基于指纹图像边缘检测算法比较研究.docVIP

基于指纹图像边缘检测算法比较研究 　　摘要：文章介绍了四种常用的图像边缘检测算子,通过对指纹图像边缘检测的几种不同算子结果的比较,分析了它们各自的特点,它们各自有其优缺点,在实践中应根据待解决问题的特点和要求决定采用何种方法。 　　关键词：边缘检测；指纹图像；图像处理 　　 　　1 引言 　　 　　边缘检测是图像处理领域的重要内容, 是进行模式识别和图像信息提取的基本手段。一方面，图像的边缘往往对应于生成图像的物理世界中对象的重要特征，也是图像分割所依赖的重要特征；另一方面，边缘检测使图像处理的数据量大大减少，有利于后续的特征提出和模式识别，因此对边缘检测算法的研究得到了广泛的关注。本文将介绍四种常用的边缘检测算法, 并对其进行了讨论与比较。 　　图像的边缘是图像的基本特征。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛地存在于物体与背景之间、物体与物体之间、基元与基元之间。它的存在是灰度不连续造成的。我们知道，即使很简单的景物中也包含着大量的细节，在图像中表现为强度的非连续性。 　　边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础, 是图像识别中提取图像特征的一个重要内容。图像理解和分析的第一步往往就是边缘检测, 目前它已成为机器视觉研究领域最活跃的课题之一, 在工程应用中占有十分重要的地位。 　　由于边缘检测的重要性, 人们提出了许多适用于不同场合的边缘检测算法。然而, 在实际图像处理中, 精确检测边缘具有相当的难度。对于自然图像, 检测的主要困难在于这些变化发生在一个很宽的尺度范围内。如果分别地看每个图像的像素, 就会发现像素之间的灰度级在变化。实际图像中的大多数边缘是锐边, 其灰度变化是由少量像素的陡变组成。还有一些边缘是模糊的, 其对应的灰度变化是大量的像素值缓慢改变引起的, 这些不同类型的灰度变化在图像中是不可分的。因此仅用一个算子不可能对检测不同程度的灰度变化都是最适合的。于是人们开始研究使用不同尺寸的算子。 　　 　　2 边缘检测算法 　　 　　物体的边缘是由灰度的不连续性所反映的。经典的边缘检测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导数变化规律，用简单的方法检测边缘，这种方法称为边缘检测局部算子法。 　　两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的表现，其是原图像上灰度变化最剧烈的地方。传统的边缘检测正是利用了这一点，对图像的各个像素进行一阶微分或二阶微分确定边缘像素点。在图像处理中一般用小区域的模版卷积来近似图像梯度。通常是对二维图像的x方向y方向分别用不同的模板，这两个模板组合起来可以构成一个梯度算子。图像处理发展到今天人们已经提出了很多算子，例如Roberts算子、Prewitt算子、Sobel算子和Laplacian算子等。其实构造这些算子的基本思想是统一的，它们的区别主要是模板的大小和元素值的不同。 　　2．1Roberts算子 　　Roberts算子是最古老的算子之一，是一种交差差分算子。由于它只使用当前像素的2 2邻域，是最简单的梯度算子，所以计算非常简单。它的卷积掩模也就是算子模板如图所示： 　　 　　从上面的Roberts算子模板的形式可以看出，Roberts算子计算时利用的像素数一共有4个，可以用模板对应4个像素与模板相应的元素相乘相加得到。 　　Roberts算子边缘定位准，主要缺点是其对噪声的高度敏感性，原因在于仅使用了很少几个像素来近似梯度。实用于边缘明显而且噪声较少的图像分割。 　　2．2Prewitt算子 　　上述Roberts算子的模板是2 2的，比较常见的还有3 3的模板，例如Prewitt算子。 　　对于3 3的卷积掩模，在8个可能方向估计梯度，具有最大幅值的卷积给出梯度方向。 　　近似图像函数一阶导数的算子由于具有确定梯度方向的能力，有时被称作罗盘算子。对于每个算子我们只给出前面三个3 3掩模，其他的可以通过简单旋转得到。Prewitt算子的模板如图所示： 　　 　　由上面的Prewitt算子的模板可以看出，Prewitt算子进行计算时要用到9个像素。对于每一个方向的梯度，可以用模板对应的9个像素与模板相应的元素相乘相加得到，其计算过程与Roberts算子相似。 　　Prewitt算子对噪声有抑制作用，抑制噪声的原理是通过像素平均。但是像素平均相当于对图像的低通滤波，所以Prewitt算子对边缘的定位不如Roberts算子。 　　2．3Sobel算子 　　采用梯度微分锐化图像，同时会使噪声、条纹等得到增强，Sobel算子则在一定程度上克服了这个问题。Sobel算子不像普通梯度算子那样用两个像素的差值，这就导致了两