[发明专利]一种图像处理方法及图像处理装置

说明书

技术领域

本发明主要涉及图像处理领域，特征是指涉及边缘检测和跟踪的图像处理方法及图像处理装置。

背景技术

图像中边缘的自动化检测和跟踪是一个很难的问题。这个问题具体可以分为两个步骤，第一是检测出图像中的边缘，第二就是对边缘进行跟踪，得到连续的线条。边缘检测有很多提取算子，著名的有Sobel算子，Previit算子，Robert算子，Canny算子，Susan算子等。其中Canny算子是公认的最优边缘提取算子。边缘提取出来后用跟踪的方法可以将连通的边缘点顺序排列起来，形成连续的线条。由于边缘检测的复杂性，边缘的自动化检测和跟踪往往很难得到满意的结果。

在实际应用中，常常使用半自动(即加入人工交互)的方法来对边缘进行跟踪，取得了较好的效果。其中比较有名的有Snake算法和Live-ware算法。Snake即蛇行算法，该算法在图像边缘附近交互的点击几个点作为初始点，然后就可以自动搜索边缘。Snake的本质根据初始点在图像上寻找能量最小值的边缘，其能量计算包括外部能量和内部能量。外部能量基于图像信息，内部能量基于边缘的形状。内部能量和外部能量给予不同的权重，当内外能量达到平衡时，搜索就结束。Snake算子的优点是充分考虑了边缘所在像素点的图像信息和边缘整体的形状信息，因此可以获得比较平滑的边缘线。在实际应用中，可以根据需要来选择不同的能量计算方式和权重分配方式。缺点是计算比较复杂，而且对初始点的要求比较严格。

半自动边缘跟踪的另一种方法是Live-ware算法，Live-wire将寻找边缘问题转换为图论中最优路径的搜索问题，因此可以利用已有的最优路径搜索方法(Dijkstra算法)来计算。由于该算法在数学原理方面的完整性和实现的简单性，逐渐成为一种应用非常广泛的交互式边缘提取方法。传统的Live-ware算法计算量大，速度慢，迫切需要进行改进。

发明内容

本发明提出一种图像处理方法和一种图像处理装置，可以提高像素的存储和提取效率，减少计算量，提高图像处理的速度。

本发明的技术方案是这样实现的：

一种图像处理方法，应用于图像中的边缘检测和跟踪，包括：

步骤A：确定种子像素点；

步骤B：确定所述种子像素点的邻域像素点；

步骤C：计算所述种子像素点和每一个邻域像素点所构成的边的权重值；

步骤D：将所述邻域像素点存入一个二维矩阵，根据所述邻域像素点的权重值确定所述邻域像素点在所述二维矩阵中的行列坐标；

步骤E：从所述二维矩阵中搜索出权重值最小的像素点确定为新的种子像素点；

重复所述步骤B、C、D、E，直至所有的边都被遍历，从而获得所述种子像素点到所有像素点之间的最优路径。

优选的，根据所述邻域像素点的权重值确定所述邻域像素点在所述二维矩阵中的行列坐标具体为：

根据所述邻域像素点权重值的整数部分确定所述邻域像素点在所述二维矩阵中的行坐标，根据所述邻域像素点权重值的小数部分与所述二维矩阵的最大维数的积确定所述邻域像素点在所述二维矩阵中的列坐标。

优选的，根据以下公式计算所述种子像素点和每一个邻域像素点所构成的边的权重值：

l(p，q)＝ω_Z·f_Z(q)+ω_G·f_G(q)+ω_D·f_D(p，q)；

其中，所述p表示种子像素点，q表示邻域像素点，f_Z(q)表示像素点q的拉普拉斯算子计算的值，f_D(p，q)表示梯度方向，f_G(q)根据梯度来计算，其计算公式为：

I_x，I_y表示像素点在x，y方向上的导数值。

优选的，在所述步骤A之前还包括：

以种子像素点为中心将所述图像划分为至少一个搜索区域；

根据搜索终点选择搜索区域；

所述重复所述步骤B、C、D、E，直至所有的边都被遍历，从而获得所述种子像素点到所有像素点之间的最优路径具体为：

重复所述步骤B、C、D、E，直至搜索区域中所有的边都被遍历，从而获得所述种子像素点到搜索区域中所有像素点之间的最优路径。

一种图像处理装置，应用于图像中的边缘检测和跟踪，包括：

第一确定单元，用于确定种子像素点；

第二确定单元，用于确定所述种子像素点的邻域像素点；