10、L12、L20、L21和L22的目标像素点的边缘值的计算可参照上述计算过程。
L00 | L01 | L02 |
L10 | L11 | L12 |
L20 | L21 | L22 |
表1
步骤S103:根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点。
本实施例中,对所述像素矩阵中的各个像素点进行筛选,保留边缘值超过预设边缘阈值的第一边缘点。具体地,在像素矩阵中,可以将第一边缘点的像素点的灰度值设置为255,将非第一边缘点的像素点的灰度值设置为0,也就是将整个图像呈现出明显的只有黑和白的视觉效果,由此可以得到一个二值化的图像。
具体实施中,经步骤S102,像素矩阵中每一像素点具备边缘值。根据所述像素点的亮度值判定所述像素点所处的预设亮度区域,当所述像素点的边缘值超过所述预设亮度区域对应的预设边缘阈值时,判定所述像素点为所述第一边缘点,其中,不同所述预设亮度区域的所述预设边缘阈值不同。具体地,所述预设边缘阈值为对应的所述预设亮度区域内所有像素点的所述边缘值的平均值。
需要说明的是,所述预设亮度区域的亮度范围或数量的划分可以根据实际的应用环境进行适应性的调整,例如可以根据需要、根据经验或者根据大数据机器学习的结果预先设定,本发明实施例对此不做限制。
步骤S104:计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点。
本实施例中,角度可以是第一边缘点在亮度Y平面的角度,表示所述第一边缘点边缘的方向信息,也就是说角度表示所述第一边缘点亮度值差异的方向信息。
具体实施中,通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度,每个所述角度指向圆周内的一个扇形区域。对于任一第一边缘点,在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向的任一像素点,如果所述像素点的角度指向的所述扇形区域与所述第一边缘点的角度指向的扇形区域相同、相邻或相反,则判定所述第一边缘点为所述第二边缘点。其中,所述角度方向可以是以所述第一边缘点为中心,所述角度指向的扇形区域所包括的角度的范围。
具体地,经步骤S103,确定第一边缘点后,二值化的所述像素矩阵中,通过在第一边缘点之间对其角度进行判定,筛选出能够直线连接的第二边缘点,组成待提取图像边缘的至少一部分。
可以理解的是,可以是在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向的任一像素点,也可以是其他任意可实施的N×N模板,能够确定所述第一边缘点的角度方向的任一像素点即可,本发明实施例对此不做限制。
本发明实施例基于亮度值计算像素矩阵中每一像素点的边缘值,根据亮度差异信息对所述像素矩阵中的各个像素点进行筛选,确定第二边缘点,形成图像边缘信息,从而能够较大的降低噪声对边缘检测的影响,提高图像边缘检测的准确性。
图2是本发明实施例另一种用于YUV域的图像边缘提取方法的流程图,下面结合图2对所述图像边缘提取方法做详细的说明。
步骤S201:获取待提取图像。其中,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值。
步骤S202:对所述待提取图像进行滤波处理。
具体实施中,对所述待提取图像进行滤波处理主要是为了减弱噪声对边缘检测的影响。具体地,滤波的方式有多种,例如可以使用均值滤波,以减弱边界检测对噪声的敏感性。
例如,请参照表2,在表2所示的像素矩阵中,Y00、Y01、Y02、Y03….Y44表示像素点的亮度值,以3×3的均值滤波模板对像素矩阵进行滤波处理,计算公式为其中,Y′m,n表示滤波后像素点的亮度值,N为正整数。
Y00 | Y01 | Y02 | Y03 | Y04 |
Y10 | Y11 | Y12 | Y13 | Y14 |
Y20 | Y21 | Y22 | Y23 | Y24 |
Y30 | Y31 | Y32 | Y33 | Y34 |
Y40 | Y41 | Y42 | Y43 | Y44 |
表2
可以理解的是,对待提取图像进行滤波的算法可以是均值算法,也可以是其他任意可实施的滤波算法,本发明实施例对此不做限制。
步骤S203:计算所述像素矩阵中每一像素点的边缘值。其中,所述边缘值表示所述像素点的亮度差异信息。
具体实施中,对于所述像素矩阵中的任一目标像素点,计算所述目标像素点之上的各行像素点的亮度值之和,并减去所述目标像素点之下的各行像素点的亮度值之和,作为所述目标像素点的水平边缘值;计算所述目标像素点左侧的各列像素点的亮度值之和,并减去所述目标像素点右侧的各列像素点的亮度值之和,作为所述目标像素点的垂直边缘值;计算所述水平边缘值和所述垂直边缘值的平方和,并作为所述目标像素点的所述边缘值。
步骤S204:根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点。
