[发明专利]数字图像边缘检测方法

摘要

本发明公开了一种数字图像边缘检测方法，用于解决现有的Canny算子边缘检测方法受选取阈值约束的技术问题。技术方案是首先获取图像的灰度值矩阵，并把灰度值归一化到[0，1]区间；通过定义模板大小，根据隶属度函数计算模板中各像素的隶属度um(x(i，j))；根据模糊熵公式计算窗口中各像素的模糊熵，并计算模糊熵信息测度，与阈值的大小进行比较从而判断是否是边界。由于以模板中的像素点为一个处理单元，使用模糊算法，降低了滤波后图像的噪声，显著改善了滤波后图像的模糊现象。与背景技术阈值分割方法相比，不需要选取阈值，分割图像的错分率较小，而且图像的视觉效果也有较大的改善。

主权项

一种数字图像边缘检测方法，其特征在于包括以下步骤：(a)首先获取输入计算机的待处理图像的灰度值矩阵X＝[x(i，j)]M×N，其灰度级为L，G＝{0，1，…，L‑1}表示所有灰度值的集合，x(i，j)∈G是坐标(i，j)处象素的灰度值；(b)将图像中像素的灰度值归一化到[0，1]区间；(c)产生大小为n×n，中心在(i，j)的窗口Ｗn(i，j)： W n ( i , j ) = · · · · · · · · · · · · x ( i - 1 , j - 1 ) x ( i , j - 1 ) x ( i + 1 , j - 1 ) · · · · · · x ( i - 1 , j ) x ( i , j ) x ( i + 1 , j ) · · · · · · x ( i - 1 , j + 1 ) x ( i , j + 1 ) x ( i + 1 , j + 1 ) · · · · · · · · · · · · (d)以窗口中的灰度级为论域，定义一个具有某种特征的模糊集合，其隶属度为： u m ( x ( i , j ) ) = 1 1 + | x ( i , j ) - m | / C 上式表示了窗口中像素与其所属区域的隶属程度，若一个象素与其所属区域特征值的差异越小，则该象素的隶属度越大；反之，则该象素的隶属度越小，式中C为常数，0.5≤um(x(i，j))≤1；(e)在上述模糊集合上定义一个模糊熵表示为：Hm(um(x(i，j)))＝‑(um(x(i，j)))log2(um(x(i，j)))‑(1‑um(x(i，j)))log2(1‑um(x(i，j)))(f)给出定义在窗口Wn(i，j)上的一个基于模糊熵信息测度为： R ( i , j ) = 1 ( n × n ) Σ k = - ( n - 1 ) / 2 ( n - 1 ) / 2 Σ l = - ( n - 1 ) / 2 ( n - 1 ) / 2 H m ( u m ( x ( i + k , j + l ) ) ) 在上式中，令m＝x(i，j)；则当窗口中的其他灰度值和窗口中心(i，j)处的灰度值x(i，j)相等或接近时，模糊熵R(i，j)为零或较小；反之，模糊熵较大；(g)设定阈值T，判断R(i，j)的值与T的大小，若R(i，j)＞T，则令x(i，j)＝1，若R(i，j)＜T，则令x(i，j)＝0；(h)如此循环直至模板经过所有像素为止，并生成边缘图像G＝[g(i，j)]M×N。