高爐料面圖像邊緣檢測方法及裝置的制造方法
【專利摘要】本發(fā)明提供了一種高爐料面圖像邊緣檢測方法及裝置，該方法包括：對高爐料面圖像進(jìn)行邊緣增強(qiáng)處理；從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向的分?jǐn)?shù)階微分算子對邊緣增強(qiáng)處理后的高爐料面圖像進(jìn)行邊緣初步提取，得到初步邊緣圖像；其中，初步邊緣圖像包含高爐料面圖像的邊緣，第一斜邊方向與第二斜邊方向互相垂直；對初步邊緣圖像中的高爐料面圖像的邊緣進(jìn)行去噪以及平滑化處理，得到高爐料面的最終邊緣圖像。通過采用分?jǐn)?shù)階微分算子的方法對邊緣進(jìn)行初步提取，提高了邊緣定位的準(zhǔn)確性，且本發(fā)明還進(jìn)行平滑與去噪處理，有效提高邊緣圖像的準(zhǔn)確性和清晰度，使最終得到的圖像能夠達(dá)到理想效果，為高爐布料操作提供有力依據(jù)。
【專利說明】
高妒料面圖像邊緣檢測方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別設(shè)及一種高爐料面圖像邊緣檢測方法及裝 置。
【背景技術(shù)】
[0002] 高爐煉鐵是鋼鐵生產(chǎn)過程中的主要耗能和排放工序，高爐料面形狀是調(diào)控高爐布 料操作的主要參考依據(jù)之一，而高爐料面圖像邊界則是最能直觀反映高爐爐料分布情況的 信息，高爐工長可W通過料面圖像的邊界來調(diào)整布料方位。然而由于高爐內(nèi)部高溫、高塵、 高速氣流、密閉無光等惡劣環(huán)境，使得拍攝的高爐料面圖像具有對比度不高、圖像偏暗、細(xì) 節(jié)模糊、整個料面輪廓明顯等特點(diǎn)，致使高爐料面圖像邊界提取困難。因此，如何能夠高效、 快捷、準(zhǔn)確的獲取清晰的高爐料面圖像邊緣檢測方法來為高爐實(shí)現(xiàn)精準(zhǔn)定點(diǎn)布料控制提供 可靠的反饋信息已經(jīng)成為了一個研究熱點(diǎn)。
[0003] 目前，圖像邊緣檢測的方法有很多，包括一階微分算子方法，例如：SObel算子、 prewiit算子、Canny算子等，W及二階微分算子算法，例如:Laplace算子、LoG算子等。然而， 每一種邊界提取方法應(yīng)用的對象都具有極強(qiáng)的針對性。對于高爐料面圖像而言，采用現(xiàn)有 的運(yùn)些檢測方法在對其進(jìn)行邊界提取時(shí)均很難獲得平滑、且定位準(zhǔn)確的單像素邊緣，從而 無法達(dá)到理想的邊緣檢測效果。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是，提供一種能夠獲得平滑且準(zhǔn)確的高爐料面圖像的邊緣檢測方 法。
[0005] 為了達(dá)到上述目的，本發(fā)明提供了一種高爐料面圖像邊緣檢測方法及裝置。
[0006] 第一方面，本發(fā)明提供了一種高爐料面圖像邊緣檢測方法，包括：
[0007] 對高爐料面圖像進(jìn)行邊緣增強(qiáng)處理；
[000引從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向?qū)吘壴鰪?qiáng)處 理后的高爐料面圖像進(jìn)行分?jǐn)?shù)階微分算子卷積處理，得到初步邊緣圖像;其中，所述初步邊 緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊方向互相垂直；
[0009] 對所述初步邊緣圖像中的高爐料面圖像的邊緣進(jìn)行平滑化W及去噪處理，得到高 爐料面的最終邊緣圖像。
[0010] 優(yōu)選地，所述對高爐料面圖像進(jìn)行邊緣增強(qiáng)的步驟包括：
[0011] 增強(qiáng)高爐料面圖像的對比度；
[0012] 調(diào)整高爐料面圖像的飽和度；
[0013] 增強(qiáng)高爐料面圖像中的邊緣光和高頻部分；
[0014] 對高爐料面圖像進(jìn)行高反差保留處理。
[0015] 優(yōu)選地，所述從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向?qū)?邊緣增強(qiáng)處理后的高爐料面圖像進(jìn)行分?jǐn)?shù)階微分算子卷積處理，得到初步邊緣圖像的步驟 具體包括：
[0016] 基于Sobel算子原理，定義第一斜邊方向算子W及第二斜邊方向算子，并推出所述 第一斜邊方向算子W及第二斜邊方向算子的分?jǐn)?shù)階微分算子；
[0017] 從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向?qū)吘壴鰪?qiáng)后 的高爐料面圖像通過分?jǐn)?shù)階微分算子卷積運(yùn)算進(jìn)行邊緣初步提取，得到初步邊緣圖像。
[0018] 優(yōu)選地，所述對所述高爐料面圖像的邊緣進(jìn)行平滑化W及去噪處理，得到高爐料 面的最終邊緣圖像的步驟包括：
[0019] 將所述高爐料面圖像進(jìn)行二值化得到高爐料面的二值圖像，并對所述高爐料面的 二值圖像進(jìn)行開運(yùn)算；
[0020] 采用自適應(yīng)濾波器對經(jīng)過開運(yùn)算之后的高爐料面的二值圖像進(jìn)行濾波，從而對高 爐料面的二值圖像進(jìn)行去噪處理；
[0021 ]用一階偏導(dǎo)的有限差分計(jì)算濾波后高爐料面的二值圖像的梯度幅值和梯度方向；
[0022] 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點(diǎn)置零，保留圖像中梯 度幅值為局部梯度極大值的點(diǎn)；
[0023] 對所述局部梯度極大值的點(diǎn)進(jìn)行統(tǒng)計(jì)得到梯度直方圖，根據(jù)所述梯度直方圖計(jì)算 高闊值，從而得到高闊值邊緣圖像，其中所述高闊值邊緣圖像中的高爐料面邊緣為間斷的 邊緣，且包含真邊緣W及假邊緣，所述真邊緣占高爐料面邊緣的比例遠(yuǎn)大于所述假邊緣占 高爐料面邊緣的比例；
[0024] 根據(jù)所述初步邊緣圖像，對于所述高闊值邊緣圖像間斷的邊緣，在所述初步邊緣 圖像包含的邊緣的八鄰點(diǎn)位置上尋找連接高闊值邊緣圖像輪廓的邊緣點(diǎn)，直至所述高闊值 邊緣圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其 中，所述八鄰點(diǎn)為圖像上任意一點(diǎn)周圍八個鄰域的點(diǎn)。
[0025] 優(yōu)選地，所述第一斜邊方向與所述水平方向的夾角為45±5度。
[0026] 第二方面，本發(fā)明提供了一種高爐料面圖像邊緣檢測裝置，包括：
[0027] 邊緣增強(qiáng)單元，用于對高爐料面圖像進(jìn)行邊緣增強(qiáng)處理；
[0028] 初步提取單元，用于從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個 方向的分?jǐn)?shù)階微分算子對邊緣增強(qiáng)處理后的高爐料面圖像進(jìn)行邊緣初步提取，得到初步邊 緣圖像;其中，所述初步邊緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊 方向互相垂直；
[0029] 平滑去噪單元，用于對所述初步邊緣圖像中的高爐料面圖像的邊緣進(jìn)行平滑化W 及去噪處理，得到高爐料面的最終邊緣圖像。
[0030] 優(yōu)選地，所述邊緣增強(qiáng)單元進(jìn)一步用于：
[0031] 增強(qiáng)高爐料面圖像的對比度；
[0032] 調(diào)整高爐料面圖像的飽和度；
[0033] 增強(qiáng)高爐料面圖像中的邊緣光和高頻部分；
[0034] 對高爐料面圖像進(jìn)行高反差保留處理。
[0035] 優(yōu)選地，所述初步提取單元進(jìn)一步用于：
[0036] 基于Sobel算子原理，定義第一斜邊方向算子W及第二斜邊方向算子，并推出所述 第一斜邊方向算子W及第二斜邊方向算子的分?jǐn)?shù)階微分算子；
[0037] 從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向?qū)吘壴鰪?qiáng)后 的高爐料面圖像通過分?jǐn)?shù)階微分算子卷積運(yùn)算進(jìn)行邊緣初步提取，得到初步邊緣圖像。
[0038] 優(yōu)選地，所述平滑去噪單元進(jìn)一步用于：
[0039] 將所述高爐料面圖像進(jìn)行二值化得到高爐料面的二值圖像，并對所述高爐料面的 二值圖像進(jìn)行開運(yùn)算；
[0040] 采用自適應(yīng)濾波器對經(jīng)過開運(yùn)算之后的高爐料面的二值圖像進(jìn)行濾波，從而對高 爐料面的二值圖像進(jìn)行去噪處理；
[0041 ]用一階偏導(dǎo)的有限差分計(jì)算濾波后高爐料面的二值圖像的梯度幅值和梯度方向；
[0042] 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點(diǎn)置零，保留圖像中梯 度幅值為局部梯度極大值的點(diǎn)；
[0043] 對所述局部梯度極大值的點(diǎn)進(jìn)行統(tǒng)計(jì)得到梯度直方圖，根據(jù)所述梯度直方圖計(jì)算 高闊值，從而得到高闊值邊緣圖像，其中所述高闊值邊緣圖像中的高爐料面邊緣為間斷的 邊緣，且包含真邊緣W及假邊緣，所述真邊緣占高爐料面邊緣的比例遠(yuǎn)大于所述假邊緣占 高爐料面邊緣的比例；
[0044] 根據(jù)所述初步邊緣圖像，對于所述高闊值邊緣圖像間斷的邊緣，在所述初步邊緣 圖像包含的邊緣的八鄰點(diǎn)位置上尋找連接高闊值邊緣圖像輪廓的邊緣點(diǎn)，直至所述高闊值 邊緣圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其 中，所述八鄰點(diǎn)為圖像上任意一點(diǎn)周圍八個鄰域的點(diǎn)。
[0045] 優(yōu)選地，所述第一斜邊方向與所述水平方向的夾角為45±5度。
[0046] 本發(fā)明提供的高爐料面圖像邊緣檢測方法中，通過從四個方向的分?jǐn)?shù)階微分算子 對邊緣進(jìn)行初步提取，提高了邊緣定位的準(zhǔn)確性，且本發(fā)明還對初步提取圖像進(jìn)行了平滑 與去噪處理，有效提高了邊緣圖像的準(zhǔn)確性和清晰度，使最終得到的最終邊緣圖像能夠達(dá) 到理想的顯示效果，為高爐布料操作提供有力依據(jù)。
【附圖說明】
