[发明专利]一种可抗噪声的图像边缘检测方法

说明书

技术领域

本发明涉及自动化领域中的对图像边缘的检测计数领域，具体为一种可抗噪声的图像边缘检测方法。

背景技术

图像边缘检测是图像处理的一项重要技术，有着广泛的用途。目前，图像边缘检测已经由传统的微分算子发展到基于Canny算法或globalPb算法进行。

与传统的微分算子相比，Canny算子应用于检测图像边缘时具有运算速度快和检测精度高的优点，因而在实践中Canny算子被广泛应用。但该算法存在两个主要缺点：如Canny算子采用在2×2邻域内求有限差分均值的方法来计算梯度幅值，虽然对边缘定位准确，但容易被噪声干扰；如Canny算法的双阈值都是固定的，高低门限依赖人工设置，自动化程度较低。

Arbelaez等人于2010年提出的globalPb算法一定程度上克服了Canny算子的主要缺点（P.Arbelaez,M.Maire,C.FowlkesandJ.Malik.ContourDetectionandHierarchicalImageSegmentation[J].IEEETPAMI,Vol.33,No.5,pp.898-916,May2010）。抗噪声能力强，无需人工设置阈值，检测效果更好。globalPb算法需要提供图像的颜色（灰度）和纹理信息。但是，globalPb算法有两个主要的缺点：如运算过程复杂，不但要对多尺度多信息计算梯度，还需要额外的谱聚类计算排除虚假边缘；如由于算法需要提供额外的纹理信息，限制了它无法在缺乏纹理信息的场景中应用。

发明内容

本发明在Canny算子和globalPb算法的基础上，提出一种运算效率较高，可抗噪声的图像边缘检测方法。该方法首先采用Canny方法得到边缘信息，然后对边缘信息计算带方向的梯度值，增强边缘并排除噪声或纹理导致的虚假边缘。

本发明可以通过以下技术方案来实现：

本发明公开了一种可抗噪声的图像边缘检测方法，包括以下步骤：

第一步、初始边缘信息图E的计算，采用Canny算法计算原始图像的初始边缘信息图E；

第二步、边缘信息图E1的计算，根据初始边缘信息图E自动计算阈值排除弱边缘得到边缘信息图E1；

第三步、增强边缘图E2、E3的计算，计算边缘信息图E1的带方向梯度值得到增强边缘图E2、E3；

第四步、双阈值计算，根据边缘信息图E1和增强边缘图E3自动计算双阈值；

第五步、抗噪声检测处理，对增强的边缘信息图E3用双阈值方法检测、过滤并连接边缘，得到最终处理后的图像。

进一步地，第一步所述初始边缘信息图E的计算包括以下步骤：

a1、采用一维高斯算子对原始图像进行横向纵向高斯平滑得到平滑后的图像I1；

a2、采用二维高斯算子的偏导数对图像I1进行横向纵向滤波计算得到图像的梯度图G；

a3、对梯度图G应用非极大值抑制得到边缘信息图E，找到梯度图G数据中的最高点,利用边缘方向信息来处理，验证所有点是否峰值，如果一个点两侧的梯度小于该点上的梯度，那么它为极大值。

进一步地，第二步所述边缘信息图E1的计算包括以下过程：对边缘信息图E中的数据按数值由小到大进行排序，取排在全部数值70%处的数值大小的30%作为最低阈值，从边缘信息图E中排除小于最低阈值的边缘得到边缘信息图E1。

进一步地，第三步所述增强边缘图E2、E3的计算包括以下步骤：

c1、以图2的数据模型，以窗口Wn大小n，取n默认取值为7对边缘信息图E1中每个非零边缘点(x,y)计算梯度偏移位置(mc,mr)，

，；

c2、计算边缘信息图E1中每个窗口中心位置(c,r)与其梯度偏移位置(mc,mr)的距离的平方：；

c3、对窗口Wn中每个非零边缘点(x,y)分别计算其到窗口中心位置和梯度偏移位置的距离的平方：，；

c4、根据余弦定理计算窗口Wn中每个非零边缘点(x,y)到中心位置o在直线om上的投影距离：；

c5、按以下步骤对窗口Wn的中心点(c,r)计算其边缘增强图E2：

(c51)center=0,round1=0,round2=0；

(c52)循环对窗口Wn中的每个非零边缘点计算dist；

如果dist小于0.5且大于-0.5，那么center=center+1；

如果dist大于1，那么round1=round1+1；