[發(fā)明專利]一種快速的像素尺度計(jì)算方法

有效

• 申請?zhí)枺?/td>: 201410274737.2
• 申請日: 2014-06-18
• 公開（公告）號: CN105279748B
• 公開（公告）日: 2017-11-17
• 發(fā)明（設(shè)計(jì)）人: 葛洪偉;周得水;楊金龍;袁運(yùn)浩;蘇樹智
• 申請（專利權(quán)）人: 江南大學(xué)
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/136
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，涉及圖像中像素尺度的計(jì)算；具體地說是一種快速的像素尺度計(jì)算方法，可以將其應(yīng)用于圖像分割，目標(biāo)提取和圖像處理其他領(lǐng)域。

背景技術(shù)

在數(shù)字圖像處理領(lǐng)域，特別是圖像分割方面，需要根據(jù)圖像的灰度、顏色、紋理等特征將圖像劃分為若干個(gè)互不相交而又有意義的區(qū)域。由于一般圖像的構(gòu)成都十分復(fù)雜，對圖像通過計(jì)算機(jī)自動(dòng)分割十分困難，分割結(jié)果往往不能令人滿意，因此，圖像分割成為了圖像處理的經(jīng)典難題之一。目前已經(jīng)有很多人提出了各種算法來實(shí)現(xiàn)圖像分割。在所有的分割算法中，為了充分的利用圖像中每個(gè)像素的灰度等特征，僅僅通過一個(gè)像素的屬性不能充分的表達(dá)出當(dāng)前像素點(diǎn)與周圍像素之間的依賴性。以一副圖像中像素的灰度屬性為例，在同一對象區(qū)域內(nèi)部的像素灰度間是存在某種相似性的，或者說他們的像素灰度值都集中的體現(xiàn)在特定的灰度區(qū)間上。如果能在表達(dá)當(dāng)前像素點(diǎn)的特征的同時(shí)采用一種尺度體現(xiàn)出與其鄰近且屬于同一對象區(qū)域的其他像素的屬性，將更有利于表現(xiàn)局部結(jié)構(gòu)的細(xì)節(jié)，同時(shí)也能達(dá)到平滑噪聲的效果。因此，對圖像中像素的尺度的計(jì)算具有重要的研究意義。

目前，在圖像處理領(lǐng)域，為了計(jì)算出圖像中每個(gè)像素點(diǎn)的尺度，通常以當(dāng)前像素點(diǎn)為中心，設(shè)定一個(gè)相似性準(zhǔn)則以及閾值，從半徑為1的圓開始檢測圓內(nèi)像素是否滿足閾值內(nèi)的相似性準(zhǔn)則，圓的半徑逐漸增加，直到出現(xiàn)相似性準(zhǔn)大于閾值時(shí)即停止。此時(shí)的圓半徑即為所求的尺度范圍(參見Saha P K,Udupa J K,Odhner D.Scale-based fuzzy connected image segmentation:theory,algorithms,and validation[J].Computer Vision and Image Understanding,2000,77(2):145-174.和Zhuge Y,Udupa J K,Saha P K.Vectorial scale-based fuzzy-connected image segmentation[J].Computer Vision and Image Understanding,2006,101(3):177-193.)。該算法簡稱OSE算法。這種方式能很好的表現(xiàn)出局部屬性，但是在上述過程中，相似性準(zhǔn)則中閾值的選取對尺度的最終結(jié)果有很大的影響，而且逐圈尋找的方式很耗時(shí)，當(dāng)同一區(qū)域內(nèi)部存在強(qiáng)噪聲或者多灰度差時(shí)，OSE算法將無法得到真實(shí)的尺度。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種圖像中像素尺度快速計(jì)算方法,該方法克服了OSE算法需要選取一個(gè)閾值，計(jì)算時(shí)間復(fù)雜度比較大且抗噪性不高等缺點(diǎn)。避免了現(xiàn)有技術(shù)中尺度計(jì)算時(shí)閾值對分割結(jié)果的影響，同時(shí)提高尺度計(jì)算速度和抗噪性。改善了圖像分割效果，且在實(shí)際應(yīng)用中更易于執(zhí)行。

為實(shí)現(xiàn)上述目的,本發(fā)明的具體實(shí)現(xiàn)步驟包括如下:

(1)用Canny算子計(jì)算出整幅圖像的邊緣B，將邊緣點(diǎn)作為后期尺度計(jì)算判斷的依據(jù)；

(2)對于當(dāng)前像素點(diǎn)c，判斷其是否為邊緣點(diǎn)。若c為邊緣點(diǎn)，執(zhí)行(2.1)；若c不為邊緣點(diǎn)，執(zhí)行(2.2)；

(2.1)若c為邊緣點(diǎn)，由于邊緣點(diǎn)周圍像素灰度變化大而且模糊，如果還要考慮該點(diǎn)周圍的局部像素點(diǎn)對該點(diǎn)的影響或者依賴性，反而會(huì)干擾局部結(jié)構(gòu)，所以令c點(diǎn)尺度為1，即r(c)＝1，c點(diǎn)尺度計(jì)算結(jié)束，執(zhí)行(4)；

(2.2)若c不為邊緣點(diǎn)，說明c點(diǎn)尺度大于或等于1，則以c為中心設(shè)計(jì)一個(gè)自適應(yīng)正方形模版M，模版邊長為2E+1,E＝min(L,R,U,D)-1，其中L、R、U、D分別表示c點(diǎn)到圖像左右上下邊界的距離，如說明書附圖中圖(4)所示；

(3)計(jì)算當(dāng)前像素點(diǎn)c的尺度大小，即在模版M內(nèi)找出距離c最近邊緣點(diǎn)e，c到e的距離即為點(diǎn)c的尺度；具體過程為，若模版M里面全為零，執(zhí)行(3.1)；否則，執(zhí)行(3.2)；

(3.1)模版M里面全為零，則說明模版內(nèi)沒有邊緣點(diǎn)，此時(shí)已經(jīng)達(dá)到最大尺度，則令r(c)＝E，c點(diǎn)尺度計(jì)算結(jié)束，執(zhí)行(4)；

(3.2)模版M里面非全零，則說明模版內(nèi)有邊緣點(diǎn)，通過下面的步驟搜索到最近的邊緣點(diǎn)并得到點(diǎn)c的尺度r(c)：

(a)令p＝1；

(b)按照8點(diǎn)式搜索方法在以c為中心邊長為2×p+1的正方形邊上尋找最近邊緣點(diǎn)e；如果找不到邊緣點(diǎn)，則執(zhí)行(c)；如果找到最近邊緣點(diǎn)e，則由8點(diǎn)式搜索方法給出c的尺度r(c)，然后執(zhí)行(4)；

(c)p加1，執(zhí)行(b)；

(4)對圖像中所有像素重復(fù)步驟(2)和(3)，得到圖像的尺度矩陣R。