滑窗N-Smoothlets圖像邊緣檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體設(shè)及一種滑窗N-Smoothlets的圖像邊緣檢 測(cè)方法。
【背景技術(shù)】
[0002] 圖像邊緣指圖像中的像素值發(fā)生階躍的地方，屬于高頻信息。而人類視覺系統(tǒng)決 定了人眼對(duì)圖像中的高頻信息特別敏感，因此，圖像邊緣檢測(cè)一直是圖像處理中的關(guān)鍵問(wèn) 題之一，在圖像分割、目標(biāo)識(shí)別等領(lǐng)域應(yīng)用十分廣泛。
[0003]圖像邊緣檢測(cè)算法主要可分為兩大類；一是傳統(tǒng)的基于微分算子的邊緣檢測(cè)算 法；二是近年來(lái)興起的新型邊緣檢測(cè)算法，主要包括基于多尺度分析思想的邊緣檢測(cè)、基于 數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)W及基于分形理論的邊緣檢測(cè)算法等。經(jīng)典的微分算子邊緣檢測(cè)算 法雖然實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算復(fù)雜度低，但是卻不能很好地抑制圖像中的噪聲，圖像邊緣提取與抗 噪性始終是一對(duì)難W調(diào)和的矛盾。為解決邊緣檢測(cè)精度與抗噪性之間的矛盾，1983年，多尺 度分析的思想出現(xiàn)，對(duì)于大的尺度算子邊緣檢測(cè)的精度差，但是抗噪性能好，小尺度的邊緣 檢測(cè)算子對(duì)邊緣的定位精度高但對(duì)噪聲敏感，多尺度分析的思想解決了邊緣檢測(cè)精度與抗 噪性之間的平衡問(wèn)題，其中的的小波邊緣檢測(cè)方法取得了很多研究成果并得到了廣泛的應(yīng) 用。
[0004] 傳統(tǒng)二維小波是由一維小波擴(kuò)展而來(lái)，只具有有限個(gè)方向，因此不能對(duì)圖像得到 最稀疏的表示?；诙喑叨葞缀畏治鯳edgelet的邊緣檢測(cè)算法彌補(bǔ)了該方面的不足，并且 由于其是用線段而不是點(diǎn)來(lái)表示邊緣，抗噪性能更好。但是基于Wedgelet的邊緣檢測(cè)算法 雖然在將滑窗的尺寸size、偏移量shift等參數(shù)減小的情況下可W提高對(duì)灰度圖像中復(fù)雜 邊緣和弱小邊緣檢測(cè)的精度滑窗，但該方法不能準(zhǔn)確處理存在漸變的邊緣圖像塊。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是為了解決現(xiàn)有的邊緣檢測(cè)算法的準(zhǔn)確性和弱小邊緣檢測(cè)能力，提 出了滑窗N-Smoothlets圖像邊緣檢測(cè)方法。
[0006] 為了解決W上問(wèn)題，本發(fā)明采用的技術(shù)方案如下：一種滑窗N-Smoothlets圖像邊 緣檢測(cè)方法，
[0007] 包括如下步驟：
[000引S1輸入待處理的原圖像F;
[0009]S2設(shè)置圖像邊緣檢測(cè)算法中設(shè)及到的參數(shù)，包括N-Smoothlets變換中滑窗的尺 寸size、滑窗每一次的偏移量shift、判斷邊緣是否保留闊值Ti、T2;
[0010]S3設(shè)置好N-Smoothlets滑窗尺寸size后，假設(shè)size大小為nXn像素；首先 將N-Smoothlets滑窗置于原圖像的左上角，對(duì)待處理圖像中與滑窗重疊部分的區(qū)域執(zhí)行 一個(gè)圖像宏塊內(nèi)的N-Smoothlets變換；然后將N-Smoothlets滑窗從圖像左上角按照先 列后行或先行后列的順序每次移動(dòng)shift個(gè)像素并在滑窗內(nèi)作N-Smoothlets變換，其中 N-Smoothlets基本變換塊大小設(shè)置為與滑窗大小一致，即在每一個(gè)滑窗對(duì)應(yīng)的圖像宏塊內(nèi) 只用一個(gè)N-Smoothlets對(duì)其進(jìn)行描述，直至滑窗遍歷完整幅圖像后結(jié)束，得到對(duì)原始圖像 進(jìn)行滑窗N-Smoothlets變換后的圖像信息；
