專利名稱:基于Bayer RGB圖像的邊緣檢測方法
技術(shù)領(lǐng)域:
本發(fā)明涉及圖像處理領(lǐng)域,尤其涉及一種基于拜爾域三基色(Bayer RGB)圖像的邊緣檢測方法。
背景技術(shù):
圖像處理的基本目的包括產(chǎn)生更適合人觀察和識別的圖像或產(chǎn)生能由計(jì)算機(jī)自動識別和理解的圖像。
由于光的漫反射,鏡頭,像素串?dāng)_等原因,CMOS圖像傳感器獲取的圖像會比較模糊,直接影響輸出圖像的觀感。因此需要對輸出圖像進(jìn)行圖像處理,圖像邊緣檢測和提取作為一種主要圖像處理技術(shù),廣泛應(yīng)用于CMOS圖像傳感器的圖像處理芯片中。
邊緣是圖像中最基本的視覺特征,是圖像處理最重要的內(nèi)容之一。所謂邊緣是指其周圍的像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣反映的是灰度的不連續(xù)性,經(jīng)典的邊緣提取方法是考察圖像的每個(gè)像素在某個(gè)鄰域內(nèi)的灰度變化,利用邊緣附近一階或二階方向?qū)?shù)的變化規(guī)律,判斷像素是否是邊緣點(diǎn),這種方法稱為邊緣檢測局部算子法。
參考圖1,示出了階躍邊緣的示意圖,其中x,y為圖像的坐標(biāo),F(xiàn)(x,y)為各坐標(biāo)點(diǎn)對應(yīng)的灰度函數(shù),如圖1所示,階躍邊緣灰度值在虛線a所示位置處,變化較大。參考圖2,示出了圖1所示階躍邊緣沿Y方向的示意圖,如圖2所示,在虛線a所示位置,F(xiàn)(x,y)從一個(gè)低灰度值跳變至一個(gè)較高的灰度值。參考圖3,示出了圖2所示階躍邊緣灰度函數(shù)的一階導(dǎo)數(shù)示意圖,如圖3所示,在虛線a所示位置處,階躍邊緣一階導(dǎo)數(shù)具有極大值,虛線a所示位置為邊緣位置,因此,可通過灰度函數(shù)一階導(dǎo)數(shù)的極大值來判斷邊緣位置。
現(xiàn)有技術(shù)中,邊緣檢測算子是判斷邊緣位置的方法之一,具體地,首先,通過邊緣檢測算子獲得圖像灰度梯度;然后,通過雙閾值方法判斷是否為邊緣。
其中,所述邊緣檢測算子包括Roberts算子、Prewitt算子、Sobel算子、Krisch算子等。
圖4,示出了Sobel算子的兩個(gè)卷積核。在應(yīng)用Sobel算子進(jìn)行邊緣檢測時(shí),圖像中的每個(gè)像素點(diǎn)都用這兩個(gè)卷積核進(jìn)行卷積運(yùn)算,以獲得每個(gè)像素點(diǎn)的灰度梯度。其中,一個(gè)核對應(yīng)于垂直方向的梯度,另一個(gè)核則對應(yīng)于水平方向梯度。
現(xiàn)有技術(shù)的邊緣檢測建立于灰度變化的不連續(xù)性,其針對的對象是實(shí)際可見的彩色圖像,即每個(gè)像素點(diǎn)已經(jīng)包含了RGB三種顏色信息,即紅(R)、綠(G)、藍(lán)(B)三色信息?,F(xiàn)有技術(shù)進(jìn)行邊緣檢測時(shí),需要先把像素點(diǎn)的RGB值按照Y=0.299*R+0.587*G+0.144*B的關(guān)系式轉(zhuǎn)化為灰度值,然后再進(jìn)行灰度值的梯度計(jì)算,進(jìn)一步進(jìn)行邊緣檢測。
但是,CMOS圖像傳感器輸出的是Bayer RGB圖像。在所述Bayer RGB圖像中,每個(gè)像素點(diǎn)只包含單色信息(紅、綠或藍(lán))。如果采用現(xiàn)有技術(shù)邊緣檢測方法,為了獲得各像素點(diǎn)的灰度值,需要先對Bayer RGB圖像的單色信息通過插補(bǔ)技術(shù)進(jìn)行拓展,以得到三色信息,再根據(jù)三色信息和Y=0.299*R+0.587*G+0.144*B得到像素的灰度值。
以Sobel算子為例,應(yīng)用Sobel算子需要3×3的灰度值陣列,因此需要先對Bayer RGB圖像各像素點(diǎn)補(bǔ)充完整的顏色信息,再計(jì)算灰度值,這需要額外的硬件才能完成,從而增大了CMOS圖像傳感器成本。
發(fā)明內(nèi)容
本發(fā)明解決的是改善基于Bayer RGB圖像進(jìn)行邊緣檢測的成本較高的問題。
