資源描述：
《基于梯度分析下的邊緣檢測優(yōu)化》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于梯度分析下的邊緣檢測優(yōu)化一、邊緣檢測介紹圖像的邊緣是圖像最基本的特征，它蘊含了豐富的目標(biāo)物體的信息。所謂邊緣是一組相連的像素集合，這些像素的周圍像素灰度有強烈的反差。邊緣既是圖像分割所依賴的重要的特征，也是紋理特征的重要信息源和形狀特征的基礎(chǔ)。因此在模式識別、機器人視覺、圖像分割、特征提取、圖像壓縮等方面都把邊緣檢測作為最基本的工具。在傳統(tǒng)的邊緣檢測算法中，總體上分為兩大類：一是基于微分算子類的圖像邊緣檢測方法，典型的Roberts算子、Sobel算子、Laplace算子、Canny算子等；另一類是基于邊緣擬合算子的檢測方法，即先對圖像的小區(qū)域進行曲面擬合,再對擬合出的曲面使用微分算子方
2、法進行邊緣檢測。本文根據(jù)圖像中灰度的梯度變化，提出了一種新的邊緣檢測方法。該方法簡單，邊緣提取效果好。二、檢測過程1?梯度的定義對圖像進行邊緣檢測的方式很多，通常在空域采用局部微分算子來進行檢測。梯度對應(yīng)一階導(dǎo)數(shù)，對于連續(xù)函數(shù)f(x,y),它在坐標(biāo)(x,y)處的梯度可用矢量表示為：m^y)=[GxGy]1=竽孚dxdy其幅度g(簡稱梯度)和方向角8分別為g=^Gx2+Gy2,0=arctan(G^/Gx).2?梯度幅值計算方法在一幅圖像屮每個像素點具有八鄰域，具有四個邊緣檢測方向。當(dāng)邊緣與檢測方向垂直時才能很好地檢測到邊緣點，因此雖然理論上只用水平方向和垂直方向也能檢測到每條邊緣，但是在實際
3、應(yīng)用中存在明顯的漏檢。為了能在X方向、45°方向、Y方向、135。方向上檢測邊緣和減少誤差，我們提出了在3X3的窗口中分別計算X方向、45°方向、Y方向、135°方向的一階偏導(dǎo)數(shù)有限差分均值來確定像素點的梯度幅值的方法ol[i,j]是坐標(biāo)為3X3窗口屮心像素點[i,j]的灰度值，M[i,j]是坐標(biāo)3X3窗口中心像素點[i,j]的梯度幅值。Px[i,j]、P45〔i,j]、Py[i,j]、Pi35[i,j]分別為3X3窗口中心像素點[i,j]X方向、45。方向、Y方由、135°方向的一階偏導(dǎo)數(shù)值。M[/,j]=（
4、Px[i,J]
5、+PyU,J]
6、+1P45卩，J]
7、+1屜卩,刀
8、）/43?最
9、佳閾值的自適應(yīng)確定為了更精確地檢測出邊緣，閾值應(yīng)根據(jù)每幅具體圖像自適應(yīng)的獲取。閾值的選取應(yīng)接近邊緣點的梯度幅值，這樣就可以很好地防止邊緣中包含非邊緣點。通過計算出圖像中每個像素點的梯度幅值M,然后求出整幅圖像的平均梯度幅值J和圖像中全部像素點的梯度幅值相對與J的方差0。MN工工M["MxN/=0,/=0MNi=0j=0MxNMXN為圖像的總像素數(shù)。由于一副圖像中邊緣只占很小的一部分，因此非邊緣點的梯度幅值與整幅圖像的平均梯度幅值J的接近程度應(yīng)大于邊緣點與J的接近程度。如果以J作為閾值則檢測出的邊緣中將包含很多非邊緣的像素點。全部像素點的梯度幅值相對與J的方差＜7反映了圖像中梯度分布相對于J的
10、離散程度，因此為了使閾值在一定程度上接近邊緣點的梯度幅值我們用平均梯度幅值J和方差b的和做為閾值。實驗取得了良好的效果。具體算法如下：（1）計算出整副圖像的平均梯度幅值J；（2）計算圖像內(nèi)全部像素的梯度幅值相對與J的方差（7;（3）由式K二J+<7計算得到閾值K的值。4?根據(jù)閾值提取圖像的初始邊緣根據(jù)圖像的具體特征自適應(yīng)地獲取閾值后，就可以提取圖像的初始邊緣了。具體算法如下：（1）對于圖像中的每一個像素點分別計算出X方向、45°方向、Y方向、135。方向的一階偏導(dǎo)數(shù)，并對這四個值都取絕對值做為該像素點在這四個方向的梯度幅值。（2）判斷這四個方向的梯度幅值與閾值的大小。在這四個梯度幅值中只要有
11、一個值大于閾值K就把該點判定為邊緣點。并把該點的灰度值用其梯度幅值來代替。對于非邊緣點其灰度值設(shè)為零。5?從初始邊緣中剔除噪聲由于噪聲點和邊緣點在計算X方向、45°方向、Y方向、135°方向的一階偏導(dǎo)數(shù)時具有的相似的特性，因此在檢測出的初始邊緣屮最大限度地包含了所有的實際邊緣點的同吋也包含了很多噪聲。下面我們將討論如何從初始邊緣中剔除噪聲。物體的邊緣是光滑連續(xù)的，在一個邊緣像素點相鄰的周圍像素點屮肯定能找到一個與其梯度幅值差別不是很大的另一個邊緣點。而噪聲卻不同，由于噪聲是隨機的，在其周圍找到一個與其梯度幅值差別不大的噪聲點可能性是很小的?；谶@個思想本文提出了剔除噪聲點的方法。為了減少運算
12、量和提高算法的可實現(xiàn)性，本文提出的算法只求出0°、45°、90°、135°、180°、225°、270°、315°八個方向上與其相鄰的像素點的梯度幅值差的絕對值。N225=M[i,j]-M[i+,j-^N21Q=M[iJ]-M[i+J^N3l5=M[i,j]-M[i+l,j+^在3X3的窗口屮具體算法如下：(1)對于初始邊緣中的每個像素點，求出NO?N315；(2)使用閾值K作為判斷標(biāo)準(zhǔn)。把該像素點
