然而，由于爬虫法 在有些情况下，边界跟踪结果可能会不准确，例如目标区域上的某些凸部（例如图1右下角 所示的凸部)可能会被迂回过去，导致按照顺序跟踪到的边界点不能准确地反映目标区域 的边界，即边界跟踪不准确。为了解决这一问题，往往需要多选一些起始点重复扫描，不仅 导致工作量很大，而且即使重复扫描也可能仍不能解决边界跟踪不准确的问题。
[0068] 并且，在使用爬虫法时，若图像中具有多个目标区域，对每个目标区域都需要扫描 至少一次，进一步导致工作量增大，尤其是图像中具有较多的目标区域时。另外，为了使得 已经完成跟踪的目标区域对下一个目标区域的确定不会产生影响，需要将已经完成跟踪的 目标区域中的所有像素点(包括边界点和内部点)全部加入到背景区域中，也会导致工作量 增大。
[0069] 本发明实施例提供一种边界跟踪方法及装置，以实现在边界跟踪时不需要重复扫 描，从而减少工作量。此外，能够提高边界跟踪的准确性。
[0070] 为了使本技术领域的人员更好地理解本发明中的技术方案，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前提下所获得的所有其他实施例，都应当属于本发明保护 的范围。
[0071] 请参阅图2,本发明实施例提供了边界跟踪方法的一种方法实施例。本实施例的所 述方法包括：
[0072] S201:从待处理图像中提取边界点集合，所述边界点集合包括第一目标区域的边 界点。
[0073] 在本实施例中，当获取用户输入的原始图像后，可以直接将原始图像作为待处理 图像，也可以对原始图像进行图像处理，比如对原始图像的尺寸进行调整、将原始图像转换 成灰度图像、对原始图像进行图像滤波等，将处理后的图像作为待处理图像。
[0074] 在本实施例中，可以从待处理图像中提取所有目标区域的边界点，构成所述边界 点集合;或者也可以从待处理图像中提取第一目标区域的边界点，构成所述边界点集合。 [0075] S202:从所述边界点集合中选取一个边界点第一种子点。
[0076] 本实施例中选取出第一种子点，实际上是将第一种子点作为起始点，从起始点开 始按顺序跟踪第一目标区域的边界点。
[0077] 在选取第一种子点时，无需通过遍历选取特定的边界点，而是可以从边界点集合 中任意选取一个边界点作为第一种子点，从而进一步节省了工作量。例如图3所示，边界点 集合中包括第一目标区域的边界点Al、A2、A3、A4、……、A29和A30，从边界点集合中任意选 取出边界点A1作为第一种子点。
[0078] S203:循环执行第一跟踪步骤，直至满足第一结束条件。
[0079]第一跟踪步骤用于查找第一目标区域的下一个边界点，第一结束条件用于表示已 经查找到第一目标区域的所有边界点。因此，本步骤实际上是当未查找到第一目标区域的 所有边界点时，循环执行第一跟踪步骤，从而循环查找下一个边界点，当查找到第一目标区 域的所有边界点时，则结束循环。
[0080] 本步骤在具体实现时，可以包括:步骤S2031、S2032和S2033。
[0081]其中，S2031:判断是否满足第一结束条件，如果是，则执行S2032，如果否，则执行 S2033J2032:此时未满足第一结束条件，因此执行第一跟踪步骤，并返回执行S2031。 S2033:此时满足第一结束条件，因此结束循环过程，即执行S204。
[0082]下面分别对第一跟踪步骤和第一结束条件进行说明。
[0083] 所述第一跟踪步骤包括:在所述第一种子点的邻域中查找到满足第一目标条件的 像素点，作为第一目标点，将所述第一目标点作为更新后的第一种子点。所述第一目标条件 包括:属于所述边界点集合，并且在之前执行的第一跟踪步骤中未作为第一目标点。下面通 过一个具体例子加以说明。
[0084] 参阅表1和图3,在S202中选取出边界点A1为第一种子点。
[0085] 第1次执行第一跟踪步骤:此时并不存在之前执行的第一跟踪步骤，因此在边界点 A1的邻域查找到满足第一目标条件的边界点A2作为第一目标点，将第一种子点从边界点A1 更新为边界点A2。
[0086] 第2次执行第一跟踪步骤:在边界点A2的邻域查找到满足第一目标条件的边界点 A3作为第一目标点，将第一种子点从边界点A2更新为边界点A3。
[0087] ……
[0088]第29次执行第一跟踪步骤:在边界点A29的邻域查找到满足第一目标条件的边界 点A30作为第一目标点，将第一种子点从边界点A29更新为边界点A30。
[0089] 第30次执行第一跟踪步骤:在边界点A30的邻域查找到满足第一目标条件的边界 点A1作为第一目标点，将第一种子点从边界点A30更新为边界点A1。
[0090] 通过30次循环执行第一跟踪步骤，依次查找到的第一种子点为:A1、A2、A3、A4、···、 A29、A30。依次查找到的第一目标点为:A2、A3、A4、…、A29、A30、A1。
[0091] 表1
[0092]
[0093]所述第一结束条件包括:在所述第一种子点的邻域中未查找到满足第一目标条件 的像素点。例如在表1和图3所示的例子中，在第30次执行第一跟踪步骤后，第一种子点为边 界点A1，而由于边界点A2和边界点A30在之前执行的第一跟踪步骤中均做过第一目标点，因 此，在边界点A1的邻域中，已经不能查找到满足第一目标条件的像素点，此时满足第一结束 条件，结束循环过程，执行步骤S204。
