【技术实现步骤摘要】
一种基于边缘自生长的Canny边缘检测方法
本专利技术属于计算机领域，涉及一种基于边缘自生长的Canny边缘检测方法。
技术介绍
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性，对于特征提取、描述以及目标识别等后续研究都有重要影响。因为边缘上的灰度变化平缓，边缘两侧的灰度变化较快，，所以图像的边缘一般指局部不连续的图像特征，边缘就是变化最显著的部分，灰度值的变化，颜色分量的突变以及纹理结构的突变都可构成边缘信息。通常情况下，图像的灰度变化可以用梯度来表示，常用一阶微分算子和二阶微分算子来描述梯度，然后再对检测出来的梯度利用阀值化的方法进行取舍。这些算子算法简单，具有较好的实时性，但较容易受到噪声以及阀值选择的影响而产生虚假边缘和边缘断开的现象，从而影响边缘定位的精度，又因为边缘检测是数字图像处理领域的基础，边缘检测的不准确同时也会对其他大量算法造成影响，所有对图像边缘检测的研究依然具有非常重...
【技术保护点】
1.一种基于边缘自生长的Canny边缘检测方法，其特征在于：该方法包括以下步骤：/n1)对图像进行平滑滤波，用高斯滤波去除噪声；/n2)利用0°、45°、90°和135°算子计算灰度值的梯度幅值，并利用坐标轴投影将45°、135°算子计算的梯度幅值合成到0°、90°，然后计算梯度方向；/n3)对垂直于梯度方向的梯度值进行非极大值抑制计算，将梯度值与相邻两个梯度值进行比较，若该值为极大值，则认为图像点是可能的边缘，保留其值，否则认为该值不是边缘，直接取0；/n4)利用OTSU算法求类间方差的最大值作为高阀值，低阀值取高阀值的二分之一；/n5)利用高低阀值对梯度进行二值化，得到...
【技术特征摘要】
1.一种基于边缘自生长的Canny边缘检测方法，其特征在于：该方法包括以下步骤：
1)对图像进行平滑滤波，用高斯滤波去除噪声；
2)利用0°、45°、90°和135°算子计算灰度值的梯度幅值，并利用坐标轴投影将45°、135°算子计算的梯度幅值合成到0°、90°，然后计算梯度方向；
3)对垂直于梯度方向的梯度值进行非极大值抑制计算，将梯度值与相邻两个梯度值进行比较，若该值为极大值，则认为图像点是可能的边缘，保留其值，否则认为该值不是边缘，直接取0；
4)利用OTSU算法求类间方差的最大值作为高阀值，低阀值取高阀值的二分之一；
5)利用高低阀值对梯度进行二值化，得到初步的二值化边缘图像；
6)利用自生长算法进行断裂边缘补全，得到最终边缘图像。
2.根据权利要求1所述的一种基于边缘自生长的Canny边缘检测方法，其特征在于：所述步骤1)具体为：
利用二维高斯滤波器对原始灰度图像进行滤波操作，高斯滤波函数表示如下
通过对原始图像f(x,y)与高斯滤波器进行卷积，得到滤波后的图像g(x,y)，其过程表示为：
g(x,y)＝f(x,y)*H(x,y)(2)
在实际数字图像处理中σ取值为1.4，高斯模板为5×5时，高斯核函数为
3.根据权利要求2所述的一种基于边缘自生长的Canny边缘检测方法，其特征在于：所述步骤2)具体为：
利用卷积核分别计算各个方向的梯度值，其具体计算公式如下：
当得到4个方向的梯度值后，利用坐标投影原理将梯度合成在水平垂直两个方向上，计算方式如下：
计算出当前像素点灰度值的梯度幅值G(x,y)和梯度角度θ(x,y)分别为：
θ(x,y)＝arctan[GY(x,y)/GX(x,y)](11)。
4.根据权利要求3所述的一种基于边缘自生长的Canny边缘检测方法，其特征在于：所述步骤3)中：
对于梯度幅值图像上一点(x,y)，与其周围像素构成一个3×3的矩阵，矩阵的值为
判断该点是否为可能的边缘点的条件如下：
当w(x,y)满足上述条件时，说明该值为极大值，保留其值，当其不满足条件时，直接将其值取零，完成对非极大值的抑制，得到新的梯度矩阵G′。
5.根据权利要求4所述的一种基于边缘自生长的Canny边缘检测方法，其特征在于：所述步骤4)中：
大小为m×n的灰度图像中某一点的灰度值为f(x,y)，其取值范围为[0,L]，灰度值为k的像素点出现的概率如式(14)所示
设阀值大小为T(0＜T＜L-1)，把图像分割为两部分，第一部分占整个图像的比例为
第二部分占整个图像的比例为
第一部分灰度均值为
第二部分灰度均值...
【专利技术属性】
技术研发人员：黄沛昱，黄岭，赵强，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。