CN108205814B - 彩色图像的黑白轮廓生成方法 - Google Patents
彩色图像的黑白轮廓生成方法 Download PDFInfo
- Publication number
- CN108205814B CN108205814B CN201611177233.4A CN201611177233A CN108205814B CN 108205814 B CN108205814 B CN 108205814B CN 201611177233 A CN201611177233 A CN 201611177233A CN 108205814 B CN108205814 B CN 108205814B
- Authority
- CN
- China
- Prior art keywords
- point
- black
- points
- value
- contour
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种彩色图像的黑白轮廓生成方法,其包括:将彩色图像中的各像素点对应为RGB颜色空间的矢量,通过计算矢量间的距离,并设定合适的阈值,生成含初始轮廓的二值图像;以及,针对初始轮廓中可能存在的断点和噪声点进行进一步处理,获得最终的轮廓。本发明提供的彩色图像的黑白轮廓生成方法实现过程直观,算法明晰,整个过程计算简单、算法复杂度低,时效性强,适用范围广,既适用于对彩色图像进行处理,也可应用于对灰度图像进行处理。
Description
技术领域
本发明涉及一种图像的轮廓提取方法,特别涉及一种彩色图像的黑白轮廓生成方法,属于图像处理技术领域。
背景技术
轮廓是图像的基本特征之一,准确提取图像轮廓为图像的后续处理提供了重要的信息。可进一步应用到模板匹配、图像分割、图像识别等图像理解领域,是计算机视觉领域的一个重要的基础性研究热点,有着十分重要的应用价值与研究意义。
现有的轮廓提取方法主要有边缘检测算子法、分水岭算法、数学形态学法、类snake模型的能量最小方法等主动轮廓法。其中,边缘检测算子法可以很好的勾勒出物体的轮廓,具有算法简单/提取速度快等优点,但该类算法过分强调轮廓的特性,而没有强调必须是封闭的,提取的轮廓不一定是连续的,物体内部阴暗变化也会被当作边界检测出来,形成大量的伪边缘,不宜于计算机的下一步处理。分水岭算法对于图像中由于像素差别较小而产生微弱边缘具有良好的相应,可以得到封闭连续的边缘,可以保证在照明、阴影等的影响下分割边缘的封闭性与连续性。数学形态学法提取轮廓具有单像素宽、抗干扰性好等优点,但由于噪声随机分布的特征,物体边界领域受噪声干扰的点、幅值接近阈值的像素点易被检漏或误检,所以提取的轮廓有时有断点的出现,并不是连续的轮廓,也不能把轮廓的特征完全表达出来,给图像的进一步处理带来麻烦。Snake模型对于噪声与对比度不敏感,能将目标从复杂背景中分割出来,并能有效的跟踪目标的形变与非刚体的复杂运动而被广泛用于图像分割与物体跟踪等图像处理领域。前述的主动轮廓法都可以提取任意形状的目标轮廓,但是这类方法需要调节的参数太多,从而使所提取的目标轮廓具有一定的主观性,无法实现目标轮廓的自动提取。
同时,有研究表明,彩色图像中大约有90%的边缘在灰度图像中是检测不到的,因此一般的彩色图像轮廓检测算法是将灰度图像的检测方法分别适用于不同颜色分量后,通过再合成得到结果。前述的边缘检测法与分水岭算法与数学形态学方法在使用到彩色图像上时,有效性会被在一定程度上降低,且分水岭算法的优良表现很大程度上来自于人机交互。此外,前述类snake模型的能量最小法是通过求解方程得到最终轮廓值,对数学要求比较高,求解复杂不直观,计算时间偏长。
发明内容
本发明的主要目的在于提供一种彩色图像的黑白轮廓生成方法,以克服现有技术的不足。
为实现前述发明目的,本发明采用的技术方案包括:
本发明实施例提供了一种彩色图像的黑白轮廓生成方法,其包括:
将彩色图像中的各像素点对应为RGB颜色空间的矢量,通过计算矢量间的距离,并设定合适的阈值,生成含初始轮廓的二值图像;
以及,针对初始轮廓中可能存在的断点和噪声点进行进一步处理,获得最终的轮廓。
进一步的,所述彩色图像的黑白轮廓生成方法可以包括如下步骤:
计算彩色图像中每个像素点和与该像素点相邻的多个像素点在颜色空间的矢量距离和Ai;
根据K,求解调节参数k2;
将k2Ai与设定阈值比较,生成二值图像,得到初始轮廓;
逐个分析所述二值图像中轮廓点的分布情况,判断修正后得到最终轮廓。
更进一步的,所述彩色图像的黑白轮廓生成方法具体包括如下步骤:
