專利名稱：一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于邊緣檢測(cè)領(lǐng)域，尤其涉及一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法。
背景技術(shù)：
邊緣是圖像灰度不連續(xù)性的反映，它包含了圖像的大量信息，反映了物體的本質(zhì)特征。邊緣檢測(cè)在計(jì)算機(jī)視覺、圖像分割、特征提取和圖像匹配等應(yīng)用中起著重要的作用， 是圖像分析與識(shí)別的重要環(huán)節(jié)。邊緣檢測(cè)的方法有很多，大體可以分為兩類空域檢測(cè)和變換域檢測(cè)。經(jīng)典的邊緣檢測(cè)算法大多是基于空域檢測(cè)，如Laplace算子、Sobel算子、Carmy算子和LoG算子等。各種算子均各有針對(duì)性和特點(diǎn)，其中，由Marr和Hildreth提出的LoG算子(高斯-拉普拉斯算子)方法具有邊緣檢測(cè)效率高的特點(diǎn)。其基本思想是先用Gauss函數(shù)進(jìn)行平滑處理來(lái)抑制噪聲，然后用Laplace算子處理平滑后的圖像來(lái)檢測(cè)邊緣。由于LoG算子的閾值可完全由計(jì)算機(jī)來(lái)計(jì)算，計(jì)算量也相對(duì)少，從而使得LoG算子的檢測(cè)速度更快。但由于這些算子主要作用是高通濾波，均涉及方向性，普遍對(duì)噪聲比較敏感，因此很難檢測(cè)出復(fù)雜邊緣。而基于變換域的邊緣檢測(cè)方法可以有效地抑制噪聲，但這類算法計(jì)算量較大，在很多場(chǎng)合很難滿足實(shí)時(shí)性要求。近年來(lái)，為了提高邊緣檢測(cè)的實(shí)時(shí)性，改善邊緣檢測(cè)的性能，數(shù)學(xué)形態(tài)學(xué)的應(yīng)用越來(lái)越受重視。數(shù)學(xué)形態(tài)學(xué)是建立在隨機(jī)集合論和積分幾何基礎(chǔ)上，基本思想是用一個(gè)結(jié)構(gòu)元素作為基本工具來(lái)探測(cè)和提取圖像。它主要包括膨脹、腐蝕、開啟、閉合這四種運(yùn)算，并由這四種運(yùn)算組合和推導(dǎo)出其他的算法，從而實(shí)現(xiàn)對(duì)檢測(cè)圖像的邊緣檢測(cè)，完成不同的圖像分析。

發(fā)明內(nèi)容
本發(fā)明的目的是提供針對(duì)帶有噪聲圖像，不僅處理速度快，而且效果又好的一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法。本發(fā)明一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法，包括以下步驟采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)圖像進(jìn)行平滑處理；應(yīng)用LoG算子，對(duì)采用數(shù)學(xué)形態(tài)學(xué)方法處理后的圖像進(jìn)行邊緣檢測(cè)。進(jìn)一步，所述采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)圖像進(jìn)行平滑處理具體為對(duì)圖像進(jìn)行閉合運(yùn)
笪弁。本發(fā)明的有益效果是由于數(shù)學(xué)形態(tài)學(xué)具有簡(jiǎn)化圖像數(shù)據(jù)、保持圖像的基本形態(tài)特征、除去不相干結(jié)構(gòu)、易于硬件實(shí)現(xiàn)等優(yōu)點(diǎn)，在對(duì)含有噪聲的圖像進(jìn)行邊緣檢測(cè)時(shí)，通過(guò)把數(shù)學(xué)形態(tài)學(xué)方法和和LoG算子相結(jié)合，在不影響LoG算子的檢測(cè)效率的同時(shí)，又能很好的去除噪聲。


下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式
作進(jìn)一步說(shuō)明圖1是本發(fā)明方法步驟流程圖；圖2是含有椒鹽噪聲的玻璃碎片圖像；圖3是應(yīng)用LoG算子對(duì)圖1所示圖像進(jìn)行邊緣檢測(cè)后的圖像；圖4是采用本發(fā)明數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法對(duì)圖1所示圖像進(jìn)行邊緣檢測(cè)后的圖像。
具體實(shí)施例方式
LoG算子，也就是高斯-拉普拉斯算子。拉普拉斯算子是一種二階導(dǎo)數(shù)算子，其表達(dá)式為
權(quán)利要求
1.一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法，其特征在于包括以下步驟 采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)圖像進(jìn)行平滑處理；應(yīng)用LoG算子，對(duì)采用數(shù)學(xué)形態(tài)學(xué)方法處理后的圖像進(jìn)行邊緣檢測(cè)。
2.根據(jù)權(quán)利要求1所述的一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法，其特征在于所述采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)圖像進(jìn)行平滑處理具體為對(duì)圖像進(jìn)行閉合運(yùn)算。
全文摘要
本發(fā)明公開了一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法，包括以下步驟采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)圖像進(jìn)行平滑處理；應(yīng)用LoG算子，對(duì)采用數(shù)學(xué)形態(tài)學(xué)方法處理后的圖像進(jìn)行邊緣檢測(cè)。由于數(shù)學(xué)形態(tài)學(xué)具有簡(jiǎn)化圖像數(shù)據(jù)、保持圖像的基本形態(tài)特征、除去不相干結(jié)構(gòu)、易于硬件實(shí)現(xiàn)等優(yōu)點(diǎn)，在對(duì)含有噪聲的圖像進(jìn)行邊緣檢測(cè)時(shí)，通過(guò)把數(shù)學(xué)形態(tài)學(xué)方法和LoG算子相結(jié)合，在不影響LoG算子的檢測(cè)效率的同時(shí)，又能很好的去除噪聲。本發(fā)明作為一種數(shù)學(xué)形態(tài)學(xué)和LoG算子結(jié)合的邊緣檢測(cè)算法，適用于邊緣檢測(cè)領(lǐng)域。
文檔編號(hào)G06T5/00GK102521802SQ20111038686
公開日2012年6月27日 申請(qǐng)日期2011年11月28日 優(yōu)先權(quán)日2011年11月28日
發(fā)明者盧杏堅(jiān), 曹永軍, 楊健雯, 鐘震宇, 陳光黎, 陳輝, 黃東運(yùn), 黎偉權(quán) 申請(qǐng)人:廣東省科學(xué)院自動(dòng)化工程研制中心