邊緣檢測(cè)算子在武夷巖茶圖像處理中的對(duì)比分析

曾躍奇（廣西工業(yè)職業(yè)技術(shù)學(xué)院，廣西南寧 530001）

?

邊緣檢測(cè)算子在武夷巖茶圖像處理中的對(duì)比分析

曾躍奇
（廣西工業(yè)職業(yè)技術(shù)學(xué)院，廣西南寧 530001）

在實(shí)際圖像處理過程中，作為圖像常規(guī)的特征顯示，邊緣為大家認(rèn)定與判定圖像給予了非常關(guān)鍵的特征參數(shù)。當(dāng)前，邊緣檢測(cè)應(yīng)用圖像處理中的識(shí)別、分割、增強(qiáng)、壓縮等各個(gè)范圍都有著非常明確與普遍的應(yīng)用，除此之外，邊緣檢測(cè)它時(shí)常被應(yīng)用至計(jì)算機(jī)視覺、模式等難度較大的層次較強(qiáng)的圖像處理中。本文結(jié)合武夷巖茶的實(shí)質(zhì)特征，通過5種形式的邊緣檢測(cè)算子，檢測(cè)茶葉的圖像邊緣，并在此實(shí)驗(yàn)基礎(chǔ)上對(duì)比各算子的差別。

圖像邊緣；檢測(cè)算子；武夷巖茶

引言

關(guān)于圖像邊緣檢測(cè)的研究歷史已在國內(nèi)外進(jìn)行了許多年，如今，邊緣檢測(cè)的辦法也各式各樣，然而其研究方法還有一定的不足。在特定的形勢(shì)下，尚無法檢測(cè)出目標(biāo)物體的最真實(shí)的邊緣，目前還沒有一種普遍適用且具有標(biāo)準(zhǔn)意義的邊緣檢測(cè)辦法。所以，對(duì)現(xiàn)階段普遍應(yīng)用的一些檢測(cè)方法實(shí)施完善，抑或是根據(jù)具體的需求研究出新的辦法，是開展邊緣檢測(cè)的研究領(lǐng)域的一個(gè)的主要路徑。

1　邊緣檢測(cè)的開展步驟

總而言之，一切邊緣檢測(cè)都可重點(diǎn)判別為彩色與灰度兩種。前者有8種彩色基，彩色基的滿足使其在檢測(cè)的過程中，能夠一一將彩色基本運(yùn)用其中，進(jìn)而左右檢測(cè)的實(shí)時(shí)程度、兼容水平以及檢測(cè)結(jié)果。相較于彩色圖像邊緣檢測(cè)，灰度圖像邊緣檢測(cè)在目前研究中更為普遍，其操作更加便捷，能夠應(yīng)用于各個(gè)應(yīng)用場(chǎng)合［1］。

圖像處理中的邊緣檢測(cè)往往需要利用求導(dǎo)數(shù)來完成，所謂邊緣定位其本質(zhì)就是對(duì)邊緣圖像展開階段，以獲得分辨率的二值圖像（Binary Image）邊緣，當(dāng)前應(yīng)用最多的定位技術(shù)是閾值法與零交叉。前者處理算法比較容易掌握，但是所形成的邊緣往往不存在分辨率。為了取得所需分辨率邊緣，Canny第一次于定位法中進(jìn)行了非最大值抑制，有研究者進(jìn)一步推廣了這一方法，且引入LBE參數(shù)。后者應(yīng)用也較為廣泛：Marr、Hildreth利用搜索函數(shù)拉普拉斯變換（Laplace Transform）變化點(diǎn)集實(shí)施圖像定位；Haralick通過搜索引入二階導(dǎo)數(shù)和三階導(dǎo)數(shù)的梯度法變化符號(hào)屬于負(fù)值的點(diǎn)集來定位邊緣。除此以外，也有其他的研究人員通過符號(hào)結(jié)合法來定位階躍邊緣，也獲得了良好的定位結(jié)果。