4)计算各像素点的k2Ai的值,并统计k2Ai值大于设定值的像素点的个数N,当NM近似于K时,求得k2的值;
5)将各像素点的k2Ai值与设定阈值比较,判断各像素点,生成二值图像B,其中采用的判断依据为:
其中bi是二值图像中的各像素点;
6)检查二值图像B中每个黑点周围的多个黑点的分布情况,进一步修正轮廓。
更进一步的,前述步骤6)具体可以包括:
a.若所述二值图像中每个黑点周围的8个点中有3个以上的黑点,则跳过;
b.若所述二值图像中每个黑点周围的8个点中有不相邻的两个黑点,则跳过;
c.若所述二值图像中每个黑点周围的8个点中有相邻的两个黑点,则将与该两个黑点不相邻的四个位作候补位;
d.若所述二值图像中每个黑点周围的8个点中只有一个黑点,则将与该黑点不相邻的五个位作为候补点;
e.若所述二值图像中每个黑点周围的8个点中无黑点,且如果以该黑点为中心的周围7*7-1范围里均无黑点,则该黑点为无效点,令该点的bi=255,否则将该8个点均作为候补位;
f.将所述候补位中最大的Ai值记作MaxAi,MaxAi所对应的点作为高级候选点,若存在多个Ai值相等且都是最大的,取相邻的两个以上正中,或将两个以上Ai的值的质心取整作为高级候选点;
g.若k2MaxAi≥k3.设定阈值,则将此MaxAi对应的高级候补位设为黑点,k3为调节参数,取值依据轮廓连续情况而定,取值小于1;
h.重复该步骤6)中的操作,迭代多次直至生成的二值轮廓图的轮廓不再发生变化。
更进一步的,在前述步骤f中,所述质心是通过下式计算的:
x、y为图像像素的行数与列数,n为最大值的个数,根据计算结果将x、y取整。
本发明实施例还提供了一种灰度图像的轮廓生成方法,其包括:
将灰度图映射为彩色空间中各颜色值均等于该点灰度值的彩色图;
以及,应用上述彩色图像的黑白轮廓生成方法获得最终轮廓。
与现有技术相比,本发明提供的彩色图像的黑白轮廓生成方法实现过程直观,算法明晰,整个过程计算简单、算法复杂度低,时效性强,适用范围广,既适用于对彩色图像进行处理,也可应用于对灰度图像进行处理。
附图说明
图1是本发明一典型实施案例中彩色图像黑白轮廓的具体生成流程图;
具体实施方式
鉴于现有技术中的不足,本案发明人经长期研究和大量实践,得以提出本发明的技术方案。如下将结合实施例对本发明的技术方案、其实施过程及原理等作进一步的解释说明。
本发明实施例涉及一种彩色图片的黑白轮廓生成方法,可直接针对彩色图像进行轮廓提取,该方法包括:将彩色图像中的各像素点对应为RGB颜色空间矢量,通过计算矢量间的距离大小,设定合适阈值,生成含初始轮廓的二值图像;以及,针对初始轮廓中可能存在的断点、噪声点进行进一步处理,得到最终的轮廓。
进一步的,请参阅图1所示,本实施例的彩色图像的黑白轮廓生成方法还可以包括:
计算彩色图像中每个像素点和与该像素点相邻的多个像素点在颜色空间的矢量距离和Ai;
根据K,求解调节参数k2;
根据k2Ai与设定阈值的比较,生成二值图像,得到初始轮廓;
逐个分析所述二值图像中轮廓点的分布情况,判断修正后得到最终轮廓。
更进一步的,本实施例的彩色图像的黑白轮廓生成方法具体可以包括:
步骤3):计算全部像素的Ai平均值(M为总像素数),令k1为调节权值,k1越大,初始轮廓点越多,反之亦然,可以根据具体图像轮廓多少的情况而做出调整,使得轮廓比例参数的值小于1,在一些实施案例中,可以令k1为2;
步骤4):计算各像素点的k2Ai的值,并统计其值大于设定值的像素点的个数N,求N/M近似于K时,求得k2的值。在该实施案例中该设定值优选为160,当然也可以是其他数值。但当所述设定值是160时,点的可分性较好。当该设定值确定,K确定时,即可求得调节参数k2的值。前述的“近似”是当k2取合适值,使得N/M最接近K。
步骤5):判断各像素点的k2Ai值与设定阈值(此实施案例中优选为160,当然也可以是其他数值)的大小,判断各像素点,生成二值图像B,具体判断根据为:
bi是二值图像中的各像素点;
步骤6):检查二值图像B中每个“黑点”(考察像素邻域存在的一个黑点)周围8个点中黑点的分布情况(图像边缘点不作考虑),进一步修正轮廓。
进一步的,前述步骤6)包括:
a.若前述8个点中有3个以上的黑点则跳过;
b.若前述8个点中有不相邻的两个黑点则跳过;
c.若前述8个点中有相邻的两个黑点则将与该两个黑点不相邻的四个位作候补位;
d.若前述8个点中只有一个黑点,则把与该黑点不相邻的5个位作为候补点;
e.若所述二值图像中每个黑点周围的8个点中无黑点,且如果以该黑点为中心的周围7*7-1范围里均无黑点,则该黑点为无效点,令该点的bi=255;否则将该8个点均作为候补位;