具体实施中,经步骤S203,像素矩阵中每一像素点具备边缘值。根据所述像素点的亮度值判定所述像素点所处的预设亮度区域,当所述像素点的边缘值超过所述预设亮度区域对应的预设边缘阈值时,判定所述像素点为所述第一边缘点,其中,不同所述预设亮度区域的所述预设边缘阈值不同。具体地,所述预设边缘阈值为对应的所述预设亮度区域内所有像素点的所述边缘值的平均值。
步骤S205:计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点。
具体实施中,通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度,每个所述角度指向圆周内的一个扇形区域。对于任一第一边缘点,在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向的任一像素点,如果所述像素点所处的所述扇形区域与所述第一边缘点所处的扇形区域相同、相邻或相反,则判定所述第一边缘点为所述第二边缘点。具体地,经步骤S204,确定第一边缘点后,二值化的所述像素矩阵中,通过在第一边缘点之间对其角度进行判定,筛选出能够直线连接的第二边缘点,组成待提取图像边缘的至少一部分。
步骤S206:根据在所述像素矩阵中与非第一边缘点相邻的像素点之间的关系,增加第三边缘点。
本实施例中,在图像中,图像边缘的有些边缘点可能是断开的,采用步骤S205不能够将这些连接断开的边缘点检测出来,由此,步骤S206的目的是找到连接断开的边缘点,作为第三边缘点。所有的第三边缘点与所有的第二边缘点共同组成待提取图像的边缘。至此,可以使得检测出来的图像边缘更连续,进一步提高了图像边缘检测的准确性。
具体实施中,对于任一所述非第一像素点,在以所述非第一像素点为中心的九宫格内,如果与所述非第一像素点处于同一直线上的两个像素点都为第一边缘点,且所述同一直线的方向与所述两个第一边缘点的角度方向一致,则将所述非第一像素点判定为第三边缘点。具体地,所述同一直线的方向可以是两个像素点构成的直线与水平线的角度,所述两个第一边缘点的角度方向可以是角度指向的扇形区域包括的角度范围;所述同一直线的方向与所述两个第一边缘点的角度方向一致是指以所述像素点为中心,两个像素点构成的直线与水平线的角度为扇形区域包括的角度范围其中之一。
可以理解的是,可以是在以所述像素点为中心的九宫格内,确定与所述像素点处于同一直线上的两个像素点,也可以是其他任意可实施的N×N模板,能够确定与所述像素点处于同一直线上的两个像素点即可,本发明实施例对此不做限制。
本发明实施例的具体实施方式可参照前述相应实施例,此处不再赘述。
图3是本发明实施例又一种用于YUV域的图像边缘提取方法的流程图,下面结合图3对所述图像边缘提取方法做详细的说明。
步骤S301:获取待提取图像。其中,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值。
步骤S302:对所述待提取图像进行滤波处理。
具体实施中,对所述待提取图像进行滤波处理主要是为了减弱噪声对边缘检测的影响。具体地,滤波的方式有多种,例如可以使用均值滤波,以减弱边界检测对噪声的敏感性,以便于后续步骤中对于边缘值的计算。
步骤S303:计算所述目标像素点之上的各行像素点的亮度值之和,并减去所述目标像素点之下的各行像素点的亮度值之和,作为所述目标像素点的水平边缘值。
步骤S304:计算所述目标像素点左侧的各列像素点的亮度值之和,并减去所述目标像素点右侧的各列像素点的亮度值之和,作为所述目标像素点的垂直边缘值。
步骤S305:计算所述水平边缘值和所述垂直边缘值的平方和,并作为所述目标像素点的所述边缘值。
本实施例中,由于在待提取图像中,边缘是待提取图像局部强度变化最明显的地方,边缘表明一个特征区域的终结和另一特征区域的开始。边缘所分开区域的内部特征或属性是一致的,而不同的区域内部特征或属性是不同的。步骤S303、S304和S305则是利用待提取图像中像素点的亮度差异信息来实现检测。所述亮度差异信息包括亮度值的差异,边缘检测是检测待提取图像亮度值发生变化的位置。
步骤S306:根据所述像素点的亮度值判定所述像素点所处的预设亮度区域。
步骤S307:当所述像素点的边缘值超过所述预设亮度区域对应的预设边缘阈值时,判定所述像素点为所述第一边缘点。其中,不同所述预设亮度区域的所述预设边缘阈值不同。
本实施例中,对所述像素矩阵中的各个像素点进行筛选,保留边缘值超过预设边缘阈值的第一边缘点。具体地,在像素矩阵中,可以将第一边缘点的像素点的灰度值设置为255,将非第一边缘点的像素点的灰度值设置为0,也就是将整个图像呈现出明显的只有黑和白的视觉效果,由此可以得到一个二值化的图像。
经步骤S307得到第一边缘点和非第一边缘点,对于第一边缘点,进入步骤S308进行处理;对于非第一边缘点,则进入步骤S310进行处理。
