圖像邊緣檢測(cè)算法的比較分析

王 娟

(忻州師院五寨分院，山西，036200)

圖像邊緣檢測(cè)算法的比較分析

王 娟

(忻州師院五寨分院，山西，036200)

隨著社會(huì)的快速發(fā)展，圖像邊緣檢測(cè)的方法也逐步的多樣化，為了能夠全面提升其圖像邊緣檢測(cè)的效率，需要對(duì)整體的檢測(cè)方法進(jìn)行全面的創(chuàng)新。但在實(shí)際的檢測(cè)過(guò)程中，其檢測(cè)環(huán)境還相對(duì)復(fù)雜，導(dǎo)致邊緣檢測(cè)的難度相對(duì)較大。所以，對(duì)檢測(cè)法進(jìn)行優(yōu)化十分關(guān)鍵。本文主要針對(duì)圖像邊緣檢測(cè)法進(jìn)行比較分析。并提出了相應(yīng)的優(yōu)化措施。

圖像；邊緣檢測(cè)算法；比較分析

1 圖像邊緣檢測(cè)的方法

在對(duì)圖像進(jìn)行處理和計(jì)算機(jī)視覺(jué)等領(lǐng)域中應(yīng)用到的最基本技術(shù)就是邊緣檢測(cè)技術(shù)，如何準(zhǔn)確、快速地提取出圖像邊緣信息一直是圖像處理問(wèn)題中的難題和國(guó)內(nèi)外研究的熱點(diǎn)問(wèn)題。在早期的經(jīng)典算法中包括Canny算子、Pewitt算子、Roberts算子、LaaG算子等邊緣檢測(cè)算子法。近年來(lái)不斷對(duì)人工智能和智能領(lǐng)域的發(fā)展，使得眾多新的邊緣檢測(cè)方法不斷涌現(xiàn)出來(lái)，例如某些利用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)法。邊緣檢測(cè)技術(shù)的不斷成熟使得新的邊緣檢測(cè)方法隨之出現(xiàn)。

1.1 傳統(tǒng)的經(jīng)典邊緣檢測(cè)算子法

1.1.1 高斯型的拉普拉斯（LnG）邊緣算子

高斯型拉普拉斯（LAG）算子屬于二階導(dǎo)數(shù)算子，對(duì)于邊緣點(diǎn)的檢測(cè)需要尋找圖像的灰度值中的過(guò)零點(diǎn)，所以，當(dāng)高斯函數(shù)中的方差委數(shù)r越大時(shí)，越能夠豐富檢測(cè)到的圖像細(xì)節(jié)，使得噪聲的抑制能力能夠下降，在這種情況下較容易出現(xiàn)偽邊緣的現(xiàn)象；在抗噪聲能力提高的同時(shí)，也要降低邊緣定位的準(zhǔn)確性。

1.1.2 Robers邊緣算子

Raberts算子是一種最為簡(jiǎn)單的算子，通過(guò)對(duì)局部差分算子尋找邊緣的算子進(jìn)行計(jì)算，利用任意一對(duì)互相垂直方向上的差分都能夠?qū)μ荻鹊脑磉M(jìn)行計(jì)算，從而，能夠計(jì)算出對(duì)角線方向相鄰的兩像素之差。

1.1.3 Prewilt邊緣算于

Pewilt算子屬于邊緣樣板算子。在圖1中可看出兩個(gè)卷積的算子能夠形成Prewilt邊緣算子，理想的邊緣子圖像能夠構(gòu)成樣極算子，對(duì)于邊緣樣板的利用能夠檢測(cè)出圖像與被檢測(cè)區(qū)域中最為相似的樣板，這樣可以作為算子輸出的最大值，這樣能夠檢測(cè)出邊緣像素。Prewilt算子通過(guò)對(duì)圖像灰度進(jìn)行平均后，再進(jìn)行求差分的操作，從而，求出的Prewilt算子的邊緣較寬。