f.将所述候补位中最大的Ai值记作MaxAi,MaxAi所对应的点作为高级候选点,若存在多个Ai值相等且都是最大的,取相邻几个正中,或几个Ai的值的质心取整作为高级候选点,所述质心可以通过计算,此处x、y为图像像素的行数与列数,n为最大值的个数,根据计算结果将x、y取整。
g.若k2MaxAi≥k3.160,则将此MaxAi对应的高级候补位设为黑点,k3为调节参数,取值依据轮廓连续情况而定,取值小于1;
h.重复步骤6)的操作,迭代多次直至生成的二值轮廓图的轮廓不再发生变化,即不再有考察点需要做处理。
进一步的,本实施例的彩色图片的黑白轮廓生成方法也适用于对灰度图像进行轮廓提取。
其中的一种实施方案包括:将其每个像素点的R、G、B值设为同一灰度值即可。
例如,本实施例的一种灰度图像的轮廓生成方法可以包括:
将灰度图映射为彩色空间中各颜色值均等于该点灰度值的彩色图;
以及,应用前述的彩色图像的黑白轮廓生成方法获得最终轮廓。
进一步的,所述灰度图像的轮廓生成方法可以包括如下步骤:
直接令R=G=B=I,R、G、B为彩色图像的红绿蓝色彩分量,I是像素的灰度值;
根据K,求解k2;
根据k2Ai的大小,生成二值图像,得到初始轮廓;
逐点分析所述二值图像中轮廓点的分布情况,判断修正后得到最终轮廓。
更为具体的,一种灰度图像的轮廓生成方法可以包括如下步骤:
4)计算各像素点的k2Ai的值,并统计k2Ai值大于设定值(此实施案例中优选为160,当然也可以是其它数值)的像素点的个数N,当N/M近似于K时,求得k2的值;
5)依据各像素点的k2Ai值(此实施案例中优选为160,当然也可以是其它数值),判断各像素点,生成二值图像,其中采用的判断依据为:
6)检查二值图像中每个黑点周围的多个黑点的分布情况,进一步修正轮廓。
前述步骤6)还可进一步包括:
a.若所述二值图像中每个黑点周围的8个点中有3个以上的黑点,则跳过;
b.若所述二值图像中每个黑点周围的8个点中有不相邻的两个黑点,则跳过;
c.若所述二值图像中每个黑点周围的8个点中有相邻的两个黑点,则将与该两个黑点不相邻的四个位作候补位;
d.若所述二值图像中每个黑点周围的8个点中只有一个黑点,则将与该黑点不相邻的五个位作为候补点;
e.若所述二值图像中每个黑点周围的8个点中无黑点,且如果以该黑点为中心的周围7*7-1范围里均无黑点,则该黑点为无效点,令该点的bi=255;否则将该8个点均作为候补位;
f.将所述候补位中最大的Ai值记作MaxAi,MaxAi所对应的点作为高级候选点,若存在多个Ai值相等且都是最大的,取相邻几个正中,或几个Ai的值的质心取整作为高级候选点,其中所述质心的计算方法可以是:其中x、y为图像像素的行数与列数,n为最大值的个数,根据计算结果将x、y取整。
g.若k2MaxAi≥k3.160,则将此MaxAi对应的高级候补位设为黑点,k3为调节参数,取值依据轮廓连续情况而定,取值小于1
h.重复该步骤6)中的操作,迭代多次直至生成的二值轮廓图的轮廓不再发生变化。
更进一步的,在前述步骤f中,若所述候补位中有两个以上点的Ai值相等且大于其它点的Ai值,则将该两个以上点的Ai值作为MaxAi,MaxAi所对应的点作为高级候选点。
应当理解,上述实施例仅为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种彩色图像的黑白轮廓生成方法,其特征在于包括:
bi是二值图像中的各像素点;
6)检查二值图像B中每个黑点周围的多个黑点的分布情况,进一步修正轮廓,具体包括:
a. 若所述二值图像中每个黑点周围的8个点中有3个以上的黑点,则跳过;
b. 若所述二值图像中每个黑点周围的8个点中有不相邻的两个黑点,则跳过;
c. 若所述二值图像中每个黑点周围的8个点中有相邻的两个黑点,则将与该两个黑点不相邻的四个位作候补位;
d. 若所述二值图像中每个黑点周围的8个点中只有一个黑点,则将与该黑点不相邻的五个位作为候补点;
h. 重复该步骤6)中的操作,迭代多次直至生成的二值轮廓图的轮廓不再发生变化。
2.根据权利要求1所述彩色图像的黑白轮廓生成方法,其特征在于:步骤1)中m=8。
5.一种灰度图像的轮廓生成方法,其特征在于包括:
1)令R=G=B=I,R、G、B为彩色图像的红绿蓝色彩分量,I是像素的灰度值,将灰度图映射为彩色空间中各颜色值均等于该点灰度值的彩色图,并计算灰度图像中每个像素点的灰度值和与该像素点相邻的多个像素点P j 的灰度值的差值平方和的方根值,j=1,2,3,…,m;
6)检查二值图像中每个黑点周围的多个黑点的分布情况,进一步修正轮廓,具体包括:
a. 若所述二值图像中每个黑点周围的8个点中有3个以上的黑点,则跳过;
