种改进型Canny边缘

《种改进型Canny边缘》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、一种改进型Canny边缘检测算法1.概述边缘是图像最基本的特征。经典的边缘检测算法认为边缘主要表现为图像局部特征的不连续型，从而关于边缘检测算子的研究主要集中于灰度图像梯度的研究。通常将边缘划分为阶跃状和屋顶状两种类型。阶跃边缘中两边的灰度值有明显的变化；屋顶状边缘位于灰度增加和减少的交界处。典型的一阶微分算子有Roberts算子、Prewitt算子、Sobel算子，二阶有Laplace算子、LOG算子等等。这些算子简单容易实现，具有很好实时性，但对噪声比较敏感、抗干扰性能差，边缘不够精细。Canny算子是基于最优化算法的边缘检测算子，具有很好信噪

2、比和检测精度，但是Canny算子也有不足。2.传统的Canny算法传统Canny算法的思想是先将图像使用高斯函数进行滤波平滑，再由一阶微分的极大值确定边缘点。Canny算法选用合适的一维高斯函数，分别按行和列队图像进行平滑去噪；然后采用二维高斯滤波模板来计算平滑后的数据阵列的梯度幅值和梯度方向，通过梯度的方向找到这个像素梯度方向的邻接像素，遍历整个图像，去除非边缘像素。若某个像素的灰度值与其梯度方向上前后2个像素的灰度值比不是最大的，那么该像素不是边缘。处理后的边缘像素会导致梯度幅度图像中出现脊，使用累计直方图计算2个阈值。凡是大于高阈值的像素一定

3、是边缘；凡是小于低阈值的像素一定不是边缘；如果检测结果介于大阈值和小阈值之间，则看这个像素的邻接像素中有没有灰度超过高阈值的边缘像素；如果有，它就是边缘，否则不是边缘。3.Canny算法存在不足传统Canny算法用高斯函数对图像进行平滑造成过度平滑，图像平滑滤波的主要目的是提高信噪比，消除噪声，然而在对图像做高斯平滑时，边缘作为高频成份被平滑掉，使一些边缘变为缓边缘，这样在非极大值抑制的时候，缓边缘将会丢失。传统Canny算法在2x2邻域内求有限差分均值来计算梯度幅值的算法，对噪声比较敏感，且容易检测出假边缘或丢失一些真实边缘的细节部分。传统Can

4、ny算法检测边缘是，梯度阈值th1和th2完全依赖人工获得，无法满足大图像库中图像边缘自动检测的要求。4.改进的Canny边缘检测算法Ⅰ.非线性扩散滤波由于图像边缘和合噪声都是高频信号，运用高斯函数进行滤波，会使图像的边缘模糊度增加，这将导致后续边缘检测过程变得困难。因此采用由Perona和Malik提出的非线性各向异性扩散滤波，它是一种比较有效的边缘保持滤波方法，它以输入的图像作为初始条件，通过求解一个非线性偏微分方程得到滤波后的图像，其各向异性扩散方程为：扩散方程其中P-M方程的扩散性质取决于图像边缘的良好估计以及Ⅱ.3x3邻域的梯度幅值计算Ⅲ

5、.选取阈值针对传统Canny算法在高、低阈值设定上的缺陷，对图像经梯度运算后得到的梯度幅值图像，采用最大方差阈值法来确定Canny算法中的高阈值Th2，并且是低阈值Th1=Th2/2。设F（i,j）为M×N图像（i,j）点处的灰度值，假设F（i,j）取值[0,m-1]，令p(k)为灰度值为k的概率，将图像根据阈值t划分为目标A和背景B两大类，则目标A出现的概率：背景B出现的概率：