一种基于连点画图游戏思想的多阈值边缘检测方法

摘要

基于连点画图游戏思想的多阈值边缘检测方法包括以下步骤：利用一阶导数边缘算子的梯度模板计算每个像素的梯度幅值，设置大小两个阈值，用于确定标兵点搜索区域和边缘搜索区域，并确定两个区域中像素的“边缘”方向；在标兵点搜索区域中将梯度幅值为局部极值的像素标记为标兵点；从标兵点出发，在边缘搜索区域中搜索符合条件的边缘像素，得到最终的边缘图像。本发明的方法能够有效地解决传统一阶导数边缘检测方法存在的边缘短小、边缘丢失和噪声敏感等问题，检测的边缘定位精确，连续性好，且运行速度快，具有较好的实时性，可用于实时性图像分析系统之中。

说明书

技术领域

本发明所属技术领域是数字图像处理，运用经典的一阶导数算子，结合连点画图游戏的思想和多阈值 思想，提出一种新颖的边缘检测方法。

背景技术

计算机视觉系统的终极目标是能像人类视觉系统一样工作。计算机可以利用必要的信息进行快速、深 层的科学分析，但对于内容复杂的图像，获取其中的信息却成了难题，因为计算机不能像人眼那样轻易地 理解图像内容。边缘是图像中最基础和关键的内容，不仅因为边缘包含着图像所表达的重要信息，更重要 的是边缘为图像分析和模式识别等应用提供最基本的分析特征。所以各种各样的边缘检测算法及改进算法 层出不穷，虽然原理不尽相同，但目的都是为了得到定位精确的、连续性好的高质量边缘图像。

基于一阶导数的边缘检测算法通常会用到一系列的滤波器。先用低通滤波器减少噪声并平滑图像，再 用高通滤波器提取边缘区域。边缘区域由若干宽度的像素构成，所以接下来的任务是在边缘区域中提取边 缘，实现这一步通常采用的技术有边缘细化、非极大值抑制，或者形态学方法等，但它们的效果往往不理 想，会出现不连续的边缘片段和多像素宽度的边缘。为了提高边缘图像的质量，往往还需要进行许多后期 处理。

许多基于一阶导数的改进算子在一定程度上解决了上述问题，例如何春华在文献1“基于改进Sobel 算子的边缘检测算法的研究”（光学技术，2012，38（3））提出来权值大小取决于Sobel算子模板内像素 灰度值之和的自适应权值改进算法，具有较强的抗噪能力。高勇钢在文献2“一种改进roberts算子边缘检 测”（巢湖学院学报，2009，11（6））中将不同强度的边缘梯度值变化限定在一定范围内，可有效地保留 边缘信息，消弱杂纹。靳鹏飞在文献3“一种改进的Sobel边缘检测算法”（应用光学，2008，29（4））中 重新构造了对图像边缘方向进行检测的模板，提取的边缘定位精确，结构细腻。这些改进算法可能对某种 一阶导数边缘算子适用，但应用到其它算子中又会出现问题。

发明内容

本发明的目的是提供一种新颖的边缘检测方法，能一定程度改善传统一阶导数边缘算子经常出现的边 缘短小，边缘丢失和噪声敏感等问题。该方法将连点画图游戏的过程思想融入到边缘提取中，并利用多阈 值巧妙地解决了上述问题。该方法不仅可以利用任何一阶导数算子的梯度模板，而且提取的边缘质量均优 于对应的一阶导数算子，且运行速度也存在一定优势。

本发明设计了一种基于连点画图游戏思想的多阈值边缘检测方法，主要包括以下步骤：

(1)利用一阶导数边缘算子的梯度模板对原始灰度图像进行卷积，计算每个像素(x,y)的梯度幅值 MAG(x,y)。设置大阈值Th_big，将MAG(x,y)≥Th_big的像素标记为标兵点（pacesetter）搜索区域Area_ps； 设置小阈值Th_small，将MAG(x,y)≥Th_small的像素标记为边缘搜索区域Area_edge，并通过比较水平梯度值 G_x和垂直梯度值G_y将两个区域中像素的“边缘”方向分成两类，如果|G_x|≥|G_y|，则为横向边缘，反之， 则为纵向边缘。

