CN107230194A - 一种基于对象点集的平滑滤波方法 - Google Patents

Abstract

本发明公开了一种基于对象点集的平滑滤波方法，包括步骤：获得边界1；获得边界2；对边界1和边界2之间的区域点集进行平滑滤波处理，所述边界1为对象点集经过10次腐蚀后的边缘点集，所述边界2为对象点集经过10次膨胀后的边缘点集。本发明创造的方法利用腐蚀和膨胀的方法得到边界1和边界2，并且利用边界1和边界2得到区域点集，该区域点集反映出整个对象点集的轮廓信息，对该区域点集进行平滑滤波处理，可以消除图片上的对象与对象之间、对象与背景之间的块效应，提高图片的整体质量。

Description

一种基于对象点集的平滑滤波方法

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于对象点集的平滑滤波方法。

背景技术

最新的对象提取技术Mask R-CNN，该技术对图像进行语义分割，分割得到的同种类别的像素的集合称为对象点集。一张图片包括若干个对象点集，如果对某个对象点集进行处理时，比如说对某个对象点集进行对比度的调整，在调整之后，对象点集与对象点集之间、对象点集与背景之间则容易出现块效应，这些块效应会影响到整个图片的质量。因此，如果消除对象点集与对象点集之间、对象点集与背景之间的块效应成了领域内急需解决的问题。

发明内容

为了解决上述问题，本发明提供了一种基于对象点集的平滑滤波方法，该方法可有效地解决对象点集与对象点集之间、对象点集与背景之间的块效应。

本发明解决其技术问题的解决方案是：一种基于对象点集的平滑滤波方法，包括步骤：获得边界1；获得边界2；对边界1和边界2之间的区域点集进行平滑滤波处理，所述边界1为对象点集经过10次腐蚀后的边缘点集，所述边界2为对象点集经过10次膨胀后的边缘点集。

进一步，所述10次腐蚀的方法包括步骤：

a1)用当前的对象点集减去当前的边缘点集得到新的对象点集；

a2)用所述新的对象点集获取得到新的边缘点集；

a3)重复步骤a1)-a2)10次。

进一步，所述边缘点集的获取方法包括：以对象点集中的任意一个像素点为中心，该点称为中心像素点，判断所述中心像素点的左、右、上、下的像素点与其是否为同一类别，根据判断结果获取边缘点，将所述边缘点集合为边缘点集。

进一步，所述10次膨胀的方法包括步骤：

a11)将结构元的中心放到当前边缘点集的任意一点上，并且结构元的中心沿着所述边缘点集移动，找到属于结构元但不属于对象点集的像素点，并将所述像素点集合为新的边缘点集；

a12)将当前的对象点集与所述边缘点集合并成为新的对象点集；

a13)重复步骤a11)-a12)10次。

进一步，采用3×3的滤波模板对边界1和边界2之间的区域点集进行平滑滤波。

本发明的有益效果是：本方法利用腐蚀和膨胀的方法得到边界1和边界2，并且利用边界1和边界2得到区域点集，该区域点集反映出整个对象点集的轮廓信息，对该区域点集进行平滑滤波处理，可以消除图片上的对象与对象之间、对象与背景之间的块效应，提高图片的整体质量。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。

图1是基于对象点集的平滑滤波方法的流程图；

图2是10次腐蚀的流程图；

图3是10次膨胀的流程图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，文中所提到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。

实施例1，参考图1，对经过Mask R-CNN技术处理后的图片进行如下处理：一种基于对象点集的平滑滤波方法，

S00：找到需要处理的对象并且得到其当前的对象点集；

S01：对象点集经过10次腐蚀得到边界1；

S02：对象点集经过10次膨胀得到边界2；

S03：对边界1和边界2之间的区域点集进行平滑滤波处理。

需要说明的是步骤S01和S02并没有先后顺序所限制，本实施以步骤S01为先。参考图2，其中，10次腐蚀的方法包括如下步骤：

S1：用当前的对象点集减去当前的边缘点集得到新的对象点集；

S2：用所述新的对象点集获取得到新的边缘点集；

S3：重复10次步骤S1-S2。

其中边缘点集的获取方法包括：此时假设对象点集为∑(x_i,y_i)，在标签类别图中，以∑(x_i,y_i)每一个像素点(x_i,y_i)为中心，像素点(x_i-1,y_i),(x_i+1,y_i)分别为像素点(x_i,y_i)的左右两点；(x_i,y_i+1),(x_i,y_i-1)分别为点(x_i,y_i)的上下两点。所述像素点(x_i,y_i)如果满足以下公式：

