光電工程，2011年5月5日，第38卷，文章ID: 1003-501X（2011）05-0127-06自適應閾值Canny邊緣檢測算法四川大學電子信息學院，光電系，成都610065;中國科學院光電技術研究所，成都610209摘要: 針對傳統Canny算法的閾值選擇困難，本文提出了一種基于最大類間方差法的高低閾值自適應同步搜索方法. 該方法首先根據梯度直方圖信息將相應像素分為三類；其次，基于改進的Otsu算法定義了一個評估函數，描述了類之間的差異. 最后依次搜索評估函數的最大值，以自動獲得Canny計算孩子的高低閾值. 此方法不需要手動設置任何參數. 與傳統的Canny算法和直接Otsu算法相比，該方法可以更好地提取不同圖像的真實邊緣，特別是在低對比度圖像邊緣提取中，該方法具有更多的優勢. 關鍵詞: 邊緣檢測Canny算法；改進的Otsu算法；自適應閾值CLC號: TP391.41文檔代碼: A DOI: 10.3969 / j.issn.1003-501X.2011.05.023改進算法CannyEdge檢測中國;中國科學院電子學研究所，成都610209閾值選擇Cannyalgorithm，同時自適應地改進了基于Otsualgorithm閾值的方法. 首先，這三個類別都是梯度梯度直方圖測試圖像. 其次，基于改進的Otsu算法，評估函數在三類之間的均方誤差. 最后，兩個低閾值都自適應地選擇了最大值評估函數. 人工參數設置方法. 與傳統Canny方法DirectOtsu方法的結果進行比較，該方法顯示了來自不同圖像（尤其是低對比度圖像）的巨大優勢. 關鍵字: 邊緣檢測； Canny算法；改進的Otsu算法；自適應閾值隨著當前數字信息技術的發展，數字圖像處理技術變得越來越重要，特別是在光電檢測領域得到廣泛應用，其主要內容之一就是實現對地圖的精確定位.

當前的邊緣檢測方法是計算圖像的某個特征值（漸變或灰度），然后根據給定的特征值控制閾值Sobel，Prewitt，Robert，Log，Canny [1- 2]等等，對于特定圖像，它們已經獲得了良好的邊緣檢測結果，但是由于其自身的局限性，對于某些圖像，它們無法獲得令人滿意的結果. 近年來，在這些傳統方法的基礎上，開發了一系列新的邊緣檢測方法，例如表面擬合方法，神經網絡和數學形態學方法，自適應平滑濾波方法，小波變量接收日期: 2010-10- 15;收到稿件的修訂日期: 2011-02-22基金項目: “西方之光”項目作者簡介: 唐麓路（1986-），女（漢族），重慶人. 碩士生，主要的研究工作是三維光電技術. 電子郵件: tanglulubbb@163.com. 變更方法. 在許多圖像邊緣檢測方法中，Canny運算符因其嚴格的邊緣檢測評估標準而被廣泛使用. 但是，傳統Canny算子的高低閾值之比是固定和手動確定的，這導致它在某些應用領域中失敗. 實際上，光，雜散光和各種其他噪聲容易干擾圖像. 記錄圖像的對比度高低，噪點程度也不同. 在這些情況下，如果仍然使用傳統的Canny算子進行邊緣檢測，則很難確定高閾值和低閾值. 另一方面改進的自適應閾值canny邊緣檢測，對不同的圖像使用相同的閾值比率可能會導致邊緣信息丟失或虛假邊緣.

鑒于確定傳統Canny算子閾值的難度，已提出了各種解決方案. 例如，在梯度差直方圖中，找到合適的零交叉位置作為高閾值，然后使用該高閾值乘以比例因子（例如0.5）作為低閾值；使用Otsu算法確定Canny運算符的高閾值，然后使用該高閾值將閾值乘以比例因子作為其低閾值；在梯度直方圖中，將與最大像素數對應的梯度值作為標準梯度進行搜索，計算出整個區間的標準偏差，最后將標準梯度加上整個區間的標準偏差作為Canny操作員的高門檻. 確定高閾值后，在梯度直方圖中忽略高閾值后的梯度和像素，并對剩余的梯度和像素重復上述操作，即剩余間隔的標準偏差加原始標準梯度用作Canny運算符下限閾值；有一些基于數學統計的方法，通過定義概率的評估函數來確定高低閾值[6-7]. 這些方法在一定程度上解決了Canny算子閾值確定的問題. 提出了一種基于最大類間方差的高低閾值自適應同步搜索方法. 該方法比傳統方法更具適應性. 它不需要手動設置任何參數. 它根據圖像本身的特征自動選擇高和低閾值，高和低閾值的確定彼此無關. 通過從多個不同的圖像中提取邊緣，結果表明該方法比傳統方法能更好地提取真實邊緣.

