CN112508979A - 一种基于softmax函数的图像边缘提取方法及系统 - Google Patents

一种基于softmax函数的图像边缘提取方法及系统 Download PDF

Info

Publication number
CN112508979A
CN112508979A CN202011054310.3A CN202011054310A CN112508979A CN 112508979 A CN112508979 A CN 112508979A CN 202011054310 A CN202011054310 A CN 202011054310A CN 112508979 A CN112508979 A CN 112508979A
Authority
CN
China
Prior art keywords
image
edge
pixels
threshold value
coefficients
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.)
Pending
Application number
CN202011054310.3A
Other languages
English (en)
Inventor
向佐勇
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.)
Central South University of Forestry and Technology
Original Assignee
Central South University of Forestry and Technology
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 Central South University of Forestry and Technology filed Critical Central South University of Forestry and Technology
Priority to CN202011054310.3A priority Critical patent/CN112508979A/zh
Publication of CN112508979A publication Critical patent/CN112508979A/zh
Pending legal-status Critical Current

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
    • 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

本申请公开了一种基于softmax函数的图像边缘提取方法及系统，该方法包括：步骤1，读取原始图像A，获得图像的最大行数m及最大列数n；步骤2对位于图像中间则进行如下3×3邻域操作，进行如下的循环操作：
Figure DSA0000221056900000011
其中A(i，j)为中心像素，Ys为A(i，j)在当前3×3模块中的8邻域；步骤3得到初始的图像边缘V，对初始边缘V进行二值化处理，高于阈值的赋值1，低于阈值的赋值0，得到二值化的黑白边缘图像；步骤4对二值边缘图像进行联结像素数搜索，若联结像素数小于阈值判断为噪点，从边缘图中删除；步骤5得到最终的图像边缘。本申请的技术方案能得到较清晰完整的边缘。

Description

一种基于softmax函数的图像边缘提取方法及系统
技术领域
本发明涉及图像处理领域，尤其涉及图像边缘提取方法及系统。
背景技术
在数字图像处理技术中，边缘的检测与提取技术也是极为重要的组成部部分。同时在生物医疗、计算机视觉、机器学习、模式识别等诸多领域中，边缘检测都是一个重要的研究课题。
根据边缘检测方法的特点，可以将其大致分为两类。一类是通过一阶导数得到图像的梯度，一阶导数边缘检测方法包括Sobel算子、Prewitt算子、Roberts算子、Krisch算子等。第二类是利用二阶导数求出零交叉点或极值的位置来确定边缘，这种边缘检测器最常见的例子是Laplacian算子和Log算子。此外，还有引入了统计学、形态学、遗传学、多尺度、模糊数学、神经网络、量子力学等概念和技术来对边缘检测方法进行改进的研究。
在这诸多边缘检测方法中，1986年Canny提出的边缘检测方法是目前理论上相对最完善的一种边缘检测方法。
常见的一阶微分算子有Sobel算子、Prewitt算子、Roberts算子、Krisch算子等。这些一阶微分算子都是通过给定模板来近似计算图像各像素点梯度，主要区别也是在于模板的不同。
使用一阶微分算子的优点就是计算比较简单，缺点则是对噪声敏感，边缘检测的结果易受噪声的影响，尤其是脉冲噪声。
发明内容
本申请提供了基于高斯函数的图像图像边缘提取方法及系统，以得到图像较清晰完整的边缘，而且具备良好的抗噪能力。
类似于一阶微分算子，本方法也采用模板来求初步的图像边缘，但模板的系数是自适应的，不是固定的，在3x3模块中：
Figure BSA0000221056930000021
其中X为中间像素，Yi为X的8个邻域，δ2的为当前3X3块中的像素方差。
在得到初步边缘后，对低于阈值的像素点置零，高于阈值置1，得到黑白的边缘图V。
最后对得到的二值化边缘图V实施bwareaopen(V，erse_size)，主要是擦除孤立点和过于零碎的线条，得到最终的图像边缘
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为待提取边缘的原图，图2为应用本申请系统所提取到的边缘图；
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为了改进各种图像设置获取的原始图像的图像质量，提出一种基于像素影响作用的均匀归一化的UM图像增强方法：
本申请提供的图像处理方法包括：
步骤1，读取原始图像A，获得图像的最大行数m及最大列数n；
步骤2，初始化边缘图像矩阵V(i，j)＝0；
步骤3 对V的中间像素逐行逐列进行如下操作：
Figure BSA0000221056930000031
其中A(i，j)
为中间像素，Ys为A(i，j)的8个邻域
步骤4得到初始的边缘图像V；
步骤5对上面得到的边缘图像进行二值化处理，低于指定阈值的像素点置零，高于指定阈值的像素点置，得到黑白边缘图；阈值一般取0.035附近(像素值为双精度型的话)；
步骤6对黑白边缘图中每个像素进行联结像素数搜索，若该像素的联结像素数低于阈值则判断为噪点则从边缘图中删除；
步骤7得到最终的边缘图。
上述流程中，其中A(i，j)表示原图像中第i行j列的像素，V(i，j)表示转换后的第i行j列的像素。
上式等号左侧表示第i行j列像素的邻域操作的结果，右侧表示邻域操作的具体计算方式，其中V(i，j)表示当前第i行j列的像素，其表示邻域操作之前像素的值，A(i，j)的邻域有八个，具体指A(i-1，j-1)，A(i-1，j)，A(i-1，j+1)，A(i，j-1)，A(i，j+1)，A(i+1，j-1)，A(i+1，j)，A(i+1，j+1)等。
过程中涉及到两个指定常数(二值化时用到的阈值和进行擦除操作时面积大小erse_sie)，常数依据个人经验及具体图像指定。
需要说明的是，上面的程序是基于matlab实现仅作为示例，本领域技术人员可以利用其他编程语言来实现本发明的技术方案；
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、装置、或计算机程序产品。因此，本发明可采用完全硬件实施、完全软件实施、或结合软件和硬件方面的实施的形式。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。
上述说明示出并描述了本发明的若干具体实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (4)

