CN111476810A - 图像边缘检测方法、装置、电子设备及存储介质 - Google Patents
图像边缘检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111476810A CN111476810A CN202010594506.5A CN202010594506A CN111476810A CN 111476810 A CN111476810 A CN 111476810A CN 202010594506 A CN202010594506 A CN 202010594506A CN 111476810 A CN111476810 A CN 111476810A
- Authority
- CN
- China
- Prior art keywords
- pixel
- current
- current pixel
- spatial domain
- domain weight
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003708 edge detection Methods 0.000 title claims abstract description 41
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种图像边缘检测方法、装置、电子设备及存储介质。图像边缘检测方法包括:针对待处理图像中的当前像素,依据所述当前像素的像素值,确定所述当前像素对应的调整参数;针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重;依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数;依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值。本发明边缘检测更加准确,检测效果更好。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像边缘检测方法、装置、电子设备及存储介质。
背景技术
边缘检测是属于图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。边缘检测是图像处理和计算机视觉中,尤其是特征提取中的一个研究领域。
常用的边缘检测算法有Sobel,Prewitt,Roberts,Canny,等等。但是目前的边缘检测方法的检测效果较差。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种图像边缘检测方法、装置、电子设备及存储介质。
第一方面,本发明实施例公开了一种图像边缘检测方法,所述方法包括:
针对待处理图像中的当前像素,依据所述当前像素的像素值,确定所述当前像素对应的调整参数;
针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重;
依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数;
依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值。
可选地,所述依据所述当前像素的像素值,确定所述当前像素对应的调整参数,包括:
通过如下公式计算所述当前像素对应的调整参数:
τ = m – λ× (1- 0.5 × (tanh(α × ( g - β ))+1))
其中,τ表示所述当前像素对应的调整参数,g表示所述当前像素的像素值,m表示预设的调整参数最大值,λ表示预设的系数常量,tanh表示双曲正切函数,α和β均表示预设的平滑系数。
可选地,所述依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重,包括:
获取预设的坐标差值与第一空间域权重的第一对应关系表,以及,预设的坐标差值与第二空间域权重的第二对应关系表;
从所述第一对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第一空间域权重,将查找到的第一空间域权重作为所述当前邻域像素的第一空间域权重;
从所述第二对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第二空间域权重,将查找到的第二空间域权重作为所述当前邻域像素的第二空间域权重。
可选地,所述依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值,包括:
通过如下公式计算所述当前像素的边缘特征值:
T(u)=0.5×(1+tanh(Φ×(u – ε)))
其中,T(u)表示所述当前像素的边缘特征值,u表示所述当前像素对应的高斯差分滤波参数,tanh表示双曲正切函数,Φ表示预设的边缘接受系数,ε表示预设的边缘阈值。
第二方面,本发明实施例公开了一种图像边缘检测装置,所述装置包括:
第一确定模块,用于针对待处理图像中的当前像素,依据所述当前像素的像素值,确定所述当前像素对应的调整参数;
第二确定模块,用于针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重;
