CN110533682A - 一种基于曲率滤波的图像边缘实时提取方法 - Google Patents

Abstract

本发明公开一种基于曲率滤波的图像边缘实时提取方法，属于计算机图像处理技术领域，其包括以下步骤：S1、通过相机采集图像；S2、对采集到的图像进行膨胀和腐蚀操作；S3、将膨胀腐蚀后的图像转化到灰度空间，得到灰度图像；S4、对灰度图像进行双向曲率滤波处理，即分别在纵向和横向两个方向进行曲率滤波，之后叠加获得图像的边缘轮廓图。本发明能够较好地提取到整个图像的轮廓线信息，为图像的识别和检测提供了可靠的边缘信息，解决了目前图像处理中边缘提取鲁棒性低、算法效率低等问题。

Description

一种基于曲率滤波的图像边缘实时提取方法

技术领域

本发明属于计算机图像处理领域，具体涉及一种基于曲率滤波的图像边缘实时提取方法。

背景技术

目前，图像的边缘提取方法主要采用的是Canny算法以及相关的改进算法，由于这些算法中存在设置边缘提取的强边缘和弱边缘的设置都是人为设置，因此这些算法不能适应一些特殊的场合，这些算法的鲁棒性低。

发明内容

针对现有技术存在的上述问题，本发明通过结合图形学和立体几何的方法，从图像曲率入手，提供一种基于曲率滤波的图像边缘实时提取方法，它能够实时、高效地提取物体的边缘轮廓。

本发明采用如下技术方案：一种基于曲率滤波的图像边缘实时提取方法，包括以下步骤：

S1、通过相机采集图像；

S2、对采集到的图像进行膨胀和腐蚀操作；

S3、将膨胀腐蚀后的图像转化到灰度空间，得到灰度图像；

S4、对灰度图像进行双向曲率滤波处理，即分别在纵向和横向两个方向进行曲率滤波，之后叠加获得图像的边缘轮廓图。

优选地，所述步骤S2中的膨胀和腐蚀操作的结构元素设置为3×3的圆盘形结构元素。

优选地，所述步骤S4中的曲率滤波处理的方法是通过构建模型对图像的边缘进行提取，构建的模型如下：

其二维曲面的表达式如下：

式(1)中，表示输入图像U(i,j)对应的(i,j)坐标，表示的是离散的数字图像；

则高斯曲率定义为：

式(2)中，U_x表示输入图像的水平方向的一阶梯度，U_y表示输入图像的垂直方向的一阶梯度，U_xx表示输入图像的水平方向的二阶梯度，U_yy表示输入图像的垂直方向的二阶梯度，U_xy表示输入图像的水平方向上做完梯度后再做垂直方向的梯度；K(x)表示最终获取的高斯曲率；

其全变差高斯曲率差分模型为：

式(3)中，ε(U)表示高斯曲率的能量函数，δ表示终止阈值，L²是平方可积距离函数；

对该函数进行离散化操作，最终的求解结果为：

通过对式(4)进行简化和拟合，等效为：

通过式(5)，带入图像中，运用窗口掩膜的方式，分别对纵向和横向进行处理，之后叠加纵向和横向的处理结果，即获得最终的边界图像。

与现有技术相比，本发明具有以下有益效果：该方法能够较好地提取到整个图像的轮廓线信息，为图像的识别和检测提供了可靠的边缘信息，解决了目前图像处理中边缘提取鲁棒性低、算法效率低等问题。

附图说明

图1为本发明实施例的输入图像图。

图2为本发明实施例的提取边缘图。

具体实施方式

为了让本发明的上述特征和优点更明显易懂，下面特举实施例，并配合附图，作详细说明如下。

请参阅图1～2，本实施例提供了一种基于曲率滤波的图像边缘实时提取方法，包括以下步骤：

S1、通过相机采集图像；

S2、对采集到的图像进行膨胀和腐蚀操作；

S3、将膨胀腐蚀后的图像转化到灰度空间，得到灰度图像；

S4、对灰度图像进行双向曲率滤波处理，即分别在纵向和横向两个方向进行曲率滤波，之后叠加获得图像的边缘轮廓图。

在本实施例一中，所述步骤S2中的膨胀和腐蚀操作的结构元素设置为3×3的圆盘形结构元素。

在本实施例一中，所述步骤S4中的曲率滤波处理的方法是通过构建模型对图像的边缘进行提取，构建的模型如下：

图像曲率主要反映的是图像的弯曲程度，图像的梯度也反映的是图像的像素变化程度，但由于梯度域存在可不可积的问题，而曲率是一个标量场，不存在这样的问题，所以曲率求取边缘是本发明的最大创新点。由于曲率是三维空间的，在二维图像中，只能通过构建模型来处理，其二维曲面的表达式如下：

式(1)中，表示输入图像U(i,j)对应的(i,j)坐标，表示的是离散的数字图像；

则高斯曲率定义为：

式(2)中，U_x表示输入图像的水平方向的一阶梯度，U_y表示输入图像的垂直方向的一阶梯度，U_xx表示输入图像的水平方向的二阶梯度，U_yy表示输入图像的垂直方向的二阶梯度，U_xy表示输入图像的水平方向上做完梯度后再做垂直方向的梯度；K(x)表示最终获取的高斯曲率；

由于是未知的，需要预先假设已知条件，才可以求解，因此其全变差高斯曲率差分模型为：

式(3)中，ε(U)表示高斯曲率的能量函数，δ表示终止阈值，L²是平方可积距离函数；

求解该模型，需要对该函数进行离散化操作，最终的求解结果为：

通过对式(4)进行简化和拟合，等效为：

通过式(5)，带入图像中，运用窗口掩膜的方式，分别对纵向和横向进行处理，之后叠加纵向和横向的处理结果，即获得最终的边界图像。

以上所述，仅为本发明的较佳实施例，并非对本发明做任何形式上的限制，任何熟悉本领域的技术人员但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做任何简单的修改、均等变化与修饰，皆应属本发明的涵盖范围。

Claims (3)

1.一种基于曲率滤波的图像边缘实时提取方法，其特征在于，包括以下步骤：

S1、通过相机采集图像；

S2、对采集到的图像进行膨胀和腐蚀操作；

S3、将膨胀腐蚀后的图像转化到灰度空间，得到灰度图像；

S4、对灰度图像进行双向曲率滤波处理，即分别在纵向和横向两个方向进行曲率滤波，之后叠加获得图像的边缘轮廓图。

2.根据权利要求1所述的一种基于曲率滤波的图像边缘实时提取方法，其特征在于，所述步骤S2中的膨胀和腐蚀操作的结构元素设置为3×3的圆盘形结构元素。

3.根据权利要求1或2所述的一种基于曲率滤波的图像边缘实时提取方法，其特征在于，所述步骤S4中的曲率滤波处理的方法是通过构建模型对图像的边缘进行提取，构建的模型如下：

其二维曲面的表达式如下：

式(1)中，表示输入图像U(i,j)对应的(i,j)坐标，表示的是离散的数字图像；

则高斯曲率定义为：

式(2)中，U_x表示输入图像的水平方向的一阶梯度，U_y表示输入图像的垂直方向的一阶梯度，U_xx表示输入图像的水平方向的二阶梯度，U_yy表示输入图像的垂直方向的二阶梯度，U_xy表示输入图像的水平方向上做完梯度后再做垂直方向的梯度；K(x)表示最终获取的高斯曲率；

其全变差高斯曲率差分模型为：

式(3)中，ε(U)表示高斯曲率的能量函数，δ表示终止阈值，L²是平方可积距离函数；

对该函数进行离散化操作，最终的求解结果为：

通过对式(4)进行简化和拟合，等效为：

通过式(5)，带入图像中，运用窗口掩膜的方式，分别对纵向和横向进行处理，之后叠加纵向和横向的处理结果，即获得最终的边界图像。