[发明专利]一种物体边缘特征识别提取方法

说明书

本发明公开了一种物体边缘特征识别提取方法,将捕获到的物体原始图片,转换为具有梯度幅值的图片,按梯度方向上将其梯度幅值阀值化,再根据其对应的梯度方向，映射为多张不同方向的边缘图,根据边缘图对应的梯度方向，以梯度方向的垂线方向为中心，规定理想边缘线的角度范围，并规定本身边缘线长度最小阀值,通过位运算，检查像素点以及像素点周围一定范围内的像素点；若像素点属于边缘像素点，且通过位运算检测所属边缘线在理想角度范围内的延伸长度满足最小长度规定，则该像素点经处理后仍然作为边缘像素点；反之，若像素点属于边缘像素点，若不满足上述条件，则像素点经处理后，不再作为边缘像素点,然后再进行池化操作，凸显物体的边缘。

技术领域

本发明涉及物体边缘识别技术领域，具体为一种物体边缘特征识别提取方法。

背景技术

边缘检测技术用来检测光学成像上明暗的分界线, 自其出现以来，普遍使用于大量简单的图像识别场合。传统的物体边缘检测算法 CANY中，其核心思想仍然在梯度幅值，以及幅值对应的阀值化，其本质思想仍然是，梯度的幅值越大，那么物体的边缘越明显, 这样的筛选思想，面对复杂的树叶，树枝等背景的时候，存在严重的问题。面对图像噪点的时候，也存在严重的问题树叶和树枝有较大的明暗变化，且梯度幅值相当大，且相当密集（在树枝区域），会导致成片的边缘区域，造成巨大的混淆，甚至达到整个算法完全失效的地步。同时，我们检测的目标比边缘，有可能梯度阀值相当小，这个时候有可能就导致目标物体边缘断裂，导致目标无法识别。

发明内容

本发明目的在于提供一种物体边缘特征识别提取方法，以便获取到真正的可分辨的物体边缘。

本发明所述的一种物体边缘特征识别提取方法，包括以下步骤：

S1：将捕获到的物体原始图片,转换为具有梯度幅值的图片；

S2：具有梯度幅值的图片按其梯度方向上将其梯度幅值阀值化；

S3：经阀值化后得到的图片，再根据其对应的梯度方向，映射为多张不同方向的边缘图;

S4：对不同方向的边缘图，根据边缘图对应的梯度方向，以梯度方向的垂线方向为中心，规定理想边缘线的角度范围，并同时规定本身边缘线长度最小阀值；通过位运算，检查像素点以及像素点周围一定范围内的像素点；若像素点属于边缘像素点，且通过位运算检测所属边缘线在理想角度范围内的延伸长度满足最小长度规定，则该像素点经过处理后仍然作为边缘像素点；反之，若像素点属于边缘像素点，但是不满足上述条件，则像素点经过处理之后，不再作为边缘像素点；

S5：对作为边缘像素点的边缘进行池化操作，最终识别凸显物体的边缘。

本发明与现有技术相比，具有如下有益效果：

（1）相比原有方案，本发明的边缘线判断，不仅仅依赖梯度的幅值，更依赖边缘线本身的长度。在进行梯度幅值的阈值化的时候，我们可以直接采用较小的梯度幅值阈值化阈值，用于适应更为模糊的边缘。这样，相比原有的CANY 技术方案，我们可以对光照的适应能力更强。

（2）通过对不同方向的边缘图，根据边缘图对应的梯度方向，以梯度方向的垂线方向为中心，规定理想边缘线的角度范围，并同时规定本身边缘线长度最小阀值；通过位运算，检查像素点以及像素点周围一定范围内的像素点；若像素点属于边缘像素点，且通过位运算检测所属边缘线在理想角度范围内的延伸长度满足最小长度规定，则该像素点经过处理后仍然作为边缘像素点；反之，若像素点属于边缘像素点，但是不满足上述条件，则像素点经过处理之后，不再作为边缘像素点，对作为边缘像素点的边缘进行池化操作，从而可以获取到真正的可分辨（有一定大小）的物体的边缘，完美过滤掉过小以及散乱的和明暗变化的边缘像素点，比如树枝、树叶、地上的阴影等等。