[发明专利]基于灰度与封闭区域的图像描述子选择系统

说明书

本发明公开了基于灰度与封闭区域的图像描述子选择系统，涉及边缘检测，包括梯度算子、拉普拉斯算子、Marr边缘描述子、Hildreth边缘描述子，还包括以下步骤：对图像进行直方图检测以及LOG算子检测，检测封闭区域的周长；统计并排序封闭区域周长、直方图的灰度值，周长、灰度值处于平均水平以下与处于平均水平以下封闭区域数量的比值L、K；比值L、K大于20，采用Marr边缘描述子和Hildreth边缘描述子对图像先平滑滤波后求导获得边缘，所述Hildreth边缘描述子用高斯函数进行平滑，并采用Laplacian算子求导；比值L、K小于20，采用梯度算子和Laplacian算子进行平滑滤波后，求一阶或二阶导数检测边缘点。本发明能够针对不同的噪声场景，推荐最佳的边缘描述子。

技术领域

本发明涉及一种边缘检测，具体涉及基于灰度与封闭区域的图像描述子选择系统。

背景技术

由于不同边缘检测描述子有不同的使用场景和范围条件，但这些条件无法通过人肉眼就能得出评价，而是需要利用试错法反馈后对边缘描述子进行重新选择。

发明内容

本发明所要解决的技术问题是不同图像边缘提取时最佳描述子选择问题，目的在于提供基于灰度与封闭区域的图像描述子选择系统，解决上述问题。

基于灰度与封闭区域的图像描述子选择系统，包括梯度算子、拉普拉斯算子、Marr边缘描述子、Hildreth边缘描述子，还包括以下步骤：

对图像进行直方图检测以及LOG算子检测，检测封闭区域的周长；

统计并排序封闭区域周长、直方图的灰度值，周长、灰度值处于平均水平以下与处于平均水平以下封闭区域数量的比值L、K；

比值L、K大于20，采用Marr边缘描述子和Hildreth边缘描述子对图像先平滑滤波后求导获得边缘，所述Hildreth边缘描述子用高斯函数进行平滑，并采用Laplacian算子求导；

比值L、K小于20，采用梯度算子和Laplacian算子进行平滑滤波后，求一阶或二阶导数检测边缘点。

进一步地，所述Marr边缘描述子用高斯函数进行平滑，并采用Laplacian算子求导。0

进一步地，比值L小于20，采用梯度算子和Laplacian算子进行平滑滤波后，求一阶或二阶导数检测边缘点。

进一步地，比值K小于20，采用梯度算子和Laplacian算子进行平滑滤波后，求一阶或二阶导数检测边缘点。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明基于灰度与封闭区域的图像描述子选择系统，能够针对不同的噪声场景，推荐最佳的边缘描述子。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明基于灰度与封闭区域的图像描述子选择系统，包括梯度算子、拉普拉斯算子、Marr边缘描述子、Hildreth边缘描述子，还包括以下步骤：对图像进行直方图检测以及LOG算子检测，检测封闭区域的周长；统计并排序封闭区域周长、直方图的灰度值，周长、灰度值处于平均水平以下与处于平均水平以下封闭区域数量的比值L、K；比值L、K大于20，采用Marr边缘描述子和Hildreth边缘描述子对图像先平滑滤波后求导获得边缘，所述Hildreth边缘描述子用高斯函数进行平滑，并采用Laplacian算子求导；比值L、K小于20，采用梯度算子和Laplacian算子进行平滑滤波后，求一阶或二阶导数检测边缘点。