[发明专利]一种基于Canny算法的边缘检测方法

说明书

本发明提出了一种基于Canny算法的边缘检测方法，通过将原始图像灰度化后转变为灰度图像；对灰度图像进行降噪处理得到平滑图像；计算平滑图像的梯度幅值和梯度方向；对平滑图像的梯度幅值进行非极大值抑制得到初始边缘图像；使用最大类间方差法确定初始边缘图像的阈值；再利用局部自适应阈值分割算法等步骤检测初始边缘图像，并得到最终边缘图像。通过改进自适应中值滤波对图像降噪，并利用局部自适应阈值分割算法对图像边缘进行检测，本发明中的算法对噪声的去除效果更好，运行速度更快,得到的图像更加清晰。本发明适用于图像检测领域。

技术领域

本发明涉及数字图像处理领域，具体涉及一种基于Canny算法的边缘检测方法。

背景技术

近年来，随着科技的不断发展，计算机视觉在人们的生活、工业、军事、航天领域、农业上扮演着越来越重要的角色。图像处理技术也处在不断发展日趋完善当中。而边缘检测在图像处理学习中占有着举足轻重的地位。边缘是图像中属性区域的分界，也是灰度发生突变的区域，还是图像最基本的特征。我们在边缘检测中，一般采用灰度图像因为灰度图像的处理结果比较直观。目前，关于边缘检测算法有很多，传统的边缘检测算法如Sobel(可分为检测水平方向和垂直方向的两个算子),Canny,Roberts(利用局部差分的方法寻找的算子),prewitt(边缘细化的算子),Log等等，但是大多数算子都有一定的局限性。Roberts在边缘定位精确度高的同时也易丢失大量边缘信息，不利于边缘提取，并且该算子没有对输入图像进行平滑处理，易受噪声影响。Sobel算子对比其他的算法边缘定位精度不够，Prewitt算子易检测出伪边缘,这两者对灰度渐变低噪声的图像有较好的检测效果,但是对于混合多复杂噪声的图像,处理效果就不理想了。而Log算法对噪声比较敏感。相比较而言，Canny算法由于其优良的边缘检测特性(高准确度和高信噪比)，得到了广泛应用。

但是，经典的Canny算法存在容易受噪声干扰且双阈值选取适应性不强的缺点，国内外的学者就此提出了很多改进方法。例如，段军,张博等人提出了一种采用统计滤波去噪和基于灰度的迭代法计算阈值的边缘检测算法。首先统计滤波并使用均值和方差去噪,避免出现如同高斯函数受噪声干扰的问题,保证图像边缘完整性；其次,使用灰度进行迭代计算确定阈值,改进了传统算法中人工确定的不足,使阈值更加准确,减少伪边缘和信息丢失的情况。例如，徐衍鲁,马燕等人提出了一种改进算法。首先转换图像到HSV颜色空间,提取其中的V分量特征,引入色彩信息,然后采用双边滤波代替高斯滤波来除噪。最后求取图像的横竖边缘进行后续处理。李凌提出了改进的Canny边缘检测算法,该算法采用复合形态滤波取代高斯滤波,降低噪声的影响,保持边缘强度与细节；采用加入了45°和135°方向模板的Sobel算子计算梯度幅值,提高边缘定位效果；根据图像的灰度均值和方差选取阈值,边缘检测更连续。例如，刘素行在Canny边缘检测算法基础上,采用自适应中值滤波进行去噪处理,借鉴Sobel算子的思想,增加45°方向模板和135°方向模板,求有限差分来计算梯度幅值方向；并利用非极大值抑制对图像进行细化,采用Otsu算法计算经梯度幅值运算得到图像的高低阈值。

发明内容

本发明的目的在于提出一种基于Canny算法的边缘检测方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

本发明提出了一种基于Canny的算法构架，首先结合改进自适应中值滤波对图像降噪，从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用局部自适应阈值分割算法对图像边缘进行检测，该改进算法经实验证实，对噪声的去除更好运行速度更快,得到的图像更加清晰。

为了实现上述目的，根据本发明的一方面，本发明提出了一种基于Canny算法的边缘检测方法，包括以下步骤：

步骤1，将原始图像灰度化后转变为灰度图像；

步骤2，对灰度图像进行降噪处理得到平滑图像；

步骤3，计算平滑图像的梯度幅值和梯度方向；