一种图像边缘提取方法、系统、设备及介质与流程

1.本发明涉及图像处理技术领域，特别是涉及一种图像边缘提取方法、系统、电子设备及计算机可读取存储介质。


背景技术：

2.现代科技与通信技术日新月异的发展，人们可以通过各种各样便捷的方式获取多样的信息，其中图像信息是重要的组成部分。在图像数据飞速增长的情况下，对图像进行边缘提取的需求变得越来越多，对相关工作的效率进行提升、信息冗余率进行降低日益迫切。面向图像信息，如何高效获取图像中的有效信息，特别是提高边缘信息具有重要意义。


技术实现要素：

3.本发明的目的是提供一种图像边缘提取方法、系统、设备及介质，提高了边缘提取的信息利用效率。
4.为实现上述目的，本发明提供了如下方案：
5.一种图像边缘提取方法，包括：
6.对待提取图像进行预处理，获得预处理后的图像；
7.采用canny算子对所述预处理后的图像进行边缘提取，获取边缘轮廓；
8.利用领域像素的梯度幅值和梯度方向对所述边缘轮廓进行伪边缘剔除；
9.对伪边缘剔除后边缘轮廓中各边缘像素进行膨胀处理，获得边缘断裂修复后的边缘提取图像。
10.可选地，所述对待提取图像进行预处理，获得预处理后的图像，具体包括：
11.获取待提取图像的rgb三维矩阵；
12.对所述rgb三维矩阵进行灰度化，获得二维矩阵；
13.对所述二维矩阵进行图像增强，获得预处理后的图像。
14.可选地，所述采用canny算子对所述预处理后的图像进行边缘提取，具体包括：
15.采用二维高斯滤波模板对所述预处理后的图像进行滤波；
16.采用导数算子计算滤波后图像的梯度幅值和梯度方向；
17.在水平方向、垂直方向、
±
45
°
方向和
±
135
°
方向上对梯度幅值进行非极大值抑制，将非最大值置零；
18.采用直方图双峰法获得非极大值抑制处理后的图像的双峰值，将双峰值中较大值作为高阈值，将将双峰值中较小值作为低阈值；
19.采用双阈值对非极大值抑制处理后的图像进行边缘的检测，获得边缘提取后图像，所述双阈值包括所述高阈值和所述低阈值。
20.可选地，所述利用领域像素的梯度幅值和梯度方向对所述边缘轮廓进行伪边缘剔除，具体包括：
21.对各边缘像素进行伪边缘判断，将没有同时满足第一条件、第二条件和第三条件
的边缘像素定义为伪边缘；
22.对于第i个边缘像素：
23.所述第一条件为第i个边缘像素的梯度幅值大于第i个边缘像素所在边缘的法线方向上两个相邻的像素的梯度幅值；
24.所述第二条件为第i个边缘像素的梯度方向与两个相邻像素的梯度方向之差均不大于设定角度阈值；两个相邻像素为设定方向上的第i个边缘像素的相邻像素，所述设定方向包括水平方向上、垂直方向上、
±
45
°
方向和
±
135
°
方向；
25.所述第三条件为第i个边缘像素的梯度幅值大于设定门限值。
26.可选地，所述设定角度阈值不大于30
°
。
27.本发明还公开了一种图像边缘提取系统，包括：
28.预处理模块，用于对待提取图像进行预处理，获得预处理后的图像；
29.边缘提取模块，用于采用canny算子对所述预处理后的图像进行边缘提取，获得边缘轮廓；
30.伪边缘剔除模块，用于利用领域像素的梯度幅值和梯度方向对所述边缘轮廓进行伪边缘剔除；
31.边缘断裂修复模块，用于对伪边缘剔除后边缘轮廓中各边缘像素进行膨胀处理，获得边缘断裂修复后的边缘提取图像。
32.本发明还公开了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的图像边缘提取方法。
33.本发明还公开了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现所述的图像边缘提取方法。
34.根据本发明提供的具体实施例，本发明公开了以下技术效果：
