基于canny邊緣檢測(cè)算法有效解決檢測(cè)邊緣斷裂問題

引言

邊緣檢測(cè)是圖像處理中的重要內(nèi)容。圖像邊緣是圖像局部特性不連續(xù)性（灰度突變、顏色突變、紋理結(jié)構(gòu)突變等）的反映，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。在實(shí)際圖像處理問題中，圖像的邊緣作為圖像的一種基本特征，經(jīng)常被應(yīng)用到較高層次的圖像應(yīng)用中去，同時(shí)它在圖像識(shí)別、圖像分割、圖像增強(qiáng)以及圖像壓縮等領(lǐng)域中有較為廣泛的應(yīng)用。圖像邊緣檢測(cè)的手段多種多樣，大的框架有兩種，一是傳統(tǒng)的基于邊緣檢測(cè)算子的檢測(cè)方法；另外一種是基于小波的多尺度邊緣測(cè)算法。然而小波變換在用于處理圖像時(shí)并不是最佳的，因?yàn)榛谛〔ㄗ儞Q的圖像邊緣檢測(cè)方法提取的邊緣只具有有限的方向，而自然圖像邊緣的方向可能是任意的，因而小波邊緣提取方法提取的邊緣不能最佳地逼近圖像邊緣；傳統(tǒng)的Robert、Sobel、Prewitt、Kirach和Laplacian算子對(duì)噪聲較為敏感，在處理實(shí)際圖像中效果并不理想。通過研究，本文提出了一種基于canny邊緣檢測(cè)算法，結(jié)合輪廓跟蹤的方法，在物體邊緣得到增強(qiáng)、對(duì)比度得到改善、噪聲得到有效抑制的同時(shí)，很好地解決了使用傳統(tǒng)的邊緣檢測(cè)算子在邊緣檢測(cè)過程中帶來的檢測(cè)邊緣斷裂的問題，從而能夠保證檢測(cè)到的邊緣連續(xù)、單一、清晰，是一種實(shí)用的圖像處理方法。最后把改進(jìn)后的算法應(yīng)用到實(shí)際醫(yī)學(xué)圖像邊緣檢測(cè)中，并與傳統(tǒng)邊緣檢測(cè)算子的檢測(cè)效果比較，從而得出結(jié)論。

1 Carmy算子的基本原理

1．1 平滑圖像

Canny算子選用合適的一維高斯函數(shù)，分別按行和列對(duì)圖像f（x，y）進(jìn)行平滑去噪，這相當(dāng)于對(duì)圖像信號(hào)的卷積。所選的高斯函數(shù)為：

式中：σ為高斯曲線標(biāo)準(zhǔn)差，控制著平滑程度。

1．2 計(jì)算梯度的幅值和方向

Canny算子采用2×2鄰域一階偏導(dǎo)的有限差分來計(jì)算平滑后的數(shù)據(jù)陣列I（x，y）的梯度幅值和梯度方向。x和y方向偏導(dǎo)數(shù)的2個(gè)陣列Px［i，j］和Py［i，j］分別為：

像素的梯度幅值和梯度方向分別為：

1．3 獲取邊緣

為了提取單像素寬邊緣，必須細(xì)化梯度幅值圖。在梯度幅值圖像中，M［i，j］的極大值所在位置附近會(huì)產(chǎn)生屋脊帶，只有細(xì)化這些屋脊帶才能精確地確定邊緣的位置，僅保留幅值局部變化最大的點(diǎn)，這一過程叫做非極大值抑制。在非極大值抑制過程中，Canny算子使用3×3大小，包含8個(gè)方向的鄰域?qū)μ荻确店嚵蠱［i，j］的所有像素沿梯度方向進(jìn)行梯度幅值的插值，在每一個(gè)點(diǎn)上，鄰域的中心像素M［i，j］與沿梯度方向的2個(gè)梯度幅值的插值結(jié)果進(jìn)行比較，如果鄰域中心點(diǎn)的幅值M［i，j］不比梯度方向上的2個(gè)插值結(jié)果大，則將M［i，j］對(duì)應(yīng)的邊緣標(biāo)志位賦值為0，這一過程把M［i.j］寬屋脊帶細(xì)化為一個(gè)像素寬，并且保留了屋脊的梯度幅值。

