一種基于邊緣檢測算法去除蚊式噪聲的方法及系統的制作方法
【專利摘要】本公開提出了一種基于邊緣檢測算法的去除蚊式噪聲的方法及系統。本公開認為邊緣信息是連續的像素點，而噪聲點是孤立的點，因此所述方法提出了一種邊緣檢測算法，用來探測所得到的邊緣是連接的，還是孤立的點，從而來區別真假邊緣信息，探測到的連續像素點視為真邊緣，孤立的像素點為噪聲點，圖像中未檢測到的區域指定為遠離邊緣的區域，之后保留真邊緣，對真邊緣附近的區域和假邊緣進行強降噪，對遠離邊緣區域進行一般降噪。本公開方法區別真假邊緣信息，保留了細節信息，避免了圖像處理后的模糊；由于采用降噪濾波為雙邊濾波，相比傳統采用均值濾波和中值濾波去除蚊式噪聲的方法，彌補了傳統方法對邊緣造成的模糊效應，更好地去除了蚊式噪聲。
【專利說明】
-種基于邊緣檢測算法去除蚊式噪聲的方法及系統
技術領域
[0001] 本公開設及圖像處理領域，具體地講，設及一種基于邊緣檢測算法去除蚊式噪聲 的方法及系統。
【背景技術】
[0002] 隨著科技和互聯網的迅猛發展，如今數字圖像已成為人們獲取信息不可缺少的一 部分。但由于數字圖像有很大的數據量，所W傳輸前必須對數字圖像進行壓縮編碼。現有一 些圖像/視頻壓縮編碼，如肝EG、MPEG和H. 26X系列等都是國際標準，大多采用"分塊DCT+量 化"的形式，運些國際標準能夠有效地對圖像進行壓縮編碼。雖然壓縮后圖像的尺寸被極大 的減少了，但在壓縮編碼時舍棄了被認為視覺上不太重要的圖像信息，所W在圖像的壓縮 過程中必然會造成一些信息的損失，運些損失的信息在圖像的解碼重建過程中就會產生一 些失真的現象。根據不同的現象運些失真給了不同的名稱，例如蚊式噪聲（Mosquito Noise)、塊噪聲(Blocking Artifacts)和鈴噪聲等。運些噪聲不但嚴重影響壓縮圖像的視 覺質量，而且影響圖像的多種后續處理任務。因此，針對圖像壓縮引起的失真，進行降噪技 術的研究具有重要意義。
[0003] 其中，蚊式噪聲為圍繞物體四周有一層像飛行物體的物質(像蚊子圍繞飛）。由于 蚊式噪聲主要產生在邊緣附近，現有的去除蚊式噪聲的方法大多是基于邊緣檢測的方法。 對于一幅包含蚊式噪聲的壓縮圖片，通常做法是先將圖片分成若干像素塊，對包含邊緣的 像素塊進行濾波W去除蚊式噪聲。但是蚊式噪聲也會被誤判為邊緣信息，如果不區分邊緣 信息是否是真邊緣，而直接對包含邊緣的像素塊進行低通濾波，就會導致去除蚊式噪聲的 同時模糊了邊緣和細節信息。

【發明內容】

[0004] 針對上述問題，本公開提供了一種基于邊緣檢測算法去除蚊式噪聲的方法及系 統。
[0005] -種基于邊緣檢測算法去除蚊式噪聲的方法，所述方法包括下述步驟：
[0006] S100、使用邊緣檢測算子檢測待處理圖像，獲取待處理圖像的邊緣信息；
[0007] S200、基于待處理圖像的邊緣信息，依次判斷每個像素點是否為邊緣像素點；
[000引S300、基于邊緣像素點判斷所述邊緣像素點是否為假邊緣像素點；
[0009] S400、對每個假邊緣像素點及非邊緣像素點進行濾波處理；
[0010] 所述假邊緣像素點是孤立的像素點。
[0011] 進一步地，所述假邊緣像素點通過下述方法判斷：
[0012] S301、對待處理圖像的每一個邊緣像素點，提取W該邊緣像素點為中屯、取5X5的 區域；
[0013] S302、在所述區域中，對于所述邊緣像素點沿水平對齊方向、垂直對齊方向、W及2 對角方向，若任何一個方向上的邊緣像素點數目累計小于等于3個，則所述邊緣像素點為假 邊緣像素點。
[0014] 優選的，所述S400中所述濾波處理為雙邊濾波處理。
[0015] 優選地，所述S400進一步包括下述步驟：
[0016] S401、對所述假邊緣像素點進行強濾波;在進行強濾波時，濾波參數Or和Os根據下 述公式計算：
[0017]
