获取图像边缘检测算子的方法、图像边缘检测方法及装置

摘要

本发明公开了一种获取图像边缘检测算子的方法、图像边缘检测方法及装置，其中，获取图像边缘检测算子的方法包括：在目标图像中，划分出一个包括第一目标像素点的四邻域；对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式；根据所述图像边缘检测函数关系式确定图像边缘检测算子。采用该方法获得的图像边缘检测算子，将其应用于数字图像的图像边缘检测中，能够在减小运算量的同时，提高抗噪声能力，适用性更好。

说明书

技术领域

本发明涉及图像边缘处理技术领域，尤其涉及一种获取图像边缘检测算子的方法、图像边缘检测方法及装置。

背景技术

图像的边缘属于图像的高频成分，是图像的基本特征之一。一幅具体的目标图像，经过图像边缘检测处理后，变为一幅边缘检测图像，边缘检测图像与目标图像的大小相同，在边缘检测图像中，对应目标图像的边缘位置通常为高亮显示，其余位置基本为黑色，因而采用图像的边缘可以对目标图像与其它对象(例如其它图像、背景等)进行有效区分。由此可知，找到图像的边缘，对于图像边缘处理的许多应用领域非常重要，例如，图像分割、图像锐化、图像分析与识别等应用领域，在具体操作时，均需要先确定图像的边缘位置。现有技术中，通常采用图像边缘检测的方法确定图像的边缘位置。

在数字图像中，图像的高频成分包括图像中灰度值变化剧烈的部分，通常将灰度值变化剧烈的位置定义为数字图像的边缘。对于数字图像，通常采用各种各样的图像边缘检测算子(例如微分算子、Sobel算子、Canny算子等)对其进行图像边缘检测。又由于在数字图像中，位于图像的边缘上的各像素点，灰度值的差异比较小，变化平缓，而位于图像的边缘上的像素点，与图像中靠近图像的边缘的像素点，两者的灰度值差异比较大，变化剧烈，基于此，通常采用图像的灰度值的一阶导数和二阶导数作为数字图像的图像边缘检测算子，也就是微分算子，包括一阶微分算子和二阶微分算子。

采用一阶微分算子对数字图像进行图像边缘检测时，噪声较大，检测结果易受噪声影响。采用二阶微分算子对数字图像进行图像边缘检测时，噪声对检测结果的影响较小，但检测时，需要较大的数据窗口，运算量较大。因此，对于数字图像的图像边缘检测来说，一阶微分算子和二阶微分算子的适用性都较差，无法同时满足抗噪声和降低运算量的需求。

所以，在数字图像的图像边缘检测技术中，微分算子的适用性较差，无法同时解决大运算量与大噪声的问题。

发明内容

本发明实施例的目的在于提供一种获取图像边缘检测算子的方法、图像边缘检测方法及装置，以解决数字图像的图像边缘检测技术中，微分算子的适用性较差的问题。通过本发明的方法，可以获得一种较适用的图像边缘检测算子，将该图像边缘检测算子应用于数字图像的图像边缘检测技术中时，具有较好的抗噪声性能，同时，可以减小数据窗口，即减小运算量，适用性更好。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

第一方面，本发明实施例提供了一种获取图像边缘检测算子的方法，该方法包括：

在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；

对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；

根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式，所述图像边缘检测函数关系式用于计算所述第一目标像素点的灰度值与所述第二目标像素点的灰度值的差值；

根据所述图像边缘检测函数关系式确定图像边缘检测算子。

结合第一方面，在第一方面的第一种可能的实施方式中，所述对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点的过程，具体包括：

以预设插值倍率，对所述目标图像进行双线性插值处理，获得所述目标图像的插值图像；

在所述插值图像中，选择插入所述四邻域中的第二目标像素点，所述第二目标像素点位于所述四邻域中倒数第二行像素点和倒数第二列像素点相交的位置。

结合第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式中，所述根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式的过程，具体包括：

根据所述位置关系，以及双线性插值公式，确定出下述关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一函数关系式；

D(u,v)＝(1-u)(1-v)*G(i,j)+u(1-v)*G(i,j+1)+(1-u)v*G(i+1,j)+uv*G(i+1,j+1)；

确定所述目标图像中的每一个像素点作为第一目标像素点时，所述插值图像中对应的第二目标像素点；

提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像；

根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一函数关系式，确定出下述关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二函数关系式；

D(i,j)＝(1-u)(1-v)*G(i,j)+u(1-v)*G(i,j+1)+(1-u)v*G(i+1,j)+uv*G(i+1,j+1)；

根据所述第二函数关系式，确定出下述图像边缘检测函数关系式；

$\begin{array}{c}G(i,j)-D(i,j)=(v+u-uv)*G(i,j)+u(v-1)*G(i,j+1)+(u-1)v*G(i+1,j)-uv*\\ G(i+1,j+1)\end{array};$

其中，G(i,j)代表目标图像中第i行第j列的像素点的灰度值；D(i,j)代表参考图像中第i行第j列的像素点的灰度值；G(i,j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1,j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1,j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。

