【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种图像弱边缘检测方法及装置。
技术介绍
1、图像边缘检测技术，通常用于检测图像中相邻像素灰度值发生变化的地方，其在图像降噪、图像对比度提升以及图像增强等数字图像处理领域中发挥着重要作用。当前，常见的图像边缘检测方法包括一阶微分算子法和二阶微分算子法，前者是利用图像灰度变化大的地方其导数值往往较高的特性，来描述图像的边缘强度，而后者则是利用每个像素灰度值的二阶微分后的过零点来对图像边缘进行检测。然而，通过实践发现，由于在现实中图像通常是带有噪声的，继而图像的弱边缘与噪声可能会混叠在一起难以被区分开来，从而容易造成弱边缘误检或漏检的情况发生，影响了图像边缘检测的效果。可见，提供一种能够提高对图像弱边缘检测准确性的方法尤为重要。
技术实现思路
1、本专利技术提供了一种图像弱边缘检测方法及装置，提高了图像弱边缘检测的可靠性及准确性，且本专利技术无需进行图像降噪处理，有利于确保图像弱边缘的检测效果。
2、为了解决上述技术问题，本专利技术第一方面公开了一种图像弱边缘检测方法，所述方法包括：
3、根据获取到的待检测图像的亮度通道参数以及预设的梯度算子，确定所述待检测图像中每个像素对应的目标方向梯度参数；所述目标方向梯度参数包括水平方向梯度参数以及垂直方向梯度参数；
4、根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的目标权重参数；所述目标权重参数包括方向一致性权重参数以及梯度权重参数；
5、根据每个所
6、根据所有所述像素对应的弱边缘权重参数，从所有所述像素中确定出所述弱边缘权重参数大于或等于预设权重阈值的目标像素，并根据所述目标像素，确定所述待检测图像的弱边缘。
7、作为一种可选的实施方式，在本专利技术第一方面中，所述根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的目标权重参数，包括：
8、根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的像素角度参数，以及根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的块角度参数；
9、基于每个所述像素对应的像素角度参数以及对应的块角度参数，计算每个所述像素对应的方向一致性权重参数；
10、根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的梯度权重参数。
11、作为一种可选的实施方式，在本专利技术第一方面中，每个所述像素对应的目标方向梯度参数是通过以下公式确定出的：
12、
13、其中，ghor(x,y)为所述待检测图像中像素(x,y)对应的水平方向梯度参数，shor为预设的水平方向梯度算子，(i,j)为所述水平方向梯度算子shor中的坐标位置参数，n、-n分别为所述水平方向梯度算子shor的坐标索引范围上、下限参数，gver(x,y)为所述像素(x,y)对应的垂直方向梯度参数，sver为预设的垂直方向梯度算子，(p,q)为所述垂直方向梯度算子sver中的坐标位置参数，m、-m分别为所述垂直方向梯度算子sver的坐标索引范围上、下限参数，y为所述亮度通道参数；
14、以及，每个所述像素对应的像素角度参数是通过以下公式计算出的：
15、angle_pixel(x,y)＝arctan(gver(x,y),ghor(x,y))；
16、
17、其中，angle_pixel_target(x,y)为所述像素(x,y)对应的像素角度参数。
18、作为一种可选的实施方式，在本专利技术第一方面中，所述根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的块角度参数，包括：
19、根据每个所述像素对应的目标方向梯度参数，确定每个所述像素对应的邻域像素块，并计算每个所述像素对应的邻域像素块所对应的基础块角度参数；所述基础块角度参数包括第一块角度参数、第二块角度参数以及第三块角度参数；
20、根据每个所述像素对应的邻域像素块所对应的基础块角度参数，计算每个所述像素对应的块角度参数；
21、其中，每个所述像素对应的邻域像素块所对应的基础块角度参数是通过以下公式计算出的：
22、
23、suma为所述像素(x,y)对应的邻域像素块所对应的第一块角度参数，sumb为所述像素(x,y)对应的邻域像素块所对应的第二块角度参数，sumc为所述像素(x,y)对应的邻域像素块所对应的第三块角度参数，k为所述像素(x,y)对应的邻域像素块所对应的第一坐标参数，l为所述像素(x,y)对应的邻域像素块所对应的第二坐标参数，t、-t分别为所述像素(x,y)对应的邻域像素块所对应的坐标索引范围上、下限参数；
