改进的Canny算子边缘检测方法和过程

本发明具体涉及一种改进的Canny算子的图像边缘检测方法.

背景技术:

随着计算机视觉和数字图像处理技术的发展，边缘检测技术越来越多地应用于各个领域，其作用越来越大. 细胞是生命活动的基本单位. 除病毒外，所有生物都是由细胞组成的. 细胞图像的边缘具有目标边界信息，尤其是细胞的面积，圆度和数量. 检测结果为将来的细胞形态分析和疾病诊断提供重要依据.

传统的边缘检测算子是基于图像每个像素附近的灰度值的变化，并在数学方法中使用一阶或二阶方向导数的变化来检测边缘. 这些运算符的结构简单，实现速度快，但对噪声的影响更大. 如果将它们用于细胞图像边缘检测，则细胞图像边缘将是不连续的canny边缘检测步骤，会出现干涉边缘，或者会丢失细胞图像细节.

技术实现要素:

本发明要解决的技术问题是提供一种改进的Canny算子的图像边缘检测方法.

一种针对Canny算子的改进的图像边缘检测方法，包括以下步骤:

S1: 对图像进行平滑处理并使用高斯滤波器来抑制噪声；

S2: 计算平滑的图像梯度幅度和方向；

S3: 梯度的非最大抑制；

S4: 使用迭代算法找到最佳的高和低阈值；

S5: 使用双阈值算法检测并连接边缘；

S6: 使用数学形态学精炼边缘.

此外，步骤S1的具体方法如下:

选择一维高斯函数构造一个滤波器，然后按行和列对原始图像进行卷积以获得平滑图像:

，

canny边缘检测步骤，

高斯函数的标准偏差在哪里.

此外，步骤S2的具体方法如下:

使用邻域的一阶偏导数的有限差分来计算平滑图像的梯度幅度和梯度方向:

，

，

，;

其中，和是沿行和列左右过滤的原始图像的结果.

此外，步骤S4的具体方法如下:

1）通过统计灰色直方图获得初始阈值:

;

;

其中，K是迭代次数；分别是图像中的最大和最小灰度值;

2）使用阈值将图像分为两部分，其中:

;

;

3）分别计算和的灰度平均和，其中:

，;

f（i，j）是图像（i，j）点的灰度值；并分别满足:

;

;

4）计算新阈值:

;

5）如果满足或满足指定要求，则结束，否则K = K + 1，转到步骤2）；

6）在迭代结束时，将最终总和作为图像分割的最佳高低阈值.

本发明的有益效果是:

本发明可以有效地抑制噪声，获得最佳的分割阈值，适用于医学细胞图像的检测.

具体实现

以下具体实施例进一步举例说明本发明，但无意限制本发明.

一种针对Canny算子的改进的图像边缘检测方法，包括以下步骤:

S1: 对图像进行平滑处理并使用高斯滤波器来抑制噪声；

S2: 计算平滑的图像梯度幅度和方向；

S3: 梯度的非最大抑制；

S4: 使用迭代算法找到最佳的高和低阈值；

S5: 使用双阈值算法检测并连接边缘；

S6: 使用数学形态学精炼边缘.

步骤S1的具体方法如下:

选择一维高斯函数构造一个滤波器，然后按行和列对原始图像进行卷积以获得平滑图像:

，

，

高斯函数的标准偏差在哪里.

步骤S2的具体方法如下:

使用邻域的一阶偏导数的有限差分来计算平滑图像的梯度幅度和梯度方向:

，

，

，;

其中，和是沿行和列左右过滤的原始图像的结果.

步骤S4的具体方法如下:

1）通过统计灰色直方图获得初始阈值:

;

;

其中，K是迭代次数；分别是图像中的最大和最小灰度值;

2）使用阈值将图像分为两部分，其中:

;

;

3）分别计算和的灰度平均和，其中:

，;

f（i，j）是图像（i，j）点的灰度值；并分别满足:

;

;

4）计算新阈值:

;

5）如果满足或满足指定要求，则结束，否则K = K + 1，转到步骤2）；

6）在迭代结束时，将最终总和作为图像分割的最佳高低阈值.

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-219534-1.html