结合第一方面的第二种可能的实施方式，在第一方面的第三种可能的实施方式中，所述根据所述图像边缘检测函数关系式确定图像边缘检测算子的过程，具体包括：

将所述图像边缘检测函数关系式变换为下述卷积形式的图像边缘检测函数关系式；

$G(i,j)-D(i,j)=\left(\begin{array}{cc}v+u-uv& v(u-1)\\ u(v-1)& -uv\end{array}\right)\left(\begin{array}{cc}G(i,j)& G(i,j+1)\\ G(i+1,j)& G(i+1,j+1)\end{array}\right);$

根据所述卷积形式的图像边缘检测函数关系式确定出下述图像边缘检测算子；

$\left(\begin{array}{cc}v+u-uv& v(u-1)\\ u(v-1)& -uv\end{array}\right);$

其中，G(i,j)代表目标图像中第i行第j列的像素点的灰度值；D(i,j)代表参考图像中第i行第j列的像素点的灰度值；G(i,j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1,j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1,j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。

第二方面，本发明实施例提供了一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的方法，该方法包括：

根据针对待检测图像的预设插值倍率以及所述图像边缘检测算子，确定针对所述待检测图像的具体图像边缘检测算子；

在获得的待检测图像的最后一行像素点的下方增加一行像素点，在其最后一列像素点的右侧增加一列像素点，得到实际检测图像；增加的一行像素点通过复制待检测图像的倒数第二行像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列像素点获得；

采用所述具体图像边缘检测算子对所述实际检测图像进行图像边缘检测，从而获得所述待检测图像的边缘检测图像的灰度值信息。

结合第二方面，在第二方面的第一种可能的实施方式中，所述根据针对待检测图像的预设插值倍率以及所述图像边缘检测算子，确定针对所述待检测图像的具体图像边缘检测算子的过程，具体包括：

获取针对待检测图像的预设插值倍率M；

根据所述预设插值倍率M，按照下述公式确定u和v的值；

$u=v=\frac{M}{1+M};$

根据所述u和v的值以及所述图像边缘检测算子，确定所述具体图像边缘检测算子。

结合第二方面的第一种可能的实施方式，在第二方面的第二种可能的实施方式中，所述采用所述具体图像边缘检测算子对所述实际检测图像进行图像边缘检测，从而获得所述待检测图像的边缘检测图像的灰度值信息的过程，具体包括：

获取所述待检测图像的灰度值数据，并根据所述待检测图像的灰度值数据确定所述实际检测图像的灰度值数据；

按照下述公式，采用所述具体图像边缘检测算子与所述实际检测图像的灰度值数据进行卷积，从而获得所述待检测图像的边缘检测图像的灰度值信息；

其中，D代表待检测图像的边缘检测图像中像素点的灰度值，I′代表所述实际检测图像中2×2数据窗口的灰度值数据，A代表所述具体图像边缘检测算子，|·|表示绝对值运算，表示向下取整。

第三方面，本发明的实施例提供了一种获取图像边缘检测算子的装置，该装置包括：

区域划分模块，用于在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；

插值处理模块，用于对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；

第一确定模块，用于根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式，所述图像边缘检测函数关系式用于计算所述第一目标像素点的灰度值与所述第二目标像素点的灰度值的差值；

第二确定模块，用于根据所述图像边缘检测函数关系式确定图像边缘检测算子。

结合第三方面，在第三方面的第一种可能的实施方式中，所述插值处理模块包括：

插值处理单元，用于以预设插值倍率，对所述目标图像进行双线性插值处理，获得所述目标图像的插值图像；

像素点选取单元，用于在所述插值图像中，选择插入所述四邻域中的第二目标像素点，所述第二目标像素点位于所述四邻域中倒数第二行像素点和倒数第二列像素点相交的位置。

结合第三方面的第一种可能的实施方式，在第三方面的第二种可能的实施方式中，所述第一确定模块具体用于：

根据所述位置关系，以及双线性插值公式，确定出下述关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一函数关系式；

D(u,v)＝(1-u)(1-v)*G(i,j)+u(1-v)*G(i,j+1)+(1-u)v*G(i+1,j)+uv*G(i+1,j+1)；

确定所述目标图像中的每一个像素点作为第一目标像素点时，所述插值图像中对应的第二目标像素点；

提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像；

根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一函数关系式，确定出下述关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二函数关系式；

D(i,j)＝(1-u)(1-v)*G(i,j)+u(1-v)*G(i,j+1)+(1-u)v*G(i+1,j)+uv*G(i+1,j+1)；

根据所述第二函数关系式，确定出下述图像边缘检测函数关系式；

$\begin{array}{c}G(i,j)-D(i,j)=(v+u-uv)*G(i,j)+u(v-1)*G(i,j+1)+(u-1)v*G(i+1,j)-uv*\\ G(i+1,j+1)\end{array};$

其中，G(i,j)代表目标图像中第i行第j列的像素点的灰度值；D(i,j)代表参考图像中第i行第j列的像素点的灰度值；G(i,j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1,j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1,j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。

结合第三方面的第二种可能的实施方式，在第三方面的第三种可能的实施方式中，所述第二确定模块具体用于：

将所述图像边缘检测函数关系式变换为下述卷积形式的图像边缘检测函数关系式；

$G(i,j)-D(i,j)=\left(\begin{array}{cc}v+u-uv& v(u-1)\\ u(v-1)& -uv\end{array}\right)\left(\begin{array}{cc}G(i,j)& G(i,j+1)\\ G(i+1,j)& G(i+1,j+1)\end{array}\right);$

