高爐料面圖像邊緣檢測方法及裝置的制造方法
【專利摘要】本發明提供了一種高爐料面圖像邊緣檢測方法及裝置，該方法包括：對高爐料面圖像進行邊緣增強處理；從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向的分數階微分算子對邊緣增強處理后的高爐料面圖像進行邊緣初步提取，得到初步邊緣圖像；其中，初步邊緣圖像包含高爐料面圖像的邊緣，第一斜邊方向與第二斜邊方向互相垂直；對初步邊緣圖像中的高爐料面圖像的邊緣進行去噪以及平滑化處理，得到高爐料面的最終邊緣圖像。通過采用分數階微分算子的方法對邊緣進行初步提取，提高了邊緣定位的準確性，且本發明還進行平滑與去噪處理，有效提高邊緣圖像的準確性和清晰度，使最終得到的圖像能夠達到理想效果，為高爐布料操作提供有力依據。
【專利說明】
高妒料面圖像邊緣檢測方法及裝置
技術領域
[0001] 本發明屬于圖像處理技術領域，特別設及一種高爐料面圖像邊緣檢測方法及裝 置。
【背景技術】
[0002] 高爐煉鐵是鋼鐵生產過程中的主要耗能和排放工序，高爐料面形狀是調控高爐布 料操作的主要參考依據之一，而高爐料面圖像邊界則是最能直觀反映高爐爐料分布情況的 信息，高爐工長可W通過料面圖像的邊界來調整布料方位。然而由于高爐內部高溫、高塵、 高速氣流、密閉無光等惡劣環境，使得拍攝的高爐料面圖像具有對比度不高、圖像偏暗、細 節模糊、整個料面輪廓明顯等特點，致使高爐料面圖像邊界提取困難。因此，如何能夠高效、 快捷、準確的獲取清晰的高爐料面圖像邊緣檢測方法來為高爐實現精準定點布料控制提供 可靠的反饋信息已經成為了一個研究熱點。
[0003] 目前，圖像邊緣檢測的方法有很多，包括一階微分算子方法，例如：SObel算子、 prewiit算子、Canny算子等，W及二階微分算子算法，例如:Laplace算子、LoG算子等。然而， 每一種邊界提取方法應用的對象都具有極強的針對性。對于高爐料面圖像而言，采用現有 的運些檢測方法在對其進行邊界提取時均很難獲得平滑、且定位準確的單像素邊緣，從而 無法達到理想的邊緣檢測效果。

【發明內容】

[0004] 本發明的目的是，提供一種能夠獲得平滑且準確的高爐料面圖像的邊緣檢測方 法。
[0005] 為了達到上述目的，本發明提供了一種高爐料面圖像邊緣檢測方法及裝置。
[0006] 第一方面，本發明提供了一種高爐料面圖像邊緣檢測方法，包括：
[0007] 對高爐料面圖像進行邊緣增強處理；
[000引從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向對邊緣增強處 理后的高爐料面圖像進行分數階微分算子卷積處理，得到初步邊緣圖像;其中，所述初步邊 緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊方向互相垂直；
[0009] 對所述初步邊緣圖像中的高爐料面圖像的邊緣進行平滑化W及去噪處理，得到高 爐料面的最終邊緣圖像。
[0010] 優選地，所述對高爐料面圖像進行邊緣增強的步驟包括：
[0011] 增強高爐料面圖像的對比度；
[0012] 調整高爐料面圖像的飽和度；
[0013] 增強高爐料面圖像中的邊緣光和高頻部分；
[0014] 對高爐料面圖像進行高反差保留處理。
[0015] 優選地，所述從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向對 邊緣增強處理后的高爐料面圖像進行分數階微分算子卷積處理，得到初步邊緣圖像的步驟 具體包括：
[0016] 基于Sobel算子原理，定義第一斜邊方向算子W及第二斜邊方向算子，并推出所述 第一斜邊方向算子W及第二斜邊方向算子的分數階微分算子；
[0017] 從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向對邊緣增強后 的高爐料面圖像通過分數階微分算子卷積運算進行邊緣初步提取，得到初步邊緣圖像。
[0018] 優選地，所述對所述高爐料面圖像的邊緣進行平滑化W及去噪處理，得到高爐料 面的最終邊緣圖像的步驟包括：
[0019] 將所述高爐料面圖像進行二值化得到高爐料面的二值圖像，并對所述高爐料面的 二值圖像進行開運算；
[0020] 采用自適應濾波器對經過開運算之后的高爐料面的二值圖像進行濾波，從而對高 爐料面的二值圖像進行去噪處理；
