基于改進(jìn)Sobel算子的紅外圖像邊緣提取算法

夏 清，張振鑫，王婷婷，王亞云，石娟娟

(1．中國(guó)礦業(yè)大學(xué)(北京)土地復(fù)墾與生態(tài)重建研究所，北京100083;2.中國(guó)礦業(yè)大學(xué)(北京)地球科學(xué)與測(cè)繪工程學(xué)院，北京100083)

1 引言

溫度是表征物質(zhì)狀態(tài)的重要參數(shù)，紅外熱像儀具有對(duì)溫度探測(cè)靈敏度高、測(cè)溫準(zhǔn)確、可靠性強(qiáng)等特點(diǎn)。因此，近年來(lái)，利用紅外熱像儀對(duì)溫度進(jìn)行探測(cè)已然成為研究熱點(diǎn)之一。隨著紅外技術(shù)的迅速發(fā)展，紅外熱像儀測(cè)溫技術(shù)已廣泛應(yīng)用于國(guó)民經(jīng)濟(jì)各個(gè)部門，它在無(wú)損探測(cè)、醫(yī)療診斷、故障檢測(cè)、森林防火、煤矸石山治理等領(lǐng)域中獲得了越來(lái)越多的應(yīng)用［1－3］。邊緣是圖像的最基本特征，因此，圖像邊緣檢測(cè)的好壞直接影響后續(xù)的圖像解譯與識(shí)別。目前，經(jīng)典的邊緣檢測(cè)算子有:Sobel算子、Roberts算子、Prewitt算子、GaussLaplace算子和Canny算子等 。但由于紅外熱像儀圖像的成像機(jī)理、成像系統(tǒng)特性及圖像顯示多樣性等原因，將經(jīng)典算子應(yīng)用到紅外熱像儀圖像(以下稱其為熱紅外圖像)上有一定的局限性，不能將目標(biāo)區(qū)域更好地提取出來(lái)。因此，突出熱紅外圖像中感興趣的溫度區(qū)域、削弱或去除某些不需要的信息、提取熱紅外圖像邊緣信息是圖像處理中必不可少的重要環(huán)節(jié)［6－8］。針對(duì)上述特點(diǎn)，本文提出一種基于Sobel算子梯度相乘的熱紅外圖像邊緣提取算法，該算法能夠極大地提高圖像觀測(cè)效果。

2 紅外熱像儀測(cè)溫原理及圖像特征

自然界中一切溫度高于熱力學(xué)零度的物體每時(shí)每刻都在以電磁波的形式向外輻射能量，其輻射能包括各種波長(zhǎng)，其中波長(zhǎng)范圍在0.76～1000 μm之間的稱為紅外光波。紅外光具有很強(qiáng)的溫度效應(yīng)，紅外熱像儀正是利用這種特性對(duì)溫度進(jìn)行探測(cè)的。紅外熱像儀測(cè)溫技術(shù)是利用傳感器將接收到的紅外波段熱輻射能量轉(zhuǎn)換成電信號(hào)，然后經(jīng)放大處理、整形、數(shù)/模轉(zhuǎn)換后成為標(biāo)準(zhǔn)視頻信號(hào)，經(jīng)過(guò)運(yùn)算，最后通過(guò)屏幕將被測(cè)目標(biāo)的紅外熱像圖以偽彩色形式顯示出來(lái)，從而得到被測(cè)目標(biāo)的溫度分布場(chǎng)［9－10］。

