專利名稱：一種基于特定類灰度圖像的邊緣檢測方法
技術領域：
本專利涉及到數字圖像處理技術，尤其涉及一種基于特定類灰度圖像的邊緣檢測方法。
背景技術：
邊緣是圖像最基本的特征，邊緣檢測對圖像分析和理解具有重要意義。邊緣檢測包含以下基本步驟濾波、增強、檢測、定位。傳統的邊緣檢測方法有Roberts算子、Sobel 算子、Prewitt算子、Log算子和Carmy算子等。隨著數學理論和信號處理技術的發展，近年來又產生了基于小波分析的邊緣檢測方法、基于數學形態學的邊緣檢測方法、基于分形幾何的方法等新的邊緣檢測算法。其中，基于最優化理論的canny邊緣檢測算法具有信噪比大和檢測精度高的優點，已經得到廣泛應用。雖然，canny算法在實際應用中優于傳統的Robert^Sobel等邊緣檢測方法，但同時也存在一些問題。實際圖像往往受到光照、傳輸、圖片尺寸等影響使得圖像邊緣信息發生變化。傳統的carmy算子在實際處理中受各種干擾因素的影響，會產生部分虛假邊緣；同時，傳統的carmy算法需要根據經驗對邊緣提取過程中的高、低閾值進行設定，不能根據圖像的實際內容自動更改參數值，對不同的圖像缺乏自適應性，并且很難消除局部強噪聲的干擾，在檢出偽邊緣的同時還會丟失一些灰度值變化緩慢的局部邊緣。因此，在具體應用上仍存在一定的局限性。
發明內容
本發明的目的在于針對特定類灰度圖像，提出一種新的有效的邊緣檢測方法，該方法可以有效地去除圖像中的高斯噪聲及椒鹽噪聲，并對檢測和連接邊緣的高、低閾值進行自適應設定，能夠提高邊緣檢測精度和準確度，有效地實現邊緣的檢測。本發明的技術方案為一種基于特定類灰度圖像的邊緣檢測方法，包括以下步驟
1)圖像去噪處理；
2)圖像增強；
3)非極大值抑制，形成梯度直方4)對檢測和連接邊緣的高閾值作^和低閾值This自適應設定；
5)通過邊緣跟蹤算法實現邊緣點的連接。所述步驟1)的具體步驟為首先采用空間尺度參數自適應調整的高斯濾波方法消除高斯噪聲；再通過中值濾波的方法消除椒鹽噪聲。所述步驟2)的具體步驟為先對所述步驟1)處理后的灰度圖像分別進行膨脹和腐蝕操作，再將所得到的兩幅圖像相減，得到邊緣信息增強的圖像。所述步驟3)的非極大值抑制的具體步驟為對每一個像素點，以該點為中心，在八鄰域范圍內對應梯度方向上與其相鄰兩個像素點的梯度值作比較若該點梯度值為最大，則梯度值保留；否則將該點梯度值設為零。所述步驟4)的具體步驟為先對所述梯度直方圖做差分，得到差分直方圖；所述梯度直方圖中背景尖峰與第一個目標尖峰之間的平滑區域轉化為所述差分直方圖中過零點的集合；選取所述集合中最后一個過零點的梯度幅值作為高閾值；然后針對所述梯度直方圖中小于所述高閾值的部分采用一次最大類間方差方法求出低閾值。所述步驟5)的具體步驟為取梯度值高于點，將其設定為絕對邊緣點，作為邊緣連接的起始點，在所述絕對邊緣點的八鄰域范圍內，判斷是否存在其它的絕對邊緣點， 如果有則作為邊緣連接；否則轉向判斷是否存在梯度值大于This的點，如果有作為邊緣連接。本發明的有益效果是針對特定類灰度圖像，在傳統carmy邊緣檢測算法的基礎上，提出新的圖像邊緣檢測算法，有效地改善存在高斯噪聲及椒鹽噪聲干擾的情況下邊緣的提取。然后，通過形態學處理，增大目標與背景之間的灰度差異，降低弱邊緣的漏檢。并且提出對檢測和連接邊緣的高、低閾值的自適應設定方法，提高對不同圖像的自適應性，具有很好的邊緣檢測精度和準確度。
圖1為本專利邊緣檢測方法整體流程圖； 圖2為偏導數算子圖3為非極大值抑制直方圖示意圖。
具體實施例方式下面結合附圖對本專利加以詳細說明。本發明針對的特定類灰度圖像具有以下特點①灰度圖像；②單一背景、多個目標，背景和目標灰度值都均衡，目標假設有三種一種其灰度值低于背景灰度值，一種與背景灰度值接近，另一種高于背景灰度值；③原始灰度圖像中存在噪聲，實施例中以高斯噪聲和椒鹽噪聲兩種常見噪聲為例。基于此類圖像本專利在傳統carmy邊緣檢測算法的基礎上，提出一種新的邊緣檢測算法。該算法先采用高斯濾波和中值濾波去除圖像中的高斯噪聲及椒鹽噪聲；然后對濾波后的圖像進行圖像增強，關鍵是增大灰度值接近背景灰度值的目標與背景之間的差異； 而后對增強的圖像進行非極大值抑制，并以梯度直方圖的形式進行描述和分析；然后，通過對梯度直方圖做差分，得出差分直方圖。梯度直方圖中背景尖峰與第一個目標尖峰之間的平滑區域就轉化為差分直方圖中過零點的集合。本專利選取此集合中最后一個過零點的梯度幅值作為高閾值，再采用一次最大類間方差方法求出低閾值，即完成對高、低閾值的自適應設定；最后，通過設定邊緣跟蹤算法實現邊緣點的連接。本方法對提高邊緣檢測精度和準確度，有很大的借鑒意義，可有效地實現對邊緣的檢測。本專利的邊緣檢測方法整體流程參見圖1，主要包括以下步驟
1.去噪處理。先對原圖像F (x，y)進行高斯濾波，將濾波器窗口設定為3X3大小。空間尺度參數《■的大小由以下三種情況確定①、窗口處于圖像平滑區域時，
權利要求
1.一種基于特定類灰度圖像的邊緣檢測方法，其特征在于，包括以下步驟1)圖像去噪處理；2)圖像增強；3)非極大值抑制，形成梯度直方圖；4)對檢測和連接邊緣的高閾值作^和低閾值This自適應設定；5)通過邊緣跟蹤算法實現邊緣點的連接。
2.根據權利要求1所述的一種基于特定類灰度圖像的邊緣檢測方法，其特征是，所述步驟1)的具體步驟為首先采用空間尺度參數自適應調整的高斯濾波方法消除高斯噪聲； 再通過中值濾波的方法消除椒鹽噪聲。
3.根據權利要求1所述的一種基于特定類灰度圖像的邊緣檢測方法，其特征是，所述步驟2)的具體步驟為先對所述步驟1)處理后的灰度圖像分別進行膨脹和腐蝕操作，再將所得到的兩幅圖像相減，得到邊緣信息增強的圖像。
4.根據權利要求1所述的一種基于特定類灰度圖像的邊緣檢測方法，其特征是，所述步驟3)的非極大值抑制的具體步驟為對每一個像素點，以該點為中心，在八鄰域范圍內對應梯度方向上與其相鄰兩個像素點的梯度值作比較若該點梯度值為最大，則梯度值保留；否則將該點梯度值設為零。
5.根據權利要求1所述的一種基于特定類灰度圖像的邊緣檢測方法，其特征是，所述步驟4)的具體步驟為先對所述梯度直方圖做差分，得到差分直方圖；所述梯度直方圖中背景尖峰與第一個目標尖峰之間的平滑區域轉化為所述差分直方圖中過零點的集合；選取所述集合中最后一個過零點的梯度幅值作為高閾值Ths ；然后針對所述梯度直方圖中小于所述高閾值的部分采用一次最大類間方差方法求出低閾值Th 。
6.根據權利要求1所述的一種基于特定類灰度圖像的邊緣檢測方法，其特征是，所述步驟5)的具體步驟為取梯度值高于點，將其設定為絕對邊緣點，作為邊緣連接的起始點，在所述絕對邊緣點的八鄰域范圍內，判斷是否存在其它的絕對邊緣點，如果有則作為邊緣連接；否則轉向判斷是否存在梯度值大于Iliis的點，如果有作為邊緣連接。
全文摘要
本發明公開了一種基于特定類灰度圖像的邊緣檢測方法，該方法在傳統的canny邊緣檢測算法的基礎上加以改進，有效降低了對高斯噪聲及椒鹽噪聲的敏感度，增強了對不同圖像的自適應性，提高了邊緣檢測精度和準確度。步驟如下首先采用高斯濾波和中值濾波去除圖像中的高斯噪聲及椒鹽噪聲；然后，對濾波后的圖像進行圖像增強；接著對增強后的圖像進行非極大值抑制，并以梯度直方圖的形式進行描述和分析；而后對檢測和連接邊緣的高、低閾值實現自適應設定；最后，通過設定邊緣跟蹤算法實現邊緣點的連接。此方法有效地改善存在高斯噪聲及椒鹽噪聲干擾的情況下邊緣的提取，提高對不同圖像的自適應性，具有很好的邊緣檢測精度和準確度。
文檔編號G06T5/00GK102521836SQ20111042047
公開日2012年6月27日 申請日期2011年12月15日 優先權日2011年12月15日
發明者丁衛, 關號兵, 吳倩, 徐軍霞, 樊帆, 沈巍, 陳四杰, 陳艷, 顧寄南 申請人:江蘇大學