CN111179291B - 一种基于邻域关系的边缘像素点提取方法及装置 - Google Patents

一种基于邻域关系的边缘像素点提取方法及装置 Download PDF

Info

Publication number
CN111179291B
CN111179291B CN201911381290.8A CN201911381290A CN111179291B CN 111179291 B CN111179291 B CN 111179291B CN 201911381290 A CN201911381290 A CN 201911381290A CN 111179291 B CN111179291 B CN 111179291B
Authority
CN
China
Prior art keywords
pixel point
gray
value
pixel
detected
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
CN201911381290.8A
Other languages
English (en)
Other versions
CN111179291A (zh
Inventor
牛红闯
杨艺
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.)
Luster LightTech Co Ltd
Original Assignee
Luster LightTech Co Ltd
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 Luster LightTech Co Ltd filed Critical Luster LightTech Co Ltd
Priority to CN201911381290.8A priority Critical patent/CN111179291B/zh
Publication of CN111179291A publication Critical patent/CN111179291A/zh
Application granted granted Critical
Publication of CN111179291B publication Critical patent/CN111179291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Abstract

本申请公开了一种基于邻域像素关系的边缘像素点提取方法及装置，所述方法包括：获取待检测图像；在所述待检测图像中确定待检测区域；获取所述待检测区域中第i像素点的邻域像素点之灰度值；根据所述第i像素点的邻域像素点之灰度值确定边缘像素点，所述方法及装置仅基于邻域像素点的灰度关系来确认该像素点是否为边缘像素点，避免设定阈值，从而解决由于阈值设定不适当而造成的边缘像素点漏检或者误检的问题。

