一種圖像分割方法及系統的制作方法
【專利摘要】本發明實施例提供了一種圖像分割方法及系統，方法包括：獲得待處理的目標圖像；計算目標圖像的灰度直方圖；基于灰度直方圖，計算目標圖像中像素點所涵蓋的各個像素值出現的概率；基于目標圖像所包含的像素點的數目和各個像素值出現的概率，利用預設的復雜度計算公式，計算目標圖像的復雜度；基于目標圖像的復雜度，利用預設的超像素分割數計算公式，計算超像素分割數；基于超像素分割數，對目標圖像進行分割。應用本發明實施例，可以根據圖像的具體情況自動確定圖像分割所需要的超像素數量，從而在降低圖像處理復雜度的同時避免出現欠分割的問題。
【專利說明】
一種圖像分割方法及系統
技術領域
[0001] 本發明涉及圖像處理技術領域，特別是涉及一種圖像分割方法及系統。
【背景技術】
[0002] 目前，可以將移動終端通過攝像頭采集到的圖像應用于多種領域，例如:可以將移 動終端通過攝像頭采集到圖像應用于定位技術，即將移動終端采集到的圖像與數據庫圖像 進行匹配，進而得到定位數據。但是，由于現有的移動終端中的攝像頭分辨率普遍超過了 1200萬像素，即所采集到的圖像數據量較大，即需要處理的數據量較大，而在移動終端的計 算能力和內存資源又較為有限，使得目前并不能廣泛的將移動終端采集到圖像應用于定位 技術。
[0003] 而目前常通過超像素分割Turbopixels算法對圖像進行處理，即對圖像進行超像 素分割，能夠有效地降低需要處理的圖像數據量，但是分割的超像素數量需要人為指定，當 將超像素數量設置的過大時，會在圖像進行分割時會出現欠分割的現象，當將超像素數量 設置的過小時，會增加需要處理的圖像數據量。
[0004] 因此，亟需提供一種新的圖像分割方案，以根據圖像具體情況自動確定圖像分割 所需要的超像素數量，從而在降低圖像處理復雜度的同時避免出現欠分割的問題。
【發明內容】
[0005] 本發明實施例的目的在于提供一種圖像分割方法及系統，以根據圖像具體情況自 動確定需要的超像素數量對圖像進行分割，在降低圖像處理復雜度的同時避免出現欠分 害J。具體技術方案如下：
[0006] 第一方面，本發明實施例提供了一種圖像分割方法，所述方法可以包括：
[0007] 獲得待處理的目標圖像；
[0008] 計算所述目標圖像的灰度直方圖；
[0009] 基于所述灰度直方圖，計算所述目標圖像中像素點所涵蓋的各個像素值出現的概 率；
[0010] 基于所述目標圖像所包含的像素點的數目和所述各個像素值出現的概率，利用預 設的復雜度計算公式，計算所述目標圖像的復雜度；
[0011] 基于所述目標圖像的復雜度，利用預設的超像素分割數計算公式，計算超像素分 割數；
[0012] 基于所述超像素分割數，對所述目標圖像進行分割。
[0013] 優選地，所述預設的復雜度計算公式為：
[0015]其中，所述ε表示復雜度，所述Η表示所述目標圖像中像素點所涵蓋的像素值的個 數，所述Pl表示像素值i出現的概率。
[0016]優選地，所述預設的超像素分割數計算公式為：
[0018] 其中，所述N表示超像素分割數，所述Η所述目標圖像中像素點所涵蓋的像素值的 個數，ε表示復雜度，所述#為預設常數。
[0019] 優選地，所述基于所述超像素分割數，對所述目標圖像進行分割，包括：
[0020] 基于所述超像素分割數，利用超像素分割Turbopixels算法對所述目標圖像進行 分割。
[0021 ]優選地，在所述基于所述超像素分割數，對所述目標圖像進行分割后，還包括： [0022]獲取分割后的目標圖像的目標超像素區域，并計算該目標超像素區域的像素方 差；
[0023] 基于所述方差和方差校正公式，判斷所述目標超像素區域是否需要邊緣檢測；
[0024] 若判斷所述目標超像素區域需要邊緣檢測，則利用Sobel算子對所述目標超像素 區域進行邊緣檢測。
[0025]優選地，方差校正公式為：
[0027] 其中，所述〇1表示目標超像素區域i的像素方差，所述Thr表示預設判斷閾值。
[0028] 第二方面，本發明實施例提供了一種圖像分割系統，所述系統可以包括：獲取模 塊、第一計算模塊、第二計算模塊、第三計算模塊、第四計算模塊和圖像分割模塊；
