專利名稱：基于邊緣增強算子的圖像邊緣檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理的領(lǐng)域，尤其是一種基于邊緣增強算子的圖像邊緣檢測方法。
背景技術(shù)：
在智能化的人機交互過程和對計算機圖像邊緣檢測的研究中，邊緣檢測可以提供大量有價值的信息，也可以作為一個友好的交互接口。于是產(chǎn)生了許多新的研究熱點。例如圖像的處理、人臉的識別、視頻的監(jiān)控、身份的驗證以及網(wǎng)絡(luò)傳輸中基于圖像的壓縮與檢索等。迄今為止，數(shù)字圖像作為一門嶄新的學(xué)科在科學(xué)研究、工業(yè)生產(chǎn)、軍事技術(shù)和醫(yī)療衛(wèi)生等領(lǐng)域發(fā)揮著越來越重要的作用，對它的研究也日益受到人們的重視。邊緣是指圖像周圍像素灰度有階躍變化或屋頂狀變化的像素的集合，它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域，基元與基元之間。邊緣具有方向和幅度兩個特征，沿邊緣走向，像素值變化比較平緩；垂直于邊緣走向，像素值變化比較劇烈，可能呈現(xiàn)階躍狀，也可能呈現(xiàn)斜坡狀。因此，邊緣可以分為兩種:一種為階躍性邊緣，它兩邊的像素灰度值有著明顯的不同；另一種為屋頂狀邊緣，它位于灰度值從增加到減少的變化轉(zhuǎn)折點。對于階躍性邊緣，二階方向?qū)?shù)在邊緣處呈零交叉；而對于屋頂狀邊緣，二階方向?qū)?shù)在邊緣處取極值。圖像處理的主要內(nèi)容是在圖像邊緣檢測的基礎(chǔ)上對物體背景灰度和紋理特征進(jìn)行一種無損檢測的技術(shù)。這也是圖像分割、模式識別、機器視覺和區(qū)域形狀提取領(lǐng)域的基礎(chǔ)，同時也是圖像分析和三維重建的重要環(huán)節(jié)圖像邊緣檢測技術(shù)是圖像處理和計算機視覺等領(lǐng)域最基本的問題，也是經(jīng)典的技術(shù)難題之一。如何快速、精確的提取圖像邊緣信息一直是國內(nèi)外的研究熱點，同時邊緣的檢測也是圖像處理中的一個難 題。早期的經(jīng)典算法包括邊緣算子方法、曲面擬合的方法、模板匹配方法、閾值法等。近年來，隨著數(shù)學(xué)理論與人工智能技術(shù)的發(fā)展，出現(xiàn)了許多新的邊緣檢測方法，如Roberts、LaplacaruCanny等圖像的邊緣檢測方法。這些方法的應(yīng)用對于高水平的特征提取、特征描述、目標(biāo)識別和圖像理解有重大的影響。然而，由于在成像處理的過程中投影、混合、失真和噪聲等導(dǎo)致圖像模糊和變形，這使得人們一直致力于構(gòu)造具有良好特性的邊緣檢測算子。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是:提供一種基于邊緣增強算子的圖像邊緣檢測方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:一種基于邊緣增強算子的圖像邊緣檢測方法，具體步驟如下:a.圖像獲取:將輸入的彩色圖像采用0.3倍的紅基色和0.59倍的綠基色和0.11倍的藍(lán)基色進(jìn)行相加作為灰度圖像，圖像的大部分信息都存在于圖像的邊緣中，這主要表現(xiàn)為圖像局部特征的不連續(xù)性，即圖像中灰度變化比較劇烈的地方；
b.圖像低通濾波:對a中獲取的灰度圖像通過濾波器進(jìn)行圖像的低通濾波，基于圖像亮度的一階和二階導(dǎo)數(shù)，但是由于導(dǎo)數(shù)計算對噪聲比較敏感，必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能，但大多濾波器在降噪的同時也導(dǎo)致邊緣強度損失，圖像降噪和邊緣增強之間需達(dá)到一種平衡；c.圖像增強邊緣:對b中低通濾波過后的圖像通過增強算法來計算各點鄰域強度的梯度幅值；d.圖像檢測:利用c中測量的梯度幅值的閾值來測定邊緣點；e.圖像邊緣定位:對測量后的邊緣點通過閾值法或零交叉法進(jìn)行二值邊緣圖像的處理，利用子像素分辨率來估計邊緣的位置；f.圖像邊緣輸出:對e處理后的圖像進(jìn)行斷邊、偽邊處理后從而圖像邊緣輸出。本發(fā)明的有益效果是，本發(fā)明的基于邊緣增強算子的圖像邊緣檢測方法，采用此種方法，能夠?qū)崿F(xiàn)邊緣的定位精度高，不同尺寸的邊緣能夠較好地響應(yīng)，并且能夠盡可能減少漏檢，檢測靈敏度受邊緣的方向影響小。


下面結(jié)合附圖和實施例對本發(fā)明進(jìn)一步說明。圖1是本發(fā)明的結(jié)構(gòu)框圖。
具體實施例方式現(xiàn)在結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。

本發(fā)明的基于邊緣增強算子的圖像邊緣檢測方法，具體步驟如下:a.圖像獲取:將輸入的彩色圖像采用0.3倍的紅基色和0.59倍的綠基色和0.11倍的藍(lán)基色進(jìn)行相加作為灰度圖像；b.圖像低通濾波:對a中獲取的灰度圖像通過濾波器進(jìn)行圖像的低通濾波；
c.圖像增強邊緣:對b中低通濾波過后的圖像通過增強算法來計算各點鄰域強度的梯度幅值；d.圖像檢測:利用c中測量的梯度幅值的閾值來測定邊緣點；e.圖像邊緣定位:對測量后的邊緣點通過閾值法或零交叉法進(jìn)行二值邊緣圖像的處理，利用子像素分辨率來估計邊緣的位置；f.圖像邊緣輸出:對e處理后的圖像進(jìn)行斷邊、偽邊處理后從而圖像邊緣輸出。邊緣檢測初步準(zhǔn)備條件如下:(I)清楚待檢測的圖像特性變化的形式，從而使用適應(yīng)這種變化的檢測方法。(2)想知道特性是否在一定的空間范圍內(nèi)改變，不能指望用一種邊緣檢測算子就能檢測出在圖像中發(fā)生的所有特性變化。當(dāng)需要提取更多空間范圍內(nèi)的變化特征時就需要考慮多種算子的綜合應(yīng)用。(3)要考慮噪聲的影響，其中一種方法就是通過濾波器將噪音進(jìn)行濾除。但是這有一定的局限性，或者考慮在信號和噪聲同時存在的條件下進(jìn)行檢測，運用統(tǒng)計信號分析，或者通過圖像區(qū)域的建模，從而進(jìn)一步使檢測參數(shù)化。(4)可以考慮各種方法的結(jié)合，如找出它的邊緣，然后用函數(shù)近似法，通過插值等得到準(zhǔn)確的定位。(5)在正確的圖像邊緣檢測的基礎(chǔ)上，要考慮定位精確的問題。以上述依據(jù)本發(fā)明的理想實施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完全可以在不偏離本項發(fā)明技術(shù)思想的范圍內(nèi)，進(jìn)行多樣的變更以及修改。本項發(fā)明的技術(shù)性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。
權(quán)利要求
1.一種基于邊緣增強算子的圖像邊緣檢測方法，其特征是具體步驟如下: a.圖像獲取:將輸入的彩色圖像采用0.3倍的紅基色和0.59倍的綠基色和0.11倍的藍(lán)基色進(jìn)行相加作為灰度圖像； b.圖像低通濾波:對a中獲取的灰度圖像通過濾波器進(jìn)行圖像的低通濾波； c.圖像增強邊緣:對b中低通濾波過后的圖像通過增強算法來計算各點鄰域強度的梯度幅值； d.圖像檢測:利用C中測量的梯度幅值的閾值來測定邊緣點； e.圖像邊緣定位:對測量后的邊緣點通過閾值法或零交叉法進(jìn)行二值邊緣圖像的處理，利用子像素分辨率來估計邊緣的位置； f.圖像邊緣輸出:對e處理 后的圖像進(jìn)行斷邊、偽邊處理后從而圖像邊緣輸出。
全文摘要
本發(fā)明涉及圖像處理的領(lǐng)域，尤其是一種基于邊緣增強算子的圖像邊緣檢測方法，具體步驟如下a.圖像獲??；b.圖像低通濾波；c.圖像增強邊緣；d.圖像檢測；e.圖像邊緣定位；f.圖像邊緣輸出。本發(fā)明的基于邊緣增強算子的圖像邊緣檢測方法，采用此種方法，能夠?qū)崿F(xiàn)邊緣的定位精度高，不同尺寸的邊緣能夠較好地響應(yīng)，并且能夠盡可能減少漏檢，檢測靈敏度受邊緣的方向影響小。
文檔編號G06T7/00GK103226829SQ20131014768
公開日2013年7月31日 申請日期2013年4月25日 優(yōu)先權(quán)日2013年4月25日
發(fā)明者吳軍, 袁峰, 李引, 李然, 徐昊 申請人:廣州中國科學(xué)院軟件應(yīng)用技術(shù)研究所