[0047] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例描述 中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些 示例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可W根據(jù)運(yùn)些附圖 獲得其他的附圖。
[0048] 圖1是本發(fā)明提供的高爐料面圖像邊緣檢測方法實(shí)施例流程圖；
[0049] 圖2是圖1中步驟SlOl方法流程圖；
[0050] 圖3是圖1中步驟S102方法流程圖；
[0051 ]圖4是本發(fā)明提供的分?jǐn)?shù)階微分推導(dǎo)原理流程圖；
[0052] 圖5是采用傳統(tǒng)基于SOB化算法得到的邊緣提取示意圖；
[0053] 圖6是采用本發(fā)明實(shí)施例提供的改進(jìn)型SOB化算法得到的邊緣提取示意圖；
[0054] 圖7是圖1中步驟S103方法流程圖；
[0055] 圖8是本發(fā)明實(shí)施例提供的高闊值圖像示意圖；
[0056] 圖9是本發(fā)明實(shí)施例提供的最終邊緣圖像示意圖；
[0057] 圖10是采用傳統(tǒng)化nny算法得到的邊緣圖像示意圖；
[0058] 圖11是本發(fā)明提供的高爐料面圖像邊緣檢測裝置實(shí)施例結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0059] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于 本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí) 施例，都屬于本發(fā)明保護(hù)的范圍。
[0060] 第一方面，本發(fā)明提供了一種高爐料面圖像邊緣檢測方法實(shí)施例，如圖1所示，包 括：
[0061] Sioi、對高爐料面圖像進(jìn)行邊緣增強(qiáng)處理；
[0062] S102、從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向的分?jǐn)?shù)階 微分算子對邊緣增強(qiáng)處理后的高爐料面圖像進(jìn)行邊緣初步提取，得到初步邊緣圖像;其中， 所述初步邊緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊方向互相垂 直；
[0063] S103、對所述初步邊緣圖像中的高爐料面圖像的邊緣進(jìn)行平滑化W及去噪處理， 得到高爐料面的最終邊緣圖像。
[0064] 本發(fā)明實(shí)施例提供的高爐料面圖像邊緣檢測方法中，通過從四個方向的分?jǐn)?shù)階微 分算子對邊緣進(jìn)行初步提取，提高了邊緣定位的準(zhǔn)確性，且本發(fā)明還對初步提取圖像進(jìn)行 了平滑與去噪處理，有效提高了邊緣圖像的準(zhǔn)確性和清晰度，使最終得到的最終邊緣圖像 能夠達(dá)到理想的顯示效果，為高爐布料操作提供有力依據(jù)。
[0065] 在具體實(shí)施時(shí)，步驟SlOl還可W通過W下方式實(shí)現(xiàn)，如圖2所示，包括：
[0066] S1011、增強(qiáng)高爐料面圖像的對比度；
[0067] 高爐料面圖像光源附近亮度較大，其他地方較小，通過改變各灰度區(qū)域的波動范 圍使對比度增強(qiáng)，使高爐料面輪廓更明顯；
[0068] S1012、調(diào)整高爐料面圖像的飽和度；
[0069] 由于圖像的顏色過深，降低圖像的顏色飽和度；
[0070] S1013、增強(qiáng)高爐料面圖像中的邊緣光和高頻部分；
[0071] S1014、對高爐料面圖像進(jìn)行高反差保留處理。
[0072] 主要刪除圖像中顏色變化不大的像素，保留色彩變化較大的部分，使圖像中的陰 影消失，邊緣像素得W保留，亮調(diào)部分更加突出?？蒞將圖像邊緣進(jìn)行強(qiáng)化。在有強(qiáng)烈顏色 轉(zhuǎn)變發(fā)生的地方按指定的半徑保留邊緣細(xì)節(jié)，并且不顯示圖像的其余部分。
[0073] 在本實(shí)施例中，通過對對高爐圖像進(jìn)行邊緣增強(qiáng)后，與原圖相比，亮度增大，對比 度增強(qiáng)，邊緣信息增強(qiáng)，邊界輪廓更清晰，方便后續(xù)邊界提取。
[0074] 在具體實(shí)施時(shí)，步驟S102還可W通過W下方式實(shí)現(xiàn)，如圖3所示，包括：
[0075] S1021、基于Sobel算子原理，定義第一斜邊方向算子W及第二斜邊方向算子，并推 出所述第一斜邊方向算子W及第二斜邊方向算子的分?jǐn)?shù)階微分算子；
[0076] 分?jǐn)?shù)階微分理論是整數(shù)階微分理論的推廣，相比一階微分和二階微分能更好的提 升圖像邊緣和紋理細(xì)節(jié)信息，能避免噪聲的干擾，提高信噪比。近年來分?jǐn)?shù)階微分被引用到 圖像處理方面來解決整數(shù)階微分不能解決的問題。
[0077]分?jǐn)?shù)階微分的定義沒有統(tǒng)一規(guī)定，目前有S種，運(yùn)里只介紹最適合圖像處理的G-L 定義，它是根據(jù)整數(shù)階微分的定義直接將微分的定義從整數(shù)推廣到分?jǐn)?shù)，對于任意可微函 數(shù)f (X)的n階微分表達(dá)式如下：
[007引
[0079] >數(shù)乂，則有V階微分的 定義：
[0080] (2)
[0081] :都是實(shí)數(shù)，在數(shù)學(xué)上， G-L分?jǐn)?shù)階微分具有有界性、連續(xù)性、齊次可加性、滿足交換律等。
[0082] 當(dāng)對圖像進(jìn)行處理時(shí)，由于像素間隔為1，所W在[a, t] W單位間隔等分，即h = l， 可W推導(dǎo)出一元信號f(x)的分?jǐn)?shù)階微分的差分表達(dá)式為：
[0083] (3)
[0084] 傳統(tǒng)的梯度算子都是整數(shù)階的，雖然邊緣檢測效果好，但是會丟失一些紋理細(xì)節(jié)， 抗噪能力差。所W提高圖像邊緣檢測的性能有待提高，根高爐圖像的特點(diǎn)，提出了一種基于 Sobel算子原理定義斜邊算子并進(jìn)行分?jǐn)?shù)階微分推導(dǎo)的邊緣檢測算法。
[0085] 《基于分?jǐn)?shù)階微分和Sobel算子的邊緣檢測新模型》根據(jù)Sobel算子推出分?jǐn)?shù)階微 分算子，最后得到的分?jǐn)?shù)階微分Sobel算子行、列梯度模板為：
[0086]
[0087]利用該算子對圖像進(jìn)行處理，相對于其他整數(shù)階算子得到的邊界圖像紋理細(xì)節(jié)更 多，準(zhǔn)確性好，視覺效果更佳。但是邊緣存在許多斷續(xù)現(xiàn)象，運(yùn)是因?yàn)镾obel算子是基于行梯 度模板和列梯度模板來檢測邊緣的，通過對高爐圖像的分析，在135度方向和45度方向上有 料面邊緣，所W基于Sobel算子原理定義135度和45度的斜邊算子：
[008引
[0089] 運(yùn)兩個算子能檢測出135度和45度上的邊緣。將上述算用分?jǐn)?shù)階微分進(jìn)行改進(jìn)，推 理過程如圖4所示。
[0090] 在處理圖像時(shí)，135度上的梯度差分形式可表達(dá)為：
[0091] (4)
[0092] 巧報(bào)吾獄吿公.悠差親化古巧巧責(zé)微親化古.
[0093]
[0094]
[0095]
[0096]
[0097]
[009引
[0099] (8)
[0100] 利用一元信號f(t)的分?jǐn)?shù)階微分的差分表達(dá)式(3)取其前=項(xiàng)或兩項(xiàng)作為近似計(jì) 算表達(dá)式 (9)
[0101]
[0102]
[0103]
[0104]
[0105]
[0106] S1022、從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向?qū)吘?增強(qiáng)后的高爐料面圖像通過分?jǐn)?shù)階微分算子卷積運(yùn)算進(jìn)行邊緣初步提取，得到初步邊緣圖 像。
[0107] 將S1021步驟中得到的兩個模板加上《基于分?jǐn)?shù)階微分和Sobel算子的邊緣檢測新 模型》Sobel算子推出來的兩個微分模板對圖像進(jìn)行四個方向的卷積，把卷積結(jié)果相加初步 得到圖像邊緣。
[0108] 為了體現(xiàn)本發(fā)明的優(yōu)越性，特利用現(xiàn)有技術(shù)中基于Sobel算子的處理方法與本實(shí) 施例提供的方法進(jìn)行對比。基于Sobel算子分?jǐn)?shù)階微分處理結(jié)果如圖5所示，改進(jìn)分?jǐn)?shù)階微 分處理結(jié)果如圖6所示。從圖5W及圖6可W看出本實(shí)施例提供的采用改進(jìn)的分?jǐn)?shù)階微分的 算法提取的初步邊緣的定位精確，且應(yīng)用靈活，噪聲少。
[0109] 在上一實(shí)施例的基礎(chǔ)上，在具體實(shí)施時(shí)，步驟S103還可W通過W下方式實(shí)施，如圖 7所示，包括：
[0110] S1031、將所述高爐料面圖像進(jìn)行二值化得到高爐料面的二值圖像，并對所述高爐 料面的二值圖像進(jìn)行開運(yùn)算；
[0111] 其中，運(yùn)里的圖像的二值化，就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255,也就 是將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。運(yùn)里的開運(yùn)算在數(shù)學(xué)上是先腐蝕后膨 脹的結(jié)果。開運(yùn)算的結(jié)果為完全刪除了不能包含結(jié)構(gòu)元素的對象區(qū)域，平滑了對象的輪廓， 斷開了狹窄的連接，去掉了細(xì)小的突出部分。
[0112] 具體地，在對圖像進(jìn)行濾波之后，用迭代法求闊值分割圖像，得到二值圖像。通過 觀察二值圖像，在高爐爐壁區(qū)域有由于粉塵引起的亮斑，運(yùn)對后續(xù)的邊界提取有影響，所W 先對其進(jìn)行開運(yùn)算，它的作用是消除小物體、在纖細(xì)點(diǎn)處分離物體、平滑較大物體的邊界的 同時(shí)并不明顯改變其面積，所W通過開運(yùn)算消除小亮斑，使而圖像的邊緣變得平滑。
[0113] S1032、采用自適應(yīng)濾波器對經(jīng)過開運(yùn)算之后的高爐料面的二值圖像進(jìn)行濾波，從 而對高爐料面的二值圖像進(jìn)行去噪處理；
[0114] 采用自適應(yīng)濾波代替高斯濾波對圖像進(jìn)行濾波，相比高斯濾波，它能在濾除圖像 噪聲的同時(shí)很好地保留圖像邊緣，能根據(jù)局部信息來改變?yōu)V波窗口的大小，從而有效地去 噪。具體實(shí)現(xiàn)過程如下：
[0115] ①自適應(yīng)調(diào)整濾波窗口，保證窗口內(nèi)的中值不是噪聲。首先確定最大的濾波半徑， 然后用一個合適的半徑r對圖像進(jìn)行濾波。計(jì)算當(dāng)前濾波半徑像素灰度的Imin, Imax, Imed,然 后判斷Imed是否在IminW及Imax中間，如果在則向下一步進(jìn)行，否則擴(kuò)大當(dāng)前半徑r繼續(xù)濾波 直到r等于最大濾波半徑。
[0116] ②如果當(dāng)前處理的像素 img(i，j)在IminW及Imax之間，則輸出當(dāng)前像素，否則輸出 當(dāng)前濾波半徑中值像素 Imed。
[0117] S1033、用一階偏導(dǎo)的有限差分計(jì)算濾波后高爐料面的二值圖像的梯度幅值和梯 度方向；
[0118] 用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向。分別求取濾波后幅值平方圖像 在X方向和Y方向的梯度巧Of, .V)和(/? (x, _)，），利用一階差分卷積模板：
[0119]
[0120] ( 10 )
[0121] (U)
[0122] 其中f(x，y)是進(jìn)過濾波后的圖像數(shù)據(jù)。
[0123] 根據(jù)所述梯度巧(X，.的和巧(X，y)計(jì)算幅值平方圖像的梯度值I A f I與梯度方向角
白：
[0124] ( 12 )
[01 劇 (13)
[01%] 將0-360度梯度方向角歸并為4個方向:0度、45度、90度、135度。
[0127] S1034、將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點(diǎn)置零，保留圖 像中梯度幅值為局部梯度極大值的點(diǎn)；
[0128] 僅僅得到全局的梯度并不足W確定邊緣。為確定邊緣，必須保留局部梯度最大的 點(diǎn)，而抑制非極大值，即將非局部極大值點(diǎn)置零W得到細(xì)化的邊緣。用3x3窗口對梯度圖像 在鄰域的中屯、像素 M與沿著梯度線的兩個像素相比。如果M的梯度值不比沿梯度線的兩個相 鄰像素梯度值大，則令M=0。
[0129] S1035、對所述局部梯度極大值的點(diǎn)進(jìn)行統(tǒng)計(jì)得到梯度直方圖，根據(jù)所述梯度直方 圖計(jì)算高闊值，從而得到高闊值邊緣圖像，其中所述高闊值邊緣圖像中的高爐料面邊緣為 間斷的邊緣，且包含真邊緣W及假邊緣，所述真邊緣占高爐料面邊緣的比例遠(yuǎn)大于所述假 邊緣占高爐料面邊緣的比例；
[0130] 需要說明的是，運(yùn)里主要采用的改進(jìn)型化nny算子雙闊值算法來進(jìn)行的。
[0131] 傳統(tǒng)化nny算子的雙闊值的確定是根據(jù)T2>2Ti來估計(jì)的，T2-般是人為工設(shè)定，當(dāng) 定得太高時(shí)，圖像邊緣會丟失，當(dāng)太低時(shí)，會檢測到圖像中由噪聲引起的偽邊緣，當(dāng)不同圖 像使用相同闊值時(shí)，邊緣檢測效果會很差，不具有普適性。雙闊值方法的主要思想是高闊值 T2來連接邊緣輪廓，在達(dá)到輪廓端點(diǎn)時(shí)，在Tl的八鄰域內(nèi)尋找可W連接到輪廓上的邊緣，運(yùn) 樣就可W將T2中所有的間隙連接起來。根據(jù)分?jǐn)?shù)階定位精確運(yùn)一特點(diǎn)，可W用分?jǐn)?shù)階微分 檢測的邊緣位置代替低闊值能確定的邊緣位置，運(yùn)樣在確定高闊值之后，不需用T2>2Ti來 估計(jì)，運(yùn)樣連接邊緣時(shí)位置更精確，同時(shí)能克服分?jǐn)?shù)階微分單獨(dú)檢測時(shí)不平滑的缺點(diǎn)。
[0132] 本發(fā)明實(shí)施例提供的改進(jìn)型化nny算子雙闊值算法首先利用自適應(yīng)方法確定高闊 值，具體地：
[0133] 高闊值的確定根據(jù)梯度直方圖來選擇，經(jīng)過化nny算子的非極大值抑制之后，對梯 度幅值進(jìn)行統(tǒng)計(jì)得到梯度直方圖。將梯度直方圖中擁有最多像素?cái)?shù)的梯度值稱為最值梯度 Hmax ,計(jì)算全部像素與Hmax的方差,稱之為Gmax。
[0134] (14)
[0135] K為像素?cái)?shù)不為0的梯度最大值，N為像素總數(shù)。Hmax反映了非邊緣區(qū)域在梯度直方 圖分布的中屯、位置，而像素最值梯度方差emax則反映了梯度直方圖中梯度分布相對于像素 最值梯度的離散程度，可W認(rèn)為它們兩之和在非邊緣區(qū)域，所W高闊值的確定按如下公式 計(jì)算：
[0136] T2 = Hmax+emax (15)
[0137] 據(jù)此，得到的高闊值邊緣圖像如圖8所示。
[0138] S1036、根據(jù)所述初步邊緣圖像，對于所述高闊值邊緣圖像間斷的邊緣，在所述初 步邊緣圖像包含的邊緣的八鄰點(diǎn)位置上尋找連接高闊值邊緣圖像輪廓的邊緣點(diǎn)，直至所述 高闊值邊緣圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖 像;其中，所述八鄰點(diǎn)為圖像上任意一點(diǎn)周圍八個鄰域的點(diǎn)。
