图像处理中边缘检测算法性能的分析.docVIP

图像处理中边缘检测算法性能的分析 　　摘 要：数字图像处理和计算机视觉有一个基本问题就是边缘检测。图像中会有亮度变化比较明显的点就是图像的边缘。图像的边缘表现出了图像的位置信息、轮廓特征等。边缘检测现在只要应用在分析和处理图像中，像提取图像特征、分割图像、增强图像、复原图像、模式识别、图像压缩等。本文介绍了边缘检测算法中的几种经典边缘检测算法，讨论了这几种经典的边缘检测算子的若干性能判据，通过实验验证：不同的边缘检测算子对分辨率不同的图像性能变化是不同的。 　　关键词：边缘检测 图像处理 检测性能 图像分辨率 　　中图分类号：TP751 文献标识码：A 文章编号：1672-3791（2014）05（b）-0023-02 　　图像特征提取中广泛应用了边缘检测。图像中最基本的特征就是图像的边缘，一幅图像主要由它的轮廓边缘特征提供。所以在图像处理中很重要的一步就是提取和检测边缘，边缘检测算法的好坏对整个图像处理系统的性能都会产生影响。提取图像中对象与背景间的交界线需要通过某种算法来得到边缘检测的实质。目前使用的不同的边缘检测算子各有优缺点，因此，图像的边缘检测算法需要进一步的研究与改进。文中介绍了几种经典的边缘检测算法并对这几种算法进行了比较。 　　1 边缘检测算法简介 　　1.1 经典边缘检测算法 　　图像边缘检测可以减少大量的无关数据量，保留图像中重要属性。目前，边缘检测的方法有很多，比较常用的几种经典检测算子[1～3]可分为基于一阶微分和基于二阶微分两种。基于一阶微分的方法主要包括Roberts算子，Sobel算子，Prewitt算子和Krisch算子等。基于二阶微分的方法通过寻找图像二阶导数过零点来寻找边界，如Laplacian算子。 　　Robers算子：该算子利用局部差分寻找边缘，它是在2×2的邻域上计算对角导数。 　　Sobel算子：该算子有2个，一个是检测水平边缘的；另一个是检测垂直边缘的。Sobel算子对图像中像素的位置信息做了加权，因此，比其他梯度算子的检测效果更好。 　　Prewitt算子：该算子与sobel算子相同。这两种算子都是对图像中的每一点用3×3模板做卷积，不同的是采用的卷积核不同。该算子具体的检测步骤是：依次用边缘模板去检测图像，与被检测区域最为相似的取最大值作为输出，即为图像的边缘。 　　Kirsch算子：该算子由8个卷积核组成。图像中的每一点都用8个掩模进行卷积，每个掩模都对特定边缘方向作出最大响应，将8个方向中的最大值作为幅度图像的输出。 　　Laplacian算子：对一个3×3大小的区域，在实践中经常遇到以下两种Laplacian算子模板。 　　LOG算子： 　　（1）平滑滤波器是高斯滤波器。（2）增强步骤采用二阶导数。（3）边缘检测判据是二阶导数过零点并对应一阶导数的峰值。（4）使用线性内插方法在子象素分辨率水平上估计边缘的位置。常用的LOG算子是5×5的模板。 　　Canny算子：该算子是最常用的边缘检测方法。该算子采用最优预平滑滤波器对图像进行平滑滤波，然后采用一种称之为“非极值抑制”技术，对平滑滤波后的图像进行处理，得到所需的边缘。它是说边缘定义为在梯度方向具有最大梯度值的点。但是，Canny算子不能既抑制噪声了又准确定位了边缘。因为，该算子通过平滑滤波除去了噪声，但是却增加了边缘定位的不准确性。如果提高该算子对边缘的敏感性，同时也提高了对噪声的敏感性。 　　1.2 经典边缘检测算子的性能比较 　　（1）Roberts算子是一阶微分算子，利用局部微分检测边缘，分别计算沿45°方向的一阶微分，图像的梯度大小即为这两个45°方向上梯度向量之和。该算子不对图像进行滤波，直接对图像计算微分，所以不能将噪声很好的剔除。该算子对噪声小的图像、对边缘陡峭的图像检测效果好。 　　（2）Sobel算子与Prewitt算子：这两个算子都是首先对图像进行滤波，然后对图像进行差分计算，区别仅仅在于平滑滤波的权值不同。这两个算子对噪声大、灰度渐变的图像检测效果好。 　　（3）Laplacian算子：是二阶微分算子，其二阶微分过零点即为阶跃图像的边缘点，最小值点可作为屋顶型图像的边缘。该算子最小值算法用于屋脊型边缘的检测效果不错，但对噪声比较敏感。该算子过零点算法可直接用于检测阶跃型边缘，但是过零点的门限比较难确定，而且检测精度一般较低。 　　（4）Canny算子：是一阶算子。该方法实质是首先采用一个最优预平滑滤波器―高斯函数作滤波器进行滤波，然后以带方向的一阶微分算子定位导数最大值，它可用高斯函数的梯度来近似，在理论上很接近4个指数函数的线性组合形成的最佳边缘算子。它是检测阶跃型边缘效果最好算子之一，它的去噪能力比Prewitt算子，Sobel算子，Laplac