基于Roberts算子的圖像邊緣檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像邊緣檢測(cè)方法，具體涉及一種基于Roberts算子的圖像邊緣 檢測(cè)方法。
【背景技術(shù)】
[0002] 圖像邊緣檢測(cè)技術(shù)主要應(yīng)用于監(jiān)控和門禁設(shè)施當(dāng)中，進(jìn)行道路交通的管制或汽車 門禁的監(jiān)控。該技術(shù)在門禁系統(tǒng)的應(yīng)用具有較高研宄價(jià)值，一方面因?yàn)椋覈?guó)城鎮(zhèn)化進(jìn)程的 日益推進(jìn)，城鎮(zhèn)人口增速明顯，城鎮(zhèn)居民對(duì)居住地的要求有所增加，加上現(xiàn)代居民素質(zhì)的整 體提高，居民對(duì)公共安全的需求意識(shí)逐漸增強(qiáng)，對(duì)門禁社區(qū)的關(guān)注度越來越高，使得越來越 多學(xué)者投入到相關(guān)研宄中來。另一方面，開發(fā)商為了迎合大眾需求，往往會(huì)重金打造一些門 禁社區(qū)作為賣點(diǎn)，因而會(huì)相應(yīng)增加門禁系統(tǒng)、安防系統(tǒng)、監(jiān)控設(shè)施的需求，這給門禁系統(tǒng)生 產(chǎn)商帶來了更多商機(jī)和機(jī)遇，許多帶有新功能的門禁監(jiān)控系統(tǒng)層出不窮。
[0003] 此外，圖像邊緣檢測(cè)技術(shù)是安防系統(tǒng)的重要組成部分，同攝像頭采樣技術(shù)、數(shù)模轉(zhuǎn) 換技術(shù)、接口技術(shù)一樣是是安防系統(tǒng)的核心技術(shù)之一（居民小區(qū)汽車門禁系統(tǒng)示意圖如圖 1所示），有著深厚的研宄基礎(chǔ)，自1965年至今的近50年里，有許多國(guó)內(nèi)外學(xué)者對(duì)其進(jìn)行研 宄，并在不同領(lǐng)域取得很多成果。邊緣檢測(cè)算法的種類較多，可分為傳統(tǒng)算法和新興算法。 傳統(tǒng)算法有：Sobel算子、Prewitt算子、LOG算子、Iaplacian算子和Canny算子等。傳統(tǒng) 算法大都基于數(shù)學(xué)運(yùn)算實(shí)現(xiàn)，要么抗噪性能差，要么邊緣檢測(cè)的精度不高。新興的邊緣檢測(cè) 算法的研宄常與其他學(xué)科有所交叉，在工程方面有：基于小波分析和小波包的邊緣檢測(cè)方 法、基于模糊理論的邊緣檢測(cè)方法、基于神經(jīng)網(wǎng)絡(luò)的分割方法等，在機(jī)器視覺和人工智能等 領(lǐng)域有：基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法、自組織聚類法、遺傳算法等。
[0004] 由于居民小區(qū)汽車門禁系統(tǒng)需要圖像處理過程相對(duì)快速、準(zhǔn)確、可靠性高、易于存 儲(chǔ)，雖然上述許多圖像邊緣檢測(cè)技術(shù)在相應(yīng)領(lǐng)域都有著廣泛應(yīng)用，其在精度、抗噪能力、應(yīng) 用條件和硬件成本等方面都存在著不足之處。因此，有必要拿出一種新的圖像邊緣檢測(cè)技 術(shù)來解決這些問題。

【發(fā)明內(nèi)容】

[0005] 為了解決上述技術(shù)問題，本發(fā)明提供了一種在精度、抗噪能力、應(yīng)用條件和硬件成 本這些方面都具有優(yōu)勢(shì)的基于Roberts算子的圖像邊緣檢測(cè)方法。
[0006] 為了達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：
[0007] 基于Roberts算子的圖像邊緣檢測(cè)方法，其采用MyEclpise 7. 0工具和Java語 言，該方法包括以下步驟：
[0008] 1)打開一張圖片，并獲取圖片的寬與高，寬為w，高為h，根據(jù)寬與高生成一維數(shù)組 pixels [w*h]，存放每點(diǎn)像素值；
[0009] 2)對(duì)圖片進(jìn)行灰度轉(zhuǎn)換，得到第一灰度值，并存放在一維數(shù)組中；
