[發(fā)明專利]一種改進(jìn)的圖像邊緣檢測方法

在審

• 申請?zhí)枺?/td>: 201710100373.X
• 申請日: 2017-02-23
• 公開（公告）號: CN108470343A
• 公開（公告）日: 2018-08-31
• 發(fā)明（設(shè)計）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 南寧市富久信息技術(shù)有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種改進(jìn)的圖像邊緣檢測方法，包括以下步驟：S1：采用自適應(yīng)平滑濾波平滑輸入圖像；S2：借鑒Sobel算子的一階梯度模板，并將其擴展為水平、垂直、45°和135°四個方向上一階梯度模板，分別對濾波后的圖像進(jìn)行卷積得到四個方向上的一階梯度分量、、和，求得梯度幅值和梯度角度；S3：利用Otsu算法求取閾值，結(jié)合連接分析方法確定圖像最終的邊緣。本發(fā)明對傳統(tǒng)Canny邊緣檢測算法其進(jìn)行了改進(jìn)，首先使用自適應(yīng)平滑濾波代替原算法中的高斯濾波；然后使用水平、垂直、45°和135°四個方向模板計算圖像梯度，降低了噪聲敏感度，提高了邊緣定位精度；在非最大值抑制步驟后，引入Otsu算法，根據(jù)圖像灰度信息自適應(yīng)地生成高、低閾值。

技術(shù)領(lǐng)域

本發(fā)明具體涉及一種改進(jìn)的圖像邊緣檢測方法。

背景技術(shù)

圖像邊緣是指周圍像素灰度值有階躍變化或屋頂變化的像素點集合，反映了圖像灰度的不連續(xù)性。邊緣檢測的實質(zhì)是采用某種算法提取圖像中目標(biāo)與背景之間的邊界線，通常可以由一階梯度最大值或者二階導(dǎo)數(shù)過零點檢測得到圖像邊緣。常用的一階梯度算子有Roberts、Prewitt、Sobel；基于二階導(dǎo)數(shù)過零點檢測的邊緣檢測算子中最具代表性的是由Marr和Hildreth提出的LoG算子。這些算子都是局域窗口梯度算子，優(yōu)點是計算量較小，但在一定程度上丟失了一些邊緣信息，檢測效果不理想。

JohnCanny的Canny算子是一種含有最優(yōu)化思想的算子，它具有較大的信噪比和較高的檢測精度，所以被廣泛地應(yīng)用。但是其高斯函數(shù)的方差和高低閾值的選擇都是人工設(shè)定，自適應(yīng)能力較差；而且它計算梯度使用的是2×2鄰域內(nèi)的有限差分均值，對噪聲比較敏感。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種改進(jìn)的圖像邊緣檢測方法。

一種改進(jìn)的圖像邊緣檢測方法，包括以下步驟：

S1：采用自適應(yīng)平滑濾波平滑輸入圖像；

S2：借鑒Sobel算子的一階梯度模板，并將其擴展為水平、垂直、45°和135°四個方向上一階梯度模板，分別對濾波后的圖像進(jìn)行卷積得到四個方向上的一階梯度分量、、和，求得梯度幅值和梯度角度；

S3：利用Otsu算法求取閾值，結(jié)合連接分析方法確定圖像最終的邊緣。

進(jìn)一步的，自適應(yīng)平滑濾波的具體步驟如下：

1）設(shè)f(x,y)為輸入圖像，則梯度分量、由以下公式確定：

；

；

2）模板系數(shù)由以下公式確定：

；

其中，k取值為10；

3）使用以下公式對圖像進(jìn)行加權(quán)平均：

。

進(jìn)一步的，梯度幅值和梯度角度的求取方法如下：

；

。

進(jìn)一步的，利用Otsu算法求取閾值的具體步驟如下：

1）假設(shè)表示大小為的圖像中的L個不同的灰度級，表示灰度級為i的像素級，則存在以下關(guān)系：

；

2）圖像歸一化的直方圖分量，假設(shè)選擇一個閾值k，，并使用它把輸入圖像處理為兩類和，其中由圖像中灰度值在范圍內(nèi)的所有像素組成，由灰度值在范圍內(nèi)所有像素組成；由閾值k，像素被分到類中的概率由以下公式給出：

；

同理，類發(fā)生的概率為：

；