基于密度的圖像處理方法、圖像處理裝置和設備與流程

本發明涉及圖像處理技術領域，具體而言，涉及一種基于密度的圖像處理方法、一種基于密度的圖像處理裝置和一種具有圖像處理功能的設備。

背景技術：

近年以來，隨著人工智能以及大數據技術的快速發展，越來越多的產品開始向智能化發展，較之非智能化產品，智能化產品具有功能更加強大，用戶的體驗更加舒適等特點。在眾多智能化方向里，圖像識別是智能化中舉足輕重的領域，一個完整的圖像識別系統以圖像作為輸入信息，通過不同的方法對圖像內的物件進行識別，最后輸出識別結果。但在識別圖像中，由于存在較多復雜背景以及非目標物，會對識別結果造成極大的影響，故在識別圖像之前，需要對圖像做分割處理，以提取純凈的圖像，剔除復雜背景及非目標物。

目前主流的圖像分割方法，多采用閾值分割、顏色梯度分割、以及邊緣分割，根據上述原理，派生出大量的具有普適性的分割方法，但上述算法在特定的細分場景里分割效果不佳，且分割耗時長。尤其是對于紋理復雜多變、顏色變化大的圖像，現有技術中的分割效果不佳。

當前的圖像分割方法主要基于兩種方式，分別為基于邊緣和基于區域的分割方法，其中，如果圖像中存在復雜不規則的交叉紋理，則無法準確地剔除圖像中的非目標物體，而基于區域的分割算法也由于圖像內容的多樣性也會經常導致分割錯誤，且分割時間過長實時性差，無法自動剔除非目標物。

因此，如何準確地剔除圖像中的非目標物，以及提高圖像識別的準確率與速度，從而保證圖像識別的準確率與實時性成為亟待解決的技術問題。

技術實現要素：

本發明旨在至少解決現有技術或相關技術中存在的技術問題之一。

為此，本發明的一個目的在于提出了一種基于密度的圖像處理方法。

本發明的另一個目的在于提出了一種基于密度的圖像處理裝置。

本發明的又一個目的在于提出了一種具有圖像處理功能的設備。

為實現上述至少一個目的，根據本發明的第一方面的實施例，提出了一種基于密度的圖像處理方法，包括：對待處理的圖像進行邊緣提取處理；使用目標卷積核，以卷積步長對經過邊緣提取處理的圖像進行卷積，以得到邊緣密度點空間；使用密度閾值對所述邊緣密度點空間中的點進行篩選；獲取篩選后的邊緣密度點空間中的目標連通域；根據所述目標連通域，確定所述圖像中目標物的邊界。

根據本發明的實施例的基于密度的圖像處理方法，通過卷積原理得到圖像的邊緣密度點空間，并以密度閾值作為主要判定依據，對邊緣密度點空間中的點進行篩選來確定圖像中目標物的邊界，即使圖像中存在復雜不規則的交叉紋理或者圖像內容的多樣性，例如，食物圖像，也可以準確地剔除圖像中的非目標物，從而準確地對圖像進行分割，進而提高圖像識別的準確率。另外，本方案的算法靈活度較高，可以通過調整目標卷積核、卷積步長和密度閾值來調整圖像處理的速度和效果，從而保證圖像識別的準確率與實時性。

根據本發明的上述實施例的基于密度的圖像處理方法，還可以具有以下技術特征：

根據本發明的一個實施例，在對所述經過邊緣提取處理的圖像進行卷積之前，還包括：對所述經過邊緣提取處理的圖像進行邊界擴展處理，以對經過邊界擴展處理的圖像進行卷積，其中，當所述經過邊緣提取處理的圖像的空間為p(x，y)時，所述經過邊界擴展處理的圖像的空間為H(x，y)，

H.rows為所述經過邊緣提取處理的圖像的寬度，H.cols為所述經過邊緣提取處理的圖像的高度。

根據本發明的實施例的基于密度的圖像處理方法，通過進行邊界擴展處理，可以避免對圖像進行卷積時卷積到邊界之外的點，從而保證了卷積的準確性和可靠性。

根據本發明的一個實施例，當所述目標卷積核為h(x，y)，(0＜x＜h.rows，0＜y＜h.cols)，h.rows為所述目標卷積核的寬度，h.cols為所述目標卷積核的高度時，所述邊緣密度點空間為Con(x，y)，

