CN110533682B - 一种基于曲率滤波的图像边缘实时提取方法 - Google Patents

一种基于曲率滤波的图像边缘实时提取方法 Download PDF

Info

Publication number
CN110533682B
CN110533682B CN201910813100.9A CN201910813100A CN110533682B CN 110533682 B CN110533682 B CN 110533682B CN 201910813100 A CN201910813100 A CN 201910813100A CN 110533682 B CN110533682 B CN 110533682B
Authority
CN
China
Prior art keywords
image
curvature
representing
edge
input image
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.)
Active
Application number
CN201910813100.9A
Other languages
English (en)
Other versions
CN110533682A (zh
Inventor
王鹏
李红云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Deteng Intelligent Technology Co ltd
Original Assignee
Fujian Deteng Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Deteng Intelligent Technology Co ltd filed Critical Fujian Deteng Intelligent Technology Co ltd
Priority to CN201910813100.9A priority Critical patent/CN110533682B/zh
Publication of CN110533682A publication Critical patent/CN110533682A/zh
Application granted granted Critical
Publication of CN110533682B publication Critical patent/CN110533682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种基于曲率滤波的图像边缘实时提取方法，属于计算机图像处理技术领域，其包括以下步骤：S1、通过相机采集图像；S2、对采集到的图像进行膨胀和腐蚀操作；S3、将膨胀腐蚀后的图像转化到灰度空间，得到灰度图像；S4、对灰度图像进行双向曲率滤波处理，即分别在纵向和横向两个方向进行曲率滤波，之后叠加获得图像的边缘轮廓图。本发明能够较好地提取到整个图像的轮廓线信息，为图像的识别和检测提供了可靠的边缘信息，解决了目前图像处理中边缘提取鲁棒性低、算法效率低等问题。

Description

一种基于曲率滤波的图像边缘实时提取方法
技术领域
本发明属于计算机图像处理领域，具体涉及一种基于曲率滤波的图像边缘实时提取方法。
背景技术
目前，图像的边缘提取方法主要采用的是Canny算法以及相关的改进算法，由于这些算法中存在设置边缘提取的强边缘和弱边缘的设置都是人为设置，因此这些算法不能适应一些特殊的场合，这些算法的鲁棒性低。
发明内容
针对现有技术存在的上述问题，本发明通过结合图形学和立体几何的方法，从图像曲率入手，提供一种基于曲率滤波的图像边缘实时提取方法，它能够实时、高效地提取物体的边缘轮廓。
本发明采用如下技术方案：一种基于曲率滤波的图像边缘实时提取方法，包括以下步骤：
S1、通过相机采集图像；
S2、对采集到的图像进行膨胀和腐蚀操作；
S3、将膨胀腐蚀后的图像转化到灰度空间，得到灰度图像；
S4、对灰度图像进行双向曲率滤波处理，即分别在纵向和横向两个方向进行曲率滤波，之后叠加获得图像的边缘轮廓图。
优选地，所述步骤S2中的膨胀和腐蚀操作的结构元素设置为3×3的圆盘形结构元素。
优选地，所述步骤S4中的曲率滤波处理的方法是通过构建模型对图像的边缘进行提取，构建的模型如下：
其二维曲面的表达式如下：
Figure GDA0003895133940000011
式(1)中，
Figure GDA0003895133940000012
表示输入图像U(i,j)对应的(i,j)坐标，
Figure GDA0003895133940000013
表示的是离散的数字图像；
则高斯曲率定义为：
Figure GDA0003895133940000021
式(2)中，Ux表示输入图像的水平方向的一阶梯度，Uy表示输入图像的垂直方向的一阶梯度，Uxx表示输入图像的水平方向的二阶梯度，Uyy表示输入图像的垂直方向的二阶梯度，Uxy表示输入图像的水平方向上做完梯度后再做垂直方向的梯度；K(x)表示最终获取的高斯曲率；
其全变差高斯曲率差分模型为：
Figure GDA0003895133940000022
式(3)中，ε(U)表示高斯曲率的能量函数，δ表示终止阈值，L2是平方可积距离函数；
对该函数进行离散化操作，最终的求解结果为：
Figure GDA0003895133940000023
通过对式(4)进行简化和拟合，等效为：
Figure GDA0003895133940000024
通过式(5)，带入图像中，运用窗口掩膜的方式，分别对纵向和横向进行处理，之后叠加纵向和横向的处理结果，即获得最终的边界图像。
与现有技术相比，本发明具有以下有益效果：该方法能够较好地提取到整个图像的轮廓线信息，为图像的识别和检测提供了可靠的边缘信息，解决了目前图像处理中边缘提取鲁棒性低、算法效率低等问题。
附图说明
图1为本发明实施例的输入图像图。
图2为本发明实施例的提取边缘图。
具体实施方式
为了让本发明的上述特征和优点更明显易懂，下面特举实施例，并配合附图，作详细说明如下。
请参阅图1～2，本实施例提供了一种基于曲率滤波的图像边缘实时提取方法，包括以下步骤：
S1、通过相机采集图像；
S2、对采集到的图像进行膨胀和腐蚀操作；
S3、将膨胀腐蚀后的图像转化到灰度空间，得到灰度图像；
S4、对灰度图像进行双向曲率滤波处理，即分别在纵向和横向两个方向进行曲率滤波，之后叠加获得图像的边缘轮廓图。
在本实施例一中，所述步骤S2中的膨胀和腐蚀操作的结构元素设置为3×3的圆盘形结构元素。
在本实施例一中，所述步骤S4中的曲率滤波处理的方法是通过构建模型对图像的边缘进行提取，构建的模型如下：
图像曲率主要反映的是图像的弯曲程度，图像的梯度也反映的是图像的像素变化程度，但由于梯度域存在可不可积的问题，而曲率是一个标量场，不存在这样的问题，所以曲率求取边缘是本发明的最大创新点。由于曲率是三维空间的，在二维图像中，只能通过构建模型来处理，其二维曲面的表达式如下：
Figure GDA0003895133940000031
式(1)中，
Figure GDA0003895133940000032
表示输入图像U(i,j)对应的(i,j)坐标，
Figure GDA0003895133940000033
表示的是离散的数字图像；
则高斯曲率定义为：
Figure GDA0003895133940000034
式(2)中，Ux表示输入图像的水平方向的一阶梯度，Uy表示输入图像的垂直方向的一阶梯度，Uxx表示输入图像的水平方向的二阶梯度，Uyy表示输入图像的垂直方向的二阶梯度，Uxy表示输入图像的水平方向上做完梯度后再做垂直方向的梯度；K(x)表示最终获取的高斯曲率；
由于
Figure GDA0003895133940000035
是未知的，需要预先假设已知条件，才可以求解，因此其全变差高斯曲率差分模型为：
Figure GDA0003895133940000041
式(3)中，ε(U)表示高斯曲率的能量函数，δ表示终止阈值，L2是平方可积距离函数；
求解该模型，需要对该函数进行离散化操作，最终的求解结果为：
Figure GDA0003895133940000042
通过对式(4)进行简化和拟合，等效为：
Figure GDA0003895133940000043
通过式(5)，带入图像中，运用窗口掩膜的方式，分别对纵向和横向进行处理，之后叠加纵向和横向的处理结果，即获得最终的边界图像。
以上所述，仅为本发明的较佳实施例，并非对本发明做任何形式上的限制，任何熟悉本领域的技术人员但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做任何简单的修改、均等变化与修饰，皆应属本发明的涵盖范围。

Claims (2)

1.一种基于曲率滤波的图像边缘实时提取方法，其特征在于，包括以下步骤：
S1、通过相机采集图像；
S2、对采集到的图像进行膨胀和腐蚀操作；
S3、将膨胀腐蚀后的图像转化到灰度空间，得到灰度图像；
S4、对灰度图像进行双向曲率滤波处理，即分别在纵向和横向两个方向进行曲率滤波，之后叠加获得图像的边缘轮廓图；
所述步骤S4中的曲率滤波处理的方法是通过构建模型对图像的边缘进行提取，构建的模型如下：
其二维曲面的表达式如下：
Figure FDA0003895133930000011
式(1)中，
Figure FDA0003895133930000012
表示输入图像U(i,j)对应的(i,j)坐标，
Figure FDA0003895133930000013
表示的是离散的数字图像；
则高斯曲率定义为：
Figure FDA0003895133930000014
式(2)中，Ux表示输入图像的水平方向的一阶梯度，Uy表示输入图像的垂直方向的一阶梯度，Uxx表示输入图像的水平方向的二阶梯度，Uyy表示输入图像的垂直方向的二阶梯度，Uxy表示输入图像的水平方向上做完梯度后再做垂直方向的梯度；K(x)表示最终获取的高斯曲率；
其全变差高斯曲率差分模型为：
Figure FDA0003895133930000015
式(3)中，ε(U)表示高斯曲率的能量函数，δ表示终止阈值，L2是平方可积距离函数；对该函数进行离散化操作，最终的求解结果为：
Figure FDA0003895133930000016
通过对式(4)进行简化和拟合，等效为：
Figure FDA0003895133930000021
通过式(5)，带入图像中，运用窗口掩膜的方式，分别对纵向和横向进行处理，之后叠加纵向和横向的处理结果，即获得最终的边界图像。
2.根据权利要求1所述的一种基于曲率滤波的图像边缘实时提取方法，其特征在于，所述步骤S2中的膨胀和腐蚀操作的结构元素设置为3×3的圆盘形结构元素。
CN201910813100.9A 2019-08-30 2019-08-30 一种基于曲率滤波的图像边缘实时提取方法 Active CN110533682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910813100.9A CN110533682B (zh) 2019-08-30 2019-08-30 一种基于曲率滤波的图像边缘实时提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910813100.9A CN110533682B (zh) 2019-08-30 2019-08-30 一种基于曲率滤波的图像边缘实时提取方法

Publications (2)

Publication Number Publication Date
CN110533682A CN110533682A (zh) 2019-12-03
CN110533682B true CN110533682B (zh) 2023-02-14

Family

ID=68665502

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910813100.9A Active CN110533682B (zh) 2019-08-30 2019-08-30 一种基于曲率滤波的图像边缘实时提取方法

Country Status (1)

Country Link
CN (1) CN110533682B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689541B (zh) * 2019-12-09 2020-05-08 领伟创新智能***(浙江)有限公司 一种基于双树复小波的滚珠丝杠参数视觉测量方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005296349A (ja) * 2004-04-12 2005-10-27 Nissan Motor Co Ltd 上瞼検出装置
US6993190B1 (en) * 2000-11-01 2006-01-31 Hewlett-Packard Development Company, L.P. System and method for detecting text edges in digital document images
CN101334263A (zh) * 2008-07-22 2008-12-31 东南大学 圆形目标的圆心定位方法
CN101599174A (zh) * 2009-08-13 2009-12-09 哈尔滨工业大学 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法
WO2014055923A2 (en) * 2012-10-05 2014-04-10 Elizabeth Begin System and method for instant and automatic border detection
CN104517266A (zh) * 2014-12-22 2015-04-15 南京信息工程大学 基于边缘检测算子的混合自适应图像去噪方法
CN107798326A (zh) * 2017-10-20 2018-03-13 华南理工大学 一种轮廓视觉检测算法
CN108171676A (zh) * 2017-12-01 2018-06-15 西安电子科技大学 基于曲率滤波的多聚焦图像融合方法
WO2018107872A1 (zh) * 2016-12-15 2018-06-21 广州视源电子科技股份有限公司 一种体型预测方法及设备
CN108961391A (zh) * 2018-06-12 2018-12-07 温州大学激光与光电智能制造研究院 一种基于曲率滤波的表面重构方法
CN109523568A (zh) * 2018-10-12 2019-03-26 广东绿康源美环境科技有限公司 一种基于Canny算法的大体标本摄像***
CN109684997A (zh) * 2018-12-20 2019-04-26 龙口盛福达食品有限公司 一种被遮挡圆形成熟果实的图像识别与定位方法
CN110009582A (zh) * 2019-03-28 2019-07-12 华南理工大学 一种基于曲率特征的各向异性图像去噪方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2398379A (en) * 2003-02-11 2004-08-18 Qinetiq Ltd Automated digital image analysis
US20080247649A1 (en) * 2005-07-07 2008-10-09 Chun Hing Cheng Methods For Silhouette Extraction
US10366469B2 (en) * 2016-06-28 2019-07-30 Abbyy Production Llc Method and system that efficiently prepares text images for optical-character recognition

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6993190B1 (en) * 2000-11-01 2006-01-31 Hewlett-Packard Development Company, L.P. System and method for detecting text edges in digital document images
JP2005296349A (ja) * 2004-04-12 2005-10-27 Nissan Motor Co Ltd 上瞼検出装置
CN101334263A (zh) * 2008-07-22 2008-12-31 东南大学 圆形目标的圆心定位方法
CN101599174A (zh) * 2009-08-13 2009-12-09 哈尔滨工业大学 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法
WO2014055923A2 (en) * 2012-10-05 2014-04-10 Elizabeth Begin System and method for instant and automatic border detection
CN104517266A (zh) * 2014-12-22 2015-04-15 南京信息工程大学 基于边缘检测算子的混合自适应图像去噪方法
WO2018107872A1 (zh) * 2016-12-15 2018-06-21 广州视源电子科技股份有限公司 一种体型预测方法及设备
CN107798326A (zh) * 2017-10-20 2018-03-13 华南理工大学 一种轮廓视觉检测算法
CN108171676A (zh) * 2017-12-01 2018-06-15 西安电子科技大学 基于曲率滤波的多聚焦图像融合方法
CN108961391A (zh) * 2018-06-12 2018-12-07 温州大学激光与光电智能制造研究院 一种基于曲率滤波的表面重构方法
CN109523568A (zh) * 2018-10-12 2019-03-26 广东绿康源美环境科技有限公司 一种基于Canny算法的大体标本摄像***
CN109684997A (zh) * 2018-12-20 2019-04-26 龙口盛福达食品有限公司 一种被遮挡圆形成熟果实的图像识别与定位方法
CN110009582A (zh) * 2019-03-28 2019-07-12 华南理工大学 一种基于曲率特征的各向异性图像去噪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于曲率滤波和反向P-M电动车充电孔检测方法;张辉 等;《仪器仪表学报》;20160731;第37卷(第7期);第1626-1638页 *
多聚焦图像融合算法研究;郭勋;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180215(第02期);第I138-1656页 *
获取医学灰度图像轮廓图的算法;李文娜等;《中国组织工程研究与临床康复》;20070603(第22期);第4365-4367页 *

Also Published As

Publication number Publication date
CN110533682A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN110322495B (zh) 一种基于弱监督深度学习的场景文本分割方法
CN103455991A (zh) 一种多聚焦图像融合方法
CN110751154B (zh) 一种基于像素级分割的复杂环境多形状文本检测方法
CN109961416B (zh) 一种基于形态学梯度多尺度融合的营业执照信息提取方法
CN106204497B (zh) 一种基于smooth平滑曲线和拟合曲线的路面裂缝提取算法
CN107784652B (zh) 一种基于无人机影像的杆塔快速检测方法
CN106780450A (zh) 一种基于低秩多尺度融合的图像显著性检测方法
CN103942809A (zh) 检测岩石图像中节理裂隙的方法
CN110533682B (zh) 一种基于曲率滤波的图像边缘实时提取方法
CN111161300B (zh) 一种基于改进大津法的Niblack的图像分割方法
CN103778423A (zh) 基于灰度近邻和方差约束的手指静脉纹路修复方法
CN103106663B (zh) 计算机***中基于图像处理实现sim卡缺陷检测的方法
CN104778673A (zh) 一种改进的高斯混合模型深度图像增强算法
Herumurti et al. Urban road network extraction based on zebra crossing detection from a very high resolution RGB aerial image and DSM data
Dong et al. An improved parallel thinning algorithm
CN111539312A (zh) 一种从图像中抽取表格的方法
Chen et al. Research on road information extraction from high resolution imagery based on global precedence
CN111932506A (zh) 一种提取图像中非连续直线的方法
CN107918935B (zh) 嵌入式***的图像匹配切割装置及切割方法
CN105447836A (zh) 一种耦合聚类中心约束项的非局部稀疏表示图像去噪方法
Yu et al. A SAR image segmentation method based on otsu and level set
CN115564673A (zh) 三维点云地下车库柱状物提取与矢量自动生成方法及***
CN110705441B (zh) 人行横道线图像后处理方法及***
CN111105408B (zh) 一种基于图像处理的建筑物表面裂缝检测方法及***
Kang et al. Line feature extraction from RGB laser point cloud

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