1.1.4 Canny邊緣算子

Canny算子屬于邊緣檢測(cè)中的一階微分濾波器，具有多峰值響應(yīng)準(zhǔn)則，最優(yōu)過(guò)零點(diǎn)定位準(zhǔn)則和最大信噪比準(zhǔn)則三大優(yōu)點(diǎn)，通過(guò)應(yīng)用變分的原理能夠計(jì)算出f（x)函數(shù)，得出高斯函數(shù)的一階微分。Canny算子屬于濾波較強(qiáng)和檢測(cè)階段多樣化的優(yōu)化算子。在對(duì)Canny算子進(jìn)行處理之前，需要先用高斯平滑濾波器來(lái)對(duì)圖像進(jìn)行平滑操作，以達(dá)到除去噪聲對(duì)目的，通過(guò)計(jì)算梯度差值能夠完成鄰域或局部強(qiáng)度值，突出增強(qiáng)邊緣的顯著的變化特點(diǎn)。

1.2 新的邊緣檢測(cè)方法

1.2.1 基于小波變換的邊緣檢測(cè)方法

小波分析在最近幾年已成為工程學(xué)科和應(yīng)用數(shù)學(xué)中迅速發(fā)展的一個(gè)新領(lǐng)域，小波變換需要對(duì)時(shí)域-頻域進(jìn)行局部變換，從而能夠在信號(hào)中提取出更多有用的信息。在進(jìn)行圖像工程的操作中，對(duì)于圖像的分析從一些結(jié)構(gòu)復(fù)雜、形態(tài)各異的圖像下手，對(duì)于提取到的圖像邊緣在反映出目標(biāo)整體輪廓的同時(shí)，還需要描繪出目標(biāo)的局部細(xì)節(jié)，這需要運(yùn)用多尺度的邊緣進(jìn)行檢測(cè)；小波變換具有天然多尺度的運(yùn)行特征，對(duì)于不同的運(yùn)算進(jìn)行伸縮平移變化能夠細(xì)化分析信號(hào)特征。對(duì)達(dá)到高頻的時(shí)間進(jìn)行細(xì)分，由此可看出，小波變換適合用于復(fù)雜圖像的邊緣檢測(cè)。

1.2.2 基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)方法

數(shù)學(xué)形態(tài)學(xué)可用于對(duì)模式識(shí)別和圖像處理領(lǐng)域中，在應(yīng)用于實(shí)際操作時(shí)，需要具有嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)理論基礎(chǔ)。基本的思想是度量某些具有一定形態(tài)的結(jié)構(gòu)元素和提取相應(yīng)圖像中的各種形態(tài)，使得圖像的分析和識(shí)別的目的能夠達(dá)到，讓獲取到的圖像結(jié)構(gòu)信息與結(jié)構(gòu)元素相關(guān)，對(duì)于各種不同構(gòu)造的結(jié)構(gòu)元素可以完成對(duì)于不同的圖像分析。

1.3 分割最佳閱值的迭帶算法

網(wǎng)值分割的方法是劃分圖像的不同灰度等級(jí)，然后確定灰度門限的方法，對(duì)物體的邊界進(jìn)行分割。當(dāng)分割目標(biāo)與背景時(shí)，必須保證某一灰度是某圖像的分割閥值的恒定值，按照閥值對(duì)目標(biāo)和背景進(jìn)行劃分的錯(cuò)誤分割的圖像像素點(diǎn)數(shù)為最小。通過(guò)閥值能夠?qū)D像劃分為兩部分，噪聲可隨機(jī)作用在圖像的像素點(diǎn)上，則根據(jù)不同的劃分目標(biāo)的和背景，在迭代次數(shù)不斷增加的同時(shí)，平均灰度值也會(huì)更加趨向于真值。因此，用迭代算法求出的最佳閥值不會(huì)受到噪聲的影響。

