基于蒙版和canny结合的自适应边缘检测计算方法

基于蒙版和canny结合的自适应边缘检测计算方法

【技术领域】

[0001]本发明涉及一种计算机可视化处理方法，尤其涉及一种用于确定和判断医学平面图像的边缘信息的渲染方法.

【背景技术】

[0002]图像分割是用于图像识别和计算机视觉的关键处理方法. 在分割中，一些是基于图像中像素的亮度和颜色的，并且计算机会自动处理分割并遇到各种困难. 例如，照明不均匀，噪声的影响，图像中的真实感不清楚以及阴影等，通常会导致分割错误. 因此，图像识别是一项需要进一步研究的技术.

[0003]在现有技术中，用于区分图像的方法通常分为两类: （1）图像分割算法. （2）图像边缘检测算法. 在图像分割算法中，它们通常分为基于直方图，基于熵和基于模糊算法的分割算法. 并且在边缘检测计算中，常用的Canny边缘检测算子.

[0004]基于直方图的图像分割是一种非常有效的方法，通常只需要像素即可执行分割算法. 在此方法中，根据图像中的像素计算中间直方图，并且图像中的簇位于直方图的峰谷处. 该方法可以应用于多个帧，同时保持其单次通过效率. 但是，当对多个像素点应用相同的方法时，结果的组合将应用于山峰和山谷之间，难以识别.

[0005]自1998年以来，出现了许多模糊分割技术，它们在图像分割中的应用越来越广泛. 模糊技术在图像分割中的一个显着特点是可以与许多现有的图像分割方法相结合，形成一系列综合的模糊分割技术，如模糊聚类，模糊阈值和模糊边缘检测技术.

[0006]图像分割的一种重要方法是通过边缘检测，即检测灰度级或结构突然变化的位置. 微分算子通常用于边缘检测. 一阶微分算子包括Roberts算子，Prewitt算子和Sobel算子，二阶微分算子包括Laplace算子和Kirsh算子. 在各种微分算子的应用中，通常使用小面积模板，并且通过使用模板和图像卷积来实现微分运算. 这些运算符对噪声敏感，仅适用于噪声较小且复杂度较低的图像.

[0007]在上述现有技术的处理方法中，可以将边缘信息进行一定程度的分割，但是对于受噪声严重影响的复杂图像，其效果通常并不理想. 因此，仍然需要对现有技术进行开发和改进.

【发明内容】

[0008]为了获得更好的边缘信息，本发明提出了一种基于蒙版和canny的组合的自适应边缘检测计算方法.

[0009]为了达到上述目的，本发明的技术方案如下:

[0010]-一种结合了遮罩和canny的自适应边缘检测计算方法，具体步骤如下:

[0011]步骤1: 选择所需的图像信息. 在大小为MXN的图像Inixn的原始X射线图像中，选择目标连接区域和大小为mXn的二维图像信息，其中m

[0012]步骤2: 对获取的二维图像进行初步判别判断，并计算判别值；

[0013]步骤3: 计算获得的辨别力的值，获得目标区域的实际辨别力a，并将其与临界值进行比较（^: 将辨别力的计算值与设置的合理值进行比较，如果该比值大于0.6，则使用基于掩模的判别算法，否则，使用canny边缘检测算法检测边缘信息，并选择基于掩模的判别算法作为决策的基础图像.

[0014]步骤4: 提取图像边缘信息，并区分原始图像:

[0015]（1）规定使用遮罩理论来区分边缘信息:

[0016]计算掩码矩阵中的中值，均值和行中值的参数大小；在图像矩阵Inixn中指定该点的值，该点是判断信息的目标点；在任何图片中，图像的像素表示为（i，j），灰度值表示为I（i，j）. 首先，估计图像的原始对比度. 具体的比较方法如下:

[0018]其中: 1是灰度值达到所需值的像素数，3是像素之间的比率；

[0019]（2）指定掩码矩阵，其掩码大小为3X3和IOX10. 当图像的原始对比度小于0.75时，请使用3X3遮罩矩阵；当图像的原始对比度大于0.75时，使用IOX10蒙版模板；

[0020]（3）规定每种类型的边缘信息都有自己的特定规则. 当在掩模矩阵中的某个方向上的灰度值发生急剧变化时，将该点判断为边缘信息，并进行具体区分. 边缘计算方法:

[0021]首先计算每个掩模矩阵的平均值，以获得无单位平均值Aistt；然后计算像素和像素的均方误差，得到掩模板类型下的灰度图像误差，并以此误差值确定允许值Ss来判断边缘信息. 具体的区分方法如下:

[0023]其中: S是掩模矩阵的均值与该点的像素均值之间的均方差，S的允许误差，Alij是掩模的均值，Iu是该像素的像素值重点；

[0024]第5步: 使用Canny边缘检测算法检测边缘，选择合适的Canny边缘算子，并检测边缘信息；

[0025]步骤6: 规定每个图像具有不同的特征图像，比较两种不同的判别算法的结果canny边缘检测处理算法比较，保存相同的像素位置及其对应的边缘信息，以获取不同的像素信息对点的进一步分析:

[0026]首先canny边缘检测处理算法比较，为通过不同方法获得的两个图像删除相同的点信息，保留有争议的点信息I1I计算这两个图像中该点的九个场的非零点，具体方法如下:

[0027]

[0028]其中，A是有争议的点的9个字段中非零点的数量.

[0029]当目标区域m和n均小于100时，为了确保判别效果，使用3×3掩模矩阵.

[0030]本发明的有益效果主要体现在以下几个方面:

[0031] 1.本发明基于图像的像素信息，减少了理论模型本身引起的系统误差.

[0032] 2.遮罩理论的可变性满足图像区分过程中每张图片所需的特征.

[0033] 3.基于蒙版判别算法和Canny边缘检测算法的自适应判断方法，减少了单个算法对图像判别效果的可能影响，并将理论影响最小化.

[图纸说明]

[0034]图. 图1是根据本发明具体实施例的区分方法的流程图.

[具体实现]

[0035]下面将参考附图和实施例进一步描述本发明.

[0036]如图2所示的系统结果的流程图中所示，如图1所示，本发明基于一种结合了遮罩和canny的自适应边缘检测计算方法，包括: 原始判别的判断，遮罩矩阵的选择方案以及自适应识别算法的实现. 当输入图像信息时，预先预先预测对比度，并且将所选择的基本版本用作修改后的基本版本. 其次，在特定的微分过程中，两种算法同时计算出最优解. 然后，根据自适应分区算法，在模型的基本版本上确定最终边缘信息.

[0037]所示的系统应区分测量图像的原始辨别力，将其发送给控制编辑器以修改正确的版本，等待系统响应，并做出具有其他结果的自适应判断.

[0038]所示系统应该能够确定基本参数及其大小，将正确的图像信息发送给控制编辑器，等待系统响应并完成系统的正常运行.

[0039]基于mask和canny的结合的自适应边缘检测计算方法，具体步骤如下:

[0040]步骤1: 以Inixn图片的大小选择所需的图像信息MXN

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-261841-1.html