CN107492110A - 一种图像边缘检测方法、装置和存储介质 - Google Patents

一种图像边缘检测方法、装置和存储介质 Download PDF

Info

Publication number
CN107492110A
CN107492110A CN201710638305.9A CN201710638305A CN107492110A CN 107492110 A CN107492110 A CN 107492110A CN 201710638305 A CN201710638305 A CN 201710638305A CN 107492110 A CN107492110 A CN 107492110A
Authority
CN
China
Prior art keywords
pixel
edge
image
detected
linear
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
CN201710638305.9A
Other languages
English (en)
Inventor
刘皓
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201710638305.9A priority Critical patent/CN107492110A/zh
Publication of CN107492110A publication Critical patent/CN107492110A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种图像边缘检测方法、装置和存储介质；本发明实施例采用获取待检测图像，然后，获取该待检测图像中像素点的原始亮度值，对该待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值，获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值，根据该亮度差值确定该待检测图像中的边缘像素点；该方案可以基于像素亮度的线性差值来进行图像边缘检测，可以得到比较柔和的边缘、不存在锯齿效果，提升了边缘的视觉效果，另外该方案还可以通过调整线性滤波的过滤参数对噪点进行过滤，尽可能消除噪点影响，提升了图像边缘检测的精确性。

Description

一种图像边缘检测方法、装置和存储介质
技术领域
本发明涉及图像处理技术领域，具体涉及一种图像边缘检测方法、装置和存储介质。
背景技术
图像边缘检测是图像处理和计算机视觉中的基本问题，图像边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。
所谓边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，所以，它是图像分割所依赖的最重要的依据。由于边缘是位置的标志，对灰度的变化不敏感，因此，边缘也是图像匹配的重要的特征。
目前常用的图像边缘检测方式主要是基于相邻像素点之间的灰度变化值来检测边缘，也即基于梯度变化来检测边缘；比如，Sobel(索贝尔)图像边缘检测算法、普利维特(Prewitt)图像边缘检测算法、罗伯茨交叉图像边缘检测(Roberts Cross operator)算法等。
然而，由于目前的图像边缘检测方式均是基于梯度变化的阀值来检测边缘，其得到的边缘比较生硬、存在锯齿效果，导致边缘的视觉效果比较差，(参考图1a、图1b、图1c)；另外，还由于目前的图像边缘检测方式对噪声的平滑作用较小，噪点影响较大，导致无法检测到边缘，降低了图像边缘检测的精确性。
发明内容
本发明实施例提供一种图像边缘检测方法、装置和存储介质，可以提升边缘的视觉效果和图像边缘检测的精确性。
本发明实施例提供一种图像边缘检测方法，包括：
获取待检测图像；
获取所述待检测图像中像素点的原始亮度值；
对所述待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值；
获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值；
根据所述亮度差值确定所述待检测图像中的边缘像素点。
相应的，本发明实施例还提供一种图像边缘检测装置，包括：
图像获取单元，用于获取待检测图像；
亮度获取单元，用于获取所述待检测图像中像素点的原始亮度值；
线性过滤单元，用于对所述待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值；
差值获取单元，用于获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值；
边缘像素确定单元，用于根据所述亮度差值确定所述待检测图像中的边缘像素点。
相应的，本发明实施例还提供了一种存储介质，所述存储介质存储有指令，所述指令被处理器执行时实现本发明实施例任一提供的方法的步骤。
