CN112258419B - 一种加权式增强图像边缘信息的方法 - Google Patents
一种加权式增强图像边缘信息的方法 Download PDFInfo
- Publication number
- CN112258419B CN112258419B CN202011202495.8A CN202011202495A CN112258419B CN 112258419 B CN112258419 B CN 112258419B CN 202011202495 A CN202011202495 A CN 202011202495A CN 112258419 B CN112258419 B CN 112258419B
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- pixel point
- gradient value
- gray value
- 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 29
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 11
- 230000000694 effects Effects 0.000 abstract description 4
- 239000011159 matrix material Substances 0.000 description 5
- 230000003313 weakening effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种加权式增强图像边缘信息的方法,方法包括:获取目标图像中各像素点的灰度值在各个预设方向上的一阶差分梯度值和二阶差分梯度值,根据预设的一阶差分梯度值的权重值和二阶差分梯度值的权重值,获取各像素点的灰度值在各个预设方向上的综合梯度值,定义各个综合梯度值中的最大值为对应像素点灰度值的目标梯度值,对各像素点的目标梯度值进行加权处理,并将处理结果和各像素点的灰度值进行叠加,实现目标图像边缘信息的增强;本发明提供方法对图像的边缘增强效果好,且能优化增强边缘信息后的图像的协调性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种加权式增强图像边缘信息的方法。
背景技术
检测图像边界信息,进行图像边缘信息增强,通常是作为图像处理的一个预处理步骤。大多数图像边缘检测技术应用某种形式的梯度算子,可应用对水平方向、垂直方向或对角线方向的梯度敏感的梯度算子,用它们的复合结果可检测任意方向的边界。增强图像边缘,使模糊图像的轮廓变得更加清晰,产生更适合人眼观察和识别的图像。但现有技术中的图像边缘增强方法,对图像边缘的增强效果不能明显,且优化增强边缘信息后图像的协调性差。
发明内容
本发明的目的:提供一种对图像边缘的增强效果好,且能优化增强边缘信息后图像的协调性的增强图像边缘信息的方法。
技术方案:本发明提供的方法用于针对目标图像进行边缘增强,方法包括如下步骤:
步骤A、获取目标图像中每一个像素点的灰度值;
针对目标图像中每一个像素点pixel(j,i),执行步骤B至步骤D,pixel(j,i)表示目标图像中第i行j列的像素点:
步骤B、分别获取像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的一阶差分梯度值和二阶差分梯度值,结合预设的一阶差分梯度值的权重值和二阶差分梯度值的权重值,获取像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的综合梯度值;
步骤C、定义像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的综合梯度值中的最大值为该像素点的灰度值I(j,i)的目标梯度值;
步骤D、按照预设的权重值para对像素点pixel(j,i)的灰度值I(j,i)的目标梯度值gramax(i,j)进行加权处理,加权处理的结果与像素点pixel(j,i)的灰度值I(i,j)进行叠加,实现对像素点pixel(j,i)的灰度值的增强。
作为本发明的一种优选实施例,在步骤B中,所述的各预设方向包括:目标图像中各像素点横向排列的方向、目标图像中各像素点纵向排列的方向、垂直于像素点pixel(j+1,i)与像素点pixel(j,i-1)连线方向、垂直于像素点pixel(j,i+1)与像素点pixel(j+1,i)连线方向、垂直于像素点pixel(j,i+1)与像素点pixel(j-1,i)连线方向、垂直于像素点pixel(j-1,i)与像素点pixel(j,i-1)连线方向。
作为本发明的一种优选实施例,在步骤B中,获取像素点pixel(j,i)的灰度值I(j,i)在沿各方向上的综合梯度值的方法为:
根据与像素点pixel(j,i+1)、像素点pixel(j,i+2)、像素点pixel(j,i-1)、像素点pixel(j,i-2)、像素点pixel(j+1,i)、像素点pixel(j+2,i)、像素点pixel(j-1,i)、像素点pixel(j-2,i)所对应的灰度值I(j,i+1)、I(j,i+2)、I(j,i-1)、I(j,i-2)、I(j+1,i)、I(j+2,i)、I(j-1,i)、I(j-2,i);
