本发明专利技术提供一种边缘位置检测方法及装置，涉及图像处理技术领域，所述边缘位置检测方法包括：获取目标区域，所述目标区域包含至少两种结构图像和边缘位置；选定至少一种周期性结构为目标结构图像，确定所述目标结构图像呈周期性变化的方向；在沿着所述周期性变化的方向上，依次选取若干周期图像；在所述目标结构图像中选取第一对比图像；对所述第一对比图像进行插值处理，以获取与所述周期图像相位和尺寸均一致的第二对比图像；获取所述周期图像与相对应的所述第二对比图像的归一化互相关结果，以获取所述边缘位置。本发明专利技术能够得到两种不同周期性结构边缘或者周期性结构与非周期性结构之间的边缘位置的准确的检测结果。构之间的边缘位置的准确的检测结果。构之间的边缘位置的准确的检测结果。
【技术实现步骤摘要】
边缘位置检测方法及装置
[0001]本专利技术涉及图像处理
，尤其涉及一种边缘位置检测方法及装置。
技术介绍
[0002]边缘位置检测是图像处理中的一个基本问题，通常利用图像边缘位置附近的亮度变化明显这一特点来检测边缘位置，也可以使用机器学习中检索不同的花纹结构的方法来区分两种不同周期性结构之间的边缘位置。常用的手段为通过边缘位置检测模板来检测所述边缘位置，常见的边缘位置检测模板有索贝尔算子(Sobel operator)、Prewitt算子、Roberts算子、Canny算子、Laplacian算子。
[0003]常用的边缘位置检测的步骤包括：使用平滑滤波器(例如：高斯滤波器)对图像进行滤波操作，以获得平滑化的图像；使用边缘位置检测算子对平滑化后图像进行滤波操作，计算图像亮度变化的导数，以使得图像边缘位置的亮度被增强；亮度变化的绝对值超过设定阈值的位置处就是图像的边缘。
[0004]由于现有的边缘位置检测方法只能检测明暗度发生明显变化的区域，即，只能检测出图像的所有的明暗度发生明显变化的结构区域，而针对两种不同周期性结构图像交界处、或周期性结构及非周期性结构的交界处的边缘位置，现有的边缘位置检测方法是不适用的。
[0005]图1为使用现有的边缘位置检测方法所检测得到的周期性结构的边缘：通过对图1中的(a)中的边缘位置使用Sobel算子增强得到图1中的(b)，通过对图1中的(b)的边缘位置使用设定的阈值筛选亮度变化的绝对值得到图1中的(c)。
[0006]如果想要分辨一种周期性结构和另一种周期性结构之间的边界，如图2中的(a)所示，通过现有的边缘位置检测方法会得到如图2中的(b)所示的图像；或者如果想要得到周期性结构和非周期性结构之间的边界，如图2中的(c)所示，通过现有的边缘位置检测方法会得到如图2中的(d)所示的图像。所以，显而易见的，现有的边缘位置检测方法是没办法准确检测出上述两种情况的结构之间的边缘的。
[0007]基于纹理与形状特征的机器学习方法可以被用来区分两种不同周期性结构的边缘位置，但是却有训练成本高、计算速度慢的缺点。
[0008]因此，本专利技术提出了一种边缘位置检测方法及装置，以很好的实现两种不同周期性结构边缘的检测或者周期性结构与非周期性结构之间的边缘位置的检测。
技术实现思路
[0009]本专利技术提供了一种边缘位置检测方法及装置，以解决现有技术中不能分辨两种不同周期性结构边缘的检测或者周期性结构与非周期性结构之间的边缘，进而导致检测结果不准确的技术问题。
[0010]第一方面，本专利技术提供一种边缘位置检测方法，包括：S1、获取目标区域，所述目标区域包含至少两种结构图像和边缘位置，所述边缘位置为不同的结构图像之间的边界线，
且所述边缘位置的至少一侧为周期性结构的图像，所述周期性结构包括若干重复排列的周期单元；S2、选定所述结构图像中的至少一种周期性结构图像为目标结构图像，并确定所述目标结构图像中的周期性结构呈周期性变化的方向；S3、在所述目标区域内沿着所述周期性变化的方向上，依次选取若干周期图像，所述周期图像包括所述目标结构图像中的至少一个周期单元；S4、在所述目标结构图像中选取第一对比图像，所述第一对比图像在沿所述周期性变化的方向上的长度大于所述周期图像在沿着所述周期性变化的方向上的长度；S5、对所述第一对比图像进行插值处理，以获取与所述周期图像相位和尺寸均一致的第二对比图像；S6、获取所述周期图像与相对应的所述第二对比图像的归一化互相关结果；S7、根据所述归一化互相关结果获取所述边缘位置。
[0011]其有益效果在于：通过本专利技术所提供的边缘位置检测方法，能够在低训练成本的前提下得到两种不同周期性结构边缘或者周期性结构与非周期性结构之间的边缘位置的准确的检测结果。
[0012]可选地，在所述S3中，在所述目标结构图像内选取第一初始位置；沿着所述周期性变化的方向、从所述第一初始位置开始，每隔第一预设长度依次选取若干周期图像，所述第一预设长度小于或等于所述周期图像在沿着所述周期性变化的方向上的长度。其有益效果在于：通过所述第一预设长度小于或等于所述周期图像在沿着所述周期性变化的方向上的长度，能够保证所述目标区域的每一个角落都可以被检测到，保证检测结果的准确性。