步骤S308:通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度。其中,每个所述角度指向圆周内的一个扇形区域。
具体实施中,请参照图4,图4是本发明实施例一种第一边缘点的角度与扇形区域关系的示意图。其中,edgex表示第一边缘点的水平边缘值,edgey表示第一边缘点的垂直边缘值,通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度Sigma,计算公式可以为Sigma=arctan(edgex/edgey),也即水平边缘值和垂直边缘值的比值再取反正切函数。每个第一边缘点的角度Sigma指向圆周内的一个扇形区域,如图4所示,圆周包括8个扇形区域,扇形区域1表示角度为45度至90度的区域,扇形区域2表示角度为0度至45度的区域,同理,其他扇形区域3、4、5、6、7和8可以以此类推,在扇形区域3内,-45度<Sigma<=0度;在扇形区域4内,-90度<Sigma<=-45度;在扇形区域5内,-135度<Sigma<=-90度;在扇形区域6内,-180度<Sigma<-135度;在扇形区域7内,135度<Sigma<=180度;在扇形区域8内,90度<Sigma<=135度。
本实施例中,所述角度方向可以是所述角度指向的扇形区域所包括的角度的范围。例如,当第一边缘点的角度为60度时,所述第一边缘点的角度方向为以所述第一边缘点为中心,扇形区域1包括的角度的范围,即45度至90度。
需要说明的是,扇形区域的标号仅为示例性,本发明实施例对此不做限制。
可以理解的是,圆周内扇形区域的数量可以为6个、12个等任意可实施的数目,且可以根据实际的应用环境进行适应性的调整,本发明实施例对此不做限制。
继续参照图3,图像边缘提取方法包括,步骤S309:对于任一第一边缘点,在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向的任一像素点,如果所述像素点所处的所述扇形区域与所述第一边缘点所处的扇形区域相同、相邻或相反,则判定所述第一边缘点为所述第二边缘点。其中,基于扇形区域在圆周内的位置,判断扇形区域与扇形区域是否相同、相邻或相反。
具体地,请参照图4,扇形区域1与扇形区域1相同,扇形区域1与扇形区域2、扇形区域8相邻,扇形区域1与扇形区域5相反。其他扇形区域的判断方式以此类推,在此不再赘述。
请参照表3,在表3所示的像素矩阵中,像素点(m,n)的位置可以用(m,n)表示,也就是说,其位置为m行n列;同理,其他像素点(m-1,n-1)、(m-1,n)、(m-1,n+1)、(m,n-1)、(m,n+1)、(m+1,n-1)、(m+1,n)和(m+1,n+1)也可以以同样的方式表示其在像素矩阵中的位置。
(m-1,n-1) | (m-1,n) | (m-1,n+1) |
(m,n-1) | (m,n) | (m,n+1) |
(m+1,n-1) | (m+1,n) | (m+1,n+1) |
表3
继续参照表3,经步骤S307后,判定图像中像素点(m,n)为第一边缘点,在对像素点(m,n)判定其是否为第二边缘点时,在所述像素矩阵中确定像素点(m,n)的角度方向的任一像素点。例如,如果像素点(m,n)的角度处于扇形区域1内,而在扇形区域1的方向上的点如像素点(m-1,n+1),(m-1,n)的角度方向处于扇形区域1、2、8、5其中的一个,则像素点(m,n)为第二边缘点;如果像素点(m,n)的角度处于扇形区域2内,而处于扇形区域2内的方向上的点如像素点(m,n+1),(m-1,n+1)的角度方向处于扇形区域1、2、3、6其中的一个,则像素点(m,n)为第二边缘点;如果像素点(m,n)的角度处于扇形区域3,而处于扇形区域3的方向上的像素点如(m,n+1),(m+1,n+1)的角度方向处于扇形区域2、3、4、7其中的一个,则像素点(m,n)为第二边缘点;如果像素点(m,n)的角度方向处于扇形区域4,而处于扇形区域4的方向上的点如像素点(m+1,n),(m+1,n+1)的角度方向处于扇形区域为3、4、5、8其中的一个,则像素点(m,n)为第二边缘点。像素点(m,n)的角度处于扇形区域5,6,7,8内的判定过程也以此判断。不满足上述条件的第一边缘点为假边缘点(噪声),在二值化的边缘图像中,将假边缘点置为0。
步骤S310:对于任一所述非第一像素点,在以所述非第一像素点为中心的九宫格内,如果与所述非第一像素点处于同一直线上的两个像素点都为第一边缘点,且所述同一直线的方向与所述两个第一边缘点的角度方向一致,则将所述非第一像素点判定为第三边缘点。
具体实施中,所述同一直线的方向可以是两个像素点构成的直线与水平线的角度,所述两个第一边缘点的角度方向可以是角度指向的扇形区域包括的角度范围;所述同一直线的方向与所述两个第一边缘点的角度方向一致是指以所述像素点为中心,两个像素点构成的直线与水平线的角度为扇形区域包括的角度范围其中之一。
