專利名稱：一種基于聚類算法的圖像邊緣擬合b樣條生成方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像邊緣擬合的技術(shù)領(lǐng)域，涉及了基于聚類算法的圖像邊緣擬合生成 B樣條曲線生成方法，利用canny算子生成的邊緣點(diǎn)集不但有效的提取有用信息的邊緣點(diǎn)， 而且有效的抑制噪聲。
背景技術(shù)：
聚類分析又稱群分析，它是研究分類問題的一種統(tǒng)計(jì)分析算法，其主要目的是通過對(duì)數(shù)據(jù)集得合理規(guī)劃來發(fā)現(xiàn)數(shù)據(jù)集的結(jié)構(gòu)特征。聚類就是將物理或抽象的數(shù)據(jù)對(duì)象，按照對(duì)象間的相似性進(jìn)行分組或者分類的過程，廣泛應(yīng)用于各研究和應(yīng)用領(lǐng)域，如數(shù)據(jù)挖掘、 圖像分割、模式識(shí)別等諸多方面。圖像邊緣檢測(cè)是圖像處理中重要的研究?jī)?nèi)容之一，在生產(chǎn)實(shí)踐中有廣泛的應(yīng)用。 現(xiàn)有的大部分圖像邊緣檢測(cè)算法處理結(jié)果是一些離散的邊緣點(diǎn)集，這些點(diǎn)集在一些生產(chǎn)實(shí)踐中難以直接利用。圖像的邊緣具有豐富的局部信息，包含了圖像的諸多特征，但是邊緣曲線不規(guī)則， 難以描述及應(yīng)用。應(yīng)用于圖像的擬合方法繁多，如基于灰度直方圖的曲線擬合、基于最小二乘的曲線擬合、二維高斯曲面擬合算法等，但是在提取數(shù)字圖像的過程中，受多種因素影響，往往會(huì)出現(xiàn)模糊、失真、噪聲干擾等現(xiàn)象，造成圖像退化失真。傳統(tǒng)Canny算法在梯度幅值計(jì)算上的缺陷，且Canny邊緣檢測(cè)算法在采用基于梯度幅值的雙閾值法檢測(cè)和連接邊緣時(shí)，盡管抑制了噪聲，但同時(shí)也損壞了部分低強(qiáng)度邊緣。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種從圖像直接獲取擬合邊緣的B樣條曲線，從而可以滿足諸多的生產(chǎn)實(shí)踐需求。本發(fā)明實(shí)現(xiàn)了一種基于聚類算法的圖像邊緣擬合B樣條生成方法，使用聚類方法作為B樣條生在成的控制點(diǎn)，不僅可以有效抑制噪聲，提高邊緣檢測(cè)擬合的效果。本發(fā)明的技術(shù)方案是基于聚類算法的圖像邊緣擬合B樣條生成方法，采用聚類算法，將canny算子生成的邊緣離散點(diǎn)的梯度差作為聚類算法的聚類判斷公式，聚類算法的初始類中心點(diǎn)采用X軸等間距點(diǎn)，使用聚類算法迭代生成各類核，使用核作為B樣條的控制點(diǎn)，從而擬合生成B樣條曲線，其實(shí)現(xiàn)步驟為步驟I、將原始圖像利用二維高斯函數(shù)的一階導(dǎo)數(shù)對(duì)其進(jìn)行平滑去噪，得到平滑圖步驟2、采用3X3領(lǐng)域，在像素8領(lǐng)域內(nèi)通過計(jì)算X軸方向，y軸方向，45°方向和 135°的一階偏導(dǎo)的差分來計(jì)算圖像的梯度幅值和方向；步驟3、沿8領(lǐng)域方向檢測(cè)模值的極大值點(diǎn)，即為邊緣點(diǎn)，遍歷8方向圖像，通過比較每個(gè)像素偏導(dǎo)值與相鄰像素模值，取其最大值MAX值為邊緣點(diǎn)；步驟4、選取高低閾值過濾，得到邊緣點(diǎn)集；