為解決上述問題,本發(fā)明提供一種基于Bayer RGB圖像的邊緣檢測方法,包括對目標(biāo)像素點(diǎn)為中心的同色像素陣列進(jìn)行梯度計(jì)算,得到目標(biāo)像素點(diǎn)的垂直方向梯度和水平方向梯度的梯度絕對值和;分別計(jì)算目標(biāo)像素點(diǎn)相鄰像素點(diǎn)的梯度絕對值和;根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)。
可選的,在對目標(biāo)像素點(diǎn)邊緣檢測前,先確定高閾值和低閾值。
可選的,在對目標(biāo)像素點(diǎn)邊緣檢測前,先確定各顏色像素點(diǎn)對應(yīng)的高閾值和低閾值。
可選的,所述確定各顏色像素點(diǎn)對應(yīng)的高閾值和低閾值的步驟包括根據(jù)CMOS圖像傳感器各顏色通道的噪聲情況,獲得各顏色通道噪聲水平估計(jì)值;由所述噪聲水平估計(jì)值獲得各顏色像素點(diǎn)對應(yīng)的高閾值和低閾值。
可選的,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和大于高閾值,則所述目標(biāo)像素點(diǎn)為邊緣點(diǎn)。
可選的,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和小于低閾值,則所述目標(biāo)像素點(diǎn)為非邊緣點(diǎn)。
可選的,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的梯度絕對值和中至少有一個(gè)大于高閾值,則所述目標(biāo)像素點(diǎn)為邊緣點(diǎn)。
可選的,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的梯度絕對值和中大于低閾值的數(shù)目大于預(yù)設(shè)數(shù)目,則所述目標(biāo)像素點(diǎn)為邊緣點(diǎn)。
可選的,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的梯度絕對值和中大于低閾值的數(shù)目小于或等于預(yù)設(shè)數(shù)目,則所述目標(biāo)像素點(diǎn)為非邊緣點(diǎn)。
可選的,預(yù)設(shè)數(shù)目為目標(biāo)像素點(diǎn)相鄰像素點(diǎn)個(gè)數(shù)的一半。
可選的,對目標(biāo)像素點(diǎn)為中心的同色像素陣列進(jìn)行梯度計(jì)算的步驟通過邊緣檢測算子完成。
可選的,所述邊緣檢測算子為Sobel算子。
與現(xiàn)有技術(shù)相比,本發(fā)明具有以下優(yōu)點(diǎn)直接在Bayer RGB圖像格式上進(jìn)行邊緣檢測,不需要額外的硬件進(jìn)行邊緣檢測,因此使用本發(fā)明提供的基于Bayer RGB的邊緣檢測方法簡便易行硬件成本低; 另外,本發(fā)明提供的基于Bayer RGB的邊緣檢測方法中考慮了噪聲因素,檢測結(jié)果比較準(zhǔn)確。
圖1是階躍邊緣的示意圖; 圖2是圖1所示階躍邊緣沿Y方向的示意圖; 圖3是圖2所示階躍邊緣的一階導(dǎo)數(shù)示意圖; 圖4是Sobel算子的兩個(gè)卷積核; 圖5是本發(fā)明基于Bayer RGB圖像的邊緣檢測方法一實(shí)施方式的流程圖; 圖6是確定高閾值、低閾值方法一實(shí)施方式的流程圖; 圖7是Bayer RGB圖像的像素分布示意圖; 圖8是應(yīng)用Sobel算子的示意圖。
具體實(shí)施例方式 為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂,下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式
做詳細(xì)的說明。
現(xiàn)有技術(shù)基于Bayer RGB圖像進(jìn)行邊緣檢測時(shí),需要對Bayer RGB圖像進(jìn)行拓展,補(bǔ)充完整各像素點(diǎn)的顏色信息,并通過個(gè)像素點(diǎn)的顏色信息獲得灰度值,這需要額外的硬件才能完成,因此現(xiàn)有技術(shù)Bayer RGB圖像進(jìn)行邊緣檢測的成本較高。
