一種改進的低對比度灰度圖像邊緣識別方法

摘要：低對比度圖像的邊緣比較模糊，傳統(tǒng)的基于微分算子邊緣檢測方法通過梯度算子雖增強了邊緣信息，但同時也強化了噪聲影響。針對以上問題。首先考慮對低對比度圖像進行預處理，用直方圖均衡化方法提高對比度，以便準確完整地定位圖像邊緣：其次考慮用計算灰度比值而不是傳統(tǒng)的計算灰度差值來檢測圖像時象的邊緣，以最大限度地降低噪聲的影響。測試結(jié)果表明，基于灰度比值的邊緣檢測方法弱化了噪聲影響，更有利于清晰準確地識別低對比度圖像的邊緣。

關鍵詞：邊緣檢測；直方圖均衡化；噪聲；灰度差；灰度比值

O 引言

圖像邊緣，顧名思義，就是不同區(qū)域的分界處，它反映了圖像局部特征的不連續(xù)性，通常表現(xiàn)為灰度圖像中灰度級的突變，彩色圖像中顏色的突變，圖像中紋理結(jié)構的突變等。傳統(tǒng)的邊緣檢測方法是通過計算灰度變化最大的值來確定邊緣點，比較簡單，而且常用的檢測算子有Roberts算子、Iarewitt算子、Sobel算子以及LOG算子。這些算子對噪聲十分敏感，在實際應用中，圖像又不可避免地會受到各種噪聲源的干擾，而噪聲會使我們檢測到由它導致的假邊緣。要解決這個問題，采用平滑濾波過濾噪聲是常用的方法，但平滑濾波同時也會導致邊緣強度的損失，這與增強邊緣的目標是相矛盾的。

因此，針對噪聲的問題，本文提出并采用了計算灰度比值的方法來降低噪聲影響，用計算灰度比值來替代計算灰度差值，以增強圖像邊緣，提高對比度，從而將噪聲的影響降低到最小。

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。