基于canny算子边缘检测算法应用探究

基于canny算子边缘检测算法应用探究

ID:5605628

大小:28.00 KB

页数:6页

时间:2017-12-19

基于canny算子边缘检测算法应用探究_第1页
基于canny算子边缘检测算法应用探究_第2页
基于canny算子边缘检测算法应用探究_第3页
基于canny算子边缘检测算法应用探究_第4页
基于canny算子边缘检测算法应用探究_第5页
资源描述:

《基于canny算子边缘检测算法应用探究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于canny算子边缘检测算法应用探究  摘要:边缘检测技术是图像处理过程的重要一环,本文主要研究基于canny算则的边缘检测算法中的抑制噪声、寻找亮度梯度、非极大值抑制、边缘的确定和连接等四个过程,并逐个分析其实现过程及作用。【关键词】边缘检测高斯平滑1引言随着图像处理技术的发展与广泛应用,现在社会中图像处理的应用领域越来越广泛,如三维重建,医学诊断,图像识别等等。而图像处理过程中,最重要的一项预处理技术即为边缘检测技术。6图像的边缘是图像特征识别中的重要组成部分。我们一般认为边缘是图像中周围像素有不连续变化或屋脊变化的像素的集合。在一幅图像中,边缘特征所

2、表达的信息量在整张图片的特征信息中占有主导地位,对图像特征的识别、分析十分重要。边缘信息主要从像素值幅度和走向两个方面来表示。一般来说,沿着边缘走向的像素点灰度值呈连续性变化特征,而垂直于边缘走向的像素点灰度值则呈跳跃性或阶跃性变化特征。边缘检测技术即为通过一定的算法将图像中的边缘尽可能真实地提取或表示出来的技术。边缘检测技术发展到目前已有很多类提取算法,但主要的计算原则就借助于类似高斯平滑、傅里叶变换等的数学函数与图像的灰度矩阵进行卷积计算,从而得到横、纵两个方向上的梯度图像和模图像,然后根据梯度方向来进行模的极大值提取,获得需要的图像特征边缘。本文主要研

3、究的是以canny算子为检测手段的边缘检测算法。2canny边缘检测算法任何一个边缘检测算法的原则都是真实、详尽地标识出原图像的实际边缘,同时又尽可能避免图像中的噪点、伪边缘等噪声的干扰,找到一个最优的图像边缘。Canny边缘检测算法也是如此,一般由抑制噪声、寻找梯度亮度、非极大值抑制、确定和连接边缘这四步完成的。2.11抑制噪声任何图像在进行边缘检测之前,都要进行抑制噪声的预处理。它是所有图像处理过程的第一步。图像的噪声主要有椒盐噪声和高斯噪声两种,而绝大部分图形的干扰噪声属于高斯噪声,因此canny算法的第一步采用的是运用二维高斯平滑模板与原图像数据进行

4、卷积计算,而得到抑制噪声后的待处理图像。6从草帽图中我们可以看出处于草帽顶点位置的像素值比其他任何位置的像素值都大。通过高斯平滑模板滤波后,我们就是要保留草帽顶点的像素点,而忽略周围的像素点,这样就可以将噪声尽可能的去除,同时又最大程度的保留原图像信息。从lena图像中我们可以看出经过高斯平滑滤波后的图像要比原图像模糊,但同时也增加边缘点确定的准确度。2.2寻找亮度梯度图像中的边缘走向我们无法预测。在Canny算法通常使用模板从水平、垂直和45度对角线方向进行检测。通过模板与原图像像素点支所作的卷积值,我们可以标识出每个点上的最大值以及可能的边缘走向。由此,

5、我们就得到了每个点的亮度梯度及走向。通过图4分析发现,经过亮度梯度的寻找和边缘检测后,图像边缘的整体轮廓已经显示出来,但图像中存在真实边缘较粗和伪边缘存在的现象。2.3对亮度梯度进行非极大值抑制一般来说,在图像梯度矩阵中,元素值大的像素点对应的亮度值则大,为边缘点的可能性最大。但并不就此认定该点就是边缘点,它也可能是伪边缘点。在Canny算法中,我们利用非极大值抑制来进行边缘检测,以去除伪边缘点。设图像中的像素点为,分别与其周围8个邻域里梯度亮度方向上两端的像素点和比较。如果>且>,则其可能是真实边缘点,否则其肯定不是边缘点,将其梯度亮度值归零。通过非极大值

6、抑制后,我们通过图5可以看出,真实边缘的线条已明显细化,但仍然存在伪边缘像素点。62.4确定并连接边缘点经过非极大值抑制后的图像的边缘像素点一般都具有较高的梯度亮度,但多大的梯度亮度值可以确定为边缘点,在实际使用中有没有一个确切的答案。我们在Canny算法中一般使用了滞后阈值法来确定和检测边缘点。滞后阈值法一般需要设定高和低两个阈值。高低阈值的量值决定了边缘点的数量。如果阈值选择的过高,则有可能出现边缘点太少,出现部分真实边缘信息丢失,无法完整连接真实边缘,边缘连续性下降。如果阈值选择的过低,则有可能出现边缘点太多,不能有效去除伪边缘,影响边缘检测效果。经过

7、滞后阈值法过滤并连接边缘后,我们从图6可以看出图像的真实边缘已经几乎表示出来。3结论6Canny边缘检测算法是一种非常有效的边缘检测算法。它通过高斯平滑滤波有效的去除图像中可能存在的噪声,通过寻找梯度亮度检测出图像存在的边缘特征,通过非极大抑制和滞后阈值法高效的去除边缘中存在的伪边缘和虚假边缘,在抑制噪声和保持边缘连续性方面取得很好的平衡。但同时我们在实验中也发现,在噪声抑制的过程中,高斯模板的选取直接关系到图像的处理效果。模板选取越大,噪声抑制效果就越好,图像也越平滑,但边缘定位也越不精确,同时计算量也显著增加,处理速度变慢,这对于要求实时处理图像就无法满

8、足。模板选取的小,噪声抑制效果就差,虚假边缘出现的几

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。