|C(x_i-1,y_i)-C(x_i,y_i)|+|C(x_i,y_i)-C(x_i+1,y_i)|≥1

或|C(x_i,y_i+1)-C(x_i,y_i)|+|C(x_i,y_i)-C(x_i,y_i-1)|≥1则判定所述像素点(x_i,y_i)为边缘点，将该边缘点集合到边缘点集中。该公式的解释为：像素点(x_i,y_i)从左到右或者从上到下的像素点标签类别值变化大于等于1。则判定像素点(x_i,y_i)为边缘点，其中函数C(x，y)指的是像素点(x，y)的标签类别值。

参考图3，10次膨胀的方法包括步骤：

S11：将结构元的中心放到当前边缘点集的任意一点上，并且结构元的中心沿着所述边缘点集顺时针移动，找到属于结构元但不属于对象点集的像素点，并将所述像素点集合为新的边缘点集；用公式表示为：其中A为当前的边缘点集，B为结构元，z就是膨胀一次得到的边缘点集。

S12：将当前的对象点集与所述边缘点集合并成为新的对象点集；

S13：重复10次步骤S11-S12。

确定边界1和边界2后，便得到了边界1和边界2之间的区域点集，该区域点集满足下面条件：

设像素点(x,y)表示区域点集上任意一点，像素点(x1,y1)表示边界1的任意一点，像素点(x2,y2)表示边界2的任意一点，则满足x1＝x＝x2时，y1<y<y2或者y2<y<y2。

对边界1和边界2之间的区域点集进行平滑滤波处理，本实施例采用3×3的滤波模板，该模板为：

平滑滤波过程如下：

假设下面是一幅图像的灰度值矩阵：

0	0	143	0	0
					0	93	157	89	0
189	156	162	0	56
					0	89	0	0	0
0	0	0	0	0

灰度值f(3,1)＝189，f(3,2)＝156，f(3,3)＝162通过模板滤波后

将边界1和边界2之间的区域点集转换为灰度值矩阵，按照上述方法对每一个像素点依次进行平滑滤波处理从而得到最终的平滑后的区域点集。

本发明创造的方法利用腐蚀和膨胀的方法得到边界1和边界2，并且利用边界1和边界2得到区域点集，该区域点集反映出整个对象点集的轮廓信息，对该区域点集进行平滑滤波处理，可以消除图片上的对象与对象之间、对象与背景之间的块效应，提高图片的整体质量。

以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (5)

1.一种基于对象点集的平滑滤波方法，其特征在于：包括步骤：获得边界1；获得边界2；对边界1和边界2之间的区域点集进行平滑滤波处理，所述边界1为对象点集经过10次腐蚀后的边缘点集，所述边界2为对象点集经过10次膨胀后的边缘点集。

2.根据权利要求1所述的一种基于对象点集的平滑滤波方法，其特征在于：所述10次腐蚀的方法包括步骤：

a1)用当前的对象点集减去当前的边缘点集得到新的对象点集；

a2)用所述新的对象点集获取得到新的边缘点集；

a3)重复步骤a1)-a2)10次。

3.根据权利要求2所述的一种基于对象点集的平滑滤波方法，其特征在于：所述边缘点集的获取方法包括：以对象点集中的任意一个像素点为中心，该点称为中心像素点，判断所述中心像素点的左、右、上、下的像素点与其是否为同一类别，根据判断结果获取边缘点，将所述边缘点集合为边缘点集。

4.根据权利要求1所述的一种基于对象点集的平滑滤波方法，其特征在于：所述10次膨胀的方法包括步骤：

a11)将结构元的中心放到当前边缘点集的任意一点上，并且结构元的中心沿着所述边缘点集移动，找到属于结构元但不属于对象点集的像素点，并将所述像素点集合为新的边缘点集；

a12)将当前的对象点集与所述边缘点集合并成为新的对象点集；

a13)重复步骤a11)-a12)10次。

5.根据权利要求1所述的一种基于对象点集的平滑滤波方法，其特征在于：采用3×3的滤波模板对边界1和边界2之间的区域点集进行平滑滤波。