2 實(shí)例對(duì)比仿真與分析

在MATLAB的平臺(tái)下，可以實(shí)現(xiàn)對(duì)圖像邊緣檢測(cè)算法的仿真操作。仿真圖像為lena.bmp:512×512、256色灰度圖像，用不同的算子可對(duì)改進(jìn)方法進(jìn)行邊緣檢測(cè)，例如：Canny算子、Prewilt算子、Roberts算子、LOG算子等，通過(guò)將各項(xiàng)檢測(cè)結(jié)果進(jìn)行對(duì)比，可以確定LOG算子和Canny算子具有比較強(qiáng)的抗干擾能力。Roberts算子和Prewitt算子都會(huì)受到一定的噪聲影響，在實(shí)際情況下，在對(duì)圖像進(jìn)行處理時(shí)，往往會(huì)不可避免的產(chǎn)生一定的噪聲。LOG算子具有較好的抗干擾性，但檢測(cè)到的邊緣信息效果不好，不連續(xù)。Canny算子檢測(cè)的結(jié)果比LOG算子檢測(cè)出的結(jié)果效果稍好，但邊緣不具有連續(xù)性。對(duì)于改進(jìn)的算法在一般情況下具有較好的抗噪能力，并且檢測(cè)出圖像邊緣信息能夠形成一定的連續(xù)性。在圖像邊緣的檢測(cè)領(lǐng)域具有較為經(jīng)典的邊緣檢測(cè)算子，但不具備絕對(duì)的優(yōu)勢(shì)，某些邊緣的檢測(cè)精度較高，沒(méi)有較好的抗噪聲性；某些能夠解決抗噪聲的性能的邊緣，不具備較好的檢測(cè)精度。對(duì)于這些算法的改進(jìn)方法需要在一定程度上解決各種協(xié)調(diào)問(wèn)題。綜上所述，無(wú)論哪種邊緣檢測(cè)的算法在解決某些問(wèn)題的同時(shí)也會(huì)存在不同方面的缺陷。

3 圖像邊緣檢測(cè)算法的比較結(jié)果分析

在本文中有關(guān)于經(jīng)典的邊緣檢測(cè)算法進(jìn)行了詳細(xì)的分析和闡述，并對(duì)檢測(cè)出的結(jié)果進(jìn)行比較。對(duì)于傳統(tǒng)的經(jīng)典圖像邊緣的提取算法簡(jiǎn)單，計(jì)算量小，但具有較為敏感的抗噪聲的干擾，所以，對(duì)于檢測(cè)效果需要結(jié)合其他的一些算法，對(duì)圖像進(jìn)行預(yù)處理，這樣才會(huì)取得較好效果。對(duì)于某些基于數(shù)學(xué)形態(tài)學(xué)理論和小波變換的邊緣檢測(cè)算法在目前來(lái)說(shuō)還不太成熟，還有許多方面有待研究。在整體的比較重，新的算法與傳統(tǒng)的算法具有明顯的差異性，傳統(tǒng)的算法雖然步驟較為繁瑣，而且算法相對(duì)原始，但是相對(duì)而言，其檢測(cè)的精確度相對(duì)較高。而新型的算法，更加趨近于實(shí)際，其精確度也十分高，而且測(cè)算的效率也不低。所以，在生活中的應(yīng)用較為廣泛。但是其整體測(cè)算的穩(wěn)定性還不夠強(qiáng)，而且測(cè)算的成本較高。所以，在進(jìn)行測(cè)算的過(guò)程中，需要結(jié)合實(shí)際情況，選擇科學(xué)合理的測(cè)算方式。

