CN106157301B - 一种用于图像边缘检测的阈值自确定方法及装置 - Google Patents

Abstract

本发明公开了一种用于图像边缘检测的阈值自确定方法及装置。该阈值自确定方法，包括：采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值。利用该阈值自确定方法，能够降低边缘检测时的高噪声干扰，还能够更好的避免边缘检测时重要边缘点的丢失，保证了边缘的连续性；同时，也能够简化检测阈值的选择过程和计算过程，提高了边缘检测时检测结果的准确率。

Description

一种用于图像边缘检测的阈值自确定方法及装置

技术领域

本发明实施例涉及数字图像处理技术领域，尤其涉及一种用于图像边缘检测的阈值自确定方法及装置。

背景技术

图像的边缘是图像最基本的特征之一，是指图像局部灰度变化显著的部分。由于人眼对图像中景物边缘的感知来源于具有局部强灰度变化的区域，而边缘检测旨在模拟人眼对景物边缘的感知，提取局部灰度变化较剧烈的边缘，因此，通常基于边缘检测来确定图像的边缘部分。在进行边缘检测时，主要的操作就是基于设定的检测阈值确定图像的边缘点，而所确定的边缘点的准确与否直接影响边缘检测结果的准确与否，因此，对检测阈值的选择和确定成为边缘检测的重要组成部分。

一般地，在对图像进行边缘检测时，主要通过人工选择设置检测阈值，人工选择检测阈值具有以下不足：(1)主观性强。不同人选择的结果往往不同，经验不足的技术人员选择的结果往往不是最优的，甚至不是次优的，由此基于所选择的检测阈值确定边缘点时，存在丢失重要边缘点或者存在高噪声干扰的情况。(2)过程繁琐。检测阈值选择的过程中要求技术人员不断的尝试不同的阈值并评价结果，想得到近似最优解往往需要复杂的选择过程以及计算过程。

发明内容

本发明的目的是提出一种用于图像边缘检测的阈值自确定方法及装置，以提高边缘检测结果的准确性，由此在简化阈值选择计算过程的同时降低了噪声干扰以及重要边缘点的丢失。

一方面，本发明实施例提供了一种用于图像边缘检测的阈值自确定方法，包括：

采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；

根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值。

另一方面，本发明实施例提供了一种用于图像边缘检测的阈值自确定装置，包括：

检测结果评价模块，用于采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；

目标阈值确定模块，用于根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值。

本发明实施例中提供了一种用于图像边缘检测的阈值自确定方法及装置。该阈值自确定方法首先采用至少两个备选阈值分别对待处理图像进行图像边缘检测，然后根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；最后根据设定的比较准则对至少两个评价结果进行比较，确定出目标检测阈值。利用该阈值自确定方法，能够降低边缘检测时的高噪声干扰，还能够更好的避免边缘检测时重要边缘点的丢失，保证了边缘的连续性；同时，也能够简化检测阈值的选择过程和计算过程，提高了边缘检测时检测结果的准确率。

附图说明

图1为本发明实施例一提供的一种用于图像边缘检测的阈值自确定方法的流程示意图；

图2为本发明实施例二提供的一种用于图像边缘检测的阈值自确定方法的流程示意图；

图3为本发明实施例三提供的一种用于图像边缘检测的阈值自确定方法的流程示意图；

图4a为本发明实施例四提供的一种用于图像边缘检测的阈值自确定方法的优选实施例；

图4b为本发明实施例四提供的在第一搜索范围内确定边缘点的左邻边缘点和右邻边缘点的示例图；

图5为本发明实施例五提供的一种用于图像边缘检测的阈值自确定装置的结构框图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种用于图像边缘检测的阈值自确定方法的流程示意图，该方法可以由用于图像边缘检测的阈值自确定装置执行，适用于对待处理图像进行边缘检测时的阈值自确定。其中该装置可由软件和/或硬件实现，并一般集成于数字图像处理***中。

如图1所示，本发明实施例一提供的一种用于图像边缘检测的阈值自确定方法，具体包括如下操作：

S101、采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价。

在本实施例中，所述备选阈值具体可理解为所选取的用于进行图像边缘检测的检测阈值。需要说明的是，进行图像边缘检测的检测阈值一般为一个灰度级，所述灰度级具体可理解为不同颜色所处的不同色阶值，且通常将白色对应的灰度级记作0，将黑色对应的灰度级记作255，由此可知，当颜色从黑到白变化时，灰度级也从0变化到了255，发生了256个灰度级的变化。

