CN111652895A - 一种基于元胞自动机理论的边缘检测方法 - Google Patents
一种基于元胞自动机理论的边缘检测方法 Download PDFInfo
- Publication number
- CN111652895A CN111652895A CN202010363431.XA CN202010363431A CN111652895A CN 111652895 A CN111652895 A CN 111652895A CN 202010363431 A CN202010363431 A CN 202010363431A CN 111652895 A CN111652895 A CN 111652895A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- detection method
- method based
- edge detection
- 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
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
- G06T9/00—Image coding
-
- 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
Abstract
本发明揭示一种基于元胞自动机理论的边缘检测方法,其包括以下步骤:S1:获取原始图像;S2:对原始图像进行二值化处理,得到二值化图像;S21:根据二值化图像的能量分布进行区域划分;S22:对区域进行数字化表示;S23:对数字化表示的区域进行编码;S231:对选定区域进行计算,得到相邻矩阵数;S232:选取特定数字表示的区域;S3:根据具有中间连续样本的元胞自动机运算规则对二值化图像进行边缘特征提取,得到目标图像。本发明的基于元胞自动机理论的边缘检测方法对图像边缘进行检测得到的目标图像相比Canny算法测得的图像的边缘更柔和,细节更清晰,处理过程中的噪音小,计算量也相对较少。
Description
技术领域
本发明涉及图像边缘检测技术领域,具体地,涉及一种基于元胞自动机理论的边缘检测方法。
背景技术
边缘检测作为图像领域的一个基本问题,可以为许多传统技术领域提供帮助和参考,如显著性物体检测,图像分割和骨架提取等。目前,常用Canny算法对边缘进行检测,如图1及图2所示,图1为原始图像,图2为采用Canny算法对图像边缘进行检测得到的图像,但是,采用Canny算法进行图像边缘检测得到的图像的柔和度较差,而且计算量大,处理过程中产生的噪音也较大。
发明内容
针对现有技术的不足,本发明公开一种基于元胞自动机理论的边缘检测方法,其包括以下步骤:
获取原始图像;
对原始图像进行二值化处理,得到二值化图像;
根据具有中间连续样本的元胞自动机运算规则对二值化图像进行边缘特征提取,得到目标图像。
根据本发明的一实施方式,上述得到二值化图像后,还包括:
对二值化图像进行处理。
根据本发明的一实施方式,上述基于元胞自动机理论的边缘检测方法采用摩尔近邻模型对二值化图像进行处理。
根据本发明的一实施方式,上述对二值化图像进行处理,包括以下步骤:
根据二值化图像的能量分布进行区域划分;
对区域进行数字化表示;
对数字化表示的区域进行编码。
根据本发明的一实施方式,上述基于元胞自动机理论的边缘检测方法采用二进制对区域进行数字化表示,有能量分布区域表示为1,其余为0。
根据本发明的一实施方式,上述对数字化表示的区域进行编码,包括以下步骤:
对选定区域进行计算,得到相邻矩阵数;
选取特定数字表示的区域。
根据本发明的一实施方式,上述选定区域为表示为1的区域及其临近的区域。
根据本发明的一实施方式,上述特定数字表示的区域为连续不断的。
根据本发明的一实施方式,上述元胞自动机的运算规则为rule56或rule28或rule(xor60)。
根据本发明的一实施方式,上述对原始图像进行二值化处理采用OTSU算法。
本发明的有益效果为:本发明的基于元胞自动机理论的边缘检测方法对图像边缘进行检测得到的目标图像相比Canny算法测得的图像的边缘更柔和,细节更清晰,处理过程中的噪音小,计算量也相对较少。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为采集的原始图像;
图2为采用Canny算法对图像边缘进行检测得到的图像;
图3为本发明实施例一中基于元胞自动机理论的边缘检测方法的流程示意图;
图4为本发明实施例一中对二值化图像进行处理的流程示意图;
图5为本发明实施例一中对数字化表示的区域进行编码的流程示意图;
图6为本发明实施例一中摩尔近邻模型的示意图;
图7为本发明实施例一中举例原始图像的单色显示图;
图8为图7数字化表示的示意图;
图9为本发明实施例一中相邻矩阵数的示意图;
图10为图9彩色表示的示意图;
图11为本发明实施例一中选取特定数字表示的区域的示意图;
图12为本发明实施例一中的目标图像;
图13为本发明实施例二中的二值化图像;
图14为本发明实施例二中的目标图像。
具体实施方式
以下将以图式揭露本发明的多个实施方式,为明确说明起见,许多实务上的细节将在以下叙述中一并说明。然而,应了解到,这些实务上的细节不应用以限制本发明。也就是说,在本发明的部分实施方式中,这些实务上的细节是非必要的。此外,为简化图式起见,一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,并非特别指称次序或顺位的意思,亦非用以限定本发明,其仅仅是为了区别以相同技术用语描述的组件或操作而已,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
