CN109448012A - 一种图像边缘检测方法及装置 - Google Patents
一种图像边缘检测方法及装置 Download PDFInfo
- Publication number
- CN109448012A CN109448012A CN201811267613.6A CN201811267613A CN109448012A CN 109448012 A CN109448012 A CN 109448012A CN 201811267613 A CN201811267613 A CN 201811267613A CN 109448012 A CN109448012 A CN 109448012A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- edge
- gray
- smoothed
- 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
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提供了一种图像边缘检测方法及方法,包括:获取待检测图像;对所述待检测图像进行灰度化处理,获得灰色图像;对所述灰色图像进行二值化处理,获得黑白图像;对所述黑白图像进行平滑处理,获得平滑图像;抑制所述平滑图像中杂散的像素点,获得抑杂图像;确定所述抑杂图像中的图像边缘。本方案能够提高边缘检测可靠性。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像边缘检测方法及装置。
背景技术
边缘检测一直是图像处理领域的经典研究课题之一,其用于发现图像中关于形状和反射或透射比的信息。即检测、定位和描述图像信号的不连续点。
目前,边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。边缘检测的结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。
因此,需要提供一种边缘检测结果可靠性高的图像边缘检测方法。
发明内容
本发明实施例提供了一种图像边缘检测方法及装置,能够提高图像边缘检测的可靠性。
第一方面,本发明实施例提供了一种图像边缘检测方法,包括:
获取待检测图像;
对所述待检测图像进行灰度化处理,获得灰色图像;
对所述灰色图像进行二值化处理,获得黑白图像;
对所述黑白图像进行平滑处理,获得平滑图像;
抑制所述平滑图像中杂散的像素点,获得抑杂图像;
确定所述抑杂图像中的图像边缘。
优选地,
所述对所述待检测图像进行灰度化处理,获得灰色图像,包括:
根据下述公式,分别确定所述待检测图像中的每一个所述像素点的灰度值:
Hi=0.2989Ri+0.587Gi+0.114Bi
其中,Hi表征第i个所述像素点的所述灰度值,Ri表征所述第i个像素点的R颜色分量值,Gi表征所述第i个像素点的G颜色分量值,Bi表征所述第i个像素点的B颜色分量值;
获得由调整后的每一个所述像素点组成的灰色图像。
优选地,所述对所述灰色图像进行二值化处理,获得黑白图像,包括:
针对所述灰色图像中的每一个像素点,确定所述像素点的灰度值是否大于预设的灰度阈值,如果是,将所述像素点的所述灰度值设置为255,否则,将所述像素点的所述灰度值设置为0;
获得由设置所述灰度值后的每一个所述像素点组成的黑白图像。
优选地,
所述对所述黑白图像进行平滑处理,获得平滑图像,包括:
利用预设的滤波模板,分别设置所述黑白图像中每一个像素点的灰度值对应的平滑值;
获得由每一个确定平滑值的所述像素点组成的平滑图像,
优选地,
在所述对所述黑白图像进行平滑处理,获得平滑图像之后,在所述抑制所述平滑图像中杂散的像素点,获得抑杂图像之前,进一步包括:
分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向;
所述抑制所述平滑图像中杂散的像素点,获得抑杂图像,包括:
针对所述平滑图像中的每一个所述像素点,确定所述像素点的梯度强度,是否大于沿所述像素点的梯度方向上的两个相邻的像素点的梯度强度,如果是,保留所述像素点,否则,抑制所述像素点;
获得由保留的各个所述像素点组成的抑杂图像。
优选地,
所述确定所述抑杂图像中的图像边缘,包括:
D1:针对所述抑杂图像中的每一个所述像素点,执行:
S0:确定所述像素点的梯度强度是否大于预设的高阈值,如果是,执行S1,否则,执行S2;
S1:将所述像素点标记为强边缘像素点;
S2:确定所述像素点的梯度强度是否大于预设的低阈值,如果是,执行S3,否则,执行S4;
S3:将所述像素点标记为弱边缘像素点;
S4:抑制所述像素点;
D2:针对每一个所述弱边缘像素点,确定所述弱边缘像素点所在的预设领域内是否存在至少一个所述强边缘像素点,如果是,保留所述弱边缘像素点,否则,抑制所述弱边缘像素点;
D3:获得由保留的每一个所述弱边缘像素点和每一个所述强边缘像素点组成的图像边缘。
优选地,
所述分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向,包括:
针对所述平滑图像中每一个像素点,执行:
根据下述公式确定所述像素点的梯度强度:
