(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210744151.2 (22)申请日 2022.06.27 (71)申请人 东南大学 地址 211100 江苏省南京市江宁区东 南大 学路2号 (72)发明人 秦龙辉　张嘉桐　柴大洲　李瑞茹　 包文辉　 (74)专利代理 机构 北京德崇智捷知识产权代理 有限公司 1 1467 专利代理师 曹婷 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/28(2022.01) (54)发明名称 一种基于参考区域二值化结果的图像轮廓 提取方法 (57)摘要 本发明公开了一种基于参考区域二值化结 果的图像轮廓提取方法， 涉及图像处理技术领 域， 解决了受复杂环境背景影 响造成主体目标轮 廓提取困难的问题， 其技术方案要点是在预先确 定待识别对象位置的情况下， 以该位置为核心划 定参考区域， 根据参考区域二值化结果， 确定整 幅图像的二值化结果。 该方法适用于主体目标唯 一且连续、 位置确定， 同时该目标在整幅图像中 具有一定面积占比的情况； 与已有的整幅图像直 接二值化或根据纹理特征提取轮廓的方法相比 较， 该方法实现简单且高效， 可有效减少背景光 变化与周围环境干 扰对轮廓提取的影响。 权利要求书1页 说明书3页 附图2页 CN 115187790 A 2022.10.14 CN 115187790 A 1.一种基于参 考区域二值化结果的图像 轮廓提取 方法， 其特 征在于， 包括： S1： 对整幅图像进行 灰度化处 理， 得到灰度图像； S2： 确定所述灰度图像中参 考区域的位置(x,y)及大小(w,h)； S3： 对所述参考区域进行二值化处理时通过Otsu方法确定全局阈值， 根据所述全局阈 值计算二值化后的所述参考区域的像素矩阵， 对所述像素矩阵中所有 元素的平均值进 行计 算； S4： 根据所述平均值确定整幅图像的二 值化矩阵； S5： 通过Moore ‑Neighbor追踪算法在 所述二值化矩阵中对待识别主体目标的轮廓进行 提取。 2.如权利要求1所述的图像轮廓提取方法， 其特征在于， 所述步骤S1中， 所述灰度化处 理的方法包括： 将彩色图像的RGB三种颜色按照加权求和的方式转换为灰度值， 则灰度值矩 阵第i行第j列的值表示为灰度值I(i,j)＝0.299*R+0.587*G+0.114*B； 其中， R,G,B分别表 示彩色图像中第i行第j列像素点在红、 绿、 蓝三个颜色通道中的值。 3.如权利要求1所述的图像轮廓提取方法， 其特征在于， 所述步骤S2中， 所述参考区域 的位置(x,y)表示已知的待识别主体目标的中心点在灰度图像中的位置， 所述参考区域为 矩形区域， w和h分别表示矩形局 域的宽和高； 所述参考区域的面积小于待识别主体目标的 面积。 4.如权利要求1所述的图像轮廓提取方法， 其特征在于， 所述步骤S3中， 所述像素矩阵 的计算方法表示为： 若灰度值I(i,j)>＝W_ROI， 则bw_ROI(i,j)＝1； 否则， bw_ROI(i,j)＝0； 其中， W_ROI表示所述全局阈值， bw_ROI(i,j)表示所述像素矩阵中第i行第j列的值； 对所述像素矩阵中所有元素的平均值进行计算， 包括： 根据 计算平均值Nmean_ROI， Nmean_ROI为整数值； 其中， m， n分别表示所述参考区域内像素的行 数和列数。 5.如权利 要求4所述的图像轮廓提取方法， 其特征在于， 所述步骤S4中， 若Nmean_ROI＝ 1， 则所述二值化矩阵表示为bw＝bw_temp； 否则， bw＝～bw_temp； 其中， bw表示二值化矩阵； bw_temp表示像素矩阵； ～bw_temp表示将bw_temp中的每 个元素取反。 6.如权利要求4所述的图像轮廓提取方法， 其特征在于， 所述步骤S5包括： 通过Moore ‑ Neighbor追踪算法计算所述二值化矩阵中所有物体的轮廓， 获得的轮廓中具有最大像素点 且位于所述 参考区域附近的轮廓即为待识别主体目标的轮廓。权　利　要　求　书 1/1 页 2 CN 115187790 A 2一种基于参考区域二值化结果 的图像轮廓提取方 法 技术领域 [0001]本申请涉及视觉图像的计算机自动化处理技术领域， 尤其涉及 一种基于参考区域 二值化结果的图像 轮廓提取 方法。 背景技术 [0002]在涉及图像处理和识别的技术应用中， 图像主体的识别与主体轮廓的提取是非常 重要的前 处理环节。 彩色图像信号可以作为包含R、 G、 B三个通道的数 组矩阵进 行处理， 将彩 色图像灰度处理后可以进一步简化为二 维矩阵。 通常情况下图像主体与背 景存在较大的色 彩差异， 可以通过设置阈值， 实现图像主体区域的识别和 轮廓提取。 同样， 也可以使用机器 学习的方法， 在大量学习与待识别图像种类一致的轮廓信息后， 实现对图像主体的识别与 轮廓提取。 [0003]目前， 该领域的相关技术研究， 主要有两类方法。 一方面， 使用特定的计算方法， 获 得特征值， 实现对图像轮廓的识别， 如： Sobel算子、 GVF  snake模型、 阈值分割、 Gabor滤波器 等。 Sobel算子通过与图像作卷积求得梯度信息， 获取轮廓， GVF  snake模型计算梯度矢量 流， 计算量较大； 而阈值分割方法在提取图像轮廓时， 默认将具有 更高亮度的对象确认为主 体， 其余则被认为是背 景， 如果主体目标和背景的亮度及色彩发生变化， 则很容易出现背 景 被识别为主体， 从而导致轮廓提取失败的问题。 另一类方法使用机器学习算法， 如： 结构森 林、 GAN网络、 对抗网络、 K均值聚类等， 这类方法对特定种类的图像轮廓识别 具有较好的效 果， 但需要进 行数据集的建立和网络的训练， 程序较为复杂且训练好的网络通用性较差， 适 用于特定种类图像的处 理。 因此， 亟需一种简单高效的轮廓提取 方法。 发明内容 [0004]本申请提供了一种基于参考区域二值化结果的图像轮廓提取方法， 其技术目的是 有效减少背景光变化与周围环境干扰对轮廓提取的影响， 使轮廓提取简单且高效。 [0005]本申请的上述 技术目的是通过以下技 术方案得以实现的： [0006]一种基于参 考区域二值化结果的图像 轮廓提取 方法， 包括： [0007]S1： 对整幅图像进行 灰度化处 理， 得到灰度图像； [0008]S2： 确定所述灰度图像中参 考区域的位置(x,y)及大小(w,h)； [0009]S3： 对所述参考区域进行二值化处理时通过Otsu方法确定全局阈值， 根据所述全 局阈值计算二值化后的所述参考区域的像素矩阵， 对所述像素矩阵中所有 元素的平均值进 行计算； [0010]S4： 根据所述平均值确定整幅图像的二 值化矩阵； [0011]S5： 通过Moor e‑Neighbor追踪算法在所述二值化矩阵中对待识别主体目标的轮廓 进行提取。 [0012]本申请的有益效果在于： 本申请所述的基于参考区域二值化结果的图像轮廓提取 方法， 实现简单， 直接， 计算成本低， 对硬件要求低， 对于包含单个目标主体的视觉图像， 可说　明　书 1/3 页 3 CN 115187790 A 3