CN106780531A - 一种基于色块点特征的图像边缘提取方法 - Google Patents
一种基于色块点特征的图像边缘提取方法 Download PDFInfo
- Publication number
- CN106780531A CN106780531A CN201611196357.7A CN201611196357A CN106780531A CN 106780531 A CN106780531 A CN 106780531A CN 201611196357 A CN201611196357 A CN 201611196357A CN 106780531 A CN106780531 A CN 106780531A
- Authority
- CN
- China
- Prior art keywords
- point
- pixel
- color lump
- edge
- sliding window
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 description 16
- 239000000284 extract Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于色块点特征的图像边缘提取方法,包括步骤:对彩色图像预处理,转换和存储为灰度图像;设定像素阈值;使用滑动窗口遍历灰度图像,对滑动窗口中的像素点进行条件判断,找到和标记所有色块内点;利用滑动窗口对灰度图像的像素点逐个遍历,判断色块内点所在邻域范围内的像素点是否被标记,并将未被标记的像素点标记为色块边点;利用滑动窗口对像素点再次逐个遍历,判断每个色块边点所在邻域范围内的像素点是否被标记,并将未被标记的像素点标记为边界边点;将剩余未标记的像素点,标记为边界内点;将灰度图像内所有的边界边点连接所形成的色块作为图像边缘提取出来。本发明提取出的边缘是完整的连续性边缘,阈值控制灵活,且简单高效。
Description
技术领域
本发明涉及一种基于色块点特征的图像边缘提取方法,属于图像边缘提取的技术领域。
背景技术
图像边缘是图像识别和图像分析的重要部分,图像中各种部分的边缘信息往往是模式识别的重要特征。当对一个具体对象进行识别时,一般从边缘特征入手,相对于目标的内部纹理和色彩信息,边缘特征能更好地反应物体的形状特征。
基于微分算子的图像边缘检测方法是现有技术中一种较为常用的边缘检测算法,即使用滤波器模版,对图像进行加权计算。而目前常见的方法存在多种,如Sobel算子、Canny算子、Prewitt算子,但是传统的微分算子方法往往具有灵活性差、平滑度不好、对噪声敏感等缺点。
因此,现有的图像边缘提取方法提取出的边缘的连续性边缘不够完整,而且提取灵活性差,且提取过程复杂,无法实现高效地快速提取过程。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提供一种基于色块点特征的图像边缘提取方法,解决现有的图像边缘提取方法灵活性差、提取出的边缘的连续性边缘不够完整,无法实现高效地快速提取过程的问题。
本发明具体采用以下技术方案解决上述技术问题:
一种基于色块点特征的图像边缘提取方法,包括以下步骤:
S1、对彩色图像进行预处理,转换和存储为灰度图像;
S2、设定像素点的像素阈值;
S3、利用设置的滑动窗口对灰度图像逐像素进行遍历;
S4、根据设定像素点的像素阈值对所在滑动窗口中的像素点进行条件判断,找到和标记所有色块内点;
S5、利用滑动窗口对灰度图像的像素点再次遍历,若当前滑动窗口的中心点是色块内点,则判断该色块内点所在邻域范围内的像素点是否被标记,并将未被标记的像素点标记为色块边点;
S6、利用滑动窗口对灰度图像的像素点再次遍历,若当前滑动窗口的中心点是色块边点,则判断该色块边点所在邻域范围内的像素点是否被标记,并将未被标记的像素点标记为边界边点;
S7、将灰度图像中所有剩余未标记的像素点,标记为边界内点;
S8、将灰度图像内所有的边界边点或色块边点所形成的色块作为图像边缘提取出来。
进一步地,作为本发明的一种优选技术方案:所述步骤S3中,利用滑动窗口对灰度图像除边缘所在行列以外的像素点进行逐个遍历。
进一步地,作为本发明的一种优选技术方案:所述步骤S4中对遍历所在滑动窗口中的像素点进行条件判断,具体为:
遍历所在滑动窗口中的像素点,获取窗口中像素点的最大和最小像素值;
当像素点的最大和最小像素值的差小于设定像素点的像素阈值时,将所在滑动窗口的中心点判断和标记为色块内点。
进一步地,作为本发明的一种优选技术方案:所述步骤S4还包括判断以色块内点为中心点的邻域范围内色块内点数量,确定该色块内点是否为干扰点和置为未标记状态。
进一步地,作为本发明的一种优选技术方案:所述步骤S4中,当判断色块内点为中心点的邻域范围内色块内点数量小于4个时,则确定该色块内点为干扰点和置为未标记状态。
进一步地,作为本发明的一种优选技术方案:所述步骤S5还包括当以色块边点为中心点的邻域范围内不存在未标记的像素点时,将该色块边点修正为色块内点。
进一步地,作为本发明的一种优选技术方案:所述步骤S5中邻域范围采用八邻域范围。
进一步地,作为本发明的一种优选技术方案:所述步骤S3中采用滑动窗口的尺寸为3*3像素。
本发明采用上述技术方案,能产生如下技术效果:
本发明的方法将图像中的每个像素点进行分类,将图像中的所有像素分成四种像素点,分别为色块内点、色块边点、边界内点和边界边点,这种分类方式在本发明中成为色块点特征。根据色块点特征将图像中的所有像素点分类完之后,同种像素点的集合称之为图像中的一个色块,色块呈现为环形,不同色块之间没有交叉的像素点,最后根据分类好的色块,提取出图像的边缘。