[0010] 3)生成兩個(gè)二維數(shù)組 Matrix [h] [w]和 RobertsMatrix [h] [w]，Matrix [h] [w]用 于存放第一灰度值；
[0011] 4)利用梯度卷積算子對(duì)每點(diǎn)Matrix [i] [j]求梯度幅值，并設(shè)為total ;
[0012] 5)判斷total是否大于設(shè)定值，如大于設(shè)定值則進(jìn)入第6)步驟，否則進(jìn)入第7)步 驟；
[0013] 6)求得 RobertsMatrix [i] [j]的值；
[0014] 7)求得 RobertsMatrix [i] [j] = 0 ;
[0015] 8)將RobertsMatrix[h] [w]轉(zhuǎn)換成一維數(shù)組，得到轉(zhuǎn)換后的第二灰度值并存于 RobertsMatrix[h][w]中；
[0016] 9)完成。
[0017] 本發(fā)明通過將圖片進(jìn)行進(jìn)行兩次的圖片灰度的轉(zhuǎn)換，分別得到第一灰度值和第二 灰度值，第一次生產(chǎn)一維數(shù)組，然后再生產(chǎn)兩個(gè)二維數(shù)組，再通過對(duì)梯度幅值的判斷，得到 RobertsMatriX [i] [ j]的值，最后得到第二灰度值，然后經(jīng)優(yōu)化的圖片灰度形式得以實(shí)現(xiàn)， 使得本方法相較于現(xiàn)有技術(shù)對(duì)于圖像邊緣檢測(cè)的精度和抗噪能力得以提高，同時(shí)僅借助于 MyEclpise 7. 0工具和Java語言即可實(shí)現(xiàn)的本方法，在應(yīng)用條件和硬件成本上相較現(xiàn)有技 術(shù)也具有其優(yōu)勢(shì)。
[0018] 在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以作如下改進(jìn)：
[0019] 作為優(yōu)選的方案，上述的圖片通過PixelGrabber類進(jìn)行像素轉(zhuǎn)換，得到第一灰度 值。
[0020] 采用上述優(yōu)選的方案，可以提高第一灰度值轉(zhuǎn)換的精度。
[0021] 作為優(yōu)選的方案，上述的設(shè)定值為50。
[0022] 采用上述優(yōu)選的方案，可以提高本方法的檢測(cè)精度。
[0023] 作為優(yōu)選的方案，上述的第6)步驟中，RobertsMatrix[i] [j] = 255。
[0024] 采用上述優(yōu)選的方案，可以進(jìn)一步地提高本方法的檢測(cè)精度。
【附圖說明】
[0025] 圖1為居民小區(qū)汽車門禁系統(tǒng)示意圖。
[0026] 圖2為本發(fā)明的基于Roberts算子的圖像邊緣檢測(cè)方法的實(shí)施流程圖。
【具體實(shí)施方式】
[0027] 下面結(jié)合附圖詳細(xì)說明本發(fā)明的優(yōu)選實(shí)施方式。
[0028] 為了達(dá)到本發(fā)明的目的，如圖2所示，在本發(fā)明的基于Roberts算子的圖像邊緣檢 測(cè)方法的其中一些實(shí)施方式中，其采用MyEclpi Se7. 0工具和Java語言，該方法包括以下步 驟：
[0029] Sl :打開一張圖片，并獲取圖片的寬與高，寬為w，高為h，根據(jù)寬與高生成一維數(shù) 組pixels [w*h]，存放每點(diǎn)像素值；
[0030] S2 :對(duì)圖片進(jìn)行灰度轉(zhuǎn)換，得到第一灰度值，并存放在一維數(shù)組中；
[0031] S3 :生成兩個(gè)二維數(shù)組 Matrix [h] [w]和 RobertsMatrix [h] [w]，Matrix [h] [w]用 于存放第一灰度值；
[0032] S4 :利用梯度卷積算子對(duì)每點(diǎn)Matrix [i] [j]求梯度幅值，并設(shè)為total ;
[0033] S5 :判斷total是否大于設(shè)定值，如大于設(shè)定值則進(jìn)入第S6步驟，否則進(jìn)入第S7 步驟；
[0034] S6 :求得 RobertsMatrix [i] [j]的值；
[0035] S7 :求得 RobertsMatrix [i] [j] = 0 ;