第三确定模块,用于依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数;
第四确定模块,用于依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值。
可选地,所述第一确定模块,具体用于通过如下公式计算所述当前像素对应的调整参数:
τ = m – λ× (1- 0.5 × (tanh(α × ( g - β ))+1))
其中,τ表示所述当前像素对应的调整参数,g表示所述当前像素的像素值,m表示预设的调整参数最大值,λ表示预设的系数常量,tanh表示双曲正切函数,α和β均表示预设的平滑系数。
可选地,所述第二确定模块包括:
获取单元,用于获取预设的坐标差值与第一空间域权重的第一对应关系表,以及,预设的坐标差值与第二空间域权重的第二对应关系表;
第一查找单元,用于从所述第一对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第一空间域权重,将查找到的第一空间域权重作为所述当前邻域像素的第一空间域权重;
第二查找单元,用于从所述第二对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第二空间域权重,将查找到的第二空间域权重作为所述当前邻域像素的第二空间域权重。
可选地,所述第四确定模块,具体用于通过如下公式计算所述当前像素的边缘特征值:
T(u) = 0.5 × (1+ tanh (Φ×( u – ε )))
其中,T(u)表示所述当前像素的边缘特征值,u表示所述当前像素对应的高斯差分滤波参数,tanh表示双曲正切函数,Φ表示预设的边缘接受系数,ε表示预设的边缘阈值。
第三方面,本发明实施例公开了一种电子设备,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质;当所述指令由所述一个或多个处理器执行时,使得所述处理器执行如上任一项所述的图像边缘检测方法。
第四方面,本发明实施例公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上任一项所述的图像边缘检测方法。
本发明实施例中,针对待处理图像中的当前像素,依据所述当前像素的像素值,确定所述当前像素对应的调整参数;所述调整参数用于调整高斯差分滤波的截止效果的强度;针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重;依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数;依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值。由此可知,本发明实施例中,考虑到在调整参数为定值时,图像中高亮区域的边缘无法准确检测出来,因为随着调整参数值变大,弱边也会被检测成强边,高亮区域的边是弱边。因此本发明实施例中依据当前像素的像素值确定当前像素对应的调整参数,既能够得到高亮区域的弱边,又能够剔除图像其他区域的弱边,相比于调整参数为一个定值来说,边缘检测更加准确,检测效果更好。
附图说明
图1是本发明实施例的一种图像边缘检测方法的步骤流程图。
图2是本发明实施例的一种调整参数关于像素值的曲线示意图。
图3是本发明实施例的一种边缘特征值的曲线示意图。
图4是本发明实施例的另一种边缘特征值的曲线示意图。
图5是本发明实施例的一种边缘检测前的图像。
图6是本发明实施例的一种边缘检测后的图像。
图7是本发明实施例的一种图像边缘检测装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明实施例的一种图像边缘检测方法的步骤流程图。
本发明实施例的图像边缘检测方法可以包括以下步骤:
步骤101,针对待处理图像中的当前像素,依据所述当前像素的像素值,确定所述当前像素对应的调整参数;所述调整参数用于调整高斯差分滤波的截止效果的强度。
步骤102,针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重。
步骤103,依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数。
本发明实施例的图像边缘检测方法可以应用于高质量高效率的视频、图像处理及合成的终端中。比如,各种具有摄像功能及视频、图像处理功能的应用程序等。比如,对图像进行漫画特效处理时,可以应用本发明实施例的方法对图像进行边缘检测。本发明实施例可以基于OpenGL(Open Graphics Library,开放图形库)实现。
本发明实施例中,将待处理图像中的每个像素依次作为当前像素。每个当前像素具有多个邻域像素,依次将当前像素的每个邻域像素作为当前邻域像素。其中,当前像素的邻域像素可以为位于当前像素对应的预设邻域范围内的像素。对于邻域范围的设置,本领域技术人员根据实际经验设置任意适用的范围均可,本发明实施例对此不做限制。比如,可以设置邻域范围为以当前像素为中心的预设大小的矩形范围。再比如,可以设置邻域范围为以当前像素为中心,与当前像素位于同一水平线的预设大小的矩形范围,以及与当前像素位于同一垂直线的预设大小的矩形范围,等等。
在边缘检测过程中,针对待处理图像中的当前像素,先确定当前像素对应的高斯差分滤波参数。
在一种实施方式中,可以基于XDOG(Extended Difference of Gaussian,高斯扩展差分)方式对图像进行边缘检测。可以通过如下公式一、公式二、公式三计算当前像素对应的高斯差分滤波参数:
D(x) = G1(x) – τ×G2(x)公式一
G1(x) = [exp(-(x2+y2) / 2σ2)] / [σ×sqrt(2π)]公式二
G2(x) = [exp(-(x2+y2) / 2(k×σ)2)] / [k×σ×sqrt(2π)]公式三
其中,D(x)表示当前像素对应的高斯差分滤波参数,τ表示当前像素对应的调整参数,exp表示以自然常数e为底的指数函数,x表示当前像素的x轴坐标值,y表示当前像素的y轴坐标值,σ表示预设的高斯函数的标准差,k表示预设的系数,sqrt表示开方。对于σ和k的具体数值,本领域技术人员根据实际经验选用任意适用的数值均可,本发明实施例对此不做限制。其中,可以设置k大于1,比如设置k为1.5,1.6,等等。
上述公式一中的调整参数τ为定值,通过调整这个τ值可以得到更多的风格效果变化。当τ=1时,则此时为一个普通的高斯差分,通常这个值的微小变化就可以对效果产生明显的影响。但是,在调整参数为定值时,图像中高亮区域的边缘无法准确检测出来,比如白炽灯。因为随着调整参数值变大,弱边也会被检测成强边,高亮区域的边是弱边。
调整参数τ用于调整高斯差分滤波的截止效果的强度。本发明实施例对上述公式一中的调整参数进行修改,调整参数不再是定值,将调整参数修改为关于像素值(比如像素的灰度值)的函数,这样既可以得到高亮区域的弱边,又可以剔除图像其他区域的弱边,相比于调整参数为一个定值来说,边缘检测更加准确,检测效果更好。本发明实施例中,像素值可以为像素的灰度值,或者可以为像素的RGB(RGB代表Red红色、Green绿色、Blue蓝色)、或者可以为像素的RGBA(RGBA代表Red红色、Green绿色、Blue蓝色和Alpha(也就是透明度/不透明度)的色彩空间),等等。
在一种可选实施方式中,依据所述当前像素的像素值,确定所述当前像素对应的调整参数的过程,包括:
通过如下公式四计算所述当前像素对应的调整参数:
τ = m – λ× (1- 0.5 × (tanh(α × ( g - β ))+1))公式四
公式四中,τ表示所述当前像素对应的调整参数,g表示所述当前像素的像素值,m表示预设的调整参数最大值,λ表示预设的系数常量,tanh表示双曲正切函数,α和β均表示预设的平滑系数。τ的最小值为m -λ,tanh用来进行平滑处理,α和β来控制平滑的区域。对于m、λ、α、β的具体数值,本领域技术人员根据实际经验选用任意适用的数值均可,本发明实施例对此不做限制。比如,m的取值可以为0.95~0.99之间适用的数值,λ的取值可以为0.01~0.05之间适用的数值。比如,在m=0.983,λ=0.015,α=12,β=0.75时,能够取得一个比较好的效果。图2是本发明实施例的一种调整参数关于像素值的曲线示意图。图2所示的曲线为公式四对应的曲线,该曲线中,横轴表示像素值,纵轴表示调整参数。
上述公式二和公式三中进行高斯差分计算时,高斯函数中只考虑到了当前像素的像素值,导致检测结果准确性较低。因此,本发明实施例对上述公式二和公式三中的高斯函数的计算进行修改,考虑了当前像素的邻域像素的空间域权重。针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重。
在一种可选实施方式中,可以通过如下公式五确定当前邻域像素的第一空间域权重:
g1 = exp ( - [(xi– x)2 + (yi– y) 2] / 2σ2)公式五
公式五中,g1表示第i个当前邻域像素的第一空间域权重,exp表示以自然常数e为底的指数函数,xi表示第i个当前邻域像素的x轴坐标值,yi表示第i个当前邻域像素的y轴坐标值,x表示当前像素的x轴坐标值,y表示当前像素的y轴坐标值,i为自然数,σ表示预设的高斯函数的标准差。对于σ的具体数值,本领域技术人员根据实际经验选用任意适用的数值均可,本发明实施例对此不做限制。
在一种可选实施方式中,可以通过如下公式六确定当前邻域像素的第二空间域权重:
g2= exp ( - [(xi– x)2 + (yi– y) 2] / 2(k×σ)2)公式六
公式六中,g2表示第i个当前邻域像素的第二空间域权重,exp表示以自然常数e为底的指数函数,xi表示第i个当前邻域像素的x轴坐标值,yi表示第i个当前邻域像素的y轴坐标值,x表示当前像素的x轴坐标值,y表示当前像素的y轴坐标值,i为自然数,σ表示预设的高斯函数的标准差,k表示预设的系数。对于σ和k的具体数值,本领域技术人员根据实际经验选用任意适用的数值均可,本发明实施例对此不做限制。其中,可以设置k大于1,比如设置k为1.5,1.6,等等。
但是,上述g1和g2为高斯函数,如果每次都计算高斯函数会比较消耗计算资源,处理过程复杂。本发明实施例中,考虑到一定大小的图像区域内像素之间的距离(也即坐标差值)是有限的离散值,因此为了简化处理过程,对于特定的高斯模板(比如上述公式五和公式六中的高斯函数),可以预先计算出每个坐标差值所对应的第一空间域权重和第二空间域权重,得到坐标差值与第一空间域权重的第一对应关系表,以及,坐标差值与第二空间域权重的第二对应关系表。后续通过查表方式得到当前邻域像素的第一空间域权重和第二空间域权重。