[0021 ]用一階偏導的有限差分計算濾波后高爐料面的二值圖像的梯度幅值和梯度方向；
[0022] 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點置零，保留圖像中梯 度幅值為局部梯度極大值的點；
[0023] 對所述局部梯度極大值的點進行統計得到梯度直方圖，根據所述梯度直方圖計算 高闊值，從而得到高闊值邊緣圖像，其中所述高闊值邊緣圖像中的高爐料面邊緣為間斷的 邊緣，且包含真邊緣W及假邊緣，所述真邊緣占高爐料面邊緣的比例遠大于所述假邊緣占 高爐料面邊緣的比例；
[0024] 根據所述初步邊緣圖像，對于所述高闊值邊緣圖像間斷的邊緣，在所述初步邊緣 圖像包含的邊緣的八鄰點位置上尋找連接高闊值邊緣圖像輪廓的邊緣點，直至所述高闊值 邊緣圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其 中，所述八鄰點為圖像上任意一點周圍八個鄰域的點。
[0025] 優選地，所述第一斜邊方向與所述水平方向的夾角為45±5度。
[0026] 第二方面，本發明提供了一種高爐料面圖像邊緣檢測裝置，包括：
[0027] 邊緣增強單元，用于對高爐料面圖像進行邊緣增強處理；
[0028] 初步提取單元，用于從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個 方向的分數階微分算子對邊緣增強處理后的高爐料面圖像進行邊緣初步提取，得到初步邊 緣圖像;其中，所述初步邊緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊 方向互相垂直；
[0029] 平滑去噪單元，用于對所述初步邊緣圖像中的高爐料面圖像的邊緣進行平滑化W 及去噪處理，得到高爐料面的最終邊緣圖像。
[0030] 優選地，所述邊緣增強單元進一步用于：
[0031] 增強高爐料面圖像的對比度；
[0032] 調整高爐料面圖像的飽和度；
[0033] 增強高爐料面圖像中的邊緣光和高頻部分；
[0034] 對高爐料面圖像進行高反差保留處理。
[0035] 優選地，所述初步提取單元進一步用于：
[0036] 基于Sobel算子原理，定義第一斜邊方向算子W及第二斜邊方向算子，并推出所述 第一斜邊方向算子W及第二斜邊方向算子的分數階微分算子；
[0037] 從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向對邊緣增強后 的高爐料面圖像通過分數階微分算子卷積運算進行邊緣初步提取，得到初步邊緣圖像。
[0038] 優選地，所述平滑去噪單元進一步用于：
[0039] 將所述高爐料面圖像進行二值化得到高爐料面的二值圖像，并對所述高爐料面的 二值圖像進行開運算；
[0040] 采用自適應濾波器對經過開運算之后的高爐料面的二值圖像進行濾波，從而對高 爐料面的二值圖像進行去噪處理；
[0041 ]用一階偏導的有限差分計算濾波后高爐料面的二值圖像的梯度幅值和梯度方向；
[0042] 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點置零，保留圖像中梯 度幅值為局部梯度極大值的點；
[0043] 對所述局部梯度極大值的點進行統計得到梯度直方圖，根據所述梯度直方圖計算 高闊值，從而得到高闊值邊緣圖像，其中所述高闊值邊緣圖像中的高爐料面邊緣為間斷的 邊緣，且包含真邊緣W及假邊緣，所述真邊緣占高爐料面邊緣的比例遠大于所述假邊緣占 高爐料面邊緣的比例；
[0044] 根據所述初步邊緣圖像，對于所述高闊值邊緣圖像間斷的邊緣，在所述初步邊緣 圖像包含的邊緣的八鄰點位置上尋找連接高闊值邊緣圖像輪廓的邊緣點，直至所述高闊值 邊緣圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其 中，所述八鄰點為圖像上任意一點周圍八個鄰域的點。
[0045] 優選地，所述第一斜邊方向與所述水平方向的夾角為45±5度。
[0046] 本發明提供的高爐料面圖像邊緣檢測方法中，通過從四個方向的分數階微分算子 對邊緣進行初步提取，提高了邊緣定位的準確性，且本發明還對初步提取圖像進行了平滑 與去噪處理，有效提高了邊緣圖像的準確性和清晰度，使最終得到的最終邊緣圖像能夠達 到理想的顯示效果，為高爐布料操作提供有力依據。