其中，s為所述卷積步長，k為正整數，x∈(0,H.rows)，y∈(0,H.cols)。

根據本發明的實施例的基于密度的圖像處理方法，邊緣密度點空間符合上述公式，可以保證卷積后所得到的邊緣密度點空間的寬度和高度與原圖一致，進一步地準確地確定出圖像中目標物的邊界。另外，為了保證計算邊緣密度點空間的速度，可以通過設置合適的卷積步長來實現，卷積步長越大則耗時越少，得到的密度點空間越稀疏。

根據本發明的一個實施例，所述篩選后的邊緣密度點空間為Cone(x，y)：

其中，Con(x，y)為所述邊緣密度點空間，e為所述密度閾值。

根據本發明的實施例的基于密度的圖像處理方法，通過對邊緣密度點空間中的點進行篩選，得到上述中的篩選后的邊緣密度點空間，從而剔除了圖像中的非目標物，保證了被識別的圖像更加純凈，進而保證了圖像識別的準確率。

根據本發明的一個實施例，所述獲取篩選后的邊緣密度點空間中的目標連通域，具體包括：使用膨脹窗口對所述篩選后的邊緣密度點空間進行膨脹處理，以將所述篩選后的邊緣密度點空間中的相鄰點連接成連通域；選擇面積最大的連通域作為所述目標連通域。

根據本發明的實施例的基于密度的圖像處理方法，由于目標物所在的區域擁有的相鄰點數量最多，因此，通過將相鄰點連接，可以確定出目標物的邊界。另外，通過對篩選后的邊緣密度點空間進行膨脹處理，從而比較全面地過濾掉圖像中的非目標物，進而保證了最終確定的目標物更加純凈。

根據本發明的一個實施例，所述膨脹窗口的邊長大于所述卷積步長的一半。

根據本發明的實施例的基于密度的圖像處理方法，由于膨脹窗口的邊長大于卷積步長的一半，因此，膨脹處理后的密度點空間中的相鄰點會連接為連通域，此時，面積最大的連通域則對應目標物。

根據本發明的第二方面的實施例，提出了一種基于密度的圖像處理裝置，包括：邊緣提取單元，用于對待處理的圖像進行邊緣提取處理；卷積單元，用于使用目標卷積核，以卷積步長對經過邊緣提取處理的圖像進行卷積，以得到邊緣密度點空間；篩選單元，用于使用密度閾值對所述邊緣密度點空間中的點進行篩選；獲取單元，用于獲取篩選后的邊緣密度點空間中的目標連通域；確定單元，用于根據所述目標連通域，確定所述圖像中目標物的邊界。

根據本發明的實施例的基于密度的圖像處理裝置，通過卷積原理得到圖像的邊緣密度點空間，并以密度閾值作為主要判定依據，對邊緣密度點空間中的點進行篩選來確定圖像中目標物的邊界，即使圖像中存在復雜不規則的交叉紋理或者圖像內容的多樣性，例如，食物圖像，也可以準確地剔除圖像中的非目標物，從而準確地對圖像進行分割，進而提高圖像識別的準確率。另外，本方案的算法靈活度較高，可以通過調整目標卷積核、卷積步長和密度閾值來調整圖像處理的速度和效果，從而保證圖像識別的準確率與實時性。

根據本發明的一個實施例，還包括：邊界擴展單元，用于對所述經過邊緣提取處理的圖像進行邊界擴展處理，以對經過邊界擴展處理的圖像進行卷積，其中，當所述經過邊緣提取處理的圖像的空間為p(x，y)時，所述經過邊界擴展處理的圖像的空間為H(x，y)，

H.rows為所述經過邊緣提取處理的圖像的寬度，H.cols為所述經過邊緣提取處理的圖像的高度。

根據本發明的實施例的基于密度的圖像處理裝置，通過進行邊界擴展處理，可以避免對圖像進行卷積時卷積到邊界之外的點，從而保證了卷積的準確性和可靠性。

根據本發明的一個實施例，當所述目標卷積核為h(x，y)，(0＜x＜h.rows，0＜y＜h.cols)，h.rows為所述目標卷積核的寬度，h.cols為所述目標卷積核的高度時，所述邊緣密度點空間為Con(x，y)，

其中，s為所述卷積步長，k為正整數，x∈(0,H.rows)，y∈(0,H.cols)。

根據本發明的實施例的基于密度的圖像處理裝置，邊緣密度點空間符合上述公式，可以保證卷積后所得到的邊緣密度點空間的寬度和高度與原圖一致，進一步地準確地確定出圖像中目標物的邊界。另外，為了保證計算邊緣密度點空間的速度，可以通過設置合適的卷積步長來實現，卷積步長越大則耗時越少，得到的密度點空間越稀疏。

