CN108470340A - 一种改进的Sobel边缘检测算法 - Google Patents
一种改进的Sobel边缘检测算法 Download PDFInfo
- Publication number
- CN108470340A CN108470340A CN201710099965.4A CN201710099965A CN108470340A CN 108470340 A CN108470340 A CN 108470340A CN 201710099965 A CN201710099965 A CN 201710099965A CN 108470340 A CN108470340 A CN 108470340A
- Authority
- CN
- China
- Prior art keywords
- gradient
- image
- operator
- threshold value
- edge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 14
- 238000003708 edge detection Methods 0.000 title claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000000877 morphologic effect Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 230000003628 erosive effect Effects 0.000 abstract 1
- 230000036039 immunity Effects 0.000 abstract 1
- 238000000034 method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种改进的Sobel边缘检测算法，包括以下步骤：S1：计算图像梯度；S2：阈值选择；S3：如果合成梯度大于或等于阈值，即可确定目标像素点是边缘点，即可得到边缘图像；S4：对边缘图像进行腐蚀运算。本发明对经典Sobel算法改进，增加了检测方向，根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值，从而检测出与人的主观视觉更为一致的图像边缘，然后对边缘图像进行形态学处理，增强了算法的抗噪性。
Description
技术领域
本发明具体涉及一种改进的Sobel边缘检测算法。
背景技术
边缘是图像基本特征之一，边缘检测是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤。经典的边缘检测是基于检测算子的方法，通过考察待测点在某个邻域内的灰度变化，然后利用一阶或二阶方向导数变化规律，根据一定的判断标准检测出边缘。常见的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子、Laplace算子、LOG算子、Canny算子等。
经典Sobel边缘检测算法先对图像进行加权平均，然后再做微分运算，对噪声具有一定的抑制能力，其对在水平和垂直方向的边缘检测性能优于其他方向的检测性能，而且定位精度也比较高，但是该算法也存在如下缺陷：
（1）仅采用水平和垂直方向上相邻像素之差进行梯度幅度计算，并未考虑其他方向上的相邻像素情况，易造成部分边缘信息丢失；
（2）算子的阈值参数需要人为设定，不具有自适应能力，阈值设置过高，会导致边缘间断，设置过低则容易产生伪边缘；
（3）算子先加权平均后差分，抑制噪声的能力不强，同时会丢失一些细节信息，使边缘有一定的模糊。
发明内容
本发明要解决的技术问题是提供一种改进的Sobel边缘检测算法。
一种改进的Sobel边缘检测算法，包括以下步骤：
S1：设图像函数为，则梯度定义为一个向量：
；
其中，是水平方向梯度，是垂直方向梯度；
梯度幅值为：，
向量的方向角为：，
为了简化计算，幅值用以下三式来近似：
，
，
；
S2：目标像素点（x,y）的8邻域窗口，水平方向、垂直方向、45°方向和135°方向梯度算子分别如下：
窗口水平方向算子垂直方向算子
45°方向算子135°方向算子
则图像函数的水平方向、垂直方向、45°方向和135°方向梯度计算如下：
，
，
，
；
梯度幅值用向量的范数表示，使用无穷范数：
；
S3：阈值选择模型如下：
，
式中，a为低暗区截止灰度，取45-81之间的灰度值；b为高亮区起始灰度，取180-210之间的灰度值；I为背景亮度灰度值；为所设定阈值，灰度级为256级；
S4：如果合成梯度大于或等于阈值，即可确定目标像素点(x,y)是边缘点，即可得到边缘图像；
S5：对边缘图像进行腐蚀运算。
进一步的，阈值选择最优模型如下：
，
式中，I是待检像素点的邻域内的灰度平均值，即，
，表示待测点的背景亮度灰度值。
本发明的有益效果是：
本发明对经典Sobel算法改进，增加了检测方向，根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值，从而检测出与人的主观视觉更为一致的图像边缘，然后对边缘图像进行形态学处理，增强了算法的抗噪性。
具体实施方式
以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。
一种改进的Sobel边缘检测算法，包括以下步骤：
S1：设图像函数为，则梯度定义为一个向量：
