本發(fā)明涉及圖像處理技術(shù)領(lǐng)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(shè)備。

背景技術(shù)：

近年以來，隨著人工智能以及大數(shù)據(jù)技術(shù)的快速發(fā)展，越來越多的產(chǎn)品開始向智能化發(fā)展，較之非智能化產(chǎn)品，智能化產(chǎn)品具有功能更加強(qiáng)大，用戶的體驗(yàn)更加舒適等特點(diǎn)。在眾多智能化方向里，圖像識(shí)別是智能化中舉足輕重的領(lǐng)域，一個(gè)完整的圖像識(shí)別系統(tǒng)以圖像作為輸入信息，通過不同的方法對(duì)圖像內(nèi)的物件進(jìn)行識(shí)別，最后輸出識(shí)別結(jié)果。但在識(shí)別圖像中，由于存在較多復(fù)雜背景以及非目標(biāo)物，會(huì)對(duì)識(shí)別結(jié)果造成極大的影響，故在識(shí)別圖像之前，需要對(duì)圖像做分割處理，以提取純凈的圖像，剔除復(fù)雜背景及非目標(biāo)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(jù)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(xì)分場(chǎng)景里分割效果不佳，且分割耗時(shí)長(zhǎng)。尤其是對(duì)于紋理復(fù)雜多變、顏色變化大的圖像，現(xiàn)有技術(shù)中的分割效果不佳。

當(dāng)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(qū)域的分割方法，其中，如果圖像中存在復(fù)雜不規(guī)則的交叉紋理，則無法準(zhǔn)確地剔除圖像中的非目標(biāo)物體，而基于區(qū)域的分割算法也由于圖像內(nèi)容的多樣性也會(huì)經(jīng)常導(dǎo)致分割錯(cuò)誤，且分割時(shí)間過長(zhǎng)實(shí)時(shí)性差，無法自動(dòng)剔除非目標(biāo)物。

因此，如何準(zhǔn)確地剔除圖像中的非目標(biāo)物，以及提高圖像識(shí)別的準(zhǔn)確率與速度，從而保證圖像識(shí)別的準(zhǔn)確率與實(shí)時(shí)性成為亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在至少解決現(xiàn)有技術(shù)或相關(guān)技術(shù)中存在的技術(shù)問題之一。

為此，本發(fā)明的一個(gè)目的在于提出了一種基于密度的圖像處理方法。

本發(fā)明的另一個(gè)目的在于提出了一種基于密度的圖像處理裝置。

本發(fā)明的又一個(gè)目的在于提出了一種具有圖像處理功能的設(shè)備。

為實(shí)現(xiàn)上述至少一個(gè)目的，根據(jù)本發(fā)明的第一方面的實(shí)施例，提出了一種基于密度的圖像處理方法，包括：對(duì)待處理的圖像進(jìn)行邊緣提取處理；使用目標(biāo)卷積核，以卷積步長(zhǎng)對(duì)經(jīng)過邊緣提取處理的圖像進(jìn)行卷積，以得到邊緣密度點(diǎn)空間；使用密度閾值對(duì)所述邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選；獲取篩選后的邊緣密度點(diǎn)空間中的目標(biāo)連通域；根據(jù)所述目標(biāo)連通域，確定所述圖像中目標(biāo)物的邊界。

根據(jù)本發(fā)明的實(shí)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(diǎn)空間，并以密度閾值作為主要判定依據(jù)，對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選來確定圖像中目標(biāo)物的邊界，即使圖像中存在復(fù)雜不規(guī)則的交叉紋理或者圖像內(nèi)容的多樣性，例如，食物圖像，也可以準(zhǔn)確地剔除圖像中的非目標(biāo)物，從而準(zhǔn)確地對(duì)圖像進(jìn)行分割，進(jìn)而提高圖像識(shí)別的準(zhǔn)確率。另外，本方案的算法靈活度較高，可以通過調(diào)整目標(biāo)卷積核、卷積步長(zhǎng)和密度閾值來調(diào)整圖像處理的速度和效果，從而保證圖像識(shí)別的準(zhǔn)確率與實(shí)時(shí)性。

