改进的马克斯边缘检测方法.docxVIP

改进的马克斯边缘检测方法 有很多方法可以检测图像边缘，包括总统、prewitt、soil和cow。这些检测对强边缘都有较好效果,但对于弱边缘检测不是很理想。其缺点主要有:1需要自己多次尝试设定最低阀值;2当弱边缘被检测出来时,原来强边缘周围产生干扰杂纹3对于年代久远的照片检测有大量杂纹。本文针对上述方法缺点,采用一种改进的roberts算子检测边缘方法,根据大量灰度图片实际数据分析出较合理的阀值,不需要不断调整阀值来获得较好的弱边缘;对于由于弱边缘被检测而导致强边缘周围出现杂纹,以及久远图片出现的斑纹,本文给出算法能有效地削弱。 1 罗伯特边缘检测算法的改进 算法步骤如下: 1.1 图像转换为灰色图像 1.2 边缘检测杂纹产生的杂纹 对于旧照片,如不进行均值滤波,则传统的边缘检测效果如图1中的(b),(d),(f),会出现大量的干扰杂纹。如采用其它形式的滤波,如圆形滤波器,高斯低通滤波器,二维拉普拉斯滤波器等,最终边缘检测效果也会产生大量的杂纹,只有采用均值滤波器,杂纹才会明显减少,效果如图1中的(a),(c),(e)。但仍有不少杂纹。 1.3 梯度求解的问题 相互垂直方向上的差分可以看成是梯度的近似求解,Roberts边缘检测算子用对角线上相邻像素之差来代替梯度求解.如fx=f(i,j)-f(i+1,j+1),fy=f(i,j+1)-f(i+1,j),梯度幅值近似为T(i,j)=|fx|+|fy|,适当选取阈值τ,使得T(i,j)τ,则认为点(i,j)是边缘点。其垂直方向的边缘检测性能优于其他方向的检测性能,而且定位精度也比较高,但对噪声较为敏感. 1.4 弱边缘阀值的检测 确定检测强边缘的梯度阀值为20,则可检测出所有梯度值大于19的边缘。弱边缘的阀值为8,则可将所有梯度值分布在从8到19的边缘检测出来。低于8的梯度变化可以忽略,该阀值会损失一些弱边缘信息,但影响不大。 1.5 梯度值的变值大于20的像素值，改为255 1.6 强边缘检测 在已被检测出强边缘的周围存在低于梯度值20的小的变化区域,如不对该区域设置为0,则在后续的弱边缘检测时会被检测出来作为弱边缘而被加强,从而在强边缘周围产生较多杂纹。所以清除强边缘像素周围一定范围内的梯度值在小于20的像素能有效减少在后续弱边缘检测时在强边缘周围的杂纹。 1.7 旧照片干扰后的弱边缘检测 (a)若连续两个像素梯度值大于7且不等于255,则预定为弱边缘,且像素值暂定为100。 通过对弱边缘梯度的实验数据观测,如果是弱边缘,则将会出现连续若干几个梯度值相近的像素点。所以本算法采用连续取两个点的梯度值来判断是否是弱边缘。在弱边缘被检测出同时,旧照片干扰斑纹同时大量出现。 (b)检测每一行,如检测到值为100像素值,将其设定为255,然后检测该像素后间隔若干像素的像素(设定间隔像素为20,可有效减少斑纹) 1.8 将所有像素值为255的像素值设置为0 2 实际检测效果 本算法实验是在matlab7.0环境下,对图2中(a)图使用边缘检测函数edge,分别采用roberts算子,sobel算子,canny算子来进行边缘检测。图1中(a)采用canny方法检测边缘,且采用均值滤波,(b)图采用canny,且不采用均值滤波;(c)图采用roberts检测,且采用均值滤波,(d)图采用roberts检测,且不采用均值滤波;(e)图采用sobel,且采用均值滤波,(f)图采用sobel且不采用均值滤波。采用本文算法效果如图2(b)所示。通过以上实际检测效果对比可以看出,采用本算法中步骤2中所用均值滤波,可有效改善roberts,sobel,canny干扰杂纹。本算法能检测出强边缘和弱边缘,且能消除块状斑纹,使其变化成稀疏的点,其效果要比常用的检测方法产生的干扰点要少。