CN115546241A

CN115546241A - 边缘检测方法、装置、电子设备及计算机可读存储介质

Info

Publication number: CN115546241A
Application number: CN202211552867.9A
Authority: CN
Inventors: 不公告发明人
Original assignee: Chengdu Shuzhilian Technology Co Ltd
Current assignee: Chengdu Shuzhilian Technology Co Ltd
Priority date: 2022-12-06
Filing date: 2022-12-06
Publication date: 2022-12-30
Anticipated expiration: 2042-12-06
Also published as: CN115546241B

Abstract

本发明实施例提出一种边缘检测方法、装置、电子设备及计算机可读存储介质，属于图像处理领域，通过统计待处理图像的灰度图像中每个灰度值的第一分布概率，对各灰度值的第一分布概率进行对数变换得到各灰度值的第二分布概率，以实现图像灰度重构，并根据各灰度值的第二分布概率，对灰度图像进行二值化处理得到二值图像，进而根据二值图像确定出边缘轮廓，使最终的检测结果仅包括边缘轮廓，减少其他无关检测结果的干扰，能够极大地提高检测准确度，改善检测结果不理想的问题，同时检测原理简单且巧妙，能够简化边缘检测。

Description

边缘检测方法、装置、电子设备及计算机可读存储介质

技术领域

本发明涉及图像处理领域，具体而言，涉及一种边缘检测方法、装置、电子设备及计算机可读存储介质。

背景技术

在工业缺陷检测中，图像的轮廓和边缘信息是非常重要的特征，如何提取并利用是一个已经很成熟的领域。由于图像的轮廓（边缘）一般是高频信号，故而，目前的边缘检测中，通常需要对图像锐化的方式来增强高频信号。

传统的图像锐化方法包括空间域锐化和频域锐化两种方式，空间域锐化的方式一般通过卷积核对原图进行卷积来实现，频域锐化的方式需要采用傅里叶运算。这两种锐化方式检测原理复杂，且存在检测结果不理想的问题。

发明内容

有鉴于此，本发明的目的在于提供一种边缘检测方法、装置、电子设备及计算机可读存储介质，其能够简化边缘检测，且改善检测结果不理想的问题。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供一种边缘检测方法，所述方法包括：

获取待处理图像的灰度图像，并统计出每个灰度值在所述灰度图像中的第一分布概率；

对各所述灰度值的第一分布概率进行对数变换，得到各所述灰度值的第二分布概率；

根据所有所述灰度值的第二分布概率，对所述灰度图像进行二值化处理，得到二值图像；

根据所述二值图像，确定出所述待处理图像的边缘轮廓。

进一步地，所述根据所有所述灰度值的第二分布概率，对所述灰度图像进行二值化处理，得到二值图像的步骤，包括：

对所有灰度值的第二分布概率进行去重，并对去重后的所有第二概率进行排序，得到概率表；

基于概率表中的各所述第二分布概率所对应的灰度值，对所述灰度图像进行二值化处理，得到二值图像。

进一步地，所述基于概率表中的各所述第二分布概率所对应的灰度值，对所述灰度图像进行二值化处理，得到二值图像的步骤，包括：

以从小到大的顺序，按照比例阈值从所述概率表中抽取概率集合；

针对所述灰度图像，将所述概率集合中各第二分布概率所对应的灰度值保留，剩余灰度值均变为零，得到二值图像。

进一步地，所述对各所述灰度值的第一分布概率进行对数变换，得到各所述灰度值的第二分布概率的步骤，包括：

采用对数变换公式，以各所述灰度值的第一分布概率作为自变量进行计算，得到各所述灰度值的第二分布概率；

所述对数变换公式包括：

其中，

表示灰度值的第一分布概率，

和

为常数。

进一步地，所述方法还包括：

采用变换灰度公式，对各所述灰度值的第一分布概率进行预处理；

所述变换灰度公式包括：

，其中，

表示灰度值的第一分布概率；

所述采用对数变换公式，以各所述灰度值的第一分布概率作为自变量进行计算的步骤，包括：

基于对数变化公式，以预处理后的各所述灰度值的第一分布概率作为自变量进行计算。

进一步地，所述根据所述二值图像，确定出所述待处理图像的边缘轮廓的步骤，包括：

在所述二值图像中，将由非零值的灰度值所构成的区域作为边缘轮廓。

进一步地，所述统计出每个灰度值在所述灰度图像中的第一分布概率的步骤，包括：

在所述灰度图像中统计出各灰度值的出现次数；

针对每个所述灰度值，将所述灰度值的次数除以所述灰度图像的分辨率，得到所述灰度值的第一分布概率。

第二方面，本发明实施例提供一种边缘检测装置，所述边缘检测装置包括概率统计模块、概率变换模块和轮廓检测模块；

所述概率统计模块，用于获取待处理图像的灰度图像，并统计出每个灰度值在所述灰度图像中的第一分布概率；

所述概率变换模块，用于对各所述灰度值的第一分布概率进行对数变换，得到各所述灰度值的第二分布概率；

所述轮廓检测模块，用于根据所有所述灰度值的第二分布概率，对所述灰度图像进行二值化处理，得到二值图像，根据所述二值图像，确定出所述待处理图像的边缘轮廓。

第三方面，本发明实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现如第一方面所述的边缘检测方法。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的边缘检测方法。

本发明实施例提供的边缘检测方法、装置、电子设备及计算机可读存储介质，统计待处理图像的灰度图像中每个灰度值的第一分布概率，对各灰度值的第一分布概率进行对数变换得到各灰度值的第二分布概率，以实现图像灰度重构，并根据各灰度值的第二分布概率，对灰度图像进行二值化处理得到二值图像，进而根据二值图像确定出边缘轮廓，使最终的检测结果仅包括边缘轮廓，减少其他无关检测结果的干扰，能够极大地提高检测准确度，改善检测结果不理想的问题，同时检测原理简单且巧妙，能够简化边缘检测。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本发明实施例提供的边缘检测系统的方框示意图。

图2示出了本发明实施例提供的边缘检测方法的流程示意图。

图3示出了图2中步骤S11的部分子步骤的流程示意图。

图4示出了图2中步骤S13的部分子步骤的流程示意图。

图5示出了图2中步骤S15的部分子步骤的流程示意图。

图6示出了本发明实施例提供的灰度图像和二值图像的对比图。

图7示出了本发明实施例提供的边缘检测装置的方框示意图。

图8示出了本发明实施例提供的电子设备的方框示意图。

附图标记：100-边缘检测系统；110-检测设备；120-采集设备；130-边缘检测装置；140-概率统计模块；150-概率变换模块；160-轮廓检测模块；170-电子设备。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

阈值法是图像边缘检测中常用的一种方法，该方法基于阈值，将待处理图像处理成二值图像，以从二值图像中确定出边缘轮廓。阈值法中阈值选择极大地影响边缘轮廓的精度，极易因阈值选择不合理，而导致准确度较差。

此外，由于图像的轮廓（边缘）一般是高频信号，故而，目前的边缘检测中，也通常需要对图像锐化的方式来增强高频信号。传统的图像锐化方法包括空间域锐化和频域锐化两种方式，空间域锐化的方式一般通过卷积核对原图进行卷积来实现，频域锐化的方式需要采用傅里叶运算。

空间域锐化和频域锐化的方式，二者的计算原理复杂均存在计算原理复杂的问题。并且，空间域高通滤波提取轮廓时，也会将周期性纹理提取出来，而周期性纹理又是不需要的，导致检测结果不理想。

基于上述考虑，本发明实施例提供一种边缘检测方法，其能够简化边缘检测，且改善检测结果不理想的问题。以下，对该边缘检测方法进行介绍。

本发明实施例提供的边缘检测方法，可以应用于如图1所示的边缘检测系统100中，该边缘检测系统100包括检测设备110和采集设备120，检测设备110可以通过有线或无线的方式通信连接。

采集设备120，用于获取需要进行边缘检测的待处理图像，并将待处理图像发送给检测设备110。

检测设备110，用于采用如本发明实施例提供的边缘检测方法，得到待处理图像中的边缘轮廓。

其中，检测设备110可以是但不限于是：服务器、个人计算机、笔记本电脑、平板、iPad、手机和移动终端。采集设备120可以是但不限于是：摄像机、录像机、具有拍摄功能的移动终端和计算机。

在一种可能的实施方式中，本发明实施例提供一种边缘检测方法，参照图2，可以包括以下步骤。在本实施方式中，以该边缘检测方法应用于图1中的检测设备110来举例说明。

S11，获取待处理图像的灰度图像，并统计出每个灰度值在灰度图像中的第一分布概率。

需要说明的是，灰度值，指的是颜色深度（像素值），范围从0到255，因此，第一分布概率为0-255对应的256个灰度值的分布概率。

S13，对各灰度值的第一分布概率进行对数变换，得到各灰度值的第二分布概率。

S15，根据所有灰度值的第二分布概率，对灰度图像进行二值化处理，得到二值图像。

S17，根据二值图像，确定出待处理图像的边缘轮廓。

采集设备120采集到视频或待处理图像后，将视频或待处理图像发送给检测设备110。检测设备110接收到视频后，将视频处理成多帧待处理图像，并将每张待处理图像进行灰度处理，得到多张灰度图像。

对于每一张灰度图像，检测设备110统计出每个灰度值在该灰度图像中的第一分布概率，对各灰度值的第一分布概率进行对数变换得到各灰度值的第二分布概率，以进行图像灰度重构。并根据各灰度值的第二分布概率，对灰度图像进行二值化处理得到二值图像，进而根据二值图像确定出该灰度图像的边缘轮廓，即待处理图像的边缘轮廓。

与传统的图像边缘检测方法相比，本发明实施例提供的边缘检测方法，对第一分布概率进行对数变换，进一步扩展轮廓信息，抑制普通灰度信息，从而能够极大地提高边缘检测的准确度，且最终得到的检测结果仅包括边缘轮廓，减少了其他无关检测结果的干扰，能够改善检测结果不理想的问题。同时，检测原理简单且巧妙，能够简化边缘检测。

在一种可能的实施方式中，参照图3，统计出灰度图像中每个灰度值的第一分布概率的方式可以进一步实施为以下步骤。

S111，在灰度图像中统计出各灰度值的出现次数。

S112，针对每个灰度值，将灰度值的次数除以灰度图像的分辨率，得到灰度值的第一分布概率。

每个灰度值的第一分布概率可以表示为：

，其中，

表示灰度值，

，

表示灰度值

的出现次数，

表示灰度图像的分辨率，

表示灰度值

的第一分布概率。

所有灰度值的第一分布概率可以表示为：

。

在一种可能的实施方式中，参照图4，上述步骤S13可以进一步实施为以下步骤。

S132，采用对数变换公式，以各灰度值的第一分布概率作为自变量进行计算，得到各灰度值的第二分布概率。

对数变换公式可以灵活选择，例如，可以是以任意数为底的对数，在实际应用中，可以根据实际需求而进行选择，本实施方式中，不作具体限定。

在一种可能的实施方式中，对数变换公式可以为：

，其中，

表示灰度值的第一分布概率，

和

为常数，

表示第二分布概率。

应当理解的是，可以根据实际需求，设置合适的

值和

值。

由于灰度图像中可能不包括所有的灰度值，故而，部分灰度值的第一分布概率可能为0，由于对数运算的运算原理（即以任意数为底零的对数结果都为1），这将对步骤S132的计算产生影响，降低检测准确度。

为了抑制灰度图像中的普通灰度信息，基于上述考虑，请继续参照图4，上述步骤S13还可以包括步骤S131，该步骤S131在步骤S132之前执行。

S131，采用变换灰度公式，对各灰度值的第一分布概率进行预处理。

在一种可能的实施方式中，变换灰度公式可以为：

，其中，

表示灰度值的第一分布概率，此时

表示预处理后的各灰度值的第一分布概率。

从而在步骤S132中，基于对数变化公式，以预处理后的各灰度值的第一分布概率作为自变量进行计算。

通过上述步骤S131，能够消除灰度图像未存在的灰度值的影响，使步骤S132能够更为准确地抑制普通灰度信息的影响，有助于提高检测准确度。

对于步骤S15，得到二值图像的方式可以灵活选择，例如，可以采用阈值法得到二值图像，也可以按照预设规则得到二值图像，本实施方式中，不作具体限定。

在一种可能的实施方式中，参照图5，上述步骤S15可以进一步实施为以下步骤。

S151，对所有灰度值的第二分布概率进行去重，并对去重后的所有第二概率进行排序，得到概率表。

S152，基于概率表中的各第二分布概率所对应的灰度值，对灰度图像进行二值化处理，得到二值图像。

对所有灰度值的第二分布概率进行去重，指的是，若有二个及两个以上的灰度值都具有相同的第二分布概率时，则将这些第二分布概率都排除。去重完成后，对去重后的所有第二概率进行排序，得到概率表。

例如，若有灰度值为2，125和255的第二分布概率都是0.5%时，则将这三个0.5%去除。

又例如，所有的第二分布概率中，有10个10%，4个2.5%，25个1%，则将这10个10%，4个2.5%，以及25个1%都去除，对剩下的第二分布概率进行排序得到概率表。

通过对第二分布概率进行去重，形成较好的可分性，从而能够去除重复的第二分布概率对后续灰度图像进行二值化处理的影响。

一种可能的实施方式中，得到概率表之后，也可以根据概率表确定比例阈值。比例阈值也可以是多次人工调试后确定。

在一种可能的实施方式中，对于步骤S152，在得到概率表之后，以从小到大的顺序，按照比例阈值从概率表中抽取概率集合，并针对灰度图像，将概率集合中各第二分布概率所对应的灰度值保留，剩余灰度值均变为零，得到二值图像。

例如，若概率表一共有10个第二分布概率，分别为0.5%，0.3%，0.7%，0.8%，1.2%，1.25%，1.4%，1.428%，1.53%和1.55%。若比例阈值为30%时，则抽取0.5%，0.3%和0.7%作为概率集合。进而，将灰度图像中0.5%，0.3%和0.7%所对应的灰度值保留，其他灰度图全部变为0，即可得到二值图像。

计算第二分布概率后，将第二分布概率去重排序，得到一个不重复的概率表，由于异常信息或轮廓信息在整体的图片中占比少，所以第二分布概率低，经过对数变换后，异常、轮廓所对应的信息的像素值增大，一般信息的像素值变小，形成较好的可分性。故而可根据得出的去重概率表中，按比例抽取最小的概率集合，概率集合对应的变换后的灰度值保留，其他灰度值舍弃，最终形成二值图像。

得到二值图像之后，将二值图像中由非零值的灰度值所构成的区域作为边缘轮廓，即可检测出待处理图像中的所有边缘轮廓。例如，参照图6，图中的左图为待处理图像的灰度图像，右图为二值图像，二值图像中白色区域即为由非零值的灰度值所构成的区域，即边缘轮廓。

本发明实施例提供的边缘检测方法，通过变换灰度公式和对数变换公式，采用灰度分布概率与对数变换结合，对待处理图像的灰度图像的各第一分布概率进行处理，以对灰度图像间灰度重构。并利用高频信息少于低频信息的特点，对灰度图像的轮廓区域和非轮廓区进行变换（即对灰度图像间灰度重构）后，从将灰度图像转换为二值图像以确定感兴趣区域。进而，从而二值图像中确定出边缘轮廓。

在传统的图像边缘检测方法中，以前二值化都是基于像素值，且寻找灰度概率时，一个概率可能对应不同的灰度值，使得二值化后的二值图像的准确度低。而本发明实施例提供的边缘检测方法经过灰度变换、对数变换和去重后，一个概率只对应一种灰度值，从而可以利用概率集合中的第二分布概率进行二值化操作，得到准确度更高的二值图像，能够极大提高边缘轮廓的检测准确度。

基于上述边缘检测方法的构思，在一种可能的实施方式中，提供一种边缘检测装置130，该边缘检测装置130可以应用于图1中的检测设备110，参照图7，该边缘检测装置130可以包括概率统计模块140、概率变换模块150和轮廓检测模块160。

概率统计模块140，用于获取待处理图像的灰度图像，并统计出每个灰度值在灰度图像中的第一分布概率。

概率变换模块150，用于对各灰度值的第一分布概率进行对数变换，得到各灰度值的第二分布概率。

轮廓检测模块160，用于根据所有灰度值的第二分布概率，对灰度图像进行二值化处理，得到二值图像，根据二值图像，确定出待处理图像的边缘轮廓。

上述边缘检测装置130中，通过概率统计模块140、概率变换模块150和轮廓检测模块160的协同作用，对灰度图像的各第一分布概率进行对数变换，进一步扩展轮廓信息，抑制普通灰度信息，从而能够极大地提高边缘检测的准确度，且最终得到的检测结果仅包括边缘轮廓，减少了其他无关检测结果的干扰，能够改善检测结果不理想的问题。同时，检测原理简单且巧妙，能够简化边缘检测。

关于边缘检测装置130的具体限定可以参见上文中对于边缘检测方法的限定，在此不再赘述。上述边缘检测装置130中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一种实施方式中，提供了一种电子设备170，该电子设备170可以是终端，其内部结构图可以如图8所示。该电子设备170包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备170的处理器用于提供计算和控制能力。该电子设备170的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备170的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信（NFC）或其他技术实现。该计算机程序被处理器执行时实现如上述实施方式提供的边缘检测方法。

图8中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的电子设备170的限定，具体的电子设备170可以包括比图8中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一种实施方式中，本发明提供的边缘检测装置130可以实现为一种计算机程序的形式，计算机程序可在如图8所示的电子设备170上运行。电子设备170的存储器中可存储组成该边缘检测装置130的各个程序模块，比如，图7所示的概率统计模块140、概率变换模块150和轮廓检测模块160。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的边缘检测方法中的步骤。

例如，图8所示的电子设备170可以通过如图7所示的边缘检测装置130中的概率统计模块140执行步骤S11。电子设备170可以通过概率变换模块150执行步骤S13。电子设备170可以通过轮廓检测模块160执行步骤S15和S17。

在一种实施方式中，提供了一种电子设备170，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取待处理图像的灰度图像，并统计出每个灰度值在灰度图像中的第一分布概率；对各灰度值的第一分布概率进行对数变换，得到各灰度值的第二分布概率；根据所有灰度值的第二分布概率，对灰度图像进行二值化处理，得到二值图像根据二值图像，确定出待处理图像的边缘轮廓。

在一种实施方式中，提供了一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如下步骤：获取待处理图像的灰度图像，并统计出每个灰度值在灰度图像中的第一分布概率；对各灰度值的第一分布概率进行对数变换，得到各灰度值的第二分布概率；根据所有灰度值的第二分布概率，对灰度图像进行二值化处理，得到二值图像根据二值图像，确定出待处理图像的边缘轮廓。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。