CN109636822B - 一种基于新构建隶属度函数的改进Canny自适应边缘提取方法 - Google Patents

Abstract

本发明属于数字图像处理技术领域，提供了一种基于新构建隶属度函数的改进Canny自适应边缘提取方法，用边缘隶属度图代替梯度图，并结合Otsu法，可以实现自适应的实时边缘提取，并能够在一定程度上有效保护弱边缘，保持边缘的连续性，有效提升了Canny算法的实际应用能力。本发明新构造一种边缘隶属度函数，用边缘隶属度图代替传统Canny边缘检测算法中的梯度图，并结合Otsu法提出一种新的自适应Canny边缘检测方法。新构造的边缘隶属度图相较于梯度图，综合考虑了中心像素本身及其与邻域像素之间的关系，对图像的信息利用更充分，从而使得边缘检测效果更为理想，在一定程度上有效保护了弱边缘，而且边缘连续性更好。

Description

一种基于新构建隶属度函数的改进Canny自适应边缘提取 方法

技术领域

本发明属于数字图像处理技术领域，特别是一种基于新构建隶属度函数的改进的Canny自适应边缘提取算法。

背景技术

边缘是数字图像中灰度变化明显的区域，包含了重要的图像特征信息，对模式识别、图像分割、立体匹配等起着关键作用，所以边缘检测成为数字图像处理及机器视觉领域的研究热点和难点。传统的边缘检测算子，如Robert、Sobel、Prewitt、LoG等抗噪能力不强，边缘检测效果不够理想。

Canny边缘检测算法鲁棒性强，定位精度高，经常应用于实际工程领域，而且由于其性能稳定，常被作为验证标准来校验新提出的边缘检测算法的性能。Canny边缘检测算法采用了滞后阈值方法，通过设定高低阈值，来保证既能检测强边缘，又能最大程度的保留弱边缘。高低阈值的选取，直接决定了Canny的边缘检测效果。但是在传统的Canny边缘检测算法中，高低阈值的选取主要靠人为通过试错的方法来手动设定，效率较低，且受人为因素干扰较大，不具备自适应性，在实际工程应用中无法自动实时地进行边缘检测。为了解决Canny算法的自适应性，在部分文献中基于Otsu法根据类间方差最大原理在梯度图的基础上来自动选取双阈值。但是，该方法得到的边缘检测效果不够理想，容易丢失弱边缘，出现边缘不连续的现象。

针对上述问题，本发明提出一种新的边缘隶属度函数，用边缘隶属度图代替传统Canny边缘检测算法中采用的梯度图，再结合Otsu法提出了一种改进的Canny自适应边缘检测算法。通过实验验证，该方法实时性强，而且能够在一定程度上有效保护弱边缘，边缘连续性较好。

发明内容

本发明的主要目的是提供一种基于新构造边缘隶属度函数的改进Canny自适应边缘提取算法，用边缘隶属度图代替梯度图，并结合Otsu法，可以实现自适应的实时边缘提取，并能够在一定程度上有效保护弱边缘，保持边缘的连续性，有效提升了Canny算法的实际应用能力。

本发明的技术方案：

一种基于新构建隶属度函数的改进Canny自适应边缘提取方法，步骤如下：

1)输入图像，并将彩色图像转化为灰度图像；

2)用高斯滤波对待处理图像进行平滑去噪，减小噪声对边缘特征的干扰；

3)用Sobel梯度算子分别在图像X方向求梯度分量G_x和Y方向求梯度分量G_y；

4)基于步骤3)中的结果，用二阶范数计算梯度幅值为：

梯度方向为：

θ＝arctant(G_y/G_x) (2)

5)综合考虑像素本身灰度值及其与周围邻域像素的关联信息，构造一种新的隶属度函数，并根据新构造的隶属度函数求边缘隶属度；

首先对每一个像素在其8邻域内，求灰度值之差再求反；其中，maxP为步骤4)中所求梯度幅值的最大值，x₀为中心像素，x_i为中心像素8邻域中的第i个像素；

进一步地，求中心像素在其8邻域范围内的方差，其中

为均值；

进一步地，构造边缘隶属度函数MF，其中，x₀为中心像素，对于8位灰度图像而言，imgRange＝255；

6)基于步骤5)得到的边缘隶属度图，进行非极大值抑制处理，进一步细化边缘；

7)对经过非极大值抑制处理后的边缘隶属度图，采用Otsu法，根据类间方差最大原理求总体阈值T，利用总体阈值T将整幅图像分成高值区和低值区两个区域，分别求两个区域内特征值的均值(μ_h,μ_l)和方差(σ² _h,σ² _l)，高阈值T_h和低阈值T_l计算公式如下：

T_h＝μ_l+σ_l (6)

T_l＝μ_l-0.3σ_l (7)

