一種實(shí)時(shí)圖像邊緣檢測(cè)算法制造技術(shù)

本發(fā)明專利技術(shù)目的是為了增加邊緣檢測(cè)算法的功能，打破已有檢測(cè)算法不能實(shí)時(shí)處理圖像的局限性。本發(fā)明專利技術(shù)提出了一種實(shí)時(shí)圖像邊緣檢測(cè)算法，具有以下步驟：包括步驟：根據(jù)實(shí)時(shí)圖像灰度數(shù)據(jù)及已處理的圖像灰度數(shù)據(jù)進(jìn)行計(jì)算進(jìn)而設(shè)置短時(shí)記憶閾值及雙閾值；依據(jù)短時(shí)記憶閾值對(duì)實(shí)時(shí)圖像數(shù)據(jù)進(jìn)行預(yù)處理消除部分背景干擾；根據(jù)雙閾值對(duì)于預(yù)處理后的圖像進(jìn)行邊緣檢測(cè)。該算法具有實(shí)時(shí)性，效率高，適應(yīng)性強(qiáng)，能根據(jù)圖像背景特征進(jìn)行自適應(yīng)閾值設(shè)置，能有效解決很多背景復(fù)雜的圖像。

A real-time image edge detection algorithm

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種實(shí)時(shí)圖像邊緣檢測(cè)算法
本專利技術(shù)專利涉及圖像處理
，尤其涉及一種實(shí)時(shí)圖像邊緣檢測(cè)算法。
技術(shù)介紹
邊緣檢測(cè)是圖像處理的重要技術(shù)之一。邊緣檢測(cè)是定位邊緣像素的過程，已有的邊緣檢測(cè)算法包括canny邊緣檢測(cè)算法，sobel邊緣檢測(cè)算法等等，這些已有的邊緣檢測(cè)算法處理的圖像是整幅圖像，并不能對(duì)正在得到的圖像進(jìn)行有效的處理，本專利技術(shù)所提出的實(shí)時(shí)圖像邊緣檢測(cè)算法是在已有邊緣檢測(cè)算法能實(shí)現(xiàn)功能的基礎(chǔ)上增加了實(shí)時(shí)性這一功能，本專利技術(shù)提出的邊緣檢測(cè)算法能實(shí)時(shí)處理正在得到的圖像，本算法只需知道當(dāng)前已得到圖像而不需知道后面圖像的情況即可處理實(shí)用性較強(qiáng)，適應(yīng)的場(chǎng)景也更加廣泛。本專利技術(shù)提出的邊緣檢測(cè)算法可以處理的實(shí)例有：地鐵或高鐵接觸線識(shí)別；電線的識(shí)別檢測(cè)等等。
技術(shù)實(shí)現(xiàn)思路
為了增加邊緣檢測(cè)算法的功能，打破已有檢測(cè)算法不能實(shí)時(shí)處理圖像的局限性，本專利技術(shù)提出了一種實(shí)時(shí)圖像邊緣檢測(cè)算法。該算法具有實(shí)時(shí)性，效率高，適應(yīng)性強(qiáng)，能根據(jù)圖像背景特征進(jìn)行自適應(yīng)閾值設(shè)置，能有效解決很多背景復(fù)雜的圖像。為了實(shí)時(shí)高效的進(jìn)行圖像邊緣檢測(cè)，本專利技術(shù)采用的技術(shù)方案是：所述的一種實(shí)時(shí)圖像邊緣檢測(cè)算法，包括以下步驟：步驟1：根據(jù)實(shí)時(shí)圖像灰度數(shù)據(jù)及已處理的圖像灰度數(shù)據(jù)進(jìn)行計(jì)算進(jìn)而設(shè)置短時(shí)記憶閾值及雙閾值；步驟2：依據(jù)短時(shí)記憶閾值對(duì)實(shí)時(shí)圖像數(shù)據(jù)進(jìn)行預(yù)處理消除部分背景干擾；步驟3：根據(jù)雙閾值對(duì)于預(yù)處理后的圖像進(jìn)行邊緣檢測(cè)。所述步驟1中的實(shí)時(shí)圖像灰度數(shù)據(jù)是從線陣相機(jī)中獲取的圖像；所述步驟1中的實(shí)時(shí)是指當(dāng)前正在處理的行像素為當(dāng)前已得到的圖像數(shù)據(jù)的最后一行像素。