技术特征：
1.一种基于canny算子的电气设备红外图像边缘检测方法，其特征在于，其包括以下步骤：步骤1：对电气设备红外图像进行灰度化处理，获得灰度图像；步骤2：对所述步骤1获得的灰度图像进行gamma变换获得增强后的图像f(x,y)，x、y为空间坐标；步骤3：利用高斯滤波器对所述步骤2获得的增强后的图像f(x,y)进行平滑降噪，获得平滑图像i(x,y)；步骤4：根据0
°
、90
°
、45
°
和135
°
四个方向的梯度计算所述步骤3获得的平滑图像i(x,y)中每个像素的梯度幅值和梯度方向θ(x,y)，获得梯度幅值图像grad(x,y)；步骤5：根据所述步骤4获得的梯度幅值图像grad(x,y)获得双阈值，所述双阈值包括低阈值t
l
和高阈值t
h
,具体步骤如下：步骤51：对所述步骤4获得的梯度幅值图像grad(x,y)中的梯度幅值进行统计，获得梯度幅值的最大值f
max
和最小值f
min
，根据所述梯度幅值的最大值f
max
和最小值f
min
获得单通道像素强度的平均值m：m＝(f
max
+f
min
)/2步骤52：根据所述步骤51获得的单通道像素强度的平均值m获得低阈值t
l
：t
l
＝max(0，m)步骤53：根据所述步骤52获得的低阈值t
l
获得高阈值t
h
：t
h
＝2*t
l
；步骤6：用插值方式对所述步骤4获得的梯度幅值图像grad(x,y)中的梯度幅值进行非极大值抑制,获得更新的梯度幅值图像,具体包括以下步骤：步骤61：设置权重w，根据所述权重w获得所述梯度幅值图像grad(x,y)中的梯度幅值在梯度方向θ(x,y)上的插值t1和t2；步骤62：将所述梯度幅值图像grad(x,y)中的梯度幅值与所述梯度幅值在梯度方向θ(x,y)上的插值t1和t2进行比较：当所述梯度幅值图像grad(x,y)中的梯度幅值同时大于所述梯度幅值在梯度方向θ(x,y)上的插值t1和t2时，在所述梯度幅值图像grad(x,y)中保留所述梯度幅值；否则，在所述梯度幅值图像grad(x,y)中对所述梯度幅值赋0值，获得更新的梯度幅值图像；步骤7：根据所述步骤5获得的双阈值对步骤6获得的更新的梯度幅值图像选择和连接边缘，输出二值化图像，完成边缘检测。2.根据权利要求1所述的基于canny算子的电气设备红外图像边缘检测方法，其特征在于，所述步骤4具体包括以下步骤：步骤41：设置0
°
、90
°
、45
°
和135
°
四个方向的模板i0°
、i
90
°
、i
45
°
、i
135
°
：
步骤42：根据所述步骤41中四个方向的模板i0°
、i
90
°
、i
45
°
、i
135
°
的一阶偏导数的有限差分计算所述平滑图像i(x,y)中每个像素的梯度幅值和梯度方向θ(x,y)，获得梯度幅值图像grad(x,y)：θ(x,y)＝arctan(i
90
°
(x,y)/i0°
(x,y))式中：i0°
(x,y)、i
90
°
(x,y)、i
45
°
(x,y)和i
135
°
(x,y)分别为所述增强后的图像f(x,y)被0
°
、90
°
、45
°
和135
°
四个方向的模板i0°
、i
90
°
、i
45
°
和i
135
°
沿行列作用的结果。3.根据权利要求2所述的基于canny算子的电气设备红外图像边缘检测方法，其特征在于，所述步骤61中的权重w为：根据所述权重w获得所述梯度幅值图像grad(x,y)中的梯度幅值在梯度方向θ(x,y)上的插值t1和t2：t1＝w
·
g1+(1
‑
w)
·
g2t2＝w
·
g3+(1
‑
w)
·
g4式中：g1、g2为距离插值t1最近的像素点；g3、g4为距离插值t2最近的像素点；当i0°
(x,y)＞i
90
°
(x,y)且i0°
(x,y)
·
i
90
°
(x,y)＞0时，g1、g2、g3和g4分别为所述梯度幅值对应的像素点右上、右侧、左下和左侧的点；当i0°
(x,y)＞i
90
°
(x,y)且i0°
(x,y)
·
i
90
°
(x,y)＜0时，g1、g2、g3和g4分别为所述梯度幅值对应的像素点右下、右侧、左上和左侧的点；当i0°
(x,y)＜i
90
°
(x,y)且i0°
(x,y)
·
i
90
°
(x,y)＞0时，g1、g2、g3和g4分别为所述梯度幅值对应的像素点左下、下方、右上和上方的点；当i0°
(x,y)＜i
90
°
(x,y)且i0°
(x,y)
·
i
90
°
(x,y)＜0时，g1、g2、g3和g4分别为所述梯度幅值对应的像素点右下、下方、左上和上方的点。4.根据权利要求1所述的基于canny算子的电气设备红外图像边缘检测方法，其特征在于，所述步骤2的具体步骤为：步骤21：对所述步骤1获得的灰度图像进行归一化操作，获得归一化后的图像g(x,y)；步骤22：对所述步骤2获得的归一化后的图像g(x,y)进行gamma变换，获得增强后的图
像f(x,y):f(x,y)＝c
·
g
λ
(x,y)式中：c和λ为正常数。5.根据权利要求1所述的基于canny算子的电气设备红外图像边缘检测方法，其特征在于，所述步骤3的具体步骤为：步骤31：利用高斯滤波器获得滤波窗口，所述高斯滤波器为二维高斯函数g(x,y)：式中：σ为高斯滤波器的标准差，用来控制滤波的平滑程度；步骤32：利用所述步骤31获得的滤波窗口遍历所述增强后图像f(x,y)的像素，得到平滑图像i(x,y)：i(x,y)＝g(x,y)
·
f(x,y)。
技术总结
本发明提供一种基于Canny算子的电气设备红外图像边缘检测方法，该方法通过对电气设备红外图像进行灰度化处理后获得灰度图像，对灰度图像进行Gamma变换获得增强后的图像，再对增强后的图像利用高斯滤波器进行平滑降噪获得平滑图像；在传统Canny算法基础上，本发明考虑0
技术研发人员：赵峰 吴文炤 许中平 秦旭弘 余金沄 秦亮 刘开培
受保护的技术使用者：北京国网信通埃森哲信息技术有限公司 武汉大学
技术研发日：2021.07.06
技术公布日：2021/9/24