Canny邊緣檢測(cè)算法在圖像處理上的應(yīng)用

覃小峰 楊棕根 鄭湘群

摘要：邊緣檢測(cè)算法一直在圖像處理領(lǐng)域十分活躍，本文根據(jù)Canny邊緣檢測(cè)算法對(duì)圖像進(jìn)行邊緣檢測(cè)處理。本文首先對(duì)帶有噪聲的圖像進(jìn)行高斯平滑濾波，盡可能地將噪聲去掉。然后通過(guò)亮度梯度的計(jì)算，得出圖像的整體輪廓。然后再對(duì)其進(jìn)行非極大值抑制處理，將虛假邊緣像素點(diǎn)去掉。再采用雙閾值處理上一步所得到的圖像，并連接邊緣像素點(diǎn)得到邊緣圖像。通過(guò)實(shí)驗(yàn)仿真分析，該算法能夠很好的抑制噪聲并檢測(cè)出更加精確的圖像邊緣。

關(guān)鍵詞：Canny邊緣檢測(cè)算法；高斯平滑濾波；非極大值抑制處理；雙閾值處理

Abstract：The edge detection algorithm has been quite active in the field of image processing.Canny edge detection algorithm is also chosen for the edge detection processing of image in this paper.Three steps are as followings：first，using Gauss filter to remove the noise of image as much as possible；Second，with the calculation of brightness step，we can draw the images total outline；Third，deleting the false remote pixels by making use of non maxima suppression processing to the outline we observed.Then using dual threshold to deal with the image and join remote pixels.Finally，the edge image forms.Through the analysis of the experimental simulation，this algorithm is good at restraining noise and getting a more accurate edge image.

0.引言

隨著計(jì)算機(jī)的發(fā)展和人們對(duì)圖像的視覺(jué)心理或應(yīng)用需求不斷提高，一系列的圖像處理算法及技術(shù)也隨之蓬勃發(fā)展，在圖像處理領(lǐng)域中最重要的一項(xiàng)處理技術(shù)是邊緣檢測(cè)技術(shù)。圖像中物體的邊緣處表現(xiàn)出圖像局部特性的不連續(xù)性，比如顏色的突變、灰度值的不連續(xù)，在邊緣處表現(xiàn)出來(lái)的信息量是非常大的，在整個(gè)圖像中的特征信息占有主導(dǎo)地位，因此圖像的邊緣檢測(cè)技術(shù)廣泛用于圖像的輪廓、紋理等特征信息的提取。

圖像邊緣信息中，有走向和幅度兩個(gè)方面的特征。一般情況下，圖像沿著邊緣方向的幅值變化是連續(xù)的，而在垂直于邊緣走向的幅值變化是階躍型的，也即是非連續(xù)變化的。本文主要是以Canny算法對(duì)圖像進(jìn)行邊緣檢測(cè)的算法研究。

1.Canny邊緣檢測(cè)

1.1Canny邊緣檢測(cè)算法基本原理

Canny邊緣檢測(cè)的實(shí)質(zhì)就是求取信號(hào)函數(shù)的極大值問(wèn)題來(lái)來(lái)判定圖像邊緣像素點(diǎn)。該檢測(cè)算法具有三大特點(diǎn)：①好的檢測(cè)性：檢測(cè)出的邊緣信息的漏檢率和誤檢率達(dá)到最小，使得算法能夠盡可能更多地標(biāo)識(shí)出圖像的實(shí)際邊緣；②好的定位性：定位精度最高，使得標(biāo)識(shí)出的邊緣盡可能與實(shí)際圖像的邊緣精確程度也就越高；③相應(yīng)次數(shù)最?。簣D像的邊緣像素點(diǎn)只能被標(biāo)識(shí)一次，并且在可能存在噪聲的像素點(diǎn)上不被標(biāo)識(shí)。

1.2Canny邊緣檢測(cè)算法實(shí)現(xiàn)步驟

1.2.1高斯濾波

在未經(jīng)處理過(guò)的圖像上進(jìn)行任何檢測(cè)算法都是不能很好地處理以及應(yīng)用，因此在圖像處理之前，對(duì)該圖像進(jìn)行濾波預(yù)處理，而且濾波效果的好壞直接影響著后續(xù)的處理和分析。圖像中幾種常見(jiàn)噪聲有椒鹽噪聲、脈沖噪聲、高斯噪聲。通常，圖像中噪聲以高斯噪聲為主，高斯噪聲的幅值分布服從高斯分布，因此本文采用高斯濾波，高斯平滑模板與原圖像進(jìn)行卷積計(jì)算，得到去噪后的圖像。