Description

一种基于邻域关系的边缘像素点提取方法及装置
技术邻域
本申请属于图像处理邻域，特别涉及一种基于邻域关系的边缘像素点提取方法及装置。
背景技术
现有技术常采用如下方法识别待检测对象的图像，从拍摄装置所拍摄的原图像中提取边缘，再根据所提取的边缘识别所述原图像中的待检测对象。图1示出一种拍摄而得的色卡原图像，从如图1所示的色卡原图像中提取各色块的边缘，再各色块的边缘识别各色块的位置和范围。
当前常用提取边缘的方法包括Sobel边缘提取算法和Canny边缘提取算法，其中，Sobel边缘提取算法的主要思路为计算图像中每个像素上下左右四邻域像素的灰度值加权差，由于边缘像素点的四邻域灰度值加权差能够达到极值从而检测边缘，因此，Sobel边缘提取算法可能将灰度变化不大的边缘损失掉。，例如，图2示出采用Sobel边缘提取算法提取图1所示图像边缘的结果，如图2所示，对图1所示的色卡原图像采用Sobel边缘提取算法提取边缘，右下方两个色块的边缘基本上都损失；而Canny边缘提取算法主要是基于边缘梯度方向的非极大值抑制，并采用双阈值的滞后阈值处理，但是，只有选取到合适的阈值，才能够取得良好的效果。图3示出采用Canny边缘提取算法提取图1所示图像边缘的结果，如图3所示，对图1所示的色卡原图像采用Canny边缘提取算法提取边缘，会产生许多边误检。即，传统的边缘检测方法，如Sobel边缘提取算法和Canny边缘提取算法易将图像中原本的边缘漏检或者把不是边缘的像素点误认为是边缘。
发明内容
为解决传统边缘提取算法易造成边缘漏检或者非边缘像素点误检的问题，本申请提供一种基于邻域像素关系的边缘像素点提取方法，所述方法仅基于邻域像素点的灰度关系来确认该像素点是否为边缘像素点，避免设定阈值，从而解决由于阈值设定不适当而造成的边缘像素点漏检或者误检的问题。
本申请的目的在于提供以下几个方面：
第一方面，本申请提供一种基于邻域像素关系的边缘像素点提取方法，所述方法包括：获取待检测图像；在所述待检测图像中确定待检测区域；获取所述待检测区域中第i像素点的邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；根据所述第i像素点的邻域像素点之灰度值确定边缘像素点。
本申请提供的方法基于第i像素点邻域像素灰度值的比较，而非邻域像素点灰度值的差值，如图像上所有像素点灰度值整体较低或者整体较高，本申请提供的方法仅需比较相对两侧像素点灰度值的相对大小，即可确定该像素点是否为边缘像素点，从而避免由于邻域像素点灰度值差值小于阈值而被漏检的问题，因此，本申请提供的方法对光照干扰的鲁棒性更强，尤其是对低照度场景，本申请提供的方法优势更加明显。
结合第一方面，根据所述第i像素点的邻域像素点之灰度值确定边缘像素点包括确定候选边缘像素点，所述候选边缘像素点为满足第一预设规则的像素点，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之灰度值均小于对侧邻域预设数量像素点之灰度值；获取候选边缘像素点灰度跳变值和单侧邻域像素点灰度偏差；确定边缘像素点，所述边缘像素点为灰度跳变值和单侧邻域像素点灰度偏差满足第二预设规则、第三预设规则、第四预设规则和第五预设规则中任一规则的候选边缘像素点。
结合第一方面，在所述待检测图像中确定待检测区域包括：在所述待检测图像中确定待检测区域边界线，所述待检测区域边界线中任意两个相邻像素点为邻域像素点；获取待检测区域，所述待检测区域为所述待检测区域边界线所围成的区域。
结合第一方面，在所述待检测图像中确定待检测区域边界线包括：在所述待检测图像中确定上边界像素行，所述上边界像素行与所述待检测图像的上边界间隔第一预设数量的像素行，所述第一预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；在所述待检测图像中确定下边界像素行，所述下边界像素行与所述待检测图像的下边界间隔第二预设数量的像素行，所述第二预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；在所述待检测图像中确定左边界像素列，所述左边界像素列与所述待检测图像的左边界间隔第三预设数量的像素列，所述第三预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；在所述待检测图像中确定右边界像素列，所述右边界像素列与所述待检测图像的右边界间隔第四预设数量的像素列，所述第四预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量。
在本申请中，所述待检测区域的范围略小于待检测图像，具体地，所述待检测区域的边界比所述待检测图像损失若干行或者若干列像素行或者像素列，但是，对于整个待检测图像来说，所损失的像素行或者像素列可以忽略不计，即使有边缘像素点损失，对于整幅待检测图像来说，也不会造成影响。也就是说，基于所述待检测图像，所述待检测区域中的每个像素点均可以采用本申请所提供的方法来确定是否为边缘像素点，并且，可以通过预设规则进一步确定边缘像素点的类型。
在一种可实现的方式中，所述获取第i像素点的灰度跳变值根据包括以下步骤的方法获得：分别获取所述第i像素点横向双侧邻域像素点的最大灰度值与最小灰度值；分别获取所述第i像素点纵向双侧邻域像素点的最大灰度值与最小灰度值；根据所述所述第i像素点横向双侧邻域像素点的最大灰度值与最小灰度值和/或所述第i像素点纵向双侧邻域像素点的最大灰度值与最小灰度值获取第i像素点的灰度跳变值。
进一步地，所述获取第i像素点的灰度跳变值包括：获取所述第i像素点的横向灰度跳变值，所述第i像素点横向灰度跳变值为所述第i像素点横向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值；和/或获取所述第i像素点的纵向灰度跳变值，其中，所述第i像素点纵向灰度跳变值为所述第i像素点纵向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值。
在一种可实现的方式中，所述第二预设规则为所述第i像素点的纵向灰度跳变值大于所述第i像素点纵向单侧像素点的灰度偏差；所述第三预设规则为所述第i像素点的纵向灰度跳变值大于所述第i像素点纵向异侧像素点的灰度偏差之和；所述第四预设规则为所述第i像素点的横向灰度跳变值大于所述第i像素点横向单侧像素点的灰度偏差；所述第五预设规则为所述第i像素点的横向灰度跳变值大于所述第i像素点横向异侧像素点的灰度偏差之和。
在一种可实现的方式中，所述方法在确定边缘像素点之后还包括：确定横向边缘像素点，所述横向边缘像素点为满足第一预设规则，并且，满足第二预设规则或者第三预设规则的边缘像素点；确定纵向边缘像素点，所述纵向边缘像素点为满足第一预设规则，并且，满足第四预设规则或者第五预设规则的边缘像素点；确定倾斜边缘像素点，所述倾斜边缘为既满足横向边缘像素点条件又满足纵向边缘像素点条件的像素点。