b. 若所述二值图像中每个黑点周围的8个点中有不相邻的两个黑点,则跳过;
c. 若所述二值图像中每个黑点周围的8个点中有相邻的两个黑点,则将与该两个黑点不相邻的四个位作候补位;
d. 若所述二值图像中每个黑点周围的8个点中只有一个黑点,则将与该黑点不相邻的五个位作为候补点;
h. 重复该步骤6)中的操作,迭代多次直至生成的二值轮廓图的轮廓不再发生变化。
7.根据权利要求5所述灰度图像的轮廓生成方法,其特征在于:步骤1)中m=8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611177233.4A CN108205814B (zh) | 2016-12-19 | 2016-12-19 | 彩色图像的黑白轮廓生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611177233.4A CN108205814B (zh) | 2016-12-19 | 2016-12-19 | 彩色图像的黑白轮廓生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108205814A CN108205814A (zh) | 2018-06-26 |
CN108205814B true CN108205814B (zh) | 2021-07-02 |
Family
ID=62601498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611177233.4A Active CN108205814B (zh) | 2016-12-19 | 2016-12-19 | 彩色图像的黑白轮廓生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108205814B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360173B (zh) * | 2018-11-23 | 2021-09-03 | 珠海医凯电子科技有限公司 | 基于改进的方差的彩色多普勒血流图像降噪方法 |
TWI731503B (zh) * | 2019-12-10 | 2021-06-21 | 緯創資通股份有限公司 | 活體臉部辨識系統與方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197915A (zh) * | 2006-12-07 | 2008-06-11 | 中国科学院半导体研究所 | 彩色图像处理方法 |
CN102663729A (zh) * | 2012-03-11 | 2012-09-12 | 东华大学 | 基于轮廓跟踪的车载红外视频彩色化方法 |
CN103035000A (zh) * | 2012-12-06 | 2013-04-10 | 天津师范大学 | 一种基于cnn的彩色图像边缘提取方法 |
CN103295219A (zh) * | 2012-03-02 | 2013-09-11 | 北京数码视讯科技股份有限公司 | 图像分割的方法与装置 |
CN105338335A (zh) * | 2015-10-15 | 2016-02-17 | 宁波大学 | 一种立体图像显著图提取方法 |
CN105701437A (zh) * | 2014-11-11 | 2016-06-22 | 沈阳新松机器人自动化股份有限公司 | 基于机器人的肖像绘制系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9076236B2 (en) * | 2013-09-12 | 2015-07-07 | At&T Intellectual Property I, L.P. | Guided image upsampling using bitmap tracing |
-
2016
- 2016-12-19 CN CN201611177233.4A patent/CN108205814B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197915A (zh) * | 2006-12-07 | 2008-06-11 | 中国科学院半导体研究所 | 彩色图像处理方法 |
CN103295219A (zh) * | 2012-03-02 | 2013-09-11 | 北京数码视讯科技股份有限公司 | 图像分割的方法与装置 |