在本实施例中，所述评价策略具体可理解为用于评价备选阈值检测结果好坏的评价标准。需要说明的是，所述评价策略的设定主要依据用户所采用的评价指标，评价指标不同对应设定的评价策略就不相同。一般地，进行阈值自确定时可以作为评价指标的有：边缘点的密集度、边缘链的长度以及边缘区域的面积等。由此可知，所述评价策略可基于所采用评价指标的不同进行具体的设定。

在本实施例中，需要至少对两个备选阈值的检测结果基于评价策略进行评价，并在所述至少两个备选阈值中确定更适合图像边缘检测的目标检测阈值。在本实施例中，所述备选阈值的最大选择范围可认为是灰度级的变化范围，即0至255，但在实际应用中，通常会在最大选择范围的基础上设置一个比较合理的阈值备选范围，由此在保证阈值自确定准确度的前提下缩短阈值自确定的操作时间。

在本实施例中，可以为备选阈值预先设定合理的阈值备选范围，所述阈值备选范围可以由设定的最小初始备选阈值和设定的阈值上限条件组成。其中，所述最小初始备选阈值和阈值上限条件可以人为设定，也可以***默认设定，一般可以在基于备选阈值进行图像边缘检测之前设定。

进一步的，所述至少两个备选阈值为从设定的最小初始备选阈值开始，以设定步长逐步增加而获得。

在本实施例中，可以在所述阈值备选范围内任意选取一个备选阈值，并基于所选择的备选阈值对待处理图像进行图像边缘检测，但由于对备选阈值的选取顺序没有限定，使得备选阈值的选取存在遗漏的情况。优选地，为了避免备选阈值的遗漏，可以在所述阈值备选范围内为待选取的备选阈值设定一个选取顺序，即，首先从设定的最小初始备选阈值开始，然后以设定步长进行阈值自增加操作，由此逐步进行其他备选阈值的选取，直至达到阈值上限条件。

S102、根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值。

在本实施例中，当基于设定策略对所述备选阈值的检测结果进行评价后，会形成相应的评价结果，由此可以对形成的至少两个评价结果进行分析比较，来确定所需的目标检测阈值。在本实施例中，可以通过设定的比较准则对至少两个评价结果进行分析和比较，其中，所述比较准则的设定依赖所述评价策略的设定，需要具体情况具体分析。一般地，常见的比较准则设定有：比较评价结果中所对应计算值的大小或者分析评价结果对整个边缘检测性能的影响等。

本发明实施例一提供的一种用于图像边缘检测的阈值自确定方法，首先采用至少两个备选阈值分别对待处理图像进行图像边缘检测，然后根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；最后根据设定的比较准则对至少两个评价结果进行比较，确定出目标检测阈值。利用该阈值自确定方法，能够降低边缘检测时的高噪声干扰，还能够更好的避免边缘检测时重要边缘点的丢失，保证了边缘的连续性；同时，也能够简化检测阈值的选择过程和计算过程，提高了边缘检测时检测结果的准确率。

实施例二

图2为本发明实施例二提供的一种用于图像边缘检测的阈值自确定方法的流程示意图。本发明实施二以上述实施例为基础进行优化，在本实施例中，在采用至少两个备选阈值分别对待处理图像进行图像边缘检测之前，还优化包括：基于设定的边缘检测算子确定待处理图像的边缘梯度图像，其中，所述边缘梯度图像中的每个像素点对应一个梯度信息，所述梯度信息包括梯度幅值和梯度方向；基于设定的阈值备选条件确定至少两个备选阈值，其中，所述阈值备选条件基于所述边缘梯度图像中像素点的梯度信息设定。

如图2所示，本发明实施例二提供的一种用于图像边缘检测的阈值自确定方法，具体包括如下操作：

S201、基于设定的边缘检测算子确定待处理图像的边缘梯度图像。

一般地，进行边缘检测时需要对待处理图像进行边缘梯度图像确定，所述边缘梯度图像可以基于边缘检测算子确定，所述边缘检测算子为进行边缘检测的常规检测算法，常见的边缘检测算子有Sobel算子、Kirsch算子、Robot算子以及Canny算子等。