[001引 LHZ刃獨繼做耶奶繼做巧芥網但；LHd刃繼做巧化樹值；
[0019] a為Os起始設定最小參數值;b為Or起始設定最小參數值;c+a為Os設定最大參數值； d+b為Os設定最大參數值；
[0020] 由于蚊式噪聲過多、典型地出現在物體附近，首先檢測該像素是否接近于物體，設 定一個檢測窗口，通過檢測當前像素的亮度值和檢測窗口中的其它像素的灰度值之間的變 化，來確定物體是否位于檢測窗口中。具體地說，就是在檢測窗口內計算該像素與其它像素 之間的灰度最大變化(Gray化riation)，GV通過如下公式計算：
[0021] GV=max|Y(i,j)-Y(i+s,j+t)| ；
[0022] 式中；
[0023] Y(i,j)為當前像素點
M為垂直檢測距離，N為水平 檢測距離。
[0024] S402、對所述非邊緣像素點進行弱濾波;在進行弱濾波時，濾波參數Or和Os根據下 述公式計算；
[0025]
[0026] 式中；
[0027] LHl為濾波起始闊值。
[0028] 優選地，所述邊緣檢測算子優選化nny算子。
[0029] 基于所述方法，在一個實施例中，實現一種基于邊緣檢測算法去除蚊式噪聲的系 統，其系統結構示意圖如圖4所示，所述系統包括下述模塊：
[0030] 檢測模塊，用于：使用邊緣檢測算子檢測待處理圖像，獲取待處理圖像的邊緣信 息；
[0031] 判斷邊緣模塊，用于:基于待處理圖像的邊緣信息，依次判斷每個像素點是否為邊 緣像素點；
[0032] 判斷真假邊緣像素點模塊，用于:基于邊緣像素點判斷所述邊緣像素點是否為假 邊緣像素點；
[0033] 處理模塊，用于:對每個假邊緣像素點及非邊緣像素點進行濾波處理；
[0034] 所述假邊緣像素點是孤立的像素點。
[0035] 優選地，所述假邊緣像素點通過下述單元判斷：
[0036] 提取單元，用于:對待處理圖像的每一個邊緣像素點，提取W該邊緣像素點為中屯、 取5 X 5的區域，并輸出給判斷單元；
[0037] 判斷單元，用于:在所述區域中，對于所述邊緣像素點沿水平對齊方向、垂直對齊 方向、W及2對角方向，若任何一個方向上的邊緣像素點數目累計小于等于3個，則所述邊緣 像素點為假邊緣像素點。
[0038] 優選地，所述處理模塊中所述濾波處理為雙邊濾波處理。
[0039] 優選地，所述處理模塊進一步包括下述單元：
[0040] 強濾波單元，用于:對所述假邊緣像素點進行強濾波;在進行強濾波時，濾波參數 Or和Os根據下述公式計算：
[0041] ?
[0042] 巧中；
[0043] L肥為強濾波和弱濾波分界闊值;LH3為濾波終止闊值；
[0044] a為Os起始設定最小參數值;b為Or起始設定最小參數值;c+a為Os設定最大參數值； d+b為Os設定最大參數值；
[0045] GV為濾波窗口內計算該像素與其它像素之間的灰度最大變化(Gray Variation) 即濾波窗口內的灰度差值;其計算式如下：
[0046] GV=max I Y(i, j)-Y(i+s,j+t)
[0047] 式中；
[004引 Y(i,j)為當前像素點，M為垂直檢測距離，N為水平檢測 距離；
[0049]弱濾波單元，用于:對所述非邊緣像素點進行弱濾波;在進行弱濾波時，濾波參數 Or和Os根據下述公式計算；
[(K)加]
[0051 ]式中：LHl為濾波起始闊值。
[0052] 優選地，所述邊緣檢測算子優選化nny算子。
[0053] 本公開方法使用了 5X5的檢測區域，基于真邊緣像素為連通區域，噪聲點為孤立 點的思想，對每一個邊緣像素點從水平、垂直和2對角四個方向進行連通性的判定，由此判 定邊緣點是真邊緣還是假邊緣，對假邊緣點進行強濾波，與傳統去除蚊式噪聲方法相比較， 通過區別真假邊緣信息，保留了細節信息，避免了圖像處理后的模糊；由于采用降噪濾波為 雙邊濾波局部降噪，相比傳統采用全局均值濾波和中值濾波去除蚊式噪聲的方法，彌補了 傳統方法對邊緣造成的模糊效應，更好地去除了蚊式噪聲。
