改进的sobel算法和色调信息的叶脉提取 c语言,基于窗口动态阈值改进Canny算子的叶脉提取算法的制作方法...

本发明涉及一种基于Canny算子的叶脉提取算法，尤其涉及一种基于窗口动态阈值改进Canny算子的叶脉提取算法，属于计算机视觉技术领域。

背景技术：

叶脉提取，是指从不同形状、摆放的叶脉图像中，利用计算机视觉的手段提取出构成叶片主次叶脉的像素。现有方法主要包括聚类分类、边缘检测、神经网络提取等。随着对于叶片种类识别、叶脉网络系统构建具有重要意义。

Canny算子，是一种边缘提取算子，针对一幅灰度图像，通过设置双阈值，利用一阶差分种子点进行扩展，最终得到图像的边缘。具体步骤包括高斯滤波、一阶差分计算、非极大值抑制、双线性阈值的设置。相比其他边缘提取算子，往往能够获得较好的信噪比，并可以通过双阈值的调整，使其适应相应的复杂场景，效果较好地提取出边缘，因此常作为边缘提取的首选算子。

对于Canny算子而言，如能针对不同场景选定合适的阈值，就能提取出信噪比较好的边缘，然而双阈值的设置往往需要通过经验进行人为的调整；同时，整张图片的各个局部的边缘强度有时也存在较大差异，而传统Canny算子中，双阈值是全局共享的，因此往往难以取得适合所有区域的阈值。由此导致其用于叶脉提取时，产生大量的叶脉断裂区、非叶脉边缘，且需要对不同叶片进行不同的阈值设置，因此，需要一种有效的赋予不同边缘强度不同双阈值的方法。

技术实现要素：

本发明要解决的技术问题是提供一种基于窗口动态阈值改进Canny算子的叶脉提取算法。

为解决上述技术问题，本发明采用的技术方案是：

一种基于窗口动态阈值改进Canny算子的叶脉提取算法，包括以下具体步骤：

(1)矫正叶片角度：利用Radon变换获得主叶脉方向，以进行方向矫正：

Radon变换的计算方法为：

R(θ,ρ)＝∫∫I(x,y)δ(ρ-xcosθ-ysinθ)dxdy (1)

其中

式中I(x,y)为叶片图像在直角坐标系下坐标(x,y)处的灰度值，(ρ,θ)为极坐标系下的坐标；

通过计算各个方向的投影积分，求得需要将图像需要顺时针旋转θ度，主叶脉方为竖直方向，得到叶脉方向矩阵：

式中θ0为R(θ,ρ)取最大值时的θ值，即旋转弧度，(x0,y0)为图像的旋转中心。

利用叶脉方向矩阵矫正叶片图像，得到矫正方向后的图像I'(x',y')：

式中θ0为R(θ,ρ)取最大值时的θ值，即旋转弧度，(x0,y0)为图像的旋转中心。

利用叶脉方向矩阵矫正叶片图像，得到矫正方向后的图像I'(x',y')：

(2)利用双边滤波器平滑叶片图像：

其中，g(x,y)为平滑处理后的图像在坐标(x,y)处的灰度值，D为(x,y)的邻域窗口，f(x',y')为窗口内的像素值，权重系数w(x',y',k,l)为定义域核d(x,y,x',y')和值域核r(x,y,x',y')的乘积，σd,σr分别为d,r中高斯函数的标准差：

(3)提取主叶脉：将平滑矫正后的叶片图像进行Canny算子边缘检测，得到检测结果图像，将检测结果图像划分为宽度w(w≥1)的区域作为待增强区域，依次扫描断裂行，所述断裂行为存在断裂点的行，相邻的断裂行组成断裂区域，对各断裂区域进行迭代检测，将断裂区域划分为各下限级别子断裂区域，直至达到停止条件为止，当断裂区域中边缘像素点百分比高于预设阈值时，提高Canny算子边缘检测的上限阈值和下限阈值，当断裂区域中边缘像素点百分比低于预设阈值时，降低Canny算子边缘检测的上限阈值和下限阈值，所述停止条件为消除了各级别子断裂，或断裂区域中连续N次迭代处理中边缘像素点数目不变，N为整数，或孤立边缘像素点数目增加；

