CN1815492A - 处理图像且在图像中检测标记的方法、装置及存储介质 - Google Patents

Abstract

本发明提供一种处理图像的方法，包括：在输入的灰度级图像上，执行边缘检测的步骤；在边缘检测图像上，执行边缘细化的步骤；在已边缘细化的图像上，执行边缘跟踪的步骤。本发明还提供一种装置和机器可读的存储介质。根据本发明，其能够适用于复杂的背景和背景与对象的非常低的对比度。

Description

处理图像且在图像中检测标记的方法、装置及存储介质

技术领域

本发明涉及图像处理，尤其涉及用于处理图像并且在图像中检测标记的方法、装置及介质。

背景技术

寻找具有给定特征的一个或多个标记的方法在图像处理中具有广泛的用途。例如，为了将两张图像拼接在一起，必须在X射线照片中找出标记。如下图1a和图1b，现有技术的检测方法难以应付复杂背景以及背景与对象的非常低对比度。通常，对于高或低的标记灰度级的普通灰度级图像，用于检测标记的现有方法在该图像上进行跟踪之前可能需要对该图像进行二值化处理的步骤，以及其它相关步骤诸如对该直方图进行拉伸。并且，在现有技术中，可能需要将图像按照标记的亮度或位置或清晰度划分，并且需要一个循环过程。

发明内容

本发明的目的是提供一种能够适应复杂背景和背景与对象的非常低对比度的图像处理方法和一种标记检测方法及装置。将本发明应用于从灰度级图象检测给定大小和形状的标记(圆形)(如图1(a)和图1(b)所示，其中标号1-9表示标记位置)而无需二值化操作。这一点比用于检测标记的常规方法更为简单且迅速。当然，能够将本方法用于标记检测的其它领域。

本发明的方法在图像中检测具有给定特征的标记。为了对标记进行定位，本方法包括以下步骤：检测边缘，细化边缘，跟踪边缘以便获得候选标记，以及识别该候选标记是否是正确的一个。

本发明提供一种处理图像的方法，包括步骤：

在输入灰度级图像上，执行边缘检测；

在已边缘检测的图像上，执行边缘细化；

在已边缘细化的图像上，执行边缘跟踪。

本发明还提供用于处理图像的装置，包括：

边缘检测装置，用于在输入的灰度级图像上，执行边缘检测；

边缘细化装置，用于在边缘检测的图像，执行边缘细化；

边缘跟踪装置，用于在边缘细化的图像上，执行边缘跟踪。

本发明还提供编有用于处理图象的机器可读计算机程序的存储介质，该存储介质包括用于使处理器实现根据本发明的方法的指令。

通过使用本发明，能够获得以下优点：

1.该输入图像是普通灰度级图像。该标记的灰度级能够是高的或低的。并且，在该标记的周边区域周围，该标记与其背景的灰度级差(梯度)可大或可小。对图像执行一次全部的处理过程，而不根据标记的亮度或位置或清晰度划分该图像。因此，能够找出任何亮度、位置或清晰度的标记。

2.对边缘检测的图像进行细化可以将标记的边缘同与其相连的干扰中分割。在我们的方法中，其能够跳过二值化步骤和其他相关的步骤诸如拉伸直方图，并且能够检测所有标记而无需对检测过程进行循环。

3.定义一种新的圆度以便识别该圆形标记。

从以下优选实施例的描述，并结合举例说明发明原理的附图，本发明的其他特征和优点将变得更为清楚。

附图说明

图1(a)和图1(b)示出具有由标号指示的标记的灰度级图像；

图2示出本发明的方法的主要步骤；

图3示出本发明的标记检测算法的流程图；

图4是例子示出中心像素的梯度方向是箭头方向；

图5示出在细化图像中跟踪对象(标记)的内边缘以便定位该对象；

图6示出根据本发明的图像标记检测算法的流程图；

图7(a)是图1(a)的部分的已检测边缘的效果；

图7(b)是图1(b)的部分的已边缘检测的效果；

图8(a)是图1(a)的部分的已边缘检测的和细化效果；

图8(b)是图1(b)的部分的已边缘检测的和细化效果；

图9(a)是图1(a)的部分的已标记检测的效果；

图9(b)是图1(b)的部分的已标记检测的效果；

图10是根据本发明用于图像处理的装置的方框图；

图11示意性地示出能够实现本发明方法的图像处理系统。

具体实施方式

图10是根据本发明用于图像处理的装置的方框图；

在图10中，参考标号101表示图像输入装置，参考标号102表示边缘检测装置，参考标号103表示边缘细化装置，参考标号104表示缘跟踪装置。

边缘检测装置102在由图像输入装置101输入的该灰度级图像上执行边缘检测。根据本发明的方法，由边缘细化装置103对从边缘检测装置102输出的已边缘检测的图像进行边缘细化。在边缘细化之后，在该图像上，由边缘跟踪装置104执行边缘跟踪。

基本概念和算法

1.标记检测

我们的目的是从灰度级图像检测圆形标记。该标记能够位于该图像的任何位置，并且该标记的灰度级可以是高或低的。图2是本方法的主要步骤21-23，并且步骤22是在说明中进一步描述的核心内容。

2.流程图

图3是本发明的标记检测算法的流程图。

3.说明

(1)输入图像(步骤21)

输入图像是一种普通灰度级图像。该标记的灰度级可以是高的或低的。并且，在该标记的周边区域周围，该标记与其背景的灰度级差(梯度)可以是大的或小的。

(2)检测边缘(步骤31)

现在，有许多边缘检测方法。在本发明中，能够使用它们中的每个。当我们检测边缘(梯度)时，我们不仅记录梯度大小，还记录用于细化(步骤32)的梯度方向。

如果将要被检测的该标记足够大，我们可以在边缘检测之前缩小该图像(该处理能够节省检测时间)。

并且如果图像具有过多干扰，则我们可以首先去除干扰(例如：均值滤波器、中值过滤器或其他的方法)。

(3)细化边缘(步骤32)

在边缘检测之后，我们可以对已边缘检测的图像进行细化。

首先，我们取当前像素的灰度级为G0，然后我们读取该像素位置的梯度方向，并且在该方向上我们取两个相邻像素的灰度级为G1和G2。然后，我们将该像素的灰度级与该两个相邻像素的灰度级进行比较。如果G0＜G1或G0＜G2，则我们将该像素设置为背景。另外，能够进一步地改善该比较，诸如如果G0＜pa*G1或G0＜pa*G2(pa是经验参数，并且pa＝[0.5，1.2]是一个好例子)，则我们将该像素设置为背景。在该细化图像中，如果梯度是0，则将其认为是背景，否则将其认为是前景。最重要的是将与该标记的内边缘相连的干扰分离，因为在其周围中边缘的梯度是最大的，因此我们在“跟踪边缘”步骤33之前，不需要二值化步骤。

图4是一个例子示出中心像素的梯度方向是箭头方向。如果该中心像素的灰度级比其两个相邻像素更大，则我们将保留该中心像素并且除去该两个相邻像素。但是，如果该中心像素的灰度级不大于该两个相邻像素中的任何一个，则我们将其设置为背景。

该步骤能够将该标记的边缘同与其相连的干扰分离。并且相连的干扰在该标记检测方法中是最严重的问题。由于细化步骤能够充分减少相连的干扰，因此我们能够然后跟踪边缘并且不需要对细化图像进行二值化。

(4)跟踪边缘(步骤33)

由于背景的复杂性，对象(标记)的外边界经常与干扰连接，因此我们在细化图像上跟踪对象(标记)的内边缘，以便对该对象进行定位，如图5所示。

(5)识别标记(步骤34)

在该步骤中，我们使用标记的给定特征，以便识别该候选是否是正确的一个。

应用

1.流程图

能够将上述本方法用于例如，在灰度级图像上的圆形标记检测。关于各个图像的标记检测，流程图如图6所示。

2.说明

(1)输入图像(步骤21)

在该应用中，图像是医学X射线数字图像(255等级灰度级)。该标记的灰度级可以是高的或低的。并且，在该标记的周边区域周围，该标记与其背景的灰度级差(梯度)可大或可小。

各个图像具有其直径为30到70个像素的圆形标记。

(2)预处理图像(步骤61))

该标记的直径是从30到70个像素，因此我们选择0.5作为缩放比(取一个像素作为样本，然后跳到相邻像素以取第三像素作为样本)，然后第五、第七等)，那是因为如果缩放比小于0.5，则当缩小图像时，该标记检测起来过小。

(3)检测边缘(步骤62)

现在有许多边缘检测方法。在我们的目的中，可以使用它们中的每一个。当我们检测该边缘(梯度)时，我们不仅记录梯度大小，而且计算并记录将被用于细化(步骤63)的梯度方向。

在该边缘检测中，我们利用罗伯特检测器(Robert detector)来检测边缘。

并且，如果有过多干扰，则我们能够使用其他边缘检测器来进行边缘检测，但是罗伯特检测器是它们中最快的一个。

边缘检测的结果如图7(a)所示，该图是图1(a)的部分的边缘检测效果。在该图像中，我们用10乘该梯度以使我们将其看得清楚。

图7(b)是图1(b)的部分的已边缘检测的效果。在该图像中，我们用10乘该梯度以使我们将其看得清楚。

(4)细化边缘(步骤63)

在边缘检测(步骤62)之后，我们对已边缘检测的图像进行细化。

首先，我们取当前像素的灰度级为G0，然后我们读取该像素位置的梯度方向，并且在该方向上我们取两个相邻像素的灰度级为G1和G2。然后，我们对该像素的灰度级与该两个相邻像素的灰度级进行比较。如果G0＜G1或G0＜G2，则我们将该像素设置为背景。另外，可以进一步地改善该比较，诸如如果G0＜pa*G1或G0＜pa*G2(pa是经验参数，并且pa＝0.9是一个好例子)，则我们将该像素设置为背景。在该图像中，如果梯度是0，则将其作为背景，否则将其作为前景。因此，我们无需该二值化步骤。

图8(a)是图1(a)的部分的已边缘检测的和细化效果。在该图像中，我们用10乘该梯度以使我们将其看得清楚。

图8(b)是图1(b)的部分的已边缘检测的和细化效果。在该图像中，我们用10乘该梯度以使我们将其看得清楚。

(5)跟踪边缘(步骤64)

由于背景的复杂性，对象(标记)的外边界通常与干扰相连，因此我们在细化图像上跟踪对象(标记)的内边缘，以便定位该对象。

(6)识别标记(步骤65)

在该步骤中，我们检查该对象的边缘长度、面积、圆度以及另外的圆度，以便判断该对象是否是正确的标记。

(a)如果对象的边缘长度超出给定的范围，则我们将除去该对象。因此我们能够除去大多数对象。

(b)如果对象的面积超出给定的范围，则我们将除去该对象。

(c)如果对象的圆度超出给定的范围，则我们将除去该对象。

(d)我们使用另外的圆度，以便判断其，并且通过该另外的圆度，我们能够很好地并真实地判断该对象。从以下步骤获得另外的圆度：

1)根据对象的面积(S)，我们能够计算一个标准圆的半径：R＝sqrt(S/PI)；

2)计算该对象的质心；

3)计算从对像边缘(M[I])的点到质心的距离，记录为D[I]；

4)记录d[I]＝(D[I]--R)。

5)如果d[I]不符合给定的条件(例如，d[I]＜0)，然后d[I]＝0；

6)然后，我们的另外的圆度＝(∑(d[I]×d[I]))/S。

图9(a)是图1(a)的部分的已标记检测的效果；

并且，该圆形1-7是我们检测的标记。

图9(b)是图1(b)的部分的已标记检测的效果；

并且，该圆形8-9是我们所检测的标记。

3.试验的有效结果

我们对该方法试验了大约90张图像(其中大多数具有两个标记，其中一些具有一个标记或无标记或具有多于两个标记)。

并且，其中没有任何剩下的标记或错误检测。并且，关于检测速度，参照以下图表(时间是平均时间，并且边缘检测器是罗伯特检测器)：

测试环境：P4 2.0G CPU、256M存储器、Windows 2000

图像大小	检测时间(ms)
		1616×2688	320
2400×2688	440
		4080×4982	1400

图11示意性地示出一种能够实现本发明的方法的图像处理系统。如图11所示的图像处理系统，包括CPU(中央处理单元)111、RAM(随机存取存储器)112、ROM(只读存储器)113、系统总线114、HD(硬盘)控制器115、键盘控制器116、串行端口控制器117、并行端口控制器118、显示控制器119、硬盘120、键盘121、图形输入装置122、打印机123以及显示器124。在这些部件中，将CPU 111、RAM 112、ROM 113、HD控制器115、键盘控制器116、串行端口控制器117、并行端口控制器118以及显示控制器119连接到系统总线114。将硬盘120连接到HD控制器115，并且将键盘121连接到键盘控制器116，将图像输入装置122连接到串行端口控制器117，将打印机123连接到并行端口控制器118，将显示器124连接到显示控制器119。

在图11中的各个部件的功能在本领域中是公知的，并且如图11所示的体系结构是常规的。这种体系结构不仅应用于个人电脑，而且还应用于其它的基于计算机的装置。在不同的应用中，可以省略图11所示的一些部件，并且能够将该系统实现为一种单片微型计算机。如果将应用软件存储在EPROM中(或其它的非易失性的存储器)中，则可以省略HD控制器115和硬盘120。

由计算机可读指令控制图11所示的整个系统，通常将该指令作为软件存储在硬盘120(或如上所述，存储在EPROM，或其它非易失性存储器)。还可以从该网络下载该软件(在图中未示出)。能够将在硬盘120中存储的或从网络下载的该软件加载到RAM 112中，并且由CPU 111执行，用于实现由软件所定义的功能。

对于本领域人员来说，开发一段或多段基于本发明方法的软件不涉及创造性工作。如此开发的软件将执行如图3所示处理图像的方法。

在某种意义上，如果基于本发明的方法的软件支持如图11所示的图像处理系统，则可以获得与如图10所示的用于处理图形的装置相同的功能。

本发明还提供用于处理图像的编有机器可读计算机程序代码的存储介质，该存储介质包括用于使处理器实现根据本发明方法的指令。该存储介质可以是诸如软盘、CD-ROM、硬盘(例如，图11中的硬盘120)的任何有形介质。

通过使用本发明：

1.输入图像是普通灰度级图像。标记的灰度级可以是高的或低的。并且，在该标记的周边区域周围，标记与其背景的灰度级差异(梯度)可以大或小。对图像执行一次全部处理过程，而不根据标记的亮度或位置或清晰度分割该图像。因此，能够找出任何亮度、位置或清晰度的标记。

2.对检测边缘的图像进行细化可以将标记的边缘同与其相连的干扰中分割。在我们的方法中，其能够跳过二值化步骤和其他相关步骤诸如直方图的拉伸，并且能够检测所有标记而无需对检测过程进行循环。

3.定义一种新的圆度以便识别该圆形标记。

虽然前述已经参考了本发明的特定实施例，但是本领域技术人员可以理解这些仅仅是说明，并且能够对实施例做出变形而不脱离本发明的原理，其范围由所附的权利要求书定义。

Claims (25)

1.一种处理图像的方法，包括：

在输入的灰度级图像上，执行边缘检测；

在已边缘检测的图像上，执行边缘细化；

在已边缘细化的图像上，执行边缘跟踪。

2.根据权利要求1所述的处理图像的方法，还包括在边缘检测之前，对灰度级图像进行缩小的步骤。

3.根据权利要求1所述的处理图像的方法，还包括在边缘检测之前，去除干扰的步骤。

4.根据权利要求1所述的处理图像的方法，该边缘细化步骤包括：对于已边缘检测的图像上的每个像素，读取灰度级G0和该像素的梯度方向，将该像素的灰度级G0与在该梯度方向上的两个相邻像素的灰度级G1和G2进行比较，如果G0小于G1和G2中的任何一个，则将G0作为背景，否则保留G0。

5.根据权利要求4所述的处理图像的方法，在边缘细化的步骤中，如果G0＜pa*G1或G0＜pa*G2，则将G0设置为背景。

6.根据权利要求5所述的处理图像的方法，其中pa在[0.5，1.2]范围内。

7.根据权利要求1所述的处理图像的方法，其中该边缘跟踪步骤在已边缘细化的图像上对对象的内边缘进行跟踪，以便对该对象进行定位。

8.根据权利要求1所述的处理图像的方法，还包括基于已边缘跟踪的图像，在图像中识别对象。

9.根据权利要求1所述的处理图像的方法，还包括根据该对象的给定特征，基于已边缘跟踪的图像，在图像中识别对象。

10.根据权利要求9所述的处理图像的方法，其中将被识别的对象是圆形标记。

11.根据权利要求10所述的处理图像的方法，其中根据边缘的长度、面积或圆度识别圆形标记。

12.根据权利要求11所述的处理图像的方法，其中从以下步骤获得该圆度：

根据标记的面积(S)，计算标准圆的半径：R＝sqrt(S/PI)；

计算该标记的质心；

计算从标记边缘(M[I])的一点到质心的距离，记录为D[I]；

记录d[I]＝(D[I]-R)；

如果d[I]不符合给定的条件(例如，d[I]＜0)，则d[I]＝0；

然后，圆度＝(∑(d[I]×d[I]))/S。

13.一种处理图像的装置，包括：

边缘检测装置，用于在输入的灰度级图像上，执行边缘检测；

边缘细化装置，用于在已边缘检测的图像上，执行边缘细化；

边缘跟踪装置，用于在已边缘细化的图像上，执行边缘跟踪。

14.根据权利要求13所述的处理图像的装置，该装置在边缘检测之前，对灰度级图像进行缩小。

15.根据权利要求13所述的处理图像的装置，该装置在边缘检测之前，去除干扰。

16.根据权利要求13所述的处理图像的装置，当该边缘细化装置执行边缘细化时，对于在已边缘检测的图像上的每个像素，读取灰度级G0和该像素的梯度方向，将该像素的灰度级G0与在该梯度方向上的两个相邻像素的灰度级G1和G2进行比较，如果G0小于G1和G2中的任何一个，则将G0作为背景；否则保留G0。

17.根据权利要求16所述的处理图像的装置，当边缘细化装置执行边缘细化时，如果G0＜pa*G1或G0＜pa*G2，则将G0设置为背景。

18.根据权利要求17所述的处理图像的装置，其中pa＝0.9。

19.根据权利要求13所述的处理图像的装置，其中该边缘跟踪装置在已边缘细化的图像上对对象的内边缘进行跟踪，以便对该对象进行定位。

20.根据权利要求13所述的处理图像的装置，该装置基于已边缘跟踪的图像，在图像上识别对象。

21.根据权利要求13所述的处理图像的装置，该装置根据该对象的给定特征，基于已边缘跟踪的图像，在图像上识别对象。

22.根据权利要求20所述的处理图像的装置，其中将被识别的对象是圆形标记。

23.根据权利要求22所述的处理图像的装置，其中该装置根据边缘的长度、面积或圆度，识别圆形标记。

24.根据权利要求23所述的处理图像的装置，其中从以下步骤获得该圆度：

根据标记的面积(S)，计算标准圆的半径：R＝sqrt(S/PI)；

计算该标记的质心；

计算从对像边缘(M[I])的一点到质心的距离，记录为D[I]；

记录d[I]＝(D[I]-R)；

如果d[I]不符合给定的条件(例如，d[I]＜0)，则d[I]＝0；

然后，圆度＝(∑(d[I]×d[I]))/S。

25.一种用于处理图像的编有机器可读计算机程序的存储介质，该存储介质包括用于使处理器实现根据权利要求1-12中任何一个的方法的指令。

Images