根據(jù)本發(fā)明的上述實(shí)施例的基于密度的圖像處理方法，還可以具有以下技術(shù)特征：

根據(jù)本發(fā)明的一個(gè)實(shí)施例，在對(duì)所述經(jīng)過邊緣提取處理的圖像進(jìn)行卷積之前，還包括：對(duì)所述經(jīng)過邊緣提取處理的圖像進(jìn)行邊界擴(kuò)展處理，以對(duì)經(jīng)過邊界擴(kuò)展處理的圖像進(jìn)行卷積，其中，當(dāng)所述經(jīng)過邊緣提取處理的圖像的空間為p(x，y)時(shí)，所述經(jīng)過邊界擴(kuò)展處理的圖像的空間為H(x，y)，

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

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理方法，通過進(jìn)行邊界擴(kuò)展處理，可以避免對(duì)圖像進(jìn)行卷積時(shí)卷積到邊界之外的點(diǎn)，從而保證了卷積的準(zhǔn)確性和可靠性。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，當(dāng)所述目標(biāo)卷積核為h(x，y)，(0＜x＜h.rows，0＜y＜h.cols)，h.rows為所述目標(biāo)卷積核的寬度，h.cols為所述目標(biāo)卷積核的高度時(shí)，所述邊緣密度點(diǎn)空間為Con(x，y)，

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

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理方法，邊緣密度點(diǎn)空間符合上述公式，可以保證卷積后所得到的邊緣密度點(diǎn)空間的寬度和高度與原圖一致，進(jìn)一步地準(zhǔn)確地確定出圖像中目標(biāo)物的邊界。另外，為了保證計(jì)算邊緣密度點(diǎn)空間的速度，可以通過設(shè)置合適的卷積步長(zhǎng)來實(shí)現(xiàn)，卷積步長(zhǎng)越大則耗時(shí)越少，得到的密度點(diǎn)空間越稀疏。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述篩選后的邊緣密度點(diǎn)空間為Cone(x，y)：

其中，Con(x，y)為所述邊緣密度點(diǎn)空間，e為所述密度閾值。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理方法，通過對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選，得到上述中的篩選后的邊緣密度點(diǎn)空間，從而剔除了圖像中的非目標(biāo)物，保證了被識(shí)別的圖像更加純凈，進(jìn)而保證了圖像識(shí)別的準(zhǔn)確率。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述獲取篩選后的邊緣密度點(diǎn)空間中的目標(biāo)連通域，具體包括：使用膨脹窗口對(duì)所述篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理，以將所述篩選后的邊緣密度點(diǎn)空間中的相鄰點(diǎn)連接成連通域；選擇面積最大的連通域作為所述目標(biāo)連通域。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理方法，由于目標(biāo)物所在的區(qū)域擁有的相鄰點(diǎn)數(shù)量最多，因此，通過將相鄰點(diǎn)連接，可以確定出目標(biāo)物的邊界。另外，通過對(duì)篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理，從而比較全面地過濾掉圖像中的非目標(biāo)物，進(jìn)而保證了最終確定的目標(biāo)物更加純凈。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述膨脹窗口的邊長(zhǎng)大于所述卷積步長(zhǎng)的一半。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理方法，由于膨脹窗口的邊長(zhǎng)大于卷積步長(zhǎng)的一半，因此，膨脹處理后的密度點(diǎn)空間中的相鄰點(diǎn)會(huì)連接為連通域，此時(shí)，面積最大的連通域則對(duì)應(yīng)目標(biāo)物。

根據(jù)本發(fā)明的第二方面的實(shí)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(duì)待處理的圖像進(jìn)行邊緣提取處理；卷積單元，用于使用目標(biāo)卷積核，以卷積步長(zhǎng)對(duì)經(jīng)過邊緣提取處理的圖像進(jìn)行卷積，以得到邊緣密度點(diǎn)空間；篩選單元，用于使用密度閾值對(duì)所述邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選；獲取單元，用于獲取篩選后的邊緣密度點(diǎn)空間中的目標(biāo)連通域；確定單元，用于根據(jù)所述目標(biāo)連通域，確定所述圖像中目標(biāo)物的邊界。

