[發(fā)明專利]滑窗N?Smoothlets圖像邊緣檢測方法

有效

• 申請?zhí)枺?/td>: 201510333200.3
• 申請日: 2015-06-16
• 公開（公告）號: CN104966296B
• 公開（公告）日: 2018-01-09
• 發(fā)明（設(shè)計）人: 段昶;孫曉玲;邱紅兵;漆望月
• 申請（專利權(quán)）人: 西南石油大學(xué)
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/181
• 代理公司: 北京方圓嘉禾知識產(chǎn)權(quán)代理有限公司11385
• 代理人: 董芙蓉

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種滑窗N-Smoothlets圖像邊緣檢測方法。

背景技術(shù)

圖像邊緣指圖像中的像素值發(fā)生階躍的地方，屬于高頻信息。而人類視覺系統(tǒng)決定了人眼對圖像中的高頻信息特別敏感，因此，圖像邊緣檢測一直是圖像處理中的關(guān)鍵問題之一，在圖像分割、目標(biāo)識別等領(lǐng)域應(yīng)用十分廣泛。

圖像邊緣檢測算法主要可分為兩大類：一是傳統(tǒng)的基于微分算子的邊緣檢測算法；二是近年來興起的新型邊緣檢測算法，主要包括基于多尺度分析思想的邊緣檢測、基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測以及基于分形理論的邊緣檢測算法等。經(jīng)典的微分算子邊緣檢測算法雖然實現(xiàn)簡單、運算復(fù)雜度低，但是卻不能很好地抑制圖像中的噪聲，圖像邊緣提取與抗噪性始終是一對難以調(diào)和的矛盾。為解決邊緣檢測精度與抗噪性之間的矛盾，1983年，多尺度分析的思想出現(xiàn)，對于大的尺度算子邊緣檢測的精度差，但是抗噪性能好，小尺度的邊緣檢測算子對邊緣的定位精度高但對噪聲敏感，多尺度分析的思想解決了邊緣檢測精度與抗噪性之間的平衡問題，其中的的小波邊緣檢測方法取得了很多研究成果并得到了廣泛的應(yīng)用。

傳統(tǒng)二維小波是由一維小波擴展而來，只具有有限個方向，因此不能對圖像得到最稀疏的表示。基于多尺度幾何分析Wedgelet的邊緣檢測算法彌補了這方面的不足，并且由于其是用線段而不是點來表示邊緣，抗噪性能更好。但是基于Wedgelet的邊緣檢測算法雖然在將滑窗的尺寸size、偏移量shift等參數(shù)減小的情況下可以提高對灰度圖像中復(fù)雜邊緣和弱小邊緣檢測的精度滑窗，但該方法不能準(zhǔn)確處理存在漸變的邊緣圖像塊。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有的邊緣檢測算法的準(zhǔn)確性和弱小邊緣檢測能力，提出了滑窗N-Smoothlets圖像邊緣檢測方法。

為了解決以上問題，本發(fā)明采用的技術(shù)方案如下：一種滑窗N-Smoothlets圖像邊緣檢測方法，

包括如下步驟：

S1輸入待處理的原圖像F；

S2設(shè)置圖像邊緣檢測算法中涉及到的參數(shù)，包括N-Smoothlets變換中滑窗的尺寸size、滑窗每一次的偏移量shift、判斷邊緣是否保留閾值T₁、T₂；

S3設(shè)置好N-Smoothlets滑窗尺寸size后，假設(shè)size大小為n×n像素；首先將N-Smoothlets滑窗置于原圖像的左上角，對待處理圖像中與滑窗重疊部分的區(qū)域執(zhí)行一個圖像宏塊內(nèi)的N-Smoothlets變換；然后將N-Smoothlets滑窗從圖像左上角按照先列后行或先行后列的順序每次移動shift個像素并在滑窗內(nèi)作N-Smoothlets變換，其中N-Smoothlets基本變換塊大小設(shè)置為與滑窗大小一致，即在每一個滑窗對應(yīng)的圖像宏塊內(nèi)只用一個N-Smoothlets對其進行描述，直至滑窗遍歷完整幅圖像后結(jié)束，得到對原始圖像進行滑窗N-Smoothlets變換后的圖像信息；

S4根據(jù)塊類型不同分別判別：

S41宏塊類型為A，即退化塊

若變換后的圖像塊為退化塊，則認(rèn)為該塊中不存在邊緣信息；

S42宏塊類型為W，即Wedgelet塊

若變換后的圖像塊為Wedgelet塊，則提取出該Wedgelet塊對應(yīng)的基準(zhǔn)線作為圖像塊內(nèi)的邊緣；此時，只需要邊緣判決條件一對其進行是否作為邊緣信息保留的判定；具體判定條件如下：

條件一：根據(jù)每條過渡帶兩側(cè)的灰度值m_a、m_b的差值與設(shè)定的閾值T₁進行比較，作為判斷是否保留該過渡帶并進行邊緣提取的第一個條件；條件一是判斷兩個區(qū)域灰度的對比情況；

當(dāng)過渡帶兩側(cè)的灰度值差值的絕對值|m_a-m_b|足夠大時，可認(rèn)為此時過渡帶兩側(cè)灰度值變化十分明顯，更容易被判定為邊緣；當(dāng)過渡帶兩側(cè)的灰度值差值的絕對值|m_a-m_b|比較小時，可認(rèn)為此時過渡帶兩側(cè)灰度值變化較小，不容易被判定為邊緣；

S43宏塊類型為S，即為N-Smoothlets塊，包括宏塊內(nèi)存在1、2、3條過渡帶的情況，N代表過渡帶最大數(shù)量；

若變換后的圖像塊為N-Smoothlets塊，即包括宏塊內(nèi)存在1、2、3條過渡帶的情況，則依次對N-Smoothlets的N條過渡帶兩側(cè)的灰度值求差值|m_a-m_b|；