國內(nèi)外對(duì)邊緣鏈接的研究已有近三十年的歷史，并且發(fā)展出了種種各樣的鏈接算法，重點(diǎn)分成兩大類：即局部邊緣鏈接、全局邊緣鏈接。前者是在某一特定的范圍內(nèi)實(shí)施鏈接步驟，如標(biāo)注、鏈接，其中像素標(biāo)注屬于八向連通像素點(diǎn)集分配標(biāo)號(hào)。一旦邊緣像素點(diǎn)的灰度與路徑能夠達(dá)到某一相似性準(zhǔn)則，那么該標(biāo)注則是同邊緣段；也能夠通過方向信息進(jìn)行對(duì)像素點(diǎn)的標(biāo)準(zhǔn)，或通過預(yù)定義模板實(shí)施標(biāo)注像素。

2　常用邊緣檢測(cè)算子

一般意義上，會(huì)把邊緣檢測(cè)算子分成兩大類：即一階導(dǎo)數(shù)的和二階導(dǎo)數(shù)算法，除此以外，也有Canny算法、統(tǒng)計(jì)差別方法等。本質(zhì)上來說，邊緣檢測(cè)目的就是通過某一特定地算法來獲得圖像對(duì)象和背景的交界線。人們把邊緣定義成圖像灰度出現(xiàn)變化的區(qū)域邊界。圖像灰度變化水平能夠通過圖像灰度布置梯度來體現(xiàn)，能夠通過特定局部圖像微分技術(shù)來得到邊緣檢測(cè)算子。最為普遍的邊緣檢測(cè)算法，主要是對(duì)原始圖像中某一像素的某一鄰域進(jìn)行構(gòu)造邊緣檢測(cè)算子。

2.1LoG算子

LoG算子通過圖像的強(qiáng)度二階導(dǎo)數(shù)的零交叉點(diǎn)進(jìn)而研究出邊緣點(diǎn)的算法對(duì)噪聲非常靈敏清晰，也因此，力圖在邊緣出現(xiàn)強(qiáng)化之前濾除噪聲。Marr、Hildreth把高斯濾波、拉普拉斯邊緣檢測(cè)相互融合，形成Marr-Hildreth算子，如今也普遍稱之為L(zhǎng)oG（Laplacian of Gaussian）算子。其重要特征為：第一，平滑濾波器屬于高斯濾波器；第二，邊緣增強(qiáng)步驟采取拉普拉斯函數(shù)；第三，檢測(cè)器為二階導(dǎo)數(shù)零交叉點(diǎn)并對(duì)應(yīng)一階導(dǎo)數(shù)的峰值；第四，通過線性內(nèi)插辦法于像素分辨率程度中預(yù)估邊緣位置；第五，通過線性內(nèi)插辦法于分辨率水平上預(yù)估邊緣的位置。應(yīng)用LoG算子方法階段，參數(shù)σ至關(guān)重要，究其原因，只有擇取模塊，方可達(dá)到邊緣維續(xù)與噪聲平滑的重要平衡。當(dāng)有噪聲時(shí)，其檢測(cè)到的偽邊緣也相應(yīng)增多，而且LoG算子的卷該圖像處理的特點(diǎn)是于高斯濾波器實(shí)施卷積，基于此，在平滑圖像過程中減少噪聲，獨(dú)立點(diǎn)噪聲與小結(jié)構(gòu)組織被過濾清楚。該算子輸出h（x，y）是利用卷積運(yùn)算所取得［2］，如下：

H（x，y）=▽2［g（x，y）］*f（x，y）

其中，σ為標(biāo)準(zhǔn)差，目的在判定圖像模糊水平，其對(duì)圖像處理中的邊緣檢測(cè)結(jié)果有著很大程度的影響，圖像的不同其參數(shù)值也不一樣。

