[发明专利]一种基于随机计算的无误差省资源图像边缘检测算子方法

说明书

本发明公开一种基于随机计算的无误差省资源图像边缘检测算子方法，应用于图像边缘处理技术领域，为解决现有技术存在的计算资源消耗较大的问题，本发明通过Roberts算子对图像进行二维空间梯度测量，对所获得数据进行随机计算处理，得到的随机序列通过无误差的绝对值加减运算计算出该像素点的灰度大小，从而得到边缘检测算子，基于该边缘检测算子，进行数字图像边缘检测；实现了节省计算资源的技术效果，并且相比于现有技术的适应性更好。

技术领域

本发明属于图像边缘处理技术领域，特别涉及一种图像边缘检测技术。

背景技术

图像中包含的所有重要信息和所有关键特征都可以从边缘提取出来。边缘以强烈的局部波动为特征，存在于目标和背景中，并定义了区域之间的边界，对于灰度的变化不敏感。而经过中值滤波，尤其是多次中值滤波的图像，边缘信息会变得模糊，因此需要做边缘检测。这一过程过滤了被认为不太相关的信息，保留了目标的重要结构属性。这个过程有助于后续的图像分割，数据压缩和对象识别。

发明内容

为解决上述技术问题，本发明提出一种基于随机计算的无误差省资源图像边缘检测算子方法，采用Robert边缘检测的随机实现求解图像边缘检测算子，根据所述算子对边缘进行检测。

本发明采用的技术方案为：一种基于随机计算的无误差省资源图像边缘检测算子方法，所基于的边缘检测算法结构包括：前向转换模块、中间边缘检测算法计算模块以及后向转换模块，所述前向转换模块用于产生和集中分布序列，经前向转换模块处理得到的集中分布序列，通过中间边缘检测算法计算模块中的异或门与后向转换模块中的无误差随机加法器实现边缘检测算子。

所述集中分布序列生成过程为：将原始图像转化为加权二进制数表示，若加权二进制加权数大于当前时钟周期的加计数器值，则输出比特流为“1”，否则输出比特流为“0”，由于每个时钟周期自加1，从而输出“1”全在序列头部，其余位为“0”并在序列尾部的集中分布序列。

所述过中间边缘检测算法计算模块中的异或门的输入为集中分布序列，输出为像素的垂直灰度值和水平灰度值。

异或门的具体处理过程为：使用一对2×2矩阵，分别作为垂直方向和水平方向的卷积核，使用这两个卷积核分别图像矩阵做卷积，得到图像各像素的垂直灰度值和水平灰度值。

无误差随机加法器的输入为图像各像素的垂直灰度值和水平灰度值，输出为图像各像素的灰度值。

本发明的有益效果：本发明采用Roberts算子对图像进行二维空间梯度测量，对所获得数据进行随机计算处理，得到的随机序列通过无误差的绝对值加减运算计算出该像素点的灰度大小，基于该边缘检测算子进行数字图像边缘检测，相比于现有技术，节省了计算资源，适应性更好。

附图说明

图1为本发明实施例提供的前向转换模块结构示意图；

图2为本发明实施例提供的集中分布序列生成单元结构示意图；

图3为本发明实施例提供的均匀分布序列生成单元结构示意图；

图4为本发明实施例提供的图像边缘检测算子的结构示意图；

图5为本发明实施例提供的无误差随机加法器结构示意图。

具体实施方式

为便于本领域技术人员理解本发明的技术内容，下面结合附图对本发明内容进一步阐释。

本发明的无误差随机计算的图像边缘检测方法，所基于的检测系统包括：前向转换模块、中间边缘检测算法计算模块以及后向转换模块，所述前向转换模块用于将二进制信号分别转换成均匀分布序列和集中分布序列。