Canny准则小波边缘检测在图像融合中的应用.kdh

合集下载

基于小波变换与Canny算子融合的图像边缘检测方法

基于小波变换与Canny算子融合的图像边缘检测方法

边缘 检测是 图像 处 理 中的重 要 内容. 缘 是 图 边
像 的最基本 特征 . 谓边 缘 , 指周 围像素灰 度有 阶 所 是 跃变化 或屋顶 变化 的那些 像 素 的 集合 . 缘 反 映 的 边
舍¨. 由于小 波变换 具 有 良好 的时频 局 域 化特 性 及 多尺度 分析 能力 , l t Ma a等人较早 提 出了基 于奇异点 l 检 测 的小波 多尺度边 缘 检 测方 法 j传统 的小 波 . 变 换应 用于 图像边 缘 检 测 虽具 有 较强 的理论 性 , 但 边 缘 不 连 续 , 制 噪声 能 力 弱 . an 抑 C n y算 子 相 对 于
基 于小 波 变换 与 C n y算子 融合 的 图像 边 缘检 测 方法 an
白婷婷 , 邓彩霞 , 耿 英
( 哈尔 滨 理 工 大 学 应 用 科 学 学 院 , 龙 江 哈 尔 滨 10 8 ) 黑 5 0 0

要: 针对传 统 的小波 变换提 出了一种 图像 融合 的边缘 检测 方法 . 在边缘 不连 续和抑 制噪声
中图分类 号 : 2 09 文献 标志码 : A 文章 编号 : 0 7 2 8 ( 0 0 O 一 0 4 0 10 — 6 3 2 1 ) l 0 4 — 4
I g d e D tc in B s d o a ee r n f r a d Ca n e ao e E g ee t a e n W v l T a sO m n n y Op rt r ma o t
第 1 5卷
第 1期
哈 尔 滨 理 工 大 学 学 报
J URNAL O RB N UNI ER IY CI NC ND T CHNOL O F HA I V ST OF S E E A E OGY

基于改进Canny算子与图像形态学融合的边缘检测方法

基于改进Canny算子与图像形态学融合的边缘检测方法

基于改进Canny算子与图像形态学融合的边缘检测方法赵洁;李玮;郝志鹏;彭慧卿【摘要】传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分考虑到3x3邻域内周围像素对中心像素的影响.针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘.仿真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性.【期刊名称】《微型机与应用》【年(卷),期】2011(030)010【总页数】4页(P44-47)【关键词】Canny算子;图像形态学;边缘检测;图像融合【作者】赵洁;李玮;郝志鹏;彭慧卿【作者单位】天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384【正文语种】中文【中图分类】TP301.6边缘检测是图像分割、目标区域识别和特征提取等数字图像分析领域中的重要技术,目前已经成为机器视觉研究领域最活跃的热点课题之一。

传统边缘检测方法包括Roberts算子、Sobel算子等一阶微分算子,以及Laplacian算子、LOG算子等二阶微分算子[1]。

这类算法以满足一阶导数极大值点或者二阶导数过零点作为图像的候选边缘点,通过人为设定的全局阈值作为评价标准去除噪声与弱边缘点,将梯度值小于阈值的候选边缘点删除。

由于微分运算对噪声比较敏感,抗噪声性能差,提取的边缘不够精细,因此在实际应用中受到了限制[2]。

对于边缘检测算子性能优劣,Canny提出了三个评价准则[2]:高信噪比准则、定位精准准则和单一边缘唯一响应准则,并据此提出了Canny边缘检测算子。

小波变换在图像处理中的边缘检测技术介绍

小波变换在图像处理中的边缘检测技术介绍

小波变换在图像处理中的边缘检测技术介绍引言:在图像处理领域,边缘检测是一项重要的任务,它可以帮助我们识别图像中的物体边界,从而实现图像分割、目标识别等应用。

而小波变换作为一种常用的信号分析工具,也被广泛应用于边缘检测技术中。

本文将介绍小波变换在图像处理中的边缘检测技术。

一、小波变换简介小波变换是一种数学工具,可以将信号分解成不同频率的成分。

与傅里叶变换相比,小波变换具有时域和频域同时存在的特点,能够提供更多的信号细节信息。

小波变换通过将信号与一组基函数进行卷积运算,得到信号在不同尺度和位置上的频谱信息。

二、小波变换在边缘检测中的应用边缘是图像中灰度变化较大的地方,因此在边缘检测中,我们希望能够找到图像中灰度变化的位置。

小波变换通过分析图像中各个尺度的频谱信息,可以有效地提取出图像中的边缘特征。

1. 尺度变换小波变换可以通过改变基函数的尺度来适应不同尺度的边缘特征。

当基函数的尺度较大时,可以检测到较宽的边缘;而当基函数的尺度较小时,则可以检测到较细的边缘。

通过尺度变换,小波变换可以适应不同大小的边缘特征,提高边缘检测的准确性。

2. 多尺度分解小波变换可以将图像分解成不同尺度的频谱信息,从而提取出不同尺度的边缘特征。

通过对图像进行多尺度分解,可以获取到图像中不同层次的边缘信息,从而实现更全面的边缘检测。

3. 边缘响应小波变换可以通过计算图像在不同尺度上的边缘响应,来检测图像中的边缘特征。

边缘响应可以通过计算小波变换的高频系数来实现,高频系数表示图像中灰度变化较大的位置。

通过计算边缘响应,可以找到图像中的边缘位置,实现边缘检测的目的。

三、小波变换边缘检测算法基于小波变换的边缘检测算法有很多种,其中比较常用的有Canny边缘检测算法和Sobel边缘检测算法。

1. Canny边缘检测算法Canny边缘检测算法是一种经典的边缘检测算法,它基于小波变换的多尺度分解和边缘响应计算。

该算法首先对图像进行高斯滤波,然后利用小波变换进行多尺度分解,计算边缘响应。

自适应Canny算法研究及其在图像边缘检测中的应用

自适应Canny算法研究及其在图像边缘检测中的应用
that
new
can
method
in
the
computation of
the
grads and
non-rmxima
suppression
ipmrove the precision ofthe detected edge.
In based
the
last part
o f this
paper,we realize the improved adaptive Canny
边缘噪声方面的性能。
关键词:
边缘检测;改进Canny算法;遗传算法;自适应性;阈值选取;
ABSTRACT
ABSTRACT
Ed萨corCams
step for image

majority
of information of image,SO edge detection is

critical
Oil
algorithm
excellem
on垤ual C++and compared
with traditional algorithm by detection results.
The improved adaptive Canny algorithm not only keeps the
Canny‘S
浙江大学理学院 硕士学位论文 自适应Canny算法研究及其在图像边缘检测中的应用 姓名:金刚 申请学位级别:硕士 专业:计算数学 指导教师:吴庆标 20090501
摘要
摘要
边缘包含了图像大部分信息,边缘检测是图像处理和分析的关键步骤,对后
续高层次的特征描述、匹配和识别等有着重大的影响。 本文首先对一些传统的边缘检测算法和近年来广泛受到关注的边缘检测算 法进行了综述,同时将其中传统的边缘检测算法进行了代码实现并给出相应的分

