[发明专利]基于改进Roberts算子的不规则饮料瓶码放图像边缘检测方法

权利要求书

1.一种基于改进Roberts算子的不规则饮料瓶码放图像边缘检测方法，其特征在于，包括以下步骤：

S1、利用形态学平滑算法对不规则饮料瓶码放图像进行滤波、保留边缘信息并去除噪声，具体步骤为：采用形态学中的开运算处理，设结构元素为s₁，定义开运算操作为：

式中，F表示不规则饮料瓶码放图像的集合，表示开运算操作，s表示结构元素，Θ表示图像F被结构元素s腐蚀，表示结构元素对图像F的膨胀；采用形态学中的闭运算处理，设结构元素为s₂，定义闭运算操作为：

式中，F表示不规则烟包图像的集合，·表示闭运算操作，s表示结构元素，Θ表示图像F被结构元素s腐蚀，表示结构元素对图像F的膨胀；

S2、计算单一尺度下图像的形态学梯度；根据所述单一尺度下图像的形态学梯度，计算得到多尺度形态学梯度图像；确定多尺度形态学梯度图像中的极大值点的位置；使用过零点位置模板选取对应的形态学梯度边缘，并根据预设阈值去除伪边缘；

S3、采用改进Roberts边缘检测算子对步骤S2的多尺度形态学梯度图像进行边缘检测，得到不规则饮料瓶码放图像的边缘信息，所述改进Roberts 边缘检测算子主要是：采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值；还在改进的Roberts边缘检测算子基础上添加了改进的Sobel算子，改进的Roberts边缘检测算子主要是所述改进的Sobel算子主要改进在：在传统Sobel算子垂直与水平两个方向的模板上，以45度为单位将垂直与水平模板均分成8个方向模板。

2.根据权利要求1所述的基于改进Roberts算子的不规则饮料瓶码放图像边缘检测方法，其特征在于，所述步骤S3改进的Sobel算子主要改进在：在传统Sobel算子垂直与水平两个方向的模板上，以45度为单位将垂直与水平模板均分成8个方向模板体，具体包括：

S31：边界是亮度级的梯度变化，边缘是梯度变化的位置，用梯度向量的大小和方向来表述这种变化，边缘用梯度向量的大小和方向来表述这种变化；

梯度算子是一阶导数算子，图像f(x,y)在位置(i,j)的梯度定义为下列矢量：

的幅度值为：

S32：Sobel算子用水平和竖直两个方向的模板与图像f(x,y)做卷积运算，以此近似计算(i,j)处的梯度值，可通过下列公式求解G_x和G_y的值：

f(x,y)＝max{|G_x|,|G_y|}

Gx＝f(i+1,j-1)+2f(i+1,j)+f(i+1,j+1)-f(i-1,j-1)-2f(i-1,j)-f(i-1,j+1)

Gy＝f(i-1,j+1)+2f(i,j+1)+f(i+1,j+1)-f(i-1,j-1)-2f(i,j-1)-f(i+1,j-1)

式中，G_x和G_y分别为水平方向和垂直方向的梯度值；

S33：在传统Sobel算子的基础上，增加其他六个方向的模板，分别为45°、135°、180°、225°、270°、315°；

S34：根据上述8个方向模板，计算不同方向的权值，计算公式如下：

lng(x,y)＝-ln2[d(x,y)²-u]

ω(x,y)＝[g(x,y)]

式中，d(x,y)表示模板的元素与中心点之间的欧式距离，g(x,y)表示(x,y)处的实数权值，u表示调整系数，对g(x,y)取整得到ω(x,y)；

S35：根据预先设定的模板各个点的权重，然后与目标图像相对应的像素做卷积运算；

S36：选取在步骤S25中得到的最大值，用此最大值代替模板中心点对应的目标图像的像素值，最后输出最大的灰度值作为所有模板中的像素输出值；

S37：设定合适的阈值T，若(i,j)处的梯度幅值▽f(i,j)≥T，则将该点定义为边缘点。