[0139] 運(yùn)里主要是基于雙闊值算法來進(jìn)行的。其中雙闊值算法對非極大值抑制圖象作用 兩個闊值低闊值T1和高闊值T2，且2T1 >T2，從而可W得到兩個闊值邊緣圖象Nl [ i，j ]和N2 [i，j]。由于N2[i，j]使用高闊值得到，因而含有很少的假邊緣，但有間斷(不閉合）。雙闊值 法要在N2[i，j]中把邊緣連接成輪廓，當(dāng)?shù)竭_(dá)輪廓的端點(diǎn)時(shí)，該算法就在Nl[i，j]的8鄰點(diǎn)位 置尋找可W連接到輪廓上的邊緣，運(yùn)樣，算法不斷地在Nl [ i，j ]中收集邊緣，直到將N2 [ i，j ] 連接起來為止。
[0140] 因此，在確定好高闊值之后，按改進(jìn)的化nny算子計(jì)算步驟得到高闊值確定的邊緣 圖像，然后用分?jǐn)?shù)階微分確定的邊緣位置對高闊值確定的邊緣進(jìn)行連接，得到最終的邊緣 檢測結(jié)果，如圖9所示。
[0141] 同樣地，為了體現(xiàn)本發(fā)明的優(yōu)越性，本發(fā)明還利用傳統(tǒng)的化nny算法進(jìn)行了邊緣檢 ，如圖10所示，可W看出本實(shí)施例提供的方法得到的邊界更為平滑。
[0142] 因此，本實(shí)施例提供的方法通過對化nny算法進(jìn)行改進(jìn)，采用自適應(yīng)中值濾波代替 高斯濾波，在保持圖像的邊緣信息的同時(shí)更好濾除了噪聲，采用自適應(yīng)的方法確定高闊值， 然后用改進(jìn)的分?jǐn)?shù)階微分算法對高闊值確定的強(qiáng)像素邊緣進(jìn)行連接，得到了平滑，定位精 確的單像素邊緣。
[0143] 在具體實(shí)施時(shí)，上述實(shí)施例中的第一斜邊方向與水平方向的夾角為45±5度，優(yōu)選 地可W為45度，因此第二斜邊方向可W為135度?？蒞理解的是，運(yùn)里的第一斜邊方向W及 第二斜邊方向可W根據(jù)實(shí)際情況而更改，本發(fā)明對此不作具體限定。
[0144] 第二方面，本發(fā)明提供了一種高爐料面圖像邊緣檢測裝置，如圖11所示，包括：
[0145] 邊緣增強(qiáng)單元1，用于對高爐料面圖像進(jìn)行邊緣增強(qiáng)處理；
[0146] 初步提取單元2,用于從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四 個方向的分?jǐn)?shù)階微分算子對邊緣增強(qiáng)處理后的高爐料面圖像進(jìn)行邊緣初步提取，得到初步 邊緣圖像;其中，所述初步邊緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜 邊方向互相垂直；
[0147] 平滑去噪單元3,用于對所述初步邊緣圖像中的高爐料面圖像的邊緣進(jìn)行平滑化 W及去噪處理，得到高爐料面的最終邊緣圖像。
[0148] 在具體實(shí)施時(shí)，所述邊緣增強(qiáng)單元1進(jìn)一步用于：
[0149] 增強(qiáng)高爐料面圖像的對比度；
[0150] 調(diào)整高爐料面圖像的飽和度；
[0151] 增強(qiáng)高爐料面圖像中的邊緣光和高頻部分；
[0152] 對高爐料面圖像進(jìn)行高反差保留處理。
[0153] 在具體實(shí)施時(shí)，所述初步提取單元2進(jìn)一步用于：
[0154] 基于Sobel算子原理，定義第一斜邊方向算子W及第二斜邊方向算子，并推出所述 第一斜邊方向算子W及第二斜邊方向算子的分?jǐn)?shù)階微分算子；
[0155] 從水平方向、垂直方向、第一斜邊方向W及第二斜邊方向四個方向?qū)吘壴鰪?qiáng)后 的高爐料面圖像通過分?jǐn)?shù)階微分算子卷積運(yùn)算進(jìn)行邊緣初步提取，得到初步邊緣圖像。
[0156] 在具體實(shí)施時(shí)，所述平滑去噪單元3進(jìn)一步用于：
[0157] 將所述高爐料面圖像進(jìn)行二值化得到高爐料面的二值圖像，并對所述高爐料面的 二值圖像進(jìn)行開運(yùn)算；
[0158] 采用自適應(yīng)濾波器對經(jīng)過開運(yùn)算之后的高爐料面的二值圖像進(jìn)行濾波，從而對高 爐料面的二值圖像進(jìn)行去噪處理；
[0159] 用一階偏導(dǎo)的有限差分計(jì)算濾波后高爐料面的二值圖像的梯度幅值和梯度方向；
[0160] 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點(diǎn)置零，保留圖像中梯 度幅值為局部梯度極大值的點(diǎn)；
[0161] 對所述局部梯度極大值的點(diǎn)進(jìn)行統(tǒng)計(jì)得到梯度直方圖，根據(jù)所述梯度直方圖計(jì)算 高闊值，從而得到高闊值邊緣圖像，其中所述高闊值邊緣圖像中的高爐料面邊緣為間斷的 邊緣，且包含真邊緣W及假邊緣，所述真邊緣占高爐料面邊緣的比例遠(yuǎn)大于所述假邊緣占 高爐料面邊緣的比例；
[0162] 根據(jù)所述初步邊緣圖像，對于所述高闊值邊緣圖像間斷的邊緣，在所述初步邊緣 圖像包含的邊緣的八鄰點(diǎn)位置上尋找連接高闊值邊緣圖像輪廓的邊緣點(diǎn)，直至所述高闊值 邊緣圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其 中，所述八鄰點(diǎn)為圖像上任意一點(diǎn)周圍八個鄰域的點(diǎn)。
[0163] 在具體實(shí)施時(shí)，所述第一斜邊方向與所述水平方向的夾角為45±5度。