结合公式:
gra1(j,i)=para1*(I(j+1,i)+I(j-1,i)-2*I(j,i))+para2*(I(j+2,i)+I(j-2,i,)-2*I(j,i,))
获取像素点pixel(j,i)的灰度值I(j,i)在沿目标图像中各像素点横向排列的方向上的综合梯度值gra1(j,i),其中,para1和para2分别为预设的一阶差分梯度值的权重值和二阶差分梯度值的权重值;
根据公式:
gra2(j,i)=para1*(I(j,i+1)+I(j,i-1)-2*I(j,i))+para2*(I(j,i+2)+I(j,i-2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿目标图像中各像素点纵向排列的方向的综合梯度值gra2(j,i)
根据公式:
gra3(j,i)=para1*(I(j,i+1)+I(j-1,i)-2*I(j,i))+para2*(I(j,i+2)+I(j-2,i)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j,i+1)和像素点pixel(j-1,i)连线方向上的综合梯度值gra3(j,i);
根据公式:
gra4(j,i)=para1*(I(j+1,i)+I(j,i+1)-2*I(j,i))+para2*(I(j+2,i)+I(j,i+2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j+1,i)和像素点pixel(j,i+1)连线方向上的综合梯度值gra4(j,i);
根据公式:
gra5(i,j)=para1*(I(j+1,i)+I(j,i-1)-2*I(j,i))+para2*(I(j+2,i)+I(j,i-2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j+1,i)和像素点pixel(j,i-1)连线方向上的综合梯度值gra5(j,i);
根据公式:
gra6(i,j)=para1*(I(j,i-1)+I(j-1,i)-2*I(j,i))+para2*(I(j,i-2)+I(j-2,i)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j-1,i)和像素点pixel(j,i-1)连线方向上的综合梯度值gra6(j,i)。
作为本发明的一种优选实施例,其特征在于,预设的一阶差分梯度值的权重值para1和二阶差分梯度值的权重值para2的取值范围分别为:0≤para1≤1;0≤para2≤1。
作为本发明的一种优选实施例,在步骤C中,预设的权重值para的取值范围为:0≤para≤1。
相对于现有技术,本发明提供的加权式增强图像边缘信息的方法包括如下有益效果:
1、通过获取图像的边缘信息,并将边缘信息与原始图像叠加,实现边缘增强的目的,将一阶差分锐化和二阶差分锐化增强图像处理进行结合,互补一阶差分锐化和二阶差分锐化的优劣势,利用更丰富的信息增强图像边缘,达到更好的图像边缘增强效果;
2、对提取出的图像边缘信息进行弱化处理,处理时的权重值可调,最后将弱化后的图像边缘信息叠加到原始图像,优化了增强边缘信息后图像的协调性。
附图说明
图1是根据本发明实施例提供的加权式增强图像边缘信息的方法路程图;
图2是根据本发明实施例提供的像素点pixel(j,i)的周围侧的像素点的分布示意图;
图3是根据本发明实施例提供的原始图像示意图;
图4是根据本发明实施例提供的提取边缘图像示意图;
图5是根据本发明实施例提供的边缘增强图像示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
在本发明的描述中,术语“左”、“右”、“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明而不是要求本发明必须以特定的方位构图和操作,因此不能理解为对本发明的限制。
本发明提供的方法用于针对目标图像进行边缘增强处理,参照图1,本发明提供的方法包括如下步骤:
步骤A、获取目标图像中每一个像素点的灰度值。
针对目标图像中每一个像素点pixel(j,i),执行步骤B至步骤D,pixel(j,i)表示目标图像中第i行j列的像素点:
步骤B、分别获取像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的一阶差分梯度值和二阶差分梯度值,结合预设的一阶差分梯度值的权重值和二阶差分梯度值的权重值,获取像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的综合梯度值。
预设的权重值para的取值范围为:0≤para≤1。
