CN112070792B - 一种用于图像分割的边缘生长连接方法及装置 - Google Patents
一种用于图像分割的边缘生长连接方法及装置 Download PDFInfo
- Publication number
- CN112070792B CN112070792B CN202010860730.4A CN202010860730A CN112070792B CN 112070792 B CN112070792 B CN 112070792B CN 202010860730 A CN202010860730 A CN 202010860730A CN 112070792 B CN112070792 B CN 112070792B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- breaking
- image
- edge
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000003709 image segmentation Methods 0.000 title claims abstract description 47
- 238000003708 edge detection Methods 0.000 claims abstract description 76
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 17
- 230000011218 segmentation Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 239000000872 buffer Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 201000009310 astigmatism Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006740 morphological transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种用于图像分割的边缘生长连接方法及装置，所述方法包括：对待分割图像进行二值化的边缘检测，获得边缘检测结果；对所述边缘检测结果进行断裂点分析，获得断裂点集合；若判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界，则基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连。所述装置用于执行上述方法。本发明实施例提供的用于图像分割的边缘生长连接方法及装置，能够消除待分割图像中的断裂点，使待分割图像的边缘闭合，保证后续图像分割的顺利进行。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种用于图像分割的边缘生长连接方法及装置。
背景技术
图像分割是将一张包含多个对象的数字图像按照相似度划分成若干个子图像的过程。在机器视觉、人脸识别、指纹识别、卫星图像定位物体、医学等方面得到了广泛应用。
现有技术中，图像分割主要有基于深度学习的方法和传统方法两大类。基于深度学习的方法根据神经网络的结构特征可分为基于特征编码的分割方法(VGGnet，ResNet等)、基于区域推荐的分割方法(R-CNN，Fast R-CNN，Faster R-CNN，Mask R-CNN等)、基于循环神经网络的分割方法(ReSeg，MDRNNs等)、基于反卷积的分割方法(FCN，SetNet等)，以及基于其他理论的新方法(DeepLab，DenseCRFs，DCNN等)。传统方法又可分为基于阈值的分割方法、基于区域的分割方法和基于边缘检测的分割方法。传统的图像分割方法由于无须人工标注训练样本仍是目前广泛应用的方法，例如用于抠图的图割算法，用于生物图像分割的分水岭算法等，属于基于区域生长的方法，使用颜色、纹理、空间邻近等特征度量像素的相似程度，从种子像素扩展到整个物体区域。传统方法中，基于阈值的分割方法对于相似度较高的两个物体往往造成误判；基于区域的分割方法往往需要事先选取种子像素，例如抠图时往往需要人工标记背景区域和感兴趣区域，使用迭代的方法获得分割结果，难以应用于自动化的检测业务；基于边缘检测的分割方法，常常由于边缘的断裂导致分割失败，形态学变换能够闭合较窄的断边，但对于较宽的断裂难以得到闭合边缘，而且形态学变换的连接会导致边缘变粗，边缘的定位精度变差，分割得到的物体难以得到准确的边界。
发明内容
针对现有技术中的问题，本发明实施例提供一种用于图像分割的边缘生长连接方法及装置，能够至少部分地解决现有技术中存在的问题。
一方面，本发明提出一种用于图像分割的边缘生长连接方法，包括：
对待分割图像进行二值化的边缘检测，获得边缘检测结果；
对所述边缘检测结果进行断裂点分析，获得断裂点集合；
若判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界，则基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连。
另一方面，本发明提供一种用于图像分割的边缘生长连接装置，包括：
边缘检测单元，用于对待分割图像进行二值化的边缘检测，获得边缘检测结果；
断裂点分析单元，用于对所述边缘检测结果进行断裂点分析，获得断裂点集合；
生长单元，用于在判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界之后，基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连。
再一方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例所述用于图像分割的边缘生长连接方法的步骤。
又一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述用于图像分割的边缘生长连接方法的步骤。
