獲取圖像邊緣檢測算子的方法、圖像邊緣檢測方法及裝置的制造方法
【專利摘要】本發明公開了一種獲取圖像邊緣檢測算子的方法、圖像邊緣檢測方法及裝置，其中，獲取圖像邊緣檢測算子的方法包括：在目標圖像中，劃分出一個包括第一目標像素點的四鄰域；對所述目標圖像進行雙線性插值處理，任選一個插入所述四鄰域中的像素點作為第二目標像素點，建立所述第一目標像素點與所述第二目標像素點在所述四鄰域中的位置關系；根據所述位置關系以及雙線性插值公式，確定圖像邊緣檢測函數關系式；根據所述圖像邊緣檢測函數關系式確定圖像邊緣檢測算子。采用該方法獲得的圖像邊緣檢測算子，將其應用于數字圖像的圖像邊緣檢測中，能夠在減小運算量的同時，提高抗噪聲能力，適用性更好。
【專利說明】
獲取圖像邊緣檢測算子的方法、圖像邊緣檢測方法及裝置
技術領域
[0001] 本發明涉及圖像邊緣處理技術領域，尤其涉及一種獲取圖像邊緣檢測算子的方 法、圖像邊緣檢測方法及裝置。
【背景技術】
[0002] 圖像的邊緣屬于圖像的高頻成分，是圖像的基本特征之一。一幅具體的目標圖像， 經過圖像邊緣檢測處理后，變為一幅邊緣檢測圖像，邊緣檢測圖像與目標圖像的大小相同， 在邊緣檢測圖像中，對應目標圖像的邊緣位置通常為高亮顯示，其余位置基本為黑色，因而 采用圖像的邊緣可以對目標圖像與其它對象(例如其它圖像、背景等)進行有效區分。由此 可知，找到圖像的邊緣，對于圖像邊緣處理的許多應用領域非常重要，例如，圖像分割、圖像 銳化、圖像分析與識別等應用領域，在具體操作時，均需要先確定圖像的邊緣位置。現有技 術中，通常采用圖像邊緣檢測的方法確定圖像的邊緣位置。
[0003] 在數字圖像中，圖像的高頻成分包括圖像中灰度值變化劇烈的部分，通常將灰度 值變化劇烈的位置定義為數字圖像的邊緣。對于數字圖像，通常采用各種各樣的圖像邊緣 檢測算子(例如微分算子、Sobel算子、Canny算子等)對其進行圖像邊緣檢測。又由于在數字 圖像中，位于圖像的邊緣上的各像素點，灰度值的差異比較小，變化平緩，而位于圖像的邊 緣上的像素點，與圖像中靠近圖像的邊緣的像素點，兩者的灰度值差異比較大，變化劇烈， 基于此，通常采用圖像的灰度值的一階導數和二階導數作為數字圖像的圖像邊緣檢測算 子，也就是微分算子，包括一階微分算子和二階微分算子。
[0004] 采用一階微分算子對數字圖像進行圖像邊緣檢測時，噪聲較大，檢測結果易受噪 聲影響。采用二階微分算子對數字圖像進行圖像邊緣檢測時，噪聲對檢測結果的影響較小， 但檢測時，需要較大的數據窗口，運算量較大。因此，對于數字圖像的圖像邊緣檢測來說，一 階微分算子和二階微分算子的適用性都較差，無法同時滿足抗噪聲和降低運算量的需求。
[0005] 所以，在數字圖像的圖像邊緣檢測技術中，微分算子的適用性較差，無法同時解決 大運算量與大噪聲的問題。

【發明內容】

[0006] 本發明實施例的目的在于提供一種獲取圖像邊緣檢測算子的方法、圖像邊緣檢測 方法及裝置，以解決數字圖像的圖像邊緣檢測技術中，微分算子的適用性較差的問題。通過 本發明的方法，可以獲得一種較適用的圖像邊緣檢測算子，將該圖像邊緣檢測算子應用于 數字圖像的圖像邊緣檢測技術中時，具有較好的抗噪聲性能，同時，可以減小數據窗口，BP 減小運算量，適用性更好。
[0007] 為了解決上述技術問題，本發明實施例公開了如下技術方案：
[0008] 第一方面，本發明實施例提供了一種獲取圖像邊緣檢測算子的方法，該方法包括：
[0009] 在目標圖像中，劃分出一個包括第一目標像素點的四鄰域;所述第一目標像素點 為所述四鄰域中行數索引和列數索引均最小的像素點；
[0010] 對所述目標圖像進行雙線性插值處理，任選一個插入所述四鄰域中的像素點作為 第二目標像素點，建立所述第一目標像素點與所述第二目標像素點在所述四鄰域中的位置 關系；
[0011] 根據所述位置關系以及雙線性插值公式，確定圖像邊緣檢測函數關系式，所述圖 像邊緣檢測函數關系式用于計算所述第一目標像素點的灰度值與所述第二目標像素點的 灰度值的差值；
[0012] 根據所述圖像邊緣檢測函數關系式確定圖像邊緣檢測算子。
[0013] 結合第一方面，在第一方面的第一種可能的實施方式中，所述對所述目標圖像進 行雙線性插值處理，任選一個插入所述四鄰域中的像素點作為第二目標像素點的過程，具 體包括：
[0014] 以預設插值倍率，對所述目標圖像進行雙線性插值處理，獲得所述目標圖像的插 值圖像；
[0015] 在所述插值圖像中，選擇插入所述四鄰域中的第二目標像素點，所述第二目標像 素點位于所述四鄰域中倒數第二行像素點和倒數第二列像素點相交的位置。
[0016] 結合第一方面的第一種可能的實施方式，在第一方面的第二種可能的實施方式 中，所述根據所述位置關系以及雙線性插值公式，確定圖像邊緣檢測函數關系式的過程，具 體包括：
[0017] 根據所述位置關系，以及雙線性插值公式，確定出下述關于所述第一目標像素點 的灰度值與所述第二目標像素點的灰度值之間的第一函數關系式；
[0018] D(u，v) = (l_u)(l_v)*G(i，j)+u(l_v)*G(i，j+1) + (l_u)v*G(i+1，j)+uv*G(i+1，j+ 1);
[0019] 確定所述目標圖像中的每一個像素點作為第一目標像素點時，所述插值圖像中對 應的第二目標像素點；
[0020] 提取所述插值圖像中所有所述第二目標像素點，按照所述目標圖像中所述第一目 標像素點的排列規則，將所有所述第二目標像素點重新排列，組成參考圖像；
[0021] 根據所述第二目標像素點在所述參考圖像中的位置坐標以及所述第一函數關系 式，確定出下述關于所述第一目標像素點的灰度值與所述第二目標像素點的灰度值之間的 第二函數關系式；
[0022] D(i，j) = (l-u)(l-v)*G(i，j)+u(l_v)*G(i，j+l) + ( l_u)v*G( i+1，j )+uv*G( i+1，j+ 1);
[0023] 根據所述第二函數關系式，確定出下述圖像邊緣檢測函數關系式；
[0024] C(/, /) - D{L./) = (v + M ~m;)^ +u(v -l) *G(i, j +!)+(? -l)v* G(i +1, j) -uv* G(i + \, / + 1) '
[0025] 其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖 像中第i行第j列的像素點的灰度值;G(i，j+Ι)代表目標圖像中第i行第j+Ι列的像素點的灰 度值;G(i + l，j)代表目標圖像中第i+Ι行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖 像中第i+Ι行第j+Ι列的像素點的灰度值;u代表在插值圖像中，第二目標像素點至與其對應 的第一目標像素點的橫向距離;v代表在插值圖像中，第二目標像素點至與其對應的第一目 標像素點的縱向距離。
[0026] 結合第一方面的第二種可能的實施方式，在第一方面的第三種可能的實施方式 中，所述根據所述圖像邊緣檢測函數關系式確定圖像邊緣檢測算子的過程，具體包括：
[0027] 將所述圖像邊緣檢測函數關系式變換為下述卷積形式的圖像邊緣檢測函數關系 式； Γηη〇Η? 代' ·、V ·、「V + W-?V v("-l)]「G(，，y) G{i,j + \)
[0028] G{i,j)-D{i,j)= _ _ "(ν' -1.) -m +l，.j〇 + + 1)」·'
[0029] 根據所述卷積形式的圖像邊緣檢測函數關系式確定出下述圖像邊緣檢測算子； v + u- uv v{u~\)
[0030] 7 ; ?(v-lj -uv
[0031] 其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖 像中第i行第j列的像素點的灰度值;G(i，j+1)代表目標圖像中第i行第j+Ι列的像素點的灰 度值;G(i + l，j)代表目標圖像中第i+Ι行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖 像中第i+Ι行第j+Ι列的像素點的灰度值;u代表在插值圖像中，第二目標像素點至與其對應 的第一目標像素點的橫向距離;v代表在插值圖像中，第二目標像素點至與其對應的第一目 標像素點的縱向距離。
