李華琛

摘要：數(shù)字圖像邊緣檢測技術(shù)是信息科學(xué)中近些年來發(fā)展最為迅速的學(xué)科之一。圖像邊緣是圖像最基本的特征之一，在圖像分割、圖像識別以及其他圖像相關(guān)等領(lǐng)域中有著廣泛的應(yīng)用，其主要圖像處理方法就是精確定位圖像其邊緣，同時(shí)利用高斯濾波有效地抑制噪聲。邊緣檢測是圖像處理和計(jì)算機(jī)視覺中的一個(gè)重要分支，并且它也在圖像的分析中有著重要的意義，邊緣檢測的原理是識別圖像中亮度改變較為明顯的點(diǎn)，其本質(zhì)是采用不同的算子進(jìn)行邊緣檢測并進(jìn)行修整。本文就是基于visual studio 2013和opencv通過C++綜合實(shí)現(xiàn)編程，分別用不同的算子，例如Laplacian算子、Scharr算子和Canny算子來實(shí)現(xiàn)靜態(tài)圖像的邊緣檢測，并且在檢測結(jié)束時(shí)進(jìn)行算法運(yùn)行結(jié)果的比對，在一些應(yīng)用實(shí)踐中選擇出適合的算法。

關(guān)鍵詞：opencv 邊緣檢測 算子

中圖分類號：TG409 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）11-0040-01

隨著數(shù)字計(jì)算機(jī)和計(jì)算機(jī)技術(shù)的發(fā)展和普及，數(shù)字圖像處理也迎來了快速發(fā)展時(shí)期，而數(shù)字圖像處理就是利用數(shù)字計(jì)算機(jī)以及其它的硬件設(shè)備對圖像信息轉(zhuǎn)換而獲得電信號進(jìn)行簡單的數(shù)學(xué)處理，以便提升圖像的實(shí)用性。隨著時(shí)代的進(jìn)步，邊緣檢測的精度和速度都在不斷提高，但是在邊緣較為復(fù)雜的情況下，常規(guī)的檢測算子無法檢測出所有類型的邊緣；而現(xiàn)今有些產(chǎn)品的要求是對某些較為明顯的輪廓有較高程度的要求，比如說人和景物的輪廓精確識別，其他淺顯的線條可以忽略等等不同的設(shè)計(jì)要求往往需要不同的算法才能達(dá)到目的。故而如今邊緣檢測在某些方向的應(yīng)用如檢測工業(yè)檢工件的邊沿、攝像機(jī)人臉輪廓選定等方面仍有巨大的發(fā)展空間。

1 邊緣檢測原理

邊緣是指圖像像素進(jìn)行灰度后階躍變化或類屋頂狀變化的像素集合，它經(jīng)常存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、基元與基元，以及區(qū)域與區(qū)域之間。 因此它是圖像處理的首要任務(wù)，同樣還是圖像形狀特征的基礎(chǔ)；圖像的其他特征都是由邊緣和區(qū)域這些基本特征推導(dǎo)出來的。邊緣具有方向以及幅度兩個(gè)特征。如果沿邊緣方向，像素值變化相對平緩；而垂直與邊緣方向，則像素值變化又相對劇烈。而這種程度的劇烈有可能呈現(xiàn)斜坡狀，也可能呈現(xiàn)階躍狀。 邊緣上像素值的一階偏導(dǎo)偏大；二階偏導(dǎo)在邊緣處值接近于零，則結(jié)果呈現(xiàn)零交叉。最簡單的邊緣檢測方法是對原始圖像按像素其鄰域構(gòu)造邊緣算子。因?yàn)槌跏紙D像包含噪聲，但是邊緣和噪聲的空間域表現(xiàn)為灰度有明顯的起落；在頻域通常的反應(yīng)為同是高頻分量，這就給圖像的邊緣檢測帶來了很多麻煩。

2 算子原理和使用流程

對圖像進(jìn)行邊緣檢測需要達(dá)到兩個(gè)基本條件：首先能夠有效地消除噪聲；再而準(zhǔn)確確定邊緣的位置。

（1）Canny邊緣檢測算子是根據(jù)對信噪比與定位乘積進(jìn)行檢測，從而得到最優(yōu)化算子。它的實(shí)現(xiàn)流程是①平滑圖像，抑制噪聲；②計(jì)算梯度方向和幅值；③非極大值抑制；④滯后其閾值。