本发明实施例提供的用于图像分割的边缘生长连接方法及装置，对待分割图像进行二值化的边缘检测，获得边缘检测结果，然后对边缘检测结果进行断裂点分析，获得断裂点集合，在判断获知断裂点集合中的断裂点不在待分割图像的边界之后，基于边缘生长规则使断裂点与待分割图像的已有边缘相连，能够消除待分割图像中的断裂点，使待分割图像的边缘闭合，保证后续图像分割的顺利进行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1是本发明一实施例提供的用于图像分割的边缘生长连接方法的流程示意图。
图2a是本发明一实施例提供的待分割图像的示意图。
图2b是本发明一实施例提供的待分割图像的边缘检测结果的示意图。
图2c是本发明一实施例提供的待分割图像的边缘检测结果的局部放大示意图。
图3是本发明另一实施例提供的用于图像分割的边缘生长连接方法的流程示意图。
图4a是本发明一实施例提供的断裂点1的3×3的像素区域的示意图；
图4b是本发明一实施例提供的断裂点1的待确定生长点的示意图；
图4c是本发明一实施例提供的断裂点1的生长点的示意图；
图4d是本发明一实施例提供的断裂点1的生长最终结果的示意图；
图5是本发明又一实施例提供的用于图像分割的边缘生长连接方法的流程示意图。
图6是本发明一实施例提供的用于图像分割的边缘生长连接装置的结构示意图。
图7是本发明另实施例提供的用于图像分割的边缘生长连接装置的结构示意图。
图8是本发明又实施例提供的用于图像分割的边缘生长连接装置的结构示意图。
图9是本发明再实施例提供的用于图像分割的边缘生长连接装置的结构示意图。
图10是本发明一实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
为了便于理解本申请提供的技术方案，下面先对本申请技术方案的研究背景进行简单说明。现有技术中的边缘检测往往会忽略部分弱置信度的边缘像素，导致数字图像中的物体难以通过边缘有效分割。特别是基于边缘检测的分割方法，常常由于边缘的断裂导致分割失败。本发明实施例提供的用于图像分割的边缘生长连接方法，能够提高断裂边缘的连接效果，保证边缘的细致性并提高图像分割的有效性。本发明实施例提供的用于图像分割的边缘生长连接方法的执行主体包括但不限于计算机、服务器等设备。
图1是本发明一实施例提供的用于图像分割的边缘生长连接方法的流程示意图，如图1所示，本发明实施例提供的用于图像分割的边缘生长连接方法，包括：
S101、对待分割图像进行二值化的边缘检测，获得边缘检测结果；
具体地，可以采用Sobel、Laplacian、log等边缘检测算子经过阈值化处理或者使用Canny算法对待分割图像进行二值化的边缘检测，获得所述待分割图像的边缘检测结果。所述待分割图像的边缘检测结果包括所述待分割图像的边缘，所述待分割图像的边缘上的像素点都为黑色，所述待分割图像的非边缘上的像素点都为白色。
S102、对所述边缘检测结果进行断裂点分析，获得断裂点集合；
具体地，由于光照不均、对焦不准、色散、像散等原因，会使得所述待分割图像中不同物体之间形成颜色连续变换的过渡区，边界不清晰，从而导致所述待分割图像的边缘检测结果中出现断裂点。对所述边缘检测结果进行断裂点分析，可以获得所述待分割图像的边缘上的所有断裂点，构成断裂点集合。
例如，对图2a所示的待分割图像，图中灰色部分，进行二值化的边缘检测，获得的边缘检测结果如图2b所示，图中黑色线条即为待分割图像的边缘，是由黑色像素点构成的，待分割图像的边缘以外的区域都由白色像素点构成。对图2b所示的图像中的黑色方框中的图像进行局部放大，获得的局部放大图如图2c所示，图2c中边缘点1处明显存在断裂，边缘点2处不存在断裂。
S103、若判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界，则基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连。
具体地，由于所述待分割图像的大小是有限的，会存在边界，例如对于宽m个像素和高n个像素的待分割图像，第1行、第n行、第1列和第m列即为所述待分割图像的边界。对于所述断裂点集合中的每个断裂点，都可以判断出所述断裂点是否在所述待分割图像的边界，如果判断出所述断裂点不在所述待分割图像的边界，那么可以基于边缘生长规则使所述断裂点向所述待分割图像的已有边缘生长，直到所述断裂点与所述待分割图像的已有边缘相连，从而消除该断裂点处的断裂。
例如，待分割图像A，宽50个像素和高40个像素，对于待分割图像A的断裂点集合中的一个断裂点p，像素坐标为(x，y)，根据断裂点p的像素坐标，可以判断断裂点p是否为待分割图像A的第1行、第40行、第1列和第50列的像素点，如果不是，那么可以基于边缘生长规则使断裂点p与待分割图像A的已有边缘相连。
本发明实施例提供的用于图像分割的边缘生长连接方法，对待分割图像进行二值化的边缘检测，获得边缘检测结果，然后对边缘检测结果进行断裂点分析，获得断裂点集合，在判断获知断裂点集合中的断裂点不在待分割图像的边界之后，基于边缘生长规则使断裂点与待分割图像的已有边缘相连，能够消除待分割图像中的断裂点，使待分割图像的边缘闭合，保证后续图像分割的顺利进行。
在上述各实施例的基础上，进一步地，所述对所述边缘检测结果进行断裂点分析，获得断裂点集合包括：
遍历所述边缘检测结果中的每个边缘点，获得满足断裂点判断规则的边缘点作为断裂点；其中，所述断裂点判断规则是预设的。
具体地，对于所述边缘检测结果中的每个边缘点，判断所述边缘点是否满足断裂点判断规则，如果满足所述断裂点判断规则，那么将所述边缘点作为断裂点。遍历所述边缘检测结果中的每个边缘点，找出所有的断裂点，构成所述断裂点集合。其中，所述边缘点为所述待分割图像的边缘上的像素点。所述断裂点判断规则是预设的。
例如，所述断裂点判断规则包括：与边缘点相邻的八个像素点只形成一个连通的白色区域且与所述边缘点相邻的八个像素点中黑色像素点的个数小于3。获取与边缘点相邻的八个像素点，判断是否只存在一个连通的白色区域，所述白色区域是由与边缘点相邻的八个像素点中若干个依次相邻的白色像素点构成的，并且判断与边缘点相邻的八个像素点中黑色像素点的个数q是否小于3。如果与边缘点相邻的八个像素点中只存在一个连通的白色区域，并且黑色像素点的个数q小于3，那么该边缘点为断裂点。可理解的是，边缘点以及与边缘点相邻的八个像素点构成3×3的像素区域。
