CN114240986A - 图像处理方法、终端设备及计算机可读存储介质 - Google Patents
图像处理方法、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114240986A CN114240986A CN202111344750.7A CN202111344750A CN114240986A CN 114240986 A CN114240986 A CN 114240986A CN 202111344750 A CN202111344750 A CN 202111344750A CN 114240986 A CN114240986 A CN 114240986A
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- processed
- threshold
- tested
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 46
- 238000003708 edge detection Methods 0.000 claims abstract description 93
- 238000012545 processing Methods 0.000 claims description 8
- 239000000470 constituent Substances 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像处理方法、终端设备及计算机可读存储介质,该方法包括:获取待处理图像的最大梯度幅值及最小梯度幅值;根据最大梯度幅值及最小梯度幅值确定各个待测试阈值;根据每个待测试阈值对待处理图像边缘检测,以生成边缘图像;获取边缘图像中组成图像边缘的平均长度;获取平均长度中最大平均长度对应的待测试阈值以确定为目标阈值;根据目标阈值对待处理图像进行边缘检测,以生成待处理图像对应的目标边缘图像。本发明的方法从各个待测试阈值分别对应的待处理图像的边缘图像中,获取组成图像边缘的平均长度中最大平均长度对应的待测试阈值以确定为目标阈值,通过目标阈值对待处理图像边缘检测时,以获得连续性最好的目标边缘图像。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其涉及一种图像处理方法、终端设备及计算机可读存储介质。
背景技术
Canny算子是将图像平滑、边缘增强和检测相结合的优化算子。在边缘检测时,首先利用高斯函数对图像进行卷积以除去噪声,然后利用一阶差分模板来计算每个像素点的方向和梯度幅值,然后利用非极大值抑制原理,将图像每个点邻域强度值有显著变化的点突显出来,以达到增强边缘的效果,最后将采用两个阈值检测和连接边缘,最终得到边缘图像。然而在最终的两个阈值的选择上,采用人工的选择的方法很难选择到最优的阈值,从而影响最后的边缘选取与边缘连接。不合适的阈值选择会使得图像产生很多伪边缘和噪声,干扰后期对图像的进一步处理与适用。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种图像处理方法、终端设备及计算机可读存储介质,旨在解决在边缘检测时采用人工选择两个阈值的方式检测和连接边缘,可能导致获取的图像的边缘连接性较差的问题。
为实现上述目的,本发明提供一种图像处理方法,所述图像处理方法包括:
获取待处理图像的最大梯度幅值以及最小梯度幅值;
根据所述最大梯度幅值以及所述最小梯度幅值确定各个待测试阈值;
根据每个所述待测试阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的边缘图像;
获取所述边缘图像中组成图像边缘的平均长度;
获取所述平均长度中最大平均长度对应的所述待测试阈值,以确定为目标阈值;
根据所述目标阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像。
可选地,获取所述边缘图像中组成图像边缘的平均长度的步骤包括:
获取与所述边缘图像对应的单像素边缘图像;
获取所述单像素边缘图像中组成图像边缘的平均长度。
可选地,获取与所述边缘图像对应的单像素边缘图像的步骤包括:
通过预设的第一结构元对所述边缘图像进行腐蚀得到第一处理图像,以获取与所述边缘图像对应的单像素边缘图像。
可选地,通过预设的第一结构元对所述边缘图像进行腐蚀得到第一处理图像,以获取与所述边缘图像对应的单像素边缘图像的步骤包括:
通过预设的所述第一结构元对所述边缘图像进行腐蚀得到所述第一处理图像;
通过预设的第二结构元对所述第一处理图像进行预设处理,以确定所述第一处理图像中的高曲率点,并从所述第一处理图像中删除所述高曲率点,以得到与所述边缘图像对应的所述单像素边缘图像。
可选地,通过预设的第二结构元对所述第一处理图像进行预设处理,以确定所述第一处理图像中的高曲率点的步骤包括:
通过预设的第二结构元对所述第一处理图像进行腐蚀,并根据腐蚀后的所述第一处理图像得到二值图像;
对所述二值图像进行取反操作,以得到取反后的所述二值图像;
