。
[0049] 在对应每一个检测模板都相应得到所述角点的置信度后，将角点的置信度最强值 所对应的检测模板确定为第一检测模板，角点的置信度越强，也说明通过对应的检测模板 检测到角点的可能性也就越大，所以，在此可以结合角点的置信度最强值所对应的第一检 测模板实现对第一像素的是否为角点的检测。
[0050] 由于角点自身的特性，使得角点及其相邻的像素点与离所述角点位置稍远的像素 成像时会呈现较大的差异，所以可以根据所述第一检测模板将第一区域中的像素点划分到 不同的集合，其中一个集合用于描述第一区域中可能含有角点的像素点，另外一个集合则 用于描述第一区域中其它的像素点，进而根据这两个集合之间的差异大小对角点进行检 测，例如，若两个集合之间的差异比较大，则根据角点的特性，可以确定待检测的第一像素 为角点，若所两个集合之间的差异比较小，则可以确定所述第一像素并不是角点。
[0051] 在本申请文件中，将第一检测模板中数值不为零的位置和第一区域的对应位置的 像素值的乘积作为第一集合中的数值，而将第一检测模板中数值为零的位置所对应的第一 区域中的像素值的集合作为第二集合。例如，假设所述第一区域为以第一像素为中心的 3 X 3的图像数据，第一检测模板同样为3 X 3大小，若含有4个数值不为零的值，则根据如 上方法获取的第一集合相应包含4个数值，具体地，分别为第一检测模板中每一个不为零 的位置的数值和在第一区域中对应该位置处的像素值的乘积，相应地，第二集合应该包含5 个数值，分别为第一检测模板中数值为零的位置所对应的第一区域中的像素值。可以理解， 在检测模板中只包括数值〇和1的时候，则所述第一集合即为第一检测模板中数值1所对 应的第一区域中的像素的集合，所述第二集合即为第一检测模板中数值0所对应的第一区 域中的像素的集合。
[0052] 执行步骤S3,在所述第一集合数值的平均值和第二集合数值的平均值之间的差值 大于或等于差异阈值时，确定所述第一像素为角点。
[0053] 第一集合所含有的数值和第二集合所含有的数值的差异可以根据所述第一集合 数值的平均值和第二集合数值的平均值之间的差异进行确定，例如，可以预先设定差异阈 值，则在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于差异阈值 时，说明第一集合和第二集合的差异较大，则可以确定当前检测的第一像素为角点，反之则 说明当前检测的第一像素并不是角点。
[0054] 所述差异阈值可以根据实际对图像处理的需求、检测角点的灵敏度等，结合具体 的图像处理数据等进行相应的设定。
[0055] 本发明技术方案所提供的方法，可以使用多个检测模板对角点的置信度进行获 取，根据置信度最强值所对应的第一检测模板将第一区域中的像素点划分到不同的集合 中，进而实现对角点的检测，此方法可以快速、准确地实现对各种方向的角点的检测，有效 提高角点检测的准确度，提高图像处理的效果，且实现方法简单，硬件成本低。
[0056] 为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明 的具体实施例做详细的说明。
[0057] 在本实施例中，以对图像边缘增强处理中的角点的检测为例进行说明。
[0058] 图像边缘增强处理是一种常用的图像处理手段，通过边缘增强，可以突出画面中 的细节，使图像看起来更锐利。在对图像进行边缘增强时，需要对图像进行边缘检测，传统 的边缘检测使用边缘检测算子，例如Sobel算子，在检测出边缘是否存在的同时，判断出边 缘的方向，最终沿着边缘的方向对边缘进行增强，借此得到连续而自然的强化边缘。边缘检 测算子在比较典型的边缘处，例如长线条等，能够得到很好的图像增强结果。但是，在遇到 拐角处的像素时，这类算子很可能会失效。使用Sobel等边缘检测算子时，可以准确检测出 边缘像素。但是，位于拐角的像素，Sobel算子在水平和坚直方向得到的结果几乎相同，无 法正确检测出。最终的增强效果表现为，拐角处的像素和其他边缘像素差异明显，导致增强 之后的边缘不连续。