CN102663729A (zh) * | 2012-03-11 | 2012-09-12 | 东华大学 | 基于轮廓跟踪的车载红外视频彩色化方法 |
CN103035000A (zh) * | 2012-12-06 | 2013-04-10 | 天津师范大学 | 一种基于cnn的彩色图像边缘提取方法 |
CN105701437A (zh) * | 2014-11-11 | 2016-06-22 | 沈阳新松机器人自动化股份有限公司 | 基于机器人的肖像绘制系统 |
CN105338335A (zh) * | 2015-10-15 | 2016-02-17 | 宁波大学 | 一种立体图像显著图提取方法 |
Non-Patent Citations (3)
Title |
---|
CEDContours: A high speed contour detector for color images;Cuneyt Akinlar;《Image and Vision Computing》;20160830;60-70 * |
基于四面体坐标系的三维变形方法及应用;王守觉,张晓盟;《计算机辅助设计与图形学学报》;20150331;469-477 * |
基于颜色、梯度矢量流活动轮廓及支持向量机实现白细胞的提取和分类;王卫星;《光学精密工程》;20121231;2781-2790 * |
Also Published As
Publication number | Publication date |
---|---|
CN108205814A (zh) | 2018-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232389B (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
CN111340824B (zh) | 一种基于数据挖掘的图像特征分割方法 | |
CN104091348B (zh) | 融合显著特征和分块模板的多目标跟踪方法 | |
CN106875395B (zh) | 基于深度神经网络的超像素级sar图像变化检测方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN104732536A (zh) | 一种基于改进形态学的亚像素边缘检测方法 | |
CN106023151B (zh) | 一种开放环境下中医舌象目标检测方法 | |
CN109460764A (zh) | 一种结合亮度特征与改进帧间差分法的卫星视频船舶监测方法 | |
CN106991686B (zh) | 一种基于超像素光流场的水平集轮廓跟踪方法 | |
CN108615239B (zh) | 基于阈值技术和灰度投影的舌图像分割方法 | |
CN110717896A (zh) | 基于显著性标签信息传播模型的板带钢表面缺陷检测方法 | |
CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN107590496A (zh) | 复杂背景下红外小目标的关联检测方法 | |
CN109447036A (zh) | 一种图像数字分割与识别方法及系统 | |
CN104766316A (zh) | 中医望诊中新型嘴唇分割算法 | |
CN109523559A (zh) | 一种基于改进的能量泛函模型的噪声图像分割方法 | |
CN105787912A (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN105118051A (zh) | 一种应用于静态图像人体分割的显著性检测方法 | |
CN108205814B (zh) | 彩色图像的黑白轮廓生成方法 | |
CN110348307B (zh) | 一种起重机金属结构攀爬机器人的路径边缘识别方法及系统 | |
CN107358635B (zh) | 一种基于模糊相似性的彩色形态学图像处理方法 | |
CN112288780B (zh) | 多特征动态加权的目标跟踪算法 | |
CN113205494A (zh) | 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统 | |
CN116665258A (zh) | 一种手掌图像指缝分割方法 | |
CN109087334B (zh) | 基于显著语境稀疏表示的目标追踪方法 |
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 |