根據本發明的一個實施例，所述篩選后的邊緣密度點空間為Cone(x，y)：

其中，Con(x，y)為所述邊緣密度點空間，e為所述密度閾值。

根據本發明的實施例的基于密度的圖像處理裝置，通過對邊緣密度點空間中的點進行篩選，得到上述中的篩選后的邊緣密度點空間，從而剔除了圖像中的非目標物，保證了被識別的圖像更加純凈，進而保證了圖像識別的準確率。

根據本發明的一個實施例，所述獲取單元包括：連接子單元，用于使用膨脹窗口對所述篩選后的邊緣密度點空間進行膨脹處理，以將所述篩選后的邊緣密度點空間中的相鄰點連接成連通域；選擇子單元，用于選擇面積最大的連通域作為所述目標連通域。

根據本發明的實施例的基于密度的圖像處理裝置，由于目標物所在的區域擁有的相鄰點數量最多，因此，通過將相鄰點連接，可以確定出目標物的邊界。另外，通過對篩選后的邊緣密度點空間進行膨脹處理，從而比較全面地過濾掉圖像中的非目標物，進而保證了最終確定的目標物更加純凈。

根據本發明的一個實施例，所述膨脹窗口的邊長大于所述卷積步長的一半。

根據本發明的實施例的基于密度的圖像處理裝置，由于膨脹窗口的邊長大于卷積步長的一半，因此，膨脹處理后的密度點空間中的相鄰點會連接為連通域，此時，面積最大的連通域則對應目標物。

根據本發明的第三方面的實施例，提出了一種具有圖像處理功能的設備，包括上述技術方案中任一項所述的基于密度的圖像處理裝置，因此，該設備具有和上述技術方案中任一項所述的基于密度的圖像處理裝置相同的技術效果，在此不再贅述。

本發明的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。

附圖說明

本發明的上述和/或附加的方面和優點從結合下面附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1示出了根據本發明的一個實施例的基于密度的圖像處理方法的示意流程圖；

圖2示出了根據本發明的另一個實施例的基于密度的圖像處理方法的示意流程圖；

圖3示出了根據本發明的實施例的基于密度的圖像處理裝置的示意框圖；

圖4示出了根據本發明的實施例的具有圖像處理功能的設備的示意框圖。

具體實施方式

為了能夠更清楚地理解本發明的上述目的、特征和優點，下面結合附圖和具體實施方式對本發明進行進一步的詳細描述。需要說明的是，在不沖突的情況下，本申請的實施例及實施例中的特征可以相互組合。

在下面的描述中闡述了很多具體細節以便于充分理解本發明，但是，本發明還可以采用其他不同于在此描述的其他方式來實施，因此，本發明的保護范圍并不受下面公開的具體實施例的限制。

實施例一

如圖1所示，根據本發明的一個實施例的基于密度的圖像處理方法，包括：

步驟102，對待處理的圖像進行邊緣提取處理。

步驟104，使用目標卷積核，以卷積步長對經過邊緣提取處理的圖像進行卷積，以得到邊緣密度點空間。

其中，當目標卷積核為h(x，y)，(0＜x＜h.rows，0＜y＜h.cols)，h.rows為所述目標卷積核的寬度，h.cols為目標卷積核的高度時，邊緣密度點空間為Con(x，y)，

p(x，y)表示經過邊緣提取處理的圖像的空間，s為卷積步長，k為正整數，x∈(0,H.rows)，y∈(0,H.cols)。

為了保證計算邊緣密度點空間的速度，可以通過設置合適的卷積步長來實現，卷積步長越大則耗時越少，得到的密度點空間越稀疏。

例如，目標卷積核為全1的卷積核。或者目標卷積核為其他的函數的卷積核，例如高斯函數。

步驟106，使用密度閾值對所述邊緣密度點空間中的點進行篩選。

若所述密度閾值為e，則所述篩選后的邊緣密度點空間Cone(x，y)為：

通過對邊緣密度點空間中的點進行篩選，得到上述中的篩選后的邊緣密度點空間，從而剔除了圖像中的非目標物，保證了被識別的圖像更加純凈，進而保證了圖像識別的準確率。

步驟108，獲取篩選后的邊緣密度點空間中的目標連通域。

優選地，步驟108具體包括：使用膨脹窗口對所述篩選后的邊緣密度點空間進行膨脹處理，以將所述篩選后的邊緣密度點空間中的相鄰點連接成連通域；選擇面積最大的連通域作為所述目標連通域。

由于目標物所在的區域擁有的相鄰點數量最多，因此，通過將相鄰點連接，可以確定出目標物的邊界。另外，通過對篩選后的邊緣密度點空間進行膨脹處理，從而比較全面地過濾掉圖像中的非目標物，進而保證了最終確定的目標物更加純凈。