各预设方向包括:目标图像中各像素点横向排列的方向、目标图像中各像素点纵向排列的方向、垂直于像素点pixel(j+1,i)与像素点pixel(j,i-1)连线方向、垂直于像素点pixel(j,i+1)与像素点pixel(j+1,i)连线方向、垂直于像素点pixel(j,i+1)与像素点pixel(j-1,i)连线方向、垂直于像素点pixel(j-1,i)与像素点pixel(j,i-1)的中点连线方向。
在目标图像中,各像素点横向排列方向为像素点在目标图像中的列方向,各像素点纵向排列方向为像素点在目标图像中的行方向:参照图2,像素点pixel(j,i)左方的像素点分别为像素点pixel(j-1,i)、像素点pixel(j-2,i);像素点右方的像素点分别为像素点pixel(j+1,i)、像素点pixel(j+2,i);像素点上方的像素点分别为像素点pixel(j,i+1)、像素点pixel(j,i+2);像素点下方的像素点分别为像素点pixel(j,i-1)、像素点pixel(j,i-2)。
获取像素点pixel(j,i)的灰度值I(j,i)在沿各方向上的综合梯度值的方法为:
根据与像素点pixel(j,i+1)、像素点pixel(j,i+2)、像素点pixel(j,i-1)、像素点pixel(j,i-2)、像素点pixel(j+1,i)、像素点pixel(j+2,i)、像素点pixel(j-1,i)、像素点pixel(j-2,i)所对应的灰度值I(j,i+1)、I(j,i+2)、I(j,i-1)、I(j,i-2)、I(j+1,i)、I(j+2,i)、I(j-1,i)、I(j-2,i);
结合公式:
gra1(j,i)=para1*(I(j+1,i)+I(j-1,i)-2*I(j,i))+para2*(I(j+2,i)+I(j-2,i,)-2*I(j,i,))
获取像素点pixel(j,i)的灰度值I(j,i)在沿目标图像中各像素点横向排列的方向上的综合梯度值gra1(j,i),其中,para1和para2分别为预设的一阶差分梯度值的权重值和二阶差分梯度值的权重值;
根据公式:
gra2(j,i)=para1*(I(j,i+1)+I(j,i-1)-2*I(j,i))+para2*(I(j,i+2)+I(j,i-2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿目标图像中各像素点纵向排列的方向的综合梯度值gra2(j,i)
根据公式:
gra3(j,i)=para1*(I(j,i+1)+I(j-1,i)-2*I(j,i))+para2*(I(j,i+2)+I(j-2,i)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j,i+1)和像素点pixel(j-1,i)连线且指向该连线的方向上的综合梯度值gra3(j,i);
根据公式:
gra4(j,i)=para1*(I(j+1,i)+I(j,i+1)-2*I(j,i))+para2*(I(j+2,i)+I(j,i+2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j+1,i)和像素点pixel(j,i+1)连线且指向该连线的方向上的综合梯度值gra4(j,i);
根据公式:
gra5(i,j)=para1*(I(j+1,i)+I(j,i-1)-2*I(j,i))+para2*(I(j+2,i)+I(j,i-2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j+1,i)和像素点pixel(j,i-1)连线且指向该连线的方向上的综合梯度值gra5(j,i);
根据公式:
gra6(i,j)=para1*(I(j,i-1)+I(j-1,i)-2*I(j,i))+para2*(I(j,i-2)+I(j-2,i)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j-1,i)和像素点pixel(j,i-1)连线且指向该连线的方向上的综合梯度值gra6(j,i)。
预设的一阶差分梯度值的权重值para1和二阶差分梯度值的权重值para2的取值范围分别为:0≤para1≤1;0≤para2≤1。
步骤C、定义像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的综合梯度值中的最大值为该像素点的灰度值I(j,i)的目标梯度值;
步骤D、按照预设的权重值para对像素点pixel(j,i)的灰度值I(j,i)的目标梯度值gramax(i,j)进行加权处理,加权处理的结果与像素点pixel(j,i)的灰度值I(i,j)进行叠加,实现对像素点pixel(j,i)的灰度值的增强。
具体的,以像素点pixel(j,i)灰度值在左和右方向的梯度为例:
像素点pixel(j,i)灰度值I(j,i)的一阶差分梯度值为:
gradient1(j,i)=I(j+1,i)+I(j-1,i)-2*I(j,i)
像素点pixel(i,j)灰度值I(j,i)的二阶差分梯度值为:
gradient2(j,i)=I(j+2,i)+I(j-2,i,)-2*I(j,i)
因此,结合像素点pixel(j,i)灰度值I(j,i)的一阶差分梯度值和像素点pixel(i,j)灰度值I(j,i)的二阶差分梯度值,获取:
像素点pixel(j,i)灰度值I(j,i)在左和右方向的综合梯度值,即像素点pixel(i,j)灰度值I(j,i)在沿像素点pixel(j,i)左边的像素点和右边像素点连线方向的综合梯度值,也相当于像素点pixel(j,i)灰度值I(j,i)在沿目标图像中像素点横向排列的方向的综合梯度值为:
gra1(j,i)=para1*(I(j+1,i)+I(j-1,i)-2*I(j,i))+para2*(I(j+2,i)+I(j-2,i,)-2*I(j,i))
其中,当para1=1,para2=0时,提取的边缘信息只包含灰度值的一阶差分梯度值;当para1=0,para2=1时,提取的边缘信息只包含灰度值的二阶差分梯度值;在一个实施例中,
像素点pixel(j,i)灰度值I(j,i)在上和下方向的综合梯度值,即像素点pixel(j,i)灰度值I(j,i)在沿像素点pixel(j,i)上方的像素点和下方像素点连线方向的综合梯度值,也相当于像素点pixel(j,i)灰度值I(j,i)在沿目标图像中像素点纵向排列的方向的综合梯度值为:
gra2(j,i)=para1*(I(j,i+1)+I(j,i-1)-2*I(j,i))+para2*(I(j,i+2)+I(j,i-2)-2*I(j,i))
像素点pixel(j,i)灰度值I(j,i)在左和上方向的综合梯度值,即像素点pixel(j,i)灰度值I(j,i)在沿垂直于像素点pixel(j,i)左方的像素点和上方像素点连线且指向该连线的方向的综合梯度值为:
gra3(j,i)=para1*(I(j,i+1)+I(j-1,i)-2*I(j,i))+para2*(I(j,i+2)+I(j-2,i)-2*I(j,i))
像素点pixel(j,i)灰度值I(j,i)在右和上方向的综合梯度值,即像素点pixel(j,i)灰度值I(j,i)在沿垂直于像素点pixel(j,i)右方的像素点和上方像素点连线且指向该连线的方向的综合梯度值为:
gra4(j,i)=para1*(I(j+1,i)+I(j,i+1)-2*I(j,i))+para2*(I(j+2,i)+I(j,i+2)-2*I(j,i))
像素点pixel(j,i)灰度值I(j,i)在右和下方向的综合梯度值,即像素点pixel(j,i)灰度值I(j,i)在沿垂直于像素点pixel(j,i)右方的像素点和下方像素点连线且指向该连线的方向的综合梯度值为:
gra5(i,j)=para1*(I(j+1,i)+I(j,i-1)-2*I(j,i))+para2*(I(j+2,i)+I(j,i-2)-2*I(j,i))
像素点pixel(j,i)灰度值I(j,i)在左和下方向的综合梯度值,即像素点pixel(j,i)灰度值I(j,i)在沿垂直于像素点pixel(j,i)左方的像素点和下方像素点连线且指向该连线的方向的综合梯度值为:
gra6(i,j)=para1*(I(j,i-1)+I(j-1,i)-2*I(j,i))+para2*(I(j,i-2)+I(j-2,i)-2*I(j,i))
应当清楚,像素点的灰度值是一个特定的数值,0≤I(j,i)≤255,即图像的灰度值的取值范围在0到255之间。将一副图像视作一个矩阵,分辨率为640*512的图像就是一个640*512的矩阵。矩阵上(j,i)点的值对应的像素点pixel(j,i)的灰度值为I(j,i)。
在获取像素点pixel(j,i)的灰度值沿各方向上的综合梯度值后,通过公式:
gramax(j,i)=max([gra1(j,i),gra2(j,i),gra3(j,i),gra4(j,i),gra5(j,i),gra6(j,i)])
获取像素点pixel(j,i)的灰度值的目标梯度值gramax(j,i)。
根据前述方法获取目标图像中各个像素点的目标梯度值后,根据这些目标梯度值获取一个矩阵gramax,gramax(j,i)为矩阵gramax中的像素点pixel(j,i)的灰度值的目标梯度值,gramax表示的整幅图像中所有像素点灰度值的目标梯度信息,呈现出来就是一幅梯度信息图,即为提取的目标图像的边缘图像。
对如图3所示的目标图像进行边缘图像提取后,得到如图4所示的边缘图像。
如果需要增强图像边缘,将该目标梯度值叠加到原图上,表达公式为:
Iout=para*gramax+I
其中,Iout为最终输出的图像的灰度值,I为原始图像的灰度值。
当权重值para=1时,为边缘信息不经过弱化全部叠加在原始的目标图像上;当para=0时,表示不将边缘信息叠加在原始的目标图像上。在一个实施例中,参照上述方法对如图3所示的目标图像进行处理后,得到的叠加后的图像如图5所示。
本发明提供的方法:通过将一阶差分信息和二阶差分信息利用自由分配权重的方式结合起来,实现了在提取的边缘细节图中可以同时包含一阶差分和二阶差分更加丰富的细节信息;通过一阶差分和二阶差分相结合的方式,同时计算了各像素点的灰度值在该像素点左和右、上和下、左和下、右和下、右和上、左和上方向的综合梯度值,比较该六个灰度值的综合梯度值,取最大值作为该像素点灰度的目标梯度值,这种多尺度结合的方式考虑的情况更全面,得到的梯度差值更大,边界效果更明显;对提取出的图像边缘信息进行弱化处理,同时弱化指数也设置为可调,最后将弱化后的图像边缘信息叠加到原始图像,优化了增强边缘信息后图像的协调性和可视性。