所述步驟2中的圖像預(yù)處理為：所述實(shí)時(shí)圖像數(shù)據(jù)中每個(gè)像素點(diǎn)的灰度g與短時(shí)記憶閾值G1比較，如果該像素點(diǎn)的灰度值g大于G1，則保留原值；如果該像素點(diǎn)的灰度值g小于G1，則將該像素點(diǎn)的灰度值置為0。所述步驟3中的圖像的邊緣檢測(cè)，具體包括以下步驟：步驟A：消除噪聲：對(duì)所述預(yù)處理后的實(shí)時(shí)圖像數(shù)據(jù)進(jìn)行中值濾波處理，濾除實(shí)時(shí)圖像背景中的干擾噪聲；步驟B：計(jì)算梯度幅值和方向：對(duì)所述消除噪聲后的實(shí)時(shí)圖像數(shù)據(jù)的水平、垂直和兩個(gè)對(duì)角線方向分別進(jìn)行一階線性m點(diǎn)灰度差分，計(jì)算參與差分計(jì)算的m點(diǎn)像素的灰度和，所述m滿足0＜m＜標(biāo)準(zhǔn)邊緣像素寬度；步驟C：非極值抑制：在所述實(shí)時(shí)圖像所有像素點(diǎn)的各個(gè)梯度方向的大小為n的鄰域內(nèi)進(jìn)行差分值非極值抑制，在所述鄰域內(nèi)的差分極大值或差分極小值以及像素灰度和保留下來，其他非極值的差分值和像素灰度和置為0，所述n滿足0＜n＜標(biāo)準(zhǔn)像素寬度；步驟D：雙閾值設(shè)置及強(qiáng)弱邊緣的判定：差分高閾值、差分低閾值、像素灰度和高閾值和像素灰度和低閾值分別設(shè)為d1、d2、g1和g2，通過如下公式進(jìn)行強(qiáng)弱邊緣的判定：其中，f等于1表示強(qiáng)邊緣，f等于0表示弱邊緣；步驟E：滯后邊界追蹤與關(guān)聯(lián)追蹤：滯后邊界追蹤：在當(dāng)前處理行中如果檢測(cè)到強(qiáng)邊緣，檢測(cè)該強(qiáng)邊緣的前后連通區(qū)域是否存在若邊緣，如果強(qiáng)邊緣的連通區(qū)域存在弱邊緣，將弱邊緣標(biāo)識(shí)為的可能邊緣；關(guān)聯(lián)追蹤：如果當(dāng)前行檢測(cè)到的弱邊緣在上一行處理結(jié)果找到的邊緣中心的一個(gè)大小為t的鄰域內(nèi)，將弱邊緣標(biāo)識(shí)為接觸線的可能邊緣；再通過如下公式判斷邊緣屬于上升沿還是下降沿，所述t滿足條件t等于標(biāo)準(zhǔn)邊緣像素寬度的一半：其中，h等于1表示上升沿，h等于-1表示下降沿，然后把可能邊緣的邊緣像素序號(hào)和差分值存入數(shù)組中。步驟F：合并邊沿：把找到的邊沿中連續(xù)的上升沿或連續(xù)的下降沿合并成一個(gè)上升沿或下降沿，并記錄相應(yīng)邊緣像素序號(hào)，得到所有邊緣。在所述1中的短時(shí)記憶閾值G1為當(dāng)前處理行前面已處理的100行圖像找到的邊緣像素的灰度平均值。所述步驟1中雙閾值設(shè)置，具體包括以下步驟：步驟A：計(jì)算當(dāng)前行之前已處理的100行圖像像素灰度平均值并將其設(shè)置為短時(shí)記憶閾值G2；步驟B：計(jì)算當(dāng)前行圖像像素灰度平均值a，比較當(dāng)前行像素灰度平均值與短時(shí)記憶閾值G2，根據(jù)a與G2不同的比較關(guān)系設(shè)置相應(yīng)的動(dòng)態(tài)雙閾值包括差分高低閾值以及像素灰度和高低閾值；動(dòng)態(tài)雙閾值的設(shè)置原則為高閾值為低閾值的整數(shù)倍，具體倍數(shù)根據(jù)實(shí)際決定。本專利技術(shù)使用中值濾波去除噪聲，有效的保留接觸線邊緣信息并且去除大量噪聲，根據(jù)短時(shí)記憶特性及圖像灰度平均值特征設(shè)置自適應(yīng)雙閾值可以更好的處理不同背景環(huán)境下的圖像，進(jìn)行非極值抑制和滯后邊界追蹤與關(guān)聯(lián)追蹤更有效的檢測(cè)出接觸線邊緣。與現(xiàn)有技術(shù)相比，本專利技術(shù)有以下優(yōu)點(diǎn)：(1)與已有邊緣檢測(cè)算法相比，本專利技術(shù)能實(shí)現(xiàn)實(shí)時(shí)進(jìn)行邊緣檢測(cè)，具有實(shí)時(shí)性。(2)對(duì)比已有邊緣檢測(cè)算法，本專利技術(shù)采用短時(shí)記憶閾值與基于短時(shí)記憶閾值的自適應(yīng)雙閾值，更好的處理了背景環(huán)境變化下圖像邊緣的檢測(cè)。