CN110533682A - 一种基于曲率滤波的图像边缘实时提取方法 - Google Patents
一种基于曲率滤波的图像边缘实时提取方法 Download PDFInfo
- Publication number
- CN110533682A CN110533682A CN201910813100.9A CN201910813100A CN110533682A CN 110533682 A CN110533682 A CN 110533682A CN 201910813100 A CN201910813100 A CN 201910813100A CN 110533682 A CN110533682 A CN 110533682A
- Authority
- CN
- China
- Prior art keywords
- image
- curvature
- indicate
- input picture
- formula
- 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.)
- Granted
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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
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
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,Ux表示输入图像的水平方向的一阶梯度,Uy表示输入图像的垂直方向的一阶梯度,Uxx表示输入图像的水平方向的二阶梯度,Uyy表示输入图像的垂直方向的二阶梯度,Uxy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,Ux表示输入图像的水平方向的一阶梯度,Uy表示输入图像的垂直方向的一阶梯度,Uxx表示输入图像的水平方向的二阶梯度,Uyy表示输入图像的垂直方向的二阶梯度,Uxy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,Ux表示输入图像的水平方向的一阶梯度,Uy表示输入图像的垂直方向的一阶梯度,Uxx表示输入图像的水平方向的二阶梯度,Uyy表示输入图像的垂直方向的二阶梯度,Uxy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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813100.9A CN110533682B (zh) | 2019-08-30 | 2019-08-30 | 一种基于曲率滤波的图像边缘实时提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813100.9A CN110533682B (zh) | 2019-08-30 | 2019-08-30 | 一种基于曲率滤波的图像边缘实时提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110533682A true CN110533682A (zh) | 2019-12-03 |
CN110533682B CN110533682B (zh) | 2023-02-14 |
Family
ID=68665502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910813100.9A Active CN110533682B (zh) | 2019-08-30 | 2019-08-30 | 一种基于曲率滤波的图像边缘实时提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533682B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689541A (zh) * | 2019-12-09 | 2020-01-14 | 领伟创新智能系统(浙江)有限公司 | 一种基于双树复小波的滚珠丝杠参数视觉测量方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005296349A (ja) * | 2004-04-12 | 2005-10-27 | Nissan Motor Co Ltd | 上瞼検出装置 |
US6993190B1 (en) * | 2000-11-01 | 2006-01-31 | Hewlett-Packard Development Company, L.P. | System and method for detecting text edges in digital document images |
US20060083418A1 (en) * | 2003-02-11 | 2006-04-20 | Qinetiq Limited | Image analysis |
US20080247649A1 (en) * | 2005-07-07 | 2008-10-09 | Chun Hing Cheng | Methods For Silhouette Extraction |
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN101599174A (zh) * | 2009-08-13 | 2009-12-09 | 哈尔滨工业大学 | 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法 |
WO2014055923A2 (en) * | 2012-10-05 | 2014-04-10 | Elizabeth Begin | System and method for instant and automatic border detection |
CN104517266A (zh) * | 2014-12-22 | 2015-04-15 | 南京信息工程大学 | 基于边缘检测算子的混合自适应图像去噪方法 |
US20170372460A1 (en) * | 2016-06-28 | 2017-12-28 | Abbyy Development Llc | Method and system that efficiently prepares text images for optical-character recognition |
CN107798326A (zh) * | 2017-10-20 | 2018-03-13 | 华南理工大学 | 一种轮廓视觉检测算法 |
CN108171676A (zh) * | 2017-12-01 | 2018-06-15 | 西安电子科技大学 | 基于曲率滤波的多聚焦图像融合方法 |
WO2018107872A1 (zh) * | 2016-12-15 | 2018-06-21 | 广州视源电子科技股份有限公司 | 一种体型预测方法及设备 |
CN108961391A (zh) * | 2018-06-12 | 2018-12-07 | 温州大学激光与光电智能制造研究院 | 一种基于曲率滤波的表面重构方法 |
CN109523568A (zh) * | 2018-10-12 | 2019-03-26 | 广东绿康源美环境科技有限公司 | 一种基于Canny算法的大体标本摄像系统 |
CN109684997A (zh) * | 2018-12-20 | 2019-04-26 | 龙口盛福达食品有限公司 | 一种被遮挡圆形成熟果实的图像识别与定位方法 |
CN110009582A (zh) * | 2019-03-28 | 2019-07-12 | 华南理工大学 | 一种基于曲率特征的各向异性图像去噪方法 |
-
2019
