滑窗N-Smoothlets圖像邊緣檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體設(shè)及一種滑窗N-Smoothlets的圖像邊緣檢 測方法。
【背景技術(shù)】
[0002] 圖像邊緣指圖像中的像素值發(fā)生階躍的地方，屬于高頻信息。而人類視覺系統(tǒng)決 定了人眼對圖像中的高頻信息特別敏感，因此，圖像邊緣檢測一直是圖像處理中的關(guān)鍵問 題之一，在圖像分割、目標識別等領(lǐng)域應(yīng)用十分廣泛。
[0003]圖像邊緣檢測算法主要可分為兩大類；一是傳統(tǒng)的基于微分算子的邊緣檢測算 法；二是近年來興起的新型邊緣檢測算法，主要包括基于多尺度分析思想的邊緣檢測、基于 數(shù)學(xué)形態(tài)學(xué)的邊緣檢測W及基于分形理論的邊緣檢測算法等。經(jīng)典的微分算子邊緣檢測算 法雖然實現(xiàn)簡單、運算復(fù)雜度低，但是卻不能很好地抑制圖像中的噪聲，圖像邊緣提取與抗 噪性始終是一對難W調(diào)和的矛盾。為解決邊緣檢測精度與抗噪性之間的矛盾，1983年，多尺 度分析的思想出現(xiàn)，對于大的尺度算子邊緣檢測的精度差，但是抗噪性能好，小尺度的邊緣 檢測算子對邊緣的定位精度高但對噪聲敏感，多尺度分析的思想解決了邊緣檢測精度與抗 噪性之間的平衡問題，其中的的小波邊緣檢測方法取得了很多研究成果并得到了廣泛的應(yīng) 用。
[0004] 傳統(tǒng)二維小波是由一維小波擴展而來，只具有有限個方向，因此不能對圖像得到 最稀疏的表示。基于多尺度幾何分析Wedgelet的邊緣檢測算法彌補了該方面的不足，并且 由于其是用線段而不是點來表示邊緣，抗噪性能更好。但是基于Wedgelet的邊緣檢測算法 雖然在將滑窗的尺寸size、偏移量shift等參數(shù)減小的情況下可W提高對灰度圖像中復(fù)雜 邊緣和弱小邊緣檢測的精度滑窗，但該方法不能準確處理存在漸變的邊緣圖像塊。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是為了解決現(xiàn)有的邊緣檢測算法的準確性和弱小邊緣檢測能力，提 出了滑窗N-Smoothlets圖像邊緣檢測方法。
[0006] 為了解決W上問題，本發(fā)明采用的技術(shù)方案如下：一種滑窗N-Smoothlets圖像邊 緣檢測方法，
[0007] 包括如下步驟：
[000引S1輸入待處理的原圖像F;
[0009]S2設(shè)置圖像邊緣檢測算法中設(shè)及到的參數(shù)，包括N-Smoothlets變換中滑窗的尺 寸size、滑窗每一次的偏移量shift、判斷邊緣是否保留闊值Ti、T2;
[0010]S3設(shè)置好N-Smoothlets滑窗尺寸size后，假設(shè)size大小為nXn像素；首先 將N-Smoothlets滑窗置于原圖像的左上角，對待處理圖像中與滑窗重疊部分的區(qū)域執(zhí)行 一個圖像宏塊內(nèi)的N-Smoothlets變換；然后將N-Smoothlets滑窗從圖像左上角按照先 列后行或先行后列的順序每次移動shift個像素并在滑窗內(nèi)作N-Smoothlets變換，其中 N-Smoothlets基本變換塊大小設(shè)置為與滑窗大小一致，即在每一個滑窗對應(yīng)的圖像宏塊內(nèi) 只用一個N-Smoothlets對其進行描述，直至滑窗遍歷完整幅圖像后結(jié)束，得到對原始圖像 進行滑窗N-Smoothlets變換后的圖像信息；
[0011] S4根據(jù)塊類型不同分別判別：
[0012]S41宏塊類型為N，即退化塊
[0013] 若變換后的圖像塊為退化塊，則認為該塊中不存在邊緣信息；
[0014]S42宏塊類型為W，即Wedgelet塊
[0015] 若變換后的圖像塊為Wedgelet塊，則提取出該Wedgelet對應(yīng)的基準線作為圖像 塊內(nèi)的邊緣；此時，只需要邊緣判決條件一對其進行是否作為邊緣信息保留的判定；
[0016]S43宏塊類型為S，即為Smoothlet塊，包括宏塊內(nèi)存在1、2、3條過渡帶的情況，N 代表過渡帶最大數(shù)量；
[0017] 若變換后的圖像塊為N-Smoothlets塊，即包括宏塊內(nèi)存在1、2、3條過渡帶的情 況，貝ij依次對N-Smoothlets的N條過渡帶兩側(cè)的灰度值求差值Ims-mbI;
[001引若兩側(cè)的灰度值差值小于設(shè)定好的闊值Ti，即k-mj<Ti，不滿足邊緣判決條件 一，認為該邊緣為偽邊，舍棄；
[0019] 若兩側(cè)的灰度值差值大于等于設(shè)定好的闊值Ti，即Img-mbl>Ti，滿足邊緣判決條 件一；再比較過渡帶寬r與T2的關(guān)系，若r>T2,滿足邊緣判決條件一，不滿足邊緣判決條 件二，認為該邊緣為偽邊，舍棄；若r《T,，同時滿足邊緣判決條件一與二，則計算過渡帶的 中線信息作為邊緣保留；