本发明的方法主要创新之处在于创造性地提出了色块点集特征,并且将这种特征用于图像的边缘提取。算法的主要优点是效率高、简单易于实现,相对于传统的微分算法,该算法的阈值控制更加灵活,可以根据实际应用场景,随时调整,适合应用于如无人驾驶汽车场景下的车辆检测等应用场景,由于算法简单高效,也非常适合于没有复杂的软件***支持的嵌入式***中使用。
附图说明
图1示出了本发明基于色块点集特征的图像边缘提取方法的流程示意图。
图2示出了本发明中步骤S4进行条件判读的流程示意图。
图3示出了本发明步骤S4中判断以色块内点为中心点的邻域范围内色块内点数量的流程示意图。
图4示出了本发明方的图像边缘提取效果图,其中A代表色块内点,B代表色块边点,C代表边界边点,D代表边界内点。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示,本发明设计了一种基于色块点集特征的图像边缘提取方法,该方法基于4个色块点集特征实现图像边缘提取,方法具体包括以下步骤:
S1、对彩色图像Img1进行预处理,转换和存储为灰度图像Img2。具体实现使用已用的灰度图转化函数,将三通道的彩色图像转化为单通道的灰度图像。
S2、根据具体需求,设定像素点的像素阈值T。具体实现时根据需要调整阈值T,T越大表明边缘的对比度越高,T越小表明对边缘的细节要求更高。
S3、利用设置的滑动窗口对灰度图像逐像素进行遍历;本发明的实施例优选采用滑动窗口的尺寸为3*3像素,使得滑动窗口可以具备一个中心点和八邻域范围,但本发明不限于该种方式。进一步地,该过程在遍历中利用滑动窗口对灰度图像除边缘所在行列以外的像素点进行逐个遍历。
以使用3*3的滑动窗口为例,对灰度图像Img2从第二行第二列像素开始,至倒数第二行倒数第二列为止,逐像素进行遍历。
S4、根据设定像素点的像素阈值T,对遍历所在3*3的滑动窗口中的像素点进行条件判断,找到和标记所有色块内点A。如图2所示,其过程具体如下:
S4-1、对遍历所在3*3的滑动窗口中的像素点,获取窗口中像素点的最大像素值Max和像素点的最小像素值Min。
S4-2、根据像素点的最大像素值和最小像素值的差(Max-Min)与设定像素点的像素阈值T的大小,判断像素点是否为色块内点A。即如果(Max-Min)小于阈值T,转步骤S4-3,否则转步骤S4-4。
S4-3、当像素点的最大像素值和最小像素值的差(Max-Min)小于设定像素点的像素阈值T时,判断和标记该滑动窗口的中心点P为色块内点A。
S4-4、结束。
在该步骤中,优选地,还包括去除色块内点噪声,即判断以色块内点为中心点的邻域范围内色块内点数量,确定该色块内点是否为干扰点和置为未标记状态。本实施例中,进一步限定邻域范围内色块内点数量为四个,但不限于该数量;其过程如图3所示,若某个像素点是色块内点A,且在该点的八邻域范围内存在的色块内点数少于四个,则确定该色块内点为干扰点,置为未标记状态。否则遍历结束,重新判断下一个像素点为窗口的中心点,重复判断过程,直至结束。
S5、利用3*3的滑动窗口对灰度图像Img2的像素点再次逐个遍历,若当前滑动窗口的中心点是色块内点A,判断该色块内点所在八邻域范围内的像素点是否被标记,若八邻域范围内存在未被标记的像素点,并将未被标记的像素点标记为色块边点B。
进一步地,该步骤中还优选去除色块边点噪声,即步骤S5还包括若某个像素点是色块边点B,以色该块边点B为中心点的邻域范围内不存在未标记的像素点时,将该色块边点B修正为色块内点A。
S6、利用3*3的滑动窗口对灰度图像的像素点再次逐个遍历,若当前滑动窗口的中心点是色块边点B,判断该色块边点B所在邻域范围内的像素点是否被标记,若它的八邻域范围内存在未被标记的像素点,并将未被标记的像素点标记为边界边点C;
S7、对灰度图像Img2进行逐像素点遍历,将灰度图像Img2中所有剩余未标记的像素点,标记为边界内点D;
S8、 将灰度图像Img2中的所有像素分成四种像素点,其示意图如图4所示,分别为色块内点A、色块边点B、边界内点C和边界边点D,成为色块点特征,根据色块点分类结果,将所有的边界边点C认为是图像的边缘像素点,即图像的边缘部分,可将其作为边缘提取从灰度图像Img2中提取出来。本方法中,将边界内点所形成的色块视作图像的边缘,所以只需将所有的边界内点标记出来,即可呈现出图像的边缘。但是在具体的应用场景下,本方法还可以使用色块边点组成的色块作为图像的边缘。
综上,本发明的方法将图像中的每个像素点进行分类,将图像中的所有像素分成四种像素点,分别为色块内点A、色块边点B、边界内点C和边界边点D,这种分类方式在本发明中成为色块点特征。根据色块点特征将图像中的所有像素点分类完之后,同种像素点的集合称之为图像中的一个色块,色块呈现为环形,不同色块之间没有交叉的像素点,最后根据分类好的色块,提取出图像的边缘。本发明的方法提取出的边缘完整的连续性边缘,而且相对于传统的微分算法,该算法的阈值控制更加灵活,且简单高效,也非常适合于没有复杂的软件***支持的嵌入式***中使用。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (8)
1.一种基于色块点特征的图像边缘提取方法,其特征在于,包括以下步骤:
S1、对彩色图像进行预处理,转换和存储为灰度图像;
S2、设定像素点的像素阈值;
S3、利用设置的滑动窗口对灰度图像逐像素进行遍历;
