[发明专利]一种可抗噪声的改进Canny图像边缘检测方法

摘要

本发明公开了一种可抗噪声的改进Canny图像边缘检测方法，改进算法在Canny算法的基础上，首先结合自适应中值滤波替代高斯滤波对图像降噪，从而较好地滤除椒盐噪声干扰；然后结合最大类间方差法和最大熵法，改进了双阈值选取方法，得到高低阈值，实现对图像的边缘检测，使目标图像在尽可能地保留边缘信息的同时，又过滤掉不必要的干扰边缘。本发明实现了在椒盐噪声污染的情况下图像边缘的检测和一种适应性比较强的双阈值选取方法，应用参考价值高。

主权项

1.一种可抗噪声的改进Canny图像边缘检测方法，其特征在于：包括以下步骤：步骤1，使用自适应中值滤波对图像进行平滑处理，设I(x,y)为原图像，其中，x,y为图像坐标系下的坐标，平滑后的图像H(x,y)为H(x,y)＝fAMF(I(x,y))，其中，fAMF()表示自适应中值滤波器；步骤2，基于平滑后的图像计算梯度幅值G(x,y)和方向θ(x,y)；利用边缘检测算子计算水平和垂直方向的一阶导数，进而计算梯度幅值和方向，具体如下：θ(x,y)＝arctan(Gy(x,y)/Gx(x,y))式中，Gx(x,y)代表水平一阶导数，Gy(x,y)代表垂直一阶导数，arctan()表示反正切函数；步骤3，根据梯度方向进行非极大值抑制；具体为：遍历图像，检测每一个像素点的梯度G(x,y)是不是附近具有相同梯度方向θ(x,y)的像素点中最大的，是则保留，不是则将其置0；步骤4，选取双阈值：以结合最大熵法和最大类间方差法的改进双阈值选取方式来选取高低双阈值；具体如下：在进行非极大值抑制后的梯度图像上，运用最大熵法确定高阈值T_H，一幅大小为M×N、灰度级为L的图像，设图像中灰度级为i的像素个数为N_i，则灰度级i的概率为假设T为临界梯度则图像目标区域和背景区域的熵分别为式中表示背景区域的概率，为求和运算，表示对其取对数运算。根据最大熵法的思想，高阈值T_H的求解公式为式中，argmax()表示求解使括号中函数值最大的T值；在灰度梯度在0～TH范围内的图像区域运用最大类间方差法确定低阈值TL，计算公式如下式中，表示背景区域概率；表示目标区域概率；表示背景区域平均灰度；表示目标区域平均灰度；表示0～T_H范围内的平均灰度；步骤5，确定双阈值后，根据双阈值来检测、连接边缘，具体做法为：遍历图像，检测每一个像素点的梯度幅值，如果其大于高阈值TH，则该点为绝对边缘；如果其小于低阈值TL，则将其置0；如果其介于高低阈值之间，则判断在该点附近是否存在绝对边缘，若存在，则认为该点也是边缘点，否则将其置0；步骤6，边缘分析：统计经过上述步骤得到的图像中的边缘长度，利用最大类间方差法确定临界边缘长度，将长度小于临界边缘长度的边缘过滤掉，从而得到最终边缘检测的图像。