Sobel与阈值相融合的边缘检测方法与流程

文档序号:11251898

本发明涉及领域,具体涉及一种Sobel与阈值相融合的边缘检测方法。



背景技术:

Sobel算法,计算机视觉领域的一种重要处理方法,主要用于获取数字图像的一阶梯度。以将要处理像素为中心,对其的邻域作为进行灰度分析,实现了对图像边缘的提取,并且具有所得的边缘光滑、连续的优点。Soble算子的缺点是处理速度慢,难以满足快速行驶的智能车系统。阈值分割,特别是经过各种改进后的阈值分割在理想的直线赛道上可以得到很好的提取效果,但阈值分割在各种复杂赛道,像十字交叉路口、直角弯、回旋弯等赛道类型的处理中,往往会丢失赛道信息,造成赛道判决延时或出错。



技术实现要素:

本发明要解决的技术问题是提供一种Sobel与阈值相融合的边缘检测方法。

Sobel与阈值相融合的边缘检测方法,包括以下步骤:

S1:在图像的开始时用阈值分割,当在某行阈值找不到分割值时,如果连续三行都找不到分割点,则切换到Sobel分割;

S2:然后再对Sobel算子提取的边缘进行判决,对边缘求导,当其斜率大于一定值,认为已可以用阈值分割了,则切换回阈值分割,完整提取出道路边缘。

进一步的,阈值分割的具体步骤如下:

1)设f(x,y)为图像灰度函数,g(x,y)为黑白像素点判定函数,则:

设定一个阈值T,用T将黑白跑道图像的灰度值分成两部分:大于或等于T的像素标记为白色,小于T的像素标记为黑色;

2)融入滤波,则有:

3)设h(x,y)为边缘函数,并且h(x,y)为1时代表左边缘,为-1时代表右边缘,则:

运用上式可得到提取出的道路边缘。

本发明的有益效果是:

本发明提出的Sobel算子与阈值分割相结合的边缘提取算法,融合了前两个算法了优点,弥补了各自的缺点,其不但处理时间快,而且能够准确、完整地提取出道路边缘,为速度控制方面提供了准确的依据,在智能车的运用上有着极大的优势。

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。

Sobel与阈值相融合的边缘检测方法,包括以下步骤:

S1:在图像的开始时用阈值分割,当在某行阈值找不到分割值时,如果连续三行都找不到分割点,则切换到Sobel分割;

S2:然后再对Sobel算子提取的边缘进行判决,对边缘求导,当其斜率大于一定值,认为已可以用阈值分割了,则切换回阈值分割,完整提取出道路边缘。

阈值分割的具体步骤如下:

1)设f(x,y)为图像灰度函数,g(x,y)为黑白像素点判定函数,则:

设定一个阈值T,用T将黑白跑道图像的灰度值分成两部分:大于或等于T的像素标记为白色,小于T的像素标记为黑色;

2)融入滤波,则有:

3)设h(x,y)为边缘函数,并且h(x,y)为1时代表左边缘,为-1时代表右边缘,则:

运用上式可得到提取出的道路边缘。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1