2.2Canny邊緣檢測(cè)算法

LoG邊緣檢測(cè)算子操作較為便捷可普遍實(shí)現(xiàn)，擁有一定的實(shí)效水平，然而其對(duì)噪聲相對(duì)比較敏感、因?yàn)榭垢蓴_水平不強(qiáng)，邊緣缺少精細(xì)。Canny［3］在1986年所研究而成的基于邊緣檢測(cè)算子有著較為出色的信噪比以及檢測(cè)精度，已然成為當(dāng)前應(yīng)用最廣泛的邊緣檢測(cè)算子之一。該算法是對(duì)信噪比和定位精度乘積的最優(yōu)化逼近算子，采取二維高斯函數(shù)一階導(dǎo)數(shù)對(duì)圖像處理平滑。設(shè)二維高斯函數(shù)為［4］：

梯度向量為：

通過G（x，y）為平滑后圖像，利用G（x，y）對(duì)圖像平滑顯示：G（x，y）=f（x，y）*H（x，y）

通過一階偏導(dǎo)有限差分來算出梯度的幅值與方向。

單純地獲取全局梯度還不能明確圖像邊緣，所以，為了明確邊緣，一定要保留局部梯度最大點(diǎn)，換言之，把非局部極大值點(diǎn)置零以得到細(xì)化的邊緣。處理行為是把梯度角離散為圓周的四個(gè)扇區(qū)之一，方便3*3抑制運(yùn)算，標(biāo)號(hào)為0至3，對(duì)應(yīng)3*3鄰域的四個(gè)可能組合。

3　武夷巖茶在不同邊緣檢測(cè)算子中的分析

武夷巖茶是烏龍茶的一種，也是發(fā)現(xiàn)年代最早的茶葉種類，該茶屬于半發(fā)酵青茶，在茶葉制作工藝上，區(qū)于綠茶和紅茶間，依次為：采摘、萎凋、攤晾、搖青、發(fā)酵、殺青、揉捻、烘干、分揀、烘焙、包裝。該茶呈彎條狀，色澤烏褐，或帶墨綠，條索緊結(jié)，湯色橙黃至紅茶，清澈明亮。武夷巖茶外形主要呈現(xiàn)彎條條索狀，相較于其他綠茶，其外形有一條彎曲度。

圖像處理過程中邊緣識(shí)別的要求往往有著很大的矛盾，基本無法統(tǒng)一，具體為：第一，可以準(zhǔn)確檢測(cè)出圖像邊緣；第二，單像素的檢測(cè)相應(yīng)；第三，有著比較出色的定位精度；第四，即便尺度邊緣的不同，檢測(cè)算子在圖像處理中也能得到不錯(cuò)的響應(yīng)且最大程度上降低漏檢；第五，不受噪聲影響；第六，邊緣方向?qū)`敏度影響不大。

Prewitt邊緣檢測(cè)算子是基于3X*3鄰域的有向差分，該算子充分綜合每一像素點(diǎn)的方向鄰點(diǎn)灰度的加權(quán)和，邊緣像素方向的權(quán)值為1，有著不錯(cuò)的邊緣，其定位水平也比較精確，完整性較好。

Roberts邊緣檢測(cè)算子邊緣的定位準(zhǔn)確出眾，在檢測(cè)水平與垂直邊緣過程中呈現(xiàn)出的效果更好，不足之處在于受噪聲影響較大，因此會(huì)出現(xiàn)部分邊緣的消失，圖像處理的邊緣多像素寬度。