【附圖說明】
[0047] 為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例描述 中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些 示例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可W根據運些附圖 獲得其他的附圖。
[0048] 圖1是本發明提供的高爐料面圖像邊緣檢測方法實施例流程圖；
[0049] 圖2是圖1中步驟SlOl方法流程圖；
[0050] 圖3是圖1中步驟S102方法流程圖；
[0051 ]圖4是本發明提供的分數階微分推導原理流程圖；
[0052] 圖5是采用傳統基于SOB化算法得到的邊緣提取示意圖；
[0053] 圖6是采用本發明實施例提供的改進型SOB化算法得到的邊緣提取示意圖；
[0054] 圖7是圖1中步驟S103方法流程圖；
[0055] 圖8是本發明實施例提供的高闊值圖像示意圖；
[0056] 圖9是本發明實施例提供的最終邊緣圖像示意圖；
[0057] 圖10是采用傳統化nny算法得到的邊緣圖像示意圖；
[0058] 圖11是本發明提供的高爐料面圖像邊緣檢測裝置實施例結構示意圖。
【具體實施方式】
[0059] 下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于 本發明中的實施例，本領域普通技術人在沒有作出創造性勞動前提下所獲得的所有其他實 施例，都屬于本發明保護的范圍。
[0060] 第一方面，本發明提供了一種高爐料面圖像邊緣檢測方法實施例，如圖1所示，包 括：
[0061] Sioi、對高爐料面圖像進行邊緣增強處理；
[0062] S102、從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向的分數階 微分算子對邊緣增強處理后的高爐料面圖像進行邊緣初步提取，得到初步邊緣圖像;其中， 所述初步邊緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊方向互相垂 直；
[0063] S103、對所述初步邊緣圖像中的高爐料面圖像的邊緣進行平滑化W及去噪處理， 得到高爐料面的最終邊緣圖像。
[0064] 本發明實施例提供的高爐料面圖像邊緣檢測方法中，通過從四個方向的分數階微 分算子對邊緣進行初步提取，提高了邊緣定位的準確性，且本發明還對初步提取圖像進行 了平滑與去噪處理，有效提高了邊緣圖像的準確性和清晰度，使最終得到的最終邊緣圖像 能夠達到理想的顯示效果，為高爐布料操作提供有力依據。
[0065] 在具體實施時，步驟SlOl還可W通過W下方式實現，如圖2所示，包括：
[0066] S1011、增強高爐料面圖像的對比度；
[0067] 高爐料面圖像光源附近亮度較大，其他地方較小，通過改變各灰度區域的波動范 圍使對比度增強，使高爐料面輪廓更明顯；
[0068] S1012、調整高爐料面圖像的飽和度；
[0069] 由于圖像的顏色過深，降低圖像的顏色飽和度；
[0070] S1013、增強高爐料面圖像中的邊緣光和高頻部分；
[0071] S1014、對高爐料面圖像進行高反差保留處理。
[0072] 主要刪除圖像中顏色變化不大的像素，保留色彩變化較大的部分，使圖像中的陰 影消失，邊緣像素得W保留，亮調部分更加突出。可W將圖像邊緣進行強化。在有強烈顏色 轉變發生的地方按指定的半徑保留邊緣細節，并且不顯示圖像的其余部分。
[0073] 在本實施例中，通過對對高爐圖像進行邊緣增強后，與原圖相比，亮度增大，對比 度增強，邊緣信息增強，邊界輪廓更清晰，方便后續邊界提取。
[0074] 在具體實施時，步驟S102還可W通過W下方式實現，如圖3所示，包括：
[0075] S1021、基于Sobel算子原理，定義第一斜邊方向算子W及第二斜邊方向算子，并推 出所述第一斜邊方向算子W及第二斜邊方向算子的分數階微分算子；
[0076] 分數階微分理論是整數階微分理論的推廣，相比一階微分和二階微分能更好的提 升圖像邊緣和紋理細節信息，能避免噪聲的干擾，提高信噪比。近年來分數階微分被引用到 圖像處理方面來解決整數階微分不能解決的問題。
[0077]分數階微分的定義沒有統一規定，目前有S種，運里只介紹最適合圖像處理的G-L 定義，它是根據整數階微分的定義直接將微分的定義從整數推廣到分數，對于任意可微函 數f (X)的n階微分表達式如下：