数字图像处理__Canny边缘检测

数字图像处理__Canny边缘检测

摘要边缘检测是数字图像处理中的重要内容,边缘是图像最基本的特性。

在图像边缘检测中,微分算子可以提取出图像的细节信息,景物边缘是细节信息中最具有描述景物特征的部分,也是图像分析中的一个不可或缺的部分。

本文详细地分析了目前常用的几种算法,即:Roberts交叉微分算子、Sobel微分算子、Priwitt微分算子和Laplacian微分算子以及Canny算子,用C语言编程实现各算子的边缘检测,并根据边缘检测的有效性和定位的可靠性,得出Canny算子具备有最优边缘检测所需的特性。

关键词:图像处理,微分算子,Canny算子,边缘检测AbstractEdge detection is the important contents of digital image processing ,and the edge is the most basic characteristics of the image.In the image edge detection ,differential operator can be used to extract the details of the images,features’edge is the most detailed information describing the characteristics of the features of the image analysis, and is also an integral part of the image.This article gives the detailed analysis of several algorithms which is commonly used at present,such as Roberts cross-differential operator、Sobel differential operator、Priwitt differential operator、Laplacian differential operator and Canny operator,and we complete with the C language procedure to come ture edge detection.According to the effectiveness of the image detection and the reliability of the orientation,we can deduced that the Canny operator have the characteristics which the image edge has.Keywords: Image processing, Canny operator, differential operator, edge detection目录摘要 (I)Abstract (II)第一章绪论 (1)1.1 引言 (1)1.2 数字图像技术的概述 (2)1.3 边缘检测 (3)1.4 论文各章节的安排 (4)第二章微分算子边缘检测 (5)2.1 Roberts算子 (5)2.2 Sobel算子 (5)2.3 Priwitt算子 (6)2.4 Laplacian算子 (6)第三章Canny边缘检测 (8)3.1 Canny指标 (8)3.2 Canny算子的实现 (9)第四章程序设计与实验 (12)4.1各微分算子的程序设计 (12)4.2 实验结果及比较 (14)第五章结论与展望 (17)5.1 结论 (17)5.2 展望 (17)致谢 ..................................................................................................... 错误!未定义书签。

一种基于小波变换和Canny算子相结合的边缘检测方法

一种基于小波变换和Canny算子相结合的边缘检测方法

一种基于小波变换和Canny算子相结合的边缘检测方法薄胜坤;张丽英
【期刊名称】《长春大学学报(自然科学版)》
【年(卷),期】2012(022)005
【摘要】提出了一种利用小波变换手段和Canny检测算子相结合的边缘检测处理方法.在提取图像边缘之前,利用小波变换能够检测局部突变的能力以及多尺度聚焦的功能,充分抑制图像噪声干扰的同时适当调整图像中目标与背景的对比度,最后利用最优阈值下的Canny算子提取图像边缘.此方法可以很好的消除因噪声干扰带来的虚假边缘,强化弱边缘,使之能够更理想的被检测出来.
【总页数】4页(P1177-1180)
【作者】薄胜坤;张丽英
【作者单位】长春理工大学电子信息工程学院,长春130022;长春大学电子信息工程学院,长春130022
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于Canny算子的多尺度小波变换图像边缘检测方法 [J], 刘洲峰;王鹏飞
2.一种基于自适应Canny算子的舰船红外图像边缘检测方法 [J], 马新星;徐健;张健
3.一种基于Canny算子的图像边缘检测方法 [J], 辛玉欣;王传洋
4.基于小波变换与Canny算子融合的图像边缘检测方法 [J], 白婷婷;邓彩霞;耿英
5.一种基于小波变换和Canny算子相结合的边缘检测方法 [J], 薄胜坤;张丽英因版权原因,仅展示原文概要,查看原文内容请购买。

