[发明专利]一种基于softmax函数的图像边缘提取方法及系统

说明书

本申请公开了一种基于softmax函数的图像边缘提取方法及系统，该方法包括：步骤1，读取原始图像A，获得图像的最大行数m及最大列数n；步骤2对位于图像中间则进行如下3×3邻域操作，进行如下的循环操作：其中A(i，j)为中心像素，Y_s为A(i，j)在当前3×3模块中的8邻域；步骤3得到初始的图像边缘V，对初始边缘V进行二值化处理，高于阈值的赋值1，低于阈值的赋值0，得到二值化的黑白边缘图像；步骤4对二值边缘图像进行联结像素数搜索，若联结像素数小于阈值判断为噪点，从边缘图中删除；步骤5得到最终的图像边缘。本申请的技术方案能得到较清晰完整的边缘。

技术领域

本发明涉及图像处理领域，尤其涉及图像边缘提取方法及系统。

背景技术

在数字图像处理技术中，边缘的检测与提取技术也是极为重要的组成部部分。同时在生物医疗、计算机视觉、机器学习、模式识别等诸多领域中，边缘检测都是一个重要的研究课题。

根据边缘检测方法的特点，可以将其大致分为两类。一类是通过一阶导数得到图像的梯度，一阶导数边缘检测方法包括Sobel算子、Prewitt算子、Roberts算子、Krisch算子等。第二类是利用二阶导数求出零交叉点或极值的位置来确定边缘，这种边缘检测器最常见的例子是Laplacian算子和Log算子。此外，还有引入了统计学、形态学、遗传学、多尺度、模糊数学、神经网络、量子力学等概念和技术来对边缘检测方法进行改进的研究。

在这诸多边缘检测方法中，1986年Canny提出的边缘检测方法是目前理论上相对最完善的一种边缘检测方法。

常见的一阶微分算子有Sobel算子、Prewitt算子、Roberts算子、Krisch算子等。这些一阶微分算子都是通过给定模板来近似计算图像各像素点梯度，主要区别也是在于模板的不同。

使用一阶微分算子的优点就是计算比较简单，缺点则是对噪声敏感，边缘检测的结果易受噪声的影响，尤其是脉冲噪声。

发明内容

本申请提供了基于高斯函数的图像图像边缘提取方法及系统，以得到图像较清晰完整的边缘，而且具备良好的抗噪能力。

类似于一阶微分算子，本方法也采用模板来求初步的图像边缘，但模板的系数是自适应的，不是固定的，在3x3模块中：

其中X为中间像素，Y_i为X的8个邻域，δ²的为当前3X3块中的像素方差。

在得到初步边缘后，对低于阈值的像素点置零，高于阈值置1，得到黑白的边缘图V。

最后对得到的二值化边缘图V实施bwareaopen(V，erse_size)，主要是擦除孤立点和过于零碎的线条，得到最终的图像边缘

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为待提取边缘的原图，图2为应用本申请系统所提取到的边缘图；

具体实施方式

如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。