二維高斯函數(shù)：G（x，y）=Ae-（x2+y2）2σ2

式中σ決定了高斯濾波器的寬度。

1.2.2梯度計(jì)算

對(duì)濾波后的圖像中的每個(gè)像素點(diǎn)，計(jì)算其梯度的大小和方向的方法采用一微分算子計(jì)算出x方向和y方向的偏微分：

Gx=12·-11-11Gy=12·-11-11

梯度大?。築（x，y）=G2x+G2y

梯度方向：θ（x，y）=arctanGyGx

1.2.3梯度的非極大抑制

通常情況下，圖像幅值陣列中對(duì)應(yīng)像素點(diǎn)的B（x，y）值越大，那么該點(diǎn)梯度值也就越大，說(shuō)明該點(diǎn)很可能是邊緣點(diǎn)。但是該點(diǎn)還不能就因?yàn)榇司痛_定它是邊緣點(diǎn)，所以本論文為了確定邊緣點(diǎn)，采用非極大抑制來(lái)進(jìn)行邊緣檢測(cè)，確定出真正的邊緣點(diǎn)。

遍歷每個(gè)像素點(diǎn)的值與沿著梯度線(xiàn)方向的的兩個(gè)像素值進(jìn)行比較，如果該點(diǎn)的值比沿梯度線(xiàn)方向的兩個(gè)相鄰值小，則該點(diǎn)的像素灰度值賦值為0。

1.2.4雙閾值檢測(cè)并連接邊緣

采用單閾值處理后得到的邊緣點(diǎn)仍然存在著假象邊緣點(diǎn)，如果采用單閾值檢測(cè)，對(duì)于合適閾值的選擇來(lái)說(shuō)說(shuō)是非常困難的，因此本文采用雙閾值檢測(cè)來(lái)處理數(shù)據(jù)。設(shè)置的閾值分別為T(mén)1和T2，且T1=0.5T2，由此根據(jù)兩個(gè)閾值得到兩幅圖像。由于閾值T2較大，由它所得到的圖像，在濾掉了大部分噪音的同時(shí)，也丟掉了部分邊緣信息。閾值T1較小，它所得到的圖像包含著較多的邊緣信息。然后在由閾值T2得到圖像的基礎(chǔ)上，根據(jù)閾值T1得到的圖像的邊緣信息對(duì)它進(jìn)行補(bǔ)充，然后將邊緣信息點(diǎn)連接起來(lái)得到邊緣圖像。

2.實(shí)驗(yàn)結(jié)果及分析

本文對(duì)一張圖片用matlab進(jìn)行仿真實(shí)驗(yàn)，得出幾幅圖像的實(shí)驗(yàn)結(jié)果。該原始圖像尺寸的大小為261×550，該圖的順序表現(xiàn)出了算法的過(guò)程！圖2是由原始圖像圖1經(jīng)過(guò)高斯平滑濾波得出的圖像，從圖中我們可以看出圖2較圖1模糊，但是圖2增加了邊緣檢測(cè)的準(zhǔn)確性。經(jīng)過(guò)雙閾值處理，并連接邊緣信息點(diǎn)得到最終圖像3，可以從中看出圖像3基本上可以將真實(shí)邊緣表示出來(lái)。

3.結(jié)束語(yǔ)

本文根據(jù)Canny邊緣檢測(cè)算法對(duì)圖像進(jìn)行處理，其中最重要的部分是高斯濾波，該步驟對(duì)后面的處理部分有很大的影響，但同時(shí)會(huì)造成邊緣細(xì)節(jié)信息的丟失。在對(duì)假象邊緣點(diǎn)進(jìn)行處理時(shí)，沒(méi)有采用單閾值處理，由于該處理方法不能很好的確定閾值，因此采用雙閾值處理，它在充分處理掉假象邊緣的同時(shí)也較大程度上保證了真實(shí)邊緣不被去掉。因此將該算法應(yīng)用到圖像處理上，能夠得到理想的結(jié)果。（作者單位：1.西南交通大學(xué)峨眉校區(qū)機(jī)械工程系；2.西南交通大學(xué)峨眉校區(qū)計(jì)算機(jī)與通訊工程系）

參考文獻(xiàn)：

[1]王慧琴.小波分析與應(yīng)用[M].北京：北京郵電大學(xué)出版社，2011（1）：156～158

[2]張書(shū)玲，張小華.基于小波變換的邊緣檢測(cè)[J].西北大學(xué)學(xué)報(bào)：自然科學(xué)版，2000，30（2）：93～97

[3]李俊山，馬穎，趙方舟.改進(jìn)的Canny圖像邊緣檢測(cè)算法[J].光子學(xué)報(bào)，2011，40（1）：50～54

[4]Yao Min.Digital image processing[M].Beijing：MechanicalIndustry Press，2006.（in Chinese）

[5]楊煊，梁德群.基于圖像信息檢測(cè)多尺度邊緣檢測(cè)方法[J.模式識(shí)別與人工智能，1998，11（4）：442～446

[6]Mallat S，HwangWL.Singularity detection and processing with wavelets[J].IEEE Trans IT，2005，38（2）：617-643

[7]蔣愛(ài)德，扈少華.基于Canny算子的邊緣檢測(cè)研究[J].鄭州牧業(yè)工程高等專(zhuān)科學(xué)校學(xué)報(bào)，2007，（5）：1～3

[8]陳蒙.基于Canny算子的邊緣檢測(cè)算法應(yīng)用研究[J].電子技術(shù)與軟件工程，2013，（11）：1～2