在本实施例中，所形成的边缘梯度图像中的每个像素点对应一个梯度信息，所述梯度信息包括梯度幅值和梯度方向。具体的，对待处理图像进行边缘梯度图像确定的过程，可理解为待处理图像中各像素点确定相应的梯度幅值和梯度方向的过程。在本实施例中，所述像素点的梯度幅值具体可理解为一个基于所述像素点对应的灰度级确定的函数值；所述梯度方向具体可理解为所述像素点的梯度幅值对应的方向向量。基于所述像素点梯度幅值的大小以及梯度方向可以用来确定该像素点是否为待处理图像中的边缘点。

S202、基于设定的阈值备选条件确定至少两个备选阈值，其中，所述阈值备选条件基于所述边缘梯度图像中像素点的梯度信息设定。

在本实施例中，在对待处理图像的像素点进行边缘点确定前，需要先确定用于边缘检测的备选阈值。基于上述实施例一可知，所述至少两个备选阈值可以在所述阈值备选范围内确定，且所述阈值备选范围可以由设定的最小初始备选阈值和设定的阈值上限条件组成。其中，所述阈值备选范围的确定主要基于所述最小初始备选阈值和阈值上限条件的设定。

在本实施例中，所述最小初始备选阈值和阈值上限条件均属于阈值备选条件，可以基于所述边缘梯度图像中像素点的梯度信息设定。此外，在设定所述阈值备选条件后，可以在符合阈值备选条件的阈值备选范围内，选取至少两个备选阈值，且所述备选阈值可优选为从设定的最小初始备选阈值开始选取，并以设定步长逐步增加而获得其他备选阈值。

具体地，基于所述边缘梯度图像中像素点的梯度信息，可以将所述最小初始备选阈值设定为：梯度幅值大于0的像素点所对应的最小灰度级；可以将所述阈值上限条件设定为：基于选定的备选阈值进行阈值化后，如果所形成的边缘点面积与所述边缘梯度图像面积的比值小于设定参数，则认为所述备选阈值达到阈值上限，其中，所述边缘点面积等于阈值化后所确定的各边缘点的梯度幅值之和。

S203、采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价。

S204、根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值。

本发明实施例二提供的一种用于图像边缘检测的阈值自确定方法，具体增加了边缘梯度图像以及备选阈值的确定操作，由此为边缘检测时阈值的自确定提供了确定基础；此外，还增加了最优边缘链阈值的确定操作，所确定的最优边缘链阈值能够在目标检测阈值的基础上进一步滤除与边缘点信息号强度相同的噪声点，强化了边缘检测时检测结果的准确度。利用该阈值自确定方法，能够在边缘检测时更好的降低噪声干扰以及避免重要边缘点的丢失，保证了边缘的连续性以及检测结果的准确率。

实施例三

图3为本发明实施例三提供的一种用于图像边缘检测的阈值自确定方法的流程示意图。本发明实施例以上述实施例为基础进行优化，在本实施例中，进一步将“采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价”具体化为：基于选取的至少两个备选阈值分别确定所述边缘梯度图像中的边缘点，并基于所述边缘点生成至少一条边缘链；统计所述边缘链的生成条数，并确定每条边缘链的边缘链长度；基于所述生成条数以及各边缘链长度计算所述备选阈值对应的平均边缘链长度；将所述平均边缘链长度作为所述备选阈值的评价结果。

进一步的，还将“根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值”具体化为：比较至少两条平均边缘链长度的长度值；将所述长度值最大的平均边缘链长度确定为最优评价结果，所述最优评价结果对应的备选阈值记为所述目标检测阈值。

进一步的，在“确定目标检测阈值”之后，还包括：确定所述目标检测阈值对应的最优边缘链阈值。

如图3所示，本发明实施三提供的一种用于图像边缘检测的阈值自确定方法，具体包括如下操作：

S301、基于设定的边缘检测算子确定待处理图像的边缘梯度图像。

S302、基于设定的阈值备选条件确定至少两个备选阈值。

S303、基于选取的至少两个备选阈值分别确定所述边缘梯度图像中的边缘点，并基于所述边缘点生成至少一条边缘链。

在本实施例中，在符合阈值备选条件的阈值备选范围内选取至少两个备选阈值，并分别基于所述备选阈值确定边缘梯度图像中的边缘点。具体的，所述边缘点的确定可表述为：如果所述边缘梯度图像中像素点对应的灰度级大于或等于所述备选阈值，则认为所述像素点为边缘点。之后，可以基于所确定的边缘点生成至少一条边缘链。

