一种亚像素边缘检测方法、系统及介质技术方案

本发明专利技术提供了一种亚像素边缘检测方法、系统及介质，涉及数字图像处理技术领域，该方法包括：步骤S1：利用Canny算子进行像素级边缘检测；步骤S2：在Canny边缘的基础上，分别使用基于Arctan函数拟合算法和Zernike矩估计算法，综合利用两个方法的结果来降低误差。本发明专利技术通过改进亚像素边缘检测的方法，从而实现全面、快速、精确的亚像素级检测。精确的亚像素级检测。精确的亚像素级检测。

【技术实现步骤摘要】
一种亚像素边缘检测方法、系统及介质


[0001]本专利技术涉及数字图像处理
，具体地，涉及一种亚像素边缘检测方法、系统及介质。

技术介绍

[0002]在目前的很多领域中，都迫切需要从数字图像中提取亚像素级特征点坐标的方法，比如在医学影像分析领域，往往需要提取亚像素级别的细胞边缘坐标；测绘领域，如果能通过建筑物的数字图像提取到一些特征点的精确亚像素级坐标，就可以直接通过数字图像测量建筑物的高度等信息，从而能够大大节省人力物力。
[0003]边缘检测是图像处理与计算机视觉中极为重要的一种分析图像的方法；角点检测是计算机视觉系统中用来获取图像特征的一种方法；拟合方法是通过对假设边缘模型灰度值进行拟合来获得亚像素的边缘定位。
[0004]针对上述现有技术，存在以下技术缺陷，针对数字图像中的特征点检测，已经有很多经典算法，但是这些算法大多只能获取到像素级别的检测精度，仅能满足人的视觉需求，而不能达到工程需要。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种亚像素边缘检测方法、系统及介质，能够改进亚像素边缘、中心点和角点检测的方法，从而实现全面、快速、精确的亚像素级检测。
[0006]根据本专利技术提供的一种亚像素边缘检测方法、系统及介质，所述方案如下：
[0007]第一方面，提供了一种亚像素边缘检测方法，所述方法包括：
[0008]步骤S1：利用Canny算子进行像素级边缘检测；
[0009]步骤S2：在Canny边缘的基础上，分别使用基于Arctan函数拟合算法和Zernike矩估计算法，综合利用两个方法的结果来降低误差。
[0010]优选的，所述步骤S1包括：
[0011]Canny算法使用四个算子来检测图像中的水平、垂直和对角边缘，边缘检测的算子返回水平G
X
和垂直G
y
方向的一阶导数值，确定像素点的梯度G和方向θ：
[0012][0013]其中G为梯度强度，θ表示梯度方向，arctan为反正切函数。
[0014]优选的，所述步骤S2中基于Arctan函数拟合的算法包括：获取该边缘像素在x和y方向上的梯度变化值，估算边缘像素的梯度方向，并获得映射关系，求得最终亚像素边缘点的位置。
[0015]第二方面，提供了一种亚像素边缘检测系统，所述系统包括：
[0016]模块M1：利用Canny算子进行像素级边缘检测；
[0017]模块M2：在Canny边缘的基础上，分别使用基于Arctan函数拟合算法和Zernike矩估计算法，综合利用两个方法的结果来降低误差。
[0018]优选的，所述模块M1包括：
[0019]Canny算法使用四个算子来检测图像中的水平、垂直和对角边缘，边缘检测的算子返回水平G
X
和垂直G
y
方向的一阶导数值，确定像素点的梯度G和方向θ：
[0020][0021]其中G为梯度强度，θ表示梯度方向，arctan为反正切函数。
[0022]优选的，所述模块M2中基于Arctan函数拟合的算法包括：获取该边缘像素在x和y方向上的梯度变化值，估算边缘像素的梯度方向，并获得映射关系，求得最终亚像素边缘点的位置。
[0023]第三方面，提供了一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现所述亚像素边缘检测方法的步骤。
[0024]与现有技术相比，本专利技术具有如下的有益效果：
[0025]在前人研究的基础上综合了Arctan函数拟合法和Zernike矩估计方法，通过优势互补来获得更高精度的亚像素边缘检测结果。
附图说明
[0026]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0027]图1为本专利技术整体流程示意图；
[0028]图2为Canny算法的像素级边缘检测结果示意图；
[0029]图3为像素点投影位置与灰度值的映射关系示意图；
[0030]图4为亚像素边缘点的Arctan函数拟合实例示意图；
[0031]图5为理想边缘模型示意图。
具体实施方式
[0032]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。
[0033]本专利技术实施例提供了一种亚像素边缘检测方法，参照图1所示，通过对经典算法的改进来解决现有亚像素边缘检测对噪声敏感和计算时间长的问题，首先利用Canny算子进行像素级边缘检测，然后在Canny边缘的基础上，分别使用基于Arctan函数拟合的方法和Zernike矩估计的方法，最后综合利用两个方法的结果来降低误差。
[0034]Canny算法：
[0035]在原始图片中，图像的边缘可以指向各个方向，因此Canny算法使用四个算子来检测图像中的水平、垂直和对角边缘，边缘检测的算子，例如Roberts、Prewitt、Sobel等，返回水平G
X
和垂直G
y
方向的一阶导数值，由此便可以确定像素点的梯度G和方向θ：
[0036][0037]其中G为梯度强度，θ表示梯度方向，arctan为反正切函数。
[0038]为了尽可能减少噪声对边缘检测结果的影响，还须滤除噪声以防止由噪声引起的错误检测，使用高斯滤波器与图像进行卷积，能够平滑图像，以减少边缘检测器上明显的噪声影响。
[0039]基于Arctan拟合法的算法：
[0040]参照图2和图3，基于Canny算子得到的像素级边缘检测结果，提出基于Arctan拟合法的亚像素边缘检测方法，在计算Canny算子的过程中，我们可以获取该边缘像素在x和y方向上的梯度变化值，我们记为S
X
和S
y
，然后，这个边缘像素的梯度方向我们则估算为梯度的识别结果。其中，图1中b中的小圆圈代表的是边缘像素点位置，直线代表的是估计的法向量方向，然后在这个法向量方向上做一条直线，在这个直线上以边缘像素点为中心取7个直线相交的像素点，然后将这些像素点的中心投影到直线上，以投影到的直线上的位置作为x轴，该像素点的灰度值作为y轴，我们可以获得一个映射关系。
[0041]参照图3和图4，根据经验显示，一般在边缘上像素的灰度值变化呈Arctan函数变化，因此我们假设灰度的变化函数为而灰度变化率最大的位置即亚像素边缘点的位置，我们通过拟合这个函数来确定A、ω、和m的值，其中A、ω、和m为Arctan函数的待定参数，以此来求的最终亚像素边缘点的位置。
[0042]基于Zernike矩估计的算法：
[0043]图像f(x，y)的n阶m次Zernike矩定义为：
[0044][0045本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种亚像素边缘检测方法，其特征在于，所述方法包括：步骤S1：利用Canny算子进行像素级边缘检测；步骤S2：在Canny边缘的基础上，分别使用基于Arctan函数拟合算法和Zernike矩估计算法，综合利用两个方法的结果来降低误差。2.根据权利要求1所述的亚像素边缘检测方法，其特征在于，所述步骤S1包括：Canny算法使用四个算子来检测图像中的水平、垂直和对角边缘，边缘检测的算子返回水平G
X
和垂直G
y
方向的一阶导数值，确定像素点的梯度G和方向θ：其中G为梯度强度，θ表示梯度方向，arctan为反正切函数。3.根据权利要求1所述的亚像素边缘检测方法，其特征在于，所述步骤S2中基于Arctan函数拟合的算法包括：获取该边缘像素在x和y方向上的梯度变化值，估算边缘像素的梯度方向，并获得映射关系，求得最终亚像素边缘点的位置。4.一种亚像素边缘检测系统，其特征在于，所述系统包括：模块M1：利用Ca...

【专利技术属性】
技术研发人员：肖建如，孟子尧，盛斌，吕天宇，矫健，周振华，刘铁龙，马科威，
申请(专利权)人：上海嘉奥信息科技发展有限公司，
类型：发明
国别省市：