【技术实现步骤摘要】
本专利技术涉及图像边缘处理
，尤其涉及一种获取图像边缘检测算子的方法、图像边缘检测方法及装置。
技术介绍
图像的边缘属于图像的高频成分，是图像的基本特征之一。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。在数字图像中，图像的高频成分包括图像中灰度值变化剧烈的部分，通常将灰度值变化剧烈的位置定义为数字图像的边缘。对于数字图像，通常采用各种各样的图像边缘检测算子(例如微分算子、Sobel算子、Canny算子等)对其进行图像边缘检测。又由于在数字图像中，位于图像的边缘上的各像素点，灰度值的差异比较小，变化平缓，而位于图像的边缘上的像素点，与图像中靠近图像的边缘的像素点，两者的灰度值差异比较大，变化剧烈，基于此，通常采用图像的灰度值的一阶导数和二阶导数作为数字图像的图像边缘检测算子，也就是微分算子，包括一阶微分算子和二阶微分算子。采用一阶微分算子对数字图像进行图像边缘检测时，噪声较大，检测结果易受噪声影响。采用二阶微分算子对数字图像进行图像边缘检测时，噪声对检测结果的影响较小，但检测时，需要较大的数据窗口，运算量较大。因此，对于数字图像...
【技术保护点】
一种获取图像边缘检测算子的方法，其特征在于，包括：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；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；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；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。
【技术特征摘要】
1.一种获取图像边缘检测算子的方法，其特征在于，包括：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；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；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；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。2.根据权利要求1所述的方法，其特征在于，所述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的过程，具体包括：以预设插值倍率，对所述目标图像进行双线性插值处理，获得所述目标图像的插值图像；在所述插值图像中，选择插入所述四邻域中的第二目标像素点，所述第二目标像素点位于所述四邻域中倒数第二行像素点和倒数第二列像素点相交的位置。3.根据权利要求2所述的方法，其特征在于，所述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的过程，具体包括：根据所述位置关系，以及双线性插值公式，确定出下述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函数关系式；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)；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，所述插值图像中对应的第二目标像素点；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；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函数关系式，确定出下述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函数关系式；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)；根据所述第二函数关系式，确定出下述图像边缘检测函数关系式； G ( i , j ) - D ( i , j ) = ( v + u - u v ) * G ( i , j ) + u ( v - 1 ) * G ( i , j + 1 ) + ( u - 1 ) v * G ( i + 1 , j ) - u v * G ( i + 1 , j + 1 ) ; ]]>其中，G(i,j)代表目标图像中第i行第j列的像素点的灰度值；D(i,j)代表参考图像中第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。4.根据权利要求3所述的方法，其特征在于，所述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的过程，具体包括：将所述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； G ( i , j ) - D ( i , j ) = v + u - u v v ( u - 1 ) u ( v - 1 ) - u v G ( i , j ) G ( i , j + 1 ) G ( i + 1 , j ) G ( i + 1 , j + 1 ) ; ]]>根据所述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； v + u - u v v ( u - 1 ) u ( v - 1 ) - u v ; ]]>其中，G(i,j)代表目标图像中第i行第j列的像素点的灰度值；D(i,j)代表参考图像中第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。5.一种采用权利要求1至4任意一项所述的图像边缘检测算子对待检测图像进行图像边缘检测的方法，其特征在于，包括：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；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；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。6.根据权利要求5所述的方法，其特征在于，所述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的过程，具体包括：获取针对待检测图像的预设插值倍率M；根据所述预设插值倍率M，按照下述公式确定u和v的值； u = v = M 1 + M ; ]]>根据所述u和v的值以及所述图像边缘检测算子，确定所述具体图像边缘检测算子。7.根据权利要求6所述的方法，其特征在于，所述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的过程，具体包括：获取所述待检测图像的灰度值数据，并根据所述待检测图像的灰度值数据确定所述实际检测图像的灰度值数据；按照下述公式，采用所述具体图像边缘检测算子与所述实际检测图像的灰度值数据进行卷积，从而获得所述待检测图像的边缘检测图像的灰度值信息；其中，D代表待检测图像的边缘检测图像中像素点的灰度值，I′代表所述实际检测图像中2×2数据窗口...
【专利技术属性】
技术研发人员：杨艺，郭慧，谢森，
申请(专利权)人：凌云光技术集团有限责任公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。