步驟5、通過離散的邊緣點(diǎn)集創(chuàng)建邊緣點(diǎn)結(jié)構(gòu)體數(shù)組，并根據(jù)將X軸等分成N段，依次將邊緣點(diǎn)數(shù)組劃分成N組,每組隨機(jī)抽取一點(diǎn)作為聚類生長(zhǎng)中心點(diǎn)；步驟6、針對(duì)邊緣點(diǎn)結(jié)構(gòu)體數(shù)組使用聚類算法迭代求得每組的類核心點(diǎn)點(diǎn)集；步驟7、基于步驟6求得的點(diǎn)集，作為B樣條的控制點(diǎn)，生成擬合B樣條曲線；步驟6使用的聚類算法為步驟61、判斷每組聚類中心點(diǎn)與之鄰近的邊緣點(diǎn)的類距離是否在承受范圍內(nèi)若在，則將邊緣點(diǎn)納入當(dāng)前聚類中；若不在，則計(jì)算聚類中是否存在一點(diǎn)，若將其作為聚類中點(diǎn)，該聚類中心與當(dāng)前聚類中各點(diǎn)、及當(dāng)前測(cè)試點(diǎn)的類距離小于系統(tǒng)確定常數(shù)，若有，將該點(diǎn)納入當(dāng)前聚類，并將該點(diǎn)作為當(dāng)前聚類中心點(diǎn)；若無，則完成當(dāng)前聚類，并將當(dāng)前聚類的中心點(diǎn)計(jì)入控制點(diǎn)數(shù)組中，同時(shí)刪除當(dāng)前聚類所納入的邊緣點(diǎn)；步驟62、重復(fù)聚類當(dāng)前組剩余的邊緣點(diǎn),直至當(dāng)前組內(nèi)邊緣點(diǎn)數(shù)為空；步驟63、迭代結(jié)束，對(duì)于求得的聚類中心點(diǎn)集，與其鄰近點(diǎn)的梯度差結(jié)進(jìn)行判評(píng)， 根據(jù)差值是否在接收范圍內(nèi)，以確定最終的B樣條生成控制點(diǎn)集；詳見本發(fā)明具體步驟第 11步。所述的聚類算法中，用于判斷點(diǎn)集的類距離公式為a *abs( θ ρ-Θ q) + β*abs(Mp_Mq)，其中abs()為絕對(duì)值函數(shù)，Θ為點(diǎn)梯度方向，M為點(diǎn)的梯度幅值，α、β分別為調(diào)節(jié)系數(shù)。在每組中隨機(jī)抽取一點(diǎn)作為聚類生長(zhǎng)的中心點(diǎn)并標(biāo)記為，初始化當(dāng)前聚類點(diǎn)集合為空；判斷與領(lǐng)近的邊緣點(diǎn)qi的梯度方向差是否在可承受范圍內(nèi)Plfer與Qi的梯度方向?yàn)棣?P、Θ q，以及梯度值，判斷 a *abs( θ ρ-Θ q) + @ *abs (Mp-Mq) < ε ,若在可接受范圍內(nèi)，則將qi納入到當(dāng)前聚類中； 若否，則計(jì)算當(dāng)前聚類中是否存在有一點(diǎn)1，使得當(dāng)前聚類中各點(diǎn)與其梯度方向，都滿足距離小于ε ；若存在有該點(diǎn)，則設(shè)該點(diǎn)為當(dāng)前聚類的中心點(diǎn)，并將qi納入到當(dāng)前聚類中；若無，則當(dāng)前類的聚類完成，并將當(dāng)前類的中心點(diǎn)，記入到控制點(diǎn)數(shù)組中，同時(shí)在該組中刪除當(dāng)前聚類所納入的邊緣點(diǎn)；針對(duì)該組剩余的邊緣點(diǎn)重復(fù)聚類,直至該邊緣點(diǎn)組為空；根據(jù)上述聚類步驟所得到的點(diǎn)集{Pja = 0,1,…….，η)進(jìn)行遍歷，判斷各控制點(diǎn)與其鄰近點(diǎn)之間的梯度差，若控制點(diǎn)的梯度值Μρ，其鄰近點(diǎn)Q的梯度Mq滿足 min(Mq-avg( Σ M)),則使用Q替換Pi作為控制頂點(diǎn)；作為控制頂點(diǎn)來生成k階(k-Ι次)B樣條曲線。PtlP1...