一種三點聯合的圖像邊緣檢測方法
【技術領域】
[0001] 本發明屬于圖像處理技術領域，特別涉及一種三點聯合的圖像邊緣檢測方法，適 用于在低信噪比的圖像中進行邊緣檢測。
【背景技術】
[0002] 隨著計算機技術的飛速發展，數字圖像在人類的生產和生活中扮演的角色越來越 重要，圖像處理技術的研究也飛速發展。在當今社會，圖像處理在航空航天、地理信息系統 開發、醫療診治、軍事探測、天文觀測以及交通管理系統監測等方面發揮著積極的作用。而 在機器視覺中，圖像的邊緣是應用最廣泛的特征之一，邊緣檢測通常是機器視覺系統處理 圖像的第一個階段。
[0003] 圖像的邊緣是視覺感知的重要線索，圖像的邊緣信息涵蓋了感興趣目標的特征信 息。圖像的邊緣一般是指圖像中灰度值變化劇烈的像素點，在二維圖像中一些物體的輪廓、 邊界、陰影形狀以及紋理等都含有豐富的邊緣信息，如海洋與陸地之間海岸線的位置、農業 區中不同種植物的結構和反映出來的紋理、城市街區道路的分布以及工業區和建筑物的布 局等等。邊緣檢測在圖像視覺感知和信息解譯中也有重要的作用，其檢測性能在很大程度 上對后續的圖像深度特征提取、模式識別、圖像壓縮等處理過程的效果有著重要影響。
[0004] 關于對圖像邊緣檢測的研究已經有50多年的歷史，有很多經典的圖像邊緣檢測 方法被提出，如基于求差分的方法、基于小波變換的方法以及基于形態學的方法等。但比較 常用的是基于微分的方法，這類方法通過圖像中像素點的灰度階躍變化來進行邊緣檢測， 這類方法中有Robert算子，LOG算子，Sobel算子，Canny算子等。
[0005] 在基于求差分的圖像邊緣檢測方法中，Canny提出了三個著名的準則，即信噪比 最高、定位性好和響應單一，并根據這三個準則給出了一個近似最優的邊緣檢測算子，稱為 Canny算子，其對圖像邊緣的定位是無偏的；但Canny算子在平行于邊緣方向和垂直于邊緣 方向是各向同性的，其對各個方向圖像的平滑效果一致，所以Canny算子在抑制了噪聲的 同時也丟失了圖像的一部分邊緣信息，且噪聲對檢測效果影響較大，尤其在低信噪比的圖 像中Canny算子的檢測效果較差；同時Canny算子沒有考慮圖像邊緣的連續性、延伸性和各 向異性等，導致其用于圖像邊緣檢測時會檢測出諸多零散邊緣點。

【發明內容】

[0006] 針對上述現有技術的不足，本發明的目的在于提出一種三點聯合的圖像邊緣檢測 方法（Jointthree-pixelsedgedetector，簡稱為JTED)，在該方法中，構造平行于邊緣方 向的濾波器，該濾波器通過直接計算圖像中直線方向上三個相鄰像素點的梯度值之和，從 而判斷所述三個相鄰像素點是否都為圖像的邊緣點；本發明算法降低了在圖像邊緣檢測中 檢測出零散邊緣點的數量，并提升了圖像邊緣檢測算法的穩健性。
[0007] 為達到上述技術目的，本發明采用以下技術方案予以實現。
[0008] -種三點聯合的圖像邊緣檢測方法，其特征在于，包括以下步驟：
[0009]步驟I，輸入一幅待檢測的圖像，用Canny算子計算待檢測圖像中第n個像素點的 近似邊緣方向角€，其中，nG{1，2, ...，N}，N為待檢測圖像的像素點總數；
[0010] 步驟2,設定待檢測圖像的每個像素點均對應有一個大小為pXq的濾波窗口，且 所述待檢測圖像的每個像素點均為其對應的濾波窗口的中心像素點；構造三點聯合邊緣檢 測算子f_ (X，y)，并計算待檢測圖像中每個像素點對應的濾波窗口內所有像素點的值，生 成待檢測圖像中每個像素點對應的濾波模板，其中，待檢測圖像中第n個像素點對應的濾 波模板為FTn;將待檢測圖像中第n個像素點的近似邊緣方向角C的正負n/20的角度范 圍[礦-WE，f+ ，等間隔地劃分出K個方向，將待檢測圖像中第n個像素點對應 的濾波模板FTn以待檢測圖像的第n個像素點為中心沿所述K個方向進行旋轉，得到待檢 測圖像中第n個像素點對應的K個旋轉模板；計算待檢測圖像的第n個像素點沿所述K個 方向的梯度幅值，將其中最大的梯度幅值所對應的方向作為待檢測圖像中第n個像素點的 真實邊緣方向角9n，其中，nG{1，2，...，《，~為待檢測圖像的像素點總數；
