图像轮廓特征的提取方法及其装置的制造方法

图像轮廓特征的提取方法及其装置的制造方法
【专利摘要】本发明提供一种本发明的图像轮廓特征的提取方法及其装置，获取输入图像各像素点与至少两个方向上周边相邻像素点的灰度值差绝对值，计算出各像素点的平均灰度值差，再按预设规则，确定构成所述输入图像的轮廓特征点的像素点集，从而获取输入图像的轮廓特征信息，能够对输入图像的层次特征信息进行提取，避免提取图像轮廓特征信息过程中因像素点的二值化处理所造成像素点特征信息的遗漏。基于像素点周边平均灰度值差提取轮廓特征信息能够有效解决多种颜色图像和较多层次较复杂图像提取轮廓特征信息的遗漏问题，克服传统的图像提取轮廓特征信息方法易丢失图像的层次特征信息的难点，提高了轮廓特征信息的描述质量。
【专利说明】
图像轮廓特征的提取方法及其装置
技术领域
[0001] 本发明涉及图像处理的技术领域，特别涉及一种图像轮廓特征的提取方法，以及 一种图像轮廓特征的提取装置。
【背景技术】
[0002] 图像轮廓特征的精确提取是图像识别领域中提升图像识别特征信息质量的需要， 如何完整准确进行图像边缘检测是图像边缘检测问题中的难题之一。它的解决对于我们进 行高层次的特征描述、识别和理解等有着重大的意义。同时又由于边缘检测在许多方面都 有着非常重要的使用价值，所以人们一直在致力于研究和解决如何构造出具有良好性质的 效果的边缘检测算子问题。
[0003] 图像的轮廓既存在于图像的不规则结构和不稳定的边缘，也存在于数据的突变点 处，这些点给出了图像轮廓的位置，这些轮廓常常是我们在进行图像识别时所需要的非常 重要的特征条件。经典的轮廓提取技术大都基于微分运算，首先通过平滑来滤除图像中的 噪声，然后进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取 适当的阈值提取边界。按照该理论已形成了多种轮廓检测算法。其中主要可以分为直线段 逼近法和角点检测法。其中，以角点与矢量化检测在图像识别领域用途最为广泛。角点检测 法又可以分为 1?〇86111^1(1-]〇111181：〇11检测算法、？代61]1&11-0&￥18检测算法、3&111^1-311&1]1&检测 算法、Anderson-Bezdek检测算法、Teh-Chin检测算法。
[0004] 传统的图像轮廓特征信息提取方法的缺陷和弊端：
[0005] 1、基于微分运算的轮廓检测算法虽然能检测出边缘图像的轮廓特征信息，但阈值 选择是基于全局的灰度平均值，灰度的平均值仅反映图像的亮度或颜色深浅的平均程度， 无法全面反映图像的层次特征信息;虽然部分方法的阈值选择是基于局部区域的灰度平均 值，但仍无法全面反映图像的层次特征信息。
[0006] 2、采用任一灰度的平均值必会对其他灰度值的像素点的二值化处理产生影响，造 成像素点特征信息的遗漏。
[0007] 传统的图像提取轮廓特征信息方法在图像二值化处理过程中，会损失图像的层次 特征信息。当出现图像自身灰度值差异较小而与其他图像的灰度值差异较大、灰度级较多 时，传统的处理方法难以找出使用者感兴趣的图像目标像素点及其所构成的轮廓特征。

【发明内容】

[0008] 基于此，本发明实施例的目的在于提供一种图像轮廓特征的提取方法，以及一种 图像轮廓特征的提取装置，能够对图像的层次特征信息进行提取，避免提取图像轮廓特征 信息过程中因像素点的二值化处理所造成像素点特征信息的遗漏。
[0009] 在一些实施例中，本发明提供一种图像轮廓特征的提取方法，包括以下步骤：
[0010] 获取输入图像各像素点的灰度值；
[0011] 获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值；
[0012] 根据所获取各像素点的灰度值差的绝对值，计算出各像素点的平均灰度值差，其 中，所述平均灰度值差为输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝 对值的平均值；
[0013] 将各像素点的平均灰度值差与预设的灰度值差阈值比较，如果所述平均灰度值差 大于或等于预设的灰度值差阈值，则将该像素点确定为输入图像的轮廓特征点。
