一种改进的prewitt图像边缘检测算子.pdfVIP

一种改进的prewitt图像边缘检测算子 李秀峰，荣慧芳 北京科技大学机械工程学院100083 Email：ustblxf@126.com 摘 要：本文在研究Prewitt边缘检测算子原理的基础上，介绍一种改进的Prewitt边缘检测— 8模板Prewitt边缘检测法，它能够检测8个方向的边缘,Guass-Laplace算子、Krisch算子、8模 板Prewitt算子用于处理含缺陷的药用玻璃瓶并对处理效果和处理速度对比，得出该方法是一 个切实可行的方法。 关键词：图像,边缘检测，8模板Prewitt算子，玻璃瓶，缺陷 1．引言 边缘最能反映出物体( 目标) 的个体特征，包含了有关物体( 目标) 的独特的重要信息。边 缘检测是一种对图像的低层处理手段；是图像分割、纹理特征提取和形状特征提取等图像分 析的重要基础。它成为图像处理研究领域最活跃的课题之一。人们已经发展了许多边缘检测 [1] [2] [3] [4] 算子,如Roberts算子 、Sobel算子 、Prewitt算子 、Kirsch算子 等。微分算子法是最为经 典的边缘检测方法，具有算法简单、易于实现、实时性高等优点，因而在实际的图像分析与 处理中具有广泛的应用。本文对Prewitt算子进行改进并利用不用算子对含有缺陷的玻璃瓶进 行处理得出该算子能够达到满意的结果，可应用于工业现场。 2 ．边缘检测的基本理论 经典的边缘提取方法是考察图像的每个像素的某个邻域内灰度的变化。利用边缘邻近一 阶或二阶方向导数变化规律。用简单的方法检测边缘,称为微分算子法。 导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的 值较高。因此我们将图像的导数算子运算值作为相应的边界强度。所以可以通过对这些导数 值设置阈值，提取边界的点集。 2.1 Krisch边缘算子 图1所示的8个卷积核组成了Krisch边缘算子。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作出最大响应，所有8个方向中的最大值作为边缘幅度图象 [5] 的输出。最大响应掩模的序号构成了边缘方向的编码 。 图1 Krisch边缘算子 2.2 ．高斯-拉普拉斯算子(Guass-laplace) 拉普拉斯算子是对二维函数进行运算的二阶导数算子。通常使用的拉普拉斯算子如图2 因为噪声点对边缘检测有一定的影响，所以高斯拉普拉斯算子是效果较好的边缘检测器。 - 1 - 它把高斯平滑滤波器和拉普拉斯锐化滤波器结合了起来，先平滑掉噪声，再进行边缘检测， 效果更好。常见的高斯-拉普拉斯算子是5 ⅹ5的模板如下图3 。 图2 Laplace算子 图3 5 ⅹ5的模板 3 ．一种改进的Prewitt算子--8模板prewitt算子 3.1 Prewitt算子 Prewitt算子是由图4所示的两个卷积核形成的.在处理时,图像中每个点都用这两个核进行 卷积,一个核通常的垂直边缘响应最大，而另一个对水平边缘响应最大。两个卷积的最大值 作为该点的输出位。运算结果是一幅边缘幅度图像。图4 内模板的数字是模板系数，中间的 点表示中心元素。 图4 Prewitt算子 Prewitt算子利用像素点上下、左右邻点灰度差，在边缘处达到极值检测边缘。对噪声 具有平滑作用，定位精度不够高，Prewitt算子基本丢失了角点信息[6]，它不是各向同性的。 为了解决上面的问题，本文提出一种改进的Prewitt算子——8模板Prewitt算子。 3.2 将prewitt算子改为8模板Prewit