本发明实施例采用获取待检测图像，然后，获取该待检测图像中像素点的原始亮度值，对该待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值，获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值，根据该亮度差值确定该待检测图像中的边缘像素点；该方案可以基于像素亮度的线性差值来进行图像边缘检测，由于线性差值是连续变化的，因此采用该方案得到的边缘比较柔和、不存在锯齿效果，提升了边缘的视觉效果，另外由于线性过滤的过滤参数可调整，因此，该方案还可以通过调整线性滤波的过滤参数对噪点进行过滤，尽可能消除噪点影响，提升了图像边缘检测的精确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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1a是待处理的原始图像；
图1b是基于索贝尔图像边缘检测算法从原始图像中检测到的水平边缘图像；
图1c是基于索贝尔图像边缘检测算法从原始图像中检测到的垂直边缘图像；
图2a是本发明实施例提供的图像边缘检测方法的流程示意图；
图2b是本发明实施例提供的像素亮度值的示意图；
图2c是本发明实施例提供的高斯过滤后的像素亮度值的示意图；
图2d是本发明实施例提供的像素的高斯差值的示意图；
图2e是本发明实施例提供的像素的高斯绝对差值的示意图；
图3是本发明实施例提供的图像边缘检测方法的另一流程示意图；
图4a是本发明实施例提供的图像边缘检测装置的第一种结构示意图；
图4b是本发明实施例提供的图像边缘检测装置的第二种结构示意图；
图4c是本发明实施例提供的图像边缘检测装置的第三种结构示意图；
图5是本发明实施例提供的终端的结构示意图。
具体实施方式
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，所描述的实施例仅仅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。
本发明实施例提供了一种图像边缘检测方法、装置和存储介质。以下将分别进行详细说明。
实施例一、
本实施例将从图像边缘检测装置的角度进行描述，该图像边缘检测装置具体可以集成在终端中，该终端可以为手机、平板电脑、笔记本电脑等设备。
一种图像边缘检测方法，包括：获取待检测图像，然后，获取该待检测图像中像素点的原始亮度值，对该待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值，获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值，根据该亮度差值确定该待检测图像中的边缘像素点。
如图2a所示，该图像边缘检测法的具体流程可以如下：
101、获取待检测图像。
比如，可以从本地存储中提取待检测图像，或者可以通过网络从网络侧设备中获取待检测图像等。
其中，待检测图像的分辨率可以为任一分辨率，比如，可以为低分辨率图像或高分辨率图像等等。
102、获取该待检测图像中像素点的原始亮度值。
具体地，可以获取待检测图像中每个像素点的原始亮度值。
其中，像素点的亮度值表示像素点的明亮程度，该亮度值与色相无关，因此，像素点的亮度值也即为灰度值。本实施例中，像素点的亮度值可以在在0至255之间，靠近255的像素亮度较高，靠近0的亮度较低，其余部分就属于中间调。这种亮度的区分是一种绝对区分，即255附近的像素是高光，0附近的像素是暗调，中间调在128左右。
参考图2b，以线段AA上的像素为例，可以获取图像中线段AA上像素点的亮度值，如图2b所示，AA上像素点的亮度值呈阶梯式变化。
103、对该待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值。
具体地，对待检测图像中每个像素点进行线性过滤后，可以得到每个线性过滤后像素点的亮度值。
其中，线性过滤为线性滤波，具体地，可以为线性平滑滤波，比如，可以包括高斯过滤等。
其中，高斯过滤为高斯滤波，该高斯滤波高是一种线性平滑滤波，适用于消除高斯噪声，高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作可以包括：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
具体地，步骤“对该待检测图像中像素点进行线性过滤”可以包括：
获取设定的线性滤波器的过滤参数；
基于该过滤参数和该线性滤波器，对该待检测图像中像素点进行线性过滤。
其中，线性滤波器如高斯滤波器的过滤参数可以根据实际需求设定，可调整。该过滤参数可以包括过滤范围参数等，如滤波宽度等。由于本实施例可以基于线性过滤器或线性滤波器如高斯滤波器对待检测图像的像素进行线性过滤，并且线性滤波器的参数具有可调性，因此，可以调整线性过滤器的参数来过滤掉不同的噪点影响，对噪点的处理也很有针对性，提升了对噪声的平滑作用，进而提升了图像边缘检测的精确性。
