基于梯度极值Otsu算法的Canny边缘检测改进

摘要

针对Canny算法椒盐噪声敏感、滤波后图像边缘模糊、梯度计算不准确、阈值设定困难等问题,建立一种能够在滤波时保留边缘信息且根据图像梯度极值合理选取高低阈值,提高定位准确性的改进Canny算法。首先用K-近邻均值滤波代替高斯滤波,在保留图像边缘信息的同时增强了去噪能力。其次,利用Scharr算子代替原有的梯度模板计算图像梯度,改进算子内核,使计算结果更加准确,同时减少运算时间;最后,在非极大值抑制之后,对梯度图使用带抑制因子的Otsu算法,自适应选取Canny算法中的高、低阈值。仿真实验结果表明,该算法具有良好的信噪比、边缘检测效果及自适应性。