小波变换在图像分割和边缘检测中的应用

小波变换在图像分割和边缘检测中的应用

小波变换在图像分割和边缘检测中的应用图像分割和边缘检测是计算机视觉领域中的重要研究方向,它们在图像处理、计算机图形学、模式识别等领域都有广泛的应用。

而小波变换作为一种有效的信号处理工具,也被广泛应用于图像分割和边缘检测中。

一、小波变换简介小波变换是一种多尺度分析方法,它将信号分解为不同频率的子信号,能够更好地捕捉到信号的局部特征。

与傅里叶变换相比,小波变换具有时频局部化的特点,能够更好地描述非平稳信号。

小波变换通过将信号与一组基函数进行卷积运算,得到不同尺度和频率的分解系数。

二、小波变换在图像分割中的应用图像分割是将图像划分成若干个具有一定语义的区域,是图像理解和分析的基础。

小波变换在图像分割中的应用主要包括以下几个方面。

1. 基于小波变换的边缘检测小波变换可以提取图像中的边缘信息,因此可以用于边缘检测。

通过对图像进行小波变换,可以得到不同尺度和频率的小波系数。

边缘通常表现为图像中的高频成分,因此可以通过分析小波系数的高频成分来检测边缘。

常用的小波边缘检测算法有Canny小波边缘检测算法、基于小波包变换的边缘检测算法等。

2. 基于小波变换的阈值分割阈值分割是一种基于像素灰度值的分割方法,通过将图像中的像素根据其灰度值与阈值的关系进行分类,将图像分割成不同的区域。

小波变换可以提取图像的局部特征,因此可以用于阈值分割。

通过对图像进行小波变换,可以得到不同尺度和频率的小波系数,然后对小波系数进行阈值处理,将小于阈值的系数置零,大于阈值的系数保留。

最后通过逆小波变换,可以得到分割后的图像。

三、小波变换在边缘检测中的应用边缘检测是图像处理中的一项基本任务,它可以提取图像中物体的轮廓信息。

小波变换在边缘检测中的应用主要包括以下几个方面。

1. 基于小波变换的边缘增强小波变换可以提取图像中的高频成分,因此可以用于边缘增强。

通过对图像进行小波变换,可以得到不同尺度和频率的小波系数,然后对小波系数进行增强处理,使边缘更加明显。

边缘检测算法在影像测量仪中的应用

边缘检测算法在影像测量仪中的应用

小。
3 中心 B 样条小波和 Canny的边缘检 测比较
边缘检测的性能优劣直接取决于滤波器的性 能 ,在各阶次样条小波中 ,二次样条小波被证实了在 边缘提取中是渐进最优的 [ 3 ] 。取三次中心 B 样条 函数作为平滑函数 ,二次样条小波就是平滑函数的 一阶导数 。这里通过利用上述的三个最优准则和 Canny算子进行比较分析 。
f ( x, y) = [ Gx Gy ]T = [ 9f / 9x 9f / 9y ]T ( 1) f ( x, y)的幅度为 :
m ag ( f) = g ( x, y) = 92 f / 9x2 + 92 f / 9y2 ( 2)
方向角为 :Φ ( x, y)
= a rctan
9f 9y
/
9f 9x
Prew itt边缘检测算子检测图像 M 的边缘 , 可以 先分别用水平算子和垂直算子对图像进行卷积 , 得 到两个矩阵 M 1、M 2,它们分别表示图像 M 中相同位 置处的两个偏导数 。再把 M 1、M 2 对应位置的两个 数平方后相加得到一个新的矩阵 G ( G表示 M 中各 个像素的灰度的梯度值的一个逼近 ) , 由此可通过 阀值处理得到边缘图像 。
信噪比 SN R ( f)是边缘检测滤波器 f ( x)对信号
和噪声响应的比率 , 它反映了检测到真实边缘和不
出现伪边缘的概率 , SN R ( f)值越大 , 测量结果中准
确测到真实边缘和较少含有伪边缘的可能性就越
高 。定位精度 L oc ( f)表示被测量到的边缘与真实边
缘导数的数学期望 ,如果 L oc ( f)越大 ,则测量误差越
-1 0 1
-2 0 2
- 1 0 1 Robinson边缘检测算子模板 7 0 12

一种边缘检测方法

一种边缘检测方法

一种边缘检测方法边缘检测是计算机视觉领域中的重要问题之一,其目标是找到图像中物体之间的边界或边缘。

边缘检测在图像处理、目标识别和图像分割等领域具有广泛的应用。

本文介绍一种常用的边缘检测方法——Canny边缘检测算法,并说明其原理、优缺点以及应用。

1. Canny边缘检测算法原理Canny边缘检测算法由John Canny于1986年提出,被广泛认为是目前最好的边缘检测算法之一。

该算法主要包括以下几个步骤:1.1 噪声消除首先对原始图像进行高斯滤波,以减小图像中的噪声。

高斯滤波能够降低高频噪声的干扰,并保留边缘的信息。

1.2 计算梯度对滤波后的图像使用一阶偏导数进行梯度计算。

常用的方法是使用Sobel算子对图像进行卷积操作,得到水平和垂直方向的梯度。

1.3 非极大值抑制在计算梯度的基础上,对图像中的每个像素点进行非极大值抑制。

该步骤的目的是将像素点的灰度值转化为边缘强度,并滤除非局部最大值点。

1.4 双阈值检测将抑制后的图像进行双阈值检测,将梯度值划分为强边缘、弱边缘和非边缘三个分类。

通常情况下,我们选择一个较高的阈值作为强边缘的阈值,一个较低的阈值作为弱边缘的阈值。

只有当某个像素点的梯度值大于高阈值时,才认为其为强边缘;当某个像素点的梯度值介于高阈值和低阈值之间时,才认为其为弱边缘。

1.5 边缘连接在完成强边缘和弱边缘的分类后,通过连接强边缘像素点和与之相邻的弱边缘像素点来形成完整的边缘。

2. Canny边缘检测的优缺点Canny边缘检测算法具有以下几个优点:- 优秀的检测能力:Canny算法能够准确地检测出图像中的边缘,而且对边缘的方向和位置具有精确的描述能力。

- 良好的鲁棒性:Canny算法对噪声具有较强的抵抗能力,能够在对噪声有一定容忍度的情况下进行边缘检测。

- 多阈值灵活设置:Canny算法通过设置不同的阈值,能够提供灵活的边缘检测结果。

然而,Canny边缘检测算法也存在一些缺点:- 计算复杂度较高:由于Canny算法中包含多个步骤,需要进行多次图像处理和计算,因此其计算复杂度较高,不适用于对速度要求较高的应用场景。

基于小波变换与Canny算子融合的图像边缘检测方法

基于小波变换与Canny算子融合的图像边缘检测方法
R2
1
lim θ( x, y) = 0 ( 1 )
2 b ) ‖ L2 ( R 2 ) = 〈 f,f 〉 . L2 ( R 2 )
作如下变换 WT ( WT f ) ( a, b) = c f( x) ψ( ax - b) dx =
R
y) = 引入记号 θ s ( x,
1 x y , y θ 将其沿 x, , s s s2
s 2
于是, 只要沿着梯度方向检测小波变换系数模 的局部极大值点即可得到图像的边缘点 . 1. 2 改进的小波变换
2 且 设函数 ψ ∈ L ( R ) ,
ω) | ∫ | ψ| (ω |
R
^
2
dω < ∞ , 则
Wf 是函数 f( x) 的一个多尺度刻画. 因 实际上, 为任何数字信号可测分辨率是有限的, 所以小波变
2
dadb =
^ ( ω) }∧( - b) × f ( aω) ψ 2 π c2 { ^
R2

相应的二维二进小波变换如下 Wx y ) = f * ψx y) = μ f ( x, μ ( x,
^ ( ω) }∧( - b) dadb = { f( aω) ψ 2 π c2 ^ ( ω) e ( ∫ ^f ( aω) ψ
这些算子虽然易于实现具有较好的实时性但由于边缘检测问题固有的复杂性使这些方法在抗噪性能和边缘定位方面往往得不到满意的效果这主要是因为边缘和噪声都是高频信号很难在噪声和边缘中做取由于小波变换具有良好的时频局域化特性及多尺度分析能力mallat等人较早提出了基于奇异点检测的小波多尺度边缘检测方法传统的小波变换应用于图像边缘检测虽具有较强的理论性但边缘不连续抑制噪声能力弱
, 其大小反映了该位

