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- Withdrawn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 |