[发明专利]一种基于各向异性高斯核提取封闭边缘图像轮廓的方法

说明书

技术领域

本发明属于图像特征提取技术领域，涉及一种利用各向异性高斯核进行边缘检测，获得封闭边缘图像轮廓的方法。

背景技术

边缘是图像的基本特征，包含了丰富的视觉信息，是计算机视觉和模式识别领域中的重要研究课题。获取完整的图像边缘是进行图像特征提取的关键步骤。基于微分的边缘检测算法是通过一阶微分算子的最大值点或者二阶微分算子的零点确定边缘像素点。但是基于一阶或二阶差分算子的边缘检测器对于噪声敏感，为了缓解这一问题，在对图像微分运算前增加了平滑滤波处理。现有技术中采用在高斯白噪声下基于各向同性高斯核一阶导数的最佳边缘检测器进行边缘检测，但是各向同性高斯核作为边缘检测器有两方面的缺陷，一是小尺度的各向同性高斯核能得到好的边缘定位和分辨率，但是容易受到噪声的影响，大尺度下的各向同性高斯核具有稳健的噪声性能，但是容易造成边缘模糊与定位不精确的现象；二是边缘像素点定义为梯度幅值高于其任意相邻两侧的像素点，非最大值抑制处理后会引起交叉边缘断裂，无法获得封闭的图像轮廓。基于各向同性高斯核的边缘检测算法不足以完全表达边缘方向特性。

发明内容

本发明的目的是提供一种基于各向异性高斯核提取封闭边缘图像轮廓的方法，解决了现有技术中边缘检测造成的交叉边缘断裂，无法获得封闭的图像轮廓技术问题。

本发明所采用的技术方案是，一种基于各向异性高斯核提取封闭边缘图像轮廓方法，包括以下步骤：

步骤1：将待提取的图像读入计算机；

步骤2：在[0,π]内方向角上采用各向异性高斯核滤波平滑图像；

步骤3：计算平滑后图像的边缘强度映射和边缘梯度方向映射；

步骤4：对边缘强度映射即梯度幅值进行非最大值抑制，判定边缘像素；

步骤5：判定边缘轮廓结构，详细步骤如下：

5.1，利用两点间距离公式计算边缘轮廓中起点与终点之间的实际距离d及每个边缘轮廓中起点与第4个像素点之间的距离，后者为边缘轮廓中起点终点之间的最大容许距离D_max；

5.2，比较D_max与d的大小，如果d≤D_max，边缘轮廓是闭合轮廓，如果d>D_max，则边缘轮廓是开轮廓；

步骤6：填充或延伸断裂处的边缘，详细步骤如下：

6.1，当边缘轮廓为闭合轮廓且轮廓的起点与终点不重合时，则将起点和终点之间的断裂处以最短距离直线填充；

6.2，当边缘轮廓为开轮廓时，若在一个窗口中一个轮廓的起点或终点只有一个在该窗口中且其他轮廓的终点也包含在该窗口中，则以最短的距离直线连接填充该边缘轮廓的起点和终点之间的空隙，使两个轮廓成为两个不相关的轮廓；

6.3，当边缘轮廓为开轮廓时，若在一个窗口中同时存在起点和终点且包含其他轮廓的边缘像素点时，则根据起点和终点两个点周围的边缘梯度方向，分别求取起点和终点与其周围边缘像素的梯度平均方向，计算方法如下：分别将起点和终点周围的边缘像素点坐标取出相加之后除以边缘像素点个数，得到梯度平均像素的坐标(Δx,Δy)，根据公式计算得到；然后分别从起点和终点开始，各自沿着与起点和终点与周围像素的梯度平均方向垂直的方向向终点和起点以最短线连接；

重复以上的边缘连接方法，直至获得封闭的图像轮廓图；

步骤7：输出获得的具有封闭边缘轮廓的图像。

本发明的特点还在于，

步骤2中采用各向异性高斯核滤波平滑图像时，在θ角方向上的表达式如下：

其中，σ是尺度参数，ρ是各向异性高斯参数，θ是旋转角度，R_θ是旋转矩阵，n是输入的图像矩阵，即输入图像的像素点坐标组成的矩阵的转置矩阵。

步骤3中计算图像的边缘强度映射和边缘梯度方向映射的具体步骤如下：

3.1，计算平滑后的图像中每个像素点的各向异性高斯导数，计算公式如下：

3.2，根据计算出的各向异性方向导数计算图像的边缘强度映射EMSx(n)和边缘梯度方向映射EGDMx(n)，计算公式如下：

其中，I(n)是输入的图像，k为各向异性滤波器的个数，*是二维卷积运算符号。

步骤4中判定边缘像素的步具体步骤如下：