[0020]S5對各滑窗N-Smoothlets提取出的邊緣信息進行疊加，輸出對原圖像F進行邊緣 提取后的邊緣圖像F。
[0021] 作為優(yōu)選，滑窗尺寸size為8X8像素，闊值Ti為20、闊值T2為1。
[0022] 作為優(yōu)選，滑窗每一次的偏移量shift分別取8、6、4、3個像素。
[002引本發(fā)明的有益效果；本發(fā)明利用N-Smoothlets變換具有多尺度、多方向逼近邊 緣的特點可W有效提取圖像中的弱小邊緣和復(fù)雜邊緣。采用滑窗的方式可W通過設(shè)置滑 窗每次的偏移量shift來改變圖像邊緣檢測的精度，更能適應(yīng)邊緣的變化。另外，由于 N-Smoothlets良好的線奇異性，在邊緣提取的過程中可W有效地抑制強噪聲的干擾。實驗 驗證了滑窗N-Smoothlets邊緣檢測算法較Wedgelet邊緣檢測算法對弱小邊緣和復(fù)雜邊緣 的檢測非常有效。
【附圖說明】
[0024] 圖1;不同算法下Lena圖像的邊緣檢測結(jié)果；
[0025] (a)原始圖像；（b)Wedgelet,shift= 8 ;(C)Wedgelet,shift= 6 ; (d)Wedgelet， shift= 4 ; (e)Wedgelet，shift= 3 ； (f)N-Smoothlets,shift= 8 ； (g)N-Smoothlets, shift= 6 ;化)N-Smoothlets,shift= 4 ; (i)N-Smoothlets，shift= 3。
[0026] 圖2;不同算法下化ppers圖像的邊緣檢測結(jié)果；
[0027](a)原始圖像；（b)Wedgelet,shift= 8 ;(C)Wedgelet,shift= 6 ; (d)Wedgelet， shift= 4 ; (e)Wedgelet，shift= 3 ； (f)N-Smoothlets,shift= 8 ； (g)N-Smoothlets, shift= 6 ;化)N-Smoothlets,shift= 4 ; (i)N-Smoothlets，shift= 3。
[002引圖3 ;不同算法下化use圖像的邊緣檢測結(jié)果
[0029] (a)原始圖像；化)Wedgelet，shift= 8;(C)Wedgelet，shift= 6 ; (d)Wedgelet， shift= 4 ; (e)Wedgelet，shift= 3 ; (f)N-Smoothlets,shift= 8 ; (g)N-Smoothlets, shift= 6 ;化)N-Smoothlets，shift= 4 ; (i)N-Smoothlets，shift= 3。
[0030] 圖4 ;不同算法下Bird圖像的邊緣檢測結(jié)果；
[0031] (a)原始圖像；化)Wedgelet，shift= 8;(C)Wedgelet，shift= 6 ; (d)Wedgelet， shift= 4 ; (e)Wedgelet，shift= 3 ; (f)N-Smoothlets,shift= 8 ; (g)N-Smoothlets, shift=6;化)N-Smoothlets，shift=4;(i)N-Smoothlets，shift=3。
【具體實施方式】
[0032] 下面結(jié)合附圖和具體實驗對本發(fā)明做進一步的說明。
[0033] 首先對本發(fā)明方法提到的兩個邊緣判決條件進行說明。本發(fā)明方法中，使用雙闊 值對是否提取邊緣進行判斷。在N-Smoothlets變換塊中，對每一條過渡帶分別進行判斷是 否進行提取邊緣，具體判定條件如下：
[0034]條件一：根據(jù)每條過渡帶兩側(cè)的灰度值mg、mb差值與設(shè)定的闊值T進行比較，作為 判斷是否保留該過渡帶并進行邊緣提取的第一個條件；條件1是判斷兩個區(qū)域灰度的對比 情況；
[0035]當過渡帶兩側(cè)的灰度值差值的絕對值Img-mbl足夠大時，可認為此時過渡帶兩側(cè) 灰度值變化十分明顯，更容易被判定為邊緣；當過渡帶兩側(cè)的灰度值差值的絕對值Img-mbl 比較小時，可認為此時過渡帶兩側(cè)灰度值變化較小，不容易被判定為邊緣。
[0036] 條件二；將每條過渡帶的寬度r與設(shè)定的闊值T2進行比較，作為判斷是否保留該 過渡帶并進行邊緣提取的第二個條件；條件2是判斷灰度的漸變情況。
[0037] 當過渡帶兩側(cè)灰度值相等時，過渡帶的寬度越窄，說明此時圖像中的邊緣類型更 接近于階躍型邊緣，從人類視覺系統(tǒng)特性來說此時的灰度變化帶來的視覺效果更易被認為 是邊緣信息；反之，過渡帶寬度越寬，邊緣特征越不明顯。因此，當過渡帶寬度r<T2時，保 留該邊緣。
[003引當過渡帶的寬