[发明专利]图像边缘检测方法和装置

说明书

技术领域

本发明涉及数字图像处理领域，特别地，涉及一种图像边缘检测方法和装置。 

背景技术

图像处理时常用于将待识别物体从背景中分离出来，如从路面中识别汽车、从纸上提取文字、从传送带上识别工件等等。这几个场景有一些共同特点：背景由于本身及光线等原因，具有一定浅纹理或不均匀，同时前景与背景在边缘上的差异比较明显，并且在固定的应用场景中，背景本身基本上是不变的。对于此类问题，通常使用边缘检测的方法。 

Canny提出的一种边缘检测方法对图像中的边缘有着良好的检测效果，却又不易受噪声与琐碎纹理的干扰。目前的数字图像处理装置采用Canny算子边缘检测方法对上述图像进行边缘检测，具体步骤包括： 

S1、用高斯滤波器平滑图像；

S2、用一阶偏导有限差分计算梯度方向和幅值；

S3、对梯度幅值进行非最大值抑制；

S4、用双阈值算法检测和连接边缘。

Canny算子中具有三个可调参数（σ，β，α），其中，σ代表高斯滤波器的标准方差、β代表梯度模值的低阈值、α代表梯度模值的高阈值。因上述三个参数可调，所以Canny算子灵活性很高，可以根据不同情况进行适当调节，以得到最佳的边缘检测效果。 

参照图1，示出了现有技术利用不同参数下Canny算子对同一图像Lena进行边缘检测所得到的效果。其中，a图对应的三个参数（σ，β，α）为：(0.3, 0.6, 0.8)；b图的（σ，β，α）为(0.6, 0.6, 0.8)；c图的（σ，β，α）为(0.3, 0.9, 0.8)；d图的（σ，β，α）为(0.3, 0.6, 0.9)。从图1可知，Canny算子中任何一个参数的改变，都会得到不同的边缘检测效果。 

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：虽然Canny算子因为其灵活性对大多数图像都有着非常良好的效果，但却也存在着一个较大的不足之处：Canny算子参数均需要人为调节，导致无法实现图像边缘的自动化检测。 

总之，需要本领域技术人员迫切解决的一个技术问题就是：如何能够利用Canny算子实现图像边缘的自动化检测。 

发明内容

本发明所要解决的技术问题是提供一种图像边缘检测方法和装置，能够利用Canny算子实现对图像边缘的自动化检测。 

为了解决上述问题，一方面提供了一种图像边缘检测方法，包括：提取待测图像的纹理特征量；根据所述纹理特征量与Canny算子参数的映射关系确定所述Canny算子参数；利用Canny算子对所述待测图像进行边缘检测。 

优选的，所述图像的纹理特征量具体为：图像灰度值直方图的熵值，其计算公式为： 

其中，代表直方图的熵值， 为图像归一化的直方图，z代表灰度值i的随机变量，其中。

优选的，所述Canny算子参数为：梯度模值的高阈值。 

优选的，根据所述纹理特征量与Canny算子参数的映射关系近似满足双曲正切函数： 

其中，对应，代表归一化的高阈值；对应直方图的熵值s；a、b为待确定参数，由所述待测图像的训练集确定。

优选的，所述步骤：根据所述纹理特征量与Canny算子参数的映射关系确定所述Canny算子参数，具体包括：从所述待测图像中抽取部分图像作为训练集；采用Canny算子对所述训练集中的图像进行边缘检测，获得各图像的高阈值；计算归一化的高阈值；确定所述双曲正切函数的参数a、b。 

优选的，所述步骤：利用Canny算子对所述待测图像进行边缘检测，具体为：将剩余待测图像的直方图的熵值代入所述双曲正切函数，获得对应的Canny算子参数；利用所述Canny算子参数确定的Canny算子对所述剩余待测图像进行边缘检测。 

优选的，所述图像的纹理特征量为图像灰度值直方图的统计矩或像素点灰度值的一致性。 

优选的，所述纹理特征量与Canny算子参数的映射关系为：由经验值确定的曲线图或表格。