改进的Canny图像边缘检测算法分析

Network World 171改进的Canny图像边缘检测算法分析◆Wang Juan 1边缘检测过程边缘检测主要用于解决图像的真假边缘和边缘方向. 基于此，首先对图像进行分析和识别. 如果要做好边缘检测，则需要遵循以下五个方面进行检测和分析: （1）首先，必须清楚地了解图像检测过程中图像特征的变化，并进行使用. 合适的检测方法. （2）根据特殊情况的需要，采用多运营商综合计算方法. 提取多范围变化特征以便检测图像上的所有特征变化. （3）由于噪声的影响，检测有一定的局限性. 测试时，必须尽可能滤除噪声. 还必须考虑对噪声进行条件检测，以进一步检测参数变化. （4）结合尽可能多的方法. 例如，在检测时，首先找到边缘，然后使用函数逼近通过插值获得高精度定位. （5）在检测期间，请先对原始图像进行平滑处理，然后再进行边缘检测. 一方面，可以有效地抑制噪声，另一方面，可以精确地定位边缘. 2传统Canny算子的基本工作原理由于系统固有的低管滤波，实际图像会变得平滑，因此边缘不明显. 因此，这需要边缘检测以找到图像中局部具有最大梯度值的一些像素. 同时，由于摄像机和周围环境的干扰，图像的边缘检测必须满足两个条件: ①该方法必须能够抑制噪声影响； ②必须尽可能准确地确定边缘位置.

具有高定位精度，高信噪比和单边沿响应位的判断标准. Canny运算符的基本过程: 输入原始图像→转换为灰度图像→高斯平滑→梯度计算→非最大抑制→双阈值检测→连接边缘→输出边缘图像. 作为一阶差分滤​​波器的Canny算子属于边缘检测，具有三个重要优点: 1.最佳零交叉定位准则2.多峰响应准则3.最大信噪比准则. Canny算子的基本工作原理是先使用高斯平滑滤波器对图像进行平滑处理，以消除噪声的影响，然后计算梯度差以完成局部局部强度值. 使用高低阈值和双阈值计算方法来检测图像边缘已达到增强边缘的效果. 3 Canny运算符的实现步骤在Canny运算符的过程中，需要组合多个操作步骤来执行整体操作. 通常，实现它主要分为四个步骤: 1.使用高斯平滑对灰度图像执行卷积运算以消除噪声. 高斯函数是G（x），通过高斯函数在行和列中的卷积运算获得的平滑图像的函数是I（x，y）. 高斯滤波器分布参数为I，其作用是控制平滑度. 2.通过高斯函数的一阶导数，计算梯度的大小M（x，y）和方向H（x，y）. 计算公式如下，其中Kx和Ky是过滤器分别沿行和列突出显示的模式. 单独的效果.

3. 优化图像的边缘，并删除不在边缘的点. 在8个区域中找到像素点恢复的最大值，并将该点用作候选边缘点. 即，对梯度幅度执行非最大抑制. 4.一个高阈值，一个低阈值和两个阈值检测. 首先canny边缘检测处理算法比较，通过高阈值获得简单的边缘图像. 此时的边缘图像很粗糙，没有完全闭合. 然后，低阈值用于补充高阈值边缘图像，并且已达到封闭图像边缘. 在通过使用高阈值和低阈值来查找图像的边缘的操作中，高于高阈值的点以及高阈值和低阈值之间的点，但是像素边缘附近的那些点也属于边缘点. 无论如何，远离像素边缘的点和低于低阈值的点都是非边缘点. 然后将找到的边缘点连接到轮廓中，然后再次搜索新的边缘，直到可以完全封闭图像的边缘. Canny运算符中的4个缺陷Canny运算符基于边缘检测运算符优化的四个术语，在实际结果中存在许多缺陷. 例如，当不同的亮度和对比度分布不均匀或者在不同照明条件下拍摄的同一场景的不同图像中的亮度和对比度分布不均匀时，可能无法获得理想的检测结果. 即使可以使用相同的阈值在Canny算法中检测到图像，阈值的选择也会对结果产生很大影响. 您也无法获得理想的效果. 在边缘检测的实际情况中，存在许多不确定因素. 另外，由于边缘模糊，光强度，图像噪声等因素的影响，Canny算子的缺陷主要表现在四个方面:

高斯滤波器的参数是人为设置的，因此很难在图像降噪和边缘保留之间获得良好的平衡. 其次，强噪声处理使用2 * 2场，这容易丢失真实边缘并生成伪边缘. 此外，高和低阈值是手动设置的，因此缺乏适应性. 边缘检测效果仍然不足. 最后，连接边缘时有很多断线. 如何选择两个阈值以实现自适应以减少人为干预是我们需要考虑的第一个问题. 同时，数学形态学可以用于模式识别和图像处理领域. 当应用于实际操作时，它需要严格的数学理论基础. 基本思想是以一定的形式对某些结构要素进行测量，并在对应的图像中提取出各种形式，从而达到图像分析和识别的目的，并且所获得的图像结构信息与结构要素有关. 可以完成构建的结构元素以进行不同的图像分析. 传统的Canny算子仍然存在边缘不连续的问题. 即使改进的Canny算子具有很高的抗噪能力，边缘不连续的问题也得到了进一步改善. 与其他算子相比，检测结果也比较好. 然而，在高精度边缘检测的情况下，噪声的效果仍然不好，并且检测精度大大降低. 因此canny边缘检测处理算法比较，边缘检测没有绝对的优势. 这也是Canny操作员检测的最新改进. 5 Canny边缘检测算法的改进5.1通过用中值滤波器替换高斯滤波器来平滑图像. 使用基于非线性滤波器的加权中值滤波器对图像进行平滑处理有以下几点考虑.

