一种基于拟法线导向的边缘检测方法技术

本发明专利技术公开了一种基于拟法线导向的边缘检测方法

【技术实现步骤摘要】
一种基于拟法线导向的边缘检测方法、系统、设备及介质


[0001]本专利技术涉及图像处理的边缘检测
，更具体地说，它涉及一种基于拟法线导向的边缘检测方法
、
系统
、
设备及介质
。

技术介绍

[0002]边缘检测可以大幅减少图像中的无关信息，使图像中重要结构被保留，因此边缘检测对于计算机视觉领域相关任务，例如分割
、
目标检测与识别
、
目标跟踪
、
医学成像以及
3D
重建等，都至关重要；边缘检测的发展历史丰厚，可以做以下两大类划分：第一类是基于检测算子的边缘检测算法，完成检测任务，如
Sobel、Laplacian、Canny
等算子，该类方法通过提取图像本身的空间特征
、
几何特征等图像本身具有的特征，通过图像一阶或二阶梯度计算来完成边缘检测；第二类是基于学习的边缘检测算法，该类方法需大量人工标注的标签图以训练检测器，才能将检测器运用于边缘检测，该类边缘检测器往往训练架构庞大，计算成本高
。
[0003]在自然图像中不同语义内容在一阶与二阶梯度上表现不同，在像素值阶跃处为一阶微分的极大值点，为二阶微分的过零点，而边缘往往具有灰度值突变
、
具有明显的方向性等特点，通过一阶微分或者二阶微分的算子，能提取出处图像边界；对于灰度变化相对均匀的图像场景中，因图像梯度幅值相对较小，只利用基于一阶微分的边缘检测算子往往见效甚微，而此时利用基于二阶微分的算子能提供更丰富的信息；并且基于二阶微分的梯度算子考虑正峰与负峰间的过零点来进行检测，因此得到的边缘点数相对基于一阶的边缘算子较少，而对图像中的物体端点以及孤立点更敏感，对需要突出图像中存在的线端点
、
孤立点和线等应用场景较为实用，但同时也对噪声极其敏感
。
[0004]然而无论是基于一阶微分还是二阶微分的边缘检测算子，都是在离散图像信号中进行差分计算，将差分结果赋值为边缘像素值缩小了像素值范围，弱化了边缘特性，且在进行边缘判定时忽略了图像边缘像素点的连续性，同时这些方法对噪声敏感，对具有低对比度
、
色彩通道值有衰减的图像，边缘检测效果将大大降低，从而需要进一步优化
。