1.一种图像边缘提取方法，其特征在于，利用掩模计算周围像素对中心像素的影响份量，然后从中心像素中减掉影响份量，得到初始的图像边缘。
2.一种图像边缘提取方法，其特征在于，在得到初始边缘时进行掩膜计算，八个邻域的系数是自适应归一化的，与中心像素越接近系数越大，与中心像素相差越大系数越小。
3.一种图像边缘提取方法，其特征在于，除了图像边缘的像素置零外，中间的像素的初步输出结果为如下形式：
Figure FSA0000221056920000011
Figure FSA0000221056920000012
其中A(i，j)为中心像素，Ys为A(i，j)的8邻域，V(i，j)为最终生成的第i行，第j列的像素。
4.一种图像边缘提取方法，其特征在于对初始生成的边缘图像进行二值化处理，低于阈值的像素置零，高于阈值的像素置1；然后对二值化的边缘图像V联结像素数搜索，若联结像素数小于阈值则判断为噪点并删除，留下主要的边缘。
CN202011054310.3A 2020-09-26 2020-09-26 一种基于softmax函数的图像边缘提取方法及系统 Pending CN112508979A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011054310.3A CN112508979A (zh) 2020-09-26 2020-09-26 一种基于softmax函数的图像边缘提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011054310.3A CN112508979A (zh) 2020-09-26 2020-09-26 一种基于softmax函数的图像边缘提取方法及系统

Publications (1)

Publication Number Publication Date
CN112508979A true CN112508979A (zh) 2021-03-16

Family

ID=74953682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011054310.3A Pending CN112508979A (zh) 2020-09-26 2020-09-26 一种基于softmax函数的图像边缘提取方法及系统

Country Status (1)

Country Link
CN (1) CN112508979A (zh)

Similar Documents

Publication Publication Date Title
CN114529459B (zh) 一种对图像边缘进行增强处理的方法和系统及介质
CN109242032B (zh) 一种基于深度学习的目标检测方法
CN112634288A (zh) 设备区域图像分割方法及装置
CN113129265B (zh) 瓷砖表面缺陷检测方法、装置及存储介质
CN111914947A (zh) 基于特征融合图像实例分割方法、装置、设备及存储介质
CN111539877A (zh) 一种漫画风格边缘增强的图像锐化方法
CN112508979A (zh) 一种基于softmax函数的图像边缘提取方法及系统
CN110473222A (zh) 图像要素提取方法及装置
CN112508799A (zh) 一种基于softmax函数的图像增强及降噪的方法与系统
CN112990225B (zh) 一种复杂环境下的图像目标识别方法及装置
CN112508981A (zh) 一种基于高斯函数的图像边缘提取方法及系统
CN112508978A (zh) 一种基于3乘3均匀归一化模板的图像边缘提取方法及系统
CN112508980A (zh) 一种基于5乘5模块均匀归一化模板的图像边缘提取方法及系统
JP6377214B2 (ja) テキスト検出方法および装置
CN115862044A (zh) 用于从图像中提取目标文档部分的方法、设备和介质
JPH1125222A (ja) 文字切り出し方法及び文字切り出し装置
CN112258421A (zh) 一种基于prewitt算子的图像增强及降噪的方法与系统
CN116206229A (zh) 目标检测方法和装置
CN109389586B (zh) 基于相位谱的图像模糊检测方法
CN112883977A (zh) 车牌识别方法、装置、电子设备和存储介质
CN112435199A (zh) 一种基于3乘3均匀归一化的图像增强及降噪的方法与系统
CN112464962A (zh) 一种基于Laplacian算子的图像边缘提取的方法与系统
CN112464963A (zh) 一种基于roberts算子的图像边缘提取的方法与系统
CN112233044A (zh) 一种基于roberts算子的图像增强及降噪的方法与系统
CN112508798A (zh) 一种基于高斯函数的图像增强及降噪方法与系统

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