[0032] 第二方面，本發明實施例提供了一種采用上述圖像邊緣檢測算子對待檢測圖像進 行圖像邊緣檢測的方法，該方法包括：
[0033] 根據針對待檢測圖像的預設插值倍率以及所述圖像邊緣檢測算子，確定針對所述 待檢測圖像的具體圖像邊緣檢測算子；
[0034]在獲得的待檢測圖像的最后一行像素點的下方增加一行像素點，在其最后一列像 素點的右側增加一列像素點，得到實際檢測圖像;增加的一行像素點通過復制待檢測圖像 的倒數第二行像素點獲得，增加的一列像素點通過復制待檢測圖像的倒數第二列像素點獲 得；
[0035]采用所述具體圖像邊緣檢測算子對所述實際檢測圖像進行圖像邊緣檢測，從而獲 得所述待檢測圖像的邊緣檢測圖像的灰度值信息。
[0036]結合第二方面，在第二方面的第一種可能的實施方式中，所述根據針對待檢測圖 像的預設插值倍率以及所述圖像邊緣檢測算子，確定針對所述待檢測圖像的具體圖像邊緣 檢測算子的過程，具體包括：
[0037] 獲取針對待檢測圖像的預設插值倍率M;
[0038] 根據所述預設插值倍率M，按照下述公式確定u和v的值；
[0040] 根據所述u和v的值以及所述圖像邊緣檢測算子，確定所述具體圖像邊緣檢測算 子。
[0041] 結合第二方面的第一種可能的實施方式，在第二方面的第二種可能的實施方式 中，所述采用所述具體圖像邊緣檢測算子對所述實際檢測圖像進行圖像邊緣檢測，從而獲 得所述待檢測圖像的邊緣檢測圖像的灰度值信息的過程，具體包括：
[0042] 獲取所述待檢測圖像的灰度值數據，并根據所述待檢測圖像的灰度值數據確定所 述實際檢測圖像的灰度值數據；
[0043] 按照下述公式，采用所述具體圖像邊緣檢測算子與所述實際檢測圖像的灰度值數 據進行卷積，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信息；
[0044] Β = \\Γ *Α\\ ;
[0045] 其中，D代表待檢測圖像的邊緣檢測圖像中像素點的灰度值，V代表所述實際檢測 圖像中2X2數據窗口的灰度值數據，A代表所述具體圖像邊緣檢測算子，| · |表示絕對值運 算，L·」表示向下取整。
[0046] 第三方面，本發明的實施例提供了一種獲取圖像邊緣檢測算子的裝置，該裝置包 括：
[0047] 區域劃分模塊，用于在目標圖像中，劃分出一個包括第一目標像素點的四鄰域;所 述第一目標像素點為所述四鄰域中行數索引和列數索引均最小的像素點；
[0048]插值處理模塊，用于對所述目標圖像進行雙線性插值處理，任選一個插入所述四 鄰域中的像素點作為第二目標像素點，建立所述第一目標像素點與所述第二目標像素點在 所述四鄰域中的位置關系；
[0049] 第一確定模塊，用于根據所述位置關系以及雙線性插值公式，確定圖像邊緣檢測 函數關系式，所述圖像邊緣檢測函數關系式用于計算所述第一目標像素點的灰度值與所述 第二目標像素點的灰度值的差值；
[0050] 第二確定模塊，用于根據所述圖像邊緣檢測函數關系式確定圖像邊緣檢測算子。
[0051] 結合第三方面，在第三方面的第一種可能的實施方式中，所述插值處理模塊包括：
[0052] 插值處理單元，用于以預設插值倍率，對所述目標圖像進行雙線性插值處理，獲得 所述目標圖像的插值圖像；
[0053] 像素點選取單元，用于在所述插值圖像中，選擇插入所述四鄰域中的第二目標像 素點，所述第二目標像素點位于所述四鄰域中倒數第二行像素點和倒數第二列像素點相交 的位置。
[0054]結合第三方面的第一種可能的實施方式，在第三方面的第二種可能的實施方式 中，所述第一確定模塊具體用于：
[0055] 根據所述位置關系，以及雙線性插值公式，確定出下述關于所述第一目標像素點 的灰度值與所述第二目標像素點的灰度值之間的第一函數關系式；
[0056] D(u，v) = (l-u)(l-v)*G(i，j)+u(l_v)*G(i，j+l) + ( l_u)v*G( i+1，j )+uv*G( i+1，j+ 1);
[0057] 確定所述目標圖像中的每一個像素點作為第一目標像素點時，所述插值圖像中對 應的第二目標像素點；
[0058] 提取所述插值圖像中所有所述第二目標像素點，按照所述目標圖像中所述第一目 標像素點的排列規則，將所有所述第二目標像素點重新排列，組成參考圖像；
[0059] 根據所述第二目標像素點在所述參考圖像中的位置坐標以及所述第一函數關系 式，確定出下述關于所述第一目標像素點的灰度值與所述第二目標像素點的灰度值之間的 第二函數關系式；
[0060] D(i，j) = (l-u)(l-v)*G(i，j)+u(l_v)*G(i，j+l) + ( l_u)v*G( i+1，j )+uv*G( i+1，j+ 1);
[0061] 根據所述第二函數關系式，確定出下述圖像邊緣檢測函數關系式；
[0062] G(z, /) - D(i,,/) = (v + u. - ιιν) * G(i, j) + ιι (v -1) * C7(/, / +1)+[u -1) v* G(i +1, /) - uy* C(/>l,y + S) *
[0063]其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖 像中第i行第j列的像素點的灰度值;G(i，j+1)代表目標圖像中第i行第j+Ι列的像素點的灰 度值;G(i + l，j)代表目標圖像中第i+Ι行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖 像中第i+Ι行第j+Ι列的像素點的灰度值;u代表在插值圖像中，第二目標像素點至與其對應 的第一目標像素點的橫向距離;v代表在插值圖像中，第二目標像素點至與其對應的第一目 標像素點的縱向距離。
[0064]結合第三方面的第二種可能的實施方式，在第三方面的第三種可能的實施方式 中，所述第二確定模塊具體用于：
[0065] 將所述圖像邊緣檢測函數關系式變換為下述卷積形式的圖像邊緣檢測函數關系 式； v+u-uv 1，(《 - .1)~|「.0(f, _/·): Gil, / + 1)
[0066] G(i,j)-D(i,j)= , λ; Κ J， ' 7 μ(ι/-1) -uv [(5(/ + 1,/) G(/ + 1,.;+1)J ；
[0067] 根據所述卷積形式的圖像邊緣檢測函數關系式確定出下述圖像邊緣檢測算子； V + K.- UV v(u-l)
[0068] ; -UV
[0069] 其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖 像中第i行第j列的像素點的灰度值;G(i，j+1)代表目標圖像中第i行第j+Ι列的像素點的灰 度值;G(i + l，j)代表目標圖像中第i+Ι行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖 像中第i+Ι行第j+Ι列的像素點的灰度值;u代表在插值圖像中，第二目標像素點至與其對應 的第一目標像素點的橫向距離;v代表在插值圖像中，第二目標像素點至與其對應的第一目 標像素點的縱向距離。
[0070] 第四方面，本發明實施例提供了一種采用上述圖像邊緣檢測算子對待檢測圖像進 行圖像邊緣檢測的裝置，該裝置包括：
[0071] 第三確定模塊，用于根據針對待檢測圖像的預設插值倍率以及所述圖像邊緣檢測 算子，確定針對所述待檢測圖像的具體圖像邊緣檢測算子；
[0072]圖像處理模塊，用于在獲得的待檢測圖像的最后一行像素點的下方增加一行像素 點，在其最后一列像素點的右側增加一列像素點，得到實際檢測圖像;增加的一行像素點通 過復制待檢測圖像的倒數第二行像素點獲得，增加的一列像素點通過復制待檢測圖像的倒 數第二列像素點獲得；
[0073]圖像邊緣檢測模塊，用于采用所述具體圖像邊緣檢測算子對所述實際檢測圖像進 行圖像邊緣檢測，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信息。
[0074]結合第四方面，在第四方面的第一種可能的實施方式中，所述第三確定模塊具體 用于：
[0075] 獲取針對待檢測圖像的預設插值倍率Μ;
[0076] 根據所述預設插值倍率Μ，按照下述公式確定u和ν的值；