参考图2c，在对图2b所示的图像进行高斯过滤后，可以得到高斯过滤后AA线上像素的亮度值。
104、获取高斯过滤后像素点的亮度值与原始亮度值之间的亮度差值。
具体地，用线性过滤后像素点的亮度值减去元素亮度值，得到亮度差值。此时，该亮度差值称为线性差值，为边突变边缘。也即线性差值等于线性亮度值减去原始亮度值。
比如，用高斯过滤后像素点的亮度值减去元素亮度值，得到亮度差值，此时，该亮度差值称为高斯差值，为边突变边缘。也即高斯差值等于高斯亮度值减去原始亮度值。
实际应用中，针对每个像素点，可以计算线性过滤如高斯过滤后的亮度值与原始亮度值之间的亮度差值。
由于线性差值如高斯差值是连续变化的，而不是突变的，所以得到的边缘也是柔和的，减轻了锯齿效果。参考图2d，将AA线上经过高斯过滤后像素的亮度值减去元素亮度值，可以得到AA线上像素点的高斯差值。参考图2d，从高斯差值曲线中可以看出像素的高斯差值是连续的而不是突变的，所以得到的边缘比较柔和，不生硬。
105、根据该亮度差值确定该待检测图像中的边缘像素点。
具体地，针对待检测图像中的每个像素点，均可以根据该像素点对应的亮度差值即线性差值(如高斯差值)来确定该像素点是否为边缘像素点。
比如，当像素点对应的亮度差值大于某个阈值时，可以确定该像素点为边缘像素点，否则，确定该像素点为普通像素点。
实际应用中，在确定边缘像素点之后，还可以根据边缘像素点的亮度差值获取待检测图像中的边缘图像，如显示边缘图像。
可选为，为使得后续得到的边缘更加柔和完整，本实施例可以将线性差值如高斯差值取绝对值，然后，基于该绝对值来确定边缘像素点。也即步骤“根据该亮度差值确定该待检测图像中的边缘像素点”可以包括：
获取该亮度差值的绝对值，得到像素点的线性绝对差值；
根据像素点的线性绝对差值确定该待检测图像中的边缘像素点。
具体地，当像素点的亮度差值的绝对值(如高斯绝对差值)大于预设阈值时，确定该像素点为边缘像素点；当该亮度差值的绝对值(即高斯绝对差值)不大于预设阈值时，确定该像素点为普通像素点。
其中，预设阈值可以根据实际需求设定，比如，该预设阈值可以为零等。
参考图2e，可以取AA线上像素点的高斯差值，得到像素点的高斯绝对差值。从图2e中高斯绝对差值曲线可以确定高斯绝对差值高出横轴(即高斯绝对差值大于零)的像素点为边缘像素点，高斯绝对差值在横轴上(即高斯绝对差值等于零)的像素点为普通像素点。在确定边缘像素点之后，可以根据边缘像素点的高斯绝对差值得到边缘图像，从图2e中，可以看出显示的边缘图像更加柔和没有锯齿。
可选地，本实施例还可以对线性绝对差值如高斯绝对差值进行线性放缩或阀值截取等操作，以控制边缘的粗细范围和亮度变化敏感度，进而得到所需的边缘，提升了图像边缘检测的灵活性和实用性。比如，为了控制边缘的粗细范围，本实施例方法可以在得到像素点的线性绝对差值之后，确定该待检测图像中的边缘像素点之前，还可以包括：
对该像素点的线性绝对差值进行线性放大或者缩小处理。
又比如，为了控制边缘的亮度变化敏感度，本实施例中步骤“根据像素点的线性绝对差值确定该待检测图像中的边缘像素点”可以包括：
根据截取阈值从待检测图像的像素点中选取相应的目标像素点；
根据目标像素点的线性绝对差值确定待检测图像中的边缘像素点。
由上可知，本发明实施例采用获取待检测图像，然后，获取该待检测图像中像素点的原始亮度值，对该待检测图像中像素点进行线性过滤(比如高斯过滤)，得到线性过滤后像素点的亮度值，获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值，根据该亮度差值确定该待检测图像中的边缘像素点；该方案可以基于像素亮度的线性差值来进行图像边缘检测，由于线性差值(比如高斯差值)是连续变化的，因此采用该方案得到的边缘比较柔和、不存在锯齿效果，提升了边缘的视觉效果，另外由于线性过滤的过滤参数可调整，因此，该方案还可以通过调整线性滤波(比如高斯过滤)的过滤参数对噪点进行过滤，尽可能消除噪点影响，提升了图像边缘检测的精确性。
此外，该方案还具有很强的扩展性，可以通过调整线性过滤器(如高斯过滤器)的参数来过滤掉不同的噪点影响，以满足各种需求，达到最佳的去噪效果；并且该方案还可以在对线性绝对差值做相应的处理(若缩放、截取等处理)，以得到用户所需的边缘，满足用户对图像边缘检测的各种需求。
实施例二、
根据实施例一所描述的方法，以下将举例作进一步详细说明。
本发明实施例以图像边缘检测装置集成在终端中，且线性过滤为高斯过滤为例，来介绍本发明提供的图像边缘检测方法。
如图3所示，一种图像边缘检测方法，具体流程可以如下：
201、终端获取待检测图像。
202、终端获取待检测图像向每个像素点的原始亮度值。
其中，像素点的亮度值表示像素点的明亮程度，该亮度值与色相无关，因此，像素点的亮度值也即为灰度值。
203、终端对待检测图像中每个像素点进行高斯过滤，得到每个像素点的高斯过滤后亮度值。
