(12)发明专利申请
(10)申请公布号(10)申请公布号 CN 104732555 A (43)申请公布日(43)申请公布日 2015.06.24
(21)申请号 201510172661.7(22)申请日 2015.04.13
(71)申请人南通理工学院
地址226000 江苏省南通市港闸区港闸经济
开发区永兴路14号(72)发明人王岩 卢曦 陆盈
(74)专利代理机构苏州华博知识产权代理有限
公司 32232
代理人魏亮芳(51)Int.Cl.
G06T 7/00(2006.01)
权利要求书1页 说明书5页 附图2页
(54)发明名称
基于Sobel算子的图像边缘检测方法(57)摘要
本发明公开了一种基于Sobel算子的图像边缘检测方法，其包括以下步骤：打开一张图片，根据其宽与高生成一维数组pixels[w*h]，存放每点像素值；对图片进行灰度转换，得到第一灰度值并存放在一维数组中；生成两个二维数组；利用梯度卷积算子对每点像素值求梯度幅值，并设为total；判断total是否大于设定值；将其中一个二维数组转换成一维数组，得到转换后的第二灰度值并存于该二维数组中。本方法相较于现有技术对于图像边缘检测的精度和抗噪能力得以提高，在应用条件和硬件成本上也具有优势。
C N 1 0 4 7 3 2 5 5 5 A CN 104732555 A
权 利 要 求 书
1/1页
1.基于Sobel算子的图像边缘检测方法，其特征在于，采用MyEclpise 7.0工具和Java语言，所述方法包括以下步骤：
1)打开一张图片，并获取图片的宽与高，宽为w，高为h，根据所述宽与高生成一维数组pixels[w*h]，存放每点像素值；
2)对所述图片进行灰度转换，得到第一灰度值，并存放在所述一维数组中；3)生成两个二维数组Matrix[h][w]和SobelMatrix[h][w]，所述Matrix[h][w]用于存放所述第一灰度值；
4)利用梯度卷积算子对每点Matrix[i][j]求梯度幅值，并设为total；5)判断所述total是否大于设定值，如大于设定值则进入第6)步骤，否则进入第7)步骤；
6)求得SobelMatrix[i][j]的值；7)求得SobelMatrix[i][j]＝0；
8)将所述SobelMatrix[h][w]转换成一维数组，得到转换后的第二灰度值并存于所述SobelMatrix[h][w]中；
9)完成。
2.根据权利要求1所述的基于Sobel算子的图像边缘检测方法，其特征在于，所述图片通过PixelGrabber类进行像素转换，得到所述第一灰度值。
3.根据权利要求1所述的基于Sobel算子的图像边缘检测方法，其特征在于，所述设定值为80。
4.根据权利要求3所述的基于Sobel算子的图像边缘检测方法，其特征在于，所述第6)步骤中，所述SobelMatrix[i][j]＝255。
2
CN 104732555 A
说 明 书
基于Sobel算子的图像边缘检测方法
1/5页
技术领域
[0001]
本发明涉及一种图像边缘检测方法，具体涉及一种基于Sobel算子的图像边缘检
测方法。背景技术
图像边缘检测技术主要应用于监控和门禁设施当中，进行道路交通的管制或汽车门禁的监控。该技术在门禁系统的应用具有较高研究价值，一方面因为，我国城镇化进程的日益推进，城镇人口增速明显，城镇居民对居住地的要求有所增加，加上现代居民素质的整体提高，居民对公共安全的需求意识逐渐增强，对门禁社区的关注度越来越高，使得越来越多学者投入到相关研究中来。另一方面，开发商为了迎合大众需求，往往会重金打造一些门禁社区作为卖点，因而会相应增加门禁系统、安防系统、监控设施的需求，这给门禁系统生产商带来了更多商机和机遇，许多带有新功能的门禁监控系统层出不穷。[0003] 此外，图像边缘检测技术是安防系统的重要组成部分，同摄像头采样技术、数模转换技术、接口技术一样是是安防系统的核心技术之一(居民小区汽车门禁系统示意图如图1所示)，有着深厚的研究基础，自1965年至今的近50年里，有许多国内外学者对其进行研究，并在不同领域取得很多成果。边缘检测算法的种类较多，可分为传统算法和新兴算法。传统算法有：Roberts算子、Prewitt算子、LOG算子、laplacian算子和Canny算子等。传统算法大都基于数学运算实现，要么抗噪性能差，要么边缘检测的精度不高。新兴的边缘检测算法的研究常与其他学科有所交叉，在工程方面有：基于小波分析和小波包的边缘检测方法、基于模糊理论的边缘检测方法、基于神经网络的分割方法等，在机器视觉和人工智能等领域有：基于数学形态学的边缘检测方法、自组织聚类法、遗传算法等。[0004] 由于居民小区汽车门禁系统需要图像处理过程相对快速、准确、可靠性高、易于存储，虽然上述许多图像边缘检测技术在相应领域都有着广泛应用，其在精度、抗噪能力、应用条件和硬件成本等方面都存在着不足之处。因此，有必要拿出一种新的图像边缘检测技术来解决这些问题。
[0002]
发明内容
为了解决上述技术问题，本发明提供了一种在精度、抗噪能力、应用条件和硬件成
本这些方面都具有优势的基于Sobel算子的图像边缘检测方法。[0006] 为了达到上述目的，本发明的技术方案如下：[0007] 基于Sobel算子的图像边缘检测方法，其采用MyEclpise 7.0工具和Java语言，该方法包括以下步骤：[0008] 1)打开一张图片，并获取图片的宽与高，宽为w，高为h，根据宽与高生成一维数组pixel[w*h]，存放每点像素值；
[0005]
