種改進(jìn)型Canny邊緣

一種改進(jìn)型Canny邊緣檢測算法種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第1頁!1.概述

邊緣是圖像最基本的特征。經(jīng)典的邊緣檢測算法認(rèn)為邊緣主要表現(xiàn)為圖像局部特征的不連續(xù)型，從而關(guān)于邊緣檢測算子的研究主要集中于灰度圖像梯度的研究。通常將邊緣劃分為階躍狀和屋頂狀兩種類型。階躍邊緣中兩邊的灰度值有明顯的變化；屋頂狀邊緣位于灰度增加和減少的交界處。種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第2頁!

典型的一階微分算子有Roberts算子、Prewitt算子、Sobel算子，二階有Laplace算子、LOG算子等等。這些算子簡單容易實現(xiàn)，具有很好實時性，但對噪聲比較敏感、抗干擾性能差，邊緣不夠精細(xì)。Canny算子是基于最優(yōu)化算法的邊緣檢測算子，具有很好信噪比和檢測精度，但是Canny算子也有不足。種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第3頁!

若某個像素的灰度值與其梯度方向上前后2個像素的灰度值比不是最大的，那么該像素不是邊緣。處理后的邊緣像素會導(dǎo)致梯度幅度圖像中出現(xiàn)脊，使用累計直方圖計算2個閾值。凡是大于高閾值的像素一定是邊緣；凡是小于低閾值的像素一定不是邊緣；如果檢測結(jié)果介于大閾值和小閾值之間，則看這個像素的鄰接像素中有沒有灰度超過高閾值的邊緣像素；如果有，它就是邊緣，否則不是邊緣。種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第4頁!

傳統(tǒng)Canny算法檢測邊緣是，梯度閾值th1和th2完全依賴人工獲得，無法滿足大圖像庫中圖像邊緣自動檢測的要求。種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第5頁!擴散方程其中P-M方程的擴散性質(zhì)取決于圖像邊緣的良好估計以及種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第6頁!Ⅲ.選取閾值針對傳統(tǒng)Canny算法在高、低閾值設(shè)定上的缺陷，對圖像經(jīng)梯度運算后得到的梯度幅值圖像，采用最大方差閾值法來確定Canny算法中的高閾值Th2，并且是低閾值Th1=Th2/2。設(shè)F（i,j）為M×N圖像（i,j）點處的灰度值，假設(shè)F（i,j）取值[0,m-1]，令p(k)為灰度值為k的概率，將圖像根據(jù)閾值t劃分為目標(biāo)A和背景B兩大類，則種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第7頁!2.傳統(tǒng)的Canny算法

傳統(tǒng)Canny算法的思想是先將圖像使用高斯函數(shù)進(jìn)行濾波平滑，再由一階微分的極大值確定邊緣點。Canny算法選用合適的一維高斯函數(shù)，分別按行和列隊圖像進(jìn)行平滑去噪；然后采用二維高斯濾波模板來計算平滑后的數(shù)據(jù)陣列的梯度幅值和梯度方向，通過梯度的方向找到這個像素梯度方向的鄰接像素，遍歷整個圖像，去除非邊緣像素。種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第8頁!3.Canny算法存在不足

傳統(tǒng)Canny算法用高斯函數(shù)對圖像進(jìn)行平滑造成過度平滑，圖像平滑濾波的主要目的是提高信噪比，消除噪聲，然而在對圖像做高斯平滑時，邊緣作為高頻成份被平滑掉，使一些邊緣變?yōu)榫忂吘墸@樣在非極大值抑制的時候，緩邊緣將會丟失。傳統(tǒng)Canny算法在2x2鄰域內(nèi)求有限差分均值來計算梯度幅值的算法，對噪聲比較敏感，且容易檢測出假邊緣或丟失一些真實邊緣的細(xì)節(jié)部分。種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第9頁!4.改進(jìn)的Canny邊緣檢測算法Ⅰ.非線性擴散濾波由于圖像邊緣和合噪聲都是高頻信號，運用高斯函數(shù)進(jìn)行濾波，會使圖像的邊緣模糊度增加，這將導(dǎo)致后續(xù)邊緣檢測過程變得困難。因此采用由Perona和Malik提出的非線性各向異性擴散濾波，它是一種比較有效的邊緣保持濾波方法，它以輸入的圖像作為初始條件，通過求解一個非線性偏微分方程得到濾波后的圖像，其各向異性擴散方程為：種改進(jìn)型Canny邊緣共12頁，您現(xiàn)在瀏覽的是第10頁!Ⅱ.3x3鄰