(2)在Area_ps中将梯度幅值为局部极值的像素标记为标兵点，标兵点的判断要设置阈值Th_ps，对于 Area_ps中的像素(x,y)，如果边缘方向为横向，同时满足MAG(x,y)-MAG(x-1,y)>Th_ps且 MAG(x,y)-MAG(x+1,y)>Th_ps，则将该像素标记为标兵点，如果边缘方向为纵向，同时满足 MAG(x,y)-MAG(x,y-1)>Th_ps且MAG(x,y)-MAG(x,y+1)>Th_ps，则也将该像素标记为标兵点。 舍弃8邻域中无标兵点的孤立标兵，以减少噪声干扰。

(3)从标兵点出发，在Area_edge中按单向三直接邻域搜索法寻找边缘像素，该方法过程为：如果起始 标兵点(x,y)的方向为横向，则将其加入到边缘像素集合Edge←(x,y)，然后先向左、再向右按下列过程 在Area_edge中搜索符合条件的像素：

(1)更新(x,y)的值为其左/右三直接邻域具有最大梯度幅值的像素的坐标值；

(2)如果(x,y)∈Area_edge，Edge且(x,y)的方向类型没发生改变，则Edge←(x,y)，继续 重复过程(1)(2)；如果有一个条件不满足，则执行过程(3)；

(3)回到起始标兵点，更新(x,y)的值为其右三直接邻域具有最大梯度幅值的像素的坐标值，继续重复 过程(2)(1)，直到有一个条件不满足，终止这次搜索过程。

如果起始标兵点的方向为纵向，则先向上、再向下搜索。

附图说明

图1是多阈值边缘检测方法总流程图；

图2是连点画图游戏的示例；

图3是本方法各个环节的效果展示；

图4是实验用的灰度图像；

图5是对实验图像进行边缘检测后的边缘图像；

图6是Sobel算法检测出的边缘图像；

图7是Canny算法检测出的边缘图像。

具体实施方式：

图1是基于连点画图游戏思想的多阈值边缘检测方法流程图；本发明对于该流程各个环节的具体实施 方式描述如下：

（1）预处理应用5×5的，σ=1的Gaussian核对原始图像进行卷积；

（2）计算像素梯度幅值的的一阶导数梯度模板采用Sobel模板，设置大小阈值Th_big为55，Th_small为 20，确定标兵点搜索区域Area_ps和边缘搜索区域Area_edge，并判断区域中像素的“边缘”方向，即为横向 或是纵向；

（3）将梯度幅值为局部极值的像素标记成标兵点，设置阈值Th_ps为4，对于Area_ps中的像素(x,y)， 方向为横向的像素满足MAG(x,y)-MAG(x-1,y)>Th_ps且MAG(x,y)-MAG(x+1,y)>Th_ps，方向为 纵向的像素满足MAG(x,y)-MAG(x,y-1)>Th_ps且MAG(x,y)-MAG(x,y+1)>Th_ps，则将其标记为 标兵点，所有标兵点确定后，舍弃孤立的标兵点；

（4）从一个标兵点出发，在Area_edge中按单向三直接邻域搜索法寻找边缘像素，得到最终的边缘图 像。整个流程各个环节的效果展示如图3所示。

图2是连点画图游戏的一个示例，本发明的边缘搜索过程融合了这个游戏的过程思想。

图4是实验采用的三幅大小为512×512的灰度图像，第一幅为几何图形，且加入了强度为0.04的椒 盐噪声，第二、三幅为常用标准实景灰度图像。

图5是利用上述边缘检测方法对图3实验图像进行边缘检测得到的最终边缘图像。

图6、图7分别是利用Sobel算法和Canny算法对图3实验图像进行边缘检测得到的最终边缘图像。

第一幅几何图像的检测结果可以明显看出Sobel和Canny边缘图像中布满噪点，即使调整阈值，也很 难消除，而本文方法对噪声有很强的抑制能力，得到的边缘整洁平滑。第二、三幅实景图像，Sobel算法 检测出的边缘十分毛糙，且噪点和断裂情况严重，Canny算法检测的边缘虽然比较平滑，噪声处理效果也 不错，但也存在明显断裂情况，本文方法检测的边缘连续性更好，对噪声和短小边缘的抑制能力更强，边 缘细节保留完整。