多线程技术在边缘检测方面的应用.pdfVIP

多线程技术在边缘检测方面的应用 1 2 江韦 ，李振华 1 武汉理工大学信息工程学院，湖北武汉 (430070) 2 武汉理工大学理学院，湖北武汉 (430070) E-mail：bennydice@163.com 摘 要：数字图象的边缘检测在机器人视觉,文字识别, 医学图像处理,遥感影像目标提取等方 面发挥着越来越重要的作用。本文应用数学形态学梯度进行大幅数字图象的边缘检测，将 Visual C++ 中的多线程技术引入其中，把一幅图像分成若干个部分同时处理，大大提高了软 件的并行性和处理速度。 关键词：Visual C++；多线程；边缘检测；形态学梯度 中图分类号：TP391.41 1．引言 边缘是反映图像特征的一个重要依据，因此数字图像的边缘检测是分析和理解图像的基 础，并且它在图像分割，特征提取，图像增强等方面发挥着致关重要的作用。所谓边缘是指 图像中像素有阶跃变化或屋顶变化的那些像素的集合，它表现为图像上的不连续性。传统的 边缘检测算法是以图像边缘的灰度突变性为依据的，即图像边缘的一阶导数会有一个极值， 或二阶导数会产生一个零交叉。常用的算法有梯度算法，Sobel 算法，Prewitt 算法，Kirsch 算法，Laplacian 算法等。另外数学形态学梯度也可以进行边缘检测，而且其处理速度要远 远快于传统的一些算法[1] 。 进程是应用程序的执行实例，每个进程是由私有的虚拟地址空间、代码、数据和其它系 统资源组成。每个进程中又可包含若干个线程。线程是进程内部的一个独立的执行单元，相 当于一个子程序，它对应于Visual C++ 中的CWinThread类对象。多线程技术打破了传统的顺 序处理模式，能更加有效地利用各种系统资源，其采用并行处理数据的模式，为提高大数据 量图像的处理速度提供了基础。 2 ．形态学边缘检测 许多常用的边缘检测的方法都是以边缘检测算子为模板，在图像像素处比较图像与模板 的相似性，即模板匹配。但这种传统的以算子为模板的处理方式存在着处理速度较慢的缺陷， 而且对噪声比较敏感，在边缘检测的同时会加强噪声。 因此可以采用数学形态学中的形态学梯度来进行边缘检测[2] 。数学形态学的基本运算包 括：膨胀，腐蚀，开启，闭合四种运算。基于这四种基本运算还可以推导和组合成各种数学 形态学的使用算法，形态学梯度就是其中一种。在利用数学形态学进行图象处理的过程中， 一般选择具有对称性的结构元素进行各种运算，这样不仅可以减少图像边缘对方向的敏感 性，很好地保持边缘特征，而且还可以起到低通滤波的效果[3] 。因此，一种各向同性的边缘 检测可以通过形态学梯度算子的作用来完成，形态学边缘检测器也对噪声比较敏感，但它不 会加强或放大噪声。 设输入图像为f(s, t)，结构元素为g(x, y) 1. 膨胀算子： grad f (s,t) [(f ⊕g )(s,t) −f (s, t)] (1) 1 其原理是先通过对被检测物体进行形态学膨胀，然后用经过膨胀后的图像减去原图像， 这样边界就得到突出。很显然该算子给出了被检测物体的外边界。 -1- 2. 腐蚀算子：grad f (s,t) [f (s, t) −(f Θg )(s,t)] (2) 2 同理，该算子给出了被检测物体的内边界。 grad f (s,t) [(f ⊕g )(s, t) −(f Θg )(s,t)] (3) 3. 膨胀腐蚀差算子： 3 由于膨胀