如图2c所示，对于边缘点1，与边缘点1相邻的八个像素点中有六个为白色像素点，两个为黑色像素点，六个为白色像素点形成一个连通的白色区域并且黑色像素点的数量小于3，满足所述断裂点判断规则，所以边缘点1为断裂点，由图2c中也可以看出边缘点1处确实发生了断裂。对于边缘点2，边缘点2相邻的八个像素点中有六个为白色像素点其中四个为白色像素点形成一个连通的白色区域，另外两个白色像素点形成另外一个连通的白色区域，两个为黑色像素点，不满足所述断裂点判断规则，所以边缘点2不是断裂点，由图2c中也可以看出边缘点2是连续的边缘上的像素点。
其中，如果边缘点位于所述待分割图像的边界，所述边缘点周围没有八个相邻的像素点，可以补充缺少的像素点，并且补充的像素点为白色像素点。
图3是本发明另一实施例提供的用于图像分割的边缘生长连接方法的流程示意图，如图3所示，在上述各实施例的基础上，进一步地，所述基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连包括：
S1031、获取与所述断裂点相邻的八个像素点；
具体地，由于所述待分割图像的每个像素点都有像素坐标，可以基于所述断裂点的像素坐标，确定与所述断裂点相邻的八个像素点，从而能够获取与所述断裂点相邻的八个像素点。
S1032、从所述八个像素点中去除边缘点以及与边缘点相邻的像素点，获得所述断裂点的待确定生长点；
具体地，与所述断裂点相邻的八个像素点存在黑色像素点和白色像素点两种，其中的黑色像素点为边缘点，从所述八个像素点中去除边缘点以及与边缘点相邻的像素点，将剩余的像素点作为所述断裂点的待确定生长点。
S1033、获取所述断裂点的待确定生长点中信息熵最大的待确定生长点，作为所述断裂点的生长点；
具体地，对于所述待分割图像，图像中的每个像素点都对应一个信息熵。可以获得所述断裂点的待确定生长点中每个像素点对应的信息熵，对比所述断裂点的待确定生长点中每个像素点对应的信息熵的大小，获取信息熵最大的待确定生长点，作为所述断裂点的生长点，确定为所述断裂点的生长点会由白色像素点变为黑色像素点。
S1034、若判断获知所述断裂点的生长点不满足断裂点判断规则，则确定所述断裂点与所述待分割图像的已有边缘相连；其中，所述断裂点判断规则是预设的。
具体地，在获得所述断裂点的生长点之后，会判断所述断裂点的生长点是否满足断裂点判断规则，如果不满足所述断裂点判断规则，说明所述生长点与所述待分割图像的已有边缘相连，所述断裂点的生长点又与所述断裂点相邻，那么可以确定所述断裂点与所述待分割图像的已有边缘相连。其中，所述断裂点判断规则是预设的。生长点是否满足断裂点判断规则的具体判断过程，与边缘点是否满足断裂点判断规则的具体判断过程类似，此处不进行赘述。
在上述各实施例的基础上，进一步地，本发明实施例提供的用于图像分割的边缘生长连接方法还包括：
若判断获知所述断裂点的生长点满足所述断裂点判断规则，则将所述断裂点的生长点作为新的断裂点，重新进行所述断裂点的生成过程，直到新的断裂点与所述待分割图像的已有边缘相连。
具体地，在获得所述断裂点的生长点之后，会判断所述断裂点的生长点是否满足断裂点判断规则，如果所述断裂点的生长点满足所述断裂点判断规则，说明所述断裂点的生长点依然为断裂点，将所述断裂点的生长点作为新的断裂点，重新进行所述断裂点的生成过程，即重复步骤S1031、S1032和S1033，获得新的生长点，然后再判断新的生长点是否满足所述断裂点判断规则，如果不满足，那么将新的生长点作为新的断裂点，重新进行所述断裂点的生成过程，直到新的断裂点与所述待分割图像的已有边缘相连。如果新的生长点满足所述断裂点判断规则，说明新的断裂点与所述待分割图像的已有边缘相连。
例如，图2c中的边缘点1为断裂点，将边缘点1作为断裂点1，以断裂点1为例说明基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连的过程。获取与断裂点1相邻的八个像素点，断裂点1以及与断裂点1相邻的八个像素点构成3×3的像素区域，如图4a所示，类似与九宫格的形状，断裂点1居中。从与断裂点1相邻的八个像素点中去除边缘点以及与边缘点相邻的像素点，图4a中与断裂点1相邻的八个像素点中有两个边缘点，以及两个与边缘点相邻的像素点，剩余4个像素点作为断裂点1的待确定生长点，如图4b所示，两个黑色的像素点为边缘点，画X的像素点为与边缘点相邻的像素点，像素点1、像素点2、像素点3和像素点4为待确定生长点。获得像素点1、像素点2、像素点3和像素点4对应的信息熵，从中确定信息熵最大的像素点，如果像素点4的信息熵最大，那么像素点4作为断裂点1的生长点，如图4c所示。判断像素点4是否满足所述断裂点判断规则，如果像素点4满足所述断裂点判断规则，将像素点4作为新的断裂点，重新进行断裂点的生成过程，直到新的断裂点与所述待分割图像的已有边缘相连。在生长完成之后，获得的断裂点1的生长最终结果如图4d所示，对比断裂点1生长前的图和断裂点1的生长结果，可以发现在生长完成后断裂点1与所述待分割图像的已有边缘相连，断裂点1处不再存在断裂。
在上述各实施例的基础上，进一步地，所述断裂点判断规则包括：
与目标点相邻的八个像素点只形成一个连通的白色区域且与所述目标点相邻的八个像素点中黑色像素点的个数大于等于3。
具体地，目标点是需要判断是否为断裂点的像素点，可以为边缘点或者生长点。所述断裂点判断规则包括：与目标点相邻的八个像素点只形成一个连通的白色区域且与所述目标点相邻的八个像素点中黑色像素点的个数小于3。获取与目标点相邻的八个像素点，判断是否只存在一个连通的白色区域，所述白色区域是由与目标点相邻的八个像素点中若干个依次相邻的白色像素点构成的，并且判断与目标点相邻的八个像素点中黑色像素点的个数是否小于3。如果与目标点相邻的八个像素点中只存在一个连通的白色区域，并且与目标点相邻的八个像素点中黑色像素点的个数小于3，那么该目标点为断裂点。否则，该目标点不是断裂点。例如，与目标点相邻的八个像素点中存在两个或者两个以上连通的白色区域，那么所述目标点不是断裂点。虽然目标点相邻的八个像素点中只存在一个连通的白色区域，但是与目标点相邻的八个像素点中黑色像素点的个数大于等于3，那么所述目标点不是断裂点。
图5是本发明又一实施例提供的用于图像分割的边缘生长连接方法的流程示意图，如图5所示，在上述各实施例的基础上，进一步地，本发明实施例提供的用于图像分割的边缘生长连接方法还包括：