本申请提供的方法可以单纯根据左右邻域像素点灰度值的相对大小来确定横向边缘像素点，可以单纯根据上下领域像素点灰度值的相对大小确定纵向边缘像素点，可以结合左右邻域以及上下邻域像素点灰度值的相对大小来确定倾斜边缘像素点。
第二方面，本申请还提供一种基于邻域像素关系的边缘像素点提取装置，所述装置包括：图像获取单元，用于获取待检测图像；待检测区域确定单元，用于在所述待检测图像中确定待检测区域；像素点灰度值获取单元，用于获取所述待检测区域中第i像素点的邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；边缘像素点确定单元，用于根据所述第i像素点的邻域像素点之灰度值确定边缘像素点。
其中，所述边缘像素点确定单元包括：候选边缘像素点确定子单元，用于确定候选边缘像素点，所述候选边缘像素点为满足第一预设规则的像素点，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之灰度值小于对侧邻域预设数量像素点之灰度值；跳变值及偏差值获取子单元，用于获取候选边缘像素点灰度跳变值和单侧邻域像素点灰度偏差；边缘像素点确定子单元，用于确定边缘像素点，所述边缘像素点为灰度跳变值和单侧邻域像素点灰度偏差满足第二预设规则、第三预设规则、第四预设规则和第五预设规则中任一规则的候选边缘像素点。
在一种可实现的方式中，所述待检测区域确定单元包括：边界线确定子单元，用于在所述待检测图像中确定待检测区域边界线，所述待检测区域边界线中任意两个相邻像素点为邻域像素点；待检测区域获取子单元，用于获取待检测区域，所述待检测区域为所述待检测区域边界线所围成的区域。
进一步地，所述边界线确定子单元还用于在所述待检测图像中确定上边界边像素行，所述上边界像素行与所述待检测图像的上边界间隔第一预设数量的像素行，所述第一预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；还用于在所述待检测图像中确定下边界像素行，所述下边界像素行与所述待检测图像的下边界间隔第二预设数量的像素行，所述第二预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；还用于在所述待检测图像中确定左边界像素列，所述左边界像素列与所述待检测图像的左侧边界间隔第三预设数量的像素列，所述第三预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；还用于在所述待检测图像中确定右边界像素列，所述右边界像素列与所述待检测图像的右边界间隔第四预设数量的像素列，所述第四预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量。
在一种可实现的方式中，所述跳变值及偏差值获取子单元包括：灰度最值获取从单元，用于分别获取所述第i像素点横向双侧邻域像素点的最大灰度值与最小灰度值；灰度最值获取从单元，还用于分别获取所述第i像素点纵向双侧邻域像素点的最大灰度值与最小灰度值；跳变值获取从单元，用于根据所述所述第i像素点横向双侧邻域像素点的最大灰度值与最小灰度值和/或所述第i像素点纵向双侧邻域像素点的最大灰度值与最小灰度值获取第i像素点的灰度跳变值，具体地，用于获取第i像素点横向灰度跳变值，所述第i像素点横向灰度跳变值为所述第i像素点横向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值；和/或用于获取所述第i像素点纵向灰度跳变值，所述第i像素点纵向灰度跳变值为所述第i像素点纵向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值。
在一种可实现的方式中，所述第二预设规则为所述第i像素点的纵向灰度跳变值大于所述第i像素点纵向单侧像素点的灰度偏差；所述第三预设规则为所述第i像素点的纵向灰度跳变值大于所述第i像素点纵向异侧像素点的灰度偏差之和；所述第四预设规则为所述第i像素点的横向灰度跳变值大于所述第i像素点横向单侧像素点的灰度偏差；所述第五预设规则为所述第i像素点的横向灰度跳变值大于所述第i像素点横向异侧像素点的灰度偏差之和。
在另一种可实现的方式中，所述装置还包括：边缘像素点类型确定单元，用于确定横向边缘像素点，所述横向边缘像素点为满足第一预设规则，并且，满足第二预设规则或者第三预设规则的边缘像素点；边缘像素点类型确定单元，还用于确定纵向边缘像素点，所述纵向边缘像素点为满足第一预设规则，并且，满足第四预设规则或者第五预设规则的边缘像素点；边缘像素点类型确定单元，还用于确定倾斜边缘像素点，所述倾斜边缘为既满足横向边缘像素点条件又满足纵向边缘像素点条件的像素点。
第三方面，本申请还提供一种程序，所述程序包括：获取待检测图像；在所述待检测图像中确定待检测区域；获取所述待检测区域中第i像素点的四邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；根据所述第i像素点的邻域像素点之灰度值确定边缘像素点。
进一步地，所述程序用于执行第一方面所述技术方案。
第四方面，本申请还提供一种存储介质，所述存储介质用于存储并执行以下程序：获取待检测图像；在所述待检测图像中确定待检测区域；获取所述待检测区域中第i像素点的四邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；确定候选边缘像素点，所述候选边缘像素点为满足第一预设规则的像素点，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之最大灰度值小于对侧邻域预设数量像素点之最小灰度值；获取候选边缘像素点灰度跳变值和单侧邻域像素点灰度偏差；确定边缘像素点，所述边缘像素点为灰度跳变值和单侧邻域像素点灰度偏差满足第二预设规则中任一规则的候选边缘像素点。
进一步地，所述程序为第三方面所述程序。
附图说明
图1示出一种拍摄而得的色卡原图像；
图2示出采用Sobel边缘提取算法提取图1所示图像边缘的结果；
图3示出采用Canny边缘提取算法提取图1所示图像边缘的结果；
图4示出像素邻域关系图；
图5示出上跳变图像示意图；
图6示出下跳变图像示意图；
图7示出一种渐变图像示意图；
图8示出本申请提供方法一种实施例的流程示意图；
图9示出一幅存在横向或者纵向边缘的图像；
图10示出一幅存在倾斜边缘的图像。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致方法的例子。
下面通过具体的实施例对本申请提供的基于邻域像素关系的边缘像素点提取方法及装置进行详细阐述。
为方便描述，首先介绍本申请中所用术语：
