[发明专利]基于局部Otsu阈值化的边缘检测方法

说明书

本发明公开了基于局部Otsu阈值化的边缘检测方法，首先对原始图像进行均匀分区，得到面积大小相同的四块区域；然后采用Otsu算法计算每一块区域的阈值，得到四个阈值；接着利用每个阈值对各自的区域进行阈值化处理，得到二值图像；最后使用边缘检测算子对二值图像进行边缘检测，得到边缘图像。通过本发明方法使得边缘检测质量得到提高，可以有效的滤除噪声，保留关键的边缘，并且能得到连续性良好的单像素闭合边缘线，为之后的特征物提取、目标识别等提供了良好的基础。

技术领域

本发明涉及基于局部Otsu阈值化的边缘检测方法，属于边缘检测技术领域。

背景技术

广义的数字图像处理技术由低级到高级分为三个层次。首先就是狭义上的图像处理，输入和输出都是一副完整的图像，只是在原图像的基础上强化特定的细节，或是改善图像的质量，为后续的处理提供基础。其次是图像分析，它仅对图像中的部分区域进行分析和处理，通常图像的重要信息都包含在这部分区域之中，因此既要尽可能多的提取关键信息，又要减少周边区域对其的影响。最后是图像的识别和理解，而这要基于图像分析。

图像边缘检测就属于图像分析这一层次。在实际应用中处理绝大部分的图像时，我们往往不需要关注一整幅图像，通常会利用一些特性，把我们不关注的部分也就是将背景区域忽略，而仅仅关注特征区域，也就是前景区域。边缘检测在数字图像处理中是提取图像特征的关键步骤之一。这与人的视觉是相通的：当人的视线范围内出现一个未知的物体时，通常是通过这个未知物体的轮廓来进行判断的。而轮廓可以由多个边缘片段连接而成，因此在数字图像处理中也可以通过成功地检测图像的边缘，使图像识别变得容易，来简化在后续的数字图像处理中所要处理的信息。通常将边缘检测的结果应用于更高级别的图像处理技术，例如特征识别、图像识别以及图像压缩等，以便进一步分析和理解。

从边缘检测算法的优化历程来看，边缘检测的难点始终在于：既要正确地检测出有效的边缘，确保其结果的精准性和细节的完整性，也要保证检测的响应最好为单像素宽，将噪声的影响最小化。但如果要保证最大限度地减少边缘漏检，就不可避免地会受噪声的影响，造成边缘线过宽，甚至产生伪边缘，难以辨别真假边缘，但如果要将噪声的影响最小化，那又难以保证不损失图像的细节。因此，在实际情况中，这两点要求通常是矛盾的，尤其当图像较为复杂时，是难以仅用一个简单的边缘检测算法处理就得到较好的边缘的。

基于这个难点，边缘检测算子在使用前常常需要有一个预处理的步骤。在这个预处理的步骤中，我们力求减少图像中的所有噪声，但同时又不损失图像的边缘信息。而通过对边缘检测算子的研究，我们不难发现阈值的概念贯穿始终。选取好的阈值多为边缘点的判定条件，可以很好地平衡有效边缘和噪声之间的矛盾之处。如果阈值选择合适，可以十分有效地减少图像中的噪声，但如果阈值选择不当，就很容易导致图像细节大面积丢失。但如何选取合适的阈值也是其中的难点。

提前使用算法自动计算的阈值将图像阈值化作为边缘检测的预处理步骤，可以有效避免人为选取阈值导致的效率低下这个问题。最大类间方差(Otsu)法作为最为经典的阈值算法之一。它可以自行计算最佳阈值，并且因为其相比其他阈值算法，具有实用性强、计算简单的特点，得到了极为广泛的应用。

但是当图像存在多个目标、光照不均匀等情况时，单个阈值显然不能满足后续边缘检测的需求。而最大类间方差法的缺陷在于：它是通过遍历图像，以类间方差和类内方差来求取阈值实现的，通常只产生一个最佳阈值。

发明内容

本发明为解决上述的问题，提供了基于局部Otsu阈值化的边缘检测方法算法。

基于局部Otsu阈值化的边缘检测方法，具体步骤如下：

S1，输入图像可以是灰度图像，也可以是彩色图像。将输入图像根据面积大小等分为四个区域；

S2，采用Otsu(最大类间方差法)算法计算每一块区域的阈值，得到四个阈值。

S3，利用每个阈值对各自的区域进行阈值化处理，得到二值图像；