滑窗N-Smoothlets图像边缘检测方法

摘要

本发明公开了一种滑窗N-Smoothlets的图像边缘检测方法，属于图像处理领域，本发明通过增加每个图像宏块内基准线的数目，使得对于存在复杂边缘的图像在只有少量的变换块的情况下可以提高边缘拟合的能力；使用双阈值对是否提取边缘进行判断，在N-Smoothlets变换块中，对每一条过渡带分别进行判断是否进行提取边缘，采用滑窗的方式可以通过设置滑窗每次的偏移量shift来改变图像边缘检测的精度，更能适应边缘的变化。本发明的方法利用N-Smoothlets良好的线奇异性，可以在提取边缘的同时很好地抑制噪声的干扰，提高对图像中复杂边缘及弱小边缘的检测能力。

主权项

一种滑窗N‑Smoothlets图像边缘检测方法，其特征在于：包括以下步骤：S1输入待处理的原图像F；S2设置图像边缘检测算法中涉及到的参数，包括N‑Smoothlets变换中滑窗的尺寸size、滑窗每一次的偏移量shift、判断边缘是否保留阈值T₁、T₂；S3设置好N‑Smoothlets滑窗尺寸size后，假设size大小为n×n像素；首先将N‑Smoothlets滑窗置于原图像的左上角，对待处理图像中与滑窗重叠部分的区域执行一个图像宏块内的N‑Smoothlets变换；然后将N‑Smoothlets滑窗从图像左上角按照先列后行或先行后列的顺序每次移动shift个像素并在滑窗内作N‑Smoothlets变换，其中N‑Smoothlets基本变换块大小设置为与滑窗大小一致，即在每一个滑窗对应的图像宏块内只用一个N‑Smoothlets对其进行描述，直至滑窗遍历完整幅图像后结束，得到对原始图像进行滑窗N‑Smoothlets变换后的图像信息；S4根据块类型不同分别判别：S41宏块类型为N，即退化块若变换后的图像块为退化块，则认为该块中不存在边缘信息；S42宏块类型为W，即Wedgelet块若变换后的图像块为Wedgelet块，则提取出该Wedgelet对应的基准线作为图像块内的边缘；此时，只需要边缘判决条件一对其进行是否作为边缘信息保留的判定；S43宏块类型为S，即Smootlet块，包括宏块内存在1、2、3条过渡带的情况，N代表过渡带最大数量；若变换后的图像块为N‑Smoothlets块，即包括宏块内存在1、2、3条过渡带的情况，则依次对N‑Smoothlets的N条过渡带两侧的灰度值求差值|m_a‑m_b|；若两侧的灰度值差值小于设定好的阈值T₁，即|m_a‑m_b|＜T₁，不满足边缘判决条件一，认为该边缘为伪边，舍弃；若两侧的灰度值差值大于等于设定好的阈值T₁，即|m_a‑m_b|≥T₁，满足边缘判决条件一；再比较过渡带宽r与T₂的关系，若r＞T₂，满足边缘判决条件一，不满足边缘判决条件二，认为该边缘为伪边，舍弃；若r≤T₂，同时满足边缘判决条件一与二，则计算过渡带的中线信息作为边缘保留；S5对各滑窗N‑Smoothlets提取出的边缘信息进行叠加，输出对原图像F进行边缘提取后的边缘图像