图像边缘检测方法的发展与现状.pdfVIP

图像边缘检测方法的发展与现状 1 ○经典算子法 2 ○2 最优算子法 2 3 ○曲面拟合法 3 ○4 多尺度方法 3 ○5 基于自适应平滑滤波的方法 4 6 ○松弛迭代法 4 ○7 数学形态学在边缘检测中的应用 4 由于边缘是图像的最基本特征， 它有能勾画出区域的形状、 能被局部定义以 及能传递大部分图像信息等诸多优点， 所以边缘信息的提取无论是对人类还是对 机器视觉来说都是一个最重要、 最经典的课题。 通常我们将边缘划分为阶跃状和 屋顶状两种类型， 如图 1 所示。阶跃边缘中两边的灰度值有明显的变化， 而屋顶 状边缘位于灰度增加与减少的交界处。 在数学上可利用灰度的导边缘检测的定义 有很多种， 其中最常用的一种定义为： 边缘检测是根据引起图像灰度变化的物理 过程来描述图像中灰度变化的过程。 图 1 阶跃型边缘和屋顶状边缘处一阶及二阶导数变化规律 (其中第一行为理想信号，第二行对应实际信号 ) 长期以来， 人们一直在研究各种能较好实现边缘检测的方法， 但由于以下原 因：图像本身的复杂性；有效边缘与噪声均为高频信号，容易混淆；光照阴影及 物体表面纹理等因素在图像中均表现为边缘； 对于不同的使用者来说所关心的边 缘信息各不相同等因素的影响，使得边缘提取迄今为止仍然是一个难题。因此， 目前对边缘检测方法的研究依然以根据具体要求设计新方法， 或是对现有方法进 行改进为主要方向。 已有的边缘检测方法可分为以下几类： 1 经典算子法 ○ 经典的边缘检测方法是以原始图像为基础， 对图像的各个像素考察它的某个 领域内灰度阶跃变化， 利用边缘邻近一阶或二阶方向导数变化规律检测边缘。 由 于边缘点往往对应于一阶微分值大的点， 早期学者们提出的都是基于梯度的边缘 检测算子： Roberts边缘检测算子、 Sobel 边缘检测算子、 Prewitt 边缘检测算子、 Kirsch 边缘检测算子等。 这些算子都是现在应用比较广泛的方法， 它们运算量小， 操作简单。 但基于梯度的边缘检测算子在边缘附近区域产生的响应较宽， 所以利 用上述算子得到的边缘还需后续的细化处理， 从而使得边缘定位精度不高。 一阶 微分的局部最大值对应着二阶微分的过零点， 如图 1 所示，即图像边缘点一阶微 分的峰值处同为二阶微分的零交叉点， 基于此人们提出了二阶微分算子法， 拉普 拉斯边缘检测算子。 它在灰度阶跃边缘的两侧均有响应。 其值一边为正， 一边为 负，而对斜坡形边缘响应为零， 即值为零， 并且在此零值点的两侧也有一正一负 两个峰值。 不论是阶跃边缘还是斜坡边缘， 这一正一负两峰值的大小及走向， 反 映了边缘的强弱及走向。 它对灰度突变更加敏感， 因此使得噪声对图像的影响变 大。 2 ○最优算子法 最优算子是在经典边缘检测算子的基础上发展得来的， 这类方法是根据信噪 比求得检测边缘的最优滤波器。为提高传统算子的抗噪性能， Marr