本發(fā)明涉及目標(biāo)識(shí)別、圖像分割、遙感、醫(yī)學(xué)圖像分析等領(lǐng)域。

背景技術(shù)：

邊緣信息是圖像中極其重要的信息，理論上，通過邊緣信息可恢復(fù)圖像中的全部信息。因而邊緣檢測(cè)是圖像分析的重要內(nèi)容；是處理許多問題的關(guān)鍵；傳統(tǒng)的邊緣檢測(cè)主要是運(yùn)用水平方向和垂直方向的差分算子分別檢測(cè)出水平方向和垂直方向的邊緣，然后合成某種梯度進(jìn)行邊緣檢測(cè)，計(jì)算機(jī)實(shí)現(xiàn)時(shí)只需求出兩個(gè)方向的差分，然后合成即可，但這種方法也有明顯的不足，它們只強(qiáng)調(diào)水平、垂直，兩個(gè)方向的邊緣信息，但一般實(shí)際圖像中包含有多個(gè)方向甚至是任意方向的邊緣信息。

數(shù)學(xué)形態(tài)學(xué)是分析圖像幾何特征的有力工具，它通過運(yùn)用一些基本的集合運(yùn)算，如腐蝕、膨脹、開、閉等對(duì)圖像形狀和結(jié)構(gòu)進(jìn)行分析處理，在諸如圖像增強(qiáng)的圖像處理中得到了很好的應(yīng)用，形態(tài)學(xué)中腐蝕、膨脹運(yùn)算的形態(tài)學(xué)梯度具有較好的圖像邊緣檢測(cè)效果，但是腐蝕和膨脹的運(yùn)算都是極值運(yùn)算，因而僅有腐蝕、膨脹會(huì)對(duì)圖像梯度信息產(chǎn)生不可避免的影響。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述不足，本發(fā)明提出了一種新的圖像邊緣提取方法。

本發(fā)明的目的是：提取圖像邊緣，使提取到的邊緣具有更加豐富的細(xì)節(jié)信息，更具完整性、連續(xù)性、多方向性。

本發(fā)明為實(shí)現(xiàn)上述目的所采用的的技術(shù)方案是：一種圖像邊緣提取方法，該方法的實(shí)施步驟如下：

步驟1：用低通濾波器H₀對(duì)原圖像做不可分加性小波多尺度分解，得到一個(gè)低頻子圖和多層高頻子圖像。

步驟2：利用形態(tài)學(xué)梯度算子對(duì)第一步中分解出的低頻子圖像進(jìn)行形態(tài)學(xué)梯度濾波得到濾波梯度圖。

步驟3：對(duì)步驟一中得到的多層高頻子圖像相加，得到增強(qiáng)了邊緣信息的高頻子圖像，對(duì)高頻子圖像取小波變換的模極大值，得到一個(gè)高頻子圖像，即邊緣 圖。

步驟4：將梯度圖1和邊緣圖像2做加性小波逆變換(相加)，得到結(jié)果梯度圖。

步驟5：對(duì)第4步得到的梯度圖進(jìn)行二值化，得到初步邊緣圖。

步驟6：利用形態(tài)學(xué)中除去孤立點(diǎn)、去毛刺以及去H型點(diǎn)和邊緣單一化等操作，得到結(jié)果邊緣圖。

本發(fā)明的有益效果是：本方法操作簡(jiǎn)單、檢測(cè)效果好；它能檢測(cè)出圖像中灰度值變化較小的目標(biāo)，獲得更多的邊緣細(xì)節(jié)，能提取具有完整性、多方向性、連續(xù)和平移不變性的邊緣。與其他的檢測(cè)方法相比，本方法還具有有較快的處理速度。

附圖說明

附圖是本發(fā)明的流程圖

具體實(shí)施方式

本方法構(gòu)造了一個(gè)二維不可分低通濾波器；先對(duì)原圖像做多尺度不可分加性小波分解，然后利用現(xiàn)代數(shù)學(xué)形態(tài)學(xué)梯度算子獲取分解后的子圖像的梯度圖，高頻子圖像相加從而分別提取低、高頻子圖像的邊緣,然后重形成最終的邊緣圖像，并利用此二維不可分加性小波各向同性和形態(tài)學(xué)梯度檢測(cè)邊緣的豐富、快速等特點(diǎn)，提出了一種新的圖像邊緣提取方法。