以上所述仅是本发明的优选实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (3)
1.一种加权式增强图像边缘信息的方法,用于针对目标图像进行边缘增强;其特征在于,包括如下步骤:
步骤A、获取目标图像中每一个像素点的灰度值;
针对目标图像中每一个像素点pixel(j,i),执行步骤B至步骤D,pixel(j,i)表示目标图像中第i行j列的像素点:
步骤B、分别获取像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的一阶差分梯度值和二阶差分梯度值,结合预设的一阶差分梯度值的权重值和二阶差分梯度值的权重值,获取像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的综合梯度值;
在步骤B中,所述的各预设方向包括:目标图像中各像素点横向排列的方向、目标图像中各像素点纵向排列的方向、垂直于像素点pixel(j+1,i)与像素点pixel(j,i-1)连线方向、垂直于像素点pixel(j,i+1)与像素点pixel(j+1,i)连线方向、垂直于像素点pixel(j,i+1)与像素点pixel(j-1,i)连线方向、垂直于像素点pixel(j-1,i)与像素点pixel(j,i-1)连线方向;
在步骤B中,获取像素点pixel(j,i)的灰度值I(j,i)在沿各方向上的综合梯度值的方法为:
根据分别与像素点pixel(j,i+1)、像素点pixel(j,i+2)、像素点pixel(j,i-1)、像素点pixel(j,i-2)、像素点pixel(j+1,i)、像素点pixel(j+2,i)、像素点pixel(j-1,i)、像素点pixel(j-2,i)所对应的灰度值I(j,i+1)、I(j,i+2)、I(j,i-1)、I(j,i-2)、I(j+1,i)、I(j+2,i)、I(j-1,i)、I(j-2,i);
结合公式:
gra1(j,i)=para1*(I(j+1,i)+I(j-1,i)-2*I(j,i))
+para2*(I(j+2,i)+I(j-2,i)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿目标图像中各像素点横向排列的方向上的综合梯度值gra1(j,i),其中,para1和para2分别为预设的一阶差分梯度值的权重值和二阶差分梯度值的权重值;
根据公式:
gra2(j,i)=para1*(I(j,i+1)+I(j,i-1)-2*I(j,i))
+para2*(I(j,i+2)+I(j,i-2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿目标图像中各像素点纵向排列的方向的综合梯度值gra2(j,i)
根据公式:
gra3(j,i)=para1*(I(j,i+1)+I(j-1,i)-2*I(j,i))
+para2*(I(j,i+2)+I(j-2,i)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j,i+1)和像素点pixel(j-1,i)连线方向上的综合梯度值gra3(j,i);
根据公式:
gra4(j,i)=para1*(I(j+1,i)+I(j,i+1)-2*I(j,i))
+para2*(I(j+2,i)+I(j,i+2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j+1,i)和像素点pixel(j,i+1)连线方向上的综合梯度值gra4(j,i);
根据公式:
gra5(i,j)=para1*(I(j+1,i)+I(j,i-1)-2*I(j,i))
+para2*(I(j+2,i)+I(j,i-2)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j+1,i)和像素点pixel(j,i-1)连线方向上的综合梯度值gra5(j,i);
根据公式:
gra6(i,j)=para1*(I(j,i-1)+I(j-1,i)-2*I(j,i))
+para2*(I(j,i-2)+I(j-2,i)-2*I(j,i))
获取像素点pixel(j,i)的灰度值I(j,i)在沿垂直于像素点pixel(j-1,i)和像素点pixel(j,i-1)连线方向上的综合梯度值gra6(j,i);
步骤C、定义像素点pixel(j,i)的灰度值I(j,i)在沿各预设方向上的综合梯度值中的最大值为该像素点的灰度值I(j,i)的目标梯度值;
步骤D、按照预设的权重值para对像素点pixel(j,i)的灰度值I(j,i)的目标梯度值gramax(i,j)进行加权处理,将加权处理的结果与像素点pixel(j,i)的灰度值I(i,j)进行叠加,实现对像素点pixel(i,j)的灰度值的增强。
