專利名稱：數(shù)字圖像邊緣檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及ー種邊緣檢測方法，特別涉及ー種數(shù)字圖像邊緣檢測方法。
背景技術(shù)：
文獻“《數(shù)字圖像處理》何明一編著”公開了ー種采用Canny算子的邊緣檢測方法，其具體步驟為(I)選用某個高斯濾波器對圖像進行平滑濾波以去除噪聲。(2)用一階偏導(dǎo)數(shù)的有限差分計算平滑后的圖像的梯度。(3)僅僅得到全局的梯度并不足以確定邊緣，為確定邊緣，必須對以上梯度進行非 極大值抑制，其具體做法為尋找圖像梯度中的局部極大值點，并且設(shè)置非局部極大值點為零，使得圖像邊緣得到細化。(4)用雙閾值算法檢測和連接邊緣。利用Canny算子檢測圖像邊緣的關(guān)鍵是選取適當(dāng)?shù)拈撝?，若高閾值設(shè)定過小會導(dǎo)致檢測出的邊緣中混有大量噪聲，設(shè)定過大又會漏檢真實邊緣，對于低閾值來說，若設(shè)定過大會造成灰度值突變較小的邊緣被漏檢；另外，合理的濾波尺寸大小也很重要，大尺寸濾波，使圖像平滑程度越大，將導(dǎo)致圖像細節(jié)消失，灰度突變也會遠離原來邊緣的位置，同時使高斯濾波器長度變長，加大計算量，反之，又會因為圖像平滑不夠使檢測的邊緣中混有許多噪聲。

發(fā)明內(nèi)容
為了克服現(xiàn)有的Canny算子邊緣檢測方法受選取閾值約束的不足，本發(fā)明提出一種數(shù)字圖像邊緣檢測方法。該方法以模板中的像素點為ー個處理單元，使用模糊算法，可以降低濾波后圖像的噪聲，改善濾波后圖像的模糊現(xiàn)象。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是ー種數(shù)字圖像邊緣檢測方法，其特點是包括以下步驟(a)首先獲取輸入計算機的待處理圖像的灰度值矩陣X = [x(i, j)]MXN，其灰度級為L，G = {0,1,…，L-1}表示所有灰度值的集合，x(i, j) e G是坐標(biāo)(i，j)處象素的灰度值；(b)將圖像中像素的灰度值歸ー化到
區(qū)間；(c)產(chǎn)生大小為ηΧη，中心在(i，j)的窗ロ Wn(i, j)
權(quán)利要求
1.ー種數(shù)字圖像邊緣檢測方法，其特征在于包括以下步驟 (a)首先獲取輸入計算機的待處理圖像的灰度值矩陣X=[x(i，j)]MXN，其灰度級為L，G= {0,1,…，L-1}表示所有灰度值的集合，x(i，j) G G是坐標(biāo)(i，j)處象素的灰度值； (b)將圖像中像素的灰度值歸ー化到
區(qū)間； (c)產(chǎn)生大小為nXn，中心在(i，j)的窗ロWn(i，j)
全文摘要
本發(fā)明公開了一種數(shù)字圖像邊緣檢測方法，用于解決現(xiàn)有的Canny算子邊緣檢測方法受選取閾值約束的技術(shù)問題。技術(shù)方案是首先獲取圖像的灰度值矩陣，并把灰度值歸一化到
區(qū)間；通過定義模板大小，根據(jù)隸屬度函數(shù)計算模板中各像素的隸屬度um(x(i，j))；根據(jù)模糊熵公式計算窗口中各像素的模糊熵，并計算模糊熵信息測度，與閾值的大小進行比較從而判斷是否是邊界。由于以模板中的像素點為一個處理單元，使用模糊算法，降低了濾波后圖像的噪聲，顯著改善了濾波后圖像的模糊現(xiàn)象。與背景技術(shù)閾值分割方法相比，不需要選取閾值，分割圖像的錯分率較小，而且圖像的視覺效果也有較大的改善。
文檔編號G06T7/00GK102663750SQ201210090930
公開日2012年9月12日 申請日期2012年3月31日 優(yōu)先權(quán)日2012年3月31日
發(fā)明者馮曉毅, 孫超, 張微, 李文康, 王保平, 趙靜, 郭俊杰 申請人:西北工業(yè)大學(xué)