其中，高斯过滤为高斯滤波，该高斯滤波高是一种线性平滑滤波，适用于消除高斯噪声，高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作可以包括：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
比如，终端可以获取设定的高斯滤波器的过滤参数，基于该过滤参数和该高斯滤波器，对该待检测图像中像素点进行高斯过滤。
其中，高斯滤波器的过滤参数可以根据实际需求设定，可调整。该过滤参数可以包括过滤范围参数等，如滤波宽度等。由于本实施例可以基于高斯过滤器或高斯滤波器对待检测图像的像素进行高斯过滤，并且高斯滤波器的参数具有可调性，因此，可以调整高斯过滤器的参数来过滤掉不同的噪点影响，对噪点的处理也很有针对性，提升了对噪声的平滑作用，进而提升了图像边缘检测的精确性。
204、终端针对每个像素点，将像素点的高斯过滤后亮度值减去原始亮度值，得到每个像素点的高斯差值。
由于像素的高斯差值是连续变化的，而不是突变的，所以得到的边缘也是柔和的，减轻了锯齿效果。
205、终端针获取每个像素点的高斯差值的绝对值，得到每个像素点的高斯绝对差值。
其中，预设阈值可以根据实际需求设定，比如，该预设阈值可以为零等。
可选地，本实施例还可以对高斯绝对差值进行线性放缩或阀值截取等操作，以控制边缘的粗细范围和亮度变化敏感度，进而得到所需的边缘，提升了图像边缘检测的灵活性和实用性。
比如，为了控制边缘的粗细范围，可以对像素的高斯绝对差值进行线性放大或者缩小处理。又比如，为了控制边缘的亮度变化敏感度，还可以基于截取阈值从像素点中选取相应的目标像素点等等。
206、终端在像素点的高斯绝对差值大于预设阈值时，确定像素点为边缘像素点；在像素点的高斯绝对差值大于预设阈值时，确定像素点为普通像素点。
207、终端根据每个像素点的高斯绝对差值进行图像显示，得到边缘图像。
由上可知，本发明实施例采用获取待检测图像，然后，获取该待检测图像中像素点的原始亮度值，对该待检测图像中像素点进行高斯过滤，得到高斯过滤后像素点的亮度值，获取高斯过滤后像素点的亮度值与原始亮度值之间的亮度差值，以及获取亮度差值的绝对值，根据亮度差值的绝对值确定该待检测图像中的边缘像素点；该方案可以基于像素亮度的高斯差值来进行图像边缘检测，由于高斯差值是连续变化的，因此采用该方案得到的边缘比较柔和、不存在锯齿效果，提升了边缘的视觉效果，另外由于高斯过滤的过滤参数可调整，因此，该方案还可以通过调整高斯滤波的过滤参数对噪点进行过滤，尽可能消除噪点影响，提升了图像边缘检测的精确性。
此外，该方案还具有很强的扩展性，可以通过调整高斯过滤器的参数来过滤掉不同的噪点影响，以满足各种需求，达到最佳的去噪效果；并且该方案还可以在对高斯绝对差值做相应的处理(若缩放、截取等处理)，以得到用户所需的边缘，满足用户对图像边缘检测的各种需求。
实施例三、
为了更好地实施以上方法，本发明实施例还提供了图像边缘检测装置，如图4a所示，该图像边缘检测装置包括：图像获取单元301、亮度获取单元302、线性过滤单元303、差值获取单元304和边缘像素确定单元，如下：
(1)图像获取单元301；
图像获取单元301，用于获取待检测图像。
比如，图像获取单元301可以用于从本地存储中提取待检测图像，或者可以通过网络从网络侧设备中获取待检测图像等。
(2)亮度获取单元302；
亮度获取单元302，用于获取该待检测图像中像素点的原始亮度值。
比如，亮度获取单元302，可以用于获取待检测图像中每个像素点的原始亮度值。
其中，像素点的亮度值表示像素点的明亮程度，该亮度值与色相无关，因此，像素点的亮度值也即为灰度值。本实施例中，像素点的亮度值可以在在0至255之间，靠近255的像素亮度较高，靠近0的亮度较低，其余部分就属于中间调。这种亮度的区分是一种绝对区分，即255附近的像素是高光，0附近的像素是暗调，中间调在128左右。
(3)线性过滤单元303；
线性过滤单元303，用于对该待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值。
其中，线性过滤为线性滤波，具体地，可以为线性平滑滤波，比如，可以包括高斯过滤等。
其中，高斯过滤为高斯滤波，该高斯滤波高是一种线性平滑滤波，适用于消除高斯噪声，高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作可以包括：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
比如，线性过滤单元303可以具体用于获取设定的线性滤波器的过滤参数；基于该过滤参数和该线性滤波器，对该待检测图像中像素点进行线性过滤。
其中，线性滤波器如高斯滤波器的过滤参数可以根据实际需求设定，可调整。该过滤参数可以包括过滤范围参数等，如滤波宽度等。由于本实施例可以基于线性过滤器或线性滤波器如高斯滤波器对待检测图像的像素进行线性过滤，并且线性滤波器的参数具有可调性，因此，可以调整线性过滤器的参数来过滤掉不同的噪点影响，对噪点的处理也很有针对性，提升了对噪声的平滑作用，进而提升了图像边缘检测的精确性。
