图像边缘检测.pdfVIP

5, No.11000-9825/2004/15(01)0000 ©2004 Journal of Software 软件学报 像边缘检测 图 Edge Detection of Image Li Jie (Department of Computer Science and Technology,Nanjing University, Nanjing, China) Email:lijie1108@126.com 摘 要: 边缘检测是在图像的局部区域上针对像素点的一种运算，在计算机视觉、图像理解等应用中扮演着重 要的角色，同时也是图象分析与模式识别的重要环节。因为图像的边缘包含了模式识别的有用信息，所以边缘 检测是图像分析和模式识别中特征提取的主要手段，也使得边缘检测在计算机视觉的一些预处理算法中有着重 要的地位。另外，随着科技日新月异的发展，边缘检测技术也逐渐运用到生产和生活中。因此，对边缘检测的 研究也有很重要的实际应用价值。本文介绍了边缘检测的一般步骤，对灰度图像的几种边缘检测算法，作简单 的介绍。 关键词: 边缘检测；经验模型分解；Sobel算子；神经网络 中图法分类号: TP-301　　　文献标识码: A 1 引言 边缘检测是图像处理领域中最基本的问题，也是经典的技术难题之一，它的解决对于进行高层次的特征提 取、特征描述、目标识别和图像理解等有着重大的影响。因此，边缘检测在图像分割、模式识别、计算机视觉 等众多方面都有着非常重要的地位。然而由于成像过程中的投影、混合、畸变和噪声等导致图像的模糊和变 形，边缘往往难于检测，这使得人们一直致力于构造具有良好性质的边缘检测算子。边缘检测的研究有着久远 的历史，其原因一方面是由于课题本身的重要性，另一方面也反映了这个课题的深度和难度。所以，边缘检测 方面的研究具有非常重要的理论意义。 由于边缘为图像中灰度发生急剧变化的区域边界，传统的图像边缘检测方法大多可归结为图像高频分量的增 强过程，微分运算自然就成了边缘检测与提取的主要手段。人们最早提出了一阶微分边缘算子，用图像灰度分 布的梯度来反映图像灰度的变化，最早如1965年提出的Robert算子[1]，在Robert算子基础上改进得到的sobel[1] 算子、Prewitt[1]算子和Kirsh算子等。但是，这些算子由于梯度或一阶微分算子通常在图像边缘附近的区域内产 生较宽的响应，故上述算子检测到的边缘图像常需作细化处理，这就影响了边缘定位的精度。因而又产生了与 边缘方向无关的二阶微分边缘检测算子，即LaPlacian算子[2l 。利用二阶导数零交叉所提取的边缘宽度为一个像 素，所得的边缘结果无需细化，有利于边缘更准确的定位。 近年来，随着科学技术的发展，利用各种新的理论工具对图像进行边缘检测的方法得到了广泛的研究和应 用。例如基于形态学的边缘检测算子，借助统计学方法的检测技术[7]、利用神经网络的检测技术[8]、利用模糊 理论的检测技术[9]、利用信息论的检测技术[10]、利用遗传算法的检测技术、基于分形特征的边缘检测技术[24] 等的研究也相继出现，表现相当活跃。 由于实际图像都含有噪声，并且噪声的分布、方差等信息也都是未知的，而噪声和边缘都是高频信号。外加 物理和光照等原因，实际图像中的边缘常常发生在不同的尺度范围上，并且每一边缘像元的尺度信息是未知 的。因此，传统的边缘检测算法检测效果并不理想。 2 边缘检测的步骤和常用算法 2.1 边缘检测的基本步骤 1.滤波[16]：边缘和噪声同属图像中强度变化剧烈的部位因此边缘检测算子对边缘和噪声都很敏感，因此必须 使用滤波器来改善与噪声有关的边缘检测算子的性能。 2.增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度之有显著变化 的点突显出来。 3.检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某 种方法来确定哪些点是边缘点。最简单的边缘检测判据是利用梯度幅