根据所述二值图像以及取反后的所述二值图像确定所述第一处理图像中的高曲率点。
可选地,获取所述单像素边缘图像中组成图像边缘的平均长度的步骤包括:
获取所述单像素边缘图像中组成图像边缘的像素总数量以及边缘总数量;
根据所述像素总数量以及所述边缘总数量确定所述平均长度。
可选地,根据所述目标阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像的步骤包括:
根据所述目标阈值确定对所述待处理图像进行边缘检测的高阈值;
根据所述目标阈值确定对所述待处理图像进行边缘检测的低阈值;
根据所述高阈值以及低阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像。
可选地,根据所述目标阈值确定对所述待处理图像进行边缘检测的高阈值的步骤包括:
确定所述目标阈值为获取边缘检测的高阈值的最小参考值,将所述最小参考值确定为边缘检测的高阈值所对应的第一待测试参考值;
增大所述第一待测试参考值以得到更新后的所述第一待测试参考值;
根据更新后的所述第一待测试参考值确定边缘检测的高阈值的最大参考值;
根据所述最小参考值以及所述最大参考值对待处理图像进行边缘检测,以生成所述待处理图像对应的边缘图像,获取边缘图像中组成图像边缘的平均长度;
在平均长度小于最大平均长度的预设百分比时,返回执行增大第一待测试参考值以得到更新后的第一待测试参考值的步骤;
在所述平均长度大于或者等于所述最大平均长度的预设百分比时,将与所述平均长度所对应所述最大参考值确定为待处理图像进行边缘检测的高阈值。
此外,为实现上述目的,本发明还提供一种终端设备,所述终端设备包括:存储器、处理器以及存储在所述存储器里并可在所述处理器上运行的图像处理程序,所述图像处理程序被所述处理器执行时实现如以上所述图像处理方法的各个步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有图像处理程序,所述图像处理程序被所述处理器执行时实现如以上所述图像处理方法的各个步骤。
本发明提出的图像处理方法、终端设备及计算机可读存储介质,通过待处理图像的最大梯度幅值以及最小梯度幅值确定各个待测试阈值,进而确定每个待测试阈值对待处理图像进行边缘检测后获得的待处理图像对应的边缘图像,也即对应于每个待测试阈值确定一待处理图像对应的边缘图像,从而从各个待测试阈值分别对应的待处理图像对应的边缘图像中,获取组成图像边缘的平均长度中最大平均长度对应的待测试阈值,以确定为目标阈值,也即获得组成图像边缘的连续性最好的图像所对应的待测试阈值以确定为目标阈值,在根据确定的目标阈值对待处理图像进行边缘检测时,以使得生成待处理图像对应的目标边缘图像为连续性最好的图像。
附图说明
图1为本发明的图像处理方法各个实施例涉及的终端设备的结构示意图;
图2为本发明的图像处理方法第一实施例的流程示意图;
图3为本发明的图像处理方法第二实施例的流程示意图;
图4为本发明的图像处理方法第二实施例中获取单像素边缘图像的流程示意图;
图5为本发明的图像处理方法第二实施例中预设的第一结构元;
图6为本发明的图像处理方法第二实施例中预设的第二结构元;
图7是本发明的图像处理方法第二实施例中采用第二结构元确定图像的高曲率点并剔除高曲率点的局部示意图;
图8为本发明的图像处理方法第三实施例的流程示意图;
图9为待处理图像;
图10为OpenCV与本发明分别对待处理图像进行边缘检测的结果对比。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种图像处理方法,所述图像处理方法包括:
获取待处理图像的最大梯度幅值以及最小梯度幅值;
根据所述最大梯度幅值以及所述最小梯度幅值确定各个待测试阈值;
根据每个所述待测试阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的边缘图像;
获取所述边缘图像中组成图像边缘的平均长度;
获取所述平均长度中最大平均长度对应的所述待测试阈值,以确定为目标阈值;
根据所述目标阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像。
本发明的方法通过待处理图像的最大梯度幅值以及最小梯度幅值确定各个待测试阈值,进而确定每个待测试阈值对待处理图像进行边缘检测后获得的待处理图像对应的边缘图像,也即对应于每个待测试阈值确定一待处理图像对应的边缘图像,从而从各个待测试阈值分别对应的待处理图像对应的边缘图像中,获取组成图像边缘的平均长度中最大平均长度对应的待测试阈值,以确定为目标阈值,也即获得组成图像边缘的连续性最好的图像所对应的待测试阈值以确定为目标阈值,在根据确定的目标阈值对待处理图像进行边缘检测时,以使得生成待处理图像对应的目标边缘图像为连续性最好的图像。此外,本发明的图像处理方法可适应于不同的待处理图像,以根据不同的待处理图像确定每个待处理图像所对应的目标阈值,进而根据确定的目标阈值对待处理图像进行边缘检测时,以使得生成待处理图像对应的目标边缘图像为连续性最好的图像。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或者“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或者“单元”可以混合地使用。
