基于掩膜與canny相結(jié)合的自適應(yīng)邊緣檢測計(jì)算方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種計(jì)算機(jī)可視化處理方法，尤其涉及一種醫(yī)學(xué)平面圖像的邊緣信息 的確定和判定的繪制方法。
【背景技術(shù)】
[0002] 圖像分割是圖像識別和計(jì)算機(jī)視覺至關(guān)重要的處理方法。在進(jìn)行分割中，有的依 據(jù)是圖像中像素的亮度及顏色，讓計(jì)算機(jī)自動處理分割，遇到各種困難。例如，照射的不均 勻、噪聲的影響、圖像中存在不清晰的現(xiàn)實(shí)情況，以及陰影等，常常發(fā)生分割錯誤。因此圖像 區(qū)分是需要進(jìn)一步研究的技術(shù)。
[0003] 現(xiàn)有技術(shù)中，對于區(qū)分圖像的方法一般分為兩大類：（1)圖像的分割算法。（2)圖 像的邊緣檢測算法。在圖像的分割算法中，一般分為基于直方圖、基于熵、基于模糊算法的 分割算法。而在邊緣檢測算中，一般常用的是canny邊緣檢測算子。
[0004] 基于直方圖是一種極其有效的圖像分割方法，其通常只需要通過像素來進(jìn)行分割 算法。在這種方法中，從圖像中的像素計(jì)算中直方圖，并在直方圖的波峰和波谷來定位圖像 中的簇。這種方法能應(yīng)于多個(gè)幀，同時(shí)保持他們的單通效率。但同樣的方法應(yīng)用到多個(gè)像 素點(diǎn)時(shí)，其結(jié)果的合并運(yùn)用于山峰和山谷之間，這一點(diǎn)是很難識別的。
[0005] 1998年以來，出現(xiàn)了許多模糊分割技術(shù)，在圖像分割中的應(yīng)用日益廣泛。模糊技術(shù) 在圖像分割中應(yīng)用的一個(gè)顯著特點(diǎn)就是它能和現(xiàn)有的許多圖像分割方法相結(jié)合，形成一系 列的集成模糊分割技術(shù)，例如模糊聚類、模糊閾值、模糊邊緣檢測技術(shù)等。
[0006] 圖像分割的一種重要途徑是通過邊緣檢測，即檢測灰度級或者結(jié)構(gòu)具有突變的地 方。一般常用微分算子進(jìn)行邊緣檢測。其中一階微分算子有Roberts算子、Prewitt算子 和Sobel算子，二階微分算子有Laplace算子和Kirsh算子等。在各種微分算子的運(yùn)用中， 常用小區(qū)域模板來表示，微分運(yùn)算是利用模板和圖像卷積來實(shí)現(xiàn)。這些算子對噪聲敏感，只 適合于噪聲較小不太復(fù)雜的圖像。
[0007] 上述現(xiàn)有技術(shù)的各處理方法中，都在一定程度上那個(gè)能夠分割出邊緣信息，但是 對于復(fù)雜的、受噪聲影響嚴(yán)重的圖像，其效果往往不太理想。因此，現(xiàn)有技術(shù)還有待于與發(fā) 展和改善。

【發(fā)明內(nèi)容】

[0008] 為了獲得更好地邊緣信息，本發(fā)明提出了一種基于掩膜與canny相結(jié)合的自適應(yīng) 邊緣檢測計(jì)算方法。
[0009] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：
[0010] -種基于掩膜與canny相結(jié)合的自適應(yīng)邊緣檢測計(jì)算方法，具體步驟如下：
[0011] 步驟1 :選取所需要的圖像信息，在尺寸為MXN的圖像Inixn的原始X光片圖像中， 選取目標(biāo)連接區(qū)域，尺寸為mXn的二維圖像信息，其中m〈M，n〈N;
[0012] 步驟2 :對獲得二維圖像進(jìn)行初步的區(qū)分度判斷，計(jì)算其區(qū)分度；
[0013] 步驟3 :計(jì)算所得區(qū)分度的值，得到目標(biāo)區(qū)域的實(shí)際區(qū)分度a，并與臨界值（^進(jìn) 行比較：將區(qū)分度的計(jì)算值與設(shè)定的合理值進(jìn)行比較，若比值大于〇. 6,則使用基于掩膜的 區(qū)分算法，反之使用canny邊緣檢測算法探測邊緣信息，并在此處選用基于掩膜的區(qū)分算 法為判定基礎(chǔ)圖像；
[0014] 步驟4 :提取圖像邊緣信息，對原始圖像進(jìn)行區(qū)分運(yùn)算：
[0015] (1)規(guī)定使用掩膜理論進(jìn)行邊緣信息的區(qū)分算法：
