一种基于灰度像素的图像表示方法及系统与流程

本发明涉及一种灰度图像表示方法，特别涉及一种基于灰度像素的图像表示方法及系统，属于图像处理技术领域。

背景技术：

图像是由一系列图片组成的，每幅图像中不同景物对应的位置通常都用离散的数值来进行表示，这个值代表该点的灰度强度。灰度像素图像在计算机中是以矩阵储存的，矩阵中的元素表示图片中该点的灰度强度。研究表明，基于图像特征的图像表示方法更具有可靠性，因为图像表示方法会涉及到像素的计算，而亮度变化等外界信息容易对像素的计算带来影响，使这种图像表示方法计算效率低、计算时间长且复杂度高。同时在已有图像表示算法中，外部环境噪声，传感器测量误差，光学变化，图像采集装置的载体自身运动误差和不必要的轴向运动都会使图像表示不准确，而这种误差是叠加的，因此，控制噪声和误差是非常重要的。

技术实现要素：

针对上述不足，本发明提供一种可以以精简高效的信息描述图像中的环境特征，减少数据量，提高图像处理及匹配时计算效率的基于灰度像素的图像表示方法及系统。

本发明的一种基于灰度像素的图像表示方法，所述方法包括：

s1、输入图像；

s2、获取图像灰度化后的图像矩阵；

s3、对图像灰度化后的图像矩阵中列像素的灰度相加，获得图像的扫描强度矢量i：

i1×y＝[∑1≤i≤xai,1,∑1≤i≤xai,2,…∑1≤i≤xai,j,…∑1≤i≤xai,y]

x表示图像矩阵中的像素行数，y表示图像矩阵中的像素列数，ai,j表示第i行第j列像素的灰度；

所述扫描强度矢量用于表示图像中景物的分布情况。

优选的是，所述方法还包括：

当输入多张图像时，根据多张图像的扫描强度矢量判断载体的运动方向及运动距离；

所述多张图像为同一景物对象因图像采集装置载体运动而位置发生改变的图像。

优选的是，所述s2中，获取图像灰度化后的图像矩阵的方法，包括：

s21、对采集的图像进行平滑处理；

s22、对平滑处理后的图像进行灰度化；

s23、去除灰度化后的图像中的噪声，获得图像矩阵。

本发明还提供一种计算机可读的存储设备，所述存储设备存储有计算机程序，其特征在于，所述计算机程序被执行时实现如上述任一图像表示方法。

本发明还提供一种基于灰度像素的图像表示系统，包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现上述任一图像表示方法。

本发明的有益效果，本发明利用扫描强度矢量进行图像表示，可优化减少在图像计算时误差的累积，实现图像表示方法的优化。本发明可以提高计算机在图像处理及匹配时的计算速度，提高效率，降低对计算性能的要求，降低成本，并实现良好的鲁棒性。本发明可实现在宏观、低速、平稳运动下的图像快速处理和匹配，为未来智能车辆、无人机、机器人等交通工具或运输工具以及月球探测器和火星探测器等提供快速优质的图像表示方法，在导航、制导、控制领域将作出很大贡献。

附图说明

图1为本发明方法的流程示意图；

图2为本发明在应用时用扫描强度矢量表示一张图像的示意图；

图3为用扫描强度矢量表示另一张图像的示意图。

具体实施方式

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，所描述的实施例仅仅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的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

如图1所示，本实施方式的一种基于灰度像素的图像表示方法，包括：

s1、输入图像：一张或多张；

s2、获取图像灰度化后的图像矩阵，灰度像素图像在计算机中是以矩阵储存的，矩阵中的元素表示图片中该点的灰度强度；

s3、对图像灰度化后的图像矩阵中列像素的灰度相加，获得图像的扫描强度矢量i：

i1×y＝[∑1≤i≤xai,1,∑1≤i≤xai,2,…∑1≤i≤xai,j,…∑1≤i≤xai,y]

x表示图像矩阵中的像素行数，y表示图像矩阵中的像素列数，ai,j表示第i行第j列像素的灰度；

所述扫描强度矢量用于表示图像中景物的分布情况。

本实施方式利用精简高效的扫描强度矢量表示图像中环境特征，减少数据量，可优化减少该类误差的累积，实现图像表示方法的优化，在图像匹配时，提高计算效率。

优选实施例中，本实施方式还包括：

当输入多张图像时，根据多张图像的扫描强度矢量判断载体的运动方向及运动距离；

所述多张图像为同一景物对象因图像采集装置载体运动而位置发生改变的图像。

对于同一景物对象因载体的运动在ccd上成像位置发生改变分别用实时图，基准图来描述，在该方法中把后一张张产生的景物图像称为实时图，把前一张产生的图像称为基准图。当输入两张图像时，如图2和图3所示，例如图像采集装置采集的图2作为基准图，采集的图3作为实时图，根据实时图中扫描强度矢量与基准图中扫描强度矢量进行匹配，可以确定实时图在基准图中的位置，进而能够确定采集基准图时的图像采集装置载体的位置到采集实时图时图像采集装置载体的位置的运动方向及距离。

优选实施例中，本实施方式s2中，获取图像灰度化后的图像矩阵的方法，包括：

s21、对采集的图像进行平滑处理；

s22、对平滑处理后的图像进行灰度化；

s21和s22是图像预处理过程，改善图像质量以及对图像的灰度化处理，为得到图像的灰度强度。对于计算机处理的图像，进行图像平滑处理的目的是消除或尽量减少拍摄设备的误差，改善图像质量。平滑处理的算法有多种，如平滑卷积模板法、领域加权平均算法和中值滤波算法等。

图像是由一系列图片组成的，每幅图像中不同景物对应的位置通常都用离散的数值来进行表示，这个值代表该点的灰度强度。遵照上述强度矢量i的定义，灰度图像在计算机中是用二维矩阵来进行表示和储存的，这样的图像称为点阵图或数字图，它的描述为：

a＝{aij|1≤i≤x，1≤i≤y}

式中x为数字灰度图的像素行数，即：图像高度；y为数字灰度图的像素列数，即：图像宽度。

s23、去除灰度化后的图像中的噪声，获得图像矩阵。

设at(x，y)和ab(x，y)为实时图和基准图的灰度分布，两者间存在如下关系：

at(x，y)＝ab(x+δx(x，y)，y+δy(x，y))+n(x，y)

式中，n(x，y)为灰度白噪声，可以使用相关滤波方式滤除。因此，即使在外界环境(载体)存在低速变化的情况下，通过图像预处理及去噪后可以通过提高采样频率的方式忽略掉外部环境的变化。式中δx(x，y)和δy(x，y)表示(x，y)点处x方向和y方向上的位移偏差，用来表示实时图和基准图的平移偏差大小。

本实施方式在具体应用时，主要根据扫描强度矢量表示的图像进行图像匹配，图像匹配就是把来自同一图像采集装置的多张图片或来自两个图像采集装置对于同一景物拍摄的照片基于某种特征在空间上进行对准，以确定这两张照片间相对平移的量的过程。图像匹配指确定实时图和基准图间的平移关系和确定某一图像区域在图形库中的位置，是从图像处理到信息分析的关键步骤。本实施方式基于扫描强度矢量进行图像表示方式的描述，该方法可以通过分析扫描强度矢量变化的情况判断出载体在向哪个方向前进，前进的距离是多少，由此可实现导航的目的。

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。