技术实现思路

[0005]本专利技术的目的在于提供一种基于拟法线导向的边缘检测方法
、
系统
、
设备及介质，利用边缘的梯度方向信息，以解决上述
技术介绍
中存在的问题
。
[0006]本专利技术的上述技术目的是通过以下技术方案得以实现的：
[0007]第一方面，本申请实施例提供了一种基于拟法线导向的边缘检测方法，包括以下步骤：
[0008]S1
，对待检测图像进行灰度处理，得到与待检测图像对应的待测灰度图像；
[0009]S2
，对待测灰度图像中的每个像素点进行八向梯度计算，得到每个像素点对应的八向梯度，各个像素点的八向梯度表征了该像素点与相邻的八个像素点之间的八个梯度方向，以及每个梯度方向的梯度幅值；
[0010]S3
，对于单个像素点，将对应的八向梯度中的八个梯度方向进行组合划分，得到四个方向组合，且任意一个方向组合中的两个梯度方向的夹角为
180
°
，对于各个方向组合中的两个梯度方向，若两个梯度方向满足预设条件，将其中一个梯度方向标定为拟法线子方向，得到该像素点的拟法线子方向集合，拟法线子方向集合包括最多四个拟法线子方向；
[0011]S4
，根据步骤
S3
，获得待测灰度图像中所有像素点的拟法线子方向集合；
[0012]S5
，根据每个像素点的拟法线子方向集合和预置的判定条件，对待测灰度图像进行边缘判定，并输出边缘判定结果
。
[0013]本专利技术的有益效果是：八向梯度的计算能提取某一像素点相邻方向所有梯度信息，放大系数可进一步放大梯度，便于后续边缘判定，提取图像梯度信息更为丰富，相较于其他基于算子类的边缘检测方法，本申请中的拟法线为包含了八向梯度方向为正的梯度方向与梯度坐标索引信息，充分利用了图像梯度信息的方向性，标定了像素点所在位置的梯度下降的最快的几个方向，最后通过每个像素点的拟法线子方向集合做出图像的边缘检测
。
[0014]在上述技术方案的基础上，本专利技术还可以做如下改进
。
[0015]进一步，上述对待测灰度图像中的每个像素点进行八向梯度计算，得到每个像素点对应的八向梯度，包括：
[0016]根据待测灰度图像，建立与待测灰度图像对应的坐标系，得到待测灰度图像中所有像素点的坐标和每个像素点的灰度值；
[0017]根据每个像素点的坐标和每个像素点的灰度值，分别计算得到每个像素点对应的八向梯度
。
[0018]采用上述进一步方案的有益效果是：分别计算每个像素点的八向梯度，八向梯度包括了各个梯度方向与梯度方向的梯度幅值等索引信息，充分利用了图像梯度信息的方向和幅值
。
[0019]进一步，上述八向梯度通过第一公式计算，第一公式表示为：
[0020]G
＝
α
[f(x,y)
‑
f(x+n,y+m)]；
[0021]式中，
G
表示坐标为
x
，
y
的像素点的八向梯度，
α
表示梯度放大系数；
x
和
y
分别表示像素点的横坐标和纵坐标，
n
和
m
分别表示0或1或
‑
1。
[0022]进一步，上述对于各个方向组合中的两个梯度方向，将满足预设条件的其中一个梯度方向标定为拟法线子方向，包括：
[0023]根据方向组合中的两个梯度方向，将两个梯度方向对应的梯度幅值进行对比；
[0024]若其中一个梯度方向的梯度幅值大于另一个度方向的梯度幅值，将梯度幅值大的梯度方向标定为拟法线子方向
。
[0025]进一步，上述方向组合中的两个梯度方向的对比过程通过第二公式表示，第二公式表示为：
[0026][0027]式中，
D
i,j,k
表示坐标为
i,j
的像素点的第
k
向梯度方向，
G
i,j,k
表示图像中坐标为
i,
j
的像素点的第
k
向梯度幅值，
k
表示八向梯度中的八个梯度方向的序号
。
[0028]进一步，上述判定条件至少包括：
[0029]在待测灰度图像中，判定为边缘的像素点的各个梯度幅值应当远大于非边缘的像素点；
[0030]拟法线子方向集合中，拟法线子方向的数量应当不小于3；
[0031]对于判定为边本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于拟法线导向的边缘检测方法，其特征在于，包括以下步骤：
S1
，对待检测图像进行灰度处理，得到与所述待检测图像对应的待测灰度图像；
S2
，对所述待测灰度图像中的每个像素点进行八向梯度计算，得到每个所述像素点对应的八向梯度，各个所述像素点的八向梯度表征了该像素点与相邻的八个像素点之间的八个梯度方向，以及每个所述梯度方向的梯度幅值；
S3
，对于单个所述像素点，将对应的所述八向梯度中的八个梯度方向进行组合划分，得到四个方向组合，且任意一个所述方向组合中的两个梯度方向的夹角为
180
°
，对于各个所述方向组合中的两个梯度方向，若两个所述梯度方向满足预设条件，将其中一个梯度方向标定为拟法线子方向，得到该所述像素点的拟法线子方向集合，所述拟法线子方向集合包括最多四个所述拟法线子方向；
S4
，根据所述步骤
S3
，获得待测灰度图像中所有像素点的拟法线子方向集合；
S5
，根据每个所述像素点的拟法线子方向集合和预置的判定条件，对所述待测灰度图像进行边缘判定，并输出边缘判定结果
。2.
根据权利要求1所述的一种基于拟法线导向的边缘检测方法，其特征在于，所述对所述待测灰度图像中的每个像素点进行八向梯度计算，得到每个所述像素点对应的八向梯度，包括：根据所述待测灰度图像，建立与所述待测灰度图像对应的坐标系，得到所述待测灰度图像中所有像素点的坐标和每个像素点的灰度值；根据每个所述像素点的坐标和每个所述像素点的灰度值，分别计算得到每个像素点对应的所述八向梯度
。3.
根据权利要求2所述的一种基于拟法线导向的边缘检测方法，其特征在于，所述八向梯度通过第一公式计算，所述第一公式表示为：
G
＝
α
[f(x,y)
‑
f(x+n,y+m)]
；式中，
G
表示坐标为
x
，
y
的像素点的八向梯度，
α
表示梯度放大系数；
x
和
y
分别表示像素点的横坐标和纵坐标，
n
和
m
分别表示0或1或
‑
1。4.
根据权利要求1所述的一种基于拟法线导向的边缘检测方法，其特征在于，所述对于各个所述方向组合中的两个梯度方向，将满足预设条件的其中一个梯度方向标定为拟法线子方向，包括：根据方向组合中的两个梯度方向，将两个所述梯度方向对应的梯度幅值进行对比；若其中一个梯度方向的所述梯度幅值大于另一个度方向的所述梯度幅值，将梯度幅值大的梯度方向标定为拟法线子方向
。5.
根据权利要求4所述的一种基于拟法线导向的边缘检测方法，其特征在于，所述方向组合中的两个梯度方向的对比过程通...

【专利技术属性】
技术研发人员：刘然，
申请(专利权)人：国网四川省电力公司乐山供电公司，
类型：发明
国别省市：