专利名称：一种基于傅里叶变换的图像边缘检测方法
技术领域：
本发明涉及图像及视频数据处理领域，特别涉及一种基于傅里叶变换的图像边缘检测方法。
背景技术：
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括1、深度上的不连续，2、表面方向不连续，3、物质属性变化，4、场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类基于搜索和基于零交叉。基于搜索的边缘检测方法首先计算边缘强度，通常用一阶导数表示，例如梯度模。然后，用计算估计边缘的局部方向，通常采用梯度的方向，并利用此方向找到局部梯度模的最大值。基于零交叉的方法找到由图像得到的二阶导数的零交叉点来定位边缘。通常用拉普拉斯算子或非线性微分方程的零交叉点。另外，滤波作为边缘检测的预处理通常是必要的，通常采用高斯滤波。
通常采用一些算子来实现边缘检测。常用的一阶算子有Roberts Cross算子，Prewitt算子,Sobel算子,Canny算子,罗盘算子等；二阶算子有Marr-HiIdreth,在梯度方向的二阶导数过零点。目前，Canny算子(或者这个算子的变体)是最常用的边缘检测方法。在1986年，Canny创造性地提出了一种新的边缘检测方法，他研究了设计一个用于边缘检测最优预平滑滤波器中的问题，后来他说明这个滤波器能够很好地被一阶高斯导数核优化。另外Canny引入了非最大抑制概念，它是说边缘定义为在梯度方向具有最大梯度值的点。目前通用的边缘检测方法都是一种局部的方法，存在两个方面的缺陷。一、精度不高。由于只使用了少量的局部信息，这些信息并不能够精确描述物体的边缘变化特征，因此计算的精度有限。二、对噪声敏感。随机变化的噪声可以直接影响基于算子的边缘检测效果。当存在比较强的噪声时，就基本不能探测各种尺度的边缘。
发明内容
为了克服现有技术的上述缺陷，本发明提供了一种基于傅里叶变换的图像边缘检测方法。本发明提出的基于傅里叶变换的图像边缘检测方法包括步骤步骤100，获得一幅黑白数字图像I ;步骤200，对图像I进行高斯滤波，得到滤波后的图像Is;步骤300，对Is作傅里叶变换，获得其频谱Fs;步骤400，将每个频谱成份『(1^，kn)乘以一个相移因子
权利要求
1.一种基于傅里叶变换的图像边缘检测方法，该方法包括步骤步骤100，获得一幅黑白数字图像I; 步骤200，对图像I进行高斯滤波，得到滤波后的图像Is ； 步骤300，对Is作傅里叶变换，获得其频谱Fs ； 步骤400，将每个频谱成份Fs(km，kn)乘以一个相移因子
2.根据权利要求1所述的方法，其特征在于，其中步骤2进一步包括 步骤201，设置高斯型滤波函数G ; 步骤202，将图像I与高斯滤波函数G作卷积运算，得到平滑后的图像Is。
3.根据权利要求2所述的方法，其特征在于，高斯滤波函数为
4.根据权利要求1所述的方法，其特征在于，所述黑白数字图像从数码设备直接获取，或者是将彩色图像转化为黑白图像。
5.根据权利要求3所述的方法，其特征在于，步骤300进一步包括按照以下方式来获取频谱
全文摘要
本发明公开了一种基于傅里叶变换的图像边缘检测方法，该方法包括步骤步骤100，获得一幅黑白数字图像I；步骤200，对图像I进行高斯滤波，得到滤波后的图像Is；步骤300，对Is作傅里叶变换，获得其频谱Fs；步骤400，将每个频谱成份Fs(km，kn)乘以一个相移因子得到新的频谱成份其中km＝0，1，...，M-1和kn＝0，1，...，N-1分别为X和Y方向的波数，x0，y0分别为在X和Y方向的偏移量；步骤500，对进行傅里叶反变换，获得偏移后的图像Ib(m，n)，其中m＝1，2，...，M，n＝1，2，...，N，M和N为图像在X和Y方向的像素数目；步骤600，将偏移图Ib逐像素减去原图I，并计算其绝对值Ie(m，n)＝|Ib(m，n)-I(m，n)|，Ie即为所求的边缘特征图。应用本发明的方法计算精度高、计算速度快且噪声抑制能力强。
文档编号G06T7/00GK103065297SQ20121055988
公开日2013年4月24日 申请日期2012年12月20日 优先权日2012年12月20日
发明者周建锋, 苏彦, 霍卓玺, 高扬, 冯真真, 张茂林 申请人:清华大学