一種可抗噪聲的圖像邊緣檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及自動(dòng)化領(lǐng)域中的對(duì)圖像邊緣的檢測(cè)計(jì)數(shù)領(lǐng)域，具體為一種可抗噪聲的 圖像邊緣檢測(cè)方法。
【背景技術(shù)】
[0002] 圖像邊緣檢測(cè)是圖像處理的一項(xiàng)重要技術(shù)，有著廣泛的用途。目前，圖像邊緣檢測(cè) 已經(jīng)由傳統(tǒng)的微分算子發(fā)展到基于Canny算法或global化算法進(jìn)行。
[0003] 與傳統(tǒng)的微分算子相比，Canny算子應(yīng)用于檢測(cè)圖像邊緣時(shí)具有運(yùn)算速度快和檢 測(cè)精度高的優(yōu)點(diǎn)，因而在實(shí)踐中Canny算子被廣泛應(yīng)用。但該算法存在兩個(gè)主要缺點(diǎn)：如 Canny算子采用在2X2鄰域內(nèi)求有限差分均值的方法來(lái)計(jì)算梯度幅值，雖然對(duì)邊緣定位 準(zhǔn)確，但容易被噪聲干擾；如Canny算法的雙闊值都是固定的，高低口限依賴人工設(shè)置，自 動(dòng)化程度較低。
[0004]Arbelaez等人于2010年提出的globalPb算法一定程度上克服了Canny算子的 主要缺點(diǎn)化Arbelaez,M.Maire,C.Fowlkes曰ndJ.Malik.ContourDetection曰nd HierarchicalImageSegmentation[J].IEEETPAMI,Vol. 33,No. 5,pp. 898-916, May2010)?？乖肼暷芰?qiáng)，無(wú)需人工設(shè)置闊值，檢測(cè)效果更好。global化算法需要提供圖 像的顏色(灰度)和紋理信息。但是，global化算法有兩個(gè)主要的缺點(diǎn)：如運(yùn)算過(guò)程復(fù)雜，不 但要對(duì)多尺度多信息計(jì)算梯度，還需要額外的譜聚類(lèi)計(jì)算排除虛假邊緣；如由于算法需要 提供額外的紋理信息，限制了它無(wú)法在缺乏紋理信息的場(chǎng)景中應(yīng)用。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明在Canny算子和global化算法的基礎(chǔ)上，提出一種運(yùn)算效率較高，可抗噪 聲的圖像邊緣檢測(cè)方法。該方法首先采用Canny方法得到邊緣信息，然后對(duì)邊緣信息計(jì)算 帶方向的梯度值，增強(qiáng)邊緣并排除噪聲或紋理導(dǎo)致的虛假邊緣。
[0006] 本發(fā)明可W通過(guò)W下技術(shù)方案來(lái)實(shí)現(xiàn)： 本發(fā)明公開(kāi)了一種可抗噪聲的圖像邊緣檢測(cè)方法，包括W下步驟： 第一步、初始邊緣信息圖E的計(jì)算，采用Canny算法計(jì)算原始圖像的初始邊緣信息圖E； 第二步、邊緣信息圖E1的計(jì)算，根據(jù)初始邊緣信息圖E自動(dòng)計(jì)算闊值排除弱邊緣得到 邊緣信息圖E1 ; 第=步、增強(qiáng)邊緣圖E2、E3的計(jì)算，計(jì)算邊緣信息圖E1的帶方向梯度值得到增強(qiáng)邊緣 圖E2、E3 ; 第四步、雙闊值計(jì)算，根據(jù)邊緣信息圖El和增強(qiáng)邊緣圖E3自動(dòng)計(jì)算雙闊值； 第五步、抗噪聲檢測(cè)處理，對(duì)增強(qiáng)的邊緣信息圖E3用雙闊值方法檢測(cè)、過(guò)濾并連接邊 緣，得到最終處理后的圖像。
