【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 ...
【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...
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。