一种确定图像边界的方法及装置制造方法
【专利摘要】本发明公开了一种确定图像边界的方法及装置，属于智能交通与图像处理领域。所述方法包括：通过拍摄设备对目标对象进行拍摄得到一幅图像；获取该图像的宽度、高度、该图像包括的每个像素点的灰度值和灰度区间；根据该图像的宽度、高度、每个像素点的灰度值和灰度区间，获取该图像的灰度直方图和概率分布密度函数；根据灰度区间和概率分布密度函数，确定分割阈值的个数；根据每个像素点的灰度值、灰度区间和确定的个数，计算每个分割阈值的数值；根据每个分割阈值的数值，确定位于前景图像的边界上的像素点。所述装置包括：拍摄模块、第一获取模块、第二获取模块、第一确定模块、计算模块和第二确定模块。本发明能够提高确定图像边界的精确程度。
【专利说明】一种确定图像边界的方法及装置
【技术领域】
[0001] 本发明涉及智能交通与图像处理领域，特别涉及一种确定图像边界的方法及装 置。
【背景技术】
[0002] 目前，一幅图像中通常包括背景图像和前景图像。前景图像一般为用户关注的目 标图像。为了将前景图像从一幅图像中区分出来，需要从该幅图像中确定出前景图像的图 像边界，确定的图像边界所围成的图像即为前景图像。例如，在车辆行驶环境的道路图像 中，可行驶的车道的图像即为前景图像，在道路图像中确定出可行驶的车道的左边界和右 边界，左边界和右边界所围成的图像即为可行驶的车道的图像。
[0003] 当前，现有技术提供了一种确定图像边界的方法，包括：通过摄像头对目标对象进 行拍摄得到一幅图像。获取该图像中包括的每个像素点的灰度值，并计算该图像的平均灰 度值。设置一个分割阈值，该分割阈值的大小为该图像中包括的每个像素点的灰度值中最 小的灰度值。将灰度值小于或等于该分割阈值的像素点确定为背景图像包括的像素点，将 灰度值大于该分割阈值的像素点确定为前景图像包括的像素点，统计前景图像包括的像素 点的数目以及背景图像包括的像素点的数目，以及计算前景图像的平均灰度值和背景图像 的平均灰度值。根据该图像的平均灰度值、前景图像包括的像素点的数目、背景图像包括的 像素点的数目、前景图像的平均灰度值和背景图像的平均灰度值，计算前景图像和背景图 像之间的类间方差。将分割阈值的大小增加一，按照上述方法计算前景图像和背景图像之 间的类间方差，直到分割阈值的大小为该图像中包括的每个像素点的灰度值中最大的灰度 值，如此计算出不同大小的分割阈值分别对应的多个类间方差。选择上述计算出的每个类 间方差中最大的类间方差对应的分割阈值。将该图像中灰度值大于该分割阈值的像素点确 定为前景图像的像素点，将前景图像的像素点中横坐标最小或纵坐标最小的像素点确定为 位于前景图像的边界上的像素点。
[0004] 在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
[0005] 仅根据一个分割阈值，简单地将灰度值大于该分割阈值的像素点作为前景图像包 括的像素点，如此当背景图像包括的像素点的灰度值大于该分割阈值时，该像素点也会被 划分为前景图像包括的像素点，从而导致确定的图像边界的精确程度不高。
【发明内容】
[0006] 为了提高确定图像边界的精确程度，本发明提供了一种确定图像边界的方法及装 置。所述技术方案如下：
[0007] -种确定图像边界的方法，所述方法包括：
[0008] 通过拍摄设备对目标对象进行拍摄，得到一幅图像；
[0009] 获取所述图像的宽度、高度、所述图像包括的每个像素点的灰度值以及所述图像 的灰度区间，所述灰度区间的下限为所述图像包括的最小灰度值以及上限为所述图像包括 的最大灰度值；
[0010] 根据所述图像的宽度、高度、所述每个像素点的灰度值以及所述灰度区间，获取所 述图像的灰度直方图和所述图像在所述灰度区间上的概率分布密度函数；
[0011] 根据所述灰度区间和所述概率分布密度函数，确定分割阈值的个数；
[0012] 根据所述每个像素点的灰度值、所述灰度区间和所述确定的个数，计算每个分割 阈值的数值；
[0013] 根据所述每个分割阈值的数值，确定位于前景图像的边界上的像素点，以实现确 定所述图像中的前景图像的图像边界。
[0014] 一种确定图像边界的装置，所述装置包括：
[0015] 拍摄模块，用于通过拍摄设备对目标对象进行拍摄，得到一幅图像；