(4)差值获取单元304；
差值获取单元304，用于获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值。
具体地，差值获取单元304可以用线性过滤后像素点的亮度值减去元素亮度值，得到亮度差值，此时，该亮度差值称为线性差值，为边突变边缘。也即线性差值等于线性亮度值减去原始亮度值。
(5)边缘像素确定单元305；
边缘像素确定单元305，用于根据该亮度差值确定该待检测图像中的边缘像素点。
可选为，为使得后续得到的边缘更加柔和完整，本实施例可以将线性差值取绝对值如高斯绝对差值，然后，基于该绝对值来确定边缘像素点。参考图4b，其中，边缘像素确定单元305可以包括：
绝对值获取子单元3051，用于获取该亮度差值的绝对值，得到像素点的线性绝对差值；
边缘像素确定子单元3052，用于根据像素点的线性绝对差值确定该待检测图像中的边缘像素点。
比如，边缘像素确定子单元3052，可以用于当像素点的线性绝对差值大于预设阈值时，确定该像素点为边缘像素点；当像素点的线性绝对差值不大于预设阈值时，确定该像素点为普通像素点。
可选地，本实施还可以对线性绝对差值如高斯绝对差值进行线性放缩或阀值截取等操作，以控制边缘的粗细范围和亮度变化敏感度。参考图4c，本实施例图像边缘检测装置还可以包括缩放单元306；
缩放单元306，可以用于在绝对值获取子单元3051得到线性绝对差值之后，边缘像素确定子单元3052确定边缘像素点之前，对该像素点的线性绝对差值进行线性放大或者缩小处理。
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
该图像边缘检测装置具体可以集成在终端等设备中。
由上可知，本发明实施例采用图像获取单元301获取待检测图像，然后，由亮度获取单元302获取该待检测图像中像素点的原始亮度值，由线性过滤单元303对该待检测图像中像素点进行线性过滤如高斯过滤，得到线性过滤后像素点的亮度值，由差值获取单元304获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值，由缘像素确定单元305根据该亮度差值确定该待检测图像中的边缘像素点；该方案可以基于像素亮度的线性差值来进行图像边缘检测，由于线性差值比如高斯差值是连续变化的，因此采用该方案得到的边缘比较柔和、不存在锯齿效果，提升了边缘的视觉效果，另外由于线性过滤的过滤参数可调整，因此，该方案还可以通过调整线性滤波如高斯过滤的过滤参数对噪点进行过滤，尽可能消除噪点影响，提升了图像边缘检测的精确性。
此外，该方案还具有很强的扩展性，可以通过调整线性过滤器如高斯过滤器的参数来过滤掉不同的噪点影响，以满足各种需求，达到最佳的去噪效果；并且该方案还可以在对线性绝对差值做相应的处理(若缩放、截取等处理)，以得到用户所需的边缘，满足用户对图像边缘检测的各种需求。
实施例四、
相应的，本发明实施例还提供了一种终端，如图5所示，其示出了本发明实施例所涉及的终端的结构示意图，具体来讲：
该终端400可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、射频(Radio Frequency，RF)电路403、电源404、输入单元405、以及显示单元406等部件。本领域技术人员可以理解，图5中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该终端的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块。处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。
RF电路403可用于收发信息过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器401处理。另外，将涉及上行的数据发送给基站。
终端还包括给各个部件供电的电源404(比如电池)。优选的，电源可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源404还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该终端还可包括输入单元405，该输入单元405可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
该终端还可包括显示单元406，该显示单元406可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元408可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，Organic Light-EmittingDiode)等形式来配置显示面板。
具体在本实施例中，终端中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