同時，將實驗與直接應用于Canny算法的Wen Otsu方法進行了比較. 結果表明，該方法可以更有效地提取圖像邊緣. Canny算法簡介Canny算法提出了三種嚴格的邊緣檢測標準: （a）良好的信噪比； （b）定位精度高； （c）單邊反應. 根據這三個標準，Canny推導了最佳邊緣檢測算子的近似實現，即邊界點位于梯度幅度最大點附近的鄰域的一階偏導數的有限差分處. 通過高斯函數對圖像進行平滑處理，然后計算出平滑度. 在后圖像方向的偏導數之后，使用第二范數來計算梯度幅度M，并且梯度方向對梯度幅度執行非最大抑制以確定候選邊緣點. 在梯度幅度圖中，如果某個點的梯度值與該點的梯度方向上兩個相鄰像素的梯度值相比不是最大，則將該點視為非邊緣點并刪除. 將抑制后獲得的候選邊緣點記錄在全局閾值上，并選擇邊緣點. 在梯度幅度圖的直方圖分布中，像素的數量在梯度幅度增加的方向上累積. 當累加數達到總數的某個比例（例如80％）時，將相應的梯度值用作高閾值，一半或高閾值. 低閾值為40％. 在圖邊緣的候選邊緣點中，梯度值大于高閾值的點被保留為邊，梯度值小于低閾值的點被刪除，而梯度值在兩者之間的點被刪除保留兩個與邊緣點相鄰的閾值作為邊緣，否則將其刪除. 然后確定在保留點的八個方向上是否有大于高閾值的邊緣像素. 如果存在，則將其視為邊緣點. 否則，它不是Canny算法過程. 可以看出，閾值的選擇是圖像邊緣提取的關鍵.

傳統的Canny操作員要求人類預先設定高和低閾值，這需要先驗經驗，并且可能會重復多次以找到合適的閾值. 將閾值設置得太高可能導致邊緣斷裂等: 自適應閾值Canny邊緣檢測算法129不連續，從而丟失了邊緣信息. 將閾值設置得太低可能會導致提取的邊緣中出現過多的虛假邊緣，甚至使用噪聲作為邊緣提取. 另內最小化差異[11]. Otsu算法的啟示. 針對傳統Canny算子難以確定閾值的問題，提出一種基于梯度幅度直方圖和類間最大方差的自動閾值選擇方法. 令圖像中的總像素為N，并且灰度范圍由[0，之間的像素組成. 然后將背景和目標的平均灰度值分別表示為Ostu算法，并將其作為Ostu算法的最佳閾值.

Ostu算法實際上使用最小錯分概率作為分割閾值的選擇標準[12] Otsu算法的啟示是，在對Canny算子進行非極端抑制后，可以將邊緣圖中的像素劃分為三個類別. 其中，素數表示原始圖像中的邊緣點. 假設原始圖像中的像素總數為N，并且灰度梯度是類別內的梯度幅度，則期望為（10）（12）并定義: 然后，可以定義64個級別的評估函數. 因此，上面的公式是一個二進制二次函數，k取[1，l]之間的值，m取[k + 1，l]之間的值[k，m]描述類之間的方差，并使之間的方差最大化從數學統計的角度來看，類是區分類的最佳標準之一. 因此，您可以搜索Canny運算符的高低閾值. 自適應閾值Canny算法的流程圖如下. 選擇. Canny算法的閾值流程圖. 圖1流程圖Cannyalgorithm自適應閾值MATLAB7.8.0（R2009a）為實驗平臺選擇不同的圖像，并使用傳統的Canny算法（高低閾值比例系數統一為0.8、0.5，高斯參數統一為1），文獻Otsu本文將其直接應用于Canny算法（使用Otsu算法確定的閾值作為Canny的高閾值，而高閾值是Canny的低閾值的0.5倍）和自適應閾值Canny算法用于邊緣檢測分析.