- 2019-08-30 CN CN201910813100.9A patent/CN110533682B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6993190B1 (en) * | 2000-11-01 | 2006-01-31 | Hewlett-Packard Development Company, L.P. | System and method for detecting text edges in digital document images |
US20060083418A1 (en) * | 2003-02-11 | 2006-04-20 | Qinetiq Limited | Image analysis |
JP2005296349A (ja) * | 2004-04-12 | 2005-10-27 | Nissan Motor Co Ltd | 上瞼検出装置 |
US20080247649A1 (en) * | 2005-07-07 | 2008-10-09 | Chun Hing Cheng | Methods For Silhouette Extraction |
CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
CN101599174A (zh) * | 2009-08-13 | 2009-12-09 | 哈尔滨工业大学 | 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法 |
WO2014055923A2 (en) * | 2012-10-05 | 2014-04-10 | Elizabeth Begin | System and method for instant and automatic border detection |
CN104517266A (zh) * | 2014-12-22 | 2015-04-15 | 南京信息工程大学 | 基于边缘检测算子的混合自适应图像去噪方法 |
US20170372460A1 (en) * | 2016-06-28 | 2017-12-28 | Abbyy Development Llc | Method and system that efficiently prepares text images for optical-character recognition |
WO2018107872A1 (zh) * | 2016-12-15 | 2018-06-21 | 广州视源电子科技股份有限公司 | 一种体型预测方法及设备 |
CN107798326A (zh) * | 2017-10-20 | 2018-03-13 | 华南理工大学 | 一种轮廓视觉检测算法 |
CN108171676A (zh) * | 2017-12-01 | 2018-06-15 | 西安电子科技大学 | 基于曲率滤波的多聚焦图像融合方法 |
CN108961391A (zh) * | 2018-06-12 | 2018-12-07 | 温州大学激光与光电智能制造研究院 | 一种基于曲率滤波的表面重构方法 |
CN109523568A (zh) * | 2018-10-12 | 2019-03-26 | 广东绿康源美环境科技有限公司 | 一种基于Canny算法的大体标本摄像系统 |
CN109684997A (zh) * | 2018-12-20 | 2019-04-26 | 龙口盛福达食品有限公司 | 一种被遮挡圆形成熟果实的图像识别与定位方法 |
CN110009582A (zh) * | 2019-03-28 | 2019-07-12 | 华南理工大学 | 一种基于曲率特征的各向异性图像去噪方法 |
Non-Patent Citations (3)
Title |
---|
张辉 等: "基于曲率滤波和反向P-M电动车充电孔检测方法", 《仪器仪表学报》 * |
李文娜等: "获取医学灰度图像轮廓图的算法", 《中国组织工程研究与临床康复》 * |
郭勋: "多聚焦图像融合算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689541A (zh) * | 2019-12-09 | 2020-01-14 | 领伟创新智能系统(浙江)有限公司 | 一种基于双树复小波的滚珠丝杠参数视觉测量方法 |
CN110689541B (zh) * | 2019-12-09 | 2020-05-08 | 领伟创新智能系统(浙江)有限公司 | 一种基于双树复小波的滚珠丝杠参数视觉测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110533682B (zh) | 2023-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316031A (zh) | 用于行人重识别的图像特征提取方法 | |
Chen et al. | The Comparison and Application of Corner Detection Algorithms. | |
Liu et al. | Tracking objects using shape context matching | |
CN102592136A (zh) | 基于几何图像中中频信息的三维人脸识别方法 | |
CN110751154B (zh) | 一种基于像素级分割的复杂环境多形状文本检测方法 | |
CN105335967A (zh) | 基于局部最大类间方差和数学形态学的手背静脉纹路提取方法 | |
CN107909083B (zh) | 一种基于轮廓匹配优化的矩形检测提取方法 | |
CN105138983A (zh) | 基于加权部件模型和选择性搜索分割的行人检测方法 | |
CN106023187A (zh) | 一种基于sift特征和角度相对距离的图像配准方法 | |
Dhande et al. | Recognition of cursive English handwritten characters | |
CN110222661A (zh) | 一种用于运动目标识别及跟踪的特征提取方法 | |
CN110533682A (zh) | 一种基于曲率滤波的图像边缘实时提取方法 | |
CN103914690A (zh) | 一种基于射影不变量的形状匹配方法 | |
CN104376312A (zh) | 基于词袋压缩感知特征提取的人脸识别方法 | |
Chao-jian et al. | Image target identification of UAV based on SIFT | |
Lee et al. | A Hand gesture recognition system based on difference image entropy | |
Wang et al. | Hand posture recognition from disparity cost map | |
CN117173792A (zh) | 一种基于三维人体骨架的多人步态识别系统 | |
Rasheed et al. | A Polynomial function in the Automatic Reconstruction of Fragmented Objects. | |
CN105335717A (zh) | 基于智能移动终端视频抖动分析的人脸识别系统 | |
CN104008382B (zh) | 传感器指纹图像识别系统及方法 | |
Hemmat et al. | Fast planar segmentation of depth images | |
CN103198294B (zh) | 一种视频或图像视点类型的识别方法 | |
Deb et al. | Stairway detection based on extraction of longest increasing subsequence of horizontal edges and vanishing point | |
CN102289669B (zh) | 基于灰度梯度序列的数字图像特征提取方法 |
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 |