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
其中,
进一步的,步骤s2的具体方法如下:
采用
其中,
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;
2)用阈值
3)分别计算
f(i,j)是图像(i,j)点灰度值;
4)计算新的阈值
5)如果
6)迭代结束,取最终的
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。
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。
步骤s1的具体方法如下:
选用一维高斯函数
其中,
步骤s2的具体方法如下:
采用
其中,
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;
2)用阈值
3)分别计算
f(i,j)是图像(i,j)点灰度值;
4)计算新的阈值
5)如果
6)迭代结束,取最终的