（2）Laplacian 算子是歐幾里德空間中常用的二階微分算子，它的實(shí)現(xiàn)步驟是①對變量進(jìn)行定義；②使用高斯濾波消除噪聲；③轉(zhuǎn)換為灰度圖；④使用Laplace函數(shù)；⑤計(jì)算絕對值，并將結(jié)果轉(zhuǎn)換成8位。

（3）scharr算子在某種程度上來說，更應(yīng)該算是一個(gè)濾波器，而不是算子，它在opencv中主要是配合Sobel算子而存在。它的實(shí)現(xiàn)流程與Sobel算法相似，但最后會(huì)進(jìn)行一個(gè)有目的的濾波過程。

3 部分程序及分析

Blur（edges3， edges3， 7）； // 定義濾波處理后的圖像

cvtColor（frame， edges1， CV_BGR2GRAY）； //顏色轉(zhuǎn)換函數(shù)，彩色轉(zhuǎn)為灰色

Canny（edges1， edges1， 0， 30， 3）； //canny算子邊緣檢測，閾值為0，30

Laplacian（src1_gray，dst，CV_16S，3，1，0， BODER_DEFAULT）； // Laplacian算子邊緣檢測

Scharr（src，grad_x，CV_16S，1，0，1，0， BORDER_DEFAULT）；

convertScaleAbs（grad_x， abs_grad_x）；

Scharr（src，grad_y，CV_16S，0，1，1，0， BORDER_DEFAULT）； cvtColor（src1， src1_gray， CV_RGB2GRAY）；

convertScaleAbs（grad_y，abs_grad_y）； // Scharr算子邊緣檢測

Laplacian（src1_gray， dst， CV_16S， 3， 1， 0， BORDER_DEFAULT）。

4 實(shí)驗(yàn)結(jié)果

因本實(shí)驗(yàn)的初衷是對對象按不同的算子進(jìn)行邊緣檢測并進(jìn)行修整，在試驗(yàn)過程中發(fā)現(xiàn)對人像進(jìn)行的處理可以達(dá)到素描的效果。

程序在樹莓派上運(yùn)行：四個(gè)顯示框圖分別代表了source（原始）圖像、Canny算子、Laplacian 算子、首先對人進(jìn)行檢測（即實(shí)現(xiàn)了美拍效果）選取了2個(gè)樣本，如圖1所示。

5 實(shí)驗(yàn)結(jié)論（表1）

Canny算子不僅可以進(jìn)行抗噪處理，還可以維持弱邊緣化的一種算子，在本實(shí)驗(yàn)中改變了邊緣檢測算子對邊緣的敏感性，此種算子對噪聲的敏感性也會(huì)相應(yīng)的改變。因此，Canny算法的抗干擾能力和邊緣定位能力相互矛盾，找到一個(gè)恰當(dāng)?shù)?Canny算子的閾值，可以取得理想的效果。

用scharr算子進(jìn)行邊緣檢測，相對更加簡單方便，在生產(chǎn)實(shí)踐中被大量使用。但是，scharr算子無法將圖像的主體與背景嚴(yán)格地區(qū)分出來，因此提取的輪廓有時(shí)效果沒有其它算法精確。當(dāng)對提取結(jié)果精度要求比較低時(shí)，這種檢測方法得到了廣泛的應(yīng)用。

使用Laplacian算子只需要考慮邊緣的位置而不需對其周圍的象素灰度差值時(shí)效果更好。Laplacian算子對一些孤立像素的響應(yīng)要比對邊緣的響應(yīng)要效果跟好，一般用于無噪聲的圖像。

不同的算子有著不同的特點(diǎn)和提取效果，算子的評價(jià)指標(biāo)也是基于低錯(cuò)誤率，高定位性以及其最小響應(yīng)，在實(shí)際工程中，也是利用其不同特點(diǎn)來進(jìn)行邊緣檢測及圖像處理。

參考文獻(xiàn)

[1]劉瑞禎，于仕琪.OpenCV教程--基礎(chǔ)篇[M].北京航空航天出版社，2008.

[2]陳勝勇，劉盛.基于OpenCV計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)[M].北京：科學(xué)技術(shù)出版社，2008.