图像边缘检测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及数字图像处理技术领域，具体而言，涉及一种图像边缘检测方法及装 置。
【背景技术】
[0002] 图像边缘包含了丰富的图像信息，准确地提取图像边缘信息是进行图像分割或图 像拼接的必要前提步骤。所谓图像边缘，是指图像灰度变化率显著的位置。图像边缘主要由 图像内部的各种物体及各种外界因素造成的图像像素灰度在空间上的不连续、图像灰度在 表面法向上的变化、图像颜色的变化三种因素形成。现有的图像边缘检测方法中，canny算 子在图像处理领域得到了广泛的应用。而canny算子的实际检测效果来看，存在如下问题： 转换过程抑制了低权值颜色特征的信息，即没有充分利用每种颜色携带的边缘信息；采用 八邻域像素的方向值和梯度值来判断当前像素点是否是局部最大值，鉴于方向值极易受到 局部图像形态的干扰，因而导致边缘信息的丢失；将原始图像转化为二值图像，丢失了图像 固有的层次化边缘信息，使得后续的处理过程在使用输出的边缘信息时缺少了选择依据。
【发明内容】
[0003] 有鉴于此，本发明提供了一种图像边缘检测方法及装置，包括提取彩色图像的三 个色度分量图像，对其进行滤波；对经过滤波后的三个色度分量图像分别求取均方根值，并 进行归一化处理，分别得到对应于三个色度分量图像的第一梯度值图像；选取三个第一梯 度值图像中每个像素的三个色度分量对应的梯度中的最大值，作为对应于原始图像的第二 梯度值图像；根据第二梯度值图像构建梯度值分布直方图，确定对应于单门限阈值的非边 缘像素最大梯度值；将梯度值低于非边缘像素最大梯度值的像素置为零，剩余的像素为图 像边缘像素。该方法与现有技术相比，具有图像信息利用率高、检测过程简单、输出边缘信 息丰富等优点。
[0004] 为实现上述目的，本发明提供如下技术方案：
[0005] -种图像边缘检测方法，所述方法包括：
[0006] 获得原始图像的三个色度分量图像，对所述三个色度分量图像进行高斯滤波及一 阶差分滤波；
[0007] 对进行过所述高斯滤波及一阶差分滤波后的所述三个色度分量图像分别求取均 方根值，并进行归一化处理，分别得到对应于所述三个色度分量图像的第一梯度值图像；
[0008] 提取每个所述第一梯度值图像中的各个像素关于所述三个色度分量的最大梯度 值，作为对应于原始图像的第二梯度值图像；
[0009] 根据所述第二梯度值图像构建梯度值分布直方图，确定对应于单门限阈值的非边 缘像素最大梯度值；
[0010] 将梯度值低于所述非边缘像素最大梯度值的像素置为零，剩余的像素即为图像边 缘像素。
[0011] 优选地，上述的图像边缘检测方法中，所述获得原始图像的三个色度分量图像，对 所述三个色度分量的图像进行高斯滤波及一阶差分滤波，包括：
[0012] 获得所述原始图像的红、绿、蓝三个色度分量的图像，对所述三个色度分量图像进 tx尚斯滤波；
[0013] 对进行过所述高斯滤波后的所述三个色度分量图像分别进行水平方向及竖直方 向的一阶差分滤波。
[0014] 选红、绿、蓝三个色度分量进行滤波，红、绿、蓝为彩色图像三基色，具有代表性。分 别获取原始图像关于红、绿、蓝三个色度分量图像，并分别对上述三个色度分量图像先进行 高斯滤波，再对高斯滤波后的图像进行水平方向及竖直方向的一阶差分滤波。
[0015] 优选地，上述的图像边缘检测方法中，所述获得所述原始图像的红、绿、蓝三个色 度分量图像，对所述三个色度分量的图像进行高斯滤波，包括：
[0016] 所述原始图像的红、绿、蓝三个色度分量图像用K1(Xj) |i = 1，2,3}表示，i = 1，2, 3中的1、2、3分别表示所述红、绿、蓝三种颜色；
[0017] 选取二维高斯函数G(x，y)对所述三个色度分量图像进行高斯滤波，高斯滤 波后的图像用h(x，y)表示，所述高斯滤波后的三个色度分量图像表示为I ll (x，y)= G(x，γ)*?·"χ，y)，i = 1，2, 3〇
[0018] 用表达式表示出高斯滤波以及水平方向及竖直方向的一阶差分滤波，更直观。
[0019] 优选地，上述的图像边缘检测方法中，所述二维高斯函数G(x，y)具体为
,其中，σ = 1.4。
[0020] 给定高斯函数的具体表达式，提供滤波过程的可行性。
[0021] 优选地，上述的图像边缘检测方法中，与所述二维高斯函数G(x，y)对应的高斯滤 波器模板为以当前像素为中心，上下左右各取四个像素的高斯滤波器模板。
[0022] 高斯滤波器模板为以当前像素为中心，上下左右各取四个像素的高斯滤波器模 板，即（9X9)的高斯滤波器模板。
[0023] 优选地，上述的图像边缘检测方法中，所述对进行过所述高斯滤波后的所述三个 色度分量图像分别进行水平方向及竖直方向的一阶差分滤波，包括：
[0024] 获取所述二维高斯函数G(x，y)在X方向的一阶方向导数以及在y方向的一阶方 向导数，分别作为水平方向和竖直方向的滤波函数；
[0025] 运用水平方向滤波函数对进行过所述高斯滤波后的所述三个色度分量图像进行 水平方向的一阶差分滤波；
[0026] 运用竖直方向滤波函数对进行过所述高斯滤波后的所述三个色度分量图像进行 竖直方向的一阶差分滤波。
[0027] 给出对三个色度分量图像进行水平方向和竖直方向进行一阶差分滤波的具体方 式，该具体方式为优选方式，能够较好的进行图像边缘的检测。
[0028] 优选地，上述的图像边缘检测方法中，所述对进行过所述高斯滤波及一阶差分滤 波后的所述三个色度分量图像分别求取均方根值，并进行归一化处理，分别得到对应于所 述三个色度分量图像的第一梯度值图像，包括：
[0029] 计算进行过所述高斯滤波后及所述三个色度分量图像的水平方向和竖直方向的 一阶差分滤波后的图像的均方根值；
[0030] 对获取所述的均方根值图像进行归一化处理，分别形成对应于三个色度分量图像 的三个第一梯度值图像。
[0031] 得到关于红、绿、蓝三个色度分量的第一梯度值图像，信息层次比较丰富，能够在 后期更好的进行图像边缘检测。
[0032] 优选地，上述的图像边缘检测方法中，所述确定对应于单门限阈值的非边缘像素 最大梯度值，包括：
[0033] 根据公式
确定非边缘像素最大梯度值Zniax。其中， N表示将[0，1]这个图像梯度值区间等间隔划分为N个子区间，△ =1/N是每个区间的长 度，q(i*A)表示梯度值落在第i个子区间的总像素数，2 < L〈N，M为门限阈值，计算时取 M，L是使Z满足大于或等于M时所对应的最小数值。
[0034] 给出关于确定非边缘像素最大梯度值的具体公式，通过梯度值分布直方图以及上 述公式便可以得出非边缘像素最大梯度值，以便进行后续的步骤。
[0035] 优选地，上述的图像边缘检测方法中，门限阈值的取值范围是0. 30~0. 65。
[0036] 门限阈值取值范围在0. 30~0. 65时能够较好的匹配各种场景的图像，进行图像 边缘检测。
[0037] 本发明还提供了一种图像边缘检测装置，采用上述的图像边缘检测方法，所述装 置包括：滤波模块、归一化处理模块、梯度值提取模块、直方图构