熱紅外圖像中每一個(gè)點(diǎn)的偽彩色值與被測(cè)物體上該點(diǎn)發(fā)出并到達(dá)光電轉(zhuǎn)換器件的輻射能量相對(duì)應(yīng)，因此，紅外熱像儀不僅能夠獲得被測(cè)目標(biāo)表面熱場(chǎng)分布的圖像，而且還可以精確地得出每個(gè)像素點(diǎn)對(duì)應(yīng)的溫度測(cè)量值［11］。但是，通過(guò)紅外熱像儀獲取的熱紅外圖像也有其自身特征:①能夠顯示被測(cè)目標(biāo)區(qū)域的可見光圖像、熱紅外圖像;②熱紅外圖像中的每個(gè)像素點(diǎn)均以色彩空間中的RGB值來(lái)顯示;③根據(jù)感興趣的溫度范圍或目標(biāo)區(qū)域，調(diào)節(jié)顏色顯示條，使目標(biāo)區(qū)域突出顯示;④能夠?qū)С鰺峒t外圖像中每個(gè)像素點(diǎn)的溫度值表。

3 經(jīng)典的Roberts和Sobel邊緣檢測(cè)算子

Roberts算子是基于一階微分的邊緣檢測(cè)算子，任意一對(duì)相互垂直方向上的差分可以看成是梯度的近似求解，Roberts算子就是利用上述原理，即用對(duì)角線上相鄰像素之差來(lái)代替梯度進(jìn)行求解。

如果 fx=f(i，j)－ f(i+1，j+1)，fy=f(i，j+1)－f(i+1，j)，則fx和fy的卷積算子分別為:

Sobel算子是一個(gè)梯度算子，一幅數(shù)字圖像的一階導(dǎo)數(shù)是基于各種二維梯度的近似值，其定義如下:

Sobel算子水平方向和垂直方向的卷積算子分別為:則梯度幅值為，為計(jì)算簡(jiǎn)便，可近似為選取適當(dāng)閾值τ并進(jìn)行判斷，如果 G(i，j)＞ τ，則(i，j)為邊緣點(diǎn)，所得邊緣點(diǎn)的集合即為邊緣提取圖像［14－15］。

4 本文算法的具體實(shí)現(xiàn)與結(jié)果分析

本文采用的是320×240非制冷焦平面紅外熱像儀TH9100MV/WV獲取的熱紅外圖像，利用該儀器的配套軟件，不僅能夠顯示被測(cè)目標(biāo)的可見光圖像，而且能顯示對(duì)應(yīng)目標(biāo)的表面溫度場(chǎng)圖像，還能夠?qū)С瞿繕?biāo)圖像每個(gè)像素點(diǎn)對(duì)應(yīng)的溫度測(cè)量值。但是，由于測(cè)量時(shí)熱紅外圖像的整個(gè)溫度范圍往往不是被測(cè)目標(biāo)的溫度范圍，而是更大，這樣就會(huì)導(dǎo)致被測(cè)目標(biāo)的溫度范圍內(nèi)的溫度值接近的點(diǎn)顏色差異較?。?6］。此時(shí)，就要人工手動(dòng)調(diào)節(jié)顏色顯示條，使感興趣的目標(biāo)區(qū)域或溫度范圍能突出顯示，使其更清晰的突出顯示在圖像上，但每調(diào)節(jié)一次顏色顯示條，溫度區(qū)域的顏色顯示改變，而且目標(biāo)區(qū)域的邊緣也會(huì)隨之而改變，此時(shí)，若將圖像輸出，利用經(jīng)典的Sobel算子邊緣檢測(cè)算法，直接對(duì)整幅熱紅外圖像進(jìn)行邊緣提取，不能有效地將感興趣的被測(cè)目標(biāo)邊緣從背景中檢測(cè)出來(lái)，會(huì)產(chǎn)生不同的邊緣提取結(jié)果。圖1所示為同一幅熱紅外圖像，根據(jù)目標(biāo)區(qū)域不同調(diào)節(jié)顏色顯示條，利用經(jīng)典的Sobel算子對(duì)兩幅圖像進(jìn)行邊緣提取，得出邊緣提取圖像。

