何小虎 張瑞芳

【摘? 要】圖像邊緣檢測是圖像處理中非常重要的基礎(chǔ)，邊緣檢測直接影響圖像分割的好壞，因此，要對某個圖像進行分析和研究，首先要從邊緣檢測開始。論文主要研究了邊緣檢測的基本原理，并針對Canny算子給出了改進的方法，同時研究了不同的閾值對Canny算子的影響，并用MATLAB進行仿真，最后對得到的結(jié)果進行分析比較。

【關(guān)鍵詞】邊緣檢測;算子;MATLAB仿真

【Abstract】Image edge detection is a very important foundation in image processing. Edge detection directly affects the quality of image segmentation. Therefore， to analyze and study an image， we must start with edge detection. This paper mainly studies the basic principle of edge detection， and gives an improved method for Canny operator. At the same time， it studies the influence of different thresholds on Canny operator， and simulates with MATLAB. Finally， it analyzes and compares the results.

【Keywords】edge detection; operator; MATLAB simulation

1 引言

對圖像邊緣的檢測與研究是圖像處理中的基礎(chǔ)，圖像分割效果的好壞會受到邊緣檢測的影響。在圖像分割技術(shù)中圖像分割算法中就包括邊緣檢測方法，除此之外，在許多應(yīng)用領(lǐng)域中邊緣都起到了必不可少的作用，因為圖像的邊緣是圖像的一部分，它包含了圖像中的部分信息。所以，要對某些應(yīng)用領(lǐng)域進行研究時首先要對邊緣進行研究和分析，只有這樣才有研究的意義。在圖像處理、人臉識別等其他方面也將邊緣檢測視為基礎(chǔ)的一步。正因為如此，邊緣檢測一直是國內(nèi)外比較熱門的話題，越來越多的邊緣檢測方法不斷地被提出。

2 邊緣檢測算子

在圖像處理中我們首先要做的便是對圖像的邊緣進行檢測。圖像灰度值的不連續(xù)變化可以反映圖像的邊緣。例如，圖像中圖像灰度的突然變化、圖像顏色的突然變化等都反映了圖像的不連續(xù)變化。在目標(biāo)物體之間，目標(biāo)物體與圖像的背景之間往往有邊緣。

Canny算子是邊緣檢測的方法之一，它是通過一階導(dǎo)數(shù)來反映，Canny算子對邊緣檢測和噪聲抑制的過程中都達到了比較好的效果，因此，Canny算子又被稱為最優(yōu)邊緣檢測算子。Canny算子通過下面的公式去除圖像中的噪聲：

在上面的公式中，C（i， j）表示梯度幅值即邊緣強度，梯度方向用θ（i， j）來進行表示。Canny算子雖然在邊緣檢測和噪聲抑制的過程中達到了比較好的效果，但是在實際運用中卻不一定是最優(yōu)的，因為它的編程不容易比較復(fù)雜并且運算速度比較慢。

3 對Canny邊緣檢測算法的改進

傳統(tǒng)的Canny算法是通過在2×2領(lǐng)域內(nèi)求有限差分來計算梯度幅值，該方法對噪聲比較敏感，為了更好地抑制噪聲，采用3×3領(lǐng)域梯度計算幅值對Canny算法進行改進。

該改進的Canny算法考慮了像素的對角方向，將其引入差分均值計算中，提高了邊緣定位的準(zhǔn)確度，且抑制了噪聲。

4 實驗效果對比

分別采用Canny算子和改進的 Canny 算子進行對比如圖1所示。

a.原始灰度圖

b.Canny 算子檢測效果

c.改進的 Canny算子檢測效果

從圖1中我們可以看出改進后的Canny算子提取的邊緣圖像比傳統(tǒng)的Canny提取的邊緣圖像要完整，不易造成邊緣的丟失，對圖像邊緣的定位比較精確。

運行效果如圖2所示，從結(jié)果中我們可以看出閾值越大，Canny算子提取的圖像邊緣越清晰。

5 結(jié)語

圖像的邊緣主要是與圖像中灰度的不連續(xù)變化密切相關(guān)。所以，邊緣檢測的主要任務(wù)就是研究和分析圖像中灰度的不連續(xù)性，并且確定圖像不同的灰度值分別處于哪些位置，確定它們的精確位置就是要研究圖像的邊緣點，今后將不斷改進優(yōu)化算法，從而得到更好的邊緣。

【參考文獻】

【1】趙子潤，高保祿，郭云云，等.基于改進Canny算法的噪聲圖像邊緣檢測[J].計算機測量與控制，2020，28（12）：202-206+212.

【2】王小麗.邊緣檢測的優(yōu)化及實例[J].現(xiàn)代計算機，2020（32）：48-51.

【3】張棋，賈方秀，殷婷婷.基于改進Sobel算法的實時圖像邊緣檢測系統(tǒng)設(shè)計[J].儀表技術(shù)與傳感器，2018（02）：101-104+108.

【4】胡文文，周日貴，范萍，等.基于Canny算法的量子圖像邊緣檢測[J].鄭州大學(xué)學(xué)報（理學(xué)版），2020，52（04）：37-52.

【5】李翠錦，瞿中.基于深度學(xué)習(xí)的圖像邊緣檢測算法綜述[J].計算機應(yīng)用，2020，40（11）：3280-3288.

【6】李慶忠，劉洋.基于改進Canny算子的圖像弱邊緣檢測算法[J].計算機應(yīng)用研究，2020，37（S1）：361-363.

【7】徐衍魯，馬燕.改進Canny算子的圖像邊緣檢測算法[J].福建電腦，2019，35（05）：5-7.

【8】張月圓，曾慶化，劉建業(yè)，等.基于Canny的改進圖像邊緣檢測算法[J].導(dǎo)航與控制，2019，18（01）：84-90.