一种基于模糊理论的图像边缘检测算法.pdfVIP

第30卷第7期 重庆工商大学学报(自然科学版) 2013年7月 Technol Sei V01．30NO．7 JChongqingBusinessUniv．(NatEd) Jul．2013 文章编号：1672—058X(2013)07—0053—03 一种基于模糊理论的图像边缘检测算法水 潘花 (安徽科技学院理学院，安徽凤阳233100) 摘要：提出了一种基于模糊理论的图像边缘检测算法，首先采用Otsu算法求出图像的阈值，然后通过 新定义的隶属函数对图像进行模糊增强，最后运用Canny算子进行图像的边缘检测；实验结果表明，该方法 在速度和准确性方面都达到了令人满意的效果。 关键词i边缘检测；隶属函数；Otsu算法；Canny算子 中图分类号：TP391 文献标志码：A 边缘检测是图像处理、计算机视觉中最基础的内容，也是至今仍没有得到圆满解决的一类问题¨1。常用 的图像边缘检测方法有基于经典微分算子的方法、基于小波变换的方法心J、基于数学形态学的方法∞1和基 于模糊理论的方法等。模糊边缘检测算法是利用模糊集合理论，通过隶属函数和增强算子进行图像边缘检 测。但该方法存在图像部分低灰度信息丢失，运算速度较慢等问题H1。在传统的边缘检测算子中，Canny算 子由于具有较好的信噪比和检测精度，仍然在图像处理领域得到广泛应用J。但是该算子对噪声比较敏 感，并且阈值的选择对检测结果影响很大，往往不能得到理想的效果∞J。为获得较好的边缘检测效果，提出 了一种新的基于模糊理论的边缘检测算法，并进行了仿真实验，验证该算法的有效性。 1算法基本原理 1．1图像的模糊化 图像的模糊化就是将图像灰度矩阵转换到模糊集中形成模糊特征矩阵，把图像每个像素点的灰度值转 换成具有相对于某一个特定灰度级的隶属程度，这样用一个模糊值就可以代表图像中某一部分的明暗程 度Ⅲ。一个灰度级为￡、大小为MxN的图像，在模糊化前后均可用矩阵的形式来表示，具体如下： Xo(,v—1) VO(N一1) ：gl(N—1) 1)l(N一1) I= ．I，= X(M—1)(．Iv—1) V(M—1)(Ⅳ一1) 其中移F表示点(i√)处的灰度级菇#相对于某一个特定灰度级的隶属度，秽F∈[0，1]。 1．2阈值的选取 在图像处理中，选取阈值是根据能够被很好分割的各部分在灰度级上是可分的这样一个假设，故最佳 收稿日期：2013—01—08；修回日期：2013—02—20． }基金项目：安徽省教育厅自然科学研究项目(K． 作者简介：潘花(1980．)，女，山东泗水人，讲师，硕士，从事计算数学、图像处理等研究． 万方数据 重庆工商大学学报(自然科学版) 第30卷 阈值是能够最好的将背景和目标分开的门限。最大类间方差法是1979年日本学者大津提出的，是一种自适 应阈值确定方法，也叫大津法，简称为Otsu。该算法是利用概率论的相关知识，利用图像的灰度直方图以目 标和背景的方差最大来自适应确定分割阈值的，一直被认为是阈值自动选取方法的最优方法。Otsu算法计 算简单，在一定条件下不受图像对比度与亮度变化的影响，因而在一些实时图像处理系统中得到了广泛的 应用旧J。本文采用传统的Otsu算法计算模糊特征矩阵的阈值。 1．3定义新的隶属函数 由于模糊集合研究的对象具有模糊性和经验性，正确地确定隶属函数，是运用模糊集合理论解决实际 问题的基础。隶属函数实质上反映的是函数的渐变性，因此找到一种统一的隶属度计算方法是不现实的。 隶属函数的确定目前还没有一套成熟有效的方法，大多数系统的确定方法还停留在经验和实验的基础 上旧J。利用隶