[0078] 根據所述u和ν的值以及所述圖像邊緣檢測算子，確定所述具體圖像邊緣檢測算 子。
[0079] 結合第四方面的第一種可能的實施方式，在第四方面的第二種可能的實施方式 中，所述圖像邊緣檢測模塊包括：
[0080] 灰度值數據獲取單元，用于獲取所述待檢測圖像的灰度值數據，并根據所述待檢 測圖像的灰度值數據確定所述實際檢測圖像的灰度值數據；
[0081] 圖像邊緣檢測單元，用于按照下述公式，采用所述具體圖像邊緣檢測算子與所述 實際檢測圖像的灰度值數據進行卷積，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值 信息；
[0082] ?^\\Γ*Α\\χ
[0083] 其中，D代表待檢測圖像的邊緣檢測圖像中像素點的灰度值，V代表所述實際檢測 圖像中2X2數據窗口的灰度值數據，A代表所述具體圖像邊緣檢測算子，| · |表示絕對值運 算，L·」表示向下取整。
[0084] 本發明的實施例提供的技術方案可以包括以下有益效果：通過本發明公開的方 法，獲得的圖像邊緣檢測算子，應用于數字圖像的圖像邊緣檢測中時，由于融合了窗口數據 加權平均（圖像的雙線性插值處理過程）以及目標像素微小偏移（圖像的降采樣處理過程） 的作用，極大的減小了噪聲，得到的圖像邊緣信息更加豐富，圖像的輪廓更加清晰。同時，檢 測需要的數據窗口也比較小，亦即運算量比較小，所以，本發明公開的圖像邊緣檢測算子在 數字圖像的圖像邊緣檢測技術中，適用性更好。
[0085] 本發明實施例應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解 釋性的，并不能限制本公開。
【附圖說明】
[0086]此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本發明的實施 例，并與說明書一起用于解釋本發明的原理。
[0087] 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，下面將對實施例或現 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，對于本領域普通技術人員而 言，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
[0088] 圖1為本發明實施例提供的一種目標圖像的灰度值數據；
[0089] 圖2為圖1中目標圖像的各像素點的插值像素點的灰度值數據；
[0090] 圖3為圖1中目標圖像的邊緣檢測圖像的灰度值信息；
[0091 ]圖4為本發明實施例提供的一種獲取圖像邊緣檢測算子的方法的流程示意圖；
[0092]圖5為本發明實施例提供的另一種獲取圖像邊緣檢測算子的方法的流程示意圖；
[0093] 圖6為本發明實施例提供的一種采用上述圖像邊緣檢測算子對待檢測圖像進行圖 像邊緣檢測的方法的流程示意圖；
[0094] 圖7為本發明實施例提供的另一種采用上述圖像邊緣檢測算子對待檢測圖像進行 圖像邊緣檢測的方法的流程示意圖；
[0095] 圖8為本發明實施例提供的一種獲取圖像邊緣檢測算子的裝置的結構框圖；
[0096] 圖9為本發明實施例提供的另一種獲取圖像邊緣檢測算子的裝置的結構框圖；
[0097] 圖10為本發明實施例提供的一種采用上述圖像邊緣檢測算子對待檢測圖像進行 圖像邊緣檢測的裝置的結構框圖；
[0098] 圖11為本發明實施例提供的另一種采用上述圖像邊緣檢測算子對待檢測圖像進 行圖像邊緣檢測的裝置的結構框圖。
【具體實施方式】
[0099] 為了使本技術領域的人員更好地理解本發明中的技術方案，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 技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本發明保護 的范圍。
[0100] 在具體介紹本發明的實施例之前，先介紹一些與本發明公開的技術方案相關的技 術原理:將一幅目標圖像通過雙線性插值處理放大后，得到該目標圖像的插值圖像，之后通 過降采樣處理，再將所述插值圖像的尺寸縮小至目標圖像的尺寸，得到該目標圖像的參考 圖像。參考圖像的信息(包括灰度值信息）與目標圖像的信息基本相同，兩者之間僅存在一 個亞像素級別的微小偏移，目標圖像中各像素點的灰度值與參考圖像中位置對應(行數索 引和列數索引相同）的像素點的灰度值的差值，取絕對值后，能夠得到目標圖像的邊緣檢測 圖像的灰度值信息，即獲得以灰度值信息表征的目標圖像的圖像邊緣檢測結果，采用這些 灰度值信息可以繪制出邊緣檢測圖像。本文中，將目標圖像經過圖像邊緣檢測處理后，根據 檢測得到的灰度值信息繪制得到的圖像定義為邊緣檢測圖像，在邊緣檢測圖像中，人們可 以清楚看到目標圖像的輪廓，亦即，在邊緣檢測圖像中，對應目標圖像的邊緣位置為高亮顯 示，對應目標圖像的其它位置為黑色，因此，人們在邊緣檢測圖像中，只能看到目標圖像的 輪廓，此輪廓為目標圖像的邊緣。
[0101] 由上述技術原理可知，通過對目標圖像進行雙線性插值處理，為目標圖像中每一 個像素點確定出一個插值像素點后，計算出目標圖像中每一個像素點的灰度值與相應的插 值像素點的灰度值的差值，并對差值取絕對值后，就可以得到目標圖像的邊緣檢測圖像的 灰度值信息，例如，圖1中示出的是某一幅目標圖像的灰度值數據，其中示出了目標圖像中 每一個像素點的灰度值；圖2示出的是目標圖像的每一個像素點對應的插值像素點的灰度 值，其中，目標圖像中某個像素點在圖1中的位置和與該像素點對應的插值像素點在圖2中 的位置對應(行數索引和列數索引相同）；圖1中各像素點的灰度值分別與圖2中位置對應的 各像素點的灰度值相減后，差值取絕對值，就得到目標圖像的邊緣檢測圖像的灰度值信息， 圖3示出的是目標圖像的邊緣檢測圖像的灰度值信息，根據圖3示出的灰度值信息，能夠繪 出目標圖像的邊緣檢測圖像，邊緣檢測圖像中的高亮顯示位置為目標圖像的邊緣位置。
[0102] 具體計算時，可以在目標圖像中，以每一個像素點為目標像素點，構建一個包括該 目標像素點在內的四鄰域(在數字圖像中，四個彼此相鄰的像素點組成的區域，定義為一個 四鄰域），對目標圖像進行雙線性插值處理后，將插入四鄰域中的某個像素點作為該目標像 素點的插值像素點，對目標圖像中每一個像素點都進行相同的處理，即可得到目標圖像中 每一個像素點對應的插值像素點，之后對目標圖像中各像素點的灰度值分別與對應的插值 像素點的灰度值進行差值運算，并對運算結果取絕對值，就能夠得到目標圖像的邊緣檢測 圖像的灰度值信息。
[0103] 基于此，本發明提供了一種獲取圖像邊緣檢測算子的方法，通過本發明的方法得 到的圖像邊緣檢測算子，檢測用的數據窗口只要2X2數據窗口即可，運算量非常小。并且， 該圖像邊緣檢測算子由于融合了窗口數據加權平均（圖像的雙線性插值處理過程）以及目 標像素微小偏移(圖像的降采樣處理過程)的作用，極大的提高了抗噪聲性能，適用性更好。 [0104]下面結合附圖，詳細介紹本發明的具體實施例。
[0105] 如圖4所示，圖4示出的是本發明公開的一種獲取圖像邊緣檢測算子的方法的流程 圖，該方法包括：
[0106] 步驟11、在目標圖像中，劃分出一個包括第一目標像素點的四鄰域;所述第一目標 像素點為所述四鄰域中行數索引和列數索引均最小的像素點。
[0107] 本發明中，任意選取一幅數字圖像作為目標圖像，獲取目標圖像后，在目標圖像 中，任意選取一個像素點作為第一目標像素點，并在該目標圖像中劃分出一個四鄰域，四鄰 域中包括第一目標像素點，并且，在該四鄰域中，第一目標像素點位于四鄰域的左上角，其 行數索引和列數索引在四鄰域中均最小，本文中，采用行數索引和列數索引，表示像素點在 數字圖像中所處的行數和列數。
[0108] 步驟12、對所述目標圖像進行雙線性插值處理，任選一個插入所述四鄰域中的像 素點作為第二目標像素點，建立所述第一目標像素點與所述第二目標像素點在所述四鄰域 中的位置關系。
[0109] 以預設插值倍率，對目標圖像進行雙線性插值處理后，得到目標圖像的插值圖像， 在插值圖像中，任意選取一個插入四鄰域中的像素點作為第二目標像素點，優選的，為了之 后的圖像邊緣檢測的效果更好，選擇位于四鄰域中，倒數第二行像素點和倒數第二列像素 點相交位置的像素點作為第二目標像素點。其中，插值倍率指的是，對圖像進行插值處理 時，對圖像進行縮放的倍率，本文中，將對圖像進行縮放的倍率定義為插值倍率，預設插值 倍率的值可以隨意設定。
