CN108470343A - 一种改进的图像边缘检测方法 - Google Patents

Abstract

本发明公开了一种改进的图像边缘检测方法，包括以下步骤：S1：采用自适应平滑滤波平滑输入图像；S2：借鉴Sobel算子的一阶梯度模板，并将其扩展为水平、垂直、45°和135°四个方向上一阶梯度模板，分别对滤波后的图像进行卷积得到四个方向上的一阶梯度分量、、和

Description

一种改进的图像边缘检测方法

技术领域

本发明具体涉及一种改进的图像边缘检测方法。

背景技术

图像边缘是指周围像素灰度值有阶跃变化或屋顶变化的像素点集合，反映了图像灰度的不连续性。边缘检测的实质是采用某种算法提取图像中目标与背景之间的边界线，通常可以由一阶梯度最大值或者二阶导数过零点检测得到图像边缘。常用的一阶梯度算子有Roberts、Prewitt、Sobel；基于二阶导数过零点检测的边缘检测算子中最具代表性的是由Marr和Hildreth提出的LoG算子。这些算子都是局域窗口梯度算子，优点是计算量较小，但在一定程度上丢失了一些边缘信息，检测效果不理想。

JohnCanny的Canny算子是一种含有最优化思想的算子，它具有较大的信噪比和较高的检测精度，所以被广泛地应用。但是其高斯函数的方差和高低阈值的选择都是人工设定，自适应能力较差；而且它计算梯度使用的是2×2邻域内的有限差分均值，对噪声比较敏感。

发明内容

本发明要解决的技术问题是提供一种改进的图像边缘检测方法。

一种改进的图像边缘检测方法，包括以下步骤：

S1：采用自适应平滑滤波平滑输入图像；

S2：借鉴Sobel算子的一阶梯度模板，并将其扩展为水平、垂直、45°和135°四个方向上一阶梯度模板，分别对滤波后的图像进行卷积得到四个方向上的一阶梯度分量、、和，求得梯度幅值和梯度角度；

S3：利用Otsu算法求取阈值，结合连接分析方法确定图像最终的边缘。

进一步的，自适应平滑滤波的具体步骤如下：

1）设f(x,y)为输入图像，则梯度分量、由以下公式确定：

；

；

2）模板系数由以下公式确定：

；

其中，k取值为10；

3）使用以下公式对图像进行加权平均：

。

进一步的，梯度幅值和梯度角度的求取方法如下：

；

。

进一步的，利用Otsu算法求取阈值的具体步骤如下：

1）假设表示大小为的图像中的L个不同的灰度级，表示灰度级为i的像素级，则存在以下关系：

；

2）图像归一化的直方图分量，假设选择一个阈值k，，并使用它把输入图像处理为两类和，其中由图像中灰度值在范围内的所有像素组成，由灰度值在范围内所有像素组成；由阈值k，像素被分到类中的概率由以下公式给出：

；

同理，类发生的概率为：

；

3）分配到类的像素的平均灰度值为：

；

同理，分配到类的像素的平均灰度值为：；

4）直至灰度级k的累加均值为：

；

整个图像的平均灰度为：

；

5）求类间方差为：

；

最佳阈值即时类间方差最大时的k值，记为k=,满足；若使得取最大值时的k值不唯一，则用类间方差取最大值时所有k值的平均值作为最佳阈值；

6）令Otsu获得的最佳阈值为高阈值，再由高阈值为低阈值的两倍这一关系求得低阈值。

本发明的有益效果是：

本发明对传统Canny边缘检测算法其进行了改进，首先使用自适应平滑滤波代替原算法中的高斯滤波，这样一方面解决了高斯函数的方差需要人工设定的缺陷，另一方面在滤波图像的过程中锐化了图像边缘，对最终的边缘提取有着积极作用；然后使用水平、垂直、45°和135°四个方向模板计算图像梯度，降低了噪声敏感度，提高了边缘定位精度；在非最大值抑制步骤后，引入Otsu算法，根据图像灰度信息自适应地生成高、低阈值，避免了人为设定阈值的难题。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。

一种改进的图像边缘检测方法，包括以下步骤：

S1：采用自适应平滑滤波平滑输入图像；

S2：借鉴Sobel算子的一阶梯度模板，并将其扩展为水平、垂直、45°和135°四个方向上一阶梯度模板，分别对滤波后的图像进行卷积得到四个方向上的一阶梯度分量、、和，求得梯度幅值和梯度角度；

S3：利用Otsu算法求取阈值，结合连接分析方法确定图像最终的边缘。

自适应平滑滤波的具体步骤如下：

1）设f(x,y)为输入图像，则梯度分量、由以下公式确定：

；

；

2）模板系数由以下公式确定：

；

其中，k取值为10；

3）使用以下公式对图像进行加权平均：

。

梯度幅值和梯度角度的求取方法如下：

；

。

利用Otsu算法求取阈值的具体步骤如下：

1）假设表示大小为的图像中的L个不同的灰度级，表示灰度级为i的像素级，则存在以下关系：

；

2）图像归一化的直方图分量，假设选择一个阈值k，，并使用它把输入图像处理为两类和，其中由图像中灰度值在范围内的所有像素组成，由灰度值在范围内所有像素组成；由阈值k，像素被分到类中的概率由以下公式给出：

；

同理，类发生的概率为：

；

3）分配到类的像素的平均灰度值为：

；

同理，分配到类的像素的平均灰度值为：；

4）直至灰度级k的累加均值为：

；

整个图像的平均灰度为：

；

5）求类间方差为：

；

最佳阈值即时类间方差最大时的k值，记为k=,满足；若使得取最大值时的k值不唯一，则用类间方差取最大值时所有k值的平均值作为最佳阈值；

6）令Otsu获得的最佳阈值为高阈值，再由高阈值为低阈值的两倍这一关系求得低阈值。

Claims (4)

1.一种改进的图像边缘检测方法，其特征在于，包括以下步骤：

S1：采用自适应平滑滤波平滑输入图像；

S2：借鉴Sobel算子的一阶梯度模板，并将其扩展为水平、垂直、45°和135°四个方向上一阶梯度模板，分别对滤波后的图像进行卷积得到四个方向上的一阶梯度分量、、和，求得梯度幅值和梯度角度；

S3：利用Otsu算法求取阈值，结合连接分析方法确定图像最终的边缘。

2.根据权利要求1所述的图像边缘检测方法，其特征在于，自适应平滑滤波的具体步骤如下：

1）设f(x,y)为输入图像，则梯度分量、由以下公式确定：

；

；

2）模板系数由以下公式确定：

；

其中，k取值为10；

3）使用以下公式对图像进行加权平均：

。

3.根据权利要求1所述的图像边缘检测方法，其特征在于，梯度幅值和梯度角度的求取方法如下：

；

。

4.根据权利要求1所述的图像边缘检测方法，其特征在于，利用Otsu算法求取阈值的具体步骤如下：

1）假设表示大小为的图像中的L个不同的灰度级，表示灰度级为i的像素级，则存在以下关系：

；

2）图像归一化的直方图分量，假设选择一个阈值k，，并使用它把输入图像处理为两类和，其中由图像中灰度值在范围内的所有像素组成，由灰度值在范围内所有像素组成；由阈值k，像素被分到类中的概率由以下公式给出：

；

同理，类发生的概率为：

；

3）分配到类的像素的平均灰度值为：

；

同理，分配到类的像素的平均灰度值为：；

4）直至灰度级k的累加均值为：

；

整个图像的平均灰度为：

；

5）求类间方差为：

；

最佳阈值即时类间方差最大时的k值，记为k=,满足；若使得取最大值时的k值不唯一，则用类间方差取最大值时所有k值的平均值作为最佳阈值；

6）令Otsu获得的最佳阈值为高阈值，再由高阈值为低阈值的两倍这一关系求得低阈值。