基于直方图均衡化的边缘检测方法技术

本发明专利技术公开了一种基于直方图均衡化的边缘检测方法，包括以下步骤：S1：对输入图像进行直方图均衡化处理；S2：形态学处理重构图像；S3：进行高斯滤波；S4：引入抗噪性参数P确定融合权值；S5：采用梯度非极大抑制与双阈值连接检测，实现边缘检测。本发明专利技术通过抗噪性参数P，引入权值将组合算法中图像增强处理与形态学的组合算法相融合获得较好的边缘。将均衡化后进行形态学开运算处理再进行边缘检测，与形态学处理后的边缘检测通过权值相互融合，很好地平衡了噪声干扰、边缘丢失和伪边缘干扰的问题，检测的边缘更清晰、线条更完整，而且杂点较少，有效地提高了边缘检测效果。

Edge detection method based on histogram equalization

The invention discloses an edge detection method based on histogram equalization, which comprises the following steps: S1: histogram equalization processing of input image; S2: morphological processing of reconstructed image; S3: Gaussian filtering; S4: introducing noise resistance parameter P to determine fusion weight; S5: adopting gradient non-maximum suppression and double threshold value. Connection detection and edge detection. By introducing the anti-noise parameter P and the weight value, the image enhancement processing in the combination algorithm is fused with the combination algorithm of morphology to obtain a better edge. After equalization, morphological open operation is used to process and then edge detection is carried out. The edge detection after morphological open operation is fused with the edge detection after morphological treatment by weight. The problems of noise interference, edge loss and pseudo-edge interference are well balanced. The edge of detection is clearer, lines are more complete, and there are fewer clutters, which effectively improves the edge. Detection effect.

【技术实现步骤摘要】
基于直方图均衡化的边缘检测方法
本专利技术具体涉及一种基于直方图均衡化的边缘检测方法。
技术介绍
图像的边缘是图像中最重要的特征之一，它反映了图像的最基本特征。传统的图像边缘检测通过求取图像一阶、二阶导数来表示边缘，如等算法。经典的边缘检测算法能够得到一定的边缘，但是同时也有较多的干扰和伪边缘的产生，从而无法对目标进行很好的识别。现有不少研究者通过自适应的阈值选取来得到较好的边缘，使用AGT算法通过图像自身灰度均值和方差均值信息自动确定高低阈值的选取来得到较好的边缘。根据梯度幅值和内方差来确定高低阈值，从而自适应的检测边缘。有的研究者也通过对图像的增强处理来突显边缘。利用图像直方图修正后的特征，从而分离出感兴趣区域（RIO）进而达到良好的边缘。通过保留图像中高频细节再加以权值与直方图均衡化结合增强图像的细节信息。形态学的边缘检测也使用较多，通过信息熵值来选择不同尺度和形状的结构元素并行处理来处理噪声和边缘的平衡获得良好的边缘。
技术实现思路
本专利技术要解决的技术问题是提供一种基于直方图均衡化的边缘检测方法。基于直方图均衡化的边缘检测方法，包括以下步骤：S1：对输入图像进行直方图均衡化处理；S2：形态学处理重构图像，通过结构元素作用于输入图像，经过形状的一系列处理产生输出图像；S3：进行高斯滤波；S4：引入抗噪性参数P确定融合权值；S5：采用梯度非极大抑制与双阈值连接检测，实现边缘检测。进一步的，直方图均衡化具体方法如下：1）设为输入的直方图，为输入灰度级范围；为输出的直方图，为输出灰度级范围；通过一个映射，因此，与存在对应关系如下：；2）假设图像为行列的矩阵，直方图均衡化后得到的的均衡概率密度f为：；3)将式步骤2)中式子代入到步骤1）中式子的左边，用f替换,得到：；4）通过上述处理像素亮度映射函数为：。进一步的，形态学处理选用如下组合：结构元素选5×5的矩形结构，形态学算法选用形态学梯度算法。进一步的，高斯滤波参数如下：。进一步的，抗噪参数P具体如下：；其中，P值大于0表示有噪声时效果好，小于0表示该方法无噪声时效果好，越接近0抗噪稳定性能越好。进一步的，融合权值计算方法如下：；；。本专利技术的有益效果是：本专利技术通过抗噪性参数P，引入权值将组合算法中图像增强处理与形态学的组合算法相融合获得较好的边缘。将均衡化后进行形态学开运算处理再进行边缘检测，与形态学处理后的边缘检测通过权值相互融合，很好地平衡了噪声干扰、边缘丢失和伪边缘干扰的问题，检测的边缘更清晰、线条更完整，而且杂点较少，有效地提高了边缘检测效果。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。基于直方图均衡化的边缘检测方法，包括以下步骤：S1：对输入图像进行直方图均衡化处理；S2：形态学处理重构图像，通过结构元素作用于输入图像，经过形状的一系列处理产生输出图像；S3：进行高斯滤波；S4：引入抗噪性参数P确定融合权值；S5：采用梯度非极大抑制与双阈值连接检测，实现边缘检测。直方图均衡化具体方法如下：1）设为输入的直方图，为输入灰度级范围；为输出的直方图，为输出灰度级范围；通过一个映射，因此，与存在对应关系如下：；2）假设图像为行列的矩阵，直方图均衡化后得到的的均衡概率密度f为：；3)将式步骤2)中式子代入到步骤1）中式子的左边，用f替换,得到：；4）通过上述处理像素亮度映射函数为：。形态学处理选用如下组合：结构元素选5×5的矩形结构，形态学算法选用形态学梯度算法。高斯滤波参数如下：。抗噪参数P具体如下：；其中，P值大于0表示有噪声时效果好，小于0表示该方法无噪声时效果好，越接近0抗噪稳定性能越好。融合权值计算方法如下：；；。本文档来自技高网...

【技术保护点】
1.基于直方图均衡化的边缘检测方法，其特征在于，包括以下步骤：S1：对输入图像进行直方图均衡化处理；S2：形态学处理重构图像，通过结构元素作用于输入图像，经过形状的一系列处理产生输出图像；S3：进行高斯滤波；S4：引入抗噪性参数P确定融合权值；S5：采用梯度非极大抑制与双阈值连接检测，实现边缘检测。

【技术特征摘要】
1.基于直方图均衡化的边缘检测方法，其特征在于，包括以下步骤：S1：对输入图像进行直方图均衡化处理；S2：形态学处理重构图像，通过结构元素作用于输入图像，经过形状的一系列处理产生输出图像；S3：进行高斯滤波；S4：引入抗噪性参数P确定融合权值；S5：采用梯度非极大抑制与双阈值连接检测，实现边缘检测。2.根据权利要求1所述的边缘检测方法，其特征在于，直方图均衡化具体方法如下：1）设H(p)为输入的直方图，为输入灰度级范围；G(p)为输出的直方图，为输出灰度级范围；通过一个映射q=T(p)，因此，H(p)与G(p)存在对应关系如下：；2）假设图像为行列的矩阵，直方图均衡化后得到的G(p)的...

【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