圖1 熱紅外圖像及對(duì)應(yīng)的Sobel算子邊緣提取圖像

從圖1中可以看出，不同顏色條顯示的熱紅外圖像如果直接進(jìn)行邊緣提取，產(chǎn)生了兩種不同的邊緣提取結(jié)果，根本無(wú)法準(zhǔn)確地將感興趣區(qū)域邊緣從背景中檢測(cè)出來(lái)，沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，這就給后續(xù)的圖像判讀和識(shí)別增加了很多不確定性和不精確性。但是，一幅熱紅外圖像不管以何種顏色和色彩模式顯示，其每個(gè)像素點(diǎn)的溫度值是固定不變的，導(dǎo)出熱紅外圖像每個(gè)像素點(diǎn)的溫度值，然后提取感興趣的溫度區(qū)域，再對(duì)其進(jìn)行邊緣提取，可以有效的解決上述問(wèn)題。

4.1 改進(jìn)的Sobel算子邊緣提取算法

Sobel算子提取的圖像邊緣光滑、連續(xù)，對(duì)噪聲具有平滑作用，能很好地消除噪聲的影響，但是Sobel算子的缺點(diǎn)是檢測(cè)的邊緣較粗，定位不精確，只對(duì)水平和垂直2個(gè)方向的灰度梯度變化敏感，本文將方向模板由2個(gè)增加到8個(gè)，這樣就可以更加有效地檢測(cè)圖像多個(gè)方向的邊緣，使邊緣提取信息更加完整;而Roberts算子定位精度高，但對(duì)噪聲敏感，可以用Roberts算子優(yōu)良的定位能力加以彌補(bǔ)，同時(shí)Sobel算子對(duì)噪聲過(guò)于敏感的不足也可以利用Roberts算子的平滑能力來(lái)改善。

其算法具體實(shí)現(xiàn)如下:

1)導(dǎo)出熱紅外圖像及其溫度信息表，該溫度信息表是一個(gè)具有320×240像素，并且每個(gè)像素點(diǎn)以溫度值進(jìn)行顯示的圖表，即f(i，j)=T，其中(0≤i＜320，0≤j＜240)，T為溫度測(cè)量值，劃定特定溫度范圍內(nèi)的溫度閾值，提取感興趣的溫度區(qū)域。這是為了去除圖像中被測(cè)目標(biāo)的背景或其他與被測(cè)目標(biāo)無(wú)關(guān)且溫度差異不明顯的溫度信息，消除后續(xù)對(duì)圖像邊緣檢測(cè)的影響。

2)利用Roberts算子兩個(gè)模板對(duì)圖像f(i，j)逐點(diǎn)進(jìn)行卷積運(yùn)算，取2個(gè)模板處理結(jié)果中的最大值作為該像素點(diǎn)的輸出值，得到一幅梯度幅值圖像G1;

3)傳統(tǒng)的Sobel算子卷積模板只有垂直和水平兩個(gè)方向，其邊緣有很強(qiáng)的方向性，為了能得到全方位的響應(yīng)，在傳統(tǒng)的Sobel算子基礎(chǔ)上增加6個(gè)不同方向的模板，以的間隔依次遞增旋轉(zhuǎn)，得到分別

為0°、45°、90°、135°、180°、225°、270°、315°8 個(gè)方向的模板。模板如下面8個(gè)矩陣所示:

利用上述的8個(gè)方向模板對(duì)圖像f(i，j)進(jìn)行逐點(diǎn)卷積計(jì)算，選擇8個(gè)模板處理結(jié)果中的最大值作為該像素點(diǎn)的新灰度值，得到一幅梯度幅值圖像G2;

4)將G1和G2內(nèi)的所有像素點(diǎn)的梯度值逐點(diǎn)對(duì)應(yīng)相乘，得到新的梯度圖像記為Gfinal;

