王 娟

(忻州師院五寨分院，山西，036200)

圖像邊緣檢測算法的比較分析

王 娟

(忻州師院五寨分院，山西，036200)

隨著社會的快速發(fā)展，圖像邊緣檢測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的效率，需要對整體的檢測方法進行全面的創(chuàng)新。但在實際的檢測過程中，其檢測環(huán)境還相對復雜，導致邊緣檢測的難度相對較大。所以，對檢測法進行優(yōu)化十分關(guān)鍵。本文主要針對圖像邊緣檢測法進行比較分析。并提出了相應(yīng)的優(yōu)化措施。

圖像；邊緣檢測算法；比較分析

1 圖像邊緣檢測的方法

在對圖像進行處理和計算機視覺等領(lǐng)域中應(yīng)用到的最基本技術(shù)就是邊緣檢測技術(shù)，如何準確、快速地提取出圖像邊緣信息一直是圖像處理問題中的難題和國內(nèi)外研究的熱點問題。在早期的經(jīng)典算法中包括Canny算子、Pewitt算子、Roberts算子、LaaG算子等邊緣檢測算子法。近年來不斷對人工智能和智能領(lǐng)域的發(fā)展，使得眾多新的邊緣檢測方法不斷涌現(xiàn)出來，例如某些利用數(shù)學形態(tài)學的邊緣檢測法。邊緣檢測技術(shù)的不斷成熟使得新的邊緣檢測方法隨之出現(xiàn)。

1.1 傳統(tǒng)的經(jīng)典邊緣檢測算子法

1.1.1 高斯型的拉普拉斯（LnG）邊緣算子

高斯型拉普拉斯（LAG）算子屬于二階導數(shù)算子，對于邊緣點的檢測需要尋找圖像的灰度值中的過零點，所以，當高斯函數(shù)中的方差委數(shù)r越大時，越能夠豐富檢測到的圖像細節(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，也要降低邊緣定位的準確性。

1.1.2 Robers邊緣算子

Raberts算子是一種最為簡單的算子，通過對局部差分算子尋找邊緣的算子進行計算，利用任意一對互相垂直方向上的差分都能夠?qū)μ荻鹊脑磉M行計算，從而，能夠計算出對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，對于邊緣樣板的利用能夠檢測出圖像與被檢測區(qū)域中最為相似的樣板，這樣可以作為算子輸出的最大值，這樣能夠檢測出邊緣像素。Prewilt算子通過對圖像灰度進行平均后，再進行求差分的操作，從而，求出的Prewilt算子的邊緣較寬。

1.1.4 Canny邊緣算子

Canny算子屬于邊緣檢測中的一階微分濾波器，具有多峰值響應(yīng)準則，最優(yōu)過零點定位準則和最大信噪比準則三大優(yōu)點，通過應(yīng)用變分的原理能夠計算出f（x)函數(shù)，得出高斯函數(shù)的一階微分。Canny算子屬于濾波較強和檢測階段多樣化的優(yōu)化算子。在對Canny算子進行處理之前，需要先用高斯平滑濾波器來對圖像進行平滑操作，以達到除去噪聲對目的，通過計算梯度差值能夠完成鄰域或局部強度值，突出增強邊緣的顯著的變化特點。

1.2 新的邊緣檢測方法

1.2.1 基于小波變換的邊緣檢測方法

小波分析在最近幾年已成為工程學科和應(yīng)用數(shù)學中迅速發(fā)展的一個新領(lǐng)域，小波變換需要對時域-頻域進行局部變換，從而能夠在信號中提取出更多有用的信息。在進行圖像工程的操作中，對于圖像的分析從一些結(jié)構(gòu)復雜、形態(tài)各異的圖像下手，對于提取到的圖像邊緣在反映出目標整體輪廓的同時，還需要描繪出目標的局部細節(jié)，這需要運用多尺度的邊緣進行檢測；小波變換具有天然多尺度的運行特征，對于不同的運算進行伸縮平移變化能夠細化分析信號特征。對達到高頻的時間進行細分，由此可看出，小波變換適合用于復雜圖像的邊緣檢測。

1.2.2 基于數(shù)學形態(tài)學的邊緣檢測方法

數(shù)學形態(tài)學可用于對模式識別和圖像處理領(lǐng)域中，在應(yīng)用于實際操作時，需要具有嚴謹?shù)臄?shù)學理論基礎(chǔ)?；镜乃枷胧嵌攘磕承┚哂幸欢ㄐ螒B(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別的目的能夠達到，讓獲取到的圖像結(jié)構(gòu)信息與結(jié)構(gòu)元素相關(guān)，對于各種不同構(gòu)造的結(jié)構(gòu)元素可以完成對于不同的圖像分析。

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，然后確定灰度門限的方法，對物體的邊界進行分割。當分割目標與背景時，必須保證某一灰度是某圖像的分割閥值的恒定值，按照閥值對目標和背景進行劃分的錯誤分割的圖像像素點數(shù)為最小。通過閥值能夠?qū)D像劃分為兩部分，噪聲可隨機作用在圖像的像素點上，則根據(jù)不同的劃分目標的和背景，在迭代次數(shù)不斷增加的同時，平均灰度值也會更加趨向于真值。因此，用迭代算法求出的最佳閥值不會受到噪聲的影響。

2 實例對比仿真與分析

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

3 圖像邊緣檢測算法的比較結(jié)果分析

在本文中有關(guān)于經(jīng)典的邊緣檢測算法進行了詳細的分析和闡述，并對檢測出的結(jié)果進行比較。對于傳統(tǒng)的經(jīng)典圖像邊緣的提取算法簡單，計算量小，但具有較為敏感的抗噪聲的干擾，所以，對于檢測效果需要結(jié)合其他的一些算法，對圖像進行預處理，這樣才會取得較好效果。對于某些基于數(shù)學形態(tài)學理論和小波變換的邊緣檢測算法在目前來說還不太成熟，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，而且算法相對原始，但是相對而言，其檢測的精確度相對較高。而新型的算法，更加趨近于實際，其精確度也十分高，而且測算的效率也不低。所以，在生活中的應(yīng)用較為廣泛。但是其整體測算的穩(wěn)定性還不夠強，而且測算的成本較高。所以，在進行測算的過程中，需要結(jié)合實際情況，選擇科學合理的測算方式。

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

Canny邊緣檢測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)的標準方差和鄰域大小，對圖像f（x）進行運算，最終能夠得到較為平滑的圖像，達到抑制噪聲的作用。

2）計算濾波后圖像中每個像素梯度的幅值和方向。

3）對梯度幅值進行非極大值抑制運算。圖像上幅值M的大小并不能對邊緣點進行確定，通過采用非極大值抑制的方式才能確定邊緣點，細化幅值圖像中的屋脊帶，保留在幅值中局部變化最大的點。對圖像中的幅值需要利用梯度方向來進行計算，當梯度方向上的非最大值點的賦值為零時，這點即為邊緣。

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

4 結(jié)語

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

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

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

[3]肖梅,張雷,寇雯玉,苗永祿,劉偉.一種新的邊緣檢測算法研究[J].鄭州大學學報(工學版).2012(04)

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

王娟 ，女，1986年1月19日，本科，職稱：助講 ，研究方向：計算機科學與技術(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