常用图像边缘检测方法研究070526(修改稿).doc

常用图像边缘检测方法研究 摘 要：数字图像边缘检测在实际应用领域中有很重要的作用。常用的边缘检测算法有Roberts、Sobel、Prewitt、Laplace、 Log滤波器、Canny边缘检测算子等。论文主要分析算子 (1) 为图像的梯度，中包含局部灰度的变化信息，记 (2) 为梯度的幅度，e（x,y）可以用作边缘检测算子。 为了简化计算也可以将偏导数、的绝对值之和定义为灰度变化的幅度 (3) 以这些理论为依据，提出了许多算法，如常用的边缘检测算子有一阶和二阶微分算子。 3 .1 Roberts算子 Roberts边缘检测算子是一阶微分算子，它利用局部差分算子寻找边缘，由式（4）给出[2]： (4) 公式有问题有1/2 其中是具有整数像素坐标的输入图像，，和是邻域的坐标。由公式可见，梯度的近似值和相邻像素的灰度差成正比。这使得在一幅图像中，平滑区的梯度值比较小，而边缘区的梯度值比较大，对于灰度级为常数的区域梯度值为零。 1 0 0 -1 0 1 -1 0 (a) 图2 Roberts算子 fig.2 Roberts operator Roberts交叉算子，使用如图2所示的两个 2*2 模板，计算梯度结果作为左上角像素的梯度值，两模板方向分别为右下方 45度角，左下方 45度角。 Roberts 算子直接计算图像差分，不包含平滑，对噪声比较敏感，对低噪声图像响应最好。 3.2 Sobel算子 Sobel算子是一阶微分算子，它利用像素邻近区域的梯度值来计算一个像素的梯度，然后根据一定的阀值来取舍。它由式（5）给出[2]： (5) -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 (a) 图3 Sobel 算子 Fig.3 Sobel operator Sobel算子是算子模板，如图3所示。该算子也是一组方向算子，从不同的方向检测边缘。Sobel 算子不是简单求平均再差分，而是加强了中心像素上下左右四个方向像素的权重，它能检测出更细微的边缘，结果图像中边缘的亮度也比较大，视觉效果上更加一目了然。它对于孤立噪声能够起一定的抑制作用，所检出的边缘虽略细于 Prewitt 算子，但宽度仍然较宽。Sobel算子是最常用的检测方法之一，方法简单，效果也不错，但提取的边缘较粗，要进行细化处理。 3.3 Prewitt算子 Prewitt算子的表达式为 ，Prewitt算子也是算子模板，如图4所示。与Sobel算子的方法一样，图像中的每个点都用这2个核进行卷积，从而产生1幅边缘幅度图像[3]。 -1 0 1 -1 0 1 -1 0 1 1 1 1 0 0 0 -1 -1 -1 (a) 图4 Prewitt算子 Fig.4 Prewitt operator Prewitt 算子对混合多种复杂噪声的图像，处理效果不理想，但对灰度渐变低噪声的图像有较好的检测效果。 3.4 Laplace算子 Laplace算子是根据图像在x,y方向上的二阶偏导数定义的[4]： (6) 因为图像边缘有大的灰度变化，所以图像的一阶偏导数在边缘有局部最大值或最小值，那么二阶偏导数在边缘处会通过零点（由正到负或由负到正）。用Laplace算子检测就是估算Laplace的输出，找出它的零点位置，即用算子处理后，其值为零或小于某个阀值。 参考文献在那里 Laplace算子是用二阶差分实现的，即 (7) 图5是Laplace算子的两种估计模板。 0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1 (a) (b) 图5 Laplace算子 Fig.5 Laplace operator 其中，（a）为四邻域算子，它对于突出孤立点、线段及边界的效果较明显，可以检测出灰度变化更平缓的边缘,但是它表示的边缘不够连续，从算子本身可以看出，由于拉普拉斯算子中心点的权重非常大，因此它对点状干扰特敏感，使得边缘与噪声很难分辨开来，总体质量也较差。（b）是八邻域算子，边缘检测的作用更强，能够很好地将图像中更细微的边缘检测出来，而忽略其他的细节。同样，它受到随机噪声的影响较大，即很容易将图像灰度平缓部分的随机噪声误认为是边缘，总的来说，此算子对于随机噪声较少的图像进行边缘检测的效果是比较好的。 3.5 Laplace算子的改进 Laplace算子是比较成功的，但它检测出来的图片中还有一些不连续的边缘，说明它的边缘检测不是十分精确。 分析Laplace算子，其算法的核心