[发明专利]一种基于聚类算法的图像边缘拟合B样条生成方法

摘要

基于聚类算法的图像边缘拟合B样条生成方法，采用聚类算法，将canny算子生成的边缘离散点的梯度差作为聚类算法的聚类判断公式，选择等距离点作为聚类算法的初始类中心，使用聚类算法迭代生成各类核，使用核作为B样条的控制点，拟合生成B样条曲线，其实现步骤为：将原始图像利用二维高斯函数的一阶导数对其进行平滑去噪，得到平滑图像；采用3×3领域，在像素8领域内通过计算x方向，y方向，45°方向和135°的一阶偏导的差分来计算图像梯度幅值和方向；选取高低阈值进一步过滤，得到边缘点集；通过离散边缘点集创建边缘点结构体数组，本发明使用聚类方法作为B样条生在成的控制点，可以有效抑制噪声，提高边缘检测拟合的效果。

主权项

一种基于聚类算法的图像边缘拟合B样条生成方法，其特征是采用聚类算法，将canny算子生成的边缘离散点的梯度差作为聚类算法的聚类判断公式，选择等距离点作为聚类算法的初始类中心，使用聚类算法迭代生成各类核，使用核作为B样条的控制点，拟合生成B样条曲线，其实现步骤为：步骤1、将原始图像利用二维高斯函数一阶导数对其进行平滑去噪，得到平滑图像；步骤2、采用3×3领域，在像素8领域内通过计算x方向，y方向，45°方向和135°的一阶偏导的差分来计算图像的梯度幅值和方向；步骤3、沿8领域方向检测模值的极大值点，即为边缘点，遍历8方向图像，通过比较每个像素偏导值与相邻像素模值，，取其MAX值为边缘点；步骤4、选取高低阈值进一步过滤，得到边缘点集；步骤5、通过离散的边缘点集创建边缘点结构体数组，并根据将x轴等分成N段，依次将边缘点数组划分成N组，每组随机抽取一点作为聚类生长中心点；步骤6、针对边缘点结构体数组使用聚类算法迭代求得每组的类核心点；步骤7、基于步骤6求得的点集，作为B样条的控制点，生成拟合B样条曲线。