[0013]可选地，在所述S4中，通过对所述周期图像在沿着所述周期性变化的方向上的长度的数值向上取整再加1，得到所述第一对比图像在沿所述周期性变化的方向上的长度。其有益效果在于：通过保证所述第一对比图像在沿所述周期性变化的方向上的长度等于或微大于所述周期图像在沿着所述周期性变化的方向上的长度，可以保证在任意情况下都可以在所述第一对比图像上进行插值处理，以得到与所述周期图像相位、尺寸都一致的第二对比图像。
[0014]可选地，在所述S6中，所述周期图像与相对应的所述第二对比图像的归一化互相关结果通过如下公式获取：其中，γ为所述周期图像与相对应的所述第二对比图像的归一化互相关处理后结果，f(x,y)为所述周期图像在任一坐标位置处的像素值，为所述周期图像的全部像素值的平均值，t(x,y)为所述第二对比图像在相应坐标位置处的像素值，为所述第二对比图像的全部像素值的平均值。其有益效果在于：因为所述第二对比图像和周期图像的相位、尺寸均一致，所以可以通过上述算法得到归一化互相关结果。
[0015]可选地，在所述S7中，将满足预设条件的所述归一化互相关结果所对应在所述目标区域的位置即为所述边缘位置。其有益效果在于：通过设置预设条件对所述归一化互相关结果进行筛选，简单易行、便于操作，所述预设条件也可根据实际情况做调整。
[0016]可选地，当在所述目标区域内的相邻位置处所对应的所述归一化互相关结果由接近1骤降为远离1时，所述远离1的所述归一化互相关结果满足所述预设条件，所述接近1包括所述归一化互相关结果的取值为0.8～1，所述远离1包括所述归一化互相关结果的取值为0～0.3或0以下。其有益效果在于：当所述归一化互相关结果越接近1时，说明所述第二对比图像与所述周期图像越像；当所述归一化互相关结果越远离1时，说明所述第二对比图像
与所述周期图像越不像。所以当所述归一化互相关结果由接近1骤变为远离1时，该发生骤变的结果所对应的位置处即为所述边缘位置。
[0017]可选地，在执行所述S6之前，还包括：当所述目标结构图像呈周期性变化的方向只有一个时，对所述目标区域进行降维处理；沿着垂直于所述周期性变化的方向将所述目标区域均分为N等份，并获取每一等份的灰度平均值，所述N等于所述目标区域沿着所述周期性变化的方向上的像素的数目。其有益效果在于：该处理可以获取更加直观的灰度平均值分布结果，提高了效率。
[0018]可选地，在所述S6中，所述周期图像与相对应的所述第二对比图像的归一化互相关结果通过如下公式获取：其中，γ为所述周期图像与相对应的所述第二对比图像的归一化互相关结果，f(a)为所述周期图像在任一等份处的灰度平均值，为所述周期图像的灰度平均值，t(a)为所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种边缘位置检测方法，其特征在于，包括：S1、获取目标区域，所述目标区域包含至少两种结构图像和边缘位置，所述边缘位置为不同的结构图像之间的边界线，且所述边缘位置的至少一侧为周期性结构的图像，所述周期性结构包括若干重复排列的周期单元；S2、选定所述结构图像中的至少一种周期性结构图像为目标结构图像，并确定所述目标结构图像中的周期性结构呈周期性变化的方向；S3、在所述目标区域内沿着所述周期性变化的方向上，依次选取若干周期图像，所述周期图像包括所述目标结构图像中的至少一个周期单元；S4、在所述目标结构图像中选取第一对比图像，所述第一对比图像在沿所述周期性变化的方向上的长度大于所述周期图像在沿着所述周期性变化的方向上的长度；S5、对所述第一对比图像进行插值处理，以获取与所述周期图像相位和尺寸均一致的第二对比图像；S6、获取所述周期图像与相对应的所述第二对比图像的归一化互相关结果；S7、根据所述归一化互相关结果获取所述边缘位置。2.根据权利要求1所述的边缘位置检测方法，其特征在于，在所述S3中，在所述目标结构图像内选取第一初始位置；沿着所述周期性变化的方向、从所述第一初始位置开始，每隔第一预设长度依次选取若干周期图像，所述第一预设长度小于或等于所述周期图像在沿着所述周期性变化的方向上的长度。3.根据权利要求2所述的边缘检测方法，其特征在于，在所述S4中，通过对所述周期图像在沿着所述周期性变化的方向上的长度的数值向上取整再加1，得到所述第一对比图像在沿所述周期性变化的方向上的长度。4.根据权利要求3所述的边缘检测方法，其特征在于，在所述S6中，所述周期图像与相对应的所述第二对比图像的归一化互相关结果通过如下公式获取：其中，γ为所述周期图像与相对应的所述第二对比图像的归一化互相关处理后结果，f(x,y)为所述周期图像在任一坐标位置处的像素值，为所述周期图像的全部像素值的平均值，t(x,y)为所述第二对比图像在相应坐标位置处的像素值，为所述第二对比图像的全部像素值的平均值。5.根据权利要求4所述的边缘检测方法，其特征在于，在所述S7中，将满足预设条件的所述归一化互相关结果所对应在所述目标区域的位置即为所述边缘位置。6.根据权利要求5所述的边缘检测方法，其特征在于，当在所述目标区域内的相邻位置处所对应的所述归一化互相关结果由接近1骤降为远离1时，所述远离1的...
【专利技术属性】
技术研发人员：徐健，刘耀阳，
申请(专利权)人：上海精积微半导体技术有限公司，
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。