一种方向梯度积分图存储方法及装置与流程

本发明涉及图像处理领域，特别涉及一种方向梯度积分图存储方法及装置。

背景技术：

目前，在利用图像的方向梯度直方图(histogramoforientedgradient，hog)特征对图像进行分类时，要先通过检测窗口对图像的梯度图像进行检测，以获得梯度图像的梯度积分图，从而再根据梯度积分图对图像进行分类。而检测窗口在对梯度图像进行检测时，在滑动的过程中具有一定的步长，该步长一般来说都不是1，即梯度图像中总会有部分点无法包括在检测窗口中，即这部分点对于图像分类过程来说是无效的点。然而现在的检测过程，依然要计算整个梯度图像的各个完整的梯度积分图，以及将计算得到的梯度积分图全部进行存储，后续在分类过程中也会使用存储的梯度积分图，可见，目前的分类过程存储了较多的无效信息，在分类过程中在输入有效信息的同时也会输入无效信息，分类过程需处理的信息量较大，效率较低，且过多的无效信息还可能会影响分类结果的准确性。

技术实现要素：

本发明实施例提供一种方向梯度积分图存储方法及装置，用于提高分类过程的效率以及提升分类结果的准确性。

第一方面，提供一种方向梯度积分图存储方法，包括：

在需对第一图像进行分类时，获取第一图像的梯度图像；

分别获取所述梯度图像的所有方向上的方向梯度积分图，并存储获取的所有方向梯度积分图中满足预设条件的部分；所述预设条件用于指示获取的所有方向梯度积分图中在对所述第一图像进行分类的过程中有效的部分。

可选的，存储获取的所有方向梯度积分图中满足预设条件的部分，包括：

针对获取的任意一个方向梯度积分图，若其中一部分点的横坐标为步长的倍数和/或纵坐标为步长的倍数，则存储该部分；所述步长为通过检测窗口对所述梯度图像进行检测时检测窗口移动的步长。

可选的，获取第一图像的梯度图像，包括：

按照如下公式获取所述第一图像的所述梯度图像：

d[x][y]＝((image[x+1][y]-image[x-1][y])+(image[x][y+1]-image[x][y-1])

其中，d[x][y]表示所述第一图像的点(x，y)的梯度，image表示所述第一图像的相应像素点的像素值。

可选的，所述步长为4。

第二方面，提供一种方向梯度积分图存储装置，包括：

第一获取模块，用于在需对第一图像进行分类时，获取第一图像的梯度图像；

第二获取模块，用于分别获取所述梯度图像的所有方向上的方向梯度积分图，并存储获取的所有方向梯度积分图中满足预设条件的部分；所述预设条件用于指示获取的所有方向梯度积分图中在对所述第一图像进行分类的过程中有效的部分。

可选的，所述第二获取模块用于存储获取的所有方向梯度积分图中满足预设条件的部分，包括：

针对获取的任意一个方向梯度积分图，若其中一部分点的横坐标为步长的倍数和/或纵坐标为步长的倍数，则存储该部分；所述步长为通过检测窗口对所述梯度图像进行检测时检测窗口移动的步长。

可选的，所述第一获取模块用于：

按照如下公式获取所述第一图像的所述梯度图像：

d[x][y]＝((image[x+1][y]-image[x-1][y])+(image[x][y+1]-image[x][y-1])

其中，d[x][y]表示所述第一图像的点(x，y)的梯度，image表示所述第一图像的相应像素点的像素值。

可选的，所述步长为4。

本发明实施例中，可以获取梯度图像的所有方向上的梯度积分图，而在存储梯度积分图时，可以只存储梯度积分图中对分类过程有效的部分，即只存储分类过程中需要的有效信息，有效节省存储空间，且在存储的过程中就可以滤掉无效信息，这样在根据梯度积分图对图像进行分类时，需要输入的梯度积分图的内容较少，能够提高分类过程的效率，同时也减小了无效信息对分类结果的干扰，有助于得到更为准确的分类结果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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1为本发明实施例提供的方向梯度积分图存储方法的一种可能的流程图；

图2为本发明实施例提供的方向梯度积分图存储装置的一种可能的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明实施例保护的范围。

以下，对本发明实施例中的部分用语进行解释说明，以便于本领域技术人员理解。

1)积分图，积分图上的任意一点(x，y)的值是指从灰度图像的左上角与当前的点所围成的矩形区域内所有像素点的灰度值之和。

2)梯度图像，对于一幅原图像来说，对该图像中的每个点求梯度，由得到的所有点的梯度构成的图像即为原图像的梯度图像。

梯度图像的某个方向上的方向梯度积分图，也可以称为梯度图像的方向梯度积分图，或者梯度图像的方向梯度直方图，即原图像的hog特征。

3)本发明实施例中，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

下面结合附图介绍本发明实施例提供的方法。

请参见图1，提供一种方向梯度积分图存储方法，该方法的流程描述如下：

步骤101：在需对第一图像进行分类时，获取第一图像的梯度图像；

步骤102：分别获取梯度图像的所有方向上的方向梯度积分图，并存储获取的所有方向梯度积分图中满足预设条件的部分；预设条件用于指示获取的所有方向梯度积分图中在对第一图像进行分类的过程中有效的部分。