針對上述問題,本發(fā)明提供一種基于Bayer RGB圖像的邊緣檢測方法,參考圖5,示出了本發(fā)明基于Bayer RGB圖像的邊緣檢測方法一實(shí)施方式的流程圖,所述方法包括 步驟s1,選取以目標(biāo)像素點(diǎn)為中心的同色像素陣列; 步驟s2,利用檢測算子對所述同色像素陣列進(jìn)行梯度計(jì)算,獲得垂直方向梯度和水平方向梯度的梯度絕對值和; 步驟s3,按照相同的方法分別得到與目標(biāo)像素點(diǎn)相鄰像素點(diǎn)的梯度絕對值和; 步驟s4,若目標(biāo)像素點(diǎn)的梯度絕對值和大于高閾值,則判定所述目標(biāo)像素點(diǎn)為邊緣點(diǎn); 步驟s5,若目標(biāo)像素點(diǎn)的梯度絕對值和小于低閾值,則判定所述目標(biāo)像素點(diǎn)為非邊緣點(diǎn); 步驟s6,若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰像素點(diǎn)的梯度絕對值和中至少有一個(gè)大于高閾值,則判定所述目標(biāo)像素點(diǎn)為邊緣點(diǎn); 步驟s7,若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰像素點(diǎn)的梯度絕對值和中大于低閾值的數(shù)目大于預(yù)設(shè)數(shù)目,則判定述目標(biāo)像素點(diǎn)為邊緣點(diǎn); 步驟s8,若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰像素點(diǎn)的梯度絕對值和中大于低閾值的數(shù)目小于或等于預(yù)設(shè)數(shù)目,則判定所述目標(biāo)像素點(diǎn)為非邊緣點(diǎn)。
通過上述方法,可以確定單個(gè)像素點(diǎn)的邊緣信息,進(jìn)而也可采用相同的方式檢測Bayer RGB圖像其他像素點(diǎn)的邊緣信息。在所述方法中,直接在BayerRGB圖像格式上進(jìn)行邊緣檢測,無需要再進(jìn)行像素信息拓展和灰度值計(jì)算,即不需要額外的硬件進(jìn)行邊緣檢測,成本低。
需要說明的是,為了能夠?qū)ν袼仃嚵袘?yīng)用檢測算子,以獲取灰度梯度,需根據(jù)檢測算子進(jìn)行選取以目標(biāo)象素點(diǎn)為中心的同色像素陣列,例如檢測算子為3×3的陣列,則選取3×3的以目標(biāo)象素點(diǎn)為中心的同色像素陣列;檢測算子為5×5的陣列,則選取5×5的以目標(biāo)象素點(diǎn)為中心的同色像素陣列。
上述方法中,在對目標(biāo)像素點(diǎn)進(jìn)行邊緣檢測前,需要先確高閾值和低閾值。設(shè)計(jì)人發(fā)現(xiàn)現(xiàn)有技術(shù)確定高、低閾值的方法過于籠統(tǒng)、簡單,會導(dǎo)致檢測精度較低。設(shè)計(jì)人對確定高、低閾值的方法做出進(jìn)一步改進(jìn)。
為了達(dá)到較高的檢測精度,本發(fā)明還提供一種確定高閾值、低閾值的方法。在上述邊緣檢測方法中,需要利用檢測算子對所述同色像素陣列進(jìn)行梯度計(jì)算,也就是說,進(jìn)行梯度計(jì)算的是來自傳感器同一顏色通道的數(shù)據(jù)。事實(shí)上,CMOS圖像傳感器中各顏色通道的增益水平不同,從而各顏色通道的噪聲水平不同,所述噪聲水平為噪聲分布函數(shù)的標(biāo)準(zhǔn)偏差值。在確定高閾值、低閾值時(shí),需考慮到噪聲水平的影響。
具體地,參考圖6,示出了確定高閾值、低閾值的方法的流程圖。所述確定高閾值、低閾值的方法,包括首先,根據(jù)CMOS圖像傳感器各顏色通道的噪聲情況,獲得各顏色通道噪聲水平估計(jì)值;其次,由所述噪聲水平估計(jì)值獲得各顏色像素點(diǎn)對應(yīng)的高閾值和低閾值。
本發(fā)明提供的確定高閾值、低閾值的方法,結(jié)合了噪聲因素,并且針對各個(gè)顏色的像素點(diǎn)分別給出了閾值,因此本發(fā)明提供的方法更加細(xì)致,檢測出結(jié)果更加精確。
為了進(jìn)一步闡述本發(fā)明的實(shí)質(zhì)及其優(yōu)點(diǎn),下面結(jié)合具體實(shí)施例進(jìn)行說明。
參考圖7,示出了Bayer RGB圖像的像素分布示意圖。在進(jìn)行邊緣檢測之前,先確定出高閾值和低閾值,在本實(shí)施例中采用現(xiàn)有的雙閾值方法,所述雙閾值方法通過灰度梯度的高閾值、低閾值判斷邊緣點(diǎn),具體地,如果像素的灰度梯度大于高閾值,則所述像素是邊緣;如果像素灰度梯度低于低閾值,則所述像素不是邊緣。以TH_high、TH_low分別代表高閾值、低閾值。