S501、若判断获知所述断裂点集合中的断裂点在所述待分割图像的边界，则获取位于所述待分割图像的同一条边界上的断裂点；
具体地，对于所述断裂点集合中的每个断裂点，都可以判断出所述断裂点是否在所述待分割图像的边界，如果判断出所述断裂点在所述待分割图像的边界，那么可以获取位于所述待分割图像的同一条边界上的断裂点。
例如，待分割图像A，宽50个像素和高40个像素，对于待分割图像A的断裂点集合中的一个断裂点p，像素坐标为(x，y)，根据断裂点p的像素坐标，可以判断断裂点p是否为待分割图像A的第1行、第40行、第1列和第50列的像素点，如果是，那么断裂点p在待分割图像A的边界。所述服务器可以对待分割图像A的断裂点集合中每个断裂点逐一进行判断，获取所有在待分割图像A的边界的断裂点，然后获取在待分割图像A的同一条边界上的断裂点，即分别获取在分割图像A的第1行的断裂点，在分割图像A的第40行的断裂点，在分割图像A的第1列的断裂点，在分割图像A的第50列的断裂点。其中，待分割图像A的第1行、第40行、第1列和第50列为待分割图像A的边界。可理解的是，待分割图像A的同一条边界上的断裂点可能为0个，1个，2个以及2个以上。
S502、获取所述待分割图像的同一条边界上相邻参考点以及所述相邻参考点之间的边界像素点的灰度值，并计算所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点的灰度值的平均值；其中，所述参考点包括位于所述待分割图像的同一条边界上的断裂点和顶点；
具体地，所述服务器在获得位于所述待分割图像的同一条边界上的断裂点之后，将所述待分割图像的同一条边界上的断裂点和顶点作为参考点，获取所述待分割图像的同一条边界上相邻参考点以及所述相邻参考点之间的边界像素点的灰度值，然后计算所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点的灰度值的平均值。可理解的是，对于宽m个像素和高n个像素的待分割图像，存在四个顶点，第1行与第1列相交于一个顶点，第1行与第m列相交于一个顶点，第n行与第1列相交于一个顶点，第n行与第m列相交于一个顶点，所述待分割图像的同一条边界上有两个顶点。
例如，待分割图像A的第1行上有3个断裂点，断裂点1、断裂点2和断裂点3，以及两个顶点，顶点1和顶点2，所述服务器可以将断裂点1、断裂点2、断裂点3、顶点1和顶点2作为所述参考点。断裂点2分别与断裂点1和断裂点3相邻，顶点1与断裂点1相邻，断裂点3与顶点2相邻。那么所述服务器会获取断裂点1和断裂点2的灰度值，以及断裂点1和断裂点2之间的第1行的边界像素点的灰度值，然后计算断裂点1和断裂点2以及断裂点1和断裂点2之间的第1行的边界像素点的灰度值平均值。同理，所述服务器可以计算断裂点2和断裂点3以及断裂点2和断裂点3之间的第1行的边界像素点的灰度值的灰度平均值，计算顶点1和断裂点1以及顶点1和断裂点1之间的第1行的边界像素点的灰度值的灰度平均值，计算顶点2和断裂点3以及顶点2和断裂点3之间的第1行的边界像素点的灰度值的灰度平均值。
例如，待分割图像A的第1列上有1个断裂点，断裂点4，待分割图像A的第1列与第1行相交处有一个顶点，标记为顶点2，待分割图像A的第1列与第40行相交处有一个顶点，标记为顶点3，所述服务器可以将断裂点4、顶点2和顶点3作为所述参考点。所述服务器会获取断裂点4和顶点1的灰度值，以及断裂点4和顶点1之间的第1列的边界像素点的灰度值，然后计算断裂点4和顶点1以及断裂点4和顶点1之间的第1列的边界像素点的灰度值的平均值。同理，所述服务器可以计算断裂点4和顶点2以及断裂点4和顶点2之间的第1列的边界像素点的灰度值的平均值。
S503、若判断获知所述平均值大于预设值，则将所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点作为边缘点；
具体地，所述服务器在获得所述平均值之后，会将所述平均值与预设值进行比较，如果所述平均值大于所述预设值，将计算所述平均值的所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点作为边缘点，所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点都成为黑色像素点，形成一条边界线。其中，所述预设值根据实际经验进行设置，本发明实施例不做限定。
本发明实施例提供的用于图像分割的边缘生长连接方法，与现有技术相比，至少具有如下优点。
(1)边缘生长规则利用了响应边缘的特征，边缘检测用到的算子与边缘生长用到的算子不同，相当于两种算子的融合，更好地保证了断裂边缘沿着真实边缘生长。
(2)判断边界断裂点，从断裂点逐渐生长，可以连接非常宽的断边，提高边缘检测的定位精度。
(3)对于大量的连续性边界像素点只运行了一遍判断，后续无须进一步算法处理，大大降低了运算量。
(4)具有良好的鲁棒性，如果出现虚假的断裂点，其很容易生长成一个环状结构，从而结束边缘生长。
(5)与现有技术的深度学习技术相比，无须大量的人工标注数据，能够使视觉检测相关项目快速落地。
图6是本发明一实施例提供的用于图像分割的边缘生长连接装置的结构示意图，如图6所示，本发明实施例提供的用于图像分割的边缘生长连接装置包括边缘检测单元601、断裂点分析单元602和生长单元603，其中：
边缘检测单元601用于对待分割图像进行二值化的边缘检测，获得边缘检测结果；断裂点分析单元602用于对所述边缘检测结果进行断裂点分析，获得断裂点集合；生长单元603用于在判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界之后，基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连。
具体地，边缘检测单元601可以采用Sobel、Laplacian、log等边缘检测算子经过阈值化处理或者使用Canny算法对待分割图像进行二值化的边缘检测，获得所述待分割图像的边缘检测结果。所述待分割图像的边缘检测结果包括所述待分割图像的边缘，所述待分割图像的边缘上的像素点都为黑色，所述待分割图像的非边缘上的像素点都为白色。
由于光照不均、对焦不准、色散、像散等原因，会使得所述待分割图像中不同物体之间形成颜色连续变换的过渡区，边界不清晰，从而导致所述待分割图像的边缘检测结果中出现断裂点。断裂点分析单元602对所述边缘检测结果进行断裂点分析，可以获得所述待分割图像的边缘上的所有断裂点，构成断裂点集合。
