[发明专利]基于梯度方向的图像边缘检测方法

说明书

本发明公开了一种基于梯度方向的图像边缘检测方法，包括以下步骤：S1：设置用于计算ISGD的阈值T，计算8个方向的梯度方向和，并确定每个像素点的；S2：计算Canny梯度，并进行非极大值抑制，将非极大值抑制确定的点集作为初始边缘点集；S3：用Canny梯度确定弱边缘候选区；S4：确定基础阈值；S5：计算与ISGD相关的权重；S6：计算与ISGD的规律性相关的权重；S7：基础阈值乘以权重，进行阈值的自适应调节，并确定最终的边缘图。

技术领域

本发明具体涉及一种基于梯度方向的图像边缘检测方法。

背景技术

边缘检测是图像处理的基本问题，在图像分割、特征提取、视觉导航等领域有广泛的应用。基于微分的边缘检测算法如Sobel算子、Prewitt算子、Laplace算子和Canny算子等，因计算高效而被广泛应用。在Canny算子的基础上，研究者们做了一些有意义的改进。在Canny构架的启发下，很多研究者构造了一些新型卷积核用来检测边缘。然而微分算子对噪声、光照变化、对比度变化等因素极为敏感，虽然人们进行了一些改进，但仍没有较好地解决这个问题。有学者从频率域的角度出发，提出了相位一致性的概念。相位一致性不受灰度梯度的影响，所以能较好地抵抗光照变化与对比度变化。但是此类算法一方面计算量很大，很难应用于实时系统，另一方面对于大尺度模糊边缘不敏感，所以没有得到广泛的应用。

事实上空间域也存在一致性现象，即局部区域内的梯度方向一致性。有学者最早将局部边缘一致性的概念应用于边缘检测算法的评估，但该方法依赖于阈值筛选以后的结果，所以无法独立完成边缘检测任务。

发明内容

本发明要解决的技术问题是提供一种基于梯度方向的图像边缘检测方法。

基于梯度方向的图像边缘检测方法，包括以下步骤：

S1：设置用于计算合成梯度方向和ISGD的阈值T，计算8个方向的梯度方向和，并确定每个像素点的；

S2：计算Canny梯度，并进行非极大值抑制，将非极大值抑制确定的点集作为初始边缘点集；

S3：用Canny梯度确定弱边缘候选区；

S4：确定基础阈值；

S5：计算与ISGD相关的权重；

S6：计算与ISGD的规律性相关的权重；

S7：基础阈值乘以权重，进行阈值的自适应调节，并确定最终的边缘图。

进一步的，ISGD的计算方法如下：

1）图像区域内的灰度，其水平方向梯度值，梯度计算方法如下式：

；

2）对灰度梯度进行量化，给定点(i,j)处水平方向梯度方向计算公式为：

，

其中，T为确定是否存在梯度方向的判定阈值；

3）设计领域灰度梯度方向和，称为梯度方向和（SGD）指标，水平方向(i,j)处SGD值定义为：

；

4）设计合成梯度方向和（ISGD）指标，水平方向和竖直方向的ISGD计算方法如下：

；

；

其中，分别为右上、右下、左下方向的梯度方向和。

进一步的，的计算方法如下：

；

为8个方向的ISGD最大值，是描述梯度方向一致性的梯度方向和指标。

进一步的，所述弱边缘候选区的确定方法如下：