為控制多邊形，參數(shù)節(jié)點(diǎn)向量 Un,k = {uj , (i = O, I,. . . , n+k), (Ui ( ui+1),如下形式的參數(shù)曲線 P (u)為 k 階(k_l 次)B樣條曲線P(u) = Σ PiBijk(U), (i = 0,1,2, ... , n), u e [Uk^1, un+1]其中Biik(U)為k階(k-l)B樣條基函數(shù)。Bijk(U)雙下標(biāo)中下標(biāo)k表示k階(k_l 次)數(shù)，下標(biāo)i表示序號(hào)。節(jié)點(diǎn)矢量為U = (UojU1,. .. ,un+k+1};曲線定義域?yàn)閁 e [uk,un+1], 并且聚類時(shí)已不存在重節(jié)點(diǎn)情況，所以曲線段數(shù)為η-k+l條。
本發(fā)明由聚類中心點(diǎn)與鄰近點(diǎn)梯度的綜合判評(píng)方式采用鄰近點(diǎn)梯度均值判評(píng)方式，選取當(dāng)前聚類中心點(diǎn)以及其鄰近點(diǎn)中與鄰近點(diǎn)梯度均值最為接近的一點(diǎn)，作為最終的B 樣條生成控制點(diǎn)。本發(fā)明基于聚類算法，canny算子提取邊緣點(diǎn)，采用聚類算法的類核迭代與生成方式,生成B樣條曲線的控制點(diǎn)。本發(fā)明基于聚類算法,通過canny算子生成的離散邊緣點(diǎn)集， 選擇等距點(diǎn)作為聚類算法的初始類中心，使用聚類算法迭代生成的核作為B樣條曲線的控制點(diǎn)，實(shí)現(xiàn)圖像的邊緣擬合B樣條，生成擬合B樣條曲線，可以較廣泛、便捷的應(yīng)用于各類有需要的生產(chǎn)行業(yè)。圖像的邊緣是圖像分析與識(shí)別的基礎(chǔ)，包含了較多重要信息。因此，邊緣檢測(cè)在圖像分割、目標(biāo)區(qū)域識(shí)別、目標(biāo)區(qū)域形狀提取等圖像分析領(lǐng)域有著重要的作用。傳統(tǒng)的邊緣檢測(cè)就是利用研究較好求導(dǎo)算子對(duì)圖像各像素點(diǎn)進(jìn)行一階或二階微分來確定邊緣像素點(diǎn)，如 Roberts算子、Prewitt算子、Sobel算子、Laplace算子等,這些算子都是通過模板與圖像卷積來提取邊緣，具有計(jì)算簡(jiǎn)單、易于實(shí)現(xiàn)的特點(diǎn)，但對(duì)噪聲敏感度強(qiáng)，抗干擾性能差，不適合噪聲較強(qiáng)和復(fù)雜的圖像，對(duì)圖像精細(xì)度也有所影響。本發(fā)明提出的基于聚類算法的圖像邊緣擬合B樣條生成方法，通過該方法可以生成擬合圖像邊緣的B樣條曲線。該技術(shù)首先采用最優(yōu)的階梯型邊緣點(diǎn)檢測(cè)算法(canny算子邊緣檢測(cè))檢測(cè)出邊緣點(diǎn)集，由于canny算子只能生成離散的點(diǎn)集，在生產(chǎn)應(yīng)用中更多需要通過離散的點(diǎn)集生成擬合邊緣線，所以經(jīng)聚類算法生成控制點(diǎn)集，擬合生成B樣條曲線。 本專利實(shí)現(xiàn)了一種基于聚類算法的圖像邊緣擬合B樣條生成方法，本專利從圖像直接獲取擬合邊緣的B樣條曲線，可滿足諸多的生產(chǎn)實(shí)踐需求，如太陽(yáng)能電池板邊緣缺陷檢測(cè)等方面的應(yīng)用。本發(fā)明的有益效果如下I. 一種基于聚類算法的圖像邊緣擬合技術(shù)，在圖像邊緣擬合方面，利用圖像邊緣直接生成B樣條曲線，能夠有效的提取圖像中的邊緣信息，從而應(yīng)用于諸如太陽(yáng)能邊緣檢測(cè)等方面；利用canny算子生成的邊緣點(diǎn)集不但有效的提取有用信息的邊緣點(diǎn)，而且有效的抑制噪聲。2.利用canny算子的邊緣離散點(diǎn)性質(zhì)，作為聚類的距離判斷公式，從而成為最終B 樣條曲線的控制點(diǎn)生成依據(jù)，既保證了圖像邊緣點(diǎn)集得有效提取，對(duì)噪聲點(diǎn)有效去除，同時(shí)減小計(jì)算量，從而更客觀的達(dá)到聚類的效果。3.設(shè)計(jì)了一種新的聚類算法本聚類算法是在使用DBSCAN和K中心聚類算法基礎(chǔ)上復(fù)合，基于密度掃描和中心距的計(jì)算。同時(shí)在判斷類核心時(shí)使用點(diǎn)的梯度方向差作為判斷同一類的條件。該算法同時(shí)使用直接分段的聚類方式，可以減少算法的時(shí)空消耗，加快算法運(yùn)行。該算法可以在結(jié)合兩種常規(guī)算法的的優(yōu)點(diǎn)有效判斷有利于生成B樣條的控制點(diǎn)。4.設(shè)計(jì)了一種新的聚類的距離判斷公式；本聚類算法使用梯度差作為基本聚類的判斷方式，它建立在密度的領(lǐng)域判斷基礎(chǔ)上。5.設(shè)計(jì)了一種新的類核判斷方式在新的聚類距離判斷公式的基礎(chǔ)上使用K中心點(diǎn)與領(lǐng)域點(diǎn)再次判評(píng)的方式設(shè)定
5類核。


；圖I為本發(fā)明的算法流程圖。
具體實(shí)施例方式基于聚類算法的B樣條曲線生成方法，首先利用canny算子生成的離散邊緣點(diǎn)集， 然后采用此邊緣點(diǎn)的梯度差作為聚類算法的距離判斷公式，選擇等距點(diǎn)作為聚類算法的初始類中心，利用聚類算法迭代生成各類核，生成控制點(diǎn)集從而生成B樣條曲線。其中生成B 樣條曲線的控制點(diǎn)集得生成不僅取決于是否為聚類的核心，還取決于核心與其相鄰近點(diǎn)的梯度差，從而保證了有信息的有效提取，實(shí)現(xiàn)控制點(diǎn)的有效提取。本發(fā)明的具體技術(shù)方案如下一種基于聚類算法的圖像邊緣擬合B樣條曲線生成方法，采用聚類迭代生成各類核作為B樣條曲線的控制點(diǎn)，通過canny算子生成離散的邊緣點(diǎn)集，采用邊緣點(diǎn)的梯度差作為聚類算法的距離判斷公式，利用迭代算法生成核，并最終作為B樣條曲線生成的控制點(diǎn)集。由此控制點(diǎn)的生成不僅取決于是否為聚類的核心，還取決于核心與其相鄰近點(diǎn)的梯度差，從而保證控制點(diǎn)的有效提取，既可實(shí)現(xiàn)B樣條曲線的生成。 本發(fā)明的具體步驟包括I、針對(duì)原始圖像為像f(x，y)，利用二維高斯函數(shù)的一階導(dǎo)數(shù)對(duì)其進(jìn)行平滑去噪，
得到平滑圖像B(x，y)，其中二維高斯函數(shù)為
權(quán)利要求
1.一種基于聚類算法的圖像邊緣擬合B樣條生成方法，其特征是采用聚類算法，將 canny算子生成的邊緣離散點(diǎn)的梯度差作為聚類算法的聚類判斷公式，選擇等距離點(diǎn)作為聚類算法的初始類中心，使用聚類算法迭代生成各類核，使用核作為B樣條的控制點(diǎn)，擬合生成B樣條曲線，其實(shí)現(xiàn)步驟為步驟I、將原始圖像利用二維高斯函數(shù)一階導(dǎo)數(shù)對(duì)其進(jìn)行平滑去噪，得到平滑圖像； 步驟2、采用3X3領(lǐng)域，在像素8領(lǐng)域內(nèi)通過計(jì)算X方向，y方向，45°方向和135°的一階偏導(dǎo)的差分來計(jì)算圖像的梯度幅值和方向；步驟3、沿8領(lǐng)域方向檢測(cè)模值的極大值點(diǎn)，即為邊緣點(diǎn)，遍歷8方向圖像，通過比較每個(gè)像素偏導(dǎo)值與相鄰像素模值，，取其MAX值為邊緣點(diǎn)；步驟4、選取高低閾值進(jìn)一步過濾，得到邊緣點(diǎn)集；步驟5、通過離散的邊緣點(diǎn)集創(chuàng)建邊緣點(diǎn)結(jié)構(gòu)體數(shù)組，并根據(jù)將X軸等分成N段，依次將邊緣點(diǎn)數(shù)組劃分成N組,每組隨機(jī)抽取一點(diǎn)作為聚類生長(zhǎng)中心點(diǎn)；步驟6、針對(duì)邊緣點(diǎn)結(jié)構(gòu)體數(shù)組使用聚類算法迭代求得每組的類核心點(diǎn)；步驟7、基于步驟6求得的點(diǎn)集，作為B樣條的控制點(diǎn)，生成擬合B樣條曲線。
2.根據(jù)權(quán)利I所述的步驟6，其使用的聚類算法為步驟I、判斷每組聚類中心點(diǎn)與之鄰近的邊緣點(diǎn)的類距離是否在承受范圍內(nèi)若在，則將邊緣點(diǎn)納入當(dāng)前聚類中；若不在，則計(jì)算聚類中是否存在一點(diǎn)，若將其作為聚類中點(diǎn)，該聚類中心與當(dāng)前聚類中各點(diǎn)、及當(dāng)前測(cè)試點(diǎn)的類距離小于系統(tǒng)確定常數(shù)，若有，將該點(diǎn)納入當(dāng)前聚類，并將該點(diǎn)作為當(dāng)前聚類中心點(diǎn)；若無，則完成當(dāng)前聚類，并將當(dāng)前聚類的中心點(diǎn)計(jì)入控制點(diǎn)數(shù)組中，同時(shí)刪除當(dāng)前聚類所納入的邊緣點(diǎn)；步驟2、重復(fù)聚類當(dāng)前組剩余的邊緣點(diǎn),直至當(dāng)前組內(nèi)邊緣點(diǎn)數(shù)為空；步驟3、迭代結(jié)束，對(duì)于求得的聚類中心點(diǎn)集再進(jìn)行鄰近點(diǎn)梯度進(jìn)行綜合判評(píng)，以確定最終的B樣條生成控制點(diǎn)集。
3.根據(jù)權(quán)利I、權(quán)利2所描述的聚類算法中，用于判斷點(diǎn)集的類距離公式為 a *abs( θ ρ-Θ q)+β *abs(Mp_Mq),其中abs()為絕對(duì)值函數(shù)，Θ為點(diǎn)梯度方向，M為點(diǎn)的梯度幅值，α、β分別為調(diào)節(jié)系數(shù)。
4.根據(jù)權(quán)利I、權(quán)利2中所述的聚類中心點(diǎn)與鄰近點(diǎn)梯度的綜合判評(píng)方式采用鄰近點(diǎn)梯度均值判評(píng)方式，選取當(dāng)前聚類中心點(diǎn)以及其鄰近點(diǎn)中與鄰近點(diǎn)梯度均值最為接近的一點(diǎn)，作為最終的B樣條生成控制點(diǎn)。
全文摘要
基于聚類算法的圖像邊緣擬合B樣條生成方法，采用聚類算法，將canny算子生成的邊緣離散點(diǎn)的梯度差作為聚類算法的聚類判斷公式，選擇等距離點(diǎn)作為聚類算法的初始類中心，使用聚類算法迭代生成各類核，使用核作為B樣條的控制點(diǎn)，擬合生成B樣條曲線，其實(shí)現(xiàn)步驟為將原始圖像利用二維高斯函數(shù)的一階導(dǎo)數(shù)對(duì)其進(jìn)行平滑去噪，得到平滑圖像；采用3×3領(lǐng)域，在像素8領(lǐng)域內(nèi)通過計(jì)算x方向，y方向，45°方向和135°的一階偏導(dǎo)的差分來計(jì)算圖像梯度幅值和方向；選取高低閾值進(jìn)一步過濾，得到邊緣點(diǎn)集；通過離散邊緣點(diǎn)集創(chuàng)建邊緣點(diǎn)結(jié)構(gòu)體數(shù)組，本發(fā)明使用聚類方法作為B樣條生在成的控制點(diǎn)，可以有效抑制噪聲，提高邊緣檢測(cè)擬合的效果。
文檔編號(hào)G06T5/00GK102609917SQ20121003088
公開日2012年7月25日 申請(qǐng)日期2012年2月13日 優(yōu)先權(quán)日2012年2月13日
發(fā)明者傅德勝, 傅濤, 陳雯雯, 高華 申請(qǐng)人:江蘇博智軟件科技有限公司