多方向梯度与Otsu自适应阈值实时图像边缘检测算法研究

摘要

针对传统Sobel边缘检测算法算子梯度少并且需要人为设定阈值的问题，导致最终在边缘提取过程中边缘宽度较宽，伪边缘较多，本文提出一种八方向梯度Sobel算子结合Otsu自适应阈值的边缘检测算法，通过增加梯度方向提高了算法对复杂纹理的识别能力，同时使用Otsu算法生成的阈值作为二值化处理的阈值。首先在Matlab与Modelsim平台上检验算法的正确性和可行性，实验结果表明这种改进方式能够提高边缘的检测精度，对比传统的Sobel算子伪边缘率降低了8%—26%，同时在不同噪声水平下保持较稳定的PSNR值（低噪声条件下约7.45 dB，噪声StdDev为25时约4.48 dB）最后将改进后的算法在搭建的Ov5640摄像头采集FPGA实时处理的平台上实现，单帧处理时间仅15.73 ms，相比Matlab软件实现的390 ms，性能提升约24.8倍，帧率可达63 fps，边缘提取效果明显优于传统方法，输出图像更符合实际边缘信息，显著提升了系统实时性与检测精度，实验表明，该算法在边缘精度和实时性上均显著优于传统方法，输出图像更符合实际边缘信息，验证了其有效性。

关键词

FPGA / 图像处理 / 实时边缘检测 / Sobel算法 / Otsu自适应阈值

基金资助

甘肃省自然科学基金(23JRRA844)