[发明专利]一种基于改进Roberts算子的光盘装置

摘要

本发明请求保护一种基于改进Roberts算子的光盘装置，其包括：光盘读取器，其中，在操作时读取光盘；耦合到所述光盘读取器的解码器；耦合到所述光盘读取器的存储器；以及耦合到所述存储器的图像处理器，其中所述图像处理器执行算法，包括以下步骤：S1、利用形态学平滑算法对不规则饮料瓶码放图像进行滤波、保留边缘信息并去除噪声；S2、计算单一尺度下图像的形态学梯度、多尺度图像形态学梯度；S3、采用改进Roberts边缘检测算子对步骤S2的多尺度形态学梯度图像进行边缘检测，得到不规则饮料瓶码放图像的边缘信息。

主权项

1.一种基于改进Roberts算子的光盘装置，其特征在于，包括：光盘读取器，其中，在操作时读取光盘；耦合到所述光盘读取器的解码器；耦合到所述光盘读取器的存储器；以及耦合到所述存储器的图像处理器，其中所述图像处理器执行算法，包括以下步骤：S1、利用形态学平滑算法对不规则饮料瓶码放图像进行滤波、保留边缘信息并去除噪声，具体步骤为：采用形态学中的开运算处理，设结构元素为s1，定义开运算操作为：式中，F表示不规则饮料瓶码放图像的集合，表示开运算操作，s表示结构元素，Θ表示图像F被结构元素s腐蚀，表示结构元素对图像F的膨胀；采用形态学中的闭运算处理，设结构元素为s₂，定义闭运算操作为：式中，F表示不规则烟包图像的集合，·表示闭运算操作，s表示结构元素，Θ表示图像F被结构元素s腐蚀，表示结构元素对图像F的膨胀；S2、计算单一尺度下图像的形态学梯度；所述步骤S2使用如下公式计算单一尺度下图像的形态学梯度：其中，G(f)为单一尺度下图像的形态学梯度，f为滤除噪声后的空间目标图像，B为结构元，⊕和分别表示形态学处理中的膨胀运算和腐蚀运算；根据所述单一尺度下图像的形态学梯度，计算得到多尺度形态学梯度图像；使用如下所述的公式计算得到多尺度形态学梯度图像：其中，MG(f)为多尺度形态学梯度；Bi为第i个结构元，其尺寸为(2i+1)×(2i+1)；n为尺度数；确定多尺度形态学梯度图像中的极大值点的位置；使用过零点位置模板选取对应的形态学梯度边缘，并根据预设阈值去除伪边缘；使用高斯滤波器对所述多尺度形态学梯度图像进行低通滤波；使用Prewitt算子计算出所述多尺度形态学梯度图像在水平和竖直两个方向上的一阶导数；使用过零点检测方法检测出梯度图像中极值点所对应的位置；所述保留目标边缘的主干并去除边缘中的碎片包括：利用像素的连通性，将目标边缘分割成一个或多个连通部分；计算每个连通部分的面积，将面积小于预设第二阈值的连通部分去除；S3、采用改进Roberts边缘检测算子对步骤S2的多尺度形态学梯度图像进行边缘检测，得到不规则饮料瓶码放图像的边缘信息，所述改进Roberts边缘检测算子主要是：采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值；还在改进的Roberts边缘检测算子基础上添加了改进的Sobel算子，改进的Roberts边缘检测算子主要是所述改进的Sobel算子主要改进在：在传统Sobel算子垂直与水平两个方向的模板上，以45度为单位将垂直与水平模板均分成8个方向模板；所述步骤S3改进的Sobel算子主要改进在：在传统Sobel算子垂直与水平两个方向的模板上，以45度为单位将垂直与水平模板均分成8个方向模板体，具体包括：S31：边界是亮度级的梯度变化，边缘是梯度变化的位置，用梯度向量的大小和方向来表述这种变化，边缘用梯度向量的大小和方向来表述这种变化；梯度算子是一阶导数算子，图像f(x,y)在位置(i,j)的梯度定义为下列矢量：的幅度值为：S32：Sobel算子用水平和竖直两个方向的模板与图像f(x,y)做卷积运算，以此近似计算(i,j)处的梯度值，可通过下列公式求解Gx和Gy的值：f(x,y)＝max{|Gx|,|Gy|}Gx＝f(i+1,j‑1)+2f(i+1,j)+f(i+1,j+1)‑f(i‑1,j‑1)‑2f(i‑1,j)‑f(i‑1,j+1)Gy＝f(i‑1,j+1)+2f(i,j+1)+f(i+1,j+1)‑f(i‑1,j‑1)‑2f(i,j‑1)‑f(i+1,j‑1)式中，Gx和Gy分别为水平方向和垂直方向的梯度值；S33：在传统Sobel算子的基础上，增加其他六个方向的模板，分别为45°、135°、180°、225°、270°、315°；S34：根据上述8个方向模板，计算不同方向的权值，计算公式如下：lng(x,y)＝‑ln2[d(x,y)2‑u]ω(x,y)＝[g(x,y)]式中，d(x,y)表示模板的元素与中心点之间的欧式距离，g(x,y)表示(x,y)处的实数权值，u表示调整系数，对g(x,y)取整得到ω(x,y)；S35：根据预先设定的模板各个点的权重，然后与目标图像相对应的像素做卷积运算；S36：选取在步骤S25中得到的最大值，用此最大值代替模板中心点对应的目标图像的像素值，最后输出最大的灰度值作为所有模板中的像素输出值；S37：设定合适的阈值T，若(i,j)处的梯度幅值▽f(i,j)≥T，则将该点定义为边缘点。