[0110] 步驟13、根據所述位置關系以及雙線性插值公式，確定圖像邊緣檢測函數關系式， 所述圖像邊緣檢測函數關系式用于計算所述第一目標像素點的灰度值與所述第二目標像 素點的灰度值的差值。
[0111] 在獲取目標圖像后，能夠獲取目標圖像的灰度值數據，本文中，圖像的灰度值數據 包括圖像中每一個像素點對應的灰度值。
[0112] 在插值圖像中，確定第一目標像素點與第二目標像素點在四鄰域中的位置關系之 后，根據雙線性插值公式，能夠采用第一目標像素點的灰度值以及四鄰域中其它像素點的 灰度值計算出第二目標像素點的灰度值，亦即能夠確定出第一目標像素點的灰度值與第二 目標像素點的灰度值之間的灰度值函數關系式，將該灰度值函數關系式變形之后，就可以 獲得差值函數關系式，用于計算第一目標像素點的灰度值與第二目標像素點的灰度值的差 值。
[0113] 將目標圖像中每一個像素點分別作為第一目標像素點，確定出每一個第一目標像 素點對應的第二目標像素點，采用上述差值函數關系式，計算出每一對第一目標像素點的 灰度值與第二目標像素點的灰度值的差值后，對差值進行絕對值運算就可以得到目標圖像 的邊緣檢測圖像的灰度值信息，因而，本發明中將差值函數關系式定義為圖像邊緣檢測函 數關系式，亦即采用該圖像邊緣檢測函數關系式對每一對第一目標像素點的灰度值與第二 目標像素點的灰度值進行運算后，對運算結果取絕對值就可以獲得目標圖像的邊緣檢測圖 像的灰度值信息，即獲得以灰度值信息表征的目標圖像的圖像邊緣檢測結果，根據這些灰 度值信息，能夠繪制出目標圖像的邊緣檢測圖像，邊緣檢測圖像中的高亮顯示位置為目標 圖像的邊緣位置。
[0114] 步驟14、根據所述圖像邊緣檢測函數關系式確定圖像邊緣檢測算子。
[0115] 將任意一幅數字圖像作為目標圖像，都可以采用步驟11至步驟13的方法，獲得該 目標圖像的邊緣檢測圖像的灰度值信息，但這個過程運算量較大，為了簡化運算步驟，減小 運算量，可以將圖像邊緣檢測函數關系式變形為卷積形式，之后可以從卷積形式的圖像邊 緣檢測函數關系式中提取出通用的圖像邊緣檢測算子，該圖像邊緣檢測算子可以應用于任 何數字圖像的圖像邊緣檢測中。
[0116] 通過本實施例提供的方法，可以獲得一種通用的圖像邊緣檢測算子，將該圖像邊 緣檢測算子應用于待檢測圖像的圖像邊緣檢測技術中時，僅需要2X2的數據窗口，即可對 待檢測圖像進行圖像邊緣檢測，運算量非常小，同時由于采用該圖像邊緣檢測算子對待檢 測圖像進行圖像邊緣檢測的過程，融合了窗口數據加權平均（圖像的雙線性插值處理過程） 以及目標像素微小偏移的作用（圖像的降采樣處理過程），使得檢測結果受噪聲影響較小， 檢測后，根據檢測得到的邊緣檢測圖像的灰度值信息繪制的邊緣檢測圖像中，待檢測圖像 的邊緣更加清晰。
[0117] 如圖5所示，圖5示出的是本發明公開的另一種獲取圖像邊緣檢測算子的方法的流 程圖，該方法包括：
[0118] 步驟21、在目標圖像中，劃分出一個包括第一目標像素點的四鄰域;所述第一目標 像素點為所述四鄰域中行數索引和列數索引均最小的像素點。
[0119] 具體實施時，將所述第一目標像素點的灰度值記為G(i，j)，將所述四鄰域中其它 像素點的灰度值分別記為G(i，j+1)，G(i+1，j)，G(i+Ι，j+Ι)。
[0120] 步驟22、對所述目標圖像進行雙線性插值處理，任選一個插入所述四鄰域中的像 素點作為第二目標像素點，建立所述第一目標像素點與所述第二目標像素點在所述四鄰域 中的位置關系。
[0121 ]步驟23、根據所述位置關系，以及雙線性插值公式，確定出關于所述第一目標像素 點的灰度值與所述第二目標像素點的灰度值之間的第一灰度值函數關系式。
[0122] 在本實施例中，第一灰度值函數關系式如下：
[0123] D(u，v) = (l-u)(l-v)*G(i，j)+u(l_v)*G(i，j+l) + ( l_u)v*G( i+1，j )+uv*G( i+1，j+ l)〇
[0124] 對目標圖像進行雙線性插值處理后，得到目標圖像的插值圖像，第一灰度值函數 關系式表明，在插值圖像中，明確第一目標像素點與第二目標像素點在四鄰域中的位置關 系后，就可以利用雙線性插值公式以及第一目標像素點的灰度值和四鄰域中其它像素點的 灰度值，計算出第二目標像素點的灰度值，亦即根據第一目標像素點與第二目標像素點在 插值圖像中的位置關系，獲得第一目標像素點的灰度值與第二目標像素點的灰度值的第一 灰度值函數關系式。
[0125] 步驟24、確定所述目標圖像中的每一個像素點作為第一目標像素點時，所述插值 圖像中對應的第二目標像素點。
[0126] 對于目標圖像中的每一個像素點，將其作為第一目標像素點時，在對應的插值圖 像中，均有一個第二目標像素點與其對應。在插值圖像中，確定出每一個第一目標像素點對 應的第二目標像素點。
[0127] 步驟25、提取所述插值圖像中所有所述第二目標像素點，按照所述目標圖像中所 述第一目標像素點的排列規則，將所有所述第二目標像素點重新排列，組成參考圖像。
[0128] 將插值圖像中的所有第二目標像素點單獨提出，按照對應的第一目標像素點在目 標圖像中的排列規則，將提出的第二目標像素點重新排列，組成一幅新的圖像，本文中，將 該新的圖像定義為參考圖像。
[0129] 步驟26、根據所述第二目標像素點在所述參考圖像中的位置坐標以及所述第一灰 度值函數關系式，確定出關于所述第一目標像素點的灰度值與所述第二目標像素點的灰度 值之間的第二灰度值函數關系式。
[0130] 在本實施例中，第二灰度值函數關系式如下：
[0131] D(i，j) = (l-u)(l-v)*G(i，j)+u(l_v)*G(i，j+l) + ( l_u)v*G( i+1，j )+uv*G( i+1，j+ l)〇
[0132] 對于一對相互對應的第一目標像素點和第二目標像素點，第二目標像素點在參考 圖像中的位置坐標，與第一目標像素點在目標圖像中的位置坐標相對應，兩者在各自圖像 中的行數索引和列數索引均相同。基于此，結合第一目標像素點與第二目標像素點在插值 圖像中的位置對應關系，第一灰度值函數關系式可以變為第二灰度值函數關系式。
[0133] 步驟27、根據所述第二灰度值函數關系式，確定出圖像邊緣檢測函數關系式。
[0134] 在本實施例中，圖像邊緣檢測函數關系式如下：
[0135] G(i, j) - B(i, j) = (v + u - uv) * G{i, /) + w (v -1) * G{i, j +1)+(/./ -1) v * G{i + I, j) - av * (;(/-+-1,./ + 1) °
[0136] 對于目標圖像與參考圖像，參考圖像中像素點的數目與目標圖像中像素點的數目 相同，且參考圖像中與目標圖像中，像素點的排列規則也相同，因此，參考圖像的大小與目 標圖像的大小也相同，參考圖像與目標圖像的信息基本相同，兩者之間僅存在一個亞像素 級別的偏移。因此，通過對相應的目標圖像中的第一目標像素點的灰度值與參考圖像中的 第二目標像素點的灰度值進行差值運算，并對差值運算的結果再次進行絕對值運算后，即 可獲得目標圖像的邊緣檢測圖像的灰度值信息。
[0137] 基于此，將第二灰度值函數關系式變形后，獲得差值函數關系式，用于計算第一目 標像素點的灰度值與第二目標像素點的灰度值的差值。本文中，將該差值函數關系式定義 為圖像邊緣檢測函數關系式，通過該圖像邊緣檢測函數關系式，對目標圖像中的每一個像 素點都進行相應的運算后，能夠獲得目標圖像的邊緣檢測圖像的灰度值信息，即獲得以灰 度值信息表征的目標圖像的圖像邊緣檢測結果，根據這些灰度值信息，能夠繪制出目標圖 像的邊緣檢測圖像，邊緣檢測圖像中的高亮顯示位置為目標圖像的邊緣位置。
[0138] 步驟28、將所述圖像邊緣檢測函數關系式變換為卷積形式的圖像邊緣檢測函數關 系式。
[0139] 在本實施例中，卷積形式的圖像邊緣檢測函數關系式如下： v + u- UV v.(m'G(i,j + 1)
[0140] 輝1 J Λ Κ J J . "(ν' -I) -uv 0(/ + 1,./.) G(/ + lv/ + l)_ ?
