[发明专利]基于各向异性高斯方向导数滤波器提取图像粗边缘的方法

摘要

本发明公开了基于各向异性高斯方向导数滤波器提取粗边缘的方法，其采用离散化各向异性高斯核方向导数滤波器对图像进行平滑，然后计算平滑后的图像像素的最大梯度方向对应的梯度幅值，最后利用梯度相关性提取粗边缘。本发明利用各向异性高斯方向导数滤波器处理图像对噪声有很好的抑制作用且可以很好的提取各个方向上的灰度变化信息，克服了由于高斯尺度因子带来的边缘轮廓移位及噪声敏感的问题，为基于边缘轮廓的角点检测算法提供了一种新的边缘提取方法。

主权项

基于各向异性高斯方向导数滤波器提取图像粗边缘的方法，其特征在于，包括以下步骤：步骤1：将图像读入计算机；步骤2：在[0,π]内平均方向角上采用多个各向异性高斯方向导数滤波器平滑图像，且多个各向异性高斯方向导数滤波器在[0,π]方向角上均匀分布，具体步骤如下：2.1，计算各向异性高斯方向导数；各向异性高斯核函数的表达式为：gσ,ρ,θ(x)=12πσ2exp(-12σ2xTR-θρ200ρ-2Rθx)Rθ=cosθsinθ-sinθcosθ,]]>其中，ρ≥1，是各向异性因子，σ是尺度因子，并且σ≥ρ，θ是旋转角度，Rθ是旋转矩阵，x是输入的图像矩阵，xT即输入图像矩阵x的转置矩阵；对旋转角度θ求偏导，得到各向异性高斯核函数的各向异性高斯方向导数g'σ,ρ,θ(x)：gσ,ρ,θ′(x)=∂gσ,ρ,θ(x)∂θ=-ρ2[cosθ,sinθ]xσ2gσ,ρ,θ(x);]]>2.2，平滑图像，具体步骤如下：2.2.1对各向异性高斯方向导数滤波器进行离散化处理；对连续函数g'σ,ρ,θ(x)在二维整数空间上对角度θ进行K个方向上的采样，得到离散化各向异性高斯方向导数滤波器，其离散表达式如下式：g′σ,ρ,θk(m)=g′σ,ρ,θ(Rkx),]]>其中，K是方向采样数，θk是角度采样间隔；2.2.2，将离散化各向异性高斯方向导数与输入图像做卷积运算，即平滑图像，并得到的各向异性高斯方向导数响应，如下式：▿σ,ρ,θkI(n;k)=Σm∈z×zI(n-m)g′σ,ρ,θk(m);]]>步骤3：计算平滑后图像像素的梯度幅值EMGxi(n)，其计算公式如下：EMGx(n)=maxk=0,2...,K-1{|▿σ,ρ,θkI(n;k)|};]]>步骤4：计算图像像素的全局标准化梯度幅值，具体步骤如下：4.1，首先计算图像像素的领域内梯度标准化幅值；以一像素点为中心像素点，选取领域，计算所述领域内中心像素点的领域内梯度标准化幅值计算公式如下：Nq=Σi=1,2,...NEMGxi(n)NI^q(n)=|EMGx(q)|Nq,]]>其中，Nq表示围绕中心像素点的领域内像素点的平均梯度幅值，N表示所取领域内像素点的个数，EMGxi(n)表示领域内第i个像素点的梯度幅值，EMGx(q)表示中心像素点的梯度幅值；4.2，计算图像像素的全局标准化梯度幅值；计算所述中心像素点的全局标准化梯度幅值，计算公式如下：uI=1NIΣi=1NIEMGx(n)]]>σI=1NIΣi=1NI(EMGx(q)-uI)2]]>||▿I^q||=(I^q(n)-uIσI)2]]>其中，代表全局标准化梯度幅值，NI表示整幅图像像素点的个数，uI是整幅图像梯度均值，σI是整幅图像的梯度标准偏差；重复步骤4.1及步骤4.2，直至计算出图像所有像素点的全局标准化梯度幅值；步骤5：双阈值法提取粗边缘，具体步骤如下：设置双阈值Th,Tl，全局标准化梯度幅值大于Th的像素点标记为边缘点，全局标准化梯度幅值小于Tl的像素点视为背景点删除，全局标准化梯度幅值介于Th，Tl的像素点分为两种情况：若其8邻域中存在已经标记的边缘点，则该像素点标记为边缘点，否则视为非边缘点删除；步骤6：输出图像的粗边缘。