[0036] S8 :將RobertsMatrix[h] [w]轉(zhuǎn)換成一維數(shù)組，得到轉(zhuǎn)換后的第二灰度值并存于 RobertsMatrix[h][w]中；
[0037] S9 :完成。
[0038] 本方法通過將圖片進(jìn)行進(jìn)行兩次的圖片灰度的轉(zhuǎn)換，分別得到第一灰度值和第二 灰度值，第一次生產(chǎn)一維數(shù)組，然后再生產(chǎn)兩個(gè)二維數(shù)組，再通過對(duì)梯度幅值的判斷，得到 RobertsMatriX [i] [ j]的值，最后得到第二灰度值，然后經(jīng)優(yōu)化的圖片灰度形式得以實(shí)現(xiàn)， 使得本方法相較于現(xiàn)有技術(shù)對(duì)于圖像邊緣檢測(cè)的精度和抗噪能力得以提高，同時(shí)僅借助于 MyEclpise 7. 0工具和Java語言即可實(shí)現(xiàn)的本方法，在應(yīng)用條件和硬件成本上相較現(xiàn)有技 術(shù)也具有其優(yōu)勢(shì)。
[0039] 本方法中所涉及的Roberts算法程序片段如下：
[0040]
【主權(quán)項(xiàng)】
1. 基于Roberts算子的圖像邊緣檢測(cè)方法，其特征在于，采用MyEclpise7.O工具和 Java語言，所述方法包括以下步驟： 1) 打開一張圖片，并獲取圖片的寬與高，寬為w，高為h，根據(jù)所述寬與高生成一維數(shù)組 pixels[w*h]，存放每點(diǎn)像素值； 2) 對(duì)所述圖片進(jìn)行灰度轉(zhuǎn)換，得到第一灰度值，并存放在所述一維數(shù)組中； 3) 生成兩個(gè)二維數(shù)組Matrix[h] [w]和RobertsMatrix[h] [w]，所述Matrix[h] [w]用 于存放所述第一灰度值； 4) 利用梯度卷積算子對(duì)每點(diǎn)Matrix[i] [j]求梯度幅值，并設(shè)為total; 5) 判斷所述total是否大于設(shè)定值，如大于設(shè)定值則進(jìn)入第6)步驟，否則進(jìn)入第7)步 驟； 6) 求得RobertsMatrix[i] [j]的值； 7) 求得RobertsMatrix[i] [j] = 0 ; 8) 將所述R〇bertSMatriX[h][W]轉(zhuǎn)換成一維數(shù)組，得到轉(zhuǎn)換后的第二灰度值并存于所 述RobertsMatrix[h][w]中； 9) 完成。
2. 根據(jù)權(quán)利要求1所述的基于Roberts算子的圖像邊緣檢測(cè)方法，其特征在于，所述圖 片通過PixelGrabber類進(jìn)行像素轉(zhuǎn)換，得到所述第一灰度值。
3. 根據(jù)權(quán)利要求1所述的基于Roberts算子的圖像邊緣檢測(cè)方法，其特征在于，所述設(shè) 定值為50。
4. 根據(jù)權(quán)利要求3所述的基于Roberts算子的圖像邊緣檢測(cè)方法，其特征在于，所述第 6)步驟中，所述RobertsMatrix[i] [j] = 255。
【專利摘要】本發(fā)明公開了一種基于Roberts算子的圖像邊緣檢測(cè)方法，其包括以下步驟：打開一張圖片，根據(jù)其寬與高生成一維數(shù)組pixels[w*h]，存放每點(diǎn)像素值；對(duì)圖片進(jìn)行灰度轉(zhuǎn)換，得到第一灰度值并存放在一維數(shù)組中；生成兩個(gè)二維數(shù)組；利用梯度卷積算子對(duì)每點(diǎn)像素值求梯度幅值，并設(shè)為total；判斷total是否大于設(shè)定值；將其中一個(gè)二維數(shù)組轉(zhuǎn)換成一維數(shù)組，得到轉(zhuǎn)換后的第二灰度值并存于該二維數(shù)組中。本方法相較于現(xiàn)有技術(shù)對(duì)于圖像邊緣檢測(cè)的精度和抗噪能力得以提高，在應(yīng)用條件和硬件成本上也具有優(yōu)勢(shì)。
【IPC分類】G06T7-00
【公開號(hào)】CN104732554
【申請(qǐng)?zhí)枴緾N201510172635
【發(fā)明人】王巖, 盧曦, 陸盈
【申請(qǐng)人】南通理工學(xué)院
【公開日】2015年6月24日
【申請(qǐng)日】2015年4月13日