S4、根据设定像素点的像素阈值对所在滑动窗口中的像素点进行条件判断,找到和标记所有色块内点;
S5、利用滑动窗口对灰度图像的像素点再次遍历,若当前滑动窗口的中心点是色块内点,则判断该色块内点所在邻域范围内的像素点是否被标记,并将未被标记的像素点标记为色块边点;
S6、利用滑动窗口对灰度图像的像素点再次遍历,若当前滑动窗口的中心点是色块边点,则判断该色块边点所在邻域范围内的像素点是否被标记,并将未被标记的像素点标记为边界边点;
S7、将灰度图像中所有剩余未标记的像素点,标记为边界内点;
S8、将灰度图像内所有的边界边点或色块边点所形成的色块作为图像边缘提取出来。
2. 根据权利要求1 所述基于色块点特征的图像边缘提取方法,其特征在于:所述步骤S3中,利用滑动窗口对灰度图像除边缘所在行列以外的像素点进行逐个遍历。
3.根据权利要求1所述基于色块点特征的图像边缘提取方法,其特征在于:所述步骤S4中对遍历所在滑动窗口中的像素点进行条件判断,具体为:
遍历所在滑动窗口中的像素点,获取窗口中像素点的最大和最小像素值;
当像素点的最大和最小像素值的差小于设定像素点的像素阈值时,将所在滑动窗口的中心点判断和标记为色块内点。
4.根据权利要求1所述基于色块点特征的图像边缘提取方法,其特征在于:所述步骤S4还包括判断以色块内点为中心点的邻域范围内色块内点数量,确定该色块内点是否为干扰点和置为未标记状态。
5.根据权利要求4所述基于色块点特征的图像边缘提取方法,其特征在于:所述步骤S4中,当判断色块内点为中心点的邻域范围内色块内点数量小于4个时,则确定该色块内点为干扰点和置为未标记状态。
6.根据权利要求1所述基于色块点特征的图像边缘提取方法,其特征在于:所述步骤S5还包括当以色块边点为中心点的邻域范围内不存在未标记的像素点时,将该色块边点修正为色块内点。
7. 根据权利要求1 所述基于色块点特征的图像边缘提取方法,其特征在于:所述步骤S5中邻域范围采用八邻域范围。
8. 根据权利要求1 所述基于色块点特征的图像边缘提取方法,其特征在于:所述步骤S3中采用滑动窗口的尺寸为3*3像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611196357.7A CN106780531B (zh) | 2016-12-22 | 2016-12-22 | 一种基于色块点特征的图像边缘提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611196357.7A CN106780531B (zh) | 2016-12-22 | 2016-12-22 | 一种基于色块点特征的图像边缘提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106780531A true CN106780531A (zh) | 2017-05-31 |
CN106780531B CN106780531B (zh) | 2019-10-15 |
Family
ID=58899285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611196357.7A Active CN106780531B (zh) | 2016-12-22 | 2016-12-22 | 一种基于色块点特征的图像边缘提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780531B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532980A (zh) * | 2019-09-03 | 2019-12-03 | 海南阿凡题科技有限公司 | 复杂背景下基于颜色的书写痕迹提取方法、***和装置 |
CN110738712A (zh) * | 2019-10-24 | 2020-01-31 | 广东智媒云图科技股份有限公司 | 一种几何图案重构方法、装置、设备及存储介质 |
CN111007441A (zh) * | 2019-12-16 | 2020-04-14 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测*** |
CN112017206A (zh) * | 2020-08-31 | 2020-12-01 | 河北工程大学 | 一种基于线结构光图像的有向滑动自适应阈值二值化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177259A (zh) * | 2013-04-11 | 2013-06-26 | 中国科学院深圳先进技术研究院 | 色块识别方法及装置 |
CN103679738A (zh) * | 2013-12-27 | 2014-03-26 | 江南大学 | 基于颜色半径邻近域像素分类的图像边缘检测方法 |
-
2016
- 2016-12-22 CN CN201611196357.7A patent/CN106780531B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177259A (zh) * | 2013-04-11 | 2013-06-26 | 中国科学院深圳先进技术研究院 | 色块识别方法及装置 |
CN103679738A (zh) * | 2013-12-27 | 2014-03-26 | 江南大学 | 基于颜色半径邻近域像素分类的图像边缘检测方法 |