[0029]所述獲取模塊，用于獲得待處理的目標圖像；
[0030]所述第一計算模塊，用于計算所述目標圖像的灰度直方圖；
[0031 ]所述第二計算模塊，用于基于所述灰度直方圖，計算所述目標圖像中像素點所涵 蓋的各個像素值出現的概率；
[0032] 所述第三計算模塊，用于基于所述目標圖像所包含的像素點的數目和所述各個像 素值出現的概率，利用預設的復雜度計算公式，計算所述目標圖像的復雜度；
[0033] 所述第四計算模塊，用于基于所述目標圖像的復雜度，利用預設的超像素分割數 計算公式，計算超像素分割數；
[0034]所述圖像分割模塊，用于基于所述超像素分割數，對所述目標圖像進行分割，以得 到分割后的目標圖像。
[0035]優選地，所述第三計算模塊所利用的所述預設的復雜度計算公式為：
[0037]其中，所述ε表示復雜度，所述Η表示所述目標圖像中像素點所涵蓋的像素值的個 數，所述Pi表示像素值i出現的概率。
[0038]優選地，所述第四計算模塊所利用的預設的超像素分割數計算公式為：
[0040]其中，所述N表示超像素分割數，所述Η所述目標圖像中像素點所涵蓋的像素值的 個數，ε表示復雜度，所述於為預設常數。
[0041 ]優選地，所述圖像分割模塊包括:圖像分割子模塊；
[0042]所述圖像分割子模塊，用于基于所述超像素分割數，利用超像素分割Turbopixels 算法所述目標圖像進行分割。
[0043] 優選地，所述圖像分割系統，還包括：
[0044] 第四計算模塊，用于獲取分割后的目標圖像的目標超像素區域，并計算該目標超 像素區域的像素方差；
[0045] 判斷模塊，用于基于所述方差和方差校正公式，判斷所述目標超像素區域是否需 要邊緣檢測；
[0046] 檢測模塊，用于當判斷所述目標超像素區域需要邊緣檢測時，利用Sobel算子對所 述目標超像素區域進行邊緣檢測；
[0047]其中，所述判斷模塊所利用的方差校正公式為：
[0049] 其中，所述〇1表示目標超像素區域i的像素方差，所述Thr表示預設判斷閾值。
[0050] 本發明實施例提供的圖像分割方法及系統，先獲取待分割的目標圖像，并獲取該 目標圖像的灰度直方圖；根據獲取得到的灰度直方圖，計算目標圖像中像素點所涵蓋的各 個像素值出現的概率;基于目標圖像所包含的像素點的數目和各個像素值出現的概率，利 用預設的復雜度公式，計算目標圖像的復雜度;根據該復雜度，利用預設的超像素分割數計 算公式，計算目標圖像的超像素分割數，使得可以自動的根據目標圖像的圖像復雜度計算 出超像素分割數，避免了人為確定超像素分割數造成的欠分割或增加需要處理的圖像數據 量的問題。當然，實施本發明的任一產品或方法并不一定需要同時達到以上所述的所有優 點。
【附圖說明】
[0051] 為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現 有技術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 發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以 根據這些附圖獲得其他的附圖。
[0052] 圖1為本發明實施例提供的一種圖像分割方法；
[0053]圖2為本發明實施例提供的一種圖像分割系統。
【具體實施方式】
[0054]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于 本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他 實施例，都屬于本發明保護的范圍。
[0055]為了解決現有技術問題，本發明實施例提供了 一種圖像分割方法及系統。
[0056]首先，本發明實施例提供了一種圖像分割方法，如圖1所示，該方法可以包括：
[0057] S101:獲得待處理的目標圖像；
[0058]其中，首先獲取待分割的目標圖像，可以理解的是，該目標圖像可從網絡中直接獲 取，也可以是給圖像采集設備發送圖像采集指令，由圖像采集器執行該圖像采集指令采集 到的圖像。