由于所述待分割图像的大小是有限的，会存在边界，例如对于宽m个像素和高n个像素的待分割图像，第1行、第n行、第1列和第m列即为所述待分割图像的边界。对于所述断裂点集合中的每个断裂点，生长单元603都可以判断出所述断裂点是否在所述待分割图像的边界，如果判断出所述断裂点不在所述待分割图像的边界，那么可以基于边缘生长规则使所述断裂点向所述待分割图像的已有边缘生长，直到所述断裂点与所述待分割图像的已有边缘相连，从而消除该断裂点处的断裂。
本发明实施例提供的用于图像分割的边缘生长连接装置，对待分割图像进行二值化的边缘检测，获得边缘检测结果，然后对边缘检测结果进行断裂点分析，获得断裂点集合，在判断获知断裂点集合中的断裂点不在待分割图像的边界之后，基于边缘生长规则使断裂点与待分割图像的已有边缘相连，能够消除待分割图像中的断裂点，使待分割图像的边缘闭合，保证后续图像分割的顺利进行。
在上述各实施例的基础上，进一步地，断裂点分析单元602具体用于：
遍历所述边缘检测结果中的每个边缘点，获得满足断裂点判断规则的边缘点作为断裂点；其中，所述断裂点判断规则是预设的。
具体地，对于所述边缘检测结果中的每个边缘点，断裂点分析单元602判断所述边缘点是否满足断裂点判断规则，如果满足所述断裂点判断规则，那么将所述边缘点作为断裂点。遍历所述边缘检测结果中的每个边缘点，找出所有的断裂点，构成所述断裂点集合。其中，所述边缘点为所述待分割图像的边缘上的像素点。所述断裂点判断规则是预设的。
图7是本发明另实施例提供的用于图像分割的边缘生长连接装置的结构示意图，如图7所示，在上述各实施例的基础上，进一步地，生长单元603包括第一获取子单元6031、获得子单元6032、第二获取子单元6033和确定子单元6034，其中：
第一获取子单元6031用于获取与所述断裂点相邻的八个像素点；获得子单元6032用于从所述八个像素点中去除边缘点以及与边缘点相邻的像素点，获得所述断裂点的待确定生长点；第二获取子单元6033用于获取所述断裂点的待确定生长点中信息熵最大的待确定生长点，作为所述断裂点的生长点；确定子单元6034用于在判断获知所述断裂点的生长点不满足断裂点判断规则之后，确定所述断裂点与所述待分割图像的已有边缘相连；其中，所述断裂点判断规则是预设的。
具体地，由于所述待分割图像的每个像素点都有像素坐标，第一获取子单元6031可以基于所述断裂点的像素坐标，确定与所述断裂点相邻的八个像素点，从而能够获取与所述断裂点相邻的八个像素点。
与所述断裂点相邻的八个像素点存在黑色像素点和白色像素点两种，其中的黑色像素点为边缘点，获得子单元6032从所述八个像素点中去除边缘点以及与边缘点相邻的像素点，将剩余的像素点作为所述断裂点的待确定生长点。
对于所述待分割图像，图像中的每个像素点都对应一个信息熵。第二获取子单元6033可以获得所述断裂点的待确定生长点中每个像素点对应的信息熵，对比所述断裂点的待确定生长点中每个像素点对应的信息熵的大小，获取信息熵最大的待确定生长点，作为所述断裂点的生长点，确定为所述断裂点的生长点会由白色像素点变为黑色像素点。
在获得所述断裂点的生长点之后，确定子单元6034会判断所述断裂点的生长点是否满足断裂点判断规则，如果不满足所述断裂点判断规则，说明所述生长点与所述待分割图像的已有边缘相连，所述断裂点的生长点又与所述断裂点相邻，那么可以确定所述断裂点与所述待分割图像的已有边缘相连。其中，所述断裂点判断规则是预设的。
图8是本发明又实施例提供的用于图像分割的边缘生长连接装置的结构示意图，如图8所示，在上述各实施例的基础上，进一步地，用于图像分割的边缘生长连接装置还包括判断子单元6035，其中：
判断子单元6035用于在判断获知所述断裂点的生长点满足所述断裂点判断规则之后，将所述断裂点的生长点作为新的断裂点，重新进行所述断裂点的生成过程，直到新的断裂点与所述待分割图像的已有边缘相连。
具体地，在获得所述断裂点的生长点之后，判断子单元6035会判断所述断裂点的生长点是否满足断裂点判断规则，如果所述断裂点的生长点满足所述断裂点判断规则，说明所述断裂点的生长点依然为断裂点，将所述断裂点的生长点作为新的断裂点，重新进行所述断裂点的生成过程，即重复步骤S1031、S1032和S1033，获得新的生长点，然后再判断新的生长点是否满足所述断裂点判断规则，如果不满足，那么将新的生长点作为新的断裂点，重新进行所述断裂点的生成过程，直到新的断裂点与所述待分割图像的已有边缘相连。如果新的生长点满足所述断裂点判断规则，说明新的断裂点与所述待分割图像的已有边缘相连。
在上述各实施例的基础上，进一步地，所述断裂点判断规则包括：
与目标点相邻的八个像素点只形成一个连通的白色区域且与所述目标点相邻的八个像素点中黑色像素点的个数小于3。
具体地，目标点是需要判断是否为断裂点的像素点，可以为边缘点或者生长点。所述断裂点判断规则包括：与目标点相邻的八个像素点只形成一个连通的白色区域且与所述目标点相邻的八个像素点中黑色像素点的个数小于3。获取与目标点相邻的八个像素点，判断是否只存在一个连通的白色区域，所述白色区域是由与目标点相邻的八个像素点中若干个依次相邻的白色像素点构成的，并且判断与目标点相邻的八个像素点中黑色像素点的个数是否小于3。如果与目标点相邻的八个像素点中只存在一个连通的白色区域，并且与目标点相邻的八个像素点中黑色像素点的个数小于3，那么该目标点为断裂点。否则，该目标点不是断裂点。例如，与目标点相邻的八个像素点中存在两个或者两个以上连通的白色区域，那么所述目标点不是断裂点。虽然目标点相邻的八个像素点中只存在一个连通的白色区域，但是与目标点相邻的八个像素点中黑色像素点的个数大于等于3，那么所述目标点不是断裂点。
图9是本发明再实施例提供的用于图像分割的边缘生长连接装置的结构示意图，如图9所示，在上述各实施例的基础上，进一步地，本发明实施例提供的用于图像分割的边缘生长连接装置还包括第一判断单元604、获取单元605和第二判断单元606，其中：
