[发明专利]多边窗协同滤波的边缘检测算法

说明书

本发明公开了多边窗协同滤波的边缘检测算法，发明目的为在平滑图像噪声的同时保护图像边缘，改善边缘轮廓连接程度以及减少伪边缘的出现，从而保留图像局部边缘细节特征，发明的实行方案为：1：对于输入图像进行灰度化操作；2：利用边窗高斯滤波算法进行图像平滑；3：计算图像的梯度幅值和方向；4：利用梯度对图像进行非极大值抑制计算获取图像；5：通过双阈值连接图像。本发明算法在对图像边缘的保护方面达到了很好的效果，同时改善了图像边缘的连接程度，减少了伪边缘的出现，达到了保留图像局部边缘细节特征的目的。

技术领域

本发明涉及图像处理领域，具体为多边窗协同滤波的边缘检测算法。

背景技术

边缘检测技术被广泛应用于图像处理、图像多维测量、图像分析和图像识别领域。传统的边缘检测算子有Sobel、Prewitt、Laplacian、LOG等，它们都是基于图像局部窗口区域梯度的算子，边缘检测的过程对噪声十分敏感，检测效果不理想。JohnCanny提出了一种性能良好的多级边缘检测算子命名为Canny算子，其检测过程中加入了图像平滑过程，有效减小了噪声的影响，因此能够取得更好的检测结果。Canny算子主要包括四个步骤：高斯滤波平滑图像；计算平滑后图像的梯度幅值及梯度方向；非极大值抑制梯度细化图像边缘；利用双阈值连接图像边缘。

虽然Canny算子由于定位精度高而被广泛应用，在实际应用中仍存在一些问题：

(1)：Canny算子使用高斯滤波进行图像平滑，该滤波算法是以待滤波点为中心，将滤波窗口内的像素点进行加权组合得到滤波输出，滤波过程为：

其中Ω_i为局部滤波窗口内的像素，ω_ij为权重，q为像素值，I_i为滤波计算结果；

在使用高斯滤波算法处理形如图2中的图像边缘时，若待滤波点i位于边缘处，则滤波窗口Ω_i会跨越边缘，那么产生的滤波结果就会改变和丢失图像的部分边缘信息；

(2)：Canny算子采用2×2大小的模板只在水平和竖直两个方向上来计算图像的梯度幅值和梯度方向。采用2×2大小的计算模板容易检测出很多伪边缘，丢失真实边缘，容易降低边缘定位的精度；

(3)：Canny算子基于双阈值从候选边缘点中寻找最终的边缘点，而双阈值的选择需要根据图像梯度分布的具体情况人为预先设定高阈值和低阈值，因此，Canny算子阈值选取的主观性较大，对不同的图像的自适应性差，为此提供多边窗协同滤波的边缘检测算法。

发明内容

本发明的目的是针对现有技术的缺陷，提供多边窗协同滤波的边缘检测算法，以解决上述背景技术提出的问题。

为实现上述目的，本发明提供如下技术方案：多边窗协同滤波的边缘检测算法，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