CN109146900A - 应用于全息投影显示的Blob区域改进提取方法 - Google Patents

Abstract

本发明提出的应用于全息投影显示的Blob区域改进提取方法，涉及全息投影技术领域，具体步驟为；1、设I为只含有Blob区域的二值图像，使用二维高斯公式，产生高斯滤波模版，然后用模版和图像I进行卷积，得到图像I`；2、用Sobel算子X方向和Y方向的两个算子分别与I`做卷积运算，求得梯度幅值图I_B，并利用公式θ＝arctan(M_y/M_x)求得其梯度角度图I_B`；3、结合I<sub>B</sub>`，对I_B进行非最大值抑制处理，得到临时Blob区域轮廓图I_C；4、对I_C进行梯度直方图统计，并计算出高阈值t_high和低阈值t_low；5、通过上步得到的t_high和t_low对I_C进行双阈值处理，最终得到源图像I的了Blob区域I``。本发明有效的表征了Blob区域轮廓，提取出的Blob区域轮廓更具准确性和连续性。

Description

应用于全息投影显示的Blob区域改进提取方法

技术领域

本发明涉及全息投影技术领域，尤其是应用于全息投影显示的Blob区域改进提取方法。

背景技术

传统Canny算子对于的选取通过经验值设定，但不同的手指触摸图像会产生不同的触摸点数，Blob区域轮靡信息的提取就会产生不同的情况。当触摸点数增加时，仍采用相同的阈值处理不同情况下的手指触摸图像，将使提取到的Blob区域轮廓产生误差。因此，有必要对传统Canny算子滞后阈值化处理提出改进方法，实现高阈值选取的自适应性，在增加Canny算子性能的同时提高Blob区域轮廓提取的准确度。

发明内容

本发明提供的应用于全息投影显示的Blob区域改进提取方法，提高Blob区域轮廓提取的准确度和连续性。

本发明具体采用如下技术方案实现：

一种应用于全息投影显示的Blob区域改进提取方法，其特征在于，具体步驟为：

步骤1、设I为只含有Blob区域的二值图像，使用二维高斯公式，产生高斯滤波模版，然后用模版和图像I进行卷积，得到图像I`；

步骤2、用Sobel算子X方向和Y方向的两个算子分别与I`做卷积运算，求得梯度幅值图I<sub>B</sub>，并利用公式θ＝arctan(M<sub>y</sub>/M<sub>x</sub>)求得其梯度角度图I<sub>B</sub>`；

步骤3、结合I_B`，对I_B进行非最大值抑制处理，得到临时Blob区域轮廓图I_C；

步骤4、对I_C进行梯度直方图统计，并计算出高阈值t_high和低阈值t_low，具体计算步骤如下：

步骤41、出经过非极大值抑制处理后的图像中像素的最小梯度值Z_l和最大梯度值Z_h,并通过T₀＝(Z_l+Z_h)/2求得初始阈值T₀；

步骤42、根据阈值T_k将图像梯度分为两部分，分别求出两部分的平均梯度值Z₀和Z_B；

步骤43、求出新阈值T_k+1＝(Z₀+Z_B)/2；

步骤44、若T_k+1＝T_k，则结束；否则，转到步骤42；

步骤45、步骤44结束后，求得的T_k为最佳高阈值t_high，并通过以下公式求得低阈值t_low；

步骤5、通过上步得到的t_high和t_low对I_C进行双阈值处理，最终得到源图像I的了Blob区域I``。

本发明提供的应用于全息投影显示的Blob区域改进提取方法，其有益效果在于：采用基于逼近思想的迭代法进行阈值的选取，有效的表征了Blob区域轮廓，提取出的Blob区域轮廓更具准确性和连续性。

附图说明

图1是本发明的Blob区域提取方法流程图。

具体实施方式

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

现结合附图和具体实施方式对本发明进一步说明。

如图1所示，本实施例提出的应用于全息投影显示的Blob区域改进提取方法，针对传统Canny算子滞后阈值化处理时阈值的选取不具有自适应性的问题，提出一种基于迭代法计算高阈值的改进方法，并将改进后的Canny算子用于Blob区域轮廓提取，在提高传统Canny算子性能的同时，也提高了Blob区域轮廓提取的准确性。具体方法步骤如下：

步骤1、设I为只含有Blob区域的二值图像，使用二维高斯公式，产生高斯滤波模版，然后用模版和图像I进行卷积，得到图像I`；

步骤2、用Sobel算子X方向和Y方向的两个算子分别与I`做卷积运算，求得梯度幅值图I<sub>B</sub>，并利用公式θ＝arctan(M<sub>y</sub>/M<sub>x</sub>)求得其梯度角度图I<sub>B</sub>`；

步骤3、结合I_B`，对I_B进行非最大值抑制处理，得到临时Blob区域轮廓图I_C；

步骤4、对I_C进行梯度直方图统计，并计算出高阈值t_high和低阈值t_low，具体计算步骤如下：

步骤41、出经过非极大值抑制处理后的图像中像素的最小梯度值Z_l和最大梯度值Z_h,并通过T₀＝(Z_l+Z_h)/2求得初始阈值T₀；

步骤42、根据阈值T_k将图像梯度分为两部分，分别求出两部分的平均梯度值Z₀和Z_B；

步骤43、求出新阈值T_k+1＝(Z₀+Z_B)/2；

步骤44、若T_k+1＝T_k，则结束；否则，转到步骤42；

步骤45、步骤44结束后，求得的T_k为最佳高阈值t_high，并通过以下公式求得低阈值t_low；

步骤5、通过上步得到的t_high和t_low对I_C进行双阈值处理，最终得到源图像I的了Blob区域I``。

本申请针对不同的手指触摸图像，采用基于逼近思想的迭代法进行阈值的选取，本申请的改进提取方法有效的表征了Blob区域轮廓，提取出的Blob区域轮廓更具准确性和连续性。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (1)

1.一种应用于全息投影显示的Blob区域改进提取方法，其特征在于，具体步驟为：

步骤1、设I为只含有Blob区域的二值图像，使用二维高斯公式，产生高斯滤波模版，然后用模版和图像I进行卷积，得到图像I`；

步骤2、用Sobel算子X方向和Y方向的两个算子分别与I`做卷积运算，求得梯度幅值图I<sub>B</sub>，并利用公式θ＝arctan(M<sub>y</sub>/M<sub>x</sub>)求得其梯度角度图I<sub>B</sub>`；

步骤3、结合I_B`，对I_B进行非最大值抑制处理，得到临时Blob区域轮廓图I_C；

步骤4、对I_C进行梯度直方图统计，并计算出高阈值t_high和低阈值t_low，具体计算步骤如下：

步骤41、出经过非极大值抑制处理后的图像中像素的最小梯度值Z_l和最大梯度值Z_h,并通过T₀＝(Z_l+Z_h)/2求得初始阈值T₀；

步骤42、根据阈值T_k将图像梯度分为两部分，分别求出两部分的平均梯度值Z₀和Z_B；

步骤43、求出新阈值T_k+1＝(Z₀+Z_B)/2；

步骤44、若T_k+1＝T_k，则结束；否则，转到步骤42；

步骤45、步骤44结束后，求得的T_k为最佳高阈值t_high，并通过以下公式求得低阈值t_low；

步骤5、通过上步得到的t_high和t_low对I_C进行双阈值处理，最终得到源图像I的了Blob区域I``。