几种常用边缘检测算法的比较.docxVIP

几种常用边缘检测算法的比较 摘要：边缘是图像最基本的特征，边缘检测是图像分析与识别的重要环节。基于微分算子的边缘检测是目前较为常用的边缘检测方法。通过对Roberts，Sobel，Prewitt，Canny和Log及一种改进Sobel等几个微分算子的算法分析以及MATLAB仿真实验对比，结果表明，Roberts，Sobel和Prewitt算子的算法简单，但检测精度不高，Canny和Log算子的算法复杂，但检测精度较高，基于Sobel的改进方法具有较好的可调性，可针对不同的图像得到较好的效果，但是边缘较粗糙。在应用中应根据实际情况选择不同的算子。 0引言 边缘检测是图像分析与识别的第一步，边缘检测在计算机视觉、图像分析等应用中起着重要作用，图像的其他特征都是由边缘和区域这些基本特征推导出来的，边缘检测的效果会直接影响图像的分割和识别性能。边缘检测法的种类很多，如微分算子法、样板匹配法、小波检测法、神经网络法等等，每一类检测法又有不同的具体方法。目前，微分算子法中有Roberts，Sobel，Prewitt，Canny，Laplacian，Log以及二阶方向导数等算子检测法，本文仅将讨论微分算子法中的几个常用算子法及一个改进Sobel算法。 1边缘检测 在图像中，边缘是图像局部强度变化最明显的地方，它主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间。边缘表明一个特征区域的终结和另一特征区域的开始。边缘所分开区域的内部特征或属性是一致的，而不同的区域内部特征或属性是不同的。边缘检测正是利用物体和背景在某种图像特征上的差异来实现检测，这些差异包括灰度、颜色或纹理特征，边缘检测实际上就是检测图像特征发生变化的位置。边缘的类型很多，常见的有以下三种：第一种是阶梯形边缘，其灰度从低跳跃到高；第二种是屋顶形边缘，其灰度从低逐渐到高然后慢慢减小；第三种是线性边缘，其灰度呈脉冲跳跃变化。如图1所示。 (a)阶梯形边缘(b)屋顶形边缘 图像中的边缘是由许多边缘元组成，边缘元可以看作是一个短的直线段，每一个边缘元都由一个位置和一个角度确定。边缘元对应着图像上灰度曲面N阶导数的不连续性。如果灰度曲面在一个点的N阶导数是一个Delta函数，那么就定义灰度曲面在这个点是N阶不连续，则线性边缘是0阶不连续，阶梯形边缘是一阶不连续，而屋顶形边缘是二阶不连续。在实际中，单纯的阶跃和线性边缘图像是很少见的，由于大多数传感元件具有低频特性，使得阶跃边缘变成斜坡形边缘，线性边缘变成屋顶形边缘。 边缘检测可分为滤波、增强、检测、定位四个步骤，由于微分边缘检测算法主要是基于图像强度的一阶和二阶导数，而导数的计算对噪声很敏感，噪声的存在可能会使检测到的边缘变宽或在某些点处发生间断，因此，需要使用滤波器来滤掉噪声。大多数滤波器在降低噪声的同时也会引起边缘强度的损失，增强图像边缘可以弥补损失，但增强边缘和降低噪声之间需要折衷。在边缘检测算法中，前三个步骤用得十分普遍，这是因为在大多数情况下，只需要边缘检测器指出边缘出现在图像中某一像素点的附近即可，而没有必要指出边缘的精确位置。 2微分边缘检测算子2.1一阶微分算子Roberts算子 Roberts算子是一种利用局部差分算子寻找边缘的算子,它由下式给出： g3,y)=L，f3,y)-f3+1,y+1)]2+[xf3+1,y)-f3,y+1)]2⑴ 其中，f(x,y)、f(x+1,y)、f(x,y+1)和f(x+1,y+1)分别为4领域的坐标，且是具有整数像素坐标的输入图像。 Robert算子是2x2算子模板。图2所示的2个卷积核形成了 Roberts算子。图像中的每一个点都用这2个核做卷积。 100-101-10图2Roberts算子 1 0 0 -1 0 1 -1 0 Roberts算子边缘定位精度较高，但容易丢失一部分边缘，同时由于没有经过图像平滑计算，因此不能抑制噪声，该算子对具有陡峭的低噪声图像响应较好。 Sobel算子 Sobel算子是一种一阶微分算子，它利用像素临近区域的梯度值来计算1个像素的梯度，然后根据一定的阈值来取舍。它由下式给出： S=加2+d2(2) Sobel算子是3x3算子模板。图3所示的2个卷积核dx、dy形成Sobel算子。一个核通常的垂直边缘响应最大，而另一个核对水平边缘响应最大。2个卷积的最大值作为该点的输出值。运算结果是一幅边缘幅度图像。 -1 0 1 -2 0 2 -1 0 1 图3Sobel算子Prewitt算子Prewitt算子由下式给出: 图3Sobel算子 S=-d2+d2pxy Prewitt算子是3x3算子模板。图4所示的2个卷积核dx和dy形成了Prewitt算子。与Sobel算子的方法一样，图像中的每个点都用这2个核进行卷积。取最大值作为输出值。Prewi