根据所述卷积形式的图像边缘检测函数关系式确定出下述图像边缘检测算子；

$\left(\begin{array}{cc}v+u-uv& v(u-1)\\ u(v-1)& -uv\end{array}\right);$

其中，G(i,j)代表目标图像中第i行第j列的像素点的灰度值；D(i,j)代表参考图像中第i行第j列的像素点的灰度值；G(i,j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1,j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1,j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。

第四方面，本发明实施例提供了一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的装置，该装置包括：

第三确定模块，用于根据针对待检测图像的预设插值倍率以及所述图像边缘检测算子，确定针对所述待检测图像的具体图像边缘检测算子；

图像处理模块，用于在获得的待检测图像的最后一行像素点的下方增加一行像素点，在其最后一列像素点的右侧增加一列像素点，得到实际检测图像；增加的一行像素点通过复制待检测图像的倒数第二行像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列像素点获得；

图像边缘检测模块，用于采用所述具体图像边缘检测算子对所述实际检测图像进行图像边缘检测，从而获得所述待检测图像的边缘检测图像的灰度值信息。

结合第四方面，在第四方面的第一种可能的实施方式中，所述第三确定模块具体用于：

获取针对待检测图像的预设插值倍率M；

根据所述预设插值倍率M，按照下述公式确定u和v的值；

$u=v=\frac{M}{1+M};$

根据所述u和v的值以及所述图像边缘检测算子，确定所述具体图像边缘检测算子。

结合第四方面的第一种可能的实施方式，在第四方面的第二种可能的实施方式中，所述图像边缘检测模块包括：

灰度值数据获取单元，用于获取所述待检测图像的灰度值数据，并根据所述待检测图像的灰度值数据确定所述实际检测图像的灰度值数据；

图像边缘检测单元，用于按照下述公式，采用所述具体图像边缘检测算子与所述实际检测图像的灰度值数据进行卷积，从而获得所述待检测图像的边缘检测图像的灰度值信息；

其中，D代表待检测图像的边缘检测图像中像素点的灰度值，I′代表所述实际检测图像中2×2数据窗口的灰度值数据，A代表所述具体图像边缘检测算子，|·|表示绝对值运算，表示向下取整。

本发明的实施例提供的技术方案可以包括以下有益效果：通过本发明公开的方法，获得的图像边缘检测算子，应用于数字图像的图像边缘检测中时，由于融合了窗口数据加权平均(图像的双线性插值处理过程)以及目标像素微小偏移(图像的降采样处理过程)的作用，极大的减小了噪声，得到的图像边缘信息更加丰富，图像的轮廓更加清晰。同时，检测需要的数据窗口也比较小，亦即运算量比较小，所以，本发明公开的图像边缘检测算子在数字图像的图像边缘检测技术中，适用性更好。

本发明实施例应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种目标图像的灰度值数据；

图2为图1中目标图像的各像素点的插值像素点的灰度值数据；

图3为图1中目标图像的边缘检测图像的灰度值信息；

图4为本发明实施例提供的一种获取图像边缘检测算子的方法的流程示意图；

图5为本发明实施例提供的另一种获取图像边缘检测算子的方法的流程示意图；

图6为本发明实施例提供的一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的方法的流程示意图；

图7为本发明实施例提供的另一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的方法的流程示意图；

图8为本发明实施例提供的一种获取图像边缘检测算子的装置的结构框图；

图9为本发明实施例提供的另一种获取图像边缘检测算子的装置的结构框图；

图10为本发明实施例提供的一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的装置的结构框图；

图11为本发明实施例提供的另一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

在具体介绍本发明的实施例之前，先介绍一些与本发明公开的技术方案相关的技术原理：将一幅目标图像通过双线性插值处理放大后，得到该目标图像的插值图像，之后通过降采样处理，再将所述插值图像的尺寸缩小至目标图像的尺寸，得到该目标图像的参考图像。参考图像的信息(包括灰度值信息)与目标图像的信息基本相同，两者之间仅存在一个亚像素级别的微小偏移，目标图像中各像素点的灰度值与参考图像中位置对应(行数索引和列数索引相同)的像素点的灰度值的差值，取绝对值后，能够得到目标图像的边缘检测图像的灰度值信息，即获得以灰度值信息表征的目标图像的图像边缘检测结果，采用这些灰度值信息可以绘制出边缘检测图像。本文中，将目标图像经过图像边缘检测处理后，根据检测得到的灰度值信息绘制得到的图像定义为边缘检测图像，在边缘检测图像中，人们可以清楚看到目标图像的轮廓，亦即，在边缘检测图像中，对应目标图像的边缘位置为高亮显示，对应目标图像的其它位置为黑色，因此，人们在边缘检测图像中，只能看到目标图像的轮廓，此轮廓为目标图像的边缘。