35.本发明通过canny算子、伪边缘剔除和边缘断裂修复，实现了对图片数据的边缘提取功能，在一定程度上提高了对图像数据处理时的信息利用效率，提高了图像边缘提取的轮廓质量。
附图说明
36.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
37.图1为本发明一种图像边缘提取方法流程示意图；
38.图2为待提取图像；
39.图3为采用本发明一种图像边缘提取方法进行边缘提取后图像；
40.图4为本发明一种图像边缘提取系统结构示意图。
具体实施方式
41.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.本发明的目的是提供一种图像边缘提取方法、系统、设备及介质，提高了边缘提取的效率。
43.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
44.实施例1
45.图1为本发明一种图像边缘提取方法流程示意图，如图1所示，一种图像边缘提取方法，包括：
46.步骤101：对待提取图像进行预处理，获得预处理后的图像。
47.其中，步骤101具体包括：
48.获取待提取图像的rgb三维矩阵，rgb三维矩阵为固定大小的三维矩阵，具体包括：基于opencv框架对待提取图像数据进行读取，利用resize接口，在rgb模式下，将数据格式统一为固定大小的三维矩阵。
49.对所述rgb三维矩阵进行灰度化，获得二维矩阵。
50.对所述二维矩阵进行图像增强，获得预处理后的图像，具体包括：使用高通增强滤波、高斯滤波和边缘锐化等算法做图像增强。
51.预处理后的图像f
n*m
表示为：
[0052][0053]
其中，n表示预处理后的图像f
n*m
的长，m表示预处理后的图像f
n*m
的宽，f
ab
表示f
n*m
中像素，a取值范围为1至n，b取值范围为1至m。
[0054]
步骤102：采用canny算子对所述预处理后的图像进行边缘提取，获得边缘轮廓。
[0055]
应用canny算子，采用双阈值方法提取边缘，具有既能抗噪又能保持弱边缘的优点。
[0056]
其中，步骤102具体包括：
[0057]
采用二维高斯滤波模板对所述预处理后的图像进行滤波以消除噪声。
[0058]
采用导数算子计算滤波后图像的梯度幅值和梯度方向，具体采用sobel算子找到消除噪声后图像灰度沿水平和垂直两个方向的偏导数，并求出梯度的大小(幅值)和方向。
[0059]
在水平方向、垂直方向、
±
45
°
方向和
±
135
°
方向上对梯度幅值进行非极大值抑制，将非最大值置零。具体包括：以图像中心为原点，首先计算图像像素矩阵的长宽像素点数量，数量为奇数时取中间点，数量为偶数时在对应区域上补充一维数据，数值采用矩阵边缘像素值，最后取中间点。
[0060]
采用直方图双峰法获得非极大值抑制处理后的图像的双峰值，将双峰值中较大值作为高阈值，将将双峰值中较小值作为低阈值。
[0061]
所述双阈值包括所述高阈值和所述低阈值。
[0062]
采用双阈值对非极大值抑制处理后的图像进行边缘的检测，获得边缘提取后图像，具体包括：在非极大值抑制处理后的图像中，像素值大于或等于所述高阈值的像素作为边缘像素，凡是小于低阈值的一定不是边缘像素。
[0063]
若像素的像素值大于所述低阈值、小于所述高阈值且像素的邻接像素中存在边缘像素，则像素为边缘像素，否则，不是边缘像素。
[0064]
opencv框架下直接对图像数据应用直方图，可调用相关接口获取累计直方图的双峰数值，双峰数值中较小点作为低阈值，较大点作为高阈值。
[0065]
步骤103：利用领域像素的梯度幅值和梯度方向对所述边缘轮廓进行伪边缘剔除。
[0066]
边缘信息具有较强的相关性，可利用像素邻域的强度和方向来判断是否为边缘点。
[0067]
伪边缘剔除方法：如果一个边缘像素与其八邻域像素满足第一条件、第二条件和第三条件，则该像素就是边缘轮廓上的点。