[007引
[0079] >數乂，則有V階微分的 定義：
[0080] (2)
[0081] :都是實數，在數學上， G-L分數階微分具有有界性、連續性、齊次可加性、滿足交換律等。
[0082] 當對圖像進行處理時，由于像素間隔為1，所W在[a, t] W單位間隔等分，即h = l， 可W推導出一元信號f(x)的分數階微分的差分表達式為：
[0083] (3)
[0084] 傳統的梯度算子都是整數階的，雖然邊緣檢測效果好，但是會丟失一些紋理細節， 抗噪能力差。所W提高圖像邊緣檢測的性能有待提高，根高爐圖像的特點，提出了一種基于 Sobel算子原理定義斜邊算子并進行分數階微分推導的邊緣檢測算法。
[0085] 《基于分數階微分和Sobel算子的邊緣檢測新模型》根據Sobel算子推出分數階微 分算子，最后得到的分數階微分Sobel算子行、列梯度模板為：
[0086]
[0087]利用該算子對圖像進行處理，相對于其他整數階算子得到的邊界圖像紋理細節更 多，準確性好，視覺效果更佳。但是邊緣存在許多斷續現象，運是因為Sobel算子是基于行梯 度模板和列梯度模板來檢測邊緣的，通過對高爐圖像的分析，在135度方向和45度方向上有 料面邊緣，所W基于Sobel算子原理定義135度和45度的斜邊算子：
[008引
[0089] 運兩個算子能檢測出135度和45度上的邊緣。將上述算用分數階微分進行改進，推 理過程如圖4所示。
[0090] 在處理圖像時，135度上的梯度差分形式可表達為：
[0091] (4)
[0092] 巧報吾獄吿公.悠差親化古巧巧責微親化古.
[0093]
[0094]
[0095]
[0096]
[0097]
[009引
[0099] (8)
[0100] 利用一元信號f(t)的分數階微分的差分表達式(3)取其前=項或兩項作為近似計 算表達式 (9)
[0101]
[0102]
[0103]
[0104]
[0105]
[0106] S1022、從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向對邊緣 增強后的高爐料面圖像通過分數階微分算子卷積運算進行邊緣初步提取，得到初步邊緣圖 像。
[0107] 將S1021步驟中得到的兩個模板加上《基于分數階微分和Sobel算子的邊緣檢測新 模型》Sobel算子推出來的兩個微分模板對圖像進行四個方向的卷積，把卷積結果相加初步 得到圖像邊緣。
[0108] 為了體現本發明的優越性，特利用現有技術中基于Sobel算子的處理方法與本實 施例提供的方法進行對比。基于Sobel算子分數階微分處理結果如圖5所示，改進分數階微 分處理結果如圖6所示。從圖5W及圖6可W看出本實施例提供的采用改進的分數階微分的 算法提取的初步邊緣的定位精確，且應用靈活，噪聲少。
[0109] 在上一實施例的基礎上，在具體實施時，步驟S103還可W通過W下方式實施，如圖 7所示，包括：
[0110] S1031、將所述高爐料面圖像進行二值化得到高爐料面的二值圖像，并對所述高爐 料面的二值圖像進行開運算；
[0111] 其中，運里的圖像的二值化，就是將圖像上的像素點的灰度值設置為0或255,也就 是將整個圖像呈現出明顯的只有黑和白的視覺效果。運里的開運算在數學上是先腐蝕后膨 脹的結果。開運算的結果為完全刪除了不能包含結構元素的對象區域，平滑了對象的輪廓， 斷開了狹窄的連接，去掉了細小的突出部分。
[0112] 具體地，在對圖像進行濾波之后，用迭代法求闊值分割圖像，得到二值圖像。通過 觀察二值圖像，在高爐爐壁區域有由于粉塵引起的亮斑，運對后續的邊界提取有影響，所W 先對其進行開運算，它的作用是消除小物體、在纖細點處分離物體、平滑較大物體的邊界的 同時并不明顯改變其面積，所W通過開運算消除小亮斑，使而圖像的邊緣變得平滑。
[0113] S1032、采用自適應濾波器對經過開運算之后的高爐料面的二值圖像進行濾波，從 而對高爐料面的二值圖像進行去噪處理；
[0114] 采用自適應濾波代替高斯濾波對圖像進行濾波，相比高斯濾波，它能在濾除圖像 噪聲的同時很好地保留圖像邊緣，能根據局部信息來改變濾波窗口的大小，從而有效地去 噪。具體實現過程如下：