相比較來(lái)看，迭代算法使最佳分割閥值不受噪音的影響，所以，能夠確定邊緣點(diǎn)的自身灰度值，使得噪聲影響范圍的擴(kuò)大不受較大的影響。對(duì)于圖像閥值的分割需要能夠提取出完整的圖像輪廓，這樣才能使得檢測(cè)到的邊緣具有連續(xù)性。但圖像閥值的算法較為復(fù)雜，不能較為方便的進(jìn)行應(yīng)用，所以，為了能夠更好的解決邊緣檢測(cè)桔度與抗噪聲性能協(xié)調(diào)問(wèn)題，需要尋求一些簡(jiǎn)單的算法，圖像處理與分析研究的目標(biāo)就是邊緣檢測(cè)算法。

Canny邊緣檢測(cè)算子的基本步驟如下：

1)用高斯濾波器處理圖像，即選取Gauss濾波器函數(shù)的標(biāo)準(zhǔn)方差和鄰域大小，對(duì)圖像f（x）進(jìn)行運(yùn)算，最終能夠得到較為平滑的圖像，達(dá)到抑制噪聲的作用。

2）計(jì)算濾波后圖像中每個(gè)像素梯度的幅值和方向。

3）對(duì)梯度幅值進(jìn)行非極大值抑制運(yùn)算。圖像上幅值M的大小并不能對(duì)邊緣點(diǎn)進(jìn)行確定，通過(guò)采用非極大值抑制的方式才能確定邊緣點(diǎn)，細(xì)化幅值圖像中的屋脊帶，保留在幅值中局部變化最大的點(diǎn)。對(duì)圖像中的幅值需要利用梯度方向來(lái)進(jìn)行計(jì)算，當(dāng)梯度方向上的非最大值點(diǎn)的賦值為零時(shí)，這點(diǎn)即為邊緣。

4）用雙闊值算法檢測(cè)和連接邊緣。對(duì)于非極大值進(jìn)行抑制幅值時(shí)，可以得到邊緣的陣列圖像，結(jié)果會(huì)受到閥值大小的影響。

4 結(jié)語(yǔ)

圖像邊緣檢測(cè)算法的方法有很多，因此在進(jìn)行測(cè)算的過(guò)程中需要結(jié)合實(shí)際情況，選擇最為合適的方法進(jìn)行全面的測(cè)算。在進(jìn)行邊緣檢測(cè)測(cè)算的過(guò)程中，首先需要對(duì)其算法的基礎(chǔ)內(nèi)容進(jìn)行明確，然后采用合適的方法進(jìn)行綜合性的測(cè)算，之后要結(jié)合實(shí)例進(jìn)行仿真與分析。最終得出最為合適的測(cè)算方法，從而讓圖像邊緣檢測(cè)方法的測(cè)算精準(zhǔn)度得到全面的提升。

[1]段瑞玲,李慶祥,李玉和.圖像邊緣檢測(cè)方法研究綜述[J].光學(xué)技術(shù).2005(03)

[2]徐獻(xiàn)靈,林奕水.圖像邊緣檢測(cè)算法比較與分析[J].自動(dòng)化與信息工程.2007(03)

[3]肖梅,張雷,寇雯玉,苗永祿,劉偉.一種新的邊緣檢測(cè)算法研究[J].鄭州大學(xué)學(xué)報(bào)(工學(xué)版).2012(04)

[4]陳偉,范新南,李敏,汪耕任.單幅圖像去霧算法[J].計(jì)算機(jī)與現(xiàn)代化.2015(05)

王娟 ，女，1986年1月19日，本科，職稱：助講 ，研究方向：計(jì)算機(jī)科學(xué)與技術(shù)。

Comparative analysis of image edge detection algorithms

Wang Juan

(Wuzhai branch of Xinzhou Teachers College，Shanxi,036200)

With the rapid development of society,the technique of edge detection is also gradually diversified,in order to enhance the efficiency of the image edge detection, the need for comprehensive innovation on the detection method of the whole.But in the actual detection process,the detection environment is relatively complex, resulting in the difficulty of edge detection is relatively large.So, it is very important to optimize the detection method.This article mainly aims at the image edge detection method to carry on the comparative analysis.And the corresponding optimization measures are put forward.

image edge detection algorithm comparative analysis