基于灰度的圖像邊緣檢測與匹配算法的研究

傅立光　徐惠紅

摘要：圖像邊緣檢測技術(shù)是其他一些圖像分析技術(shù)的基礎(chǔ)，文章闡述了Canny邊緣檢測和塊匹配算法的實現(xiàn)方法，通過實驗驗證了改進的滑動窗口算法的匹配效率。

關(guān)鍵詞：邊緣檢測；灰度；塊匹配；相似度

中圖分類號：TP391 文獻標(biāo)識碼：A 文章編號：1009-3044（2016）13-0175-02

1 圖像邊緣檢測與匹配的概述

邊緣是灰度不連續(xù)的結(jié)果，是圖中灰度的急劇變化。邊緣檢測的實質(zhì)是采用某種算法來提取出圖像中對象與背景間的交界線。

圖像匹配就是將模板與待檢測的圖像進行比較匹配，并給出一個描述匹配程度的計算結(jié)果。如果算法的運算結(jié)果顯示圖像中的某一部分與模板相同或是相似大于設(shè)定的閾值，則認為匹配成功 [1]。

2 邊緣檢測與提取的算法

經(jīng)典的邊界提取技術(shù)大都基于微分運算。首先通過平滑來濾除圖像中的噪聲，然后進行一階微分或二階微分運算，求得梯度最大值或二階導(dǎo)數(shù)的過零點，最后選取適當(dāng)?shù)拈撝祦硖崛∵吔?，這里使用Canny邊緣檢測技術(shù)。

二維Canny算子首先用高斯濾波器平滑圖像；然后使用差分模板近似計算梯度值和方向；再在梯度方向上確定局部極大值點，用雙門限法去除噪聲并保留邊緣點；最后進行插值將邊緣點連接起來以形成連貫的曲線。對圖像應(yīng)用Canny算子運算，可直接獲得單像素寬的圖像邊緣連貫曲線[2]。

3 改進的滑動窗口（塊）的匹配方法

滑動窗口（塊匹配法）是指將待配準(zhǔn)圖像的分成N×N的多個子區(qū)域的像素的集合作為模板。將匹配圖分成M×M的多個子區(qū)域在模板圖像中確定搜索區(qū)域，在搜索區(qū)域中搜索和模板最相似的匹配塊，當(dāng)搜索區(qū)域沒有成功時，則按照某種標(biāo)準(zhǔn)擴大搜索區(qū)域并按照匹配圖的大小繼續(xù)線性搜索[2]。

改進的滑動窗口的匹配方法的算法思想為[3-5]：

首先，將模板處理成和匹配塊大小成整數(shù)倍數(shù)的圖像，如果模板圖像的邊長不是塊邊長的整數(shù)倍，則將最底部與最右邊剩余的幾行、幾列裁減掉（如圖2所示為裁剪好的圖片），然后根據(jù)模板圖像與帶匹配圖像的比率劃分塊大小，此處設(shè)模板圖像的塊為{L1，L2，…，Lk }，帶匹配圖像的分塊為{P1，P2，…，PN}，分別計算計算出兩幅圖像中每一塊的平均概率密度，將待匹配圖像在模板圖像中按照塊大小進行移動。

然后，進行第一步的粗配，通過計算的模板圖像和匹配圖像每一塊的平均概率密度找出幾對最大值點和最小值點，找出兩圖的中最大值與最大值和最小值與最小值差值小于某個數(shù)值的相應(yīng)的塊，以模板圖的四個角點和這些塊為開始位置同時進行粗配，得到相似度值，如果該值大于一個閾值（本文為0.8），則繼續(xù)在當(dāng)前位置進行逐塊比較，并且記錄下相似度。如果不在閾值范圍內(nèi)認為該塊不該為開始匹配的起始點，從下一最大值或最小值差別小于某個數(shù)值的塊開始，如圖2所示。

最后，經(jīng)過粗匹配階段，逐塊匹配得到的最佳匹配塊縱坐標(biāo)、橫坐標(biāo)可能分別存在一個表中，要得到精確匹配結(jié)果，則須用模板在粗匹配后的最佳匹配塊內(nèi)逐象素進行一次精匹配。圖3和圖4為實驗所用的lena匹配模板圖，和帶匹配的lena部分圖。

對于有旋轉(zhuǎn)或比例縮放的圖像來說，其圖像的單位面積內(nèi)的平均概率密度會有很大幅度的變化，如圖5所示為經(jīng)過200旋轉(zhuǎn)后的圖像（出現(xiàn)了有角度大面積的白色或黑色，其大小與匹配的原圖相同，所以其平均概率密度小，填充為黑色則平局概率密度偏大），這種圖形通過修改圖像的閾值如圖5所示，計算出其旋轉(zhuǎn)角度，將其整個圖像旋轉(zhuǎn)回來，缺損像素處由相鄰處的顏色信息填充。

經(jīng)過10%放大后的圖像（其平均概率密度偏?。?，要先經(jīng)過圖像的校準(zhǔn)及旋轉(zhuǎn)，比例縮放的圖像需要根據(jù)圖像的大小計算出平均像素密度及模板圖想的像素密度，計算出放大或縮小的比率，將縮放的圖像用的值將其基本恢復(fù)成沒有縮放比率之前的大小。

4 結(jié)束語

實驗結(jié)果分析：塊匹配法的優(yōu)點是它能夠?qū)崿F(xiàn)兩幅圖像在256灰度模式下，圖像沒有經(jīng)過任何處理、小幅度旋轉(zhuǎn)及縮放的情況下都能夠?qū)崿F(xiàn)圖像的精確配準(zhǔn)。缺點是計算量較大。在改進的滑動窗口算法中由于采用了兩步走-先粗配、再精配的方法，大大提高了圖像運算的時間。但是，在實際應(yīng)用中，由于各種外界的因素，獲取圖像的質(zhì)量、圖像的變形及圖像大角度的平移或旋轉(zhuǎn)等問題，對圖像匹配的要求就更高，還有待于我們更進一步的研究探討。

參考文獻：

[1] 宋曉闖. 基于灰度和幾何特征的圖像匹配算法研究[D]. 天津： 河北工業(yè)大學(xué)， 2008.

[2] 劉錦峰. 圖像模板快速算法的研究[D]. 長沙： 中南大學(xué)， 2007.

[3] 閻興美. 一種快速的圖像特征匹配算法[J]. 計算機工程與應(yīng)用， 2001， 23（4）： 21-23.

[4] 劉瑩. 基于灰度相關(guān)的圖像匹配算法的改進[J]. 應(yīng)用光學(xué)， 2007， 28（5）： 537-538.

[5] 黃旭華. 基于灰度的圖像快速匹配算法[J]. 戰(zhàn)術(shù)導(dǎo)彈控制技術(shù)， 2005， 51（4）： 25-26.