[0011] S4根據(jù)塊類型不同分別判別：
[0012]S41宏塊類型為N，即退化塊
[0013] 若變換后的圖像塊為退化塊，則認(rèn)為該塊中不存在邊緣信息；
[0014]S42宏塊類型為W，即Wedgelet塊
[0015] 若變換后的圖像塊為Wedgelet塊，則提取出該Wedgelet對(duì)應(yīng)的基準(zhǔn)線作為圖像 塊內(nèi)的邊緣；此時(shí)，只需要邊緣判決條件一對(duì)其進(jìn)行是否作為邊緣信息保留的判定；
[0016]S43宏塊類型為S，即為Smoothlet塊，包括宏塊內(nèi)存在1、2、3條過(guò)渡帶的情況，N 代表過(guò)渡帶最大數(shù)量；
[0017] 若變換后的圖像塊為N-Smoothlets塊，即包括宏塊內(nèi)存在1、2、3條過(guò)渡帶的情 況，貝ij依次對(duì)N-Smoothlets的N條過(guò)渡帶兩側(cè)的灰度值求差值Ims-mbI;
[001引若兩側(cè)的灰度值差值小于設(shè)定好的闊值Ti，即k-mj<Ti，不滿足邊緣判決條件 一，認(rèn)為該邊緣為偽邊，舍棄；
[0019] 若兩側(cè)的灰度值差值大于等于設(shè)定好的闊值Ti，即Img-mbl>Ti，滿足邊緣判決條 件一；再比較過(guò)渡帶寬r與T2的關(guān)系，若r>T2,滿足邊緣判決條件一，不滿足邊緣判決條 件二，認(rèn)為該邊緣為偽邊，舍棄；若r《T,，同時(shí)滿足邊緣判決條件一與二，則計(jì)算過(guò)渡帶的 中線信息作為邊緣保留；
[0020]S5對(duì)各滑窗N-Smoothlets提取出的邊緣信息進(jìn)行疊加，輸出對(duì)原圖像F進(jìn)行邊緣 提取后的邊緣圖像F。
[0021] 作為優(yōu)選，滑窗尺寸size為8X8像素，闊值Ti為20、闊值T2為1。
[0022] 作為優(yōu)選，滑窗每一次的偏移量shift分別取8、6、4、3個(gè)像素。
[002引本發(fā)明的有益效果；本發(fā)明利用N-Smoothlets變換具有多尺度、多方向逼近邊 緣的特點(diǎn)可W有效提取圖像中的弱小邊緣和復(fù)雜邊緣。采用滑窗的方式可W通過(guò)設(shè)置滑 窗每次的偏移量shift來(lái)改變圖像邊緣檢測(cè)的精度，更能適應(yīng)邊緣的變化。另外，由于 N-Smoothlets良好的線奇異性，在邊緣提取的過(guò)程中可W有效地抑制強(qiáng)噪聲的干擾。實(shí)驗(yàn) 驗(yàn)證了滑窗N-Smoothlets邊緣檢測(cè)算法較Wedgelet邊緣檢測(cè)算法對(duì)弱小邊緣和復(fù)雜邊緣 的檢測(cè)非常有效。
【附圖說(shuō)明】
[0024] 圖1;不同算法下Lena圖像的邊緣檢測(cè)結(jié)果；
[0025] (a)原始圖像；（b)Wedgelet,shift= 8 ;(C)Wedgelet,shift= 6 ; (d)Wedgelet， shift= 4 ; (e)Wedgelet，shift= 3 ； (f)N-Smoothlets,shift= 8 ； (g)N-Smoothlets, shift= 6 ;化)N-Smoothlets,shift= 4 ; (i)N-Smoothlets，shift= 3。
