基于MATLAB的三幀差分邊緣檢測算法研究

梁禹 韓舒羽

關(guān)鍵詞：MATLAB;三幀差分邊緣檢測;目標(biāo)重疊

智能視頻監(jiān)控系統(tǒng)具有智能化與數(shù)字化優(yōu)勢，目前被廣泛應(yīng)用于交通與安防等領(lǐng)域[1]。當(dāng)下，一些常用的運(yùn)動(dòng)目標(biāo)檢測算法包括幀間差分法、背景差分法、光流法等，在分析這些方法的原理和流程后，可以對其優(yōu)缺點(diǎn)進(jìn)行比較[2]。將以上三種方法進(jìn)行對比發(fā)現(xiàn)，利用幀差法來實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測，實(shí)驗(yàn)表明，對于運(yùn)動(dòng)快且形狀較大的運(yùn)動(dòng)目標(biāo)，在運(yùn)動(dòng)圖像檢測中有良好的效果[3]。幀間差分算法實(shí)現(xiàn)簡單，程序計(jì)算復(fù)雜度低，運(yùn)行速度快，而且對環(huán)境中的場景光線的變化不敏感，還能提高檢測準(zhǔn)確率[4]。并且，該算法只對運(yùn)動(dòng)目標(biāo)比較敏感，運(yùn)行穩(wěn)定，適合用于目標(biāo)檢測對復(fù)雜度要求低和資源利用低的場景。

幀間差分法直接比較連續(xù)兩幀或多幀圖像中對應(yīng)像素的灰度值，然后在設(shè)置閾值的序列圖像中提取運(yùn)動(dòng)目標(biāo)的區(qū)域[5]，該算法適合用于智能安防監(jiān)控領(lǐng)域。當(dāng)多幀連續(xù)的視頻畫面中有運(yùn)動(dòng)目標(biāo)時(shí)，幀間差分法對相鄰兩幀圖像作差分運(yùn)算并計(jì)算得到結(jié)果，通過該算法可以快速提取出運(yùn)動(dòng)的目標(biāo)區(qū)域。與其他算法相比，該算法也更易于在FPCA等硬件上實(shí)現(xiàn)。本文在此基礎(chǔ)上提出一種融合算法，該融合算法融合三幀差分法和改進(jìn)的邊緣檢測算法，使用MATLAB進(jìn)行仿真驗(yàn)證表明，該算法的優(yōu)點(diǎn)是能降低檢測目標(biāo)的重疊性。

1三幀差分邊緣檢測算法

圖像是一種最直觀的視覺內(nèi)容，包含較多信息，其中邊緣和輪廓是圖像的最基本特征，蘊(yùn)藏著圖像中最為關(guān)鍵的信息。Sobel算子的工作原理是：對圖像的局部像素點(diǎn)進(jìn)行平均化或加權(quán)平均化計(jì)算，利用灰度變化設(shè)置閾值判斷像素點(diǎn)是否為邊緣點(diǎn)，實(shí)現(xiàn)消除噪音和平滑圖像的效果。本文提出三幀差分邊緣檢測的融合算法，是將三幀差分算法和基于新的計(jì)算公式的邊緣檢測算法進(jìn)行融合得到的目標(biāo)檢測算法，通過融合改進(jìn)的邊緣檢測算法之后，使得提取的目標(biāo)區(qū)域邊緣更加連續(xù)，軌跡清晰，同時(shí)可提高算法的準(zhǔn)確率，降低重疊性，且融合后的算法在FPCA上易于實(shí)現(xiàn)。在進(jìn)行圖像處理時(shí)，經(jīng)常用到邊緣檢測算法。通過邊緣檢測計(jì)算后，使得圖像邊緣信息更加清晰、直觀地表現(xiàn)在原始圖像中，對于圖像中的細(xì)節(jié)部分，如目標(biāo)的直徑、寬度等都可被邊緣檢測算法檢測并描述出。對于圖像中表面深度、方向不連續(xù)以及光照條件不同時(shí)，圖像都會(huì)產(chǎn)生邊緣信息。圖像不同的灰度值顯示如圖1所示。