[0014] 本发明的图像轮廓特征的提取方法，获取输入图像各像素点与至少两个方向上周 边相邻像素点的灰度值差绝对值，计算出各像素点的平均灰度值差，再按预设规则，确定构 成所述输入图像的轮廓特征点的像素点集，从而获取输入图像的轮廓特征信息，能够对输 入图像的层次特征信息进行提取，避免提取图像轮廓特征信息过程中因像素点的二值化处 理所造成像素点特征信息的遗漏。基于像素点周边平均灰度值差提取轮廓特征信息能够有 效解决多种颜色图像和较多层次较复杂图像提取轮廓特征信息的遗漏问题，克服传统的图 像提取轮廓特征信息方法易丢失图像的层次特征信息的难点，提高了轮廓特征信息的描述 质量。
[0015] 在一些实施例中，所述获取所述输入图像各像素点与至少两个方向上相邻像素点 的灰度值差的绝对值的步骤包括：
[0016] 计算所述输入图像各像素点的灰度值与该像素点至少两个方向上的相邻像素点 的灰度值差，其中，所述至少两个方向包括以下至少两个:正上方、正下方、正左方、正右方、 左上方、右上方、左下方和右下方；
[0017] 对计算出的灰度值差进行绝对值转换，获取灰度值差的绝对值。
[0018] 通过获取所述输入图像各像素点与至少两个方向上周边相邻的像素点的灰度值 差，再将该灰度值差转换成绝对值后，获取各个灰度值差的绝对值，可以准确识别该像素点 周边的灰度变化程度，提高对图像边缘层次特征信息提取的准确度。
[0019] 在一些实施例中，按如下公式逐点计算所述输入图像的各像素点与该像素点至少 两个方向上相邻的像素点的灰度值差：
[0020] Xi = Do-Da；
[0021] 和
[0022] X2 = D〇-Db；
[0023] 其中，乂:为所述输入图像的各像素点与该像素点在一个方向上相邻的像素点的灰 度值差，X2为所述输入图像的各像素点与该像素点在另一个方向上相邻的像素点的灰度值 差，Do为该像素点的灰度值，0 3为该像素点在一个方向上相邻的像素点的灰度值，Db该像素 点在另一个方向上相邻的像素点的灰度值。
[0024] 在一些实施例中，根据所获取各像素点的灰度值差的绝对值，按以下公式计算出 各像素点的平均灰度值差： n.
[0025] i t=l
[0026] 其中，为所述输入图像的像素点与该像素点至少两个方向上相邻的像素点的平 均灰度值差，^为所述输入图像的各像素点与该像素点在第i个方向上相邻的像素点的灰 度值差，n为求解的相邻的像素点所在方向的个数，n大于或等于2。
[0027]通过获取各像素点的平均灰度值差，可以准确获得各个像素点在不同方向上与其 周边相邻像素点的平均灰度变化情况，提高对图像层次特征信息提取的准确度。
[0028] 在一些实施例中，所述预设的灰度值差阈值的取值范围为:2至250。
[0029] 将所述像素点的平均灰度值差与预设的灰度值差阈值比较，将平均灰度值差大于 或等于预设的灰度值差阈值的像素点确定为输入图像的轮廓特征点，可以从微观上或局部 描述和反映图像层次变化的情况，更精确反映图像轮廓特征。
[0030] 优选地，在一些实施例中，根据比较结果确定所述输入图像的轮廓特征点之后，进 一步包括以下步骤：
[0031]执行二值化处理，将所述输入图像的轮廓特征点的灰度设置为最低值，将所述输 入图像的其他像素点的灰度设置为最高值。
[0032]通过二值化处理，能够将所述输入图像的轮廓特征点以更高对比度的方式输出， 使用户更容易识别所述输入图像的轮廓特征点。
[0033] 优选地，在一些实施例中，根据比较结果确定所述输入图像的轮廓特征点后，进一 步包括:识别和去除所述输入图像的轮廓特征点中的散点，其中，所述散点是具有连续像素 点的个数少于预设连续像素点阈值的一组连续像素点的点集，所述连续像素点的确认规则 为:一个轮廓特征点与该轮廓特征点在任一方向上相邻的另一个轮廓特征点互为连续像素 点，且如果两个轮廓特征点分别与同一个轮廓特征点互为连续像素点，则该两个轮廓特征 点也互为连续像素点；所述相邻的轮廓特征点所在的方向包括该轮廓特征点的正上方、正 下方、正左方、正右方、左上方、右上方、左下方和右下方。
[0034] 通过识别和去除所述输入图像的轮廓特征点中的散点，可以简化输入图像轮廓特 征信息的描述，突出输入图像轮廓特征信息的显著性，有利提高查询检索的效率。
[0035] 在一些实施例中，所述预设连续像素点阈值的取值范围为:所述轮廓特征点总数 的 0.001%至 10%。
[0036]通过合理设定所述连续像素点阈值，可以有效确定图像边缘显著性较弱的像素 点，减少输入图像轮廓特征的干扰信息。
[0037]优选地，在一些实施例中，可能会出现一些较粗的轮廓特征线，较粗的轮廓特征线 是指线粗大于一个像素点的廓特征线。对一些较粗的轮廓特征线可以进一步进行简化处 理，简化处理步骤和方法可以包括但不限于如下方法：