2.根据权利要求1所述的加权式增强图像边缘信息的方法,其特征在于,预设的一阶差分梯度值的权重值para1和二阶差分梯度值的权重值para2的取值范围分别为:0≤para1≤1;0≤para2≤1。
3.根据权利要求1所述的加权式增强图像边缘信息的方法,其特征在于,在步骤C中,预设的权重值para的取值范围为:0≤para≤1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202495.8A CN112258419B (zh) | 2020-11-02 | 2020-11-02 | 一种加权式增强图像边缘信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202495.8A CN112258419B (zh) | 2020-11-02 | 2020-11-02 | 一种加权式增强图像边缘信息的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112258419A CN112258419A (zh) | 2021-01-22 |
CN112258419B true CN112258419B (zh) | 2023-08-11 |
Family
ID=74267518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011202495.8A Active CN112258419B (zh) | 2020-11-02 | 2020-11-02 | 一种加权式增强图像边缘信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258419B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092510A (zh) * | 2021-12-01 | 2022-02-25 | 常州市宏发纵横新材料科技股份有限公司 | 一种基于正态分布的分割方法、计算机设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6373992B1 (en) * | 1998-02-27 | 2002-04-16 | Fuji Photo Film Co., Ltd. | Method and apparatus for image processing |
CN103927518A (zh) * | 2014-04-14 | 2014-07-16 | 中国华戎控股有限公司 | 一种用于人脸分析系统的人脸特征提取方法 |
CN105046655A (zh) * | 2015-06-24 | 2015-11-11 | 武汉烽火众智数字技术有限责任公司 | 一种视频图像自动锐化方法和装置 |
CN105869133A (zh) * | 2016-05-20 | 2016-08-17 | 安徽工业大学 | 一种基于非因果分数阶次微分的图像锐化方法 |
CN106886988A (zh) * | 2015-12-11 | 2017-06-23 | 中国科学院深圳先进技术研究院 | 一种基于无人机遥感的线性目标检测方法及系统 |
CN108961167A (zh) * | 2018-07-12 | 2018-12-07 | 安徽理工大学 | 一种基于有限差分及梯度的Bayer-CFA插值方法 |
CN110796625A (zh) * | 2019-10-30 | 2020-02-14 | 重庆邮电大学 | 一种基于组稀疏表示和加权全变分的图像压缩感知重构方法 |
CN111127499A (zh) * | 2019-12-20 | 2020-05-08 | 北京工业大学 | 一种基于语义轮廓信息的安检图像刀具检测分割方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI460681B (zh) * | 2012-02-20 | 2014-11-11 | Novatek Microelectronics Corp | 影像的邊緣處理方法及影像處理裝置 |
CN104346778B (zh) * | 2013-07-30 | 2017-08-22 | 比亚迪股份有限公司 | 图像的边缘增强方法和装置以及数码摄像设备 |
-
2020
- 2020-11-02 CN CN202011202495.8A patent/CN112258419B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6373992B1 (en) * | 1998-02-27 | 2002-04-16 | Fuji Photo Film Co., Ltd. | Method and apparatus for image processing |
CN103927518A (zh) * | 2014-04-14 | 2014-07-16 | 中国华戎控股有限公司 | 一种用于人脸分析系统的人脸特征提取方法 |
CN105046655A (zh) * | 2015-06-24 | 2015-11-11 | 武汉烽火众智数字技术有限责任公司 | 一种视频图像自动锐化方法和装置 |