用于平滑图像和消除噪点时，包括点，线，边等的图像结构将变得模糊. 使整个图像变得模糊. 线性滤波器无法避免此问题. 在中值滤波工作中，首先，可以按灰度值对域中的像素值进行排序. 然后，在已排序的序列的中间找到中间像素值作为中间输出值. 最后. 将中间输出值与周围像素的灰度值进行比较，并将相对较大的像素值更改为相对靠近周围像素的值. 这用于消除噪音. 与传统的中值滤波相比，每个像素对结果的影响相同. 新的加权中值过滤器将单独的权重分配给过滤区域中的每个位置. 权重矩阵W（i，j）确定该圆的分布. 在滤波计算期间，将每个像素值I（u + i，v + j）插入扩展像素向量中，权重值W（i，j），扩展像素数为Q. 您还可以计算长度L根据相应的公式. 计算公式如下: 在最初计算长度L之后，对像素数进行排序，然后将3 * 3正方形用作该字段，并选择其中一个像素. 作为域的中心，每个像素的灰度值按大小排序. 根据公式计算中位数，通过中位数，然后进行中位数滤波. 万方数据网络世界172 5.2根据改进的梯度幅度进行计算用传统的计算2 * 2场中梯度幅度的方法来计算，由于对区域噪声的感知太多，它不再能够满足边缘检测的需求. 敏感的是，检测室容易出现伪边，而真实的边会丢失.

因此，我们可以使用计算3 * 3字段中梯度大小的新方法来获得梯度的大小和方向. 首先，让我们计算具有签名方向的一阶偏导数. （首先计算x，y，45和135度方向的一阶偏导数）5.3阈值计算方法的改进梯度直方图主要描述图像边缘的强度信息，其尖峰自然对应于非图像的边缘部分. 我们使用梯度直方图来获得较高的阈值. 根据梯度直方图，图像点的数量从底到高逐渐积累. 当累积的像素总数是非边缘点的数量与像素总数之比的倍数时，高阈值的值是高阈值. 经过反复实验，将非边缘点的数量与像素总数的比率设置为Th（实验上，Th = 0.7相对准确）. 这里我们假设高度位为L. 根据以上数据，我们可以得到一个较低的阈值Tl = L * Th 5.4 Canny算子检测步骤以改进特定的运算方法（1）使用改进的中值滤波器来平滑图像以减少噪声对图像检测的干扰. （2）计算梯度复制和梯度方向，并使用一阶偏导数计算水平和垂直方向的差. （3）梯度幅度的非最大抑制. 这可以以传统方式完成. （4）使用新获得的梯度幅度计算上下阈值，并通过计算双阈值来检测图像的边缘.

（通过多次计算获得了准确的结果）（5）连接检测到的边缘并进行锐化，以最终获得边缘图像并完成边缘检测. 通过对图像的仿真实验研究，可以清楚地看到传统的C算子有很多漏洞，并且存在相对多的虚假检测问题. 如此多的边缘不连续. 改进的C短发可以大大减少漏洞，边缘的定位更准确，轮廓更清晰，并且连续性更好. 6结束语在信息高度发达的社会中，信息技术已渗透到生活的各个领域，并且图像，本科，助理讲师，研究方向: 计算机科学与技术）（忻州师范大学五寨分公司036200）157页的社交软件是应旨在保护信息免遭分子使用.

例如，QQ俊华. 基于SM2密码系统的电力系统信息安全支持平台开发[J]. 电力系统自动化，2014,06: 68-74. [6]陈美国. 国家信息安全协同治理: 美国的经验与启示[J]. 情报杂志，2014，02: 10-14. [7]李静. “棱镜”折射下的网络信息安全挑战与战略思考[J]. ]. 信息理论与实践，2014，04: 48-52. [8]彭毅，高岩. 计算机网络信息安全与保护策略研究[J]. 计算机与数字工程，2011，01: 121 -124 +178. [9]向文新. 基于信息安全风险评估的档案信息安全保障体系架构与建设过程[J]. 档案通讯，2012，02: 87-90. [10]冯伟. 面对数据时代的信息安全大机遇与挑战[J]. 中国科技投资，2012，34: 49-53. （2014年四川成都成都第七中学校园，第8类，第8类，四川成都610041）完整数据

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-147903-1.html