從圖1中可以發(fā)現(xiàn)，在第四和第五像素間有明顯的亮度變化，二者之間會(huì)產(chǎn)生一個(gè)邊緣，在這兩個(gè)像素點(diǎn)之間產(chǎn)生了明顯的變化。在實(shí)際場景中，不同圖像產(chǎn)生的邊緣信息也有所不同，本文通過選取不同的閾值來區(qū)分它們。對于圖像算法中邊緣檢測算法常應(yīng)用在眾多研究方向中，常用的邊緣檢測算子有Prewitt，Sobel，Roberts，Log和Canny，將這些常用的算子在MATALB2018a平臺(tái)下進(jìn)行仿真，得到各個(gè)算子的仿真結(jié)果如圖2所示。通過在MATLAB下仿真，并對常用算子實(shí)現(xiàn)邊緣檢測的效果進(jìn)行對比。

使用相同的原始輸入圖像，通過對各邊緣檢測算子在MATLAB下進(jìn)行仿真，并分析結(jié)果可得：（1）Roberts算子的優(yōu)勢在于對水平和垂直方向的檢測效果好，對于圖像的對角線上檢測效果一般;（2） Prewitt算子對濾除噪聲、邊緣定位的效果一般，在圖像邊緣信息上可以起到平滑的作用;（3）與其他算子相比，Sobel算子可以精確地檢測出圖像的邊緣信息，濾除噪聲效果很好，且計(jì)算量較小;（4） Log算子的優(yōu)勢是在進(jìn)行濾除噪聲和邊緣定位時(shí)效果較好;（5） Canny算子對噪聲的濾除效果最好，在濾除噪聲的同時(shí)，也容易平滑掉一些邊緣，邊緣定位比較準(zhǔn)確。

基于上述分析，本文決定采用的邊緣檢測算法的算子是Sobel算子，該算法對于X和Y兩個(gè)方向的算子如圖3所示。Sobel邊緣檢測算法和中值濾波算法在FPCA上進(jìn)行實(shí)現(xiàn)時(shí)需要的圖像緩存處理很相似，都需要3x3的矩陣，也需要相同的移位寄存器，利用三個(gè)移位寄存器可以輸出3x3窗口，即得到3x3矩陣，此3x3窗口和中值濾波的3x3窗口的結(jié)構(gòu)一致。

傳統(tǒng)的Sobel邊緣檢測算法是對0。和90。進(jìn)行計(jì)算，對于上述算子通過與圖像A進(jìn)行卷積運(yùn)算，計(jì)算出梯度G。和G。，再通過開平方根的方式得到最終計(jì)算結(jié)果，其計(jì)算公式如下：

對于Sobel邊緣檢測算法在FPGA下進(jìn)行實(shí)現(xiàn)，在FPGA下實(shí)現(xiàn)為了減少邏輯資源消耗，使用不開平方的近似值，利用絕對值代替開平方根的方法，其計(jì)算公示可以簡化為：

本文基于上述計(jì)算方式提出了改進(jìn)的Sobel的新計(jì)算方法，在0。和90。兩個(gè)方向上增加45。和135。，目的是進(jìn)一步豐富圖像的邊緣特性。圖4為四個(gè)方向的算子。然后，將3x3矩陣與四個(gè)方向Sobel算子進(jìn)行卷積。由于運(yùn)算符都是由0、±1、±2組成，0和±1對應(yīng)的像素值可以直接加減，所以±2對應(yīng)的像素值可以通過左移1位乘以2來代替。該運(yùn)算操作可以降低資源的使用率，提升算法的執(zhí)行效率。

對于Sobel邊緣檢測算法在引入4個(gè)方向后，在原有的兩個(gè)方向計(jì)算上引入45。和135。后，按照上述計(jì)算方法對4個(gè)方向進(jìn)行計(jì)算，邊緣檢測算法4個(gè)方向的計(jì)算公式如下：

為了可以在FPCA上節(jié)約邏輯資源，更易于在FPCA上實(shí)現(xiàn)該算法，本文提出計(jì)算4個(gè)方向的Sobel邊緣檢測算法的新計(jì)算公式如下：