以下結(jié)合流程圖，對(duì)本發(fā)明進(jìn)行詳細(xì)說明。

一、低通濾波器H₀

由于不可分加性小波有很好的方向性,是各相同性的，為了獲得多方向的圖像邊緣信息，本發(fā)明選用6*6的不可分低通濾波器，其構(gòu)造方法如下：

首先，將伸縮矩陣為[2，0；0，0]的，具有緊支撐、對(duì)成性、正交性的6*6的濾波器組表示為：

(H₀(x，y)，H₁(x，y)，H₂(x，y)，H₃(x，y))＝T (1)

其中，U_j(j＝1，2，...，K)為中心對(duì)稱正交陣，w_i為小波平面，D(x，y)＝Diag(1，x，y，xy)，V＝(V₀，V₁，V₂，V₃)為正交陣，V₁，V₂，V₃ 為4×1向量，V₀＝(1，1，1，1)^T。

當(dāng)選取K＝2時(shí)候，構(gòu)造：

式(1)至式(6)是濾波器，原始圖像經(jīng)過濾波器后得到一個(gè)低頻子圖和多層高頻子圖像。

二、形態(tài)學(xué)梯度算子

步驟二中，采用形態(tài)學(xué)梯度算子對(duì)低頻子圖像進(jìn)行形態(tài)學(xué)梯度濾波，得到濾波梯度圖，其中形態(tài)學(xué)梯度是數(shù)學(xué)形態(tài)學(xué)中由結(jié)構(gòu)元素來描述圖像鄰域內(nèi)灰度值變化情況的一種梯度，在灰度值形態(tài)學(xué)中,最基本的腐蝕、膨脹運(yùn)算分別是非擴(kuò)展變換和擴(kuò)展變換,由此可以產(chǎn)生以下梯度。

在本方法中，主要構(gòu)造以下幾種基本形態(tài)梯度：

1)膨脹類型：

2)腐蝕型：T₂＝f-fΘb

3)開操作型：

4)閉操作型：

其中，表示膨脹操作，Θ表示腐蝕操作，○表示開運(yùn)算操作，●表示閉運(yùn)算操作。

腐蝕、膨脹、開、閉等操作按一定的合理順序組合可形成多種形式的數(shù)學(xué)形 態(tài)學(xué)梯度，在本方法中圖像邊緣檢測(cè)中選擇的形態(tài)學(xué)梯度為：

即先對(duì)原圖像進(jìn)行閉操作運(yùn)算,然后對(duì)結(jié)果分別進(jìn)行膨脹運(yùn)算和開運(yùn)算，最后求兩者的差得形態(tài)學(xué)梯度圖。

膨脹和腐蝕是兩種最基本的形態(tài)學(xué)運(yùn)算，其他的運(yùn)算時(shí)這兩種運(yùn)算的組合，因而這種組合是圖像中在結(jié)構(gòu)元素所限定的范圍內(nèi)的最大值、最小值按一定順序的組合，而形態(tài)學(xué)梯度是兩種這樣的組合所得到的值的差，而只要結(jié)構(gòu)元素所在區(qū)域的灰度值不全相同，則必有最大值和最小值。本文在本方法中，選擇的最大值、最小值的組合運(yùn)算方式分別為：最大值(最小值(最大值))和最大值(最小值(最小值(最大值)))(括號(hào)按從內(nèi)到外的順序運(yùn)算)，其選擇的形態(tài)學(xué)梯度為上兩種組合方式的差，即T＝最大值(最小值(最大值))-最大值(最小值(最小值(最大值)))。

顯然，對(duì)于任意大小的結(jié)構(gòu)元素窗口，上述表達(dá)式的均值大于0，因此，它完全可以作為梯度算子，而且，只有當(dāng)結(jié)構(gòu)元素所在區(qū)域作第一次膨脹運(yùn)算的所得結(jié)果為相同的灰度值時(shí)，上述表達(dá)式的值才為0，其它情況下的值都大于0，因而能很好地檢測(cè)出圖像中的變化。

四、最終邊緣圖像的獲得

原始圖像經(jīng)過濾波器，得到的多層高頻子圖像，將得到的多層高頻子圖像相加，此時(shí)得到增強(qiáng)了邊緣信息的高頻子圖像，對(duì)高頻子圖像取小波變換的模極大值，得到一個(gè)高頻子圖像，即邊緣圖。將梯度圖和邊緣圖像做加性小波逆變換(相加)，得到結(jié)果梯度圖。然后對(duì)得到的結(jié)果梯度圖進(jìn)行二值化，得到初步邊緣圖。最后，利用形態(tài)學(xué)中除去孤立點(diǎn)、去毛刺以及去H型點(diǎn)和邊緣單一化等操作，得到結(jié)果邊緣圖。