图4示出像素邻域关系图，如图4所示，每个方块表示一个像素点，其中，I(p，j)为第i像素点，p表示第i像素点位于待检测区域的第p行，j表示第i像素点位于待检测区域的第j列，则像素点La(p，j-a)为第i像素点的左邻域像素点，其中，a＝1，2，……，j-1；像素点Rb(p，j+b)为第i像素点的右邻域像素点，其中，b＝1，2，……，x-j，x表示待检测区域像素列的总列数；像素点Uc(p-c，j)为第i像素点的上邻域像素点，其中，c＝1，2，……，p-1；像素点Dd(p+d，j)为第i像素点的下邻域像素点，其中，d＝1，2，……，y-p，y表示待检测区域像素行的总行数。如图4所示，其中，像素点L1(p，j-1)和像素点L2(p，j-2)表示第i像素点的左邻域像素点，像素点R1(p，j+1)和像素点R2(p，j+2)表示第i像素点的右邻域像素点，像素点U1(p-1，j)和像素点U2(p-2，j)表示第i像素点的上邻域像素点，像素点D1(p+1，j)和像素点D2(p+2，j)表示第i像素点的下邻域像素点。
上跳变：图5示出上跳变图像示意图，如图5所示，基于整幅待检测图像或者待检测区域，沿从左向右的方向遍历各像素点，如果第i像素点左邻域像素点的灰度值小于右邻域像素点的灰度值，或者，沿从上至下的方向遍历各像素点，如果第i像素点上邻域像素点的灰度值小于下邻域像素点的灰度值，则称在第i像素点处发生上跳变。
下跳变：图6示出下跳变图像示意图，如图6所示，基于整幅待检测图像或者待检测区域，沿从左向右的方向遍历各像素点，如果第i像素点左邻域像素点的灰度值大于右邻域像素点的灰度值，或者，沿从上至下的方向遍历各像素点，如果第i像素点上邻域像素点的灰度值大于下邻域像素点的灰度值，则称在第i像素点处发生下跳变。
渐变：图7示出一种渐变图像示意图。
需要说明的是，本申请所提供方法适用于普遍的边缘检测，即，可以用于任何边缘检测的场景，不仅局限于标准色卡上色块检测，还可以用于普通图像上边缘像素点的检测。
在本实施例中，邻域像素点是指基准像素点邻域中有限数量的像素点，以邻域5个像素点为例进行说明，例如，本实施例中描述“第i像素点的左邻域像素点”是指“第i像素点从左邻域第1个像素点起至左邻域第5个像素点的5个像素点”，同理可知其它邻域像素点。
进一步地，假设第i像素点左邻域5个像素点的灰度值分别为100，102，105，101和104，第i像素点右邻域5个像素点的灰度值分别为201，200，205，204和203，第i像素点上邻域5个像素点的灰度值分别为155，153，154，152和150，第i像素点下邻域5个像素点的灰度值分别为150，149，152，155和153。
图8示出本申请提供方法一种实施例的流程示意图，结合图8说明本申请的方法。
本申请提供一种基于邻域像素关系的边缘像素点提取方法，如图8所示，所述方法包括步骤S101至步骤S104：
S101，获取待检测图像。
在本实施例中，所述待检测图像可以通过现有技术中任意一种图像采集方法获得，例如，拍摄、扫描等。
所述待检测图像可以通过现有技术中任意一种图像传输方法上传，例如，网络传输或者利用IO接口传输等。
S102，在所述待检测图像中确定待检测区域。
在本实施例中，在所述待检测图像中确定待检测区域包括：
S121，在所述待检测图像中确定上边界像素行、下边界像素行、左边界像素列以及右边界像素列。
其中，所述上边界像素行与所述待检测图像的上边界间隔第一预设数量的像素行，所述下边界像素行与所述待检测图像的下边界间隔第二预设数量的像素行，所述左边界像素列与所述待检测图像的左边界间隔第三预设数量的像素列，所述右边界像素列与所述待检测图像的右边界间隔第四预设数量的像素列，所述第一预设数量、第二预设数量、第三预设数量以及第四预设数量均大于或者等于所述第i像素点单侧邻域像素点的预设数量。
本实施例利用邻域像素点的灰度值来判断中心像素点是否为边缘像素点，因此，本实施例首先在待检测图像中确定待检测区域，使得待检测区域四周预留有预设宽度的边框，所述预设宽度大于或者等于像素点的邻域范围，从而保证待检测区域中的每个像素点都具备本实施例提供方法检测基础。
以前述实例为例，所述第一预设数量、第二预设数量、第三预设数量以及第四预设数量均大于或者等于5。
S122，获取待检测区域，所述待检测区域为所述上边界像素行、下边界像素行、左边界像素列以及右边界像素列所围成的区域。
在本申请中，所述待检测区域的范围略小于待检测图像，具体地，所述待检测区域的边界比所述待检测图像损失若干行或者若干列像素行或者像素列，但是，对于整个待检测图像来说，所损失的像素行或者像素列可以忽略不计，即使有边缘像素点损失，对于整幅待检测图像来说，也不会造成影响。也就是说，基于所述待检测图像，所述待检测区域中的每个像素点均可以采用本申请所提供的方法来确定是否为边缘像素点。
S103，获取所述待检测区域中第i像素点的邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数。
在本申请中，所述邻域包括第i像素点的八邻域，在本实施例中，以第i像素点的上、下、左、右四邻域为例说明本申请的方案。
在本实施例中，遍历所述待检测区域中每个像素点，并获取每个像素点的四邻域像素点，其中，所述四邻域包括左邻域、右邻域、上邻域和下邻域，进一步地，左邻域像素点、右邻域像素点、上邻域像素点和下邻域像素点如前所述为有限个数量的像素点。
以前述实例为例，第i像素点的四邻域像素点的灰度值分别为：左邻域5个像素点的灰度值分别为100，102，105，101和104；右邻域5个像素点的灰度值分别为201，200，205，204和203；上邻域5个像素点的灰度值分别为155，153，154，152和150；下邻域5个像素点的灰度值分别为150，149，152，155和153。
S104，根据所述第i像素点的邻域像素点之灰度值确定边缘像素点。
具体地，在本实施例中，所述根据所述第i像素点的邻域像素点之灰度值确定边缘像素点可以包括：
S141，确定候选边缘像素点，所述边缘像素点为满足第一预设规则的像素点，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之最大灰度值小于对侧邻域预设数量像素点之最小灰度值。
在本实施例中，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之最大灰度值小于对侧邻域预设数量像素点之最小灰度值，其中，所述对侧是指与前述“单侧”相对的一侧，例如，如果前述“单侧”为“左侧”，则“对侧”是指“右侧”，如果前述“单侧”为“上侧”，则“对侧”是指“下侧”。
图9示出一幅存在横向或者纵向边缘的图像，图10示出一幅存在倾斜边缘的图像，如图9和图10所示，图像中边缘像素点两侧像素点的灰度值存在跳变。所谓跳变，即是指像素点两侧(包括左右两侧以及上下两侧)灰度值变化非常大的像素点，为下文介绍方便，不妨定义该像元点为跳变点，不难发现，跳变点即为边缘像素点。
仍以上述实例为例，第i像素点左侧像素点最大灰度值为105，右侧像素点最小灰度值为200，即，第i像素点左侧像素点最大灰度值小于右侧像素点最小灰度值，也就是说，在横向上第i像素点满足第一预设规则。
