一種改進(jìn)型Canny圖像邊緣檢測方法

張彬，司璇，金飛，袁叢鑫

(中國傳媒大學(xué)理學(xué)院，北京 100024)

1 引言

圖像邊緣對人的視覺具有重要意義。一般而言，當(dāng)人們看一個(gè)有邊緣的物體時(shí)，首先感覺到的便是邊緣?；叶然蚪Y(jié)構(gòu)等信息的突變處稱為邊緣。邊緣是一個(gè)區(qū)域的結(jié)束，也是另一個(gè)區(qū)域的開始，利用該特征可以分割圖像。圖像邊緣檢測的目的就是要檢測出符合邊緣特性的邊緣像素。邊緣檢測在計(jì)算機(jī)視覺、圖像分割、特征提取和圖像匹配等應(yīng)用中起著重要的作用，是圖像分析與識(shí)別的重要環(huán)節(jié)?；谝浑A導(dǎo)數(shù)的邊緣檢測算子包括Roberts算子、Sobel算子、Prewitt算子等，它們通過選取合適的閾值提取邊緣。拉普拉斯邊緣檢測算法是基于二階導(dǎo)數(shù)的邊緣檢測算子，該算子對噪聲敏感。Canny算子是另外一類邊緣檢測算子，它不是通過微分算子檢測邊緣，而是在滿足一定約束條件下推導(dǎo)出的邊緣檢測最優(yōu)化算子。

但是，在實(shí)際圖像中，常常存在著椒鹽噪聲等各種噪聲，這時(shí)，采用經(jīng)典Canny算子進(jìn)行邊緣檢測時(shí)，會(huì)將很大一部分噪聲點(diǎn)作為邊緣點(diǎn)提取出來，導(dǎo)致提取的邊緣信息不清晰等問題，為此需要對Canny算子的檢測步驟進(jìn)行改進(jìn)。因此，本文利用中值濾波對Canny算子進(jìn)行改進(jìn)，再次進(jìn)行邊緣檢測。實(shí)驗(yàn)表明使用本算法得到的圖像邊緣特性清晰，噪聲消除明顯，并將這一方法與經(jīng)典Canny邊緣處理方法作了比較，再次說明了本方法是可行的和有效的。

2 Canny算法

Canny考察了以往的邊緣檢測算子和邊緣檢測應(yīng)用，發(fā)現(xiàn)盡管這些應(yīng)用出現(xiàn)在不同的領(lǐng)域，但都有一些共同的要求，他將其歸納為三條準(zhǔn)則:

準(zhǔn)則一:好的檢測結(jié)果，就是對邊緣的錯(cuò)誤檢測率要盡可能低，要檢測出圖像真實(shí)的邊緣，同時(shí)要避免檢測中出現(xiàn)虛假的邊緣，即要求輸出信噪比最大，這里的信噪比定義為:

其中h(x)是［－ω，ω］上的有限沖擊響應(yīng)濾波器，σ是高斯噪聲的均方差。由信號(hào)檢測理論知，輸出信噪比越大，錯(cuò)誤率越小。因此Canny準(zhǔn)則的第一條就是要尋求濾波函數(shù)h(x)，使信噪比盡量大。

準(zhǔn)則二:好的邊緣定位精度，也就是標(biāo)記出的邊緣位置要和圖像上真正邊緣的位置盡量接近，邊緣定位精度定義如下:

其中x0是檢測出的邊緣位置，Loc值越大，表明定位越準(zhǔn)。因此Canny準(zhǔn)則的第二條就是要尋求濾波函數(shù)h(x)使Loc盡量大。

準(zhǔn)則三:對同一邊緣要有低的相應(yīng)次數(shù)，也就是要求對一個(gè)邊緣點(diǎn)最好只有一個(gè)響應(yīng)。

濾波器對邊緣相應(yīng)的極大值之間的平均距離為:

其中h″(x)是h(x)的二階導(dǎo)數(shù)，因此在2W寬度內(nèi)，極大值的數(shù)目為:

在圖像邊緣檢測中，抑制噪聲和邊緣精確定位是無法同時(shí)滿足的，邊緣檢測算法通過平滑濾波去除圖像噪聲的同時(shí)，也增加了邊緣定位的不確定性;反之，提高邊緣檢測算子對邊緣的敏感性的同時(shí)，也提高了對噪聲的敏感性。Canny算子試圖在抗噪聲干擾和精確定位之間尋求最佳折中方案。

用Canny算子檢測圖像邊緣的步驟如下:

(1)用高斯濾波器平滑圖像:

(2)計(jì)算濾波后圖像梯度的幅值和方向:

傳統(tǒng)算法采用2×2鄰域內(nèi)求有限差分均值的方法來計(jì)算平滑后的數(shù)據(jù)陣列。

梯度算子是一階導(dǎo)數(shù)算子。對于圖像函數(shù)f(x，y)，它的梯度定義為一個(gè)向量:

該向量的幅度值和方向角分別表示為:

(3)對梯度幅值應(yīng)用非極大值抑制。

(4)用雙閾值算法檢測和連接邊緣。

Canny算子雖然是基于最優(yōu)化思想推出的邊緣檢測算子，但實(shí)際效果并不一定最優(yōu)，原因在于理論和實(shí)際有許多不一致的地方。該算子同樣采用高斯函數(shù)對圖像進(jìn)行平滑處理，因此具有較強(qiáng)的抑制噪聲能力;同樣該算子也會(huì)將一些高頻邊緣平滑掉，造成邊緣丟失。

