图像边缘检测技术研究现状

1、第 32卷 第 1期2010-1 【45】图像边缘检测技术研究现状The survey of the technology of image edge detection朱红高 ZHUHong-gao(湖北职业技术学院信息技术学院,孝感432000摘要:本文首先回顾了经典的边缘检测算子,主要分析了各种算法的特点和处理性能,并对它们自身的优缺点进行了论述。接着对近年来出现的新的边缘检测方法进行了介绍,较全面地阐述了图像边缘检测技术的研究现状。关键词:边缘检测;小波变换;模糊理论 中图分类号:TP274文献标识码:A文章编号:1009-0134(201001-0045-03收稿日期 :2009-1

2、0-26作者简介:朱红高(1968- ,男,湖北孝感人,讲师,本科,研究方向为图形图像处理、多媒体技术等。0引言所谓边缘是指图像中周围像素灰度有阶跃变化 或屋顶状变化的那些像素的集合, 是图像的最基本 的特征 1。 它存在于目标与背景、 目标与目标、 区域 与区域、基元与基元之间。 边缘具有幅度和方向两 个基本特征, 沿边缘走向, 像素值变化比较平缓 ; 垂 直于边缘的走向,像素值变化比较明显, 可能呈现 阶跃状, 也可能呈现斜坡状 (即屋顶状 。 因此, 边 缘可以分为两种:一种为阶跃性边缘, 它两边的像 素灰度值有着明显的不同;另一种为屋顶状边缘, 它位于灰度值从增加到减少的变化转折点。

3、对于阶 跃性边缘,二阶方向导数在边缘处呈现零交叉;而 对于屋顶状边缘, 二阶方向导数在边缘处取极值 2。边缘检测技术是图像处理和计算机视觉等领域 最基本的技术。如何快速地、 精确地提取图像边缘 信息,一直是国内外研究的热点, 然而边缘检测又 是图像处理中的一个难题。 早期经典算法包括边缘 算子法,曲面拟合法,模版匹配法,门限化方法等 等。近年来随着数学理论及人工智能的发展, 又涌 现出许多新的边缘检测方法, 如小波变换和小波包 的边缘检测法、基于数学形态学、 模糊理论和神经 网络的边缘检测法。1经典的边缘检测算子经典的边缘检测方法是对原始图像中像素的某 个小领域来构造边缘检测算子。 常用的边缘

4、检测方法有Roberts算子、 Sobel算子、 Prewitt算子、 Laplacian 算子、LOG 算子、Canny 算子等。1.1基于检测梯度极大值(即一阶微分的边缘检测 方法目前应用比较多的是基于微分的边缘检测算 法 3, 梯度算子是其中重要的一个检测算法。 由于边 缘检测发生在图像灰度值变化比较大的地方, 对应 连续情况就是说函数梯度较大的地方, 所以研究比 较好的求导算子就成为一种思路。边缘检测的实质是采用某种算法来提取出图像 中对象与背景间的交界线。 将边缘定义为图像中灰 度发生急剧变化的区域边界。 图像灰度的变化程度 可以用图像灰度分布的梯度决定, 因此可以用局部 图像中像素

5、的某小邻域来构造边缘检测子。 以下是 上述几种经典的边缘检测算子。和数量。 最简单的边缘算子是用图像的垂直和水平 差分来逼近梯度算子:(1Roberts 边缘检测算子是对每一个像素计算出(1的向量, 然后求出它的绝对值, 再进行阈值操作。 这就是 Roberts 边缘检测算子。 【46】第 32卷第 1期2010-1Roberts算子采用对角线方向相邻两像素之差 近似梯度幅值检测边缘。检测水平和垂直边缘的 效果好于斜向边缘,定位精确度较高,对噪声较 敏感。Prewitt 是使用两个有向算子(一个水平的,一 个垂直的 , 每一个逼近一个偏导数。 Prewitt边缘检 测算子检测图像M的边缘, 可

