[发明专利]具有高抗干扰能力的图像轮廓提取方法

说明书

本发明公开了具有高抗干扰能力的图像轮廓提取方法，涉及图像轮廓提取方法，包括链码跟踪存储轮廓信息算法，还包括以下步骤：S1，利用灰度变换将彩色图像变为灰度图像，并进行非线性变换；S2，对图像进行形态学处理，先膨胀再腐蚀；S3，对图像进行平滑处理；S4，二值化图像后，结合所述链码跟踪存储轮廓信息算法，对图像轮廓进行提取。所述非线性变换采用指数变换。本发明能够有效提高轮廓检测的精度。

技术领域

本发明涉及一种图像轮廓提取方法，具体涉及具有高抗干扰能力的图像轮廓提取方法。

背景技术

轮廓提取方法通常依靠高阶算子进行分析，由于高阶算子的模拟直观形态下，肉眼难以判断轮廓提取的好坏，实际上有很多噪点存在，对复原算子有很大的影响。

发明内容

本发明所要解决的技术问题是现有图像轮廓提取方法的抗干扰能力不足，目的在于提供具有高抗干扰能力的图像轮廓提取方法，解决上述问题。

具有高抗干扰能力的图像轮廓提取方法，包括链码跟踪存储轮廓信息算法，还包括以下步骤：

S1，利用灰度变换将彩色图像变为灰度图像，并进行非线性变换；

S2，对图像进行形态学处理，先膨胀再腐蚀；

S3，对图像进行平滑处理；

S4，二值化图像后，结合所述链码跟踪存储轮廓信息算法，对图像轮廓进行提取。S1用于实现降维，彩色图像通常每个像素点都由3个值表示，采用灰度变换即从3×255种组合变换成只有255种组合，非线性变换能更好的突出或抑制图像信息；S2对图像进行形态学处理，用于消除靠近轮廓边缘的干扰像素；S3为了消除噪声，提高图像的质量；S4二值图像经轮廓提取后由原来的阵列形式转化为对边界轮廓点的描述，由于轮廓点本身只表示了图形区域的边界，此时，利用链码跟踪存储轮廓信息算法，存储边界信息。

进一步地，所述非线性变换采用指数变换。指数变换对于高灰度值区间的变换程度远远高于低灰度值区间，适合过亮图像的预处理。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明具有高抗干扰能力的图像轮廓提取方法，能够有效提高轮廓检测的精度。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明具有高抗干扰能力的图像轮廓提取方法，包括链码跟踪存储轮廓信息算法，还包括以下步骤：

S1，利用灰度变换将彩色图像变为灰度图像，并进行非线性变换；

S2，对图像进行形态学处理，先膨胀再腐蚀；

S3，对图像进行平滑处理；

S4，二值化图像后，结合所述链码跟踪存储轮廓信息算法，对图像轮廓进行提取。S1用于实现降维，彩色图像通常每个像素点都由3个值表示，采用灰度变换即从3×255种组合变换成只有255种组合，非线性变换能更好的突出或抑制图像信息；S2对图像进行形态学处理，用于消除靠近轮廓边缘的干扰像素；S3为了消除噪声，提高图像的质量；S4二值图像经轮廓提取后由原来的阵列形式转化为对边界轮廓点的描述，由于轮廓点本身只表示了图形区域的边界，此时，利用链码跟踪存储轮廓信息算法，存储边界信息。

所述非线性变换采用指数变换。指数变换对于高灰度值区间的变换程度远远高于低灰度值区间，适合过亮图像的预处理。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。