一种改进的Canny图像分割方法和系统与流程

本发明涉及图像分割领域，具体的涉及到一种改进的canny图像分割方法和系统。
背景技术：
：在图像分割中，canny算法应用广泛，能够正确定位。但是canny算法中采用的高斯滤波器对具有高斯分布的图像效果很好，对其他的效果不是很好，且高斯滤波器依赖于sigma值的选择。sigma取值过大，则会导致图像细节丢失，边缘平滑过；sigma取值过小，则去噪效果不好，得不到预期的效果；目前有许多对其改进的方法，如采用中值滤波器、自适应滤波器等；虽然中值滤波器在去除噪声的效果比高斯滤波器好，但是在保留边缘方面效果不是很好；另外，在传统的canny算法中，采用的是人工获取阈值的方法,图像分割的自适应性弱，并且canny算法检测出来的弱边缘，有时会混淆了图像中检测的边缘。中国专利2009101099117公开一种彩色图像分割方法及系统，利用otsu阈值分割法提取区域轮廓图，利用canny算法提取边缘图，融合区域轮廓图和边缘图。该发明提供的融合区域信息与边缘检测的图像分割方法通过使用自适应策略和经验值相结合的算子门限确定方案，使得分割得到的图像轮廓更加清晰和完整。该专利虽然解决了现有技术中图像分割不准确的问题，但是仍无法解决高斯滤波器依赖于sigma值的选择。sigma取值过大，则会导致图像细节丢失，边缘平滑过；sigma取值过小，则去噪效果不好，得不到预期的效果的问题。因此为了能够得到真正的边缘，需要对canny算法进行改进。技术实现要素：基于上述问题，本发明的目的旨在至少解决所述技术缺陷之一。提出一种改进的canny图像分割方法，采用了局部均方差进行去噪，局部均方差效率高，而且能够保留图像的边缘细节信息，并且采用了迭代法进行阈值的选取，提高了算法的自适应性。为实现上述目的，本发明采用如下技术方案：一种改进的canny图像分割方法，包括以下步骤：将待分割图像处理成灰度图像；通过局部均方差方法去噪，对所述灰度图像进行预处理；通过sobel算子进行图像检测，计算图像的梯度值和方向；对所述图像的梯度值进行非最大值抑制，得到可能的边缘点；用双阈值算法检测并且连接边缘点。优选的，所述通过局部均方差方法去噪，对所述灰度图像进行预处理的步骤包括：依次计算所述灰度图像像素的均值；计算局部方差；根据公式得到去噪后的值，其中，g(i,j)为模板的中心，mij为局部均值，σ为输入的参数。优选的，所述用双阈值算法检测并且连接边缘点的步骤包括：步骤a,获得一个初始的阈值h；步骤b,根据上述阈值h对图像进行分割，将图像分割为两个部分，分别计算两个部分包含的像素的灰度均值；步骤c,根据所述两个部分包含的像素的灰度均值计算新的阈值；步骤d,判断连续两次计算的阈值的差值是否在预设的范围内；若是，则执行步骤f，否则，执行步骤b；步骤f，阈值等于高门限阈值与预设系数的乘积。优选的，所述初始的阈值h为图像最大灰度值和最小灰度值的和的平均值。优选的，所述预设的系数包括1/2或1/3。本发明实施例还提供一种改进的canny图像分割系统，采用了上述任一项所述的改进的canny图像分割方法。相对于现有技术中的方案，本发明的优点：本发明实施例提出的改进的canny图像分割方法，本发明中采用局部均方差的方法来预处理图像，局部均方法有很好的去噪能力，并且计算量小，效率高，而且能有效的保留图像边缘；另外，在改进的canny算法中，采用自适应的迭代法进行获取阈值，与传统的人工获取阈值的方法，提高了图像分割的自适应性。附图说明下面结合附图及实施例对本发明作进一步描述：图1为本发明一种改进的canny图像分割方法的流程示意图。图2为本发明一种改进的canny图像分割方法的梯度图像。图3为本发明图1中获取双阈值的流程示意图。具体实施方式以下结合具体实施例对上述方案做进一步说明。应理解，这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以如具体厂家的条件做进一步调整，未注明的实施条件通常为常规实验中的条件。本申请公开了一种改进的canny图像分割方法，请参考图1所示为本发明一种改进的canny图像分割方法的流程示意图，包括以下步骤：步骤s1：将待分割图像处理成灰度图像。本发明首先对待分割图像进行灰度化处理，若待分割图像已经为灰度图像，则执行步骤2。否则，将待分割图像转换为灰度图像。若带分割图像为rgb图像，则需要对r、g、b三个通道进行加权平均，得到的灰度图像gray为：gray＝(r+g+b)/3。步骤s2：通过局部均方差方法去噪，对所述灰度图像进行预处理。在本发明的一个实施例中采用小窗口的方法，依次计算均值和方差，然后分别求和平均，利用公式得到去噪后的值。具体过程如下：依次计算灰度图像像素的均值；在本发明其中一实施例中，假设图像为m*n图像，在一个在一个在(2*n+1)*(2*m+1)的模板中，设g(i,j)为模板的中心，则局部均值mij为：例如：在下面3*3的模板中，g(1,1)为模板的中心，根据上述公式计算模板局部均值。(0,0)(0,1)(0,2)(1,0)(1,1)(1,2)(2,0)(2,1)(2,2)计算局部方差。其中，计算局部方差的公式包括但不限于下述公式根据公式得到去噪后的值，其中，g(i,j)为模板的中心，mij为局部均值，σ为输入的参数。步骤s3：通过sobel算子进行图像检测，计算图像的梯度值和方向。sobel算子有x和y方向两个模板，分别使用x方向模板和y方向模板对图像进行卷积操作，得到的x方向的卷积值和y方向的卷积值，计算x方向的卷积值和y方向的卷积值的平方和，再对其求平方根，即为图像的梯度值，得到梯度图像，图像的梯度值即为梯度图像的幅值；梯度图像的方向值为对幅值求反正切值。具体的，x方向模板y方向模板：例如，假设图像k的矩阵表示如下：则x方向卷积值gx和y方向卷积值gy为gx＝(a2+2a4+a7)-(a0+2a3+a5)gy＝(a0+2a1+a2)-(a5+2a6+a7)则梯度图像的幅值g(i,j)为：最后梯度图像的方向角度θ为：步骤s4:对所述梯度图像的幅值进行非最大值抑制，得到可能的边缘点。根据步骤s3得到的梯度方向，在该步骤中找到在整个梯度方向上的极大点。在john提出的canny算子中，分别采用0、45、90、135四个方向来近似代替梯度方向，这样虽然计算简单，但也丢失了很多实际的边缘细节；因为由上一步得到的梯度方向不一定就是这四个方向的，所以需要采用插值的方法进行得到梯度方向的两个点tmp1和tmp2。采用8邻域的窗口，通过上一步求得像素点c的幅值和方向，请参考如图2所示的梯度图像。具体方法包括：采用插值的方法得到梯度方向的两个点；由得到的梯度幅值gx和gy可得，若gy>gx，则插值的权重weight为|gx|/|gy|；则dtmp1＝g1*weight+g2*(1-weight)；dtmp1＝g3*weight+g4*(1-weight)；若gx>gy，则插值的权重weight为|gy|/|gx|；则dtmp1＝g1*weight+g2*(1-weight)；dtmp1＝g3*weight+g4*(1-weight)；若c点比dtmp1和dtmp2都大，则c为梯度方向的极大值点；若比其中一个小或者比两个都小，则设置为0。步骤s5：用双阈值算法检测并且连接边缘点。其中，步骤s5具体包括获取双阈值，请参考图3所示，获取双阈值的具体步骤如下：步骤a,获得一个初始的阈值h；这个初始的阈值h可以是图像最大灰度值和最小灰度值的和的平均值。比如，图像像素的最大灰度值和最小灰度值分别为fmin和fmax，则初始阈值h用以下公式表示：步骤b,根据上述阈值h对图像进行分割，将图像分割为两个部分，分别计算两个部分包含的像素的灰度均值。在本发明其中一个实施例中，用得出的阈值h对图像进行分割，以h为判断值，可以将图像分割为两部分，灰度值大于h的图像区域g1和灰度值不大于h的图像区域g2。分别计算出图像区域g1和图像区域g2所包含的像素的灰度均值，令两个灰度均值分别为u1和u2。步骤c,根据两个部分包含的像素的灰度均值计算新的阈值。计算出新的阈值t，新的阈值t可用以下公式表示:步骤d,判断连续两次计算的阈值的差值是否在预设的范围内；若是，则执行步骤f；否则，执行步骤b。步骤f，阈值等于高门限阈值与预设系数的乘积。本发明在步骤c后再循环执行步骤b、c、d直到得到连续两次计算得到的t值，这两个值的差值符合预设的范围内，从而实现阈值的自动选取。阈值由高门限阈值乘以一个预设系数得到，一般预设系数包括但不限于1/2或者1/3，本发明一优选实施例中，预设系数为1/2。本发明其中一实施例中，步骤s5还包括对滞后的阈值进行处理，具体步骤如下：上述步骤s4得到的边缘点即为极大值点，判断极大值点是否大于预设的上限阈值，若大于上限阈值，则将该极大值点标记为边缘点；查找该点的相邻点是大于下限阈值的点，标记为边缘点，接着查找他们相邻的点，是否大于下限阈值，依次类推；采用递归的方式进行查找，创建递归函数，设置最大递归深度，然后采用八连通进行搜寻；根据检测出的边缘点，连接边缘，得到预期的图像分割边缘。在本发明的另一实施例中，一种改进的canny图像分割系统，采用了上述各实施例中的改进的canny图像分割方法。本发明在传统的canny算法基础上，采用了局部均方差的方差代替了高斯滤波器，局部均方差效率高，且能够很好的去噪，进行预处理，而且能够保留图像的边缘细节信息，改善了高斯滤波器的缺点。在阈值的选取中，本发明采用了迭代法代替了人工选择阈值，提高了算法的自适应性，相比采用otsu方法，迭代法计算量小；传统的canny算法分割出来的效果不太好，不能与背景很好的分离出来；采用改进的canny能够很好的将目标边缘与背景分离，能够有效获取到分割的边缘，并且去掉无效的边缘，达到了预期的效果。上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡如本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。当前第1页12