(4)连接断裂区域中的边缘像素：手动处理，连接断裂区域中的边缘像素，使主叶脉连通，得到主次叶脉图像；

(5)利用双向区域增长法去除噪声并提取叶脉：去除主次叶脉图像的外轮廓后，分别选取主叶脉的上顶点和下顶点进行区域增长，将两个结果图进行与操作之后，再进行膨胀操作，再将膨胀操作结果与主次叶脉图做与操作，获得主叶脉图像；

(6)提取次叶脉图像：将主次叶脉图像减去主叶脉图像，得到次叶脉图像，检测次叶脉图像中各连通域即可得到各次叶脉的相应坐标。

所述的基于窗口动态阈值改进Canny算子的叶脉提取算法，所述叶片图像中包括2片或2片以上树叶，还包括分割叶片和重排叶脉的步骤；

所述分割叶片步骤首先通过阈值化和形态学操作得到1个以上的白色连通域，连通域的外轮廓长大于等于预设阈值的连通域为各叶片所占区域；再通过K-means聚类获得各叶片分区域，逐行按叶片分区域的最小纵坐标排序；

所述分重排叶脉步骤将提取到的各叶片的叶脉按原序拼接。

采用上述技术方案所取得的技术效果在于：

1)本发明使用双边滤波替代了传统Canny算子中使用的高斯滤波，使得后继边缘提取的结果中保留了更多的边缘，并提高了长边缘的连通性；

2)本发明利用基于窗口动态阈值改进的Canny算子代替了具有全局性固定Canny阈值的传统Canny算子，有效地补全缺失的叶脉；

3)本发明利用双向区域增长法，在去除噪声的同时，提取并分离出具有较完整细节的主次叶脉。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明的流程图；

图2是本发明中实施例1的叶片图像；

图3是本发明中实施例1的叶脉提取效果图；

图4是本发明中实施例1的主叶脉图像；

图5是本发明中实施例1的次叶脉图像。

具体实施方式

实施例1：

如图1所示，一种基于窗口动态阈值改进Canny算子的叶脉提取算法，包括以下具体步骤：

(1)矫正叶片角度：利用Radon变换获得主叶脉方向，以进行方向矫正：

Radon变换的计算方法为：

R(θ,ρ)＝∫∫I(x,y)δ(ρ-xcosθ-ysinθ)dxdy (1)

其中

式中I(x,y)为叶片图像在直角坐标系下坐标(x,y)处的灰度值，(ρ,θ)为(x,y)在极坐标系下的坐标；

通过计算各个方向的投影积分，求得到与叶脉方向对应的旋转矩阵：

式中θ0为R(θ,ρ)取最大值时的θ值，即旋转弧度，(x0,y0)为图像的旋转中心。

利用叶脉方向矩阵矫正叶片图像，得到矫正方向后的图像I'(x',y')：

式中(x',y')为矫正叶片图像中与叶片图像中(x,y)像素对应的像素；

(2)利用双边滤波器平滑叶片图像：

其中，g(x,y)为平滑处理后的图像在坐标(x,y)处的灰度值，D为(x,y)的邻域窗口，f(x',y')为窗口内的像素值，权重系数w(x',y',k,l)为定义域核d(x,y,x',y')和值域核r(x,y,x',y')的乘积，σd,σr分别为d,r中高斯函数的标准差：

(3)提取主叶脉：将平滑矫正后的叶片图像进行Canny算子边缘检测，得到检测结果图像，将检测结果图像划分为宽度w(w≥1)的区域作为待增强区域，依次扫描断裂行，所述断裂行为存在断裂点的行，相邻的断裂行组成断裂区域，对各断裂区域进行迭代检测，将断裂区域划分为各下限级别子断裂区域，直至达到停止条件为止，当断裂区域中边缘像素点百分比高于预设阈值时，提高Canny算子边缘检测的上限阈值和下限阈值，当断裂区域中边缘像素点百分比低于预设阈值时，降低Canny算子边缘检测的上限阈值和下限阈值，所述停止条件为消除了各级别子断裂，或断裂区域中连续N次迭代处理中边缘像素点数目不变，N为整数，或孤立边缘像素点数目增加；

(4)连接断裂区域中的边缘像素：手动处理，连接断裂区域中的边缘像素，使主叶脉连通，得到主次叶脉图像；

(5)利用双向区域增长法去除噪声并提取叶脉：去除主次叶脉图像的外轮廓后，分别选取主叶脉的上顶点和下顶点进行区域增长，将两个结果图进行与操作之后，再进行膨胀操作，再将膨胀操作结果与主次叶脉图做与操作，获得主叶脉图像；

(6)提取次叶脉图像：将主次叶脉图像减去主叶脉图像，得到次叶脉图像，检测次叶脉图像中各连通域即可得到各次叶脉的相应坐标。

所述的基于窗口动态阈值改进Canny算子的叶脉提取算法，所述叶片图像中包括2片或2片以上树叶，还包括分割叶片和重排叶脉的步骤；

所述分割叶片步骤首先通过阈值化和形态学操作得到1个以上的白色连通域，连通域的外轮廓长大于等于预设阈值的连通域为各叶片所占区域；再通过K-means聚类获得各叶片分区域，逐行按叶片分区域的最小纵坐标排序；

所述分重排叶脉步骤将提取到的各叶片的叶脉按原序拼接。

如图2所示，以一组叶片的扫描图像作为输入的叶片图像，然而由于算法的处理是针对单张树叶图像的，因此需要将这十张叶片图像规整地提取出来后单独进行叶脉提取，再将处理完的效果图按原序拼接，又因为摆正的叶片图像有利于之后的提取，因此将叶片图像进行方向矫正，最终的提取效果图按原序拼接结果如图2所示。

因为叶片组中叶片的分布是层次不齐，且为2行，所以在这里使用K-means聚类，以每个叶片连通域的左上顶点的纵坐标或使用连通域的质心为依据，将所有的叶片聚为两类，通过2个聚类中心的纵坐标的比较，可知树叶的上下分布；再通过各叶片连通域左上顶点的横坐标将其进行行内排序，最终得知叶片连通域的顺序。

接着针对提取出的单张叶片，使用Radon变换进行方向矫正，得到矫正后的叶片图像。

在使用Canny算子进行提取边缘提取中，往往在用差分算子进行相关操作前，为了防止边缘的断裂程度太大，需要对图像进行平滑操作。

在传统的Canny算子提取边缘的过程中，使用高斯滤波器对图像进行平滑处理。然而由于高斯滤波并未考虑边缘因素，使用高斯滤波器进行平滑操作一方面会抹去一些原本存在的边缘，使得边缘数量减少，另一方面会使得提取的边缘连通性降低，即断裂程度变高，这都是不利于边缘提取的因素。

本发明使用双边滤波器代替原先的高斯滤波器，在既有效地进行平滑的前提下，保护边缘不因平滑操作而丢失，能够增加找到的边缘数量、提高边缘尤其是长边缘的连通性。

边缘提取后，一条叶脉中会有断裂的区域，以一条主叶脉为例，如图4所示，此时提取出的主叶脉因断裂分为三个连通域，不仅无法得到完整的主叶脉，而且很难将叶脉的碎边缘和噪声区分开。降低Canny算子的阈值或许可以将断裂区补全，但同时也会使得全局都引入极大的额外的噪声。再从下顶点开始，进行传统的四方向的区域增长，即可获得去除了噪声边缘的主次叶脉图像。

之后选取上顶点和下顶点，从上顶点开始进行“下左右”三种生长方向的区域增长法，从下顶点开始进行“上左右”三种生长方向的区域增长法，将两种结果进行与操作，即可得到能够极佳地保留叶脉分叉处细节的主叶脉图像。

最后，用主次叶脉图像减去主叶脉图像，即可得出次叶脉的图像，结果如图5所示。