[0007] 進(jìn)一步地，第一步所述初始邊緣信息圖E的計(jì)算包括W下步驟： al、采用一維高斯算子
巧原始圖像進(jìn)行橫向縱向高斯平滑得到平滑后 的圖像II; a2、采用二維高斯算子
的偏導(dǎo)數(shù)對(duì)圖像II進(jìn)行橫向^
縱向
濾波計(jì)算得到圖像的梯度圖G; a3、對(duì)梯度圖G應(yīng)用非極大值抑制得到邊緣信息圖E，找到梯度圖G數(shù)據(jù)中的最高點(diǎn)， 利用邊緣方向信息來(lái)處理，驗(yàn)證所有點(diǎn)是否峰值，如果一個(gè)點(diǎn)兩側(cè)的梯度小于該點(diǎn)上的梯 度，那么它為極大值。
[0008] 進(jìn)一步地，第二步所述邊緣信息圖E1的計(jì)算包括W下過(guò)程：對(duì)邊緣信息圖E中的 數(shù)據(jù)按數(shù)值由小到大進(jìn)行排序，取排在全部數(shù)值70%處的數(shù)值大小的30%作為最低闊值，從 邊緣信息圖E中排除小于最低闊值的邊緣得到邊緣信息圖E1。
[0009] 進(jìn)一步地，第=步所述增強(qiáng)邊緣圖E2、E3的計(jì)算包括W下步驟： cl、W圖2的數(shù)據(jù)模型，W窗口Wn大小n，取n默認(rèn)取值為7對(duì)邊緣信息圖E1中每個(gè)非 零邊緣點(diǎn)（x，y)計(jì)算梯度偏移位置（me,皿)，
c2、計(jì)算邊緣信息圖E1中每個(gè)窗口中屯、位置（c，r)與其梯度偏移位置（me,mr)的距離 的平方：綾緩。錢(qián)'類(lèi)色:~.嚷娛f至':賽I《歲吊纖I萊S c3、對(duì)窗口Wn中每個(gè)非零邊緣點(diǎn)（x，y)分別計(jì)算其到窗口中屯、位置和梯度偏移位置的 距離的平方：索貧其緝:':緣'.打.' 馨左:.雜義貨。::灣?^賣(mài)象薩資建藥!苗;議議2 ,:采難|:訪翁綠3^^ c4、根據(jù)余弦定理計(jì)算窗口Wn中每個(gè)非零邊緣點(diǎn)（x，y)到中屯、位置0在直線om上的 投景多距離：cUst=X-0X (R泌：+A.G;-打巧/(2 X mo X :泌)； c5、按W下步驟對(duì)窗口Wn的中屯、點(diǎn)（c，r)計(jì)算其邊緣增強(qiáng)圖E2 : (c51)center=0,roundl=0,round2 = 0 ； (c52)循環(huán)對(duì)窗口Wn中的每個(gè)非零邊緣點(diǎn)計(jì)算dist; 如果dist小于 0. 5 且大于-〇. 5,那么center=center+ 1 ; 如果dist大于 1，那么roundl=roundl+ 1 ; 如果dist小于-1,那么rounds=rounds+ 1 ; (c53)如果center=n~2,那么E鍵龜綠#綽議I鑛，否則狡聽(tīng)錄運(yùn)幾f察矜毅鑛毅興賴播議；c6、將邊緣增強(qiáng)圖E2的值歸一化到0~1，與邊緣圖E1疊加并歸一化到0~1得到邊 緣增強(qiáng)圖E3。
[0010] 進(jìn)一步地，第四步所述雙闊值計(jì)算包括W下步驟： dl、將邊緣增強(qiáng)圖E3中的非零點(diǎn)由小到大排序； d2、取排在序列中L位的值作為上闊值，L等于E3中非零點(diǎn)數(shù)量減去E1中非零點(diǎn)數(shù)量 的 30%，L=kn巧巧一巧巧X0.3 ; d3、取排在序列中LxO. 7位的值作為下闊值。
[0011] 進(jìn)一步地，第五步所述抗噪聲檢測(cè)處理包括W下步驟： el、對(duì)大于上闊值的強(qiáng)邊緣進(jìn)行過(guò)濾，濾除邊緣長(zhǎng)度小于整數(shù)k的虛假?gòu)?qiáng)邊緣。所述整 數(shù)k的數(shù)值優(yōu)選為8 ; e2、將過(guò)濾后的強(qiáng)邊緣與大于下闊值的弱邊緣進(jìn)行連接得到最終的邊緣信息。
[0012] 本發(fā)明一種可抗噪聲的圖像邊緣檢測(cè)方法，具有如下的有益效果：本發(fā)明采用W 上技術(shù)方案，可W較準(zhǔn)確的定位圖像的邊緣，能夠有效抑制噪聲和紋理導(dǎo)致的虛假邊緣，可 W自適應(yīng)地改變邊緣檢測(cè)的高低閥值，在增加少量計(jì)算的前提下提高了邊緣檢測(cè)效果和自 動(dòng)化程度。
【附圖說(shuō)明】
[0013] 圖1為本發(fā)明一種可抗噪聲的圖像邊緣檢測(cè)方法的流程圖； 圖2為本發(fā)明一種可抗噪聲的圖像邊緣檢測(cè)方法第=步增強(qiáng)邊緣圖E2、E3的計(jì)算的數(shù) 據(jù)模型圖； 圖3是用于對(duì)比實(shí)驗(yàn)的無(wú)噪聲的原始圖片； 圖4是用canny算法處理無(wú)噪聲原始圖片得到的邊緣信息圖； 圖5是用本發(fā)明的方法處理無(wú)噪聲原始圖片得到的邊緣信息圖； 圖6是用于對(duì)比實(shí)驗(yàn)的加入椒鹽噪聲后的圖片； 圖7是用canny算法處理有噪聲圖片得到的邊緣信息圖； 圖8是用本發(fā)明的方法處理有噪聲圖片得到的邊緣信息圖。
【具體實(shí)施方式】
[0014] 為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合實(shí)施例及附圖 對(duì)本發(fā)明產(chǎn)品作進(jìn)一步詳細(xì)的說(shuō)明。
[001引如圖1所示，本發(fā)明公開(kāi)了一種可抗噪聲的圖像邊緣檢測(cè)方法，包括W下步驟： 第一步、初始邊緣信息圖E的計(jì)算，采用Canny算法計(jì)算原始圖像的初始邊緣信息圖E; 其具體過(guò)程為： al、采用一維高斯算子
巧原始圖像進(jìn)行橫向縱向高斯平滑得到平滑后 的圖像II; a2、采用二維高斯算子
的偏導(dǎo)數(shù)對(duì)圖像II進(jìn)行橫
縱向
濾波計(jì)算得到圖像的梯度圖G; a3、對(duì)梯度圖G應(yīng)用非極大值抑制得到邊緣信息圖E，找到梯度圖G數(shù)據(jù)中的最高點(diǎn)， 利用邊緣方向信息來(lái)處理，驗(yàn)證所有點(diǎn)是否峰值，如果一個(gè)點(diǎn)兩側(cè)的梯度小于該點(diǎn)上的梯 度，那么它為極大值。
[0016] 第二步、邊緣信息圖E1的計(jì)算，根據(jù)初始邊緣信息圖E自動(dòng)計(jì)算闊值排除弱邊緣 得到邊緣信息圖E1 :對(duì)邊緣信息圖E中的數(shù)據(jù)按數(shù)值由小到大進(jìn)行排序，取排在全部數(shù)值 70%處的數(shù)值大小的30%作為最低闊值，從邊緣信息圖E中排除小于最低闊值的邊緣得到邊 緣信息圖E1。
[0017] 第=步、增強(qiáng)邊緣圖E