6、以先分别用水平算子 和垂直算子对图像进行卷积,得到的是两个矩阵, 在不考虑边界的情况下也是和原始图像同样大小的 M1,M2,它们分别表示图像 M 中相同位置处的两 个偏导数。然后把 M1,M2对应位置的两个数平方 后相加得到一个新的矩阵 G, G 表示 M 中各个像素 的灰度的梯度值 (一个逼近 。 然后就可以通过阈值 处理得到边缘图像。Sobel 边缘检测算子和 Prewitt 边缘检测算子的 不同就在于所使用的有向算子不一样而已。 Sobel算 子利用像素点上下、左右邻点的灰度加权算法, 根 据边缘点处达到极值这一现象进行边缘检测。 Sobel 算子对噪声具有平滑作用, 提供较为精确的边缘

7、方 向信息,但它同时也会检测出许多的伪边缘, 边缘 定位精度不够高。1.2基于二阶导数的边缘检测方法一阶微分组成的梯度是一种矢量, 不但有大小 还有方向,和 标 量 比 较 ,数据存储量比较大。 Laplacian算子是对二维函数进行运算的二阶微分算 子 4, 是一个标量, 与方向无关, 属于各向同性的运 算,对取向不敏感,因而计算量要小。Laplacian 算 子的优点是各向同性, 但是它有两个缺点:1 边缘 的方向信息丢失;2 Laplacian算子是二阶微分, 双 倍加强了图像中的噪声影响。因此,Marr 提出首先对图像用 Gauss 函数进行 平滑, 然后利用 Laplacian算子对

8、平滑的图像求二阶 导数后得到的零交叉点作为候选边缘, 这就是LOG 算子 5。 选用高斯函数 (即 Gauss 函数 是因为它近 似满足边缘检测最优准则并且到达时频测不准关系 的最小下界。 用LOG边缘检测算子须用较大的窗口 才能得到较好的边缘检测的效果。然而, 大窗口虽 然抗噪能力强,但边缘细节丢掉较多, 而小窗口虽 然获得较高的边缘定位精度, 但对滤除噪声又不够 有效。所以, 这种方法在去除干扰和复杂形状的边 缘提取之间存在矛盾。1.3Canny检测边缘算子Canny 算子是一个具有滤波、增强和检测的多 阶段的优化算子 6。 在进行图像处理前, Canny算子 先利用高斯平滑滤波器来平滑图

9、像以去除噪声 (即 用高斯平滑滤波器与图像作卷积 。 增强是将边缘的 邻域 (或局部 强度值有显著变化的点突出出来, 一 般通过计算梯度幅值来完成。Canny 算法采用一阶 偏导的有限差分来计算梯度的幅值和方向。 对一个 边缘来说, 其一阶导数在边界处存在一个向上的阶 跃, 或者其二阶导数过零点。 在处理过程中, Canny 算法还将经过一个非极大值抑制的过程。最后 Canny 算法采用两个阈值来连接边缘。2新的边缘检测方法2.1基于小波变换的边缘检测算子图像的边缘检测要求对于反映在低频的大部分 灰度信息,希望能分辨其中的细微的明暗差别, 即 有高的低频频率分辨能力。 对于高频的边缘和纹理 希

10、望能准确的定位,即有高的空域分辨力。 用传统 的尺度分析方法来分析信号时, 往往只用了信号的 频率信息,于是难以将信号中突变与噪声分开。 而 小波分析理论, 不仅可通过每个尺度的变换结果来 分析信号, 还可以通过它们在不同尺度上的演化来 分析信号特征。小波变换是应用数学和工程学科中迅速发展的 一个新领域,它是传统的 Fourier 变换的继承和发 展。小波变换是时域-频域的局部变换, 具有一定 的分析非平稳信号的能力, 主要表现在高频处的时 间分辨率高,低频处的频率分辨率高, 即具有变焦 特性,特别适合于图像这一类非平稳信号的处理, 更有效地从图像信号中提取有用信息。 经典的边缘 检测算子都没

