一种基于canny的自适应阈值的边缘检测算法
【技术领域】
[0001] 本发明涉及一种边缘提取方法，特别是一种基于方向canny的自适应阈值的边缘 检测算法，属于数字图像处理领域。该方法实现对灰度图像的主轮廓的提取，得到的图像达 到了良好的目标分割效果，提高了现有算法的边缘提取的准确性，增强了图像边缘的连续 性，取得了算法性能和目标分割的平衡，可以广泛应用于各种图像处理和目标检测跟踪系 统中。
【背景技术】
[0002] 图像的边缘是图像最基本的特征之一，而图像边缘的检测也是图像处理与模式识 别领域的关键技术。数字图像中的边缘是指图像局部灰度变化显著的部分。由于人眼对图 像中景物边缘的感知来源于具有局部强灰度变化的区域，边缘检测算法旨在模拟人眼对景 物边缘的感知，提取局部灰度变化较剧烈的边缘。边缘检测算法中，判断边缘点灰度变化是 否剧烈是通过设定梯度阈值作为依据的，因此阈值的选择是边缘检测的重要组成部分。
[0003] 评价边缘检测算子的标准一般是，不丢失重要边缘、受噪声影响小和计算简单。近 年来，多边缘检测算法通过设置阈值去除噪声与弱边缘点，但大部分检测算法由于梯度阈 值选取不当，造成重要边缘丢失。Canny边缘检测方法对全局单阈值法提出了改进，提出设 定高低两个阈值，实现强弱边缘的结合，提取图像边缘。然而传统Canny算子高低阈值的比 例是固定的，并且是人为确定的，造成canny算子应用的局限性。所以，自适应性的高低阈 值的计算对canny算子提取主轮廓起到至关重要的作用。
【发明内容】
[0004] 本发明技术解决问题：针对canny算子边缘提取时阈值设定的不足，提供一种基 于canny的梯度背景表示的自适应阈值的边缘检测算法，可以提高目标边缘的准确性，增 强边缘的连续性，强化图像边缘清晰度，在准确性和效率之间取得平衡。
[0005] 为实现这样的目的，本发明的技术方案：一种基于canny的自适应阈值的边缘检 测算法，包括如下步骤：
[0006] 步骤一、原始灰度图像高斯滤波：
[0007] 选用一维高斯函数G(X)构造滤波器，分别按行和列对原始图像f(x，y)进行卷积 操作，得到平滑图像I(x，y)。
【主权项】
1. 一种基于canny的自适应阈值的边缘检测算法，其特征在于，包括如下步骤： 步骤一、原始灰度图像高斯滤波： 选用一维高斯函数G(x)构造滤波器，分别按行和列对原始图像f(x，y)进行卷积操作， 得到平滑图像I(x，y):
I(x,y) = [G(x)G(y)]*f(x,y)(公式 2) 其中，〇是高斯函数的标准差，用来控制平滑程度； 步骤二、梯度计算： 计算梯度幅值和方向，梯度的计算通常采用求偏导数的方法，Canny算子采用2x2邻域 一阶偏导数的有限差分计算平滑后的图像I(x，y)的梯度幅值Grad(x，y):
其中，Ix(x，y)和Iy(x，y)分别是原图像被滤波器沿行列作用的结果； 步骤三、极大值抑制： 用3x3窗口在领域对Grad(X，y)的元素沿梯度方向进行梯度幅值的比较，对于每个点， 将邻域中心元素Grad(X，y)与沿梯度方向的两个梯度幅值结果比较，如果Grad(X，y)的值 小于梯度方向上的两个邻域，则将Grad(x，y)对应的边缘标志位赋0值； 步骤四、自适应高低阈值计算： 对经过步骤三的梯度图进行梯度统计，绘制梯度直方图，根据直方图信息，将直方图峰 值对应的梯度值和以该梯度值为均值计算得到的方差，作为梯度背景的表达形式，得到高 阈值Th;再从边缘点中除去高于高阈值的边缘点，采用相同的方法，计算得到低阈值n， 高阈值计算式如下：
其中，n取2或者3,n是关系整幅图像中提，取主轮廓的程度Gp_k为直方图峰值对应 的梯度值；N或N'是相应范围内的像素点总个数； 步骤五、强弱边缘连接： 用高阈值Th和低阈值H对经过步骤三的梯度图进行处理，将梯度小于阈值的像素灰 度赋值为〇,分别分割得到两个阈值边缘图像：强边缘图H和弱边缘图L，在强边缘图H中连 接边缘轮廓，连接至端点处时，在弱边缘图L中寻找领域相连的弱边缘点，填补图像H的边 缘空隙，保证边缘的连续性和准确性。
2. 根据权利要求1所述的基于canny的自适应阈值的边缘检测算法，其特征在于，所述 步骤一中阈值计算具有自适应的特点。
3. 根据权利要求1所述的基于canny的自适应阈值的边缘检测算法，其特征在于，所述 (公式1)和（公式3)中高斯滤波函数能够调节，梯度的计算除了水平和垂直方向，还包括 参考对象线方向。
4. 根据权利要求1所述的基于canny的自适应阈值的边缘检测算法，其特征在于，所述 步骤四中，n是关系整幅图像中提取主轮廓的程度，n值越大，提取的边缘点总数占整幅图 像的比例越小。
【专利摘要】本发明提出一种基于canny的自适应阈值的边缘检测算法，首先对图像进行高斯平滑，计算相应的梯度，进行梯度图的极大值抑制；然后根据检测的梯度大小，计算出梯度图的统计直方图，再根据直方图信息表达梯度背景，从而计算得到梯度图的高低阈值，得到强边缘图和弱边缘图；最后以强边缘图的边缘点为中心点，比较领域边缘点和弱边缘图中相应位置的边缘信息，进行强弱边缘的连接。与传统的采用设定强边缘所占比例为定值的方法和类间最大方差法计算得到高阈值，再乘以固定比例而得到低阈值的方法相比，本发明在保持原有canny方法较低复杂度和较高边缘质量的基础上，进一步提高了边缘的连续性和准确性，更适合主轮廓的提取，为后续用于高精度目标检测和目标分割提供了基础。
【IPC分类】G06T7-00
【公开号】CN104700421
【申请号】CN201510138294
【发明人】刘慧勤, 蔡敬菊
【申请人】中国科学院光电技术研究所
【公开日】2015年6月10日
【申请日】2015年3月27日