小波变换在图像边缘检测的运用

小波变换在图像边缘检测的运用

小波在图像边缘检测中的应用(比较几种算法)检测技术与自动化装置图像边缘是描述图像最基本、最有意义的特征,故边缘检测是计算机视觉和图像处理领域最经典的研究课题之一,边缘检测的主要目的是对一图像灰度变化进行度量、检测和定位。

边缘检测器的工作既要将高频信号从图像中分离出来,又要区分边缘和噪声,准确的标定边缘位置。

小波被誉为“数学显微镜”,在时域和频域都有良好的局部特性,以平滑函数的一阶导数作为小波函数对图像进行小波变换,小波系数的模极大值即对应图像的边缘[1-3]。

经典的边缘检测方法有一阶导数极大值点算法(例如Robert 算子、Sobel 算了、Canny 算子),二阶导数零交叉点算法(例如LoG 算子)等等。

新的边缘检测方法有数学形态学的方法、模糊算子法、神经网络法、小波分析法、遗传算法、动态规划法、分形理论法等等。

原理设)(21,x x θ是二维平滑函数]0,[2121⎰⎰≠x dx x x )(θ。

把它沿x 1,x 2两个方向上的一阶导数作为两个基本小波:12121)1(),(),(x x x x x ∂∂=θψ (1) 22121)2(),(),(x x x x x ∂∂=θψ (2) 再令:12121)1(221)1(),(),(1),(x x x a x a x a x x a a ∂∂==θψψ (3) 22121)2(221)2(),(),(1),(x x x a x a x a x x a a ∂∂==θψψ (4)其中),(),(2121ax a x x x a θθ=,对任意二维函数f (x 1,x 2)∈L 2(R 2),其小波变换有两个分量: 沿x1方向:)2,1()1(**)2,1()2,1,()1(x x a x x f x x a f WTψ= (5) 沿x2方向:)2,1()2(**)2,1()2,1,()2(x x a x x f x x a f WT ψ= (6) 其中**代表而为卷积,他的具体含义是:212211212),(),(1)2,1()(**)2,1(du du au x a u x u u f a x x i a x x f --=⎰⎰ψψ,i=1或2。

融合Canny算子和小波变换的边缘检测方法

融合Canny算子和小波变换的边缘检测方法
波模极 大值法 , 为提取连续 、 完整的边缘特征提供了一种可行思路。
关键词 : 小 波变换模极大值 ; 边缘提取 ; 图像融合
中图分类号 : T P 3 0 1 . 6 文献标识码 : B
Ed g e De t e c t i o Байду номын сангаас Al g o r i t hm Ba s e d o n
ABS TRACT: Ai mi n g a t t h e p r o b l e m t h a t t h e t r a d i t i o n a l e d g e d e t e c t i o n a l g o i r t h m h a s f e w e d g e e x t r a c t i o n a n d i s u n a - b l e t o c o n t r o l n o i s y we l l , t h e p a p e r p r o p o s e s a n e d g e d e t e c t i o n me t h o d b a s e d o n C a n n y a d a p t i v e a l g o r i t h m a n d w a v e l e t t r a n s f o r m mo d u l u s ma x i ma a l g o r i t h m. F i r s t l y , s o u r c e i ma g e i s e x t r a c t e d w i t h C a n n y a d a p t i v e a l g o it r h m a n d w a v e l e t t r a n s f o r m mo d u l u s ma x i ma lg a o r i t h m r e s p e c t i v e l y t o g e t t h e e d g e i ma g e s o f h i g h a n d l o w f r e q u e n c y .T h e n t h e e d g e i ma g e s g a i n e d b y t h e a b o v e t w o me t h o d s a r e f u s e d b y w e i g h t a n d o p t i mi z e d .Ma n y i ma g e d a t a s e t s o f e x p e i r me n t a l r e — s u i t s s h o w t h a t t h e f u s i o n a l g o r i t h m i s s u p e r i o r t o C a n n y a d a p t i v e a l g o r i t h m o r wa v e l e t mo d u l u s ma x i ma lg a o i r t h m a — l o n e , a n d p r o v i d e s a f e a s i b l e me t h o d f o r e x t r a c t i n g c o n t i n u o u s a n d c o mp l e t e e d g e f e a t u r e s . KEYW ORDS: Wa v e l e t t r a n s f o m r mo d u l u s ma x i ma; E d g e d e t e c t i o n; I ma g e f u s i o n

基于改进Canny算子与图像形态学融合的边缘检测方法

基于改进Canny算子与图像形态学融合的边缘检测方法

基于改进Canny算子与图像形态学融合的边缘检测方法赵洁;李玮;郝志鹏;彭慧卿
【期刊名称】《微型机与应用》
【年(卷),期】2011(30)10
【摘要】传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分考虑到3x3邻域内周围像素对中心像素的影响.针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘.仿真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性.
【总页数】4页(P44-47)
【作者】赵洁;李玮;郝志鹏;彭慧卿
【作者单位】天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384;天津城市建设学院电子与信息工程系,天津300384
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于改进Canny算子的葵花籽边缘检测方法 [J], 徐灿;张秋菊
2.基于改进Canny算子的铁轨边缘检测方法 [J], 李丹丹;侯涛;魏世鹏
3.基于小波变换与Canny算子融合的图像边缘检测方法 [J], 白婷婷;邓彩霞;耿英
4.基于改进Canny算子的磁共振T2加权图像边缘检测方法研究 [J], 和清源;焦青亮;蒋依芹;傅瑜;刘子龙;于坤;张朋;王永中
5.基于改进RGHS和Canny算子的水下图像边缘检测方法 [J], 王慧芳;陈远明;彭荣发;洪晓斌
因版权原因,仅展示原文概要,查看原文内容请购买。