[0059] 在上述图像边缘增强处理过程中，无法快速、准确地检测到角点，本实施例提出一 种角点检测方法可以准确的找到角点像素，以便边缘增强算法对其进行正确的处理，得到 连续且自然的边缘。
[0060] 在本实施例中，具体地，以对灰度图中的像素点进行角点检测为例进行说明，待检 测的像素点为图2中所示出3X3的图像区域中的中心位置的像素点X5,所述X5即为如上 所述的第一像素，所示出的3 X 3的图像区域为第一区域，第一区域包含像素 XI至像素 X9。
[0061] 在对像素点X5进行检测时，在本实施例中，以对像素点X5进行45度角点检测为 例进行说明。所述45度角点是指对角点进行检测的方向位于如图3中所示处的45度对角 线的方向上，具体地，在对角点进行45度检测时含有如图3所示出的a、b、c、d的四个方向， 第一像素为待检测的像素点。
[0062] 对应45度角点的a、b、c、d四个检测方向，分别相应的设定A、B、C和D四个检测 模板。如图4中所示出的检测模板A对应检测方向a，图5中所示出的检测模板B对应检测 方向b，图6中所示出的检测模板C对应检测方向c以及图7中所示出的检测模板D对应检 测方向d。
[0063] 根据所设定的检测模板实现对第一像素的角点检测。
[0064] 图8是本实施例提供的角点检测方法的流程示意图。
[0065] 如图8所示，首先执行步骤S801，根据各检测模板分别获取第一像素为角点的置 信度。
[0066] 所述第一像素为角点的置信度根据检测模板以及在如图2所示出的第一区域进 行确定。
[0067] 将检测模板和第一区域对应位置的像素值乘积的和值作为对应于所述检测模板 的角点的置信度。
[0068] 图9是本实施例提供的第一区域的像素值的示意图，假设第一区域包含的像素 XI 至像素 X9对应的像素值分别为p00、p01、p02、pl0、pll、pl2、p20、p21和p22。
[0069] 以检测模板A为例进行说明，如图4所示，检测模板A中含有四个数值为1的位置， 则对应在第一区域的位置分别为像素 XI、像素 X2、像素 X4和像素 X5。
[0070] 则对应检测模板A,第一像素为角点的置信度Va = p00X 1+ρ01 X 1+ρ10X 1+pll X 1，也就是说，置信度 Va = p00+p01+pl0+pll。
[0071] 依次类推，可以得到：
[0072] 对应检测模板B第一像素为角点的置信度Vb = p01+p02+pll+pl2 ;
[0073] 对应检测模板C第一像素为角点的置信度Vc = pl0+pll+p20+p21 ;
[0074] 对应检测模板D第一像素为角点的置信度Vd = pll+pl2+p21+p22。
[0075] 根据上述方法可法对应每一个检测模板，都可以得到第一像素为角点的置信度。
[0076] 执行步骤S802,获取各检测模板所对应的第一像素为角点的置信度中的最大值和 最小值。
[0077] 置信度的最强值可以为如上所获取的置信度中的最大值或最小值。
[0078] 根据角点特性可知，按照角点的检测方向，与角点相关的一定范围内的像素值和 检测区域中其它像素值之间会出现一定的差异。例如，与角点相关的一定范围内的像素值 可能会比检测区域中其它像素值较大；或者角点相关的一定范围内的像素值可能会比检测 区域中其它像素值较小。
[0079] 可以将角点相关的一定范围内的像素值比检测区域中其它像素值较大的情况下 的角点称为正角点，反之，将角点相关的一定范围内的像素值比检测区域中其它像素值较 小的情况下的角点称为负角点。
[0080] 下面结合拐角区域对正角点、负角点进行说明。
[0081] 为了便于说明，在本实施例中，将与角点相关性较强的像素点所组成的区域称为 拐角区域，将检测区域中其它部分像素所组成的区域称为非拐角区域。根据角点的检测方 向，对应各检测模板可以确定不同的拐角区域和非拐角区域。
[0082] 图10是根据检测模板A所