[0026] 圖2;不同算法下化ppers圖像的邊緣檢測(cè)結(jié)果；
[0027](a)原始圖像；（b)Wedgelet,shift= 8 ;(C)Wedgelet,shift= 6 ; (d)Wedgelet， shift= 4 ; (e)Wedgelet，shift= 3 ； (f)N-Smoothlets,shift= 8 ； (g)N-Smoothlets, shift= 6 ;化)N-Smoothlets,shift= 4 ; (i)N-Smoothlets，shift= 3。
[002引圖3 ;不同算法下化use圖像的邊緣檢測(cè)結(jié)果
[0029] (a)原始圖像；化)Wedgelet，shift= 8;(C)Wedgelet，shift= 6 ; (d)Wedgelet， shift= 4 ; (e)Wedgelet，shift= 3 ; (f)N-Smoothlets,shift= 8 ; (g)N-Smoothlets, shift= 6 ;化)N-Smoothlets，shift= 4 ; (i)N-Smoothlets，shift= 3。
[0030] 圖4 ;不同算法下Bird圖像的邊緣檢測(cè)結(jié)果；
[0031] (a)原始圖像；化)Wedgelet，shift= 8;(C)Wedgelet，shift= 6 ; (d)Wedgelet， shift= 4 ; (e)Wedgelet，shift= 3 ; (f)N-Smoothlets,shift= 8 ; (g)N-Smoothlets, shift=6;化)N-Smoothlets，shift=4;(i)N-Smoothlets，shift=3。
【具體實(shí)施方式】
[0032] 下面結(jié)合附圖和具體實(shí)驗(yàn)對(duì)本發(fā)明做進(jìn)一步的說(shuō)明。
[0033] 首先對(duì)本發(fā)明方法提到的兩個(gè)邊緣判決條件進(jìn)行說(shuō)明。本發(fā)明方法中，使用雙闊 值對(duì)是否提取邊緣進(jìn)行判斷。在N-Smoothlets變換塊中，對(duì)每一條過(guò)渡帶分別進(jìn)行判斷是 否進(jìn)行提取邊緣，具體判定條件如下：
[0034]條件一：根據(jù)每條過(guò)渡帶兩側(cè)的灰度值mg、mb差值與設(shè)定的闊值T進(jìn)行比較，作為 判斷是否保留該過(guò)渡帶并進(jìn)行邊緣提取的第一個(gè)條件；條件1是判斷兩個(gè)區(qū)域灰度的對(duì)比 情況；
[0035]當(dāng)過(guò)渡帶兩側(cè)的灰度值差值的絕對(duì)值Img-mbl足夠大時(shí)，可認(rèn)為此時(shí)過(guò)渡帶兩側(cè) 灰度值變化十分明顯，更容易被判定為邊緣；當(dāng)過(guò)渡帶兩側(cè)的灰度值差值的絕對(duì)值Img-mbl 比較小時(shí)，可認(rèn)為此時(shí)過(guò)渡帶兩側(cè)灰度值變化較小，不容易被判定為邊緣。
[0036] 條件二；將每條過(guò)渡帶的寬度r與設(shè)定的闊值T2進(jìn)行比較，作為判斷是否保留該 過(guò)渡帶并進(jìn)行邊緣提取的第二個(gè)條件；條件2是判斷灰度的漸變情況。
[0037] 當(dāng)過(guò)渡帶兩側(cè)灰度值相等時(shí)，過(guò)渡帶的寬度越窄，說(shuō)明此時(shí)圖像中的邊緣類型更 接近于階躍型邊緣，從人類視覺系統(tǒng)特性來(lái)說(shuō)此時(shí)的灰度變化帶來(lái)的視覺效果更易被認(rèn)為 是邊緣信息；反之，過(guò)渡帶寬度越寬，邊緣特征越不明顯。因此，當(dāng)過(guò)渡帶寬度r<T2時(shí)，保 留該邊緣。
[003引當(dāng)過(guò)渡帶的寬