进一步的，基于所述边缘点生成至少一条边缘链，包括：根据设定的搜索顺序及所述边缘梯度图像中各边缘点对应的梯度方向，分别确定各边缘点的左邻边缘点和右邻边缘点；将每个边缘点与相应的左邻边缘点和右邻边缘点进行连接；基于一致性检查准则对每个边缘点进行方向一致性检查，获得至少一条符合一致性检查准则的边缘链。

在本实施例中，生成边缘链的关键在于确定各边缘点的左邻边缘点和右邻边缘点。具体的，所述边缘点的左邻边缘点和右邻边缘点的确定过程可以表述为：a、将0°至360°顺时针均分成八个角度范围，如果记0°至45°为第一搜索范围，则315°至360°就被记为第八搜索范围，并为每一个搜索范围设定相应的搜索顺序；b、以所述边缘点为中心，确定与所述边缘点相邻的8个像素点；c、获取所述边缘点的梯度方向，并确定所述梯度方向所属的搜索范围；d、基于所述搜索范围对应的搜索顺序确定所述边缘点的左邻边缘点和右邻边缘点。

在本实施例中，所述为每一个搜索范围设定相应的搜索顺序，具体可表述为：

1)在所述八个搜索范围内，以边缘点为中心点确定为每个搜索范围的起始角度以及起始角度正方向(设定以顺时针旋转的方向为正方向)。

2)基于起始角度正方向将与边缘点相邻8个像素点均分为2个像素点集。

具体的，将过中心点起始角度正方向左边的像素点及与边缘点正方向相邻的像素点划分至左邻像素点集，将起始角度正方向右边的像素点及与边缘点反方向相邻的像素点划分至右邻像素点集。

3)分别在左邻像素点集和右邻像素点集中，选取与过中心点起始角度正方向垂直的像素点作为各自第一搜索点；选取与过中心点起始角度正方向平行的像素点作为各自第二搜索点；选取与过中心点起始角度正方向呈负45°角的像素点作为第三搜索点；选取与过中心点起始角度正方向呈正45°角的像素点作为各自第四搜索点。

在本实施例中，以所述边缘点的左邻边缘点的确定过程为例：基于边缘点所处的搜索范围，获取所述搜索范围对应的搜索顺序；基于所述搜索顺序首先判断所述第一搜索点是否为边缘点，如果是边缘点，则记作所述边缘点的左邻边缘点，否则确定所述第二搜索点至第四搜索点中是否存在左邻边缘点。如果四个搜索点均不是左邻边缘点，则认为所述边缘点不存在左邻边缘点；同理，可以基于相同的方式从设定的第一搜索点开始确定所述边缘点的右邻边缘点。

在本实施例中，分别确定每个边缘点的左邻边缘点和右邻边缘点之后，将每个边缘点与相应的左邻边缘点和右邻边缘点进行连接，此时可能会形成多个初始边缘链，还需要对每个边缘点所形成的初始边缘链进行方向一致性检查，获得至少一条符合一致性检查准则的边缘链。

进一步的，所述一致性检查准则为：如果边缘点的左邻边缘点对应的右邻边缘点不是所述边缘点，则断开所述边缘点与所述左邻边缘点的连接；如果边缘点的右邻边缘点对应的左邻边缘点不是所述边缘点，则断开所述边缘点与所述右邻边缘点的连接。

在本实施例中，将对每个边缘点所形成的初始边缘链进行方向一致性检查后，可以得到至少一条符合一致性检查准则的边缘链。

S304、统计所述边缘链的生成条数，并确定每条边缘链的边缘链长度。

在本实施例中，所述边缘链的生成条数具体可理解为基于所选取的备选阈值确定的边缘点所生成边缘链的条数；所述边缘链的长度具体可指所述边缘链中存在的边缘点个数。

S305、基于所述生成条数以及各边缘链长度计算所述备选阈值对应的平均边缘链长度。

在本实施例中，所述备选阈值对应的平均边缘链长度可表示为：各边缘链长度之和与所述生成条数的商。

S306、将所述平均边缘链长度作为所述备选阈值的评价结果。

在本实施例中，将所述边缘链的长度作为备选阈值的评价指标，则所述备选阈值的评价结果表示为所述备选阈值对应的平均边缘链长度。

S307、比较至少两条平均边缘链长度的长度值。

在本实施例中，如果基于步骤S303至步骤S306为至少两个备案阈值确定出相应的评价结果后，则需要对至少两个评价结果进行比较分析。具体的，所述备选阈值对应的评价结果为平均边缘链长度，因此，需要对至少两条平均边缘链长度的长度值进行比较。

