结合Canny算子的图像二值化方法1
需积分: 0 13 浏览量
2022-08-03
23:16:40
上传
评论
收藏 621KB PDF 举报
ＭｉｃｒｏｃｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓ
Ｖ０１．２６，Ｎｅ．２，２０１０
研究与设计 微型电脑应用
２０１０年第２６卷第２期
文章编号：１００７．７５７Ｘ（２０１０）２．０００４－０４
结合Ｃａｎｎｙ算子的图像二值化方法
王涛，徐娅萍，亢海龙，等
摘要：用Ｒｏｂｅｒｔ、Ｓｏｂｅｌ、Ｐｒｅｗｉｔｔ、Ｌａｐｌａｅｉａｎ、ＬｏＧ和Ｃａｎｎｙ算子，对图像进行了边缘检测实验，分析了边缘检测的结
果，得出Ｃａｎｎｙ边缘检测算子，是图像边缘检测的一种十分有效的方法。然后，根据图像的Ｃａｎｎｙ算子边缘信息，将最佳
全局阈值法与局部阈值自适应法在边缘信息的基础上融合起来，对图像进行了二值化处理。实验表明此算法在二值化图像时，
能很好的保留图像的边缘信息。
关键词：边缘检测；Ｃａｎｎｙ算予；图像二值化；全局阈值；局部阀值
中图分类号：ＴＰ３９１
文献标志码：Ａ
０引言
图像■值化是应用最广泛的图象分割技术，在自动目标
识别、图象分析、文本增强以及ＯＣＲ等图像处理中得到广泛
应用。现有的＿值化方法大多属于阈值化方法，主要有全局
阈值法、局部闽值法及动态阀值法【ｌ】。
（１）全局闽值法
是指整个图像采用单一阈值（全局阈
值）Ｔ进行图像二值化。一般由图像的直方图或灰度的空间分
布，确定一个全局阈值Ｔ，将图像的每个像素的灰度值与Ｔ进
行比较。若大于Ｔ，则取为前景色；否则，取为背景色。
（２）局部阈值法
由当前像素灰度值与该像素周围点
局部灰度特征来确定像素的阈值。局部阈值选取，一般将图
像划分为若干子像，在每个子图像区域上使用整体阈值法，
从而可以构成整幅图像的局部阙值法。
（３）动态阈值法
当光照不均匀、或者背景灰度变化较
大等情况时，必须根据像素的坐标位置关系，自动确定不同
阙值，实施动态的闽值确定。该法的阈值选择，不仅取决于
该像素及周围像素的灰度值，而且还与该像素的坐标位置有
关。
通常来说，全局阈值化方法实现简单，对于具有明显双
峰直方图的图像效果明显，但对于低对比度和光照不均匀的
图像效果小佳，因而应用范围受到极人限制。局部闽值法则
能够适应较为复杂的情况，比全局阈值法有更为广泛的应
用。但它往往忽略了图像的边界特征信息，使得原图像中的
一些不同区域在二值化后变成了一块大区域，造成二值化结
果图像某些重要信息的丢失。动态闽值法充分考虑了像元的
邻域特征，能够根据图像的不同背景情况自适应地改变阈
值，可较精确地提取出二值图像，但它过渡地夸大了像元的
邻域灰度的变化．会把不均匀灰度分布的背景分割到目标中
去，带来许多不应出现的假目标。
对于低对比度、不均匀光照图像来说，图像中目标物体
轮廓可能是模糊的，但还可分辨出来，用边缘检测器还可检
测出来，此时用普通的阈值化方法可能会丢失目标的细节信
息，因此本文使用了一种新的二值化图像方法一基于边缘
特征的二值化方法。
１图像边缘提取
本文所提出的图像二值化算法，关键之一在于图像边缘
的提取。常用的几种用于边缘检测的算子，有Ｒｏｂｅｒｔｓ，Ｓｏｂｅｌ，
Ｐｒｅｗｉｔｔ，ＬｏＧ和Ｌａｐｌａｃｉａｎ等。这些算子的主要缺点是对噪声
敏感，而在实际图像中噪声是难以避免的。
Ｃａｎｎｙ边缘提取方法是南Ｊｏｈｎ
Ｃａｎｎｙ在１９８６年首先提出
的ｆ２】，之后迅速成为边缘提取的一种重要方法。Ｃａｎｎｙ算子
充分反映了最优边缘检测器的数学特性，是对信噪比与定位
能力的最优化逼近算子，广泛应用于图像处理和模式识别问
题中。Ｌｅｅ等人１３１，将Ｃａｎｎｙ算子用于人脸识别中，成功地实
现了人脸下额区域同颈部的分离；Ａｌｉ等人【４】将ｃａｎｎｙ算子用
予远程传感图像的去噪声和特征提取上；这些研究表明，
Ｃａｎｎｙ算子用于边缘提取可取得较好的效果。
Ｃａｎｎｙ算子的边缘检测最优性与以下标准有关：
（１）好的信噪比，即非边缘点判为边缘点或将边缘点判
为非边缘点的概率低：信噪比的数学表达式为：
舢：ＬＧ（《）弛池
ｆ１、
ｏ、『亡厂２（ｘｍ
…
若信噪比越大，则边缘提取质量越好。
（２）好的定位性能，即枪测｝Ｈ的边缘点要尽可能在实际
边缘的中心：定位精度的表达式为：
，ＬＧ（－ｘ）ｉ（ｘ灿
‘“”１∞２
－一．
（２）
０７Ｃ，２０ｍ
～
Ｌｏｃａｔｉｏｎ的值越大，则定位精度就越大。
（３）对单一边缘具有唯一响应，并且对虚假边缘响应应
得到最大抑制。
忻兀｛影跚
㈣
本文利用钥匙齿边图像（如图ｌ所示）对以上１Ｉ子进行
作者简介：王涛（１９８４－）ｔ男，山东滕州人，西北工业大学硕士研究生·主要研究方向为机电一体化，西安７１００７２；徐娅萍（１９６３．），女，
陕西西安人，西北工业大学剐教授，主要研究方向为机电控制及自动化，西安７１００７２
‘４‘
万方数据
武藏美-伊雯
- 粉丝: 20
- 资源: 352
评论0