[发明专利]一种面向网格位图的高质量特征边缘提取方法

说明书

本发明公开了一种面向RGB颜色系统的网格位图的边缘提取方法。通过灰度化、噪声抑制、无关信息剔除、遍历填充、计算梯度与边缘方向、阈值过滤处理、提取边缘锚点、智能锚点链接等过程以从网格位图中提取到高质量的、连续、单像素的网格边界相对坐标集合。

技术领域

本发明涉及图像处理和计算机视觉领域。

背景技术

城市网格化管理是健全基层综合服务管理平台的一个重要方向。网格化管理平台中需要绘制网格系统的矢量图形，很多时候由于行政区划调整等各种原因，并不能非常及时获取到网格的精确经纬度信息，提取网格位图的边缘信息进行矢量图形绘制就可以作为一个很好的替代方案。

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像的复杂性和多样性使得人们不断研究更有效的边缘检测算子以及更高质量的边缘检测算法，对一些特定类型图像的边缘检测也得到了越来越多的重视和研究，根据具体的需求，通过对先有方法的组合和改进以得到高质量的检测结果已经成为图像处理中较为热门的方向之一。

发明内容

本发明要解决的技术问题是提供一种面向RGB颜色系统的网格位图的边缘提取方法，以从网格位图中提取到高质量的、连续、单像素的网格边界相对坐标集合。

具体步骤如下：

步骤1：将原始图片进行灰度化处理，得到灰度图。

步骤2：复制步骤1得到的灰度图，通过高斯滤波对复制得到的图片进行噪声抑制处理。

步骤3：对步骤2得到的图像进行梯度计算。

步骤4：对步骤3得到的图像进行二值化处理得到大致边缘图。

步骤5：对步骤1得到的灰度图进行滤波处理，将图片上较为明显的非网格边缘信息(如：网格说明文字)进行过滤，同时遍历将这些区域像素，将其灰度设置为周围像素点的平均灰度值。

步骤6：对步骤5得到的图像进行梯度计算和边缘方向计算。

步骤7：基于步骤6得到的梯度图和边缘方向表以及梯度阈值提取边缘锚点。

步骤8：根据步骤6得到的梯度图和边缘方向表，对步骤7得到的边缘锚点进行连接。

附图说明

图1为本发明中的面向网格位图的高质量特征边缘提取方法流程图。

图2为本发明中输入图片示例。

图3为本发明中灰度处理后的灰度图。

图4为本发明中的粗糙边缘图。

图5为本发明中文字信息过滤填充示意图。

图6为本发明中经过阈值处理后的梯度图。

图7为本发明中的锚点图。

图8为本发明中的锚点链接示意图。

图9为本发明中的输出结果图。

具体实施方式

下面结合说明书附图和具体实施方式对本发明做出详细的说明。

本发明实施例提供了一种提供一种面向RGB颜色系统的网格位图(如图2)的边缘提取方法，该方法提取出来的边缘为单像素、连续的高质量边缘，可用于矢量图绘制。

本发明实施例流程框图如图1所示，具体包括以下步骤：

步骤S1：将原始图片进行灰度化处理，得到灰度图H。

步骤S2：复制灰度图H得到副本B1、B2。