楊 鵬

(浙江工貿(mào)職業(yè)技術(shù)學(xué)院，浙江 溫州 325003)

隨著計(jì)算機(jī)計(jì)算能力的不斷提高，計(jì)算機(jī)的自動(dòng)化應(yīng)用技術(shù)越來(lái)越廣泛和深入?；谟?jì)算機(jī)自動(dòng)化的視覺(jué)檢測(cè)技術(shù)正是在這一背景下應(yīng)運(yùn)而生，并在遙感、醫(yī)學(xué)、生物、交通等方面得到了廣泛深入的應(yīng)用[1-3]。圖像的邊緣檢測(cè)技術(shù)是視覺(jué)檢測(cè)中一個(gè)核心技術(shù)，其邊緣檢測(cè)的結(jié)果是后續(xù)各種視覺(jué)檢測(cè)的基礎(chǔ)，如感興趣目標(biāo)的分割、識(shí)別及跟蹤[4-5]等。因此，對(duì)該類圖像算法進(jìn)行深入研究很有意義。

圖像的邊緣信息可以將一個(gè)物體勾畫(huà)出來(lái)，邊緣蘊(yùn)含了豐富的信息包括方向信息、形狀信息等。而在數(shù)字圖像中圖像的邊緣是指圖像周?chē)袼鼗叶扔袆×易兓哪切┫袼氐募?，主要體現(xiàn)為圖像信息的不連續(xù)性，即信號(hào)發(fā)生強(qiáng)烈改變的地方，如灰度的突變、顏色的突變、紋理結(jié)構(gòu)的突變[6]等。

0 引 言

目前為止已出現(xiàn)了很多不同的邊緣檢測(cè)方法，如Roberts邊緣檢測(cè)方法[7]、Laplace邊緣檢測(cè)方法[8]、LOG邊緣檢測(cè)方法[9]、Prewitt邊緣檢測(cè)算子[10]、Canny邊緣檢測(cè)算子[11]等。這些邊緣檢測(cè)算子在實(shí)現(xiàn)過(guò)程中較為簡(jiǎn)單，每種邊緣檢測(cè)算子都有著各自的優(yōu)勢(shì)與缺點(diǎn)，并不能對(duì)所有圖像都能夠取得較好的邊緣檢測(cè)結(jié)果。Roberts邊緣檢測(cè)算子利用局部差分來(lái)進(jìn)行邊緣信息的尋找與定位，定位比較精確，但由于缺少對(duì)圖像的平滑處理，所以對(duì)噪聲比較敏感[7]；Laplace算子是一種基于二階導(dǎo)數(shù)在邊緣出現(xiàn)過(guò)零交叉點(diǎn)的邊緣檢測(cè)算子，主要通過(guò)二階導(dǎo)數(shù)來(lái)對(duì)邊緣點(diǎn)進(jìn)行檢測(cè)，具體是根據(jù)邊緣點(diǎn)兩側(cè)的二階導(dǎo)數(shù)異號(hào)來(lái)進(jìn)行的，該算子對(duì)噪聲較敏感，邊緣方向信息易丟失，但對(duì)孤立點(diǎn)及線端的檢測(cè)效果較好[8]；LOG算子也是一種通過(guò)檢測(cè)二階導(dǎo)數(shù)過(guò)零點(diǎn)來(lái)判斷邊緣點(diǎn)的邊緣檢測(cè)方法，該邊緣檢測(cè)算子在邊緣定位精度和消除噪聲之間存在著矛盾，根據(jù)具體問(wèn)題對(duì)噪聲水平和邊緣點(diǎn)定位精度要求適當(dāng)選取有關(guān)參數(shù)[9]；Prewitt算子是一階的微分算子，是一種平均濾波器，對(duì)噪聲有較好的抑制作用，其抑制噪聲的原理是通過(guò)對(duì)像素求均值來(lái)實(shí)現(xiàn)的，但像素的平均化過(guò)程相當(dāng)于對(duì)圖像進(jìn)行了低通濾波，這將導(dǎo)致圖像高頻信息的丟失，因此該算子對(duì)邊緣的定位不如Roberts邊緣檢測(cè)算子[10]；Canny邊緣檢測(cè)算子是一種基于最優(yōu)化逼近的邊緣檢測(cè)算子，對(duì)噪聲有一定的抗干擾性能，獲得較精確的邊緣檢測(cè)結(jié)果，但是該算子邊緣檢測(cè)的效果與其對(duì)應(yīng)參數(shù)的選擇和閾值的設(shè)置存在很大關(guān)系，還存在一定的缺陷[11]。

從以上分析可以看出存在各種不同類型的邊緣檢測(cè)算子，每種邊緣檢測(cè)算子都有著自身的優(yōu)勢(shì)與局限性，若在邊緣檢測(cè)的過(guò)程中能綜合各類邊緣檢測(cè)算子的優(yōu)勢(shì)，勢(shì)必將獲得更好的邊緣檢測(cè)效果[12-15]。本文正是基于該思想，提出了一種基于多種算子相融合的邊緣檢測(cè)方法，以期提高邊緣檢測(cè)的精度。

1 基于多種算子相融合的邊緣檢測(cè)

該方法的主要核心思想是對(duì)多種不同邊緣檢測(cè)算子的檢測(cè)結(jié)果進(jìn)行融合，從而獲得最終的邊緣信息。這種融合在一定程度上可以克服單一邊緣檢測(cè)算子的缺陷，融合各邊緣檢測(cè)算子的優(yōu)勢(shì)，各邊緣檢測(cè)算子檢測(cè)一致性最高的地方，肯定也是檢測(cè)正確率越高的地方。

下面將對(duì)該邊緣檢測(cè)方法的具體步驟進(jìn)行說(shuō)明，主要流程如圖1所示，主要包括兩個(gè)主要的步驟，分別是運(yùn)用各邊緣檢測(cè)算子進(jìn)行邊緣檢測(cè)、融合各邊緣檢測(cè)算子的邊緣檢測(cè)結(jié)果。

圖1 基于多種算子相融合的邊緣檢測(cè)方法工作流程圖

1.1 獲取單一邊緣檢測(cè)算子的檢測(cè)結(jié)果

將分別采用不同的邊緣檢測(cè)算子對(duì)同一圖像進(jìn)行多次檢測(cè)，從而獲得不同的邊緣檢測(cè)結(jié)果，本文具體采用的邊緣檢測(cè)算子主要包括Roberts邊緣檢測(cè)算子、Laplace邊緣檢測(cè)算子、LOG邊緣檢測(cè)算子、Prewitt邊緣檢測(cè)算子、Canny邊緣檢測(cè)算子。在利用Laplace邊緣檢測(cè)時(shí)采用了不同的檢測(cè)模板，分別如圖2所示，圖2(a)是最常用的一種Laplace模板，圖2(b)是文獻(xiàn)[8]中改進(jìn)了的Laplace模板，圖2(c)是文獻(xiàn)[16]中改進(jìn)了的Laplace模板，圖2(d)是文獻(xiàn)[17]中改進(jìn)了的Laplace模板。采用的LOG算子模板如圖3所示。

圖2 不同的Laplace邊緣檢測(cè)模板

圖3 LOG邊緣檢測(cè)模板

將待邊緣檢測(cè)的圖像記為I，分別利用Roberts邊緣檢測(cè)算子、Laplace邊緣檢測(cè)算子、LOG邊緣檢測(cè)算子、Prewitt邊緣檢測(cè)算子、Canny邊緣檢測(cè)算子對(duì)圖像I進(jìn)行邊緣檢測(cè)，將邊緣檢測(cè)的結(jié)果分別記為ER(Roberts邊緣檢測(cè)結(jié)果)、EL-1(圖2(a)對(duì)應(yīng)的Laplace模板邊緣檢測(cè)結(jié)果)、EL-2(圖2(b)對(duì)應(yīng)的Laplace模板邊緣檢測(cè)結(jié)果)、EL-3(圖2(c)對(duì)應(yīng)的Laplace模板邊緣檢測(cè)結(jié)果)、EL-4(圖2(d)對(duì)應(yīng)的Laplace模板邊緣檢測(cè)結(jié)果)、ELOG(圖3對(duì)應(yīng)的LOG模板邊緣檢測(cè)結(jié)果)、EP(Prewitt邊緣檢測(cè)結(jié)果)、EC(Canny邊緣檢測(cè)結(jié)果)。各邊緣檢測(cè)結(jié)果圖像對(duì)應(yīng)著一種二值圖像，在本文中該結(jié)果圖像中灰度值為0的區(qū)域代表背景區(qū)域，灰度值為1的區(qū)域代表著邊緣區(qū)域。

1.2 邊緣檢測(cè)結(jié)果的融合

通過(guò)1.1節(jié)可以獲得同一圖像若干不同的邊緣檢測(cè)結(jié)果，它們分別是ER、EL-1、EL-2、EL-3、EL-4、ELOG、EP及EC。本節(jié)要討論的主要問(wèn)題是如何對(duì)這些邊緣檢測(cè)結(jié)果進(jìn)行融合處理從而獲得待邊緣檢測(cè)圖像的最終邊緣檢測(cè)結(jié)果IE。通過(guò)前述分析可知各邊緣檢測(cè)結(jié)果圖像均與一幅二值圖像對(duì)應(yīng)，因此對(duì)圖像中任意一位于x處的點(diǎn)其邊緣檢測(cè)的結(jié)果IE(x)可以通過(guò)對(duì)多種邊緣檢測(cè)結(jié)果進(jìn)行融合的方式獲得，具體采用的是基于多數(shù)表決投票的融合方法，如式(1)和(2)所示。

(1)

(2)

其中ER(x)、EL-1(x)、EL-2(x)、EL-3(x)、EL-4(x)、ELOG、EP、EC分別表示各邊緣檢測(cè)結(jié)果圖像在x位置處的值，當(dāng)值為0時(shí)表示該位置屬于背景區(qū)域，當(dāng)該值為1時(shí)表示該位置屬于邊緣區(qū)域。通過(guò)式(1)和(2)即可獲得圖像I最終的邊緣檢測(cè)結(jié)果。

2 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)過(guò)程中主要以House圖像為例進(jìn)行邊緣檢測(cè)結(jié)果的說(shuō)明，具體的邊緣檢測(cè)結(jié)果如圖4所示。圖4(a)是House原圖，圖4(b)是Roberts邊緣檢測(cè)算子的檢測(cè)結(jié)果，圖4(c)是與圖2(a)對(duì)應(yīng)的Laplace模板邊緣檢測(cè)的結(jié)果，圖4(d)是與圖2(b)對(duì)應(yīng)的Laplace模板邊緣檢測(cè)的結(jié)果，圖4(e)是與圖2(c)對(duì)應(yīng)的Laplace模板邊緣檢測(cè)的結(jié)果，圖4(f)是與圖2(d)對(duì)應(yīng)的Laplace模板邊緣檢測(cè)結(jié)果，圖4(g)是LOG邊緣檢測(cè)算子的檢測(cè)結(jié)果，圖4(h)是Prewitt邊緣檢測(cè)算子的檢測(cè)結(jié)果，圖4(i)是Canny邊緣檢測(cè)算子的檢測(cè)結(jié)果，圖4(j)是本文邊緣檢測(cè)算子的檢測(cè)的結(jié)果。從不同的檢測(cè)結(jié)果圖像中可以發(fā)現(xiàn)，本文所提的邊緣檢測(cè)方法的檢測(cè)效果是最好的，從這組圖像的對(duì)比分析中，充分表明了該種基于多種算子相融合的邊緣檢測(cè)方法確實(shí)能在一定程度上提高單一邊緣檢測(cè)算子的檢測(cè)精度。

但是本文方法也存在一定的缺陷，具體分析如下：本文方法主要是對(duì)八種邊緣檢測(cè)的結(jié)果進(jìn)行融合，融合過(guò)程中這八種邊緣檢測(cè)結(jié)果對(duì)最終結(jié)果的影響是均等的，也即在融合過(guò)程中參與融合的邊緣檢測(cè)結(jié)果的權(quán)重相同。通常情況下，這種簡(jiǎn)單融合能夠獲得比單一邊緣檢測(cè)方法更好的結(jié)果，例如對(duì)于某個(gè)邊緣檢測(cè)點(diǎn)，有五種方法的檢測(cè)結(jié)果是正確的，另外有三種方法的檢測(cè)結(jié)果是錯(cuò)誤的，通過(guò)這種融合機(jī)制就可以避免這三種錯(cuò)誤檢測(cè)結(jié)果的出現(xiàn)；相反，也會(huì)存在另外一種極端情況，即有五種方法的檢測(cè)結(jié)果是錯(cuò)誤的，另外有三種方法的檢測(cè)結(jié)果是正確的，通過(guò)該種融合機(jī)制將獲得錯(cuò)誤的檢測(cè)結(jié)果，但是這種情況出現(xiàn)的概率比較低，因?yàn)榇蠖鄶?shù)方法對(duì)某個(gè)邊緣點(diǎn)的檢測(cè)都是正確的，只有極個(gè)別對(duì)某些點(diǎn)的邊緣檢測(cè)結(jié)果是錯(cuò)誤的。

因此，后續(xù)工作將為參與融合的各邊緣檢測(cè)結(jié)果分配不同的權(quán)重，從而減小錯(cuò)誤邊緣檢測(cè)結(jié)果在融合過(guò)程中對(duì)最終邊緣檢測(cè)結(jié)果的影響。

3 結(jié) 語(yǔ)

本文基于各類邊緣檢測(cè)算子自身存在的各種優(yōu)勢(shì)與缺點(diǎn)出發(fā)，提出了一種能夠綜合各算子優(yōu)勢(shì)同時(shí)克服其劣勢(shì)的邊緣檢測(cè)算子，并通過(guò)實(shí)驗(yàn)對(duì)該種基于多種算子相融合的邊緣檢測(cè)方法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明了該方法確實(shí)能在一定程度上提高邊緣檢測(cè)的精度。但是，也存在一定的問(wèn)題，主要體現(xiàn)為多種算子相融合的策略過(guò)于簡(jiǎn)單，對(duì)該多種算子相融合的策略進(jìn)行進(jìn)一步的研究，將是后期研究的一個(gè)重點(diǎn)。

圖4 不同算子的邊緣檢測(cè)效果