一种基于sobel算子的图像边缘提取的方法与系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112529017A(43)申请公布日2021.03.19(21)申请号202011531778.7(22)申请日2020.12.11(71)申请人中南林业科技大学地址410004湖南省长沙市韶山南路498号(72)发明人向佐勇(51)Int.Cl.G06K9/46(2006.01)权利要求书1页说明书3页附图3页(54)发明名称一种基于sobel算子的图像边缘提取的方法与系统(57)摘要本申请公开了一种基sobel算子的图像边缘提取的方法与系统，该方法包括：步骤1，读取原始图像A，获得图像的最大行数m及最大列数n；步骤2，对位于图像中间像素进行3x3邻域sobel算子模板操作，得到初始的输出；步骤3，对初始输出进行二值化处理，绝对值高于事先给定的参数a的赋值1，低于a的赋值0，得到二值化的初始边缘图像；步骤4对上步中获得的初始边缘图像中的边缘点搜索联结像素数，低于事先给定的第二个参数b的判定为噪点，从初始边缘图像中删除。高于b的判定为边缘点保留；步骤5得到最终的边缘图像。本申请的技术方案能获得比较准确的边缘图像。CN112529017ACN112529017A权利要求书1/1页1.一种图像增强及降噪方法，其特征在于应用sobel算子计算每个像素的高通分量，然后用阈值a过滤得到初始的黑白边缘图。2.一种图像增强及降噪方法，其特征在于对初步获得的黑白边缘图中的每个边缘点搜索连续像素数，若低于阈值b则判定为噪点，从初始的边缘中删除，若高于阈值b则判定为真像素点保留。2CN112529017A说明书1/3页一种基于sobel算子的图像边缘提取的方法与系统技术领域[0001]本发明涉及图像处理领域，尤其涉及图像边缘提取的方法及系统。背景技术[0002]在数字图像处理技术中，图像边缘提取的是图像处理极为重要的组成部部分。同时在生物医疗、计算机视觉、机器学习、模式识别等诸多领域中，边缘增强都是一个重要的研究课题。[0003]传统的边缘提取算法，都是先利用微分算子求出每个像素的高通分量然后过滤得到图像边缘，经典的微分算子有prewitt，sobel，Roberts，laplace，log等。发明内容[0004]本申请提供了基于soble算子的改进的图像提取方法与系统。[0005]类似于一阶微分算子，本方法也采用模板来求初步的图像边缘，在3x3模块中：[0006][0007]其中X为中间像素，Yi为X的8个邻域。[0008]在得到初步边缘后，对低于阈值的像素点置零，高于阈值a置1，得到初始的黑白的边缘图V。[0009]对得到的二值化边缘图V中为1的像素点搜索连接像素数，连接像素数低于阈值b，判定为噪点，从初始边缘图V中删除；若连接像素数超过阈值b，则判断为真边缘像素则保留。附图说明[0010]此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：[0011]图1是算法流程图，图2是待提取边缘的图像，图3是用sobel算法提[0012]取的边缘，图4是用本申请的算法所提取的边缘图；具体实施方式[0013]如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围3CN112529017A说明书2/3页当视所附权利要求所界定者为准。[0014]本申请提供的图像处理方法包括：[0015]步骤1，读取原始图像A，获得图像的最大行数m及最大列数n；[0016]步骤2，对中间像素逐行逐列进行如下操作：[0017]d(1)＝(5＊A(i‑1，j‑1)+5＊A(i‑1，j)+5＊A(i‑1，j+1)‑3＊A(i，j‑1)‑3＊A(i，j+1)‑3＊A(i+1，j‑1)‑3＊A(i+1，j)‑3＊A(i+1，j+1))^2；[0018]d(2)＝((‑3)＊A(i‑1，j‑1)+5＊A(i‑1，j)+5＊A(i‑1，j+1)‑3＊A(i，j‑1)+5＊A(i，j+1)‑3＊A(i+1，j‑1)‑3＊A(i+1，j)‑3＊A(i+1，j+1))^2；[0019]d(3)＝((‑3)＊A(i‑1，j‑1)‑3＊A(i‑