由上述技术原理可知，通过对目标图像进行双线性插值处理，为目标图像中每一个像素点确定出一个插值像素点后，计算出目标图像中每一个像素点的灰度值与相应的插值像素点的灰度值的差值，并对差值取绝对值后，就可以得到目标图像的边缘检测图像的灰度值信息，例如，图1中示出的是某一幅目标图像的灰度值数据，其中示出了目标图像中每一个像素点的灰度值；图2示出的是目标图像的每一个像素点对应的插值像素点的灰度值，其中，目标图像中某个像素点在图1中的位置和与该像素点对应的插值像素点在图2中的位置对应(行数索引和列数索引相同)；图1中各像素点的灰度值分别与图2中位置对应的各像素点的灰度值相减后，差值取绝对值，就得到目标图像的边缘检测图像的灰度值信息，图3示出的是目标图像的边缘检测图像的灰度值信息，根据图3示出的灰度值信息，能够绘出目标图像的边缘检测图像，边缘检测图像中的高亮显示位置为目标图像的边缘位置。

具体计算时，可以在目标图像中，以每一个像素点为目标像素点，构建一个包括该目标像素点在内的四邻域(在数字图像中，四个彼此相邻的像素点组成的区域，定义为一个四邻域)，对目标图像进行双线性插值处理后，将插入四邻域中的某个像素点作为该目标像素点的插值像素点，对目标图像中每一个像素点都进行相同的处理，即可得到目标图像中每一个像素点对应的插值像素点，之后对目标图像中各像素点的灰度值分别与对应的插值像素点的灰度值进行差值运算，并对运算结果取绝对值，就能够得到目标图像的边缘检测图像的灰度值信息。

基于此，本发明提供了一种获取图像边缘检测算子的方法，通过本发明的方法得到的图像边缘检测算子，检测用的数据窗口只要2×2数据窗口即可，运算量非常小。并且，该图像边缘检测算子由于融合了窗口数据加权平均(图像的双线性插值处理过程)以及目标像素微小偏移(图像的降采样处理过程)的作用，极大的提高了抗噪声性能，适用性更好。

下面结合附图，详细介绍本发明的具体实施例。

如图4所示，图4示出的是本发明公开的一种获取图像边缘检测算子的方法的流程图，该方法包括：

步骤11、在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点。

本发明中，任意选取一幅数字图像作为目标图像，获取目标图像后，在目标图像中，任意选取一个像素点作为第一目标像素点，并在该目标图像中划分出一个四邻域，四邻域中包括第一目标像素点，并且，在该四邻域中，第一目标像素点位于四邻域的左上角，其行数索引和列数索引在四邻域中均最小，本文中，采用行数索引和列数索引，表示像素点在数字图像中所处的行数和列数。

步骤12、对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系。

以预设插值倍率，对目标图像进行双线性插值处理后，得到目标图像的插值图像，在插值图像中，任意选取一个插入四邻域中的像素点作为第二目标像素点，优选的，为了之后的图像边缘检测的效果更好，选择位于四邻域中，倒数第二行像素点和倒数第二列像素点相交位置的像素点作为第二目标像素点。其中，插值倍率指的是，对图像进行插值处理时，对图像进行缩放的倍率，本文中，将对图像进行缩放的倍率定义为插值倍率，预设插值倍率的值可以随意设定。

步骤13、根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式，所述图像边缘检测函数关系式用于计算所述第一目标像素点的灰度值与所述第二目标像素点的灰度值的差值。

在获取目标图像后，能够获取目标图像的灰度值数据，本文中，图像的灰度值数据包括图像中每一个像素点对应的灰度值。

在插值图像中，确定第一目标像素点与第二目标像素点在四邻域中的位置关系之后，根据双线性插值公式，能够采用第一目标像素点的灰度值以及四邻域中其它像素点的灰度值计算出第二目标像素点的灰度值，亦即能够确定出第一目标像素点的灰度值与第二目标像素点的灰度值之间的灰度值函数关系式，将该灰度值函数关系式变形之后，就可以获得差值函数关系式，用于计算第一目标像素点的灰度值与第二目标像素点的灰度值的差值。

将目标图像中每一个像素点分别作为第一目标像素点，确定出每一个第一目标像素点对应的第二目标像素点，采用上述差值函数关系式，计算出每一对第一目标像素点的灰度值与第二目标像素点的灰度值的差值后，对差值进行绝对值运算就可以得到目标图像的边缘检测图像的灰度值信息，因而，本发明中将差值函数关系式定义为图像边缘检测函数关系式，亦即采用该图像边缘检测函数关系式对每一对第一目标像素点的灰度值与第二目标像素点的灰度值进行运算后，对运算结果取绝对值就可以获得目标图像的边缘检测图像的灰度值信息，即获得以灰度值信息表征的目标图像的图像边缘检测结果，根据这些灰度值信息，能够绘制出目标图像的边缘检测图像，边缘检测图像中的高亮显示位置为目标图像的边缘位置。

步骤14、根据所述图像边缘检测函数关系式确定图像边缘检测算子。

将任意一幅数字图像作为目标图像，都可以采用步骤11至步骤13的方法，获得该目标图像的边缘检测图像的灰度值信息，但这个过程运算量较大，为了简化运算步骤，减小运算量，可以将图像边缘检测函数关系式变形为卷积形式，之后可以从卷积形式的图像边缘检测函数关系式中提取出通用的图像边缘检测算子，该图像边缘检测算子可以应用于任何数字图像的图像边缘检测中。

