基于Ｂａｙｅｒ　ＲＧＢ图像的边缘检测方法技术

一种基于Ｂａｙｅｒ？ＲＧＢ图像的边缘检测方法，包括：对目标像素点为中心的同色像素阵列进行梯度计算，得到目标像素点的垂直方向梯度和水平方向梯度的梯度绝对值和；分别计算目标像素点相邻像素点的梯度绝对值和；根据目标像素点及其相邻像素点的梯度绝对值和与高阈值和低阈值的比较关系，判断目标像素点是否为边缘点。所述方法直接在Ｂａｙｅｒ？ＲＧＢ图像格式上进行边缘检测，不需要额外的硬件进行边缘检测，因此使用本发明专利技术提供的基于Ｂａｙｅｒ？ＲＧＢ的边缘检测方法简便易行硬件成本低。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其涉及一种基于拜尔域三基色(Bayer RGB)图像的边缘检测方法。
技术介绍
图像处理的基本目的包括产生更适合人观察和识别的图像或产生能由计算机自动识别和理解的图像。 由于光的漫反射，镜头，像素串扰等原因，CMOS图像传感器获取的图像会比较模糊，直接影响输出图像的观感。因此需要对输出图像进行图像处理，图像边缘检测和提取作为一种主要图像处理技术，广泛应用于CMOS图像传感器的图像处理芯片中。 边缘是图像中最基本的视觉特征，是图像处理最重要的内容之一。所谓边缘是指其周围的像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘反映的是灰度的不连续性，经典的边缘提取方法是考察图像的每个像素在某个邻域内的灰度变化，利用边缘附近一阶或二阶方向导数的变化规律，判断像素是否是边缘点，这种方法称为边缘检测局部算子法。 参考图1，示出了阶跃边缘的示意图，其中x，y为图像的坐标，F(x，y)为各坐标点对应的灰度函数，如图1所示，阶跃边缘灰度值在虚线a所示位置处，变化较大。参考图2，示出了图1所示阶跃边缘沿Y方向的示意图，如图2所示，在虚线a所示位置，F(x，y)从一个低灰度值跳变至一个较高的灰度值。参考图3，示出了图2所示阶跃边缘灰度函数的一阶导数示意图，如图3所示，在虚线a所示位置处，阶跃边缘一阶导数具有极大值，虚线a所示位置为边缘位置，因此，可通过灰度函数一阶导数的极大值来判断边缘位置。 现有技术中，边缘检测算子是判断边缘位置的方法之一，具体地，首先，通过边缘检测算子获得图像灰度梯度；然后，通过双阈值方法判断是否为边缘。 其中，所述边缘检测算子包括Roberts算子、Prewitt算子、Sobel算子、Krisch算子等。 图4，示出了Sobel算子的两个卷积核。在应用Sobel算子进行边缘检测时，图像中的每个像素点都用这两个卷积核进行卷积运算，以获得每个像素点的灰度梯度。其中，一个核对应于垂直方向的梯度，另一个核则对应于水平方向梯度。 现有技术的边缘检测建立于灰度变化的不连续性，其针对的对象是实际可见的彩色图像，即每个像素点已经包含了RGB三种颜色信息，即红(R)、绿(G)、蓝(B)三色信息。现有技术进行边缘检测时，需要先把像素点的RGB值按照Y＝0.299*R+0.587*G+0.144*B的关系式转化为灰度值，然后再进行灰度值的梯度计算，进一步进行边缘检测。 但是，CMOS图像传感器输出的是Bayer RGB图像。在所述Bayer RGB图像中，每个像素点只包含单色信息(红、绿或蓝)。如果采用现有技术边缘检测方法，为了获得各像素点的灰度值，需要先对Bayer RGB图像的单色信息通过插补技术进行拓展，以得到三色信息，再根据三色信息和Y＝0.299*R+0.587*G+0.144*B得到像素的灰度值。 以Sobel算子为例，应用Sobel算子需要3×3的灰度值阵列，因此需要先对Bayer RGB图像各像素点补充完整的颜色信息，再计算灰度值，这需要额外的硬件才能完成，从而增大了CMOS图像传感器成本。
技术实现思路