第一判断单元604用于在判断获知所述断裂点集合中的断裂点在所述待分割图像的边界之后，获取位于所述待分割图像的同一条边界上的断裂点；获取单元605用于获取所述待分割图像的同一条边界上相邻参考点以及所述相邻参考点之间的边界像素点的灰度值，并计算所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点的灰度值的平均值；其中，所述参考点包括位于所述待分割图像的同一条边界上的断裂点和顶点；第二判断单元606用于在判断获知所述平均值大于预设值之后，则将所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点作为边缘点。
具体地，对于所述断裂点集合中的每个断裂点，第一判断单元604都可以判断出所述断裂点是否在所述待分割图像的边界，如果判断出所述断裂点在所述待分割图像的边界，那么可以获取位于所述待分割图像的同一条边界上的断裂点。
在获得位于所述待分割图像的同一条边界上的断裂点之后，将所述待分割图像的同一条边界上的断裂点和顶点作为参考点，获取单元605获取所述待分割图像的同一条边界上相邻参考点以及所述相邻参考点之间的边界像素点的灰度值，然后计算所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点的灰度值的平均值。可理解的是，对于宽m个像素和高n个像素的待分割图像，存在四个顶点，第1行与第1列相交于一个顶点，第1行与第m列相交于一个顶点，第n行与第1列相交于一个顶点，第n行与第m列相交于一个顶点，所述待分割图像的同一条边界上有两个顶点。
在获得所述平均值之后，第二判断单元606会将所述平均值与预设值进行比较，如果所述平均值大于所述预设值，将计算所述平均值的所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点作为边缘点，所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点都成为黑色像素点，形成一条边界线。其中，所述预设值根据实际经验进行设置，本发明实施例不做限定。
本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
图10是本发明一实施例提供的电子设备的实体结构示意图，如图10所示，电子设备600可以包括：处理器100和存储器140。存储器140耦合到处理器100。处理器100可以调用存储器140中的逻辑指令，以执行如下方法：对待分割图像进行二值化的边缘检测，获得边缘检测结果；对所述边缘检测结果进行断裂点分析，获得断裂点集合；若判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界，则基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：对待分割图像进行二值化的边缘检测，获得边缘检测结果；对所述边缘检测结果进行断裂点分析，获得断裂点集合；若判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界，则基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连。
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：对待分割图像进行二值化的边缘检测，获得边缘检测结果；对所述边缘检测结果进行断裂点分析，获得断裂点集合；若判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界，则基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连。
如图10所示，电子设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图10中所示的所有部件；此外，电子设备600还可以包括图10中没有示出的部件，可以参考现有技术。值得注意的是，该图是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
如图10所示，处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，处理器100接收输入并控制电子设备600的各个部件的操作。
其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且处理器100可执行存储器140存储的该程序，以实现信息存储或处理等。
输入单元120向处理器100提供输入。输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。显示器160例如可为LCD显示器，但并不限于此。
存储器140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，存储器140的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲器141(有时被称为缓冲存储器)。存储器140可以包括应用/功能存储部142，应用/功能存储部142用于存储应用程序和功能程序或用于通过处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110包括经由天线111发送和接收信号的发送机/接收机。通信模块110耦合到处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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。
本发明是参照根据本发明实施例的方法、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设备上，使得在计算机或其他可编程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。
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于图像分割的边缘生长连接方法，其特征在于，包括：
对待分割图像进行二值化的边缘检测，获得边缘检测结果；
对所述边缘检测结果进行断裂点分析，获得断裂点集合；
若判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界，则基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连；
