基于图像边缘提取油水界面检测算法比较研究.docVIP

基于图像边缘提取油水界面检测算法比较研究 　　【摘 要】图像边缘包含图像的大量重要信息，它主要存在于目标与目标、目标与背景、区域与区域之间。图像边缘的图像的边缘检测是获取图像信息的一个重要环节。图像边缘的检测结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。本文将Sobel算子、形态学梯度、Canny算子三种边缘提取方法应用于油水界面检测，实验对比了这三种方法的油水界面检测效果，可以看出每一种算法的特性和他们各自的适用状况。 　　【关键词】边缘检测；图像处理；油水界面 　　0 引言 　　图像边缘是图像最基本的特征。边缘是指图像中周围像素灰度变化不连续的那些像素的集合。图像的边缘部分集中了图像的大部分信息，图像边缘的检测与提取对于整个图像的别与理解是非常重要的。我们将边缘定义为图像中灰度发生急剧变化的区域边界，图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分来获得边缘检测算子[1]。 　　传统的边缘检测算法包括空域微分算子和拟合曲面两种方法。空域微分算子包括Roberts算子、Prewitt算子、Sobel算子、Laplace算子、Canny算子等；拟合曲面是利用当前像素领域中的一些像素值拟合一个曲面，然后求这个连续曲面在当前像素出的梯度，用微分算子的方法进行边缘检测。除此以外，以数学形态学为基础的形态学梯度算法在图像处理中已经得到了广泛的应用。形态学梯度能够比较精确地反映图像梯度的变化，梯度值的大小反映了原图像信息中像素灰度值变化的剧烈程度。 　　图像的边缘检测已经广泛应用于各个领域当中。针对油水分离问题，油水界面的边缘检测显得尤为重要。工业上针对大型油田目前国内普遍采用重力油水分离法，油水混合物具有复杂的物理特性，为了达到将油水较好地分离，油水界面检测技术显得尤为重要[2]。从测量原理的角度来看，目前已经有浮子式、电容式、磁致伸缩式、光纤式及射线式等不同的界面检测仪器，而这些仪器普遍存在非接触性差、可维护性差、精度不高的缺点。 　　本文从计算机视觉角度出发，利用边缘检测算法对油水界面实验图像进行检测，并对传统Sobel算子、形态学梯度和Canny算子对油水界面实验图像的边缘检测的效果进行各方面的对比，通过图像效果的比较加深对三种方法的理解，对不同方法的优缺点有一定的认识，在实际应用中更为灵活地掌握，从而较为准确地获取图像的边缘信息。 　　1 几种边缘检测算子的算法实现 　　1.1 Sobel算子的算法实现 　　对于数字图像{f（i，j）}，的每个像素，Sobel梯度算子首先进行加权平均，再微分，然后进行一阶微分处理，检测出边缘点。 　　为了得到一幅图像的梯度，在图像的每一个像素位置处都需要计算偏导数？坠f/？坠x和？坠f/？坠y，因此，可以使用小区域模板卷积来进行近似计算[3]。 　　卷积算子（左为垂直方向，右为水平方向） 　　使用卷积算子进行卷积运算，使用如公式（1），求出梯度值G（i，j）。 　　G（i，j）=|f（i-1，j+1）+2*f（i，j+1）+f（i+1，j+1）-f（i-1，j-1）-2*f（i，j-1）-f（i+1，j-1）|+|f（i-1，j-1）+2*f（i-1，j）+f（i-1，j+1）-f（i+1，j-1）-2*f（i+1，j）-f（i+1，j+1）| （1） 　　适当选取阈值使图像二值化Threshold，梯度值G（i，j）大于等于阈值Threshold的点为边缘点，反之则不是边缘点，从而实现边缘检测。 　　算法的主要步骤[3]： 　　（1）分别将两个方向模板沿着图像从一个像素移动到另一个像素，并将像素的中心与图像中的某个像素位置重合； 　　（2）将模板内的系数与其图像上相对应的像素值f（x，y）相乘，并将所有相乘的值相加； 　　（3）计算梯度值作为新的灰度值； 　　（4）选取适当的阈值Threshold，若新像素灰度值大于等于Threshold，则判断该像素点为图像边缘点。 　　1.2 形态学梯度的边缘检测算法 　　数学形态学以形态为基础对图像进行分析，其基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到图像分析和识别的目的。数学形态学的基本思想是利用结构元素去探测图像，讨论是否能够将这个结构元素很好地放进图像内部，同时验证填放结构元素的方法是否有效。 　　定义1：图像A被结构元素B腐蚀[4] 　　（AΘB） （x，y）=min{A（x-s，y-t）-B（s，t）/（x-s，y-t）∈DA；（s，t）∈DB}（2） 　　腐蚀的基本目的在于标记出图像内部可以将结构元素填入的位置。如果结构元素的原点在其内部，经过腐蚀处理的图像作为原图像的一个子集而存在；如果结构元素的原点在其外部，腐蚀后的图像