其中,G表征所述像素点的梯度强度,f(x,y)表征在所述平滑图像中横坐标为x、纵坐标为y的像素点的函数,f(x-1,y)表征在所述平滑图像中横坐标为x-1、纵坐标为y的像素点的函数,f(x,y-1)表征在所述平滑图像中横坐标为x、纵坐标为y-1的像素点的函数;
根据下述公式确定所述像素点的梯度方向:
其中,θ表征所述像素点的梯度方向。
第二方面,本发明实施例提供了一种图像边缘检测装置,包括:
获取单元,用于获取待检测图像;
处理单元,用于对所述获取单元获取的所述待检测图像进行灰度化处理,获得灰色图像;对所述灰色图像进行二值化处理,获得黑白图像;对所述黑白图像进行平滑处理,获得平滑图像;抑制所述平滑图像中杂散的像素点,获得抑杂图像;
检测单元,用于确定所述处理单元获得的所述抑杂图像中的图像边缘。
优选地,
所述处理单元,用于根据下述公式,分别确定所述待检测图像中的每一个所述像素点的灰度值:
Hi=0.2989Ri+0.587Gi+0.114Bi
其中,Hi表征第i个所述像素点的所述灰度值,Ri表征所述第i个像素点的R颜色分量值,Gi表征所述第i个像素点的G颜色分量值,Bi表征所述第i个像素点的B颜色分量值;
获得由调整后的每一个所述像素点组成的灰色图像。
优选地,
所述处理单元,用于针对所述灰色图像中的每一个像素点,确定所述像素点的灰度值是否大于预设的灰度阈值,如果是,将所述像素点的所述灰度值设置为255,否则,将所述像素点的所述灰度值设置为0;
获得由设置所述灰度值后的每一个所述像素点组成的黑白图像。
优选地,
所述处理单元,用于利用预设的滤波模板,分别设置所述黑白图像中每一个像素点的灰度值对应的平滑值;
获得由每一个确定平滑值的所述像素点组成的平滑图像。
优选地,
所述处理单元,进一步用于分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向;针对所述平滑图像中的每一个所述像素点,确定所述像素点的梯度强度,是否大于沿所述像素点的梯度方向上的两个相邻的像素点的梯度强度,如果是,保留所述像素点,否则,抑制所述像素点;
获得由保留的各个所述像素点组成的抑杂图像。
优选地,
所述检测单元,用于执行:
D1:针对所述抑杂图像中的每一个所述像素点,执行:
S0:确定所述像素点的梯度强度是否大于预设的高阈值,如果是,执行S1,否则,执行S2;
S1:将所述像素点标记为强边缘像素点;
S2:确定所述像素点的梯度强度是否大于预设的低阈值,如果是,执行S3,否则,执行S4;
S3:将所述像素点标记为弱边缘像素点;
S4:抑制所述像素点;
D2:针对每一个所述弱边缘像素点,确定所述弱边缘像素点所在的预设领域内是否存在至少一个所述强边缘像素点,如果是,保留所述弱边缘像素点,否则,抑制所述弱边缘像素点;
D3:获得由保留的每一个所述弱边缘像素点和每一个所述强边缘像素点组成的图像边缘。
优选地,
所述处理单元,用于针对所述平滑图像中每一个像素点,执行:
根据下述公式确定所述像素点的梯度强度:
其中,G表征所述像素点的梯度强度,f(x,y)表征在所述平滑图像中横坐标为x、纵坐标为y的像素点的函数,f(x-1,y)表征在所述平滑图像中横坐标为x-1、纵坐标为y的像素点的函数,f(x,y-1)表征在所述平滑图像中横坐标为x、纵坐标为y-1的像素点的函数;
根据下述公式确定所述像素点的梯度方向:
其中,θ表征所述像素点的梯度方向。
在本发明实施例中,通过对获取的待检测图像进行灰度化处理,可以将待检测图像变为灰色图像,再对灰色图像进行二值化处理,即可将图像呈现出明显的黑白效果,排除图像颜色对于图像边界的干扰,凸显图像中的字符的边界,通过对黑白图像进行平滑处理,以使减少图像中噪声的影像,再通过抑制平滑图像中杂散的像素点,可以消除边缘检测带来的杂散影像,即可确定图像中的图像边缘,实现提高提高图像边缘检测的可靠性的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,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1是本发明一实施例提供的一种图像边缘检测方法的流程图;
图2是本发明一实施例提供的另一种图像边缘检测方法的流程图;
图3是本发明一实施例提供的一种图像边缘检测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,本领域普通技术人员在没有做出创造性劳动的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。
如图1所示,本发明实施例提供了一种图像边缘检测方法,包括:
步骤101:获取待检测图像;
步骤102:对所述待检测图像进行灰度化处理,获得灰色图像;
步骤103:对所述灰色图像进行二值化处理,获得黑白图像;
步骤104:对所述黑白图像进行平滑处理,获得平滑图像;
步骤105:抑制所述平滑图像中杂散的像素点,获得抑杂图像;
步骤106:确定所述抑杂图像中的图像边缘。
在本发明实施例中,通过对获取的待检测图像进行灰度化处理,可以将待检测图像变为灰色图像,再对灰色图像进行二值化处理,即可将图像呈现出明显的黑白效果,排除图像颜色对于图像边界的干扰,凸显图像中的字符的边界,通过对黑白图像进行平滑处理,以使减少图像中噪声的影像,再通过抑制平滑图像中杂散的像素点,可以消除边缘检测带来的杂散影像,即可确定图像中的图像边缘,实现提高提高图像边缘检测的可靠性的目的。