[0094]为了进一步减少工作量并且提高边界跟踪的准确性，在第一种子点的邻域中查找 第一目标点，即逐一判断邻域中的各个点是否属于边界点集合时，若遇到上一次执行第一 跟踪步骤时更新前的第一种子点，则跳过该点，也就是说不需要判断该点是否属于边界点 集合，而是从下一个点开始继续查找第一目标点，因此，所述第一目标条件还可以包括:不 属于上一次执行第一跟踪步骤时的更新前的第一种子点。例如，在表1和图3所示的例子中， 第2次执行第一跟踪步骤时，由于边界点A1为第1次执行第一跟踪步骤时更新前的第一种子 点，因此在边界点A2的邻域中只能查找到边界点A3作为第一目标点，而不会将边界点A1作 为第一目标点。
[0095] S204:将循环执行所述第一跟踪步骤时，依次查找到的第一目标点或者依次查找 到的第一种子点，作为按照顺序跟踪到的所述第一目标区域的边界点。
[0096]在结束S203的循环过程之后，既可以将循环过程中依次查找到的第一目标点作为 按照顺序跟踪到的所述第一目标区域的边界点，也可以将循环过程中依次查找到的第一种 子点作为按照顺序跟踪到的所述第一目标区域的边界点。例如在表1和图3所示的例子中， 将依次查找到的第一目标点为:42^3^4、一^29^30^1作为按照顺序跟踪到的所述第一 目标区域的边界点，或者将依次查找到的第一种子点 :41^2^3^4、~^29^30作为按照 顺序跟踪到的所述第一目标区域的边界点。
[0097]通过上述技术方案可知，本发明实施例在实现边界跟踪时，从待处理图像中提取 出边界点集合，从边界点集合中选取出第一种子点。之后循环执行第一跟踪步骤，直至满足 第一结束条件。其中，第一跟踪步骤用于查找第一目标区域的下一个边界点，第一结束条件 用于表示已经查找到第一目标区域的所有边界点。因此，本发明实施例实际上是当未查找 到第一目标区域的所有边界点时，循环执行第一跟踪步骤，从而循环查找下一个边界点，当 查找到第一目标区域的所有边界点时，结束循环过程，将循环执行所述第一跟踪步骤时，依 次查找到的第一目标点或者依次查找到的第一种子点，作为按照顺序跟踪到的第一目标区 域的边界点。可见本实施例提供的边界跟踪方式，由于是先提取边界点集合，再根据边界点 集合进行边界跟踪，可以只在提取边界点集合时扫描一次，不需要重复扫描从而减少了工 作量。
[0098]在本实施例的步骤S201中，从待处理图像中提取出边界点集合，下面说明一种可 选的提取方式。
[0099]步骤 S201 可以包括：S2011 和 S2022。
[0100] S2011:确定所述待处理图像的目标区域，所述待处理图像的目标区域包括所述第 一目标区域和第二目标区域。
[0101] 在本实施例中，可以使用任一种能够分割出有效目标的图像分割算法，例如常用 的阈值法、边缘检测以及机器学习等，从待处理图像中确定出目标区域，也就是将待处理图 像中的目标区域和背景区域进行区分。具体在区分时，可以将待处理图像中的背景区域和 目标区域采用不同的灰度值进行表示，例如，背景区域通过某一灰度值表示，目标区域通过 与背景区域不同的、一个或多个灰度值进行表示。
[0102] 其中，所述待处理图像的目标区域可以包括所述待处理图像的所有目标区域。
[0103] S2012:提取出所述待处理图像的目标区域的边界点，构成所述边界点集合。
[0104] 在确定出目标区域后，可以根据目标区域的像素点之间的位置关系，提取出所述 待处理图像的目标区域的所有边界点，构成所述边界点集合。其中，本实施例对所述边界点 集合的具体数据形式并不加以限定，例如可以表示为链表、数组、容器等数据结构。
[0105] 在提取所述边界点集合后，还可以将所述边界点集合中的边界点在所述待处理图 像中标记出来，例如通过某一特定灰度值表示。
[0106] 在本实施例S203的第一跟踪步骤中，在第一种子点的邻域中查找第一目标点。下 面通过一个边界跟踪方法的实施例，具体说明如何查找第一目标点。
[0107] 请参阅图4,本发明实施例提供了边界跟踪方法的另一种方法实施例。本实施例的 所述方法包括：
[0108] S401:从待处理图像中提取边界点集合，所述边界点集合包括第一目标区域的边 界点。
[0109] S402:从所述边界点集合中选取一个边界点作为第一种子点。
[0110] 步骤S401、步骤S402与步骤S201、步骤S202类似，相关之处请参见图2所示的实施 例，这里不再赘述。
[0111] S403:循环执行第一跟踪步骤，直至满足第一结束条件。
[0112] 所述第一跟踪步骤包括:在所述第一种子点的邻域中查找到满足第二目标条件的 像素点，作为第一目标点，将所述第一目标点作为更新后的第一种子点，并且将当前执行第 一跟踪步骤时更新前的第一种子点，或者将当前执行第一跟踪步骤时更新后的第一种子 点，即第一目标点，从所述边界点集合中删除。所述第二目标条件包括:属于所述边界点集 合。
[0113]所述第一结束条件包括:在所述第一种子点的邻域中未查找到满足第二目标条件 的像素点。
[0114] 可见，由于每一次执行第一跟踪步骤时，都将第一目标点或者更新前的第一种子 点从边界点集合中删除，因此，第一跟踪步骤中只需在第一种子点的邻域中查找属于所述 边界点集合的像素点，即可查找到第一目标点，而无需再判断是否属于之前执行的第一跟 踪步骤中的第一目标点。下面以删除更新前的第一种子点为例加以说明。
[0115] 参阅表2和图3,在S402中选取出边界点A1为第一种子点。边界点集合包括:边界