；
其中，是水平方向梯度，是垂直方向梯度；
梯度幅值为：，
向量的方向角为：，
为了简化计算，幅值用以下三式来近似：
，
，
；
S2：目标像素点（x,y）的8邻域窗口，水平方向、垂直方向、45°方向和135°方向梯度算子分别如下：
窗口水平方向算子垂直方向算子
45°方向算子135°方向算子
则图像函数的水平方向、垂直方向、45°方向和135°方向梯度计算如下：
，
，
，
；
梯度幅值用向量的范数表示，使用无穷范数：
；
S3：阈值选择模型如下：
，
式中，a为低暗区截止灰度，取45-81之间的灰度值；b为高亮区起始灰度，取180-210之间的灰度值；I为背景亮度灰度值；为所设定阈值，灰度级为256级；
S4：如果合成梯度大于或等于阈值，即可确定目标像素点(x,y)是边缘点，即可得到边缘图像；
S5：对边缘图像进行腐蚀运算。
阈值选择最优模型如下：
，
式中，I是待检像素点的邻域内的灰度平均值，即，
，表示待测点的背景亮度灰度值。
Claims (2)
1.一种改进的Sobel边缘检测算法，其特征在于，包括以下步骤：
S1：设图像函数为，则梯度定义为一个向量：
；
其中，是水平方向梯度，是垂直方向梯度；
梯度幅值为：，
向量的方向角为：，
为了简化计算，幅值用以下三式来近似：
，
，
；
S2：目标像素点（x,y）的8邻域窗口，水平方向、垂直方向、45°方向和135°方向梯度算子分别如下：
窗口水平方向算子垂直方向算子
45°方向算子135°方向算子
则图像函数的水平方向、垂直方向、45°方向和135°方向梯度计算如下：
，
，
，
；
梯度幅值用向量的范数表示，使用无穷范数：
；
S3：阈值选择模型如下：
，
式中，a为低暗区截止灰度，取45-81之间的灰度值；b为高亮区起始灰度，取180-210之间的灰度值；I为背景亮度灰度值；为所设定阈值，灰度级为256级；
S4：如果合成梯度大于或等于阈值，即可确定目标像素点(x,y)是边缘点，即可得到边缘图像；
S5：对边缘图像进行腐蚀运算。
2.根据权利要求1所述的Sobel边缘检测算法，其特征在于，阈值选择最优模型如下：
，
式中，I是待检像素点的邻域内的灰度平均值，即，
，表示待测点的背景亮度灰度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710099965.4A CN108470340A (zh) | 2017-02-23 | 2017-02-23 | 一种改进的Sobel边缘检测算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710099965.4A CN108470340A (zh) | 2017-02-23 | 2017-02-23 | 一种改进的Sobel边缘检测算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108470340A true CN108470340A (zh) | 2018-08-31 |
Family
ID=63266703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710099965.4A Withdrawn CN108470340A (zh) | 2017-02-23 | 2017-02-23 | 一种改进的Sobel边缘检测算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108470340A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559323A (zh) * | 2018-11-16 | 2019-04-02 | 重庆邮电大学 | 一种基于改进后的prewitt算子增强图像边缘特征的方法 |
| CN110245600A (zh) * | 2019-06-11 | 2019-09-17 | 长安大学 | 自适应起始快速笔画宽度无人机道路检测方法 |
| CN110288600A (zh) * | 2019-07-12 | 2019-09-27 | 黑龙江御林湾科技有限公司 | 一种基于一阶方向梯度算子的铁轨安全性检测方法 |
| CN111208820A (zh) * | 2020-01-09 | 2020-05-29 | 哈尔滨工程大学 | 人工智能大数据下粒子化无人车组、控制方法及介质 |
| CN112287888A (zh) * | 2020-11-20 | 2021-01-29 | 中国铁建电气化局集团第二工程有限公司 | 一种基于预测权重的轨道转弯识别方法 |
| CN114419045A (zh) * | 2022-03-30 | 2022-04-29 | 武汉中导光电设备有限公司 | 光刻掩模板缺陷检测方法、装置、设备及可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700421A (zh) * | 2015-03-27 | 2015-06-10 | 中国科学院光电技术研究所 | 一种基于canny的自适应阈值的边缘检测算法 |
| CN106228138A (zh) * | 2016-07-26 | 2016-12-14 | 国网重庆市电力公司电力科学研究院 | 一种融合区域和边缘信息的道路检测算法 |
-
2017
- 2017-02-23 CN CN201710099965.4A patent/CN108470340A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700421A (zh) * | 2015-03-27 | 2015-06-10 | 中国科学院光电技术研究所 | 一种基于canny的自适应阈值的边缘检测算法 |
| CN106228138A (zh) * | 2016-07-26 | 2016-12-14 | 国网重庆市电力公司电力科学研究院 | 一种融合区域和边缘信息的道路检测算法 |
Non-Patent Citations (1)
| Title |
|---|
| 宁赛男等: "一种改进的Sobel自适应边缘检测的FPGA实现", 《液晶与显示》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559323A (zh) * | 2018-11-16 | 2019-04-02 | 重庆邮电大学 | 一种基于改进后的prewitt算子增强图像边缘特征的方法 |
| CN110245600A (zh) * | 2019-06-11 | 2019-09-17 | 长安大学 | 自适应起始快速笔画宽度无人机道路检测方法 |
| CN110288600A (zh) * | 2019-07-12 | 2019-09-27 | 黑龙江御林湾科技有限公司 | 一种基于一阶方向梯度算子的铁轨安全性检测方法 |
| CN111208820A (zh) * | 2020-01-09 | 2020-05-29 | 哈尔滨工程大学 | 人工智能大数据下粒子化无人车组、控制方法及介质 |
| CN112287888A (zh) * | 2020-11-20 | 2021-01-29 | 中国铁建电气化局集团第二工程有限公司 | 一种基于预测权重的轨道转弯识别方法 |
| CN114419045A (zh) * | 2022-03-30 | 2022-04-29 | 武汉中导光电设备有限公司 | 光刻掩模板缺陷检测方法、装置、设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108470340A (zh) | 一种改进的Sobel边缘检测算法 | |
| CN109410230B (zh) | 一种可抗噪声的改进Canny图像边缘检测方法 | |
| Dhankhar et al. | A review and research of edge detection techniques for image segmentation | |
| Rong et al. | An improved CANNY edge detection algorithm | |
| CN102521836A (zh) | 一种基于特定类灰度图像的边缘检测方法 | |
| CN102156996B (zh) | 一种图像边缘检测的方法 | |
| CN104574366B (zh) | 一种基于单目深度图的视觉显著性区域的提取方法 | |
| KR100872253B1 (ko) | 이미지 센서에 의해 생성된 이미지의 노이즈 제거 방법 | |
| CN111833366A (zh) | 一种基于Canny算法的边缘检测方法 | |
| CN108416789A (zh) | 图像边缘检测方法及*** | |
| Hao et al. | Improved self-adaptive edge detection method based on Canny | |
| CN105787902B (zh) | 利用分块排序检测噪声的图像降噪方法 | |
| CN111915534B (zh) | 一种图像去噪的方法及装置 | |
| CN113034452B (zh) | 一种焊件轮廓检测方法 | |
| KR101051459B1 (ko) | 영상의 에지를 추출하는 장치 및 방법 | |
| Kumar et al. | A conventional study of edge detection technique in digital image processing | |
| CN114399522A (zh) | 一种基于高低阈值的Canny算子的边缘检测方法 | |
| CN102819850A (zh) | 基于局部自适应色差阈值的彩色图像边缘检测的方法 | |
| Igbinosa | Comparison of edge detection technique in image processing techniques | |
| CN108038869B (zh) | 一种电梯轿厢内乘客倒地行为检测方法 | |
| CN108470343A (zh) | 一种改进的图像边缘检测方法 | |
| CN108510510A (zh) | 基于梯度方向的图像边缘检测方法 | |
| CN105787912A (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
| CN117764983A (zh) | 一种用于智能制造产线的双目识别的视觉检测的方法 | |
| CN104537632A (zh) | 基于边缘提取的红外图像直方图增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180831 |