[0059] 可以理解的是，本發明實施例所提供的圖像分割方法可以應用于圖像定位中，例 如:在基于圖像定位的應用中，需要先通過終端所攜帶的攝像頭采集當前用戶所處位置的 圖像或者能體現用戶當前位置的圖像，并將該采集得到的圖像進行灰度處理，得到對應的 灰度圖，并將該灰度圖作為第一目標圖像，其中，該第一目標圖像可為一張或多張；
[0060] 另外，可以通過TC_OFDM(Time&Code Division-Orthogonal Frequency Division Multiplexing，時分碼分正交頻分復用技術)技術確定當前待定位用戶所可能處于區域，并 基于該區域從預設圖像庫中篩選出符合該區域條件的圖像，并將符合該區域條件的圖像作 為第二目標圖像，以減少與第一目標圖像進行匹配的圖像數量，進而減少計算量，其中，該 第二目標圖像可為一張或多張;其中，第一圖像和第二圖像可以作為待處理的目標圖像；
[0061] 進而對第一目標圖像與第二目標圖像進行圖像分割，并對分割后的圖像進行特征 提取，并基于提取到特征，將第一目標圖像與第二目標圖像進行圖像匹配，進而得到與第一 目標圖像匹配成功的第二目標圖像所對應的地址數據，進而實現定位。
[0062] 當然，本發明實施例所提供的圖像分割方法可以不僅僅適用于圖像定位中，其他 存在超像素分割需求的任何應用場景均可以利用本發明實施例所提供的方法。
[0063] S102:計算該目標圖像的灰度直方圖；
[0064] 其中，在得到目標圖像后，計算該目標圖像的灰度直方圖，以得到各個像素值所對 應的像素點的個數。可以理解的是，如果將圖像總像素亮度(灰度級別)看成是一個隨機變 量，貝U其分布情況就反映了圖像的統計特性，這可用probability density functionG^DF) 來刻畫和描述，表現為灰度直方圖。所謂的灰度直方圖是關于灰度級分布的函數，是對圖像 中灰度級分布的統計。具體的，灰度直方圖是將數字圖像中的所有像素，按照灰度值的大 小，統計其出現的頻率。
[0065] 本實施例中，計算灰度直方圖的具體實現方式可以采用現有技術中的任一種實現 方式，在此不做限定。
[0066] S103:基于該灰度直方圖，計算該目標圖像中像素點所涵蓋的各個像素值出現的 概率；
[0067] 其中，在得到目標圖像的灰度直方圖后，由于目標圖像所涵蓋的像素值存在至少 一個，因此，為了計算后續圖像分割所基于的復雜度，可以基于該灰度直方圖，計算該目標 圖像中像素點所涵蓋的各個像素值出現的概率。
[0068] 需要強調的是，為了保證較高的精準度，可以計算該目標圖像中所有像素點所涵 蓋的各個像素值出現的概率;而為了保證較高的處理速率，可以計算該目標圖像中部分像 素點所涵蓋的各個像素值出現的概率，該部分像素點可以根據實際情況預先確定，例如，中 心區域的像素點、前景區域的像素點等等，這都是合理的。在實際應用中，可以根據對精準 度或速率的需求，來計算目標圖像中部分或全部像素點所涵蓋的像素值出現的概率，本發 明實施例對此不做限定。
[0069] S104:基于該目標圖像所包含的像素點的數目和該各個像素值出現的概率，利用 預設的復雜度計算公式，計算該目標圖像的復雜度；
[0070] 其中，在獲得目標圖像的同時可以確定得到該目標圖像所包含的像素點的數目； 在獲取各個像素值出現的概率后，結合該目標圖像所包含的像素點的數目，利用預設的復 雜度計算公式，計算得到目標圖像的復雜度，以便對該目標圖像執行下一步操作。
[0071] 其中，預設的復雜度計算公式存在多種，為了布局清晰，后續進行舉例介紹。
[0072] S105:基于該目標圖像的復雜度，利用預設的超像素分割數計算公式，計算超像素 分割數；
[0073]其中，將目標圖像的復雜度所對應的值代入預設的超像素分割計算公式，使得可 基于目標圖像的復雜度，計算得到對于該目標圖像最合適的超像素分割數，使得可以自動 的根據目標圖像的圖像復雜度計算出超像素分割數。
[0074] 其中，為了布局清晰，后續對預設的超像素分割數計算公式進行介紹。
[0075] S106:基于該超像素分割數，對該目標圖像進行分割，以得到分割后的目標圖像。