[0038]如果轮廓特征线的宽度大于预设宽度值，则沿所述轮廓特征线的长度方向，依次 取位于宽度截面同一边缘的像素点为输出轮廓特征线的像素点；
[0039] 如果所述轮廓特征线的宽度不大于预设宽度值，则取构成所述轮廓特征线的所有 轮廓特征点为输出轮廓特征线的像素点。
[0040] 其中，所述轮廓特征线为由一组连续像素点组成的像素点集。
[0041] 简化处理还可采用提取轮廓特征线骨架，这些步骤和方法可以进行任意组合。通 过所述输入图像的轮廓特征点进行简化处理，在不影响图像轮廓特征描述的情况下减少所 述输入图像轮廓特征点的提取量和存储数量，以提高检索效率。
[0042] 在一些实施例中，本发明提供一种图像轮廓特征的提取装置，包括：
[0043] 获取像素点灰度值的模块，用于获取输入图像各像素点的灰度值；
[0044] 获取灰度值差的绝对值的模块，用于获取所述输入图像各像素点与至少两个方向 上相邻像素点的灰度值差的绝对值；
[0045]计算平均灰度值差的模块，用于根据所获取各像素点的灰度值差的绝对值，计算 出各像素点的平均灰度值差，其中，所述平均灰度值差为输入图像各像素点与至少两个方 向上相邻像素点的灰度值差的绝对值的平均值；
[0046]获取轮廓特征点的模块，用于将各像素点的平均灰度值差与预设的灰度值差阈值 比较，如果所述平均灰度值差大于或等于预设的灰度值差阈值，则将该像素点确定为输入 图像的轮廓特征点。
[0047]本发明的图像轮廓特征的提取装置，获取输入图像各像素点与至少两个方向上周 边相邻像素点的灰度值差绝对值，计算出各像素点的平均灰度值差，再按预设规则，确定构 成所述输入图像的轮廓特征点的像素点集，从而获取输入图像的轮廓特征信息，能够对输 入图像的层次特征信息进行提取，避免提取图像轮廓特征信息过程中因像素点的二值化处 理所造成像素点特征信息的遗漏。基于像素点周边平均灰度值差提取轮廓特征信息能够有 效解决多种颜色图像和较多层次较复杂图像提取轮廓特征信息的遗漏问题，克服传统的图 像提取轮廓特征信息方法易丢失图像的层次特征信息的难点，提高了轮廓特征信息的描述 质量。
[0048]在一些实施例中，所述图像轮廓特征的提取装置还包括:散点处理模块，用于识别 和去除所述输入图像的轮廓特征点中的散点，其中，所述散点是具有连续像素点的个数少 于预设连续像素点阈值的一组连续像素点的点集，所述连续像素点的确认规则为:一个轮 廓特征点与该轮廓特征点在任一方向上相邻的另一个轮廓特征点互为连续像素点，且如果 两个轮廓特征点分别与同一个轮廓特征点互为连续像素点，则该两个轮廓特征点也互为连 续像素点；所述相邻的轮廓特征点所在的方向包括该轮廓特征点的正上方、正下方、正左 方、正右方、左上方、右上方、左下方和右下方。
【附图说明】
[0049] 图1为一些实施例中提供的图像轮廓特征的提取方法的流程示意图；
[0050] 图2为随机给出的示例性图像原图；
[0051] 图3为示例性图像经灰度化处理后提取的各像素点的灰度值统计结果的局部示意 图；
[0052]图4为示例性图像各像素点与其正上方相邻像素点的灰度值差计算结果的局部示 意图；
[0053]图5为示例性图像各像素点与其正下方相邻像素点的灰度值差计算结果的局部示 意图；
[0054]图6为示例性图像各像素点与其正左方相邻像素点的灰度值差计算结果的局部示 意图；
[0055] 图7为示例性图像各像素点与其正右方相邻像素点的灰度值差计算结果的局部示 意图；
[0056] 图8为示例性图像各像素点与其正上方相邻像素点的灰度值差进行绝对值转换计 算结果的局部示意图；
[0057] 图9为示例性图像各像素点与其正下方相邻像素点的灰度值差进行绝对值转换计 算结果的局部示意图；
[0058] 图10为示例性图像各像素点与其正左方相邻像素点的灰度值差进行绝对值转换 计算结果的局部示意图；
[0059] 图11为示例性图像各像素点与其正右方相邻像素点的灰度值差进行绝对值转换 计算结果的局部示意图；
[0060] 图12为示例性图像各像素点的平均灰度值差计算结果的局部示意图；
[0061] 图13为示例性图像的轮廓特征点的局部示意图；
[0062] 图14为示例性图像的轮廓特征点构成轮廓特征线的示意图；
[0063] 图15为另一些实施例中提供的图像轮廓特征的提取方法的流程示意图；
[0064] 图16为处理散点后示例性图像的图像轮廓特征点的轮廓特征线的局部示意图；
