CN108564591B - 一种保留局部边缘方向的图像边缘提取方法 - Google Patents

一种保留局部边缘方向的图像边缘提取方法 Download PDF

Info

Publication number
CN108564591B
CN108564591B CN201810477503.6A CN201810477503A CN108564591B CN 108564591 B CN108564591 B CN 108564591B CN 201810477503 A CN201810477503 A CN 201810477503A CN 108564591 B CN108564591 B CN 108564591B
Authority
CN
China
Prior art keywords
pixel
edge
value
pixel block
picture
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
Application number
CN201810477503.6A
Other languages
English (en)
Other versions
CN108564591A (zh
Inventor
潘晔
董锋
邵怀宗
胡全
管庆
王文钦
陈慧
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201810477503.6A priority Critical patent/CN108564591B/zh
Publication of CN108564591A publication Critical patent/CN108564591A/zh
Application granted granted Critical
Publication of CN108564591B publication Critical patent/CN108564591B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种保留局部边缘方向的图像边缘提取方法，包括以下步骤：S1、读入待处理的三通道RGB图片；S2、设置边缘提取阈值threshold；S3、将待处理的三通道RGB图片转化为灰度图片；S4、根据边缘提取阈值threshold，使用边缘提取算子对灰度图片进行边缘提取，得到边缘图。本发明可以在提取图片边缘的的基础上，保留图片边缘的局部方向，使得处理后得到的边缘图保留了更多的局部信息。

Description

一种保留局部边缘方向的图像边缘提取方法
技术领域
本发明属于计算机视觉和图像处理技术领域，具体涉及一种保留局部边缘方向的图像边缘提取方法的设计。
背景技术
现有的图像边缘提取方法主要分为两大类：一种是以一阶微分为基础的边缘检测算子，通过计算一阶导数局部最大值来检测图像边缘，如：Roberts算子、Prewitt算子、Sobel算子、Canny算子等，另一种是以二阶微分为基础的边缘检测算子，通过寻求二阶导数中的过零点来检测边缘，如：LOG算子。
现有的图片边缘提取方法都是处理单通道或者灰度图像的，而且在局部处理上都是只计算边缘的大小而忽略了边缘的方向性。
发明内容
本发明的目的是为了解决现有的图片边缘提取方法在提取边缘过程中对局部边缘方向缺失的问题，提出了一种保留局部边缘方向的图像边缘提取方法。
本发明的技术方案为：一种保留局部边缘方向的图像边缘提取方法，包括以下步骤：
S1、读入待处理的三通道RGB图片。
S2、设置边缘提取阈值threshold。
S3、将待处理的三通道RGB图片转化为灰度图片。
S4、根据边缘提取阈值threshold，使用边缘提取算子对灰度图片进行边缘提取，得到边缘图。
步骤S4包括以下分步骤：
S41、将灰度图片划分为多个3*3的像素块。
S42、对于灰度图片中的每个3*3的像素块，将其四个角上的像素值减去2倍阈值threshold后与3*3像素块中间的像素值比较，若差值大于或等于中间像素值，则将3*3像素块的相应位置设置为1，若差值小于中间像素值，则将3*3像素块的相应位置设置为0。
S43、对于灰度图片中的每个3*3的像素块，将其中间像素上下左右的四个像素点的像素值减去阈值threshold后与3*3像素块中间的像素值比较，若差值大于或等于中间像素值，则将3*3像素块的相应位置设置为1，若差值小于中间像素值，则将3*3像素块的相应位置设置为0，得到一个3*3的特征矩阵。
S44、对步骤S43得到的特征矩阵从左到右，从上到下进行2进制编码，得到一个10进制的编码值。
S45、将步骤S44得到的编码值添加进对应3*3像素块的中间像素位置，得到边缘图。
本发明的有益效果是：本发明提供的一种保留局部边缘方向的图像边缘提取方法，通过设定边缘提取阈值threshold，在3*3的局部区域比较阈值后，由位置进行二进制编码，得到一个记录了不同位置比较结果的0-255的数值，这个编码数值就包含了3*3的局部区域中的边缘方向。本发明通过阈值和保留的边缘方向实现了在提取图片边缘的基础上，保留图片边缘的局部方向，使得处理后得到的边缘图保留了更多的局部信息。
附图说明
图1所示为本发明实施例提供的一种保留局部边缘方向的图像边缘提取方法流程图。
图2所示为本发明实施例提供的编码值计算过程示意图。
具体实施方式
现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。
本发明实施例提供了一种保留局部边缘方向的图像边缘提取方法，如图1所示，包括以下步骤：
S1、读入待处理的三通道RGB图片，得到H*W*3大小的数组数据(H，W分别为图片的高和宽)。
S2、设置边缘提取阈值threshold。
在提取图像边缘前，要对提取的边缘的强度进行初始化，设定边缘提取阈值threshold，以达到提取一定强度边缘的目的。本发明实施例中，边缘提取阈值threshold设置为20。
S3、将待处理的三通道RGB图片转化为灰度图片，得到H*W的灰度图。
将待处理的三通道RGB图片转化为灰度图片的具体方法为本领域公知的常规技术，在此不再赘述。
S4、根据边缘提取阈值threshold，使用边缘提取算子对灰度图片进行边缘提取，得到边缘图。
数字图像中，灰度值变化比较剧烈的地方，就定义为边缘。本发明实施例中，步骤S4包括以下分步骤：
S41、将灰度图片划分为多个3*3的像素块。
S42、对于灰度图片中的每个3*3的像素块，将其四个角上的像素值减去2倍阈值threshold后与3*3像素块中间的像素值比较，若差值大于或等于中间像素值，则将3*3像素块的相应位置设置为1，若差值小于中间像素值，则将3*3像素块的相应位置设置为0。
S43、对于灰度图片中的每个3*3的像素块，将其中间像素上下左右的四个像素点的像素值减去阈值threshold后与3*3像素块中间的像素值比较，若差值大于或等于中间像素值，则将3*3像素块的相应位置设置为1，若差值小于中间像素值，则将3*3像素块的相应位置设置为0，得到一个3*3的特征矩阵。
由于步骤S42～S43未对3*3像素块中间像素值进行阈值比较处理，因此得到的3*3的特征矩阵中间位置没有数值。
S44、对步骤S43得到的特征矩阵从左到右，从上到下进行2进制编码，得到一个10进制的编码值。
由于步骤S43得到的3*3的特征矩阵中间位置没有数值，因此对其进行编码后得到的是一个8位的2进制数值，对其进行2进制编码后得到的10进制的编码值介于[0,255]之间，该编码值中包含了3*3的局部区域中的边缘方向。如图2所示给出了本发明实施例中，当边缘提取阈值threshold设置为20时对一个3*3像素块进行编码值计算的过程及结果，最终得到的编码值为143。
S45、将步骤S44得到的编码值添加进对应3*3像素块的中间像素位置，得到边缘图。
由于本发明实施例中，边缘提取算子使用3*3的矩阵像素块，使得最后得到的边缘图上下左右各少一维像素，最终生成的边缘图大小为(H-2)*(W-2)。由于步骤S44得到的编码值中包含了3*3的局部区域中的边缘方向，因此本发明在提取图片边缘的基础上，保留图片边缘的局部方向，使得处理后得到的边缘图保留了更多的局部信息。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (1)