若判断获知所述断裂点集合中的断裂点在所述待分割图像的边界，则获取位于所述待分割图像的同一条边界上的断裂点；
获取所述待分割图像的同一条边界上相邻参考点以及所述相邻参考点之间的边界像素点的灰度值，并计算所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点的灰度值的平均值；其中，所述参考点包括位于所述待分割图像的同一条边界上的断裂点和顶点；
若判断获知所述平均值大于预设值，则将所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点作为边缘点。
2.根据权利要求1所述的方法，其特征在于，所述对所述边缘检测结果进行断裂点分析，获得断裂点集合包括：
遍历所述边缘检测结果中的每个边缘点，获得满足断裂点判断规则的边缘点作为断裂点；其中，所述断裂点判断规则是预设的。
3.根据权利要求1所述的方法，其特征在于，所述基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连包括：
获取与所述断裂点相邻的八个像素点；
从所述八个像素点中去除边缘点以及与边缘点相邻的像素点，获得所述断裂点的待确定生长点；
获取所述断裂点的待确定生长点中信息熵最大的待确定生长点，作为所述断裂点的生长点；
若判断获知所述断裂点的生长点不满足断裂点判断规则，则确定所述断裂点与所述待分割图像的已有边缘相连；其中，所述断裂点判断规则是预设的；
若判断获知所述断裂点的生长点满足所述断裂点判断规则，则将所述断裂点的生长点作为新的断裂点，重新进行所述断裂点的生成过程，直到新的断裂点与所述待分割图像的已有边缘相连。
4.根据权利要求2或3所述的方法，其特征在于，所述断裂点判断规则包括：
与目标点相邻的八个像素点只形成一个连通的白色区域且与所述目标点相邻的八个像素点中黑色像素点的个数小于3。
5.一种用于图像分割的边缘生长连接装置，其特征在于，包括：
边缘检测单元，用于对待分割图像进行二值化的边缘检测，获得边缘检测结果；
断裂点分析单元，用于对所述边缘检测结果进行断裂点分析，获得断裂点集合；
生长单元，用于在判断获知所述断裂点集合中的断裂点不在所述待分割图像的边界之后，基于边缘生长规则使所述断裂点与所述待分割图像的已有边缘相连；
第一判断单元，用于在判断获知所述断裂点集合中的断裂点在所述待分割图像的边界之后，获取位于所述待分割图像的同一条边界上的断裂点与顶点；
获取单元，用于获取所述待分割图像的同一条边界上相邻参考点以及所述相邻参考点之间的边界像素点的灰度值，并计算所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点的灰度值的平均值；其中，所述参考点包括位于所述待分割图像的同一条边界上的断裂点和顶点；
第二判断单元，用于在判断获知所述平均值大于预设值之后，则将所述同一条边界上所述相邻两个参考点以及所述相邻两个参考点之间的边界像素点作为边缘点。
6.根据权利要求5所述的装置，其特征在于，所述断裂点分析单元具体用于：
遍历所述边缘检测结果中的每个边缘点，获得满足断裂点判断规则的边缘点作为断裂点；其中，所述断裂点判断规则是预设的。
7.根据权利要求5所述的装置，其特征在于，所述生长单元包括：
第一获取子单元，用于获取与所述断裂点相邻的八个像素点；
获得子单元，用于从所述八个像素点中去除边缘点以及与边缘点相邻的像素点，获得所述断裂点的待确定生长点；
第二获取子单元，用于获取所述断裂点的待确定生长点中信息熵最大的待确定生长点，作为所述断裂点的生长点；
确定子单元，用于在判断获知所述断裂点的生长点不满足断裂点判断规则之后，确定所述断裂点与所述待分割图像的已有边缘相连；其中，所述断裂点判断规则是预设的；
判断子单元，用于在判断获知所述断裂点的生长点满足所述断裂点判断规则之后，将所述断裂点的生长点作为新的断裂点，重新进行所述断裂点的生成过程，直到新的断裂点与所述待分割图像的已有边缘相连。
8.根据权利要求6或7所述的装置，其特征在于，所述断裂点判断规则包括：
与目标点相邻的八个像素点只形成一个连通的白色区域且与所述目标点相邻的八个像素点中黑色像素点的个数小于3。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010860730.4A CN112070792B (zh) | 2020-08-25 | 2020-08-25 | 一种用于图像分割的边缘生长连接方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010860730.4A CN112070792B (zh) | 2020-08-25 | 2020-08-25 | 一种用于图像分割的边缘生长连接方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112070792A CN112070792A (zh) | 2020-12-11 |
| CN112070792B true CN112070792B (zh) | 2023-10-17 |
Family
ID=73660658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010860730.4A Active CN112070792B (zh) | 2020-08-25 | 2020-08-25 | 一种用于图像分割的边缘生长连接方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112070792B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114842038B (zh) * | 2022-04-14 | 2023-05-16 | 深圳市医未医疗科技有限公司 | 基于影像组学的影像数据特征自动生成方法和装置 |
| CN115131387B (zh) * | 2022-08-25 | 2023-01-24 | 山东鼎泰新能源有限公司 | 基于图像处理的汽油机喷雾撞壁参数自动提取方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10171992A (ja) * | 1996-12-13 | 1998-06-26 | Nec Corp | 画像分割装置 |