[0016] 第一获取模块，用于获取所述图像的宽度、高度、所述图像包括的每个像素点的灰 度值以及所述图像的灰度区间，所述灰度区间的下限为所述图像包括的最小灰度值以及上 限为所述图像包括的最大灰度值；
[0017] 第二获取模块，用于根据所述图像的宽度、高度、所述每个像素点的灰度值以及所 述灰度区间，获取所述图像的灰度直方图和所述图像在所述灰度区间上的概率分布密度函 数；
[0018] 第一确定模块，用于根据所述灰度区间和所述概率分布密度函数，确定分割阈值 的个数；
[0019] 计算模块，用于根据所述每个像素点的灰度值、所述灰度区间和所述确定的个数， 计算每个分割阈值的数值；
[0020] 第二确定模块，用于根据所述每个分割阈值的数值，确定位于前景图像的边界上 的像素点，以实现确定所述图像中的前景图像的图像边界。
[0021] 在本发明实施例中，通过拍摄设备对目标对象进行拍摄得到一幅图像；获取该图 像的宽度、高度、该图像包括的每个像素点的灰度值和灰度区间；根据该图像的宽度、高度、 每个像素点的灰度值和灰度区间，获取该图像的灰度直方图和概率分布密度函数；根据灰 度区间和概率分布密度函数，确定分割阈值的个数；根据每个像素点的灰度值、灰度区间和 确定的个数，计算每个分割阈值的数值；根据每个分割阈值的数值，确定位于前景图像的边 界上的像素点。由于根据灰度区间和概率分布密度函数，确定了分割阈值的个数，根据确定 的个数个分割阈值来确定位于图像边界上的像素点，如此根据多个分割阈值将图像细分来 确定图像边界，提高了确定图像边界的精确程度。
【专利附图】
【附图说明】
[0022] 图1是本发明实施例1提供的一种确定图像边界的方法流程图；
[0023] 图2-1是本发明实施例2提供的一种确定图像边界的方法流程图；
[0024] 图2-2是本发明实施例2提供的一种图像边界示意图；
[0025] 图2-3是本发明实施例2提供的一种截断点示意图；
[0026] 图3是本发明实施例3提供的一种确定图像边界的装置结构示意图。
【具体实施方式】
[0027] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方 式作进一步地详细描述。
[0028] 实施例1
[0029] 参见图1，本发明实施例提供了一种确定图像边界的方法，包括：
[0030] 步骤101 :通过拍摄设备对目标对象进行拍摄，得到一幅图像；
[0031] 步骤102 :获取该图像的宽度、高度、该图像包括的每个像素点的灰度值以及该图 像的灰度区间，该灰度区间的下限为该图像包括的最小灰度值以及上限为该图像包括的最 大灰度值；
[0032] 步骤103 :根据该图像的宽度、高度、每个像素点的灰度值以及灰度区间，获取该 图像的灰度直方图和该图像在灰度区间上的概率分布密度函数；
[0033] 步骤104 :根据灰度区间和概率分布密度函数，确定分割阈值的个数；
[0034] 步骤105 :根据每个像素点的灰度值、灰度区间和确定的个数，计算每个分割阈值 的数值；
[0035] 步骤106 :根据每个分割阈值的数值，确定位于前景图像的边界上的像素点，以实 现确定该图像中的前景图像的图像边界。
[0036] 优选地，根据该图像的宽度、高度、每个像素点的灰度值以及灰度区间，获取该图 像的灰度直方图和该图像在灰度区间上的概率分布密度函数，包括：
[0037] 根据该图像包括的每个像素点的灰度值，统计该图像的灰度区间中包括的每个灰 度值对应的像素点的个数；
[0038] 根据每个灰度值对应的像素点的个数，获取该图像的灰度直方图；
[0039] 根据该图像的宽度、高度和灰度直方图，计算该图像在灰度区间上的概率分布密 度函数。
[0040] 优选地，根据灰度区间和概率分布密度函数，确定分割阈值的个数，包括：
[0041] 根据该图像的灰度区间和概率分布密度函数，计算概率分布密度函数的均值函 数；
[0042] 确定均值函数与概率分布密度函数之间的交点；
[0043] 计算概率分布密度函数在每个交点处的导数；
[0044] 根据每个交点对应的导数，确定概率分布密度函数包括的波峰，以及计算每个波 峰对应的区域面积和区域距离；
[0045] 根据每个波峰的区域面积和区域距离，确定分割阈值的个数。
