張 博，王敏剛，馬忠強，劉 亮

(1.衛(wèi)星導航系統(tǒng)與裝備技術(shù)國家重點實驗室，河北 石家莊 050081；2.中航貴州飛機有限責任公司，貴州 安順 561000)

基于Matlab的改進邊緣提取算法

張 博1，王敏剛2，馬忠強1，劉 亮1

(1.衛(wèi)星導航系統(tǒng)與裝備技術(shù)國家重點實驗室，河北 石家莊 050081；2.中航貴州飛機有限責任公司，貴州 安順 561000)

在圖像的預處理過程中，邊緣提取是非常重要的一個環(huán)節(jié)。針對目前邊緣提取算法不能提取有效的圖像邊緣，提出了對現(xiàn)有圖像邊緣提取算法進行改進的方案。方案改進的思路是對現(xiàn)有圖像預處理算法進行整合和優(yōu)化一些重要參數(shù)，并使用Matlab仿真平臺對改進方案進行仿真。在此過程中，使用了Canny邊緣提取技術(shù)、自適應閾值分割技術(shù)和形態(tài)學濾波技術(shù)等，并對這些方法的處理流程進行分析。仿真結(jié)果表明，合理的算法整合能夠有效地改進邊緣提取的效果。

圖像處理；邊緣提?。婚撝捣指?；形態(tài)學濾波；連通域標記

0 引言

邊緣是指圖像中灰度變化劇烈的相關(guān)像素的集合[1]，有效描述了圖像的輪廓以及部分細節(jié)信息。邊緣作為圖像空間域中的重要特征之一，它的準確檢測對于人們理解和應用圖像具有深刻的指導意義[2]。邊緣提取作為圖像預處理過程中關(guān)鍵的一步，其提取效果直接影響著后續(xù)模式識別與目標定位跟蹤的準確度與精度[3]。目前邊緣提取算法有很多，但是都存在著一些缺點，不能有效提取圖像的邊緣[4]。

基于現(xiàn)有一些圖像預處理算法的整合以及相關(guān)參數(shù)優(yōu)化,提出了一種改進的邊緣提取算法。選用Canny邊緣提取算子以及自適應閾值分割算法,使用改進的中值濾波、連通域分析以及形態(tài)學濾波對目標圖像進行處理，并對基于Canny準則的最優(yōu)濾波進行了研究和實際應用。使用Matlab仿真平臺對改進算法進行仿真，Matlab圖像處理工具箱中包含大量的封裝好的圖像處理函數(shù)，大大簡化開發(fā)難度與開發(fā)周期[5]。

1 圖像預處理算法介紹

1.1 Canny提取算子

Canny算子是一種比較新的邊緣檢測算子，它具有很好的邊緣檢測能力，在圖像邊緣提取中得到了越來越廣泛的應用[6]。Canny邊緣檢測算法的具體流程為：

① 首先用2D高斯濾波模板對圖像進行卷積以消除噪聲；

② 利用導數(shù)算子找到圖像灰度沿著2個方向的偏導數(shù)(Gx,Gy)，并求出梯度的大?。?/p>

(1)

③ 利用式(2)中的結(jié)果計算出梯度的方向：

(2)

④ 一旦知道了邊緣的方向，就可以把邊緣的梯度方向大致分為4種：水平、豎直、45°方向、135°方向，通過梯度的方向，就可以找到這個像素梯度方向的鄰接像素；

⑤ 遍歷圖像，若某個像素的灰度值與其梯度方向上前后兩個像素的灰度值相比不是最大的，那么這個像素值置為0，即不是邊緣；

⑥ 使用累計直方圖計算2個閾值，大于高閾值的一定是邊緣，小于低閾值的一定不是邊緣，介于之間的，看這個像素的鄰接像素中有沒有超過高閾值的邊緣像素，如果有，那么它就是邊緣，否則它就不是邊緣[7]。

相對于其他幾種算子，Canny算子不容易受噪聲干擾，能夠檢測到真正的弱邊緣。它使用2種不同的閾值分別檢測強邊緣和弱邊緣，并且當弱邊緣和強邊緣相連時，才將弱邊緣包含在輸出圖像中[8]，具有很好的魯棒性。

1.2 自適應閾值分割技術(shù)

Otsu算法，它是一種自適應的閾值分割方法。它是按圖像的灰度特性，將圖像分成背景和目標2部分。背景和目標之間的類間方差越大，說明構(gòu)成圖像的2部分差別越大，當部分目標錯分為背景或部分背景錯分為目標都會導致2部分差別變小。因此，使類間方差最大的分割意味著錯分概率最小。

在Otsu算法中，以閾值k為分界線，將所有的像素分為目標C0和背景C1兩類。其中，C0類的像素灰度級為0～k-1，C1類的像素灰度級為k～L-1，Pi為第i個灰度級的像素占圖像總像素的比例。

C0類像素的平均灰度級μ0和C1類像素的平均灰度級μ1，計算方法分別為：

(3)

(4)

最大類間方差的公式為：

(5)

令k從0～L-1變化，計算在不同k值下的類間方差δ2(k)，使得δ2(k)最大值時的那個k值就是所要求的最優(yōu)閾值[9]。

Otsu閾值分割法因其算法簡單，實施性強，分割效果較好而得到廣大學者的青睞，但是當圖像的目標和背景區(qū)域的像素灰度差值不明顯時，會導致較大的分割錯誤[10]，可以考慮使用改進的Otsu算法。

1.3 形態(tài)學濾波技術(shù)

圖像在生成、傳輸、變換過程中會受到各種噪聲的干擾，圖像會變得模糊[11]。為此，首先進行圖像濾波來去除噪聲。然而，在使用傳統(tǒng)濾波器去噪的同時，圖像的細節(jié)特征也變模糊了，不利于后續(xù)處理。為此，前輩們提出形態(tài)學濾波的方法，它以數(shù)學形態(tài)學為基礎(chǔ)，以結(jié)構(gòu)元素為模版進行圖像濾波。

設(shè)用δ表示離散的二維歐幾里德空間，圖像A是δ的一個子集，結(jié)構(gòu)元素B也是δ的一個子集，x∈δ是歐氏空間中的一個點。

定義1:集合A被集合B腐蝕，表示為AΘB，其定義為：

(6)

式中，?表示子集關(guān)系，AΘB由將B平移x但仍包含在A內(nèi)的所有點x組成。

定義2:集合A被集合B膨脹，表示為A?B，其定義為：

(7)

式中，Ac表示A的補集，為了利用B膨脹A，可將B相對原點旋轉(zhuǎn)180°得到-B，再利用-B對Ac進行腐蝕，腐蝕結(jié)果的補集，便是所求的結(jié)果[12]。

在實際應用中，需要針對應用場景的自身特性，選擇適當?shù)奶幚硭惴?，從而達到最佳的圖像形態(tài)運算效果[13]。

2 邊緣提取的實際應用

選取車輪圖像與衣服吊牌圖像同時進行處理，來驗證本文提出算法的有效性與可靠性。對于圖像處理來說，整個流程主要分為2大部分：圖像預處理與圖像分析、識別、理解。本文所做的工作是圖像的預處理部分。使用Matlab仿真平臺進行圖像邊緣提取的整個流程的仿真。具體步驟為：

① 使用imread函數(shù)分別讀取車輪以及衣服吊牌的彩色圖像。但是由于彩色圖像存在R、G、B三個色度分量，數(shù)據(jù)量太大，不方面后期處理。因此需要將彩色圖像轉(zhuǎn)換成灰度圖像，轉(zhuǎn)換矩陣如式(8)所示。Y、U、V分別代表圖像的亮度、紅色色差與藍色色差分量，實際中只需獲取矩陣的Y分量，就可以得到灰度圖像。使用rgb2gray函數(shù)將2張圖像分別轉(zhuǎn)換成灰度圖像如圖1所示。

(8)

圖1 車輪和衣服吊牌的灰度圖

② 直方圖的獲取是通過計算圖像中每一灰度階的像素個數(shù)，然后將灰度階與像素個數(shù)的對應關(guān)系用柱形圖表示，即可得到圖像的灰度直方圖[14]。使用imhist函數(shù)分別計算這2張圖像的灰度直方圖如圖2所示。由于前期對這2張圖像進行過直方圖均衡化處理，使圖像的對比度大幅提高，因此圖2中這2張圖像的直方圖具有明顯的雙峰特性。

圖2 車輪和衣服吊牌圖像的灰度直方圖

③ 使用Otsu算法，通過迭代搜索，求出這2張圖像的最優(yōu)閾值[15]。由于這2張圖像的直方圖具有明顯的雙峰特性，因此使用該方法能求出可信度較高的閾值。然后使用im2bw函數(shù)根據(jù)剛才求取的閾值，分別將它們進行二值化如圖3所示。

圖3 車輪和衣服吊牌的二值圖

④ 使用形態(tài)學腐蝕函數(shù)imerode與形態(tài)學膨脹函數(shù)imdilate先后對這2張圖像分別進行形態(tài)學濾波處理，效果如圖4所示。圖4中，由圖像二值化帶來的塊狀干擾，絕大部分已經(jīng)被濾除干凈了。其中，車輪圖像中的2個大塊干擾由連通域分析算法濾除的。結(jié)構(gòu)元素的選擇非常重要，它直接影響著邊緣提取的準確度。經(jīng)過多次試驗得出，結(jié)構(gòu)元素選取“4*4”菱形模板，并且保留1個最大的連通域塊結(jié)構(gòu)，濾波效果最好。

圖4 濾波處理后的車輪和衣服吊牌圖

⑤ 實驗室中曾經(jīng)分別使用參數(shù)為“canny”和參數(shù)為“l(fā)og”的edge函數(shù)分別對這2張圖像進行邊緣提取，發(fā)現(xiàn)使用Canny算子提取的邊緣效果較好。因此此次使用參數(shù)為“canny”的edge函數(shù)分別提取這2張圖像的邊緣如圖5所示。

由圖5可見，提取的圖像邊緣，已經(jīng)很大限度地排除了背景的干擾，但是目標內(nèi)部還存在一定程度的雜散邊緣干擾，這部分干擾在空間域無法被濾除，需要在二維相關(guān)域進行濾除。即使不在相關(guān)域進行濾波，也對后續(xù)的曲線擬合與模式識別幾乎沒有影響。實際圖像處理工程中，對圖像的每一步處理過程中的參數(shù)都不是確定的，這些參數(shù)往往根據(jù)工程實踐經(jīng)驗進行選取[16]。

圖5 邊緣提取后的車輪和衣服吊牌圖

3 結(jié)束語

使用Matlab圖像處理工具箱中的各種函數(shù)對不同環(huán)境下的圖像進行目標邊緣的提取工作。此次提出方法能有效地提取高信噪比和低信噪比圖像中的邊緣。對于車輪中的邊緣，可以使用Hough變換提取圖中的橢圓，找出圓心位置，用于車輪的定位。對于衣服吊牌中的邊緣，可以使用模式識別的方法提取出衣服尺碼，用于智能識別系統(tǒng)中。由此可見，此次提出的這些組合方法及參數(shù)改進比較有效，而且對后續(xù)的圖像分析與理解有著一定的幫助。

[1] 趙春暉.現(xiàn)代圖像處理技術(shù)及Matlab實現(xiàn)[M].北京：人民郵電出版社,2001:152-157.

[2] 莫燦林.數(shù)字圖像邊緣檢測方法的若干改進與應用研究[D].杭州:浙江理工大學,2010:1-8.

[3] 何斌.數(shù)字圖像處理[M].北京:人民郵電出版社,2001:18-25.

[4] 雷麗珍.數(shù)字圖像邊緣檢測方法的對比分析及優(yōu)化[J].甘肅科學學報,2012,24(3):143-146.

[5] 杜丹,潘志斌,于君娜,等.帶地理信息的無人機遙感圖像拼接系統(tǒng)的實現(xiàn)[J].無線電工程,2014,44(6):39-42.

[6] 龍清.基于Sobel和Canny算子的電視字幕檢測[J].電視技術(shù)，2011,35(13):67-85.

[7] 趙菁.基于圖像處理的指針式儀表識別設(shè)計[D].西安:西安電子科技大學,2011:8-15.

[8] 柏春嵐.Matlab在圖像邊緣提取中的應用[J].計算機與網(wǎng)絡(luò),2009(14):224-225.

[9] 拜穎乾.圖像分割閾值選取方法的研究[J].信息系統(tǒng)工程,2014(2):146-147.

[10]褚巧龍.基于Otsu的圖像閾值分割算法的研究[D].秦皇島:燕山大學,2011:16-28.

[11]陳茹,張珍明,邢益雪,等.一種改進的含噪圖像邊緣檢測算法[J].無線電工程,2016,46(6):38-40.

[12]楊麗雯,曾朝陽,張永繼.一種基于數(shù)學形態(tài)學的灰度圖像邊緣監(jiān)測方法[J].國外電子測量技術(shù),2012,31(2):27-38.

[13]王旭晨,孫愛程.一種基于閾值的圖像分割算法研究[J].無線電工程,2012,42(9):34-37.

[14]李思嘉,趙曉焱,張繼學.基于OTSU算法的圖像分割有效性研究[J].無線電通信技術(shù),2014,40(5):54-56.

[15]何國棟,丁緒星,秦慧平,等.一種新的圖像自適應閾值去噪方法[J].無線電通信技術(shù),2014,40(2):60-62.

[16]沈玉,蘭瑞田.噪聲圖像邊緣檢測中改進Sobel算法的仿真實現(xiàn)[J].無線電工程,2014,44(8):27-30.

Improved Edge Extraction Algorithm Based on Matlab

ZHANG Bo1,WANG Min-gang2,MA Zhong-qiang1,LIU Liang1

(1. State Key Laboratory of Satellite Navigation System and Equipment Technology,Shijiazhuang Hebei 050081,China;2. Catic Guizhou Aircraft Co. Ltd,Anshun Guizhou 561000,China)

In the process of image pre-processing,edge extraction is a very important step. Considering that current edge extraction algorithms cannot extract valid image edges,an improve method based on current edge extraction algorithm is proposed. The idea is to integrate some current algorithms and optimize some important parameters,then simulate the algorithm in the Matlab simulation platform. In this process,techniques such as Canny edge extraction,adaptive threshold segmentation and morphological filtering are used,and the processing of these methods are analyzed. The results show that the combination of these methods can effectively improve the quality of edge extraction.

image processing;edge extraction;threshold segmentation;morphological filtering;connectivity domain tag

10. 3969/j.issn. 1003-3114. 2017.04.07

張博,王敏剛,馬忠強,等. 基于Matlab的改進邊緣提取算法[J].無線電通信技術(shù),2017,43(4):26-29.

[ZHANG Bo,WANG Mingang,MA Zhongqiang,et al. Improved Edge Extraction Algorithm Based on Matlab [J]. Radio Communications Technology,2017,43(4):26-29. ]

2017-04-17

國家自然科學基金重大研究計劃項目(91638203)；國家重點研發(fā)計劃項目(2016YFB0502402，2016YFB0502101)

張 博(1986—)，男，碩士，工程師，主要研究方向：地面運控系統(tǒng)和信息處理。王敏剛(1980—)，男，本科，主要研究方向：無人機導航。馬忠強(1988—)，男，碩士，主要研究方向：信號處理和信息處理。

TN961

A

1003-3114(2017)04-26-4