在本发明一实施例中,所述对所述待检测图像进行灰度化处理,获得灰色图像,包括:
根据下述公式,分别确定所述待检测图像中的每一个所述像素点的灰度值:
Hi=0.2989Ri+0.587Gi+0.114Bi
其中,Hi表征第i个所述像素点的所述灰度值,Ri表征所述第i个像素点的所述R颜色分量值,Gi表征所述第i个像素点的所述G颜色分量值,Bi表征所述第i个像素点的所述B颜色分量值;
获得由调整后的每一个所述像素点组成的灰色图像。
在本发明实施例中,分别将每一个像素点的R颜色分量值、G颜色分量值和B颜色分量值代入上述公式中,即可确定像素点对应的灰度值,完成待检测图像的灰度化操作,将待检测图像由彩色图像变为灰色图像,以使减少待检测图像原始数据量,便于后续的图像处理。
在本发明一实施例中,所述对所述灰色图像进行二值化处理,获得黑白图像,包括:
针对所述灰色图像中的每一个像素点,确定所述像素点的灰度值是否大于预设的灰度阈值,如果是,将所述像素点的所述灰度值设置为255,否则,将所述像素点的所述灰度值设置为0;
获得由设置所述灰度值后的每一个所述像素点组成的黑白图像。
在本发明实施例中,通过将灰色图像中的每一个像素点的灰度值分别与预设的灰度阈值进行比对,如果像素点的灰度值大于阈值,则将灰度值设置为255,否则设置为0,以使将灰色图像呈现出明显的黑白视觉效果,排除图像颜色对于图像边界的干扰,获得黑白图像。
在本发明一实施例中,所述对所述黑白图像进行平滑处理,获得平滑图像,包括:
利用预设的滤波模板,分别设置所述黑白图像中每一个像素点的灰度值对应的平滑值;
获得由每一个确定平滑值的所述像素点组成的平滑图像。
在本发明实施例中,利用预设的滤波模板,可以对黑白图像进行平滑处理,即与黑白图像进行卷积,获取黑白图像中每一个像素点的灰度值对应的平滑值获得平滑图像,以减少边缘检测时的噪声影响。
在本发明一实施例中,在所述对所述黑白图像进行平滑处理,获得平滑图像之后,在所述抑制所述平滑图像中杂散的像素点,获得抑杂图像之前,进一步包括:
分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向;
所述抑制所述平滑图像中杂散的像素点,获得抑杂图像,包括:
针对所述平滑图像中的每一个所述像素点,确定所述像素点的梯度强度,是否大于沿所述像素点的梯度方向上的两个相邻的像素点的梯度强度,如果是,保留所述像素点,否则,抑制所述像素点;
获得由保留的各个所述像素点组成的抑杂图像。
在本发明实施例中,通过确定平滑图像中每一个像素点的梯度强度和梯度方向,针对每一个像素点,将该像素点的梯度强度与沿正负梯度方向上两个相邻的像素点的梯度强度进行比对,如果像素点的梯度强度与另外两个像素点的梯度强度相比最大,则保留该像素点,否则抑制所述该像素点,以消除边缘检测带来的杂散影像,获得由保留的像素点组成的抑杂图像。
在本发明一实施例中,所述确定所述抑杂图像中的图像边缘,包括:
D1:针对所述抑杂图像中的每一个所述像素点,执行:
S0:确定所述像素点的梯度强度是否大于预设的高阈值,如果是,执行S1,否则,执行S2;
S1:将所述像素点标记为强边缘像素点;
S2:确定所述像素点的梯度强度是否大于预设的低阈值,如果是,执行S3,否则,执行S4;
S3:将所述像素点标记为弱边缘像素点;
S4:抑制所述像素点;
D2:针对每一个所述弱边缘像素点,确定所述弱边缘像素点所在的预设领域内是否存在至少一个所述强边缘像素点,如果是,保留所述弱边缘像素点,否则,抑制所述弱边缘像素点;
D3:获得由保留的每一个所述弱边缘像素点和每一个所述强边缘像素点组成的图像边缘。
在本发明实施例中,抑制图像中的像素点可以更准确地表示图像中的实边缘。然而,仍存在由于噪声和颜色变化引起的一些像素点。为了解决这些像素点,可以通过弱梯度强度过滤噪声和颜色变化引起的一些像素点,并标记具有高梯度强度的边缘像素点。而在高梯度强度的弱边缘像素点,可以从真实边缘提取也可以因噪声或颜色变化引起,为了获得准确的边缘像素点,应该抑制由后者引起的弱边缘像素点,即通过确定每一个弱边缘像素点所在的预设领域内的像素点中是否由至少一个强边缘像素点,如果存在则可以保留该弱边缘像素点,否则需要抑制该弱边缘像素点,以消除噪声或颜色引起的像素点,提高边缘检测的准确性。
在本发明一实施例中,所述分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向,包括:
针对所述平滑图像中每一个像素点,执行:
根据下述公式确定所述像素点的梯度强度:
其中,G表征所述像素点的梯度强度,f(x,y)表征在所述平滑图像中横坐标为x、纵坐标为y的像素点的函数,f(x-1,y)表征在所述平滑图像中横坐标为x-1、纵坐标为y的像素点的函数,f(x,y-1)表征在所述平滑图像中横坐标为x、纵坐标为y-1的像素点的函数;
根据下述公式确定所述像素点的梯度方向:
其中,θ表征所述像素点的梯度方向。