[0164] 由于本實(shí)施例所介紹的高爐料面圖像邊緣檢測裝置為可W執(zhí)行本發(fā)明實(shí)施例中 的高爐料面圖像邊緣檢測方法的裝置，故而基于本發(fā)明實(shí)施例中所介紹的高爐料面圖像邊 緣檢測方法，本領(lǐng)域所屬技術(shù)人員能夠了解本實(shí)施例的高爐料面圖像邊緣檢測裝置的具體 實(shí)施方式W及其各種變化形式，所W在此對于該高爐料面圖像邊緣檢測裝置如何實(shí)現(xiàn)本發(fā) 明實(shí)施例中的高爐料面圖像邊緣檢測方法不再詳細(xì)介紹。只要本領(lǐng)域所屬技術(shù)人員實(shí)施本 發(fā)明實(shí)施例中高爐料面圖像邊緣檢測方法所采用的裝置，都屬于本申請所欲保護(hù)的范圍。
[0165] W上所描述的裝置實(shí)施例僅僅是示意性的，其中所述作為分離部件說明的單元可 W是或者也可W不是物理上分開的，作為單元顯示的部件可W是或者也可W不是物理單 元，即可W位于一個地方，或者也可W分布到多個網(wǎng)絡(luò)單元上?？蒞根據(jù)實(shí)際的需要選擇其 中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性 的勞動的情況下，即可W理解并實(shí)施。
[0166] 通過W上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可W清楚地了解到各實(shí)施方式可 借助軟件加必需的通用硬件平臺的方式來實(shí)現(xiàn)，當(dāng)然也可W通過硬件?；谶\(yùn)樣的理解，上 述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可WW軟件產(chǎn)品的形式體現(xiàn)出來，該 計(jì)算機(jī)軟件產(chǎn)品可W存儲在計(jì)算機(jī)可讀存儲介質(zhì)中，如R0M/RAM、磁碟、光盤等，包括若干指 令用W使得一臺計(jì)算機(jī)設(shè)備(可W是個人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個實(shí)施 例或者實(shí)施例的某些部分所述的方法。
[0167] 應(yīng)該注意的是上述實(shí)施例對本發(fā)明進(jìn)行說明而不是對本發(fā)明進(jìn)行限制，并且本領(lǐng) 域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中， 不應(yīng)將位于括號之間的任何參考符號構(gòu)造成對權(quán)利要求的限制。單詞"包含"不排除存在未 列在權(quán)利要求中的元件或步驟。位于元件之前的單詞"一"或"一個"不排除存在多個運(yùn)樣的 元件。本發(fā)明可W借助于包括有若干不同元件的硬件W及借助于適當(dāng)編程的計(jì)算機(jī)來實(shí) 現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，運(yùn)些裝置中的若干個可W是通過同一個硬件項(xiàng) 來具體體現(xiàn)。單詞第一、第二、W及第=等的使用不表示任何順序?？蓪⑦\(yùn)些單詞解釋為名 稱。
[0168] 最后應(yīng)說明的是：W上實(shí)施例僅用W說明本發(fā)明的技術(shù)方案，而非對其限制;盡管 參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可 W對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換； 而運(yùn)些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和 范圍。
【主權(quán)項(xiàng)】
1. 一種高爐料面圖像邊緣檢測方法，其特征在于，包括： 對高爐料面圖像進(jìn)行邊緣增強(qiáng)處理； 從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向?qū)吘壴鰪?qiáng)處理后 的高爐料面圖像進(jìn)行分?jǐn)?shù)階微分算子卷積處理，得到初步邊緣圖像;其中，所述初步邊緣圖 像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊方向互相垂直； 對所述初步邊緣圖像中的高爐料面圖像的邊緣進(jìn)行平滑化以及去噪處理，得到高爐料 面的最終邊緣圖像。2. 如權(quán)利要求1所述的方法，其特征在于，所述對高爐料面圖像進(jìn)行邊緣增強(qiáng)的步驟包 括： 增強(qiáng)高爐料面圖像的對比度； 調(diào)整高爐料面圖像的飽和度； 增強(qiáng)高爐料面圖像中的邊緣光和高頻部分； 對高爐料面圖像進(jìn)行高反差保留處理。3. 如權(quán)利要求1所述的方法，其特征在于，所述從水平方向、垂直方向、第一斜邊方向以 及第二斜邊方向四個方向?qū)吘壴鰪?qiáng)處理后的高爐料面圖像進(jìn)行分?jǐn)?shù)階微分算子卷積處 理，得到初步邊緣圖像的步驟具體包括： 基于Sobel算子原理，定義第一斜邊方向算子以及第二斜邊方向算子，并推出所述第一 斜邊方向算子以及第二斜邊方向算子的分?jǐn)?shù)階微分算子； 從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向?qū)吘壴鰪?qiáng)后的高 爐料面圖像通過分?jǐn)?shù)階微分算子卷積運(yùn)算進(jìn)行邊緣初步提取，得到初步邊緣圖像。