基于染色矩阵算法的图像边缘检测方法

基于染色矩阵算法的图像边缘检测方法
【技术领域】
[0001] 本发明涉及一种图像边缘检测方法，具体涉及一种基于染色矩阵算法的图像边缘 检测方法。
【背景技术】
[0002] 图像边缘检测技术主要应用于监控和门禁设施当中，进行道路交通的管制或汽车 门禁的监控。该技术在门禁系统的应用具有较高研宄价值，一方面因为，我国城镇化进程的 日益推进，城镇人口增速明显，城镇居民对居住地的要求有所增加，加上现代居民素质的整 体提高，居民对公共安全的需求意识逐渐增强，对门禁社区的关注度越来越高，使得越来越 多学者投入到相关研宄中来。另一方面，开发商为了迎合大众需求，往往会重金打造一些门 禁社区作为卖点，因而会相应增加门禁系统、安防系统、监控设施的需求，这给门禁系统生 产商带来了更多商机和机遇，许多带有新功能的门禁监控系统层出不穷。
[0003] 此外，图像边缘检测技术是安防系统的重要组成部分，同摄像头采样技术、数模转 换技术、接口技术一样是是安防系统的核心技术之一（居民小区汽车门禁系统示意图如图 1所示），有着深厚的研宄基础，自1965年至今的近50年里，有许多国内外学者对其进行研 宄，并在不同领域取得很多成果。边缘检测算法的种类较多，可分为传统算法和新兴算法。 传统算法有：Roberts算子、Sobel算子、Prewitt算子、LOG算子、Iaplacian算子和Canny 算子等。传统算法大都基于数学运算实现，要么抗噪性能差，要么边缘检测的精度不高。新 兴的边缘检测算法的研宄常与其他学科有所交叉，在工程方面有：基于小波分析和小波包 的边缘检测方法、基于模糊理论的边缘检测方法、基于神经网络的分割方法等，在机器视觉 和人工智能等领域有：基于数学形态学的边缘检测方法、自组织聚类法、遗传算法等。
[0004] 由于居民小区汽车门禁系统需要图像处理过程相对快速、准确、可靠性高、易于存 储，虽然上述许多图像边缘检测技术在相应领域都有着广泛应用，其在精度、抗噪能力、应 用条件和硬件成本等方面都存在着不足之处。因此，有必要拿出一种新的图像边缘检测技 术来解决这些问题。

