本发明具体涉及一种改进的图像边缘检测方法。
背景技术:
图像边缘是指其周围像素灰度不连续或极具变化的像素点的集合,也是目标、背景和区域之间的分界线。边缘检测首先检测图像中的边缘点,然后按照某种策略将边缘点连接成边缘线,最后构成分割区域。边缘检测是特征提取、目标识别、图像理解的基础,因此,它是图像处理与计算机视觉的基本问题。图像边缘检测主要通过求导算子、数学形态学、小波变换和图像融合等四种技术来实现,其中求导算子方式是最为广泛的边缘检测技术,包括roberts算子、sobel算子、prewitt算子、laplace算子和log算子等,这些算子简单易于实现,实时性较好,但是对噪声的干扰敏感,抗干扰性差,边缘容易被噪声污染,检测效果不理想。
技术实现要素:
本发明要解决的技术问题是提供一种改进的图像边缘检测方法。
一种改进的图像边缘检测方法,包括以下步骤:
s1:对图像进行平滑处理,使用改进的中值滤波器抑制噪声;
s2:通过x,y,45°,135°方向上的一阶偏导数,求出水平和垂直方向的差分,进而求得梯度幅值和梯度方向;
s3:对梯度幅值进行非极大值抑制;
s4:利用梯度直方图求出高阈值和低阈值,然后利用双阈值算法对图像进行边缘检测;
s5:锐化处理,并连接边缘,得到最终的边缘图像。
进一步的,步骤s1的具体方法如下:
1)为滤波区域内的每个位置分配一个独立的权值,权值的分配由权值矩阵
2)按照如下公式计算中间值y;
3)用中间输出值和周围像素灰度值作比较,将差值较大的像素值修改为与周围像素接近的值,以实现消除噪声点的目标。
进一步的,步骤s2的具体方法如下:
1)计算x,y,45°,135°方向上的一阶偏导数:
x方向:
y方向:
45°方向:
135°方向:
2)由以上四个方向的偏导数求得水平和垂直方向的差分为:
3)分别求得梯度幅值g和梯度方向
本发明的有益效果是:
本发明使用带权中值滤波代替高斯滤波,使用四个方向的偏导数求梯度幅值和方向,使用梯度直方图确定高低阈值,该方法降低了误检率,提高了检测精度,使得边缘图像轮廓更加清晰,连续性更良好。
具体实施方式
以下具体实施例对本发明作进一步阐述,但不作为对本发明的限定。
一种改进的图像边缘检测方法,包括以下步骤:
s1:对图像进行平滑处理,使用改进的中值滤波器抑制噪声;
s2:通过x,y,45°,135°方向上的一阶偏导数,求出水平和垂直方向的差分,进而求得梯度幅值和梯度方向;
s3:对梯度幅值进行非极大值抑制;
s4:利用梯度直方图求出高阈值和低阈值,然后利用双阈值算法对图像进行边缘检测;
s5:锐化处理,并连接边缘,得到最终的边缘图像。
步骤s1的具体方法如下:
1)为滤波区域内的每个位置分配一个独立的权值,权值的分配由权值矩阵
2)按照如下公式计算中间值y;
3)用中间输出值和周围像素灰度值作比较,将差值较大的像素值修改为与周围像素接近的值,以实现消除噪声点的目标。
步骤s2的具体方法如下:
1)计算x,y,45°,135°方向上的一阶偏导数:
x方向:
y方向:
45°方向:
135°方向:
2)由以上四个方向的偏导数求得水平和垂直方向的差分为:
3)分别求得梯度幅值g和梯度方向