[0115] ①自適應調整濾波窗口，保證窗口內的中值不是噪聲。首先確定最大的濾波半徑， 然后用一個合適的半徑r對圖像進行濾波。計算當前濾波半徑像素灰度的Imin, Imax, Imed,然 后判斷Imed是否在IminW及Imax中間，如果在則向下一步進行，否則擴大當前半徑r繼續濾波 直到r等于最大濾波半徑。
[0116] ②如果當前處理的像素 img(i，j)在IminW及Imax之間，則輸出當前像素，否則輸出 當前濾波半徑中值像素 Imed。
[0117] S1033、用一階偏導的有限差分計算濾波后高爐料面的二值圖像的梯度幅值和梯 度方向；
[0118] 用一階偏導的有限差分來計算梯度的幅值和方向。分別求取濾波后幅值平方圖像 在X方向和Y方向的梯度巧Of, .V)和(/? (x, _)，），利用一階差分卷積模板：
[0119]
[0120] ( 10 )
[0121] (U)
[0122] 其中f(x，y)是進過濾波后的圖像數據。
[0123] 根據所述梯度巧(X，.的和巧(X，y)計算幅值平方圖像的梯度值I A f I與梯度方向角
白：
[0124] ( 12 )
[01 劇 (13)
[01%] 將0-360度梯度方向角歸并為4個方向:0度、45度、90度、135度。
[0127] S1034、將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點置零，保留圖 像中梯度幅值為局部梯度極大值的點；
[0128] 僅僅得到全局的梯度并不足W確定邊緣。為確定邊緣，必須保留局部梯度最大的 點，而抑制非極大值，即將非局部極大值點置零W得到細化的邊緣。用3x3窗口對梯度圖像 在鄰域的中屯、像素 M與沿著梯度線的兩個像素相比。如果M的梯度值不比沿梯度線的兩個相 鄰像素梯度值大，則令M=0。
[0129] S1035、對所述局部梯度極大值的點進行統計得到梯度直方圖，根據所述梯度直方 圖計算高闊值，從而得到高闊值邊緣圖像，其中所述高闊值邊緣圖像中的高爐料面邊緣為 間斷的邊緣，且包含真邊緣W及假邊緣，所述真邊緣占高爐料面邊緣的比例遠大于所述假 邊緣占高爐料面邊緣的比例；
[0130] 需要說明的是，運里主要采用的改進型化nny算子雙闊值算法來進行的。
[0131] 傳統化nny算子的雙闊值的確定是根據T2>2Ti來估計的，T2-般是人為工設定，當 定得太高時，圖像邊緣會丟失，當太低時，會檢測到圖像中由噪聲引起的偽邊緣，當不同圖 像使用相同闊值時，邊緣檢測效果會很差，不具有普適性。雙闊值方法的主要思想是高闊值 T2來連接邊緣輪廓，在達到輪廓端點時，在Tl的八鄰域內尋找可W連接到輪廓上的邊緣，運 樣就可W將T2中所有的間隙連接起來。根據分數階定位精確運一特點，可W用分數階微分 檢測的邊緣位置代替低闊值能確定的邊緣位置，運樣在確定高闊值之后，不需用T2>2Ti來 估計，運樣連接邊緣時位置更精確，同時能克服分數階微分單獨檢測時不平滑的缺點。
[0132] 本發明實施例提供的改進型化nny算子雙闊值算法首先利用自適應方法確定高闊 值，具體地：
[0133] 高闊值的確定根據梯度直方圖來選擇，經過化nny算子的非極大值抑制之后，對梯 度幅值進行統計得到梯度直方圖。將梯度直方圖中擁有最多像素數的梯度值稱為最值梯度 Hmax ,計算全部像素與Hmax的方差,稱之為Gmax。
[0134] (14)
[0135] K為像素數不為0的梯度最大值，N為像素總數。Hmax反映了非邊緣區域在梯度直方 圖分布的中屯、位置，而像素最值梯度方差emax則反映了梯度直方圖中梯度分布相對于像素 最值梯度的離散程度，可W認為它們兩之和在非邊緣區域，所W高闊值的確定按如下公式 計算：
[0136] T2 = Hmax+emax (15)
[0137] 據此，得到的高闊值邊緣圖像如圖8所示。
[0138] S1036、根據所述初步邊緣圖像，對于所述高闊值邊緣圖像間斷的邊緣，在所述初 步邊緣圖像包含的邊緣的八鄰點位置上尋找連接高闊值邊緣圖像輪廓的邊緣點，直至所述 高闊值邊緣圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖 像;其中，所述八鄰點為圖像上任意一點周圍八個鄰域的點。