附圖說明圖1：本實(shí)時(shí)圖像邊緣檢測(cè)算法應(yīng)用實(shí)例場(chǎng)景圖圖2：實(shí)時(shí)圖像邊緣檢測(cè)算法流程圖具體實(shí)施方式下面結(jié)合附圖對(duì)本專利技術(shù)做進(jìn)一步詳細(xì)說明：本專利技術(shù)提出一種實(shí)時(shí)圖像邊緣檢測(cè)算法，如圖2所示，具體按以下步驟實(shí)施：首先實(shí)時(shí)讀入圖像數(shù)據(jù)，然后將圖像轉(zhuǎn)為灰度圖，獲取當(dāng)前行的像素灰度值；然后在灰度圖上做邊緣檢測(cè)，具體包括以下步驟：步驟A：預(yù)處理：對(duì)轉(zhuǎn)換后的灰度圖像當(dāng)前行即已輸入圖像數(shù)據(jù)的最后一行像素每個(gè)像素點(diǎn)灰度值g與短時(shí)記憶閾值G1比較，如果該像素點(diǎn)的灰度值g大于G1，則保留原值；如果該像素點(diǎn)的灰度值g小于G1，則將該像素點(diǎn)的灰度值置為0；這里短時(shí)記憶閾值的獲取過程為：每次處理都取當(dāng)前處理行的之前已處理的圖像數(shù)據(jù)結(jié)果中100行處理結(jié)果中得到的邊緣像素灰度平均值即設(shè)置為短時(shí)記憶閾值G1；步驟B：對(duì)預(yù)處理后的圖像數(shù)據(jù)每行像素進(jìn)行1*x中值濾波：每行像素中每個(gè)像素點(diǎn)取該像素前(x-1)/2點(diǎn)和后(x-1)/2點(diǎn)加上該像素共x點(diǎn)，對(duì)這x點(diǎn)進(jìn)行排序，取中值替代當(dāng)前像素點(diǎn)的值；步驟C：對(duì)中值濾波后的圖像數(shù)據(jù)的水平、豎直和兩個(gè)對(duì)角線方向分別進(jìn)行m點(diǎn)差分并保存差分值和像素序號(hào)，并計(jì)算參與差分的m個(gè)點(diǎn)的像素灰度和；步驟D：對(duì)像素點(diǎn)各個(gè)梯度方向的差分值進(jìn)行非極值抑制：對(duì)于當(dāng)前像素點(diǎn)，在其各個(gè)梯度方向的大小為n的鄰域內(nèi)進(jìn)行差分值非極值抑制，在鄰域內(nèi)的差分極大值或差分極小值保留下來，其他非極值的差分值置為0；步驟E：雙閾值設(shè)置及強(qiáng)弱邊緣的判定：其中雙閾值的設(shè)置：每次首先找到當(dāng)前行之前已處理的圖像數(shù)據(jù)，這里取之前100行像素求這100行所有像素灰度平均值設(shè)置為短時(shí)記憶閾值G2，然后通過判斷當(dāng)前行所有像素灰度平均值與G2進(jìn)行比較，設(shè)置相應(yīng)的差分高閾值和差分低閾值以及灰度和高閾值與灰度和低閾值。如果當(dāng)前行像素灰度平均值a大于G2，差分低閾值設(shè)置為dmin1，相應(yīng)的差分高閾值設(shè)置為3倍差分低閾值即dmax1＝3*dmin1；像素灰度和低閾值設(shè)置為smin1；相應(yīng)的像素灰度和高閾值設(shè)置為smax1＝3*smin1；如果a小于G2，差分低閾值設(shè)置為dmin2，相應(yīng)的差分高閾值設(shè)置為3倍差分低閾值dmax2＝3*dmin2；像素灰度和低閾值設(shè)本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
1.一種實(shí)時(shí)圖像邊緣檢測(cè)算法，其特征在于，所述算法包括以下步驟：/n步驟1：根據(jù)實(shí)時(shí)圖像灰度數(shù)據(jù)及已處理的圖像灰度數(shù)據(jù)進(jìn)行計(jì)算進(jìn)而設(shè)置短時(shí)記憶閾值及雙閾值；/n步驟2：依據(jù)短時(shí)記憶閾值對(duì)實(shí)時(shí)圖像數(shù)據(jù)進(jìn)行預(yù)處理消除部分背景干擾；/n步驟3：根據(jù)雙閾值對(duì)于預(yù)處理后的圖像進(jìn)行邊緣檢測(cè)。/n