Non-Patent Citations (3)
Title |
---|
FRANCIS K.H. QUEK: "An algorithm for the rapid computation of boundaries of run-length encoded regions", 《PATTERN RECOGNITION》 * |
THORSTEN BANDLOW等: "Fast Image Segmentation, Object Recognition and Localization in a RoboCup Scenario", 《ROBOCUP-99: ROBOT SOCCER WORLD CUP III》 * |
杜鑫峰: "基于视觉识别的仿人机器人足迹点规划研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532980A (zh) * | 2019-09-03 | 2019-12-03 | 海南阿凡题科技有限公司 | 复杂背景下基于颜色的书写痕迹提取方法、***和装置 |
CN110532980B (zh) * | 2019-09-03 | 2021-09-17 | 海南阿凡题科技有限公司 | 复杂背景下基于颜色的书写痕迹提取方法、***和装置 |
CN110738712A (zh) * | 2019-10-24 | 2020-01-31 | 广东智媒云图科技股份有限公司 | 一种几何图案重构方法、装置、设备及存储介质 |
CN110738712B (zh) * | 2019-10-24 | 2023-07-25 | 广东智媒云图科技股份有限公司 | 一种几何图案重构方法、装置、设备及存储介质 |
CN111007441A (zh) * | 2019-12-16 | 2020-04-14 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测*** |
CN111007441B (zh) * | 2019-12-16 | 2022-12-02 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测*** |
CN112017206A (zh) * | 2020-08-31 | 2020-12-01 | 河北工程大学 | 一种基于线结构光图像的有向滑动自适应阈值二值化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106780531B (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931295B (zh) | 一种地质图专题信息提取方法 | |
CN106780531A (zh) | 一种基于色块点特征的图像边缘提取方法 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN105046206B (zh) | 基于视频中运动先验信息的行人检测方法及装置 | |
US11887362B2 (en) | Sky filter method for panoramic images and portable terminal | |
CN102999916B (zh) | 一种彩色图像的边缘提取方法 | |
CN107578035A (zh) | 基于超像素‑多色彩空间的人体轮廓提取方法 | |
CN103218833B (zh) | 边缘加强型的彩色空间最稳极值区域检测方法 | |
CN103440484A (zh) | 一种适应室外大空间的火焰检测方法 | |
CN106991370B (zh) | 基于颜色和深度的行人检索方法 | |
CN107492094A (zh) | 一种高压电线绝缘子的无人机视觉检测方法 | |
CN108805018A (zh) | 道路交通标志检测识别方法、电子设备、存储介质及*** | |
CN100393486C (zh) | 一种基于物体表面颜色的快速跟踪方法 | |
CN108537099A (zh) | 一种复杂背景的车牌识别方法 | |
CN107665327A (zh) | 一种车道线检测方法及装置 | |
CN101799968A (zh) | 基于视频图像智能分析的油井入侵检测方法及装置 | |
CN110276279B (zh) | 一种基于图像分割的任意形状场景文本探测方法 | |
CN105374030B (zh) | 一种背景模型和运动物体检测方法及*** | |
CN112733711B (zh) | 基于多尺度场景变化检测的遥感影像损毁建筑物提取方法 | |
CN105138990A (zh) | 一种基于单目摄像头的手势凸包检测与掌心定位方法 | |
CN106327448A (zh) | 一种基于深度学习的图片风格化处理方法 | |
CN103106409A (zh) | 一种针对头肩检测的混合特征提取方法 | |
CN109712171B (zh) | 一种基于相关滤波器的目标跟踪***及目标跟踪方法 | |
CN107610092A (zh) | 基于视频流的路面裂缝动态检测方法 | |
CN110321837A (zh) | 一种试题得分的识别方法、装置、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |