一种计算机图像边缘检测方法技术

本发明专利技术属于图像处理技术领域，本发明专利技术在提供了几种计算机图像边缘检测方法的同时，提供了一种图像边缘检测算子的方法，采用本实施例提供的装置，对待检测图像进行图像边缘检测时，检测结果受噪声影响较小，检测后，根据得到的灰度值信息绘制的边缘检测图像中，待检测图像的边缘更加清晰；另外，本发明专利技术通过对目标图像进行校正处理方法在上传原始目标图像之后，系统可以直接对原始图案进行分析，然后对原始目标图像进行校正，准确而快速，更加智能，提高检测结果的准确性。检测结果的准确性。检测结果的准确性。

【技术实现步骤摘要】
一种计算机图像边缘检测方法


[0001]本专利技术属于图像处理
，尤其涉及一种计算机图像边缘检测方法。

技术介绍

[0002]目前，图像的边缘属于图像的高频成分，是图像的基本特征之一。
‑‑
幅具体的目标图像，经过图像边缘检测处理后，变为一幅边缘检测图像，边缘检测图像与目标图像的大小相同，在边缘检测图像中，对应目标图像的边缘位置通常为高亮显示，其余位置基本为黑色，因而采用图像的边缘可以对目标图像与其它对象(例如其它图像、背景等)进行有效区分。由此可知，找到图像的边缘，对于图像边缘处理的许多应用领域非常重要，例如，图像分割、图像锐化、图像分析与识别等应用领域，在具体操作时，均需要先确定图像的边缘位置。现有技术中，通常采用图像边缘检测的方法确定图像的边缘位置。
[0003]通过上述分析，现有技术存在的问题及缺陷为：
[0004](1)现有的技术在进行图像边缘检测时，噪声比较大，影响检查结果。
[0005](2)现有的技术在图像边缘检测中没有一个比较系统的系统模块。
[0006](3)现有的技术在图像边缘检测中，计算量比较大。
[0007](4)获取的计算机图像不准确，影响检测结果。