如圖7所示,Bayer RGB圖像中位于(0,0)點(diǎn)的為一紅色像素點(diǎn)R,以位于(0,0)點(diǎn)的R像素點(diǎn)作為目標(biāo)像素點(diǎn)。
本實(shí)施例以Sobel算子為例,則選取3×3的以(0,0)點(diǎn)的R像素點(diǎn)為中心的同色像素陣列,如圖7所示,以黑色邊框示出了所選取的同色像素陣列。
以Sobel算子為例,對以(0,0)點(diǎn)的R目標(biāo)像素點(diǎn)為中心的同色像素陣列進(jìn)行梯度計(jì)算。參考圖8,示出了所述同色像素陣列應(yīng)用Sobel算子的示意圖,如圖8所示,對所述同色像素陣列進(jìn)行卷積計(jì)算,分別獲得垂直方向梯度(Grads_vertical)和水平方向梯度和(Grads_horizontal),之后計(jì)算垂直方向梯度和水平方向梯度的梯度絕對值和,以Grads(0,0)表示(0,0)點(diǎn)R像素點(diǎn)的梯度絕對值和,則梯度絕對值和的計(jì)算公式如下 Grads(0,0)=|Grads_vertical|+|Grads_horizontal| 計(jì)算與目標(biāo)像素點(diǎn)相鄰的8個(gè)像素點(diǎn)B(-1,-1)、Gb(-1,0)、B(-1,1)、Gr(0,-1)、Gr(0,1)、B(1,-1)、Gb(1,0)、B(1,-1)的梯度絕對值和,分別表示為Grads(-1,-1)、Grads(-1,0)、Grads(-1,1)、Grads(0,-1)、Grads(0,1)、Grads(1,-1)、Grads(1,0)、Grads(1,1)。
如果Grads(0,0)大于高閾值(TH_high),那么(0,0)點(diǎn)為邊緣點(diǎn); 如果Grads(0,0)小于低閾值(TH_low),則判定所述目標(biāo)像素點(diǎn)為非邊緣點(diǎn); 如果Grads(0,0)小于高閾值(TH_high),且大于低閾值(TH_low),并且Grads(-1,-1)、Grads(-1,0)、Grads(-1,1)、Grads(0,-1)、Grads(0,1)、Grads(1,-1)、Grads(1,0)、Grads(1,1)中至少有一個(gè)大于高閾值(TH_high),那么(0,0)點(diǎn)為邊緣點(diǎn); 如果Grads(0,0)小于高閾值(TH_high_r),且大于低閾值(TH_low),并且Grads(-1,-1)、Grads(-1,0)、Grads(-1,1)、Grads(0,-1)、Grads(0,1)、Grads(1,-1)、Grads(1,0)、Grads(1,1)中大于低閾值(TH_low)數(shù)目大于預(yù)設(shè)數(shù)目,則判定所述目標(biāo)像素點(diǎn)為邊緣點(diǎn)。
如果Grads(0,0)小于高閾值(TH_high),且大于低閾值(TH_low),并且Grads(-1,-1)、Grads(-1,0)、Grads(-1,1)、Grads(0,-1)、Grads(0,1)、Grads(1,-1)、Grads(1,0)、Grads(1,1)中大于低閾值(TH_low)數(shù)目小于或等于預(yù)設(shè)數(shù)目,則判定所述目標(biāo)像素點(diǎn)為非邊緣點(diǎn)。
預(yù)設(shè)數(shù)目越高,則邊緣檢測精度要求越高,但容易造成實(shí)際的邊緣點(diǎn)未確定為邊緣點(diǎn)。為了平衡噪聲對邊緣檢測的影響和精度的要求,較佳地,一般預(yù)設(shè)數(shù)目設(shè)置為目標(biāo)像素點(diǎn)相鄰像素點(diǎn)個(gè)數(shù)的一半,在本實(shí)施例中預(yù)設(shè)數(shù)目為4。
按照同樣的方法,對圖7所示Bayer RGB圖像中的其它像素點(diǎn)進(jìn)行邊緣檢測,從而得到完整的邊緣圖像。
為了使得邊緣檢測結(jié)果更加精確,下面提供本發(fā)明基于Bayer RGB圖像的邊緣檢測方法一優(yōu)化實(shí)施例。在本優(yōu)化實(shí)施例中,先根據(jù)各顏色通道噪聲水平估計(jì)值獲得各顏色像素點(diǎn)對應(yīng)得的高閾值、低閾值。