为能进一步了解本发明的内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下:
实施例一
请参照图3、图4以及图5,图3为本发明实施例一中基于元胞自动机理论的边缘检测方法的流程示意图;图4为本发明实施例一中对二值化图像进行处理的流程示意图;图5为本发明实施例一中对数字化表示的区域进行编码的流程示意图。如图所示,本申请的基于元胞自动机理论的边缘检测方法具体包括以下步骤:
S1:获取原始图像;
S2:对原始图像进行二值化处理,得到二值化图像;
S3:根据具有中间连续样本的元胞自动机运算规则对二值化图像进行边缘特征提取,得到目标图像。
在步骤S1中,可采用现有的采集原始图像的方式,例如,利用工业相机拍摄元件的图片,从而获得原始图像。
在步骤S2中,采用OTSU算法(大律算法)对原始图像进行二值化处理,OTSU算法步骤如下:
设图像包含L个灰度级(0,1…,L-1),灰度值为i的的像素点数为Ni,图像总的像素点数为N=N0+N1+...+N(L-1)。
灰度值为i的点的概率为:P(i)=N(i)/N。
门限t将整幅图像分为暗区c1和亮区c2两类,则类间方差σ是t的函数:
σ=a1*a2(u1-u2)^2 (2)
式中,aj为类cj的面积与图像总面积之比,a1=sum(P(i))i->t,a2=1-a1;
uj为类cj的均值,u1=sum(i*P(i))/a10->t,u2=sum(i*P(i))/a2,t+1->L-1,该法选择最佳门限t^使类间方差最大,即:令Δu=u1-u2,σb=max{a1(t)*a2(t)Δu^2。
采用OTSU算法不但计算简单快速,而且不受图像亮度和对比度的影响,可使得图像的边缘清晰呈现,以便于精准定位。
得到二值化图像后,还包括对二值化图像进行处理,对二值化图像进行处理采用元胞自动机的摩尔近邻模型,如图6所示,图6为本发明实施例一中摩尔近邻模型的示意图。摩尔近邻模型是指一个元胞是上、下、左、右、左上、右上、右下、左下相邻八个元胞为该元胞的邻居,元胞随机向着八个邻居进行分子扩散。为便于说明,在摩尔近邻模型中,以中心元胞为原点建立平面直角坐标系,分别取平面直角坐标系原点周围的八个点,分别为(-1,-1)、(0,-1)、(+1,-1)、(-1,0)、(+1,0)、(-1,+1)、(0,+1)及(+1,+1),原始图像会将自身的基本能量以分子的扩散原理向着自身的八个方向进行扩散。
进一步地,对二值化图像进行处理包括以下步骤:
S21:根据二值化图像的能量分布进行区域划分;
S22:对区域进行数字化表示;
S23:对数字化表示的区域进行编码。
在步骤S22中,对区域进行数字化表示采用二进制,有能量分布区域表示为1,其余为0,所有表示为1的区域连接成二值化图像。
更进一步地,对数字化表示的区域进行编码包括以下步骤:
S231:对选定区域进行计算,得到相邻矩阵数;
S232:选取特定数字表示的区域。
在步骤S231中,选定区域为所有表示为1的区域及与表示为1的区域临近的区域,计算方法为将每一选定区域的值与每一选定区域临近的周围八个区域的值相加求和,得到的和替换选定区域的值,最终得到相邻矩阵数,相邻矩阵数的每一区域内的数字为自然数0到9中的任意一个。
在步骤S232中,选取特定数字表示的区域,特定数字通过元胞自动机的270种运算规则中具有中间连续样本的运算规则进行选择,270种运算规则包括{0-255}的256种、xor(异或)7种及xnor(同或)7种,xor及xnor的规则如表1所示:
表1
rule(xor) | qi-1 | qi | qi+1 | rule(xnor) |
60 | 1 | 1 | 0 | 195 |
90 | 1 | 0 | 1 | 165 |
102 | 0 | 1 | 1 | 153 |
150 | 1 | 1 | 1 | 105 |
170 | 0 | 0 | 1 | 85 |
204 | 0 | 1 | 0 | 51 |
240 | 1 | 0 | 0 | 15 |
270种运算规则中,具有中间连续样本运算规则的有rule56、rule28及rule(xor60);如表2所示:
表2
value | code | rule56 | rule28 | rule(xor60) | rule180 | rule(xor153) |
128 | 111 | 0 | 0 | 0 | 1 | 1 |
64 | 110 | 0 | 0 | 0 | 0 | 0 |
32 | 101 | 1 | 0 | 1 | 1 | 0 |
16 | 100 | 1 | 1 | 1 | 1 | 1 |
8 | 011 | 1 | 1 | 1 | 0 | 1 |
4 | 010 | 0 | 1 | 1 | 1 | 0 |
2 | 001 | 0 | 0 | 0 | 0 | 0 |
1 | 000 | 0 | 0 | 0 | 0 | 1 |
code(编码)由000至111分别表示为样本0-7,也就是说从下至上共有八个样本,中间连续样本运算规则是指运算规则的数值连续为1,且对应的value相加为运算规则的数值,例如,rule56连续为1的value对应8、16及32,而8+16+32=56,也就是说,rule56是中间连续样本运算规则,同理,rule28连续为1的value对应4、8及16,4+8+16=28,rule(xor60)连续为1的value对应8、16及32,8+16+32=60;再例如,rule(xor153),虽然其存在连续为1的部分,但是连续为1的部分对应的value相加并不是运算规则的数值,即8+16≠153,因此,rule(xor153)不是中间连续样本运算规则。
为了便于理解rule56、rule28及rule(xor60)等元胞自动机运算规则的中间连续样本提取边缘特征的原理,现通过下一举例进行说明,具体如下:
如图7所示,图7为本发明实施例一中举例原始图像的单色显示图。
步骤1:根据原始图像的单色显示图的能量分布进行区域划分;
步骤2:采用二进制对区域进行数字化表示,有能量分布区域表示为1,其余为0(如图8所示);
步骤3:选定所有表示为1的区域及与表示为1的区域临近的表示为0的区域,逐一对每个选定的区域及该区域周围八个区域的数值进行求和,并将得到的和替换原区域内的数字,得到相邻矩阵数(如图9所示);为了便于观察,可对非零数字进行彩色标示,且同一数字采用同一颜色标示(如图10所示);
步骤4:提取相邻矩阵数中标示4、5及6的区域,选取4、5及6的区域的依据如表3所示,选取的是表3内中间且连续的样本,即,是根据表3中Then连续等于1时,Value所对应的样本编号去选取4-6区域,将未选取的区域的颜色进行释放(如图11所示),最终,将选取的区域进行单色展示,即将标示4、5及6的区域的三种颜色变为同一种颜色,优选为黑色,得到目标图像(如图12所示)。
表3
IF Value=0 Then 0 |
IF Value=1 Then 0 |
IF Value=2 Then 0 |
IF Value=3 Then 0 |
IF Value=4 Then 1 |
IF Value=5 Then 1 |
IF Value=6 Then 1 |
IF Value=7 Then 0 |
IF Value=8 Then 0 |
IF Value=9 Then 0 |
表3中,Then后的0或1分别表示元胞的“死”状态和“生”状态,选取时只选取“生”状态的元胞,也就是说,如果Then后为0,则不选取,如果Then后为1,则选取。
根据上述举例可知,具有相似特征的rule56、rule28及rule(xor60)等元胞自动机的运算规则可实现对图像边缘特征进行提取。
实施例二
本实施例采用基于元胞自动机理论的边缘检测方法对图1所示的原始图像的边缘进行检测提取。
S1:采集原始图像;
S2:采用OTSU算法对原始图像进行二值化处理,得到二值化图像(如图13所示);
S3:根据具有中间连续样本的rule56运算规则对二值化图像进行边缘特征提取,得到目标图像(如图14所示)。
将图14与图2进行对比,可以看出,采用基于元胞自动机理论的边缘检测方法得到的目标图像更柔和,细节也更多更清晰,
综上所述,在本发明一或多个实施方式中,本发明的基于元胞自动机理论的边缘检测方法对图像边缘进行检测得到的目标图像相比Canny算法测得的图像的边缘更柔和,细节更清晰,处理过程中的噪音小,计算量也相对较少。
上所述仅为本发明的实施方式而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理在内所作的任何修改、等同替换、改进等,均应包括在本发明的权利要求范围之内。
Claims (10)
1.一种基于元胞自动机理论的边缘检测方法,其特征在于,包括以下步骤:
获取原始图像;
对所述原始图像进行二值化处理,得到二值化图像;
根据具有中间连续样本的元胞自动机运算规则对所述二值化图像进行边缘特征提取,得到目标图像。
2.根据权利要求1所述的基于元胞自动机理论的边缘检测方法,其特征在于,得到所述二值化图像后,还包括:
对所述二值化图像进行处理。
3.根据权利要求2所述的基于元胞自动机理论的边缘检测方法,其特征在于,采用摩尔近邻模型对所述二值化图像进行处理。
4.根据权利要求3所述的基于元胞自动机理论的边缘检测方法,其特征在于,对所述二值化图像进行处理,包括以下步骤:
根据所述二值化图像的能量分布进行区域划分;
对所述区域进行数字化表示;
对数字化表示的区域进行编码。
5.根据权利要求4所述的基于元胞自动机理论的边缘检测方法,其特征在于,采用二进制对所述区域进行数字化表示,有能量分布区域表示为1,其余为0。
6.根据权利要求4所述的基于元胞自动机理论的边缘检测方法,其特征在于,对数字化表示的区域进行编码,包括以下步骤:
对选定区域进行计算,得到相邻矩阵数;
选取特定数字表示的区域。
7.根据权利要求6所述的基于元胞自动机理论的边缘检测方法,其特征在于,选定区域为表示为1的区域及其临近的区域。
8.根据权利要求6所述的基于元胞自动机理论的边缘检测方法,其特征在于,所述特定数字表示的区域为连续不断的。
9.根据权利要求1所述的基于元胞自动机理论的边缘检测方法,其特征在于,具有中间连续样本的元胞自动机的运算规则包括rule56、rule28及rule(xor60)。
10.根据权利要求1所述的基于元胞自动机理论的边缘检测方法,其特征在于,对原始图像进行二值化处理采用OTSU算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010363431.XA CN111652895B (zh) | 2020-04-30 | 2020-04-30 | 一种基于元胞自动机理论的边缘检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010363431.XA CN111652895B (zh) | 2020-04-30 | 2020-04-30 | 一种基于元胞自动机理论的边缘检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652895A true CN111652895A (zh) | 2020-09-11 |
CN111652895B CN111652895B (zh) | 2021-11-19 |
Family
ID=72348209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010363431.XA Active CN111652895B (zh) | 2020-04-30 | 2020-04-30 | 一种基于元胞自动机理论的边缘检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652895B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1971619A (zh) * | 2006-12-05 | 2007-05-30 | 上海大学 | 基于元胞自动机的图像边缘检测算法 |
UA61795U (uk) * | 2011-02-02 | 2011-07-25 | Государственный Экономико-Технологический Университет Транспорта | Спосіб розпізнавання плоских геометричних фігур |
CN102156979A (zh) * | 2010-12-31 | 2011-08-17 | 上海电机学院 | 基于GrowCut的车道线快速检测方法及系统 |
-
2020
- 2020-04-30 CN CN202010363431.XA patent/CN111652895B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1971619A (zh) * | 2006-12-05 | 2007-05-30 | 上海大学 | 基于元胞自动机的图像边缘检测算法 |
CN102156979A (zh) * | 2010-12-31 | 2011-08-17 | 上海电机学院 | 基于GrowCut的车道线快速检测方法及系统 |
UA61795U (uk) * | 2011-02-02 | 2011-07-25 | Государственный Экономико-Технологический Университет Транспорта | Спосіб розпізнавання плоских геометричних фігур |
Non-Patent Citations (2)
Title |
---|
叶瑞芳等: "基于摩尔近邻模型的二维元胞自动机在图像处理中的应用", 《现代电子技术》 * |
读芯术: "一文读懂细胞自动机的起源、原理和应用", 《HTTPS://ZHUANLAN.ZHIHU.COM/P/60797020》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111652895B (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009607B (zh) | 显示屏坏点检测方法、装置、计算机设备和存储介质 | |
CN103080950B (zh) | 二维码读取器及程序 | |
CN113379680B (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
CN108280823A (zh) | 一种工业生产中光缆表面弱边缘瑕疵的检测方法及系统 | |
CN102739951A (zh) | 图像处理装置及图像处理方法 | |
CN113724243B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN108090494A (zh) | 基于Gabor滤波器及支持向量机纺织品瑕疵识别方法 | |
CN102739911A (zh) | 图像处理装置及图像处理方法 | |
CN115759148B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
US8000535B2 (en) | Methods and systems for refining text segmentation results | |
CN110490924A (zh) | 一种基于多尺度Harris的光场图像特征点检测方法 | |
Huang et al. | Adaptive automatic segmentation of HEp-2 cells in indirect immunofluorescence images | |
CN111507411A (zh) | 一种图像比对的方法及系统 | |
Zhu et al. | Atmospheric light estimation in hazy images based on color-plane model | |
CN111652895B (zh) | 一种基于元胞自动机理论的边缘检测方法 | |
CN112184696B (zh) | 一种细胞核和细胞器计数及其面积计算方法与系统 | |
CN109214486B (zh) | 三维码、三维码的生成方法和装置、识别方法和装置 | |
CN113378797A (zh) | 指纹采集头的水滴检测方法 | |
CN111709960B (zh) | 一种基于元胞自动机理论的图像边缘精准定位方法 | |
CN112818983A (zh) | 一种利用图片相识度判断字符倒置的方法 | |
KR101757071B1 (ko) | 엔트로피 기초 영상 분할 방법 | |
CN111199163A (zh) | 一种环形码的边缘检测与定位识别方法 | |
Tang | A digitalization-based image edge detection algorithm in intelligent recognition of 5G smart grid | |
CN105975892B (zh) | 彩色图片二维码解码方法 |
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 |