本發(fā)明具體涉及一種改進canny算子的圖像邊緣檢測方法。

背景技術：

隨著計算機視覺和數(shù)字圖像處理技術的發(fā)展，邊緣檢測技術越來越多地應用于各個領域中，發(fā)揮的作用也越來越大。細胞是生命活動的基本單位，除了病毒之外的所有生物均由細胞組成。細胞圖像的邊緣具有目標邊界信息，尤其是細胞的面積、圓度和個數(shù)等特征，其檢測結(jié)果為細胞的形態(tài)分析及以后病情診斷提供了重要依據(jù)。

傳統(tǒng)的邊緣檢測算子是依據(jù)圖像的每個像素鄰域內(nèi)灰度值的變化，采用數(shù)學方法中的一階或二階方向?qū)?shù)的變化來檢測邊緣。這些算子結(jié)構簡單，實現(xiàn)速度較快，但是對噪聲影響較大，如果將其應用于細胞圖像邊緣檢測中將會細胞圖像邊緣不連續(xù)、出現(xiàn)干擾邊緣或者細胞圖像細節(jié)丟失等缺點。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是提供一種改進canny算子的圖像邊緣檢測方法。

一種改進canny算子的圖像邊緣檢測方法，包括以下步驟：

s1：對圖像進行平滑處理，用高斯濾波器抑制噪聲；

s2：計算平滑后的圖像梯度幅值和方向；

s3：對梯度進行非極大值抑制；

s4：用迭代算法求最佳高低閾值；

s5：用雙閾值算法檢測和連接邊緣；

s6：用數(shù)學形態(tài)法細化邊緣。

進一步的，步驟s1的具體方法如下：

選用一維高斯函數(shù)構造濾波器，分別按行和列對原始圖像進行卷積操作，得到平滑圖像：

，

，

其中，是高斯函數(shù)的標準差。

進一步的，步驟s2的具體方法如下：

采用鄰域一階偏導的有限差分計算平滑后圖像的梯度幅值和梯度方向：

，

，

，；

其中，和分別是原圖像被濾波器和沿行和列左右的結(jié)果。

進一步的，步驟s4的具體方法如下：

1）通過統(tǒng)計灰度直方圖得到初始閾值：

；

；

其中，k是迭代次數(shù)；、分別是圖像中最大和最小灰度值；

2）用閾值把圖像分割成兩部分和，其中：

；

；

3）分別計算和的灰度均值和，其中：

，；

f(i,j)是圖像（i,j）點灰度值；、分別滿足：

；

；

4）計算新的閾值：

；

5）如果或者滿足指定的要求則結(jié)束，否則k=k+1，轉(zhuǎn)步驟2）；

6）迭代結(jié)束，取最終的和作為圖像分割的最佳高、低閾值。

本發(fā)明的有益效果是：

本發(fā)明能夠有效地抑制噪聲，取得最佳分割閾值，適用于醫(yī)學細胞圖像的檢測。

具體實施方式

以下具體實施例對本發(fā)明作進一步闡述，但不作為對本發(fā)明的限定。

一種改進canny算子的圖像邊緣檢測方法，包括以下步驟：

s1：對圖像進行平滑處理，用高斯濾波器抑制噪聲；

s2：計算平滑后的圖像梯度幅值和方向；

s3：對梯度進行非極大值抑制；

s4：用迭代算法求最佳高低閾值；

s5：用雙閾值算法檢測和連接邊緣；

s6：用數(shù)學形態(tài)法細化邊緣。

步驟s1的具體方法如下：

選用一維高斯函數(shù)構造濾波器，分別按行和列對原始圖像進行卷積操作，得到平滑圖像：

，

，

其中，是高斯函數(shù)的標準差。

步驟s2的具體方法如下：

采用鄰域一階偏導的有限差分計算平滑后圖像的梯度幅值和梯度方向：

，

，

，；

其中，和分別是原圖像被濾波器和沿行和列左右的結(jié)果。

步驟s4的具體方法如下：

1）通過統(tǒng)計灰度直方圖得到初始閾值：

；

；

其中，k是迭代次數(shù)；、分別是圖像中最大和最小灰度值；

2）用閾值把圖像分割成兩部分和，其中：

；

；

3）分別計算和的灰度均值和，其中：

，；

f(i,j)是圖像（i,j）點灰度值；、分別滿足：

；

；

4）計算新的閾值：

；

5）如果或者滿足指定的要求則結(jié)束，否則k=k+1，轉(zhuǎn)步驟2）；

6）迭代結(jié)束，取最終的和作為圖像分割的最佳高、低閾值。