S308、将所述长度值最大的平均边缘链长度确定为最优评价结果，所述最优评价结果对应的备选阈值记为所述目标检测阈值。

在本实施例中，将至少两条平均边缘链长度中长度值最大的平均边缘链长度确定为最优评价结果，并确定所述最优评价结果所对应的备选阈值，所述备选阈值就是图像边缘检测所需的目标检测阈值。

S309、确定所述目标检测阈值对应的最优边缘链阈值。

在本实施例中，当基于上述步骤确定出目标检测阈值，并基于目标检测阈值确定出所述待处理图像的边缘点后，所确定出的边缘点中仍存在少量的噪声点。因为所述噪声点对应的噪声强度与边缘点的信号强度同在一个范围内，无法仅基于目标检测阈值过滤，因此需要进一步确定边缘链检测阈值，并通过对边缘点所形成边缘链的长度大小来过滤噪声点。

进一步的，所述确定所述目标检测阈值对应的最优边缘链阈值，具体包括：确定所述目标检测阈值对应边缘链中的最大边缘链长度值；计算所述最大边缘链长度值与设定百分比的乘积值；将所述乘积值作为所述目标检测阈值的最优边缘链阈值。

在本实施例中，基于步骤S303至S306可以确定所述目标检测阈值对应的边缘点，还可以确定所述目标检测阈值对应的边缘链，并可以基于所述边缘链的长度确定最大边缘链长度值，则所述目标检测阈值的最优边缘链阈值可表示为计算所述最大边缘链长度值与设定百分比的乘积值。

本发明实施例三提供的一种用于图像边缘检测的阈值自确定方法，具体化了备选阈值评价结果的确定过程以及目标检测阈值的确定过程，采用简单的边缘链长度作为评价指标，使得目标检测阈值的确定过程更加简单便捷。利用该阈值自确定方法，能够在边缘检测时更好的降低噪声干扰以及避免重要边缘点的丢失，保证了边缘的连续性以及检测结果的准确率。

实施例四

图4a为本发明实施例四提供的一种用于图像边缘检测的阈值自确定方法的优选实施例。本发明实施例基于Soble边缘检测算子进行边缘检测。如图4a所示，本发明实施例提供的优选实施例，具体包括如下操作：

S401、基于Soble边缘检测算子确定待处理图像的边缘梯度图像。

示例性的，可以将所确定出的边缘梯度图像中各像素点的梯度幅值的分布函数设置为H(i)，其中，i∈[0,255]，i表示像素点所对应的灰度级；各像素点的梯度方向的取值可以在[0°,360°]的范围内。

S402、基于边缘梯度图像中像素点的灰度级和梯度信息确定阈值备选条件。

在本实施例中，所述阈值备选条件具体可以包括最小初始备选阈值的设定以及阈值上限条件。所述最小初始备选阈值以及阈值上限条件可以基于所述边缘梯度图像中像素点的梯度信息设定。

示例性的，接上述示例，如果像素点的梯度幅值的分布函数设置为H(i)，其中，i∈[0,255]，i表示像素点所对应的灰度级，则所设定的最小初始备选阈值用公式可表示为：Min(i)且H(i)>0；此外，所设定的阈值上限条件用公式可表示为：其中，t∈[0,255]，函数H(i)表示灰度级i的边缘点的梯度幅值，公式表示为基于备选阈值t阈值化后由边缘点形成的边缘点面积，常数Area表示边缘梯度图像的总面积，α表示设定参数。