5)為了得到圖像邊緣，選取適當(dāng)閾值τ，對(duì)梯度圖像Gfinal做閾值判決，使得Gfinal(i，j)＞τ，則認(rèn)為點(diǎn)(i，j)就是邊緣點(diǎn)，取所有邊緣點(diǎn)的集合。采用二值圖像顯示提取的邊緣，灰度值賦為1，顯示為白色，最終得到邊緣提取圖像;若Gfinal(i，j)≤τ，則認(rèn)為點(diǎn)(i，j)不是邊緣點(diǎn)，灰度值賦為0，顯示為黑色。

4.2 仿真實(shí)驗(yàn)與結(jié)果分析

為了對(duì)本文提出的邊緣提取算法能夠有一個(gè)直觀而準(zhǔn)確的認(rèn)識(shí)，下面分別給出熱紅外圖像、對(duì)應(yīng)的可見光圖像、Sobel算子提取圖像及本文改進(jìn)算法提取的圖像，以方便對(duì)比與結(jié)果分析。原始圖像為電路元件的一個(gè)組成部分，其最高溫度為107.6℃，最低溫度為26.9℃，假定取43℃以上的溫度為感興趣的高溫閾值，提取高溫區(qū)域，基于Matlab程序進(jìn)行仿真實(shí)驗(yàn)，如圖2所示。

圖2 仿真實(shí)驗(yàn)

在圖2中畫定的橢圓形區(qū)域中，可以明顯地看出:①Sobel算子提取的邊緣輪廓不連續(xù)，出現(xiàn)斷點(diǎn)，定位不精確，而且有些邊緣多像素，邊緣較粗;②用本文改進(jìn)的算法首先能夠提取出高溫感興趣的區(qū)域，濾除其他低溫區(qū)域?qū)吘壧崛〉挠绊?③由于Roberts算子具有良好的定位性能，通過(guò)和Sobel算子相乘，能夠使真正的邊緣像素的梯度值被增大，而其他像素的梯度值則被削弱，因此用基于Sobel算子梯度相乘的邊緣提取算法檢測(cè)邊緣，將比Sobel算子提取的邊緣具有更好的精度;④用改進(jìn)的算法提取的圖像輪廓線清晰，邊界定位精確且連續(xù)性較好，相對(duì)于經(jīng)典的Sobel算子，既包括了Sobel算子的邊緣信息又能提取出更完整的邊緣信息;⑤提取的大部分邊緣為單像素的，邊緣較細(xì)，圖像邊緣信息有明顯地提高，極大地改善了圖像質(zhì)量。

5 結(jié)論

本文分析了紅外熱像儀的圖像特點(diǎn)及Roberts算子和Sobel算子各自的優(yōu)缺點(diǎn)，結(jié)合熱紅外圖像自身的特點(diǎn)，在此基礎(chǔ)上提出了一種基于Sobel算子梯度相乘的改進(jìn)算法，該算法克服了Sobel算子進(jìn)行邊緣提取存在邊緣粗糙、邊緣信息不完整的缺點(diǎn)，仿真實(shí)驗(yàn)結(jié)果表明:該算法提取的圖像邊緣清晰、完整，邊界定位準(zhǔn)確，抗噪能力強(qiáng)，對(duì)熱紅外圖像有較好的檢測(cè)精度，是一種簡(jiǎn)單有效的邊緣檢測(cè)。

［1］ Nijhawan O P．Thermal imaging Technology［J］．The Indian scene．SPIE，1999，3898:97 －103．

［2］ Li Yunhong．Study on temperature measurement and application based on infrared thermal imager［D］．Harbin:Harbin Institute of Technology，2010．(in Chinese)李云紅．基于紅外熱像儀的溫度測(cè)量技術(shù)及其應(yīng)用研究［D］．哈爾濱:哈爾濱工業(yè)大學(xué)，2010．

［3］ Liu Ying．Study on infrared camera image enhancement algorithm［D］．Cangchun:Jilin University，2007．(in Chinese)劉瑩．紅外熱像儀中圖像增強(qiáng)算法的研究［D］．長(zhǎng)春:吉林大學(xué)，2007．

