CN110660071A - 一种边缘检测双阈值自动设定方法及系统 - Google Patents

Abstract

本发明公开了一种边缘检测双阈值自动设定方法及系统，确定图像的局部最大梯度点构成边缘图，确定图像的边缘集中分布区间，利用类内方差最小化自适应求出梯度阈值，基于梯度幅度直方图和类内方差最小化自适应的确定高低阈值的方法，针对不同图像，实现双阈值的自适应提取，不需要人为设定任何参数。

Description

一种边缘检测双阈值自动设定方法及系统

技术领域

本公开涉及图像处理技术领域，具体涉及一种边缘检测双阈值自动设定方法及系统。

背景技术

采用边缘检测的各种算子(Roberts、Sobel、Prewitt、Laplacian、Log/Marr、Canny、Kirsch、Nevitia)进行边缘检测时,通常需要进行模非极大值抑制梯度图像,然后求取双阈值提取边缘,但目前双阈值仍然依赖于人工设定，在现有的技术中，针对不同的图像采用相同的阈值,边缘检测效果非常大，这个技术问题极大的限制了边缘检测的各种算子的应用。

发明内容

为解决上述问题，本公开提供一种边缘检测双阈值自动设定方法及系统的技术方案，确定图像的局部最大梯度点构成边缘图，确定图像的边缘集中分布区间，利用类内方差最小化自适应求出梯度阈值。

为了实现上述目的，根据本公开的一方面，提供一种边缘检测双阈值自动设定方法，所述方法包括以下步骤：

S100，筛选出图像中具有局部最大梯度点的像素点作为边缘点；

S200，确定图像的边缘集中分布区间；

S300，利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值。

进一步地，在S100中，筛选出图像中具有局部最大梯度点的像素点作为边缘点：

扫描图像的像素点，根据当前像素点周围8个方向上相邻像素的梯度值来判断所述当前像素点是否具有局部梯度最大值，如果所述当前像素点有局部梯度最大值，则将所述当前像素点作为边缘点，否则将所述当前像素点作为非边缘点。

进一步地，在S200中，确定图像的边缘集中分布区间的方法为：

构建图像的方向梯度直方图，计算图像的梯度幅度和梯度方向，做出梯度幅度的累加直方图，得出最大梯度值；设width为所述方向梯度直方图中梯度区间的宽度，high为所述方向梯度直方图中梯度区间的宽度，high、width的变化区间范围都设为[maxmag/5,maxmag]，参数maxmag可人工设置，maxmag单位为像素，以梯度区间为大小均匀的将图像分为多个子区间，计算边缘点在所有子区间中的平均数量，将子区间中的边缘点的数量大于平均数量的所述子区间标记为边缘集中分布区间。

进一步地，在S300中，利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值的方法为：

令L＝width，H＝high，通过阈值t将边缘集中分布区间中的像素划分为两类：C_O＝{L,L+1,…,t-1}，C₁＝{t,t+1,…,H}，若像素梯度值i(x,y)<t，则(x,y)∈C₀；若像素梯度值i(x,y)≥t，则(x,y)∈C₁；x,y为像素点坐标；

令i为像素点的梯度，则梯度为i的像素点个数为p_i，则C₀类中的像素总数为

C₁类中的像素总数为

C₀类的梯度均值为

C₁类的梯度均值为

C₀类的方差为

C₁类的方差为

C₀类和C₁类的类内方差为：

选择类内方差中最小的阈值t，将所述阈值t记为梯度阈值T，根据梯度阈值T对像素进行分类，若像素梯度值i(x,y)≥T，则将像素点(x，y)的灰度值置为0，否则将所述像素点(x，y)的灰度值置为255。

本发明还提供了一种边缘检测双阈值自动设定系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

边缘图构成单元，用于筛选出图像中具有局部最大梯度点的像素点作为边缘点；

分布区间确定单元，用于确定图像的边缘集中分布区间；

梯度阈值求解单元，用于利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值。

本公开的有益效果为：本发明提供一种边缘检测双阈值自动设定方法及系统，基于梯度幅度直方图和类内方差最小化自适应的确定高低阈值的方法，针对不同图像，实现双阈值的自适应提取，不需要人为设定任何参数。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：

图1所示为一种边缘检测双阈值自动设定方法的流程图；

图2所示为一种边缘检测双阈值自动设定系统结构图。

具体实施方式

以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

如图1所示为根据本公开的一种边缘检测双阈值自动设定方法的流程图，下面结合图1来阐述根据本公开的实施方式的一种边缘检测双阈值自动设定方法。

本公开提出一种边缘检测双阈值自动设定方法，具体包括以下步骤：

S100，筛选出图像中具有局部最大梯度点的像素点作为边缘点；

S200，确定图像的边缘集中分布区间；

S300，利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值。

进一步地，在S100中，筛选出图像中具有局部最大梯度点的像素点作为边缘点：

扫描图像的像素点，根据当前像素点周围8个方向上相邻像素的梯度值来判断所述当前像素点是否具有局部梯度最大值，如果所述当前像素点有局部梯度最大值，则将所述当前像素点作为边缘点，否则将所述当前像素点作为非边缘点。

进一步地，在S200中，确定图像的边缘集中分布区间的方法为：

构建图像的方向梯度直方图，计算图像的梯度幅度和梯度方向，做出梯度幅度的累加直方图，得出最大梯度值；设width为所述方向梯度直方图中梯度区间的宽度，high为所述方向梯度直方图中梯度区间的宽度，high、width的变化区间范围都设为[maxmag/5,maxmag]，在本实施例中，maxmag＝800像素，以梯度区间为大小均匀的将图像分为多个子区间，计算边缘点在所有子区间中的平均数量，将子区间中的边缘点的数量大于平均数量的所述子区间标记为边缘集中分布区间。

进一步地，在S300中，利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值的方法为：

令L＝width，H＝high，通过阈值t将边缘集中分布区间中的像素划分为两类：C_O＝{L,L+1,…,t-1}，C₁＝{t,t+1,…,H}，若像素梯度值i(x,y)<t，则(x,y)∈C₀；若像素梯度值i(x,y)≥t，则(x,y)∈C₁；

令i为像素点的梯度，则梯度为i的像素点个数为p_i，则C₀类中的像素总数为C₁类中的像素总数为

C₀类的梯度均值为C₁类的梯度均值为

C₀类的方差为C₁类的方差为

C₀类和C₁类的类内方差为：

选择类内方差

中最小的阈值t，将所述阈值t记为梯度阈值T，根据梯度阈值T对像素进行分类，若像素梯度值i(x,y)≥T，则将像素点(x，y)的灰度值置为0，否则将所述像素点(x，y)的灰度值置为255。

本公开的实施例提供的一种边缘检测双阈值自动设定系统，如图2所示为本公开的一种边缘检测双阈值自动设定系统结构图，该实施例的一种边缘检测双阈值自动设定系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种边缘检测双阈值自动设定系统实施例中的步骤。

所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

边缘图构成单元，用于筛选出图像中具有局部最大梯度点的像素点作为边缘点；

分布区间确定单元，用于确定图像的边缘集中分布区间；

梯度阈值求解单元，用于利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值。

所述一种边缘检测双阈值自动设定系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种边缘检测双阈值自动设定系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种边缘检测双阈值自动设定系统的示例，并不构成对一种边缘检测双阈值自动设定系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种边缘检测双阈值自动设定系统还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种边缘检测双阈值自动设定系统运行系统的控制中心，利用各种接口和线路连接整个一种边缘检测双阈值自动设定系统可运行系统的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种边缘检测双阈值自动设定系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (5)

1.一种边缘检测双阈值自动设定方法，其特征在于，所述方法包括以下步骤：

S100，筛选出图像中具有局部最大梯度点的像素点作为边缘点；

S200，确定图像的边缘集中分布区间；

S300，利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值。

2.根据权利要求1所述的一种边缘检测双阈值自动设定方法，其特征在于，在S100中，筛选出图像中具有局部最大梯度点的像素点作为边缘点的方法为：

扫描图像的像素点，根据当前像素点周围8个方向上相邻像素的梯度值来判断所述当前像素点是否具有局部梯度最大值，如果所述当前像素点有局部梯度最大值，则将所述当前像素点作为边缘点，否则将所述当前像素点作为非边缘点。

3.根据权利要求2所述的一种边缘检测双阈值自动设定方法，其特征在于，在S200中，确定图像的边缘集中分布区间的方法为：

构建图像的方向梯度直方图，计算图像的梯度幅度和梯度方向，做出梯度幅度的累加直方图，得出最大梯度值；设width为所述方向梯度直方图中梯度区间的宽度，high为所述方向梯度直方图中梯度区间的宽度，high、width的变化区间范围都设为[maxmag/5,maxmag]，以梯度区间为大小均匀的将图像分为多个子区间，计算边缘点在所有子区间中的平均数量，将子区间中的边缘点的数量大于平均数量的所述子区间标记为边缘集中分布区间。

4.根据权利要求3所述的一种边缘检测双阈值自动设定方法，其特征在于，在S300中，利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值的方法为：

令L＝width，H＝high，通过阈值t将边缘集中分布区间中的像素划分为两类：C_O＝{L,L+1,…,t-1}，C₁＝{t,t+1,…,H}，若像素梯度值i(x,y)<t，则(x,y)∈C₀；若像素梯度值i(x,y)≥t，则(x,y)∈C₁；

令i为像素点的梯度，则梯度为i的像素点个数为p_i，则C₀类中的像素总数为

C₁类中的像素总数为

C₀类的梯度均值为

C₁类的梯度均值为C₀类的方差为

C₁类的方差为C₀类和C₁类的类内方差为：

选择类内方差

中最小的阈值t，将所述阈值t记为梯度阈值T，根据梯度阈值T对像素进行分类，若像素梯度值i(x,y)≥T，则将像素点(x，y)的灰度值置为0，否则将所述像素点(x，y)的灰度值置为255。

5.一种边缘检测双阈值自动设定系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

边缘图构成单元，用于筛选出图像中具有局部最大梯度点的像素点作为边缘点；

分布区间确定单元，用于确定图像的边缘集中分布区间；

梯度阈值求解单元，用于利用类内方差最小化自适应求出边缘集中分布区间的梯度阈值。

Images