[發(fā)明專利]一種基于特定類灰度圖像的邊緣檢測方法

無效

• 申請?zhí)枺?/td>: 201110420474.8
• 申請日: 2011-12-15
• 公開（公告）號: CN102521836A
• 公開（公告）日: 2012-06-27
• 發(fā)明（設(shè)計）人: 顧寄南;關(guān)號兵;樊帆;陳四杰;吳倩;陳艷;沈巍;徐軍霞;丁衛(wèi)
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 樓高潮

技術(shù)領(lǐng)域

本專利涉及到數(shù)字圖像處理技術(shù)，尤其涉及一種基于特定類灰度圖像的邊緣檢測方法。

背景技術(shù)

邊緣是圖像最基本的特征，邊緣檢測對圖像分析和理解具有重要意義。邊緣檢測包含以下基本步驟：濾波、增強、檢測、定位。傳統(tǒng)的邊緣檢測方法有Roberts算子、Sobel算子、Prewitt算子、Log算子和Canny算子等。隨著數(shù)學(xué)理論和信號處理技術(shù)的發(fā)展，近年來又產(chǎn)生了基于小波分析的邊緣檢測方法、基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法、基于分形幾何的方法等新的邊緣檢測算法。其中，基于最優(yōu)化理論的canny邊緣檢測算法具有信噪比大和檢測精度高的優(yōu)點，已經(jīng)得到廣泛應(yīng)用。

雖然，canny算法在實際應(yīng)用中優(yōu)于傳統(tǒng)的Roberts、Sobel等邊緣檢測方法，但同時也存在一些問題。實際圖像往往受到光照、傳輸、圖片尺寸等影響使得圖像邊緣信息發(fā)生變化。傳統(tǒng)的canny算子在實際處理中受各種干擾因素的影響，會產(chǎn)生部分虛假邊緣；同時，傳統(tǒng)的canny算法需要根據(jù)經(jīng)驗對邊緣提取過程中的高、低閾值進行設(shè)定，不能根據(jù)圖像的實際內(nèi)容自動更改參數(shù)值，對不同的圖像缺乏自適應(yīng)性，并且很難消除局部強噪聲的干擾，在檢出偽邊緣的同時還會丟失一些灰度值變化緩慢的局部邊緣。因此，在具體應(yīng)用上仍存在一定的局限性。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對特定類灰度圖像，提出一種新的有效的邊緣檢測方法，該方法可以有效地去除圖像中的高斯噪聲及椒鹽噪聲，并對檢測和連接邊緣的高、低閾值進行自適應(yīng)設(shè)定，能夠提高邊緣檢測精度和準(zhǔn)確度，有效地實現(xiàn)邊緣的檢測。

本發(fā)明的技術(shù)方案為：一種基于特定類灰度圖像的邊緣檢測方法，包括以下步驟：

???1）圖像去噪處理；

2）圖像增強；

3）非極大值抑制，形成梯度直方圖；

4）對檢測和連接邊緣的高閾值Th_高和低閾值Th_低自適應(yīng)設(shè)定；

5）通過邊緣跟蹤算法實現(xiàn)邊緣點的連接。

所述步驟1）的具體步驟為：首先采用空間尺度參數(shù)自適應(yīng)調(diào)整的高斯濾波方法消除高斯噪聲；再通過中值濾波的方法消除椒鹽噪聲。

所述步驟2）的具體步驟為：先對所述步驟1）處理后的灰度圖像分別進行膨脹和腐蝕操作，再將所得到的兩幅圖像相減，得到邊緣信息增強的圖像。

所述步驟3）的非極大值抑制的具體步驟為：對每一個像素點，以該點為中心，在八鄰域范圍內(nèi)對應(yīng)梯度方向上與其相鄰兩個像素點的梯度值作比較：若該點梯度值為最大，則梯度值保留；否則將該點梯度值設(shè)為零。

所述步驟4）的具體步驟為：先對所述梯度直方圖做差分，得到差分直方圖；所述梯度直方圖中背景尖峰與第一個目標(biāo)尖峰之間的平滑區(qū)域轉(zhuǎn)化為所述差分直方圖中過零點的集合；選取所述集合中最后一個過零點的梯度幅值作為高閾值；然后針對所述梯度直方圖中小于所述高閾值的部分采用一次最大類間方差方法求出低閾值。

所述步驟5）的具體步驟為：取梯度值高于Th_高的點，將其設(shè)定為絕對邊緣點，作為邊緣連接的起始點，在所述絕對邊緣點的八鄰域范圍內(nèi)，判斷是否存在其它的絕對邊緣點，如果有則作為邊緣連接；否則轉(zhuǎn)向判斷是否存在梯度值大于Th_低的點，如果有作為邊緣連接。

本發(fā)明的有益效果是：針對特定類灰度圖像，在傳統(tǒng)canny邊緣檢測算法的基礎(chǔ)上，提出新的圖像邊緣檢測算法，有效地改善存在高斯噪聲及椒鹽噪聲干擾的情況下邊緣的提取。然后，通過形態(tài)學(xué)處理，增大目標(biāo)與背景之間的灰度差異，降低弱邊緣的漏檢。并且提出對檢測和連接邊緣的高、低閾值的自適應(yīng)設(shè)定方法，提高對不同圖像的自適應(yīng)性，具有很好的邊緣檢測精度和準(zhǔn)確度。

附圖說明

圖1為本專利邊緣檢測方法整體流程圖；

圖2為偏導(dǎo)數(shù)算子圖；

圖3為非極大值抑制直方圖示意圖。

具體實施方式

下面結(jié)合附圖對本專利加以詳細(xì)說明。本發(fā)明針對的特定類灰度圖像具有以下特點：①灰度圖像；②單一背景、多個目標(biāo)，背景和目標(biāo)灰度值都均衡，目標(biāo)假設(shè)有三種：一種其灰度值低于背景灰度值，一種與背景灰度值接近，另一種高于背景灰度值；③原始灰度圖像中存在噪聲，實施例中以高斯噪聲和椒鹽噪聲兩種常見噪聲為例。