CN114255352A - 一种河道提取方法、装置及计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种河道提取方法、装置及计算机可读存储介质，属于图像处理技术领域。该方法包括：截取包括河道区域的目标图像；对目标图像进行二值化处理，得到二值目标图像；获取二值目标图像中河道区域的河道边缘像素点；计算河道边缘像素点的地理坐标；获取河道散点数据；生成河道区域的二维河道模型。本申请实施例提供的河道提取方法首先基于边缘检测算法获取河道区域的河道边缘像素点，然后对河道边缘像素点进行平滑处理得到河道散点数据，进而根据河道散点数据生成二维河道模型。本申请实施例提供的河道提取方法通过采用平滑处理手段，实现对河道边缘的降噪处理，相比于传统的河道提取方法，能够更准确地提取河道信息。

Description

一种河道提取方法、装置及计算机可读存储介质

技术领域

本申请涉及图像处理技术领域，特别涉及一种河道提取方法、装置及计算机可读存储介质。

背景技术

图像处理是指采用计算机等技术对图像进行分析，以达到所需结果的技术，又称为影像处理。图像处理主要包括图像变换、图像编码压缩、图像增强和复原、图像分割以及目标提取等。其中，目标提取是图像处理的一个重要方面。

目标提取是指从单幅图像或者序列图像中将感兴趣的目标与背景分离出来，从图像中识别和解释有意义的物体实体，而提取不同的图像特征的操作。目标提取直接决定了后续图像识别和跟踪性能的好坏。

目标提取应用广泛，例如人脸识别及测绘遥感等，其中也包括从图像中提取河道信息，即河道提取。然而，由于河道宽浅散乱、流势多变，现有的河道提取方法往往不能准确的提取河道信息。

发明内容

鉴于此，本申请提供一种河道提取方法、装置及计算机可读存储介质，能够提高提取河道信息的准确性。

具体而言，包括以下的技术方案：

根据本申请实施例的一方面，提供了一种河道提取方法，包括：

从原始图像中截取包括河道区域的目标图像；

对所述目标图像进行二值化处理，得到二值目标图像；

基于边缘检测算法，获取所述二值目标图像中所述河道区域的河道边缘像素点；

根据所述河道边缘像素点的像素坐标，计算河道边缘像素点的地理坐标；

根据所述河道边缘像素点的地理坐标，对所述河道区域的边缘进行平滑处理，获取河道散点数据；

根据所述河道散点数据，生成所述河道区域的二维河道模型。

可选地，所述对所述目标图像进行二值化处理，得到二值目标图像，包括：

设置所述目标图像中河道区域内像素点的像素值为第一像素值；

设置所述目标图像中河道区域外像素点的像素值为第二像素值；

其中，所述第一像素值为0，所述第二像素值为255；或者，所述第一像素值为255，所述第二像素值为0。

可选地，所述基于边缘检测算法，获取所述二值目标图像中所述河道区域的河道边缘像素点，包括：

利用高斯滤波对所述二值目标图像进行平滑处理，得到平滑后的二值目标图像；

确定所述平滑后的二值目标图像中灰度强度的梯度方向，保留在梯度方向上梯度强度的极大值所对应的像素点，得到所述河道边缘像素点。

可选地，所述根据所述河道边缘像素点的像素坐标，计算所述河道边缘像素点的地理坐标，包括：

根据所述二值目标图像的比例尺及比例尺长度内的像素点数量，将所述河道边缘像素点的像素坐标进行放大，得到所述河道边缘像素点的地理坐标。

可选地，所述根据所述河道边缘像素点的地理坐标，对所述河道区域的边缘进行平滑处理，获取所述河道散点数据，包括：

在所述河道边缘像素点的地理坐标中，以预设相同间隔像素点数抽取若干河道边缘像素点，作为所述河道散点数据。

可选地，所述边缘检测算法包括Canny边缘检测算法、Sobel边缘检测算法、Laplace边缘检测算法及Scharr边缘检测算法中的至少一种。

可选地，所述根据所述河道散点数据，生成所述河道区域的所述二维河道模型，包括：

根据河道散点数据，通过计算机辅助设计生成所述二维河道模型。

根据本申请实施例的另一方面，提供了一种河道提取装置，包括：

截取模块，用于从原始图像中截取包括河道区域的目标图像；

二值化模块，用于对所述目标图像进行二值化处理，得到二值目标图像；

第一获取模块，用于基于边缘检测算法，获取所述二值目标图像中所述河道区域的河道边缘像素点；

计算模块，用于根据所述河道边缘像素点的像素坐标，计算河道边缘像素点的地理坐标；

第二获取模块，用于根据所述河道边缘像素点的地理坐标，对所述河道区域的边缘进行平滑处理，获取河道散点数据；

生成模块，用于根据所述河道散点数据，生成所述河道区域的二维河道模型。

根据本申请实施例的又一方面，提供了一种河道提取装置，包括：处理器和存储器；

所述存储器上存储有计算机程序，所述计算机程序被配置成由所述处理器执行，所述计算机程序被处理器执行时能够实现如前述的河道提取方法。

根据本申请实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有计算机程序，存储的所述计算机程序被处理器执行时能够实现如前述的河道提取方法。

本申请实施例提供的技术方案的有益效果至少包括：

本申请实施例提供的河道提取方法首先基于边缘检测算法获取河道区域的河道边缘像素点，然后对河道边缘像素点进行平滑处理得到河道散点数据，进而根据河道散点数据生成二维河道模型。本申请实施例提供的河道提取方法通过采用平滑处理手段，实现对河道边缘的降噪处理，相比于传统的河道提取方法，能够更准确地提取河道信息。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。

图1为本申请实施例提供的一种河道提取方法的流程图；

图2为本申请实施例提供的一种目标图像的示意图；

图3为本申请实施例提供的一种二值目标图像的示意图；

图4为本申请实施例提供的一种河道散点数据的示意图；

图5为本申请实施例提供的一种二维河道模型的示意图；

图6为本申请实施例提供的一种河道提取装置的示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

除非另有定义，本申请实施例所用的所有技术术语均具有与本领域技术人员通常理解的相同的含义。为使本申请的技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

本申请实施例提供了一种河道提取方法，如图1所示，该河道提取方法包括：

步骤101、从原始图像中截取包括河道区域的目标图像；

步骤102、对所述目标图像进行二值化处理，得到二值目标图像；

步骤103、基于边缘检测算法，获取所述二值目标图像中所述河道区域的河道边缘像素点；

步骤104、根据所述河道边缘像素点的像素坐标，计算河道边缘像素点的地理坐标；

步骤105、根据所述河道边缘像素点的地理坐标，对所述河道区域的边缘进行平滑处理，获取河道散点数据；

步骤106、根据所述河道散点数据，生成所述河道区域的二维河道模型。

本申请实施例提供的河道提取方法首先基于边缘检测算法获取河道区域的河道边缘像素点，然后对河道边缘像素点进行平滑处理得到河道散点数据，进而根据河道散点数据生成二维河道模型。本申请实施例提供的河道提取方法通过采用平滑处理手段，实现对河道边缘的降噪处理，相比于传统的河道提取方法，能够更准确地提取河道信息。

对于步骤101，从原始图像中截取包括河道区域的目标图像，首先需要获取原始图像。具体的，可以从网络上获取包含河道的图像，或者从预置的包含河道的图像数据库中获取原始图像，该预置的图像数据库包括大量甚至海量的河道地图图像。还可以从终端设备的地图界面上，例如电脑端网页地图界面，或者智能终端的地图类APP界面上等获得原始地图。

在获得原始地图后，为了提高河道提取的效率和准确性，可对原始图像进行截取和裁剪，以消除不必要的干扰和冗余信息，保留河道信息，从而得到仅包括河道区域的目标图像，如图2所示。

对于步骤102，在截取到目标图像后，对目标图像进行二值化处理，得到二值化处理后的二值目标图像。二值目标图像包括河道信息和背景信息，为了凸显河道信息，河道信息和背景信息可呈现明显的黑白效果。

具体地，可设置目标图像中河道区域内像素点的像素值为第一像素值；设置目标图像中河道区域外像素点的像素值为第二像素值；其中，第一像素值为0，第二像素值为255；或者，第一像素值为255，第二像素值为0。

二值化即是将图像中的目标和背景的像素值分别设置为0和255，使目标部分和背景部分呈现出明显的黑白效果，以区分目标部分和背景部分。本申请实施例中，将目标图像中河道区域作为目标部分，将目标图像中河道区域以外的部分作为背景部分，对目标图像进行二值化处理，得到二值目标图像，如图3所示。

在本申请实施例中，将目标图像中河道区域内像素点的像素值及河道区域外像素点的像素值分别设置为第一像素值及第二像素值，其中，第一像素值为0或255，相应地，第一像素值为255或0，如此设置，能够提高二值化处理的多样性。

对于步骤103，为了提高边缘检测的准确性，进而提高河道提取的准确性，在得到二值目标图像后，可通过边缘检测算法提取二值目标图像中河道区域的河道边缘像素点。其中，边缘检测算法包括Canny边缘检测算法、Sobel边缘检测算法、Laplace边缘检测算法及Scharr边缘检测算法中的至少一种。上述边缘检测算法为现有技术中常用的边缘检测算法，此处不再详细赘述。

在一种可能的实施方式中，基于边缘检测算法，获取二值目标图像中所述河道区域的河道边缘像素点，可包括以下步骤：

利用高斯滤波对二值目标图像进行平滑处理，得到平滑后的二值目标图像；

确定平滑后的二值目标图像中灰度强度的梯度方向，保留在梯度方向上梯度强度的极大值所对应的像素点，得到河道边缘像素点。

在进行边缘检测时，首先利用高斯滤波对二值目标图像进行平滑处理，以获得平滑后的二值目标图像，进而提取平滑后的二值目标图像的边缘，即是通过确定平滑后的二值目标图像中灰度强度的梯度方向，保留在梯度方向上梯度强度的极大值所对应的像素点，删除除上述极大值之外的其他像素点，得到河道边缘像素点。

在本申请实施例中，通过边缘检测算法对二值目标图像进行一次降噪处理，能够提高边缘检测的准确性。

对于步骤104，在获取到河道边缘像素点之后，可基于河道边缘像素点的像素坐标，计算河道边缘像素点的地理坐标。其中，地理坐标可以为用于说明各个河道边缘像素点的相对地理位置的坐标，也可以为用于说明各个河道边缘像素点的实际地理位置的坐标。

具体地，可根据二值目标图像的比例尺及比例尺长度内的像素点数量，将河道边缘像素点的像素坐标进行放大，得到河道边缘像素点的地理坐标。

在基于河道区域的河道边缘像素点时，可以根据二值目标图像的比例尺及比例尺长度内的像素点数量，即利用比例尺长度内的像素点数量与比例尺长度做比值，得到图像中单位长度内的像素点数量，进而基于该图像中单位长度内的像素点数量，对河道边缘像素点的像素坐标进行放大进行同比放大，即可得到河道边缘像素点的地理坐标。

对于步骤105，基于上述河道边缘像素点的地理坐标构成的河道边缘不够平滑，为了得到更加平滑的河道边缘，以便于后续的计算和使用，可根据河道边缘像素点的地理坐标，再次对河道边缘进行平滑处理，得到河道散点数据，如图4所示。

具体地，在河道边缘像素点的地理坐标中，以预设相同间隔像素点数抽取若干河道边缘像素点，作为河道散点数据。

在对河道边缘进行平滑处理时，将所有的河道边缘像素点的地理坐标沿河道方向分成多个河道边缘像素点的地理坐标集合，每个河道边缘像素点的地理坐标集合包含多个相邻的河道边缘像素点的地理坐标。示例地，每个河道边缘像素点的地理坐标集合包含10个相邻的河道边缘像素点的地理坐标。对于每个河道边缘像素点的地理坐标集合，保留集合中第一个河道边缘像素点的地理坐标及最后一个河道边缘像素点的地理坐标作为该河道边缘像素点的地理坐标集合的河道散点数据。据此，依次得到每个河道边缘像素点的地理坐标集合的河道散点数据，所有河道边缘像素点的地理坐标集合的河道散点数据形成整个河道区域的河道散点数据。

在本申请实施例中，通过上述步骤对二值目标图像进行又一次降噪处理，能够进一步提高河道提取的准确性。

对于步骤106，在得到河道散点数据后，可生成边缘平滑的二维河道模型。

为了提高河道提取的效率，具体地，可根据河道散点数据，通过计算机辅助设计生成二维河道模型，如图5所示。

其中，计算机辅助设计(英文全称：Computer Aided Design，简称CAD)，是指利用计算机及其图形设备进行设计工作。本申请实施例在得到河道散点数据后，将河道散点数据导入到CAD软件中，即可生成河道的二维河道模型。

本申请实施例还提供了一种河道提取装置，如图6所示，该河道提取装置包括：

截取模块201，用于从原始图像中截取包括河道区域的目标图像；

二值化模块202，用于对所述目标图像进行二值化处理，得到二值目标图像；

第一获取模块203，用于基于边缘检测算法，获取所述二值目标图像中所述河道区域的河道边缘像素点；

计算模块204，用于根据所述河道边缘像素点的像素坐标，计算河道边缘像素点的地理坐标；

第二获取模块205，用于根据所述河道边缘像素点的地理坐标，对所述河道区域的边缘进行平滑处理，获取河道散点数据；

生成模块206，用于根据所述河道散点数据，生成所述河道区域的二维河道模型。

可选地，该二值化模块202，包括：

第一设置单元，用于设置目标图像中河道区域内像素点的像素值为第一像素值；

第二设置单元，用于设置目标图像中河道区域外像素点的像素值为第二像素值；

其中，第一像素值为0，第二像素值为255；或者，第一像素值为255，第二像素值为0。

可选地，该第一获取模块203包括：

第一处理单元，用于利用高斯滤波对二值目标图像进行平滑处理，得到平滑后的二值目标图像；

确定单元，用于确定平滑后的二值目标图像中灰度强度的梯度方向，保留在梯度方向上梯度强度的极大值所对应的像素点，得到河道边缘像素点。

可选地，该计算模块204包括：

计算单元，用于根据二值目标图像的比例尺及比例尺长度内的像素点数量，将河道边缘像素点的像素坐标进行放大，得到河道边缘像素点的地理坐标。

可选地，该第二获取模块205包括：

第二处理单元，用于在河道边缘像素点的地理坐标中，以预设相同间隔像素点数抽取若干河道边缘像素点，作为河道散点数据。

可选地，该生成模块206包括：

生成单元，用于根据河道散点数据，通过计算机辅助设计生成二维河道模型。

本申请实施例提供的河道提取装置首先基于边缘检测算法获取河道区域的河道边缘像素点，然后对河道边缘像素点进行平滑处理得到河道散点数据，进而根据河道散点数据生成二维河道模型。本申请实施例提供的河道提取方法通过采用平滑处理手段，实现对河道边缘的降噪处理，相比于传统的河道提取方法，能够更准确地提取河道信息。

需要说明的是：上述实施例提供的河道提取装置在提取河道边缘时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的河道提取装置与河道提取方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本申请实施例还提供一种河道提取装置，包括：处理器和存储器；存储器上存储有计算机程序，计算机程序被配置成由处理器执行，计算机程序被处理器执行时能够实现上述任一种河道提取方法。

本申请实施例还提供了一种计算机可读存储介质，存储介质中存储有计算机程序，存储的计算机程序被处理器执行时能够实现上述任一种河道提取方法。

需要说明的是，本申请实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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。

在本申请中，术语“第一”、“第二”和“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。

以上所述仅是为了便于本领域的技术人员理解本申请的技术方案，并不用以限制本申请。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种河道提取方法，其特征在于，包括：

从原始图像中截取包括河道区域的目标图像；

对所述目标图像进行二值化处理，得到二值目标图像；

基于边缘检测算法，获取所述二值目标图像中所述河道区域的河道边缘像素点；

根据所述河道边缘像素点的像素坐标，计算河道边缘像素点的地理坐标；

根据所述河道边缘像素点的地理坐标，对所述河道区域的边缘进行平滑处理，获取河道散点数据；

根据所述河道散点数据，生成所述河道区域的二维河道模型。

2.根据权利要求1所述的河道提取方法，其特征在于，所述对所述目标图像进行二值化处理，得到二值目标图像，包括：

设置所述目标图像中河道区域内像素点的像素值为第一像素值；

设置所述目标图像中河道区域外像素点的像素值为第二像素值；

其中，所述第一像素值为0，所述第二像素值为255；或者，所述第一像素值为255，所述第二像素值为0。

3.根据权利要求1所述的河道提取方法，其特征在于，所述基于边缘检测算法，获取所述二值目标图像中所述河道区域的河道边缘像素点，包括：

利用高斯滤波对所述二值目标图像进行平滑处理，得到平滑后的二值目标图像；

确定所述平滑后的二值目标图像中灰度强度的梯度方向，保留在梯度方向上梯度强度的极大值所对应的像素点，得到所述河道边缘像素点。

4.如权利要求1所述的河道提取方法，其特征在于，所述根据所述河道边缘像素点的像素坐标，计算所述河道边缘像素点的地理坐标，包括：

根据所述二值目标图像的比例尺及比例尺长度内的像素点数量，将所述河道边缘像素点的像素坐标进行放大，得到所述河道边缘像素点的地理坐标。

5.如权利要求1所述的河道提取方法，其特征在于，所述根据所述河道边缘像素点的地理坐标，对所述河道区域的边缘进行平滑处理，获取所述河道散点数据，包括：

在所述河道边缘像素点的地理坐标中，以预设相同间隔像素点数抽取若干河道边缘像素点，作为所述河道散点数据。

6.如权利要求1所述的河道提取方法，其特征在于，所述边缘检测算法包括Canny边缘检测算法、Sobel边缘检测算法、Laplace边缘检测算法及Scharr边缘检测算法中的至少一种。

7.如权利要求1所述的河道提取方法，其特征在于，所述根据所述河道散点数据，生成所述河道区域的所述二维河道模型，包括：

根据河道散点数据，通过计算机辅助设计生成所述二维河道模型。

8.一种河道提取装置，其特征在于，包括：

截取模块，用于从原始图像中截取包括河道区域的目标图像；

二值化模块，用于对所述目标图像进行二值化处理，得到二值目标图像；

第一获取模块，用于基于边缘检测算法，获取所述二值目标图像中所述河道区域的河道边缘像素点；

计算模块，用于根据所述河道边缘像素点的像素坐标，计算河道边缘像素点的地理坐标；

第二获取模块，用于根据所述河道边缘像素点的地理坐标，对所述河道区域的边缘进行平滑处理，获取河道散点数据；

生成模块，用于根据所述河道散点数据，生成所述河道区域的二维河道模型。

9.一种河道提取装置，包括：处理器和存储器；

所述存储器上存储有计算机程序，所述计算机程序被配置成由所述处理器执行，所述计算机程序被处理器执行时能够实现权利要求1至7任一项所述的河道提取方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，存储的所述计算机程序被处理器执行时能够实现权利要求1至7任一项所述的河道提取方法。

Images