基于染色矩陣算法的圖像邊緣檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像邊緣檢測方法，具體涉及一種基于染色矩陣算法的圖像邊緣 檢測方法。
【背景技術(shù)】
[0002] 圖像邊緣檢測技術(shù)主要應(yīng)用于監(jiān)控和門禁設(shè)施當(dāng)中，進(jìn)行道路交通的管制或汽車 門禁的監(jiān)控。該技術(shù)在門禁系統(tǒng)的應(yīng)用具有較高研宄價(jià)值，一方面因?yàn)椋覈擎?zhèn)化進(jìn)程的 日益推進(jìn)，城鎮(zhèn)人口增速明顯，城鎮(zhèn)居民對(duì)居住地的要求有所增加，加上現(xiàn)代居民素質(zhì)的整 體提高，居民對(duì)公共安全的需求意識(shí)逐漸增強(qiáng)，對(duì)門禁社區(qū)的關(guān)注度越來越高，使得越來越 多學(xué)者投入到相關(guān)研宄中來。另一方面，開發(fā)商為了迎合大眾需求，往往會(huì)重金打造一些門 禁社區(qū)作為賣點(diǎn)，因而會(huì)相應(yīng)增加門禁系統(tǒng)、安防系統(tǒng)、監(jiān)控設(shè)施的需求，這給門禁系統(tǒng)生 產(chǎn)商帶來了更多商機(jī)和機(jī)遇，許多帶有新功能的門禁監(jiān)控系統(tǒng)層出不窮。
[0003] 此外，圖像邊緣檢測技術(shù)是安防系統(tǒng)的重要組成部分，同攝像頭采樣技術(shù)、數(shù)模轉(zhuǎn) 換技術(shù)、接口技術(shù)一樣是是安防系統(tǒng)的核心技術(shù)之一（居民小區(qū)汽車門禁系統(tǒng)示意圖如圖 1所示），有著深厚的研宄基礎(chǔ)，自1965年至今的近50年里，有許多國內(nèi)外學(xué)者對(duì)其進(jìn)行研 宄，并在不同領(lǐng)域取得很多成果。邊緣檢測算法的種類較多，可分為傳統(tǒng)算法和新興算法。 傳統(tǒng)算法有：Roberts算子、Sobel算子、Prewitt算子、LOG算子、Iaplacian算子和Canny 算子等。傳統(tǒng)算法大都基于數(shù)學(xué)運(yùn)算實(shí)現(xiàn)，要么抗噪性能差，要么邊緣檢測的精度不高。新 興的邊緣檢測算法的研宄常與其他學(xué)科有所交叉，在工程方面有：基于小波分析和小波包 的邊緣檢測方法、基于模糊理論的邊緣檢測方法、基于神經(jīng)網(wǎng)絡(luò)的分割方法等，在機(jī)器視覺 和人工智能等領(lǐng)域有：基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法、自組織聚類法、遺傳算法等。
[0004] 由于居民小區(qū)汽車門禁系統(tǒng)需要圖像處理過程相對(duì)快速、準(zhǔn)確、可靠性高、易于存 儲(chǔ)，雖然上述許多圖像邊緣檢測技術(shù)在相應(yīng)領(lǐng)域都有著廣泛應(yīng)用，其在精度、抗噪能力、應(yīng) 用條件和硬件成本等方面都存在著不足之處。因此，有必要拿出一種新的圖像邊緣檢測技 術(shù)來解決這些問題。

【發(fā)明內(nèi)容】

[0005] 為了解決上述技術(shù)問題，本發(fā)明提供了一種在精度、抗噪能力、應(yīng)用條件和硬件成 本這些方面都具有優(yōu)勢(shì)的基于染色矩陣算法的圖像邊緣檢測方法。
[0006] 為了達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：
[0007] 基于染色矩陣算法的圖像邊緣檢測方法，其采用MyEclpise 7. 0工具和Java語 言，該方法包括以下步驟：
[0008] 1)將圖片轉(zhuǎn)化成A[m] [η]矩陣的形式；
[0009] 2)將A[m] [η]矩陣生成鄰接矩陣Β[ρ] [ρ]，其中ρ = m*n ;
[0010] 3)從A[m] [η]矩陣中分別讀取每個(gè)像素點(diǎn)的灰度值，分別填入鄰接矩陣Β[ρ] [ρ] 的對(duì)角線位置，并對(duì)鄰接矩陣B [ρ] [ρ]進(jìn)行初始化處理；
[0011] 4)給相鄰兩點(diǎn)間的邊賦權(quán)值；
[0012] 5)求所有邊權(quán)值的平均值并確定閾值；
[0013] 6)根據(jù)色集合進(jìn)行邊染色；
[0014] 7)找出邊界點(diǎn)進(jìn)行點(diǎn)染色。
[0015] 本發(fā)明根據(jù)圖論觀點(diǎn)，通過設(shè)置矩陣并利用其對(duì)角線的形式進(jìn)行邊賦權(quán)值和閾值 的計(jì)算，從而對(duì)邊和點(diǎn)進(jìn)行染色，實(shí)現(xiàn)了對(duì)圖像邊緣的檢測，使得該方法具有結(jié)構(gòu)性強(qiáng)、數(shù) 據(jù)結(jié)構(gòu)和構(gòu)建過程簡單、組織結(jié)構(gòu)清晰等特點(diǎn)，可以有效應(yīng)用于居民小區(qū)汽車門禁系統(tǒng)當(dāng) 中，從而使得本方法相較于現(xiàn)有技術(shù)對(duì)于圖像邊緣檢測的精度和抗噪能力得以提高，同時(shí) 僅借助于MyEclpise 7. 0工具和Java語言即可實(shí)現(xiàn)的本方法，在應(yīng)用條件和硬件成本上相 較現(xiàn)有技術(shù)也具有其優(yōu)勢(shì)，并且與居民小區(qū)門禁系統(tǒng)的應(yīng)用條件匹配較好，可廣泛應(yīng)用在 小區(qū)汽車門禁系統(tǒng)當(dāng)中。
[0016] 在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以作如下改進(jìn)：
[0017] 作為優(yōu)選的方案，在上述的第1)步驟前，還需要對(duì)圖片進(jìn)行灰度處理：打開一張 圖片，并獲取圖片的寬與高，寬為w，高為h，根據(jù)寬與高生成一維數(shù)組pixels [w*h]，存放每 點(diǎn)像素值，對(duì)圖片進(jìn)行灰度轉(zhuǎn)換，得到灰度值，并存放在一維數(shù)組中。
[0018] 采用上述優(yōu)選的方案，可以更為高效地且精確地獲得圖片的灰度值。
[0019] 作為優(yōu)選的方案，上述的鄰接矩陣B[p] [P]中，有相鄰關(guān)系的設(shè)置為"1"，無相鄰 關(guān)系的設(shè)置為"-1"。
[0020] 采用上述優(yōu)選的方案，可以提高對(duì)鄰接矩陣的判定精度。
[0021] 作為優(yōu)選的方案，還利用梯度卷積算子對(duì)每點(diǎn)像素值求梯度幅值，并設(shè)為total， 在第5)步驟后判斷total是否大于80,是則將"2"代替原權(quán)值，否則將" 1"代替原權(quán)值，隨 后進(jìn)行染色步驟。
[0022] 采用上述優(yōu)選的方案，可以提高染色的精度。
[0023] 作為優(yōu)選的方案，上述的第7)步驟后，還以行為單元逐一判斷是否為邊界點(diǎn)，隨 后把灰度值轉(zhuǎn)換成像素值并根據(jù)像素?cái)?shù)組生產(chǎn)圖片。
[0024] 采用上述優(yōu)選的方案，可以提高對(duì)邊界點(diǎn)的判定精度，從而提高圖片的轉(zhuǎn)換精度。
【附圖說明】
[0025] 圖1為居民小區(qū)汽車門禁系統(tǒng)示意圖。
[0026] 圖2為本發(fā)明的基于染色矩陣算法的圖像邊緣檢測方法的實(shí)施流程圖。
【具體實(shí)施方式】
[0027] 下面結(jié)合附圖詳細(xì)說明本發(fā)明的優(yōu)選實(shí)施方式。
[0028] 為了達(dá)到本發(fā)明的目的，如圖2所示，在本發(fā)明的基于染色矩陣算法的圖像邊緣 檢測方法的其中一些實(shí)施方式中，其采用MyEclpise7. 0工具和Java語言，該方法包括以下 步驟：
[0029] Sl :將圖片轉(zhuǎn)化成A[m] [η]矩陣的形式；
[0030] S2 :將A[m] [η]矩陣生成鄰接矩陣Β[ρ] [ρ](即圖2中的Matrix[p*p])，其中ρ = m氺η ;
[0031] S3 :從A[m] [η]矩陣中分別讀取每個(gè)像素點(diǎn)的灰度值，分別填入鄰接矩陣B[p] [p] 的對(duì)角線位置，并對(duì)鄰接矩陣B [p] [p]進(jìn)行初始化處理；
[0032] S4 :給相鄰兩點(diǎn)間的邊賦權(quán)值；
[0033] S5 :求所有邊權(quán)值的平均值并確定閾值；
[0034] S6 :根據(jù)色集合進(jìn)行邊染色；
[0035] S7 :找出邊界點(diǎn)進(jìn)行點(diǎn)染色。
[0036] 本方法根據(jù)圖論觀點(diǎn)，通過設(shè)置矩陣并利用其對(duì)角線的形式進(jìn)行邊賦權(quán)值和閾值 的計(jì)算，從而對(duì)邊和點(diǎn)進(jìn)行染色，實(shí)現(xiàn)了對(duì)圖像邊緣的檢測，使得該方法具有結(jié)構(gòu)性強(qiáng)、數(shù) 據(jù)結(jié)構(gòu)和構(gòu)建過程簡單、組織結(jié)構(gòu)清晰等特點(diǎn)，可以有效應(yīng)用于居民小區(qū)汽車門禁系統(tǒng)當(dāng) 中，從而使得本方法相較于現(xiàn)有技術(shù)對(duì)于圖像邊緣檢測的精度和抗噪能力得以提高，同時(shí) 僅借助于MyEclpise 7. 0工具和Java語言即可實(shí)現(xiàn)的本方法，在應(yīng)用條件和硬件成本上相 較現(xiàn)有技術(shù)也具有其優(yōu)勢(shì)，并且與居民小區(qū)門禁系統(tǒng)的應(yīng)用條件匹配較好，可廣泛應(yīng)用在 小區(qū)汽車門禁系統(tǒng)當(dāng)中。
[0037] 本方法中所涉及的染色矩陣算法程序片段如下：
[0038]
【主權(quán)項(xiàng)】
1. 基于染色矩陣算法的圖像邊緣檢測方法，其特征在于，采用MyEclpise7.O工具和 Java語言，所述方法包括以下步驟： 1) 將圖片轉(zhuǎn)化成A[m] [n]矩陣的形式； 2) 將所述A[m] [n]矩陣生成鄰接矩陣B[p] [p]，其中p=m*n; 3) 從所述A[m] [n]矩陣中分別讀取每個(gè)像素點(diǎn)的灰度值，分別填入所述鄰接矩陣B[p] [P]的對(duì)角線位置，并對(duì)所述鄰接矩陣B[p] [p]進(jìn)行初始化處理； 4) 給相鄰兩點(diǎn)間的邊賦權(quán)值； 5) 求所有邊權(quán)值的平均值并確定閾值； 6) 根據(jù)色集合進(jìn)行邊染色； 7) 找出邊界點(diǎn)進(jìn)行點(diǎn)染色。
2. 根據(jù)權(quán)利要求1所述的基于染色矩陣算法的圖像邊緣檢測方法，其特征在于，在所 述第1)步驟前，還需要對(duì)圖片進(jìn)行灰度處理：打開一張圖片，并獲取圖片的寬與高，寬為w， 高為h，根據(jù)所述寬與高生成一維數(shù)組pixels[w*h]，存放每點(diǎn)像素值，對(duì)所述圖片進(jìn)行灰 度轉(zhuǎn)換，得到灰度值，并存放在所述一維數(shù)組中。
3. 根據(jù)權(quán)利要求1所述的基于染色矩陣算法的圖像邊緣檢測方法，其特征在于，所述 鄰接矩陣B[p] [p]中，有相鄰關(guān)系的設(shè)置為" 1"，無相鄰關(guān)系的設(shè)置為"-1"。
4. 根據(jù)權(quán)利要求1或3所述的基于染色矩陣算法的圖像邊緣檢測方法，其特征在于， 利用梯度卷積算子對(duì)每點(diǎn)像素值求梯度幅值，并設(shè)為total，在所述第5)步驟后判斷total 是否大于80,是則將"2"代替原權(quán)值，否則將" 1"代替原權(quán)值，隨后進(jìn)行染色步驟。
5. 根據(jù)權(quán)利要求1所述的基于染色矩陣算法的圖像邊緣檢測方法，其特征在于，所述 第7)步驟后，還以行為單元逐一判斷是否為邊界點(diǎn)，隨后把灰度值轉(zhuǎn)換成像素值并根據(jù)像 素?cái)?shù)組生產(chǎn)圖片。
【專利摘要】本發(fā)明公開了一種基于染色矩陣算法的圖像邊緣檢測方法，其包括以下步驟：將A[m][n]矩陣生成鄰接矩陣B[p][p]，其中p＝m*n；從A[m][n]矩陣中分別讀取每個(gè)像素點(diǎn)的灰度值，分別填入鄰接矩陣B[p][p]的對(duì)角線位置，并對(duì)鄰接矩陣B[p][p]進(jìn)行初始化處理；給相鄰兩點(diǎn)間的邊賦權(quán)值；求所有邊權(quán)值的平均值并確定閾值；根據(jù)色集合進(jìn)行邊染色；找出邊界點(diǎn)進(jìn)行點(diǎn)染色。本方法相較于現(xiàn)有技術(shù)對(duì)于圖像邊緣檢測的精度和抗噪能力得以提高，同時(shí)在應(yīng)用條件和硬件成本上相較現(xiàn)有技術(shù)也具有其優(yōu)勢(shì)，并且與居民小區(qū)門禁系統(tǒng)的應(yīng)用條件匹配較好，可廣泛應(yīng)用在小區(qū)汽車門禁系統(tǒng)當(dāng)中。
【IPC分類】G06T7-00
【公開號(hào)】CN104732556
【申請(qǐng)?zhí)枴緾N201510173503
【發(fā)明人】王巖, 盧曦, 陸盈
【申請(qǐng)人】南通理工學(xué)院
【公開日】2015年6月24日
【申請(qǐng)日】2015年4月13日