而在纵向上，第i像素点上侧像素点最小灰度值为150，下侧像素点最大灰度值为155，第i像素点上侧像素点最小灰度值小于下侧像素点最大灰度值，不满足第一预设规则；第i像素点上侧像素点最大灰度值为155，下侧像素点最小灰度值为149，即，第i像素点上侧像素点最大灰度值大于下侧像素点最小灰度值，也不满足第一预设规则，因此，在纵向上，第i像素点不满足第一预设规则。
由此，可以所述第i像素点满足第一预设规则，有可能是边缘像素点，但是，如图7所示，如果该像素点发生渐变也可能满足这一条件，因此，需要进一步确定所述第i像素点是否满足第二预设规则。
S142，获取候选边缘像素点灰度跳变值和单侧邻域像素点灰度偏差；
在本实施例中，所述第i像素点的灰度跳变值根据包括以下步骤的方法获得：
S14211，分别获取所述第i像素点横向双侧邻域像素点的最大灰度值与最小灰度值。
本实施例中，所述第i像素点横向双侧邻域像素点的最大灰度值与最小灰度值是指所述第i像素点左邻域像素点的灰度值中的最大值和最小值以及右邻域像素点的灰度值中的最大值和最小值。
仍以上述实例为例，第i像素点横向左邻域像素点的最大灰度值为105，最小灰度值为100；右邻域像素点的最大灰度值为205，最小灰度值为200。
S14212，分别获取所述第i像素点纵向双侧邻域像素点的最大灰度值与最小灰度值。
与横向邻域像素点的最大灰度值与最小灰度值相似地，所述第i像素点纵向邻域像素点的最大灰度值与最小灰度值是指所述第i像素点上邻域像素点的灰度值中的最大值和最小值以及下邻域像素点的灰度值中的最大值和最小值。
仍以上述实例为例，第i像素点纵向上邻域像素点的最大灰度值为155，最小灰度值为150，下邻域像素点最大灰度值为155，最小灰度值为149，因此，第i像素在纵向上不满足第一预设规则。
S14213，获取第i像素点的灰度跳变值，所述第i像素点的灰度跳变值包括所述第i像素点横向灰度跳变值和所述第i像素点纵向灰度跳变值，其中，所述第i像素点横向灰度跳变值为所述第i像素点横向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述第i像素点纵向灰度跳变值为所述第i像素点纵向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值。
仍以上述实例为例，第i像素点横向邻域较大最小灰度值为200，较小最大灰度值为105，因此，第i像素点横向灰度跳变值为200-105＝95；所述第i像素点纵向邻域不满足第一预设规则，因此，不计算纵向灰度跳变值。
在本实施例中，所述第i像素点的灰度跳变值还可以根据包括以下步骤的方法获得：
S14221，获取所述第i像素点左邻域像素点灰度平均值、所述第i像素右邻域像素点灰度平均值、所述第i像素点上邻域像素点灰度平均值、所述第i像素下邻域像素点灰度平均值。
仍以上述实例为例，第i像素点左邻域像素点灰度平均值＝(100+102+105+101+104)/5＝102.4；所述第i像素右邻域像素点灰度平均值＝(201+200+205+204+203)/5＝202.6、所述第i像素点上邻域像素点灰度平均值＝(155+153+154+152+150)/5＝152.8、所述第i像素下邻域像素点灰度平均值＝(150+149+152+155+153)/5＝151.8。
S14222，获取第i像素点的灰度跳变值，其中，所述第i像素点横向灰度跳变值为所述第i像素点左邻域像素点灰度平均值与所述第i像素右邻域像素点灰度平均值差值，所述第i像素点纵向灰度跳变值为所述第i像素点上邻域像素点灰度平均值与所述第i像素下邻域像素点灰度平均值的差值。
仍以上述实例为例，所述第i像素点横向灰度跳变值为202.6-102.4＝100.2；所述第i像素点纵向不满足第一预设规则，因此，不计算纵向灰度跳变值。
S143，确定边缘像素点，所述边缘像素点为灰度跳变值和单侧邻域像素点灰度偏差满足第二预设规则、第三预设规则、第四预设规则和第五预设规则中任一规则的候选边缘像素点。
所述第二预设规则为所述第i像素点的纵向灰度跳变值大于所述第i像素点纵向单侧像素点的灰度偏差。
在本实施例中，所述第i像素点纵向单侧像素点的灰度偏差为所述第i像素点上邻域/下邻域像素点最大灰度与最小灰度的差值。
仍以上述实例为例，所述第i像素点上邻域像素点的灰度偏差为155-150＝5；所述第i像素点下邻域像素点的灰度偏差为155-149＝6。
所述第三预设规则为所述第i像素点的纵向灰度跳变值大于所述第i像素点纵向异侧像素点的灰度偏差之和。
在本实施例中，所述第i像素点纵向异侧像素点的灰度偏差之和为：所述第i像素点上邻域像素点的灰度偏差与所述第i像素点下邻域像素点灰度偏差之和。
仍以上述实例为例，所述第i像素点上邻域像素点的灰度偏差为155-150＝5；所述第i像素点更好邻域像素点的灰度偏差为155-149＝6，因此，所述第i像素点纵向异侧像素点的灰度偏差之和为5+6＝11。
所述第四预设规则为所述第i像素点的横向灰度跳变值大于所述第i像素点横向单侧像素点的灰度偏差。
与纵向相似地，可以获得所述第i像素点横向单侧像素点的灰度偏差。
仍以上述实例为例，所述第i像素点左邻域像素点的灰度偏差为105-100＝5；所述第i像素点右邻域像素点的灰度偏差为205-200＝5。
所述第五预设规则为所述第i像素点的横向灰度跳变值大于所述第i像素点横向异侧像素点的灰度偏差之和。
与纵向相似地，可以获得所述第i像素点横向异侧像素点的灰度偏差之和。
仍以上述实例为例，所述第i像素点左邻域像素点的灰度偏差为105-100＝5；所述第i像素点右邻域像素点的灰度偏差为205-200＝5，因此，所述第i像素点横向异侧像素点的灰度偏差之和为5+5＝10。
在本实施例中，还可以包括第六预设规则和第七预设规则，其中，第六预设规则为所述第i像素点横向灰度跳变值与所述第i像素点横向单侧像素点的灰度偏差的差值大于或者等于第一阈值，第七预设规则为第i像素点横向灰度跳变值与所述第i像素点横向单侧像素点的灰度偏差的比值大于或者等于第二阈值。
在本实施例中，所述第一阈值以及所述第二阈值均可以根据边缘精度而设定。
在本实施例中，可以根据误检率以及漏检率来选择第i像素点灰度跳变值的比较对象，即，可以根据误检率以及漏检率来选用第二预设规则至第七规则中任一规则，进一步地，选择所述第i像素点纵向/横向单侧像素点的灰度偏差中哪个值为跳变值的比较对象。
例如，如果误检率较高，则可以选用所述第i像素点纵向/横向单侧像素点的灰度偏差中的较大值作为跳变值的比较对象，如果漏检率较高，则可以选用所述第i像素点纵向/横向单侧像素点的灰度偏差中较小值作为跳变值的比较对象。
在本申请中，还可以包括：
S151，确定横向边缘像素点，所述横向边缘像素点为满足第一预设规则，并且，满足第二预设规则或者第三预设规则的边缘像素点。
仍以上述实例为例，第i像素点满足第一预设规则以及第三预设规则，因此，所述第i像素点为横向边缘像素点。
S152，确定纵向边缘像素点，所述纵向边缘像素点为满足第一预设规则，并且，满足第四预设规则或者第五预设规则的边缘像素点。