第一图像可以是任意的图像，这里的分类，是利用相应的特征，根据设定的分类方法，将第一图像中包括的内容分为设定的种类。

可选的，在需对第一图像进行分类时，可以先将第一图像进行灰度化处理，例如可以将灰度化处理后的第一图像看做一个包括的每个点的灰度值为(x，y，z)的三维图像。之后，可以采用伽马(gamma)校正法对灰度化处理后的第一图像进行颜色空间的标准化，即归一化，这个目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪点的干扰。在归一化后，可以计算归一化的图像的梯度图像，本发明实施例中即将该梯度图像称为第一图像的梯度图像，计算梯度图像的主要目的是为了捕获图像中的对象的轮廓信息，同时可以进一步弱化光照的干扰。

可选的，获取图像的梯度图像，可以是对该图像中的每个点求梯度，由该图像的每个点的梯度值所构成的图像就可以是该图像的梯度图像。

可选的，为了防止越界，提供一种可能的获取第一图像的梯度图像的方法，该方法可以是按照如下公式来获取：

d[x][y]＝(|image[x+1][y]-image[x-1][y]|+|image[x][y+1]-image[x][y-1]|)＞＞1

在该公式中，d[x][y]表示第一图像的点(x，y)的梯度值，image表示第一图像的相应像素点的像素值，例如image[x+1][y]则表示第一图像里的点(x+1，y)的像素值，＞＞1表示右移一位，右移是为了保证得到的结果仍然是8位的数据，以降低对内存空间的占用。可以形象地理解为，对于第一图像中的任意一个点，可以根据其上下左右的四个点来求得该点的梯度值。

可选的，如果按照如前的介绍，是先对第一图像进行灰度化处理，再对灰度化处理后的图像进行归一化处理，那么，这里所获取的也就应该是归一化处理后的图像的梯度图像，那么以上公式中，d[x][y]就表示归一化处理后的图像的点(x，y)的梯度值，image表示归一化处理后的图像的相应像素点的像素值。例如，对第一图像进行灰度化处理和归一化处理之后，还可以认为得到的图像的本质是第一图像，那么就可以认为所求的是第一图像的梯度图像。

在得到梯度图像后，针对梯度图像的n个方向，可以逐一求取对应的方向梯度积分图。其中，n可以是梯度图像具有的方向的总数，n为正整数。

在计算方向梯度积分图的过程中，可能会得到大量的数据，那么在存储时，可以只存储方向梯度积分图中满足预设条件的数据。可选的，一种可能的预设条件可以是：方向梯度积分图中的点的横坐标为步长的倍数和/或纵坐标为步长的倍数。在该可选的预设条件的基础上，优选的预设条件可以是：方向梯度积分图中的点的横坐标为步长的倍数及纵坐标为步长的倍数，例如可以将该预设条件表示如下：

预设条件为：x％步长＝＝0&&y％步长＝＝0

其中x和y分别是方向梯度积分图中的点的横坐标和纵坐标，％表示取余运算。

可选的，一种可能的步长可以为4，那么该预设条件即为x％4＝＝0&&y％4＝＝0，这样可以将方向梯度积分图的空间大小缩小为原来的1/16，有效节省的存储空间，也减少了分类时所需的数据量，提高分类效率，且去掉的可能都是分类过程中的无效数据，减小了无效数据对有效数据的干扰，也可以在一定程度上提高分类结果的准确性。

当然，步长也可以是其他可能的数值，但通过实验确认步长为4时较为合理。

在对图像按照方向梯度积分图进行分类时，可以将方向梯度积分图输入分类器，由分类器进行分类，而分类器进行分类的依据，可以是根据预先训练好的每种类别的特征数据来进行分类，那么，本发明实施例中输入分类器的方向梯度积分图相较于现有技术发生了改变，优选的，也应该对用于表征每种类别的特征数据进行优化，以使得特征数据与待分类的数据一致，以能够正常完成分类过程。下面就介绍对特征数据进行优化的过程。

下面结合附图介绍本发明实施例提供的装置。

请参见图2，基于同一发明构思，提供一种方向梯度积分图存储装置，该装置可以包括第一获取模块201和第二获取模块202。

该方向梯度积分图存储装置可以用于执行上述图1所述的方法，因此，对于该方向梯度积分图存储装置中的各功能模块所实现的功能等，可参考如前的描述，不多赘述。

本发明实施例中，可以获取梯度图像的所有方向上的梯度积分图，而在存储梯度积分图时，可以只存储梯度积分图中对分类过程有效的部分，即只存储分类过程中需要的有效信息，有效节省存储空间，且在存储的过程中就可以滤掉无效信息，这样在根据梯度积分图对图像进行分类时，需要输入的梯度积分图的内容较少，能够提高分类过程的效率，同时也减小了无效信息对分类结果 的干扰，有助于得到更为准确的分类结果。

在本发明中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例。

在本发明实施例中的各功能单元可以集成在一个处理单元中，或者各个单元也可以均是独立的物理模块。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：通用串行总线闪存盘(universalserialbusflashdrive)、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(random-accessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以对本发明的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本发明实施例的方法，不应理解为对本发明实施例的限制。本技术领域的技术人员可轻易想到的变化或替换，都应涵盖在 本发明实施例的保护范围之内。