【附圖說明】
[0054] 圖1為本公開一個實施例中的5X5邊緣檢測算法示意圖；
[0055] 圖2為本公開一個實施例中的基于邊緣檢測算法去除蚊式噪聲流程圖；
[0056] 圖3-1為本公開一個實施例中蚊式噪聲圖像；
[0057] 圖3-2為本公開一個實施例中對圖3-1采用均值濾波處理后的圖像；
[0058] 圖3-3為本公開一個實施例中對圖3-1采用中值濾波處理后的圖像；
[0059] 圖3-4為本公開一個實施例中對圖3-1采用本公開方法處理后的圖像；
[0060] 圖4為本公開一個實施例中的基于邊緣檢測算法去除蚊式噪聲系統結構示意圖。
【具體實施方式】
[0061] -種基于邊緣檢測算法去除蚊式噪聲的方法，所述方法包括下述步驟：
[0062] S100、使用邊緣檢測算子檢測待處理圖像，獲取待處理圖像的邊緣信息；
[0063] S200、基于待處理圖像的邊緣信息，依次判斷每個像素點是否為邊緣像素點；
[0064] S300、基于邊緣像素點判斷所述邊緣像素點是否為假邊緣像素點；
[0065] S400、對每個假邊緣像素點及非邊緣像素點進行濾波處理；
[0066] 所述假邊緣像素點是孤立的像素點。
[0067] 由于蚊式噪聲會被誤判為邊緣信息，如果不區分邊緣信息是否是真邊緣，而直接 對包含邊緣的像素塊進行低通濾波，就會導致去除蚊式噪聲的同時模糊了邊緣和細節信 息。在運個實施例中，將含有蚊式噪聲的圖像使用邊緣檢測算子得到邊緣信息，采用本公開 提出的方法對圖像每一像素的邊緣信息進行判定真假邊緣，對真邊緣像素點不進行處理， 而對假邊緣像素點進行強濾波處理，對非邊緣像素點進行弱濾波處理，從而實現去除蚊式 噪聲的同時，保護細節和邊緣信息。
[0068] 在一個實施例中，提供了所述假邊緣像素點的判斷方法，即：
[0069] S301、對待處理圖像的每一個邊緣像素點，提取W該邊緣像素點為中屯、取5X5的 區域；
[0070] S302、在所述區域中，對于所述邊緣像素點沿水平對齊方向、垂直對齊方向、W及2 對角方向，若任何一個方向上的邊緣像素點數目累計小于等于3個，則所述邊緣像素點為假 邊緣像素點。
[0071] 基于邊緣信息是連續的像素點，而噪聲點是孤立的，因此通過對檢測待處理圖像 的邊緣是連通的還是孤立的點，W此來區別真假邊緣像素點。在運個實施例中，提供了假邊 緣像素點的判斷方法，比如每個方向上，當被檢測像素點周圍的邊緣像素點數目為1個或2 個或3個時，則被檢測像素點為假邊緣像素點;所述方向包括水平對齊、垂直對齊、和2對角。 運個實施例也同時掲示了真邊緣像素點的判斷方法，即：對S201中提取的W該邊緣像素點 為中屯、取5X5的區域，如圖1所示，判斷該邊緣像素點沿水平對齊、垂直對齊、和2對角四個 方向上沿水平對齊、垂直對齊、和2對角四個方向上是否在存在一個方向上的邊緣像素累計 超過3個像素點，若超過3個，則該邊緣像素點為真邊緣像素點。
[0072] 優選的，所述S400中所述濾波處理為雙邊濾波處理。雖然傳統的濾波方法如均值 濾波和中值濾波可W良好的抑制蚊式噪聲，并且保持圖像的邊緣，但是對于圖像的細節還 會產生一定的模糊效應。為此本公開方法的降噪濾波采用雙邊濾波，雙邊濾波在濾波的同 時能較好的保持邊緣細節。
[0073] 在一個實施例中，在判斷出假邊緣像素點后，對假邊緣像素點及非邊緣點進行進 一步區分處理，即：所述S400進一步包括下述步驟：
[0074] S401、對所述假邊緣像素點進行強濾波;在進行強濾波時，濾波參數Or和Os根據下 述公式計算：
[0075]
[0076] 式中；
[0077] L肥為強濾波和弱濾波分界闊值;LH3為濾波終止闊值；