與兩幀差分法檢測目標(biāo)相比，使用三幀差分法可以在處理空洞和輪廓丟失上得到更加理想的效果，通過融合改進(jìn)的、基于新的計(jì)算公式的邊緣檢測算法，能對目標(biāo)進(jìn)行更加精準(zhǔn)的定位，同時(shí)比傳統(tǒng)計(jì)算方式更加節(jié)省資源。因此，將兩個(gè)算法融合后可以得到更具有優(yōu)勢的融合算法。該融合算法的實(shí)現(xiàn)過程為：首先，對緩存連續(xù)視頻中的相鄰三幀圖像分別兩兩差分，將差分結(jié)果進(jìn)行二值化處理，然后對原始圖像使用基于新的計(jì)算方式的邊緣檢測算法進(jìn)行計(jì)算，最后將結(jié)果與二值化結(jié)果進(jìn)行比對，得到目標(biāo)區(qū)域。為了能準(zhǔn)確檢測運(yùn)動(dòng)目標(biāo)，而且能很好地描述目標(biāo)的外觀和輪廓，同時(shí)能消除大量不相關(guān)的噪聲，選擇加入計(jì)算四個(gè)方向的Sobel邊緣檢測算法，將差分后的結(jié)果與Sobel邊緣檢測后的結(jié)果進(jìn)行邏輯運(yùn)算。該方法的優(yōu)勢是可以有效減少目標(biāo)重疊現(xiàn)象。該算法的流程圖如圖5所示。

三幀差分邊緣檢測算法的實(shí)現(xiàn)步驟為：（1）從一段視頻中提取出連續(xù)三幀的原始圖像，分別進(jìn)行灰度處理;（2）將三幀灰度圖像進(jìn)行兩兩差分運(yùn)算;（3）將差分后的結(jié)果進(jìn)行二值化處理.然后對原始圖像進(jìn)行邊緣計(jì)算，使用基于新的計(jì)算公式的邊緣檢測算法，再將結(jié)果與二值化處理結(jié)果進(jìn)行邏輯運(yùn)算;（4）將上一步中計(jì)算得到的圖像進(jìn)行中值濾波處理;（5）得到最終的目標(biāo)檢測結(jié)果。

2三幀差分邊緣檢測算法的MATLAB仿真

將本文提出的融合算法在MATLAB下進(jìn)行仿真。首先，在MATLAB下讀取一段視頻文件，如圖6是對一段連續(xù)的車輛行駛視頻分別獲取其中連續(xù)幾幀的圖像，并按照算法流程圖分別進(jìn)行灰度處理、相與操作、二值化處理、邊緣檢測等。分別對三幀差分法、融合三幀差分法和Sobel邊緣檢測算法、融合三幀差分法、基于新的計(jì)算公式的邊緣檢測算法進(jìn)行MATLAB實(shí)現(xiàn)。按照上述基于新的計(jì)算公式的邊緣檢測算法和三幀差分法進(jìn)行融合處理，并與三幀差分法、融合三幀差分和Sobel邊緣檢測算法在MATLAB上進(jìn)行仿真對比。相關(guān)算法對比結(jié)果如圖6所示。

通過在MATLAB下進(jìn)行仿真實(shí)驗(yàn)分析，將三種算法分別進(jìn)行MATLAB仿真實(shí)現(xiàn)后可以發(fā)現(xiàn)，在對比融合改進(jìn)的目標(biāo)檢測算法后，在傳統(tǒng)三幀差分法、傳統(tǒng)融合三幀差分法、邊緣檢測的基礎(chǔ)上可以減少目標(biāo)重疊現(xiàn)象，同時(shí)能消除大量不相關(guān)的噪聲。通過在MATLAB下實(shí)驗(yàn)證明，改進(jìn)的融合算法在減少目標(biāo)重疊現(xiàn)象方面具有優(yōu)化效果。同時(shí)，對于在邊緣檢測算法中改進(jìn)的算法公式也適合在FPCA上進(jìn)行實(shí)現(xiàn)。

3結(jié)束語

本文提出基于目標(biāo)檢測的融合算法，融合三幀差分法與基于新的計(jì)算公式的邊緣檢測算法，并在MATLAB下分別進(jìn)行仿真和對比實(shí)驗(yàn)，通過仿真實(shí)驗(yàn)可以驗(yàn)證，對于一段連續(xù)實(shí)時(shí)運(yùn)動(dòng)目標(biāo)的檢測，能有效降低目標(biāo)重疊性，同時(shí)可以有效消除不相關(guān)的噪聲。