[發(fā)明專利]一種數(shù)學形態(tài)學和LoG算子結(jié)合的邊緣檢測算法

無效

• 申請?zhí)枺?/td>: 201110386867.1
• 申請日: 2011-11-28
• 公開（公告）號: CN102521802A
• 公開（公告）日: 2012-06-27
• 發(fā)明（設(shè)計）人: 鐘震宇;楊健雯;曹永軍;陳輝;黃東運;陳光黎;黎偉權(quán);盧杏堅
• 申請（專利權(quán)）人: 廣東省科學院自動化工程研制中心
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 廣州嘉權(quán)專利商標事務(wù)所有限公司 44205
• 代理人: 譚英強

技術(shù)領(lǐng)域

本發(fā)明屬于邊緣檢測領(lǐng)域，尤其涉及一種數(shù)學形態(tài)學和LoG算子結(jié)合的邊緣檢測算法。?

背景技術(shù)

邊緣是圖像灰度不連續(xù)性的反映，它包含了圖像的大量信息，反映了物體的本質(zhì)特征。邊緣檢測在計算機視覺、圖像分割、特征提取和圖像匹配等應用中起著重要的作用，是圖像分析與識別的重要環(huán)節(jié)。?

邊緣檢測的方法有很多，大體可以分為兩類：空域檢測和變換域檢測。經(jīng)典的邊緣檢測算法大多是基于空域檢測，如Laplace算子、Sobel算子、Canny算子和LoG算子等。各種算子均各有針對性和特點，其中，由Marr和Hildreth提出的LoG算子(高斯-拉普拉斯算子)方法具有邊緣檢測效率高的特點。其基本思想是：先用Gauss函數(shù)進行平滑處理來抑制噪聲，然后用Laplace算子處理平滑后的圖像來檢測邊緣。由于LoG算子的閾值可完全由計算機來計算，計算量也相對少，從而使得LoG算子的檢測速度更快。但由于這些算子主要作用是高通濾波，均涉及方向性，普遍對噪聲比較敏感，因此很難檢測出復雜邊緣。而基于變換域的邊緣檢測方法可以有效地抑制噪聲，但這類算法計算量較大，在很多場合很難滿足實時性要求。?

近年來，為了提高邊緣檢測的實時性，改善邊緣檢測的性能，數(shù)?學形態(tài)學的應用越來越受重視。數(shù)學形態(tài)學是建立在隨機集合論和積分幾何基礎(chǔ)上，基本思想是用一個結(jié)構(gòu)元素作為基本工具來探測和提取圖像。它主要包括膨脹、腐蝕、開啟、閉合這四種運算，并由這四種運算組合和推導出其他的算法，從而實現(xiàn)對檢測圖像的邊緣檢測，完成不同的圖像分析。?

發(fā)明內(nèi)容

本發(fā)明的目的是提供針對帶有噪聲圖像，不僅處理速度快，而且效果又好的一種數(shù)學形態(tài)學和LoG算子結(jié)合的邊緣檢測算法。?

本發(fā)明一種數(shù)學形態(tài)學和LoG算子結(jié)合的邊緣檢測算法，包括以下步驟：?

采用數(shù)學形態(tài)學方法對圖像進行平滑處理；?

應用LoG算子，對采用數(shù)學形態(tài)學方法處理后的圖像進行邊緣檢測。?

進一步，所述采用數(shù)學形態(tài)學方法對圖像進行平滑處理具體為對圖像進行閉合運算。?

本發(fā)明的有益效果是：由于數(shù)學形態(tài)學具有簡化圖像數(shù)據(jù)、保持圖像的基本形態(tài)特征、除去不相干結(jié)構(gòu)、易于硬件實現(xiàn)等優(yōu)點，在對含有噪聲的圖像進行邊緣檢測時，通過把數(shù)學形態(tài)學方法和和LoG算子相結(jié)合，在不影響LoG算子的檢測效率的同時，又能很好的去除噪聲。?

附圖說明

下面結(jié)合附圖對本發(fā)明的具體實施方式作進一步說明：?

圖1是本發(fā)明方法步驟流程圖；?

圖2是含有椒鹽噪聲的玻璃碎片圖像；?

圖3是應用LoG算子對圖1所示圖像進行邊緣檢測后的圖像；?

圖4是采用本發(fā)明數(shù)學形態(tài)學和LoG算子結(jié)合的邊緣檢測算法對圖1所示圖像進行邊緣檢測后的圖像。?

具體實施方式

LoG算子，也就是高斯-拉普拉斯算子。拉普拉斯算子是一種二階導數(shù)算子，其表達式為：?

▿2f(x,y)=∂2f(x,y)∂x2+∂2f(x,y)∂y2]]>

應用于數(shù)字圖像的時候，則可以用差分近似地表示成：?