魏晴霞

摘 要:针对Canny算子在图像边缘检测中算法鲁棒性差的问题,提出了一种改进的Canny算子并将其应用于图像边缘检测,新的算子利用平滑后对图像进行灰度拉伸的预处理,利用遗传算法求阈值,从而得到较为理想的图像边缘。仿真实验结果表明,改进后的Canny算子能有效检测到图像中的细节梯度,并去除了伪边缘和噪声边缘。

关键词:Canny算子边缘检测灰度拉伸遗传算法

中图分类号:TP391.4 文献标识码:A 文章编号:1674-098X(2012)06(a)-0028-01

近些年来,随着一些新的数学理论及数学工具在图像处理中的新应用,由此学者们提出了一些新的边缘检测方法,例如:基于小波变换的方法、数学形态学方法、模糊理论和神经网络等边缘检测法[2-3]。

然而,就现有的图像边缘检测算子而言,Canny算子是效果最好且最具实用性的一个边缘检测算子。然而,Canny算子也具有缺陷[4-5],主要表现在对噪声较为敏感,边缘检测鲁棒性较差,检测到的图像边缘常常含有较多的伪边缘。为了克服这一难题,提出了一种改进的Canny边缘检测方法,与经典的Canny算子相比,新的Canny边缘检测算子具有更好的边缘检测结果和较高的鲁棒性。

1 改进后的Canny算子

1.1 图像预处理

图像预处理重要是对图像的滤波,其结果是可以平滑图像中的各种噪声,使图像更清晰,便于后续步骤的处理。然而,图像滤波在平滑噪声的同时也会导致一些边缘细节变得比较模糊,从而导致在后续的图像处理过程中难以深层处理。基于该原因,在图像滤波后,我们需要对图像进行灰度拉伸处理,以使图像的灰度分布范围变宽,从而增强图像对比度和边缘变化速率。……