[发明专利]滑窗N‑Smoothlets图像边缘检测方法

权利要求书

1.一种滑窗N-Smoothlets图像边缘检测方法，其特征在于：包括以下步骤：

S1输入待处理的原图像F；

S2设置图像边缘检测算法中涉及到的参数，包括N-Smoothlets变换中滑窗的尺寸size、滑窗每一次的偏移量shift、判断边缘是否保留阈值T₁、T₂；

S3设置好N-Smoothlets滑窗尺寸size后，假设size大小为n×n像素；首先将N-Smoothlets滑窗置于原图像的左上角，对待处理图像中与滑窗重叠部分的区域执行一个图像宏块内的N-Smoothlets变换；然后将N-Smoothlets滑窗从图像左上角按照先列后行或先行后列的顺序每次移动shift个像素并在滑窗内作N-Smoothlets变换，其中N-Smoothlets基本变换块大小设置为与滑窗大小一致，即在每一个滑窗对应的图像宏块内只用一个N-Smoothlets对其进行描述，直至滑窗遍历完整幅图像后结束，得到对原始图像进行滑窗N-Smoothlets变换后的图像信息；

S4根据块类型不同分别判别：

S41宏块类型为A，即退化块

若变换后的图像块为退化块，则认为该块中不存在边缘信息；

S42宏块类型为W，即Wedgelet块

若变换后的图像块为Wedgelet块，则提取出该Wedgelet块对应的基准线作为图像块内的边缘；此时，只需要边缘判决条件一对其进行是否作为边缘信息保留的判定；具体判定条件如下：

条件一：根据每条过渡带两侧的灰度值m_a、m_b的差值与设定的阈值T₁进行比较，作为判断是否保留该过渡带并进行边缘提取的第一个条件；条件一是判断两个区域灰度的对比情况；

当过渡带两侧的灰度值差值的绝对值|m_a-m_b|足够大时，可认为此时过渡带两侧灰度值变化十分明显，更容易被判定为边缘；当过渡带两侧的灰度值差值的绝对值|m_a-m_b|比较小时，可认为此时过渡带两侧灰度值变化较小，不容易被判定为边缘；

S43宏块类型为S，即N-Smoothlets块，包括宏块内存在1、2、3条过渡带的情况，N代表过渡带最大数量；

若变换后的图像块为N-Smoothlets块，即包括宏块内存在1、2、3条过渡带的情况，则依次对N-Smoothlets的N条过渡带两侧的灰度值求差值|m_a-m_b|；

若两侧的灰度值差值小于设定好的阈值T₁，即|m_a-m_b|＜T₁，不满足边缘判决条件一，认为该边缘为伪边，舍弃；

若两侧的灰度值差值大于等于设定好的阈值T₁，即|m_a-m_b|≥T₁，满足边缘判决条件一；再比较过渡带宽r与T₂的关系，若r＞T₂，满足边缘判决条件一，不满足边缘判决条件二，认为该边缘为伪边，舍弃；若r≤T₂，同时满足边缘判决条件一与二，则计算过渡带的中线信息作为边缘保留；

S5对各滑窗N-Smoothlets提取出的边缘信息进行叠加，输出对原图像F进行边缘提取后的边缘图像

2.根据权利要求1所述的一种滑窗N-Smoothlets图像边缘检测方法，其特征在于：滑窗尺寸size为8×8像素，阈值T₁为20、阈值T₂为1。

3.根据权利要求1所述的一种滑窗N-Smoothlets图像边缘检测方法，其特征在于：滑窗每一次的偏移量shift可以取8、6、4、3个像素。