[发明专利]图像的处理方法及应用该方法的机器人、装置

权利要求书

1.一种图像的处理方法，其特征在于，所述处理方法包括：

获取样本图像；其中，所述样本图像包括第一图像区域以及第二图像区域；

将所述样本图像转换为灰度图像；

将所述样本图像的灰度图像分别与Sobel算子在水平以及竖直方向上的两个运算符进行卷积，得到两个所述样本图像的梯度图像；

根据所述两个所述样本图像的梯度图像，计算出所述样本图像的梯度幅值图像；

定义能量函数；具体包括：所述能量函数定义为

其中，Σ_S、Σ_G用于描述所述样本图像中的所述第一图像区域和所述第二图像区域的像素值，是对应Σ_S、Σ_G的特征值；优化所述能量函数；其中，优化后的能量函数如下：

其中，γ表示所述第一图像区域的同质性系数，且令γ＝2；

获取阈值取值范围并从所述阈值取值范围中选取多个阈值参数；

将所述多个阈值参数逐一用于获取所述第一图像区域的计算边界以及求解所述能量函数；具体包括：从所述多个阈值参数中选取一阈值参数；

遍历所述梯度幅值图像，确定所述梯度幅值图像中梯度大于所选取的阈值参数的图像坐标；其中，梯度大于所选取的阈值参数且位于所述梯度幅值图像最上方的图像坐标组成所述第一图像区域的计算边界；

其中，所述遍历所述梯度幅值图像，确定所述梯度幅值图像中梯度大于所选取的阈值参数的图像坐标的步骤包括：逐列扫描所述梯度幅值图像，得到所述梯度幅值图像的多个图像列；

逐列确定所述多个图像列中梯度大于所选取的阈值参数的图像坐标；

所述处理方法还包括：

定义边界位置函数b(x)：

其中，t为阈值参数；grad(y，x)为图像坐标(x，y)处的梯度；W为所述样本图像的宽度；H为所述样本图像的高度；b(x)用于描述所述多个图像列中梯度大于所选取的阈值参数的图像坐标；

所述第一图像区域的计算边界用于定义所述第一图像区域的计算区域，所述第一图像区域的计算区域描述为：

sky＝{(x,y)|1≤x≤W,1≤y≤b(x)}；

更换阈值参数，再次遍历所述梯度幅值图像，以确定所述梯度幅值图像中梯度大于所选取的阈值参数的图像坐标，直至遍历所述多个阈值参数；

其中，所述能量函数的最优解对应所述第一图像区域的最优计算边界。

2.根据权利要求1所述的处理方法，其特征在于，所述处理方法还包括：

定义搜索区间为[thresh_min,thresh_max]；

定义所述阈值参数为：

从而得到所述阈值取值范围。

3.根据权利要求2所述的处理方法，其特征在于，所述将所述多个阈值参数逐一用于求解所述能量函数的步骤包括：

令b_tmp＝b(x)；其中，b(x)为阈值参数t对应的边界位置函数；

遍历所述多个阈值参数，分别计算各阈值参数对应的b_tmp所对应的能量函数J_n(t)；

确定能量函数J_n(t)的最大值所对应的b_tmp并令其为b_opt；其中，b_opt为最优边界位置函数，b_opt所包括图像坐标的集合为所述第一图像区域的最优计算边界。

4.根据权利要求3所述的处理方法，其特征在于，所述处理方法还包括：

定义边界位置函数b(x)的平均值border_ave：

定义所述第一图像区域的计算边界位置绝对差之和的平均值ASADSBP：

定义所述第一图像区域的计算边界位置的绝对差值：

diff_abs(x)＝|b(x+1)-b(x)|，(1≤x≤W-1)；

其中，若满足(border_aveH/30)∨(border_aveH/10∧ASADSBP5)，或满足diff_abs(x)H/3(x∈[1,W-1])，则判定所述第一图像区域的最优计算边界所定义的所述第一图像区域的最优计算区域存在杂质区域。