24、其中，每个所述像素对应的块角度参数是通过以下公式计算出的：
25、angle_block(x,y)＝0.5*arctan(suma,(sumb-sumc))；
26、
27、angle_block_target(x,y)为所述像素(x,y)对应的块角度参数。
28、作为一种可选的实施方式，在本专利技术第一方面中，所述基于每个所述像素对应的像素角度参数以及对应的块角度参数，计算每个所述像素对应的方向一致性权重参数，包括：
29、对于每一所述像素，根据所述像素对应的块角度参数以及所述像素对应的邻域像素块中每个目标像素对应的像素角度参数，计算所述像素对应的目标差值和参数；所有所述目标像素对应的像素角度参数包括所述像素对应的像素角度参数，所述像素对应的目标差值和参数用于指示每个所述目标像素对应的像素角度参数与所述像素对应的块角度参数的绝对差值之和；
30、通过预设的第一映射曲线函数，对每个所述像素对应的目标差值和参数进行映射操作，得到每个所述像素对应的方向一致性权重参数；
31、其中，每个所述像素对应的目标差值和参数是通过以下公式计算出的：
32、angle_diff(x,y)为所述像素(x,y)对应的目标差值和参数。
33、作为一种可选的实施方式，在本专利技术第一方面中，所述根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的梯度权重参数，包括：
34、根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的目标梯度绝对值；
35、通过预设的第二映射曲线函数，对每个所述像素对应的目标梯度绝对值进行映射操作，得到每个所述像素对应的梯度权重参数；
36、其中，每个所述像素对应的目标梯度绝对值是通过以下公式计算出的：
37、ggra(x,y)＝abs(ghor(x,y))+abs(gver(x,y))；
38、ggra(x,y)为所述像素(x,y)对应的目标梯度绝对值。
39、作为一种可选的实施方式，在本专利技术第一方面中，每个所述像素对应本文档来自技高网...
【技术保护点】
1.一种图像弱边缘检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像弱边缘检测方法，其特征在于，所述根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的目标权重参数，包括：
3.根据权利要求2所述的图像弱边缘检测方法，其特征在于，每个所述像素对应的目标方向梯度参数是通过以下公式确定出的：
4.根据权利要求3所述的图像弱边缘检测方法，其特征在于，所述根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的块角度参数，包括：
5.根据权利要求4所述的图像弱边缘检测方法，其特征在于，所述基于每个所述像素对应的像素角度参数以及对应的块角度参数，计算每个所述像素对应的方向一致性权重参数，包括：
6.根据权利要求3所述的图像弱边缘检测方法，其特征在于，所述根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的梯度权重参数，包括：
7.根据权利要求1-6任一项所述的图像弱边缘检测方法，其特征在于，每个所述像素对应的弱边缘权重参数是通过以下公式计算出的：
8.一种图像弱边缘
9.一种图像弱边缘检测装置，其特征在于，所述装置包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的图像弱边缘检测方法。
...【技术特征摘要】
1.一种图像弱边缘检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像弱边缘检测方法，其特征在于，所述根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的目标权重参数，包括：
3.根据权利要求2所述的图像弱边缘检测方法，其特征在于，每个所述像素对应的目标方向梯度参数是通过以下公式确定出的：
4.根据权利要求3所述的图像弱边缘检测方法，其特征在于，所述根据每个所述像素对应的目标方向梯度参数，计算每个所述像素对应的块角度参数，包括：
5.根据权利要求4所述的图像弱边缘检测方法，其特征在于，所述基于每个所述像素对应的像素角度参数以及对应的块角度参数，计算每个所述...
【专利技术属性】
技术研发人员：杨青连，余朗衡，
申请(专利权)人：珠海全志科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。