数字图像处理中边缘检测算子优缺点探讨作者：王雪李伟王伟：《科技创新导报》2011年第16期摘要:图像边缘对图像识别和计算机分析十分有用,边缘能勾画出目标物体,使观察者一目了然;边缘蕴含了丰富的内在信息,是图像识别中重要的图像特征之一。从本质上说,图像边缘是图像局部特性不连续的反映,它标志着一个区域的终结和另一个区域的开始。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间,因此它是图像分割所依赖的重要特征,也是纹理特征的重要信息源和形状特征的基础,而图像的纹理形状特征的提取又常常要依赖于图像分割。图像边缘提取也是图像匹配的基础,因为它是位置的标志,对灰度的变化敏感,可作为匹配的特征。关键词:数字图像处理边缘检测算子Canny算子:TN941文献标识码:A:1673-9795(2011)06(a)-0014-021引言图像边缘对图像识别和计算机分析十分有用,边缘能勾画出目标物体,使观察者一目了然;边缘蕴含了丰富的内在信息,是图像识别中重要的图像特征之一。从本质上说,图像边缘是图像局部特性不连续的反映,它标志着一个区域的终结和另一个区域的开始。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间,因此它是图像分割所依赖的重要特征,也是纹理特征的重要信息源和形状特征的基础,而图像的纹理形状特征的提取又常常要依赖于图像分割。图像边缘提取也是图像匹配的基础,因为它是位置的标志,对灰度的变化敏感,可作为匹配的特征点。2图像边缘提取2.1图像的边缘检测图像的边缘对人的视觉有重要意义,人类视觉系统识别物体很大程度上依赖边缘。边缘蕴含了丰富的内在信息(如方向、阶跃性质、形状等),是图像识别中抽取图像特征的重要属性。两个具有不同灰度值的相邻区域之间存在边缘,边缘是灰度不连续的结果,这种不连续可利用求导数方便地检测到。边缘特征不仅用于图像分割和纹理分析,也是三维目标提取的重要信息源。微积分中用导数描述连续函数的变化,图像函数依赖于两个变量,即图像平面的横纵坐标。因此,描述边缘的检测算子使用偏导数。图像函数的变化可以用指向图像函数最大增长方向的梯度表示。梯度方向(与边缘方向垂直)上的边缘具有典型性。对于一幅图像中突出的边缘区,其梯度值较大;对于平滑区,梯度值较小;对于灰度级为常数的区域,梯度为零。边缘检测是图像分析的经典研究课题之一,目前的理论和方法仍在不断的改进和发展。边缘检测首先检测出图像局部特性的不连续,然后再将这些不连续的边缘像素连成完整的边界。边缘的特性表现为沿边缘走向的像素变化平缓,而垂直边缘方向的像素变化剧烈。所以从这个意义上说,检测边缘的算法就是检测出符合边缘特性的边缘像素的数学算子。2.2常用的边缘检测算子2.2.1Roberts算子Roberts算子采用的是对角方向相邻的两个像素之差,是一种利用局部差分算子来寻找边缘的算子。Roberts算子只使用当前像素的2*2邻域,主要缺点是对噪声的高度敏感性,原因在于使用了很少几个像素来近似梯度。2.2.2Sobel算子Sobel算子是先做加权平均,再微分,然后求梯度。利用该算子进行卷积运算,两个卷积核的最大值作为该点的输出位。2.2.3Prewitt算子同Sobel算子相同,图像中的每个点都用这两个核进行卷积,取最大值作为输出。2.2.4Kirsch算子图像中的每个点都用8个掩模进行卷积,每个掩模都对某个特定边缘方向做出最大响应,所有8个方向中的最大值作为边缘幅度图像输出。2.2.5Laplacian算子Laplacian算子是线性二次微分算子,与梯度算子一样,具有旋转不变性。对离散的数字图像而言,二阶偏导数用二阶差分近似,由此可推导出Laplacian算子表达式为:(1)Laplacian增强算子为:(2)其特点有:(1)由于灰度均匀的区域或斜坡中间为0,Laplacian增强算子不起作用;(2)在斜坡底“”或低灰度侧形成下冲;“”而在斜坡顶或高灰度侧形成上冲,说明Laplacian增强算子具有突出边缘的特点。2.3Canny边缘检测算子[5]2.3.1理论基础在众多的边缘检测算法中,Canny于1986年提出的基于最优化算法的Canny边缘检测算子,具有很好的信噪比和检测精度,得到了广泛的运用,这主要是因为它提出了迄今为止定义最为严格的边缘检测的三个标准,另外就是其相对简单的算法使得整个计算过程可以在较短的时间内...