數(shù)字圖像邊緣特征提取方法及研究

于凱

(武漢大學(xué)遙感信息工程學(xué)院,湖北武漢 430079)

數(shù)字圖像邊緣特征提取方法及研究

于凱

(武漢大學(xué)遙感信息工程學(xué)院,湖北武漢 430079)

邊緣檢測(cè)在數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)中有著重要的應(yīng)用。本文對(duì)數(shù)字圖像處理中幾種具有代表性的邊緣檢測(cè)算法進(jìn)行了理論分析,并提出了圖像邊緣特征提取的改進(jìn)方法,通過(guò)比較得出其優(yōu)點(diǎn)和適用范圍,為實(shí)際應(yīng)用采用此方法提供對(duì)照和參考。

邊緣檢測(cè) 數(shù)字圖像處理 算子 巴特沃斯濾波器

1 引言

所謂邊緣,是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合,不同灰度值的相鄰區(qū)域之間有邊緣出現(xiàn),邊緣是灰度值不連續(xù)的結(jié)果。而邊緣檢測(cè)正是基于幅度不連續(xù)性對(duì)圖像進(jìn)行分割。圖像邊緣檢測(cè)是圖象處理與分析中基礎(chǔ)的內(nèi)容之一,但仍有問(wèn)題需要完善。圖像采集過(guò)程中由于投影、混合、畸變和噪聲等導(dǎo)致特征的模糊和變形,會(huì)造成圖像特征難以提取。

為了獲得更清晰的圖像輪廓圖,可以先對(duì)采集的圖像進(jìn)行濾波去噪處理,然后再利用各種算法對(duì)圖像進(jìn)行邊緣檢測(cè),最后再將邊緣像素連接起來(lái),即可得到清晰、完整的圖像輪廓。

1.1 問(wèn)題的提出

傳統(tǒng)的圖像邊緣檢測(cè)方法大多從圖像的高頻分量中提取邊緣信息,微分運(yùn)算是邊緣檢測(cè)與提取的主要手段。早期就出現(xiàn)了很多一階微分邊緣檢測(cè)算子,如Sobel算子、Prewitt算子、Roberts算子和Kirch算子等。但由于它們對(duì)噪聲的敏感度較高,所以實(shí)際效果并不理想?；谧顑?yōu)化理論的Canny邊緣檢測(cè)算法具有信噪比大、檢測(cè)精度高和計(jì)算量小等優(yōu)點(diǎn),一直被廣泛應(yīng)用。但Canny算法也有不足之處,比如Canny算法采用雙閾值方法檢測(cè)邊緣,難以選擇合理的下限閾值。其獲取的邊緣難以達(dá)到單像素級(jí),會(huì)存在一個(gè)邊緣點(diǎn)有多個(gè)響應(yīng)的現(xiàn)象。為此,本文分別對(duì)Canny算法的不足提出了改進(jìn)方案。

1.2 研究的意義

本文提出的圖像邊緣提取算法改進(jìn)方案基于ButterWorth高通濾波原理。算法意義在于充分利用圖像在傅立葉變換后在頻域易于去噪、增強(qiáng)輪廓的優(yōu)勢(shì),保留了傅立葉變換及濾波器設(shè)計(jì)的快速和簡(jiǎn)單性。在新的變換框架下,檢出邊緣定位精度明顯高,方向性更強(qiáng)。

通過(guò)分析Canny邊緣提取算法的理論基礎(chǔ)和實(shí)現(xiàn)過(guò)程,根據(jù)以上不足提出一種先經(jīng)過(guò)頻域?qū)D像進(jìn)行處理之后再進(jìn)行邊緣提取的方法并引入數(shù)學(xué)形態(tài)學(xué)方法對(duì)邊緣進(jìn)行細(xì)化處理。實(shí)驗(yàn)結(jié)果說(shuō)明了算法改進(jìn)的必要性,而且這種改進(jìn)可平行推廣到其它基于梯度的邊緣檢測(cè)方法中,并在醫(yī)學(xué)中有著廣泛的應(yīng)用。

圖1 改進(jìn)方法結(jié)果

2 算法描述

巴特沃斯濾波器的幅度相應(yīng)在通帶具有最平坦的特性,并且在通帶和阻帶內(nèi)的幅度特性是單調(diào)變化的。其優(yōu)點(diǎn)是有少量低頻通過(guò),振鈴現(xiàn)象不明顯,使得圖像在頻域有較理想的處理效果。

2.1 邊緣頻率域銳化

圖像的邊緣、細(xì)節(jié)主要反映在高頻部分,圖像的模糊是因?yàn)楦哳l成分較弱。為了消除模糊,突出邊緣,采用高通濾波器讓高頻成分通過(guò),使低頻成分削弱,再經(jīng)過(guò)傅立葉逆變換得到邊緣銳化的圖像。

2.1.1 噪聲的特征

若將黑白圖象看作是二維亮度分布f(x,y),則噪聲可看作是對(duì)亮度的干擾,用n(x,y)來(lái)表示。噪聲具有隨機(jī)性,需用隨機(jī)過(guò)程來(lái)描述,即要求知道其分布函數(shù)和密度函數(shù),從幅度分布的統(tǒng)計(jì)特性可將其分為白噪聲、椒鹽噪聲和沖擊噪聲。

2.1.2 ButterWorth高通濾波器

巴特沃斯濾波函數(shù)具有最大的平坦幅度響應(yīng),本質(zhì)的穩(wěn)定性和簡(jiǎn)單、容易實(shí)現(xiàn)等特點(diǎn)。

高通濾波處理后的圖像邊緣明顯突出,同時(shí)因?yàn)樵陬l域中嚴(yán)格控制低頻信號(hào),使得銳化的效果與時(shí)域高通濾波的效果有所不同。