根據(jù)本發(fā)明的實(shí)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(diǎn)空間，并以密度閾值作為主要判定依據(jù)，對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選來確定圖像中目標(biāo)物的邊界，即使圖像中存在復(fù)雜不規(guī)則的交叉紋理或者圖像內(nèi)容的多樣性，例如，食物圖像，也可以準(zhǔn)確地剔除圖像中的非目標(biāo)物，從而準(zhǔn)確地對(duì)圖像進(jìn)行分割，進(jìn)而提高圖像識(shí)別的準(zhǔn)確率。另外，本方案的算法靈活度較高，可以通過調(diào)整目標(biāo)卷積核、卷積步長(zhǎng)和密度閾值來調(diào)整圖像處理的速度和效果，從而保證圖像識(shí)別的準(zhǔn)確率與實(shí)時(shí)性。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，還包括：邊界擴(kuò)展單元，用于對(duì)所述經(jīng)過邊緣提取處理的圖像進(jìn)行邊界擴(kuò)展處理，以對(duì)經(jīng)過邊界擴(kuò)展處理的圖像進(jìn)行卷積，其中，當(dāng)所述經(jīng)過邊緣提取處理的圖像的空間為p(x，y)時(shí)，所述經(jīng)過邊界擴(kuò)展處理的圖像的空間為H(x，y)，

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

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置，通過進(jìn)行邊界擴(kuò)展處理，可以避免對(duì)圖像進(jìn)行卷積時(shí)卷積到邊界之外的點(diǎn)，從而保證了卷積的準(zhǔn)確性和可靠性。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，當(dāng)所述目標(biāo)卷積核為h(x，y)，(0＜x＜h.rows，0＜y＜h.cols)，h.rows為所述目標(biāo)卷積核的寬度，h.cols為所述目標(biāo)卷積核的高度時(shí)，所述邊緣密度點(diǎn)空間為Con(x，y)，

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

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置，邊緣密度點(diǎn)空間符合上述公式，可以保證卷積后所得到的邊緣密度點(diǎn)空間的寬度和高度與原圖一致，進(jìn)一步地準(zhǔn)確地確定出圖像中目標(biāo)物的邊界。另外，為了保證計(jì)算邊緣密度點(diǎn)空間的速度，可以通過設(shè)置合適的卷積步長(zhǎng)來實(shí)現(xiàn)，卷積步長(zhǎng)越大則耗時(shí)越少，得到的密度點(diǎn)空間越稀疏。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述篩選后的邊緣密度點(diǎn)空間為Cone(x，y)：

其中，Con(x，y)為所述邊緣密度點(diǎn)空間，e為所述密度閾值。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置，通過對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選，得到上述中的篩選后的邊緣密度點(diǎn)空間，從而剔除了圖像中的非目標(biāo)物，保證了被識(shí)別的圖像更加純凈，進(jìn)而保證了圖像識(shí)別的準(zhǔn)確率。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述獲取單元包括：連接子單元，用于使用膨脹窗口對(duì)所述篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理，以將所述篩選后的邊緣密度點(diǎn)空間中的相鄰點(diǎn)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(biāo)連通域。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置，由于目標(biāo)物所在的區(qū)域擁有的相鄰點(diǎn)數(shù)量最多，因此，通過將相鄰點(diǎn)連接，可以確定出目標(biāo)物的邊界。另外，通過對(duì)篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理，從而比較全面地過濾掉圖像中的非目標(biāo)物，進(jìn)而保證了最終確定的目標(biāo)物更加純凈。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述膨脹窗口的邊長(zhǎng)大于所述卷積步長(zhǎng)的一半。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置，由于膨脹窗口的邊長(zhǎng)大于卷積步長(zhǎng)的一半，因此，膨脹處理后的密度點(diǎn)空間中的相鄰點(diǎn)會(huì)連接為連通域，此時(shí)，面積最大的連通域則對(duì)應(yīng)目標(biāo)物。

根據(jù)本發(fā)明的第三方面的實(shí)施例，提出了一種具有圖像處理功能的設(shè)備，包括上述技術(shù)方案中任一項(xiàng)所述的基于密度的圖像處理裝置，因此，該設(shè)備具有和上述技術(shù)方案中任一項(xiàng)所述的基于密度的圖像處理裝置相同的技術(shù)效果，在此不再贅述。

本發(fā)明的附加方面和優(yōu)點(diǎn)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(fā)明的實(shí)踐了解到。

附圖說明

本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對(duì)實(shí)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(jù)本發(fā)明的一個(gè)實(shí)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(jù)本發(fā)明的另一個(gè)實(shí)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(jù)本發(fā)明的實(shí)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(jù)本發(fā)明的實(shí)施例的具有圖像處理功能的設(shè)備的示意框圖。

具體實(shí)施方式

為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點(diǎn)，下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)描述。需要說明的是，在不沖突的情況下，本申請(qǐng)的實(shí)施例及實(shí)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(xì)節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可以采用其他不同于在此描述的其他方式來實(shí)施，因此，本發(fā)明的保護(hù)范圍并不受下面公開的具體實(shí)施例的限制。

實(shí)施例一

如圖1所示，根據(jù)本發(fā)明的一個(gè)實(shí)施例的基于密度的圖像處理方法，包括：

步驟102，對(duì)待處理的圖像進(jìn)行邊緣提取處理。

步驟104，使用目標(biāo)卷積核，以卷積步長(zhǎng)對(duì)經(jīng)過邊緣提取處理的圖像進(jìn)行卷積，以得到邊緣密度點(diǎn)空間。

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

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

為了保證計(jì)算邊緣密度點(diǎn)空間的速度，可以通過設(shè)置合適的卷積步長(zhǎng)來實(shí)現(xiàn)，卷積步長(zhǎng)越大則耗時(shí)越少，得到的密度點(diǎn)空間越稀疏。

例如，目標(biāo)卷積核為全1的卷積核?；蛘吣繕?biāo)卷積核為其他的函數(shù)的卷積核，例如高斯函數(shù)。

步驟106，使用密度閾值對(duì)所述邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選。

若所述密度閾值為e，則所述篩選后的邊緣密度點(diǎn)空間Cone(x，y)為：

通過對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選，得到上述中的篩選后的邊緣密度點(diǎn)空間，從而剔除了圖像中的非目標(biāo)物，保證了被識(shí)別的圖像更加純凈，進(jìn)而保證了圖像識(shí)別的準(zhǔn)確率。

步驟108，獲取篩選后的邊緣密度點(diǎn)空間中的目標(biāo)連通域。

優(yōu)選地，步驟108具體包括：使用膨脹窗口對(duì)所述篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理，以將所述篩選后的邊緣密度點(diǎn)空間中的相鄰點(diǎn)連接成連通域；選擇面積最大的連通域作為所述目標(biāo)連通域。

由于目標(biāo)物所在的區(qū)域擁有的相鄰點(diǎn)數(shù)量最多，因此，通過將相鄰點(diǎn)連接，可以確定出目標(biāo)物的邊界。另外，通過對(duì)篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理，從而比較全面地過濾掉圖像中的非目標(biāo)物，進(jìn)而保證了最終確定的目標(biāo)物更加純凈。

優(yōu)選地，所述膨脹窗口的邊長(zhǎng)大于所述卷積步長(zhǎng)的一半。

由于膨脹窗口的邊長(zhǎng)大于卷積步長(zhǎng)的一半，因此，膨脹處理后的密度點(diǎn)空間中的相鄰點(diǎn)會(huì)連接為連通域，此時(shí)，面積最大的連通域則對(duì)應(yīng)目標(biāo)物。

步驟110，根據(jù)所述目標(biāo)連通域，確定所述圖像中目標(biāo)物的邊界。

在該技術(shù)方案中，通過卷積原理得到圖像的邊緣密度點(diǎn)空間，并以密度閾值作為主要判定依據(jù)，對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選來確定圖像中目標(biāo)物的邊界，即使圖像中存在復(fù)雜不規(guī)則的交叉紋理或者圖像內(nèi)容的多樣性，例如，食物圖像，也可以準(zhǔn)確地剔除圖像中的非目標(biāo)物，從而準(zhǔn)確地對(duì)圖像進(jìn)行分割，進(jìn)而提高圖像識(shí)別的準(zhǔn)確率。另外，本方案的算法靈活度較高，可以通過調(diào)整目標(biāo)卷積核、卷積步長(zhǎng)和密度閾值來調(diào)整圖像處理的速度和效果，從而保證圖像識(shí)別的準(zhǔn)確率與實(shí)時(shí)性。

實(shí)施例二

如圖2所示，根據(jù)本發(fā)明的另一個(gè)實(shí)施例的基于密度的圖像處理方法，包括：

步驟202，對(duì)待處理的圖像進(jìn)行邊緣提取處理。

步驟202具體包括：將待處理的圖像轉(zhuǎn)換成灰度圖像，使用邊緣提取算法對(duì)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(zhuǎn)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(duì)經(jīng)過邊緣提取處理的圖像進(jìn)行邊界擴(kuò)展處理。

當(dāng)經(jīng)過邊緣提取處理的圖像的空間為p(x，y)時(shí)，經(jīng)過邊界擴(kuò)展處理的圖像的空間為H(x，y)，

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

步驟206，使用目標(biāo)卷積核，以卷積步長(zhǎng)對(duì)經(jīng)過邊界擴(kuò)展處理的圖像進(jìn)行卷積，以得到邊緣密度點(diǎn)空間Con(x，y)。

優(yōu)選地，邊緣密度點(diǎn)空間Con(x，y)為：

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

另外，為了保證計(jì)算邊緣密度點(diǎn)空間的速度，可以通過設(shè)置合適的卷積步長(zhǎng)來實(shí)現(xiàn)，卷積步長(zhǎng)越大則耗時(shí)越少，得到的密度點(diǎn)空間越稀疏。

步驟208，使用密度閾值(例如，密度閾值為40000)對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選。

若密度閾值為e，則篩選后的邊緣密度點(diǎn)空間Cone(x，y)為：

步驟210，獲取篩選后的邊緣密度點(diǎn)空間中的目標(biāo)連通域。

優(yōu)選地，步驟210具體包括：使用膨脹窗口對(duì)所述篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理；將經(jīng)過膨脹處理后的邊緣密度點(diǎn)空間中的相鄰點(diǎn)連接組成連通域；選擇面積最大的連通域作為所述目標(biāo)連通域。

優(yōu)選地，膨脹窗口的邊長(zhǎng)大于卷積步長(zhǎng)的一半。例如，卷積步長(zhǎng)為15，膨脹窗口邊長(zhǎng)為8。

步驟212，根據(jù)所述目標(biāo)連通域，確定所述圖像中目標(biāo)物的邊界。

目標(biāo)連通域的矩形邊界即為目標(biāo)物的邊界。

在該技術(shù)方案中，通過卷積原理得到圖像的邊緣密度點(diǎn)空間，并以密度閾值作為主要判定依據(jù)，對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選來確定圖像中目標(biāo)物的邊界，即使圖像中存在復(fù)雜不規(guī)則的交叉紋理或者圖像內(nèi)容的多樣性，例如，食物圖像，也可以準(zhǔn)確地剔除圖像中的非目標(biāo)物，從而準(zhǔn)確地對(duì)圖像進(jìn)行分割，進(jìn)而提高圖像識(shí)別的準(zhǔn)確率。另外，本方案的算法靈活度較高，可以通過調(diào)整目標(biāo)卷積核、卷積步長(zhǎng)和密度閾值來調(diào)整圖像處理的速度和效果，從而保證圖像識(shí)別的準(zhǔn)確率與實(shí)時(shí)性。

圖3示出了根據(jù)本發(fā)明的實(shí)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(jù)本發(fā)明的實(shí)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(duì)待處理的圖像進(jìn)行邊緣提取處理；卷積單元304，用于使用目標(biāo)卷積核，以卷積步長(zhǎng)對(duì)經(jīng)過邊緣提取處理的圖像進(jìn)行卷積，以得到邊緣密度點(diǎn)空間；篩選單元306，用于使用密度閾值對(duì)所述邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選；獲取單元308，用于獲取篩選后的邊緣密度點(diǎn)空間中的目標(biāo)連通域；確定單元310，用于根據(jù)所述目標(biāo)連通域，確定所述圖像中目標(biāo)物的邊界。

根據(jù)本發(fā)明的實(shí)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(diǎn)空間，并以密度閾值作為主要判定依據(jù)，對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選來確定圖像中目標(biāo)物的邊界，即使圖像中存在復(fù)雜不規(guī)則的交叉紋理或者圖像內(nèi)容的多樣性，例如，食物圖像，也可以準(zhǔn)確地剔除圖像中的非目標(biāo)物，從而準(zhǔn)確地對(duì)圖像進(jìn)行分割，進(jìn)而提高圖像識(shí)別的準(zhǔn)確率。另外，本方案的算法靈活度較高，可以通過調(diào)整目標(biāo)卷積核、卷積步長(zhǎng)和密度閾值來調(diào)整圖像處理的速度和效果，從而保證圖像識(shí)別的實(shí)時(shí)性。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，還包括：邊界擴(kuò)展單元312，用于對(duì)所述經(jīng)過邊緣提取處理的圖像進(jìn)行邊界擴(kuò)展處理，以對(duì)經(jīng)過邊界擴(kuò)展處理的圖像進(jìn)行卷積，其中，當(dāng)所述經(jīng)過邊緣提取處理的圖像的空間為p(x，y)時(shí)，所述經(jīng)過邊界擴(kuò)展處理的圖像的空間為H(x，y)，

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

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置300，通過進(jìn)行邊界擴(kuò)展處理，可以避免對(duì)圖像進(jìn)行卷積時(shí)卷積到邊界之外的點(diǎn)，從而保證了卷積的準(zhǔn)確性和可靠性。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，當(dāng)所述目標(biāo)卷積核為h(x，y)，(0＜x＜h.rows，0＜y＜h.cols)，h.rows為所述目標(biāo)卷積核的寬度，h.cols為所述目標(biāo)卷積核的高度時(shí)，所述邊緣密度點(diǎn)空間為Con(x，y)，

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

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置300，邊緣密度點(diǎn)空間符合上述公式，可以保證卷積后所得到的邊緣密度點(diǎn)空間的寬度和高度與原圖一致，進(jìn)一步地準(zhǔn)確地確定出圖像中目標(biāo)物的邊界。另外，為了保證計(jì)算邊緣密度點(diǎn)空間的速度，可以通過設(shè)置合適的卷積步長(zhǎng)來實(shí)現(xiàn)，卷積步長(zhǎng)越大則耗時(shí)越少，得到的密度點(diǎn)空間越稀疏。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述篩選后的邊緣密度點(diǎn)空間為Cone(x，y)：

其中，Con(x，y)為所述邊緣密度點(diǎn)空間，e為所述密度閾值。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置300，通過對(duì)邊緣密度點(diǎn)空間中的點(diǎn)進(jìn)行篩選，得到上述中的篩選后的邊緣密度點(diǎn)空間，從而剔除了圖像中的非目標(biāo)物，保證了被識(shí)別的圖像更加純凈，進(jìn)而保證了圖像識(shí)別的準(zhǔn)確率。

根據(jù)本發(fā)明的一個(gè)實(shí)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(duì)所述篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理，以將所述篩選后的邊緣密度點(diǎn)空間中的相鄰點(diǎn)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(biāo)連通域。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置300，由于目標(biāo)物所在的區(qū)域擁有的相鄰點(diǎn)數(shù)量最多，因此，通過將相鄰點(diǎn)連接，可以確定出目標(biāo)物的邊界。另外，通過對(duì)篩選后的邊緣密度點(diǎn)空間進(jìn)行膨脹處理，從而比較全面地過濾掉圖像中的非目標(biāo)物，進(jìn)而保證了最終確定的目標(biāo)物更加純凈。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述膨脹窗口的邊長(zhǎng)大于所述卷積步長(zhǎng)的一半。

根據(jù)本發(fā)明的實(shí)施例的基于密度的圖像處理裝置300，由于膨脹窗口的邊長(zhǎng)大于卷積步長(zhǎng)的一半，因此，膨脹處理后的密度點(diǎn)空間中的相鄰點(diǎn)會(huì)連接為連通域，此時(shí)，面積最大的連通域則對(duì)應(yīng)目標(biāo)物。

圖4示出了根據(jù)本發(fā)明的實(shí)施例的具有圖像處理功能的設(shè)備的示意框圖。

如圖4所示，根據(jù)本發(fā)明的實(shí)施例的具有圖像處理功能的設(shè)備400，包括上述技術(shù)方案中任一項(xiàng)所述的基于密度的圖像處理裝置300，因此，該設(shè)備400具有和上述技術(shù)方案中任一項(xiàng)所述的基于密度的圖像處理裝置300相同的技術(shù)效果，在此不再贅述。

其中，具有圖像處理功能的設(shè)備400包括但不限于：家用電器、服務(wù)器和終端。

以上結(jié)合附圖詳細(xì)說明了本發(fā)明的技術(shù)方案，通過以上技術(shù)方案，可以準(zhǔn)確地剔除圖像中的非目標(biāo)物，以及提高圖像識(shí)別的準(zhǔn)確率與速度，從而保證圖像識(shí)別的準(zhǔn)確率與實(shí)時(shí)性。

在本發(fā)明中，術(shù)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(duì)重要性；術(shù)語“多個(gè)”表示兩個(gè)或兩個(gè)以上。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語在本發(fā)明中的具體含義。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。