图像轮廓特征的提取方法及其装置制造方法及图纸

本发明专利技术提供一种本发明专利技术的图像轮廓特征的提取方法及其装置，获取输入图像各像素点与至少两个方向上周边相邻像素点的灰度值差绝对值，计算出各像素点的平均灰度值差，再按预设规则，确定构成所述输入图像的轮廓特征点的像素点集，从而获取输入图像的轮廓特征信息，能够对输入图像的层次特征信息进行提取，避免提取图像轮廓特征信息过程中因像素点的二值化处理所造成像素点特征信息的遗漏。基于像素点周边平均灰度值差提取轮廓特征信息能够有效解决多种颜色图像和较多层次较复杂图像提取轮廓特征信息的遗漏问题，克服传统的图像提取轮廓特征信息方法易丢失图像的层次特征信息的难点，提高了轮廓特征信息的描述质量。

【技术实现步骤摘要】

本专利技术涉及图像处理的
，特别涉及一种图像轮廓特征的提取方法，以及一种图像轮廓特征的提取装置。
技术介绍
图像轮廓特征的精确提取是图像识别领域中提升图像识别特征信息质量的需要，如何完整准确进行图像边缘检测是图像边缘检测问题中的难题之一。它的解决对于我们进行高层次的特征描述、识别和理解等有着重大的意义。同时又由于边缘检测在许多方面都有着非常重要的使用价值，所以人们一直在致力于研究和解决如何构造出具有良好性质的效果的边缘检测算子问题。图像的轮廓既存在于图像的不规则结构和不稳定的边缘，也存在于数据的突变点处，这些点给出了图像轮廓的位置，这些轮廓常常是我们在进行图像识别时所需要的非常重要的特征条件。经典的轮廓提取技术大都基于微分运算，首先通过平滑来滤除图像中的噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值提取边界。按照该理论已形成了多种轮廓检测算法。其中主要可以分为直线段逼近法和角点检测法。其中，以角点与矢量化检测在图像识别领域用途最为广泛。角点检测法又可以分为Rosenfeld-Johnston检测算法、Freeman-Davis检测算法、Sankar-Shama检测算法、Anderson-Bezdek检测算法、Teh-Chin检测算法。传统的图像轮廓特征信息提取方法的缺陷和弊端：1、基于微分运算的轮廓检测算法虽然能检测出边缘图像的轮廓特征信息，但阈值选择是基于全局的灰度平均值，灰度的平均值仅反映图像的亮度或颜色深浅的平均程度，无法全面反映图像的层次特征信息；虽然部分方法的阈值选择是基于局部区域的灰度平均值，但仍无法全面反映图像的层次特征信息。2、采用任一灰度的平均值必会对其他灰度值的像素点的二值化处理产生影响，造成像素点特征信息的遗漏。传统的图像提取轮廓特征信息方法在图像二值化处理过程中，会损失图像的层次特征信息。当出现图像自身灰度值差异较小而与其他图像的灰度值差异较大、灰度级较多时，传统的处理方法难以找出使用者感兴趣的图像目标像素点及其所构成的轮廓特征。
技术实现思路
基于此，本专利技术实施例的目的在于提供一种图像轮廓特征的提取方法，以及一种图像轮廓特征的提取装置，能够对图像的层次特征信息进行提取，避免提取图像轮廓特征信息过程中因像素点的二值化处理所造成像素点特征信息的遗漏。在一些实施例中，本专利技术提供一种图像轮廓特征的提取方法，包括以下步骤：获取输入图像各像素点的灰度值；获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值；根据所获取各像素点的灰度值差的绝对值，计算出各像素点的平均灰度值差，其中，所述平均灰度值差为输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值的平均值；将各像素点的平均灰度值差与预设的灰度值差阈值比较，如果所述平均灰度值差大于或等于预设的灰度值差阈值，则将该像素点确定为输入图像的轮廓特征点。本专利技术的图像轮廓特征的提取方法，获取输入图像各像素点与至少两个方向上周边相邻像素点的灰度值差绝对值，计算出各像素点的平均灰度值差，再按预设规则，确定构成所述输入图像的轮廓特征点的像素点集，从而获取输入图像的轮廓特征信息，能够对输入图像的层次特征信息进行提取，避免提取图像轮廓特征信息过程中因像素点的二值化处理所造成像素点特征信息的遗漏。基于像素点周边平均灰度值差提取轮廓特征信息能够有效解决多种颜色图像和较多层次较复杂图像提取轮廓特征信息的遗漏问题，克服传统的图像提取轮廓特征信息方法易丢失图像的层次特征信息的难点，提高了轮廓特征信息的描述质量。在一些实施例中，所述获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值的步骤包括：计算所述输入图像各像素点的灰度值与该像素点至少两个方向上的相邻像素点的灰度值差，其中，所述至少两个方向包括以下至少两个：正上方、正下方、正左方、正右方、左上方、右上方、左下方和右下方；对计算出的灰度值差进行绝对值转换，获取灰度值差的绝对值。通过获取所述输入图像各像素点与至少两个方向上周边相邻的像素点的灰度值差，再将该灰度值差转换成绝对值后，获取各个灰度值差的绝对值，可以准确识别该像素点周边的灰度变化程度，提高对图像边缘层次特征信息提取的准确度。在一些实施例中，按如下公式逐点计算所述输入图像的各像素点与该像素点至少两个方向上相邻的像素点的灰度值差：X1＝D0-Da；和X2＝D0-Db；其中，X1为所述输入图像的各像素点与该像素点在一个方向上相邻的像素点的灰度值差，X2为所述输入图像的各像素点与该像素点在另一个方向上相邻的像素点的灰度值差，D0为该像素点的灰度值，Da为该像素点在一个方向上相邻的像素点的灰度值，Db该像素点在另一个方向上相邻的像素点的灰度值。在一些实施例中，根据所获取各像素点的灰度值差的绝对值，按以下公式计算出各像素点的平均灰度值差：其中，为所述输入图像的像素点与该像素点至少两个方向上相邻的像素点的平均灰度值差，xi为所述输入图像的各像素点与该像素点在第i个方向上相邻的像素点的灰度值差，n为求解的相邻的像素点所在方向的个数，n大于或等于2。通过获取各像素点的平均灰度值差，可以准确获得各个像素点在不同方向上与其周边相邻像素点的平均灰度变化情况，提高对图像层次特征信息提取的准确度。在一些实施例中，所述预设的灰度值差阈值的取值范围为：2至250。将所述像素点的平均灰度值差与预设的灰度值差阈值比较，将平均灰度值差大于或等于预设的灰度值差阈值的像素点确定为输入图像的轮廓特征点，可以从微观上或局部描述和反映图像层次变化的情况，更精确反映图像轮廓特征。优选地，在一些实施例中，根据比较结果确定所述输入图像的轮廓特征点之后，进一步包括以下步骤：执行二值化处理，将所述输入图像的轮廓特征点的灰度设置为最低值，将所述输入图像的其他像素点的灰度设置为最高值。通过二值化处理，能够将所述输入图像的轮廓特征点以更高对比度的方式输出，使用户更容易识别所述输入图像的轮廓特征点。优选地，在一些实施例中，根据比较结果确定所述输入图像的轮廓特征点后，进一步包括：识别和去除所述输入图像的轮廓特征点中的散点，其中，所述散点是具有连续像素点的个数少于预设连续像素点阈值的一组连续像素点的点集，所述连续像素点的确认规则为：一个轮廓特征点与该轮廓特征点在任一方向上相邻的另一个轮廓特征点互为连续像素点，且如果两个轮廓特征点分别与同一个轮廓特征点互为连续像素点，则该两个轮廓特征点也互为连续像素点；所述相邻的轮廓特征点所在的方向包括该轮廓特征点的正上方、正下方、正左方、正右方、左上方、右上方、左下方和右下方。通过识别和去除所述输入图像的轮廓特征点中的散点，可以简化输入图像轮廓特征信息的描述，突出输入图像轮廓特征信息的显著性，有利提高查询检索的效率。在一些实施例中，所述预设连续像素点阈值的取值范围为：所述轮廓特征点总数的0.001％至10％。通过合理设定所述连续像素点阈值，可以有效确定图像边缘显著性较弱的像素点，减少输入图像轮廓特征的干扰信息。优选地，在一些实施例中，可能会出现一些较粗的轮廓特征线，较粗的轮廓特征线是指线粗大于一个像素点的廓特征线。对一些较粗的轮廓特征线可以进一步进行简化处理，简化处理步骤和方法可以包括但不限于如下方本文档来自技高网...

【技术保护点】
一种图像轮廓特征的提取方法，其特征在于，包括以下步骤：获取输入图像各像素点的灰度值；获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值；根据所获取各像素点的灰度值差的绝对值，计算出各像素点的平均灰度值差，其中，所述平均灰度值差为输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值的平均值；将各像素点的平均灰度值差与预设的灰度值差阈值比较，如果所述平均灰度值差大于或等于预设的灰度值差阈值，则将该像素点确定为输入图像的轮廓特征点。

【技术特征摘要】
1.一种图像轮廓特征的提取方法，其特征在于，包括以下步骤：获取输入图像各像素点的灰度值；获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值；根据所获取各像素点的灰度值差的绝对值，计算出各像素点的平均灰度值差，其中，所述平均灰度值差为输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值的平均值；将各像素点的平均灰度值差与预设的灰度值差阈值比较，如果所述平均灰度值差大于或等于预设的灰度值差阈值，则将该像素点确定为输入图像的轮廓特征点。2.根据权利要求1所述的图像轮廓特征的提取方法，其特征在于，获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值的步骤包括：计算所述输入图像各像素点的灰度值与该像素点至少两个方向上的相邻像素点的灰度值差，其中，所述至少两个方向包括以下至少两个：正上方、正下方、正左方、正右方、左上方、右上方、左下方和右下方；对计算出的灰度值差进行绝对值转换，获取灰度值差的绝对值。3.根据权利要求2所述的图像轮廓特征的提取方法，其特征在于，按如下公式逐点计算所述输入图像的各像素点与该像素点至少两个方向上相邻的像素点的灰度值差：X1＝D0-Da；和X2＝D0-Db；其中，X1为所述输入图像的各像素点与该像素点在一个方向上相邻的像素点的灰度值差，X2为所述输入图像的各像素点与该像素点在另一个方向上相邻的像素点的灰度值差，D0为该像素点的灰度值，Da为该像素点在一个方向上相邻的像素点的灰度值，Db该像素点在另一个方向上相邻的像素点的灰度值。4.根据权利要求1所述的图像轮廓特征的提取方法，其特征在于，根据所获取各像素点的灰度值差的绝对值，按以下公式计算出各像素点的平均灰度值差：其中，为所述输入图像的像素点与该像素点至少两个方向上相邻的像素点的平均灰度值差，xi为所述输入图像的各像素点与该像素点在第i个方向上相邻的像素点的灰度值差，n为求解的相邻的像素点所在方向的个数，n大于或等于2。5.根据权利要求1所述的图像轮廓特征的提取方法，其特征在于，所述预设的灰度值差阈值的取值范围为：2至250。6.根据权利要求1所述的图像轮廓特征的提取方法，其特征在于，根据比较结果确定所述输入图像的轮廓特征点之后，进一步包括以下步骤：执行二值化处...

【专利技术属性】
技术研发人员：徐庆，
申请(专利权)人：徐庆，
类型：发明
国别省市：广东;44