获取待检测图像，然后，获取所述待检测图像中像素点的原始亮度值，对所述待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值，获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值，根据所述亮度差值确定所述待检测图像中的边缘像素点。
其中，根据所述亮度差值确定所述待检测图像中的边缘像素点，包括：
获取所述亮度差值的绝对值，得到像素点的线性绝对差值；
根据像素点的线性绝对差值确定所述待检测图像中的边缘像素点。
其中，据像素点的线性绝对差值确定所述待检测图像中的边缘像素点，包括：
当像素点的线性绝对差值大于预设阈值时，确定所述像素点为边缘像素点；
当像素点的线性绝对差值不大于预设阈值时，确定所述像素点为普通像素点。
具体的操作步骤或过程，可以参考前面图像边缘检测方法实施例的详细描述。
由上可知，本发明实施例终端采用获取待检测图像，然后，获取该待检测图像中像素点的原始亮度值，对该待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值，获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值，根据该亮度差值确定该待检测图像中的边缘像素点；该方案可以基于像素亮度的线性差值来进行图像边缘检测，由于线性差值是连续变化的，因此采用该方案得到的边缘比较柔和、不存在锯齿效果，提升了边缘的视觉效果，另外由于线性过滤的过滤参数可调整，因此，该方案还可以通过调整线性滤波的过滤参数对噪点进行过滤，尽可能消除噪点影响，提升了图像边缘检测的精确性。
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，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，RandomAccess Memory)、磁盘或光盘等。
以上对本发明实施例所提供的一种图像边缘检测方法、装置和存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (11)

1.一种图像边缘检测方法，其特征在于，包括：
获取待检测图像；
获取所述待检测图像中像素点的原始亮度值；
对所述待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值；
获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值；
根据所述亮度差值确定所述待检测图像中的边缘像素点。
2.如权利要求1所述的图像边缘检测方法，其特征在于，根据所述亮度差值确定所述待检测图像中的边缘像素点，包括：
获取所述亮度差值的绝对值，得到像素点的线性绝对差值；
根据像素点的线性绝对差值确定所述待检测图像中的边缘像素点。
3.如权利要求2所述的图像边缘检测方法，其特征在于，根据像素点的线性绝对差值确定所述待检测图像中的边缘像素点，包括：
当像素点的线性绝对差值大于预设阈值时，确定所述像素点为边缘像素点；
当像素点的线性绝对差值不大于预设阈值时，确定所述像素点为普通像素点。
4.如权利要求2所述的图像边缘检测方法，其特征在于，在得到像素点的线性绝对差值之后，确定所述待检测图像中的边缘像素点之前，所述图像边缘检测方法还包括：
对所述像素点的线性绝对差值进行线性放大或者缩小处理。
5.如权利要求1所述的图像边缘检测方法，其特征在于，对所述待检测图像中像素点进行线性过滤，包括：
获取设定的线性滤波器的过滤参数；
基于所述过滤参数和所述线性滤波器，对所述待检测图像中像素点进行线性过滤。
6.一种图像边缘检测装置，其特征在于，包括：
图像获取单元，用于获取待检测图像；
亮度获取单元，用于获取所述待检测图像中像素点的原始亮度值；
线性过滤单元，用于对所述待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值；
差值获取单元，用于获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值；
边缘像素确定单元，用于根据所述亮度差值确定所述待检测图像中的边缘像素点。
7.如权利要求6所述的图像边缘检测装置，其特征在于，边缘像素确定单元，包括：
绝对值获取子单元，用于获取所述亮度差值的绝对值，得到像素点的线性绝对差值；
边缘像素确定子单元，用于根据像素点的线性绝对差值确定所述待检测图像中的边缘像素点。
8.如权利要求7所述的图像边缘检测装置，其特征在于，所述边缘像素确定子单元，用于：
当像素点的线性绝对差值大于预设阈值时，确定所述像素点为边缘像素点；
当像素点的线性绝对差值不大于预设阈值时，确定所述像素点为普通像素点。
9.如权利要求7所述的图像边缘检测装置，其特征在于，还包括缩放单元；
所述缩放单元，用于在绝对值获取子单元得到线性绝对差值之后，边缘像素确定子单元确定边缘像素点之前，对所述像素点的线性绝对差值进行线性放大或者缩小处理。