[0139] 運里主要是基于雙闊值算法來進行的。其中雙闊值算法對非極大值抑制圖象作用 兩個闊值低闊值T1和高闊值T2，且2T1 >T2，從而可W得到兩個闊值邊緣圖象Nl [ i，j ]和N2 [i，j]。由于N2[i，j]使用高闊值得到，因而含有很少的假邊緣，但有間斷(不閉合）。雙闊值 法要在N2[i，j]中把邊緣連接成輪廓，當到達輪廓的端點時，該算法就在Nl[i，j]的8鄰點位 置尋找可W連接到輪廓上的邊緣，運樣，算法不斷地在Nl [ i，j ]中收集邊緣，直到將N2 [ i，j ] 連接起來為止。
[0140] 因此，在確定好高闊值之后，按改進的化nny算子計算步驟得到高闊值確定的邊緣 圖像，然后用分數階微分確定的邊緣位置對高闊值確定的邊緣進行連接，得到最終的邊緣 檢測結果，如圖9所示。
[0141] 同樣地，為了體現本發明的優越性，本發明還利用傳統的化nny算法進行了邊緣檢 ，如圖10所示，可W看出本實施例提供的方法得到的邊界更為平滑。
[0142] 因此，本實施例提供的方法通過對化nny算法進行改進，采用自適應中值濾波代替 高斯濾波，在保持圖像的邊緣信息的同時更好濾除了噪聲，采用自適應的方法確定高闊值， 然后用改進的分數階微分算法對高闊值確定的強像素邊緣進行連接，得到了平滑，定位精 確的單像素邊緣。
[0143] 在具體實施時，上述實施例中的第一斜邊方向與水平方向的夾角為45±5度，優選 地可W為45度，因此第二斜邊方向可W為135度。可W理解的是，運里的第一斜邊方向W及 第二斜邊方向可W根據實際情況而更改，本發明對此不作具體限定。
[0144] 第二方面，本發明提供了一種高爐料面圖像邊緣檢測裝置，如圖11所示，包括：
[0145] 邊緣增強單元1，用于對高爐料面圖像進行邊緣增強處理；
[0146] 初步提取單元2,用于從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四 個方向的分數階微分算子對邊緣增強處理后的高爐料面圖像進行邊緣初步提取，得到初步 邊緣圖像;其中，所述初步邊緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜 邊方向互相垂直；
[0147] 平滑去噪單元3,用于對所述初步邊緣圖像中的高爐料面圖像的邊緣進行平滑化 W及去噪處理，得到高爐料面的最終邊緣圖像。
[0148] 在具體實施時，所述邊緣增強單元1進一步用于：
[0149] 增強高爐料面圖像的對比度；
[0150] 調整高爐料面圖像的飽和度；
[0151] 增強高爐料面圖像中的邊緣光和高頻部分；
[0152] 對高爐料面圖像進行高反差保留處理。
[0153] 在具體實施時，所述初步提取單元2進一步用于：
[0154] 基于Sobel算子原理，定義第一斜邊方向算子W及第二斜邊方向算子，并推出所述 第一斜邊方向算子W及第二斜邊方向算子的分數階微分算子；
[0155] 從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向對邊緣增強后 的高爐料面圖像通過分數階微分算子卷積運算進行邊緣初步提取，得到初步邊緣圖像。
[0156] 在具體實施時，所述平滑去噪單元3進一步用于：
[0157] 將所述高爐料面圖像進行二值化得到高爐料面的二值圖像，并對所述高爐料面的 二值圖像進行開運算；
[0158] 采用自適應濾波器對經過開運算之后的高爐料面的二值圖像進行濾波，從而對高 爐料面的二值圖像進行去噪處理；
[0159] 用一階偏導的有限差分計算濾波后高爐料面的二值圖像的梯度幅值和梯度方向；
[0160] 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點置零，保留圖像中梯 度幅值為局部梯度極大值的點；
[0161] 對所述局部梯度極大值的點進行統計得到梯度直方圖，根據所述梯度直方圖計算 高闊值，從而得到高闊值邊緣圖像，其中所述高闊值邊緣圖像中的高爐料面邊緣為間斷的 邊緣，且包含真邊緣W及假邊緣，所述真邊緣占高爐料面邊緣的比例遠大于所述假邊緣占 高爐料面邊緣的比例；
[0162] 根據所述初步邊緣圖像，對于所述高闊值邊緣圖像間斷的邊緣，在所述初步邊緣 圖像包含的邊緣的八鄰點位置上尋找連接高闊值邊緣圖像輪廓的邊緣點，直至所述高闊值 邊緣圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其 中，所述八鄰點為圖像上任意一點周圍八個鄰域的點。
[0163] 在具體實施時，所述第一斜邊方向與所述水平方向的夾角為45±5度。