8)利用步骤7)中得到的高低阈值T_h和T_l，对步骤6)得到的细化的边缘隶属度图进行二值化处理。灰度值大于T_h的像素为边缘点，灰度值小于T_l的像素为非边缘点。对于灰度值介于T_l和T_h之间的像素，当其8邻域像素中存在灰度值为255的像素时，认为该像素为边缘点；如果不存在，则认为该像素不是边缘点。

本发明的有益效果：本发明新构造一种边缘隶属度函数，用边缘隶属度图代替传统Canny边缘检测算法中的梯度图，并结合Otsu法提出一种新的自适应Canny边缘检测方法。新构造的边缘隶属度图相较于梯度图，综合考虑了中心像素本身及其与邻域像素之间的关系，对图像的信息利用更充分，从而使得边缘检测效果更为理想，在一定程度上有效保护了弱边缘，而且边缘连续性更好。

附图说明

图1a是待检测图像a。

图1b是待检测图像b。

图2a是采用Otsu法对图像a基于隶属度图进行边缘检测。

图2b是采用Otsu法对图像a基于梯度图进行边缘检测。

图3a是采用Otsu法对图像b基于隶属度图进行边缘检测。

图3b是采用Otsu法对图像b基于梯度图进行边缘检测。

具体实施方式

为使本发明的目的、技术方案及优点描述的更加清楚，下面以Berkeley图像分割数据集中随机选取的两张数字图像为例，结合本发明实施例中的附图，对本发明中的技术方案进行完整的描述。

1)输入图像a，并将原始图像转化为灰度图。

2)对灰度图进行高斯滤波，平滑降噪。

3)基于Sobel梯度算子，采用3*3的卷积核，求水平方向梯度G_x和竖直方向梯度G_y。

4)利用步骤3)中得到的结果，基于二阶范数求梯度幅值G，并计算梯度方向。

5)求边缘隶属度MF，从而将待处理图像的梯度图转化为边缘隶属度图。

6)对步骤5)中的结果进行非极大值抑制处理，使图像边缘得到细化。

7)基于改进Otsu法求高阈值和低阈值：

T_h＝μ_l+σ_l

T_l＝μ_l-0.3σ_l

8)对步骤6)中得到的细化边缘隶属度图，利用步骤7)中得到的双阈值进行二值化处理得到最终的边缘图。

9)对图像b依次按照上述步骤进行边缘检测，最终得到的边缘检测效果如图1a、1b所示。

10)用Otsu法按照步骤6)、步骤7)、步骤8)对传统的梯度图进行边缘检测，得到的边缘效果如图2a、2b所示。

11)利用Pratt边缘评价算子对两组边缘效果图进行评价，统计结果如表1所示，理想值为1。

类型	图a	图b
			基于梯度图	0.544953	0.768499
基于隶属度图	0.974285	0.948403

表1 Pratt边缘评价统计结果。

Claims (1)

1.一种基于新构建隶属度函数的改进Canny自适应边缘提取方法，其特征在于，步骤如下：

1)输入图像，并将彩色图像转化为灰度图像；

2)用高斯滤波对待处理图像进行平滑去噪，减小噪声对边缘特征的干扰；

3)用Sobel梯度算子分别在图像X方向求梯度分量G_x和Y方向求梯度分量G_y；

4)基于步骤3)中的结果，用二阶范数计算梯度幅值为：

梯度方向为：

θ＝arctant(G_y/G_x) (2)

5)综合考虑像素本身灰度值及其与周围邻域像素的关联信息，构造一种新的隶属度函数，并根据新构造的隶属度函数求边缘隶属度；

首先对每一个像素在其8邻域内，求灰度值之差再求反；其中，maxP为步骤4)中所求梯度幅值的最大值，x₀为中心像素，x_i为中心像素8邻域中的第i个像素；

进一步地，求中心像素在其8邻域范围内的方差，其中

为均值；

进一步地，构造边缘隶属度函数MF，其中，x₀为中心像素，对于8位灰度图像而言，imgRange＝255；

6)基于步骤5)得到的边缘隶属度图，进行非极大值抑制处理，进一步细化边缘；

7)对经过非极大值抑制处理后的边缘隶属度图，采用Otsu法，根据类间方差最大原理求总体阈值T，利用总体阈值T将整幅图像分成高值区和低值区两个区域，分别求两个区域内特征值的均值(μ_h,μ_l)和方差(σ² _h,σ² _l)，高阈值T_h和低阈值T_l计算公式如下：

T_h＝μ_l+σ_l (6)

T_l＝μ_l-0.3σ_l (7)

8)利用步骤7)中得到的高低阈值T_h和T_l，对步骤6)得到的细化的边缘隶属度图进行二值化处理；灰度值大于T_h的像素为边缘点，灰度值小于T_l的像素为非边缘点；对于灰度值介于T_l和T_h之间的像素，当其8邻域像素中存在灰度值为255的像素时，认为该像素为边缘点；如果不存在，则认为该像素不是边缘点。

Images