專利名稱：圖像邊緣檢測方法和裝置的制作方法
技術領域：
本發(fā)明涉及數(shù)字圖像處理領域，特別地，涉及一種圖像邊緣檢測方法和裝置。
背景技術：
圖像處理時常用于將待識別物體從背景中分離出來，如從路面中識別汽車、從紙上提取文字、從傳送帶上識別工件等等。這幾個場景有一些共同特點背景由于本身及光線等原因，具有一定淺紋理或不均勻，同時前景與背景在邊緣上的差異比較明顯，并且在固定的應用場景中，背景本身基本上是不變的。對于此類問題，通常使用邊緣檢測的方法。
Canny提出的一種邊緣檢測方法對圖像中的邊緣有著良好的檢測效果，卻又不易受噪聲與瑣碎紋理的干擾。目前的數(shù)字圖像處理裝置采用Canny算子邊緣檢測方法對上述圖像進行邊緣檢測，具體步驟包括51、用高斯濾波器平滑圖像；52、用一階偏導有限差分計算梯度方向和幅值；53、對梯度幅值進行非最大值抑制；54、用雙閾值算法檢測和連接邊緣。
Canny算子中具有三個可調參數(shù)(σ，β, σ)，其中，σ代表高斯濾波器的標準方差、β代表梯度模值的低閾值、a代表梯度模值的高閾值。因上述三個參數(shù)可調，所以 Canny算子靈活性很高，可以根據(jù)不同情況進行適當調節(jié)，以得到最佳的邊緣檢測效果。
參照

圖1，示出了現(xiàn)有技術利用不同參數(shù)下Canny算子對同一圖像Lena進行邊緣檢測所得到的效果。其中，a圖對應的三個參數(shù)(σ，盧，σ )為(O. 3，O. 6, O. 8) ；b圖的 (σ，盧，σ )為(0.6，O. 6, O. 8) ;c 圖的(σ，盧，σ )為(O. 3，O. 9, O. 8) ;d 圖的(σ，盧， σ )為(O. 3，O. 6，O. 9)。從圖1可知，Canny算子中任何一個參數(shù)的改變，都會得到不同的邊緣檢測效果。
在實現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術中至少存在如下問題雖然Canny算子因為其靈活性對大多數(shù)圖像都有著非常良好的效果，但卻也存在著一個較大的不足之處=Canny算子參數(shù)均需要人為調節(jié)，導致無法實現(xiàn)圖像邊緣的自動化檢測。
總之，需要本領域技術人員迫切解決的一個技術問題就是如何能夠利用Canny 算子實現(xiàn)圖像邊緣的自動化檢測。發(fā)明內容
本發(fā)明所要解決的技術問題是提供一種圖像邊緣檢測方法和裝置，能夠利用 Canny算子實現(xiàn)對圖像邊緣的自動化檢測。
為了解決上述問題，一方面提供了一種圖像邊緣檢測方法，包括提取待測圖像的紋理特征量；根據(jù)所述紋理特征量與Canny算子參數(shù)的映射關系確定所述Canny算子參數(shù); 利用Canny算子對所述待測圖像進行邊緣檢測。
優(yōu)選的，所述圖像的紋理特征量具體為圖像灰度值直方圖的熵值，其計算公式為
權利要求
1.一種圖像邊緣檢測方法，其特征在于，包括 提取待測圖像的紋理特征量； 根據(jù)所述紋理特征量與Canny算子參數(shù)的映射關系確定所述Canny算子參數(shù)； 利用Canny算子對所述待測圖像進行邊緣檢測。
2.根據(jù)權利要求I所述的圖像邊緣檢測方法，其特征在于，所述圖像的紋理特征量具體為圖像灰度值直方圖的熵值，其計算公式為
3.根據(jù)權利要求2所述的圖像邊緣檢測方法，其特征在于，所述Canny算子參數(shù)為梯度模值的高閾值α。
4.根據(jù)權利要求3所述的圖像邊緣檢測方法，其特征在于，根據(jù)所述紋理特征量s與Canny算子參數(shù)《的映射關系近似滿足雙曲正切函數(shù)
5.根據(jù)權利要求4所述的圖像邊緣檢測方法，其特征在于，所述步驟根據(jù)所述紋理特征量與Canny算子參數(shù)的映射關系確定所述Canny算子參數(shù),具體包括 從所述待測圖像中抽取部分圖像作為訓練集；采用Canny算子對所述訓練集中的圖像進行邊緣檢測，獲得各圖像的高閾值； 計算歸一化的高閾值； 確定所述雙曲正切函數(shù)的參數(shù)a、b。