［4］ Li Xinfu，LIU Jiaomin．Edge detection on arc image of low volt-age apparatus［C］ //IEEE Proceedings of the Second InternationalConference on Machine Learning and Cybernetics，Xi'an，2003:2921 －2925．

［5］ Health A，Sarkar S，Sanocki T，et a．l Comparison of edge detectors:A methodology and initial study［J］．Computer Vision and Image Understanding，1998，69(1):36 －54．

［6］ Zhang Hui，Ma Mingjian．An blade edge-detection method based improved sobel operator［J］．Agricultural Mechanization Research，2012，(5):46 －48．(in Chinese)張輝，馬明建．基于改進(jìn)Sobel算法的葉片圖像邊緣檢測(cè)［J］．農(nóng)機(jī)化研究，2012，(5):46 －48．

［7］ Chen Yuyun．Grayscale image edge detection research［D］．Chengdu:University of Electronic Science and Technology of China，2009．(in Chinese)陳宇云．灰度圖像的邊緣檢測(cè)研究［D］．成都:電子科技大學(xué)，2009．

［8］ Zhang Y H，Tan，G Y，Liu G J．Thermal imaging experimental research on temperature field for milling insert［J］．Key Engineering Materials，2009:392 －394．

［9］ Mei Yuesong，Yang Shuxing，Mo Bo．Improved edge detection algorithm based on canny operator［J］．Laser＆ Infrared，2006，36(6):501 －503．(in Chinese)梅躍松，楊樹興，莫波．基于Canny算子的改進(jìn)的圖像邊緣檢測(cè)方法［J］．激光與紅外，2006，36(6):501 －503．

［10］ Sun Xiaogang，Li Yunhong．Review of the development of temperature measurement technology with infrared thermal imager［J］．Laser ＆ Infrared，2008，32(8):101 － 104．(in Chinese)孫曉剛，李云紅．紅外熱像儀測(cè)溫技術(shù)發(fā)展綜述［J］．激光與紅外，2008，32(8):101 －104．

［11］ Zhang Yong，Wang Xinsai，He Ming．The impact of distance on infrared accuracy and error correction［J］．Infrared，2011，32(2):24 －27．(in Chinese)張勇，王新賽，賀明．距離對(duì)紅外熱像儀精度的影響及誤差修正［J］．紅外，2011，32(2):24 －27．

［12］ Kang mu，Xu Qinggong，Wang Baoshu．A Roberts’adaptive edge detection method［J］．Journal of Xi'an Jiaotong University，2008，42(10):1240 －1244．(in Chinese)康牧，許慶功，王寶樹．一種Roberts自適應(yīng)邊緣檢測(cè)方法［J］．西安交通大學(xué)學(xué)報(bào)，2008，42(10):1240 －1244．

［13］ Moran M S．Thermal infrared measurement as an indicator of plant ecosystem health．USDA － ARS southwest watershed research center［J］．TusconArizona，2000，21:42 －48．

［14］ Zhang Jianjun，Luo Jing．A surface crack edge detection algorithm based on improved sobel operator［J］．Journal of Hefel University of Technology:Natural Science，2011，34(6):845 －847．(in Chinese)張建軍，羅靜．基于改進(jìn)Sobel算子的表面裂紋邊緣檢測(cè)算法［J］．合肥工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2011，34(6):845－847．

［15］ Zhang Jie．Study on digital image edge detection［D］．Hefei:Hefei University of Technology，2009．(in Chinese)張潔．?dāng)?shù)字圖像邊緣檢測(cè)計(jì)算的研究［D］．合肥:合肥工業(yè)大學(xué)，2009．

［16］ Fu Guicui，Gao Zexi．Study on infrared thermal image fast processing of infrared TVS －2000［J］．Infrared and Laser Engineering，1998，27(6):12 －15．(in Chinese)付桂翠，高澤溪．TVS－2000紅外熱像儀圖像信息的快速處理研究［J］．紅外與激光工程，1998，27(6):12－15．