通过本实施例提供的方法，可以获得一种通用的图像边缘检测算子，将该图像边缘检测算子应用于待检测图像的图像边缘检测技术中时，仅需要2×2的数据窗口，即可对待检测图像进行图像边缘检测，运算量非常小，同时由于采用该图像边缘检测算子对待检测图像进行图像边缘检测的过程，融合了窗口数据加权平均(图像的双线性插值处理过程)以及目标像素微小偏移的作用(图像的降采样处理过程)，使得检测结果受噪声影响较小，检测后，根据检测得到的边缘检测图像的灰度值信息绘制的边缘检测图像中，待检测图像的边缘更加清晰。

如图5所示，图5示出的是本发明公开的另一种获取图像边缘检测算子的方法的流程图，该方法包括：

步骤21、在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点。

具体实施时，将所述第一目标像素点的灰度值记为G(i,j)，将所述四邻域中其它像素点的灰度值分别记为G(i,j+1)，G(i+1,j)，G(i+1,j+1)。

步骤22、对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系。

步骤23、根据所述位置关系，以及双线性插值公式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一灰度值函数关系式。

在本实施例中，第一灰度值函数关系式如下：

D(u,v)＝(1-u)(1-v)*G(i,j)+u(1-v)*G(i,j+1)+(1-u)v*G(i+1,j)+uv*G(i+1,j+1)。

对目标图像进行双线性插值处理后，得到目标图像的插值图像，第一灰度值函数关系式表明，在插值图像中，明确第一目标像素点与第二目标像素点在四邻域中的位置关系后，就可以利用双线性插值公式以及第一目标像素点的灰度值和四邻域中其它像素点的灰度值，计算出第二目标像素点的灰度值，亦即根据第一目标像素点与第二目标像素点在插值图像中的位置关系，获得第一目标像素点的灰度值与第二目标像素点的灰度值的第一灰度值函数关系式。

步骤24、确定所述目标图像中的每一个像素点作为第一目标像素点时，所述插值图像中对应的第二目标像素点。

对于目标图像中的每一个像素点，将其作为第一目标像素点时，在对应的插值图像中，均有一个第二目标像素点与其对应。在插值图像中，确定出每一个第一目标像素点对应的第二目标像素点。

步骤25、提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像。

将插值图像中的所有第二目标像素点单独提出，按照对应的第一目标像素点在目标图像中的排列规则，将提出的第二目标像素点重新排列，组成一幅新的图像，本文中，将该新的图像定义为参考图像。

步骤26、根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一灰度值函数关系式，确定出关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二灰度值函数关系式。

在本实施例中，第二灰度值函数关系式如下：

D(i,j)＝(1-u)(1-v)*G(i,j)+u(1-v)*G(i,j+1)+(1-u)v*G(i+1,j)+uv*G(i+1,j+1)。

对于一对相互对应的第一目标像素点和第二目标像素点，第二目标像素点在参考图像中的位置坐标，与第一目标像素点在目标图像中的位置坐标相对应，两者在各自图像中的行数索引和列数索引均相同。基于此，结合第一目标像素点与第二目标像素点在插值图像中的位置对应关系，第一灰度值函数关系式可以变为第二灰度值函数关系式。

步骤27、根据所述第二灰度值函数关系式，确定出图像边缘检测函数关系式。

在本实施例中，图像边缘检测函数关系式如下：

$\begin{array}{c}G(i,j)-D(i,j)=(v+u-uv)*G(i,j)+u(v-1)*G(i,j+1)+(u-1)v*G(i+1,j)-uv*\\ G(i+1,j+1)\end{array}.$

对于目标图像与参考图像，参考图像中像素点的数目与目标图像中像素点的数目相同，且参考图像中与目标图像中，像素点的排列规则也相同，因此，参考图像的大小与目标图像的大小也相同，参考图像与目标图像的信息基本相同，两者之间仅存在一个亚像素级别的偏移。因此，通过对相应的目标图像中的第一目标像素点的灰度值与参考图像中的第二目标像素点的灰度值进行差值运算，并对差值运算的结果再次进行绝对值运算后，即可获得目标图像的边缘检测图像的灰度值信息。

基于此，将第二灰度值函数关系式变形后，获得差值函数关系式，用于计算第一目标像素点的灰度值与第二目标像素点的灰度值的差值。本文中，将该差值函数关系式定义为图像边缘检测函数关系式，通过该图像边缘检测函数关系式，对目标图像中的每一个像素点都进行相应的运算后，能够获得目标图像的边缘检测图像的灰度值信息，即获得以灰度值信息表征的目标图像的图像边缘检测结果，根据这些灰度值信息，能够绘制出目标图像的边缘检测图像，边缘检测图像中的高亮显示位置为目标图像的边缘位置。

步骤28、将所述图像边缘检测函数关系式变换为卷积形式的图像边缘检测函数关系式。

在本实施例中，卷积形式的图像边缘检测函数关系式如下：

$G(i,j)-D(i,j)=\left(\begin{array}{cc}v+u-uv& v(u-1)\\ u(v-1)& -uv\end{array}\right)\left(\begin{array}{cc}G(i,j)& G(i,j+1)\\ G(i+1,j)& G(i+1,j+1)\end{array}\right).$