【发明内容】

[0005] 为了解决上述技术问题，本发明提供了一种在精度、抗噪能力、应用条件和硬件成 本这些方面都具有优势的基于染色矩阵算法的图像边缘检测方法。
[0006] 为了达到上述目的，本发明的技术方案如下：
[0007] 基于染色矩阵算法的图像边缘检测方法，其采用MyEclpise 7. 0工具和Java语 言，该方法包括以下步骤：
[0008] 1)将图片转化成A[m] [η]矩阵的形式；
[0009] 2)将A[m] [η]矩阵生成邻接矩阵Β[ρ] [ρ]，其中ρ = m*n ;
[0010] 3)从A[m] [η]矩阵中分别读取每个像素点的灰度值，分别填入邻接矩阵Β[ρ] [ρ] 的对角线位置，并对邻接矩阵B [ρ] [ρ]进行初始化处理；
[0011] 4)给相邻两点间的边赋权值；
[0012] 5)求所有边权值的平均值并确定阈值；
[0013] 6)根据色集合进行边染色；
[0014] 7)找出边界点进行点染色。
[0015] 本发明根据图论观点，通过设置矩阵并利用其对角线的形式进行边赋权值和阈值 的计算，从而对边和点进行染色，实现了对图像边缘的检测，使得该方法具有结构性强、数 据结构和构建过程简单、组织结构清晰等特点，可以有效应用于居民小区汽车门禁系统当 中，从而使得本方法相较于现有技术对于图像边缘检测的精度和抗噪能力得以提高，同时 仅借助于MyEclpise 7. 0工具和Java语言即可实现的本方法，在应用条件和硬件成本上相 较现有技术也具有其优势，并且与居民小区门禁系统的应用条件匹配较好，可广泛应用在 小区汽车门禁系统当中。
[0016] 在上述技术方案的基础上，本发明还可以作如下改进：
[0017] 作为优选的方案，在上述的第1)步骤前，还需要对图片进行灰度处理：打开一张 图片，并获取图片的宽与高，宽为w，高为h，根据宽与高生成一维数组pixels [w*h]，存放每 点像素值，对图片进行灰度转换，得到灰度值，并存放在一维数组中。
[0018] 采用上述优选的方案，可以更为高效地且精确地获得图片的灰度值。
[0019] 作为优选的方案，上述的邻接矩阵B[p] [P]中，有相邻关系的设置为"1"，无相邻 关系的设置为"-1"。
[0020] 采用上述优选的方案，可以提高对邻接矩阵的判定精度。
[0021] 作为优选的方案，还利用梯度卷积算子对每点像素值求梯度幅值，并设为total， 在第5)步骤后判断total是否大于80,是则将"2"代替原权值，否则将" 1"代替原权值，随 后进行染色步骤。
[0022] 采用上述优选的方案，可以提高染色的精度。
[0023] 作为优选的方案，上述的第7)步骤后，还以行为单元逐一判断是否为边界点，随 后把灰度值转换成像素值并根据像素数组生产图片。
[0024] 采用上述优选的方案，可以提高对边界点的判定精度，从而提高图片的转换精度。
【附图说明】
[0025] 图1为居民小区汽车门禁系统示意图。
[0026] 图2为本发明的基于染色矩阵算法的图像边缘检测方法的实施流程图。
【具体实施方式】
[0027] 下面结合附图详细说明本发明的优选实施方式。
[0028] 为了达到本发明的目的，如图2所示，在本发明的基于染色矩阵算法的图像边缘 检测方法的其中一些实施方式中，其采用MyEclpise7. 0工具和Java语言，该方法包括以下 步骤：
[0029] Sl :将图片转化成A[m] [η]矩阵的形式；
[0030] S2 :将A[m] [η]矩阵生成邻接矩阵Β[ρ] [ρ](即图2中的Matrix[p*p])，其中ρ = m氺η ;
[0031] S3 :从A[m] [η]矩阵中分别读取每个像素点的灰度值，分别填入邻接矩阵B[p] [p] 的对角线位置，并对邻接矩阵B [p] [p]进行初始化处理；
[0032] S4 :给相邻两点间的边赋权值；
[0033] S5 :求所有边权值的平均值并确定阈值；
[0034] S6 :根据色集合进行边染色；
[0035] S7 :找出边界点进行点染色。
[0036] 本方法根据图论观点，通过设置矩阵并利用其对角线的形式进行边赋权值和阈值 的计算，从而对边和点进行染色，实现了对图像边缘的检测，使得该方法具有结构性强、数 据结构和构建过程简单、组织结构清晰等特点，可以有效应用于居民小区汽车门禁系统当 中，从而使得本方法相较于现有技术对于图像边缘检测的精度和抗噪能力得以提高，同时 仅借助于MyEclpise 7. 0工具和Java语言即可实现的本方法，在应用条件和硬件成本上相 较现有技术也具有其优势，并且与居民小区门禁系统的应用条件匹配较好，可广泛应用在 小区汽车门禁系统当中。
[0037] 本方法中所涉及的染色矩阵算法程序片段如下：
[0038]
【主权项】
1. 基于染色矩阵算法的图像边缘检测方法，其特征在于，采用MyEclpise7.O工具和 Java语言，所述方法包括以下步骤： 1) 将图片转化成A[m] [n]矩阵的形式； 2) 将所述A[m] [n]矩阵生成邻接矩阵B[p] [p]，其中p=m*n; 3) 从所述A[m] [n]矩阵中分别读取每个像素点的灰度值，分别填入所述邻接矩阵B[p] [P]的对角线位置，并对所述邻接矩阵B[p] [p]进行初始化处理； 4) 给相邻两点间的边赋权值； 5) 求所有边权值的平均值并确定阈值； 6) 根据色集合进行边染色； 7) 找出边界点进行点染色。
2. 根据权利要求1所述的基于染色矩阵算法的图像边缘检测方法，其特征在于，在所 述第1)步骤前，还需要对图片进行灰度处理：打开一张图片，并获取图片的宽与高，宽为w， 高为h，根据所述宽与高生成一维数组pixels[w*h]，存放每点像素值，对所述图片进行灰 度转换，得到灰度值，并存放在所述一维数组中。
3. 根据权利要求1所述的基于染色矩阵算法的图像边缘检测方法，其特征在于，所述 邻接矩阵B[p] [p]中，有相邻关系的设置为" 1"，无相邻关系的设置为"-1"。
4. 根据权利要求1或3所述的基于染色矩阵算法的图像边缘检测方法，其特征在于， 利用梯度卷积算子对每点像素值求梯度幅值，并设为total，在所述第5)步骤后判断total 是否大于80,是则将"2"代替原权值，否则将" 1"代替原权值，随后进行染色步骤。
5. 根据权利要求1所述的基于染色矩阵算法的图像边缘检测方法，其特征在于，所述 第7)步骤后，还以行为单元逐一判断是否为边界点，随后把灰度值转换成像素值并根据像 素数组生产图片。
【专利摘要】本发明公开了一种基于染色矩阵算法的图像边缘检测方法，其包括以下步骤：将A[m][n]矩阵生成邻接矩阵B[p][p]，其中p＝m*n；从A[m][n]矩阵中分别读取每个像素点的灰度值，分别填入邻接矩阵B[p][p]的对角线位置，并对邻接矩阵B[p][p]进行初始化处理；给相邻两点间的边赋权值；求所有边权值的平均值并确定阈值；根据色集合进行边染色；找出边界点进行点染色。本方法相较于现有技术对于图像边缘检测的精度和抗噪能力得以提高，同时在应用条件和硬件成本上相较现有技术也具有其优势，并且与居民小区门禁系统的应用条件匹配较好，可广泛应用在小区汽车门禁系统当中。
【IPC分类】G06T7-00
【公开号】CN104732556
【申请号】CN201510173503
【发明人】王岩, 卢曦, 陆盈
【申请人】南通理工学院
【公开日】2015年6月24日
【申请日】2015年4月13日