一种基于改进的Canny算子的亚像素边缘提取方法技术

本发明专利技术涉及计算机图像处理技术领域，公开了一种基于改进的Canny算子的亚像素边缘提取方法，对图像进行预处理；使用Sobel边缘差分算子计算预处理后图像的像素梯度和幅值；根据梯度和幅值对像素进行非极大值抑制，得到新的梯度矩阵G

【技术实现步骤摘要】
一种基于改进的Canny算子的亚像素边缘提取方法


[0001]本专利技术涉及计算机图像处理
，具体涉及一种基于改进的Canny算子的亚像素边缘提取方法。

技术介绍

[0002]图像的边缘特征是图像最基本的特征之一，边缘存在于图像的不规则结构和不平稳现象中，也存在于信号的突变点处，这些点给出了图像轮廓的位置。图像的边缘特征提取属于计算机视觉中最基本的问题，边缘检测能够大幅度减少数据量，并且剔除不相关的信息，保留图像重要的结构属性。随着计算机视觉和模式识别技术的发展，传统像素级已经无法满足实际应用中的需求，因此亚像素边缘检测的发展可以得到更高的精确度。
[0003]亚像素边缘检测是将像素进行细分，通过计算，能将图像边缘定位非整数像素位置。常用的亚像素边缘检测的方法有：基于矩的亚像素边缘检测、基于拟合的亚像素边缘检测、基于插值的亚像素边缘检测。矩的方法不受图像的尺寸和旋转角度的干扰，但是，计算时间长。拟合法的抗扰性强，所检出的边缘点位置较准确，但在抗干扰和检测出复杂形状的边缘之间存在较尖锐的矛盾。同时，为了提高精度和抗干扰能力，拟合需要的点较多，使得计算变得复杂。插值的方法检测精度较高，计算也较拟合的方法简单。但是，插值的检测精度易受到噪声的影响。

技术实现思路

[0004]专利技术目的：针对现有技术中存在的问题，本专利技术提供一种基于改进的Canny算子的亚像素边缘提取方法，利用牛顿多项式插值和Herminte插值实现高进度亚像素边缘检测。
[0005]技术方案：本专利技术提供了一种基于改进的Canny算子的亚像素边缘提取方法，包括如下步骤：
[0006]步骤1：对图像进行灰度化、直方图均衡化以及高斯滤波等图像预处理；
[0007]步骤2：使用Sobel边缘差分算子计算预处理后图像的像素梯度和幅值；
[0008]步骤3：根据梯度和幅值对像素进行非极大值抑制，得到新的梯度矩阵G
’
；
[0009]步骤4：利用OTSU求类间方差的最大值作为高阈值，低阈值为高阈值的二分之一，并根据所取高阈值和低阈值，对步骤3中梯度矩阵G
’
进行双阈值处理；
[0010]步骤5：以待检测像素点为中心选取9*9窗口，对步骤2窗口中边缘梯度方向两端的4个点分别进行牛顿多项式插值，计算新的插值点；
[0011]步骤6：利用所述步骤5得到的新的插值点和原中心像素点进行三次Herminte插值，求取Herminte插值函数的二阶导数，计算其零点，所得的点即为亚像素边缘点。
[0012]进一步地，所述步骤1的具体步骤为：
[0013]步骤1.1：利用彩色图像转灰度化公式对原始图像进行灰度化操作；
[0014]步骤1.2：对灰度图采用直方图均衡化进行图像增强，设图像中像素点总数为n，共有l个灰度级，则第a个灰度级出现的概率P
r
(r
a
)为：
[0015][0016]式中：n
a
表示灰度级为a的像素点总数，直方图均衡化后灰度级为a的像素点总数s
a
表示为：
[0017][0018]步骤1.3：利用二维高斯滤波器对灰度图像进行滤波操作，二维高斯滤波函数如下：
[0019][0020]通过对高斯滤波器对原始灰度图像g(x,y)进行卷积，得到滤波后的图像h(x,y)。
[0021]进一步地，所述步骤1.3在滤波过程中，取模板为5*5时，高斯模板为：
[0022][0023]进一步地，所述步骤2的具体方法为：
[0024]步骤2.1：利用Sobel算子分别计算像素点的垂直和水平方向梯度值，所述Sobel算子为：
[0025][0026]计算水平和垂直方向的梯度值公式如下：
[0027]G
x
(x,y)＝{[g(x
‑
1,y+1)+2g(x,y+1)+g(x+1,y+1)]‑
[g(x
‑
1,y
‑
1)+2g(x,y
‑
1)+g(x+1,y
‑
1)]}
[0028]G
y
(x,y)＝{[g(x
‑
1,y
‑
1)+2g(x
‑
1,y)+g(x
‑
1,y+1)]‑
[g(x+1,y
‑
1)+2g(x+1,y)+g(x+1,y+1)]}
[0029]步骤2.2：则当前像素点灰度值的梯度赋值G(x,y)和梯度角度θ(x,y)分别为：
[0030][0031]θ(x,y)＝arctan[G
y
(x,y)/G
x
(x,y)]。
[0032]进一步地，所述步骤3中对像素进行非极大值抑制的具体方法为：
[0033]步骤3.1：对于梯度幅值图像上点(x,y)，与其周围像素点组成3*3矩阵，矩阵元素如下：
[0034][0035]步骤3.2：判断该点是否可能为边缘点，其条件如下：
[0036][0037]步骤3.2：当K(x,y)满足上述条件时，证明该点为邻域中的极大值，保留其值，当不满足条件时，将其赋为0，对整幅图像像素进行遍历后，完成对非极大值的抑制，得到新的梯度矩阵G
’
。
[0038]进一步地，所述步骤4中具体方法为：
[0039]步骤4.1：在长宽为W*H的灰度图像中的某一点的灰度值为f(x,y)，其取值范围为[0,H]，灰度值为k的像素点出现的概率为：
[0040][0041]步骤4.2：设阈值大小为T，(0<T<H
‑
1)，把图像分割为两部分，第一部分占图像比例为：第二部分占整个图像的比例为：第一部分灰度均值为：第二部分灰度均值为：整个图像灰度均值为：δ＝λ0(T)δ0(T)+λ1(T)δ1(T)
[0042]两部分之间的类间方差为：
[0043]步骤4.3：对T的所有取值求类间方差，当类间方差g(T)取最大值时对应的T即为最佳阈值，记为T0，即高阈值T
H
＝T0，低阈值T
D
＝0.5T0；
[0044]步骤4.4：对于所述步骤3中梯度矩阵G
’
中任意一点G
’
(x,y)，大于高阈值时直接取1，小于低阈值时取0；
[0045]步骤4.5：当G
’
(x,y)取值为高低阈值之间时，
[0046][0047]进一步地，所述步骤5中对9*9窗口内中心像素(x0,y0)梯度两端的4个点分别进行牛顿多项式插值，若已知4个插值点(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)，则牛顿多项式的插值结果如下所示：
[0048]N(x)＝f[x0]+f[x0,x1](x
‑
x0)+f[x0,x本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的Canny算子的亚像素边缘提取方法，其特征在于，包括如下步骤：步骤1：对图像进行灰度化、直方图均衡化以及高斯滤波等图像预处理；步骤2：使用Sobel边缘差分算子计算预处理后图像的像素梯度和幅值；步骤3：根据梯度和幅值对像素进行非极大值抑制，得到新的梯度矩阵G
’
；步骤4：利用OTSU求类间方差的最大值作为高阈值，低阈值为高阈值的二分之一，并根据所取高阈值和低阈值，对步骤3中梯度矩阵G
’
进行双阈值处理；步骤5：以待检测像素点为中心选取9*9窗口，对步骤2窗口中边缘梯度方向两端的4个点分别进行牛顿多项式插值，计算新的插值点；步骤6：利用所述步骤5得到的新的插值点和原中心像素点进行三次Herminte插值，求取Herminte插值函数的二阶导数，计算其零点，所得的点即为亚像素边缘点。2.根据权利要求1所述的基于改进的Canny算子的亚像素边缘提取方法，其特征在于，所述步骤1的具体步骤为：步骤1.1：利用彩色图像转灰度化公式对原始图像进行灰度化操作；步骤1.2：对灰度图采用直方图均衡化进行图像增强，设图像中像素点总数为n，共有l个灰度级，则第a个灰度级出现的概率P
r
(r
a
)为：式中：n
a
表示灰度级为a的像素点总数，直方图均衡化后灰度级为a的像素点总数s
a
表示为：步骤1.3：利用二维高斯滤波器对灰度图像进行滤波操作，二维高斯滤波函数如下：通过对高斯滤波器对原始灰度图像g(x,y)进行卷积，得到滤波后的图像h(x,y)。3.根据权利要求1所述的基于改进的Canny算子的亚像素边缘提取方法，其特征在于，所述步骤1.3在滤波过程中，取模板为5*5时，高斯模板为：4.根据权利要求1所述的基于改进的Canny算子的亚像素边缘提取方法，其特征在于，所述步骤2的具体方法为：步骤2.1：利用Sobel算子分别计算像素点的垂直和水平方向梯度值，所述Sobel算子为：
计算水平和垂直方向的梯度值公式如下：G
x
(x,y)＝{[g(x
‑
1,y+1)+2g(x,y+1)+g(x+1,y+1)]
‑
[g(x
‑
1,y
‑
1)+2g(x,y
‑
1)+g(x+1,y
‑
1)]}G
y
(x,y)＝{[g(x
‑
1,y
‑
1)+2g(x
‑
1,y)+g(x
‑
1,y+1)]
‑
[g(x+1,y
‑
1)+2g(x+1,y)+g(x+1,y+1)]}步骤2.2：则当前像素点灰度值的梯度赋值G(x,y)和梯度角度θ(x,y)分别为：θ(x,y)＝arctan[G
y
(x,y)/G
x
(x,y)]。5.根据权利要求1所述的基于改进的Canny算子的亚像素边缘提取方法，其特征在于...

【专利技术属性】
技术研发人员：陈晓兵，徐谦，左兴元，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：