终端设备可以以各种形式来实施。例如,本发明中描述的终端设备可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)等移动终端。
请参考图1,图1为本发明的图像处理方法各个实施例涉及的终端设备的结构示意图。
如图1所示,该终端设备可以包括:存储器101以及处理器102。本领域技术人员可以理解,图1示出的终端的结构框图并不构成对终端的限定,终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中,存储器101中存储有操作系统以及图像处理程序。处理器102是终端设备的控制中心,处理器102执行存储在存储器101内的图像处理程序,以实现本发明的图像处理方法各实施例的步骤。
可选地,终端设备还可包括显示单元103,显示单元103包括显示面板,可采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-EmittingDiode,OLED)等形式来配置显示面板,用于输出显示用户浏览的界面。
基于上述终端设备的结构框图,提出本发明的图像处理方法的各个实施例。
在第一实施例中,本发明提供一种图像处理方法,请参考图2,图2为本发明的图像处理方法第一实施例的流程示意图。在该实施例中,图像处理方法包括以下步骤:
步骤S10,获取待处理图像的最大梯度幅值以及最小梯度幅值;
需要说明的是,图像边缘是图像中梯度较大的部分,图像梯度可以用相邻像素差值来表示。图像梯度指的是图像中每个像素在其邻域内的灰度变化。图像梯度计算是图像边缘提取、目标跟踪等算法的重要中间步骤,目前常采用小区域模板进行卷积计算来求图像梯度,以得到图像梯度中的两个重要的物理量:梯度幅值和梯度角度。
从数学原理上区分,边缘检测可以分成一阶算子和二阶算子。一阶算子是基于一阶微分的算子,也称基于搜索的算子,首先通过一阶导数计算边缘强度,然后采用梯度的方向来对边缘的局部方向进行寻找,同时根据该方向来寻找出局部梯度模的最大值,由此定位边缘,如Canny算子;二阶算子则基于二阶微分,也称基于零交叉的算子,通过寻找由待处理图像得到的二阶导数的过零点来定位检测边缘,如Laplace算子。实际应用中Canny算子使用频率最高,但是Canny算子需要人为指定提取边缘的阈值,不同的待处理图像往往采用不同的阈值以达到较好的边缘提取效果。
其次,Canny边缘检测算法的非极大值抑制即若图像上某像素点的边缘强度小于沿梯度线方向上的两个相邻像素点的边缘强度,则认为该像素点为非边缘点,该像素点像素值置零。否则,则认为该点为边缘像素点,保留其像素值。通过非极大值抑制运算,可将图像中众多非边缘点剔除,使计算出的边缘更为细致。但同时也会误将一些原本是边缘点的像素点剔除,造成边缘的不连续。双阈值分割的思想即尽可能将这些边缘点保留。设计思想是:模块中设计高低两个阈值,凡是边缘强度大于高阈值的一定是边缘点;而凡是边缘强度小于低阈值的判定一定不是边缘点;如果边缘强度大于低阈值又小于高阈值,则继续考察该像素点的邻近像素点中是否有超过高阈值的边缘点,如果有,此像素点判定为边缘点,如果没有,则判定为边缘点。通过双阈值的调整可以得到较为理想的边缘。
在本实施例中,Canny边缘检测算法中的通过Sobel算子对待处理图像进行边缘检测,通过Sobel边缘检测以获取得到待处理图像每一个像素点的梯度幅值,进而从待处理图像中各个像素点对应的梯度幅值中确定待处理图像的最大梯度幅值以及最小梯度幅值。
步骤S20,根据所述最大梯度幅值以及所述最小梯度幅值确定各个待测试阈值;
根据最大梯度幅值以及最小梯度幅值确定各个待测试阈值,实质上,将最大梯度幅值作为待测试阈值的最大阈值,将最小梯度幅值作为待测试阈值的最小阈值,以通过最大阈值以及最小阈值确定待测试阈值的取值区间范围。举例来说,假设最大梯度幅值为a,最小梯度幅值为b,其中,a<b,进而确定待测试阈值的取值区间范围是[a,b],确定的各个待测试阈值可以包括a,a+1,a+2,a+3......a+n直到a增加至b停止,其中,n取值为1、2、3......n,n为正整数,确定的各个待测试阈值也可以包括a,a+0.5,a+1,a+1.5......a+0.5n直到a增加至b停止,其中,n取值为1、2、3......n,n为正整数,本实施例对此不做限定。
步骤S30,根据每个所述待测试阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的边缘图像;
步骤S40,获取所述边缘图像中组成图像边缘的平均长度;
步骤S50,获取所述平均长度中最大平均长度对应的所述待测试阈值,以确定为目标阈值;
步骤S60,根据所述目标阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像。
根据每个待测试阈值对待处理图像进行边缘检测,以生成待处理图像对应的边缘图像,可以是根据各个待测试阈值中的最小阈值与确定的大于最小阈值的每个待测试阈值作为Canny边缘检测算法中的输入阈值,以确定基于每个待测试阈值所生成待处理图像的边缘图像;还可以是选取一小于最小阈值的参考阈值,将参考阈值与确定的每个待测试阈值作为Canny边缘检测算法中的输入阈值,以确定基于每个待测试阈值所生成待处理图像的边缘图像,本实施例对此步骤不做具体限定。
在实际应用过程中,输入阈值的选取不同,生成待处理图像的边缘图像的提取效果不同,例如,有的输入阈值提取的待处理图像的边缘图像的连续性较好产生的噪声较小,如提取的边缘图像中的组成图像边缘的平均长度较长,表明边缘的连续性较好,有的输入阈值提取的待处理图像的边缘图像的连续性较差产生的噪声较大。获取边缘图像中组成图像边缘的平均长度,可获取边缘图像中组成图像边缘的像素总数量以及边缘总数量,根据像素总数量以及边缘总数量确定平均长度,也可获取与边缘图像对应的单像素边缘图像,获取单像素边缘图像中组成图像边缘的平均长度,本实施例对此步骤不做具体限定。其中,边缘图像的边缘总数量是指边缘图像中组成图像边缘的不连续的边缘的条数。
进而基于每个待测试阈值、基于每个待测试阈值所生成待处理图像的边缘图像以及边缘图像的平均长度之间的对应关系,从各个待测试阈值分别对应的待处理图像对应的边缘图像中,确定组成图像边缘的平均长度中最大平均长度对应的边缘图像,最大平均长度对应的边缘图像的图像边缘的连续性最好,也即图像边缘的轮廓较完整,从而获取平均长度中最大平均长度对应的待测试阈值以确定为目标阈值,也即在通过Canny边缘检测算法获取待处理图像的边缘图像过程中,确定Canny边缘检测算法的最优输入阈值,也即根据目标阈值对待处理图像进行边缘检测,以生成待处理图像对应的目标边缘图像,以使得最终获得的目标边缘图像的边缘提取效果更好,如边缘图像的边缘轮廓连续性更好。
在本实施例公开的技术方案中,通过待处理图像的最大梯度幅值以及最小梯度幅值确定各个待测试阈值,进而确定每个待测试阈值对待处理图像进行边缘检测后获得的待处理图像对应的边缘图像,也即对应于每个待测试阈值确定一待处理图像对应的边缘图像,从而从各个待测试阈值分别对应的待处理图像对应的边缘图像中,获取组成图像边缘的平均长度中最大平均长度对应的待测试阈值,以确定为目标阈值,也即获得组成图像边缘的连续性最好的图像所对应的待测试阈值以确定为目标阈值,在根据确定的目标阈值对待处理图像进行边缘检测时,以使得生成待处理图像对应的目标边缘图像为连续性最好的图像。
在基于第一实施例的基础上提出的第二实施例中,请参考图3,图3为本发明的图像处理方法第二实施例的流程示意图。在该实施例中,步骤S40包括:
步骤S41,获取与所述边缘图像对应的单像素边缘图像;
步骤S42,获取所述单像素边缘图像中组成图像边缘的平均长度。
通过Canny边缘检测算法程序处理后的待处理图像可得到较为细致的边缘图像,为得到更为细致的单像素边缘点,检测方法将得到的边缘图像进一步进行形态学腐蚀运算处理。
作为一种可选的实施方式,请参考图4,图4为本发明的图像处理方法第二实施例中获取单像素边缘图像的流程示意图,步骤S41包括:
步骤S411,通过预设的第一结构元对所述边缘图像进行腐蚀,以得到第一处理图像;
步骤S412,通过预设的第二结构元对所述第一处理图像进行预设处理,以确定所述第一处理图像中的高曲率点,并从所述第一处理图像中删除所述高曲率点,以得到与所述边缘图像对应的所述单像素边缘图像。
通过预设的第一结构元对边缘图像进行腐蚀,可对边缘图像中的图像边缘进行细化,以得到第一处理图像。举例来说,请参考图5,图5为本发明的图像处理方法第二实施例中预设的第一结构元,如通过预设的8种结构元对边缘图像进行腐蚀。经过运算,腐蚀后的边缘像素点减少,例如如图5中被标记有矩形白框的像素点为被腐蚀的边缘像素点,但留下来的边缘点准确且边缘细致,方便于根据边缘点计算时,选取的边缘点的有效性。
可选地,步骤S412包括:
通过预设的第二结构元对所述第一处理图像进行腐蚀,并根据腐蚀后的所述第一处理图像得到二值图像;
对所述二值图像进行取反操作,以得到取反后的所述二值图像;
根据所述二值图像以及取反后的所述二值图像确定所述第一处理图像中的高曲率点。
二值图像(Binary Image)是指图像上的每一个像素只有两种可能的取值或灰度等级状态,常用黑白、B&W、单色图像表示二值图像。二值图像是指在图像中,灰度等级只有两种,也就是说,图像中的任何像素点的灰度值均为0或者255,分别代表黑色和白色。根据二值图像以及取反后的二值图像确定第一处理图像中的高曲率点,也即二值图和取反后的二值图进行按位与操作,确定第一处理图像中的高曲率点并得到剔除高曲率点的最终图像,请参考图6以及图7,图6为本发明的图像处理方法第二实施例中预设的第二结构元,图7是本发明的图像处理方法第二实施例中采用第二结构元确定图像的高曲率点并剔除高曲率点的局部示意图,其中,如图6所示,高曲率点用白色圆圈标记,可对标记的高曲率点进行剔除操作,需要说明的是,从第一处理图像中删除高曲率点以得到与边缘图像对应的单像素边缘图像,是将图像中的特殊像素点如角点去除后的边缘图像,以便于对边缘图像中的图像边缘的轮廓的相关信息如像素总数量以及边缘总数量进行准确统计。
可选地,得到与边缘图像对应的单像素边缘图像后,可进行8-连通域统计,记录下8-连通域面积的数量,生成连通域面积的直方图,确定每个连通域为一个组件,可简单理解一个组件对应于形成图像边缘的轮廓的不连续的子边缘,为了消除噪声和腐蚀打断带来的单个像素噪声,通过对组件面积设置阈值进行过滤,阈值的选取以最大连通域面积的比例来设置,具体地,设置的比例可以是4%-7%,可选地,设置的比例采用5%,即小于5%*最大连通域面积的组件将被剔除。
作为一种可选的实施方式,步骤S42包括:
获取所述单像素边缘图像中组成图像边缘的像素总数量以及边缘总数量;
根据所述像素总数量以及边缘总数量确定所述平均长度。
像素总数量是指单像素边缘图像中形成图像边缘的轮廓的像素的总和。边缘总数量是指单像素边缘图像中形成图像边缘的轮廓的不连续的子边缘的数量的总和。获取单像素边缘图像中组成图像边缘的像素总数量以及边缘总数量可直接通过图像边缘的像素提取工具和/或图像识别工具获取得到。
根据像素总数量以及边缘总数量确定平均长度,可根据像素总数量以及边缘总数量区平均值,以确定平均长度,基于平均长度可用于确定形成图像边缘的轮廓的连续性,其中,平均长度越大,表明形成图像边缘的轮廓的连续性越好,以使得获取得到的单像素边缘图像能反映出更多待处理图像的图像边缘的轮廓的信息。
在本实施例公开的技术方案中,在对待处理图像进行边缘检测的基础上,通过获取边缘图像对应的单像素边缘图像,以使得获取得到的待处理图像的边缘图像的轮廓更加准确且清晰,进而能更加准确获取单像素边缘图像中组成图像边缘的平均长度,以进一步从各个待测试阈值分别对应的待处理图像对应的边缘图像如单像素边缘图像中,获取组成图像边缘的平均长度中最大平均长度对应的待测试阈值以确定为目标阈值,也即获得组成图像边缘的连续性最好的图像所对应的待测试阈值以确定为目标阈值,在根据确定的目标阈值对待处理图像进行边缘检测时,以使得生成待处理图像对应的目标边缘图像为连续性最好的图像。
在基于上述任意一个实施例提出的第三实施例中,请参考图8,图8为本发明的图像处理方法第三实施例的流程示意图。在该实施例中,步骤S60包括:
步骤S61,根据所述目标阈值确定对所述待处理图像进行边缘检测的高阈值以及低阈值;
步骤S62,根据所述高阈值以及低阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像。
基于确定的目标阈值是最大平均长度对应的待测试阈值以确定为目标阈值,也即图像边缘的轮廓的连续性最好且较完整,为确定Canny边缘检测算法根据输入阈值(也即高阈值与低阈值)提取的待处理图像的边缘图像的图像边缘的轮廓的连续性最好且较完整,根据目标阈值确定对待处理图像进行边缘检测的高阈值以及低阈值。
具体地,根据目标阈值确定对待处理图像进行边缘检测的高阈值,可确定目标阈值为获取边缘检测的高阈值的迭代区间的最小参考值,将最小参考值确定为边缘检测的高阈值所对应的第一待测试参考值,增大第一待测试参考值以得到更新后的第一待测试参考值,根据更新后的第一待测试参考值确定边缘检测的高阈值的迭代区间的最大参考值,根据最小参考值以及最大参考值对待处理图像进行边缘检测,以生成待处理图像对应的边缘图像,获取边缘图像中组成图像边缘的平均长度,在平均长度大于或者等于最大平均长度的预设百分比时,将与平均长度所对应最大参考值确定为待处理图像进行边缘检测的高阈值。其中,预设百分比取值的区间为93%至98%,可选地,预设百分比取值为95%。在平均长度小于最大平均长度的预设百分比时,返回执行增大第一待测试参考值以得到更新后的第一待测试参考值的步骤。
举例来说,为根据目标阈值确定对待处理图像进行边缘检测的高阈值,假设确定的目标阈值为P,P为获取边缘检测的高阈值的迭代区间的最小参考值,也即确定P为Canny边缘检测算法输入的低阈值,将P确定为边缘检测的高阈值所对应的第一待测试参考值,增大第一待测试参考值(如P+1)以得到更新后第一待测试参考值,此时,更新后第一待测试参考值为P+1,并将第一待测试参考值(如P+1)确定边缘检测的高阈值的迭代区间的最大参考值,也即将P+1确定为Canny边缘检测算法输入的高阈值,依据Canny边缘检测算法,将最小参考值P作为输入的低阈值,以及将最大参考值P+1作为输入的高阈值,对待处理图像进行边缘检测,以生成待处理图像对应的边缘图像,获取边缘图像中组成图像边缘的平均长度,判断平均长度是否大于或者等于最大平均长度的预设百分比,若平均长度大于或者等于最大平均长度的预设百分比,将与平均长度所对应最大参考值确定为待处理图像进行边缘检测的高阈值,若平均长度小于最大平均长度的预设百分比,则返回增大第一待测试参考值以得到更新后第一待测试参考值的步骤,也即增大第一待测试参考值(P+1+1)以得到更新后第一待测试参考值,直到获取边缘图像中组成图像边缘的平均长度大于或者等于最大平均长度的预设百分比,并最终确定待处理图像进行边缘检测的高阈值。
可选地,可根据具体需求确定增大的单位系数,按照单位系数如1、2或者3等增大第一待测试参考值。
同理地,根据目标阈值确定对待处理图像进行边缘检测的低阈值,可确定目标阈值为获取边缘检测的高阈值的迭代区间的最大参考值,将最大参考值确定为边缘检测的低阈值所对应的第二待测试参考值,减小第二待测试参考值以得到更新后的第二待测试参考值,根据第二待测试参考值确定边缘检测的高阈值的迭代区间的最小参考值,根据最小参考值以及最大参考值对待处理图像进行边缘检测,以生成待处理图像对应的边缘图像,获取边缘图像中组成图像边缘的平均长度,在平均长度大于或者等于最大平均长度的预设百分比时,将与平均长度所对应最小参考值确定为待处理图像进行边缘检测的低阈值。其中,预设百分比取值的区间为93%至98%,可选地,预设百分比取值为95%。在平均长度小于最大平均长度的预设百分比时,返回执行减小第二待测试参考值以得到更新后的第二待测试参考值的步骤。
举例来说,为根据目标阈值确定对待处理图像进行边缘检测的低阈值,假设确定的目标阈值为P,P为获取边缘检测的高阈值的迭代区间的最大参考值,也即确定P为Canny边缘检测算法输入的高阈值,将P确定为边缘检测的低阈值所对应的第一待测试参考值,减小第一待测试参考值(如P-1)以得到更新后第一待测试参考值,此时,更新后第一待测试参考值为P-1,并将第一待测试参考值(如P-1)确定边缘检测的低阈值的迭代区间的最小参考值,也即将P+1确定为Canny边缘检测算法输入的低阈值,依据Canny边缘检测算法,将最大参考值P作为输入的高阈值,以及将最小参考值P-1作为输入的低阈值,对待处理图像进行边缘检测,以生成待处理图像对应的边缘图像,获取边缘图像中组成图像边缘的平均长度,判断平均长度是否大于或者等于最大平均长度的预设百分比,若平均长度大于或者等于最大平均长度的预设百分比,将与平均长度所对应最大参考值确定为待处理图像进行边缘检测的高阈值,若平均长度小于最大平均长度的预设百分比,则返回减小第一待测试参考值以得到更新后第一待测试参考值的步骤,也即减小第一待测试参考值(P-1-1)以得到更新后第一待测试参考值,直到获取边缘图像中组成图像边缘的平均长度大于或者等于最大平均长度的预设百分比,并最终确定待处理图像进行边缘检测的低阈值。
可选地,可根据具体需求确定减小的单位系数,按照单位系数如1、2或者3等减大第一待测试参考值。
举例来说,请参考图9以及图10,图9为待处理图像,图10为OpenCV与本发明分别对待处理图像进行边缘检测的结果对比。其中,采用如图9所示的lena图像(图像尺寸512*512pixel)进行边缘检测测试。以脸部区域为例,从图10中可以看出本发明检测出的边缘信息更多,图像更加细致,OpenCV则丢失了一些细小的边缘。
在本实施例公开的技术方案中,基于确定的目标阈值是最大平均长度对应的待测试阈值以确定为目标阈值,也即图像边缘的轮廓的连续性最好且较完整,根据目标阈值确定对待处理图像进行边缘检测的高阈值以及低阈值,对待处理图像进行边缘检测生成待处理图像对应的目标边缘图像,使得获取得到目标边缘图像的图像边缘的轮廓的连续性最好且较完整。
本发明还提出一种终端设备,所述终端设备包括:包括存储器、处理器以及存储在存储器里并可在处理器上运行的图像处理程序,图像处理程序被处理器执行时实现上述任一实施例中的图像处理方法的步骤。
本发明还提出一种计算机可读存储介质,该计算机可读存储介质上存储有图像处理程序,所述图像处理程序被处理器执行时实现如以上任一实施例所述的图像处理方法的步骤。
在本发明提供的终端设备和计算机可读存储介质的实施例中,包含了上述图像处理方法各实施例的全部技术特征,说明书拓展和解释内容与上述图像处理方法的各实施例基本相同,在此不做再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台移动终端(可以是手机,计算机,服务器,被控终端,或者网络设备等)执行本发明每个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种图像处理方法,其特征在于,所述图像处理方法包括:
获取待处理图像的最大梯度幅值以及最小梯度幅值;
根据所述最大梯度幅值以及所述最小梯度幅值确定各个待测试阈值;
根据每个所述待测试阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的边缘图像;
获取所述边缘图像中组成图像边缘的平均长度;
获取所述平均长度中最大平均长度对应的所述待测试阈值,以确定为目标阈值;
根据所述目标阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像。
2.如权利要求1所述的图像处理方法,其特征在于,所述获取所述边缘图像中组成图像边缘的平均长度的步骤包括:
获取与所述边缘图像对应的单像素边缘图像;
获取所述单像素边缘图像中组成图像边缘的平均长度。
3.如权利要求2所述的图像处理方法,其特征在于,所述获取与所述边缘图像对应的单像素边缘图像的步骤包括:
通过预设的第一结构元对所述边缘图像进行腐蚀得到第一处理图像,以获取与所述边缘图像对应的单像素边缘图像。
4.如权利要求3所述的图像处理方法,其特征在于,所述通过预设的第一结构元对所述边缘图像进行腐蚀得到第一处理图像,以获取与所述边缘图像对应的单像素边缘图像的步骤包括:
通过预设的所述第一结构元对所述边缘图像进行腐蚀得到所述第一处理图像;
通过预设的第二结构元对所述第一处理图像进行预设处理,以确定所述第一处理图像中的高曲率点,并从所述第一处理图像中删除所述高曲率点,以得到与所述边缘图像对应的所述单像素边缘图像。
5.如权利要求4所述的图像处理方法,其特征在于,所述通过预设的第二结构元对所述第一处理图像进行预设处理,以确定所述第一处理图像中的高曲率点的步骤包括:
通过预设的第二结构元对所述第一处理图像进行腐蚀,并根据腐蚀后的所述第一处理图像得到二值图像;
对所述二值图像进行取反操作,以得到取反后的所述二值图像;
根据所述二值图像以及取反后的所述二值图像确定所述第一处理图像中的高曲率点。
6.如权利要求2所述的图像处理方法,其特征在于,所述获取所述单像素边缘图像中组成图像边缘的平均长度的步骤包括:
获取所述单像素边缘图像中组成图像边缘的像素总数量以及边缘总数量;
根据所述像素总数量以及所述边缘总数量确定所述平均长度。
7.如权利要求1所述的图像处理方法,其特征在于,所述根据所述目标阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像的步骤包括:
根据所述目标阈值确定对所述待处理图像进行边缘检测的高阈值;
根据所述目标阈值确定对所述待处理图像进行边缘检测的低阈值;
根据所述高阈值以及低阈值对所述待处理图像进行边缘检测,以生成所述待处理图像对应的目标边缘图像。
8.如权利要求7所述的图像处理方法,其特征在于,所述根据所述目标阈值确定对所述待处理图像进行边缘检测的高阈值的步骤包括:
确定所述目标阈值为获取边缘检测的高阈值的最小参考值,将所述最小参考值确定为边缘检测的高阈值所对应的第一待测试参考值;
增大所述第一待测试参考值以得到更新后的所述第一待测试参考值;
根据更新后的所述第一待测试参考值确定边缘检测的高阈值的最大参考值;
根据所述最小参考值以及所述最大参考值对待处理图像进行边缘检测,以生成所述待处理图像对应的边缘图像,获取边缘图像中组成图像边缘的平均长度;
在平均长度小于最大平均长度的预设百分比时,返回执行增大第一待测试参考值以得到更新后的第一待测试参考值的步骤;
在所述平均长度大于或者等于所述最大平均长度的预设百分比时,将与所述平均长度所对应所述最大参考值确定为待处理图像进行边缘检测的高阈值。
9.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器以及存储在所述存储器里并可在所述处理器上运行的图像处理程序,所述图像处理程序被所述处理器执行时实现如权利要求1-8任一项图像处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有图像处理程序,所述图像处理程序被处理器执行时实现如权利要求1-8任一项图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111344750.7A CN114240986A (zh) | 2021-11-12 | 2021-11-12 | 图像处理方法、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111344750.7A CN114240986A (zh) | 2021-11-12 | 2021-11-12 | 图像处理方法、终端设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114240986A true CN114240986A (zh) | 2022-03-25 |
Family
ID=80749285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111344750.7A Pending CN114240986A (zh) | 2021-11-12 | 2021-11-12 | 图像处理方法、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240986A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590512A (zh) * | 2017-08-30 | 2018-01-16 | 深圳市华汉伟业科技有限公司 | 一种模板匹配中参数的自适应方法和系统 |
CN108109155A (zh) * | 2017-11-28 | 2018-06-01 | 东北林业大学 | 一种基于改进Canny的自动阈值边缘检测方法 |
CN109410230A (zh) * | 2018-09-07 | 2019-03-01 | 南京航空航天大学 | 一种可抗噪声的改进Canny图像边缘检测方法 |
CN111985329A (zh) * | 2020-07-16 | 2020-11-24 | 浙江工业大学 | 基于FCN-8s和改进Canny边缘检测的遥感图像信息提取方法 |
-
2021
- 2021-11-12 CN CN202111344750.7A patent/CN114240986A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590512A (zh) * | 2017-08-30 | 2018-01-16 | 深圳市华汉伟业科技有限公司 | 一种模板匹配中参数的自适应方法和系统 |
CN108109155A (zh) * | 2017-11-28 | 2018-06-01 | 东北林业大学 | 一种基于改进Canny的自动阈值边缘检测方法 |
CN109410230A (zh) * | 2018-09-07 | 2019-03-01 | 南京航空航天大学 | 一种可抗噪声的改进Canny图像边缘检测方法 |
CN111985329A (zh) * | 2020-07-16 | 2020-11-24 | 浙江工业大学 | 基于FCN-8s和改进Canny边缘检测的遥感图像信息提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111223115B (zh) | 一种图像分割方法、装置、设备及介质 | |
US8965123B2 (en) | System and method for processing image for identifying alphanumeric characters present in a series | |
Zhang et al. | Image segmentation based on 2D Otsu method with histogram analysis | |
EP1956551B1 (en) | Pattern recognition apparatus, pattern recognition method, and pattern recognition program | |
US20060245650A1 (en) | Precise grayscale character segmentation apparatus and method | |
CN108389215B (zh) | 一种边缘检测方法、装置、计算机存储介质及终端 | |
Mokji et al. | Adaptive thresholding based on co-occurrence matrix edge information | |
Kaur et al. | A review on various methods of image thresholding | |
Sokratis et al. | A hybrid binarization technique for document images | |
Halder et al. | Edge detection: A statistical approach | |
CN104732510A (zh) | 一种相机镜头黑斑检测方法及装置 | |
CN111539238A (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
CN111429372A (zh) | 一种增强低对比度图像边缘检测效果的方法 | |
KR101792564B1 (ko) | 영상 처리 방법 및 이를 이용한 영상 처리 장치 | |
Muslim et al. | Detection and counting potholes using morphological method from road video | |
Singh et al. | Thresholding Techniques applied for Segmentation of RGB and multispectral images | |
EP3293672A1 (en) | Particle boundary identification | |
Reddy et al. | Canny scale edge detection | |
Shi et al. | Image enhancement for degraded binary document images | |
CN114913112A (zh) | 晶圆双边缘检测方法和装置及设备 | |
CN114240986A (zh) | 图像处理方法、终端设备及计算机可读存储介质 | |
Guo et al. | An adaptive soft-morphological-gradient-filter-for-edge-detection | |
CN108345893B (zh) | 一种直线检测方法、装置、计算机存储介质及终端 | |
CN111476800A (zh) | 一种基于形态学操作的文字区域检测方法及装置 | |
AL-Khatatneh et al. | Compound binarization for degraded document images |
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 |