圖中第一行是對比度較低的蔬菜和水果圖；第二行是經典的莉娜地圖；第三行是復雜的電路板圖；第四行是具有豐富邊緣信息的龍圖. 實驗結果以最大值表示. 定義評估函數計算期望類別邊緣跟蹤滯后雙閾值非最大抑制分像素3查找梯度高斯濾波器平滑輸入源圖像等: 自適應閾值Canny邊緣檢測算法131 Canny邊緣檢測結果第一列是原始圖像；第二列是傳統Canny算法的邊緣檢測結果. 第三列是直接在Canny算法中應用的Otsu算法的邊緣檢測結果. 第四欄是本文自適應Canny算法的邊緣檢測結果. 圖2 Cannyedge檢測行的原始圖像；行經典Canny邊緣檢測;行Otsuthresholding方法Cannyoperator;行閾值自適應Canny邊緣檢測中的參數是使用不同方法時Canny算子的高閾值和低閾值，并且是歸一化的灰度梯度幅度.

從以上實驗結果可以看出，本文的自適應閾值Canny算法可以有效地提取圖像邊緣，比傳統方法和直接確定Canny高閾值的兩種方法具有更多的優勢. 使用Otsu算法. 從圖中可以看出，當使用前兩種方法提取Lena邊緣時，Lena的頂部，邊緣和臉部的線條明顯折斷，但是使用此方法提取時，線條清晰且連續文章;同樣，在此方法中應用了前兩個方法，忽略了蔬菜圖中青椒表面，電路圖中間和龍的身體表面的一些明顯邊緣，并且此方法提取的邊緣信息更加豐富，并且有效. 表實驗參數低閾值Tk高閾值Tm閾值自適應高閾值和低閾值的方法首先根據梯度將相應的像素分為三類，其次基于改進的Otsu算法定義評估函數. 評估函數描述類別之間的方差改進的自適應閾值canny邊緣檢測，然后依次搜索以找到與最大評估函數值相對應的兩個. 漸變，確定為Canny運算符的高低閾值.

整個算法過程不需要手動設置任何參數，而是根據圖像本身的特征自動確定Canny算法的高低閾值. 這為傳統Canny算法的閾值確定問題提供了更好的解決方案. 實驗表明，該方法可以更好地提取不同圖像的真實邊緣，與傳統的Canny算法和Otsu算法直接確定Canny的高閾值相比，具有更多的優勢. 參考: 岡薩雷斯. 數字圖像處理: 第二版北京: 電子工業出版社，2007: 463-491. 拉斐爾·岡薩雷斯（Rafael Gonzalez）. 數字圖像處理: 第二版北京: 電子工業出版社，2007: 463-491. 岡薩雷斯. 硅. 數字圖像處理: MATLAB北京: 電子工業出版社，2005: 289-295. 拉斐爾·岡薩雷斯（Rafael Gonzalez）. 使用: MATLAB進行數字圖像處理北京: 電子工業出版社，2005: 289-295. 光電工程，2009，36（11）: 106-111，117.羅濤，鄭錫峰，丁鐵夫. 改進的自適應閾值Canny邊緣檢測光電工程，2009，36（11）: 106-111，117. 梅芳，岳光學，于慶倉. OtsuMethod CannyOperator [C] // ISIP'09，中國黃山，2009年8月21-23日: 109-112. 王智快速自適應閾值CannyEdge檢測器SPIE（S0277-786X），2005，6044: 60441Q1-60441Q8. 自適應雙閾值Canny算子用于圖像邊緣檢測. 長春工程學院學報，2007，8（3）: 44-46. 李瑜自適應二進制閾值CannyEdge檢測長春研究所科技，2007，8（3）: 44-46. 哈爾濱工程大學學報，2007，28（9）: 1002-1007. 李牧自適應Canny算子邊緣檢測技術哈爾濱工程大學，2007，28（9）: 1002-1007. 金剛. 來自自適應Canny算法的研究及其在圖像邊緣檢測中的應用杭州: 浙江大學，2009: 22-24. 金剛AdaptiveCanny算法及其在圖像邊緣檢測中的應用杭州: 浙江大學，2009: 22-24. 約翰·坎尼. ComputationalApproach EdgeDetection IEEETrans. 模式分析機器智能（S0162 -8828），1986，8（6）: 679-698. [10] Otsu閾值選擇方法，從灰度直方圖IEEE Transactions system Man Cyber??netics（S1083-4419），1979，9（1）: 62-66. [11]北京: 化學工業出版社，2002: 98-99. 唐良瑞，馬全明. 應用技術圖像處理北京: 化學工業出版社，2002: 98-99. [12]廖炳成. 快速算法多級別閾值信息科學工程（S1016- 2364），2001，17: 713-727.

本文來自本站，轉載請注明本文網址：
http://www.pc-fly.com/a/jisuanjixue/article-265182-1.html