[发明专利]图像的处理方法及应用该方法的机器人、装置

说明书

本发明涉及图像处理技术领域，公开了一种图像的处理方法及应用该方法的机器人、装置。该处理方法包括：获取样本图像；其中，样本图像包括第一图像区域；定义能量函数；获取阈值取值范围并从阈值取值范围中选取多个阈值参数；将多个阈值参数逐一用于获取第一图像区域的计算边界以及求解能量函数；其中，能量函数的最优解对应第一图像区域的最优计算边界。通过上述方式，本发明能够简化图像中目标区域(即第一图像区域)的检测过程。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像的处理方法及应用该方法的机器人、装置。

背景技术

天空区域是户外图像的重要组成部分，用于提供环境信息。在图像中识别出天空区域，其在用于室外的地面机器人自主导航中有十分重要的作用。

常用的检测算法根据其测距传感器可分为两种：第一种是使用主动式传感器，比如雷达，激光传感器等，这类传感器比较精确，但缺点是比较成本较高。而第二种是使用被动式传感器，比如视觉传感器等。这类传感器成本较低，但其主要依赖于算法实现，而目前基于被动式传感器的天空区域检测算法精度较低。

发明内容

有鉴于此，本发明主要解决的技术问题是提供一种图像的处理方法及应用该方法的机器人、装置，能够简化图像中目标区域(即第一图像区域)的检测过程。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种图像的处理方法，该处理方法包括：获取样本图像；其中，样本图像包括第一图像区域；定义能量函数；获取阈值取值范围并从阈值取值范围中选取多个阈值参数；将多个阈值参数逐一用于获取第一图像区域的计算边界以及求解能量函数；其中，能量函数的最优解对应第一图像区域的最优计算边界。

在本发明的一实施例中，获取样本图像的步骤之后包括：将样本图像转换为灰度图像；将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，得到两个样本图像的梯度图像；根据两个样本图像的梯度图像，计算出样本图像的梯度幅值图像。

在本发明的一实施例中，样本图像还包括第二图像区域；定义能量函数的步骤包括：能量函数定义为

其中，Σ_S、Σ_G用于描述样本图像中的第一图像区域和第二图像区域的像素值，是对应Σ_S、Σ_G的特征值。

在本发明的一实施例中，定义能量函数的步骤还包括：优化能量函数；其中，优化后的能量函数如下：

其中，γ表示第一图像区域的同质性系数，且令γ＝2。

在本发明的一实施例中，将多个阈值参数逐一用于获取第一图像区域的计算边界的步骤包括：从多个阈值参数中选取一阈值参数；遍历梯度幅值图像，确定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梯度幅值图像最上方的图像坐标组成第一图像区域的计算边界；更换阈值参数，再次遍历梯度幅值图像，以确定梯度幅值图像中梯度大于所选取的阈值参数的图像坐标，直至遍历多个阈值参数。

在本发明的一实施例中，遍历梯度幅值图像，确定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：逐列扫描梯度幅值图像，得到梯度幅值图像的多个图像列；逐列确定多个图像列中梯度大于所选取的阈值参数的图像坐标；

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为样本图像的宽度；H为样本图像的高度；b(x)用于描述多个图像列中梯度大于所选取的阈值参数的图像坐标；

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