Canny边缘检测算法在图像处理上的应用

Canny边缘检测算法在图像处理上的应用
i ma g ef or ms .T h r o u g ht h e a n a l y s i s o ft h e e x p e r i me n t l a s i mu l a t i o n, t h i s a l g o i r t h mi sg ee d a tr es t r a i n i n g n o i s e a n dg et t i n g amo e r a c c u r a t ee dg e i ma g e .
n o n ma x i ma s u p p r e s s i o n p r o c e s s i n g t o t h e o u t l i n e we o b s e r v e d. T he n u s i n g d u l a t h r e s h o l d t o d e a l wi t h he t i ma ge nd a i o i n emo r t e p i x e l s .F i n a l l y,t h e e d g e
0 . 引 言
制来进行边缘检测 ,确定出真正的视 觉心理或应 用需求 不断提 高, 系列 的图像处理算法及技术也随之蓬勃 发展 , 在 图像处 理领域 中最 重 要 的一项处理技术是边缘检测技术。图像 中物体 的边缘处 表现 出图像 局 部特性 的不连续性 ,比如颜色的突变 、灰度值的不连续 ,在边缘处表 现 出来 的信息量是非常大 的,在整个图像中的特征信息 占有主导地 位 ,因 此 图像 的边缘检测技术广泛用于图像的轮廓 、纹理等特征信息的提取 。 图像边缘信息 中,有走 向和幅度两个方面的特征。一般情 况下 ,图 像沿着边缘方 向的幅值变化是连续 的,而在垂直于边缘走 向的幅值变化 是 阶跃 型的,也 即是非连续变化 的。本文主要是 以 C a n n y 算法对 图像进 行 边缘 检测的算 法研究 。 1 .C a n n y 边 缘 检 测 1 .1 C a n n y边 缘 检 测 算 法 基 本 原 理 C a n n y 边缘检测 的实质就是求取信号 函数 的极大值 问题来 来判定 图 像边缘像素点。该检测算法具有三大特点 : ①好 的检测性 :检测 出的边 缘信息的漏检率和误检率达到最小 ,使得算 法能够尽可 能更多地标识 出 图像的实际边缘 ;②好的定位性 :定位精度最高 ,使得标 识出 的边缘 尽 可能与实际 图像的边缘精确程度也就越高 ;③相应 次数最小 :图像 的边 缘像素点 只能被标识一次 。并且在可能存在噪声的像素点上不被标识 。 1 .2 C a n n y边 缘 检 测 算 法 实 现 步骤 1 .2 . 1高 斯 滤 波 在 未经处理过 的图像上进行任何检测算法都是不能很好地 处理 以及 应用 ,因此 在图像处理之前 ,对该 图像进行滤波预处理 ,而且 滤波效果 的好 坏直接 影响着后续 的处理 和分 析。图像 中几 种常见 噪声 有椒 盐 噪 声 、脉冲噪声 、高斯噪声 。通常 ,图像 中噪声 以高斯噪 声为主 ,高斯 噪 声的幅值分布服从高斯分布 ,因此本文采用高斯滤波 ,高斯 平滑模板 与 原图像进行卷积计算 ,得到去噪后 的图像 。

图像边缘探测--Canny算子实现

图像边缘探测--Canny算子实现

图像边缘探测--Canny算⼦实现这⼏天挺郁闷的,不知到该做什么,是继续做我的图像融合,还是改⾏做语⾳识别,我也不清楚。

像剑桥、⽜津、MIT、卡耐基-梅隆等⼤学都在搞语⾳识别。

唉,还是好好忙⾃⼰的数学基础和专业课吧,这⼏天作业也相当的多。

我这⼈有⼀点不好,就是看到新的东西都想学看看,但是三分钟热度。

从今天开始,我要进⾏我的长跑计划,我⼀哥们说这活动最能培养⼈的意志⼒了,如果能坚持⼀年的话,那么你的恒⼼就相当厉害了。

下⾯的这个⼩程序使⽤Canny算⼦进⾏边缘探测,如下:#include"cv.h"#include"highgui.h"void main(){//载⼊图像,并将其转化位灰度图像IplImage* srcImage = cvLoadImage("lena.jpg",0);//创建⽬标图像IplImage* dstImage = cvCloneImage(srcImage);//创建窗⼝cvNamedWindow("srcImage",1);cvNamedWindow("dstImage",1);/*------------使⽤canny算⼦探测边缘-----------------// void cvCanny( const CvArr* img, CvArr* edges, // double threshold1,double threshold2, int // apertureSize=3 ); // 阀值1、2⽤于边缘的连接 */cvCanny(srcImage,dstImage,100,200/*,3*/);//显⽰原图像和处理结果cvShowImage("srcImage",srcImage);cvShowImage("dstImage",dstImage);//等待按键cvWaitKey();//释放资源cvDestroyWindow("srcImage");cvDestroyWindow("dstImage");cvReleaseImage(&srcImage);cvReleaseImage(&dstImage);}Ok,效果如下。

小波变换在图像边缘检测中的应用

小波变换在图像边缘检测中的应用

小波变换在图像边缘检测中的应用图像边缘检测是计算机视觉领域一项重要的任务,它在图像处理、目标识别和图像分割等方面发挥着关键作用。

而小波变换作为一种多尺度分析方法,具有良好的局部性和时频局部化特性,因此在图像边缘检测中得到了广泛的应用。

一、小波变换的基本原理小波变换是一种时频分析方法,它可以将信号分解成不同尺度的频率成分,从而更好地描述信号的时频特性。

其基本原理是通过将信号与一组小波基函数进行卷积运算,得到小波系数,然后根据小波系数的变化来分析信号的频率成分和局部特征。

二、1. 尺度变换小波变换具有多尺度分析的特性,可以根据不同尺度的小波基函数来提取图像的不同频率成分。

在图像边缘检测中,可以利用小波变换的尺度变换特性来检测不同尺度的边缘信息。

通过对图像进行多次小波变换,并根据小波系数的变化来确定边缘的位置和强度,可以得到更准确的边缘检测结果。

2. 频率分析小波变换可以将图像分解成不同频率的成分,从而可以对图像进行频率分析。

在图像边缘检测中,可以利用小波变换的频率分析特性来检测图像中的高频边缘信息。

通过对图像进行小波变换,并根据小波系数的变化来确定边缘的位置和强度,可以得到更精确的边缘检测结果。

3. 局部特征提取小波变换具有良好的局部性和时频局部化特性,可以更好地描述信号的局部特征。

在图像边缘检测中,可以利用小波变换的局部特征提取能力来检测图像中的边缘信息。

通过对图像进行小波变换,并根据小波系数的变化来确定边缘的位置和强度,可以得到更细致的边缘检测结果。

三、小波变换在图像边缘检测中的优势1. 鲁棒性强小波变换具有良好的鲁棒性,对噪声和干扰具有较好的抵抗能力。

在图像边缘检测中,由于图像常常存在噪声和干扰,因此小波变换能够更好地提取图像中的边缘信息,并减少噪声和干扰对边缘检测的影响。

2. 多尺度分析小波变换具有多尺度分析的特性,可以对不同尺度的边缘信息进行提取。

在图像边缘检测中,通过对图像进行多次小波变换,并根据小波系数的变化来确定边缘的位置和强度,可以得到更全面、更准确的边缘检测结果。

结合canny边缘检测算法与k-means算法的图像文字识别

结合canny边缘检测算法与k-means算法的图像文字识别

技术创新39结合ca n ny边缘检测算法与k-means算法的图像文字识别◊内江师范学院数学与信息科学学院向涛杨乾辉邓云吴苹杨秀霞许雷本文就图像中文本的识别进行了深入的研究,在目前的技术领域,文本识别的技术还够成熟,但是依然有许多的方法能够解决文本识别问题,比如边缘特征法、将文本图像连通寻找适当新的区域法、还有就是基于一些文本自身独特的特征和机器学习的方法;其次是就算得到了一些文本数据,因为世界是多姿多彩的,每个文本在自然界中受到的光照强度、文本自身的大小、倾斜程度等都会给图像文本的识别增加更大的难度,但是也不是说不能够完全识别文本区域内容,只是各种方法各有各的优势,因此需要对应找到更实用的方法。

目前大部分文本识别算法的核心都差不多,基本上都是先确定文本的大致区域,缩小识别范围,从而降低识别时间,还能够提高文本识别的效率。

当今世界最先好的识别技术(OCR)m是很好的也是非常成熟的一个方法,通过大量的数据验证得到的结果是(OCR)皿具有良好的性能,但直接使用效果却不是很好,因此本文采用了canny边缘检测算法和k-means算法进行文本定位,在一定程度上增强了文本区域的识别。

1canny与k_means算法原理1.1基于canny边缘检测算法原理该算法舷于边缘特征的一个检测性算法,它在对文本的处理过程中会保留文本属性值不变,但是并不是对文本不加以处理,而是会将文本图像的数据规模进行缩减。

目前世界研究中基于边缘检测的算法还是比较多,本文采用的是canny算法,该算法能够很好的处理边缘检测问题,这为文本识别带来了优势。

边缘检测算法是多种多样的,而canny算法是找到最适合的f瞬检测,含义如下所示。

(1)搜寻最佳检测:边缘检测会把文本边缘的一些特征尽可能的提取到的同时,还需要满足漏检的概率值尽可能的小。

(2)边缘定位规则:要求搜寻到边缘的点与实际文本的边缘点相差不远,总之就是使得搜寻的边缘位置与实际文本的边缘位置的偏差不能够太大,从而提高识别精度。

Canny边缘检测算子研究及其在医学图像中的应用

Canny边缘检测算子研究及其在医学图像中的应用

第28卷第3期吉林工程技术师范学院学报Vol.28No.32012年3月Journal of Jilin Teachers Institute of Engineering and Technology Mar.2012收稿日期:2011-12-01作者简介:燕杨(1981-),女,吉林长春人,长春师范学院计算机科学与技术学院讲师,主要从事数字图像处理方向的教学与研究。

Canny 边缘检测算子研究及其在医学图像中的应用燕杨1,王云吉2(1.长春师范学院计算机科学与技术学院,吉林长春130032;2.吉林大学通信工程学院,吉林长春130012)[摘要]为了进一步加强数字图像处理技术在医学图像领域的应用,分析基于Canny 算子的边缘检测方法并将其应用于医学图像。

本文首先介绍边缘检测算法的理论基础;然后结合Canny 算子的实现原理及步骤,说明边缘检测所遵循的基本原则;最后在OpenCV 环境下编程调试,对该算法进行实验验证,利用Canny 算子对一幅人体肺部CT 图像进行边缘提取。

对实验结果进行分析得出结论,Canny 算子检测出的边缘完整、连续且细锐。

从实验结果中可以看出,这种方法对医用CT 图像的边缘检测非常适用,对于利用计算机进行医学图像处理有着重要的现实意义。

[关键词]Canny 算子;边缘检测;医学图像;高斯函数[中图分类号]TP317.4[文献标识码]A[文章编号]1009-9042(2012)03-0075-03Research of Canny Edge Detection Operators and Application in Medical ImageYAN Yang 1,WANG Yun-ji 2(1.Institute of Computer Science and Technology ,Changchun Normal University ,Changchun Jilin 130032,China ;2.Institute of Communication Engineering ,Jilin University ,Changchun Jilin 130012,China )Abstract :To further enhance the application of digital image processing technology in the field of medical image ,we analysis the Canny operator edge detection algorithm and apply it to a medical lung CT image.First ,introduce the theoretical basis for edge detection algorithm ;then ,combined with Canny operator ,shows the basic principles followed by the edge detection ;final-ly ,in OpenCV environment ,program and debug Canny operator to detect the edge of a human lung CT image.The experimental results were analyzed to conclude ,the edge detected by Can-ny is completed ,continuous and accurate.It can be seen from the experimental results ,Canny is very suitable for medical image processing ,and it has important practical significance in this area.Key words :Canny operator ;edge detection ;medical images ;Gaussian function所谓的边缘是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合,图像边缘的确定与提取对于整个图像场景的识别与理解非常重要,同时也是图像分割所依赖的重要特征,因为图像的边缘部分集中了图像的大部分信息,边缘检测主要是图像灰度变化的度量、检测和定位。

学习笔记-canny边缘检测

学习笔记-canny边缘检测

学习笔记-canny边缘检测Canny边缘检测声明:阅读本⽂需要了解线性代数⾥⾯的点乘(图像卷积的原理),⾼等数学⾥的⼆元函数的梯度,极⼤值定义,了解概率论⾥的⼆维⾼斯分布1.canny边缘检测原理和简介2.实现步骤3.总结⼀、 Canny边缘检测算法的发展历史 边缘检测是从图像中提取有⽤的结构信息的⼀种技术,如果学过信息论就会知道,⼀⾯充满花纹的墙要⽐⼀⾯⽩墙的信息量⼤很多,没学过也没关系,直观上也能理解:充满花纹的图像要⽐单⾊图像信息更丰富。