因此,本发明实施例中,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重,包括:获取预设的坐标差值与第一空间域权重的第一对应关系表,以及,预设的坐标差值与第二空间域权重的第二对应关系表;从所述第一对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第一空间域权重,将查找到的第一空间域权重作为所述当前邻域像素的第一空间域权重;从所述第二对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第二空间域权重,将查找到的第二空间域权重作为所述当前邻域像素的第二空间域权重。
经过上述修改后,依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数。具体地,可以通过如下公式七、公式八、公式九、公式十和公式十一计算当前像素对应的高斯差分滤波参数:
D(x) = G1(x) – τ×G2(x)公式七
G1(x) = [ ∑I(xi) g1]/ Wp1 公式八
G2(x) = [ ∑I(xi) g2]/ Wp2 公式九
Wp1= ∑g1公式十
Wp2= ∑g2公式十一
其中,D(x)表示当前像素对应的高斯差分滤波参数,τ表示上述公式四计算得到的当前像素对应的调整参数,I(xi)表示第i个当前邻域像素的像素值,i为自然数,∑表示求和,g1表示上述公式五计算得到的第一空间域权重g1或者通过上述查表方式得到的第一空间域权重,g2表示上述公式六计算得到第二空间域权重的g2或者通过上述查表方式得到的第二空间域权重。
步骤104,依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值。
基于XDOG,可以通过如下公式十二计算当前像素的边缘特征值:
公式十二中,T(u)表示当前像素的边缘特征值,u表示当前像素对应的高斯差分滤波参数(也即上述公式一中的D(x)),tanh表示双曲正切函数,Φ表示预设的边缘接受系数,ε表示预设的边缘阈值,Φ和ε值越大会有越少的像素点被认为是边缘,这两个值通常为定值。
在一种可选实施方式中,为了进一步提高边缘检测的准确性,可以通过如下公式十三计算当前像素的边缘特征值:
T(u) = 0.5 × (1+ tanh (Φ×( u – ε )))公式十三
公式十三中,T(u)表示所述当前像素的边缘特征值,u表示所述当前像素对应的高斯差分滤波参数(也即上述公式七中的D(x)),tanh表示双曲正切函数,Φ表示预设的边缘接受系数,ε表示预设的边缘阈值。对于Φ、ε的具体数值,本领域技术人员根据实际经验选用任意适用的数值均可,本发明实施例对此不做限制。比如,边缘接受系数Φ的取值可以为250~750之间适用的数值,如Φ取值为500等。边缘阈值ε的取值可以为0~0.02之间适用的数值,如ε取值为0.01等。
当前像素的边缘特征值表示当前像素为边缘的程度,边缘特征值越大,为边缘的程度越高。通过各像素的边缘特征值即可作为边缘检测结果,得到边缘检测结果图像。
图3是本发明实施例的一种边缘特征值的曲线示意图。图3所示的曲线为公式十二对应的曲线,图3所示的曲线中,横轴表示高斯差分滤波参数,纵轴表示边缘特征值。图4是本发明实施例的另一种边缘特征值的曲线示意图。图4所示的曲线为公式十三对应的曲线,图4所示的曲线中,横轴表示高斯差分滤波参数,纵轴表示边缘特征值。通过比较可知,图4的曲线更加平滑,最后提取出的边缘比较柔和,不会让人感觉过锐,效果更好。
图5是本发明实施例的一种边缘检测前的图像。图6是本发明实施例的一种边缘检测后的图像。通过图5和图6可以发现,图6中边缘检测后的图像的检测效果较好。
本发明实施例中,考虑到在调整参数为定值时,图像中高亮区域的边缘无法准确检测出来,因为随着调整参数值变大,弱边也会被检测成强边,高亮区域的边是弱边。因此本发明实施例中依据当前像素的像素值确定当前像素对应的调整参数,既能够得到高亮区域的弱边,又能够剔除图像其他区域的弱边,相比于调整参数为一个定值来说,边缘检测更加准确,检测效果更好。
参照图7,示出了本发明实施例的一种图像边缘检测装置的结构框图。
本发明实施例的图像边缘检测装置可以包括以下模块:
第一确定模块701,用于针对待处理图像中的当前像素,依据所述当前像素的像素值,确定所述当前像素对应的调整参数;
第二确定模块702,用于针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重;
第三确定模块703,用于依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数;
第四确定模块704,用于依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值。
可选地,所述第一确定模块,具体用于通过如下公式计算所述当前像素对应的调整参数:
τ = m – λ× (1- 0.5 × (tanh(α × ( g - β ))+1))
其中,τ表示所述当前像素对应的调整参数,g表示所述当前像素的像素值,m表示预设的调整参数最大值,λ表示预设的系数常量,tanh表示双曲正切函数,α和β均表示预设的平滑系数。