本专利技术解决的是改善基于Bayer RGB图像进行边缘检测的成本较高的问题。 为解决上述问题，本专利技术提供一种，包括对目标像素点为中心的同色像素阵列进行梯度计算，得到目标像素点的垂直方向梯度和水平方向梯度的梯度绝对值和；分别计算目标像素点相邻像素点的梯度绝对值和；根据目标像素点及其相邻像素点的梯度绝对值和与高阈值和低阈值的比较关系，判断目标像素点是否为边缘点。 可选的，在对目标像素点边缘检测前，先确定高阈值和低阈值。 可选的，在对目标像素点边缘检测前，先确定各颜色像素点对应的高阈值和低阈值。 可选的，所述确定各颜色像素点对应的高阈值和低阈值的步骤包括根据CMOS图像传感器各颜色通道的噪声情况，获得各颜色通道噪声水平估计值；由所述噪声水平估计值获得各颜色像素点对应的高阈值和低阈值。 可选的，所述根据目标像素点及其相邻像素点的梯度绝对值和与高阈值和低阈值的比较关系，判断目标像素点是否为边缘点的步骤包括若目标像素点的梯度绝对值和大于高阈值，则所述目标像素点为边缘点。 可选的，所述根据目标像素点及其相邻像素点的梯度绝对值和与高阈值和低阈值的比较关系，判断目标像素点是否为边缘点的步骤包括若目标像素点的梯度绝对值和小于低阈值，则所述目标像素点为非边缘点。 可选的，所述根据目标像素点及其相邻像素点的梯度绝对值和与高阈值和低阈值的比较关系，判断目标像素点是否为边缘点的步骤包括若目标像素点的梯度绝对值和小于高阈值，且大于低阈值，并且与目标像素点相邻的像素点的梯度绝对值和中至少有一个大于高阈值，则所述目标像素点为边缘点。 可选的，所述根据目标像素点及其相邻像素点的梯度绝对值和与高阈值和低阈值的比较关系，判断目标像素点是否为边缘点的步骤包括若目标像素点的梯度绝对值和小于高阈值，且大于低阈值，并且与目标像素点相邻的像素点的梯度绝对值和中大于低阈值的数目大于预设数目，则所述目标像素点为边缘点。 可选的，所述根据目标像素点及其相邻像素点的梯度绝对值和与高阈值和低阈值的比较关系，判断目标像素点是否为边缘点的步骤包括若目标像素点的梯度绝对值和小于高阈值，且大于低阈值，并且与目标像素点相邻的像素点的梯度绝对值和中大于低阈值的数目小于或等于预设数目，则所述目标像素点为非边缘点。 可选的，预设数目为目标像素点相邻像素点个数的一半。 可选的，对目标像素点为中心的同色像素阵列进行梯度计算的步骤通过边缘检测算子完成。 可选的，所述边缘检测算子为Sobel算子。 与现有技术相比，本专利技术具有以下优点直接在Bayer RGB图像格式上进行边缘检测，不需要额外的硬件进行边缘检测，因此使用本专利技术提供的基于Bayer RGB的边缘检测方法简便易行硬件成本低； 另外，本专利技术提供的基于Bayer RGB的边缘检测方法中考虑了噪声因素，检测结果比较准确。 附图说明 图1是阶跃边缘的示意图； 图2是图1所示阶跃边缘沿Y方向的示意图； 图3是图2所示阶跃边缘的一阶导数示意图； 图4是Sobel算子的两个卷积核； 图5是本专利技术一实施方式的流程图； 图6是确定高阈值、低阈值方法一实施方式的流程图； 图7是Bayer RGB图像的像素分布示意图； 图8是应用Sobel算子的示意图。 具体实施例方式 为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。 现有技术基于Bayer RGB图像进行边缘检测时，需要对Bayer RGB图像进行拓展，补充完整各像素点的颜色信息，并通过个像素点的颜色信息获得灰度值，这需要额外的硬件才能完成，因此现有技术Bayer RGB图像进行边缘检测的成本较高。 针对上述问题，本专利技术提供一种，参考图5，示出了本专利技术一实施方式的流程图，所述方法包括 步骤s1，选取以目标像素点为中心的同色像素阵列； 步骤s2，利用检测算子对所述同色像素阵列进行梯度计算，获得垂直方向梯度和水平方向梯度的梯度绝对值和； 步骤s3，按照相同的方法分别得到与目标像素点相邻像素点的梯度绝对值和； 步骤s4，若目标像素点的梯度绝对值和大于高本文档来自技高网...

【技术保护点】
一种基于ＢａｙｅｒＲＧＢ图像的边缘检测方法，其特征在于，包括：对目标像素点为中心的同色像素阵列进行梯度计算，得到目标像素点的垂直方向梯度和水平方向梯度的梯度绝对值和；分别计算目标像素点相邻像素点的梯度绝对值和；根据目标像素点及其相邻像素点的梯度绝对值和与高阈值和低阈值的比较关系，判断目标像素点是否为边缘点。

【技术特征摘要】

【专利技术属性】
技术研发人员：董德兴，任晓慧，
申请(专利权)人：昆山锐芯微电子有限公司，
类型：发明
国别省市：32[中国|江苏]