[0011] 步驟3,設定與待檢測圖像中第n個像素點（in，jn)相鄰的兩個像素點分別為（in， jn_l)和（in，jn+l)，分別計算與待檢測圖像中第n個像素點（in，jn)相鄰的兩個像素點（in， jn_l)和（in，jn+l)沿待檢測圖像中第n個像素點的真實邊緣方向角0"方向的梯度幅值 % (in，VD和知（in，jn+l)，并對待檢測圖像的第n個像素點進行非極大值抑制，確定待 檢測圖像的待選邊緣點，其中，nG{1，2, . . .，N}，N為待檢測圖像的像素點總數；
[0012] 步驟4,采用雙閾值法從待檢測圖像的待選邊緣點中抽取待檢測圖像的真實邊緣 點。
[0013] 本發明與現有技術相比具有以下特點：
[0014] (1)傳統的基于差分或者梯度的圖像邊緣檢測方法沒有充分利用邊緣像素點的鄰 域結構信息，比如沒有考慮如下一些信息：物體的邊緣是連續的（邊緣的連續性），一般來 說不會有零散的邊緣點，任意一個邊緣點的鄰域一定存在其他的邊緣點（邊緣的延伸性）， 完整的邊緣輪廓可以認為由一些短的邊緣線段組成，平行于邊緣方向與垂直于邊緣方向像 素點的灰度值變化是不一樣的（各向異性），本發明充分考慮了邊緣的連續性，延伸性，各 向異性，檢測出零散邊緣點的數量大大降低。
[0015] (2)傳統的邊緣檢測算子每次只能判斷一個像素點是否為邊緣點，而本發明構造 的平行于邊緣方向濾波器能夠每次判斷3個相鄰的像素點構成的線段是否為邊緣。
[0016] (3)與傳統的基于梯度或者差分的圖像邊緣檢測算法（如Canny)比較，本發明設 計的垂直于邊緣方向的濾波器以及本發明構造的平行于邊緣方向的濾波器都具有更高的 信噪比和定位精度。
[0017] (4)本發明構造的平行于邊緣方向的濾波器結合了均值濾波和高斯濾波，因此對 噪聲的抑制作用更好。
【附圖說明】
[0018] 下面結合【附圖說明】和【具體實施方式】對本發明作進一步詳細說明。
[0019] 圖1是本發明的流程圖；
[0020] 圖2a是一幅待檢測的圖像圖；
[0021] 圖2b是用Canny算子估計圖2a的待檢測圖像中所有像素點的近似邊緣方向角的 示意圖；
[0022] 圖3a_圖3d是常見的4中邊緣結構圖；
[0023] 圖4是本發明構造的平行于邊緣方向的濾波器的示意圖；
[0024]圖5a是一個大小7像素點X3像素點的濾波模板；
[0025]圖5b是將圖5a的濾波模板旋轉#角度后的旋轉模板；
[0026] 圖6a_圖6d為實驗1的四幅輸入圖像；
[0027] 圖7a-圖7d是JTED對實驗1的四幅輸入圖像的邊緣檢測結果圖；
[0028] 圖8a_圖8d是FESF對實驗1的四幅輸入圖像的邊緣檢測結果圖；
[0029] 圖9a_圖9d是OSF對實驗1的四幅輸入圖像的邊緣檢測結果圖；
[0030] 圖IOa-圖IOd是⑶F對實驗1的四幅輸入圖像的邊緣檢測結果圖；
[0031] 圖Ila-圖Ilc為實驗2的三幅輸入圖像；
[0032] 圖12a-圖12c是基于區域的自動輪廓算法對實驗2的三幅輸入圖像的邊緣檢測 結果圖；
[0033] 圖13a-圖13c是APD算法對實驗2的三幅輸入圖像的邊緣檢測結果圖；
[