2.2 邊緣檢測(cè)算法實(shí)現(xiàn)

對(duì)階躍狀邊緣,在邊緣點(diǎn)處一階倒數(shù)存在極限,因此可計(jì)算每個(gè)像素處的梯度來(lái)檢測(cè)邊緣點(diǎn)。

2.2.1 平滑圖像

用ButterWorth低通濾波函數(shù)構(gòu)造濾波器,分別按行和列對(duì)原始圖像I(x,y)進(jìn)行卷積操作,得到平滑圖像K(x,y)。

利用平滑濾波可以起到抑制噪聲的作用,這里濾波函數(shù)的階數(shù)N和截止頻率Ωc控制著平滑程度。當(dāng)N較大時(shí),通帶愈平坦,其幅度特征愈接近理想特征,處理效果越理想。

2.2.2 梯度幅度值檢測(cè)邊緣

對(duì)于離散圖像處理而言,常用到梯度的大小,因此把梯度的大小習(xí)慣稱為“梯度”。并且一階偏導(dǎo)數(shù)采用一階差分近似表示。通過(guò)選擇算子模板來(lái)算計(jì)算梯度,從而增強(qiáng)邊緣。

2.3 邊緣細(xì)化

為了得到保留信息的細(xì)化灰度邊緣,對(duì)邊緣細(xì)化算法進(jìn)行了研究,先對(duì)圖像進(jìn)行濾波處理,然后用邊緣檢測(cè)算子進(jìn)行邊緣檢測(cè),最后經(jīng)細(xì)化處理得到邊緣細(xì)化的圖像。實(shí)驗(yàn)表明,該算法可以得到允許范圍內(nèi)的單像素連通的細(xì)邊緣,保留邊緣灰度信息。

與Canny算法相比,經(jīng)過(guò)細(xì)化處理更能完整的保存拓?fù)浣Y(jié)構(gòu),主要邊緣更加清晰完整的提取了出來(lái)?？梢?jiàn),細(xì)化算法彌補(bǔ)了Canny算法在獲取邊緣時(shí)易于丟失細(xì)節(jié)信息,以及達(dá)不到單像素級(jí)，存在一個(gè)邊緣點(diǎn)有多個(gè)響應(yīng)的不足。

3 實(shí)驗(yàn)結(jié)果及分析

數(shù)字圖像處理中，對(duì)邊提取主要要求就是運(yùn)算速度快，邊緣定位準(zhǔn)確，噪聲抑制能力強(qiáng)，在實(shí)驗(yàn)中，采用該改進(jìn)方法對(duì)數(shù)字圖像進(jìn)行處理，結(jié)果如圖1所示：

從實(shí)驗(yàn)結(jié)果中我們可以發(fā)現(xiàn)，灰度化后的圖像經(jīng)過(guò)本文改進(jìn)的邊緣提取算法得到圖(b)，圖像很完整的保存了圖像的邊緣信息，并且具有很高的定位精度。再經(jīng)過(guò)細(xì)化處理得到圖(c)，從實(shí)驗(yàn)結(jié)果可以看出本文邊緣細(xì)化算法可以得到明顯的邊緣灰度比較均勻的連續(xù)的邊緣細(xì)化效果，并可以得到允許范圍內(nèi)的單像素的連通的細(xì)邊緣，保留了邊緣信息。將圖像邊緣細(xì)化掉2～3個(gè)像素，此算法為下一步對(duì)圖像進(jìn)行亞像素細(xì)分，提高亞像素細(xì)分算法的速度和測(cè)量精度打下了良好的基礎(chǔ)。

4 總結(jié)與展望

本文對(duì)數(shù)字圖像的邊緣進(jìn)行提取，在比較現(xiàn)有邊緣檢測(cè)算子的優(yōu)缺點(diǎn)的基礎(chǔ)上，提出圖像邊緣提取的改進(jìn)算法，即先對(duì)圖像在頻域進(jìn)行濾波處理，再利用一般的邊緣檢測(cè)算子得到允許范圍內(nèi)的細(xì)邊緣。該算法對(duì)灰度變化較大的邊緣處理效果比較理想，而對(duì)于灰度變化小的邊緣細(xì)化效果還有待于進(jìn)一步改進(jìn)。

實(shí)際處理中針對(duì)不同的圖像，并沒(méi)有一種通用的算子來(lái)提取圖像邊緣。能否找到適合的算子成為關(guān)鍵。在可以預(yù)見(jiàn)的將來(lái)，新的理論與新的處理方法將不斷涌現(xiàn)，這些問(wèn)題終究會(huì)逐步地得到解決。

[1]王雪,李偉,王偉.數(shù)字圖像處理中邊緣檢測(cè)算子優(yōu)缺點(diǎn)探討[A].科技創(chuàng)新導(dǎo)報(bào),(16):14-15,2011.

[2]張震.數(shù)字圖像處理中邊緣提取和去噪研究算法[D].吉林大學(xué), 2009.

[3]張?jiān)?劉曉紅,劉雪香,王建峰.陶瓷基片檢測(cè)中Robert邊緣細(xì)化算法[A].山東理工大學(xué)學(xué)報(bào),(23):94-95,2009.

[4]陳炳權(quán),劉宏立,孟凡斌.數(shù)字圖像處理技術(shù)的現(xiàn)狀及其發(fā)展方向[J].吉首大學(xué)學(xué)報(bào),(25):27-30,2008.

[5]吳健輝,楊坤濤.數(shù)字圖像處理中邊緣檢測(cè)算法的實(shí)驗(yàn)對(duì)比研究[A].湖南理工學(xué)院學(xué)報(bào),(20):26-52,2007.