为什么要检测边缘?因为我们需要计算机⾃动的提取图像的底层(纹理等)或者⾼层(时间地点⼈物等)的信息,边缘可以说是最直观、最容易发现的⼀种信息了。

Canny提出了⼀个对于边缘检测算法的评价标准,包括:1) 以低的错误率检测边缘,也即意味着需要尽可能准确的捕获图像中尽可能多的边缘。

2) 检测到的边缘应精确定位在真实边缘的中⼼。

3) 图像中给定的边缘应只被标记⼀次,并且在可能的情况下,图像的噪声不应产⽣假的边缘。

简单来说就是,检测算法要做到:边缘要全,位置要准,抵抗噪声的能⼒要强。

接下来介绍最经典的canny边缘检测算法,很多边缘检测算法都是在此基础上进⾏改进的,学习它有利于⼀通百通。

⼆、实现步骤 step1:⾼斯平滑滤波没有哪张图⽚是没有噪声的。

————鲁迅 滤波是为了去除噪声,选⽤⾼斯滤波也是因为在众多噪声滤波器中,⾼斯表现最好(表现怎么定义的?最好好到什么程度?),你也可以试试其他滤波器如均值滤波、中值滤波等等。

⼀个⼤⼩为(2k+1)x(2k+1)的⾼斯滤波器核(核⼀般都是奇数尺⼨的)的⽣成⽅程式由下式给出:‘ 下⾯是⼀个sigma = 1.4,尺⼨为3x3的⾼斯卷积核的例⼦,注意矩阵求和值为1(归⼀化): 举个例⼦:若图像中⼀个3x3的窗⼝为A,要滤波的像素点为e,则经过⾼斯滤波之后,像素点e的亮度值为: 其中*为卷积符号,sum表⽰矩阵中所有元素相加求和,简单说,就是滤波后的每个像素值=其原像素中⼼值及其相邻像素的加权求和。

小波变换和Canny算子相结合的图像边缘检测算法

小波变换和Canny算子相结合的图像边缘检测算法

小波变换和Canny算子相结合的图像边缘检测算法
王丽芳;吕建平
【期刊名称】《计算机与数字工程》
【年(卷),期】2014(042)008
【摘要】提出一种基于小波变换和Canny算子相结合的图像边缘检测算法.由于传统Canny算子在进行边缘检测时,会丢失边缘细节信息,产生伪边缘,因此,论文提出在进行Canny算子边缘检测前,首先使用二维最大类间方差算法将图像分为四幅子图,然后对各子图分别进行小波阈值去噪,对去噪图像进行图像融合后,使用Canny 算子检测边缘,最后进行边缘连接,得到连续边缘线.实验结果表明,该算法可以在去除噪声的同时有效保留边缘细节,达到较好的检测效果.
【总页数】4页(P1480-1483)
【作者】王丽芳;吕建平
【作者单位】西安邮电大学计算机学院西安710121;西安邮电大学计算机学院西安710121
【正文语种】中文
【中图分类】TP391
【相关文献】
1.改进Canny算子的图像边缘检测算法 [J], 徐衍鲁;马燕
2.基于改进Canny算子的医学图像边缘检测算法 [J], 钱红莹
3.基于Canny算子的图像边缘检测算法在扭矩检测装置中的应用 [J], 吴房胜;李
如平;施冬冬
4.基于Canny算子的图像边缘检测算法在扭矩检测装置中的应用 [J], 吴房胜;李如平;施冬冬
5.基于改进Canny算子的医学图像边缘检测算法 [J], 钱红莹[1]
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第32卷第6期光电工程V ol.32, No.6 2005年6月 Opto-Electronic Engineering June, 2005文章编号:1003-501X(2005)06-0079-04Canny准则小波边缘检测在图像融合中的应用狄红卫,张文琴(暨南大学光电工程研究所,广东广州 510632)摘要:提出了一种新的图像融合方法。

该方法选择Canny准则作为边缘检测的基础,并结合小波变换算法,确定图像边缘位置。

在小波域中,对高频信息依据其是否为边缘点采用不同的融合策略,对低频信息利用加权法进行融合,再进行小波逆变换重构融合图像。

实验结果表明,提出的算法在抑制噪声的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。

对于多聚焦图像的融合,偏差度为0.0520,熵为7.6609,相似度达到0.9985。

关键词:小波变换;边缘检测;图像融合;空间分辨力中图分类号:TP391.4 文献标识码:AApplication of wavelet edge detection based on Cannycriteria in image fusionDI Hong-wei, ZHANG Wen-qin(Institute of Optoelectronic Engineering, Jinan University, Guangzhou 510632,China)Abstract:A new image fusion method is proposed. This approach firstly determines the image edge positions based on Canny criteria and in combination with wavelet transform algorithm. In wavelet domain, different strategies are adopted for fusing high frequency coefficient according to whether it is a pixel of edge. Average-weighted mean is used for low frequency coefficient fusion and then the fusion image is reconstructed by wavelet inverse transform. Experimental results show that the method can not only inhibit noises but also effectively enhance the edge details and improve the spatial resolution of the image. For fusing multi-focusing image, the deviation index is 0.0520, the entropy is 7.6609 and similarity is 0.9985.Key words:Wavelet transform;Edge detection;Image fusion;Space resolution引言图像融合是数据融合的一个重要分支,它在遥感图像处理、目标识别、医学、机器人视觉等方面具有广阔的应用前景。

图像融合的方法较多,最简单的图像融合方法是基于像素的原始图像平均法,但这种方法得到的图像模糊。

Burt P提出Laplacian金字塔以后,基于Laplacian金字塔、形态学金字塔、梯度金字塔等的融合方法不断出现。

随着上世纪90年代小波变换在图像处理中的广泛应用,也被成功地应用于图像融合。

在小波变换域中,低频子图像反映原图像的近似和平均特性,高频子图像反映原图像的突变特性,即图像的边缘、区域边界特性,而融合的目的一般是获取更多的细节信息,因此,如何保证边缘信息的融合至关重要。

本文应用基于Canny准则的小波边缘检测算法确定图像边缘,融合边缘信息,对低频信息利用平均法或加权法融合,再进行小波逆变换重构融合图像。

实验结果表明本文提出的算法在抑制噪声的同时,能有效地保留边缘细节,同时基于边缘信息的图像融合可以更好地保持图像的空间分辨力。

光电工程 第32卷第6期 801 基于Canny 准则的小波边缘检测John Canny 提出关于边缘提取的三个最优准则:(1)不漏检真实存在的边缘点,也不把非边缘点作为边缘点检出,使得输出的信噪比最大;(2)检测到的边缘点的位置距实际边缘点的位置最近,使得输出的图像定位精度高;(3)每一个实际存在的边缘点和检测到的边缘点是一一对应关系。

基于此准则提出Canny 检测算法。

Canny 算法是一类具有优良性能的边缘检测算法,它在许多图像处理领域得到广泛应用[1]。

Canny 边缘检测法利用高斯函数的一阶微分,能在噪声抑制和边缘检测之间取得较好的平衡。

但是,采用一种固定大小的Gauss 滤波器,很明显无法满足检测具有不同尺度大小的边缘结构的要求,而小波的多分辨力特性正好可以弥补这一不足。

因此,选择Canny 准则作为边缘检测的算法基础,并结合小波变换算法,可以达到良好的检测效果。

1.1 小波变换局部极大值点位置的确定小波分析优越于傅里叶变换的地方是:在时域和频域都具有良好的局部化性质,而且由于对高频分量采用逐步精细的时域或频域取样步长,从而可以聚焦到对象的任意细节。

这样就可以通过一定途径将信号与噪声分离,使得它更适合检测图像的边缘和细节。

下面通过小波变换来实现多尺度的边缘检测。

令θ(x ,y )是二维平滑函数,定义两个小波函数为[2-3]y y x y x Ψxy x y x Ψ∂∂=∂∂=),(),(,),(),(21θθ (1) 对),(),,(21y x Ψy x Ψ进行二进伸缩和平移构成基函数yy x y x Ψy x Ψx y x y x Ψy x Ψj j j j j j j j j j ∂∂==∂∂==),()2,2()2(1),(),()2,2()2(1),(2222221221θθ (2) 对于二维图像函数f (x ,y ),其小波变换可通过卷积实现X 方向为: ),(),(1212y x Ψf y x f W j j ∗= (3) Y 方向为: ),(),(2222y x Ψf y x f W j j ∗= (4)则),(12y x f W j 、),(22y x f W j 构成了一组二进小波序列,j ∈N 。

在尺度2j 上,梯度矢量的模为 2222122),(),(),(y x f W y x f W y x M j J j += (5)其幅角为 ),(/),([tan ),(122212y x f W y x f W y x A j j j −= (6)梯度方向指向梯度的模取极大值的方向,于是,只要沿着梯度方向检测小波变换系数模的局部极大值点,即可得到图像的边缘点。

1.2 梯度“非极大抑制”梯度的方向被定义为属于4个区之一,各个区用不同的邻近像素来进行比较,以决定局部极大值。

这4个区及其相应的比较方向如表1所示。

例如,如果中心像素x 的梯度方向属于第4区,则把x 的梯度值与它的左上和右下相邻像素的梯度值进行比较,看x 的梯度值是否是局部极大值。

如果不是,就把像素x 的灰度设为0,这个过程称为“非极大抑制”。

1.3 双阈值的选取[4]选取两个阈值T 1和T 2,T 1= αT 2,其中0<α<1。

分别用这两个阈值对经上述处理的图像进行二值化。

我们把梯度值小于T 1的像素的灰度设为0,得到图像1。

然后把梯度值小于T 2的像素的灰度设为0,得到图像2。

表1 4个区域及其相应的比较方向 Table 1 Four areas and their corresponding comparative directions 4 3 2 1 x 1 2 3 42005年6月 狄红卫 等:Canny 准则的小波边缘检测在图像融合中的应用 81由于图像2的阈值较高,去除了大部分噪声,但同时也损失了有用的边缘信息。

而图像1的阈值较低,保留了较多的信息。

我们可以以图像2为基础,以图像1为补充来连接图像的边缘。

1.4 边缘连接连接边缘的具体步骤如下:① 对图像2进行扫描,当遇到一个非零灰度的像素P 时,跟踪以P 为开始的轮廓线,直到该轮廓线的终点Q 。

② 考察图像1中与图像2中Q 点位置对应点Q 1的8邻近区域。

如果在Q 1点的8邻近区域中有非零象素R 1存在,则将其包括到图像2中,作为点R 。

从R 开始,重复第①步,直到我们在图像1和图像2中都无法继续为止。

③ 当完成对包含P 的轮廓线的连接之后,将这条轮廓线标记为已访问。

回到第①步,寻找下一条轮廓线。

重复步骤①、②、③,直到图像2中找不到新轮廓线为止。

1.5 边缘检测结果利用上面提出的方法对图1中256×256图像进行处理。

图1(a)为待检测图像,先利用(5)、(6)式求得模极大值点的位置,由于许多噪声被识别为边缘点,所以要经过去噪过程的处理。

通过高阈值和低阈值进行去噪处理,低阈值能保留细微边缘,而高阈值能得到去噪的边缘,再用边缘连接的方法连接两幅图像得最后的边缘图像图1(b)。

与Canny 边缘检测法相比,由于小波变换具有多尺度的特性,所以通过小波变换边缘检测可为图像提供一个由粗到细的多分辨力边缘表示。

从图中可见,本文提出方法提取的边缘连续,在抑制噪声的同时能保留边缘的细节。

2 基于小波变换边缘检测的图像融合规则对二维图像进行N 层的小波分解,可得3N +1个不同的频带,其中包含3N 个高频带和一个低频带。

图2以两幅图像的融合为例,说明了基于小波变换边缘检测的图像融合过程。

在图像融合的过程中,融合算子的选择对于融合的质量是非常重要的。

本文提出的图像融合规则如下(以一个尺度下的情况为例)。

对于图2中的3个高频子图H 、V 、D ,利用H 、V 子图,采用基于Canny 准则的小波边缘检测方法得到边缘图像。

由于H 、V 、D 子图反映该尺度下图像的高频信息,即边缘部分信息,而边缘的中心位置是唯一的,故我们可以保留两幅图像H 、V 、D 子图中与检测到的边缘图像相对应的绝对值大的点的值,而不是边缘的点则取两幅图像平均值。

这样,在保留高频信息的同时可以有效抑制噪声。

在图像的小波变换域中,系数的幅值代表了原始图像在该分辨力下灰度变化的剧烈程度,故高频系数的局部极值点代表了原始图像的边缘点。

对于低频系数,采用直接平均法(式(7))或加权法(式(8))进行融合。

相关文档
最新文档