[发明专利]边缘位置检测方法及装置

说明书

本发明提供一种边缘位置检测方法及装置，涉及图像处理技术领域，所述边缘位置检测方法包括：获取目标区域，所述目标区域包含至少两种结构图像和边缘位置；选定至少一种周期性结构为目标结构图像，确定所述目标结构图像呈周期性变化的方向；在沿着所述周期性变化的方向上，依次选取若干周期图像；在所述目标结构图像中选取第一对比图像；对所述第一对比图像进行插值处理，以获取与所述周期图像相位和尺寸均一致的第二对比图像；获取所述周期图像与相对应的所述第二对比图像的归一化互相关结果，以获取所述边缘位置。本发明能够得到两种不同周期性结构边缘或者周期性结构与非周期性结构之间的边缘位置的准确的检测结果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种边缘位置检测方法及装置。

背景技术

边缘位置检测是图像处理中的一个基本问题，通常利用图像边缘位置附近的亮度变化明显这一特点来检测边缘位置，也可以使用机器学习中检索不同的花纹结构的方法来区分两种不同周期性结构之间的边缘位置。常用的手段为通过边缘位置检测模板来检测所述边缘位置，常见的边缘位置检测模板有索贝尔算子(Sobel operator)、Prewitt算子、Roberts算子、Canny算子、Laplacian算子。

常用的边缘位置检测的步骤包括：使用平滑滤波器(例如：高斯滤波器)对图像进行滤波操作，以获得平滑化的图像；使用边缘位置检测算子对平滑化后图像进行滤波操作，计算图像亮度变化的导数，以使得图像边缘位置的亮度被增强；亮度变化的绝对值超过设定阈值的位置处就是图像的边缘。

由于现有的边缘位置检测方法只能检测明暗度发生明显变化的区域，即，只能检测出图像的所有的明暗度发生明显变化的结构区域，而针对两种不同周期性结构图像交界处、或周期性结构及非周期性结构的交界处的边缘位置，现有的边缘位置检测方法是不适用的。

图1为使用现有的边缘位置检测方法所检测得到的周期性结构的边缘：通过对图1中的(a)中的边缘位置使用Sobel算子增强得到图1中的(b)，通过对图1中的(b)的边缘位置使用设定的阈值筛选亮度变化的绝对值得到图1中的(c)。

如果想要分辨一种周期性结构和另一种周期性结构之间的边界，如图2中的(a)所示，通过现有的边缘位置检测方法会得到如图2中的(b)所示的图像；或者如果想要得到周期性结构和非周期性结构之间的边界，如图2中的(c)所示，通过现有的边缘位置检测方法会得到如图2中的(d)所示的图像。所以，显而易见的，现有的边缘位置检测方法是没办法准确检测出上述两种情况的结构之间的边缘的。

基于纹理与形状特征的机器学习方法可以被用来区分两种不同周期性结构的边缘位置，但是却有训练成本高、计算速度慢的缺点。

因此，本发明提出了一种边缘位置检测方法及装置，以很好的实现两种不同周期性结构边缘的检测或者周期性结构与非周期性结构之间的边缘位置的检测。

发明内容

本发明提供了一种边缘位置检测方法及装置，以解决现有技术中不能分辨两种不同周期性结构边缘的检测或者周期性结构与非周期性结构之间的边缘，进而导致检测结果不准确的技术问题。