与横向边缘像素点类似地，可以确定上述实例中所述第i像素点不是纵向边缘像素点。
S153，确定倾斜边缘像素点，所述倾斜边缘为既满足横向边缘像素点条件又满足纵向边缘像素点条件的像素点。
与横向边缘像素点类似地，可以确定上述实例中所述第i像素点不是倾斜边缘像素点。本申请提供的方法基于第i像素点邻域像素灰度值的比较，而非邻域像素点灰度值的差值，如图像上所有像素点灰度值整体较低或者整体较高，本申请提供的方法仅需比较相对两侧像素点灰度值的相对大小，即可确定该像素点是否为边缘像素点，从而避免由于邻域像素点灰度值差值小于阈值而被漏检的问题，因此，本申请提供的方法对光照干扰的鲁棒性更强，尤其是对低照度场景，本申请提供的方法优势更加明显。
进一步地，本申请提供的方法可以单纯根据左右邻域像素点灰度值的相对大小来确定横向边缘像素点，可以单纯根据上下领域像素点灰度值的相对大小确定纵向边缘像素点，进而，可以结合左右邻域以及上下邻域像素点灰度值的相对大小来确定倾斜边缘像素点。
第二方面，本申请还提供一种基于邻域像素关系的边缘像素点提取装置，所述装置包括：图像获取单元，用于获取待检测图像；待检测区域确定单元，用于在所述待检测图像中确定待检测区域；像素点灰度值获取单元，用于获取所述待检测区域中第i像素点的邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；边缘像素点确定单元，用于根据所述第i像素点的邻域像素点之灰度值确定边缘像素点。
其中，所述边缘像素点确定单元包括：候选边缘像素点确定子单元，用于确定候选边缘像素点，所述候选边缘像素点为满足第一预设规则的像素点，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之灰度值小于对侧邻域预设数量像素点之灰度值；跳变值及偏差值获取子单元，用于获取候选边缘像素点灰度跳变值和单侧邻域像素点灰度偏差；边缘像素点确定子单元，用于确定边缘像素点，所述边缘像素点为灰度跳变值和单侧邻域像素点灰度偏差满足第二预设规则、第三预设规则、第四预设规则和第五预设规则中任一规则的候选边缘像素点。
在一种可实现的方式中，所述待检测区域确定单元包括：边界线确定子单元，用于在所述待检测图像中确定待检测区域边界线，所述待检测区域边界线中任意两个相邻像素点为邻域像素点；待检测区域获取子单元，用于获取待检测区域，所述待检测区域为所述待检测区域边界线所围成的区域。
进一步地，所述边界线确定子单元还用于在所述待检测图像中确定上边界像素行，所述上边界像素行与所述待检测图像的上边界间隔第一预设数量的像素行，所述第一预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；还用于在所述待检测图像中确定下边界像素行，所述下边界像素行与所述待检测图像的下边界间隔第二预设数量的像素行，所述第二预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；还用于在所述待检测图像中确定左边界像素列，所述左边界像素列与所述待检测图像的左边界间隔第三预设数量的像素列，所述第三预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；还用于在所述待检测图像中确定右边界像素列，所述右边界像素列与所述待检测图像的右边界间隔第四预设数量的像素列，所述第四预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量。
在一种可实现的方式中，所述跳变值及偏差值获取子单元包括：灰度最值获取从单元，用于分别获取所述第i像素点横向双侧邻域像素点的最大灰度值与最小灰度值；灰度最值获取从单元，还用于分别获取所述第i像素点纵向双侧邻域像素点的最大灰度值与最小灰度值；跳变值获取从单元，用于根据所述所述第i像素点横向双侧邻域像素点的最大灰度值与最小灰度值和/或所述第i像素点纵向双侧邻域像素点的最大灰度值与最小灰度值获取第i像素点的灰度跳变值，具体地，用于获取第i像素点横向灰度跳变值，所述第i像素点横向灰度跳变值为所述第i像素点横向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值；和/或用于获取所述第i像素点纵向灰度跳变值，所述第i像素点纵向灰度跳变值为所述第i像素点纵向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值。
在一种可实现的方式中，所述第二预设规则为所述第i像素点的纵向灰度跳变值大于所述第i像素点纵向单侧像素点的灰度偏差；所述第三预设规则为所述第i像素点的纵向灰度跳变值大于所述第i像素点纵向异侧像素点的灰度偏差之和；所述第四预设规则为所述第i像素点的横向灰度跳变值大于所述第i像素点横向单侧像素点的灰度偏差；所述第五预设规则为所述第i像素点的横向灰度跳变值大于所述第i像素点横向异侧像素点的灰度偏差之和。
在另一种可实现的方式中，所述装置还包括：边缘像素点类型确定单元，用于确定横向边缘像素点，所述横向边缘像素点为满足第一预设规则，并且，满足第二预设规则或者第三预设规则的边缘像素点；边缘像素点类型确定单元，还用于确定纵向边缘像素点，所述纵向边缘像素点为满足第一预设规则，并且，满足第四预设规则或者第五预设规则的边缘像素点；边缘像素点类型确定单元，还用于确定倾斜边缘像素点，所述倾斜边缘为既满足横向边缘像素点条件又满足纵向边缘像素点条件的像素点。
第三方面，本申请还提供一种程序，所述程序包括：获取待检测图像；在所述待检测图像中确定待检测区域；获取所述待检测区域中第i像素点的四邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；根据所述第i像素点的邻域像素点之灰度值确定边缘像素点。
进一步地，所述程序用于执行第一方面所述技术方案。
第四方面，本申请还提供一种存储介质，所述存储介质用于存储并执行以下程序：获取待检测图像；在所述待检测图像中确定待检测区域；获取所述待检测区域中第i像素点的四邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；确定候选边缘像素点，所述候选边缘像素点为满足第一预设规则的像素点，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之最大灰度值小于对侧邻域预设数量像素点之最小灰度值；获取候选边缘像素点灰度跳变值和单侧邻域像素点灰度偏差；确定边缘像素点，所述边缘像素点为灰度跳变值和单侧邻域像素点灰度偏差满足第二预设规则中任一规则的候选边缘像素点。
进一步地，所述程序为第三方面所述程序。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本邻域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (8)

