数字图像处理中边缘检测算子优缺点探讨.doc

数字图像处理中边缘检测算子优缺点探讨作者：王雪 李伟 王伟来源：《科技创新导报》2011年第16期 ????????摘 要:图像边缘对图像识别和计算机分析十分有用,边缘能勾画出目标物体,使观察者一目了然;边缘蕴含了丰富的内在信息,是图像识别中重要的图像特征之一。从本质上说,图像边缘是图像局部特性不连续的反映,它标志着一个区域的终结和另一个区域的开始。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间,因此它是图像分割所依赖的重要特征,也是纹理特征的重要信息源和形状特征的基础,而图像的纹理形状特征的提取又常常要依赖于图像分割。图像边缘提取也是图像匹配的基础,因为它是位置的标志,对灰度的变化敏感,可作为匹配的特征。 ????????关键词:数字图像处理边缘检测算子Canny算子 ????????中图分类号:TN941 文献标识码:A 文章编号:1673-9795(2011)06(a)-0014-02 ????????1 引言 ????????图像边缘对图像识别和计算机分析十分有用,边缘能勾画出目标物体,使观察者一目了然;边缘蕴含了丰富的内在信息,是图像识别中重要的图像特征之一。从本质上说,图像边缘是图像局部特性不连续的反映,它标志着一个区域的终结和另一个区域的开始。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间,因此它是图像分割所依赖的重要特征,也是纹理特征的重要信息源和形状特征的基础,而图像的纹理形状特征的提取又常常要依赖于图像分割。图像边缘提取也是图像匹配的基础,因为它是位置的标志,对灰度的变化敏感,可作为匹配的特征点。 ????????2 图像边缘提取 ????????2.1 图像的边缘检测 ????????图像的边缘对人的视觉有重要意义,人类视觉系统识别物体很大程度上依赖边缘。边缘蕴含了丰富的内在信息(如方向、阶跃性质、形状等),是图像识别中抽取图像特征的重要属性。两个具有不同灰度值的相邻区域之间存在边缘,边缘是灰度不连续的结果,这种不连续可利用求导数方便地检测到。边缘特征不仅用于图像分割和纹理分析,也是三维目标提取的重要信息源。 ????????微积分中用导数描述连续函数的变化,图像函数依赖于两个变量,即图像平面的横纵坐标。因此,描述边缘的检测算子使用偏导数。图像函数的变化可以用指向图像函数最大增长方向的梯度表示。梯度方向(与边缘方向垂直)上的边缘具有典型性。对于一幅图像中突出的边缘区,其梯度值较大;对于平滑区,梯度值较小;对于灰度级为常数的区域,梯度为零。 ????????边缘检测是图像分析的经典研究课题之一,目前的理论和方法仍在不断的改进和发展。边缘检测首先检测出图像局部特性的不连续,然后再将这些不连续的边缘像素连成完整的边界。边缘的特性表现为沿边缘走向的像素变化平缓,而垂直边缘方向的像素变化剧烈。所以从这个意义上说,检测边缘的算法就是检测出符合边缘特性的边缘像素的数学算子。 ????????2.2 常用的边缘检测算子 ????????2.2.1 Roberts算子 ????????Roberts算子采用的是对角方向相邻的两个像素之差,是一种利用局部差分算子来寻找边缘的算子。Roberts算子只使用当前像素的2*2邻域,主要缺点是对噪声的高度敏感性,原因在于使用了很少几个像素来近似梯度。 ????????2.2.2 Sobel算子 ????????Sobel算子是先做加权平均,再微分,然后求梯度。利用该算子进行卷积运算,两个卷积核的最大值作为该点的输出位。 ????????2.2.3 Prewitt算子 ????????同Sobel算子相同,图像中的每个点都用这两个核进行卷积,取最大值作为输出。 ????????2.2.4 Kirsch算子 ????????图像中的每个点都用8个掩模进行卷积,每个掩模都对某个特定边缘方向做出最大响应,所有8个方向中的最大值作为边缘幅度图像输出。 ????????2.2.5 Laplacian算子 ????????Laplacian算子是线性二次微分算子,与梯度算子一样,具有旋转不变性。 ????????对离散的数字图像而言,二阶偏导数用二阶差分近似,由此可推导出Laplacian算子表达式为: ????????(1) ????????Laplacian增强算子为: ????????(2) ????????其特点有:(1)由于灰度均匀的区域或斜坡中间为0,Laplacian增强算子不起作用;(2)在斜坡底或低灰度侧形成“下冲”;而在斜坡顶或高灰度侧形成“上冲”,说明Laplacian增强算子具有突出边缘的特点。 ????????2.3 Canny边缘检测算子[5] ????????2.3.1 理论基础 ??