[0078] a為Os起始設定最小參數值;b為Or起始設定最小參數值;c+a為Os設定最大參數值； d+b為Os設定最大參數值；
[0079] GV為濾波窗口內計算該像素與其它像素之間的灰度最大變化(Gray Variation) 即濾波窗口內的灰度差值;其計算式如下：
[0080] GV=max I Y(i, j)-Y(i+s,j+t)
[0081 ]式中；
[0082] Y(i,j)為當前像素點
€%垂直檢測距離，N為水平檢測 距離；
[0083] S402、對所述非邊緣像素點進行弱濾波;在進行弱濾波時，濾波參數Or和Os根據下 述公式計算；
[0084]
[0085] 式中；
[00化]LHl為濾波起始闊值。
[0087]由于雙邊濾波器的兩個參數Or和Os決定著對圖像濾波的整體平滑效果，使用參數 曰r和Os的定值應用于整幅噪聲圖像，將不可避免的在完全去除蚊式噪聲的同時模糊圖像細 節區域，因此在本實施例中通過設置雙邊濾波的參數Or和Os在不同情況下的取值，來調節雙 邊濾波的濾波強度，W達到對真邊緣附近和假邊緣進行強濾波，對遠離邊緣區域進行一般 濾波的效果，所述遠離邊緣區域即為S302中所述非邊緣像素點所構成的區域。本公開通過 計算邊緣上像素點與檢測窗口之間的灰度最大變化的大小即灰度差值GV來調節雙邊濾波 的不同參數，依據計算的不同灰度差值所在的灰度差值闊值范圍來計算相應的濾波參數曰r 和曰S。本公開設置S個灰度差值闊值:濾波起始闊值LHl，強濾波和弱濾波分界闊值LH2,濾 波終止闊值LH3。灰度差值介于LH2和LH3之間進行強濾波。灰度差值介于LHl和LH2之間的進 行弱濾波。灰度差值小于LHl不進行濾波。
[0088] 通過上述濾波處理的區域，從運個實施例還可W看出本方法對真邊緣像素點的保 護，即：對真邊緣像素點及此真邊緣像素點相鄰的上、下、左、右運五個像素點不處理。
[0089] 優選地，所述邊緣檢測算子優選化nny算子。經典的邊緣檢測算子主要包括W-階 導數為基礎的邊緣檢測算子PrewUt算子，Robeds算子，Sobel算子和W二階導數為基礎的 邊緣檢測算子化nny算子，Laplacian算子，LOG算子等運兩種類型cXanny算子由于是基于了 最優邊緣檢測思想進行邊緣檢測，所W提取的邊緣十分完整，細節表現明晰，邊緣的連續性 也很好，而且抗噪能力也相對較強，效果明顯優于其它算子。本公開采用化nny邊緣檢測算 子進行邊緣檢測。
[0090] 在一個實施例中，如圖2所示，提供了一種基于邊緣檢測算法去除蚊式噪聲方法的 一種實現方式，包括下述步驟：
[0091] Sl、輸入圖像；
[0092] S2、判斷是否遍歷完圖像中的區域，若是，則執行步驟S8;否則執行步驟S3;
[0093] S3、使用邊緣檢測算子檢測待處理圖像，獲取待處理圖像的邊緣信息；
[0094] S4、判斷每個像素點是否為邊緣像素點;若是，則執行步驟S5;否則，執行步驟S7;
[00M] S5、判斷每個邊緣像素點是否為假邊緣像素點;若是，執行步驟S6;否則，返回步驟 S2；
[0096] S6、進行強濾波，返回步驟S2;
[0097] S7、進行弱濾波，返回步驟S2;
[009引 S8、輸出圖像。
[0099] 在一個實施例中，提供了圖3-1所示的帶有蚊式噪聲的原圖。對待處理圖像的每一 個邊緣像素點，提取W該邊緣像素點為中屯、取5X5的區域。在所述區域中，對所述邊緣像素 點沿水平對齊方向、垂直對齊方向、W及2對角方向的邊緣像素點進行統計，若任何一個方 向上的邊緣像素點數目累計小于等于3個，則所述邊緣像素點為假邊緣像素點。對所述假邊 緣像素點進行強濾波，對所述非邊緣像素點進行弱濾波。進行強濾波和弱濾波時，用于計算 濾波參數〇1'和〇3所設及的參數在本實施例中依次設置為:曰=15,6 = 10，。= 15，(1 = 10，起始 闊值Ull = 100，強濾波和弱濾波分界闊值LH2 = 150，濾波終止闊值L冊=230。采用均值濾波 處理后的圖像如圖3-2所示，采用中值濾波處理后的圖像如圖3-3所示，采用本公開方法處 理后的圖像如圖3-4所示，從運S幅圖可W看出：