例如,一并参照图4,在表3中,像素点(m+1,n-1)和像素点(m-1,n+1)构成的直线与水平线的角度为45度,当像素点(m+1,n-1)和像素点(m-1,n+1)为第一边缘点且其角度指向扇形区域2,也就是说,45度包括在扇形区域2的角度范围内,则表示,像素点(m+1,n-1)和像素点(m-1,n+1)构成的直线的方向与像素点(m+1,n-1)和像素点(m-1,n+1)的角度方向一致。
继续参照表3,在对像素点(m,n)判定其是否为第三边缘点时,与像素点(m,n)处于同一直线上的两个像素点有以下几种:像素点(m+1,n-1)和像素点(m-1,n+1)、水平方向的像素点(m,n-1)和像素点(m,n+1)、像素点(m-1,n-1)和像素点(m+1,n+1)以及垂直方向的像素点(m-1,n)和像素点(m+1,n)。
具体地,若像素点(m+1,n-1)和(m-1,n+1)都是第一边缘点,且角度指向的扇形区域不为7和3,则像素点(m,n)为第三边缘点,由于像素点(m+1,n-1)和(m-1,n+1)构成的直线的角度在0度至90度范围,若像素点(m+1,n-1)和(m-1,n+1)角度指向的扇形区域为7和3,其包括的角度范围为-45度至0度以及135度至180度,则直线方向与扇形区域明显不一致,故在像素点(m+1,n-1)和(m-1,n+1)角度指向的扇形区域为7和3的情况下,像素点(m,n)不是第三边缘点;若像素点(m,n-1)和(m,n+1)都是第一边缘点,且角度指向的扇形区域不为1,4,5,8,则像素点(m,n)为第三边缘点;若像素点(m-1,n-1)和(m+1,n+1)都是第一边缘点,且角度指向的扇形区域不为2和6,则(m,n)为第三边缘点;若像素点(m-1,n)和(m+1,n)第一边缘点,且角度指向的扇形区域不为2,3,6,7,则像素点(m,n)为第三边缘点。具体地,满足上述条件的像素点(m,n)为边缘点,在二值化的图像中,应该第三边缘点置为1,即灰度值设置为255。由此,得到最终的二值化图像,1表示边缘点,0表示非边缘点。也就是说第三边缘点与所有的第二边缘点共同组成待提取图像的边缘,使得检测出来的图像边缘更连续,进一步提高了图像边缘检测的准确性。
图5是本发明实施例一种预设亮度区域与预设边缘阈值对应关系的示意图。
本实施例中,预设亮度区域可以包括多个不同的亮度值,构成亮度范围。由于在不同的亮度范围内,人眼对不同亮度的图像像素点的感知不同。由此,在不同的预设亮度区域内,设置不同的预设边缘阈值,用于确定第一边缘点。具体利用预设边缘阈值确定第一边缘点的实施方式可参照前述步骤S103、步骤S204和步骤S307,在此不做详尽描述。
具体实施中,请参照图2,横轴表示亮度值,竖轴表示预设边缘阈值。预设亮度区域A、预设亮度区域B、预设亮度区域C和预设亮度区域D的亮度范围不同,分别对应的预设边缘阈值tha、thb、thc、thd的大小也不同。具体地,bin1表示亮度值在预设亮度区域A亮度范围内的像素点集合,预设边缘阈值tha的值可以通过对集合bin1内像素点的边缘值求平均得到;同理,bin2表示亮度值在预设亮度区域B亮度范围内的像素点集合,预设边缘阈值thb的值可以通过对集合bin2内像素点的边缘值求平均得到;bin3表示亮度值在预设亮度区域C亮度范围内的像素点集合,预设边缘阈值thc的值可以通过对集合bin3内像素点的边缘值求平均得到;bin4表示亮度值在预设亮度区域D亮度范围内的像素点集合,预设边缘阈值thd的值可以通过对集合bin4内像素点的边缘值求平均得到。
需要说明的是,所述预设亮度区域的亮度范围或数量的划分可以根据实际的应用环境进行适应性的调整,例如可以根据需要、根据经验或者根据大数据机器学习的结果预先设定,本发明实施例对此不做限制。
图6是本发明实施例一种用于YUV域的图像边缘提取装置的结构示意图,下面结合图6对所述图像边缘提取装置做详细的说明。
图像边缘提取装置包括:采集单元601、边缘值计算单元602、第一筛选单元603和第二筛选单元604。
其中,采集单元601适于获取待提取图像,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值;边缘值计算单元602适于计算所述像素矩阵中每一像素点的边缘值,所述边缘值表示所述像素点的亮度差异信息;第一筛选单元603适于根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点;第二筛选单元604适于计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点。
具体实施中,采集单元601获取到的待提取图像如果是YUV图像,则无需进行颜色空间转换,可以直接进入后续步骤。而如果输入是RGB图像,采集单元601则需要将图像从RGB转换到YUV空间。第一筛选单元603对所述像素矩阵中的各个像素点进行筛选,保留边缘值超过预设边缘阈值的第一边缘点。具体地,在像素矩阵中,可以将第一边缘点的像素点的灰度值设置为255,将非第一边缘点的像素点的灰度值设置为0,也就是将整个图像呈现出明显的只有黑和白的视觉效果,由此可以得到一个二值化的图像。第二筛选单元604在二值化的所述像素矩阵中,通过在第一边缘点之间对其角度进行判定,筛选出能够直线连接的第二边缘点,组成待提取图像边缘的至少一部分。