優選地，所述膨脹窗口的邊長大于所述卷積步長的一半。

由于膨脹窗口的邊長大于卷積步長的一半，因此，膨脹處理后的密度點空間中的相鄰點會連接為連通域，此時，面積最大的連通域則對應目標物。

步驟110，根據所述目標連通域，確定所述圖像中目標物的邊界。

在該技術方案中，通過卷積原理得到圖像的邊緣密度點空間，并以密度閾值作為主要判定依據，對邊緣密度點空間中的點進行篩選來確定圖像中目標物的邊界，即使圖像中存在復雜不規則的交叉紋理或者圖像內容的多樣性，例如，食物圖像，也可以準確地剔除圖像中的非目標物，從而準確地對圖像進行分割，進而提高圖像識別的準確率。另外，本方案的算法靈活度較高，可以通過調整目標卷積核、卷積步長和密度閾值來調整圖像處理的速度和效果，從而保證圖像識別的準確率與實時性。

實施例二

如圖2所示，根據本發明的另一個實施例的基于密度的圖像處理方法，包括：

步驟202，對待處理的圖像進行邊緣提取處理。

步驟202具體包括：將待處理的圖像轉換成灰度圖像，使用邊緣提取算法對灰度圖像做邊緣提取處理。

例如，加載待處理的圖像(如食物圖像)之后，將該圖像轉換成8位的灰度圖像，使用canny算法，提取灰度圖像的邊緣。

步驟204，對經過邊緣提取處理的圖像進行邊界擴展處理。

當經過邊緣提取處理的圖像的空間為p(x，y)時，經過邊界擴展處理的圖像的空間為H(x，y)，

H.rows為經過邊緣提取處理的圖像的寬度，H.cols為經過邊緣提取處理的圖像的高度。

步驟206，使用目標卷積核，以卷積步長對經過邊界擴展處理的圖像進行卷積，以得到邊緣密度點空間Con(x，y)。

優選地，邊緣密度點空間Con(x，y)為：

其中，s為卷積步長，k為正整數，x∈(0,H.rows)，y∈(0,H.cols)。

另外，為了保證計算邊緣密度點空間的速度，可以通過設置合適的卷積步長來實現，卷積步長越大則耗時越少，得到的密度點空間越稀疏。

步驟208，使用密度閾值(例如，密度閾值為40000)對邊緣密度點空間中的點進行篩選。

若密度閾值為e，則篩選后的邊緣密度點空間Cone(x，y)為：

步驟210，獲取篩選后的邊緣密度點空間中的目標連通域。

優選地，步驟210具體包括：使用膨脹窗口對所述篩選后的邊緣密度點空間進行膨脹處理；將經過膨脹處理后的邊緣密度點空間中的相鄰點連接組成連通域；選擇面積最大的連通域作為所述目標連通域。

優選地，膨脹窗口的邊長大于卷積步長的一半。例如，卷積步長為15，膨脹窗口邊長為8。

步驟212，根據所述目標連通域，確定所述圖像中目標物的邊界。

目標連通域的矩形邊界即為目標物的邊界。

在該技術方案中，通過卷積原理得到圖像的邊緣密度點空間，并以密度閾值作為主要判定依據，對邊緣密度點空間中的點進行篩選來確定圖像中目標物的邊界，即使圖像中存在復雜不規則的交叉紋理或者圖像內容的多樣性，例如，食物圖像，也可以準確地剔除圖像中的非目標物，從而準確地對圖像進行分割，進而提高圖像識別的準確率。另外，本方案的算法靈活度較高，可以通過調整目標卷積核、卷積步長和密度閾值來調整圖像處理的速度和效果，從而保證圖像識別的準確率與實時性。

圖3示出了根據本發明的實施例的基于密度的圖像處理裝置的示意框圖。

如圖3所示，根據本發明的實施例的基于密度的圖像處理裝置300，包括：邊緣提取單元302、卷積單元304、篩選單元306、獲取單元308和確定單元310。

邊緣提取單元302，用于對待處理的圖像進行邊緣提取處理；卷積單元304，用于使用目標卷積核，以卷積步長對經過邊緣提取處理的圖像進行卷積，以得到邊緣密度點空間；篩選單元306，用于使用密度閾值對所述邊緣密度點空間中的點進行篩選；獲取單元308，用于獲取篩選后的邊緣密度點空間中的目標連通域；確定單元310，用于根據所述目標連通域，確定所述圖像中目標物的邊界。

