边缘检测方法及装置制造方法及图纸

本公开是关于一种边缘检测方法及装置，该方法包括：从待检测图像中截取N个预设像素面积的待测图像块，所述N为大于1的整数，所述N个待测图像块形成所述待检测图像；针对每个待测图像块，从预存的样本图像块中获取与所述待测图像块的相似度最高的样本图像块；查找预存的所述相似度最高的样本图像块的边缘图；根据查找到的N个边缘图确定所述待检测图像的边缘图。该技术方案可以得到更加准确的边缘图。

Edge detection method and device

The public is on an edge detection method and device, the method includes: from the image to be detected to intercept N preset pixel area of the measured image blocks, wherein N is an integer greater than 1, the N test image block forming the image to be detected; for each test image block. Get with the measured image block similarity image blocks the highest image blocks from stored in lookup; stored the highest similarity of the sample image block according to the edge map; N edge map to find the determination of the edge detection of image. The scheme can get more accurate edge map.

【技术实现步骤摘要】
边缘检测方法及装置
本公开涉及图像处理
，尤其涉及边缘检测方法及装置。
技术介绍
边缘检测是图像处理和计算机视觉中的基本问题，其目的是标识数字图像中亮度变化明显的点，对图像进行边缘检测后可以剔除不相关的信息，保留了图像重要的结构属性，大幅度地减少图像数据量。
技术实现思路
本公开实施例提供一种边缘检测方法及装置。所述技术方案如下：根据本公开实施例的第一方面，提供一种边缘检测方法，包括：从待检测图像中截取N个预设像素面积的待测图像块，所述N为大于1的整数，所述N个待测图像块形成所述待检测图像；针对每个待测图像块，从预存的样本图像块中获取与所述待测图像块的相似度最高的样本图像块；查找预存的所述相似度最高的样本图像块的边缘图；根据查找到的N个边缘图确定所述待检测图像的边缘图。本公开的实施例提供的技术方案可以包括以下有益效果：本实施例可以将待检测图像中细分成N个预设像素面积的待测图像块，进而得到与这些待测图像块很相似的样本图像块的边缘图，由这些边缘图得到该待检测图像的边缘图，边缘检测快捷准确。在一个实施例中，所述从待检测图像中截取N个预设像素面积的待测图像块，包括：采用滑动窗口机制，从待检测图像中截取N个预设像素面积的待测图像块，其中，所述滑动窗口的面积为所述预设像素面积，所述滑动窗口的水平滑动步长大于等于1个像素，所述滑动窗口的竖直滑动步长大于等于1个像素。本公开的实施例提供的技术方案可以包括以下有益效果：本实施例可以采用滑动窗口机制，从待检测图像中截取N个预设像素面积的待测图像块，可以保证截取的待测图像块分布均匀，进而保证后续各区域的边缘图的精度，且截取方法简单易实现。在一个实施例中，所述从预存的样本图像块中获取与所述待测图像块的相似度最高的样本图像块，包括：对所述待测图像块进行特征提取，得到所述待测图像块的特征向量；从预存的所述样本图像块的样本特征向量获取与所述特征向量的相似度最高的样本特征向量；查找预存的所述相似度最高的样本特征向量对应的样本图像块。本公开的实施例提供的技术方案可以包括以下有益效果：本实施例可以对待测图像块进行特征提取，得到所述待测图像块的特征向量；从预存的所述样本图像块的样本特征向量获取与所述特征向量的相似度最高的样本特征向量；查找预存的所述相似度最高的样本特征向量对应的样本图像块的边缘图，如此获取的与待测图像块的相似度最高的样本图像块比较准确。在一个实施例中，所述对所述待测图像块进行特征提取，得到所述待测图像块的特征向量，包括：采用卷积神经网络CNN对所述待测图像块进行特征提取，得到待测图像块的特征向量。