專利名稱：圖像梯度計算方法及裝置的制作方法
圖像梯度計算方法及裝置
技術領域：
本發(fā)明涉及圖像處理領域，特別涉及一種圖像梯度計算方法及裝置。
背景技術：
邊緣檢測是圖像處理和計算機視覺中的基本問題，邊緣檢測的目的是標識數(shù)字圖像中亮度變化明顯的點。圖像的邊緣檢測可以通過梯度算子來實現(xiàn)，它的本質也就是對一幅圖像求其梯度圖像。梯度計算成為圖像邊緣檢測的重要步驟。在現(xiàn)有技術中，常采用Roberts, sobel, prewitt等算子來計算圖像的梯度。Roberts算子是一種利用局部差分算子尋找邊緣的算子，其定位精度高，但是對于噪聲十 分的敏感；sobel算子是一離散性差分算子，用來運算圖像亮度函數(shù)的梯度之近似值，它能夠抑制噪聲的影響，但是邊緣的檢測較寬；prewitt算子利用像素點上下、左右鄰點的灰度差，在邊緣處達到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用，但是會造成邊緣點的誤判，因為許多噪聲點的灰度值也很大，而且對于幅值較小的邊緣點，其邊緣反而丟失了。綜上，現(xiàn)有的圖像梯度計算方法精確度都存在不精確的缺點。

發(fā)明內容本發(fā)明的目的在于提供一種圖像梯度計算方法及裝置，所述圖像梯度計算方法及裝置可以更精確的得到梯度圖像。根據(jù)本發(fā)明的一個方面，提供了一種圖像梯度計算方法，所述方法包括對輸入圖像數(shù)據(jù)進行N*N窗口大小的緩存；分別對N*N窗口內的各個有效點進行向右移位操作，將有效點劃分為M類；將窗口分為左右兩個部分，分別統(tǒng)計所述窗口左右部分內屬于M類中每一類的個數(shù)；根據(jù)所述窗口內左右部分各個有效點屬于每一類的個數(shù)和X2直方圖分布計算當前有效點的梯度值。進一步地，所述對輸入圖像數(shù)據(jù)進行N*N窗口大小的緩存包括根據(jù)圖像緩存的需要，圖像緩存區(qū)采用N*N的矩形窗口來緩存N行N列的圖像數(shù)據(jù)，這里采用FIFO ((First Input First Output,先入先出隊列)作為緩存行數(shù)據(jù)的硬件結構，其位寬為8，深度為X，其中位寬和圖像數(shù)據(jù)所需最大位寬一致，深度等于一行數(shù)據(jù)的個數(shù)；FIF0的右邊是由N*N個8位的寄存器組成的矩陣，圖像數(shù)據(jù)由輸入端同時進入最上面的FIFO和一組寄存器，等待X個周期后，最上面的FIFO開始讀出緩存的數(shù)據(jù)給第二組寄存器，第二個FIFO開始寫數(shù)據(jù)；等待2X個周期后，第二個FIFO開始讀數(shù)據(jù)給第三組寄存器，同時第三個FIFO開始寫數(shù)據(jù)，依此類推，等到[X*(N-1)+N]個周期后，圖像N行N列的數(shù)據(jù)緩存完畢；其中，X為輸入圖像一行數(shù)據(jù)的個數(shù)，N為大于等于3的奇數(shù)。進一步地，所述分別對N*N窗口內的各個有效點進行向右移位操作，將有效點劃分為M類包括
對N*N窗口內的各個有效點進行右移位操作，將當前的有效點從小到大分為M類，每類對應預定的大小，所述M為大于0的整數(shù)。進一步地，所述分別對N*N窗口內的各個有效點進行向右移位操作，將有效點劃分為M類還包括所述M為32，圖像的像素點的默認值為0 255之間的數(shù)，將其劃分為32類，即對于像素點進行除8運算，按照硬件結構的移位操作，將窗口內每一個有效點數(shù)值進行右移3位的操作，來實現(xiàn)有效點的32類劃分。進一步地，所述將窗口分為左右兩個部分，分別統(tǒng)計所述窗口左右部分內屬于M類中每一類的個數(shù)包括將緩存像素點的矩形窗口按照第一方向、第二方向、第三方向和第四方向分為左
右兩個部分；對于每一個方向，左右部分各有
權利要求
1.一種圖像梯度計算方法及裝置，其特征在于，所述方法包括 對輸入圖像數(shù)據(jù)進行N*N窗口大小的緩存； 分別對N*N窗口內的各個有效點進行向右移位操作，將有效點劃分為M類； 將窗口分為左右兩個部分，分別統(tǒng)計所述窗口左右部分內屬于M類中每一類的個數(shù)；根據(jù)所述窗口內左右部分各個有效點屬于每一類的個數(shù)和X 2直方圖分布計算當前有效點的梯度值。
2.根據(jù)權利要求1所述的圖像梯度計算方法，其特征在于，所述對輸入圖像數(shù)據(jù)進行N*N窗口大小的緩存包括 根據(jù)圖像緩存的需要，圖像緩存區(qū)采用N*N的矩形窗口來緩存N行N列的圖像數(shù)據(jù)，所述圖像緩沖區(qū)采用FIFO作為緩存行數(shù)據(jù)的硬件結構，其位寬為8，深度為X，其中位寬和圖像數(shù)據(jù)所需最大位寬一致，深度等于一行數(shù)據(jù)的個數(shù)；所述FIFO的右邊是由N*N個8位的寄存器組成的矩陣，圖像數(shù)據(jù)由輸入端同時進入最上面的FIFO和一組寄存器，等待X個周期后，最上面的FIFO開始讀出緩存的數(shù)據(jù)給第二組寄存器，第二個FIFO開始寫數(shù)據(jù)；等待2X個周期后，第二個FIFO開始讀數(shù)據(jù)給第三組寄存器，同時第三個FIFO開始寫數(shù)據(jù)，依此類推，等到[X*(N-1)+N]個周期后，圖像N行N列的數(shù)據(jù)緩存完畢； 其中，X為輸入圖像一行數(shù)據(jù)的個數(shù)，N為大于等于3的奇數(shù)。
3.根據(jù)權利要求1所述的圖像梯度計算方法，其特征在于，所述分別對N*N窗口內的各個有效點進行向右移位操作，將有效點劃分為M類包括 對N*N窗口內的各個有效點進行右移位操作，將當前的有效點從小到大分為M類，每類對應預定的大小，所述M為大于O的整數(shù)。
4.根據(jù)權利要求3所述的圖像梯度計算方法，其特征在于， 所述M為32，圖像的像素點的默認值為O 255之間的數(shù)，將其劃分為32類，即對于像素點進行除8運算，按照硬件結構的移位操作，將窗口內每一個有效點數(shù)值進行右移3位的操作，來實現(xiàn)有效點的32類劃分。
5.根據(jù)權利要求1所述的圖像梯度計算方法，其特征在于，所述將窗口分為左右兩個部分，分別統(tǒng)計所述窗口左右部分內屬于M類中每一類的個數(shù)包括 將緩存像素點的矩形窗口按照第一方向、第二方向、第三方向和第四方向分為左右兩 N*N-1個部分；對于每一個方向，左右部分各有一個數(shù)，分別統(tǒng)計左右兩個部分內屬于32類里面每一類的數(shù)的個數(shù)；對于左右部分，分別累加得到suml sum32。
6.根據(jù)權利要求1所述的圖像梯度計算方法，其特征在于，所述根據(jù)所述窗口內左右部分各個有效點屬于每一類的個數(shù)和X2直方圖分布計算當前有效點的梯度值包括 根據(jù)如下公式計算當前有效點的梯度值
7.一種圖像梯度計算裝置，其特征在于，其包括 圖像數(shù)據(jù)緩存模塊，用于對輸入圖像數(shù)據(jù)進行N*N窗口大小的緩存；分類模塊，用于對N*N窗口內的各個有效點進行向右移位操作，將有效點劃分為M類； 左半部分統(tǒng)計模塊，用于統(tǒng)計所述窗口左半部分內屬于M類中每一類的個數(shù)； 右半部分統(tǒng)計模塊，用于統(tǒng)計所述窗口右半部分內屬于M類中每一類的個數(shù)； 圖像梯度計算模塊，用于根據(jù)所述窗口內左右部分各個有效點屬于每一類的個數(shù)和X2直方圖分布計算當前有效點的梯度值。
8.根據(jù)權利要求7所述的圖像梯度計算裝置，其特征在于，所述圖像數(shù)據(jù)緩存模塊，具體用于采用N*N的矩形窗口來緩存N行N列的圖像數(shù)據(jù)，所述圖像緩沖區(qū)采用FIFO作為緩存行數(shù)據(jù)的硬件結構，其位寬為8，深度為X，其中位寬和圖像數(shù)據(jù)所需最大位寬一致，深度等于一行數(shù)據(jù)的個數(shù)；所述FIFO的右邊是由N*N個8位的寄存器組成的矩陣，圖像數(shù)據(jù)由輸入端同時進入最上面的FIFO和一組寄存器，等待X個周期后，最上面的FIFO開始讀出緩存的數(shù)據(jù)給第二組寄存器，第二個FIFO開始寫數(shù)據(jù)；等待2X個周期后，第二個FIFO開始讀數(shù)據(jù)給第三組寄存器，同時第三個FIFO開始寫數(shù)據(jù)，依此類推，等到[X*(N-1)+N]個周期后，圖像N行N列的數(shù)據(jù)緩存完畢； 其中，X為輸入圖像一行數(shù)據(jù)的個數(shù)，N為大于等于3的奇數(shù)。
9.根據(jù)權利要求7所述的圖像梯度計算裝置，其特征在于， 所述分類模塊，具體用于對N*N窗口內的各個有效點進行右移位操作，將當前的有效點從小到大分為M類，每類對應預定的大小，所述M為大于O的整數(shù)； 所述M為32，圖像的像素點的默認值為O 255之間的數(shù)，將其劃分為32類，即對于像素點進行除8運算，按照硬件結構的移位操作，將窗口內每一個有效點數(shù)值進行右移3位的操作，來實現(xiàn)有效點的32類劃分。
10.根據(jù)權利要求7所述的圖像梯度計算裝置，其特征在于， 所述左半部分統(tǒng)計模塊，具體用于將緩存像素點的矩形窗口按照第一方向、第二方向、 第三方向和第四方向分為左右兩個部分；對于每一個方向，左半部分有
11.根據(jù)權利要求7所述的圖像梯度計算裝置，其特征在于，所述圖像梯度計算模塊，具體用于根據(jù)如下公式計算當前有效點的梯度值
全文摘要
本發(fā)明揭露了一種圖像梯度計算方法及裝置，所述方法包括對輸入圖像數(shù)據(jù)進行N*N窗口大小的緩存；分別對N*N窗口內的各個有效點進行向右移位操作，將有效點劃分為M類；將窗口分為左右兩個部分，分別統(tǒng)計所述窗口左右部分內屬于M類中每一類的個數(shù)；根據(jù)所述窗口內左右部分各個有效點屬于每一類的個數(shù)和χ2直方圖分布計算當前有效點的梯度值。本發(fā)明通過可以并行地對窗口內有效點分類和進行χ2直方圖計算，使得能夠更加準確地對輸入的每一個像素點計算其所代表的窗口具有的梯度值，從而得到精確的梯度圖像。
文檔編號G06T1/00GK103020889SQ20121052457
公開日2013年4月3日 申請日期2012年12月4日 優(yōu)先權日2012年12月4日
發(fā)明者柴志雷, 邵興龍, 梁久禎, 王芝斌, 陽文敏, 馬駿, 張圓蒲 申請人:江南大學