【技術(shù)特征摘要】
1.一種實(shí)時(shí)圖像邊緣檢測(cè)算法，其特征在于，所述算法包括以下步驟：
步驟1：根據(jù)實(shí)時(shí)圖像灰度數(shù)據(jù)及已處理的圖像灰度數(shù)據(jù)進(jìn)行計(jì)算進(jìn)而設(shè)置短時(shí)記憶閾值及雙閾值；
步驟2：依據(jù)短時(shí)記憶閾值對(duì)實(shí)時(shí)圖像數(shù)據(jù)進(jìn)行預(yù)處理消除部分背景干擾；
步驟3：根據(jù)雙閾值對(duì)于預(yù)處理后的圖像進(jìn)行邊緣檢測(cè)。


2.根據(jù)權(quán)力要求1所述的一種實(shí)時(shí)圖像邊緣檢測(cè)算法，其特征在于，所述步驟1中的實(shí)時(shí)圖像灰度數(shù)據(jù)的獲取是由線陣相機(jī)所得到的，所述步驟1中的實(shí)時(shí)是指當(dāng)前正在處理的行像素為當(dāng)前已得到的圖像數(shù)據(jù)的最后一行像素。


3.根據(jù)權(quán)力要求1所述的一種實(shí)時(shí)圖像邊緣檢測(cè)算法，其特征在于，所述步驟1中的短時(shí)記憶閾值G1為當(dāng)前處理行前面已處理的100行圖像找到的邊緣像素的灰度平均值。


4.根據(jù)權(quán)力要求1所述的一種實(shí)時(shí)圖像邊緣檢測(cè)算法，其特征在于，所述步驟1中雙閾值設(shè)置，具體包括以下步驟：
步驟A：計(jì)算當(dāng)前行之前已處理的100行圖像像素灰度平均值并將其設(shè)置為短時(shí)記憶閾值G2；
步驟B：計(jì)算當(dāng)前行圖像像素灰度平均值a，比較當(dāng)前行像素灰度平均值與短時(shí)記憶閾值G2，根據(jù)a與G2不同的比較關(guān)系設(shè)置相應(yīng)的動(dòng)態(tài)雙閾值包括差分高低閾值以及像素灰度和高低閾值；動(dòng)態(tài)雙閾值的設(shè)置原則為高閾值為低閾值的整數(shù)倍，具體倍數(shù)根據(jù)實(shí)際決定。


5.根據(jù)權(quán)力要求1所述的一種實(shí)時(shí)圖像邊緣檢測(cè)算法，其特征在于，所述步驟2中的實(shí)時(shí)圖像數(shù)據(jù)預(yù)處理為：所述實(shí)時(shí)圖像數(shù)據(jù)中每個(gè)像素點(diǎn)的灰度g與短時(shí)記憶閾值G1比較，如果該像素點(diǎn)的灰度值g大于G1，則保留原值；如果該像素點(diǎn)的灰度值g小于G1，則將該像素點(diǎn)的灰度值置為0。


6.根據(jù)權(quán)力要求1所述的一種實(shí)時(shí)圖像邊緣檢測(cè)算法，其特征在于，所述步驟3中的圖像的邊緣檢測(cè)，具體包括以...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：馬千里，劉東方，張濤，胡棟，王俊，
申請(qǐng)(專利權(quán))人：南京郵電大學(xué)，
類型：發(fā)明
國別省市：江蘇;32