1.一种基于邻域像素关系的边缘像素点提取方法，其特征在于，所述方法包括：
获取待检测图像；
在所述待检测图像中确定待检测区域；
获取所述待检测区域中第i像素点的邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；
根据所述第i像素点的邻域像素点之灰度值确定边缘像素点；
其中，所述根据所述第i像素点的邻域像素点之灰度值确定边缘像素点包括：
确定候选边缘像素点，所述候选边缘像素点为满足第一预设规则的像素点，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之灰度值均小于对侧邻域预设数量像素点之灰度值；
获取候选边缘像素点灰度跳变值和单侧邻域像素点灰度偏差；
确定边缘像素点，所述边缘像素点为灰度跳变值和单侧邻域像素点灰度偏差满足第二预设规则、第三预设规则、第四预设规则和第五预设规则中任一规则的候选边缘像素点。
2.根据权利要求1所述的方法，其特征在于，在所述待检测图像中确定待检测区域包括：
在所述待检测图像中确定待检测区域边界线，所述待检测区域边界线中任意两个相邻像素点为邻域像素点；
获取待检测区域，所述待检测区域为所述待检测区域边界线所围成的区域。
3.根据权利要求2所述的方法，其特征在于，在所述待检测图像中确定待检测区域边界线包括：
在所述待检测图像中确定上边界像素行，所述上边界像素行与所述待检测图像的上边界间隔第一预设数量的像素行，所述第一预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；
在所述待检测图像中确定下边界像素行，所述下边界像素行与所述待检测图像的下边界间隔第二预设数量的像素行，所述第二预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；
在所述待检测图像中确定左边界像素列，所述左边界像素列与所述待检测图像的左边界间隔第三预设数量的像素列，所述第三预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量；
在所述待检测图像中确定右边界像素列，所述右边界像素列与所述待检测图像的右侧边界间隔第四预设数量的像素列，所述第四预设数量大于或者等于所述第i像素点单侧邻域像素点的预设数量。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述获取候选边缘像素点的灰度跳变值：
分别获取所述候选边缘像素点的横向双侧邻域像素点的最大灰度值与最小灰度值；
分别获取所述候选边缘像素点的纵向双侧邻域像素点的最大灰度值与最小灰度值；
根据所述候选边缘像素点的横向双侧邻域像素点的最大灰度值与最小灰度值和/或所述候选边缘像素点的纵向双侧邻域像素点的最大灰度值与最小灰度值获取所述候选边缘像素点的灰度跳变值。
5.根据权利要求1至3任一项所述的方法，其特征在于，所述获取候选边缘像素点的灰度跳变值包括：
获取所述候选边缘像素点的横向灰度跳变值，所述候选边缘像素点的横向灰度跳变值为所述候选边缘像素点的横向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值；和/或
获取所述候选边缘像素点的纵向灰度跳变值，所述候选边缘像素点的纵向灰度跳变值为所述候选边缘像素点的纵向邻域像素点的较大最小灰度值与较小最大灰度值的差值，所述较大最小灰度值为第一预设规则中最小灰度值，所述较小最大灰度值为第一预设规则中最大灰度值。
6.根据权利要求1至3任一项所述的方法，其特征在于，所述第二预设规则为所述候选边缘像素点的纵向灰度跳变值大于所述候选边缘像素点纵向单侧像素点的灰度偏差；
所述第三预设规则为所述候选边缘像素点的纵向灰度跳变值大于所述候选边缘像素点纵向异侧像素点的灰度偏差之和；
所述第四预设规则为所述候选边缘像素点的横向灰度跳变值大于所述候选边缘像素点横向单侧像素点的灰度偏差；
所述第五预设规则为所述候选边缘像素点的横向灰度跳变值大于所述候选边缘像素点横向异侧像素点的灰度偏差之和。
7.根据权利要求6所述的方法，其特征在于，所述方法在确定边缘像素点之后还包括：
确定横向边缘像素点，所述横向边缘像素点为满足第一预设规则，并且，满足第二预设规则或者第三预设规则的边缘像素点；
确定纵向边缘像素点，所述纵向边缘像素点为满足第一预设规则，并且，满足第四预设规则或者第五预设规则的边缘像素点；
确定倾斜边缘像素点，所述倾斜边缘为既满足横向边缘像素点条件又满足纵向边缘像素点条件的像素点。
8.一种基于邻域像素关系的边缘像素点提取装置，其特征在于，所述装置包括：
图像获取单元，用于获取待检测图像；
待检测区域确定单元，用于在所述待检测图像中确定待检测区域；
像素点灰度值获取单元，用于获取所述待检测区域中第i像素点的邻域像素点之灰度值，其中，i＝1，2，3，……，n，n表示所述待检测区域中像素点的个数；
边缘像素点确定单元，用于根据所述第i像素点的邻域像素点之灰度值确定边缘像素点；
其中，所述边缘像素点确定单元包括：
候选边缘像素点确定子单元，用于确定候选边缘像素点，所述候选边缘像素点为满足第一预设规则的像素点，所述第一预设规则为所述第i像素点单侧预设数量邻域像素点之最大灰度值小于对侧邻域预设数量像素点之最小灰度值；
跳变值及偏差值获取子单元，用于获取候选边缘像素点灰度跳变值和单侧邻域像素点灰度偏差；
边缘像素点确定子单元，用于确定边缘像素点，所述边缘像素点为灰度跳变值和单侧邻域像素点灰度偏差满足第二预设规则中任一规则的候选边缘像素点。
CN201911381290.8A 2019-12-27 2019-12-27 一种基于邻域关系的边缘像素点提取方法及装置 Active CN111179291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911381290.8A CN111179291B (zh) 2019-12-27 2019-12-27 一种基于邻域关系的边缘像素点提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911381290.8A CN111179291B (zh) 2019-12-27 2019-12-27 一种基于邻域关系的边缘像素点提取方法及装置