10.如权利要求6所述的图像边缘检测装置，其特征在于，所述线性过滤单元，用于：获取设定的线性滤波器的过滤参数；基于所述过滤参数和所述线性滤波器，对所述待检测图像中像素点进行线性过滤。
11.一种存储介质，其特征在于，所述存储介质存储有指令，所述指令被处理器执行时实现如权利要求1-5任一项所述方法的步骤。
CN201710638305.9A 2017-07-31 2017-07-31 一种图像边缘检测方法、装置和存储介质 Pending CN107492110A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710638305.9A CN107492110A (zh) 2017-07-31 2017-07-31 一种图像边缘检测方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710638305.9A CN107492110A (zh) 2017-07-31 2017-07-31 一种图像边缘检测方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN107492110A true CN107492110A (zh) 2017-12-19

Family

ID=60643989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710638305.9A Pending CN107492110A (zh) 2017-07-31 2017-07-31 一种图像边缘检测方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN107492110A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523373A (zh) * 2020-02-20 2020-08-11 广州杰赛科技股份有限公司 一种基于边缘检测的车辆识别方法、装置及存储介质
CN112583997A (zh) * 2019-09-30 2021-03-30 瑞昱半导体股份有限公司 图像处理电路与方法
CN112669227A (zh) * 2020-12-16 2021-04-16 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
CN113012185A (zh) * 2021-03-26 2021-06-22 影石创新科技股份有限公司 图像处理方法、装置、计算机设备和存储介质
CN113744239A (zh) * 2021-09-02 2021-12-03 广东奥普特科技股份有限公司 一种基于机器视觉的聚合物软包锂电池底角自动检测装置
CN114399430A (zh) * 2021-12-31 2022-04-26 宝宝巴士股份有限公司 一种基于cocos2dx实现溶解效果的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1568619A (zh) * 2001-11-15 2005-01-19 韩唯逻辑公司 使用图像信号边缘检测的保安系统和警报方法
CN101924899A (zh) * 2009-06-09 2010-12-22 佳能株式会社 图像处理设备和图像处理方法
CN103927526A (zh) * 2014-04-30 2014-07-16 长安大学 一种基于高斯差分多尺度边缘融合的车辆检测方法
US20150131713A1 (en) * 2012-04-16 2015-05-14 Samsung Electronics Co. Ltd. Video coding method and device using high-speed edge detection, and related video decoding method and device
CN106846270A (zh) * 2017-01-05 2017-06-13 浙江大华技术股份有限公司 一种图像边缘增强方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1568619A (zh) * 2001-11-15 2005-01-19 韩唯逻辑公司 使用图像信号边缘检测的保安系统和警报方法
CN101924899A (zh) * 2009-06-09 2010-12-22 佳能株式会社 图像处理设备和图像处理方法
US20150131713A1 (en) * 2012-04-16 2015-05-14 Samsung Electronics Co. Ltd. Video coding method and device using high-speed edge detection, and related video decoding method and device
