电子教材-基于灰度共生矩阵的自适应图像边缘检测.pdfVIP

基于灰度共生矩阵的自适应图像边缘检测 1 1 2 赵海涛 , 董介春 , 张屹 （1. 青岛大学自动化工程学院，山东 青岛 266071 ； 2. 青岛市供电公司，山东 青岛 266071 ） 摘要：纹理分析是图像处理中一种十分重要的方法。通过纹理分析，利用灰度共生矩阵惯性矩特征值能够 反映图像灰度空间复杂度的特性，成功获取了 LOG 边缘检测算子最佳空间系数，抑制了图像中的大部分 噪声。并通过基于 TMS320C6000 专用信号处理器的图像处理系统实现了图像边缘检测的自动提取。实验 结果表明，采用这种方法可以取得很好的噪声抑制效果，并且检测出的边缘精度高，实时性强，便于实现。 关键词：灰度共生矩阵；LOG 算子；LMS 自适应算法；图像边缘检测；DSP 中图分类号: TN912.35 文献标识码:A 纹理是图像本身的固有属性，是由图像灰度在空间位置上交替变化形成的，反映了图像灰度级的空间 分布情况，是图像分析中的一个重要指标。纹理分析是指通过一定的预处理技术抽取图像纹理特征，并对 纹理进行定量或定性的描述，它一直是数字图像处理与计算机视觉领域研究的热点和难点。其中，灰度共 生矩阵分析法是纹理分析中的一种重要方法，它通过研究图像中两个像素灰度级联合分布的统计形式，精 确反映图像纹理的粗糙程度、重复方向和空间复杂度。利用灰度共生矩阵可以计算图像纹理的一致性和反 差性，根据所得的参数，并结合图像边缘检测算法来检测图像边缘是一种行之有效的方法。 1 灰度共生矩阵 灰度共生矩阵（Gray level co-occurrence matrix ）[1] 是一种用来分析图像纹理特征的重要方法，它建立 在估计图像的二阶组合条件概率密度函数的基础上，通过计算图像中有一定距离和一定方向的两像素点之 间的灰度相关性，反映图像在方向、相邻间隔、变化幅度及快慢上的综合信息。通过灰度共生矩阵可以分 析图像的局部模式和排列规则，为下一步的分析识别工作提供有力的依据。 灰度共生矩阵描述了图像中，从灰度为i 的像素点离开某个固定位置关系δ (Dx,Dy ) 的点上的灰度 为j 的概率。用Pδ 表示为： P ( i, j ) （，j 0 ，1，2 L −1 ） i Κ δ 式中L 表示图像的灰度级，i ，j 分别表示两像素的灰度。δ 表示两像素间的空间位置关系。当空间中两 像素的位置关系δ 确定后，就生成了一定δ 下的灰度共生矩阵Pδ ： ⎡ P (0,0) P (0,1) Κ P (0, j ) Κ P (0,L −1) ⎤ ⎢ ⎥ ⎢ P (1,0) P (1,1) Κ P (1, j ) Κ P (1,L −1) ⎥ ⎢ Κ Κ Κ Κ Κ Κ ⎥ P = ⎢ ⎥ δ P i P i Κ P i j Κ P i L ⎢ ( ,0) ( ,1) ( , ) ( , −1) ⎥ ⎢ Κ Κ Κ Κ Κ Κ ⎥ ⎢ ⎥ P L − P L − Κ P L − j Κ P L − − ⎢⎣ ( 1,0) ( 1,1) ( 1,