Publications (2)

Publication Number Publication Date
CN111179291A CN111179291A (zh) 2020-05-19
CN111179291B true CN111179291B (zh) 2023-10-03

Family

ID=70650412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911381290.8A Active CN111179291B (zh) 2019-12-27 2019-12-27 一种基于邻域关系的边缘像素点提取方法及装置

Country Status (1)

Country Link
CN (1) CN111179291B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112598652B (zh) * 2020-12-25 2024-01-30 凌云光技术股份有限公司 一种基于梯度变换的液晶屏边缘断线检测方法
CN113112432A (zh) * 2021-05-13 2021-07-13 广州道一科学技术有限公司 自动识别图像条带的方法
CN113487496B (zh) * 2021-06-03 2023-09-08 潍坊科技学院 一种基于像素类型推断的图像去噪方法、系统及装置
CN116452596B (zh) * 2023-06-20 2023-09-22 深圳市捷超行模具有限公司 一种硅胶玩具注塑溢胶视觉检测方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011154699A (ja) * 2011-02-24 2011-08-11 Nintendo Co Ltd 画像認識プログラム、画像認識装置、画像認識システム、および画像認識方法
CN103150735A (zh) * 2013-03-26 2013-06-12 山东大学 一种基于灰度差值平均的图像边缘检测方法
CN103530878A (zh) * 2013-10-12 2014-01-22 北京工业大学 一种基于融合策略的边缘提取方法
CN105488845A (zh) * 2014-09-17 2016-04-13 宏碁股份有限公司 产生三维图像的方法及其电子装置
CN106097306A (zh) * 2016-05-31 2016-11-09 凌云光技术集团有限责任公司 获取图像边缘检测算子的方法、图像边缘检测方法及装置
CN106920245A (zh) * 2017-03-13 2017-07-04 深圳怡化电脑股份有限公司 一种边界检测的方法及装置
CN107067012A (zh) * 2017-04-25 2017-08-18 中国科学院深海科学与工程研究所 基于图像处理的海底地貌单元边缘智能识别方法
CN107292897A (zh) * 2016-03-31 2017-10-24 展讯通信(天津)有限公司 用于yuv域的图像边缘提取方法、装置及终端
CN107452008A (zh) * 2016-06-01 2017-12-08 上海东方传媒技术有限公司 图像边缘检测方法及装置
CN108961291A (zh) * 2018-08-10 2018-12-07 广东工业大学 一种图像边缘检测的方法、系统及相关组件
WO2019041590A1 (zh) * 2017-08-31 2019-03-07 中国科学院微电子研究所 任意角度的边缘检测方法
CN109472271A (zh) * 2018-11-01 2019-03-15 凌云光技术集团有限责任公司 印刷电路板图像轮廓提取方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109035276B (zh) * 2018-06-26 2022-03-18 北京中科慧眼科技有限公司 一种图像边缘提取方法、装置及自动驾驶系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011154699A (ja) * 2011-02-24 2011-08-11 Nintendo Co Ltd 画像認識プログラム、画像認識装置、画像認識システム、および画像認識方法
CN103150735A (zh) * 2013-03-26 2013-06-12 山东大学 一种基于灰度差值平均的图像边缘检测方法
CN103530878A (zh) * 2013-10-12 2014-01-22 北京工业大学 一种基于融合策略的边缘提取方法
CN105488845A (zh) * 2014-09-17 2016-04-13 宏碁股份有限公司 产生三维图像的方法及其电子装置
CN107292897A (zh) * 2016-03-31 2017-10-24 展讯通信(天津)有限公司 用于yuv域的图像边缘提取方法、装置及终端
CN106097306A (zh) * 2016-05-31 2016-11-09 凌云光技术集团有限责任公司 获取图像边缘检测算子的方法、图像边缘检测方法及装置
CN107452008A (zh) * 2016-06-01 2017-12-08 上海东方传媒技术有限公司 图像边缘检测方法及装置
CN106920245A (zh) * 2017-03-13 2017-07-04 深圳怡化电脑股份有限公司 一种边界检测的方法及装置
CN107067012A (zh) * 2017-04-25 2017-08-18 中国科学院深海科学与工程研究所 基于图像处理的海底地貌单元边缘智能识别方法
WO2019041590A1 (zh) * 2017-08-31 2019-03-07 中国科学院微电子研究所 任意角度的边缘检测方法
CN108961291A (zh) * 2018-08-10 2018-12-07 广东工业大学 一种图像边缘检测的方法、系统及相关组件
CN109472271A (zh) * 2018-11-01 2019-03-15 凌云光技术集团有限责任公司 印刷电路板图像轮廓提取方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周培德 ; 付梦印 ; 黄源水 ; 刘羿彤 ; .红外图像边缘提取的算法.兵工学报.2007,(05),第14-17页. *

Also Published As

Publication number Publication date
CN111179291A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN111179291B (zh) 一种基于邻域关系的边缘像素点提取方法及装置
CN108038883B (zh) 一种应用于公路路面视频图像的裂缝检测及识别方法
JP5270573B2 (ja) ブロックアーチファクトを検出する方法及び装置
US8379975B2 (en) Image processing device and method, and program recording medium
CN112417993B (zh) 停车区域的车位线检测方法和计算机设备
US8749668B2 (en) Adaptive pixel compensation method
CN102113015A (zh) 使用修补技术进行图像校正
CN107292828B (zh) 图像边缘的处理方法和装置
US9798952B2 (en) Image processing apparatus and method therefor
JP2007201530A (ja) 画素欠陥補正装置
CN109785356B (zh) 一种视频图像的背景建模方法
TWI492621B (zh) 適應性影像處理方法及其相關裝置
JP2008310817A (ja) テキストマップの中からライン構造を検出する方法および画像処理装置
US8767101B2 (en) Image processing apparatus and system
US20080199102A1 (en) Block noise detector and detection method, and block noise reducer and reduction method
CN104318531B (zh) 一种消除图片中漏光现象的方法及装置
KR20140029141A (ko) 결함 화소 판정 장치 및 결함 화소 판정 방법
US9076220B2 (en) Method of processing an image based on the determination of blockiness level
KR101569165B1 (ko) 소실점 검출 방법 및 장치
CN109766889B (zh) 基于曲线拟合的轨道图像识别后处理方法
CN106412377A (zh) 图像处理装置
JP6091807B2 (ja) 欠陥画素判定装置および欠陥画素判定方法
KR101612485B1 (ko) 영상 변환 검출 속도를 향상한 영상 변환 검출 장치 및 영상 변환 검출 방법
US9280733B2 (en) Image interpolating unit, program product, and reading apparatus that inserts an interpolated pixel value in a lost pixel position based on edge amounts of reference pixels and total of differences between pixel values
CN111127489B (zh) 图像分频方法及装置、存储介质、终端

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
CB02 Change of applicant information

Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701

Applicant after: Lingyunguang Technology Co.,Ltd.

Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701

Applicant before: LUSTER LIGHTTECH GROUP Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant