一種基于像素信號能量的圖像邊緣roi的確定算法
【專利摘要】本發(fā)明涉及邊緣檢測技術領域，公開了一種基于像素信號能量的圖像邊緣ROI的確定算法。具體包括以下步驟：圖像矩陣記為I，選取圖像矩陣上第x行第y列為中心像素點I(x,y)；以像素點I(x,y)為中心的像素塊的塊內(nèi)灰度方差用下式表示：V(x，y)＝var{G(x+i，y+j)},i,j∈{?1,0,1}，其中G(x,y)為像素點I(x,y)的灰度值；記像素點I(x,y)的信號能量En(x,y)＝V(x,y)2；引入信號能量的百分位數(shù)函數(shù)Percentile(u,v)，其中u,v∈[0,100]，表示矩陣I中像素點I(x,y)的信號能量En(x,y)小于總能量百分之v的像素點個數(shù)占到了矩陣I的像素點總個數(shù)的百分之u；根據(jù)信號能量的百分位數(shù)函數(shù)Percentile(u,v)，選取顯著性水平α的值，計算1?α取值，剔除信號能量的百分位數(shù)函數(shù)中像素能量在總能量中占比低于1?α的像素點，所述選出的像素點有1?α的可能性屬于圖像邊緣，從而可以獲得圖像邊緣ROI。
【專利說明】
-種基于像素信號能量的圖像邊緣ROI的確定算法
技術領域
[0001] 本發(fā)明設及邊緣檢測技術領域，特別是一種基于像素信號能量的圖像邊緣R0I的 確定算法。
【背景技術】
[0002] 目前傳統(tǒng)圖像邊緣檢測技術采用數(shù)字圖像邊緣檢測技術，主要目的是為了檢測或 者提取出一張數(shù)字圖像中有明顯變化的邊緣或者不聯(lián)系區(qū)域包括一階微分邊緣算子、Log 算子、Canny算子、Sobel算子等，雖然數(shù)字圖像邊緣檢測技術可W較好的得到圖像的邊緣， 但是檢測算法多根據(jù)像素的局部情況進行判定，而且檢測到的邊緣輪廓常常是不連續(xù)的， 甚至包含一些人們不感興趣的區(qū)域邊緣，因此檢測出的圖像邊緣往往存在個別的誤檢，比 如局部脫離邊緣主輪廓的點明顯是非邊緣區(qū)域被判斷成邊緣，或者圖像中目標內(nèi)部出現(xiàn)了 小幅灰度變化的區(qū)域被誤判為邊緣區(qū)域。如圖1所示，該圖為CT掃描得到的牙齒圖像，可W 看出圖1中的背景區(qū)域有大量區(qū)域因其附近像素的灰度出現(xiàn)了波動而被誤判為邊緣，如圖2 所示為利用傳統(tǒng)化nny算子處理圖1后所獲得的邊緣圖像且在牙齒區(qū)域內(nèi)部也出現(xiàn)了很多 脫離邊緣主輪廓的非邊緣區(qū)域。同樣在其他物體的圖像邊緣區(qū)域同樣也會出現(xiàn)上述的誤判 情況。
[0003] 故有必要設計算法去除非邊緣區(qū)域，在邊緣檢測前設定大致的圖像邊緣R0I，在確 定邊緣可能出現(xiàn)的區(qū)域后，只在該區(qū)域進行邊緣檢測，W提高圖像邊緣檢測的準確性。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是確定圖像邊緣可能出現(xiàn)的區(qū)域，從而設置圖像邊緣R0I，減少傳統(tǒng) 的數(shù)字圖像邊緣檢測算法帶來的邊緣誤檢，本發(fā)明提出了一種基于像素信號能量的圖像邊 緣R0I的確定算法。
[0005] 本發(fā)明采用的技術方案如下：
[0006] -種基于像素信號能量的圖像邊緣R0I的確定算法，其特征在于包括W下步驟：
[0007] 步驟一、圖像矩陣記為I，選取圖像矩陣上第X行第y列為中屯、像素點I(x，y);
[000引步驟二、W像素點I(x，y)為中屯、的像素塊的塊內(nèi)灰度方差用下式表示:V(x，y) = va;r{G(x+i，y+j)}，i, je {-1,0,1}，其中G(x，y)為像素點I(x，y)的灰度值；
[0009] 步驟S、記像素點I(x，y)的信號能量6。山7)=^《，7)2，像素點是邊緣的可能性大 小建模為像素點I(x，y)的信號能量；
[0010] 步驟四、引入信號能量的百分位數(shù)函數(shù)Pe;rcentile(u，v)，其中U，ve [0,100]，表 示矩陣I中像素點I(x，y)的信號能量En(x，y)小于總能量百分之V的像素點個數(shù)占到了矩陣 I的像素點總個數(shù)的百分之U;
[0011] 步驟五、用二維坐標圖表示百分位數(shù)函數(shù)化rcentile(u，V)，選取顯著性水平α，可 求得1-α的值；
[0012] 步驟六、在百分位數(shù)函數(shù)化;rcentile(u，v)中將像素點I(x，y)信號能量En(x，y)占 總能量的比低于1-α的像素點全部剔除，即將其灰度置零，可W獲得圖像邊緣ROI。
[0013] 進一步地，上述信號能量有W下關系式
其中 I二{I (義，5〇|6。（義，5〇<化1；虹6311。1(1},化1；虹6311。1(1為像素{曰虧能里闊值。
[0014] 與現(xiàn)有技術相比，采用上述技術達到W下有益效果:根據(jù)圖像像素塊的整體情況 進行判定，W像素塊的灰度方差作為判斷標準，并且引入信號能量和能量百分位數(shù)函數(shù)，可 有效剔除屬于圖像邊緣的可能性較小的區(qū)域。
【附圖說明】
[0015] 圖1為通過CT機掃描牙齒得到的原始圖像。
[0016] 圖2為利用傳統(tǒng)化nny算子處理圖1后所獲得的邊緣圖像。
[0017] 圖3為本發(fā)明圖像邊緣的像素信號能量圖。
[001引圖4為本發(fā)明信號能量的百分位數(shù)函數(shù)化rcenti le (U，V)的二維坐標圖。
[0019] 圖5為本發(fā)明基于像素信號能量的圖像邊緣R0I圖。
【具體實施方式】
[0020] 現(xiàn)結合附圖對本發(fā)明做進一步地描述。
[0021] -種基于像素信號能量的圖像邊緣R0I的確定算法，具體包括W下步驟：
[0022] 本實施例W牙齒為例，除了牙齒本發(fā)明還適用于機械部件、精密零件等其他需要 計算圖像邊緣R0I的物體；
[0023] 步驟一、如圖1所示為通過CT機掃描物體得到的原始圖像，得到需要進行邊緣檢測 的初始圖像，圖像中可W看到被檢測物體的整體輪廓，圖像矩陣記為I，選取圖像矩陣上第X 行第y列為中屯、像素點I(x，y);
[0024] 步驟二、W像素點I(x，y)為中屯、的像素塊的塊內(nèi)灰度方差用下式表示:V(x，y) = va;r{G(x+i，y+j)}，i，je {-1,0,1}，其中G(x，y)為像素點I(x，y)的灰度值，圖像的邊緣區(qū)域 的各個像素點之間會呈現(xiàn)出較大的灰度差，而像素塊的灰度方差可W用來描述運一灰度變 化的程度，且用到了像素塊內(nèi)的全部像素點的信息，因此可W將像素塊的灰度方差作為某 像素點屬于圖像邊緣可能性大小的評判標準，V(x，y)的數(shù)值越小代表像素點I(x，y)越有可 能不是圖像邊緣，應該刪去；
[0025] 步驟Ξ、為確定需要刪去的部分，需要確定刪除闊值，運里引入像素點的信號能量 的概念，記像素點I(x，y)的信號能量6。(^，7)=八^，7)2，像素點1(^，7)是邊緣的可能性大小 建模為像素點I(x，y)的信號能量，矩陣I中能量積累小的區(qū)域應當考慮被剔除，可得到像素 信號能量圖如圖3所示；
[00%]步驟四、為了進一步確定圖像邊緣R0I，引入信號能量的百分位數(shù)函數(shù)化rcentile
(u，v)，其中！ Γ = {Γ (x，y) |En(x, ,， y)<E：nthresh〇id} Jnthreshoid為像素信號能量闊值，百分位數(shù)函數(shù)化rcentile(u,v)表示矩陣I 中像素點I(x，y)的信號能量En(x，y)小于總能量百分之V的像素點個數(shù)占到了矩陣I的像素 點總個數(shù)的百分之U，可得到像素信號能量的百分位數(shù)函數(shù)化rcenti 1 e (U，V);
[0027] 步驟五、如圖4中所示，用二維坐標圖表示百分位數(shù)函數(shù)化;rcentile(u,v)，橫坐標 為數(shù)量百分比U，縱坐標為能量百分比V，選取顯著性水平α，能量百分比V在能量百分比為 1%時候突然急速增大，所W此實施例中顯著性水平α取1%，可求得1-α的值為99%。在百分 位數(shù)函數(shù)中將像素點的信號能量占總能量的比低于1-0 = 99%對應的像素點全部剔除，即 將其灰度值置零，即可W得到圖像邊緣R0I，如圖4中對應能量百分比V為1%的數(shù)量百分比 為95.5%，說明整個圖像中95.5%的像素的能量只占到了總信號能量的1%，運些點屬于圖 像邊緣的可能性低，可W剔除，剩余4.5%的像素占到總能量的99%可W保留，由此可W得 到圖像邊緣R0I，如圖5所示。
[0028] 雖然本發(fā)明的技術內(nèi)容已經(jīng)W較佳的實例公開如上，然而并非用W限定本發(fā)明， 如果本領域技術人員，在不脫離本發(fā)明的精神所做的非實質(zhì)性改變或改進，都應該屬于本 發(fā)明權利要求保護的范圍。
【主權項】
1. 一種基于像素信號能量的圖像邊緣ROI的確定算法，其特征在于包括以下步驟： 步驟一、圖像矩陣記為I，選取圖像矩陣上第X行第y列為中心像素點I(x，y); 步驟二、以像素點I(x，y)為中心的像素塊的塊內(nèi)灰度方差用下式表示:V(X，y)=var{G (x+i，y+j)}，i, je {-1,0,1}，其中G(x，y)為像素點I(x，y)的灰度值； 步驟三、記像素點I(x，y)的信號能量En(x，y)=V(x，y)2,像素點是邊緣的可能性大小建 模為像素點I(x，y)的信號能量； 步驟四、引入信號能量的百分位數(shù)函數(shù)Percentile(u，v)，其中u，ve [〇, 1〇〇]，表示矩 陣I中像素點I(x，y)的信號能量En(x，y)小于總能量百分之v的像素點個數(shù)占到了矩陣I的 像素點總個數(shù)的百分之u; 步驟五、用二維坐標圖表示百分位數(shù)函數(shù)PerCentile(U，V)，選取顯著性水平α，可求得 l-α的值； 步驟六、在百分位數(shù)函數(shù)Percentile(u，v)中將像素點I(x，y)信號能量En(x，y)占總能 量的比低于l-α的像素點全部剔除，即將其灰度置零，可以獲得圖像邊緣R0I。2. 如權利要求1所示的基于像素信號能量的圖像邊緣R0I的確定算法，其特征在于所述 信號能量有以下關系式，其中r = {I'（X，y)|En(X，y) <Enthreshold}，Enthreshold為像素信號能量閾值。
【文檔編號】G06T7/00GK106067176SQ201610409897
【公開日】2016年11月2日
【申請日】2016年6月12日 公開號201610409897.2, CN 106067176 A, CN 106067176A, CN 201610409897, CN-A-106067176, CN106067176 A, CN106067176A, CN201610409897, CN201610409897.2
【發(fā)明人】羅敏, 余翊森, 蔣千軍, 王浩正
【申請人】成都甄識科技有限公司