CN115018868A - 一种计算机图像边缘检测方法 - Google Patents
一种计算机图像边缘检测方法 Download PDFInfo
- Publication number
- CN115018868A CN115018868A CN202210581897.6A CN202210581897A CN115018868A CN 115018868 A CN115018868 A CN 115018868A CN 202210581897 A CN202210581897 A CN 202210581897A CN 115018868 A CN115018868 A CN 115018868A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel point
- target
- edge detection
- target pixel
- 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
- 238000003708 edge detection Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 38
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003707 image sharpening 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
- 230000008092 positive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009897 systematic effect Effects 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像处理技术领域，本发明在提供了几种计算机图像边缘检测方法的同时，提供了一种图像边缘检测算子的方法，采用本实施例提供的装置，对待检测图像进行图像边缘检测时，检测结果受噪声影响较小，检测后，根据得到的灰度值信息绘制的边缘检测图像中，待检测图像的边缘更加清晰；另外，本发明通过对目标图像进行校正处理方法在上传原始目标图像之后，系统可以直接对原始图案进行分析，然后对原始目标图像进行校正，准确而快速，更加智能，提高检测结果的准确性。
Description
技术领域
本发明属于图像处理技术领域，尤其涉及一种计算机图像边缘检测方法。
背景技术
目前，图像的边缘属于图像的高频成分，是图像的基本特征之一。--幅具体的目标图像，经过图像边缘检测处理后，变为一幅边缘检测图像，边缘检测图像与目标图像的大小相同，在边缘检测图像中，对应目标图像的边缘位置通常为高亮显示，其余位置基本为黑色，因而采用图像的边缘可以对目标图像与其它对象(例如其它图像、背景等)进行有效区分。由此可知，找到图像的边缘，对于图像边缘处理的许多应用领域非常重要，例如，图像分割、图像锐化、图像分析与识别等应用领域，在具体操作时，均需要先确定图像的边缘位置。现有技术中，通常采用图像边缘检测的方法确定图像的边缘位置。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有的技术在进行图像边缘检测时，噪声比较大，影响检查结果。
(2)现有的技术在图像边缘检测中没有一个比较系统的系统模块。
(3)现有的技术在图像边缘检测中，计算量比较大。
(4)获取的计算机图像不准确，影响检测结果。
发明内容
针对现有技术存在的问题，本发明提供了一种计算机图像边缘检测方法。
本发明是这样实现的，一种计算机图像边缘检测方法，提供了一种获取图像边缘检测算子的方法，所述的步骤包括：
S1、在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；
S2、对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；
S3、根据所述位置关系，以及双线性插值公式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一灰度值函数关系式；
S4、确定所述目标图像中的每一个像素点作为第一目标像素点时，在对应的插值图像中，均有一个第二目标像素点与其对应。在插值图像中，确定出每一个第一目标像素点对应的第二目标像素点；
S5、提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像；
S6、根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一灰度值函数关系式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二灰度值函数关系式；
S7、根据所述第二灰度值函数关系式，确定出图像边缘检测函数关系式；
S8、将所述图像边缘检测函数关系式变换为卷积形式的图像边缘检测函数关系式；
S9、根据所述卷积形式的图像边缘检测函数关系式确定出图像边缘检测算子。
进一步，所述的S1具体包括任意选取一幅数字图像作为目标图像，获取目标图像后，在目标图像中，任意选取一个像素点作为第一目标像素点，并在该目标图像中划分出一个四邻域，四邻域中包括第一目标像素点，并且，在该四邻域中，第一目标像素点位于四邻域的左上角，其行数索引和列数索引在四邻域中均最小，本发明中，采用行数索引和列数索引，表示像素点在数字图像中所处的行数和列数。将所述第一目标像素点的灰度值记为G(i，j)，将所述四邻域中其它像素点的灰度值分别记为G(i，j+1)，G(i+1，j)，G(i+1，j+1)。
进一步，所述的S2中具体包括：以预设插值倍率，对目标图像进行双线性插值处理后，得到目标图像的插值图像，在插值图像中，任意选取一个插入四邻域中的像素点作为第二目标像素点，优选的，为了之后的图像边缘检测的效果更好，选择位于四邻域中，倒数第二行像素点和倒数第二列像素点相交位置的像素点作为第二目标像素点。其中，插值倍率指的是，对图像进行插值处理时，对图像进行缩放的倍率，本发明中，将对图像进行缩放的倍率定义为插值倍率，预设插值倍率的值可以随意设定。
进一步，所述的S3中，对目标图像进行双线性插值处理后，得到目标图像的插值图像，第一灰度值函数关系式表明，在插值图像中，明确第一目标像素点与第二目标像素点在四邻域中的位置关系后，就可以利用双线性插值公式以及第一目标像素点的灰度值和四邻域中其它像素点的灰度值，计算出第二目标像素点的灰度值，亦即根据第一目标像素点与第二目标像素点在插值图像中的位置关系，获得第一目标像素点的灰度值与第二目标像素点的灰度值的第一灰度值函数关系式。
第一灰度值函数关系式如下：
D(u，v)＝(1-u)(1-v)*G(i，j)+v(1-v)*G(i，j+1)+(1-u)v*G(i+1，j)+uv*G(i+1，j+1)，其中，D(u，v)代表参考图像中第i行第j列的像素点的灰度值；G(i，j)代表目标图像中第i行第j列的像素点的灰度值；G(i，j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1，j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1，j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。
进一步，所述的S6中的第二灰度值函数关系式表达如下：
D(i.j)＝(1-u)(1-v)*G(i，j)+u(1-v)*G(i，j+1)+(1-u)v*G(i+1，j)+uv*G(i+1，j+1)；D(i，j)代表参考图像中第i行第j列的像素点的灰度值，结合第一目标像素点与第二目标像素点在插值图像中的位置对应关系，第一灰度值函数关系式可以变为第二灰度值函数关系式。
进一步，所述的S7中的图像边缘检测函数关系式如下：
G(i，j)-D(i.j)＝(1-u)(1-v)*G(i，j)+u(1-v)*G(i，j+1)+(1-u)v*G(i+1，j)+uv*G(i+1，j+1)。
进一步，所述的S8中图像边缘检测函数关系式变换为下述卷积形式的图像边缘检测函数关系式：
进一步，所述的S9中根据卷积形式的图像边缘检测函数关系式确定出下述图像边缘检测算子为
进一步，一种所述的计算机图像边缘检测方法的计算机图像边缘检测系统具体包括两大模块，分别是图像边缘检测算子模块和图像边缘检测模块；
所述的图像边缘检测算子模块包括图像划分单元、插值计算单元、图像边缘计算单元；图像边缘检测模块包括待测图像边缘算子确定单元、图像处理单元、图像边缘检测分析单元；
图像划分单元：用于在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；
插值计算单元：用于对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；
图像边缘计算单元包括A单元和B单元；
A单元：用于根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式，所述图像边缘检测函数关系式用于计算所述第一目标像素点的灰度值与所述第二目标像素点的灰度值的差值；
B单元：用于根据所述图像边缘检测函数关系式确定图像边缘检测算子；
待测图像边缘算子确定单元：用于根据针对待检测图像的预设插值倍率以及所述图像边缘检测算子，确定针对所述待检测图像的具体图像边缘检测算子；
图像处理单元：用于在获得的待检测图像的最后一行像素点的下方增加一行像素点，在其最后一列像素点的右侧增加一列像素点，得到实际检测图像；增加的一行像素点通过复制待检测图像的倒数第二行像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列像素点获得；
图像边缘检测分析单元：用于采用所述具体图像边缘检测算子对所述实际检测图像进行图像边缘检测，从而获得所述待检测图像的边缘检测图像的灰度值信息。
进一步，所述对目标图像进行校正处理方法如下：
构建图库；在计算机上传的原始目标图像时，按照预设缩放条件对所述原始目标图像进行缩放处理，得到输入目标图像；将原始目标图像存入图库中；
确定所述输入目标图像的各个边界线，并根据所述边界线确定所述输入目标图像顶点；
根据所述边界确定所述输入目标图像顶点，包括：
在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线，其中，J为大于等于2的正整数；
根据确定出的J条边界线，生成对应的边框组合；
在所述边框组合中确定出上边界与下边界比例符合预设条件的边框组合；
在符合预设条件的边框组合中确定出闭合程度最大的边框组合，并将所述边框组合确定为标签边框；
将所述标签边框的两两相邻边界线的交点作为对应的顶点坐标；
根据原始目标图像中的顶点坐标以及所述输入目标图像的顶点坐标，确定原始目标图像与所述输入目标图像之间的校正参数；
判定所述输入目标图像的尺寸是否大于预设尺寸；
若是，则根据所述校正参数，对所述输入目标图像进行正向校正；
若否，则根据所述校正参数，对所述输入目标图像进行逆向校正。
进一步，所述确定所述输入目标图像的各个边界线，包括：
确定所述输入目标图像的中心点，并确定所述中心点的四个正方向上的边缘点；
根据所述边缘点以及霍夫算法，对处于同一直线上的像素点进行统计，并判断统计的像素点总数是否大于预设阈值；
若是，则所述直线标记为边界线；
若否，则丢弃所述直线。
进一步，所述确定所述输入目标图像的中心点，并确定所述中心点的四个正方向上的边缘点，包括：
以确定的中心点向正方向遍历，获取第一像素点与第二像素点之间的RGB差值的绝对值之和；
判定差值的绝对值之和是否大于预设阈值；
若是，则将所述第一像素点作为边缘点。
进一步，所述对所述输入目标图像进行正向校正，包括：
建立与原始目标图像尺寸一致的第一矩阵以及第二矩阵，其中，所述第一矩阵用于累计映射到原始目标图像中的每个点的像素值之和，所述第二矩阵用于累计对应点的映射数量；
在将像素值之和统计到第一矩阵，将像素点统计到第二矩阵时，将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量，得到正向校正的每个像素点的值。
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
采用本发明提供的装置，对待检测图像进行图像边缘检测时，检测结果受噪声影响较小，检测后，根据得到的灰度值信息绘制的边缘检测图像中，待检测图像的边缘更加清晰。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明提供了一种计算机图像边缘检测算子的方法，由于融合了窗口数据加权平均(图像的双线性插值处理过程)以及目标像素微小偏移(图像的降采样处理过程)的作用，将其应用于待检测图像的图像边缘检测中，检测结果受噪声影响较小，根据检测后得到的灰度值信息，绘制得到的边缘检测图像中，待检测图像的轮廓更加清晰；另外，本发明通过对目标图像进行校正处理方法在上传原始目标图像之后，系统可以直接对原始图案进行分析，然后对原始目标图像进行校正，准确而快速，更加智能，提高检测结果的准确性。
附图说明
图1是本发明实施例提供的计算机图像边缘检测方法的计算单元设计图。
图2是本发明实施例提供的计算机图像边缘检测方法的图像边缘检测算子的方法流程图。
图3是本发明实施例提供的计算机图像边缘检测方法的图像边缘检测方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。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。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1-3所示，本发明提供一种计算机图像边缘检测方法包括以下步骤：
S1、获取目标图像，并对目标图像进行校正处理；在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；
S2、对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；
S3、根据所述位置关系，以及双线性插值公式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一灰度值函数关系式；
S4、确定所述目标图像中的每一个像素点作为第一目标像素点时，在对应的插值图像中，均有一个第二目标像素点与其对应。在插值图像中，确定出每一个第一目标像素点对应的第二目标像素点；
S5、提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像；
S6、根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一灰度值函数关系式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二灰度值函数关系式；
S7、根据所述第二灰度值函数关系式，确定出图像边缘检测函数关系式；
S8、将所述图像边缘检测函数关系式变换为卷积形式的图像边缘检测函数关系式；
S9、根据所述卷积形式的图像边缘检测函数关系式确定出图像边缘检测算子。
本发明提供的S1具体包括任意选取一幅数字图像作为目标图像，获取目标图像后，在目标图像中，任意选取一个像素点作为第一目标像素点，并在该目标图像中划分出一个四邻域，四邻域中包括第一目标像素点，并且，在该四邻域中，第一目标像素点位于四邻域的左上角，其行数索引和列数索引在四邻域中均最小，本发明中，采用行数索引和列数索引，表示像素点在数字图像中所处的行数和列数。将所述第一目标像素点的灰度值记为G(i，j)，将所述四邻域中其它像素点的灰度值分别记为G(i，j+1)，G(i+1，j)，G(i+1，j+1)；
本发明提供的S2中具体包括：以预设插值倍率，对目标图像进行双线性插值处理后，得到目标图像的插值图像，在插值图像中，任意选取一个插入四邻域中的像素点作为第二目标像素点，为了之后的图像边缘检测的效果更好，选择位于四邻域中，倒数第二行像素点和倒数第二列像素点相交位置的像素点作为第二目标像素点；其中，插值倍率指的是，对图像进行插值处理时，对图像进行缩放的倍率，将对图像进行缩放的倍率定义为插值倍率，预设插值倍率的值可以随意设定；
本发明提供的S3中，对目标图像进行双线性插值处理后，得到目标图像的插值图像，第一灰度值函数关系式表明，在插值图像中，明确第一目标像素点与第二目标像素点在四邻域中的位置关系后，就可以利用双线性插值公式以及第一目标像素点的灰度值和四邻域中其它像素点的灰度值，计算出第二目标像素点的灰度值，亦即根据第一目标像素点与第二目标像素点在插值图像中的位置关系，获得第一目标像素点的灰度值与第二目标像素点的灰度值的第一灰度值函数关系式；
第一灰度值函数关系式如下：
D(u，v)＝(1-u)(1-v)*G(i，j)+u(1-v)*G(i，j+1)+(1-u)v*G(i+1，j)+uv*G(i+1，j+1)，
其中，D(u，v)代表参考图像中第i行第j列的像素点的灰度值；G(i，j)代表目标图像中第i行第j列的像素点的灰度值；G(i，j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1，j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1，j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。
本发明提供的S6中的第二灰度值函数关系式表达如下：
D(i.j)＝(1-u)(1-v)*G(i，j)+u(1-v)*G(i，j+1)+(1-u)v*G(i+1，j)+uv*G(i+1，j+1)，
D(i，j)代表参考图像中第i行第j列的像素点的灰度值，结合第一目标像素点与第二目标像素点在插值图像中的位置对应关系，第一灰度值函数关系式可以变为第二灰度值函数关系式。
本发明提供的S7中的图像边缘检测函数关系式如下：
G(i，j)-D(i.j)＝(1-u)(1-v)*G(i，j)+u(1-v)*G(i，j+1)+(1-u)v*G(i+1，j)+uv*G(i+1，j+1)。
本发明提供的S8中图像边缘检测函数关系式变换为下述卷积形式的图像边缘检测函数关系式：
本发明提供的S9中根据卷积形式的图像边缘检测函数关系式确定出下述图像边缘检测算子为
本发明提供的对目标图像进行校正处理方法如下：
构建图库；在计算机上传的原始目标图像时，按照预设缩放条件对所述原始目标图像进行缩放处理，得到输入目标图像；将原始目标图像存入图库中；
确定所述输入目标图像的各个边界线，并根据所述边界线确定所述输入目标图像顶点；
根据所述边界确定所述输入目标图像顶点，包括：
在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线，其中，J为大于等于2的正整数；
根据确定出的J条边界线，生成对应的边框组合；
在所述边框组合中确定出上边界与下边界比例符合预设条件的边框组合；
在符合预设条件的边框组合中确定出闭合程度最大的边框组合，并将所述边框组合确定为标签边框；
将所述标签边框的两两相邻边界线的交点作为对应的顶点坐标；
根据原始目标图像中的顶点坐标以及所述输入目标图像的顶点坐标，确定原始目标图像与所述输入目标图像之间的校正参数；
判定所述输入目标图像的尺寸是否大于预设尺寸；
若是，则根据所述校正参数，对所述输入目标图像进行正向校正；
若否，则根据所述校正参数，对所述输入目标图像进行逆向校正。
本发明提供的确定所述输入目标图像的各个边界线，包括：
确定所述输入目标图像的中心点，并确定所述中心点的四个正方向上的边缘点；
根据所述边缘点以及霍夫算法，对处于同一直线上的像素点进行统计，并判断统计的像素点总数是否大于预设阈值；
若是，则所述直线标记为边界线；
若否，则丢弃所述直线。
本发明提供的确定所述输入目标图像的中心点，并确定所述中心点的四个正方向上的边缘点，包括：
以确定的中心点向正方向遍历，获取第一像素点与第二像素点之间的RGB差值的绝对值之和；
判定差值的绝对值之和是否大于预设阈值；
若是，则将所述第一像素点作为边缘点。
本发明提供的对所述输入目标图像进行正向校正，包括：
建立与原始目标图像尺寸一致的第一矩阵以及第二矩阵，其中，所述第一矩阵用于累计映射到原始目标图像中的每个点的像素值之和，所述第二矩阵用于累计对应点的映射数量；
在将像素值之和统计到第一矩阵，将像素点统计到第二矩阵时，将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量，得到正向校正的每个像素点的值。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
一种计算机图像边缘检测方法的计算机图像边缘检测系统具体包括两大模块，分别是图像边缘检测算子模块和图像边缘检测模块；
所述的图像边缘检测算子模块包括图像划分单元、插值计算单元、图像边缘计算单元；图像边缘检测模块包括待测图像边缘算子确定单元、图像处理单元、图像边缘检测分析单元；
图像划分单元：用于在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；
插值计算单元：用于对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；
图像边缘计算单元包括A单元和B单元；
A单元：用于根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式，所述图像边缘检测函数关系式用于计算所述第一目标像素点的灰度值与所述第二目标像素点的灰度值的差值；
B单元：用于根据所述图像边缘检测函数关系式确定图像边缘检测算子；
待测图像边缘算子确定单元：用于根据针对待检测图像的预设插值倍率以及所述图像边缘检测算子，确定针对所述待检测图像的具体图像边缘检测算子；
图像处理单元：用于在获得的待检测图像的最后一行像素点的下方增加一行像素点，在其最后一列像素点的右侧增加一列像素点，得到实际检测图像；增加的一行像素点通过复制待检测图像的倒数第二行像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列像素点获得；
图像边缘检测分析单元：用于采用所述具体图像边缘检测算子对所述实际检测图像进行图像边缘检测，从而获得所述待检测图像的边缘检测图像的灰度值信息。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种计算机图像边缘检测方法，其特征在于，包括：
S1、获取目标图像，并对目标图像进行校正处理；在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；
S2、对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；
S3、根据所述位置关系，以及双线性插值公式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一灰度值函数关系式；
S4、确定所述目标图像中的每一个像素点作为第一目标像素点时，在对应的插值图像中，均有一个第二目标像素点与其对应。在插值图像中，确定出每一个第一目标像素点对应的第二目标像素点；
S5、提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像；
S6、根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一灰度值函数关系式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二灰度值函数关系式；
S7、根据所述第二灰度值函数关系式，确定出图像边缘检测函数关系式；
S8、将所述图像边缘检测函数关系式变换为卷积形式的图像边缘检测函数关系式；
S9、根据所述卷积形式的图像边缘检测函数关系式确定出图像边缘检测算子。
2.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所述的S1具体包括任意选取一幅数字图像作为目标图像，获取目标图像后，在目标图像中，任意选取一个像素点作为第一目标像素点，并在该目标图像中划分出一个四邻域，四邻域中包括第一目标像素点，并且，在该四邻域中，第一目标像素点位于四邻域的左上角，其行数索引和列数索引在四邻域中均最小，本发明中，采用行数索引和列数索引，表示像素点在数字图像中所处的行数和列数。将所述第一目标像素点的灰度值记为G(i，j)，将所述四邻域中其它像素点的灰度值分别记为G(i，j+1)，G(i+1，j)，G(i+1，j+1)；
所述的S2中具体包括：以预设插值倍率，对目标图像进行双线性插值处理后，得到目标图像的插值图像，在插值图像中，任意选取一个插入四邻域中的像素点作为第二目标像素点，为了之后的图像边缘检测的效果更好，选择位于四邻域中，倒数第二行像素点和倒数第二列像素点相交位置的像素点作为第二目标像素点；其中，插值倍率指的是，对图像进行插值处理时，对图像进行缩放的倍率，将对图像进行缩放的倍率定义为插值倍率，预设插值倍率的值可以随意设定；
所述的S3中，对目标图像进行双线性插值处理后，得到目标图像的插值图像，第一灰度值函数关系式表明，在插值图像中，明确第一目标像素点与第二目标像素点在四邻域中的位置关系后，就可以利用双线性插值公式以及第一目标像素点的灰度值和四邻域中其它像素点的灰度值，计算出第二目标像素点的灰度值，亦即根据第一目标像素点与第二目标像素点在插值图像中的位置关系，获得第一目标像素点的灰度值与第二目标像素点的灰度值的第一灰度值函数关系式；
第一灰度值函数关系式如下：
D(u，v)＝(1-u)(1-v)＊G(i，j)+u(1-v)＊G(i，j+1)+(1-u)v＊G(i+1，j)+uv＊G(i+1，j+1)，
其中，D(u，v)代表参考图像中第i行第j列的像素点的灰度值；G(i，j)代表目标图像中第i行第j列的像素点的灰度值；G(i，j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1，j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1，j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。
3.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所述的S6中的第二灰度值函数关系式表达如下：
D(i.j)＝(1-u)(1-v)＊G(i，j)+u(1-v)＊G(i，j+1)+(1-u)v＊G(i+1，j)+uv＊G(i+1，j+1)，
D(i，j)代表参考图像中第i行第j列的像素点的灰度值，结合第一目标像素点与第二目标像素点在插值图像中的位置对应关系，第一灰度值函数关系式可以变为第二灰度值函数关系式。
4.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所述的S7中的图像边缘检测函数关系式如下：
G(i，j)-D(i.j)＝(1-u)(1-v)＊G(i，j)+u(1-v)＊G(i，j+1)+(1-u)v＊G(i+1，j)+uv＊G(i+1，j+1)。
5.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所述的S8中图像边缘检测函数关系式变换为下述卷积形式的图像边缘检测函数关系式：
6.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所述的S9中根据卷积形式的图像边缘检测函数关系式确定出下述图像边缘检测算子为
7.一种如权利要求1所述的计算机图像边缘检测方法的计算机图像边缘检测系统，其特征在于，所述的计算机图像边缘检测系统具体包括两大模块，分别是图像边缘检测算子模块和图像边缘检测模块；
所述的图像边缘检测算子模块包括图像划分单元、插值计算单元、图像边缘计算单元；图像边缘检测模块包括待测图像边缘算子确定单元、图像处理单元、图像边缘检测分析单元；
图像划分单元：用于在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；
插值计算单元：用于对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；
图像边缘计算单元包括A单元和B单元；
A单元：用于根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式，所述图像边缘检测函数关系式用于计算所述第一目标像素点的灰度值与所述第二目标像素点的灰度值的差值；
B单元：用于根据所述图像边缘检测函数关系式确定图像边缘检测算子；
待测图像边缘算子确定单元：用于根据针对待检测图像的预设插值倍率以及所述图像边缘检测算子，确定针对所述待检测图像的具体图像边缘检测算子；
图像处理单元：用于在获得的待检测图像的最后一行像素点的下方增加一行像素点，在其最后一列像素点的右侧增加一列像素点，得到实际检测图像；增加的一行像素点通过复制待检测图像的倒数第二行像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列像素点获得；
图像边缘检测分析单元：用于采用所述具体图像边缘检测算子对所述实际检测图像进行图像边缘检测，从而获得所述待检测图像的边缘检测图像的灰度值信息。
8.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所述对目标图像进行校正处理方法如下：
构建图库；在计算机上传的原始目标图像时，按照预设缩放条件对所述原始目标图像进行缩放处理，得到输入目标图像；将原始目标图像存入图库中；
确定所述输入目标图像的各个边界线，并根据所述边界线确定所述输入目标图像顶点；
根据所述边界确定所述输入目标图像顶点，包括：
在标记的边界线中分别在四个正方向的各个正方向上确定出J条边界线，其中，J为大于等于2的正整数；
根据确定出的J条边界线，生成对应的边框组合；
在所述边框组合中确定出上边界与下边界比例符合预设条件的边框组合；
在符合预设条件的边框组合中确定出闭合程度最大的边框组合，并将所述边框组合确定为标签边框；
将所述标签边框的两两相邻边界线的交点作为对应的顶点坐标；
根据原始目标图像中的顶点坐标以及所述输入目标图像的顶点坐标，确定原始目标图像与所述输入目标图像之间的校正参数；
判定所述输入目标图像的尺寸是否大于预设尺寸；
若是，则根据所述校正参数，对所述输入目标图像进行正向校正；
若否，则根据所述校正参数，对所述输入目标图像进行逆向校正。
9.如权利要求8所述的计算机图像边缘检测方法，其特征在于，所述确定所述输入目标图像的各个边界线，包括：
确定所述输入目标图像的中心点，并确定所述中心点的四个正方向上的边缘点；
根据所述边缘点以及霍夫算法，对处于同一直线上的像素点进行统计，并判断统计的像素点总数是否大于预设阈值；
若是，则所述直线标记为边界线；
若否，则丢弃所述直线。
10.如权利要求8所述的计算机图像边缘检测方法，其特征在于，所述确定所述输入目标图像的中心点，并确定所述中心点的四个正方向上的边缘点，包括：
以确定的中心点向正方向遍历，获取第一像素点与第二像素点之间的RGB差值的绝对值之和；
判定差值的绝对值之和是否大于预设阈值；
若是，则将所述第一像素点作为边缘点；
所述对所述输入目标图像进行正向校正，包括：
建立与原始目标图像尺寸一致的第一矩阵以及第二矩阵，其中，所述第一矩阵用于累计映射到原始目标图像中的每个点的像素值之和，所述第二矩阵用于累计对应点的映射数量；
在将像素值之和统计到第一矩阵，将像素点统计到第二矩阵时，将所述第一矩阵中的每个点的值除以第二矩阵中对应坐标的映射数量，得到正向校正的每个像素点的值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210581897.6A CN115018868A (zh) | 2022-05-26 | 2022-05-26 | 一种计算机图像边缘检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210581897.6A CN115018868A (zh) | 2022-05-26 | 2022-05-26 | 一种计算机图像边缘检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115018868A true CN115018868A (zh) | 2022-09-06 |
Family
ID=83071159
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210581897.6A Pending CN115018868A (zh) | 2022-05-26 | 2022-05-26 | 一种计算机图像边缘检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115018868A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106097306A (zh) * | 2016-05-31 | 2016-11-09 | 凌云光技术集团有限责任公司 | 获取图像边缘检测算子的方法、图像边缘检测方法及装置 |
| CN107909544A (zh) * | 2017-10-31 | 2018-04-13 | 珠海丹德图像技术有限公司 | 一种图像校正方法及系统 |
-
2022
- 2022-05-26 CN CN202210581897.6A patent/CN115018868A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106097306A (zh) * | 2016-05-31 | 2016-11-09 | 凌云光技术集团有限责任公司 | 获取图像边缘检测算子的方法、图像边缘检测方法及装置 |
| CN107909544A (zh) * | 2017-10-31 | 2018-04-13 | 珠海丹德图像技术有限公司 | 一种图像校正方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3620981B1 (en) | Object detection method, device, apparatus and computer-readable storage medium | |
| CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
| US20090245638A1 (en) | Method And Apparatus For Region-Based Segmentation Image Processing Using Region Mapping | |
| CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
| CN109948393B (zh) | 一种一维条码的定位方法及装置 | |
| CN110475078B (zh) | 摄像机曝光时间调整方法及终端设备 | |
| CN110276759B (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
| CN108734161B (zh) | 冠字号区域的识别方法、装置、设备及存储介质 | |
| WO2023185234A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| US20220398716A1 (en) | Method of detecting product defects, electronic device, and storage medium | |
| CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
| CN112132131A (zh) | 量筒液位识别方法和装置 | |
| CN114155285B (zh) | 基于灰度直方图的图像配准方法 | |
| CN113312937A (zh) | 条形码识别方法及装置、存储介质、计算机设备 | |
| CN115018868A (zh) | 一种计算机图像边缘检测方法 | |
| CN113378865B (zh) | 一种影像金字塔的匹配方法和装置 | |
| CN111368572A (zh) | 一种二维码的识别方法及系统 | |
| CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
| CN113850100A (zh) | 一种校正二维码的方法和装置 | |
| CN113012132A (zh) | 一种图像相似度确定方法、装置及计算设备、存储介质 | |
| CN116844058B (zh) | 一种指针式仪表示数的识别方法、装置、设备及存储介质 | |
| CN118134907B (zh) | 钻针头型的控制方法、装置及电子设备 | |
| CN112733567B (zh) | 机动车二维码识别方法、装置及计算机可读存储介质 | |
| CN113450316B (zh) | 一种金属表面字符缺陷检测方法、系统、装置及存储介质 | |
| CN115376136A (zh) | 一种字符识别方法、装置、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 |