本公开的实施例提供的技术方案可以包括以下有益效果：本实施例可以采用CNN对所述待测图像块进行特征提取，得到待测图像块的特征向量，提高提取到的特征准确性。在一个实施例中，所述从预存的所述样本图像块的样本特征向量获取与所述特征向量的相似度最高的样本特征向量，包括：获取根据所述样本图像块的样本特征向量建好的K-维树；用建好的K-维树对所述待测图像块的特征向量进行最近邻搜索，获取与所述特征向量的相似度最高的样本特征向量本公开的实施例提供的技术方案可以包括以下有益效果：本实施例可以获取根据所述样本图像块的样本特征向量建好的K-维树，然后用建好的K-维树对所述待测图像块的特征向量进行最近邻搜索，获取与所述特征向量的相似度最高的样本特征向量，计算简单且处理速度快捷。在一个实施例中，所述根据查找到的N个边缘图确定所述待检测图像的边缘图，包括：将所述待检测图像中各像素对应在N个边缘图中的边缘强度值进行平均，得到所述待检测图像中各像素的边缘强度值；根据所述待检测图像中各像素的边缘强度值得到所述待检测图像的边缘图。本公开的实施例提供的技术方案可以包括以下有益效果：本实施例可以将所述待检测图像中各像素对应在N个边缘图中的边缘强度值进行平均，得到所述待检测图像中各像素的边缘强度值，然后根据所述待检测图像中各像素的边缘强度值得到所述待检测图像的边缘图，使得得到的边缘图更加精确。在一个实施例中，所述方法还包括：获取样本图像和所述样本图像对应的边缘图，所述样本图像对应的边缘图为人工标注的边缘图；从所述样本图像中截取若干所述预设像素面积的样本图像块；根据所述样本图像对应的边缘图，获取所述样本图像块对应的边缘图。本公开的实施例提供的技术方案可以包括以下有益效果：本实施例可以获取样本图像和所述样本图像对应的边缘图，所述样本图像对应的边缘图为人工标注的边缘图，然后从样本图像对应的边缘图中获取截取的样本图像块对应的边缘图，如此，人工标注的边缘图使得样本图像块的边缘图更准确，且用户可以根据不同需要要求人工标注不同程度的边缘图，使得后续得到的待检测图像的边缘图更符合用户的需求。根据本公开实施例的第二方面，提供一种边缘检测装置，包括：第一截取模块，用于从待检测图像中截取N个预设像素面积的待测图像块，所述N为大于1的整数，所述N个待测图像块形成所述待检测图像；第一获取模块，用于针对每个待测图像块，从预存的样本图像块中获取与所述待测图像块的相似度最高的样本图像块；查找模块，用于查找预存的所述相似度最高的样本图像块的边缘图；确定模块，用于根据查找到的N个边缘图确定所述待检测图像的边缘图。在一个实施例中，所述第一截取模块包括：截取子模块，用于采用滑动窗口机制，从待检测图像中截取N个预设像素面积的待测图像块，其中，所述滑动窗口的面积为所述预设像素面积，所述滑动窗口的水平滑动步长大于等于1个像素，所述滑动窗口的竖直滑动步长大于等于1个像素。在一个实施例中，所述第一获取模块包括：提取子模块，用于对所述待测图像块进行特征提取，得到所述待测图像块的特征向量；获取子模块，用于从预存的所述样本图像块的样本特征向量获取与所述特征向量的相似度最高的样本特征向量；查找子模块，用于查找预存的所述相似度最高的样本特征向量对应的样本图像块。在一个实施例中，所述提取子模块，用于采用卷积神经网络CNN对所述待测图像块进行特征提取，得到待测图像块的特征向量。在一个实施例中，所述获取子模块，用于获取根据所述样本图像块的样本特征向量建好的K-维树，用建好的K-维树对所述待测图像块的特征向量进行最近邻搜索，获取与所述特征向量的相似度最高的样本特征向量。在一个实施例中，所述确定模块包括：平均子模块，用于将所述待检测图像中各像素对应在N个边缘图中的边缘强度值进行平均，得到所述待检测图像中各像素的边缘强度值；确定子模块，用于根据所述待检测图像中各像素的边缘强度值确定所述待检测图像的边缘图。在一个实施例中，所述装置还包括：第二获取模块，用于获取样本图像和所述样本图像对应的边缘图，所述样本图像对应的边缘图为人工标注的边缘图；第二截取模块，用于从所述样本图像中截取若干所述预设像素面积的样本图像块；第三获取模块，用于根据所述样本图像对应的边缘图，获取所述样本图像块对应的边缘图。根据本公开实施例的第三方面，提供一种边缘检测装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：从待检测图像中截取N个预设像素面积的待测图像块，所述N为大于1的整数，所述N个待测图像块形成所述待检测图像；针对每个待测图像块，从预存的样本图像块中获取与所述待测图像块的相似度本文档来自技高网...

