对Canny边缘检测器的改进英文翻译.doc

英文翻译 对Canny边缘检测器的改进 摘要 Canny边缘检测已经广泛应用于计算机视觉用来定位急剧强度变化的地方，并找到一个图像对象的边界。如果像素的梯度幅值比它在同一方向的相邻的像素梯度幅值都大时，Canny边缘检测器就将此像素点分类为边缘。在本文中我们将展示在这种方式定义边缘的会造成一些明显边缘的丢失。我们也会说明如何改进Canny边缘检测器，以提高其检测精度。 关键词：边缘检测；Canny边缘检测器；过零边缘；失踪边缘；边缘精度1.简介  边缘检测和其他众多的方法一样是计算机视觉中的基本操作。在一篇著名的文献中，Marr和Hildreth[1]介绍了理论边缘检测和描述了一种基于图像的拉普拉斯高斯过零检测的方法来确定图像边缘的方法。 Haralick [2]则通过拟合多项式函数局部图像强度和寻找函数的二阶方向导数的过零点来确定边缘。Canny[3]通过一个优化过程来确定边缘，并提出一个近似的最优检测器的最大值对一个高斯平滑图像梯度的幅度。Clark[4]和Ulupinar和Mediioni[5]独立地发现了一个方法，通过了拉普拉斯高斯滤波器滤除了一些虚假边缘。 Bergholm[6]介绍了边缘聚焦和边缘跟踪的概念，并从粗边缘中消除弱边缘和噪声边缘来得到精细边缘。Goshtasby 和 Shyu 提出了曲线拟合的方法来检测边缘，其中边缘轮廓用带有权值的高梯度图像像素比例参数曲线表示。在边缘检测取得的最新进展中， 其中包括了Elder 和Zucker [8]提出了多尺度的边缘检测方法，以及Li[9]提出的一种自适应平滑方法去除图像中的细节而不使边缘模糊。许多其他的边缘检测技术已被提出。为了对这些边缘检测器的性能做一个调查和比较，读者可以参考 Heath et al的文献[10]。 到目前为止，在所有提出的边缘检测方法中Canny边缘检测器是最严格界定和被广泛使用的边界检测器。Canny边缘检测器的广泛使用的得益于其由于其良好的最优根据检测的3个标准，良好的定位，以及对于边缘的单一响应。它也有一个很简单的近似实现，它是本文件的主题。我们将展示的例子在实施这一近似中造成的一些明显边缘的缺失。我们还将展示如何修改Canny边缘检测器，以提高其检测精度。 2.修正的Canny边缘检测器  虽然Canny描述了这个最优化的过程建立在坚实的理论基础上但是这个理论并不是完美无瑕的，而简单的逼近它的几乎所有的实现都是建立在这些理论之上，一个典型的Canny边缘检测器[11 ，12]进行边缘检测都将遵循以下步骤： 1.用合适的的高斯滤波器平滑图像，以减少一些不需要的图像细节。 2.确定每一个像素的梯度幅度和梯度方向。 3.如果在一个像素的梯度幅度比它沿梯度方向的两个相邻像素的梯度幅值都大时，将此像素标记为边缘。否则，将此像素标记为背景。 4.消除迟滞阈值的弱边缘。 Fig. 1. (a) An image with four well-dened homogeneous regions.(b) Image after smoothing with a Gaussian kernel ofstandard deviation 11 pixels. (c) Gradient magnitudes of (b). (d)Edges of (a) determined by the Canny edge detector witha Gaussian smoother of standard deviation 11 pixels. These arethe major edges. (e) The minor edges. (f) Edges obtained by therevised Canny edge detector 我们已经用该算法的步骤3来缩小了误差来源，，我们拿图1(a)来举个例子。图 1(a是一个由相似的四个区域组成的图片。图1(b则是该图通过一个标准差是11像素的高斯滤波器之后的效果图。图1(b是图1(b的梯度幅度图。在这幅梯度图像中，通过明显的水平的和垂直的通过图像中心条纹，我们可以清楚的看到图像的边缘信息。使用了梯度方法检测边缘的检测器能够识别交汇于中心的四条边界轮廓，并且能够将它们从相似的区域中区分出来。 如果我们用标准差为11个像素的高斯滤波器作为平滑滤波器的Canny算法来检测图1(a中的边缘时，我们能得到图1(d。我们会发现处于中心位置的边缘丢失了。Canny检测器不能检测出细枝型的边缘。从图1(d中我们还发现一些其他的边缘也丢失了。通过仔细观察那些丢失边缘的梯度幅度和方向，我们发现那些丢失的边缘它们的梯度幅度比相邻像素的都大，但是这个最大值却不是在梯度方向上取到的。因此