[0141] 步驟29、根據所述卷積形式的圖像邊緣檢測函數關系式確定出圖像邊緣檢測算 子。
[0142] 在本實施例中，圖像邊緣檢測算子如下： v + u- uv
[0143] 、 ！。 U v - !) -υν
[0144] 其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖 像中第i行第j列的像素點的灰度值;G(i，j+1)代表目標圖像中第i行第j+Ι列的像素點的灰 度值;G(i + l，j)代表目標圖像中第i+Ι行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖 像中第i+Ι行第j+Ι列的像素點的灰度值;u代表在插值圖像中，第二目標像素點至與其對應 的第一目標像素點的橫向距離;v代表在插值圖像中，第二目標像素點至與其對應的第一目 標像素點的縱向距離。
[0145] 在具體對某一幅待檢測數字圖像進行圖像邊緣檢測時，根據獲得的針對該待檢測 數字圖像的預設插值倍率Μ，按照公式
_，Ν的取值范圍為1~Μ，Μ和Ν的值可以隨 意設置，計算出u和ν的值之后，就可以獲得相應的具體圖像邊緣檢測算子，采用具體圖像邊 緣檢測算子即可對待檢測數字圖像進行圖像邊緣檢測，無需再運算上述步驟21至步驟28， 即可獲得所述待檢測數字圖像的邊緣檢測圖像的灰度值信息，可以將該圖像邊緣檢測算子 應用到任意的數字圖像的圖像邊緣檢測中。
[0146] 令圖像邊緣檢測算子中u = 0,可以得到橫向圖像邊緣檢測算子I ^，用于對數 _0 0 字圖像的橫向邊緣進行檢測；同理，令圖像邊緣檢測算子中ν = 〇,可以得到縱向圖像邊緣檢 測算子M Z，用于對數字圖像的縱向邊緣進行檢測。 -u 0
[0147] 本實施例提供的方法，通過對目標圖像進行雙線性插值處理和降采樣處理后，采 用目標圖像的灰度值與經過雙重處理后的圖像的灰度值做差值，獲得目標圖像的邊緣檢測 圖像的灰度值信息，進而獲得通用的圖像邊緣檢測算子，采用該圖像邊緣檢測算子對待檢 測圖像進行圖像邊緣檢測時，由于融合了窗口數據加權平均（圖像的雙線性插值處理過程） 以及目標像素微小偏移（圖像的降采樣處理過程)的作用，使得檢測結果受噪聲影響較小， 檢測后根據得到的邊緣檢測圖像的灰度值信息繪制的邊緣檢測圖像中，待檢測圖像的輪廓 更加清晰。并且，由該圖像邊緣檢測算子可以得到橫向圖像邊緣檢測算子，能夠對待檢測圖 像進行橫向邊緣檢測，同理，由該圖像邊緣檢測算子也可以得到縱向圖像邊緣檢測算子，能 夠對待檢測圖像進行縱向邊緣檢測，應用更加靈活，適用性更好。
[0148] 如圖6所示，圖6示出的是本發明公開的一種采用上述圖像邊緣檢測算子對待檢測 圖像進行圖像邊緣檢測的方法的流程圖，該方法包括：
[0149] 步驟31、根據針對待檢測圖像的預設插值倍率以及所述圖像邊緣檢測算子，確定 針對所述待檢測圖像的具體圖像邊緣檢測算子。
[0150] 在確定待檢測圖像之后，獲取待檢測圖像相關的預設插值倍率M，根據預設插值倍 率Μ計算出圖像邊緣檢測算子中u和v的值，其中
，Ν的取值范圍為1~Μ，Μ和Ν的 值可以隨意設置，進而確定具體圖像邊緣檢測算子，以便用于之后的待檢測圖像的圖像邊 緣檢測中。
[0151]步驟32、在獲得的待檢測圖像的最后一行像素點的下方增加一行像素點，在其最 后一列像素點的右側增加一列像素點，得到實際檢測圖像;增加的一行像素點通過復制待 檢測圖像的倒數第二行的像素點獲得，增加的一列像素點通過復制待檢測圖像的倒數第二 列的像素點獲得。
[0152] 具體圖像邊緣檢測算子是一個2X2的算子，采用該算子進行圖像邊緣檢測時，需 要一個2X2的數據窗口，對于待檢測圖像的最后一行像素點和最后一列像素點的灰度值信 息，無法采用該算子進行檢測，因此，需要在待檢測圖像的最后一行像素點的下方增加一行 像素點，以便能夠采用該算子對待檢測圖像的最后一行像素點的灰度值信息進行檢測，同 理，需要在待檢測圖像的最后一列像素點的右側增加一列像素點，以便能夠采用該算子對 待檢測圖像的最后一列像素點的灰度值信息進行檢測。
[0153] 為了保證增加的一行像素點與增加的一列像素點，不會對待檢測圖像的灰度值信 息造成太大的影響，在待檢測圖像中增加的一行像素點和增加的一列像素點通過以下方式 獲得:增加的一行像素點通過復制待檢測圖像的倒數第二行像素點獲得，增加的一列像素 點通過復制待檢測圖像的倒數第二列像素點獲得。
[0154] 步驟33、采用所述具體圖像邊緣檢測算子對所述實際檢測圖像進行圖像邊緣檢 測，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信息。
[0155] 在待檢測圖像中增加一行像素點和一列像素點，獲得實際檢測圖像后，從實際檢 測圖像中，行數索引和列數索引均為第一的像素點開始，依次在實際檢測圖像中選取2X2 數據窗口的灰度值數據，與具體圖像邊緣檢測算子進行卷積，遍歷完整幅實際檢測圖像之 后，便可獲得待檢測圖像的邊緣檢測圖像的灰度值信息，即獲得以灰度值信息表征的待檢 測圖像的圖像邊緣檢測結果，根據這些灰度值信息，能夠繪制出待檢測圖像的邊緣檢測圖 像，邊緣檢測圖像中的高亮顯示位置為待檢測圖像的邊緣位置。
[0156]采用本實施例提供的方法，只要對待檢測圖像稍作處理，即可采用本發明提供的 圖像邊緣檢測算子對處理后的待檢測圖像進行圖像邊緣檢測，進而獲得待檢測圖像的邊緣 檢測圖像的灰度值信息，整個運算過程，運算量非常小，并且由于采用本發明提供的圖像邊 緣檢測算子，對待檢測圖像進行圖像邊緣檢測時，檢測結果受噪聲影響較小，檢測后，根據 得到的灰度值信息繪制的邊緣檢測圖像中，待檢測圖像的邊緣更加清晰。
[0157]如圖7所示，圖7示出的是本發明公開的另一種采用上述圖像邊緣檢測算子對待檢 測圖像進行圖像邊緣檢測的方法的流程圖，該方法包括：
[0158] 步驟41、獲取針對待檢測圖像的預設插值倍率。
[0159] 具體實施時，將預設差值倍率記為M。
[0160]步驟42、根據所述預設插值倍率，確定u和v的值。
[0161] 在本實施例中，按照公式
確定u和v的值。
[0162] 在上述獲取圖像邊緣檢測算子的過程中，如果每一個第二目標像素點均位于相應 四鄰域中倒數第二行像素點和倒數第二列像素點相交的位置，得到的參考圖像與目標圖像 的偏移最大，按照此種方式獲得的圖像邊緣檢測算子，被應用于之后對待檢測圖像進行圖 像邊緣檢測中，得到的邊緣檢測圖像中，待檢測圖像的邊緣更加清晰。按照此種方式，對應 的u和v的值按照公式
確定。
[0163] 步驟43、根據所述u和v的值以及所述圖像邊緣檢測算子，確定所述具體圖像邊緣 檢測算子。
[0164] 在本實施例中，將具體圖像邊緣檢測算子記為A。將u和v的值代入圖像邊緣檢測算 子中計算，便可獲得具體圖像邊緣檢測算子A。
[0165] 步驟44、在獲得的待檢測圖像的最后一行像素點的下方增加一行像素點，在其最 后一列像素點的右側增加一列像素點，得到實際檢測圖像;增加的一行像素點通過復制待 檢測圖像的倒數第二行像素點獲得，增加的一列像素點通過復制待檢測圖像的倒數第二列 像素點獲得。
[0166] 步驟45、獲取所述待檢測圖像的灰度值數據，并根據所述待檢測圖像的灰度值數 據確定所述實際檢測圖像的灰度值數據。
[0167] 將待檢測圖像的倒數第二行像素點的灰度值數據增加至待檢測圖像的最后一行 像素點的灰度值數據的下方，將待檢測圖像的倒數第二列像素點的灰度值數據增加至待檢 測圖像的最后一列像素點的灰度值數據的右側，便可得到實際檢測圖像的灰度值數據。
[0168] 步驟46、采用所述具體圖像邊緣檢測算子與所述實際檢測圖像的灰度值數據進行 卷積，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信息。