[0076] 其中，根據計算得到的超像素分割數，對目標圖像進行分割，得到分割后的目標圖 像，避免了人為確定超像素分割數造成目標圖像欠分割的問題或增加需要處理的圖像數據 量的問題。
[0077] 其中，在確定出該超像素分割數后，可以采用現有技術來實現基于該超像素分割 數，對該目標圖像進行分割，以得到分割后的目標圖像。
[0078] 值得強調的是，上述圖像分割方法可用于任意一種需要對圖像進行分割的裝置 中。
[0079] 在本發明實施例中，先獲取待分割的目標圖像，并獲取該目標圖像的灰度直方圖； 根據獲取得到的灰度直方圖，計算目標圖像中像素點所涵蓋的各個像素值出現的概率;基 于目標圖像所包含的像素點的數目和各個像素值出現的概率，利用預設的復雜度公式，計 算目標圖像的復雜度;根據該復雜度，利用預設的超像素分割數計算公式，計算目標圖像的 超像素分割數，使得可以自動的根據目標圖像的圖像復雜度計算出超像素分割數，避免了 人為確定超像素分割數造成的欠分割或增加需要處理的圖像數據量的問題。
[0080] 優選地，該預設的復雜度計算公式為：
[0082] 其中，該ε表示復雜度，該Η表示該目標圖像中像素點所涵蓋的像素值的個數，該 Pl表示像素值i出現的概率。
[0083] 可以理解的是，在該種實現方式中，利用該預設的復雜度計算公式計算目標圖像 的復雜度，該種復雜度計算方式計算簡便，極大減少了計算量，使得本實施例所提供的圖像 分割方法能更廣泛的應用于計算能力有限的終端，其中，該終端包括但并不局限于手機，平 板電腦和智能手表。
[0084] 優選地，該預設的超像素分割數計算公式為：
[0086]其中，該N表示超像素分割數，該Η該目標圖像中像素點所涵蓋的像素值的個數，ε 表示復雜度，該切為預設常數。
[0087] 可以理解的是，在該種實現方式中，利用該超像素分割數計算公式計算第二圖像 的分割數，使得能更簡單快捷準確的確定分割數，使得圖像分割速度更快，并且在減少了數 據的處理量的同時避免超像素邊緣出現欠分割的情況發生。其中，欠分割表示圖像分割不 徹底的情況。
[0088] 優選地，該基于該超像素分割數，對該目標圖像進行分割，包括：
[0089]基于該超像素分割數，利用超像素分割Turbopixels算法對該目標圖像進行分割。
[0090] 可以理解的是，在該種實現方式中，利用計算得到的超像素分割數確定超像素分 割Turbopixels算法中所需人工確定的超像素分割數，并通過超像素分割Turbopixels算法 初步構建超像素邊緣對目標圖像進行分割。
[0091] 優選地，在該基于該超像素分割數，對該目標圖像進行分割后，還包括：
[0092] 獲取分割后的目標圖像的目標超像素區域，并計算該目標超像素區域的像素方 差；
[0093] 基于該方差和方差校正公式，判斷該目標超像素區域是否需要邊緣檢測；
[0094] 若判斷該目標超像素區域需要邊緣檢測，則利用Sobel算子對該目標超像素區域 進行邊緣檢測。
[0095] 可以理解的是，在該種實現方式中，獲取分割后的目標圖像的目標超像素區域，并 計算該目標超像素區域中的像素方差，根據該方差和方差校正公式，判斷是否需要對該目 標超像素區域進行邊緣檢測。使得在根據計算得到的超像素分割數對目標圖像進行分割 后，可進一步判斷是否需要對分割后的目標圖像進行檢測，即當判斷需要進行邊緣檢測時， 利用SobeKSobeloperator，索貝爾算子)算子根據像素點上下及左右鄰點灰度值(像素值） 的加權差，在超像素邊緣處達到極值這一特點對分割后的目標圖像進行邊緣檢測，進一步 避免了超像素邊緣出現欠分割的情況發生，從而提高了超像素邊緣的精度。
[0096] 其中，Sobel算子所對應的算法計算簡單，計算速度快，能夠快速地完成超像素分 害其中，超像素邊緣是指灰度或結構等信息的突變處，并可利用該特征對圖像進行分割。 [0097]優選地，方差校正公式為：
[0099] 其中，該〇1表示目標超像素區域i的像素方差，該Thr表示預設判斷閾值。
[0100] 可以理解的是，在該種實現方式中，當在目標超像素區域i的像素方差大于1.2倍 預設判斷閾值時，則需要對超像素邊緣進行檢測，否則，則不需要對超像素邊緣進行檢測。 其中，Thr取值可由本領域技術人員根據具體需求進行確定，在此不做詳述。
[0101] 第二方面，本發明實施例提供了一種圖像分割系統，該圖像分割系統可以包括:獲 取模塊201、第一計算模塊202、第二計算模塊203、第三計算模塊204、第四計算模塊205和圖 像分割模塊206;
[0102]該獲取模塊201，用于獲得待處理的目標圖像；
[0103] 該第一計算模塊202,用于計算該目標圖像的灰度直方圖；
[0104] 該第二計算模塊203,用于基于該灰度直方圖，計算該目標圖像中像素點所涵蓋的 各個像素值出現的概率；
[0105] 該第三計算模塊204，用于基于該目標圖像所包含的像素點的數目和該各個像素 值出現的概率，利用預設的復雜度計算公式，計算該目標圖像的復雜度；
[0106] 該第四計算模塊205,用于基于該目標圖像的復雜度，利用預設的超像素分割數計 算公式，計算超像素分割數；
[0107] 該圖像分割模塊206,用于基于該超像素分割數，對該目標圖像進行分割，以得到 分割后的目標圖像。
[0108] 在本發明實施例中，先獲取待分割的目標圖像，并獲取該目標圖像的灰度直方圖； 根據獲取得到的灰度直方圖，計算目標圖像中像素點所涵蓋的各個像素值出現的概率;基 于目標圖像所包含的像素點的數目和各個像素值出現的概率，利用預設的復雜度公式，計 算目標圖像的復雜度;根據該復雜度，利用預設的超像素分割數計算公式，計算目標圖像的 超像素分割數，使得可以自動的根據目標圖像的圖像復雜度計算出超像素分割數，避免了 人為確定超像素分割數造成的欠分割或增加需要處理的圖像數據量的問題。
[0109] 優選地，該第三計算模塊204所利用的該預設的復雜度計算公式為：
[0111] 其中，該ε表示復雜度，該Η表示該目標圖像中像素點所涵蓋的像素值的個數，該 Pl表示像素值i出現的概率。
[0112] 優選地，該第四計算模塊205所利用的預設的超像素分割數計算公式為：
[0114] 其中，該N表示超像素分割數，該Η該目標圖像中像素點所涵蓋的像素值的個數，ε 表示復雜度，該供為預設常數。
[0115] 優選地，該圖像分割模塊206包括:圖像分割子模塊；
[0116]該圖像分割子模塊，用于基于該超像素分割數，利用超像素分割Turbopixels算法 對該目標圖像進行分割。
[0117] 優選地，圖像分割系統，還包括：
[0118] 第四計算模塊，用于獲取分割后的目標圖像的目標超像素區域，并計算該目標超 像素區域的像素方差；
[0119] 判斷模塊，用于基于該方差和方差校正公式，判斷該目標超像素區域是否需要邊 緣檢測；
[0120] 檢測模塊，用于當判斷該目標超像素區域需要邊緣檢測時，利用Sobel算子對該目 標超像素區域進行邊緣檢測；
[0121]其中，該判斷模塊所利用的方差校正公式為：
[0123] 其中，該〇1表示目標超像素區域i的像素方差，該Thr表示預設判斷閾值。
[0124] 對于裝置實施例而言，由于其基本相似于方法實施例，所以描述得比較簡單，相關 之處參見方法實施例的部分說明即可。
[0125] 需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實 體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存 在任何這種實際的關系或者順序。而且，術語"包括"、"包含"或者其任何其他變體意在涵蓋 非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要 素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備 所固有的要素。在沒有更多限制的情況下，由語句"包括一個……"限定的要素，并不排除在 包括所述要素的過程、方法、物品或者設備中還存在另外的相同要素。
[0126] 本說明書中的各個實施例均采用相關的方式描述，各個實施例之間相同相似的部 分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于系統實 施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關之處參見方法實施例 的部分說明即可。
[0127] 以上所述僅為本發明的較佳實施例而已，并非用于限定本發明的保護范圍。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，均包含在本發明的保護范圍 內。
【主權項】
1. 一種圖像分割方法，其特征在于，所述方法包括： 獲得待處理的目標圖像； 計算所述目標圖像的灰度直方圖； 基于所述灰度直方圖，計算所述目標圖像中像素點所涵蓋的各個像素值出現的概率； 基于所述目標圖像所包含的像素點的數目和所述各個像素值出現的概率，利用預設的 復雜度計算公式，計算所述目標圖像的復雜度； 基于所述目標圖像的復雜度，利用預設的超像素分割數計算公式，計算超像素分割數； 基于所述超像素分割數，對所述目標圖像進行分割，以得到分割后的目標圖像。2. 根據權利要求1所述的方法，其特征在于，所述預設的復雜度計算公式為：其中，所述ε表示復雜度，所述Η表示所述目標圖像中像素點所涵蓋的像素值的個數， 所述Pi表示像素值i出現的概率。3. 根據權利要求2所述的方法，其特征在于，所沭預設的超像素分割數計算公式為： Ψ其中，所述N表示超像素分割數，所述Η表示所述目標圖像中像素點所涵蓋的像素值的 個數，ε表示復雜度，所述f為預設常數。4. 根據權利要求1至3中任一項所述的方法，其特征在于，所述基于所述超像素分割數， 對所述目標圖像進行分割，包括： 基于所述超像素分割數，利用超像素分割Turbopixels算法對所述目標圖像進行分割。5. 根據權利要求1至3中任一項所述的方法，其特征在于，在所述基于所述超像素分割 數，對所述目標圖像進行分割后，還包括： 獲取分割后的目標圖像的目標超像素區域，并計算該目標超像素區域的像素方差； 基于所述方差和方差校正公式，判斷所述目標超像素區域是否需要邊緣檢測； 當判斷所述目標超像素區域需要邊緣檢測時，利用索貝爾算子Sobel算子對所述目標 超像素區域進行邊緣檢測。6. 根據權利要求5所述的方法，其特征在于，所述方差校正公式為：其中，所述表示目標超像素區域i的像素方差，所述Thr表示預設判斷閾值。7. -種圖像分割系統，其特征在于，包括： 獲取模塊，用于獲得待處理的目標圖像； 第一計算模塊，用于計算所述目標圖像的灰度直方圖； 第二計算模塊，用于基于所述灰度直方圖，計算所述目標圖像中像素點所涵蓋的各個 像素值出現的概率； 第三計算模塊，用于基于所述目標圖像所包含的像素點的數目和所述各個像素值出現 的概率，利用預設的復雜度計算公式，計算所述目標圖像的復雜度； 第四計算模塊，用于基于所述目標圖像的復雜度，利用預設的超像素分割數計算公式， 計算超像素分割數； 圖像分割模塊，用于基于所述超像素分割數，對所述目標圖像進行分割，以得到分割后 的目標圖像。8. 根據權利要求7所述的系統，其特征在于，所述第三計算模塊所利用的所述預設的復 雜度計算公式為：其中，所述ε表示復雜度，所述Η表示所述目標圖像中像素點所涵蓋的像素值的個數， 所述Pi表示像素值i出現的概率。9. 根據權利要求8所述的系統，其特征在于，所述預設的超像素分割數計算公式為：其中，所述N表示超像素分割數，所述Η所述目標圖像中像素點所涵蓋的像素值的個 數，ε表示復雜度，所述爐為預設常數。10. 根據權利要求7至9中任一項所述的系統，其特征在于，還包括： 第四計算模塊，用于獲取分割后的目標圖像的目標超像素區域，并計算該目標超像素 區域的像素方差； 判斷模塊，用于基于所述方差和方差校正公式，判斷所述目標超像素區域是否需要邊 緣檢測； 檢測模塊，用于當判斷所述目標超像素區域需要邊緣檢測時，利用Sobel算子對所述目 標超像素區域進行邊緣檢測； 其中，所述判斷模塊所利用的方差校正公式為：其中，所述表示目標超像素區域i的像素方差，所述Thr表示預設判斷閾值。
【文檔編號】G06T7/00GK105869175SQ201610250328
【公開日】2016年8月17日
【申請日】2016年4月21日
【發明人】焦繼超, 鄧中亮, 李文軼, 閆小涵
【申請人】北京郵電大學