[發明專利]基于鄰域離散度的圖像邊緣檢測方法

有效

• 申請號: 201610056613.6
• 申請日: 2016-01-28
• 公開（公告）號: CN105741281B
• 公開（公告）日: 2018-07-03
• 發明（設計）人: 孫欽東;姚強;兀華;王倩
• 申請（專利權）人: 西安理工大學
• 主分類號: G06T7/13
• 分類號: G06T7/13
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王奇

本發明公開了一種基于鄰域離散度的圖像邊緣檢測方法，步驟包括：1)將原始的彩色圖像轉換為單通道的八位灰度圖像；2)求該八位灰度圖像的離散度系數矩陣M；3)對離散度系數矩陣M執行水平方向細化操作，得到矩陣M_h；4)對離散度系數矩陣M執行垂直方向細化操作，得到矩陣M_v；5)合并矩陣M_h與矩陣M_v，將該兩個矩陣中所有為1的點合并，得到粗略的細化邊緣矩陣O；6)將細化邊緣矩陣O依照方向梯度對圖像輪廓進行精確處理以及冗余信息濾除，獲取得到輪廓矩陣，最終通過輪廓矩陣轉換得到二值邊緣圖像。本發明的方法簡單易行，保證了輪廓的精確性。

技術領域

本發明屬于圖像邊緣檢測技術領域，實現無閾值、各向同性的且保障圖像中物體輪廓的連續性的邊緣檢測，具體涉及一種基于鄰域離散度的圖像邊緣檢測方法。

背景技術

圖像分割目的在于將圖像中的物體與背景區域分開，分割技術可以總結為三個步驟，分別是濾波、增強、邊緣檢測。目前已經存在幾種成熟的常用算子如Sobel、Prewitt、Roberts、Laplace、Canny等，這些算子均屬于基于鄰域的方法。其中，Sobel、Prewitt、Roberts算子皆屬于一階線性離散差分算子，前兩個在檢測圖像邊緣時均需要分別計算X方向與Y方向的亮度差分值，且Prewitt在水平及垂直方向檢測邊緣精度最高，Roberts則需要計算對角線方向的亮度差分值。Laplace算子屬于二階差分算子，該算子通過正峰值與負峰值之間的零點檢測可能的邊緣。Laplace算子解決了Sobel、Prewitt算子等在檢測邊緣時的非各向同性問題，但是會引起雙邊效用且需要多次遍歷系數尋找轉折點，因此該算子很少直接應用與邊緣檢測。非線性算子Canny目前公認為最優的檢測算子之一，其基于高斯核與上述幾個檢測算子相比較其表現良好但是計算復雜且耗時。上述幾種算子在檢測邊緣時均需要提供合適的閾值才能夠表現出良好的檢測效果。許多參數選擇算法均依賴與設置的初始值，初始值直接決定其后期的處理效果。在許多數字圖像中，我們很難提供一個統一的閾值來處理所有的圖像，而在邊緣檢測時不合適的閾值往往會引起邊緣的不連續性及缺失，由于數字圖像的復雜性，閾值問題一直都是個難以解決的問題。至于基于模糊推理的邊緣檢測算法，該算法考慮了各種可能存在的邊緣結構并對每一種可能進行處理，使得該算法推理過程過于復雜且耗時。

發明內容

本發明的目的是提供一種基于鄰域離散度的圖像邊緣檢測方法，解決了現有技術中Sobel、Canny、Roberts及Prewitt算子在計算時的非各向同性及雙邊效應問題。

本發明所采用的技術方案是，一種基于鄰域離散度的圖像邊緣檢測方法，按照以下步驟實施：

步驟1)將原始的彩色圖像轉換為單通道的八位灰度圖像，該八位灰度圖像的灰度級在0-255之間；

步驟2)求該八位灰度圖像的離散度系數矩陣M，該離散度系數矩陣M的維度大小與原始圖像的大小一致，

設置針對灰度圖像的采樣模板，z_i為采樣模板內各個像點的灰度值，使用該采樣模板從圖像的第一行第一列開始逐列逐行移動，分別計算每一個像點的平均偏差并將其保存在離散度系數矩陣M中的對應位置，計算方式參考式(1)和式(2)：

在式(1)、式(2)中，n為采樣模板中的像點個數且1≤i≤n；u為模板內的灰度平均值，round函數是進行四舍五入的取整運算，theta為采樣模板的平均偏差；

步驟3)對離散度系數矩陣M執行水平方向細化操作，進行水平方向細化操作時，分別從行的兩頭開始向中間聚攏只保留局部最大值，細化結果保存在矩陣M_h中，該矩陣M_h的維度與離散度系數矩陣M一致；對離散度系數矩陣M進行行掃描，遇到行內局部最大值時則令該點相對應在矩陣M_h的點值為1，其他值均置0；