[0068]
其中，步骤103具体包括：
[0069]
对各边缘像素进行伪边缘判断，将没有同时满足第一条件、第二条件和第三条件的边缘像素定义为伪边缘。
[0070]
对于第i个边缘像素：
[0071]
所述第一条件为第i个边缘像素的梯度幅值大于第i个边缘像素所在边缘的法线方向上，第i个边缘像素两侧两个相邻的像素的梯度幅值。
[0072]
所述第二条件为第i个边缘像素的梯度方向与两个相邻像素的梯度方向之差均不大于设定角度阈值；两个相邻像素为设定方向上的第i个边缘像素的相邻像素，所述设定方向包括水平方向上、垂直方向上、
±
45
°
方向和
±
135
°
方向。所述设定角度阈值不大于30
°
。
[0073]
所述第三条件为第i个边缘像素的梯度幅值大于设定门限值。
[0074]
像素点(x，y)的梯度值表示为：
[0075][0076]
其中，f
′
x
表示x轴方向上梯度值，f
′y表示y轴方向上梯度值。
[0077]
像素点(x，y)的梯度幅值表示为：
[0078]
像素点(x，y)的梯度方向表示为：θ(x，y)＝arctan(f
′y/f
′
x
)。
[0079]
步骤104：对伪边缘剔除后边缘轮廓中各边缘像素进行膨胀处理，获得边缘断裂修复后的边缘提取图像。
[0080]
所述边缘像素为进行边缘提取后边缘轮廓上的像素。
[0081]
有噪声影响时提取的边缘像素常常是孤立或分小段连续的，为了准确地提取边缘轮廓线上的特征点，有必要将边缘像素连接起来。
[0082]
膨胀会使得边缘上的像素向外扩张，目的使边缘上有裂缝的地方桥接起来。膨胀
操作可定义如下：
[0083][0084]
其中，x表示所需膨胀的边缘像素，f表示包含x的图像集合，b为结构元素，φ表示空集。
[0085]
结构元素相当于一个算子，会在所需膨胀的边缘像素上对像素及周边像素进行加权计算，平移量b即和算子尺寸保持一致，逐步平移加权获得计算结果，即可将结构元素视作一个卷积模板。
[0086]
待提取图像如图2所示，提取后边缘图像如图3所示。
[0087]
本发明具体应用于监控视频中视频图像的边缘提取，提取监控视频中有用信息。
[0088]
本发明通过canny算子与边缘特征相关的处理方法，实现了对图片数据的读取、增强以及特征提取功能，这在一定程度上提高了对图像数据处理时的信息利用效率，对相关工作效率提升、成本降低起到了重要作用。
[0089]
实施例2
[0090]
图4为本发明一种图像边缘提取系统结构示意图，如图4所示，一种图像边缘提取系统包括：
[0091]
预处理模块201，用于对待提取图像进行预处理，获得预处理后的图像。
[0092]
边缘提取模块202，用于采用canny算子对所述预处理后的图像进行边缘提取，获得边缘轮廓。
[0093]
伪边缘剔除模块203，用于利用领域像素的梯度幅值和梯度方向对所述边缘轮廓进行伪边缘剔除。
[0094]
边缘断裂修复模块204，用于对伪边缘剔除后边缘轮廓中各边缘像素进行膨胀处理，获得边缘断裂修复后的边缘提取图像；所述边缘像素为进行边缘提取后边缘轮廓上的像素。
[0095]
实施例3
[0096]
本发明实施例3提供一种电子设备包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例1的图像边缘提取方法。
[0097]
可选地，上述电子设备可以是服务器。
[0098]
另外，本发明实施例3还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例1的图像边缘提取方法。
[0099]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0100]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。