[发明专利]一种基于改进Sobel算子的不规则烟包图像融合边缘检测算法

说明书

本发明公开了一种基于改进Sobel算子的不规则烟包图像融合边缘检测算法，该方法包括步骤：S1，利用形态学平滑算法对不规则烟包图像进行滤波，保留边缘信息并去除噪声；S2，扩展传统Sobel算子垂直与水平两个方向的模板，增加6个方向模板，得到不规则烟包的边缘信息；S3，利用Otsu方法对阈值进行自适应设定；S4，根据改进Sobel算子、Canny算子获取的边缘检测信息进行特征融合，得到最终的融合图像。本发明可以提取更能全面表示不规则烟包的边缘特征。

技术领域

本发明属于不规则烟包图像识别技术领域，特别涉及一种基于改进Sobel 算子的不规则烟包图像融合边缘检测算法。

背景技术

不规则烟包图像的边缘信息是不规则烟包图像识别的重要基础，需要对其 进行边缘信息特征提取，从而对不规则烟包图像进行基于边缘的图像分割，因 此对不规则烟包图像边缘信息检测结果的优劣尤为重要，影响着整个不规则烟 包分拣系统的性能。

不规则烟包图像的边缘检测与后续不规则烟包图像的类型识别有直接关系， 是不规则烟包图像处理与识别的基础。对实际应用场景中的不规则烟包分拣系 统，基于边缘特征信息的图像分割不仅要考虑分割效果，更要保证整个系统性 能的稳定性及鲁棒性。因此提取出最优的不规则烟包图像边缘信息特征是整个 不规则烟包分拣系统中尤为重要的处理过程，同时也是图像处理中的难点之一， 对不规则烟包图像的识别有直接影响。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种在复杂噪声环境下依然 有较好的识别，并且具有较强的鲁棒性的基于改进Sobel算子的不规则烟包图像 融合边缘检测算法。本发明的技术方案如下：

一种基于改进Sobel算子的不规则烟包图像融合边缘检测算法，其包括以下 步骤：

S1、利用形态学平滑算法对不规则烟包图像进行滤波，保留边缘信息并去 除噪声；

S2、利用Otsu方法对阈值进行自适应设定；

S3、采用改进Sobel算子得到不规则烟包的边缘信息，所述改进Sobel算子 主要是：通过扩展传统Sobel算子垂直与水平两个方向的模板，增加6个方向模 板；

S4、将根据改进Sobel算子和Canny算子边缘检测算法获取的边缘检测信 息进行特征融合，得到最终的融合图像。

进一步的，所述步骤S1形态学平滑算法对不规则烟包图像进行滤波的具体 步骤为：

S11：采用形态学中的开运算处理，设结构元素为s₁，定义开运算操作为：

式中，F不规则烟包图像的集合，表示开运算操作，s表示结构元素，Θ表示图 像F被结构元素s腐蚀，表示结构元素对图像F的膨胀。

S12：采用形态学中的闭运算处理，设结构元素为s₂，定义闭运算操作为：

式中，F不规则烟包图像的集合，·表示闭运算操作，s表示结构元素，Θ表示图 像F被结构元素s腐蚀，表示结构元素对图像F的膨胀。

进一步的，所述步骤S2，利用Otsu方法对阈值进行自适应设定，具体步骤 为：首先，得到图像的灰度直方图，然后计算目标与背景的方差，最后取方差 最大值，作为最佳阈值。

进一步的，所述步骤S3对传统Sobel算子进行扩展，增加6个方向的模板的 具体步骤为：

S31：边界是亮度级的梯度变化，边缘是梯度变化的位置，用梯度向量的大 小和方向来表述这种变化。边缘用梯度向量的大小和方向来表述这种变化。

梯度算子是一阶导数算子。图像f(x,y)在位置(i,j)的梯度定义为下列矢量：