CN103927526A (zh) * 2014-04-30 2014-07-16 长安大学 一种基于高斯差分多尺度边缘融合的车辆检测方法
CN106846270A (zh) * 2017-01-05 2017-06-13 浙江大华技术股份有限公司 一种图像边缘增强方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈杰 等: "一种尺度自适应Canny边缘检测方法", 《光电工程》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112583997A (zh) * 2019-09-30 2021-03-30 瑞昱半导体股份有限公司 图像处理电路与方法
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
CN111523373A (zh) * 2020-02-20 2020-08-11 广州杰赛科技股份有限公司 一种基于边缘检测的车辆识别方法、装置及存储介质
CN111523373B (zh) * 2020-02-20 2023-09-19 广州杰赛科技股份有限公司 一种基于边缘检测的车辆识别方法、装置及存储介质
CN112669227A (zh) * 2020-12-16 2021-04-16 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
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
CN113012185A (zh) * 2021-03-26 2021-06-22 影石创新科技股份有限公司 图像处理方法、装置、计算机设备和存储介质
WO2022199583A1 (zh) * 2021-03-26 2022-09-29 影石创新科技股份有限公司 图像处理方法、装置、计算机设备和存储介质
CN113012185B (zh) * 2021-03-26 2023-08-29 影石创新科技股份有限公司 图像处理方法、装置、计算机设备和存储介质
CN113744239A (zh) * 2021-09-02 2021-12-03 广东奥普特科技股份有限公司 一种基于机器视觉的聚合物软包锂电池底角自动检测装置
CN114399430A (zh) * 2021-12-31 2022-04-26 宝宝巴士股份有限公司 一种基于cocos2dx实现溶解效果的方法及装置

Similar Documents

Publication Publication Date Title
CN107492110A (zh) 一种图像边缘检测方法、装置和存储介质
CN108550101B (zh) 图像处理方法、装置及存储介质
CN104200480B (zh) 一种应用于智能终端的图像模糊度评价方法及系统
CN107957294A (zh) 环境光强度检测方法、装置、存储介质及电子设备
CN108320270B (zh) 一种图像校正方法、装置和存储介质
CN107918216B (zh) 图像Mura缺陷评估方法、系统以及可读存储介质
CN107945769A (zh) 环境光强度检测方法、装置、存储介质及电子设备
CN106250831A (zh) 图像检测方法、装置和用于图像检测的装置
CN110189349A (zh) 图像处理方法及装置
CN106161967A (zh) 一种逆光场景全景拍摄方法及移动终端
CN102980535B (zh) 角度测量方法和装置
CN108269220B (zh) 定位数字水印的方法及装置
KR20130135314A (ko) 디스플레이 스크린을 관리하는 방법 및 장치
CN112014413A (zh) 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法
CN106250080A (zh) 图像显示方法及装置
CN111126147B (zh) 图像处理方法、装置和电子系统
CN111901519B (zh) 屏幕补光方法、装置及电子设备
CN116188379A (zh) 边缘缺陷检测方法、装置、电子设备及存储介质
WO2023056950A1 (zh) 图像处理方法和电子设备
CN111199567A (zh) 车道线绘制方法、装置及终端设备
CN110533019B (zh) 车牌定位方法、装置及存储介质
CN112532884B (zh) 识别方法、装置及电子设备
CN107945186A (zh) 分割图像的方法、装置、计算机可读存储介质和终端设备
CN112258501A (zh) 印版网点检测方法、印版测量仪和可读存储介质
CN116228861A (zh) 探针台标记物定位方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171219