[0100] A)處理后圖片最大限度的去除了蚊式噪聲，圖像更清晰，質量更高；
[0101] B)保存了更多的紋理和邊緣信息，與傳統去除蚊式噪聲相比，用本公開方法所處 理后圖片更加接近于原始圖片，只對蚊式噪聲進行了處理而對其它圖像信息不處理。
[0102] 基于所述方法，在一個實施例中實現了一種基于邊緣檢測算法去除蚊式噪聲的系 統，所述系統包括下述模塊：
[0103] 檢測模塊，用于：使用邊緣檢測算子檢測待處理圖像，獲取待處理圖像的邊緣信 息；
[0104] 判斷邊緣模塊，用于:基于待處理圖像的邊緣信息，依次判斷每個像素點是否為邊 緣像素點；
[0105] 判斷真假邊緣像素點模塊，用于:基于邊緣像素點判斷所述邊緣像素點是否為假 邊緣像素點；
[0106] 處理模塊，用于:對每個假邊緣像素點及非邊緣像素點進行濾波處理；
[0107] 所述假邊緣像素點是孤立的像素點。
[0108] 進一步地，所述假邊緣像素點通過下述單元判斷：
[0109] 提取單元，用于:對待處理圖像的每一個邊緣像素點，提取W該邊緣像素點為中屯、 取5 X 5的區域，并輸出給判斷單元；
[0110] 判斷單元，用于:在所述區域中，對于所述邊緣像素點沿水平對齊方向、垂直對齊 方向、W及2對角方向，若任何一個方向上的邊緣像素點數目累計小于等于3個，則所述邊緣 像素點為假邊緣像素點。
[0111] 優選地，所述處理模塊進一步包括下述單元：
[0112] 強濾波單元，用于:對所述假邊緣像素點進行強濾波；
[0113] 弱濾波單元，用于:對所述非邊緣像素點進行弱濾波。
[0114] 在一個實施例中，所述系統的系統結構示意圖如圖4所示，在該系統結構，包括檢 巧順塊，判斷邊緣模塊，判斷真假邊緣像素點模塊W及處理模塊。其中，判斷真假邊緣像素 點模塊進一步包括提取單元和判斷單元;處理模塊進一步包括強濾波單元和弱濾波單元。
[0115] 優選地，所述處理模塊中所述濾波處理為雙邊濾波處理，則對于處理模塊中的強 濾波單元進行強濾波時，其濾波參數Or和Os根據下述公式設置：
[0116]
[0117]式中；
[011引 L肥為強濾波和弱濾波分界闊值;L冊為濾波終止闊值；
[0119] a為Os起始設定最小參數值;b為Or起始設定最小參數值;C+a為Os設定最大參數值； d+b為Os設定最大參數值；
[0120] GV為濾波窗口內計算該像素與其它像素之間的灰度最大變化(Gray Variation) 即濾波窗口內的灰度差值;其計算式如下：
[0121] GV=Hia 巧(i,j)-Y(i+s,j+t)
[0122] 式中；
[0123] Y(i,j)為當前像素點 M為垂直檢測距離，N為水平檢測 距離；
[0124] 弱濾波單元，用于:對所述非邊緣像素點進行弱濾波;在進行弱濾波時，濾波參數 Or和Os根據下述公式計算；
[0125]
[0126] 式中:LHl為濾波起始闊值。
[0127] 在一個實施例中，所述邊緣檢測算子優選化nny算子。
[0128] W上對本公開進行了詳細介紹，本文中應用了具體個例對本公開的原理及實施方 式進行了闡述，W上實施例的說明只是用于幫助理解本公開的方法及其核屯、思想；同時，對 于本領域技術人員，依據本公開的思想，在【具體實施方式】及應用范圍上均會有改變之處，綜 上所述，本說明書內容不應理解為對本公開的限制。
【主權項】
