一种三点联合的图像边缘检测方法
【技术领域】
[0001] 本发明属于图像处理技术领域，特别涉及一种三点联合的图像边缘检测方法，适 用于在低信噪比的图像中进行边缘检测。
【背景技术】
[0002] 随着计算机技术的飞速发展，数字图像在人类的生产和生活中扮演的角色越来越 重要，图像处理技术的研究也飞速发展。在当今社会，图像处理在航空航天、地理信息系统 开发、医疗诊治、军事探测、天文观测以及交通管理系统监测等方面发挥着积极的作用。而 在机器视觉中，图像的边缘是应用最广泛的特征之一，边缘检测通常是机器视觉系统处理 图像的第一个阶段。
[0003] 图像的边缘是视觉感知的重要线索，图像的边缘信息涵盖了感兴趣目标的特征信 息。图像的边缘一般是指图像中灰度值变化剧烈的像素点，在二维图像中一些物体的轮廓、 边界、阴影形状以及纹理等都含有丰富的边缘信息，如海洋与陆地之间海岸线的位置、农业 区中不同种植物的结构和反映出来的纹理、城市街区道路的分布以及工业区和建筑物的布 局等等。边缘检测在图像视觉感知和信息解译中也有重要的作用，其检测性能在很大程度 上对后续的图像深度特征提取、模式识别、图像压缩等处理过程的效果有着重要影响。
[0004] 关于对图像边缘检测的研究已经有50多年的历史，有很多经典的图像边缘检测 方法被提出，如基于求差分的方法、基于小波变换的方法以及基于形态学的方法等。但比较 常用的是基于微分的方法，这类方法通过图像中像素点的灰度阶跃变化来进行边缘检测， 这类方法中有Robert算子，LOG算子，Sobel算子，Canny算子等。
[0005] 在基于求差分的图像边缘检测方法中，Canny提出了三个著名的准则，即信噪比 最高、定位性好和响应单一，并根据这三个准则给出了一个近似最优的边缘检测算子，称为 Canny算子，其对图像边缘的定位是无偏的；但Canny算子在平行于边缘方向和垂直于边缘 方向是各向同性的，其对各个方向图像的平滑效果一致，所以Canny算子在抑制了噪声的 同时也丢失了图像的一部分边缘信息，且噪声对检测效果影响较大，尤其在低信噪比的图 像中Canny算子的检测效果较差；同时Canny算子没有考虑图像边缘的连续性、延伸性和各 向异性等，导致其用于图像边缘检测时会检测出诸多零散边缘点。
【发明内容】
[0006] 针对上述现有技术的不足，本发明的目的在于提出一种三点联合的图像边缘检测 方法（Jointthree-pixelsedgedetector，简称为JTED)，在该方法中，构造平行于边缘方 向的滤波器，该滤波器通过直接计算图像中直线方向上三个相邻像素点的梯度值之和，从 而判断所述三个相邻像素点是否都为图像的边缘点；本发明算法降低了在图像边缘检测中 检测出零散边缘点的数量，并提升了图像边缘检测算法的稳健性。
[0007] 为达到上述技术目的，本发明采用以下技术方案予以实现。
[0008] -种三点联合的图像边缘检测方法，其特征在于，包括以下步骤：
[0009]步骤I，输入一幅待检测的图像，用Canny算子计算待检测图像中第n个像素点的 近似边缘方向角€，其中，nG{1，2, ...，N}，N为待检测图像的像素点总数；
[0010] 步骤2,设定待检测图像的每个像素点均对应有一个大小为pXq的滤波窗口，且 所述待检测图像的每个像素点均为其对应的滤波窗口的中心像素点；构造三点联合边缘检 测算子f_ (X，y)，并计算待检测图像中每个像素点对应的滤波窗口内所有像素点的值，生 成待检测图像中每个像素点对应的滤波模板，其中，待检测图像中第n个像素点对应的滤 波模板为FTn;将待检测图像中第n个像素点的近似边缘方向角C的正负n/20的角度范 围[矿-WE，f+ ，等间隔地划分出K个方向，将待检测图像中第n个像素点对应 的滤波模板FTn以待检测图像的第n个像素点为中心沿所述K个方向进行旋转，得到待检 测图像中第n个像素点对应的K个旋转模板；计算待检测图像的第n个像素点沿所述K个 方向的梯度幅值，将其中最大的梯度幅值所对应的方向作为待检测图像中第n个像素点的 真实边缘方向角9n，其中，nG{1，2，...，《，~为待检测图像的像素点总数；
[0011] 步骤3,设定与待检测图像中第n个像素点（in，jn)相邻的两个像素点分别为（in， jn_l)和（in，jn+l)，分别计算与待检测图像中第n个像素点（in，jn)相邻的两个像素点（in， jn_l)和（in，jn+l)沿待检测图像中第n个像素点的真实边缘方向角0"方向的梯度幅值 % (in，VD和知（in，jn+l)，并对待检测图像的第n个像素点进行非极大值抑制，确定待 检测图像的待选边缘点，其中，nG{1，2, . . .，N}，N为待检测图像的像素点总数；
[0012] 步骤4,采用双阈值法从待检测图像的待选边缘点中抽取待检测图像的真实边缘 点。
[0013] 本发明与现有技术相比具有以下特点：
[0014] (1)传统的基于差分或者梯度的图像边缘检测方法没有充分利用边缘像素点的邻 域结构信息，比如没有考虑如下一些信息：物体的边缘是连续的（边缘的连续性），一般来 说不会有零散的边缘点，任意一个边缘点的邻域一定存在其他的边缘点（边缘的延伸性）， 完整的边缘轮廓可以认为由一些短的边缘线段组成，平行于边缘方向与垂直于边缘方向像 素点的灰度值变化是不一样的（各向异性），本发明充分考虑了边缘的连续性，延伸性，各 向异性，检测出零散边缘点的数量大大降低。
[0015] (2)传统的边缘检测算子每次只能判断一个像素点是否为边缘点，而本发明构造 的平行于边缘方向滤波器能够每次判断3个相邻的像素点构成的线段是否为边缘。
[0016] (3)与传统的基于梯度或者差分的图像边缘检测算法（如Canny)比较，本发明设 计的垂直于边缘方向的滤波器以及本发明构造的平行于边缘方向的滤波器都具有更高的 信噪比和定位精度。
[0017] (4)本发明构造的平行于边缘方向的滤波器结合了均值滤波和高斯滤波，因此对 噪声的抑制作用更好。
【附图说明】
[0018] 下面结合【附图说明】和【具体实施方式】对本发明作进一步详细说明。
[0019] 图1是本发明的流程图；
[0020] 图2a是一幅待检测的图像图；
[0021] 图2b是用Canny算子估计图2a的待检测图像中所有像素点的近似边缘方向角的 示意图；
[0022] 图3a_图3d是常见的4中边缘结构图；
[0023] 图4是本发明构造的平行于边缘方向的滤波器的示意图；
[0024]图5a是一个大小7像素点X3像素点的滤波模板；
[0025]图5b是将图5a的滤波模板旋转#角度后的旋转模板；
[0026] 图6a_图6d为实验1的四幅输入图像；
[0027] 图7a-图7d是JTED对实验1的四幅输入图像的边缘检测结果图；
[0028] 图8a_图8d是FESF对实验1的四幅输入图像的边缘检测结果图；
[0029] 图9a_图9d是OSF对实验1的四幅输入图像的边缘检测结果图；
[0030] 图IOa-图IOd是⑶F对实验1的四幅输入图像的边缘检测结果图；
[0031] 图Ila-图Ilc为实验2的三幅输入图像；
[0032] 图12a-图12c是基于区域的自动轮廓算法对实验2的三幅输入图像的边缘检测 结果图；
[0033] 图13a-图13c是APD算法对实验2的三幅输入图像的边缘检测结果图；
[