[发明专利]一种改进的Sobel边缘检测算法

说明书

本发明公开了一种改进的Sobel边缘检测算法，包括以下步骤：S1：计算图像梯度；S2：阈值选择；S3：如果合成梯度大于或等于阈值，即可确定目标像素点是边缘点，即可得到边缘图像；S4：对边缘图像进行腐蚀运算。本发明对经典Sobel算法改进，增加了检测方向，根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值，从而检测出与人的主观视觉更为一致的图像边缘，然后对边缘图像进行形态学处理，增强了算法的抗噪性。

技术领域

本发明具体涉及一种改进的Sobel边缘检测算法。

背景技术

边缘是图像基本特征之一，边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤。经典的边缘检测是基于检测算子的方法，通过考察待测点在某个邻域内的灰度变化，然后利用一阶或二阶方向导数变化规律，根据一定的判断标准检测出边缘。常见的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子、Laplace算子、LOG算子、Canny算子等。

经典Sobel边缘检测算法先对图像进行加权平均，然后再做微分运算，对噪声具有一定的抑制能力，其对在水平和垂直方向的边缘检测性能优于其他方向的检测性能，而且定位精度也比较高，但是该算法也存在如下缺陷：

（1）仅采用水平和垂直方向上相邻像素之差进行梯度幅度计算，并未考虑其他方向上的相邻像素情况，易造成部分边缘信息丢失；

（2）算子的阈值参数需要人为设定，不具有自适应能力，阈值设置过高，会导致边缘间断，设置过低则容易产生伪边缘；

（3）算子先加权平均后差分，抑制噪声的能力不强，同时会丢失一些细节信息，使边缘有一定的模糊。

发明内容

本发明要解决的技术问题是提供一种改进的Sobel边缘检测算法。

一种改进的Sobel边缘检测算法，包括以下步骤：

S1：设图像函数为，则梯度定义为一个向量：

；

其中，是水平方向梯度，是垂直方向梯度；

梯度幅值为：，

向量的方向角为：，

为了简化计算，幅值用以下三式来近似：

，

，

；

S2：目标像素点（x,y）的8邻域窗口，水平方向、垂直方向、45°方向和135°方向梯度算子分别如下：

窗口水平方向算子垂直方向算子

45°方向算子135°方向算子

则图像函数的水平方向、垂直方向、45°方向和135°方向梯度计算如下：

，

，

，

；

梯度幅值用向量的范数表示，使用无穷范数：

；

S3：阈值选择模型如下：

，

式中，a为低暗区截止灰度，取45-81之间的灰度值；b为高亮区起始灰度，取180-210之间的灰度值；I为背景亮度灰度值；为所设定阈值，灰度级为256级；

S4：如果合成梯度大于或等于阈值，即可确定目标像素点(x,y)是边缘点，即可得到边缘图像；