【技术实现步骤摘要】
深度图像的分割方法及系统
[0001]本专利技术涉及图像处理
，具体地，涉及一种深度图像的分割方法及系统。
技术介绍
[0002]深度图像(Depth Images)是指将图像采集器采集到的场景中各点的距离值作为像素值的图像，它直接反映了景物可见表面的几何形状。深度图像主要通过深度相机采集，随着深度相机技术的兴起，深度图像被应用在三维建模、自动驾驶汽车、机器人、建筑建模等领域。深度图像中图像分割是深度图像处理的核心。
[0003]目前，深度图像分割算法主要有基于聚类的分割算法、基于区域生长的分割算法。基于聚类的分割算法是通过模型训练的方式将不同类的数据分离开；基于区域生长的分割算法是基于灰度值的不连续性和相似性将像素或者子区域聚合成更大区域。上述两种分割算法的计算量大，并且无法适用于不同的场景，存在图像分割的效率低的问题。
[0004]专利文献CN104657980A公开了一种改进的基于Meanshift的多通道图像分割算法，包括以下步骤：输入RGB图像矩阵并统计像素值；对其像素样本做Meanshift聚类运算；在三个子图像中查找并记录灰度落入兴趣目标区域的灰度区间的像素，查找并记录兴趣目标像素的聚类中心；对兴趣目标像素及其聚类中心做可靠性计算，筛选出可靠性高的兴趣目标像素，并将目标像素赋值1，其他0，产生分割后的图像逻辑矩阵；对此矩阵做逻辑“或”运算融合得到最终的兴趣目标区域；输出图像，即为分割获得的兴趣目标图像。但该方法仍然存在计算量大，图像分割的效率低的问题。
技术实现思路
>[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种深度图像的分割方法及系统。
[0006]根据本专利技术提供的一种深度图像的分割方法，包括如下步骤：
[0007]初始化步骤：定义一个节点数据的结构体和一个二维数组，将深度图像中每一个像素的像素坐标值依次设置到二维数组的每一个结构体的数据中；
[0008]合并聚类步骤：计算邻近像素之间像素坐标值的绝对差值，并根据节点连接规则，对二维数组中属于同一类别的节点数据进行合并聚类；
[0009]查找步骤：在二维数组中查找所有的父节点，得到父节点的集合；
[0010]收集步骤：对于父节点的集合中的每一个父节点元素，创建对应的类别集合，并将二维数组中的每一个节点收集到对应的类别集合中；
[0011]分割步骤：将所有的类别集合进行编号，并根据父节点集合中父节点元素的个数，确定每一个类别集合对应的标签值，根据标签值对深度图像进行分割处理，得到分割图像。
[0012]优选地，初始化步骤包括：
[0013]步骤S101：定义一个节点数据的结构体，其中，结构体中包括像素坐标、父节点的指针和节点数据具有的子节点数量；
[0014]步骤S102：将深度图像中每一个像素的像素坐标值依次设置到二维数组中。
[0015]优选地，合并聚类步骤包括：
[0016]步骤S201：根据深度图像中列坐标相同，行坐标距离为1的两个像素坐标值之间的绝对差值，创建行图像；
[0017]步骤S202：根据深度图像中行坐标相同，列坐标距离为1的两个像素坐标值之间的绝对差值，创建列图像；
[0018]步骤S203：设定属于同一类别的距离阈值，若行图像或者列图像中的绝对差值小于或者等于距离阈值，则将二维数组中与行图像或者列图像分别对应的两个节点数据根据连接函数进行连接；
[0019]步骤S204：若行图像中的绝对差值大于距离阈值，则将二维数组中与绝对差值的行坐标和列坐标对应的列图像中两个节点数据进行连接；
[0020]步骤S205：若列图像中的绝对差值大于距离阈值，则将二维数组中与绝对差值的行坐标和列坐标对应的行图像中两个节点数据进行连接；
[0021]其中，连接函数包括：
[0022]函数S2031：分别查找两个节点数据对应的父节点，得到第一父节点和第二父节点；
[0023]函数S2032：比较第一父节点与第二父节点是否相同；
[0024]函数S2033：若函数2的结果为是，则结束；
[0025]函数S2034：若函数2的结果为否，则执行函数5；
[0026]函数S2035：判断第一父节点具有的子节点的数量是否大于第二父节具有的子节点的数量；
[0027]函数S2036：若函数5的结果为是，则将第一父节点设置为第二父节点对应的父节点，并将第一父节点具有的子节点的数量加1；
[0028]函数S2037：若函数5的结果为否，则将第二父节点设置为第一父节点对应的父节点，并将第二父节点具有的子节点的数量加1。
[0029]优选地，查找步骤包括：
[0030]步骤S301：在二维数组中查找所有的父节点；
[0031]步骤S302：收集所有的父节点，得到父节点的集合；
[0032]优选地，收集步骤包括：
[0033]步骤S401：根据父节点的集合中元素的个数N，创建N个类别集合，N个类别集合分别对应于N个父节点，N为整数；
[0034]步骤S402：遍历父节点的集合，取集合中每一个元素，遍历二维数组中的每一个节点数据，如果该节点数据的父节点等于当前元素，则该节点数据收集到对应的类别集合中。
[0035]优选地，分割步骤包括：
[0036]步骤S501：创建一个单通道图像；
[0037]步骤S502：将所有的类别集合进行编号，并将编号乘以标签步长后取整数，得到类别集合对应的标签值，标签步长为255除N，N小于255；
[0038]步骤S503：分别取每个类别集合中的所有节点数据，根据节点数据的像素坐标在单通道图像中找到对应的像素位置，将对应灰度值设置为标签值，得到分割图像。