[0065] 图17为再一些实施例中提供的图像轮廓特征的提取方法的流程示意图；
[0066] 图18为一些实施例中提供的图像轮廓特征的提取装置的结构示意图；
[0067] 图19为另一些实施例中提供的图像轮廓特征的提取装置的结构示意图；
[0068] 图20为再一些实施例中提供的图像轮廓特征的提取装置的结构示意图。
【具体实施方式】
[0069] 为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本 发明进行进一步的详细说明。应当理解，此处所描述的【具体实施方式】仅仅用以解释本发明， 并不限定本发明的保护范围。
[0070] 在一些实施例中，本发明提供一种图像轮廓特征的提取方法，如图1所示，包括以 下步骤：
[0071 ] S102，获取输入图像各像素点的灰度值；
[0072] S104,获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝 对值；
[0073] S106,根据所获取各像素点的灰度值差的绝对值，计算出各像素点的平均灰度值 差，其中，所述平均灰度值差为输入图像各像素点与至少两个方向上相邻像素点的灰度值 差的绝对值的平均值；
[0074] S108,将各像素点的平均灰度值差与预设的灰度值差阈值比较，如果所述平均灰 度值差大于或等于预设的灰度值差阈值，则将该像素点确定为输入图像的轮廓特征点。
[0075] 本发明的图像轮廓特征的提取方法，获取输入图像各像素点与至少两个方向上周 边相邻像素点的灰度值差绝对值，计算出各像素点的平均灰度值差，再按预设规则，确定构 成所述输入图像的轮廓特征点的像素点集，从而获取输入图像的轮廓特征信息，能够对输 入图像的层次特征信息进行提取，避免提取图像轮廓特征信息过程中因像素点的二值化处 理所造成像素点特征信息的遗漏。基于像素点周边平均灰度值差提取轮廓特征信息能够有 效解决多种颜色图像和较多层次较复杂图像提取轮廓特征信息的遗漏问题，克服传统的图 像提取轮廓特征信息方法易丢失图像的层次特征信息的难点，提高了轮廓特征信息的描述 质量。
[0076]在步骤S102中，获取输入图像各像素点的灰度值；
[0077]可通过各种设备或方法将输入图像灰度化，获取输入图像各像素点的灰度值，灰 度化后均可用于本发明的方法提取处理轮廓特征信息。
[0078] 图2随机给出示例性图像原图，这些图像的原图可能带有很多色彩，灰度级较多等 等，均可作为本技术方案的处理对象。
[0079] 首先，获取所述输入图像各像素点的灰度值。所述输入图像的像素点的灰度值范 围为0~255,表示亮度从深到浅，对应图像中的颜色为从黑到白，每个像素点的灰度值都是 介于黑色和白色之间的256种灰度值中的一种。白色为255,黑色为0,对输入的输入图像提 取其每一像素点的灰度值。
[0080] 图3给出示例性图像(第1916621号图形商标)经灰度化处理后提取的各像素点的 灰度值统计结果的局部示意图。显示有148*130,共19240个像素点的灰度值。
[0081] 在步骤S104中，获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度 值差的绝对值；
[0082] 在一些实施例中，所述输入图像各像素点与周边相邻像素点的灰度值差是指通过 比较获取的所述输入图像的每一像素点与该像素点至少两个方向上的相邻像素点的灰度 值差。其中，所述至少两个方向包括以下至少两个：正上方、正下方、正左方、正右方、左上 方、右上方、左下方和右下方。
[0083] 即，所述获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的 绝对值的步骤包括：
[0084] 计算所述输入图像各像素点的灰度值与该像素点至少两个方向上的相邻像素点 的灰度值差，其中，所述至少两个方向包括以下至少两个:正上方、正下方、正左方、正右方、 左上方、右上方、左下方和右下方；
[0085] 对计算出的灰度值差进行绝对值转换，获取灰度值差的绝对值。
[0086] 通过获取所述输入图像各像素点与至少两个方向上周边相邻的像素点的灰度值 差，再将该灰度值差转换成绝对值后，获取各个灰度值差的绝对值，可以准确识别该像素点 周边的灰度变化程度，提高对图像边缘层次特征信息提取的准确度。
[0087] 在一些实施例中，按如下公式逐点计算所述输入图像的各像素点与该像素点至少 两个方向上相邻的像素点的灰度值差：
