一种改进Canny算子的图像边缘检测方法与流程

文档序号：11251897阅读：900来源：国知局

本发明具体涉及一种改进canny算子的图像边缘检测方法。

背景技术：

随着计算机视觉和数字图像处理技术的发展，边缘检测技术越来越多地应用于各个领域中，发挥的作用也越来越大。细胞是生命活动的基本单位，除了病毒之外的所有生物均由细胞组成。细胞图像的边缘具有目标边界信息，尤其是细胞的面积、圆度和个数等特征，其检测结果为细胞的形态分析及以后病情诊断提供了重要依据。

传统的边缘检测算子是依据图像的每个像素邻域内灰度值的变化，采用数学方法中的一阶或二阶方向导数的变化来检测边缘。这些算子结构简单，实现速度较快，但是对噪声影响较大，如果将其应用于细胞图像边缘检测中将会细胞图像边缘不连续、出现干扰边缘或者细胞图像细节丢失等缺点。

技术实现要素：

本发明要解决的技术问题是提供一种改进canny算子的图像边缘检测方法。

一种改进canny算子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，用高斯滤波器抑制噪声；

s2：计算平滑后的图像梯度幅值和方向；

s3：对梯度进行非极大值抑制；

s4：用迭代算法求最佳高低阈值；

s5：用双阈值算法检测和连接边缘；

s6：用数学形态法细化边缘。

进一步的，步骤s1的具体方法如下：

选用一维高斯函数构造滤波器，分别按行和列对原始图像进行卷积操作，得到平滑图像：

，

其中，是高斯函数的标准差。

进一步的，步骤s2的具体方法如下：

采用邻域一阶偏导的有限差分计算平滑后图像的梯度幅值和梯度方向：

，

，；

其中，和分别是原图像被滤波器和沿行和列左右的结果。

进一步的，步骤s4的具体方法如下：

1）通过统计灰度直方图得到初始阈值：

；

其中，k是迭代次数；、分别是图像中最大和最小灰度值；

2）用阈值把图像分割成两部分和，其中：

；

3）分别计算和的灰度均值和，其中：

，；

f(i,j)是图像（i,j）点灰度值；、分别满足：

；

4）计算新的阈值：

；

5）如果或者满足指定的要求则结束，否则k=k+1，转步骤2）；

6）迭代结束，取最终的和作为图像分割的最佳高、低阈值。

本发明的有益效果是：

本发明能够有效地抑制噪声，取得最佳分割阈值，适用于医学细胞图像的检测。

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。