[0039]根据本专利技术提供的一种深度图像的分割系统，分割系统包括：
[0040]初始化模块：定义一个节点数据的结构体和一个二维数组，将深度图像中每一个像素的像素坐标值依次设置到二维数组的每一个结构体的数据中；
[0041]合并聚类模块：计算邻近像素之间像素坐标值的绝对差值，并根据节点连接规则，对二维数组中属于同一类别的节点数据进行合并聚类；
[0042]查找模块：在二维数组中查找所有的父节点，得到父节点的集合；
[0043]收集模块：对于父节点的集合中的每一个父节点元素，创建对应的类别集合，并将二维数组中的每一个节点收集到对应的类别集合中；
[0044]分割模块：将所有的类别集合进行编号，并根据父节点集合中父节点元素的个数，确定每一个类别集合对应的标签值，根据标签值对深度图像进行分割处理，得到分割图像。
[0045]优选地，初始化模块包括：
[0046]初始化子模块1：定义一个节点数据的结构体，其中，结构体中包括像素坐标、父节点的指针和节点数据具有的子节点数量；
[0047]初始化子模块2：将深度图像中每一个像素的像素坐标值依次设置到二维数组中。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种深度图像的分割方法，其特征在于，包括：初始化步骤：定义一个节点数据的结构体和一个二维数组，将深度图像中每一个像素的像素坐标值依次设置到所述二维数组的每一个所述结构体的数据中；合并聚类步骤：计算邻近所述像素之间所述像素坐标值的绝对差值，并根据节点连接规则，对所述二维数组中属于同一类别的所述节点数据进行合并聚类；查找步骤：在所述二维数组中查找所有的父节点，得到所述父节点的集合；收集步骤：对于所述父节点的集合中的每一个父节点元素，创建对应的类别集合，并将所述二维数组中的每一个节点收集到对应的所述类别集合中；分割步骤：将所有的所述类别集合进行编号，并根据所述父节点集合中所述父节点元素的个数，确定每一个类别集合对应的标签值，根据所述标签值对所述深度图像进行分割处理，得到分割图像。2.根据权利要求1所述的深度图像的分割方法，其特征在于，所述初始化步骤包括：步骤S101：定义一个节点数据的结构体，其中，所述结构体中包括像素坐标、所述父节点的指针和所述节点数据具有的子节点数量；步骤S102：将所述深度图像中每一个所述像素的所述像素坐标值依次设置到所述二维数组中。3.根据权利要求1所述的深度图像的分割方法，其特征在于，所述合并聚类步骤包括：步骤S201：根据所述深度图像中列坐标相同，行坐标距离为1的两个所述像素坐标值之间的所述绝对差值，创建行图像；步骤S202：根据所述深度图像中行坐标相同，列坐标距离为1的两个所述像素坐标值之间的所述绝对差值，创建列图像；步骤S203：设定属于同一类别的距离阈值，若所述行图像或者所述列图像中的所述绝对差值小于或者等于所述距离阈值，则将所述二维数组中与所述行图像或者所述列图像分别对应的两个所述节点数据根据连接函数进行连接；步骤S204：若所述行图像中的所述绝对差值大于所述距离阈值，则将所述二维数组中与所述绝对差值的行坐标和列坐标对应的所述列图像中两个所述节点数据进行连接；步骤S205：若所述列图像中的所述绝对差值大于所述距离阈值，则将所述二维数组中与所述绝对差值的行坐标和列坐标对应的所述行图像中两个所述节点数据进行连接；其中，所述连接函数包括：函数S2031：分别查找两个所述节点数据对应的所述父节点，得到第一父节点和第二父节点；函数S2032：比较第一父节点与第二父节点是否相同；函数S2033：若函数2的结果为是，则结束；函数S2034：若函数2的结果为否，则执行函数5；函数S2035：判断所述第一父节点具有的子节点的数量是否大于所述第二父节具有的子节点的数量；函数S2036：若函数5的结果为是，则将所述第一父节点设置为所述第二父节点对应的所述父节点，并将所述第一父节点具有的子节点的数量加1；函数S2037：若函数5的结果为否，则将所述第二父节点设置为所述第一父节点对应的
所述父节点，并将所述第二父节点具有的子节点的数量加1。4.根据权利要求1所述的深度图像的分割方法，其特征在于，所述查找步骤包括：步骤S301：在所述二维数组中查找所有的所述父节点；步骤S302：收集所有的所述父节点，得到所述父节点的集合；所述收集步骤包括：步骤S401：根据所述父节点的集合中元素的个数N，创建N个类别集合，所述N个类别集合分别对应于N个所述父节点，所述N为整数；步骤S402：遍历所述父节点的集合，取集合中每一个元素，遍历所述二维数组中的每一个节点数据，如果该节点数据的所述父节点等于当前元素，则该节点数据收集到对应的所述类别集合中。5.根据权利要求1或4所述的深度图像的分割方法，其特征在于，所述分割步骤包括：步骤S501：创建一个单通道图像；步骤S502：将所有的所述类别集合进行编号，并将所述编号乘以标签步长后取整数，得到所述类别集合对应的所述标签值，所述标签步长为255除N，所述N小于255；步骤S503：分别取每个所述类别集合中的所有节点数据，根据所述节点数据的像素坐标在所述单通道图像中找到对应的像素位置，将对应灰度值设置为所述标签值，得到所述分割图...
【专利技术属性】
技术研发人员：夏子涛，郭震，
申请(专利权)人：上海景吾智能科技有限公司，
类型：发明
国别省市：
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。