[0088] Xi = Do-Da；
[0089] 和
[0090] X2 = D〇-Db；
[0091]其中，乂:为所述输入图像的各像素点与该像素点在一个方向上相邻的像素点的灰 度值差，X2为所述输入图像的各像素点与该像素点在另一个方向上相邻的像素点的灰度值 差，Do为该像素点的灰度值，0 3为该像素点在一个方向上相邻的像素点的灰度值，Db该像素 点在另一个方向上相邻的像素点的灰度值。
[0092]图4为示例性图像(第1916621号图形商标)各像素点与其正上方相邻像素点的灰 度值差计算结果局部示意图。
[0093]图5为示例性图像(第1916621号图形商标)各像素点与其正下方相邻像素点的灰 度值差计算结果局部示意图。
[0094]图6为示例性图像(第1916621号图形商标)各像素点与其正左方相邻像素点的灰 度值差计算结果的局部示意图。
[0095]图7为示例性图像(第1916621号图形商标)各像素点与其正右方相邻像素点的灰 度值差计算结果列表。
[0096]对上述步骤中获得的灰度值差数据，需要进行绝对值转换。
[0097] 即，对前一步获取的输入图像的像素点与周边相邻像素点的灰度值差进行绝对值 转换，去除灰度值差数据中的负数。
[0098]图8为示例性图像(第1916621号图形商标)各像素点与其正上方相邻像素点的灰 度值差进行绝对值转换计算结果的局部示意图。
[0099]图9为示例性图像(第1916621号图形商标)各像素点与其正下方相邻像素点的灰 度值差进行绝对值转换计算结果的局部示意图。
[0100] 图1〇为示例性图像(第1916621号图形商标)各像素点与其正左方相邻像素点的灰 度值差进行绝对值转换计算结果的局部示意图。
[0101] 图11为示例性图像(第1916621号图形商标)各像素点与其正右方相邻像素点的灰 度值差进行绝对值转换计算结果的局部示意图。
[0102] 通过逐点比较分别计算所述输入图像的每一像素点与至少两个方上周边相邻像 素点的灰度值差，再将该灰度值差转换成绝对值后，获取各个灰度值差的绝对值，可以准确 识别该像素点周边的灰度变化程度，提高对图像层次特征信息提取的准确度。
[0103] 在步骤S106中，根据所获取各像素点的灰度值差的绝对值，计算出各像素点的平 均灰度值差，其中，所述平均灰度值差为输入图像各像素点与不同方向上周边相邻像素点 的灰度值差的绝对值的平均值。
[0104] 在一些实施例中，按以下公式计算出各像素点的平均灰度值差： n
[0105] 无+11 i=l
[0106] 其中，为所述输入图像的像素点与该像素点至少两个方向上相邻的像素点的平 均灰度值差，^为所述输入图像的各像素点与该像素点在第i个方向上相邻的像素点的灰 度值差，n为求解的相邻的像素点所在方向的个数，n大于或等于2。
[0107]通过获取各像素点的平均灰度值差，可以准确获得各个像素点在不同方向上与其 周边像素点的平均灰度变化情况，提高对图像层次特征信息提取的准确度。
[0108] 图12为示例性图像(第1916621号图形商标)各像素点的平均灰度值差计算结果的 局部示意图。
[0109] 在步骤S108中，按预设规则，确定构成轮廓特征点的像素点集，从而获取输入图像 的轮廓特征信息。
[0110] 在本实施例中，所述确定构成轮廓特征点的像素点集的预设规则包括： 将所述像素点的平均灰度值差与预设的灰度值差阈值比较，将平均灰度值差大于 或等于预设的灰度值差阈值的像素点确定为输入图像的轮廓特征点。从而可以从微观上或 局部描述和反映图像层次变化的情况，更精确反映图像轮廓特征。
[0112] 如果后续需要进行去散点处理，则此时获取的轮廓特征点为初步的轮廓特征点。
[0113] 在一些实施例中，所述预设的灰度值差阈值的取值范围为:2至250。
[0114]将所述像素点的平均灰度值差与预设的灰度值差的阈值比较，将平均灰度值差大 于或等于预设的灰度值差的阈值的像素点确定为输入图像的轮廓特征点，可以从微观上或 局部描述和反映图像层次变化的情况，更精确反映图像轮廓特征。
[0115] 优选地，在获取所述输入图像的轮廓特征点后，可进一步执行以下步骤：
[0116] 执行二值化处理，将所述输入图像的轮廓特征点的灰度设置为最低值，将所述输 入图像的其他像素点的灰度设置为最高值。
[0117] 对所述输入图像的像素点进行二值化处理，包括:将所述输入图像的轮廓特征点 的二值化灰度值修正为〇,而其它像素点的二值化灰度值修正为255。
[0118] 通过二值化处理，能够将所述输入图像的轮廓特征点以更高对比度的方式输出， 使用户更容易识别所述输入图像的轮廓特征点。
[0119] 所述轮廓特征点构成所述输入图像的轮廓特征线。
[0120] 图13为示例性图像(第1916621号图形商标)的轮廓特征点的局部示意图。
[0121] 图14为示例性图像(第1916621号图形商标)的轮廓特征点构成轮廓特征线的局部 示意图。
[0122] 如图15所示，优选地，在一些实施例中，本发明的图像轮廓特征的提取方法在根据 比较结果确定所述输入图像的轮廓特征点后，还进一步包括以下步骤：
[0123] S110,识别和去除所述输入图像的轮廓特征点中的散点，其中，所述散点是具有连 续像素点的个数少于预设连续像素点阈值的一组连续像素点的点集，所述连续像素点的确 认规则为:一个轮廓特征点与该轮廓特征点在任一方向上相邻的另一个轮廓特征点互为连 续像素点，且如果两个轮廓特征点分别与同一个轮廓特征点互为连续像素点，则该两个轮 廓特征点也互为连续像素点;所述相邻的轮廓特征点所在的方向包括该轮廓特征点的正上 方、正下方、正左方、正右方、左上方、右上方、左下方和右下方。
[0124] 通过识别和去除所述输入图像的轮廓特征点中的散点，可以简化输入图像轮廓特 征信息的描述，突出输入图像轮廓特征信息的显著性，有利提高查询检索的效率。
[0125] 图像原图在其成像过程中由于环境干扰等各种复杂的原因，可能在图像中出现散 点，这些散点不是图像的主要特征，不能准确反映整体图像的数据突变点的特征，如将这些 具有散点特征的像素点集视为图像轮廓特征点，可能影响对图像整体轮廓特征的准确描 述，因此，应去除图像中的散点。
[0126] 在一些实施例中，所述预设连续像素点阈值的取值范围为:所述轮廓特征点总数 的 0.001%至 10%。
[0127] 通过合理设定所述连续像素点阈值，可以有效确定图像边缘显著性较弱的像素 点，减少输入图像轮廓特征的干扰信息。
[0128] 所述连续像素点的确认规则为:将由该像素点与该像素点在正上方、正下方、正左 方、正右方、左上方、右下方、右上方或右下方任一方向的相邻像素点，且同为轮廓特征点所 构成不间断的像素点组确认为连续像素点，且如果两个像素点分别与同一个像素点互为连 续像素点，则该两个像素点也互为连续像素点。
[0129] 再去除所述散点时，将确认为散点的像素点的二值化灰度值修正为255,其他轮廓 特征点的二值化灰度值修正为〇。
[0130] 按照以上预设规则产生的二值化灰度值为0的像素点可以构成图像轮廓特征点， 图像轮廓特征点的集合构成图像轮廓特征线。
[0131] 图16给出去除散点后，示例性第1916621号图形商标图像轮廓特征点的轮廓特征 线序列图。
[0132] 优选地，对一些特殊的图像，图层的变化是渐进的，同一处的轮廓特征线的平均灰 度值差大于或等于预设的灰度值差的阈值的像素点可能存在多个，可能会出现一些较粗的 轮廓特征线，较粗的轮廓特征线是指线粗大于一个像素点的廓特征线。为了减少图像轮廓 特征点的存储数量，可以进行S112所述对一些较粗的轮廓特征线进行简化处理，步骤和方 法可以包括但不限于如下方法：
[0133] 如果轮廓特征线的宽度大于预设宽度值，则沿所述轮廓特征线的长度方向，依次 取位于宽度截面同一边缘的像素点为输出轮廓特征线的像素点；
[0134] 如果所述轮廓特征线的宽度不大于预设宽度值，则取构成所述轮廓特征线的所有 轮廓特征点为输出轮廓特征线的像素点。
[0135] 其中，所述轮廓特征线为由一组连续像素点组成的像素点集。
[0136] 简化处理还可采用提取轮廓特征线骨架，这些步骤和方法可以进行任意组合。
[0137] 如图17给出，在一些实施例中提供的图像轮廓特征的提取方法的流程示意图。
[0138] 通过所述输入图像的轮廓特征点进行简化处理，在不影响图像轮廓特征线描述的 情况下减少所述输入图像的轮廓特征点的提取量和存储数量，以提高检索效率。
[0139] 本领域技术人员也可以通过其他的预设规则在不影响图像轮廓特征线描述的情 况下减少所提取的图像轮廓特征点。
[0140]以上简化处理步骤不是必然的步骤，属优选步骤。
[0141 ]在实施例中，本发明的图像轮廓特征的提取方法所获取的图像轮廓特征点，构成 图像轮廓特征线。将该像素点数据输出，并据此产生输入图像轮廓线上像素点序列图像，可 用于图像轮廓特征信息的描述。
[0142] 在一些实施例中，本发明提供一种图像轮廓特征的提取装置，如图18所示，包括：
[0143] 获取像素点灰度值的模块10，用于获取输入图像各像素点的灰度值；
[0144] 获取灰度值差的绝对值的模块20,用于获取所述输入图像各像素点与至少两个方 向上相邻像素点的灰度值差的绝对值；
[0145] 计算平均灰度值差的模块30,用于根据所获取各像素点的灰度值差的绝对值，计 算出各像素点的平均灰度值差，其中，所述平均灰度值差为输入图像各像素点与至少两个 方向上相邻像素点的灰度值差的绝对值的平均值；
[0146] 获取轮廓特征点的模块40,用于将各像素点的平均灰度值差与预设的灰度值差阈 值比较，如果所述平均灰度值差大于或等于预设的灰度值差阈值，则将该像素点确定为输 入图像的轮廓特征点。
[0147] 本发明的图像轮廓特征的提取装置，获取输入图像各像素点与至少两个方向上周 边相邻像素点的灰度值差绝对值，计算出各像素点的平均灰度值差，再按预设规则，确定构 成所述输入图像的轮廓特征点的像素点集，从而获取输入图像的轮廓特征信息，能够对输 入图像的层次特征信息进行提取，避免提取图像轮廓特征信息过程中因像素点的二值化处 理所造成像素点特征信息的遗漏。基于像素点周边平均灰度值差提取轮廓特征信息能够有 效解决多种颜色图像和较多层次较复杂图像提取轮廓特征信息的遗漏问题，克服传统的图 像提取轮廓特征信息方法易丢失图像的层次特征信息的难点，提高了轮廓特征信息的描述 质量。
[0148] 在一些实施例中，如图19所示，所述图像轮廓特征的提取装置还包括:散点处理模 块50,用于识别和去除所述输入图像的轮廓特征点中的散点，其中，所述散点是具有连续像 素点的个数少于预设连续像素点阈值的一组连续像素点的点集，所述连续像素点的确认规 则为:一个轮廓特征点与该轮廓特征点在任一方向上相邻的另一个轮廓特征点互为连续像 素点，且如果两个轮廓特征点分别与同一个轮廓特征点互为连续像素点，则该两个轮廓特 征点也互为连续像素点；所述相邻的轮廓特征点所在的方向包括该轮廓特征点的正上方、 正下方、正左方、正右方、左上方、右上方、左下方和右下方。
[0149] 在一些优选实施例中，所述连续像素点阈值的取值范围为:所述轮廓特征点总数 的 0.001%至 10%。
[0150] 在一些实施例中，如图20所示，所述图像轮廓特征的提取装置还包括:轮廓特征点 简化处理模块60,用于对输入图像的轮廓特征点进行简化。.
[0151] 所述轮廓特征点简化处理模块60通过如下方式对一些较粗的轮廓特征线进行简 化处理：
[0152] 如果轮廓特征线的宽度大于预设宽度值，则沿所述轮廓特征线的长度方向，依次 取位于宽度截面同一边缘的像素点为输出轮廓特征线的像素点；
[0153] 如果所述轮廓特征线的宽度不大于预设宽度值，则取构成所述轮廓特征线的所有 轮廓特征点为输出轮廓特征线的像素点。
[0154] 其中，所述轮廓特征线为由一组连续像素点组成的像素点集。
[0155] 简化处理还可采用提取轮廓特征线骨架，这些步骤和方法可以进行任意组合。通 过所述输入图像的轮廓特征点进行简化处理，在不影响图像轮廓特征线描述的情况下减少 所述输入图像的轮廓特征点的提取量和存储数量，以提高检索效率。
[0156] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实 施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存 在矛盾，都应当认为是本说明书记载的范围。
[0157] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并 不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来 说，在不脱离本发明构思的前提下，还可以做出若干变形、推导和改进，这些都属于本发明 的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1. 一种图像轮廓特征的提取方法，其特征在于，包括W下步骤： 获取输入图像各像素点的灰度值； 获取所述输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值； 根据所获取各像素点的灰度值差的绝对值，计算出各像素点的平均灰度值差，其中，所 述平均灰度值差为输入图像各像素点与至少两个方向上相邻像素点的灰度值差的绝对值 的平均值； 将各像素点的平均灰度值差与预设的灰度值差阔值比较，如果所述平均灰度值差大于 或等于预设的灰度值差阔值，则将该像素点确定为输入图像的轮廓特征点。2. 根据权利要求1所述的图像轮廓特征的提取方法，其特征在于，获取所述输入图像各 像素点与至少两个方向上相邻像素点的灰度值差的绝对值的步骤包括： 计算所述输入图像各像素点的灰度值与该像素点至少两个方向上的相邻像素点的灰 度值差，其中，所述至少两个方向包括W下至少两个:正上方、正下方、正左方、正右方、左上 方、右上方、左下方和右下方； 对计算出的灰度值差进行绝对值转换，获取灰度值差的绝对值。3. 根据权利要求2所述的图像轮廓特征的提取方法，其特征在于，按如下公式逐点计算 所述输入图像的各像素点与该像素点至少两个方向上相邻的像素点的灰度值差： Xl 二 Do-Da ; 和 X2 二Do-Db; 其中，Xi为所述输入图像的各像素点与该像素点在一个方向上相邻的像素点的灰度值 差，拉为所述输入图像的各像素点与该像素点在另一个方向上相邻的像素点的灰度值差，Do 为该像素点的灰度值，Da为该像素点在一个方向上相邻的像素点的灰度值，Db该像素点在另 一个方向上相邻的像素点的灰度值。4. 根据权利要求1所述的图像轮廓特征的提取方法，其特征在于，根据所获取各像素点 的灰度值差的绝对值，按W下公式计算出各像素点的平均灰度值差：其中，烹为所述输入图像的像素点与该像素点至少两个方向上相邻的像素点的平均灰 度值差，Xi为所述输入图像的各像素点与该像素点在第i个方向上相邻的像素点的灰度值 差，n为求解的相邻的像素点所在方向的个数，n大于或等于2。5. 根据权利要求1所述的图像轮廓特征的提取方法，其特征在于，所述预设的灰度值差 阔值的取值范围为:2至250。6. 根据权利要求1所述的图像轮廓特征的提取方法，其特征在于，根据比较结果确定所 述输入图像的轮廓特征点之后，进一步包括W下步骤： 执行二值化处理，将所述输入图像的轮廓特征点的灰度设置为最低值，将所述输入图 像的其他像素点的灰度设置为最高值。7. 根据权利要求1至6任意一项所述的图像轮廓特征的提取方法，其特征在于，根据比 较结果确定所述输入图像的轮廓特征点后，进一步包括:识别和去除所述输入图像的轮廓 特征点中的散点，其中，所述散点是具有连续像素点的个数少于预设连续像素点阔值的一 组连续像素点的点集，所述连续像素点的确认规则为:一个轮廓特征点与该轮廓特征点在 任一方向上相邻的另一个轮廓特征点互为连续像素点，且如果两个轮廓特征点分别与同一 个轮廓特征点互为连续像素点，则该两个轮廓特征点也互为连续像素点；所述相邻的轮廓 特征点所在的方向包括该轮廓特征点的正上方、正下方、正左方、正右方、左上方、右上方、 左下方和右下方。8. 根据权利要求7所述的图像轮廓特征的提取方法，其特征在于，所述预设连续像素点 阔值的取值范围为:所述轮廓特征点总数的O. OOl %至10%。9. 一种图像轮廓特征的提取装置，其特征在于，包括： 获取像素点灰度值的模块，用于获取输入图像各像素点的灰度值； 获取灰度值差的绝对值的模块，用于获取所述输入图像各像素点与至少两个方向上相 邻像素点的灰度值差的绝对值； 计算平均灰度值差的模块，用于根据所获取各像素点的灰度值差的绝对值，计算出各 像素点的平均灰度值差，其中，所述平均灰度值差为输入图像各像素点与至少两个方向上 相邻像素点的灰度值差的绝对值的平均值； 获取轮廓特征点的模块，用于将各像素点的平均灰度值差与预设的灰度值差阔值比 较，如果所述平均灰度值差大于或等于预设的灰度值差阔值，则将该像素点确定为输入图 像的轮廓特征点。10. 根据权利要求9所述的图像轮廓特征的提取装置，其特征在于，进一步包括： 散点处理模块，用于识别和去除所述输入图像的轮廓特征点中的散点，其中，所述散点 是具有连续像素点的个数少于预设连续像素点阔值的一组连续像素点的点集，所述连续像 素点的确认规则为:一个轮廓特征点与该轮廓特征点在任一方向上相邻的另一个轮廓特征 点互为连续像素点，且如果两个轮廓特征点分别与同一个轮廓特征点互为连续像素点，贝U 该两个轮廓特征点也互为连续像素点;所述相邻的轮廓特征点所在的方向包括该轮廓特征 点的正上方、正下方、正左方、正右方、左上方、右上方、左下方和右下方。
【文档编号】G06K9/46GK105913067SQ201610242493
【公开日】2016年8月31日
【申请日】2016年4月18日
【发明人】徐庆
【申请人】徐庆