具體地,根據(jù)紅色通道的噪聲水平估計(jì)值(noise_level_r)來確定紅色像素點(diǎn)R對應(yīng)的高閾值TH_high_r、低閾值TH_low_r;根據(jù)藍(lán)色通道的噪聲水平估計(jì)值(noise_level_b)確定藍(lán)色像素點(diǎn)B對應(yīng)的高閾值TH_high_b、低閾值TH_low_b;根據(jù)Gb通道的噪聲水平估計(jì)值(noise_level_gb)來確定Gb像素點(diǎn)對應(yīng)的高閾值TH_high_gb、低閾值TH_low_gb;根據(jù)Gr通道的噪聲水平估計(jì)值(noise_level_gr)來確定Gr像素點(diǎn)對應(yīng)的高閾值TH_high_gr、低閾值TH_low_gr。其中,噪聲水平估計(jì)值和高閾值、低閾值的關(guān)系式包括 TH_high_r=α·noise_level_r; TH_low_r=β·noise_level_r; TH_high_b=α·noise_level_b; TH_low_b=β·noise_level_b;...公式1 TH_high_gb=α·noise_leve_gb; TH_low_gb=β·noise_level_gb; TH_high_gr=α·noise_level 其中,α、β常數(shù)為經(jīng)驗(yàn)參數(shù),如果α、β常數(shù)取值較低時(shí),會有非邊緣點(diǎn)確定為邊緣點(diǎn),這會造成邊緣檢測的誤差較大;而α、β常數(shù)取值較高時(shí),則會造成實(shí)際的邊緣點(diǎn)未確定為邊緣點(diǎn)。因此上述關(guān)系式中的α、β常數(shù)可根據(jù)噪聲類型,選取合適的參數(shù)值。
在本優(yōu)化實(shí)施例中,進(jìn)行目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的判斷時(shí),均結(jié)合各顏色像素點(diǎn)對應(yīng)的高閾值、低閾值進(jìn)行判斷,例如,如圖7所示(0,0)點(diǎn)為紅色像素點(diǎn)R,那么比較Grads(0,0)是否大于高閾值時(shí),以紅色像素點(diǎn)對應(yīng)的高閾值TH_highr進(jìn)行比較;(1,1)點(diǎn)為藍(lán)色像素點(diǎn)B;那么比較Grads(1,1)是否大于低閾值時(shí),以藍(lán)色像素點(diǎn)對應(yīng)的抵閾值TH_low_b進(jìn)行比較。以此類推,不做贅述。
需要說明的是,上述實(shí)施例中的Bayer RGB圖像的(0,0)點(diǎn)為紅色像素點(diǎn),本發(fā)明并不限定Bayer RGB圖像的像素點(diǎn)分布,本發(fā)明中Bayer RGB圖像的(0,0)點(diǎn)還可以是其它顏色的像素點(diǎn),例如藍(lán)色像素點(diǎn)等。
需要說明的是,上述實(shí)施例雖然以Sobel檢測算子為例,但是本發(fā)明并不限制檢測算子的種類,本發(fā)明還可以是其它檢測算子,例如Roberts算子、Prewitt算子、Krisch算子等。本領(lǐng)域技術(shù)人員可以根據(jù)上述實(shí)施例對本發(fā)明進(jìn)行修改和變形。
綜上,本發(fā)明提供的基于Bayer RGB的邊緣檢測方法,直接在Bayer RGB圖像格式上進(jìn)行邊緣檢測,無需補(bǔ)充完整各像素點(diǎn)的顏色信息,再計(jì)算灰度值,即不需要額外的硬件進(jìn)行邊緣檢測,因此使用本發(fā)明提供的基于BayerRGB的邊緣檢測方法簡便易行硬件成本低,此外,本發(fā)明提供的基于BayerRGB的邊緣檢測方法中考慮了噪聲因素,檢測結(jié)果比較準(zhǔn)確。
本發(fā)明雖然以較佳實(shí)施例公開如上,但其并不是用來限定權(quán)利要求,任何本鄰域技術(shù)人員在不脫離本發(fā)明的精神和范圍內(nèi),都可以做出可能的變動和修改,因此本發(fā)明的保護(hù)范圍應(yīng)當(dāng)以本發(fā)明權(quán)利要求所界定的范圍為準(zhǔn)。
權(quán)利要求
1.一種基于Bayer RGB圖像的邊緣檢測方法,其特征在于,包括
對目標(biāo)像素點(diǎn)為中心的同色像素陣列進(jìn)行梯度計(jì)算,得到目標(biāo)像素點(diǎn)的垂直方向梯度和水平方向梯度的梯度絕對值和;
分別計(jì)算目標(biāo)像素點(diǎn)相鄰像素點(diǎn)的梯度絕對值和;
根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)。
