基于掩膜与canny相结合的自适应边缘检测计算方法
技术领域
本发明涉及一种计算机可视化处理方法,尤其涉及一种医学平面图像的边缘信息的确定和判定的绘制方法。
背景技术
图像分割是图像识别和计算机视觉至关重要的处理方法。在进行分割中,有的依据是图像中像素的亮度及颜色,让计算机自动处理分割,遇到各种困难。例如,照射的不均匀、噪声的影响、图像中存在不清晰的现实情况,以及阴影等,常常发生分割错误。因此图像区分是需要进一步研究的技术。
现有技术中,对于区分图像的方法一般分为两大类:(1)图像的分割算法。(2)图像的边缘检测算法。在图像的分割算法中,一般分为基于直方图、基于熵、基于模糊算法的分割算法。而在边缘检测算中,一般常用的是canny边缘检测算子。
基于直方图是一种极其有效的图像分割方法,其通常只需要通过像素来进行分割算法。在这种方法中,从图像中的像素计算中直方图,并在直方图的波峰和波谷来定位图像中的簇。这种方法能应于多个帧,同时保持他们的单通效率。但同样的方法应用到多个像素点时,其结果的合并运用于山峰和山谷之间,这一点是很难识别的。
1998年以来,出现了许多模糊分割技术,在图像分割中的应用日益广泛。模糊技术在图像分割中应用的一个显著特点就是它能和现有的许多图像分割方法相结合,形成一系列的集成模糊分割技术,例如模糊聚类、模糊阈值、模糊边缘检测技术等。
图像分割的一种重要途径是通过边缘检测,即检测灰度级或者结构具有突变的地方。一般常用微分算子进行边缘检测。其中一阶微分算子有Roberts算子、Prewitt算子和Sobel算子,二阶微分算子有Laplace算子和Kirsh算子等。在各种微分算子的运用中,常用小区域模板来表示,微分运算是利用模板和图像卷积来实现。这些算子对噪声敏感,只适合于噪声较小不太复杂的图像。
上述现有技术的各处理方法中,都在一定程度上那个能够分割出边缘信息,但是对于复杂的、受噪声影响严重的图像,其效果往往不太理想。因此,现有技术还有待于与发展和改善。
发明内容
为了获得更好地边缘信息,本发明提出了一种基于掩膜与canny相结合的自适应边缘检测计算方法。
为实现上述目的,本发明的技术方案如下:
一种基于掩膜与canny相结合的自适应边缘检测计算方法,具体步骤如下:
步骤1:选取所需要的图像信息,在尺寸为M×N的图像Im×n的原始X光片图像中,选取目标连接区域,尺寸为m×n的二维图像信息,其中m<M,n<N;
步骤2:对获得二维图像进行初步的区分度判断,计算其区分度;
步骤3:计算所得区分度的值,得到目标区域的实际区分度α,并与临界值αs进行比较:将区分度的计算值与设定的合理值进行比较,若比值大于0.6,则使用基于掩膜的区分算法,反之使用canny边缘检测算法探测边缘信息,并在此处选用基于掩膜的区分算法为判定基础图像;
步骤4:提取图像边缘信息,对原始图像进行区分运算:
(1)规定使用掩膜理论进行边缘信息的区分算法:
计算掩膜矩阵中,中值、均值、行列中值均值的参数大小;规定该点在图像矩阵Im×n中的值,为判断信息目标点;在任意一幅图中,图像的像素点表示为(i,j),灰度值表示为I(i,j),首先估算图像原始对比度,其具体对比方式如下:
式中:l为灰度值达到要求像素点的个数,为像素点之间的比值;
(2)规定掩膜大小为3×3和10×10的掩膜矩阵,当图像的原始对比度小于0.75时,采用3×3的掩膜矩阵;当图像的原始对比度大于0.75时,采用10×10的掩膜模板;
(3)规定每种边缘信息都有其特定的规律,每当掩膜矩阵中在某一个方向上出现剧烈的灰度值变化,判定该点为边缘信息,具体进行区分边缘计算方法:
首先计算每个掩膜矩阵的均值,获得无单位的均值A均值;然后计算均值与该像素点的均方差,得到灰度图像在掩膜板式下的误差大小,并以此误差值设立容许值δs来判断边缘信息,其具体区分方式如下所示:
式中:δ为掩膜矩阵均值与该点像素均值之间的均方差,δs为误差允许值,Ai,j为掩膜均值,Ii,j为该点像素值;
步骤5:采用canny边缘检测算法探测边缘,选取合适的canny边缘算子,探测边缘信息;
步骤6:规定每幅图像都有不同的特征图像,将两种不同的区分算法所得结果进行比较,保存相同的像素点位及其对应的边缘信息,对不同的像素信息点位进一步分析:
首先,对两幅不同方法所得的图像,去除相同的点位信息,留下有争议的点位信息Ii,j,分别计算在这两幅图像中该点位的九领域的非零点,其具体方式如下所示:
式中:为该争议点九领域内非零点的个数。
当目标区域m、n均小于100时,为了保证区分效果,使用3×3的掩膜矩阵。
本发明的有益效果主要表现在以下几个方面:
1.本发明基于图像的像素信息,减少了由于理论模型本身带来的系统误差。
2.掩膜理论的可变性,满足了图像区分过程中,每幅图所需的特性要求。
3.基于掩膜区分算法与canny边缘检测算法的自适应判断方法,减少了单一算法可能存在的对图像区分效果的影响,将理论的影响降低到最低。
附图说明
图1为与本发明具体实施例一致的区分方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
如图1所示系统结果流程图,本发明基于掩膜与canny相结合的自适应边缘检测计算方法,其中包括:原始区分度的判断、掩膜矩阵的选择方案和自适应区分算法的实现。当输入图像信息时,首先初步预判对比度,在选定的基础版本上,以此为修改的基础版。其次,在具体区分过程中,两种算法同时算出最优解。然后,在基础版的模型上按照自适应区分算法确定最终的边缘信息。
所示系统应当区分出被测图像的原始区分程度,发送给控制编辑器正确的待修改版,等待系统响应,与另一结果,进行自适应判断。
所示系统应当能判断出基本的参数及其大小,发送给控制编辑器正确的图像信息,等待系统响应,完成系统正常运转。
基于掩膜与canny相结合的自适应边缘检测计算方法,具体步骤如下:
步骤1:选取所需要的图像信息M×N,在尺寸为Im×n的图像的原始X光片图像中,选取目标连接区域,尺寸为m×n的二维图像信息,其中m<M,n<N。
步骤2:对获得二维图像进行初步的区分度判断,计算其区分度。
步骤3:计算所得区分度的值,的到目标区域的实际区分度α,并与临界值进行比较αs。将区分度的计算值与设定的合理值进行比较,若比值大于0.6,则使用基于掩膜的区分算法,反之使用canny边缘检测算法探测边缘信息,并在此处选用基于掩膜的区分算法为判定基础图像。
步骤4:提取图像边缘信息,对原始图像进行区分运算。
步骤4-1:规定使用掩膜理论进行边缘信息的区分算法。计算掩膜矩阵中,中值、均值、行列中值均值的参数大小。规定该点在Im×n图像矩阵中的值,为判断信息目标点。在任意一幅图中,图像的像素点表示为(i,j),灰度值表示为I(i,j)。首先估算图像原始对比度,其具体对比方式如下:
式中:l为灰度值达到要求像素点的个数,为像素点之间的比值。
步骤4-2:规定掩膜大小有两种,分别为10×10和3×3的掩膜矩阵。即将不同的掩膜矩阵运用于具体类型的图像之中。当图像的原始对比度小于0.75时,采用的掩膜矩阵。当图像的原始对比度大于0.75时,考虑采用10×10的掩膜模板,但是当目标区域m、n均小于100时,为了保证区分效果,建议使用3×3的掩膜矩阵。步骤4-3:规定每种边缘信息都有其特定的规律,采用这种方法进行区分边缘,每当掩膜矩阵中在某一个方向上出现剧烈的灰度值变化,判定该点为边缘信息。
首先计算每个掩膜矩阵的均值,获得无单位的均值A均值;然后计算均值与该像素点的均方差,得到灰度图像在掩膜板式下的误差大小,并以此误差值设立容许值来判断边缘信息,其具体区分方式如下所示:
式中:δ为掩膜矩阵均值与该点像素均值之间的均方差,δs为误差允许值,Ai,j为掩膜均值,Ii,j为该点像素值。
步骤5:采用canny边缘检测算法探测边缘,选取合适的canny边缘算子,探测边缘信息。
步骤6:规定每幅图像都有不同的特征图像。将两种不同的区分算法所得结果进行比较,保存相同的像素点位及其对应的边缘信息,对不同的像素信息点位进一步分析。
首先,对两幅不同方法所得的图像,去除相同的点位信息,留下有争议的点位信息Ii,j,分别计算在这两幅图像中该点位的9领域的非零点,其具体方式如下所示:
式中:为该争议点九领域内非零点的个数。
上述步骤中的边缘区分算法,初步对比度的计算与选取时,充分考虑到了原图的图像特征信息。掩膜矩阵大小的选择与判断时,充分考虑到了图像边缘信息和图像所在区域对于算法运行效果的影响。误差容许值的设立,明确了边缘信息在掩膜矩阵中判断的精确性。在选定的基础版本上,以此为修改的基础版。在具体区分过程中,两种算法同时算出最优解。然后,在基础版的模型上按照自适应区分算法确定最终的边缘信息。
上述步骤中的再次整合争议点,对于两种不同边缘信息的区分算法的提取算法,进行了整合,提高了边缘信息的可靠性和精确性,在争议点的判断上,吸取了两种方法的特征,减少了单一算法误判的可能性。