[0164] 由于本實施例所介紹的高爐料面圖像邊緣檢測裝置為可W執行本發明實施例中 的高爐料面圖像邊緣檢測方法的裝置，故而基于本發明實施例中所介紹的高爐料面圖像邊 緣檢測方法，本領域所屬技術人員能夠了解本實施例的高爐料面圖像邊緣檢測裝置的具體 實施方式W及其各種變化形式，所W在此對于該高爐料面圖像邊緣檢測裝置如何實現本發 明實施例中的高爐料面圖像邊緣檢測方法不再詳細介紹。只要本領域所屬技術人員實施本 發明實施例中高爐料面圖像邊緣檢測方法所采用的裝置，都屬于本申請所欲保護的范圍。
[0165] W上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可 W是或者也可W不是物理上分開的，作為單元顯示的部件可W是或者也可W不是物理單 元，即可W位于一個地方，或者也可W分布到多個網絡單元上。可W根據實際的需要選擇其 中的部分或者全部模塊來實現本實施例方案的目的。本領域普通技術人員在不付出創造性 的勞動的情況下，即可W理解并實施。
[0166] 通過W上的實施方式的描述，本領域的技術人員可W清楚地了解到各實施方式可 借助軟件加必需的通用硬件平臺的方式來實現，當然也可W通過硬件。基于運樣的理解，上 述技術方案本質上或者說對現有技術做出貢獻的部分可WW軟件產品的形式體現出來，該 計算機軟件產品可W存儲在計算機可讀存儲介質中，如R0M/RAM、磁碟、光盤等，包括若干指 令用W使得一臺計算機設備(可W是個人計算機，服務器，或者網絡設備等)執行各個實施 例或者實施例的某些部分所述的方法。
[0167] 應該注意的是上述實施例對本發明進行說明而不是對本發明進行限制，并且本領 域技術人員在不脫離所附權利要求的范圍的情況下可設計出替換實施例。在權利要求中， 不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞"包含"不排除存在未 列在權利要求中的元件或步驟。位于元件之前的單詞"一"或"一個"不排除存在多個運樣的 元件。本發明可W借助于包括有若干不同元件的硬件W及借助于適當編程的計算機來實 現。在列舉了若干裝置的單元權利要求中，運些裝置中的若干個可W是通過同一個硬件項 來具體體現。單詞第一、第二、W及第=等的使用不表示任何順序。可將運些單詞解釋為名 稱。
[0168] 最后應說明的是：W上實施例僅用W說明本發明的技術方案，而非對其限制;盡管 參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解:其依然可 W對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換； 而運些修改或者替換，并不使相應技術方案的本質脫離本發明各實施例技術方案的精神和 范圍。
【主權項】
1. 一種高爐料面圖像邊緣檢測方法，其特征在于，包括： 對高爐料面圖像進行邊緣增強處理； 從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向對邊緣增強處理后 的高爐料面圖像進行分數階微分算子卷積處理，得到初步邊緣圖像;其中，所述初步邊緣圖 像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊方向互相垂直； 對所述初步邊緣圖像中的高爐料面圖像的邊緣進行平滑化以及去噪處理，得到高爐料 面的最終邊緣圖像。2. 如權利要求1所述的方法，其特征在于，所述對高爐料面圖像進行邊緣增強的步驟包 括： 增強高爐料面圖像的對比度； 調整高爐料面圖像的飽和度； 增強高爐料面圖像中的邊緣光和高頻部分； 對高爐料面圖像進行高反差保留處理。3. 如權利要求1所述的方法，其特征在于，所述從水平方向、垂直方向、第一斜邊方向以 及第二斜邊方向四個方向對邊緣增強處理后的高爐料面圖像進行分數階微分算子卷積處 理，得到初步邊緣圖像的步驟具體包括： 基于Sobel算子原理，定義第一斜邊方向算子以及第二斜邊方向算子，并推出所述第一 斜邊方向算子以及第二斜邊方向算子的分數階微分算子； 從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向對邊緣增強后的高 爐料面圖像通過分數階微分算子卷積運算進行邊緣初步提取，得到初步邊緣圖像。4. 