技术实现思路

[0008]针对现有技术存在的问题，本专利技术提供了一种计算机图像边缘检测方法。
[0009]本专利技术是这样实现的，一种计算机图像边缘检测方法，提供了一种获取图像边缘检测算子的方法，所述的步骤包括：
[0010]S1、在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；
[0011]S2、对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；
[0012]S3、根据所述位置关系，以及双线性插值公式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一灰度值函数关系式；
[0013]S4、确定所述目标图像中的每一个像素点作为第一目标像素点时，在对应的插值图像中，均有一个第二目标像素点与其对应。在插值图像中，确定出每一个第一目标像素点对应的第二目标像素点；
[0014]S5、提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像；
[0015]S6、根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一灰度值函数关系式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二灰度值函数关系式；
[0016]S7、根据所述第二灰度值函数关系式，确定出图像边缘检测函数关系式；
[0017]S8、将所述图像边缘检测函数关系式变换为卷积形式的图像边缘检测函数关系式；
[0018]S9、根据所述卷积形式的图像边缘检测函数关系式确定出图像边缘检测算子。
[0019]进一步，所述的S1具体包括任意选取一幅数字图像作为目标图像，获取目标图像后，在目标图像中，任意选取一个像素点作为第一目标像素点，并在该目标图像中划分出一个四邻域，四邻域中包括第一目标像素点，并且，在该四邻域中，第一目标像素点位于四邻域的左上角，其行数索引和列数索引在四邻域中均最小，本专利技术中，采用行数索引和列数索引，表示像素点在数字图像中所处的行数和列数。将所述第一目标像素点的灰度值记为G(i，j)，将所述四邻域中其它像素点的灰度值分别记为G(i，j+1)，G(i+1，j)，G(i+1，j+1)。
[0020]进一步，所述的S2中具体包括：以预设插值倍率，对目标图像进行双线性插值处理后，得到目标图像的插值图像，在插值图像中，任意选取一个插入四邻域中的像素点作为第二目标像素点，优选的，为了之后的图像边缘检测的效果更好，选择位于四邻域中，倒数第二行像素点和倒数第二列像素点相交位置的像素点作为第二目标像素点。其中，插值倍率指的是，对图像进行插值处理时，对图像进行缩放的倍率，本专利技术中，将对图像进行缩放的倍率定义为插值倍率，预设插值倍率的值可以随意设定。
[0021]进一步，所述的S3中，对目标图像进行双线性插值处理后，得到目标图像的插值图像，第一灰度值函数关系式表明，在插值图像中，明确第一目标像素点与第二目标像素点在四邻域中的位置关系后，就可以利用双线性插值公式以及第一目标像素点的灰度值和四邻域中其它像素点的灰度值，计算出第二目标像素点的灰度值，亦即根据第一目标像素点与第二目标像素点在插值图像中的位置关系，获得第一目标像素点的灰度值与第二目标像素点的灰度值的第一灰度值函数关系式。
[0022]第一灰度值函数关系式如下：
[0023]D(u，v)＝(1
‑
u)(1
‑
v)*G(i，j)+v(1
‑
v)*G(i，j+1)+(1
‑
u)v*G(i+1，j)+uv*G(i+1，j+1)，其中，D(u，v)代表参考图像中第i行第j列的像素点的灰度值；G(i，j)代表目标图像中第i行第j列的像素点的灰度值；G(i，j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1，j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1，j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。
[0024]进一步，所述的S6中的第二灰度值函数关系式表达如下：
[0025]D(i.j)＝(1
‑
u)(1
‑
v)*G(i，j)+u(1
‑
v)*G(i，j+1)+(1
‑
u)v*G(i+1，j)+uv*G(i+1，j+1)；D(i，j)代表参考图像中第i行第j列的像素点的灰度值，结合第一目标像素点与第二目标像素点在插值图像中的位置对应关系，第一灰度值函数关系式可以变为第二灰度值函数关系式。
[0026]进一步，所述的S7中的图像边缘检测函数关系式如下：
[0027]G(i，j)
‑
D(i.j)＝(1
‑
u)(1
‑
v)*G(i，j)+u(1
‑
v)*G(i，j+1)+(1
‑
u)v*G(i+1，j)+uv*G(i+1，j+1)。
[0028]进一步，所述的S8中图像边缘检测函数关系式变换为下述卷积形式的图像边缘检
测函数关系式：
[0029][0030]进一步，所述的S9中根据卷积形式的图像边缘检测函数关系式确定出下述图像边缘检测算子为
[0031]进一步，一种所述的计算机图像边缘检测方法的计算机图像边缘检测系统具体包括两大模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机图像边缘检测方法，其特征在于，包括：S1、获取目标图像，并对目标图像进行校正处理；在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；S2、对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；S3、根据所述位置关系，以及双线性插值公式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一灰度值函数关系式；S4、确定所述目标图像中的每一个像素点作为第一目标像素点时，在对应的插值图像中，均有一个第二目标像素点与其对应。在插值图像中，确定出每一个第一目标像素点对应的第二目标像素点；S5、提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像；S6、根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一灰度值函数关系式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二灰度值函数关系式；S7、根据所述第二灰度值函数关系式，确定出图像边缘检测函数关系式；S8、将所述图像边缘检测函数关系式变换为卷积形式的图像边缘检测函数关系式；S9、根据所述卷积形式的图像边缘检测函数关系式确定出图像边缘检测算子。2.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所述的S1具体包括任意选取一幅数字图像作为目标图像，获取目标图像后，在目标图像中，任意选取一个像素点作为第一目标像素点，并在该目标图像中划分出一个四邻域，四邻域中包括第一目标像素点，并且，在该四邻域中，第一目标像素点位于四邻域的左上角，其行数索引和列数索引在四邻域中均最小，本发明中，采用行数索引和列数索引，表示像素点在数字图像中所处的行数和列数。将所述第一目标像素点的灰度值记为G(i，j)，将所述四邻域中其它像素点的灰度值分别记为G(i，j+1)，G(i+1，j)，G(i+1，j+1)；所述的S2中具体包括：以预设插值倍率，对目标图像进行双线性插值处理后，得到目标图像的插值图像，在插值图像中，任意选取一个插入四邻域中的像素点作为第二目标像素点，为了之后的图像边缘检测的效果更好，选择位于四邻域中，倒数第二行像素点和倒数第二列像素点相交位置的像素点作为第二目标像素点；其中，插值倍率指的是，对图像进行插值处理时，对图像进行缩放的倍率，将对图像进行缩放的倍率定义为插值倍率，预设插值倍率的值可以随意设定；所述的S3中，对目标图像进行双线性插值处理后，得到目标图像的插值图像，第一灰度值函数关系式表明，在插值图像中，明确第一目标像素点与第二目标像素点在四邻域中的位置关系后，就可以利用双线性插值公式以及第一目标像素点的灰度值和四邻域中其它像素点的灰度值，计算出第二目标像素点的灰度值，亦即根据第一目标像素点与第二目标像素点在插值图像中的位置关系，获得第一目标像素点的灰度值与第二目标像素点的灰度值的第一灰度值函数关系式；
第一灰度值函数关系式如下：D(u，v)＝(1
‑
u)(1
‑
v)＊G(i，j)+u(1
‑
v)＊G(i，j+1)+(1
‑
u)v＊G(i+1，j)+uv＊G(i+1，j+1)，其中，D(u，v)代表参考图像中第i行第j列的像素点的灰度值；G(i，j)代表目标图像中第i行第j列的像素点的灰度值；G(i，j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1，j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1，j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。3.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所述的S6中的第二灰度值函数关系式表达如下：D(i.j)＝(1
‑
u)(1
‑
v)＊G(i，j)
+
u(1
‑
v)＊G(i，j
+
1)
+
(1
‑
u)v＊G(i+1，j)+uv＊G(i+1，j+1)，D(i，j)代表参考图像中第i行第j列的像素点的灰度值，结合第一目标像素点与第二目标像素点在插值图像中的位置对应关系，第一灰度值函数关系式可以变为第二灰度值函数关系式。4.如权利要求1所述的计算机图像边缘检测方法，其特征在于，所...

【专利技术属性】
技术研发人员：程远航，吴锐，李莉，黄斌，李春雷，
申请(专利权)人：贵州大学，
类型：发明
国别省市：