在本发明实施例中,图像像素点函数f(x,y)在点(x,y)的梯度是一个具有大小和方向的矢量,因此通过像素点函数f(x,y)与像素点函数f(x-1,y)之差的平方,可以确定x方向上的像素点的梯度强度,通过像素点函数f(x,y)与像素点函数f(x,y-1)之差的平方,可以确定y方向上的像素点的梯度强度,通过x方向上的像素点的梯度强度与y方向上的像素点的梯度强度之和,即可获得每个像素点的梯度强度,再根据像素点函数f(x,y)与像素点函数f(x-1,y)之差,与像素点函数f(x,y)与像素点函数f(x,y-1)之差的比值即可确定像素点的梯度方向。
为了更加清楚的说明本发明的技术方案及优点,下面对本发明实施例提供的一种图像边缘检测方法进行详细描述,如图2所示,具体可以包括以下步骤:
步骤201:根据待检测图像中每一个像素点的R颜色分量值、G颜色分量值和B颜色分量值,调整每一个像素点的灰度值,获得由调整后每一个像素点组成的灰色图像。
具体地,通过将待检测图像中的每一个像素点的R颜色分量值、G颜色分量值和B颜色分量值代入下述公式,即可获得像素点对应的灰度值,并获得由确定灰度值后的每一个像素点组成的灰度图像。
Hi=0.2989Ri+0.587Gi+0.114Bi
其中,Hi表征第i个像素点的灰度值,Ri表征第i个像素点的R颜色分量值,Gi表征第i个像素点的G颜色分量值,Bi表征第i个像素点的B颜色分量值。
步骤202:针对灰色图像中的每一个像素点,确定像素点的灰度值是否大于预设的灰度阈值,如果是,执行步骤203,否则,执行步骤204。
步骤203:将像素点的灰度值设置为255,执行步骤205。
步骤204:将像素点的灰度值设置为0,执行步骤205。
步骤205:获得由设置灰度值后的每一个像素点组成的黑白图像。
具体地,通过对灰色图像进行二值化处理,即利用灰度阈值将像素点的灰度值设置为0或255,减小图像数据量,将灰色图像呈现出明显的黑白视觉效果,排除图像颜色对于图像边界的干扰,获得黑白图像。
步骤206:利用预设的滤波模板,分别设置黑白图像中每一个像素点的灰度值对应的平滑值,获得由每一个确定平滑值的像素点组成的平滑图像。
具体地,为了尽可能减少噪声对边缘检测结果的影响,所以必须滤除噪声以防止由噪声引起的错误检测。通过预设的滤波模板与黑白图像进行卷积,设置黑白图像中的每一个像素点的灰度值对应的平滑值获得平滑图像,以减少边缘检测时明显的噪声影响。
步骤207:针对平滑图像中的每一个像素点,确定像素点的梯度强度是否大于沿像素点的正负梯度方向上的两个相邻的像素点的梯度强度,如果是,执行步骤208,否则,执行步骤209。
步骤208:保留像素点,执行步骤210。
步骤209:抑制像素点,执行步骤210。
步骤210:获得由保留的各个像素点组成的抑杂图像。
具体地,通过下述公式可以确定平滑图像中每一个像素点的梯度强度和梯度方向:
其中,G表征像素点的梯度强度,f(x,y)表征在平滑图像中横坐标为x、纵坐标为y的像素点的函数,f(x-1,y)表征在平滑图像中横坐标为x-1、纵坐标为y的像素点的函数,f(x,y-1)表征在平滑图像中横坐标为x、纵坐标为y-1的像素点的函数、θ表征像素点的梯度方向。
由于梯度的方向是函数f(x,y)变化最快的方向,当平滑图像中存在边缘像素点时,一定有较大的梯度强度,相反,当平滑图像中有比较平滑的部分时,灰度值变化较小,则相应的梯度强度也较小,因此根据像素点的梯度强度和梯度方向抑制非极大梯度强度的像素点,以消除边缘检测带来的杂散相应。
步骤211:针对抑杂图像中的每一个像素点,确定像素点的梯度强度是否大于预设的高阈值,如果是,执行步骤212,否则,执行步骤213。
步骤212:将像素点标记为强边缘像素点,执行步骤216。
步骤213:确定像素点的梯度强度是否大于预设的低阈值,如果是,执行步骤214,否则,执行步骤215。
步骤214:将像素点标记为弱边缘像素点,执行步骤216。
步骤215:抑制像素点,执行步骤216。
具体地,通过预设的高阈值和低阈值,可以确定抑制图像中真实的边缘和潜在的边缘,即梯度强度大于高阈值的像素点,具有高梯度值的像素点,因此可以将其标记为强边缘像素点,对于梯度强度低于高阈值且高于低阈值的像素点,可以将其标记为地边缘像素点,而梯度强度低于低阈值的像素点则需要抑制。
步骤216:针对每一个弱边缘像素点,确定弱边缘像素点所在的预设领域内是否存在至少一个强边缘像素点,如果是,执行步骤217,否则,执行步骤218。
具体地,在通过高阈值和低阈值抑制后,被标记为强边缘像素点已经被确定为边缘,因为它们是从图像中的真是边缘中提取出来的。然而,对于弱边缘像素点可能是从真实边缘提取也可以是因噪声或颜色变化引起的。因此为了获得准确边缘检测结果,应该抑制由后者引起的弱边缘。通常,由真实边缘引起的弱边缘像素将连接到强边缘像素,而噪声响应未连接。为了跟踪边缘连接,通过查看弱边缘像素点所在的预设领域内只要有至少一个强边缘像素点,则该弱边缘点就可以保留为真实的边缘。
步骤217:保留弱边缘像素点,执行步骤219。
步骤218:抑制弱边缘像素点,执行步骤219。
步骤219:获得由保留的每一个弱边缘像素点和每一个强边缘像素点组成的图像边缘。
如图3所示,本发明实施例提供了一种图像边缘检测装置,包括:
获取单元301,用于获取待检测图像;
处理单元302,用于对所述获取单元301获取的所述待检测图像进行灰度化处理,获得灰色图像;对所述灰色图像进行二值化处理,获得黑白图像;对所述黑白图像进行平滑处理,获得平滑图像;抑制所述平滑图像中杂散的像素点,获得抑杂图像;
检测单元303,用于确定所述处理单元302获得的所述抑杂图像中的图像边缘。
在本发明实施例中,处理单元通过对获取单元获取的待检测图像进行灰度化处理,可以将待检测图像变为灰色图像,再对灰色图像进行二值化处理,即可将图像呈现出明显的黑白效果,排除图像颜色对于图像边界的干扰,凸显图像中的字符的边界,通过对黑白图像进行平滑处理,以使减少图像中噪声的影像,再通过抑制平滑图像中杂散的像素点,可以消除边缘检测带来的杂散影像,检测单元即可确定图像中的图像边缘,实现提高提高图像边缘检测的可靠性的目的。
在本发明一实施例中,所述处理单元,用于根据下述公式,分别确定所述待检测图像中的每一个所述像素点的灰度值:
Hi=0.2989Ri+0.587Gi+0.114Bi
其中,Hi表征第i个所述像素点的所述灰度值,Ri表征所述第i个像素点的R颜色分量值,Gi表征所述第i个像素点的G颜色分量值,Bi表征所述第i个像素点的B颜色分量值;
获得由调整后的每一个所述像素点组成的灰色图像。
在本发明一实施例中,8、根据权利要求6所述的图像边缘检测装置,其特征在于,
所述处理单元,用于针对所述灰色图像中的每一个像素点,确定所述像素点的灰度值是否大于预设的灰度阈值,如果是,将所述像素点的所述灰度值设置为255,否则,将所述像素点的所述灰度值设置为0;
获得由设置所述灰度值后的每一个所述像素点组成的黑白图像。
在本发明一实施例中,所述处理单元,用于利用预设的滤波模板,分别设置所述黑白图像中每一个像素点的灰度值对应的平滑值;
获得由每一个确定平滑值的所述像素点组成的平滑图像。
在本发明一实施例中,所述处理单元,进一步用于分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向;针对所述平滑图像中的每一个所述像素点,确定所述像素点的梯度强度,是否大于沿所述像素点的梯度方向上的两个相邻的像素点的梯度强度,如果是,保留所述像素点,否则,抑制所述像素点;
获得由保留的各个所述像素点组成的抑杂图像。
在本发明一实施例中,所述检测单元,用于执行:
D1:针对所述抑杂图像中的每一个所述像素点,执行:
S0:确定所述像素点的梯度强度是否大于预设的高阈值,如果是,执行S1,否则,执行S2;
S1:将所述像素点标记为强边缘像素点;
S2:确定所述像素点的梯度强度是否大于预设的低阈值,如果是,执行S3,否则,执行S4;
S3:将所述像素点标记为弱边缘像素点;
S4:抑制所述像素点;
D2:针对每一个所述弱边缘像素点,确定所述弱边缘像素点所在的预设领域内是否存在至少一个所述强边缘像素点,如果是,保留所述弱边缘像素点,否则,抑制所述弱边缘像素点;
D3:获得由保留的每一个所述弱边缘像素点和每一个所述强边缘像素点组成的图像边缘。
在本发明一实施例中,所述处理单元,用于针对所述平滑图像中每一个像素点,执行:
根据下述公式确定所述像素点的梯度强度:
其中,G表征所述像素点的梯度强度,f(x,y)表征在所述平滑图像中横坐标为x、纵坐标为y的像素点的函数,f(x-1,y)表征在所述平滑图像中横坐标为x-1、纵坐标为y的像素点的函数,f(x,y-1)表征在所述平滑图像中横坐标为x、纵坐标为y-1的像素点的函数;
根据下述公式确定所述像素点的梯度方向:
其中,θ表征所述像素点的梯度方向。
本发明各个实施例至少具有如下有益效果:
1、在本发明一实施例中,通过对获取的待检测图像进行灰度化处理,可以将待检测图像变为灰色图像,再对灰色图像进行二值化处理,即可将图像呈现出明显的黑白效果,排除图像颜色对于图像边界的干扰,凸显图像中的字符的边界,通过对黑白图像进行平滑处理,以使减少图像中噪声的影像,再通过抑制平滑图像中杂散的像素点,可以消除边缘检测带来的杂散影像,即可确定图像中的图像边缘,实现提高提高图像边缘检测的可靠性的目的。
2、在本发明一实施例中,分别将每一个像素点的R颜色分量值、G颜色分量值和B颜色分量值代入上述公式中,即可确定像素点对应的灰度值,完成待检测图像的灰度化操作,将待检测图像由彩色图像变为灰色图像,以使减少待检测图像原始数据量,便于后续的图像处理。
3、在本发明一实施例中,通过将灰色图像中的每一个像素点的灰度值分别与预设的灰度阈值进行比对,如果像素点的灰度值大于阈值,则将灰度值设置为255,否则设置为0,以使将灰色图像呈现出明显的黑白视觉效果,排除图像颜色对于图像边界的干扰,获得黑白图像。
4、在本发明一实施例中,利用预设的滤波模板,可以对黑白图像进行平滑处理,即与黑白图像进行卷积,获取黑白图像中每一个像素点的灰度值对应的平滑值获得平滑图像,以减少边缘检测时的噪声影响。
5、在本发明一实施例中,通过确定平滑图像中每一个像素点的梯度强度和梯度方向,针对每一个像素点,将该像素点的梯度强度与沿正负梯度方向上两个相邻的像素点的梯度强度进行比对,如果像素点的梯度强度与另外两个像素点的梯度强度相比最大,则保留该像素点,否则抑制所述该像素点,以消除边缘检测带来的杂散影像,获得由保留的像素点组成的抑杂图像。
6、在本发明一实施例中,抑制图像中的像素点可以更准确地表示图像中的实边缘。然而,仍存在由于噪声和颜色变化引起的一些像素点。为了解决这些像素点,可以通过弱梯度强度过滤噪声和颜色变化引起的一些像素点,并标记具有高梯度强度的边缘像素点。而在高梯度强度的弱边缘像素点,可以从真实边缘提取也可以因噪声或颜色变化引起,为了获得准确的边缘像素点,应该抑制由后者引起的弱边缘像素点,即通过确定每一个弱边缘像素点所在的预设领域内的像素点中是否由至少一个强边缘像素点,如果存在则可以保留该弱边缘像素点,否则需要抑制该弱边缘像素点,以消除噪声或颜色引起的像素点,提高边缘检测的准确性。
7、在本发明一实施例中,图像像素点函数f(x,y)在点(x,y)的梯度是一个具有大小和方向的矢量,因此通过像素点函数f(x,y)与像素点函数f(x-1,y)之差的平方,可以确定x方向上的像素点的梯度强度,通过像素点函数f(x,y)与像素点函数f(x,y-1)之差的平方,可以确定y方向上的像素点的梯度强度,通过x方向上的像素点的梯度强度与y方向上的像素点的梯度强度之和,即可获得每个像素点的梯度强度,再根据像素点函数f(x,y)与像素点函数f(x-1,y)之差,与像素点函数f(x,y)与像素点函数f(x,y-1)之差的比值即可确定像素点的梯度方向。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个······”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
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;
对所述待检测图像进行灰度化处理,获得灰色图像;
对所述灰色图像进行二值化处理,获得黑白图像;
对所述黑白图像进行平滑处理,获得平滑图像;
抑制所述平滑图像中杂散的像素点,获得抑杂图像;
确定所述抑杂图像中的图像边缘。
2.根据权利要求1所述的种图像边缘检测方法,其特征在于,
所述对所述待检测图像进行灰度化处理,获得灰色图像,包括:
根据下述公式,分别确定所述待检测图像中的每一个所述像素点的灰度值:
Hi=0.2989Ri+0.587Gi+0.114Bi
其中,Hi表征第i个所述像素点的所述灰度值,Ri表征所述第i个像素点的R颜色分量值,Gi表征所述第i个像素点的G颜色分量值,Bi表征所述第i个像素点的B颜色分量值;
获得由调整后的每一个所述像素点组成的灰色图像。
3.根据权利要求1所述的种图像边缘检测方法,其特征在于,
所述对所述灰色图像进行二值化处理,获得黑白图像,包括:
针对所述灰色图像中的每一个像素点,确定所述像素点的灰度值是否大于预设的灰度阈值,如果是,将所述像素点的所述灰度值设置为255,否则,将所述像素点的所述灰度值设置为0;
获得由设置所述灰度值后的每一个所述像素点组成的黑白图像;
和/或,
所述对所述黑白图像进行平滑处理,获得平滑图像,包括:
利用预设的滤波模板,分别设置所述黑白图像中每一个像素点的灰度值对应的平滑值;
获得由每一个确定平滑值的所述像素点组成的平滑图像。
4.根据权利要求1至3中任一所述的种图像边缘检测方法,其特征在于,
在所述对所述黑白图像进行平滑处理,获得平滑图像之后,在所述抑制所述平滑图像中杂散的像素点,获得抑杂图像之前,进一步包括:
分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向;
所述抑制所述平滑图像中杂散的像素点,获得抑杂图像,包括:
针对所述平滑图像中的每一个所述像素点,确定所述像素点的梯度强度,是否大于沿所述像素点的梯度方向上的两个相邻的像素点的梯度强度,如果是,保留所述像素点,否则,抑制所述像素点;
获得由保留的各个所述像素点组成的抑杂图像。
5.根据权利要求4所述的种图像边缘检测方法,其特征在于,
所述确定所述抑杂图像中的图像边缘,包括:
D1:针对所述抑杂图像中的每一个所述像素点,执行:
S0:确定所述像素点的梯度强度是否大于预设的高阈值,如果是,执行S1,否则,执行S2;
S1:将所述像素点标记为强边缘像素点;
S2:确定所述像素点的梯度强度是否大于预设的低阈值,如果是,执行S3,否则,执行S4;
S3:将所述像素点标记为弱边缘像素点;
S4:抑制所述像素点;
D2:针对每一个所述弱边缘像素点,确定所述弱边缘像素点所在的预设领域内是否存在至少一个所述强边缘像素点,如果是,保留所述弱边缘像素点,否则,抑制所述弱边缘像素点;
D3:获得由保留的每一个所述弱边缘像素点和每一个所述强边缘像素点组成的图像边缘;
和/或,
所述分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向,包括:
针对所述平滑图像中每一个像素点,执行:
根据下述公式确定所述像素点的梯度强度:
其中,G表征所述像素点的梯度强度,f(x,y)表征在所述平滑图像中横坐标为x、纵坐标为y的像素点的函数,f(x-1,y)表征在所述平滑图像中横坐标为x-1、纵坐标为y的像素点的函数,f(x,y-1)表征在所述平滑图像中横坐标为x、纵坐标为y-1的像素点的函数;
根据下述公式确定所述像素点的梯度方向:
其中,θ表征所述像素点的梯度方向。
6.一种图像边缘检测装置,其特征在于,包括:
获取单元,用于获取待检测图像;
处理单元,用于对所述获取单元获取的所述待检测图像进行灰度化处理,获得灰色图像;对所述灰色图像进行二值化处理,获得黑白图像;对所述黑白图像进行平滑处理,获得平滑图像;抑制所述平滑图像中杂散的像素点,获得抑杂图像;
检测单元,用于确定所述处理单元获得的所述抑杂图像中的图像边缘。
7.根据权利要求6所述的图像边缘检测装置,其特征在于,
所述处理单元,用于根据下述公式,分别确定所述待检测图像中的每一个所述像素点的灰度值:
Hi--0.2989Ri+0.587Gi+0.114Bi
其中,Hi表征第i个所述像素点的所述灰度值,Ri表征所述第i个像素点的R颜色分量值,Gi表征所述第i个像素点的G颜色分量值,Bi表征所述第i个像素点的B颜色分量值;
获得由调整后的每一个所述像素点组成的灰色图像。
8.根据权利要求6所述的图像边缘检测装置,其特征在于,
所述处理单元,用于针对所述灰色图像中的每一个像素点,确定所述像素点的灰度值是否大于预设的灰度阈值,如果是,将所述像素点的所述灰度值设置为255,否则,将所述像素点的所述灰度值设置为0;
获得由设置所述灰度值后的每一个所述像素点组成的黑白图像;
和/或,
所述处理单元,用于利用预设的滤波模板,分别设置所述黑白图像中每一个像素点的灰度值对应的平滑值;
获得由每一个确定平滑值的所述像素点组成的平滑图像。
9.根据权利要求6至8中任一所述的图像边缘检测装置,其特征在于,
所述处理单元,进一步用于分别确定所述平滑图像中每一个像素点的梯度强度和梯度方向;针对所述平滑图像中的每一个所述像素点,确定所述像素点的梯度强度,是否大于沿所述像素点的梯度方向上的两个相邻的像素点的梯度强度,如果是,保留所述像素点,否则,抑制所述像素点;
获得由保留的各个所述像素点组成的抑杂图像。
10.根据权利要求9所述的图像边缘检测装置,其特征在于,
所述检测单元,用于执行:
D1:针对所述抑杂图像中的每一个所述像素点,执行:
S0:确定所述像素点的梯度强度是否大于预设的高阈值,如果是,执行S1,否则,执行S2;
S1:将所述像素点标记为强边缘像素点;
S2:确定所述像素点的梯度强度是否大于预设的低阈值,如果是,执行S3,否则,执行S4;
S3:将所述像素点标记为弱边缘像素点;
S4:抑制所述像素点;
D2:针对每一个所述弱边缘像素点,确定所述弱边缘像素点所在的预设领域内是否存在至少一个所述强边缘像素点,如果是,保留所述弱边缘像素点,否则,抑制所述弱边缘像素点;
D3:获得由保留的每一个所述弱边缘像素点和每一个所述强边缘像素点组成的图像边缘;
和/或,
所述处理单元,用于针对所述平滑图像中每一个像素点,执行:
根据下述公式确定所述像素点的梯度强度:
其中,G表征所述像素点的梯度强度,f(x,y)表征在所述平滑图像中横坐标为x、纵坐标为y的像素点的函数,f(x-1,y)表征在所述平滑图像中横坐标为x-1、纵坐标为y的像素点的函数,f(x,y-1)表征在所述平滑图像中横坐标为x、纵坐标为y-1的像素点的函数;
根据下述公式确定所述像素点的梯度方向:
其中,θ表征所述像素点的梯度方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811267613.6A CN109448012A (zh) | 2018-10-29 | 2018-10-29 | 一种图像边缘检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811267613.6A CN109448012A (zh) | 2018-10-29 | 2018-10-29 | 一种图像边缘检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109448012A true CN109448012A (zh) | 2019-03-08 |
Family
ID=65548982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811267613.6A Pending CN109448012A (zh) | 2018-10-29 | 2018-10-29 | 一种图像边缘检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109448012A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110192744A (zh) * | 2019-04-24 | 2019-09-03 | 张金秋 | 婴儿护理装置 |
CN110706243A (zh) * | 2019-09-30 | 2020-01-17 | Oppo广东移动通信有限公司 | 特征点的检测方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101841642A (zh) * | 2010-04-22 | 2010-09-22 | 南京航空航天大学 | 一种基于分数阶次信号处理的边缘检测方法 |
CN105354843A (zh) * | 2015-10-30 | 2016-02-24 | 北京奇艺世纪科技有限公司 | 一种图像边界提取方法和系统 |
CN105389793A (zh) * | 2015-10-14 | 2016-03-09 | 北京智博联科技股份有限公司 | 一种自动识别物体表面裂缝走向及宽度的方法 |
CN107832732A (zh) * | 2017-11-24 | 2018-03-23 | 河南理工大学 | 基于三叉树遍历的车道线检测方法 |
-
2018
