一种改进的Sobel边缘检测算法制造技术

本发明专利技术公开了一种改进的Sobel边缘检测算法，包括以下步骤：S1：计算图像梯度；S2：阈值选择；S3：如果合成梯度大于或等于阈值，即可确定目标像素点是边缘点，即可得到边缘图像；S4：对边缘图像进行腐蚀运算。本发明专利技术对经典Sobel算法改进，增加了检测方向，根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值，从而检测出与人的主观视觉更为一致的图像边缘，然后对边缘图像进行形态学处理，增强了算法的抗噪性。

An improved Sobel edge detection algorithm

The invention discloses an improved Sobel edge detection algorithm, which comprises the following steps: S1: calculating image gradient; S2: threshold selection; S3: if the composite gradient is greater than or equal to the threshold, the target pixel point can be determined as the edge point, and the edge image can be obtained; S4: corrosive operation on the edge image. The invention improves the classical Sobel algorithm, increases the detection direction, adaptively generates the threshold according to the background gray value of the pixel to be measured and the human visual characteristics, thereby detecting the image edge which is more consistent with the human subjective vision, and then carries on the morphological processing to the edge image, thus enhancing the anti-noise ability of the algorithm.

【技术实现步骤摘要】
一种改进的Sobel边缘检测算法
本专利技术具体涉及一种改进的Sobel边缘检测算法。
技术介绍
边缘是图像基本特征之一，边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤。经典的边缘检测是基于检测算子的方法，通过考察待测点在某个邻域内的灰度变化，然后利用一阶或二阶方向导数变化规律，根据一定的判断标准检测出边缘。常见的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子、Laplace算子、LOG算子、Canny算子等。经典Sobel边缘检测算法先对图像进行加权平均，然后再做微分运算，对噪声具有一定的抑制能力，其对在水平和垂直方向的边缘检测性能优于其他方向的检测性能，而且定位精度也比较高，但是该算法也存在如下缺陷：（1）仅采用水平和垂直方向上相邻像素之差进行梯度幅度计算，并未考虑其他方向上的相邻像素情况，易造成部分边缘信息丢失；（2）算子的阈值参数需要人为设定，不具有自适应能力，阈值设置过高，会导致边缘间断，设置过低则容易产生伪边缘；（3）算子先加权平均后差分，抑制噪声的能力不强，同时会丢失一些细节信息，使边缘有一定的模糊。
技术实现思路
本专利技术要解决的技术问题是提供一种改进的Sobel边缘检测算法。一种改进的Sobel边缘检测算法，包括以下步骤：S1：设图像函数为，则梯度定义为一个向量：；其中，是水平方向梯度，是垂直方向梯度；梯度幅值为：，向量的方向角为：，为了简化计算，幅值用以下三式来近似：，，；S2：目标像素点（x,y）的8邻域窗口，水平方向、垂直方向、45°方向和135°方向梯度算子分别如下：窗口水平方向算子垂直方向算子45°方向算子135°方向算子则图像函数的水平方向、垂直方向、45°方向和135°方向梯度计算如下：，，，；梯度幅值用向量的范数表示，使用无穷范数：；S3：阈值选择模型如下：，式中，a为低暗区截止灰度，取45-81之间的灰度值；b为高亮区起始灰度，取180-210之间的灰度值；I为背景亮度灰度值；为所设定阈值，灰度级为256级；S4：如果合成梯度大于或等于阈值，即可确定目标像素点(x,y)是边缘点，即可得到边缘图像；S5：对边缘图像进行腐蚀运算。进一步的，阈值选择最优模型如下：，式中，I是待检像素点的邻域内的灰度平均值，即，，表示待测点的背景亮度灰度值。本专利技术的有益效果是：本专利技术对经典Sobel算法改进，增加了检测方向，根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值，从而检测出与人的主观视觉更为一致的图像边缘，然后对边缘图像进行形态学处理，增强了算法的抗噪性。具体实施方式以下具体实施例对本专利技术作进一步阐述，但不作为对本专利技术的限定。一种改进的Sobel边缘检测算法，包括以下步骤：S1：设图像函数为，则梯度定义为一个向量：；其中，是水平方向梯度，是垂直方向梯度；梯度幅值为：，向量的方向角为：，为了简化计算，幅值用以下三式来近似：，，；S2：目标像素点（x,y）的8邻域窗口，水平方向、垂直方向、45°方向和135°方向梯度算子分别如下：窗口水平方向算子垂直方向算子45°方向算子135°方向算子则图像函数的水平方向、垂直方向、45°方向和135°方向梯度计算如下：，，，；梯度幅值用向量的范数表示，使用无穷范数：；S3：阈值选择模型如下：，式中，a为低暗区截止灰度，取45-81之间的灰度值；b为高亮区起始灰度，取180-210之间的灰度值；I为背景亮度灰度值；为所设定阈值，灰度级为256级；S4：如果合成梯度大于或等于阈值，即可确定目标像素点(x,y)是边缘点，即可得到边缘图像；S5：对边缘图像进行腐蚀运算。阈值选择最优模型如下：，式中，I是待检像素点的邻域内的灰度平均值，即，，表示待测点的背景亮度灰度值。本文档来自技高网...

【技术保护点】
1.一种改进的Sobel边缘检测算法，其特征在于，包括以下步骤：S1：设图像函数为

【技术特征摘要】
1.一种改进的Sobel边缘检测算法，其特征在于，包括以下步骤：S1：设图像函数为，则梯度定义为一个向量：；其中，是水平方向梯度，是垂直方向梯度；梯度幅值为：，向量的方向角为：，为了简化计算，幅值用以下三式来近似：，，；S2：目标像素点（x,y）的8邻域窗口，水平方向、垂直方向、45°方向和135°方向梯度算子分别如下：窗口水平方向算子垂直方向算子45°方向算子135°方向算子则图像函数的水平方向、垂直方向、45°方向和135°方向梯度计算如下：，，，；梯度幅值用向量的范数表...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：南宁市富久信息技术有限公司，
类型：发明
国别省市：广西,45