[0169] 具體實施時，按照公式= 采用所述具體圖像邊緣檢測算子與所述實際 檢測圖像的灰度值數據進行卷積，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信 息。
[0170] 其中，D代表所述待檢測圖像的邊緣檢測圖像中像素點的灰度值，V代表所述實際 檢測圖像中2X2數據窗口的灰度值數據，A代表所述具體圖像邊緣檢測算子，| · |表示絕對 值運算，b·」表示向下取整。
[0171] 采用具體圖像邊緣檢測算子與實際檢測圖像的灰度值數據進行卷積后，得到的卷 積結果會出現浮點數，考慮到數字圖像的灰度值均以整數表示，對卷積結果進行取整運算， 本文中取整運算是指:取小于浮點數的最大整數作為相應浮點數的取整結果，即向下取整。 [0172]按照上述公式計算得到待檢測圖像的邊緣檢測圖像的灰度值信息后，即獲得以灰 度值信息表征的待檢測圖像的邊緣檢測結果后，根據得到的灰度值信息進行繪圖，即可得 到待檢測圖像的邊緣檢測圖像，在邊緣檢測圖像中，待檢測圖像的邊緣位置為高亮顯示。
[0173] 采用本實施例提供的方法，由于在確定具體圖像邊緣檢測算子的過程中，ι^Ρν的 值按照公式
確定，采用此方式確定的具體圖像邊緣檢測算子對待檢測圖像進 行圖像邊緣檢測后，根據得到的邊緣檢測圖像的灰度值信息，繪制的邊緣檢測圖像中，待檢 測圖像的邊緣最為清晰。
[0174] 與上述獲取圖像邊緣檢測算子的方法以及采用上述圖像邊緣檢測算子對待檢測 圖像進行圖像邊緣檢測的方法相對應，本發明實施例還公開了一種獲取圖像邊緣檢測算子 的裝置以及采用上述圖像邊緣檢測算子對待檢測圖像進行圖像邊緣檢測的裝置。
[0175] 如圖8所示，圖8示出的是本發明公開的一種獲取圖像邊緣檢測算子的裝置的結構 框圖，該裝置包括：
[0176] 區域劃分模塊51，用于在目標圖像中，劃分出一個包括第一目標像素點的四鄰域； 所述第一目標像素點為所述四鄰域中行數索引和列數索引均最小的像素點；
[0177] 插值處理模塊52，用于對所述目標圖像進行雙線性插值處理，任選一個插入所述 四鄰域中的像素點作為第二目標像素點，建立所述第一目標像素點與所述第二目標像素點 在所述四鄰域中的位置關系；
[0178] 第一確定模塊53,用于根據所述位置關系以及雙線性插值公式，確定圖像邊緣檢 測函數關系式，所述圖像邊緣檢測函數關系式用于計算所述第一目標像素點的灰度值與所 述第二目標像素點的灰度值的差值；
[0179] 第二確定模塊54,用于根據所述圖像邊緣檢測函數關系式確定圖像邊緣檢測算 子。
[0180] 采用本實施例提供的裝置，可以獲得一種通用的圖像邊緣檢測算子，將該圖像邊 緣檢測算子應用于待檢測圖像的圖像邊緣檢測技術中，在減小運算量的同時，極大的提高 了抗噪聲能力，使得檢測后，根據檢測得到的灰度值信息繪制得到的邊緣檢測圖像中，待檢 測圖像的輪廓更加清晰。
[0181]如圖9所示，圖9示出的是本發明公開的另一種獲取圖像邊緣檢測算子的裝置的結 構框圖，該裝置包括：區域劃分模塊51，插值處理模塊52,第一確定模塊53以及第二確定模 塊54;
[0182] 其中，插值處理模塊52包括：
[0183] 插值處理單元521，用于以預設插值倍率，對所述目標圖像進行雙線性插值處理， 獲得所述目標圖像的插值圖像；
[0184] 像素點選取單元522,用于在所述插值圖像中，選擇插入所述四鄰域中的第二目標 像素點，所述第二目標像素點位于所述四鄰域中倒數第二行像素點和倒數第二列像素點相 交的位置；
[0185]第一確定模塊53具體用于：
[0186] 根據所述位置關系，以及雙線性插值公式，確定出下述關于所述第一目標像素點 的灰度值與所述第二目標像素點的灰度值之間的第一函數關系式；
[0187] D(u，v) = (l-u)(l-v)*G(i，j)+u(l_v)*G(i，j+l) + ( l_u)v*G( i+1，j )+uv*G( i+1，j+ 1);
[0188] 確定所述目標圖像中的每一個像素點作為第一目標像素點時，所述插值圖像中對 應的第二目標像素點；
[0189] 提取所述插值圖像中所有所述第二目標像素點，按照所述目標圖像中所述第一目 標像素點的排列規則，將所有所述第二目標像素點重新排列，組成參考圖像；
[0190] 根據所述第二目標像素點在所述參考圖像中的位置坐標以及所述第一函數關系 式，確定出下述關于所述第一目標像素點的灰度值與所述第二目標像素點的灰度值之間的 第二函數關系式；
[0191] D(i，j) = (l_u)(l_v)*G(i，j)+u(l_v)*G(i，j+1) + (l_u)v*G(i+1，j)+uv*G(i+1，j+ 1);
[0192] 根據所述第二函數關系式，確定出下述圖像邊緣檢測函數關系式；
[0193] G(i, j) - D(i, /) = (v + ? - ?/ι·) * G{i, j) + ?(v -1) ^ G(i, j +1)+(/..- - i) v * G{i. + I,./) - uv * G(/.十 1,./ + 1) '
[0194] 第二確定模塊54具體用于：
[0195] 將所述圖像邊緣檢測函數關系式變換為下述卷積形式的圖像邊緣檢測函數關系 式； v + u - uv v'("_l)]「G(/.，/). (7(7,/.+ 1)
[0196] (;(/·,/·) -Z)(/,/)= , ' Κ J ' μ (v - 1.) -uv 」|_G(i +1,./) G.G +1，J +1)」；
[0197] 根據所述卷積形式的圖像邊緣檢測函數關系式確定出下述圖像邊緣檢測算子； v + u - uv -1)
[0198] v 7 ; ?(v-l) -uv
[0199] 其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖 像中第i行第j列的像素點的灰度值;G(i，j+Ι)代表目標圖像中第i行第j+Ι列的像素點的灰 度值;G(i + l，j)代表目標圖像中第i+Ι行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖 像中第i+Ι行第j+Ι列的像素點的灰度值;u代表在插值圖像中，第二目標像素點至與其對應 的第一目標像素點的橫向距離;v代表在插值圖像中，第二目標像素點至與其對應的第一目 標像素點的縱向距離。
[0200] 通過本實施例提供的裝置獲得的圖像邊緣檢測算子，由于融合了窗口數據加權平 均（圖像的雙線性插值處理過程）以及目標像素微小偏移（圖像的降采樣處理過程)的作用， 將其應用于待檢測圖像的圖像邊緣檢測中，檢測結果受噪聲影響較小，根據檢測后得到的 灰度值信息，繪制得到的邊緣檢測圖像中，待檢測圖像的輪廓更加清晰。
[0201] 如圖10所示，圖10示出的是本發明公開的一種采用上述圖像邊緣檢測算子對待檢 測圖像進行圖像邊緣檢測的裝置，該裝置包括：
[0202] 第三確定模塊61，用于根據針對待檢測圖像的預設插值倍率以及所述圖像邊緣檢 測算子，確定針對所述待檢測圖像的具體圖像邊緣檢測算子；
[0203]圖像處理模塊62,用于在獲得的待檢測圖像的最后一行像素點的下方增加一行像 素點，在其最后一列像素點的右側增加一列像素點，得到實際檢測圖像;增加的一行像素點 通過復制待檢測圖像的倒數第二行像素點獲得，增加的一列像素點通過復制待檢測圖像的 倒數第二列像素點獲得；
[0204] 圖像邊緣檢測模塊63,用于采用所述具體圖像邊緣檢測算子對所述實際檢測圖像 進行圖像邊緣檢測，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信息。
[0205] 采用本實施例提供的裝置，對待檢測圖像進行圖像邊緣檢測時，檢測結果受噪聲 影響較小，檢測后，根據得到的灰度值信息繪制的邊緣檢測圖像中，待檢測圖像的邊緣更加 清晰。
