[发明专利]基于邻域离散度的图像边缘检测方法

权利要求书

1.一种基于邻域离散度的图像边缘检测方法，其特征在于，按照以下步骤实施：

步骤1)将原始的彩色图像转换为单通道的八位灰度图像，该八位灰度图像的灰度级在0-255之间；

步骤2)求该八位灰度图像的离散度系数矩阵M，该离散度系数矩阵M的维度大小与原始图像的大小一致，

设置针对灰度图像的采样模板，z_i为采样模板内各个像点的灰度值，使用该采样模板从图像的第一行第一列开始逐列逐行移动，分别计算每一个像点的平均偏差并将其保存在离散度系数矩阵M中的对应位置，计算方式参考式(1)和式(2)：

在式(1)、式(2)中，n为采样模板中的像点个数且1≤i≤n；u为模板内的灰度平均值，round函数是进行四舍五入的取整运算，theta为采样模板的平均偏差；

步骤3)对离散度系数矩阵M执行水平方向细化操作，进行水平方向细化操作时，分别从行的两头开始向中间聚拢只保留局部最大值，细化结果保存在矩阵M_h中，该矩阵M_h的维度与离散度系数矩阵M一致；对离散度系数矩阵M进行行扫描，遇到行内局部最大值时则令该点相对应在矩阵M_h的点值为1，其他值均置0；

步骤4)对离散度系数矩阵M执行垂直方向细化操作，进行垂直方向细化操作时，分别从列的两头开始向中间聚拢只保留局部最大值，细化结果保存在矩阵M_v中，该矩阵M_v的维度与离散度系数矩阵M一致；对离散度系数矩阵M进行列扫描，遇到列内局部最大值时则令该点相对应在矩阵M_v的点值为1，其他值均置0；

步骤5)合并矩阵M_h与矩阵M_v，将该两个矩阵中所有为1的点合并，得到粗略的细化边缘矩阵O；

步骤6)将细化边缘矩阵O依照方向梯度对图像轮廓进行精确处理以及冗余信息滤除，

计算方向梯度时，以该像点为中心采样并且采用新的采样模板，z′_i为新的采样模板内各个像点的灰度值，i设置为1-9，方向梯度包括水平方向梯度、45度方向梯度、垂直方向梯度及135度方向梯度，依次计算四个方向梯度的梯度值g₁、g₂、g₃、g₄，参照下式(3)-式(6)：

g₂＝|z′₆-z′₈|+|z′₃-z′₇|+|z′₂-z′₄| (4)

g₄＝|z′₂-z′₆|+|z′₁-z′₉|+|z′₄-z′₈| (6)

该四个方向梯度中数值最大的一个梯度值能够认为指示了边缘的走向趋势，再根据该走向趋势的方向滤除多余的信息或修补断点，得到轮廓矩阵，最终通过轮廓矩阵转换得到二值边缘图像。

2.根据权利要求1所述的基于邻域离散度的图像边缘检测方法，其特征在于：所述的步骤2)中，设置为针对灰度图像2×2的采样模板。

3.根据权利要求1所述的基于邻域离散度的图像边缘检测方法，其特征在于：所述的步骤6)中，设置为针对灰度图像3×3的采样模板。