[0046] 优选地，根据每个分割阈值的数值，确定位于前景图像的边界上的像素点，包括：
[0047] 根据每个分割阈值的数值将该图像转化为二值图；
[0048] 根据二值图，生成二值图对应的二值矩阵；
[0049] 根据二值矩阵，确定位于前景图像的边界上的像素点。
[0050] 在本发明实施例中，通过拍摄设备对目标对象进行拍摄得到一幅图像；获取该图 像的宽度、高度、该图像包括的每个像素点的灰度值和灰度区间；根据该图像的宽度、高度、 每个像素点的灰度值和灰度区间，获取该图像的灰度直方图和概率分布密度函数；根据灰 度区间和概率分布密度函数，确定分割阈值的个数；根据每个像素点的灰度值、灰度区间和 确定的个数，计算每个分割阈值的数值；根据每个分割阈值的数值，确定位于前景图像的边 界上的像素点。由于根据灰度区间和概率分布密度函数，确定了分割阈值的个数，根据确定 的个数个分割阈值来确定位于图像边界上的像素点，如此根据多个分割阈值将图像细分来 确定图像边界，提高了确定图像边界的精确程度。
[0051] 实施例2
[0052] 本发明实施例提供了一种确定图像边界的方法。
[0053] 目前，一幅图像中通常包括背景图像和前景图像。前景图像一般为用户关注的目 标图像。为了将前景图像从一幅图像中区分出来，可以通过本法明实施例提供的方法确定 出前景图像的图像边界。
[0054] 其中，本发明实施例提供的方法可以应用于智能交通等领域。例如，在智能交通领 域，在车辆行驶的过程中，通过本发明实施例提供的方法对前方道路的图像进行处理，确定 出可行驶的车道的边界，使车辆根据确定出的边界的信息进行行驶。
[0055] 参见图2-1，该方法具体包括：
[0056] 步骤201 :通过拍摄设备对目标对象进行拍摄，得到一幅图像；
[0057] 其中，拍摄设备可以为摄像头或照相机等。
[0058] 其中，在本发明实施例中以智能交通领域为例进行说明。通过车载相机对前方道 路进行拍摄，得到前方道路的图像。其中，在前方道路的图像中前景图像为可行驶的车道， 背景图像为道路两侧的绿化带以及附近车道中的车辆。
[0059] 其中，车载相机可以为安装在车辆内后视镜后侧的相机。
[0060] 步骤202 :获取该图像的宽度、高度、该图像包括的每个像素点的灰度值，以及该 图像的灰度区间，该灰度区间的下限为该图像包括的最小灰度值以及上限为该图像包括的 最大灰度值；
[0061] 具体地，获取该图像的宽度和高度。将该图像进行灰度化处理，得到该图像对应的 灰度图，该灰度图中包括每个像素点的灰度值。从该灰度图中获取每个像素点的灰度值，以 及确定每个像素点的灰度值中的最小灰度值和最大灰度值。将该最小灰度值与该最大灰度 值之间组成的区间作为该图像的灰度区间。
[0062] 其中，拍摄设备拍摄的图像为彩色图像。在彩色图像中，像素点需要使用三个字节 来分别存放红色、绿色和蓝色的亮度值。要获取该图像包括的每个像素点的灰度值，则需要 先将该彩色图像转化为灰度图。在灰度图中，像素点只需要使用一个字节来存放灰度值。将 彩色图像转化为灰度图的方法可以为分量法、最大值法或平均值法等。其中，灰度值的最大 取值范围为[0, 255]。
[0063] 步骤203 :根据该图像的宽度、高度、每个像素点的灰度值以及该图像的灰度区 间，获取该图像的灰度直方图和该图像在该灰度区间上的概率分布密度函数；
[0064] 具体地，根据该图像包括的每个像素点的灰度值，统计该图像的灰度区间中包括 的每个灰度值对应的像素点的个数。根据每个灰度值对应的像素点的个数，获取该图像的 灰度直方图。根据该图像的宽度、高度和该灰度直方图，通过如下公式（1)计算该图像在该 灰度区间上的概率分布密度函数。
[0065]
【权利要求】
1. 一种确定图像边界的方法，其特征在于，所述方法包括： 通过拍摄设备对目标对象进行拍摄，得到一幅图像； 获取所述图像的宽度、高度、所述图像包括的每个像素点的灰度值以及所述图像的灰 度区间，所述灰度区间的下限为所述图像包括的最小灰度值以及上限为所述图像包括的最 大灰度值； 根据所述图像的宽度、高度、所述每个像素点的灰度值以及所述灰度区间，获取所述图 像的灰度直方图和所述图像在所述灰度区间上的概率分布密度函数； 根据所述灰度区间和所述概率分布密度函数，确定分割阈值的个数； 根据所述每个像素点的灰度值、所述灰度区间和所述确定的个数，计算每个分割阈值 的数值； 根据所述每个分割阈值的数值，确定位于前景图像的边界上的像素点，以实现确定所 述图像中的前景图像的图像边界。