[0206] 如圖11所示，圖11示出的是本發明公開的另一種采用上述圖像邊緣檢測算子對待 檢測圖像進行圖像邊緣檢測的裝置，該裝置包括:第三確定模塊61，圖像處理模塊62,圖像 邊緣檢測模塊63;
[0207]其中，第三確定模塊61具體用于：
[0208] 獲取針對待檢測圖像的預設插值倍率Μ;
[0209] 根據所述預設插值倍率Μ，按照下述公式確定u和ν的值；
[0211] 根據所述u和ν的值以及所述圖像邊緣檢測算子，確定所述具體圖像邊緣檢測算 子。
[0212] 圖像邊緣檢測模塊63包括：
[0213] 灰度值數據獲取單元631，用于獲取所述待檢測圖像的灰度值數據，并根據所述待 檢測圖像的灰度值數據確定所述實際檢測圖像的灰度值數據；
[0214] 圖像邊緣檢測單元632,用于按照下述公式，采用所述具體圖像邊緣檢測算子與所 述實際檢測圖像的灰度值數據進行卷積，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度 值信息；
[0215] ；
[0216] 其中，D代表待檢測圖像的邊緣檢測圖像中像素點的灰度值，V代表所述實際檢測 圖像中2X2數據窗口的灰度值數據，A代表所述具體圖像邊緣檢測算子，| · |表示絕對值運 算，L·」表示向下取整。
[0217] 采用本實施例提供的裝置，對待檢測圖像進行圖像邊緣檢測時，由于在確定具體 圖像邊緣檢測算子的過程中，u和ν的值按照公式
確定，使得檢測后，根據得到 的邊緣檢測圖像的灰度值信息，繪制的邊緣檢測圖像中，待檢測圖像的邊緣最為清晰。
[0218] 本說明書中的各個實施例均采用遞進的方式描述，各個實施例之間相同相似的部 分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于裝置或 系統實施例而言，由于其基本相似于方法實施例，所以描述得比較簡單，相關之處參見方法 實施例的部分說明即可。以上所描述的裝置及系統實施例僅僅是示意性的，其中作為分離 部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也 可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上。可以根據實 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 在不付出創造性勞動的情況下，即可以理解并實施。
[0219]需要說明的是，在本文中，諸如"第一"和"第二"等之類的關系術語僅僅用來將一 個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之 間存在任何這種實際的關系或者順序。而且，術語"包括"、"包含"或者其任何其他變體意在 涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些 要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設 備所固有的要素。在沒有更多限制的情況下，由語句"包括一個……"限定的要素，并不排除 在包括要素的過程、方法、物品或者設備中還存在另外的相同要素。
[0220]以上僅是本發明的【具體實施方式】，應當指出，對于本技術領域的普通技術人員來 說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為 本發明的保護范圍。
【主權項】
1. 一種獲取圖像邊緣檢測算子的方法，其特征在于，包括： 在目標圖像中，劃分出一個包括第一目標像素點的四鄰域;所述第一目標像素點為所 述四鄰域中行數索引和列數索引均最小的像素點； 對所述目標圖像進行雙線性插值處理，任選一個插入所述四鄰域中的像素點作為第二 目標像素點，建立所述第一目標像素點與所述第二目標像素點在所述四鄰域中的位置關 系； 根據所述位置關系W及雙線性插值公式，確定圖像邊緣檢測函數關系式，所述圖像邊 緣檢測函數關系式用于計算所述第一目標像素點的灰度值與所述第二目標像素點的灰度 值的差值； 根據所述圖像邊緣檢測函數關系式確定圖像邊緣檢測算子。2. 根據權利要求1所述的方法，其特征在于，所述對所述目標圖像進行雙線性插值處 理，任選一個插入所述四鄰域中的像素點作為第二目標像素點的過程，具體包括： W預設插值倍率，對所述目標圖像進行雙線性插值處理，獲得所述目標圖像的插值圖 像； 在所述插值圖像中，選擇插入所述四鄰域中的第二目標像素點，所述第二目標像素點 位于所述四鄰域中倒數第二行像素點和倒數第二列像素點相交的位置。3. 根據權利要求2所述的方法，其特征在于，所述根據所述位置關系W及雙線性插值公 式，確定圖像邊緣檢測函數關系式的過程，具體包括： 根據所述位置關系，W及雙線性插值公式，確定出下述關于所述第一目標像素點的灰 度值與所述第二目標像素點的灰度值之間的第一函數關系式； D(u,v)=(l-u)(l-v)*G(i,j)+u(l-v)*G(i,j+1)+(l_u)v*G(i+l,j)+uv*G(i+l,j+1); 確定所述目標圖像中的每一個像素點作為第一目標像素點時，所述插值圖像中對應的 第二目標像素點； 提取所述插值圖像中所有所述第二目標像素點，按照所述目標圖像中所述第一目標像 素點的排列規則，將所有所述第二目標像素點重新排列，組成參考圖像； 根據所述第二目標像素點在所述參考圖像中的位置坐標W及所述第一函數關系式，確 定出下述關于所述第一目標像素點的灰度值與所述第二目標像素點的灰度值之間的第二 函數關系式； D(i,j)=(l-u)(l_v)*G(i,j)+u(l-v)*G(i,j+1)+(1-u)v*G(i+l,j)+uv*G(i+l,j+1); 根據所述第二函數關系式，確定出下述圖像邊緣檢測函數關系式； 作-D(/'./) = (r + " - "V);乂'X'.,./) + " (1.' - 1) * G(/'./ 十 1)+ ("-叫 V * G(/ +1'./)-刖' * 例'.+ 1，'/+1) ' 其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖像中 第i行第j列的像素點的灰度值;G(i，j + 1)代表目標圖像中第i行第j + 1列的像素點的灰度 值;G(i+l，j)代表目標圖像中第i+1行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖像 中第i+1行第j+1列的像素點的灰度值;U代表在插值圖像中，第二目標像素點至與其對應的 第一目標像素點的橫向距離;V代表在插值圖像中，第二目標像素點至與其對應的第一目標 像素點的縱向距離。4. 根據權利要求3所述的方法，其特征在于，所述根據所述圖像邊緣檢測函數關系式確 定圖像邊緣檢測算子的過程，具體包括： 將所述圖像邊緣檢測函數關系式變換為下述卷積形式的圖像邊緣檢測函數關系式；根據所述卷積形式的圖像邊緣檢測函數關系式確定出下述圖像邊緣檢測算子；其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖像中 第i行第j列的像素點的灰度值;G(i，j + 1)代表目標圖像中第i行第j + 1列的像素點的灰度 值;G(i+l，j)代表目標圖像中第i+1行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖像 中第i+1行第j+1列的像素點的灰度值;U代表在插值圖像中，第二目標像素點至與其對應的 第一目標像素點的橫向距離;V代表在插值圖像中，第二目標像素點至與其對應的第一目標 像素點的縱向距離。