| CN106845495A (zh) * | 2016-12-30 | 2017-06-13 | 浙江工业大学 | 一种图像中断裂曲线闭合方法 |
| CN109766892A (zh) * | 2018-12-21 | 2019-05-17 | 西安交通大学 | 一种基于边缘检测的射线检测图像标记信息字符分割方法 |
| CN111127498A (zh) * | 2019-12-12 | 2020-05-08 | 重庆邮电大学 | 一种基于边缘自生长的Canny边缘检测方法 |
-
2020
- 2020-08-25 CN CN202010860730.4A patent/CN112070792B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10171992A (ja) * | 1996-12-13 | 1998-06-26 | Nec Corp | 画像分割装置 |
| CN106845495A (zh) * | 2016-12-30 | 2017-06-13 | 浙江工业大学 | 一种图像中断裂曲线闭合方法 |
| CN109766892A (zh) * | 2018-12-21 | 2019-05-17 | 西安交通大学 | 一种基于边缘检测的射线检测图像标记信息字符分割方法 |
| CN111127498A (zh) * | 2019-12-12 | 2020-05-08 | 重庆邮电大学 | 一种基于边缘自生长的Canny边缘检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 一种基于种子生长的可控边缘检测法及评价方案;王捷 等;《浙江理工大学学报》;第27卷(第5期);第738-744页 * |
| 一种基于边缘生长的灰度和彩色图像分割方法;林通，石青云;《中国图象图形学报》;第5卷(第11期);第911-915页 * |
| 基于边缘预测与边缘增长的图像分割方法;丁伟立 等;《高技术通讯》;第28卷(第5期);第409-416页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112070792A (zh) | 2020-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110874594B (zh) | 基于语义分割网络的人体外表损伤检测方法及相关设备 | |
| CN113160257B (zh) | 图像数据标注方法、装置、电子设备及存储介质 | |
| CN110705583A (zh) | 细胞检测模型训练方法、装置、计算机设备及存储介质 | |
| CN112308095A (zh) | 图片预处理及模型训练方法、装置、服务器及存储介质 | |
| CN108323204A (zh) | 一种检测人脸瑕疵点的方法和智能终端 | |
| CN111145209A (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
| CN112070792B (zh) | 一种用于图像分割的边缘生长连接方法及装置 | |
| WO2017088462A1 (zh) | 图像处理方法和装置 | |
| CN115131283B (zh) | 目标对象的缺陷检测、模型训练方法、装置、设备及介质 | |
| CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
| CN109829510A (zh) | 一种产品品质分级的方法、装置和设备 | |
| CN113850238B (zh) | 文档检测方法、装置、电子设备及存储介质 | |
| CN111898610A (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
| CN113449538A (zh) | 视觉模型的训练方法、装置、设备及存储介质 | |
| CN114549993A (zh) | 实验中线段图像的评分方法、系统、设备及可读存储介质 | |
| CN116071651B (zh) | 一种均压场识别方法、装置、存储介质及终端 | |
| CN111640123A (zh) | 无背景图像的生成方法、装置、设备及介质 | |
| CN110458857B (zh) | 中心对称图元检测方法、装置、电子设备及可读存储介质 | |
| CN115660945A (zh) | 一种坐标转换方法、装置、电子设备及存储介质 | |
| CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN114677319A (zh) | 干细胞分布确定方法、装置、电子设备及存储介质 | |
| CN112434582A (zh) | 一种车道线颜色识别方法、系统、电子设备及存储介质 | |
| CN114511862B (zh) | 表格识别方法、装置及电子设备 | |
| CN116206307A (zh) | 图像标注方法、装置、电子设备及存储介质 | |
| CN113487697B (zh) | 简笔画生成方法、装置、电子设备及存储介质 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240930 Address after: Room 521A, 5th Floor, No. 23 Zhichun Road, Haidian District, Beijing 100098 Patentee after: Qingyanhan hi tech (Beijing) Co.,Ltd. Country or region after: China Address before: 100084 Tsinghua Yuan, Beijing, Haidian District Patentee before: TSINGHUA University Country or region before: China |