步骤29、根据所述卷积形式的图像边缘检测函数关系式确定出图像边缘检测算子。

在本实施例中，图像边缘检测算子如下：

$\left(\begin{array}{cc}v+u-uv& v(u-1)\\ u(v-1)& -uv\end{array}\right).$

其中，G(i,j)代表目标图像中第i行第j列的像素点的灰度值；D(i,j)代表参考图像中第i行第j列的像素点的灰度值；G(i,j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1,j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1,j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。

在具体对某一幅待检测数字图像进行图像边缘检测时，根据获得的针对该待检测数字图像的预设插值倍率M，按照公式N的取值范围为1～M，M和N的值可以随意设置，计算出u和v的值之后，就可以获得相应的具体图像边缘检测算子，采用具体图像边缘检测算子即可对待检测数字图像进行图像边缘检测，无需再运算上述步骤21至步骤28，即可获得所述待检测数字图像的边缘检测图像的灰度值信息，可以将该图像边缘检测算子应用到任意的数字图像的图像边缘检测中。

令图像边缘检测算子中u＝0，可以得到横向图像边缘检测算子用于对数字图像的横向边缘进行检测；同理，令图像边缘检测算子中v＝0，可以得到纵向图像边缘检测算子用于对数字图像的纵向边缘进行检测。

本实施例提供的方法，通过对目标图像进行双线性插值处理和降采样处理后，采用目标图像的灰度值与经过双重处理后的图像的灰度值做差值，获得目标图像的边缘检测图像的灰度值信息，进而获得通用的图像边缘检测算子，采用该图像边缘检测算子对待检测图像进行图像边缘检测时，由于融合了窗口数据加权平均(图像的双线性插值处理过程)以及目标像素微小偏移(图像的降采样处理过程)的作用，使得检测结果受噪声影响较小，检测后根据得到的边缘检测图像的灰度值信息绘制的边缘检测图像中，待检测图像的轮廓更加清晰。并且，由该图像边缘检测算子可以得到横向图像边缘检测算子，能够对待检测图像进行横向边缘检测，同理，由该图像边缘检测算子也可以得到纵向图像边缘检测算子，能够对待检测图像进行纵向边缘检测，应用更加灵活，适用性更好。

如图6所示，图6示出的是本发明公开的一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的方法的流程图，该方法包括：

步骤31、根据针对待检测图像的预设插值倍率以及所述图像边缘检测算子，确定针对所述待检测图像的具体图像边缘检测算子。

在确定待检测图像之后，获取待检测图像相关的预设插值倍率M，根据预设插值倍率M计算出图像边缘检测算子中u和v的值，其中，N的取值范围为1～M，M和N的值可以随意设置，进而确定具体图像边缘检测算子，以便用于之后的待检测图像的图像边缘检测中。

步骤32、在获得的待检测图像的最后一行像素点的下方增加一行像素点，在其最后一列像素点的右侧增加一列像素点，得到实际检测图像；增加的一行像素点通过复制待检测图像的倒数第二行的像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列的像素点获得。

具体图像边缘检测算子是一个2×2的算子，采用该算子进行图像边缘检测时，需要一个2×2的数据窗口，对于待检测图像的最后一行像素点和最后一列像素点的灰度值信息，无法采用该算子进行检测，因此，需要在待检测图像的最后一行像素点的下方增加一行像素点，以便能够采用该算子对待检测图像的最后一行像素点的灰度值信息进行检测，同理，需要在待检测图像的最后一列像素点的右侧增加一列像素点，以便能够采用该算子对待检测图像的最后一列像素点的灰度值信息进行检测。

为了保证增加的一行像素点与增加的一列像素点，不会对待检测图像的灰度值信息造成太大的影响，在待检测图像中增加的一行像素点和增加的一列像素点通过以下方式获得：增加的一行像素点通过复制待检测图像的倒数第二行像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列像素点获得。

步骤33、采用所述具体图像边缘检测算子对所述实际检测图像进行图像边缘检测，从而获得所述待检测图像的边缘检测图像的灰度值信息。

在待检测图像中增加一行像素点和一列像素点，获得实际检测图像后，从实际检测图像中，行数索引和列数索引均为第一的像素点开始，依次在实际检测图像中选取2×2数据窗口的灰度值数据，与具体图像边缘检测算子进行卷积，遍历完整幅实际检测图像之后，便可获得待检测图像的边缘检测图像的灰度值信息，即获得以灰度值信息表征的待检测图像的图像边缘检测结果，根据这些灰度值信息，能够绘制出待检测图像的边缘检测图像，边缘检测图像中的高亮显示位置为待检测图像的边缘位置。

采用本实施例提供的方法，只要对待检测图像稍作处理，即可采用本发明提供的图像边缘检测算子对处理后的待检测图像进行图像边缘检测，进而获得待检测图像的边缘检测图像的灰度值信息，整个运算过程，运算量非常小，并且由于采用本发明提供的图像边缘检测算子，对待检测图像进行图像边缘检测时，检测结果受噪声影响较小，检测后，根据得到的灰度值信息绘制的边缘检测图像中，待检测图像的边缘更加清晰。

如图7所示，图7示出的是本发明公开的另一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的方法的流程图，该方法包括：

步骤41、获取针对待检测图像的预设插值倍率。

具体实施时，将预设差值倍率记为M。

步骤42、根据所述预设插值倍率，确定u和v的值。

在本实施例中，按照公式确定u和v的值。

在上述获取图像边缘检测算子的过程中，如果每一个第二目标像素点均位于相应四邻域中倒数第二行像素点和倒数第二列像素点相交的位置，得到的参考图像与目标图像的偏移最大，按照此种方式获得的图像边缘检测算子，被应用于之后对待检测图像进行图像边缘检测中，得到的边缘检测图像中，待检测图像的边缘更加清晰。按照此种方式，对应的u和v的值按照公式确定。

步骤43、根据所述u和v的值以及所述图像边缘检测算子，确定所述具体图像边缘检测算子。

在本实施例中，将具体图像边缘检测算子记为A。将u和v的值代入图像边缘检测算子中计算，便可获得具体图像边缘检测算子A。

步骤44、在获得的待检测图像的最后一行像素点的下方增加一行像素点，在其最后一列像素点的右侧增加一列像素点，得到实际检测图像；增加的一行像素点通过复制待检测图像的倒数第二行像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列像素点获得。

步骤45、获取所述待检测图像的灰度值数据，并根据所述待检测图像的灰度值数据确定所述实际检测图像的灰度值数据。

将待检测图像的倒数第二行像素点的灰度值数据增加至待检测图像的最后一行像素点的灰度值数据的下方，将待检测图像的倒数第二列像素点的灰度值数据增加至待检测图像的最后一列像素点的灰度值数据的右侧，便可得到实际检测图像的灰度值数据。

步骤46、采用所述具体图像边缘检测算子与所述实际检测图像的灰度值数据进行卷积，从而获得所述待检测图像的边缘检测图像的灰度值信息。

具体实施时，按照公式采用所述具体图像边缘检测算子与所述实际检测图像的灰度值数据进行卷积，从而获得所述待检测图像的边缘检测图像的灰度值信息。

其中，D代表所述待检测图像的边缘检测图像中像素点的灰度值，I′代表所述实际检测图像中2×2数据窗口的灰度值数据，A代表所述具体图像边缘检测算子，|·|表示绝对值运算，表示向下取整。

采用具体图像边缘检测算子与实际检测图像的灰度值数据进行卷积后，得到的卷积结果会出现浮点数，考虑到数字图像的灰度值均以整数表示，对卷积结果进行取整运算，本文中取整运算是指：取小于浮点数的最大整数作为相应浮点数的取整结果，即向下取整。

按照上述公式计算得到待检测图像的边缘检测图像的灰度值信息后，即获得以灰度值信息表征的待检测图像的边缘检测结果后，根据得到的灰度值信息进行绘图，即可得到待检测图像的边缘检测图像，在边缘检测图像中，待检测图像的边缘位置为高亮显示。

采用本实施例提供的方法，由于在确定具体图像边缘检测算子的过程中，u和v的值按照公式确定，采用此方式确定的具体图像边缘检测算子对待检测图像进行图像边缘检测后，根据得到的边缘检测图像的灰度值信息，绘制的边缘检测图像中，待检测图像的边缘最为清晰。

与上述获取图像边缘检测算子的方法以及采用上述图像边缘检测算子对待检测图像进行图像边缘检测的方法相对应，本发明实施例还公开了一种获取图像边缘检测算子的装置以及采用上述图像边缘检测算子对待检测图像进行图像边缘检测的装置。

如图8所示，图8示出的是本发明公开的一种获取图像边缘检测算子的装置的结构框图，该装置包括：

区域划分模块51，用于在目标图像中，划分出一个包括第一目标像素点的四邻域；所述第一目标像素点为所述四邻域中行数索引和列数索引均最小的像素点；

插值处理模块52，用于对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；

第一确定模块53，用于根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式，所述图像边缘检测函数关系式用于计算所述第一目标像素点的灰度值与所述第二目标像素点的灰度值的差值；

第二确定模块54，用于根据所述图像边缘检测函数关系式确定图像边缘检测算子。

采用本实施例提供的装置，可以获得一种通用的图像边缘检测算子，将该图像边缘检测算子应用于待检测图像的图像边缘检测技术中，在减小运算量的同时，极大的提高了抗噪声能力，使得检测后，根据检测得到的灰度值信息绘制得到的边缘检测图像中，待检测图像的轮廓更加清晰。

如图9所示，图9示出的是本发明公开的另一种获取图像边缘检测算子的装置的结构框图，该装置包括：区域划分模块51，插值处理模块52，第一确定模块53以及第二确定模块54；

其中，插值处理模块52包括：

插值处理单元521，用于以预设插值倍率，对所述目标图像进行双线性插值处理，获得所述目标图像的插值图像；

像素点选取单元522，用于在所述插值图像中，选择插入所述四邻域中的第二目标像素点，所述第二目标像素点位于所述四邻域中倒数第二行像素点和倒数第二列像素点相交的位置；

第一确定模块53具体用于：

根据所述位置关系，以及双线性插值公式，确定出下述关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第一函数关系式；