3 改進(jìn)的Canny算法

本文提出的改進(jìn)的Canny算法采用中值濾波代替高斯平滑濾波。

中值濾波是一種非線性平滑濾波，在一定的條件下可以克服高斯濾波所帶來的圖像細(xì)節(jié)模糊問題，而且對圖像掃描噪聲非常有效。

中值濾波是由Tukey提出的一種用于噪聲去除的非線性處理方法。中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍像素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而達(dá)到消除孤立噪聲點(diǎn)的目的。

其思想是:在定義窗口范圍內(nèi)對作用樣本X(1)，X(2)…，X(N)取中值即:

其中，med［］表示窗口內(nèi)所有數(shù)按從小到大的順序排列后，取中間值方法是取某種結(jié)構(gòu)的二維滑動(dòng)模板，將模板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升(或下降)的二維數(shù)據(jù)序列。

二維中值濾波采用一個(gè)m×n的滑動(dòng)窗口，其中m是滑動(dòng)窗口行數(shù)，n是滑動(dòng)窗口列數(shù)。從左到右，從上到下逐行移動(dòng)，對滑動(dòng)窗口內(nèi)的像素點(diǎn)灰度值進(jìn)行排序，選擇排序像素級(jí)的中間值作為指定像素點(diǎn)的灰度值。

在這里，我們選擇把當(dāng)前中心像素點(diǎn)作為噪聲點(diǎn)處理，在窗口中心點(diǎn)的領(lǐng)域內(nèi)除去可能噪聲點(diǎn)后取所剩下的信號(hào)點(diǎn)，并用它們排序后取中值點(diǎn)的灰度值代替當(dāng)前中心點(diǎn)灰度值。具體操作步驟如下:

(1)將模板在圖中漫游，并將模板中心與圖中某個(gè)像素位置重合。

(2)讀取模板下各對應(yīng)像素的灰度值。

(3)將這些灰度值從小到大排成一列。

(4)找出這些值里排在中間的一個(gè)。

(5)將這個(gè)中間值賦給對應(yīng)模板中心位置的像素。

中值濾波在衰減噪聲的同時(shí)，保持了圖像細(xì)節(jié)的清晰。

4 實(shí)驗(yàn)結(jié)果及分析

上圖給出了用Canny算子和改進(jìn)的Canny算子對加入噪聲的圖像做邊緣檢測的結(jié)果。從圖(c)中可以看出，Canny算子雖然提取出了較完整的邊緣，但也將噪聲作為邊緣的一部分，檢測結(jié)果不能清晰地反映圖像的邊緣信息。圖(d)中圖像的噪聲得到有效抑制，提取的邊緣像素點(diǎn)更加完整，較好地保留了圖像的邊緣信息。

5 結(jié)論

圖像邊緣檢測是圖像處理和計(jì)算機(jī)視覺的一個(gè)重要研究方向。但當(dāng)圖像中存在噪聲時(shí)，傳統(tǒng)的Canny邊緣檢測算子會(huì)存在許多不足之處。從實(shí)驗(yàn)結(jié)果來看，本文提出的邊緣檢測算法能有效地抑制圖像噪聲對邊緣檢測的影響，能較好地保持圖像邊緣的細(xì)節(jié)信息，且提取的邊緣完整連續(xù)，輪廓更加清晰，效果較好。

［1］ 姚敏.數(shù)字圖像處理［M］.北京:機(jī)械工業(yè)出版社，2006:73－74，229－233.

［2］ 王娜，李霞.一種新的改進(jìn)Canny邊緣檢測算法［J］.深圳大學(xué)學(xué)報(bào)(理工版)，2005，22(2):149－153.

［3］ 米林，馬亞洲，等.一種基于Canny的邊緣檢測優(yōu)化算法［J］.計(jì)算機(jī)仿真，2010，4:252－255.

［4］ 余洪山，王耀南.一種改進(jìn)型Canny邊緣檢測算法［J］.計(jì)算機(jī)工程與應(yīng)用，2004，20:27 －29.

［5］ 曲秀君.一種改進(jìn)Canny算子［J］.電腦學(xué)習(xí)，2010，3:91 －92

［6］ 厲丹，錢建生，等.圖像邊緣檢測技術(shù)的改進(jìn)［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46:164 －166.

［7］ 周曉明，馬秋禾，肖蓉.基于 Canny算子的改進(jìn)的圖像邊緣檢測方法［J］.影像技術(shù)，2008，4:17－20.

［8］ 黃劍玲，陳博政.一種基于Canny理論的邊緣提取改進(jìn)算法［J］.重慶理工大學(xué)學(xué)報(bào)，自然科學(xué)版，2010，5:54 －58.

［9］ LindaG.Shapiro，George C.Stockman.計(jì)算機(jī)視覺［M］.趙清杰，錢芳，蔡利棟，譯.北京:機(jī)械工業(yè)出版社，2005:63－66.

［10］ RC Gonzalez，Richard E Woods.數(shù)字圖像處理［M］.阮秋琦，阮宇智，等，譯.北京:電子工業(yè)出版社，2008.

［11］ WilliamK.Pratt.數(shù)字圖像處理［M］.張引，李虹，等，譯.北京:機(jī)械工業(yè)出版社，2010.

［12］ 馮新宇，方偉林，等.基于中值濾波與Sobel、Canny算子的圖像邊緣檢測研究［J］.黑龍江水專學(xué)報(bào)，2009，3:101 －103.