图像边缘检测原理和方法.pdfVIP

图像边缘检测原理及方法 一、图像边缘检测原理 边缘是图像上灰度变化最明显的地方，传统边缘检测利用此特点，对图像 各像素点进行求微分或二阶微分来定位边缘像素点。由灰度变化特 ，可将边 [1] 缘类型分为阶梯状、脉冲状和屋顶状三种 。对于阶梯状，图像边缘点对应一阶 微分图像的峰值和二阶微分图像的零交叉处；对于脉冲状和屋顶状边缘，边缘 1-1 [2] 点对应一阶导数的零交叉和二阶导数的峰值。如图 所示 。 图1-1 三种不同类型的边缘和对应的曲线 根据数字图像特点，处理图像时常采用差分代替导数运算。对于图像的简 单一阶导数运算，由于具有固定的方向性，只能检测特定方向的边缘，所以不 具有普遍性。为了克服一阶导数的缺点，我们定义图像的梯度为梯度算子，它 是图像处理中最常用的一阶微分算法。图像梯度的最重要性质是梯度的方向是 在图像灰度最大变化率上，它恰好可以反映出图像边缘上的灰度变化。 二、图像边缘检测方法 边缘检测算子是利用图像边缘的突变性质来检测边缘的。主要分为两种类型 [3]：一种是以一阶导数为基础的边缘检测算子，通过计算图像的梯度值来检测图 像边缘，如：差分边缘检测、Roberts 算子、Sobel 算子、Prewitt算子；一种是 以二阶导数为基础的边缘检测算子，通过寻求二阶导数中的过零点来检测边缘， 如：Laplacian 算子、LOG 算子、Canny 算子。 1、差分边缘检测 在处理数字图像的离散域时，可用图像的一阶差分直接代替图像函数的导 数。二维离散图像函数在x方向的一阶差分定义为：f (x1,y)f (x,y)，在y 方 向的一阶差分定义为：f (x,y1)f (x,y)[4]。 差分边缘检测通过求图像灰度迅速变化处的一阶导数算子的极值来检测奇 异 。某一点的值则代表该点的 边缘强度 ，通过对这些值设定阈值进一步得到“ ” 边缘图像。同时，差分边缘检测要求差分方向与边缘方向垂直，此时需对图像不 同方向进行差分运算。边缘检测一般分为垂直边缘、水平边缘、对角线边缘，各 2-1 [5] 自方向模版如图 所示 。 0 0 0 0 -1 0 -1 0 0       -1 1 0  0 1 0  0 1 0  0 0 0 0 0 0 0 0 0 垂直边缘 水平边缘 对角线边缘 图2-1 差分算法检测边缘的方向模板 差分边缘是基本且原始的方法，根据阶跃边缘情况原理，利用导数算子检测 边缘。这种算子要求方向性，计算繁琐，因此很少采用。 2、Roberts 算子 Roberts [6] 边缘检测算子 利用局部差分算子寻找边缘的算子，采用对角线方 向相邻像素之差近似梯度幅值检测边缘，原理是根据任意一对互相垂直方向上的 差分可计算梯度。 xf f (i,j)f (i1,j 1) （2-1） xf f (i,j 1)f (i1,j) （2-2） R(i,j)  f  f2 2 或 R(i,j)  f  f （2-3） x y x y 2-2 [7] 它们的卷积算子如下图 所示 。