可选地,所述第二确定模块包括:获取单元,用于获取预设的坐标差值与第一空间域权重的第一对应关系表,以及,预设的坐标差值与第二空间域权重的第二对应关系表;第一查找单元,用于从所述第一对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第一空间域权重,将查找到的第一空间域权重作为所述当前邻域像素的第一空间域权重;第二查找单元,用于从所述第二对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第二空间域权重,将查找到的第二空间域权重作为所述当前邻域像素的第二空间域权重。
可选地,所述第四确定模块,具体用于通过如下公式计算所述当前像素的边缘特征值:
T(u) = 0.5 × (1+ tanh (Φ×( u – ε )))
其中,T(u)表示所述当前像素的边缘特征值,u表示所述当前像素对应的高斯差分滤波参数,tanh表示双曲正切函数,Φ表示预设的边缘接受系数,ε表示预设的边缘阈值。
本发明实施例中,考虑到在调整参数为定值时,图像中高亮区域的边缘无法准确检测出来,因为随着调整参数值变大,弱边也会被检测成强边,高亮区域的边是弱边。因此本发明实施例中依据当前像素的像素值确定当前像素对应的调整参数,既能够得到高亮区域的弱边,又能够剔除图像其他区域的弱边,相比于调整参数为一个定值来说,边缘检测更加准确,检测效果更好。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在本发明的实施例中,还提供了一种电子设备。该电子设备可以包括一个或多个处理器,以及其上存储有指令的一个或多个机器可读介质,指令例如应用程序。当所述指令由所述一个或多个处理器执行时,使得所述处理器执行上述的图像边缘检测方法。
在本发明的实施例中,还提供了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序可由电子设备的处理器执行,以完成上述的图像边缘检测方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种图像边缘检测方法、装置、电子设备及存储介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种图像边缘检测方法,其特征在于,所述方法包括:
针对待处理图像中的当前像素,依据所述当前像素的像素值,确定所述当前像素对应的调整参数;
针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重;
依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数;
依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值。
2.根据权利要求1所述的方法,其特征在于,所述依据所述当前像素的像素值,确定所述当前像素对应的调整参数,包括:
通过如下公式计算所述当前像素对应的调整参数:
τ = m – λ× (1- 0.5 × (tanh(α × ( g - β ))+1))
其中,τ表示所述当前像素对应的调整参数,g表示所述当前像素的像素值,m表示预设的调整参数最大值,λ表示预设的系数常量,tanh表示双曲正切函数,α和β均表示预设的平滑系数。
3.根据权利要求1所述的方法,其特征在于,所述依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重,包括:
获取预设的坐标差值与第一空间域权重的第一对应关系表,以及,预设的坐标差值与第二空间域权重的第二对应关系表;
从所述第一对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第一空间域权重,将查找到的第一空间域权重作为所述当前邻域像素的第一空间域权重;
从所述第二对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第二空间域权重,将查找到的第二空间域权重作为所述当前邻域像素的第二空间域权重。
4.根据权利要求1所述的方法,其特征在于,所述依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值,包括:
通过如下公式计算所述当前像素的边缘特征值:
T(u) = 0.5 × (1+ tanh (Φ×( u – ε )))
其中,T(u)表示所述当前像素的边缘特征值,u表示所述当前像素对应的高斯差分滤波参数,tanh表示双曲正切函数,Φ表示预设的边缘接受系数,ε表示预设的边缘阈值。
5.一种图像边缘检测装置,其特征在于,所述装置包括:
第一确定模块,用于针对待处理图像中的当前像素,依据所述当前像素的像素值,确定所述当前像素对应的调整参数;
第二确定模块,用于针对所述当前像素的每个邻域像素,依据当前邻域像素与所述当前像素之间的坐标差值,确定所述当前邻域像素的第一空间域权重和第二空间域权重;
第三确定模块,用于依据所述调整参数、所述当前像素的各邻域像素的像素值、第一空间域权重及第二空间域权重,确定所述当前像素对应的高斯差分滤波参数;
第四确定模块,用于依据所述当前像素对应的高斯差分滤波参数,确定所述当前像素的边缘特征值。
