基于Canny算法的边缘增强方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供了一种基于Canny算法的边缘增强方法、装置、设备及存储介质，方法包括：获取原图像；使用Canny算法对原图像进行边缘检测；在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；为阈值经验值和阈值参考值分配权重系数并计算得到阈值修正值；以阈值修正值作为高阈值，并基于高阈值按预设比例计算得到低阈值；使用双阈值算法检测和连接图像边缘，对原图像中的边缘进行增强。本发明专利技术的方法结合了神经网络对图像中每个像素点的阈值提出参考值并修正，同时保留了固定阈值的优点，通过调整权重系数可以适应不同类型的图像，检测的精度高，图像增强效果更佳。

【技术实现步骤摘要】
基于Canny算法的边缘增强方法、装置、设备及存储介质
本专利技术涉及图像处理
，尤其涉及一种基于Canny算法的边缘增强方法、装置、设备及存储介质。
技术介绍
传统的边缘提取方式例如Canny边缘提取采用一个固定阈值的方式对每个像素做出判断，即全图的边缘点的判定都使用相同的阈值(包括高阈值和低阈值)，由于每个边缘点两侧的明暗程度并不相同，采用相同的阈值进行边缘提取，导致对于不同的图像适应性不强，特别容易出现伪边缘和信息丢失，识别出的边缘难以满足用于边缘增强的要求。因此，现有技术还有待于改进和发展。
技术实现思路
本专利技术的主要目的在于解决现有边缘提取方法提取的图像边缘不够准确，难以用于对图像进行边缘增强的技术问题。本专利技术第一方面提供了一种基于Canny算法的边缘增强方法，所述边缘增强方法包括：获取原图像；使用Canny算法对所述原图像进行边缘检测；在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；为所述阈值经验值和所述阈值参考值分配权重系数并计算得到阈值修正值；以所述阈值修正值作为高阈值，并基于所述高阈值按预设比例计算得到低阈值；使用双阈值算法检测和连接图像边缘，对所述原图像中的边缘进行增强。在本专利技术一种可选的实施方式中，所述使用Canny算法对所述原图像进行边缘检测包括：对所述原图像进行高斯滤波处理；对高斯处理后的所述原图像进行求导和梯度计算；以及对获得梯度幅值进行非极大值抑制处理。在本专利技术一种可选的实施方式中，所述将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值包括：使用Enet网络对所述原图像进行分割，提取出图像中的边缘特征；获取所述边缘特征中各像素点的梯度幅值，并以所述梯度幅值作为所述阈值参考值。在本专利技术一种可选的实施方式中，所述将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值之前包括：预先构造用于提取图像边缘特征的Enet网络；向所述Enet网络中输入具有不同目标类型的训练图片对Enet网络进行训练，以使所述Enet网络满足不同类型目标轮廓的识别。在本专利技术一种可选的实施方式中，所述阈值修正值Rxy＝α*R1+(1-α)*RPxy，其中，R1为阈值经验值，RPxy为阈值参考值，α大于零且小于等于1，x、y为像素点在图像矩阵中的坐标。在本专利技术一种可选的实施方式中，所述低阈值TL＝K*TH，其中，TH为高阈值，K大于零小于1。在本专利技术一种可选的实施方式中，所述使用双阈值算法检测和连接图像边缘，对所述原图像中的边缘进行增强包括：如果像素点的梯度值高于所述高阈值，则标记所述像素点为强边缘像素点；如果像素点的梯度值低于所述高阈值且高于所述低阈值，则标记所述像素点为弱边缘像素点；如果像素点的梯度值低于所述低阈值，则舍去；连接图像边缘时，先连接所述强边缘像素点，再连接所述弱边缘像素点。本专利技术第二方面提供了一种图像边缘增强装置，所述图像边缘增强装置包括：获取模块，用于获取原图像；边缘检测模块，用于使用Canny算法对所述原图像进行边缘检测；阈值获取模块，用于在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；阈值修正模块，用于为所述阈值经验值和所述阈值参考值分配权重系数并计算得到阈值修正值；双阈值确定模块，用于以所述阈值修正值作为高阈值，并基于所述高阈值按预设比例计算得到低阈值；边缘增强模块，用于使用双阈值算法检测和连接图像边缘，对所述原图像中的边缘进行增强。本专利技术第三方面提供了一种图像边缘增强设备，所述图像边缘增强设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述图像边缘增强设备执行如上述任一项所述的基于Canny算法的边缘增强方法。本专利技术第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于Canny算法的边缘增强方法。有益效果：本专利技术提供了一种基于Canny算法的边缘增强方法、装置、设备及存储介质，方法包括：获取原图像；使用Canny算法对原图像进行边缘检测；在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；为阈值经验值和阈值参考值分配权重系数并计算得到阈值修正值；以阈值修正值作为高阈值，并基于高阈值按预设比例计算得到低阈值；使用双阈值算法检测和连接图像边缘，对原图像中的边缘进行增强。本专利技术的方法结合了神经网络对图像中每个像素点的阈值提出参考值并修正，同时保留了固定阈值的优点，通过调整权重系数可以适应不同类型的图像，检测的精度高，图像增强效果更佳。附图说明图1为本专利技术一种基于Canny算法的边缘增强方法的一个实施例示意图；图2为本专利技术一种Enet网络的一个实施例示意图；图3为本专利技术一种图像边缘增强装置的一个实施例示意图；图4为本专利技术一种图像边缘增强设备的一个实施例示意图。具体实施方式本专利技术实施例提供了一种基于Canny算法的边缘增强方法、装置、设备及存储介质。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。为便于理解，下面对本专利技术实施例的具体流程进行描述，请参阅图1，本专利技术第一方面提供了一种基于Canny算法的边缘增强方法，所述边缘增强方法包括：S100、获取原图像；S200、使用Canny算法对所述原图像进行边缘检测；在本实施例中，本专利技术的方法主要是基于Canny算法来实现对原图像进行边缘检测，当然本专利技术的方法也可以用于其他的边缘检测算法；S300、在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；在本实施例中，本专利技术方法的专利技术点在于对Canny算法中选择阈值的方式进行了改进，本文档来自技高网...

【技术保护点】
1.一种基于Canny算法的边缘增强方法，其特征在于，所述边缘增强方法包括：/n获取原图像；/n使用Canny算法对所述原图像进行边缘检测；/n在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；/n为所述阈值经验值和所述阈值参考值分配权重系数并计算得到阈值修正值；/n以所述阈值修正值作为高阈值，并基于所述高阈值按预设比例计算得到低阈值；/n使用双阈值算法检测和连接图像边缘，对所述原图像中的边缘进行增强。/n

【技术特征摘要】
1.一种基于Canny算法的边缘增强方法，其特征在于，所述边缘增强方法包括：
获取原图像；
使用Canny算法对所述原图像进行边缘检测；
在确定边缘像素点之前，获取用于确定边缘像素点的阈值经验值以及将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值；
为所述阈值经验值和所述阈值参考值分配权重系数并计算得到阈值修正值；
以所述阈值修正值作为高阈值，并基于所述高阈值按预设比例计算得到低阈值；
使用双阈值算法检测和连接图像边缘，对所述原图像中的边缘进行增强。


2.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述使用Canny算法对所述原图像进行边缘检测包括：
对所述原图像进行高斯滤波处理；
对高斯处理后的所述原图像进行求导和梯度计算；
以及对获得梯度幅值进行非极大值抑制处理。


3.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值包括：
使用Enet网络对所述原图像进行分割，提取出图像中的边缘特征；
获取所述边缘特征中各像素点的梯度幅值，并以所述梯度幅值作为所述阈值参考值。


4.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述将所述原图像输入到预先训练好的Enet网络中获取用于确定边缘像素点的阈值参考值之前包括：
预先构造用于提取图像边缘特征的Enet网络；
向所述Enet网络中输入具有不同目标类型的训练图片对Enet网络进行训练，以使所述Enet网络满足不同类型目标轮廓的识别。


5.根据权利要求1所述的基于Canny算法的边缘增强方法，其特征在于，所述阈值修正值Rxy＝α*R1+(1-α)*RPxy，其中，R1为阈值经验值，RPxy为阈值参考值，α大于零且小于等于1，x、y为像素点在图像矩阵中的坐标。
<...

【专利技术属性】
技术研发人员：张培渊，周有喜，乔国坤，
申请(专利权)人：新疆爱华盈通信息技术有限公司，
类型：发明
国别省市：新疆;65