如權利要求3所述的方法，其特征在于，所述對所述高爐料面圖像的邊緣進行平滑化 以及去噪處理，得到高爐料面的最終邊緣圖像的步驟包括： 將所述高爐料面圖像進行二值化得到高爐料面的二值圖像，并對所述高爐料面的二值 圖像進行開運算； 采用自適應濾波器對經過開運算之后的高爐料面的二值圖像進行濾波，從而對高爐料 面的二值圖像進行去噪處理； 用一階偏導的有限差分計算濾波后高爐料面的二值圖像的梯度幅值和梯度方向； 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點置零，保留圖像中梯度幅 值為局部梯度極大值的點； 對所述局部梯度極大值的點進行統計得到梯度直方圖，根據所述梯度直方圖計算高閾 值，從而得到高閾值邊緣圖像，其中所述高閾值邊緣圖像中的高爐料面邊緣為間斷的邊緣， 且包含真邊緣以及假邊緣，所述真邊緣占高爐料面邊緣的比例遠大于所述假邊緣占高爐料 面邊緣的比例； 根據所述初步邊緣圖像，對于所述高閾值邊緣圖像間斷的邊緣，在所述初步邊緣圖像 包含的邊緣的八鄰點位置上尋找連接高閾值邊緣圖像輪廓的邊緣點，直至所述高閾值邊緣 圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其中，所 述八鄰點為圖像上任意一點周圍八個鄰域的點。5. 如權利要求1-4任一所述的方法，其特征在于，所述第一斜邊方向與所述水平方向的 夾角為45±5度。6. -種高爐料面圖像邊緣檢測裝置，其特征在于，包括： 邊緣增強單元，用于對高爐料面圖像進行邊緣增強處理； 初步提取單元，用于從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向 的分數階微分算子對邊緣增強處理后的高爐料面圖像進行邊緣初步提取，得到初步邊緣圖 像;其中，所述初步邊緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊方向 互相垂直； 平滑去噪單元，用于對所述初步邊緣圖像中的高爐料面圖像的邊緣進行平滑化以及去 噪處理，得到高爐料面的最終邊緣圖像。7. 如權利要求6所述的裝置，其特征在于，所述邊緣增強單元進一步用于： 增強高爐料面圖像的對比度； 調整高爐料面圖像的飽和度； 增強高爐料面圖像中的邊緣光和高頻部分； 對高爐料面圖像進行高反差保留處理。8. 如權利要求6所述的裝置，其特征在于，所述初步提取單元進一步用于： 基于Sobel算子原理，定義第一斜邊方向算子以及第二斜邊方向算子，并推出所述第一 斜邊方向算子以及第二斜邊方向算子的分數階微分算子； 從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向對邊緣增強后的高 爐料面圖像通過分數階微分算子卷積運算進行邊緣初步提取，得到初步邊緣圖像。9. 如權利要求8所述的裝置，其特征在于，所述平滑去噪單元進一步用于： 將所述高爐料面圖像進行二值化得到高爐料面的二值圖像，并對所述高爐料面的二值 圖像進行開運算； 采用自適應濾波器對經過開運算之后的高爐料面的二值圖像進行濾波，從而對高爐料 面的二值圖像進行去噪處理； 用一階偏導的有限差分計算濾波后高爐料面的二值圖像的梯度幅值和梯度方向； 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點置零，保留圖像中梯度幅 值為局部梯度極大值的點； 對所述局部梯度極大值的點進行統計得到梯度直方圖，根據所述梯度直方圖計算高閾 值，從而得到高閾值邊緣圖像，其中所述高閾值邊緣圖像中的高爐料面邊緣為間斷的邊緣， 且包含真邊緣以及假邊緣，所述真邊緣占高爐料面邊緣的比例遠大于所述假邊緣占高爐料 面邊緣的比例； 根據所述初步邊緣圖像，對于所述高閾值邊緣圖像間斷的邊緣，在所述初步邊緣圖像 包含的邊緣的八鄰點位置上尋找連接高閾值邊緣圖像輪廓的邊緣點，直至所述高閾值邊緣 圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其中，所 述八鄰點為圖像上任意一點周圍八個鄰域的點。10. 如權利要求6-9任一所述的裝置，其特征在于，所述第一斜邊方向與所述水平方向 的夾角為45±5度。
【文檔編號】G06T7/00GK106023160SQ201610310559
【公開日】2016年10月12日
【申請日】2016年5月11日
【發明人】蔣朝輝, 吳巧群, 桂衛華, 陽春華, 謝永芳, 許天翔, 陳致蓬
【申請人】中南大學