6.根据权利要求5所述的装置,其特征在于,所述第一确定模块,具体用于通过如下公式计算所述当前像素对应的调整参数:
τ = m – λ× (1- 0.5 × (tanh(α × ( g - β ))+1))
其中,τ表示所述当前像素对应的调整参数,g表示所述当前像素的像素值,m表示预设的调整参数最大值,λ表示预设的系数常量,tanh表示双曲正切函数,α和β均表示预设的平滑系数。
7.根据权利要求5所述的装置,其特征在于,所述第二确定模块包括:
获取单元,用于获取预设的坐标差值与第一空间域权重的第一对应关系表,以及,预设的坐标差值与第二空间域权重的第二对应关系表;
第一查找单元,用于从所述第一对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第一空间域权重,将查找到的第一空间域权重作为所述当前邻域像素的第一空间域权重;
第二查找单元,用于从所述第二对应关系表中,查找所述当前邻域像素与所述当前像素之间的坐标差值对应的第二空间域权重,将查找到的第二空间域权重作为所述当前邻域像素的第二空间域权重。
8.根据权利要求5所述的装置,其特征在于,所述第四确定模块,具体用于通过如下公式计算所述当前像素的边缘特征值:
T(u) = 0.5 × (1+ tanh (Φ×( u – ε )))
其中,T(u)表示所述当前像素的边缘特征值,u表示所述当前像素对应的高斯差分滤波参数,tanh表示双曲正切函数,Φ表示预设的边缘接受系数,ε表示预设的边缘阈值。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质;
当所述指令由所述一个或多个处理器执行时,使得所述处理器执行如权利要求1至4任一项所述的图像边缘检测方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1至4任一项所述的图像边缘检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010594506.5A CN111476810B (zh) | 2020-06-28 | 2020-06-28 | 图像边缘检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010594506.5A CN111476810B (zh) | 2020-06-28 | 2020-06-28 | 图像边缘检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111476810A true CN111476810A (zh) | 2020-07-31 |
CN111476810B CN111476810B (zh) | 2020-10-16 |
Family
ID=71764013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010594506.5A Active CN111476810B (zh) | 2020-06-28 | 2020-06-28 | 图像边缘检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111476810B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034396A (zh) * | 2021-03-26 | 2021-06-25 | 龙芯中科(合肥)技术有限公司 | 图像滤波方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930576A (zh) * | 2012-10-15 | 2013-02-13 | 中国科学院软件研究所 | 一种基于特征流的抽象线条画生成方法 |
CN104899876A (zh) * | 2015-05-18 | 2015-09-09 | 天津工业大学 | 一种基于自适应高斯差分的眼底图像血管分割方法 |
KR20180064064A (ko) * | 2016-12-05 | 2018-06-14 | 인천대학교 산학협력단 | 퍼지 이론에 기초한 컬러 이미지의 에지 검출 방법 |
CN109035158A (zh) * | 2018-06-25 | 2018-12-18 | 东软集团股份有限公司 | 图像模糊处理方法、装置、存储介质及电子设备 |
CN111161291A (zh) * | 2019-12-31 | 2020-05-15 | 广西科技大学 | 基于目标景深信息的轮廓检测方法 |
-
2020
- 2020-06-28 CN CN202010594506.5A patent/CN111476810B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930576A (zh) * | 2012-10-15 | 2013-02-13 | 中国科学院软件研究所 | 一种基于特征流的抽象线条画生成方法 |
CN104899876A (zh) * | 2015-05-18 | 2015-09-09 | 天津工业大学 | 一种基于自适应高斯差分的眼底图像血管分割方法 |