D(u,v)＝(1-u)(1-v)*G(i,j)+u(1-v)*G(i,j+1)+(1-u)v*G(i+1,j)+uv*G(i+1,j+1)；

确定所述目标图像中的每一个像素点作为第一目标像素点时，所述插值图像中对应的第二目标像素点；

提取所述插值图像中所有所述第二目标像素点，按照所述目标图像中所述第一目标像素点的排列规则，将所有所述第二目标像素点重新排列，组成参考图像；

根据所述第二目标像素点在所述参考图像中的位置坐标以及所述第一函数关系式，确定出下述关于所述第一目标像素点的灰度值与所述第二目标像素点的灰度值之间的第二函数关系式；

D(i,j)＝(1-u)(1-v)*G(i,j)+u(1-v)*G(i,j+1)+(1-u)v*G(i+1,j)+uv*G(i+1,j+1)；

根据所述第二函数关系式，确定出下述图像边缘检测函数关系式；

$\begin{array}{c}G(i,j)-D(i,j)=(v+u-uv)*G(i,j)+u(v-1)*G(i,j+1)+(u-1)v*G(i+1,j)-uv*\\ G(i+1,j+1)\end{array};$

第二确定模块54具体用于：

将所述图像边缘检测函数关系式变换为下述卷积形式的图像边缘检测函数关系式；

$G(i,j)-D(i,j)=\left(\begin{array}{cc}v+u-uv& v(u-1)\\ u(v-1)& -uv\end{array}\right)\left(\begin{array}{cc}G(i,j)& G(i,j+1)\\ G(i+1,j)& G(i+1,j+1)\end{array}\right);$

根据所述卷积形式的图像边缘检测函数关系式确定出下述图像边缘检测算子；

$\left(\begin{array}{cc}v+u-uv& v(u-1)\\ u(v-1)& -uv\end{array}\right);$

其中，G(i,j)代表目标图像中第i行第j列的像素点的灰度值；D(i,j)代表参考图像中第i行第j列的像素点的灰度值；G(i,j+1)代表目标图像中第i行第j+1列的像素点的灰度值；G(i+1,j)代表目标图像中第i+1行第j列的像素点的灰度值；G(i+1,j+1)代表目标图像中第i+1行第j+1列的像素点的灰度值；u代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的横向距离；v代表在插值图像中，第二目标像素点至与其对应的第一目标像素点的纵向距离。

通过本实施例提供的装置获得的图像边缘检测算子，由于融合了窗口数据加权平均(图像的双线性插值处理过程)以及目标像素微小偏移(图像的降采样处理过程)的作用，将其应用于待检测图像的图像边缘检测中，检测结果受噪声影响较小，根据检测后得到的灰度值信息，绘制得到的边缘检测图像中，待检测图像的轮廓更加清晰。

如图10所示，图10示出的是本发明公开的一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的装置，该装置包括：

第三确定模块61，用于根据针对待检测图像的预设插值倍率以及所述图像边缘检测算子，确定针对所述待检测图像的具体图像边缘检测算子；

图像处理模块62，用于在获得的待检测图像的最后一行像素点的下方增加一行像素点，在其最后一列像素点的右侧增加一列像素点，得到实际检测图像；增加的一行像素点通过复制待检测图像的倒数第二行像素点获得，增加的一列像素点通过复制待检测图像的倒数第二列像素点获得；

图像边缘检测模块63，用于采用所述具体图像边缘检测算子对所述实际检测图像进行图像边缘检测，从而获得所述待检测图像的边缘检测图像的灰度值信息。

采用本实施例提供的装置，对待检测图像进行图像边缘检测时，检测结果受噪声影响较小，检测后，根据得到的灰度值信息绘制的边缘检测图像中，待检测图像的边缘更加清晰。

如图11所示，图11示出的是本发明公开的另一种采用上述图像边缘检测算子对待检测图像进行图像边缘检测的装置，该装置包括：第三确定模块61，图像处理模块62，图像边缘检测模块63；

其中，第三确定模块61具体用于：

获取针对待检测图像的预设插值倍率M；

根据所述预设插值倍率M，按照下述公式确定u和v的值；

$u=v=\frac{M}{1+M};$

根据所述u和v的值以及所述图像边缘检测算子，确定所述具体图像边缘检测算子。

图像边缘检测模块63包括：

灰度值数据获取单元631，用于获取所述待检测图像的灰度值数据，并根据所述待检测图像的灰度值数据确定所述实际检测图像的灰度值数据；

图像边缘检测单元632，用于按照下述公式，采用所述具体图像边缘检测算子与所述实际检测图像的灰度值数据进行卷积，从而获得所述待检测图像的边缘检测图像的灰度值信息；

其中，D代表待检测图像的边缘检测图像中像素点的灰度值，I′代表所述实际检测图像中2×2数据窗口的灰度值数据，A代表所述具体图像边缘检测算子，|·|表示绝对值运算，表示向下取整。

采用本实施例提供的装置，对待检测图像进行图像边缘检测时，由于在确定具体图像边缘检测算子的过程中，u和v的值按照公式确定，使得检测后，根据得到的边缘检测图像的灰度值信息，绘制的边缘检测图像中，待检测图像的边缘最为清晰。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。