S403、将所述最小初始备选阈值作为当前检测阈值T。

示例性的，将Min(i)且H(i)>0作为当前检测阈值T。

S404、基于当前检测阈值T确定所述边缘梯度图像中的边缘点。

示例性的，将边缘梯度图像中灰度级大于或等于当前检测阈值T的像素点作为边缘点。

S405、确定边缘点的左邻边缘点和右邻边缘点，生成至少一条边缘链。

在本实施例中，生成边缘链的关键在于边缘点的左邻边缘点和右邻边缘点的确定，图4b为本发明实施例四提供的在第一搜索范围内确定边缘点的左邻边缘点和右邻边缘点的示例图。

示例性的，如图4b所示，以边缘点的梯度方向处于第一搜索范围(0°至45°)时为例，左邻边缘点和右邻边缘点的确定过程具体表述为：记标识为0的方格为边缘点，其余8个方格为所述边缘点的相邻像素点，根据图中标识的+1、+2、+3、+4的搜索顺序进行左邻边缘点的确定，如果确定标识为+1的像素点为边缘点，则将所述像素点确定为所述边缘点的左邻边缘点，否则，继续确定标识为+2的边缘点是否为左邻边缘点。如果4个方格均遍历结束仍未确定出左邻边缘点，则认为所述边缘点不存在左邻边缘点；同理，可以基于相同的方式从标识为-1的方格开始确定所述边缘点的右邻边缘点。

示例性的，在确定所述边缘点的左邻边缘点和右邻边缘点之后，将每个边缘点与相应的左邻边缘点和右邻边缘点进行连接；基于一致性检查准则对每个边缘点进行方向一致性检查，获得至少一条符合一致性检查准则的边缘链。

S406、计算并存储当前检测阈值T的评价结果。

示例性的，计算当前检测阈值T对应的平均边缘链长度，并将所述平均边缘链长度记录为当前检测阈值T的评价结果。

S407、判断所述当前检测阈值T是否达到阈值上限条件，若否，则执行步骤S408；若是，则执行步骤S409。

S408、以设定步长对当前检测阈值T进行自增加，形成新的当前检测阈值T，并返回S404。

S409、比较已存储的所有平均边缘链长度的长度值，将平均边缘链长度最大值对应的检测阈值作为目标检测阈值。

S410、确定所述目标检测阈值对应的最优边缘链阈值。

示例性的，将目标检测阈值所对应的最长边缘点长度值与设定百分比的乘积值作为最优边缘链阈值。

本发明实施例例四提供了用于图像边缘检测的阈值自确定方法的优选实施例，基于该优选实施例说明本发明实施例提供的阈值自确定能够降低边缘检测时的高噪声干扰，还能够更好的避免边缘检测时重要边缘点的丢失，保证了边缘的连续性；同时，也能够简化检测阈值的选择过程和计算过程，提高了边缘检测时检测结果的准确率。

实施例五

图5为本发明实施例四提供的一种用于图像边缘检测的阈值自确定装置的结构框图。该阈值自确定装置适用于对图像进行边缘检测时检测阈值的确定，该装置可由软件和/或硬件实现，并一般集成于数字图像处理***中。如图5所示，该阈值自确定装置包括：检测结果评价模块51和目标阈值确定模块52。

其中，检测结果评价模块51，用于采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；

目标阈值确定模块52，用于根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值。

在本实施例中，该阈值自确定装置首先通过检测结果评价模块51采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；然后目标阈值确定模块52根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值。

本发明实施例五提供了一种用于图像边缘检测的阈值自确定装置，利用该阈值自确定装置，能够降低边缘检测时的高噪声干扰，还能够更好的避免边缘检测时重要边缘点的丢失，保证了边缘的连续性；同时，也能够简化检测阈值的选择过程和计算过程，提高了边缘检测时检测结果的准确率。

进一步的，该阈值自确定装置还优化包括：梯度图像确定模块和备选阈值确定模块。

其中，梯度图像确定模块，用于基于设定的边缘检测算子确定待处理图像的边缘梯度图像，其中，所述边缘梯度图像中的每个像素点对应一个梯度信息，所述梯度信息包括梯度幅值和梯度方向；

备选阈值确定模块，用于基于设定的阈值备选条件确定至少两个备选阈值，其中，所述阈值备选条件基于所述边缘梯度图像中像素点的梯度信息设定。

进一步的，所述检测结果评价模块51，具体用于：基于选取的至少两个备选阈值分别确定所述边缘梯度图像中的边缘点，并基于所述边缘点生成至少一条边缘链；统计所述边缘链的生成条数，并确定每条边缘链的边缘链长度；基于所述生成条数以及各边缘链长度计算所述备选阈值对应的平均边缘链长度；将所述平均边缘链长度作为所述备选阈值的评价结果。