[0016] 計(jì)算掩膜矩陣中，中值、均值、行列中值均值的參數(shù)大??；規(guī)定該點(diǎn)在圖像矩陣 Inixn中的值，為判斷信息目標(biāo)點(diǎn)；在任意一幅圖中，圖像的像素點(diǎn)表示為（i，j)，灰度值表示 為I(i，j)，首先估算圖像原始對比度，其具體對比方式如下：
[0018] 式中：1為灰度值達(dá)到要求像素點(diǎn)的個(gè)數(shù)，3為像素點(diǎn)之間的比值；
[0019] (2)規(guī)定掩膜大小為3X3和IOX10的掩膜矩陣，當(dāng)圖像的原始對比度小于0. 75 時(shí)，采用3X3的掩膜矩陣；當(dāng)圖像的原始對比度大于0. 75時(shí)，采用IOX10的掩膜模板；
[0020] (3)規(guī)定每種邊緣信息都有其特定的規(guī)律，每當(dāng)掩膜矩陣中在某一個(gè)方向上出現(xiàn) 劇烈的灰度值變化，判定該點(diǎn)為邊緣信息，具體進(jìn)行區(qū)分邊緣計(jì)算方法：
[0021] 首先計(jì)算每個(gè)掩膜矩陣的均值，獲得無單位的均值A(chǔ)istt ;然后計(jì)算均值與該像素 點(diǎn)的均方差，得到灰度圖像在掩膜板式下的誤差大小，并以此誤差值設(shè)立容許值Ss來判斷 邊緣信息，其具體區(qū)分方式如下所示：
[0023] 式中：S為掩膜矩陣均值與該點(diǎn)像素均值之間的均方差，S 誤差允許值，Alij為 掩膜均值，Iu為該點(diǎn)像素值；
[0024] 步驟5 :采用canny邊緣檢測算法探測邊緣，選取合適的canny邊緣算子，探測邊 緣信息；
[0025] 步驟6:規(guī)定每幅圖像都有不同的特征圖像，將兩種不同的區(qū)分算法所得結(jié)果進(jìn) 行比較，保存相同的像素點(diǎn)位及其對應(yīng)的邊緣信息，對不同的像素信息點(diǎn)位進(jìn)一步分析：
[0026] 首先，對兩幅不同方法所得的圖像，去除相同的點(diǎn)位信息，留下有爭議的點(diǎn)位信息 I1I分別計(jì)算在這兩幅圖像中該點(diǎn)位的九領(lǐng)域的非零點(diǎn)，其具體方式如下所示：
[0027]
[0028] 式中A為該爭議點(diǎn)九領(lǐng)域內(nèi)非零點(diǎn)的個(gè)數(shù)。
[0029] 當(dāng)目標(biāo)區(qū)域m、n均小于100時(shí)，為了保證區(qū)分效果，使用3X3的掩膜矩陣。
[0030] 本發(fā)明的有益效果主要表現(xiàn)在以下幾個(gè)方面：
[0031] 1.本發(fā)明基于圖像的像素信息，減少了由于理論模型本身帶來的系統(tǒng)誤差。
[0032] 2.掩膜理論的可變性，滿足了圖像區(qū)分過程中，每幅圖所需的特性要求。
[0033] 3.基于掩膜區(qū)分算法與canny邊緣檢測算法的自適應(yīng)判斷方法，減少了單一算法 可能存在的對圖像區(qū)分效果的影響，將理論的影響降低到最低。
【附圖說明】
[0034] 圖1為與本發(fā)明具體實(shí)施例一致的區(qū)分方法流程圖。
【具體實(shí)施方式】
[0035] 下面結(jié)合附圖與實(shí)施例對本發(fā)明作進(jìn)一步說明。
[0036] 如圖1所示系統(tǒng)結(jié)果流程圖，本發(fā)明基于掩膜與canny相結(jié)合的自適應(yīng)邊緣檢測 計(jì)算方法，其中包括：原始區(qū)分度的判斷、掩膜矩陣的選擇方案和自適應(yīng)區(qū)分算法的實(shí)現(xiàn)。 當(dāng)輸入圖像信息時(shí)，首先初步預(yù)判對比度，在選定的基礎(chǔ)版本上，以此為修改的基礎(chǔ)版。其 次，在具體區(qū)分過程中，兩種算法同時(shí)算出最優(yōu)解。然后，在基礎(chǔ)版的模型上按照自適應(yīng)區(qū) 分算法確定最終的邊緣信息。
[0037] 所示系統(tǒng)應(yīng)當(dāng)區(qū)分出被測圖像的原始區(qū)分程度，發(fā)送給控制編輯器正確的待修改 版，等待系統(tǒng)響應(yīng)，與另一結(jié)果，進(jìn)行自適應(yīng)判斷。
[0038] 所示系統(tǒng)應(yīng)當(dāng)能判斷出基本的參數(shù)及其大小，發(fā)送給控制編輯器正確的圖像信 息，等待系統(tǒng)響應(yīng)，完成系統(tǒng)正常運(yùn)轉(zhuǎn)。
[0039] 基于掩膜與canny相結(jié)合的自適應(yīng)邊緣檢測計(jì)算方法，具體步驟如下：
[0040] 步驟1 :選取所需要的圖像信息MXN，在尺寸為Inixn的圖