本发明实施例基于亮度值计算像素矩阵中每一像素点的边缘值,根据亮度差异信息对所述像素矩阵中的各个像素点进行筛选,确定第二边缘点,形成图像边缘信息,从而能够较大的降低噪声对边缘检测的影响,提高图像边缘检测的准确性。
图7是本发明实施例另一种用于YUV域的图像边缘提取装置的结构示意图。下面结合图7对所述图像边缘提取装置做详细的说明。
图像边缘提取装置包括:采集单元601、滤波单元701、边缘值计算单元602、第一计算子单元702、第二计算子单元703、第三计算子单元704、第一筛选单元603、判定子单元705、筛选子单元706、第二筛选单元604、角度计算子单元707、确定子单元708和补充单元709。
其中,采集单元601适于获取待提取图像,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值;边缘值计算单元602适于计算所述像素矩阵中每一像素点的边缘值,所述边缘值表示所述像素点的亮度差异信息;第一筛选单元603适于根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点;第二筛选单元604适于计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点。
本实施例中,边缘值计算单元602包括第一计算子单元702、第二计算子单元703和第三计算子单元704。其中,第一计算子单元702适于计算所述目标像素点之上的各行像素点的亮度值之和,并减去所述目标像素点之下的各行像素点的亮度值之和,作为所述目标像素点的水平边缘值;第二计算子单元703适于计算所述目标像素点左侧的各列像素点的亮度值之和,并减去所述目标像素点右侧的各列像素点的亮度值之和,作为所述目标像素点的垂直边缘值;第三计算子单元704适于计算所述水平边缘值和所述垂直边缘值的平方和,并作为所述目标像素点的所述边缘值。
本实施例中,滤波单元701对所述待提取图像进行滤波处理主要是为了减弱噪声对边缘检测的影响。具体地,滤波的方式有多种,例如可以使用均值滤波,以减弱边界检测对噪声的敏感性,便于后续模块对图像的处理,进一步提高边缘检测的准确性。
本实施例中,第一筛选单元603包括判定子单元705和筛选子单元706。其中,判定子单元705适于根据所述像素点的亮度值判定所述像素点所处的预设亮度区域;筛选子单元706适于在所述像素点的边缘值超过所述预设亮度区域对应的预设边缘阈值时,判定所述像素点为所述第一边缘点,其中,不同所述预设亮度区域的所述预设边缘阈值不同。
本实施例中,第二筛选单元604包括角度计算子单元707和确定子单元708。角度计算子单元707适于通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度,每个所述角度指向圆周内的一个扇形区域;确定子单元708适于对于任一第一边缘点,在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向的任一像素点,如果所述像素点所处的所述扇形区域与所述第一边缘点所处的扇形区域相同、相邻或相反,则判定所述第一边缘点为所述第二边缘点。
本实施例中,补充单元709适于根据在所述像素矩阵中与非第一边缘点相邻的像素点之间的关系,增加第三边缘点。具体地,补充单元709在以所述非第一像素点为中心的九宫格内,如果与所述非第一像素点处于同一直线上的两个像素点都为第一边缘点,且所述同一直线的方向与所述两个第一边缘点的角度方向一致,则将所述非第一像素点判定为第三边缘点。
具体实施中,所述同一直线的方向可以是两个像素点构成的直线与水平线的角度,所述两个第一边缘点的角度方向可以是角度指向的扇形区域包括的角度范围;所述同一直线的方向与所述两个第一边缘点的角度方向一致是指以所述像素点为中心,两个像素点构成的直线与水平线的角度为扇形区域包括的角度范围其中之一。
由于在图像中,图像边缘的有些边缘点可能是断开的,第二筛选单元604不能够将这些连接断开的边缘点检测出来,由此,补充单元709的目的是找到连接断开的边缘点,作为第三边缘点,所有第三边缘点与所有第二边缘点共同组成待提取图像的边缘。至此,可以使得检测出来的图像边缘更连续,进一步提高了图像边缘检测的准确性。
本发明实施例的具体实施方式可参照前述相应实施例,此处不再赘述。
本发明实施例还公开了一种终端,所述终端包括上述的图像边缘提取装置。终端可以是计算机等设备,支持图像边缘提取装置,执行图像边缘提取方法,对图像进行边缘提取处理。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于以计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (19)
