[发明专利]一种图像边缘检测方法、装置和存储介质

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像边缘检测方法、装置和存储介质。

背景技术

图像边缘检测是图像处理和计算机视觉中的基本问题，图像边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。

所谓边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，所以，它是图像分割所依赖的最重要的依据。由于边缘是位置的标志，对灰度的变化不敏感，因此，边缘也是图像匹配的重要的特征。

目前常用的图像边缘检测方式主要是基于相邻像素点之间的灰度变化值来检测边缘，也即基于梯度变化来检测边缘；比如，Sobel(索贝尔)图像边缘检测算法、普利维特(Prewitt)图像边缘检测算法、罗伯茨交叉图像边缘检测(Roberts Cross operator)算法等。

然而，由于目前的图像边缘检测方式均是基于梯度变化的阀值来检测边缘，其得到的边缘比较生硬、存在锯齿效果，导致边缘的视觉效果比较差，(参考图1a、图1b、图1c)；另外，还由于目前的图像边缘检测方式对噪声的平滑作用较小，噪点影响较大，导致无法检测到边缘，降低了图像边缘检测的精确性。

发明内容

本发明实施例提供一种图像边缘检测方法、装置和存储介质，可以提升边缘的视觉效果和图像边缘检测的精确性。

本发明实施例提供一种图像边缘检测方法，包括：

获取待检测图像；

获取所述待检测图像中像素点的原始亮度值；

对所述待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值；

获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值；

根据所述亮度差值确定所述待检测图像中的边缘像素点。

相应的，本发明实施例还提供一种图像边缘检测装置，包括：

图像获取单元，用于获取待检测图像；

亮度获取单元，用于获取所述待检测图像中像素点的原始亮度值；

线性过滤单元，用于对所述待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值；

差值获取单元，用于获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值；

边缘像素确定单元，用于根据所述亮度差值确定所述待检测图像中的边缘像素点。

相应的，本发明实施例还提供了一种存储介质，所述存储介质存储有指令，所述指令被处理器执行时实现本发明实施例任一提供的方法的步骤。

本发明实施例采用获取待检测图像，然后，获取该待检测图像中像素点的原始亮度值，对该待检测图像中像素点进行线性过滤，得到线性过滤后像素点的亮度值，获取线性过滤后像素点的亮度值与原始亮度值之间的亮度差值，根据该亮度差值确定该待检测图像中的边缘像素点；该方案可以基于像素亮度的线性差值来进行图像边缘检测，由于线性差值是连续变化的，因此采用该方案得到的边缘比较柔和、不存在锯齿效果，提升了边缘的视觉效果，另外由于线性过滤的过滤参数可调整，因此，该方案还可以通过调整线性滤波的过滤参数对噪点进行过滤，尽可能消除噪点影响，提升了图像边缘检测的精确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a是待处理的原始图像；

图1b是基于索贝尔图像边缘检测算法从原始图像中检测到的水平边缘图像；

图1c是基于索贝尔图像边缘检测算法从原始图像中检测到的垂直边缘图像；

图2a是本发明实施例提供的图像边缘检测方法的流程示意图；

图2b是本发明实施例提供的像素亮度值的示意图；

图2c是本发明实施例提供的高斯过滤后的像素亮度值的示意图；

图2d是本发明实施例提供的像素的高斯差值的示意图；

图2e是本发明实施例提供的像素的高斯绝对差值的示意图；

图3是本发明实施例提供的图像边缘检测方法的另一流程示意图；

图4a是本发明实施例提供的图像边缘检测装置的第一种结构示意图；

图4b是本发明实施例提供的图像边缘检测装置的第二种结构示意图；

图4c是本发明实施例提供的图像边缘检测装置的第三种结构示意图；