数字图像处理几种边缘检测算子的比较.docx

数字图像处理几种边缘检测算子的比较边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括：深度上的不连续、表面方向不连续、物质属性变化和场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是Laplacian过零点或者非线性差分表示的过零点。人类视觉系统认识目标的过程分为两步:首先，把图像边缘与背景分离出来;然后，才能知觉到图像的细节，辨认出图像的轮廓。计算机视觉正是模仿人类视觉的这个过程。因此在检测物体边缘时，先对其轮廓点进行粗略检测，然后通过链接规则把原来检测到的轮廓点连接起来，同时也检测和连接遗漏的边界点及去除虚假的边界点。图像的边缘是图像的重要特征，是计算机视觉、模式识别等的基础，因此边缘检测是图象处理中一个重要的环节。然而，边缘检测又是图象处理中的一个难题，由于实际景物图像的边缘往往是各种类型的边缘及它们模糊化后结果的组合，且实际图像信号存在着噪声。噪声和边缘都属于高频信号，很难用频带做取舍。这就需要边缘检测来进行解决的问题了。边缘检测的基本方法有很多，一阶的有Roberts Cross算子，Prewitt算子，Sobel算子，Canny算子， Krisch算子，罗盘算子；而二阶的还有Marr-Hildreth，在梯度方向的二阶导数过零点。现在就来简单介绍一下各种算子的算法 Roberts算子 Roberts算子是一种利用局部差分算子寻找边缘的算子，它有下式给出：g(x,y)=f(x,y)-f(x+1,y+1)2+fx,y+1-fx+1,y2其中f(x,y)、f(x+1,y)、fx,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人图像;其中的平方根运算使得该处理类似于人类视觉系统中发生的过程。 Roberts算子是2X2算子模板。图1所示的2个卷积核形成了Roberts算子。图象中的每一个点都用这2个核做卷积。100-101-10 图1 Roberts算子 Sobel算子 Sobel算子是一种一阶微分算子，它利用像素邻近区域的梯度值来计算1个像素的梯度，然后根据一定的绝对值来取舍。它由下式给出:S=(dx2+dy2)Sobel算子是3*3算子模板。图2所示的2个卷积核dx 、 dy形成Sobel算子。一个核对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。-101-202-101121000-1-2-1图2 Sobel算子 Prewitt算子 Prewitt算子由下式给出：Sp=(dx2+dy2)Prewitt算子是3*3算子模板。图3所示的2个卷积核dx ,不要形成了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。Prewitt算子也产生一幅边缘幅度图像。-101-101-101111000-1-1-1LOG滤波器LOG滤波器又称Marr-Hildreth模板或算子Gx,y=2G2x+2G2y=14(x2+y22-1)exp(-x2+y222)式中：G(x,y)是对图像进行处理时选用的平滑函数(Gaussian函数);x，y为整数坐标; 为高斯分布的均方差。对平滑后的图像fs(fs=f(x,y)*G(x,y)做拉普拉斯变换，得：h(x,y)=2fsx,y=2fx,y*Gx,y=fx,y*2G(x,y)即先对图象平滑，后拉氏变换求二阶微分，等效于把拉氏变化作用于平滑函数，得到1个兼有平滑和二阶微分作用的模板，再与原来的图像进行卷积。用Marr-Hildreth模板与图像进行卷积的优点在于，模板可以预先算出，实际计算可以只进行卷积。LOG滤波器有以下特点:(1)通过图象平滑，消除了一切尺度小于的图像强度变化;(2)若用其它微分法，需要计算不同方向的微分，而它无方向性，因此可以节省计算量;(3)它定位精度高，边缘连续性好，可以提取对比度较弱的边缘点。LOG滤波器也有它的缺点:当边缘的宽度小于算子宽度时，由于过零点的斜坡融合将会丢失细节。LOG滤波器有无限长的拖尾，若取得很大尺寸，将使得计算不堪重负。但随着:r=x2+y2的增加，LOG滤波器幅值迅速下降，当r大于一定程度时，可以忽略模板的作用，这就为节省计算量创造了条件。实际计算时，常常取n* n大小的LOG滤波器，近似n=3。另外，LOG滤波器可以近似为两个指数函数之差，即DOG ( Difference Of two Gaussians functions):DOG（1，2）=1212exp(-x2+y2212)- 1222exp(-x2+y2222) 当1/2=1.6时，DOG代替LOG减少了计算量。 Canny算子 Canny算子是是一阶算子。其方法的实质是用1个准高斯函数作平滑运算fs=f(x,y)*G(x,y),然后以带方向的一阶微分算子定位导数最大值。 平滑后fs(x，y)的梯度可以使用2*2的一阶有限差分近似式:Pi,j(fsi,j+1-fsi,j+fsi+1,j+1-fsi+1,j)/2Qi,j (fsi,j-fsi+1,j+fsi,j+1-fsi+1,j+1)/2在这个2x2正方形内求有限差分的均值，便于在图像中的同一点计算二和y的偏导数梯度。幅值和方向角可用直角坐标到极坐标的坐标转化来计算:Mi,j=Pi,j2+Qi,j2 i,j=tan-1(Qi,j/Pi,j)Mi,j反映了图象的边缘强度; i,j反映了边缘的方向。使得Mi,j取得局部最大值的方向角i,j，就反映了边缘的方向。Canny算子也可用高斯函数的梯度来近似，在理论上很接近4个指数函数的线性组合形成的最佳边缘算子。在实际工作应用中编程较为复杂且运算较慢。几种算子的比较Robert算子定位比较精确，但由于不包括平滑，所以对于噪声比较敏感。Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤波且检测的图像边缘可能大于2个像素。这两者对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。LOG滤波器方法通过检测二阶导数过零点来判断边缘点。LOG滤波器中的a正比于低通滤波器的宽度，a越大，平滑作用越显著，去除噪声越好，但图像的细节也损失越大，边缘精度也就越低。所以在边缘定位精度和消除噪声级间存在着矛盾，应该根据具体问题对噪声水平和边缘点定位精度要求适当选取。讨论和比较了几种常用的边缘检测算子。梯度算子