- 2018-10-29 CN CN201811267613.6A patent/CN109448012A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101841642A (zh) * | 2010-04-22 | 2010-09-22 | 南京航空航天大学 | 一种基于分数阶次信号处理的边缘检测方法 |
CN105389793A (zh) * | 2015-10-14 | 2016-03-09 | 北京智博联科技股份有限公司 | 一种自动识别物体表面裂缝走向及宽度的方法 |
CN105354843A (zh) * | 2015-10-30 | 2016-02-24 | 北京奇艺世纪科技有限公司 | 一种图像边界提取方法和系统 |
CN107832732A (zh) * | 2017-11-24 | 2018-03-23 | 河南理工大学 | 基于三叉树遍历的车道线检测方法 |
Non-Patent Citations (1)
Title |
---|
赵小川: "《现代数字图像处理技术提高及应用案例详解 MATLAB版》", 30 April 2012, 北京航空航天大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110192744A (zh) * | 2019-04-24 | 2019-09-03 | 张金秋 | 婴儿护理装置 |
CN110706243A (zh) * | 2019-09-30 | 2020-01-17 | Oppo广东移动通信有限公司 | 特征点的检测方法、装置、存储介质及电子设备 |
CN110706243B (zh) * | 2019-09-30 | 2022-10-21 | Oppo广东移动通信有限公司 | 特征点的检测方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110349126B (zh) | 一种基于卷积神经网络带标记的钢板表面缺陷检测方法 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
CN107328776B (zh) | 一种免疫层析试纸卡的快速检测方法 | |
CN105453153B (zh) | 交通灯检测 | |
CN106228161B (zh) | 一种指针式表盘自动读数方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN102974551A (zh) | 一种基于机器视觉的多晶硅太阳能检测分选的方法 | |
CN107507173A (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
WO2022110219A1 (zh) | 一种显示面板的检测方法、装置及系统 | |
CN101751572A (zh) | 一种图案检测方法、装置、设备及系统 | |
CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
CN103473776A (zh) | 一种比较图像清晰度的方法、系统及自动聚焦控制方法 | |
CN110298840A (zh) | 一种基于图像的纱线缺陷检测方法 | |
TWI765442B (zh) | 瑕疵等級判定的方法及存儲介質 | |
CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN116026843A (zh) | 电池外观的缺陷检测方法、装置和检测系统 | |
CN113834816A (zh) | 基于机器视觉的光伏电池缺陷在线检测方法及系统 | |
CN112014407A (zh) | 一种集成电路晶圆表面缺陷检测的方法 | |
CN109241948A (zh) | 一种数控刀具视觉识别方法及装置 | |
CN109448012A (zh) | 一种图像边缘检测方法及装置 | |
CN113283439B (zh) | 基于图像识别的智能计数方法、装置及系统 | |
CN110414521A (zh) | 一种变电站内变压器油位计示数识别方法 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190711 Address after: 214029 No. 999 Gaolang East Road, Binhu District, Wuxi City, Jiangsu Province (Software Development Building) 707 Applicant after: Chaozhou Zhuoshu Big Data Industry Development Co.,Ltd. Address before: 250100 S06 tower, 1036, Chao Lu Road, hi tech Zone, Ji'nan, Shandong. Applicant before: SHANDONG INSPUR CLOUD INFORMATION TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |