孫曉杰，梁 義

(伊犁師范大學電子與信息工程分院,新疆伊寧 835000)

0 引言

圖像邊緣檢測作為圖像分割的重要分支，提取出有效的邊緣信息為后續(xù)分析提供基礎，但快速準確檢測是邊緣特征提取的難點問題[1]。單閾值法提取的邊緣信息存在斷點、特征不準確等問題，為實現圖像邊緣實時檢測，采用雙閾值法快速提取圖像邊緣信息并應用到實時檢測系統。

1 圖像邊緣檢測系統設計

高閾值要求嚴格，會求出很少的圖像邊緣信息，但高閾值邊緣都有效。低閾值要求寬松，求出很多邊緣信息，主要包括無效邊緣和連續(xù)邊緣信息[2]。具體檢測原理如圖1所示，先用高閾值求出有效邊緣，Canny邊緣檢測方法需要邊緣特征連在一起，但高閾值求出的邊緣特征斷斷續(xù)續(xù)[3]，再利用低閾值求出的邊緣信息，把高低閾值邊緣連在一起，未使用的低閾值邊緣信息被篩選掉。高低閾值的區(qū)別：高閾值是將物體輪廓與背景區(qū)分開，可以調整目標與背景的對比度；低閾值用來平滑邊緣的輪廓，當閾值設置太高時邊緣輪廓會不連續(xù)或者不夠平滑，通過低閾值平滑輪廓線或連接不連續(xù)邊緣。

圖1 雙閾值檢測原理

圖像邊緣實時檢測分為軟件和硬件系統，具體功能如圖2所示。軟件系統用于提取圖像邊緣特征，主要包括幀圖像、雙閾值和邊緣檢測等模塊，本文利用雙閾值提取邊緣信息并用Canny方法拼接邊緣[4]。硬件系統包括視頻接口、STM32和TMS320部分，STM32部分用于圖像數據的接收、存儲和顯示，TMS320電路用于運行雙閾值、邊緣檢測等程序。

圖2 圖像邊緣實時檢測系統

2 圖像邊緣檢測方法

2.1 雙閾值檢測方法設計

利用整體圖片的顏色特性進行分割，首先將輸入圖像按照模板進行顏色歸一化，根據雙閾值算法標準，對采集到的圖像進行邊緣判斷[5]，按照設定要求篩選出符合要求的像素點。先選擇大小為5×5的梯度模板，利用雙閾值法對提取的圖像數據進行比較，采用數據選擇器選擇出符合要求的結果，算法具體實施過程如下。

(1)采集5個點像素和過高閾值個數：

(1)

式中：(i，j)為像素點；w為照片參數；x為定義參數。

(2)對采集的5點按照像素點灰度值數據排序，對數據進行像素定級：

x1

(2)

(3)利用雙閾值選擇符合要求的像素；

(4) 計算像素點的能量值：

(3)

式中：E為能量值；P為像素點級別。

(5)依據能量值判斷圖像邊緣信息，如果大于設定小閾值則認定為邊緣信號，小于閾值則為背景圖片。

2.2 Canny邊緣識別

Canny算子具有信噪比高、定位精度準確和單邊緣響應快的準則，它是一階傳統微分中邊緣檢測效果最好的算子[6]，比Prewitt 算子、Sobel算子的去噪能力強。

根據對信噪比與定位乘積進行測度，得到最優(yōu)化逼近算子即Canny邊緣檢測算子，具體實施過程如圖3所示。

3 邊緣檢測硬件系統

3.1 硬件系統設計

邊緣檢測系統的主要任務是采集圖像，并利用硬件運行雙閾值等軟件程序，具體硬件檢測系統組成如圖4所示。

圖3 程序編寫流程

圖4 硬件系統整體結構

邊緣檢測硬件系統主要分為圖像采集和邊緣檢測兩個部分，圖像采集是以攝像頭OV7670為基礎讀取圖像，以STM32為核心采集、存儲和顯示圖像數據[7]。DSP處理芯片TMS320為核心運行程序，處理程序以雙閾值特征提取程序和邊緣檢測程序為主，完成邊緣特征的提取和拼接。

3.2 視頻數據采集電路

CCD采集圖像后可以直接傳送給STM32模塊進行特征數據提取，但為了降低CPU計算傳輸壓力采用外置視頻解碼芯片GV7700進行數據格式轉換[8]，經過視頻解碼后原始圖像質量可以得到提高，同時圖像識別算法也會得到簡化。視頻數據采集整體電路如圖5所示，高性能解碼芯片GV7700可以通過SPI總線進行控制，視頻識別格式可以通過編程進行控制，內核低壓電源1.8 V供電可以保證高速采集轉換過程中電路芯片處于低功耗模式[9]。當五針視頻輸入到SDO接口過程中利用電感和電容濾除信號中交流成分，然后芯片把直流成分和SDO接收到的小幅度交流成分進行合成。視頻解碼芯片工作在27 Mbps高速過程中也可以保持低功耗，且視頻輸入輸出都通過20位并行數據總線進行傳輸。

圖5 視頻數據采集電路

3.3 圖像存儲電路

在工業(yè)應用中一般內存處理電路即可滿足功能要求，但數據處理速度要求比較高的場所需要高速存儲電路。

圖像高速存儲電路如圖6所示。數據傳輸信號連接到MT47H64的DDR引腳，在高速傳輸和工業(yè)干擾環(huán)境下為提高信號抗干擾能力[10]，參考引腳VREF并聯一個0.1 μF去耦電容，在電源部分并聯0.1 μF電容和22 μF電解電容[11]，這樣芯片可以很好地兼容+1.8 V電源。

圖6 圖像高速存儲電路

4 圖像邊緣實時檢測實驗

每種場景對閾值參數的要求都不相同，需要根據圖片邊緣的灰度變化、特征像素點數等信息選擇閾值參數[12]。本文以梯度變換的樹形灰度圖為例，利用攝像頭拍攝場景照片，選取Canny檢測方法的合適雙閾值，分別利用變換高閾值和低閾值，根據圖像邊緣檢測結果確定參數，不同低閾值的檢測結果如圖7所示，不同高閾值的檢測結果如圖8所示。

根據兩組不同參數確定邊緣圖形，檢測結果分為原圖、不同低閾值和高閾值，檢測結果表明低閾值引入的邊緣特征比較多，信號可以分為無效邊緣和有效邊緣，低閾值越小無效信息越多，高閾值越大則有效信息越少。綜合觀察高低閾值分別為0.07和0.04時，檢測的圖像邊緣更貼合原始圖，且信息還原度比較高。

5 結束語

為開發(fā)一種基于雙閾值的動態(tài)圖像邊緣檢測系統，設計了邊緣檢測方法和硬件電路，利用樹形灰度圖選取Canny檢測方法的合適雙閾值，實驗結果表明高低閾值分別為0.07和0.04時，檢測的圖像邊緣更貼合原圖，也證明了圖像邊緣檢測系統的可靠性。

(a)原始圖像

(b)雙閾值0.02、0.08，Canny算子進行邊緣檢測

(c)雙閾值0.04、0.08,Canny算子進行邊緣檢測

(d)雙閾值0.06、0.08，Canny算子進行邊緣檢測

(a)原始圖片

(b)雙閾值0.04、0.05，Canny算子進行邊緣檢測

(c)雙閾值0.04、0.07,Canny算子進行邊緣檢測

(d)雙閾值0.04、0.09，Canny算子進行邊緣檢測