一种基于Canny算法的边缘检测方法技术

本发明专利技术提出了一种基于Canny算法的边缘检测方法，通过将原始图像灰度化后转变为灰度图像；对灰度图像进行降噪处理得到平滑图像；计算平滑图像的梯度幅值和梯度方向；对平滑图像的梯度幅值进行非极大值抑制得到初始边缘图像；使用最大类间方差法确定初始边缘图像的阈值；再利用局部自适应阈值分割算法等步骤检测初始边缘图像，并得到最终边缘图像。通过改进自适应中值滤波对图像降噪，并利用局部自适应阈值分割算法对图像边缘进行检测，本发明专利技术中的算法对噪声的去除效果更好，运行速度更快,得到的图像更加清晰。本发明专利技术适用于图像检测领域。

【技术实现步骤摘要】
一种基于Canny算法的边缘检测方法
本专利技术涉及数字图像处理领域，具体涉及一种基于Canny算法的边缘检测方法。
技术介绍
近年来，随着科技的不断发展，计算机视觉在人们的生活、工业、军事、航天领域、农业上扮演着越来越重要的角色。图像处理技术也处在不断发展日趋完善当中。而边缘检测在图像处理学习中占有着举足轻重的地位。边缘是图像中属性区域的分界，也是灰度发生突变的区域，还是图像最基本的特征。我们在边缘检测中，一般采用灰度图像因为灰度图像的处理结果比较直观。目前，关于边缘检测算法有很多，传统的边缘检测算法如Sobel(可分为检测水平方向和垂直方向的两个算子),Canny,Roberts(利用局部差分的方法寻找的算子),prewitt(边缘细化的算子),Log等等，但是大多数算子都有一定的局限性。Roberts在边缘定位精确度高的同时也易丢失大量边缘信息，不利于边缘提取，并且该算子没有对输入图像进行平滑处理，易受噪声影响。Sobel算子对比其他的算法边缘定位精度不够，Prewitt算子易检测出伪边缘,这两者对灰度渐变低噪声的图像有较好的检测效果,但是对于混合多复杂噪声的图像,处理效果就不理想了。而Log算法对噪声比较敏感。相比较而言，Canny算法由于其优良的边缘检测特性(高准确度和高信噪比)，得到了广泛应用。但是，经典的Canny算法存在容易受噪声干扰且双阈值选取适应性不强的缺点，国内外的学者就此提出了很多改进方法。例如，段军,张博等人提出了一种采用统计滤波去噪和基于灰度的迭代法计算阈值的边缘检测算法。首先统计滤波并使用均值和方差去噪,避免出现如同高斯函数受噪声干扰的问题,保证图像边缘完整性；其次,使用灰度进行迭代计算确定阈值,改进了传统算法中人工确定的不足,使阈值更加准确,减少伪边缘和信息丢失的情况。例如，徐衍鲁,马燕等人提出了一种改进算法。首先转换图像到HSV颜色空间,提取其中的V分量特征,引入色彩信息,然后采用双边滤波代替高斯滤波来除噪。最后求取图像的横竖边缘进行后续处理。李凌提出了改进的Canny边缘检测算法,该算法采用复合形态滤波取代高斯滤波,降低噪声的影响,保持边缘强度与细节；采用加入了45°和135°方向模板的Sobel算子计算梯度幅值,提高边缘定位效果；根据图像的灰度均值和方差选取阈值,边缘检测更连续。例如，刘素行在Canny边缘检测算法基础上,采用自适应中值滤波进行去噪处理,借鉴Sobel算子的思想,增加45°方向模板和135°方向模板,求有限差分来计算梯度幅值方向；并利用非极大值抑制对图像进行细化,采用Otsu算法计算经梯度幅值运算得到图像的高低阈值。
技术实现思路
本专利技术的目的在于提出一种基于Canny算法的边缘检测方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。本专利技术提出了一种基于Canny的算法构架，首先结合改进自适应中值滤波对图像降噪，从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用局部自适应阈值分割算法对图像边缘进行检测，该改进算法经实验证实，对噪声的去除更好运行速度更快,得到的图像更加清晰。为了实现上述目的，根据本专利技术的一方面，本专利技术提出了一种基于Canny算法的边缘检测方法，包括以下步骤：步骤1，将原始图像灰度化后转变为灰度图像；步骤2，对灰度图像进行降噪处理得到平滑图像；步骤3，计算平滑图像的梯度幅值和梯度方向；步骤4，对平滑图像的梯度幅值进行非极大值抑制得到初始边缘图像；步骤5，通过最大类间方差法确定初始边缘图像的阈值；步骤6，利用阈值通过局部自适应阈值分割算法检测初始边缘图像，并得到最终边缘图像。具体的，在步骤2中，对灰度图像进行降噪处理得到平滑图像的方法的具体步骤如下：步骤2.1：设置一个初始的滤波半径为1的滤波窗口，灰度图像大小为M×N，M和N为灰度图像的像素矩阵的长和宽，将滤波窗口中的像素作为待处理像素；通过滤波窗口对灰度图像进行降噪处理；步骤2.2：计算滤波窗口中的待处理像素的灰度值：如果所有待处理像素的灰度值在(0，255)范围内,则判断所有待处理像素都不是椒盐噪声并保持原值输出,移动滤波窗口到下一个位置，重复步骤2.2；如果所有待处理像素的灰度值都等于0或者所有待处理像素的灰度值都等于255，则判断所有待处理像素都是椒盐噪声并转到步骤2.3；如果不是所有待处理像素的灰度值都在(0，255)范围内，则去掉灰度值等于0与灰度值等于255的待处理像素，计算滤波窗口中其余待处理像素的灰度中值，输出灰度中值，同时将滤波窗口的滤波半径增加1并转到步骤2.3，所述其余待处理像素为待处理像素除去椒盐噪声以外的所有像素；步骤2.3：使用滤波窗口重复步骤2.2，当遍历完全部灰度图像的像素时得到平滑图像。具体的，在步骤4中，对平滑图像的梯度幅值进行非极大值抑制得到初始边缘图像的方法的步骤为：步骤4.1：检测平滑图像中每一个像素点的梯度幅值和梯度方向；步骤4.2：保留相同梯度方向具有最大梯度幅值的像素点的梯度幅值，并将相同梯度方向的其它像素点的梯度幅值置0，最后得到初始边缘图像。具体的，在步骤6中，利用局部自适应阈值分割算法检测初始边缘图像，并得到最终边缘图像的方法为：步骤6.1：设定步骤5中得到的初始边缘图像的阈值为T；步骤6.2：设置一个局部自适应阈值分割算法的移动小窗口；步骤6.3：计算局部自适应阈值分割算法的移动小窗口中所有像素点的像素值之和，比较像素值之和与初始边缘图像的阈值的大小：如果像素之和大于或等于初始边缘图像的阈值，则设置局部自适应阈值分割算法的移动小窗口中间的像素点的像素值为1；如果像素之和小于初始边缘图像的阈值，则设置局部自适应阈值分割算法的移动小窗口中间的像素点的像素值为0；步骤6.4：使用局部自适应阈值分隔算法的移动小窗口遍历初始边缘图像，得到最终边缘图像。具体的，在步骤2中，采用梯度幅值算子Hx和梯度方向算子Hy计算平滑图像的梯度幅值和梯度方向，所述梯度幅值算子Hx为式(1)、梯度方向算子Hx为式(2)：进一步的，所述滤波窗口的半径最小值为1，最大值为M和N中的较小值，且滤波窗口的半径为整数。本专利技术的有益效果为：本专利技术提供了一种基于Canny算法的边缘检测方法，在保护图像细节的同时对不同密度的椒盐噪声图像均有较好的去噪效果，经实验证实，该改进算法对噪声的去除效果更好，运行速度更快,得到的图像更加清晰。附图说明通过对结合附图所示出的实施方式进行详细说明，本专利技术的上述以及其他特征将更加明显，本专利技术附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：图1为本实施例中的基于Canny算法的边缘检测方法的流程图；本文档来自技高网...

【技术保护点】
1.一种基于Canny算法的边缘检测方法，其特征在于，所述方法包括以下步骤：/n步骤1，将原始图像灰度化后转变为灰度图像；/n步骤2，对灰度图像进行降噪处理得到平滑图像；/n步骤3，计算平滑图像的梯度幅值和梯度方向；/n步骤4，对平滑图像的梯度幅值进行非极大值抑制得到初始边缘图像；/n步骤5，通过最大类间方差法确定初始边缘图像的阈值；/n步骤6，利用阈值通过局部自适应阈值分割算法检测初始边缘图像，并得到最终边缘图像。/n

【技术特征摘要】
1.一种基于Canny算法的边缘检测方法，其特征在于，所述方法包括以下步骤：
步骤1，将原始图像灰度化后转变为灰度图像；
步骤2，对灰度图像进行降噪处理得到平滑图像；
步骤3，计算平滑图像的梯度幅值和梯度方向；
步骤4，对平滑图像的梯度幅值进行非极大值抑制得到初始边缘图像；
步骤5，通过最大类间方差法确定初始边缘图像的阈值；
步骤6，利用阈值通过局部自适应阈值分割算法检测初始边缘图像，并得到最终边缘图像。


2.根据权利要求1所述的一种基于Canny算法的边缘检测方法，其特征在于，在步骤2中，对灰度图像进行降噪处理得到平滑图像的方法的具体步骤如下：
步骤2.1：设置一个初始的滤波半径为1的滤波窗口，灰度图像大小为M×N，M和N为灰度图像的像素矩阵的长和宽，将滤波窗口中的像素作为待处理像素；通过滤波窗口对灰度图像进行降噪处理；
步骤2.2：计算滤波窗口中的待处理像素的灰度值：
如果所有待处理像素的灰度值在(0，255)范围内,则判断所有待处理像素都不是椒盐噪声并保持原值输出,移动滤波窗口到下一个位置，重复步骤2.2；
如果所有待处理像素的灰度值都等于0或者所有待处理像素的灰度值都等于255，则判断所有待处理像素都是椒盐噪声并转到步骤2.3；
如果不是所有待处理像素的灰度值都在(0，255)范围内，则去掉灰度值等于0与灰度值等于255的待处理像素，计算滤波窗口中其余待处理像素的灰度中值，输出灰度中值，同时将滤波窗口的滤波半径增加1并转到步骤2.3，所述其余待处理像素为待处理像素除去椒盐噪声以外的所有像素；
步骤2.3：使用滤波窗口重复步骤2.2，当遍历完全部灰度图像的像素时得到平滑图像。


3.根据权利要求1所述的一种基于Canny算法的边缘检...

【专利技术属性】
技术研发人员：张宁，张彩霞，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44