[發明專利]一種基于Sobel算子的圖像邊緣檢測方法

在審

• 申請號: 201611243522.X
• 申請日: 2016-12-23
• 公開（公告）號: CN108242060A
• 公開（公告）日: 2018-07-03
• 發明（設計）人: 羅志勇;郭曉惠;宦紅倫;羅蓉;楊美美;趙杰;鄭煥平;李學勤
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/136
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于Sobel算子的圖像邊緣檢測方法，包括以下步驟：1)對待處理的原始圖像進行引導濾波處理；2)對濾波后圖像利用改進Sobel算子進行邊緣圖像處理；3)對上述邊緣圖像再次利用Sobel算子進行圖像二次邊緣檢測；4)對上述圖像進行邊緣濾波，以濾除邊緣強度小和邊緣鏈短的邊緣點，得到最終邊緣圖像。本發明的圖像邊緣檢測方法采用引導濾波，在像素強度變化小的區域做了一個加權均值濾波，而在變化大的區域，對圖像的濾波效果很弱，但有利于保持邊緣；其次使用改進Sobel算子邊緣檢測、二次Sobel算子邊緣檢測和邊緣濾波，提高了圖像邊緣檢測的精確度。

技術領域

本發明涉及一種圖像的邊緣檢測方法，尤其是一種基于Sobel算子的圖像邊緣檢測方法，屬于圖像處理的技術領域。

背景技術

圖像邊緣是圖像最基本的特征之一，因為在圖像識別和圖像分析中，邊緣信息能夠很好的描述物體的輪廓形狀。而通過邊緣檢測不僅可以提取物體本身的形狀特征，還能夠大大降低后續圖像分析需要處理的數據量，因此圖像邊緣檢測在圖像處理中是一項非常重要的技術，且其已經廣泛應用于目標識別、目標跟蹤、指紋識別等領域。所以，圖像的邊緣檢測在圖像處理中具有非常關鍵的作用。

圖像邊緣檢測方法主要分為三大類：第一類是經典邊緣提取方法，包括一階微分算子和二階微分算子，一階微分算子包括Roberts算子、Sobel算子、Kirsch算子、Prewitt算子等，二階微分算子包括Log算子、Marr算子、Canny算子等；第二類是多尺度方法，如小波變換，其特征是通過伸縮和平移等運算功能對函數或信號進行多尺度細化分析，且信號突變點檢測及由邊緣點重建原始信號或圖像是小波變換的一個很重要的應用；第三類是將模糊數學、神經元網絡和數學形態學等應用于邊緣檢測。以上各種緣檢測方法都有各自的優缺點和適用領域。近年來，隨著機器視覺技術的快速發展，其已經在工業檢測方面得到廣泛應用，特別是在工業生產零件過程中的零件質量檢測方面。在零件質量檢測系統中，通常使用工業相機和計算機相結合的方式來對圖像進行采集、處理和分析，以此來判斷零件質量是否合格。在該系統中，零件的圖像邊緣檢測是判斷零件是否合格的重要技術之一。

在工業檢測中，經典邊緣提取方法最為有效。其中，Sobel算子是以垂直和水平兩方向模板對圖像作卷積進行邊緣檢測，由于其方法簡單、計算量小、處理速度快，通常用于實時圖像處理系統中。但是，Sobel算法能檢測的邊緣方向有限，只對垂直與水平方向敏感，容易丟失一部分邊緣，抗噪能力較低，且容易出現邊緣多像素寬現象，這給它的使用帶來了局限性。所以一種基于Sobel算子的圖像邊緣檢測方法是具有重要研究意義的。

發明內容

針對現有技術中存在的問題與不足，本發明提出一種基于Sobel算子的圖像檢測方法，以提高邊緣檢測的抗噪能力和精確度。

按照本發明提供的技術方案，一種基于Sobel算子的圖像邊緣檢測方法，包括以下步驟：

U1、對待處理的原始圖像進行引導濾波處理；

U2、利用改進后的Sobel算子模板對濾波后的圖像進行首次邊緣檢測；

U3、利用Sobel算子模板對首次邊緣圖像進行二次邊緣檢測；

U4、利用邊緣濾波對二次邊緣圖像進行濾除邊緣強度小和邊緣鏈短的邊緣點。

所述步驟U1中，使用引導濾波對原始圖像進行濾波時，選取的輸入圖像與待濾波的圖像相同。

所述步驟U2中，利用改進后的Sobel算子模板對濾波后的圖像進行首次邊緣檢測，包括以下步驟：

U2.1、建立改進Sobel算子模板，分別為：

U2.2、將模板內的系數與其對應的圖像像素值相乘，計算梯度；

U2.3、計算該像素的新灰度值；