KR20180064064A (ko) * | 2016-12-05 | 2018-06-14 | 인천대학교 산학협력단 | 퍼지 이론에 기초한 컬러 이미지의 에지 검출 방법 |
CN109035158A (zh) * | 2018-06-25 | 2018-12-18 | 东软集团股份有限公司 | 图像模糊处理方法、装置、存储介质及电子设备 |
CN111161291A (zh) * | 2019-12-31 | 2020-05-15 | 广西科技大学 | 基于目标景深信息的轮廓检测方法 |
Non-Patent Citations (3)
Title |
---|
HAMEDA ABD EI-FATTAH EI-SENNARY,ETC.: "Edge Detection of an Image Based on Extended Difference of Gaussian", 《AMERICAN JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY》 * |
小NU: "空间域图像去噪算法", 《CSDNHTTPS://BLOG.CSDN.NET/NUMIT/ARTICLE/DETAILS/46842589?UTM_SOURCE=BLOGXGWZ4》 * |
李杰等: "基于刻痕的云南绝版套刻的数字模拟合成", 《系统仿真学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034396A (zh) * | 2021-03-26 | 2021-06-25 | 龙芯中科(合肥)技术有限公司 | 图像滤波方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111476810B (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191395B (zh) | 图像对比度增强方法、装置、设备及存储介质 | |
CN103942758B (zh) | 基于多尺度融合的暗通道先验图像去雾方法 | |
CN103916603B (zh) | 逆光检测方法及设备 | |
US8503826B2 (en) | System and method for computer-aided image processing for generation of a 360 degree view model | |
CN109903294B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
WO2012074361A1 (en) | Method of image segmentation using intensity and depth information | |
US20170318240A1 (en) | Methods and apparatus for automated noise and texture optimization of digital image sensors | |
CN110717865B (zh) | 图片检测方法及装置 | |
US20090110322A1 (en) | Methods and systems for estimating illumination source characteristics from a single image | |
CN111738045B (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN109903265B (zh) | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 | |
CN110796615A (zh) | 一种图像去噪方法、装置以及存储介质 | |
CN116542982B (zh) | 一种基于机器视觉的出发判断器缺陷检测方法及装置 | |
CN114820417A (zh) | 图像异常检测方法、装置、终端设备和可读存储介质 | |
CN110390643A (zh) | 一种车牌增强方法、装置及电子设备 | |
CN111028170A (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
CN105701813A (zh) | 一种光场图像的显著性检测方法 | |
CN108205657A (zh) | 视频镜头分割的方法、存储介质和移动终端 | |
CN114820334A (zh) | 图像修复方法、装置、终端设备和可读存储介质 | |
CN111062331A (zh) | 图像的马赛克检测方法、装置、电子设备及存储介质 | |
CN110889817B (zh) | 图像融合质量评价方法及装置 | |
CN103871035B (zh) | 图像去噪方法及装置 | |
CN111476810B (zh) | 图像边缘检测方法、装置、电子设备及存储介质 | |
CN106415596B (zh) | 基于分割的图像变换 | |
JP2013182330A (ja) | 画像処理装置および画像処理方法 |
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 |