【技术保护点】
一种边缘检测方法，其特征在于，包括：从待检测图像中截取N个预设像素面积的待测图像块，所述N为大于1的整数，所述N个待测图像块形成所述待检测图像；针对每个待测图像块，从预存的样本图像块中获取与所述待测图像块的相似度最高的样本图像块；查找预存的所述相似度最高的样本图像块的边缘图；根据查找到的N个边缘图确定所述待检测图像的边缘图。

【技术特征摘要】
1.一种边缘检测方法，其特征在于，包括：从待检测图像中截取N个预设像素面积的待测图像块，所述N为大于1的整数，所述N个待测图像块形成所述待检测图像；针对每个待测图像块，从预存的样本图像块中获取与所述待测图像块的相似度最高的样本图像块；查找预存的所述相似度最高的样本图像块的边缘图；根据查找到的N个边缘图确定所述待检测图像的边缘图。2.根据权利要求1所述的方法，其特征在于，所述从待检测图像中截取N个预设像素面积的待测图像块，包括：采用滑动窗口机制，从待检测图像中截取N个预设像素面积的待测图像块，其中，所述滑动窗口的面积为所述预设像素面积，所述滑动窗口的水平滑动步长大于等于1个像素，所述滑动窗口的竖直滑动步长大于等于1个像素。3.根据权利要求1所述的方法，其特征在于，所述从预存的样本图像块中获取与所述待测图像块的相似度最高的样本图像块，包括：对所述待测图像块进行特征提取，得到所述待测图像块的特征向量；从预存的所述样本图像块的样本特征向量获取与所述特征向量的相似度最高的样本特征向量；查找预存的所述相似度最高的样本特征向量对应的样本图像块。4.根据权利要求3所述的方法，其特征在于，所述对所述待测图像块进行特征提取，得到所述待测图像块的特征向量，包括：采用卷积神经网络CNN对所述待测图像块进行特征提取，得到待测图像块的特征向量。5.根据权利要求3所述的方法，其特征在于，所述从预存的所述样本图像块的样本特征向量获取与所述特征向量的相似度最高的样本特征向量，包括：获取根据所述样本图像块的样本特征向量建好的K-维树；用建好的k-维树对所述待测图像块的特征向量进行最近邻搜索，获取与所述特征向量的相似度最高的样本特征向量。6.根据权利要求1所述的方法，其特征在于，所述根据查找到的N个边缘图确定所述待检测图像的边缘图，包括：将所述待检测图像中各像素对应在N个边缘图中的边缘强度值进行平均，得到所述待检测图像中各像素的边缘强度值；根据所述待检测图像中各像素的边缘强度值得到所述待检测图像的边缘图。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本图像和所述样本图像对应的边缘图，所述样本图像对应的边缘图为人工标注的边缘图；从所述样本图像中截取若干所述预设像素面积的样本图像块；根据所述样本图像对应的边缘图，获取所述样本图像块对应的边缘图。8.一种边缘检测装置，其特征在于，包括：第一截取模块，用于从待检测图像中截取N个预设像素面积的待测图像块，所述N为大于1的整数，所述N个待测图像块形成所述待检测图像；第一获取模块，用于针对每个待测图像块，从预存的样本图像块中获取与所述待测图像块的相似...

【专利技术属性】
技术研发人员：杨松，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京,11