11、有自动变焦的思想。事实上, 由于物 理和光照的原因, 图像中的边缘通常产生在不同尺 度范围内,形成不同类型的边缘 (如缓变和非缓变 边缘 , 这些信息是未知的, 尤其对于缓变部分, 即 低频和中频部分,是图像的大部分能量的所在, 噪 声对应于高频部分。可以肯定, 用单一尺度的边缘 检测算子不可能检测出所有的边缘, 以及避免在滤 除噪声时影响边缘检测的正确性。基于小波变换的边缘检测算子是利用了小波函 数良好的时频局部化特性及多尺度分析能力, 不仅 对图像的低频子带进行分解, 还对图像的高频子带第 32卷 第 1期 2010-1 【47】进行分解, 可以满足不同分辨率下对局部细节进行 边缘提取的需

12、要,尤其对于含噪图像, 在提取图像 边缘时对噪声的抑制效果更好 79。 2.2基于数学形态学的边缘检测方法数学形态学是图像处理和模式识别领域中的 一门新兴学科, 具有严格的数学理论基础, 现已在 图像工程中得到了广泛应用。基本思想是用具有 一定形态的结构元素去度量和提取图像中的对应 形状以达到对图像分析和识别的目的。获得的图 像结构信息与结构元素的尺寸和形状都有关系, 构造不同的结构元素, 便可完成不同的图像分析。 数学形态学包括二值形态学、灰度形态学和彩色 形态学, 基本变换包括膨胀、 腐蚀、 开启、 闭合四 种运算,并由这四种运算演化出了开、闭、薄化、 厚化等, 从而完成复杂的形态变换。

13、目前随着二值 形态法的应用越来越成熟,灰度和彩色形态学在 边缘检测中的应用也越来越引起人们的关注并逐 渐走向成熟 2。2.3基于模糊理论的边缘检测方法模糊理论创立于1965年, 由美国柏克莱加州大 学电气工程系教授 zadeh 在模糊焦合理论的基础上 提出, 模糊理论的特点是能够用模糊集合来反映事 物的模糊性,不对事物做简单的肯定和否定, 而是 用集合隶属度来反映某一事物属于某一范畴的程度。 由于成像系统、 视觉反映等因素造成图像本身的模 糊性,再加上边缘定义区分的模糊性, 使人们在处 理图像时很自然的想起了模糊理论的作用。 其中较 有代表性的是国外学者 Pal 和 King 提出的模糊边缘

14、检测算法,其核心思想是:利用模糊增强技术来增 加不同区域之间的对比, 从而能够提取出模糊的边 缘。 基于模糊理论的边缘检测法的优势就是自身的 数学基础, 缺点是计算要涉及变换以及矩阵逆变换 等较为复杂的运算,另外在增加对比的同时, 也增 强了噪声。2.4其他一些新的边缘检测方法除了上面介绍的方法之外, 还有基于分形几何 的边缘检测法 10、基于局部直方图相关的造影图像 边缘检测方法 11、基于灰色系统理论的图像边缘检 测新算法 12、神经网络法 13、遗传算法、动态规划 法、最小代价函数法等等。3结束语通过本文的介绍可知, 当今较为常用的图像边 缘检测算法为经典检测算子、 基于小波理论的算子

15、和基于形态学等多种检测算法。 每一种算法都有其 特点,但也存在一定的不足, 特别是检测精度和抗 噪能力的均衡问题。因此, 很多高校师生和社会的 许多学者一直都致力于寻找更为全面的边缘检测算 法,在这个领域还有很大的空间需要我们去努力, 共同寻找更好的边缘检测算法。 参考文献:1王郑耀.数字图像的边缘检测D.西安:西安交通大学,2003. 2张小琳.图像边缘检测技术综述J.高能量密度物理,2007, (1:37-40.3雷丽珍.数字图像边缘检测方法的探讨J.测绘通报.2006, (3:40-42.4郑南宁.计算机视觉与模式识别M.北京:国防工业出版社,1998. 5李小红.基于 LOG 滤波器的图像边缘检测算法的研究J.计算机应用与软件,2005,22(5:107-108. 6陈宏希.基于边缘保持平滑滤波的 canny 算子边缘检测J.兰州交通大学学报,2006,25(1:86-90. 7程正兴.小波分析在图像处理中的应用J.工程数学学报,2001,(12:57-68.8王建中,赵军.图像边缘提取的小波多孔算法及改进J.武 汉理工大学学报,2004,26,(1:76-79.9孙琰.基于小波变换的图像边缘检测技术D西安:西北工 业大