6.根據(jù)權利要求5所述的圖像邊緣檢測方法，其特征在于，所述步驟利用Canny算子對所述待測圖像進行邊緣檢測，具體為 將剩余待測圖像的直方圖的熵值代入所述雙曲正切函數(shù)，獲得對應的Canny算子參數(shù)； 利用所述Canny算子參數(shù)確定的Canny算子對所述剩余待測圖像進行邊緣檢測。
7.根據(jù)權利要求I所述的圖像邊緣檢測方法，其特征在于，所述圖像的紋理特征量為圖像灰度值直方圖的統(tǒng)計矩或像素點灰度值的一致性。
8.根據(jù)權利要求7所述的圖像邊緣檢測方法，其特征在于，所述紋理特征量與Canny算子參數(shù)的映射關系為由經驗值確定的曲線圖或表格。
9.一種圖像邊緣檢測裝置，其特征在于，包括 圖像特征提取模塊，用于提取待測圖像的紋理特征量； Canny算子確定模塊，根據(jù)所述圖像特征提取模塊提取的紋理特征量與Canny算子參數(shù)的映射關系確定所述Canny算子參數(shù)；檢測模塊，用于利用所述Canny算子確定模塊確定的Canny算子對所述待測圖像進行邊緣檢測。
10.根據(jù)權利要求9所述的圖像邊緣檢測裝置，其特征在于，所述圖像特征提取模塊提取的圖像的紋理特征量為圖像灰度值直方圖的熵值，其計算公式為
11.根據(jù)權利要求9所述的圖像邊緣檢測裝置，其特征在于，所述Canny算子確定模塊采用的所述Canny算子參數(shù)為梯度模值的高閾值
12.根據(jù)權利要求11所述的圖像邊緣檢測裝置，其特征在于，所述Canny算子確定模塊采用的紋理特征量$與Canny算子參數(shù)O；的映射關系近似滿足雙曲正切函數(shù) 其中，/(幻對應α1 , α'代表歸一化的高閾值對應直方圖的熵值s ;a、b為待確定參數(shù)，由所述待測圖像的訓練集確定。
13.根據(jù)權利要求12所述的圖像邊緣檢測裝置，其特征在于，所述Canny算子確定模塊具體包括 訓練集選取單元，用于從所述待測圖像中抽取部分圖像作為訓練集； 高閾值獲取單元，用于采用Canny算子對所述訓練集中的圖像進行邊緣檢測，獲得各訓練集圖像的高閾值； 歸一化單元，用于對所述高閾值獲取單元獲得的各訓練集圖像高閾值進行歸一化處理，獲得歸一化的高閾值； 參數(shù)確定單元，用于確定所述Canny算子確定模塊采用的雙曲正切函數(shù)的參數(shù)a、b。
14.根據(jù)權利要求13所述的圖像邊緣檢測裝置，其特征在于，所述檢測模塊具體包括 Canny算子參數(shù)獲取單元，用于將剩余待測圖像的直方圖的熵值代入所述參數(shù)確定單元確定的雙曲正切函數(shù)，獲得對應的Canny算子參數(shù)； 邊緣檢測單元，用于根據(jù)所述Canny算子參數(shù)獲取單元確定的Canny算子對所述剩余待測圖像進行Canny算子邊緣檢測。
15.根據(jù)權利要求9所述的圖像邊緣檢測裝置，其特征在于，所述圖像特征提取模塊提取的圖像的紋理特征量為圖像灰度值直方圖的統(tǒng)計矩或像素點灰度值的一致性。
16.根據(jù)權利要求15所述的圖像邊緣檢測裝置，其特征在于，所述Canny算子確定模塊采用的紋理特征量與Canny算子參數(shù)的映射關系為由經驗值確定的曲線圖或表格。
全文摘要
本發(fā)明提供了一種圖像邊緣檢測方法和裝置，其中，上述方法包括提取待測圖像的紋理特征量；根據(jù)所述紋理特征量與Canny算子參數(shù)的映射關系確定所述Canny算子參數(shù)；利用Canny算子對所述待測圖像進行邊緣檢測。本發(fā)明提出的基于紋理特征的Canny算子邊緣檢測方法，實現(xiàn)了Canny算子圖像邊緣檢測的自動化，對于具有隨機性淺紋理的一類圖像有著非常好的邊緣檢測效果，能根據(jù)背景紋理特征的不同，自適應地調整Canny算子參數(shù)，有效地防止漏檢、誤檢；此外，本發(fā)明提供的圖像邊緣檢測方法的魯棒性很強，對于同背景不同光照情況下的圖像，也同樣有非常出色的檢測效果。
文檔編號G06K9/46GK102982554SQ20121058126
公開日2013年3月20日 申請日期2012年12月28日 優(yōu)先權日2012年12月28日
發(fā)明者張揚, 羅佳 申請人:廈門市美亞柏科信息股份有限公司