對(duì)經(jīng)過非極大值抑制和梯度直方圖分類的子圖像N［i，j］分別使用高、低2個(gè)閾值thrA和thrl，將梯度小于閾值的像素灰度置為0，分割得到2個(gè)閾值邊緣圖像TH［i，j］和TL［i，j］。由于圖像TH［i，j］是由高閾值得到，因此偽邊緣很少，但TL［i，j］保留邊緣信息較為全面，但也含有一些偽邊緣。因此以圖像TH［i，j］為基礎(chǔ)，圖像TL［i，j］為補(bǔ)充獲得相對(duì)較為全面的邊緣。

1．4 輪廓跟蹤或輪廓提取

在對(duì)圖像進(jìn)行canny邊緣檢測(cè)后，可能會(huì)出現(xiàn)某些檢測(cè)邊緣斷裂、不連續(xù)的現(xiàn)象，為了解決這個(gè)問題，使獲得的目標(biāo)檢測(cè)物體的邊緣能夠連續(xù)并且去除多余的偽邊緣，在邊緣檢測(cè)后，再對(duì)圖像進(jìn)行邊界跟蹤，便可使這一問題得以很好地改善。

對(duì)于二值圖像，輪廓提取的基本方法是掏空內(nèi)部點(diǎn)，即如果原圖像中有一點(diǎn)為黑，且其他相鄰的8個(gè)點(diǎn)都為黑，則將該點(diǎn)刪除。

本文借鑒二值圖像輪廓跟蹤方法，即將每一點(diǎn)與其相鄰的8個(gè)點(diǎn)作比較。具體方法為：（1）先找到第一個(gè)邊界像素。按從左到右、從下到上的順序搜索，找到的第一個(gè)白點(diǎn)一定是最左下方的邊界點(diǎn)，記為A0，它的右、右上、上、左上四個(gè)相鄰點(diǎn)中至少有一個(gè)是邊界點(diǎn)，記為B0，從B0開始找起，按右、右上、上、左上、左、左下、下、右下的順序找8個(gè)相鄰點(diǎn)中的邊界點(diǎn)C0，如果C0就是A0點(diǎn)，則表明已經(jīng)轉(zhuǎn)了一

圈，結(jié)束；否則從C0點(diǎn)繼續(xù)找，直到找到A0為止；（2）判斷是否邊界點(diǎn)：如果它的8個(gè)相鄰點(diǎn)都不是白點(diǎn)，則它即為邊界點(diǎn)。對(duì)于邊界跟蹤來說，跟蹤后產(chǎn)生的輪廓邊緣寬度只有一個(gè)像素，實(shí)現(xiàn)了邊緣像素點(diǎn)單一、清晰，并很好地去除了偽邊緣點(diǎn)。

2 實(shí)驗(yàn)結(jié)果對(duì)比

為驗(yàn)證本文算法，以醫(yī)學(xué)圖像為例，與傳統(tǒng)邊緣檢測(cè)算子進(jìn)行對(duì)比，實(shí)驗(yàn)表明，本文提出的方法具有很好的邊緣檢測(cè)效果，對(duì)比結(jié)果如圖1～圖5。

3 結(jié)果分析

本文采用將圖像先進(jìn)行Canny邊緣檢測(cè)，再進(jìn)行輪廓跟蹤的處理方法，一方面能夠解決傳統(tǒng)邊緣檢測(cè)算法所帶來的邊緣斷裂問題，而且易于理解和實(shí)現(xiàn)，具有較好的檢測(cè)效果。但另一方面，對(duì)圖像分別進(jìn)行兩次處理，降低了圖像處理的效率，在實(shí)時(shí)處理要求較高的應(yīng)用環(huán)境，此算法還需進(jìn)一步改進(jìn)。

責(zé)任編輯：gt