2)对图片进行灰度转换，得到第一灰度值，并存放在一维数组中；[0010] 3)生成两个二维数组Matrix[h][w]和SobelMatrix[h][w]，Matrix[h][w]用于
[0009]
3
CN 104732555 A
说 明 书
2/5页
存放第一灰度值；
[0011] 4)利用梯度卷积算子对每点Matrix[i][j]求梯度幅值，并设为total；[0012] 5)判断total是否大于设定值，如大于设定值则进入第6)步骤，否则进入第7)步骤；
[0013] 6)求得SobelMatrix[i][j]的值；[0014] 7)求得SobelMatrix[i][j]＝0；
[0015] 8)将SobelMatrix[h][w]转换成一维数组，得到转换后的第二灰度值并存于SobelMatrix[h][w]中；[0016] 9)完成。
[0017] 本发明通过将图片进行进行两次的图片灰度的转换，分别得到第一灰度值和第二灰度值，第一次生产一维数组，然后再生产两个二维数组，再通过对梯度幅值的判断，得到SobelMatrix[i][j]的值，最后得到第二灰度值，然后经优化的图片灰度形式得以实现，使得本方法相较于现有技术对于图像边缘检测的精度和抗噪能力得以提高，同时仅借助于MyEclpise 7.0工具和Java语言即可实现的本方法，在应用条件和硬件成本上相较现有技术也具有其优势。
[0018] 在上述技术方案的基础上，本发明还可以作如下改进：[0019] 作为优选的方案，上述的图片通过PixelGrabber类进行像素转换，得到第一灰度值。
[0020] 采用上述优选的方案，可以提高第一灰度值转换的精度。[0021] 作为优选的方案，上述的设定值为80。[0022] 采用上述优选的方案，可以提高本方法的检测精度。[0023] 作为优选的方案，上述的第6)步骤中，SobelMatrix[i][j]＝255。[0024] 采用上述优选的方案，可以进一步地提高本方法的检测精度。附图说明
图1为居民小区汽车门禁系统示意图。
[0026] 图2为本发明的基于Sobel算子的图像边缘检测方法的实施流程图。
[0025]
具体实施方式
[0027] 下面结合附图详细说明本发明的优选实施方式。[0028] 为了达到本发明的目的，如图2所示，在本发明的基于Sobel算子的图像边缘检测方法的其中一些实施方式中，其采用MyEclpise 7.0工具和Java语言，该方法包括以下步骤：
[0029] S1：打开一张图片，并获取图片的宽与高，宽为w，高为h，根据宽与高生成一维数组pixels[w*h]，存放每点像素值；[0030] S2：对图片进行灰度转换，得到第一灰度值，并存放在一维数组中；S3：生成两个二维数组Matrix[h][w]和SobelMatrix[h][w]，Matrix[h][w]用于存放第一灰度值；[0032] S4：利用梯度卷积算子对每点Matrix[i][j]求梯度幅值，并设为total；
[0031]
4
CN 104732555 A[0033]
说 明 书
3/5页
S5：判断total是否大于设定值，如大于设定值则进入第S6步骤，否则进入第S7
步骤；
S6：求得SobelMatrix[i][j]的值；[0035] S7：求得SobelMatrix[i][j]＝0；[0036] S8：将SobelMatrix[h][w]转换成一维数组，得到转换后的第二灰度值并存于SobelMatrix[h][w]中；[0037] S9：完成。
[0038] 本方法通过将图片进行进行两次的图片灰度的转换，分别得到第一灰度值和第二灰度值，第一次生产一维数组，然后再生产两个二维数组，再通过对梯度幅值的判断，得到SobelMatrix[i][j]的值，最后得到第二灰度值，然后经优化的图片灰度形式得以实现，使得本方法相较于现有技术对于图像边缘检测的精度和抗噪能力得以提高，同时仅借助于MyEclpise 7.0工具和Java语言即可实现的本方法，在应用条件和硬件成本上相较现有技术也具有其优势。
[0039] 本方法中所涉及的Sobel算法程序片段如下：
[0034] [0040]
5
CN 104732555 A
说 明 书
4/5页
生成两个二维数组，一个存放原灰度值，另一个存放转换后灰度值[0042] 为了进一步地优化本发明的实施效果，如图2所示，在本发明的基于Sobel算子的图像边缘检测方法的另一些实施方式中，在上述内容的基础上，上述的图片通过PixelGrabber类进行像素转换，得到第一灰度值。采用该实施方式的方案，可以提高第一灰
[0041]
6
CN 104732555 A
说 明 书
5/5页
度值转换的精度。
[0043] 为了进一步地优化本发明的实施效果，如图2所示，在本发明的基于Sobel算子的图像边缘检测方法的另一些实施方式中，在上述内容的基础上，上述的设定值为80。采用该实施方式的方案，可以提高本方法的检测精度。[0044] 为了进一步地优化本发明的实施效果，如图2所示，在本发明的基于Sobel算子的图像边缘检测方法的另一些实施方式中，在上述内容的基础上，上述的第S6步骤中，SobelMatrix[i][j]＝255。采用该实施方式的方案，可以进一步地提高本方法的检测精度。
[0045] 以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
7
CN 104732555 A
说 明 书 附 图
1/2页
图1
8
CN 104732555 A
说 明 书 附 图
2/2页
图2
9
因篇幅问题不能全部显示，请点此查看更多更全内容