1.一种用于YUV域的图像边缘提取方法,其特征在于,包括:
获取待提取图像,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值;
计算所述像素矩阵中每一像素点的边缘值,所述边缘值表示所述像素点的亮度差异信息;
根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点;
计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点;
对于所述像素矩阵中的任一目标像素点,采用如下方式计算所述目标像素点的边缘值:
计算所述目标像素点之上的各行像素点的亮度值之和,并减去所述目标像素点之下的各行像素点的亮度值之和,作为所述目标像素点的水平边缘值;
计算所述目标像素点左侧的各列像素点的亮度值之和,并减去所述目标像素点右侧的各列像素点的亮度值之和,作为所述目标像素点的垂直边缘值;
计算所述水平边缘值和所述垂直边缘值的平方和,并作为所述目标像素点的所述边缘值。
2.根据权利要求1所述的图像边缘提取方法,其特征在于,还包括:根据非第一边缘点在所述像素矩阵中的位置及其相邻像素点之间的关系,增加第三边缘点。
3.根据权利要求1所述的图像边缘提取方法,其特征在于,获取所述待提取图像之后还包括:
对所述待提取图像进行滤波处理,以减弱噪声。
4.根据权利要求1至3任一项所述的图像边缘提取方法,其特征在于,根据所述边缘值对所述像素矩阵中的各个像素点进行筛选包括:
根据所述像素点的亮度值判定所述像素点所处的预设亮度区域;
当所述像素点的边缘值超过所述预设亮度区域对应的预设边缘阈值时,判定所述像素点为所述第一边缘点,其中,不同所述预设亮度区域的所述预设边缘阈值不同。
5.根据权利要求4所述的图像边缘提取方法,其特征在于,所述预设边缘阈值为对应的所述预设亮度区域内所有像素点的所述边缘值的平均值。
6.根据权利要求1所述的图像边缘提取方法,其特征在于,计算所述第一边缘点的角度包括:
通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度,每个所述角度指向圆周内的一个扇形区域。
7.根据权利要求6所述的图像边缘提取方法,其特征在于,基于所述角度在所述第一边缘点中筛选出能够直线连接的所述第二边缘点包括:
对于任一第一边缘点,在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向上的像素点,如果所述像素点指向的所述扇形区域与所述第一边缘点指向的扇形区域相同、相邻或相反,则判定所述第一边缘点为所述第二边缘点。
8.根据权利要求6所述的图像边缘提取方法,其特征在于,还包括:根据非第一边缘点在所述像素矩阵中的位置及其相邻像素点之间的关系,增加第三边缘点。
9.根据权利要求8所述的图像边缘提取方法,其特征在于,根据非第一边缘点在所述像素矩阵中的位置及其相邻像素点之间的关系,增加第三边缘点包括:
对于任一所述非第一像素点,在以所述非第一像素点为中心的九宫格内,如果与所述非第一像素点处于同一直线上的两个像素点都为第一边缘点,且所述同一直线的方向与所述两个第一边缘点的角度方向一致,则将所述非第一像素点判定为第三边缘点。
10.一种用于YUV域的图像边缘提取装置,其特征在于,包括:
采集单元,适于获取待提取图像,所述待提取图像包括像素矩阵,所述像素矩阵中的数据为像素点的亮度值;
边缘值计算单元,适于计算所述像素矩阵中每一像素点的边缘值,所述边缘值表示所述像素点的亮度差异信息;
第一筛选单元,适于根据所述边缘值对所述像素矩阵中的各个像素点进行筛选,得到所述边缘值超过预设边缘阈值的第一边缘点;
第二筛选单元,适于计算所述第一边缘点的角度,基于所述角度在所述第一边缘点中筛选出能够直线连接的第二边缘点;
所述边缘值计算单元包括:
第一计算子单元,对于所述像素矩阵中的任一目标像素点,适于计算所述目标像素点之上的各行像素点的亮度值之和,并减去所述目标像素点之下的各行像素点的亮度值之和,作为所述目标像素点的水平边缘值;
第二计算子单元,适于计算所述目标像素点左侧的各列像素点的亮度值之和,并减去所述目标像素点右侧的各列像素点的亮度值之和,作为所述目标像素点的垂直边缘值;
第三计算子单元,适于计算所述水平边缘值和所述垂直边缘值的平方和,并作为所述目标像素点的所述边缘值。
11.根据权利要求10所述的图像边缘提取装置,其特征在于,还包括:
补充单元,适于根据非第一边缘点在所述像素矩阵中的位置及其相邻像素点之间的关系,增加第三边缘点。
12.根据权利要求10所述的图像边缘提取装置,其特征在于,还包括:
滤波单元,适于在获取待提取图像后,对所述待提取图像进行滤波处理,以减弱噪声。
13.根据权利要求10至12任一项所述的图像边缘提取装置,其特征在于,所述第一筛选单元包括:
判定子单元,适于根据所述像素点的亮度值判定所述像素点所处的预设亮度区域;