在上述实施例的基础上，所述基于所述边缘点生成至少一条边缘链，包括：

根据设定的搜索顺序及所述边缘梯度图像中各边缘点对应的梯度方向，分别确定各边缘点的左邻边缘点和右邻边缘点；将每个边缘点与相应的左邻边缘点和右邻边缘点进行连接；基于一致性检查准则对每个边缘点进行方向一致性检查，获得至少一条符合一致性检查准则的边缘链。

进一步的，所述一致性检查准则为：如果边缘点的左邻边缘点对应的右邻边缘点不是所述边缘点，则断开所述边缘点与所述左邻边缘点的连接；如果边缘点的右邻边缘点对应的左邻边缘点不是所述边缘点，则断开所述边缘点与所述右邻边缘点的连接。

进一步的，所述目标阈值确定模块52，具体用于：比较至少两条平均边缘链长度的长度值；将所述长度值最大的平均边缘链长度确定为最优评价结果，所述最优评价结果对应的备选阈值记为所述目标检测阈值。

在上述实施例的基础上，该阈值自确定装置还优化包括：边缘链阈值确定模块，用于确定所述目标检测阈值对应的最优边缘链阈值。

进一步的，所述边缘链阈值确定模块，具体用于：确定所述目标检测阈值对应边缘链中的最大边缘链长度值；计算所述最大边缘链长度值与设定百分比的乘积值；将所述乘积值作为所述目标检测阈值的最优边缘链阈值。

进一步的，所述至少两个备选阈值为从设定的最小初始备选阈值开始，以设定步长逐步增加而获得。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (16)

1.一种用于图像边缘检测的阈值自确定方法，其特征在于，包括：

基于设定的边缘检测算子确定待处理图像的边缘梯度图像，所述边缘梯度图像中的每个像素点对应一个梯度信息，所述梯度信息包括梯度幅值和梯度方向；

基于设定的阈值备选条件确定至少两个备选阈值；

采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；

根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值；

其中，所述阈值备选条件包括：最小初始备选阈值和阈值上限条件；

所述最小初始备选阈值设定为：梯度幅值大于0的像素点所对应的最小灰度级；

所述阈值上限条件设定为：基于选定的备选阈值进行阈值化后，如果所形成的边缘点面积与所述边缘梯度图像面积的比值小于设定参数，则认为所述备选阈值达到阈值上限，其中，所述边缘点面积等于阈值化后所确定的各边缘点的梯度幅值之和。

2.根据权利要求1所述的方法，其特征在于，采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价，具体包括：

基于选取的至少两个备选阈值分别确定所述边缘梯度图像中的边缘点，并基于所述边缘点生成至少一条边缘链；

统计所述边缘链的生成条数，并确定每条边缘链的边缘链长度；

基于所述生成条数以及各边缘链长度计算所述备选阈值对应的平均边缘链长度；

将所述平均边缘链长度作为所述备选阈值的评价结果。

3.根据权利要求2所述的方法，其特征在于，所述基于所述边缘点生成至少一条边缘链，包括：

根据设定的搜索顺序及所述边缘梯度图像中各边缘点对应的梯度方向，分别确定各边缘点的左邻边缘点和右邻边缘点；

将每个边缘点与相应的左邻边缘点和右邻边缘点进行连接；

基于一致性检查准则对每个边缘点进行方向一致性检查，获得至少一条符合一致性检查准则的边缘链。

4.根据权利要求3所述的方法，其特征在于，所述一致性检查准则为：如果边缘点的左邻边缘点对应的右邻边缘点不是所述边缘点，则断开所述边缘点与所述左邻边缘点的连接；如果边缘点的右邻边缘点对应的左邻边缘点不是所述边缘点，则断开所述边缘点与所述右邻边缘点的连接。

5.根据权利要求2所述的方法，其特征在于，根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值，具体包括：

