一种可抗噪声的图像边缘检测方法
【技术领域】
[0001] 本发明设及自动化领域中的对图像边缘的检测计数领域，具体为一种可抗噪声的 图像边缘检测方法。
【背景技术】
[0002] 图像边缘检测是图像处理的一项重要技术，有着广泛的用途。目前，图像边缘检测 已经由传统的微分算子发展到基于Canny算法或global化算法进行。
[0003] 与传统的微分算子相比，Canny算子应用于检测图像边缘时具有运算速度快和检 测精度高的优点，因而在实践中Canny算子被广泛应用。但该算法存在两个主要缺点：如 Canny算子采用在2X2邻域内求有限差分均值的方法来计算梯度幅值，虽然对边缘定位 准确，但容易被噪声干扰；如Canny算法的双阔值都是固定的，高低口限依赖人工设置，自 动化程度较低。
[0004]Arbelaez等人于2010年提出的globalPb算法一定程度上克服了Canny算子的 主要缺点化Arbelaez,M.Maire,C.Fowlkes曰ndJ.Malik.ContourDetection曰nd HierarchicalImageSegmentation[J].IEEETPAMI,Vol. 33,No. 5,pp. 898-916, May2010)。抗噪声能力强，无需人工设置阔值，检测效果更好。global化算法需要提供图 像的颜色(灰度)和纹理信息。但是，global化算法有两个主要的缺点：如运算过程复杂，不 但要对多尺度多信息计算梯度，还需要额外的谱聚类计算排除虚假边缘；如由于算法需要 提供额外的纹理信息，限制了它无法在缺乏纹理信息的场景中应用。
【发明内容】
[0005] 本发明在Canny算子和global化算法的基础上，提出一种运算效率较高，可抗噪 声的图像边缘检测方法。该方法首先采用Canny方法得到边缘信息，然后对边缘信息计算 带方向的梯度值，增强边缘并排除噪声或纹理导致的虚假边缘。
[0006] 本发明可W通过W下技术方案来实现： 本发明公开了一种可抗噪声的图像边缘检测方法，包括W下步骤： 第一步、初始边缘信息图E的计算，采用Canny算法计算原始图像的初始边缘信息图E； 第二步、边缘信息图E1的计算，根据初始边缘信息图E自动计算阔值排除弱边缘得到 边缘信息图E1 ; 第=步、增强边缘图E2、E3的计算，计算边缘信息图E1的带方向梯度值得到增强边缘 图E2、E3 ; 第四步、双阔值计算，根据边缘信息图El和增强边缘图E3自动计算双阔值； 第五步、抗噪声检测处理，对增强的边缘信息图E3用双阔值方法检测、过滤并连接边 缘，得到最终处理后的图像。
[0007] 进一步地，第一步所述初始边缘信息图E的计算包括W下步骤： al、采用一维高斯算子
巧原始图像进行横向纵向高斯平滑得到平滑后 的图像II; a2、采用二维高斯算子
的偏导数对图像II进行横向^
纵向
滤波计算得到图像的梯度图G; a3、对梯度图G应用非极大值抑制得到边缘信息图E，找到梯度图G数据中的最高点， 利用边缘方向信息来处理，验证所有点是否峰值，如果一个点两侧的梯度小于该点上的梯 度，那么它为极大值。
[0008] 进一步地，第二步所述边缘信息图E1的计算包括W下过程：对边缘信息图E中的 数据按数值由小到大进行排序，取排在全部数值70%处的数值大小的30%作为最低阔值，从 边缘信息图E中排除小于最低阔值的边缘得到边缘信息图E1。
[0009] 进一步地，第=步所述增强边缘图E2、E3的计算包括W下步骤： cl、W图2的数据模型，W窗口Wn大小n，取n默认取值为7对边缘信息图E1中每个非 零边缘点（x，y)计算梯度偏移位置（me,皿)，
c2、计算边缘信息图E1中每个窗口中屯、位置（c，r)与其梯度偏移位置（me,mr)的距离 的平方：綾缓。钱'类色:~.嚷娱f至':赛I《歲吊纖I莱S c3、对窗口Wn中每个非零边缘点（x，y)分别计算其到窗口中屯、位置和梯度偏移位置的 距离的平方：索贫其缉:':緣'.打.' 馨左:.杂義货。::灣?^卖象萨资建藥!苗;議議2 ,:采難|:访翁绿3^^ c4、根据余弦定理计算窗口Wn中每个非零边缘点（x，y)到中屯、位置0在直线om上的 投景多距离：cUst=X-0X (R泌：+A.G;-打巧/(2 X mo X :泌)； c5、按W下步骤对窗口Wn的中屯、点（c，r)计算其边缘增强图E2 : (c51)center=0,roundl=0,round2 = 0 ； (c52)循环对窗口Wn中的每个非零边缘点计算dist; 如果dist小于 0. 5 且大于-〇. 5,那么center=center+ 1 ; 如果dist大于 1，那么roundl=roundl+ 1 ; 如果dist小于-1,那么rounds=rounds+ 1 ; (c53)如果center=n~2,那么E鍵龜綠#绰議I鑛，否则狡聽錄运幾f察矜毅鑛毅兴賴播議；c6、将边缘增强图E2的值归一化到0~1，与边缘图E1叠加并归一化到0~1得到边 缘增强图E3。
[0010] 进一步地，第四步所述双阔值计算包括W下步骤： dl、将边缘增强图E3中的非零点由小到大排序； d2、取排在序列中L位的值作为上阔值，L等于E3中非零点数量减去E1中非零点数量 的 30%，L=kn巧巧一巧巧X0.3 ; d3、取排在序列中LxO. 7位的值作为下阔值。
[0011] 进一步地，第五步所述抗噪声检测处理包括W下步骤： el、对大于上阔值的强边缘进行过滤，滤除边缘长度小于整数k的虚假强边缘。所述整 数k的数值优选为8 ; e2、将过滤后的强边缘与大于下阔值的弱边缘进行连接得到最终的边缘信息。
[0012] 本发明一种可抗噪声的图像边缘检测方法，具有如下的有益效果：本发明采用W 上技术方案，可W较准确的定位图像的边缘，能够有效抑制噪声和纹理导致的虚假边缘，可 W自适应地改变边缘检测的高低阀值，在增加少量计算的前提下提高了边缘检测效果和自 动化程度。
【附图说明】
[0013] 图1为本发明一种可抗噪声的图像边缘检测方法的流程图； 图2为本发明一种可抗噪声的图像边缘检测方法第=步增强边缘图E2、E3的计算的数 据模型图； 图3是用于对比实验的无噪声的原始图片； 图4是用canny算法处理无噪声原始图片得到的边缘信息图； 图5是用本发明的方法处理无噪声原始图片得到的边缘信息图； 图6是用于对比实验的加入椒盐噪声后的图片； 图7是用canny算法处理有噪声图片得到的边缘信息图； 图8是用本发明的方法处理有噪声图片得到的边缘信息图。
【具体实施方式】
[0014] 为了使本技术领域的人员更好地理解本发明的技术方案，下面结合实施例及附图 对本发明产品作进一步详细的说明。
[001引如图1所示，本发明公开了一种可抗噪声的图像边缘检测方法，包括W下步骤： 第一步、初始边缘信息图E的计算，采用Canny算法计算原始图像的初始边缘信息图E; 其具体过程为： al、采用一维高斯算子
巧原始图像进行横向纵向高斯平滑得到平滑后 的图像II; a2、采用二维高斯算子
的偏导数对图像II进行横
纵向
滤波计算得到图像的梯度图G; a3、对梯度图G应用非极大值抑制得到边缘信息图E，找到梯度图G数据中的最高点， 利用边缘方向信息来处理，验证所有点是否峰值，如果一个点两侧的梯度小于该点上的梯 度，那么它为极大值。
[0016] 第二步、边缘信息图E1的计算，根据初始边缘信息图E自动计算阔值排除弱边缘 得到边缘信息图E1 :对边缘信息图E中的数据按数值由小到大进行排序，取排在全部数值 70%处的数值大小的30%作为最低阔值，从边缘信息图E中排除小于最低阔值的边缘得到边 缘信息图E1。
[0017] 第=步、增强边缘图E