[发明专利]多边窗协同滤波的边缘检测算法

权利要求书

1.多边窗协同滤波的边缘检测算法，其特征在于，算法流程如下步骤：

步骤一：对于输入图像进行灰度化操作，平均化操作主要分为分量法、最大值法、平均值法和加权平均法，其计算公式如下:

Gray(i,j)＝random(R(i,j),G(i,j),B(i,j))......分量

Gray(i,j)＝max{R(i,j),G(i,j),B(i,j)}...........最大值

Gray(i,j)＝(R(i,j),G(i,j),B(i,j))/3..............平均值

Gray(i,j)＝w_rR(i,j)+w_GG(i,j),+w_BB(i,j))...加权平均

其中，Gray(i,j)代表像素点(i,j)的灰度值结果，R(i,j),G(i,j),B(i,j)分别代表像素点(i,j)在彩色图片三通道(红、绿、黄)上的数值，w_r,w_G,w_B分别代表三通道计算的阈值；

步骤二：利用边窗高斯滤波算法进行图像平滑，其主要计算公式为：

I(x,y)＝Gray(i,j)*G(x,y)，其中I(x,y)代表像素点(i,j)的平滑计算结果，G(x,y)为高斯滤波函数；

步骤三：计算图像的梯度幅值和方向；

步骤四：利用梯度对图像进行非极大值抑制计算获取图像，假设灰度图中的一个像素为c的，在其梯度方向上的邻居点为d₁和d₂，非极大抑制的计算规则为:

if c≥d₁ and c≥d₂:

c may be an edge

else

c should be suppressed

其中，假设邻居点d_i的横向邻居s_i1和s_i2的振幅分别M(s_i1)和M(s_i2)，d_i与s_i1和s_i2的欧氏距离分别为l_i-1和l_i-2，则d_i的振幅M(d_i)计算公式为：

步骤五：通过双阈值连接图像。

2.根据权利要求1所述的多边窗协同滤波的边缘检测算法，其特征在于，所述步骤二中边窗高斯滤波算法的主要特征为：假设像素i为待处理像素，像素j为其邻接像素。规定ω_ij为像素j基于侧窗核函数F给出的对应权重，侧窗编组S＝{L,R,U,D,NW,NE,SW,SE}，定义I_n为待处理像素经不同侧窗经加权滤波处理之后的结果，则有：

其中，{L,R,U,D,NW,NE,SW,SE}分别代表8类特定的窗口，ω_ij是以待滤波点i为中心的滤波窗口中点j的滤波权重，q_j表示点j的输入像素值，滤波核函数为F，N_n表示待滤波点i的滤波权重和，I_n表示滤波输出，综合考虑所有子窗口的滤波输出I_n，取最小的重构误差I_m作为滤波输出。