比较至少两条平均边缘链长度的长度值；

将所述长度值最大的平均边缘链长度确定为最优评价结果，所述最优评价结果对应的备选阈值记为所述目标检测阈值。

6.根据权利要求1-5任一所述的方法，其特征在于，在确定目标检测阈值之后，还包括：

确定所述目标检测阈值对应的最优边缘链阈值；

其中，所述目标检测阈值用于确定所述待处理图像的边缘点；所述最优边缘链阈值用于过滤所述边缘点中的噪声点。

7.根据权利要求6所述的方法，其特征在于，所述确定所述目标检测阈值对应的最优边缘链阈值，具体包括：

确定所述目标检测阈值对应边缘链中的最大边缘链长度值；

计算所述最大边缘链长度值与设定百分比的乘积值；

将所述乘积值作为所述目标检测阈值的最优边缘链阈值。

8.根据权利要求1所述的方法，其特征在于，所述至少两个备选阈值为从设定的最小初始备选阈值开始，以设定步长逐步增加而获得。

9.一种用于图像边缘检测的阈值自确定装置，其特征在于，包括：

梯度图像确定模块，用于基于设定的边缘检测算子确定待处理图像的边缘梯度图像，所述边缘梯度图像中的每个像素点对应一个梯度信息，所述梯度信息包括梯度幅值和梯度方向；

备选阈值确定模块，用于基于设定的阈值备选条件确定至少两个备选阈值；

检测结果评价模块，用于采用至少两个备选阈值分别对待处理图像进行图像边缘检测，并根据设定的评价策略分别对至少两个备选阈值的检测结果进行评价；

目标阈值确定模块，用于根据设定的比较准则对至少两个评价结果进行比较，以确定目标检测阈值；

其中，所述阈值备选条件包括：最小初始备选阈值和阈值上限条件；

所述最小初始备选阈值设定为：梯度幅值大于0的像素点所对应的最小灰度级；

所述阈值上限条件设定为：基于选定的备选阈值进行阈值化后，如果所形成的边缘点面积与所述边缘梯度图像面积的比值小于设定参数，则认为所述备选阈值达到阈值上限，其中，所述边缘点面积等于阈值化后所确定的各边缘点的梯度幅值之和。

10.根据权利要求9所述的装置，其特征在于，所述检测结果评价模块，具体用于：

基于选取的至少两个备选阈值分别确定所述边缘梯度图像中的边缘点，并基于所述边缘点生成至少一条边缘链；

统计所述边缘链的生成条数，并确定每条边缘链的边缘链长度；

基于所述生成条数以及各边缘链长度计算所述备选阈值对应的平均边缘链长度；

将所述平均边缘链长度作为所述备选阈值的评价结果。

11.根据权利要求10所述的装置，其特征在于，所述基于所述边缘点生成至少一条边缘链，包括：

根据设定的搜索顺序及所述边缘梯度图像中各边缘点对应的梯度方向，分别确定各边缘点的左邻边缘点和右邻边缘点；

将每个边缘点与相应的左邻边缘点和右邻边缘点进行连接；

基于一致性检查准则对每个边缘点进行方向一致性检查，获得至少一条符合一致性检查准则的边缘链。

12.根据权利要求11所述的装置，其特征在于，所述一致性检查准则为：

如果边缘点的左邻边缘点对应的右邻边缘点不是所述边缘点，则断开所述边缘点与所述左邻边缘点的连接；如果边缘点的右邻边缘点对应的左邻边缘点不是所述边缘点，则断开所述边缘点与所述右邻边缘点的连接。

13.根据权利要求10所述的装置，其特征在于，所述目标阈值确定模块，具体用于：

比较至少两条平均边缘链长度的长度值；

将所述长度值最大的平均边缘链长度确定为最优评价结果，所述最优评价结果对应的备选阈值记为所述目标检测阈值。

14.根据权利要求9-13任一所述的装置，其特征在于，在目标阈值确定模块之后，还包括：

边缘链阈值确定模块，用于确定所述目标检测阈值对应的最优边缘链阈值；

其中，所述目标检测阈值用于确定所述待处理图像的边缘点；所述最优边缘链阈值用于过滤所述边缘点中的噪声点。

15.根据权利要求14所述的装置，其特征在于，所述边缘链阈值确定模块，具体用于：

确定所述目标检测阈值对应边缘链中的最大边缘链长度值；

计算所述最大边缘链长度值与设定百分比的乘积值；

将所述乘积值作为所述目标检测阈值的最优边缘链阈值。

16.根据权利要求9所述的装置，其特征在于，所述至少两个备选阈值为从设定的最小初始备选阈值开始，以设定步长逐步增加而获得。