1. 一種基于邊緣檢測算法去除蚊式噪聲的方法，其特征在于，所述方法包括下述步驟： S100、使用邊緣檢測算子檢測待處理圖像，獲取待處理圖像的邊緣信息； S200、基于待處理圖像的邊緣信息，依次判斷每個像素點是否為邊緣像素點、非邊緣像 素點； 5300、 判斷所述邊緣像素點是否為假邊緣像素點； 5400、 對每個假邊緣像素點及非邊緣像素點進行濾波處理； 所述假邊緣像素點是孤立的像素點。2. 根據權利要求1所述的方法，其特征在于，優選的，所述步驟S300進一步包括下述步 驟： 5301、 對待處理圖像的每一個邊緣像素點，提取以該邊緣像素點為中心取5X5的區域； 5302、 在所述區域中，對于所述邊緣像素點沿水平對齊方向、垂直對齊方向、以及2對角 方向，若任何一個方向上的邊緣像素點數目累計小于等于3個，則所述邊緣像素點為假邊緣 像素點。3. 根據權利要求1所述的方法，其特征在于，所述S400中所述濾波處理為雙邊濾波處 理。4. 根據權利要求3所述的方法，其特征在于，所述S400進一步包括下述步驟： 5401、 對所述假邊緣像素點進行強濾波;在進行強濾波時，濾波參數~和~根據下述公 式計算：式中： LH2為強濾波和弱濾波分界閾值;LH3為濾波終止閾值； a為〇3起始設定最小參數值;IdSo1?起始設定最小參數值;c+aS〇 s設定最大參數值;d+b 為〇8設定最大參數值； GV為濾波窗口內計算該像素與其它像素之間的灰度最大變化(Gray Variation)即濾 波窗口內的灰度差值;其計算式如下：4為垂直檢測距離，N為水平檢測距 離； 5402、 對所述非邊緣像素點進行弱濾波;在進行弱濾波時，濾波參數~和~根據下述公 式計算；式中： LHl為濾波起始閾值。5. 根據權利要求1所述的方法，其特征在于，所述邊緣檢測算子為Canny算子。6. -種基于邊緣檢測算法去除蚊式噪聲的系統，其特征在于，所述系統包括下述模塊： 檢測模塊，用于:使用邊緣檢測算子檢測待處理圖像，獲取待處理圖像的邊緣信息； 判斷邊緣模塊，用于:基于待處理圖像的邊緣信息，依次判斷每個像素點是否為邊緣像 素點； 判斷真假邊緣像素點模塊，用于:基于邊緣像素點判斷所述邊緣像素點是否為假邊緣 像素點； 處理模塊，用于:對每個假邊緣像素點及非邊緣像素點進行濾波處理； 所述假邊緣像素點是孤立的像素點。7. 根據權利要求6所述的系統，其特征在于，所述假邊緣像素點通過下述單元判斷： 提取單元，用于:對待處理圖像的每一個邊緣像素點，提取以該邊緣像素點為中心取5 X5的區域，并輸出給判斷單元； 判斷單元，用于:在所述區域中，對于所述邊緣像素點沿水平對齊方向、垂直對齊方向、 以及2對角方向，若任何一個方向上的邊緣像素點數目累計小于等于3個，則所述邊緣像素 點為假邊緣像素點。8. 根據權利要求6所述的系統，其特征在于，所述處理模塊中所述濾波處理為雙邊濾波 處理。9. 根據權利要求8所述的系統，其特征在于，所述處理模塊進一步包括下述單元： 強濾波單元，用于:對所述假邊緣像素點進行強濾波;在進行強濾波時，濾波參數 根據下述公式計算：式中： LH2為強濾波和弱濾波分界閾值;LH3為濾波終止閾值； a為〇3起始設定最小參數值;IdSo1?起始設定最小參數值;c+aS〇 s設定最大參數值;d+b 為〇8設定最大參數值； GV為濾波窗口內計算該像素與其它像素之間的灰度最大變化(Gray Variation)即濾 波窗口內的灰度差值;其計算式如下：YdU)為當前像素點 M為垂直檢測距離，N為水平檢測距J 離； 弱濾波單元，用于:對所述非邊緣像素點進行弱濾波;在進行弱濾波時，濾波參數~和〇8 根據下述公式計算；式中:LHl為濾波起始閾值。10.根據權利要求1所述的系統，其特征在于，所述邊緣檢測算子優選Canny算子。
【文檔編號】G06T5/00GK106023204SQ201610340089
【公開日】2016年10月12日
【申請日】2016年5月20日
【發明人】肖冰, 劉璐, 郭麗, 馬君亮
【申請人】陜西師范大學