計(jì)算機(jī)技術(shù)在圖像輪廓提取中的有效應(yīng)用

摘 要： 分析了圖像輪廓提取中計(jì)算機(jī)技術(shù)的有效應(yīng)用。針對傳統(tǒng)圖像邊緣檢測中存在的問題在VC的環(huán)境下進(jìn)行研究，結(jié)合計(jì)算機(jī)技術(shù)，采用灰度閾值法進(jìn)行圖像分割，使用數(shù)學(xué)形態(tài)學(xué)方法修補(bǔ)二值圖像缺陷，優(yōu)化設(shè)計(jì)輪廓提取方法，以便提升圖像處理效果。經(jīng)過研究發(fā)現(xiàn)，將計(jì)算機(jī)技術(shù)應(yīng)用到圖像輪廓提取中，精度高達(dá)98.0%，能滿足工程測量的實(shí)際需要。在圖像輪廓提取中，應(yīng)用計(jì)算機(jī)技術(shù)進(jìn)行圖像輪廓提取，有助于達(dá)到最佳的圖像處理效果，提高圖像價值，發(fā)揮積極應(yīng)用效果。

關(guān)鍵詞： 邊緣檢測； 計(jì)算機(jī)技術(shù)； 灰度閾值； 圖像輪廓提取

中圖分類號： TN911.73?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）10?0034?03

Effective application of computer technology in image contour extraction

YU Haiyan， NIU Qingli

（School of Information Engineering， Zhengzhou University of Science Technology， Zhengzhou 450064， China）

Abstract： The effective application of computer technology in image contour extraction is analyzed. The problem existing in traditional image edge detection is studied in VC environment. In combination with computer technology， the gray threshold method is used to segment the image. And then the mathematical morphology method is used to repair the defects of binary image， and optimally design the contour extraction method to improve the image processing effect. It is found in the study that the accuracy can reach up to 98.0% when computer technology is applied to the image contour extraction， which can meet the practical needs of engineering measurement. In image contour extraction， the computer technology is used to extract the image contour， which is of help to achievement of the best image processing effect， improves the image value， and plays a positive role in application effect.

Keywords： edge detection； icomputer technology； gray threshold； image contour extraction

在計(jì)算機(jī)視覺測量中，圖像輪廓提取是其測量的關(guān)鍵，可以采取計(jì)算機(jī)技術(shù)，提取圖像中的輪廓信息，不僅可以自動分選圖像的灰質(zhì)等級，也可以自動檢測圖像中的表面缺陷，對圖像進(jìn)行更好的提取處理，有效提高圖像價值。本文深入圖像輪廓提取及計(jì)算機(jī)技術(shù)內(nèi)部，分析問題，淺析計(jì)算機(jī)技術(shù)在圖像輪廓提取中的有效應(yīng)用。

1 分析在圖像輪廓提取中應(yīng)用計(jì)算機(jī)技術(shù)的

可行性

隨著當(dāng)前信息計(jì)算機(jī)技術(shù)的不斷提升，在計(jì)算機(jī)突出處理領(lǐng)域，可以利用工具得到數(shù)字化的圖像信息，并同時采取多種圖像處理技術(shù)手段進(jìn)行處理，得到圖像輪廓信息，并將其提取[1]。圖像的輪廓是圖像的一種基本特征，攜帶著一幅圖像大部分的信息，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中。

基于計(jì)算機(jī)技術(shù)的圖像輪廓分離，在圖像處理中，不僅可以獲取圖像特征參數(shù)，并且通過各種算子（Sobel算子，Laplace算子，Canny算子）可以對圖像的灰度進(jìn)行分析、調(diào)節(jié)，從而可實(shí)現(xiàn)對圖像邊緣輪廓的提取，在實(shí)際應(yīng)用中發(fā)揮可行性[2]。

基于計(jì)算機(jī)技術(shù)的圖像輪廓提取，是在內(nèi)容圖像分析基礎(chǔ)上，運(yùn)用計(jì)算機(jī)技術(shù)提取出圖像中具有代表性的特征，例如運(yùn)用高閾值檢測圖像中重要的線條、輪廓，提取體系的線條、輪廓等最能體現(xiàn)出圖像特征的幾個元素[3]，運(yùn)用低閾值保證圖像輪廓中容易丟失的細(xì)節(jié)部分，確保提取的圖像邊緣更豐富，提升圖像輪廓提取效果。

2 需求分析

利用計(jì)算機(jī)對圖像進(jìn)行處理，其目的就是得到更適合人觀察和識別的圖像或者由計(jì)算機(jī)自動識別和理解的圖像。運(yùn)用計(jì)算機(jī)技術(shù)，根據(jù)LoG算子，實(shí)現(xiàn)圖像頻域最優(yōu)化，解決其與空域最優(yōu)化的矛盾，簡化計(jì)算機(jī)圖像輪廓提取的計(jì)算方法；同時，在圖像提取過零點(diǎn)檢測之中，還可以根據(jù)其各向同性特點(diǎn)，保證圖像提取過程的邊緣封閉性，使提取圖像符合人眼的視覺效果。用計(jì)算機(jī)分析圖像的基本特征和屬性，以便可以得出自己想要的圖像，以得到更好的圖像輪廓提取效果。

3 圖像輪廓提取中計(jì)算機(jī)技術(shù)的總體設(shè)計(jì)

圖像輪廓中常攜帶著圖像大部分信息，而輪廓存在于圖像不規(guī)則的結(jié)構(gòu)和不穩(wěn)定的像素點(diǎn)，當(dāng)然也有的存在于信號的突變處。應(yīng)用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)圖像輪廓提取，其總體設(shè)計(jì)流程圖如圖1所示。

采用計(jì)算機(jī)Qt 5.0+VS 2012+OpenCV 3.0框架，有助于兼容OpenCV圖像處理和渲染[4]。本系統(tǒng)主要由MyClass類和MyClass.ui類組成，在Qt中由QMainWindow提供一個有菜單條、例如工具條和一個狀態(tài)條的主應(yīng)用程序窗口，在MyClass類中，對各個函數(shù)的調(diào)試和修改，實(shí)現(xiàn)了對圖像的提取。在該系統(tǒng)總體設(shè)計(jì)中，要確保設(shè)計(jì)整體風(fēng)格一致，結(jié)構(gòu)要清晰合理，實(shí)行模塊化管理，界面要清晰，要使用戶一眼就能明白，方便用戶操作。同時，可以做到開發(fā)代碼簡潔，便于管理，便于修改，便于擴(kuò)充[5]；并且還要有完善的數(shù)據(jù)的輸入和輸出，容錯性好，不會因?yàn)橛脩舻哪硞€操作造成程序的崩潰，提示多，每一步的操作都很簡單明了，都能提醒用戶及時改正。

4 應(yīng)用分析

4.1 輪廓提取設(shè)計(jì)

在圖像輪廓提取之中，采取計(jì)算機(jī)技術(shù)，可以得到有效的輪廓提取信息。例如針對如圖2所示的圖像，在提取其圖像輪廓時，也可以運(yùn)用計(jì)算機(jī)計(jì)算來實(shí)現(xiàn)。

基于計(jì)算機(jī)技術(shù)，進(jìn)行圖像輪廓提取中，可以根據(jù)不同圖像輪廓的表現(xiàn)方法，定義不同的圖像輪廓[6]。對于計(jì)算機(jī)技術(shù)，運(yùn)用OpenCV序列來存儲輪廓信息，序列中的每個元素就是圖像曲線的一個位置反映[7]，只要簡單地把輪廓想象為使用CvSeq表示的一系列的點(diǎn)就可以了。在圖像輪廓提取中，運(yùn)用計(jì)算機(jī)技術(shù)，對圖像輪廓提取，如圖3所示。

4.2 具體提取方法

圖像輪廓提取中，可以在計(jì)算機(jī)技術(shù)基礎(chǔ)上，運(yùn)用OpenCV軟件，用FindContours（）函數(shù)進(jìn)行輪廓提取[8]，如圖4所示就是輪廓提取后的解析效果圖。在OpenCV中，可以把得到的輪廓用輪廓樹來表達(dá)，從而把包含關(guān)系編碼到樹結(jié)構(gòu)中。

由圖4可以看出，設(shè)定圖中C為內(nèi)輪廓，H為外輪廓，基于兩種輪廓提取，在不同的算子中，其實(shí)現(xiàn)方法分別可以表示輪廓的外邊界和內(nèi)邊界。這個圖輪廓樹中，在根節(jié)點(diǎn)的輪廓叫C0，孔H00和H01是它的子節(jié)點(diǎn)，這些輪廓中直接包含輪廓稱為它們的子節(jié)點(diǎn)；不同的輪廓樹的方式代表不同的輪廓存儲方式。

4.3 代碼實(shí)現(xiàn)

在二值圖像中，根據(jù)FindContours（）圖像輪廓提取函數(shù)，得到有邊緣像素的圖像、說明需要的輪廓類型和希望的這回值形式。可根據(jù)Canny檢測算子參數(shù)，得到圖像輪廓提取結(jié)果。以下就是在計(jì)算機(jī)技術(shù)基礎(chǔ)上，實(shí)現(xiàn)圖像輪廓提取的相關(guān)代碼：

void MyClass：：FindContours（）

{

if（！image.empty（）） //判斷圖片是否存在

{

RNG rng（12345）；

int thresh = 100； //輪廓提取值

int max_thresh = 255； //輪廓提取最大值

//原圖轉(zhuǎn)換

Mat src； Mat src_gray；

src = image； //圖片關(guān)聯(lián)

cvtColor（ src， src_gray， CV_BGR2GRAY ）； //二值化

blur（ src_gray， src_gray， Size（3，3） ）； //除燥

//創(chuàng)建窗體

namedWindow（ \"輪廓提取\"，WINDOW_AUTOSIZE）；

imshow（ \"輪廓提取\"， src ）；

Mat canny_output； //初始化dst

//定義點(diǎn)和向量

vector > contours；

vector hierarchy；

Canny（src_gray，canny_output，thresh， thresh*2，3）； //用Canny算子檢測邊緣，當(dāng)然也可以使用其他邊緣算子

findContours（canny_output，contours，hierarchy，RETR_TREE，

CHAIN_APPROX_SIMPLE， Point（0， 0） ）；

//輪廓查找

//繪出輪廓

Mat drawing = Mat：：zeros（canny_output.size（），CV_8UC3 ）；

//遍歷所有頂層輪廓，隨機(jī)生成顏色值繪制給各連接組成部分

for（ int i = 0； i< contours.size（）； i++ ）

{

Scalar color =Scalar（ rng.uniform （0 ， 255） ， rng.uniform （ 0 ，255 ）， rng.uniform（0，255） ）；

drawContours （ drawing，contours， i， color， 2， 8， hierarchy， 0， Point （） ） ；

}

imshow（ \"輪廓提取\"， drawing ）；

//在窗體中顯示結(jié)果

}

else

{

QMessageBox：：information（this， tr（\"ERROR！\"），

tr（\"please click picture！\"）.arg（\"\"））； //彈出提取框

}

}

提取圖像邊緣得到的結(jié)果如圖5所示。

圖5 輪廓提取效果圖

可根據(jù)Canny檢測算子參數(shù)，經(jīng)提取后得到需求的圖像輪廓。在提取圖像邊緣中，運(yùn)用計(jì)算機(jī)技術(shù)，圖像輪廓提取精度可達(dá)98.0%，有效滿足圖像工程測量的實(shí)際需要。

5 結(jié) 論

綜上所述，在圖像輪廓提取中有效應(yīng)用計(jì)算機(jī)技術(shù)，不僅可以自動檢測圖像表面缺陷，也可以更好地對圖像輪廓進(jìn)行處理，可以實(shí)現(xiàn)提取單像素圖像邊緣輪廓的功能，精度高，能夠滿足基于計(jì)算機(jī)視覺測量的要求，發(fā)揮積極應(yīng)用價值。

參考文獻(xiàn)

[1] 繆家龍，王培珍，孫文龍，等.焦炭顯微圖像的輪廓提取新方法研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011，21（11）：120?123.

[2] 杜艷華，楊志強(qiáng).基于照片自動提取人體尺寸信息的研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010，20（2）：48?51.

[3] 李曉磊，馬苗.基于組合LoG濾波方法的輪廓檢測[J].計(jì)算機(jī)技術(shù)與發(fā)展，2014（11）：28?31.

[4] 楊丹，游磊，張小洪，等.基于區(qū)域生長的魚眼圖像輪廓提取算法[J].計(jì)算機(jī)工程，2010，36（8）：217?218.

[5] 李金娟.基于迭代技術(shù)的圖像輪廓提取方案的研究與實(shí)現(xiàn)[J].科學(xué)技術(shù)與工程，2013，13（28）：8325?8328.

[6] 肖詩勤，楊關(guān)良.一種改進(jìn)的魚眼圖像輪廓提取算法[J].計(jì)算機(jī)與數(shù)字工程，2010，38（1）：147?150.

[7] 秦斌，殷曉露，禹世杰.實(shí)彈射擊報(bào)靶系統(tǒng)的圖像校正[J].現(xiàn)代電子技術(shù)，2014，37（14）：109?113.

[8] 石云峰，王保保.基于GVF Snake模型的設(shè)備內(nèi)壁圖像輪廓提取[J].現(xiàn)代電子技術(shù)，2009，32（8）：103?105.