本發(fā)明具體涉及一種改進的圖像邊緣檢測方法。
背景技術(shù)：
圖像邊緣是指其周圍像素灰度不連續(xù)或極具變化的像素點的集合，也是目標(biāo)、背景和區(qū)域之間的分界線。邊緣檢測首先檢測圖像中的邊緣點，然后按照某種策略將邊緣點連接成邊緣線，最后構(gòu)成分割區(qū)域。邊緣檢測是特征提取、目標(biāo)識別、圖像理解的基礎(chǔ)，因此，它是圖像處理與計算機視覺的基本問題。圖像邊緣檢測主要通過求導(dǎo)算子、數(shù)學(xué)形態(tài)學(xué)、小波變換和圖像融合等四種技術(shù)來實現(xiàn)，其中求導(dǎo)算子方式是最為廣泛的邊緣檢測技術(shù)，包括roberts算子、sobel算子、prewitt算子、laplace算子和log算子等，這些算子簡單易于實現(xiàn)，實時性較好，但是對噪聲的干擾敏感，抗干擾性差，邊緣容易被噪聲污染，檢測效果不理想。
技術(shù)實現(xiàn)要素：
本發(fā)明要解決的技術(shù)問題是提供一種改進的圖像邊緣檢測方法。
一種改進的圖像邊緣檢測方法，包括以下步驟：
s1：對圖像進行平滑處理，使用改進的中值濾波器抑制噪聲；
s2：通過x，y，45°，135°方向上的一階偏導(dǎo)數(shù)，求出水平和垂直方向的差分，進而求得梯度幅值和梯度方向；
s3：對梯度幅值進行非極大值抑制；
s4：利用梯度直方圖求出高閾值和低閾值，然后利用雙閾值算法對圖像進行邊緣檢測；
s5：銳化處理，并連接邊緣，得到最終的邊緣圖像。
進一步的，步驟s1的具體方法如下：
1）為濾波區(qū)域內(nèi)的每個位置分配一個獨立的權(quán)值，權(quán)值的分配由權(quán)值矩陣
2）按照如下公式計算中間值y；
3）用中間輸出值和周圍像素灰度值作比較，將差值較大的像素值修改為與周圍像素接近的值，以實現(xiàn)消除噪聲點的目標(biāo)。
進一步的，步驟s2的具體方法如下：
1）計算x，y，45°，135°方向上的一階偏導(dǎo)數(shù)：
x方向：
y方向：
45°方向：
135°方向：
2）由以上四個方向的偏導(dǎo)數(shù)求得水平和垂直方向的差分為：
3）分別求得梯度幅值g和梯度方向
本發(fā)明的有益效果是：
本發(fā)明使用帶權(quán)中值濾波代替高斯濾波，使用四個方向的偏導(dǎo)數(shù)求梯度幅值和方向，使用梯度直方圖確定高低閾值，該方法降低了誤檢率，提高了檢測精度，使得邊緣圖像輪廓更加清晰，連續(xù)性更良好。
具體實施方式
以下具體實施例對本發(fā)明作進一步闡述，但不作為對本發(fā)明的限定。
一種改進的圖像邊緣檢測方法，包括以下步驟：
s1：對圖像進行平滑處理，使用改進的中值濾波器抑制噪聲；
s2：通過x，y，45°，135°方向上的一階偏導(dǎo)數(shù)，求出水平和垂直方向的差分，進而求得梯度幅值和梯度方向；
s3：對梯度幅值進行非極大值抑制；
s4：利用梯度直方圖求出高閾值和低閾值，然后利用雙閾值算法對圖像進行邊緣檢測；
s5：銳化處理，并連接邊緣，得到最終的邊緣圖像。
步驟s1的具體方法如下：
1）為濾波區(qū)域內(nèi)的每個位置分配一個獨立的權(quán)值，權(quán)值的分配由權(quán)值矩陣
2）按照如下公式計算中間值y；
3）用中間輸出值和周圍像素灰度值作比較，將差值較大的像素值修改為與周圍像素接近的值，以實現(xiàn)消除噪聲點的目標(biāo)。
步驟s2的具體方法如下：
1）計算x，y，45°，135°方向上的一階偏導(dǎo)數(shù)：
x方向：
y方向：
45°方向：
135°方向：
2）由以上四個方向的偏導(dǎo)數(shù)求得水平和垂直方向的差分為：
3）分別求得梯度幅值g和梯度方向