邊緣特性及邊緣檢測在圖像插值算法中的應用研究

趙建新 王 堃

[摘要]首先論述邊緣的基本特性,邊緣蘊含豐富的內在信息,如方向、階躍性質、形狀等,對于劇烈跳變的邊緣,灰度值差變化大,跳變節(jié)奏加快,產生階躍變化或屋頂狀變化。然后分析Canny邊緣檢測,指出其具有很好的邊緣強度估計,為提高插值圖像質量和插值算法提供理論根據(jù)。

[關鍵詞]圖像插值邊緣檢測邊緣特性

中圖分類號:TP3文獻標識碼:A文章編號:1671-7597(2009)1120058-01

邊緣信息是影響視覺效果的重要因素,它不僅能夠傳遞圖像大部分信息,而且能勾勒出物體的基本輪廓。邊緣檢測能夠得到關于邊緣有用的結構信息,而且能極大地減少要處理的數(shù)據(jù)。許多圖像處理技術直接或間接地依靠邊緣檢測算法的性能,而邊緣檢測用在圖像插值方面也能達到很好的效果。對邊緣檢測算法的研究一直相當活躍,也相繼提出了許多實用的邊緣檢測算子。提取邊緣的算法就是檢測出符合邊緣特性的邊緣像素的數(shù)學算子,算子的影響能力強,對邊緣敏感性越強。

一、圖像邊緣特性

圖像最基本的特征是邊緣,所謂邊緣點是指它兩邊像素的灰度值有顯著的不同。在數(shù)字圖像中,物體和物體之間或物體和背景之間的交界處為邊界、邊緣或輪廓。在圖像中,邊界區(qū)域的灰度是突變或不連續(xù)的。一個像素如果滿足下列條件,就認為是邊緣點:(1)像素(i,j)的邊緣強度大于沿梯度方向的兩個相鄰像素的邊緣強度;(2)與該像素梯度方向上相鄰兩點的方向差小于45°;(3)以該像素為中心的3X3鄰域中的邊緣強度極大值小于某個閾值。邊緣點也存在于這樣一對鄰點之間,即一個在較亮的區(qū)域內部,另一個在外部。它存在于目標與背景、目標與目標、區(qū)域與區(qū)域、基元與基元之間。因此,它是圖像分割所依賴的最重要的特征,也是紋理特征的重要信息源和形狀特征的基礎;而圖像紋理形狀特征的提取又常常要依賴于圖像分割。

物體的圖像特征是以輪廓、邊緣等形式反映出來的,對圖像目標進行機器識別,首要任務就是依據(jù)圖像邊界的灰度特征,對物體、目標、背景進行分割,才能進行分析、識別、檢測。實際上,人對目標識別,輪廓邊緣是一個極其重要的特征。邊緣可以定義為兩個具有不同灰度的均勻圖像區(qū)域的邊界,其實,邊緣往往具有以下特征:(1)灰度突變;(2)是不同區(qū)域的邊界;(3)具有方向性。根據(jù)邊緣的這三個特征,可以判斷所關心的區(qū)域其特征是否存在差異來判斷是否存在邊緣的可能性。如果特征沒有差異,則認為是平滑區(qū);如果特征有差異,則判斷為邊緣點。粗略的區(qū)分邊緣種類可以有兩種,其一是階躍狀邊緣,它兩邊像素的灰度值有顯著的不同,其二是屋頂狀邊緣,它位于灰度值從增加到減少的變化轉折點。階躍狀邊緣位于其兩邊的像素灰度值有明顯不同的地方;脈沖狀邊緣位于灰度值從增加到減少的轉折處。由于人眼對圖像邊緣特別敏感,邊緣部分的分辨率對一幅圖像的質量有非常重要的影響,所以邊緣具有重要的意義。