1.一种保留局部边缘方向的图像边缘提取方法，其特征在于，包括以下步骤：
S1、读入待处理的三通道RGB图片；
S2、设置边缘提取阈值threshold；
S3、将待处理的三通道RGB图片转化为灰度图片；
S4、根据边缘提取阈值threshold，使用边缘提取算子对灰度图片进行边缘提取，得到边缘图；
所述步骤S4包括以下分步骤：
S41、将灰度图片划分为多个3*3的像素块；
S42、对于灰度图片中的每个3*3的像素块，将其四个角上的像素值减去2倍阈值threshold后与3*3像素块中间的像素值比较，若差值大于或等于中间像素值，则将3*3像素块的相应位置设置为1，若差值小于中间像素值，则将3*3像素块的相应位置设置为0；
S43、对于灰度图片中的每个3*3的像素块，将其中间像素上下左右的四个像素点的像素值减去阈值threshold后与3*3像素块中间的像素值比较，若差值大于或等于中间像素值，则将3*3像素块的相应位置设置为1，若差值小于中间像素值，则将3*3像素块的相应位置设置为0，得到一个3*3的特征矩阵；
S44、对步骤S43得到的特征矩阵从左到右，从上到下进行2进制编码，得到一个10进制的编码值；
S45、将步骤S44得到的编码值添加进对应3*3像素块的中间像素位置，得到边缘图。
CN201810477503.6A 2018-05-18 2018-05-18 一种保留局部边缘方向的图像边缘提取方法 Active CN108564591B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810477503.6A CN108564591B (zh) 2018-05-18 2018-05-18 一种保留局部边缘方向的图像边缘提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810477503.6A CN108564591B (zh) 2018-05-18 2018-05-18 一种保留局部边缘方向的图像边缘提取方法

Publications (2)

Publication Number Publication Date
CN108564591A CN108564591A (zh) 2018-09-21
CN108564591B true CN108564591B (zh) 2021-07-27

Family

ID=63539126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810477503.6A Active CN108564591B (zh) 2018-05-18 2018-05-18 一种保留局部边缘方向的图像边缘提取方法

Country Status (1)