5. -種采用權利要求1至4任意一項所述的圖像邊緣檢測算子對待檢測圖像進行圖像 邊緣檢測的方法，其特征在于，包括： 根據針對待檢測圖像的預設插值倍率W及所述圖像邊緣檢測算子，確定針對所述待檢 測圖像的具體圖像邊緣檢測算子； 在獲得的待檢測圖像的最后一行像素點的下方增加一行像素點，在其最后一列像素點 的右側增加一列像素點，得到實際檢測圖像;增加的一行像素點通過復制待檢測圖像的倒 數第二行像素點獲得，增加的一列像素點通過復制待檢測圖像的倒數第二列像素點獲得； 采用所述具體圖像邊緣檢測算子對所述實際檢測圖像進行圖像邊緣檢測，從而獲得所 述待檢測圖像的邊緣檢測圖像的灰度值信息。6. 根據權利要求5所述的方法，其特征在于，所述根據針對待檢測圖像的預設插值倍率 W及所述圖像邊緣檢測算子，確定針對所述待檢測圖像的具體圖像邊緣檢測算子的過程， 具體包括： 獲取針對待檢測圖像的預設插值倍率M; 根據所述預設插值倍率M，按照下述公式確定U和V的值；根據所述U和V的值W及所述圖像邊緣檢測算子，確定所述具體圖像邊緣檢測算子。7. 根據權利要求6所述的方法，其特征在于，所述采用所述具體圖像邊緣檢測算子對所 述實際檢測圖像進行圖像邊緣檢測，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信 息的過程，具體包括： 獲取所述待檢測圖像的灰度值數據，并根據所述待檢測圖像的灰度值數據確定所述實 際檢測圖像的灰度值數據； 按照下述公式，采用所述具體圖像邊緣檢測算子與所述實際檢測圖像的灰度值數據進 行卷積，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信息； 島； 其中，D代表待檢測圖像的邊緣檢測圖像中像素點的灰度值，1/代表所述實際檢測圖像 中2X2數據窗口的灰度值數據，A代表所述具體圖像邊緣檢測算子，I · I表示絕對值運算， J」表示向下取整。8. -種獲取圖像邊緣檢測算子的裝置，其特征在于，包括： 區域劃分模塊，用于在目標圖像中，劃分出一個包括第一目標像素點的四鄰域;所述第 一目標像素點為所述四鄰域中行數索引和列數索引均最小的像素點； 插值處理模塊，用于對所述目標圖像進行雙線性插值處理，任選一個插入所述四鄰域 中的像素點作為第二目標像素點，建立所述第一目標像素點與所述第二目標像素點在所述 四鄰域中的位置關系； 第一確定模塊，用于根據所述位置關系W及雙線性插值公式，確定圖像邊緣檢測函數 關系式，所述圖像邊緣檢測函數關系式用于計算所述第一目標像素點的灰度值與所述第二 目標像素點的灰度值的差值； 第二確定模塊，用于根據所述圖像邊緣檢測函數關系式確定圖像邊緣檢測算子。9. 根據權利要求8所述的裝置，其特征在于，所述插值處理模塊包括： 插值處理單元，用于W預設插值倍率，對所述目標圖像進行雙線性插值處理，獲得所述 目標圖像的插值圖像； 像素點選取單元，用于在所述插值圖像中，選擇插入所述四鄰域中的第二目標像素點， 所述第二目標像素點位于所述四鄰域中倒數第二行像素點和倒數第二列像素點相交的位 置。10. 根據權利要求9所述的裝置，其特征在于，所述第一確定模塊具體用于： 根據所述位置關系，W及雙線性插值公式，確定出下述關于所述第一目標像素點的灰 度值與所述第二目標像素點的灰度值之間的第一函數關系式； D(u,v)=(l-u)(l-v)*G(i,j)+u(l-v)*G(i,j+1)+(l_u)v*G(i+l,j)+uv*G(i+l,j+1); 確定所述目標圖像中的每一個像素點作為第一目標像素點時，所述插值圖像中對應的 第二目標像素點； 提取所述插值圖像中所有所述第二目標像素點，按照所述目標圖像中所述第一目標像 素點的排列規則，將所有所述第二目標像素點重新排列，組成參考圖像； 根據所述第二目標像素點在所述參考圖像中的位置坐標W及所述第一函數關系式，確 定出下述關于所述第一目標像素點的灰度值與所述第二目標像素點的灰度值之間的第二 函數關系式； D(i,j)=(l-u)(l_v)*G(i,j)+u(l-v)*G(i,j+1)+(1-u)v*G(i+l,j)+uv*G(i+l,j+1); 根據所述第二函數關系式，確定出下述圖像邊緣檢測函數關系式； G'(/,'/) - Z)( /,./)二（Γ f - "V) * C(/·./) +。（ V -叫 * (7( /,./ + 1)+ (Η - i) V * C(/ +1, - "1 y C；(/> 1,/ + 1) ' 其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖像中 第i行第j列的像素點的灰度值;G(i，j + 1)代表目標圖像中第i行第j + 1列的像素點的灰度 值;G(i+l，j)代表目標圖像中第i+1行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖像 中第i+1行第j+1列的像素點的灰度值;u代表在插值圖像中，第二目標像素點至與其對應的 第一目標像素點的橫向距離;V代表在插值圖像中，第二目標像素點至與其對應的第一目標 像素點的縱向距離。11. 根據權利要求10所述的裝置，其特征在于，所述第二確定模塊具體用于： 將所述圖像邊緣檢測函數關系式變換為下述卷積形式的圖像邊緣檢測函數關系式；根據所述卷積形式的圖像邊緣檢測函數關系式確定出下述圖像邊緣檢測算子；其中，G(i，j)代表目標圖像中第i行第j列的像素點的灰度值;D(i，j)代表參考圖像中 第i行第j列的像素點的灰度值;G(i，j+1)代表目標圖像中第i行第j+1列的像素點的灰度 值;G(i+l，j)代表目標圖像中第i+1行第j列的像素點的灰度值;G(i+l，j+l)代表目標圖像 中第i+1行第j+1列的像素點的灰度值;U代表在插值圖像中，第二目標像素點至與其對應的 第一目標像素點的橫向距離;V代表在插值圖像中，第二目標像素點至與其對應的第一目標 像素點的縱向距離。12. -種采用權利要求1至4任意一項所述的圖像邊緣檢測算子對待檢測圖像進行圖像 邊緣檢測的裝置，其特征在于，包括： 第Ξ確定模塊，用于根據針對待檢測圖像的預設插值倍率W及所述圖像邊緣檢測算 子，確定針對所述待檢測圖像的具體圖像邊緣檢測算子； 圖像處理模塊，用于在獲得的待檢測圖像的最后一行像素點的下方增加一行像素點， 在其最后一列像素點的右側增加一列像素點，得到實際檢測圖像;增加的一行像素點通過 復制待檢測圖像的倒數第二行像素點獲得，增加的一列像素點通過復制待檢測圖像的倒數 第二列像素點獲得； 圖像邊緣檢測模塊，用于采用所述具體圖像邊緣檢測算子對所述實際檢測圖像進行圖 像邊緣檢測，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信息。13. 根據權利要求12所述的裝置，其特征在于，所述第Ξ確定模塊具體用于： 獲取針對待檢測圖像的預設插值倍率M; 根據所述預設插值倍率M，按照下述公式確定U和V的值；根據所述U和V的值W及所述圖像邊緣檢測算子，確定所述具體圖像邊緣檢測算子。14. 根據權利要求13所述的裝置，其特征在于，所述圖像邊緣檢測模塊包括： 灰度值數據獲取單元，用于獲取所述待檢測圖像的灰度值數據，并根據所述待檢測圖 像的灰度值數據確定所述實際檢測圖像的灰度值數據； 圖像邊緣檢測單元，用于按照下述公式，采用所述具體圖像邊緣檢測算子與所述實際 檢測圖像的灰度值數據進行卷積，從而獲得所述待檢測圖像的邊緣檢測圖像的灰度值信 息； 其中，D代表待檢測圖像的邊緣檢測圖像中像素點的灰度值，1/代表所述實際檢測圖像 中2X2數據窗口的灰度值數據，A代表所述具體圖像邊緣檢測算子，I · I表示絕對值運算， _-」表示向下取整。
【文檔編號】G06T7/00GK106097306SQ201610373497
【公開日】2016年11月9日
【申請日】2016年5月31日
【發明人】楊藝, 郭慧, 謝森
【申請人】凌云光技術集團有限責任公司