4. 如權(quán)利要求3所述的方法，其特征在于，所述對所述高爐料面圖像的邊緣進(jìn)行平滑化 以及去噪處理，得到高爐料面的最終邊緣圖像的步驟包括： 將所述高爐料面圖像進(jìn)行二值化得到高爐料面的二值圖像，并對所述高爐料面的二值 圖像進(jìn)行開運(yùn)算； 采用自適應(yīng)濾波器對經(jīng)過開運(yùn)算之后的高爐料面的二值圖像進(jìn)行濾波，從而對高爐料 面的二值圖像進(jìn)行去噪處理； 用一階偏導(dǎo)的有限差分計(jì)算濾波后高爐料面的二值圖像的梯度幅值和梯度方向； 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點(diǎn)置零，保留圖像中梯度幅 值為局部梯度極大值的點(diǎn)； 對所述局部梯度極大值的點(diǎn)進(jìn)行統(tǒng)計(jì)得到梯度直方圖，根據(jù)所述梯度直方圖計(jì)算高閾 值，從而得到高閾值邊緣圖像，其中所述高閾值邊緣圖像中的高爐料面邊緣為間斷的邊緣， 且包含真邊緣以及假邊緣，所述真邊緣占高爐料面邊緣的比例遠(yuǎn)大于所述假邊緣占高爐料 面邊緣的比例； 根據(jù)所述初步邊緣圖像，對于所述高閾值邊緣圖像間斷的邊緣，在所述初步邊緣圖像 包含的邊緣的八鄰點(diǎn)位置上尋找連接高閾值邊緣圖像輪廓的邊緣點(diǎn)，直至所述高閾值邊緣 圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其中，所 述八鄰點(diǎn)為圖像上任意一點(diǎn)周圍八個鄰域的點(diǎn)。5. 如權(quán)利要求1-4任一所述的方法，其特征在于，所述第一斜邊方向與所述水平方向的 夾角為45±5度。6. -種高爐料面圖像邊緣檢測裝置，其特征在于，包括： 邊緣增強(qiáng)單元，用于對高爐料面圖像進(jìn)行邊緣增強(qiáng)處理； 初步提取單元，用于從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向 的分?jǐn)?shù)階微分算子對邊緣增強(qiáng)處理后的高爐料面圖像進(jìn)行邊緣初步提取，得到初步邊緣圖 像;其中，所述初步邊緣圖像包含高爐料面圖像的邊緣，所述第一斜邊方向與第二斜邊方向 互相垂直； 平滑去噪單元，用于對所述初步邊緣圖像中的高爐料面圖像的邊緣進(jìn)行平滑化以及去 噪處理，得到高爐料面的最終邊緣圖像。7. 如權(quán)利要求6所述的裝置，其特征在于，所述邊緣增強(qiáng)單元進(jìn)一步用于： 增強(qiáng)高爐料面圖像的對比度； 調(diào)整高爐料面圖像的飽和度； 增強(qiáng)高爐料面圖像中的邊緣光和高頻部分； 對高爐料面圖像進(jìn)行高反差保留處理。8. 如權(quán)利要求6所述的裝置，其特征在于，所述初步提取單元進(jìn)一步用于： 基于Sobel算子原理，定義第一斜邊方向算子以及第二斜邊方向算子，并推出所述第一 斜邊方向算子以及第二斜邊方向算子的分?jǐn)?shù)階微分算子； 從水平方向、垂直方向、第一斜邊方向以及第二斜邊方向四個方向?qū)吘壴鰪?qiáng)后的高 爐料面圖像通過分?jǐn)?shù)階微分算子卷積運(yùn)算進(jìn)行邊緣初步提取，得到初步邊緣圖像。9. 如權(quán)利要求8所述的裝置，其特征在于，所述平滑去噪單元進(jìn)一步用于： 將所述高爐料面圖像進(jìn)行二值化得到高爐料面的二值圖像，并對所述高爐料面的二值 圖像進(jìn)行開運(yùn)算； 采用自適應(yīng)濾波器對經(jīng)過開運(yùn)算之后的高爐料面的二值圖像進(jìn)行濾波，從而對高爐料 面的二值圖像進(jìn)行去噪處理； 用一階偏導(dǎo)的有限差分計(jì)算濾波后高爐料面的二值圖像的梯度幅值和梯度方向； 將所述高爐料面的二值圖像中的梯度幅值的非局部極大值點(diǎn)置零，保留圖像中梯度幅 值為局部梯度極大值的點(diǎn)； 對所述局部梯度極大值的點(diǎn)進(jìn)行統(tǒng)計(jì)得到梯度直方圖，根據(jù)所述梯度直方圖計(jì)算高閾 值，從而得到高閾值邊緣圖像，其中所述高閾值邊緣圖像中的高爐料面邊緣為間斷的邊緣， 且包含真邊緣以及假邊緣，所述真邊緣占高爐料面邊緣的比例遠(yuǎn)大于所述假邊緣占高爐料 面邊緣的比例； 根據(jù)所述初步邊緣圖像，對于所述高閾值邊緣圖像間斷的邊緣，在所述初步邊緣圖像 包含的邊緣的八鄰點(diǎn)位置上尋找連接高閾值邊緣圖像輪廓的邊緣點(diǎn)，直至所述高閾值邊緣 圖像間斷的邊緣全部被連接，從而得到邊緣曲線平滑且含噪聲少的最終邊緣圖像;其中，所 述八鄰點(diǎn)為圖像上任意一點(diǎn)周圍八個鄰域的點(diǎn)。10. 如權(quán)利要求6-9任一所述的裝置，其特征在于，所述第一斜邊方向與所述水平方向 的夾角為45±5度。
【文檔編號】G06T7/00GK106023160SQ201610310559
【公開日】2016年10月12日
【申請日】2016年5月11日
【發(fā)明人】蔣朝輝, 吳巧群, 桂衛(wèi)華, 陽春華, 謝永芳, 許天翔, 陳致蓬
【申請人】中南大學(xué)