2. 如权利要求1所述的方法，其特征在于，所述根据所述图像的宽度、高度、所述每个 像素点的灰度值以及所述灰度区间，获取所述图像的灰度直方图和所述图像在所述灰度区 间上的概率分布密度函数，包括 ： 根据所述图像包括的每个像素点的灰度值，统计所述图像的灰度区间中包括的每个灰 度值对应的像素点的个数； 根据所述每个灰度值对应的像素点的个数，获取所述图像的灰度直方图； 根据所述图像的宽度、高度和所述灰度直方图，计算所述图像在所述灰度区间上的概 率分布密度函数。
3. 如权利要求1所述的方法，其特征在于，所述根据所述灰度区间和所述概率分布密 度函数，确定分割阈值的个数，包括： 根据所述图像的灰度区间和所述概率分布密度函数，计算所述概率分布密度函数的均 值函数； 确定所述均值函数与所述概率分布密度函数之间的交点； 计算所述概率分布密度函数在每个交点处的导数； 根据所述每个交点对应的导数，确定所述概率分布密度函数包括的波峰，以及计算每 个波峰对应的区域面积和区域距离； 根据所述每个波峰的区域面积和区域距离，确定分割阈值的个数。
4. 如权利要求1所述的方法，其特征在于，所述根据所述每个分割阈值的数值，确定位 于前景图像的边界上的像素点，包括： 根据所述每个分割阈值的数值将所述图像转化为二值图； 根据所述二值图，生成所述二值图对应的二值矩阵； 根据所述二值矩阵，确定位于前景图像的边界上的像素点。
5. -种确定图像边界的装置，其特征在于，所述装置包括： 拍摄模块，用于通过拍摄设备对目标对象进行拍摄，得到一幅图像； 第一获取模块，用于获取所述图像的宽度、高度、所述图像包括的每个像素点的灰度值 以及所述图像的灰度区间，所述灰度区间的下限为所述图像包括的最小灰度值以及上限为 所述图像包括的最大灰度值； 第二获取模块，用于根据所述图像的宽度、高度、所述每个像素点的灰度值以及所述灰 度区间，获取所述图像的灰度直方图和所述图像在所述灰度区间上的概率分布密度函数； 第一确定模块，用于根据所述灰度区间和所述概率分布密度函数，确定分割阈值的个 数； 计算模块，用于根据所述每个像素点的灰度值、所述灰度区间和所述确定的个数，计算 每个分割阈值的数值； 第二确定模块，用于根据所述每个分割阈值的数值，确定位于前景图像的边界上的像 素点，以实现确定所述图像中的前景图像的图像边界。
6. 如权利要求5所述的装置，其特征在于，所述第二获取模块包括： 统计单元，用于根据所述图像包括的每个像素点的灰度值，统计所述图像的灰度区间 中包括的每个灰度值对应的像素点的个数； 获取单元，用于根据所述每个灰度值对应的像素点的个数，获取所述图像的灰度直方 图； 第一计算单元，用于根据所述图像的宽度、高度和所述灰度直方图，计算所述图像在所 述灰度区间上的概率分布密度函数。
7. 如权利要求5所述的装置，其特征在于，所述第一确定模块包括： 第二计算单元，用于根据所述图像的灰度区间和所述概率分布密度函数，计算所述概 率分布密度函数的均值函数； 第一确定单元，用于确定所述均值函数与所述概率分布密度函数之间的交点； 第三计算单元，用于计算所述概率分布密度函数在每个交点处的导数； 确定计算单元，用于根据所述每个交点对应的导数，确定所述概率分布密度函数包括 的波峰，以及计算每个波峰对应的区域面积和区域距离； 第二确定单元，用于根据所述每个波峰的区域面积和区域距离，确定分割阈值的个数。
8. 如权利要求5所述的装置，其特征在于，所述第二确定模块包括： 转化单元，用于根据所述每个分割阈值的数值将所述图像转化为二值图； 生成单元，用于根据所述二值图，生成所述二值图对应的二值矩阵； 第三确定单元，用于根据所述二值矩阵，确定位于前景图像的边界上的像素点。
【文档编号】H04N9/04GK104243820SQ201410446609
【公开日】2014年12月24日 申请日期:2014年9月3日 优先权日:2014年9月3日
【发明者】谷明琴, 王海, 孙锐 申请人:奇瑞汽车股份有限公司