根據本發明的實施例的基于密度的圖像處理裝置300，通過卷積原理得到圖像的邊緣密度點空間，并以密度閾值作為主要判定依據，對邊緣密度點空間中的點進行篩選來確定圖像中目標物的邊界，即使圖像中存在復雜不規則的交叉紋理或者圖像內容的多樣性，例如，食物圖像，也可以準確地剔除圖像中的非目標物，從而準確地對圖像進行分割，進而提高圖像識別的準確率。另外，本方案的算法靈活度較高，可以通過調整目標卷積核、卷積步長和密度閾值來調整圖像處理的速度和效果，從而保證圖像識別的實時性。

根據本發明的一個實施例，還包括：邊界擴展單元312，用于對所述經過邊緣提取處理的圖像進行邊界擴展處理，以對經過邊界擴展處理的圖像進行卷積，其中，當所述經過邊緣提取處理的圖像的空間為p(x，y)時，所述經過邊界擴展處理的圖像的空間為H(x，y)，

H.rows為所述經過邊緣提取處理的圖像的寬度，H.cols為所述經過邊緣提取處理的圖像的高度。

根據本發明的實施例的基于密度的圖像處理裝置300，通過進行邊界擴展處理，可以避免對圖像進行卷積時卷積到邊界之外的點，從而保證了卷積的準確性和可靠性。

根據本發明的一個實施例，當所述目標卷積核為h(x，y)，(0＜x＜h.rows，0＜y＜h.cols)，h.rows為所述目標卷積核的寬度，h.cols為所述目標卷積核的高度時，所述邊緣密度點空間為Con(x，y)，

其中，s為所述卷積步長，k為正整數，x∈(0,H.rows)，y∈(0,H.cols)。

根據本發明的實施例的基于密度的圖像處理裝置300，邊緣密度點空間符合上述公式，可以保證卷積后所得到的邊緣密度點空間的寬度和高度與原圖一致，進一步地準確地確定出圖像中目標物的邊界。另外，為了保證計算邊緣密度點空間的速度，可以通過設置合適的卷積步長來實現，卷積步長越大則耗時越少，得到的密度點空間越稀疏。

根據本發明的一個實施例，所述篩選后的邊緣密度點空間為Cone(x，y)：

其中，Con(x，y)為所述邊緣密度點空間，e為所述密度閾值。

根據本發明的實施例的基于密度的圖像處理裝置300，通過對邊緣密度點空間中的點進行篩選，得到上述中的篩選后的邊緣密度點空間，從而剔除了圖像中的非目標物，保證了被識別的圖像更加純凈，進而保證了圖像識別的準確率。

根據本發明的一個實施例，所述獲取單元308包括：連接子單元3082，用于使用膨脹窗口對所述篩選后的邊緣密度點空間進行膨脹處理，以將所述篩選后的邊緣密度點空間中的相鄰點連接成連通域；選擇子單元3084，用于選擇面積最大的連通域作為所述目標連通域。

根據本發明的實施例的基于密度的圖像處理裝置300，由于目標物所在的區域擁有的相鄰點數量最多，因此，通過將相鄰點連接，可以確定出目標物的邊界。另外，通過對篩選后的邊緣密度點空間進行膨脹處理，從而比較全面地過濾掉圖像中的非目標物，進而保證了最終確定的目標物更加純凈。

根據本發明的一個實施例，所述膨脹窗口的邊長大于所述卷積步長的一半。

根據本發明的實施例的基于密度的圖像處理裝置300，由于膨脹窗口的邊長大于卷積步長的一半，因此，膨脹處理后的密度點空間中的相鄰點會連接為連通域，此時，面積最大的連通域則對應目標物。

圖4示出了根據本發明的實施例的具有圖像處理功能的設備的示意框圖。

如圖4所示，根據本發明的實施例的具有圖像處理功能的設備400，包括上述技術方案中任一項所述的基于密度的圖像處理裝置300，因此，該設備400具有和上述技術方案中任一項所述的基于密度的圖像處理裝置300相同的技術效果，在此不再贅述。

其中，具有圖像處理功能的設備400包括但不限于：家用電器、服務器和終端。

以上結合附圖詳細說明了本發明的技術方案，通過以上技術方案，可以準確地剔除圖像中的非目標物，以及提高圖像識別的準確率與速度，從而保證圖像識別的準確率與實時性。

在本發明中，術語“第一”、“第二”僅用于描述的目的，而不能理解為指示或暗示相對重要性；術語“多個”表示兩個或兩個以上。對于本領域的普通技術人員而言，可以根據具體情況理解上述術語在本發明中的具體含義。

以上所述僅為本發明的優選實施例而已，并不用于限制本發明，對于本領域的技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。