筛选子单元,适于在所述像素点的边缘值超过所述预设亮度区域对应的预设边缘阈值时,判定所述像素点为所述第一边缘点,其中,不同所述预设亮度区域的所述预设边缘阈值不同。
14.根据权利要求13所述的图像边缘提取装置,其特征在于,所述预设边缘阈值为对应的所述预设亮度区域内所有像素点的所述边缘值的平均值。
15.根据权利要求10所述的图像边缘提取装置,其特征在于,所述第二筛选单元包括:
角度计算子单元,适于通过所述第一边缘点的所述水平边缘值和所述垂直边缘值的比值计算所述第一边缘点的角度,每个所述角度指向圆周内的一个扇形区域。
16.根据权利要求15所述的图像边缘提取装置,其特征在于,所述第二筛选单元还包括:
确定子单元,适于对于任一第一边缘点,在以所述第一边缘点为中心的九宫格内,在所述像素矩阵中确定所述第一边缘点的角度方向上的像素点,如果所述像素点指向的所述扇形区域与所述第一边缘点指向的扇形区域相同、相邻或相反,则判定所述第一边缘点为所述第二边缘点。
17.根据权利要求15所述的图像边缘提取装置,其特征在于,还包括:
补充单元,适于根据非第一边缘点在所述像素矩阵中的位置及其相邻像素点之间的关系,增加第三边缘点。
18.根据权利要求17所述的图像边缘提取装置,其特征在于,对于任一所述非第一像素点,在以所述非第一像素点为中心的九宫格内,如果与所述非第一像素点处于同一直线上的两个像素点都为第一边缘点,且所述同一直线的方向与所述两个第一边缘点的角度方向一致,则所述补充单元将所述非第一像素点判定为第三边缘点。
19.一种终端,其特征在于,包括如权利要求10至18任一项所述的图像边缘提取装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610204706.9A CN107292897B (zh) | 2016-03-31 | 2016-03-31 | 用于yuv域的图像边缘提取方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610204706.9A CN107292897B (zh) | 2016-03-31 | 2016-03-31 | 用于yuv域的图像边缘提取方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292897A CN107292897A (zh) | 2017-10-24 |
CN107292897B true CN107292897B (zh) | 2020-05-19 |
Family
ID=60088158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610204706.9A Active CN107292897B (zh) | 2016-03-31 | 2016-03-31 | 用于yuv域的图像边缘提取方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292897B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111630563B (zh) * | 2018-09-10 | 2022-02-18 | 深圳配天智能技术研究院有限公司 | 图像的边缘检测方法、图像处理设备及计算机存储介质 |
CN112583997B (zh) * | 2019-09-30 | 2024-04-12 | 瑞昱半导体股份有限公司 | 图像处理电路与方法 |
CN111179291B (zh) * | 2019-12-27 | 2023-10-03 | 凌云光技术股份有限公司 | 一种基于邻域关系的边缘像素点提取方法及装置 |
CN112053292A (zh) * | 2020-07-21 | 2020-12-08 | 深圳先进技术研究院 | 医学图像的处理方法、处理装置及计算机可读存储介质 |
CN112669227B (zh) * | 2020-12-16 | 2023-10-17 | Tcl华星光电技术有限公司 | 图标边缘处理方法、装置和计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101237523A (zh) * | 2008-02-25 | 2008-08-06 | 宝利微电子系统控股公司 | 主边缘检测方法和基于该方法的降噪方法及装置 |
CN101770646A (zh) * | 2010-02-25 | 2010-07-07 | 昆山锐芯微电子有限公司 | 基于Bayer RGB图像的边缘检测方法 |
CN102005051A (zh) * | 2010-11-23 | 2011-04-06 | 华亚微电子(上海)有限公司 | 一种边缘检测方法以及相关装置 |