2.如權(quán)利要求1所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,在對目標(biāo)像素點(diǎn)邊緣檢測前,先確定高閾值和低閾值。
3.如權(quán)利要求2所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,在對目標(biāo)像素點(diǎn)邊緣檢測前,先確定各顏色像素點(diǎn)對應(yīng)的高閾值和低閾值。
4.如權(quán)利要求3所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,所述確定各顏色像素點(diǎn)對應(yīng)的高閾值和低閾值的步驟包括根據(jù)CMOS圖像傳感器各顏色通道的噪聲情況,獲得各顏色通道噪聲水平估計(jì)值;由所述噪聲水平估計(jì)值獲得各顏色像素點(diǎn)對應(yīng)的高閾值和低閾值。
5.如權(quán)利要求2所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和大于高閾值,則所述目標(biāo)像素點(diǎn)為邊緣點(diǎn)。
6.如權(quán)利要求2所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和小于低閾值,則所述目標(biāo)像素點(diǎn)為非邊緣點(diǎn)。
7.如權(quán)利要求2所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的梯度絕對值和中至少有一個(gè)大于高閾值,則所述目標(biāo)像素點(diǎn)為邊緣點(diǎn)。
8.如權(quán)利要求2所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的梯度絕對值和中大于低閾值的數(shù)目大于預(yù)設(shè)數(shù)目,則所述目標(biāo)像素點(diǎn)為邊緣點(diǎn)。
9.如權(quán)利要求2所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,所述根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)的步驟包括若目標(biāo)像素點(diǎn)的梯度絕對值和小于高閾值,且大于低閾值,并且與目標(biāo)像素點(diǎn)相鄰的像素點(diǎn)的梯度絕對值和中大于低閾值的數(shù)目小于或等于預(yù)設(shè)數(shù)目,則所述目標(biāo)像素點(diǎn)為非邊緣點(diǎn)。
10.如權(quán)利要求8或9所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,預(yù)設(shè)數(shù)目為目標(biāo)像素點(diǎn)相鄰像素點(diǎn)個(gè)數(shù)的一半。
11.如權(quán)利要求1所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,對目標(biāo)像素點(diǎn)為中心的同色像素陣列進(jìn)行梯度計(jì)算的步驟通過邊緣檢測算子完成。
12.如權(quán)利要求11所述的基于Bayer RGB圖像的邊緣檢測方法,其特征在于,所述邊緣檢測算子為Sobel算子。
全文摘要
一種基于Bayer RGB圖像的邊緣檢測方法,包括對目標(biāo)像素點(diǎn)為中心的同色像素陣列進(jìn)行梯度計(jì)算,得到目標(biāo)像素點(diǎn)的垂直方向梯度和水平方向梯度的梯度絕對值和;分別計(jì)算目標(biāo)像素點(diǎn)相鄰像素點(diǎn)的梯度絕對值和;根據(jù)目標(biāo)像素點(diǎn)及其相鄰像素點(diǎn)的梯度絕對值和與高閾值和低閾值的比較關(guān)系,判斷目標(biāo)像素點(diǎn)是否為邊緣點(diǎn)。所述方法直接在Bayer RGB圖像格式上進(jìn)行邊緣檢測,不需要額外的硬件進(jìn)行邊緣檢測,因此使用本發(fā)明提供的基于Bayer RGB的邊緣檢測方法簡便易行硬件成本低。
文檔編號G06T7/00GK101770646SQ20101012522
公開日2010年7月7日 申請日期2010年2月25日 優(yōu)先權(quán)日2010年2月25日
發(fā)明者董德興, 任曉慧 申請人:昆山銳芯微電子有限公司