CN106886988A (zh) * | 2015-12-11 | 2017-06-23 | 中国科学院深圳先进技术研究院 | 一种基于无人机遥感的线性目标检测方法及系统 |
CN105869133A (zh) * | 2016-05-20 | 2016-08-17 | 安徽工业大学 | 一种基于非因果分数阶次微分的图像锐化方法 |
CN108961167A (zh) * | 2018-07-12 | 2018-12-07 | 安徽理工大学 | 一种基于有限差分及梯度的Bayer-CFA插值方法 |
CN110796625A (zh) * | 2019-10-30 | 2020-02-14 | 重庆邮电大学 | 一种基于组稀疏表示和加权全变分的图像压缩感知重构方法 |
CN111127499A (zh) * | 2019-12-20 | 2020-05-08 | 北京工业大学 | 一种基于语义轮廓信息的安检图像刀具检测分割方法 |
Non-Patent Citations (1)
Title |
---|
基于直方图均衡化的Robinson图像边缘检测算法;赵安科;魏雨;刘天时;徐璐;;计算机测量与控制(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112258419A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229490B (zh) | 关键点检测方法、神经网络训练方法、装置和电子设备 | |
Zhao et al. | Multi-focus image fusion with a natural enhancement via a joint multi-level deeply supervised convolutional neural network | |
CN106845478B (zh) | 一种字符置信度的二次车牌识别方法及装置 | |
EP3161728B1 (en) | Hierarchical interlinked multi-scale convolutional network for image parsing | |
DE102008000758B4 (de) | Vorrichtung zum Erkennen eines Objekts in einer Abbildung | |
CN108765347B (zh) | 一种适合遥感影像的色彩增强方法 | |
CN103455814B (zh) | 用于文档图像的文本行分割方法和系统 | |
Chen et al. | Obstacle detection system for visually impaired people based on stereo vision | |
CN107203973A (zh) | 一种三维激光扫描系统中线激光中心的亚像素定位方法 | |
CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
CN111612024B (zh) | 特征提取方法、装置、电子设备及计算机可读存储介质 | |
CN106251298B (zh) | 处理图像的方法和装置 | |
Park et al. | Biologically inspired saliency map model for bottom-up visual attention | |
CN105023253A (zh) | 基于视觉底层特征的图像增强方法 | |
CN105869122A (zh) | 图像处理方法和装置 | |
CN112258419B (zh) | 一种加权式增强图像边缘信息的方法 | |
CN107463895A (zh) | 基于邻域向量pca的弱小损伤目标检测方法 | |
CN108460420A (zh) | 一种对证件图像进行分类的方法 | |
CN106683043B (zh) | 一种多通道光学探测系统的并行图像拼接方法、装置 | |
Teng et al. | Adaptive morphological filtering method for structural fusion restoration of hyperspectral images | |
US20220028088A1 (en) | Multi-scale segmentation system | |
CN112308887B (zh) | 一种多源图像序列实时配准方法 | |
CN106683044B (zh) | 一种多通道光学探测系统的图像拼接方法、装置 | |
CN107437257A (zh) | 一种移动背景下的运动物体检测与分割方法 | |
Han et al. | Locally adaptive contrast enhancement using convolutional neural network |
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 |