[发明专利]一种基于灰度差值平均的图像边缘检测方法

说明书

技术领域

本发明涉及一种基于灰度差值平均的图像边缘检测方法，属于图像处理与分析领域。

背景技术

图像边缘检测是图像处理与分析中最基础的内容之一，也是至今仍没有得到圆满解决的一类问题。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛地存在于物体与背景之间、物体与物体之间、基元与基元之间。它的存在是灰度不连续造成的。图像的边缘包含了图像的位置、轮廓等特征，是图像的基本特征之一，广泛地应用于图像处理与分析领域。因此，图像边缘的检测方法，一直是图像处理与分析技术中的研究热点。

然而，至今发表的有关边缘检测的理论和方法尚存在许多不足之处，比如在检测精度、去噪和运算时间等方面很难达到令人满意的效果。

经典的roberts算子检测出的边缘图像的水平和竖直边缘比较清晰，但斜线方向容易出现边缘不连续的情况；由于没有采用平滑滤波等相关措施，所以抗噪能力较差。

Prewitt算子的边缘检测效果与sobel相近。因为都对噪声有平滑作用，所以抗噪性能较好；但是检测出的边缘比较粗，定位精度不高，容易出现边缘漏检的情况。

采用拉普拉斯算子的优点是所得图像边缘较细，定位精度较高。但是，这种算法对噪声非常敏感，有时拉普拉斯算子对噪声的影响会大于其对边缘的影响。这是因为拉普拉斯算子采用二次微分，这样会双倍加强噪声的影响。

log算子抗噪性能较好，这是因为该算法采用高斯滤波器对图像进行滤波，有效地抑制了原图像中的噪声，但是单边响应不够好，容易出现孤立点和伪边缘。

若仅考虑边缘检测效果，canny算子作为最佳算子，显然是最好的选择；但在处理较为复杂的图片时，计算量大小成为衡量边缘检测算子优劣的不可忽略的因素。在上述各经典算子中，canny算子的计算量是最大的。

中国专利（申请号：201110079661.4，专利名称：基于平均灰度的距离选通图像有效信息区的提取方法）所述确定背景区平均灰度值方法，是对最大连通背景区域的提取采用形态学的方法；而本发明无需涉及形态学；所述利用先验知识计算初始阈值，利用该初始阈值对原始图像进行有效信息区的提取，根据取得的信息区边缘部分计算出此信息区边缘的平均灰度值，其阈值调整需进行迭代操作；而本发明无需迭代，对整个图像进行一次扫描，响应大于阈值的点则为图像的边缘点，仅通过阀值T便将图像边缘提取出来。

发明内容

本发明的目的就是为了解决上述问题，提供一种基于灰度差值平均的图像边缘检测方法，它具有检测图像边缘和轮廓简单且效果好的优点。

为了实现上述目的，本发明采用如下技术方案：

一种基于灰度差值平均的图像边缘检测方法，主要包括如下步骤：

步骤（1）：开始，读取图像；

步骤（2）：设定灰度阈值；

步骤（3）：图像转换为灰度图像；

步骤（4）：图像滤波；

步骤（5）：读取图像地址；

步骤（6）：计算灰度差值绝对平均值；

步骤（7）：判断灰度差值绝对平均值是否大于阈值，如果是就设定灰度值为255，并进入步骤（8）；如果不是就设定灰度值为0，进入步骤（8）；

步骤（8）：判断图像是否处理完，如果是就进行边缘提取，输出图像边缘；如果不是就将图像地址加一后返回步骤（5）。

所述步骤（4）的图形滤波过程如下：分别用高斯滤波器和中值滤波器对图像进行平滑滤波，有效抑制图像中的椒盐噪声和高斯噪声。

所述步骤（6）的计算灰度差值平均值的具体步骤为：

对平滑滤波后的图像逐点求绝对均值。假设g₀是考虑的点，选用3×3邻域，计算公式如下：

G_i＝|I(g₀)-I(g_i)|

G=Σi=18Gi8]]>