Country Link
CN (1) CN108564591B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256156A (zh) * 2008-04-09 2008-09-03 西安电子科技大学 平板裂缝天线裂缝精密测量方法
CN103366187A (zh) * 2013-07-04 2013-10-23 华侨大学 一种基于四点二元模型的图像纹理特征值的提取方法
CN104063682A (zh) * 2014-06-03 2014-09-24 上海交通大学 一种基于边缘分级和centrist特征的行人检测方法
CN104835182A (zh) * 2015-06-03 2015-08-12 上海建炜信息技术有限公司 摄像机上实现动态目标实时跟踪的方法
CN105701495A (zh) * 2016-01-05 2016-06-22 贵州大学 图像纹理特征提取方法
CN105719298A (zh) * 2016-01-22 2016-06-29 北京航空航天大学 一种基于边缘检测技术的线扩散函数提取的方法
CN105741281A (zh) * 2016-01-28 2016-07-06 西安理工大学 基于邻域离散度的图像边缘检测方法
CN106529447A (zh) * 2016-11-03 2017-03-22 河北工业大学 一种小样本人脸识别方法
CN107316320A (zh) * 2017-06-19 2017-11-03 江西洪都航空工业集团有限责任公司 一种使用gpu加速的实时行人检测系统
CN107481257A (zh) * 2017-07-07 2017-12-15 中国人民解放军国防科学技术大学 融合颜色与局部三进制相似模式特征的图像背景去除方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015171815A1 (en) * 2014-05-06 2015-11-12 Nant Holdings Ip, Llc Image-based feature detection using edge vectors

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101256156A (zh) * 2008-04-09 2008-09-03 西安电子科技大学 平板裂缝天线裂缝精密测量方法
CN103366187A (zh) * 2013-07-04 2013-10-23 华侨大学 一种基于四点二元模型的图像纹理特征值的提取方法
CN104063682A (zh) * 2014-06-03 2014-09-24 上海交通大学 一种基于边缘分级和centrist特征的行人检测方法
CN104835182A (zh) * 2015-06-03 2015-08-12 上海建炜信息技术有限公司 摄像机上实现动态目标实时跟踪的方法
CN105701495A (zh) * 2016-01-05 2016-06-22 贵州大学 图像纹理特征提取方法
CN105719298A (zh) * 2016-01-22 2016-06-29 北京航空航天大学 一种基于边缘检测技术的线扩散函数提取的方法
CN105741281A (zh) * 2016-01-28 2016-07-06 西安理工大学 基于邻域离散度的图像边缘检测方法
CN106529447A (zh) * 2016-11-03 2017-03-22 河北工业大学 一种小样本人脸识别方法
CN107316320A (zh) * 2017-06-19 2017-11-03 江西洪都航空工业集团有限责任公司 一种使用gpu加速的实时行人检测系统
CN107481257A (zh) * 2017-07-07 2017-12-15 中国人民解放军国防科学技术大学 融合颜色与局部三进制相似模式特征的图像背景去除方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Face Recognition System under Varying Lighting Conditions;P.Kalaiselvi and S.Nithya;《IOSR Journal of Computer Engineering (IOSR-JCE)》;20131031;第14卷(第3期);第79-88页 *
Real-Time Human Detection Using Contour Cues;Jianxin Wu等;《2011 IEEE International Conference on Robotics and Automation》;20110815;第1-8页 *
基于偏最小二乘与改进中心对称CENTRIST的快速行人检测算法;王守超等;《电子与信息学报》;20130930;第35卷(第9期);第2040-2046页 *
基于梯度离散化改进的DG_CENTＲIST行人检测;乔芃喆等;《电视技术》;20140802;第38卷(第15期);第222-226页 *

Also Published As

Publication number Publication date
CN108564591A (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
CN110008954B (zh) 一种基于多阈值融合的复杂背景文本图像提取方法及系统
US8608073B2 (en) System and method for robust real-time 1D barcode detection
CN107045634B (zh) 一种基于最大稳定极值区域与笔画宽度的文本定位方法
KR101795823B1 (ko) 광학 문자 인식되는 텍스트 영상의 텍스트 개선 기법
CN105069394A (zh) 二维码加权平均灰度法解码方法及系统
Savakis Adaptive document image thresholding using foreground and background clustering
JP2010525486A (ja) 画像分割及び画像強調
JP2007507802A (ja) デジタル画像におけるテキスト状エッジの強調
CN110969164A (zh) 基于深度学习端对端的低照度成像车牌识别方法及装置
CN105741272A (zh) 去除文档图像背面渗透字迹的方法
CN113723399A (zh) 一种车牌图像矫正方法、车牌图像矫正装置和存储介质
CN113591831A (zh) 一种基于深度学习的字体识别方法、系统及存储介质
CN111027564A (zh) 基于深度学习一体化的低照度成像车牌识别方法及装置
CN115272362A (zh) 一种数字病理全场图像有效区域分割方法、装置
Arnould et al. Remote bar-code localisation using mathematical morphology
CN108564591B (zh) 一种保留局部边缘方向的图像边缘提取方法
JP2001043313A (ja) 文字切出し方法
CN108109120B (zh) 一种点阵二维码的光照补偿方法及装置
CN114529715B (zh) 一种基于边缘提取的图像识别方法及系统
CN110633705A (zh) 一种低照度成像车牌识别方法及装置
CN106951831B (zh) 一种基于深度摄像机的行人检测跟踪方法
CN111881897B (zh) 一种停车场地面中文标志识别方法及其系统、存储介质
CN110807348A (zh) 基于贪婪算法的文档图像中干扰线的去除方法
CN111860262B (zh) 一种视频字幕提取方法及装置
CN110502950B (zh) 一种光照不均的qr码快速自适应二值化方法

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