紅外圖像的邊緣提取

　　r（x,y）=max{gi（x,y）|?坌i} （3）

　　設定閾值t，得到二值化邊緣圖像：

　　R（x,y）=1 r（x,y）≥t0 r（x,y）t （4）

　　2.2 計算步驟

　?。?）輸入原始圖像A，通過(guò)對原始圖像A在微動(dòng)方向上平移，生成綜合微動(dòng)圖像F。F=[Ah,Av,Ad]，其中h、v、d分別代表水平、垂直和傾斜方向。本文分別將圖像A向8個(gè)方向平移，移動(dòng)距離為一個(gè)像素單位。

　?。?）計算各微動(dòng)方向的邊緣圖像H：

　　Ci=Fi-A， i=h,v,d （5）

　?。?）計算競爭灰度邊緣圖像H：

　　H=max（Ci）， i=h,v,d （6）

　?。?）將競爭灰度邊緣圖像H重新量化到[0，255]。

　?。?）為了減少偽邊緣的產(chǎn)生，對競爭邊緣圖像H進(jìn)行均值濾波處理：

　　G=mean（H） （7）

　?。?）對量化濾波后的灰度邊緣圖像，采用非極大值抑制和雙閾值檢測邊緣連接處理，得到二值邊緣圖像。

　　2.3 非極大值抑制

　　直接對經(jīng)過(guò)量化濾波的競爭灰度邊緣圖像進(jìn)行二值化操作并不能準確地提取出圖像的邊緣，因此需要對經(jīng)過(guò)量化濾波的競爭灰度邊緣圖像的幅值進(jìn)行非極大值抑制來(lái)進(jìn)一步確定邊緣點(diǎn)。若圖像G（x,y）上（i,j）像素點(diǎn)的邊緣強度G（i,j）小于沿平移線(xiàn)方向上的兩個(gè)相鄰像素點(diǎn)的邊緣強度，則認為該像素點(diǎn)為非邊緣點(diǎn)，將其灰度值設為0。即保留幅值局部變化最大的點(diǎn)，細化幅值圖像中的屋脊帶。

　　2.4 雙閾值檢測及邊緣連接

　　由于圖像中噪聲和邊緣都屬于高頻部分，經(jīng)過(guò)非極大值抑制處理過(guò)的邊緣圖像仍然有很大一部分是屬于噪聲的偽邊緣點(diǎn)，因此必須進(jìn)行去噪處理[7]。本文采用高低雙閾值的方法實(shí)現此去噪過(guò)程。設定高、低兩個(gè)閾值，高閾值處理后的邊緣圖像能去除大部分噪聲，得到尺寸較大的清晰邊緣，但同時(shí)也損失了一些有用的細節邊緣信息；低閾值去噪處理后圖像保留了較多的信息，能保留細微邊緣，但是產(chǎn)生了較多的偽邊緣。經(jīng)過(guò)雙閾值化處理之后能夠得到兩幅不同特征二值邊緣圖像。以高閾值邊緣圖像為基礎，以低閾值邊緣圖像為補充進(jìn)行邊緣連接，實(shí)現最終的圖像邊緣提取。