CN102999916A (zh) * | 2012-12-12 | 2013-03-27 | 清华大学深圳研究生院 | 一种彩色图像的边缘提取方法 |
CN105160682A (zh) * | 2015-09-11 | 2015-12-16 | 四川华雁信息产业股份有限公司 | 图像边缘检测方法及装置 |
-
2016
- 2016-03-31 CN CN201610204706.9A patent/CN107292897B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101237523A (zh) * | 2008-02-25 | 2008-08-06 | 宝利微电子系统控股公司 | 主边缘检测方法和基于该方法的降噪方法及装置 |
CN101770646A (zh) * | 2010-02-25 | 2010-07-07 | 昆山锐芯微电子有限公司 | 基于Bayer RGB图像的边缘检测方法 |
CN102005051A (zh) * | 2010-11-23 | 2011-04-06 | 华亚微电子(上海)有限公司 | 一种边缘检测方法以及相关装置 |
CN102999916A (zh) * | 2012-12-12 | 2013-03-27 | 清华大学深圳研究生院 | 一种彩色图像的边缘提取方法 |
CN105160682A (zh) * | 2015-09-11 | 2015-12-16 | 四川华雁信息产业股份有限公司 | 图像边缘检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
"三阶差分运算在图像边缘检测中的应用";陈莉;《陕西理工学院学报:自然科学版》;20151231;第37-41页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107292897A (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292897B (zh) | 用于yuv域的图像边缘提取方法、装置及终端 | |
WO2020133046A1 (zh) | 一种缺陷检测方法及装置 | |
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
US9478017B2 (en) | Guided image filtering for image content | |
CN108288264B (zh) | 一种广角摄像头模组脏污测试方法 | |
CN111429370B (zh) | 一种煤矿井下的图像增强方法、系统及计算机存储介质 | |
CN109544583B (zh) | 一种提取皮革图像感兴趣区域的方法、装置及设备 | |
CN108389215B (zh) | 一种边缘检测方法、装置、计算机存储介质及终端 | |
CN109544464A (zh) | 一种基于轮廓提取的火灾视频图像分析方法 | |
Zhang et al. | Image quality assessment based on Prewitt magnitude | |
CN112200742A (zh) | 一种应用于边缘检测的滤波去噪方法 | |
US9959599B2 (en) | System for enhanced images | |
CN111489346A (zh) | 一种全参考图像质量评价方法及系统 | |
CN100367770C (zh) | 一种去除视频孤立噪声点的方法 | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
US8121401B2 (en) | Method for reducing enhancement of artifacts and noise in image color enhancement | |
CN111179186A (zh) | 一种保护图像细节的图像去噪系统 | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
Chen et al. | Color feature extraction of Hainan Li brocade image based on RGB and HSV | |
CN114037641A (zh) | 一种低照度图像增强方法、装置、设备及介质 | |
CN110298812B (zh) | 一种图像融合处理的方法及装置 | |
CN105957067B (zh) | 一种基于颜色差分的彩色图像边缘检测方法 | |
CN111611940A (zh) | 一种基于大数据处理的快速视频人脸识别方法 | |
WO2020051897A1 (zh) | 图像融合方法、系统、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |