[发明专利]一种基于阈值分割的图像边缘检测方法

说明书

技术领域

本发明属于图像处理领域，涉及一种边缘检测方法，特别涉及一种基于阈值分割的图像边缘检测方法。

背景技术

图像阈值分割是一种广泛使用的图像分割技术。这种方法首先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素划分为两类：像素的灰度值大于阈值的为一类，像素的灰度值小于阈值的为另一类，这两类像素一般分属于图像中的目标和背景两类区域，所以对像素根据阈值进行分类就起到了区域分割的作用。

基于阈值的分割又是图像分割的最基本的难题之一，其难点在于阈值的选取。阈值选择的恰当与否对分割的效果起着决定性的作用。

在经典的图像阈值法中，通常都是取一个阈值，简单的把图像分割为背景和目标两部分，对于直方图分布为两个尖峰的情况，分割的效果很好，而对于复杂的图像就不一定取得良好的效果。改进的单阈值方法有大津法(Otsu)，二维大津法等。其中，大津法是一种搜寻最佳阈值的方法，对大津法可作如下理解：该方式实际上就是使类间方差值最大，阈值分割出的前景和背景两部分构成了整幅图像。方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标时，都会导致两部分差别变小，因此，使类间方差最大的分割意味着错分概率最小。这样计算出的阈值可以将目标和背景最大程度地分割出来，但该方法对于图像中存在多个灰度分布目标的情况，就不能达到理想的效果。

针对上面的问题，有人提出了多阈值法，它根据直方图的分布将图像分为多个目标和背景，从而设置多个阈值将它们分别区分出来。还有局部区块的阈值分割方法，它将整幅图像均匀的分割为多个区域，分别统计出每个区域内的直方图，并对于每个区块给出它自己的阈值。该方法考虑区域灰度值分布的差异，给不同的区块设置不同的阈值，在一定程度上，解决了单阈值分割的缺点，但容易产生“块效应”。

以上方法对于一幅包含复杂信息的图像，都很难通过一个或数个阈值将图像中的信息都提取出来。这就需要一种对于图像中每个像素都取一个阈值的算法来对图像信息进行提取。

发明内容

本发明的目的是提供一种基于阈值分割的图像边缘检测方法，利用结构元素块对图像逐点取邻域，统计出每个像素邻域内像素灰度值的均值和方差，对于图像中一个像素，将该邻域的像素灰度值均值作为该点阈值，并引入该点邻域内像素灰度值方差作为附加判断条件，从而将图像的边缘提取出来，实现综合考虑区域信息的全局二值化。该算法可以有效地抑制噪声对分割效果的影响，实现边缘的准确分割，并可以根据各种需要进行参数设置从而得到不同效果的目标轮廓。

一种基于阈值分割的图像边缘检测方法，包括以下步骤：

步骤1：对图像进行预处理，将图像中灰度最高的一部分像素点去掉，并进行灰度拉伸，将现有像素灰度值尽量均匀分布到0～255的范围内；

步骤2：用块状结构元素来统计图像中的一个像素点的邻域内像素灰度值的均值和方差；

步骤3：利用目标像素点和背景像素点分布的概率密度函数，根据概率密度函数公式分别求出将背景点当作目标点进行分类时错误发生的概率和目标点当作背景点进行分类时错误发生的概率，进而由混合概率密度函数定义求出该点出错的整体概率公式；

步骤4：根据该点出错的整体概率公式，对由高斯密度公式推导出的关于邻域内像素灰度值均值的方程进行求解，得到每个像素点的邻域像素的灰度均值作为该点的阈值；

步骤5：用当前像素点的灰度值与所述阈值比较，如果灰度值小于其邻域内的像素灰度值的平均值，并且邻域内像素灰度值的方差大于一个既定的值，把该点定义为边界点，否则就属于背景部分，然后转到下一个像素点，返回步骤2，直至图像中的点都扫描完毕。

所述步骤2中的块状结构元素中最多包含目标和背景两个灰度级区域。

所述步骤2中结构元素尺寸越大，提取出的边缘信息越多，边缘也就越粗，边缘的内侧和外侧中有一侧是准确的，并且不准确的一侧随着结构元素尺寸的增大沿灰度值分布由高到低的方向生长，同时运算时间也随着结构元素尺寸变大而变长。

所述步骤4的高斯密度公式中，目标像素点的高斯密度的方差与背景像素点的高斯密度方差相同。

所述步骤4每个像素点中，背景像素点和目标像素点出现的概率相同。