二、Canny邊緣算子法

圖像邊緣是圖像局部特性不連續(xù)性(灰度突變、顏色突變、紋理結構突變等)的反映。在一幅圖像中,圖像的邊緣線或棱線是信息量最為豐富的區(qū)域。邊緣提取首先檢測出圖像局部特性的不連續(xù)性,然后再將這些不連續(xù)的邊緣像素連成完備的邊界。邊緣的特性是沿邊緣走向的像素變化平緩,而垂直于邊緣方向的像素變化劇烈;所以,從這個意義上說,提取邊緣的算法就是檢測出符合邊緣特性的邊緣像素的數(shù)學算子。目前,提取邊緣常采用邊緣算子法、曲面擬合法、模板匹配法等方法。由于邊緣是圖像上灰度變化最劇烈的地方,傳統(tǒng)的邊緣檢測就是利用了這個特點,對圖像各個像素點進行微分或求二階微分來確定邊緣像素點。一階微分圖像的峰值處對應著圖像的邊緣點;二階微分圖像的過零點處對應著圖像的邊緣點。根據(jù)數(shù)字圖像的特點,處理圖像過程中常采用差分來代替導數(shù)運算,對于圖像的簡單一階導數(shù)運算,由于具有固定的方向性,只能檢測特定方向的邊緣,所以不具有普遍性。為了克服一階導數(shù)的缺點。圖像梯度的最重要性質是在圖像上梯度的方向灰度最大變化率,它恰好可以反映出圖像邊緣上的灰度變化?？己诉吘墮z測算子的指標是:(1)低誤判率,即盡可能少地把邊緣點誤認為是非邊緣點;(2)高定位精度,即準確地把邊緣點定位在灰度變化最大的像素上;(3)抑制虛假邊緣。

經(jīng)典的圖像邊緣檢測算子法有Canny,Sober,Prewitt,Robter等。最有效的是Canny算子法。該方法與其他邊緣檢測方法的主要區(qū)別在于,它使用兩個閾值來檢測強邊界和弱邊界,只有相連時才進行顯示。所以,該方法與其他方法相比。受噪聲影響的機會更少,并且更有可能找到真實的弱邊界。Canny邊緣檢測是一種比較新的邊緣檢測算子,邊緣檢測和定位優(yōu)于其他算子,具有更好的邊緣強度估計。邊緣檢測的準確度和精度直接影響到本文算法插值的效果。

三、基于Canny的圖像插值

算法思想是:先對低分辨率圖像采用傳統(tǒng)插值算法放大,生成的高分辨率圖像為模板圖像;然后利用Canny算子法邊緣檢測模板圖像,提取邊緣信息;如果是RGB彩色圖像,先進行色融合,再邊緣檢測;最后根據(jù)邊緣像素點多方向梯度特征對邊緣鄰接像素點優(yōu)化處理,即以邊緣像素點為中心向外輻射,包含內、外鄰域;以外鄰域像素作為參考點,進行內領域像素重新優(yōu)化插值。這樣擴大了邊緣與其鄰近像素點之間的差值,增強邊緣特征,使得插值圖像邊緣清晰,大大改善插值圖像的視覺效果。

對模板圖像進行邊緣檢測,獲得二值邊緣圖像W。設以邊緣像素點P為中心,則包含P的兩個領域,一個3X3的內鄰域和另一個5X5的外鄰域。內鄰域定義為邊緣區(qū)域,負責確定邊緣鄰接點的插值方向;外鄰域像素作為內鄰域中像素優(yōu)化插值的參考點。下面需解決兩個問題:(1)怎樣確定邊緣鄰接點的插值方向;(2)怎樣優(yōu)化插值邊緣鄰接點區(qū)域。

在二維空間,根據(jù)Canny算子的性質,在邊緣產生梯度方向和梯度強度兩個信息,分析3X3的窗口局部特征,則P的8個鄰接點中,其中有2個點也為邊緣像素點。在內鄰域中,邊緣像素與其相鄰像素間灰度值存在突變,即存在灰度不連續(xù)性,產生梯度效應。這些具有灰度值突變的像素就是圖像中描述對象的輪廓或紋理圖像的邊緣像素。所以沿著邊緣線垂直的方向,灰度值梯度變化最大或梯度突變最強,即確定出內鄰域像素優(yōu)化插值的方向。

四、結論

本文提出了一種新穎的基于邊緣檢測的邊緣梯度多方向優(yōu)化插值,通過確定邊緣鄰接點多方向最大梯度優(yōu)化插值實現(xiàn)了圖像插值,充分挖掘經(jīng)典插值算法放大后圖像自身所包含的信息,克服了模糊和鋸齒效應。

參考文獻:

[1]王效靈、江穎、陳濤等,基于邊緣檢測的圖像縮放算法[J].科技通報,2005,9(5):584-588.

[2]王立國、張嘩、谷延鋒,基于自適應邊緣保持算法的圖像插值[J].哈爾濱工業(yè)大學學報,2005(1):18-21.

[3]劉曉松、楊新、江進,基于統(tǒng)計特征的彩色圖像快速插值方法[J].電子學報,2004,32(1):29-33.