Sobel算子與Prewitt算子的算法特征基本一樣，然而像素權(quán)值大，更加接近模板中心權(quán)值大，不僅能夠?qū)υ肼曈兄欢ǖ钠交δ?，也可以形成出色的邊緣效果，降低了?duì)噪聲的敏感程度，在檢測(cè)斜向階躍邊緣過程中表現(xiàn)好，能夠給予最精準(zhǔn)的邊緣方向預(yù)估。改進(jìn)后的Sobel邊緣檢測(cè)算子，就是在水平邊緣Sobel算子與垂直邊緣Sobel算子的模板的背景下，又增設(shè)了6個(gè)方向的模板，即45°、135°、180°、225°、270°、315°。這樣一來，能夠更為科學(xué)高效地檢測(cè)圖像處理中多方向邊緣，讓邊緣信息更為精準(zhǔn)、完整。雖然改進(jìn)之后的8方向Sobel算子能夠行之有效地獲取更為完整的圖像邊緣信息，然而與沒改進(jìn)時(shí)的狀態(tài)雷同，其抗噪聲水平并不好，在疊加噪聲圖像的圖像邊緣檢測(cè)不是很理想。處理這一問題的普遍方法就是設(shè)定某一閾值，接著，再經(jīng)Sobel算子檢測(cè)，然后對(duì)比邊緣值，一旦幅值超過閉值定義成邊緣，相反則取零。由此不難發(fā)現(xiàn)，閾值T的選取非常重要。

Canny算子算法效果較好，圖像邊緣的定位較為準(zhǔn)確，形成的邊緣比較細(xì)，邊緣線性連接程度較好。

在對(duì)武夷巖茶圖像實(shí)施圖像邊緣的提取階段，上述5個(gè)檢測(cè)算子都獲得了良好的效果，這也是由于所取圖像的內(nèi)容比較簡(jiǎn)單、層次更加明確，前景并未出現(xiàn)重疊，噪聲清除，所以這幾種算子的分析結(jié)果大體都比較接近，也較為理想，差異不大。對(duì)于某一層面不能清除的噪聲范圍，算子提取邊緣也出現(xiàn)不一致，改進(jìn)后的Sobel邊緣檢測(cè)算子可以去掉較多的假邊緣，取得更為清晰、完整性更好的圖像處理邊緣。整體來說，這一算子在武夷巖茶圖像邊緣檢測(cè)過程中取得了更為優(yōu)異的效果，也獲得了更加完整、精確、細(xì)膩、光滑的圖像邊緣，對(duì)比之下，傳統(tǒng)Sobel算子、Prewitt算子、Roberts算子、Canny算子在含噪聲的圖像邊緣處提取過程中留有一定程度的假邊緣。

4　結(jié)束語

綜上所述，通過以上對(duì)集中算法的結(jié)果能夠發(fā)現(xiàn)，8方向Sobel算子檢測(cè)出的圖像邊緣信息更為豐富，有著較好的連續(xù)性，然而因?yàn)樵肼暩蓴_較大，邊緣也較為模糊，很大程度上影響了視覺效果。而通過增設(shè)閾值的設(shè)定，很好地完善了這個(gè)不足，所獲得圖像邊緣有著出眾的圖像清晰度與連續(xù)性，圖像信息也更為完整，呈現(xiàn)效果達(dá)到預(yù)期，值得推廣應(yīng)用。

［1］Qiucheng Sun，Yueqian Hou，Qingchang Tan.A robust edge detec原tion method with sub-pixel accuracy［J］.Optik-International Journal for Light and Electron Optics，2014.

［2］趙芳，欒曉明，孫越.數(shù)字圖像幾種邊緣檢測(cè)算子檢測(cè)比較分析［J］.自動(dòng)化技術(shù)與應(yīng)用，2011，12（03）：68-72.

［3］鋒華，劉琪芳，冀金鳳.基于MATLAB數(shù)字圖像邊緣檢測(cè)算子的研究［J］.機(jī)械工程與自動(dòng)化，2011，7（4）：48-50.

［4］歐溫暖.幾種常見邊緣檢測(cè)算子的分析比較［J］.現(xiàn)代計(jì)算機(jī)（專業(yè)版），2010，21（5）：75-77.

曾躍奇（1964-），男，廣西南寧人，學(xué)士，講師，研究方向：計(jì)算機(jī)應(yīng)用、網(wǎng)絡(luò)。