婁自婷

摘要：數(shù)字圖像的邊緣檢測是目標(biāo)區(qū)域識別、提取及圖像分割等領(lǐng)域的基礎(chǔ)，圖像邊緣包含圖像的輪廓、位置等特征，其邊緣的檢測與提取是目前圖像處理與分析技術(shù)中的研究熱點。該文著重研究了幾種經(jīng)典的邊緣檢測算法并分析比較了算法的優(yōu)缺點，然后為TIP技術(shù)中圖像處理的后續(xù)環(huán)節(jié)提供一些參考，即為圖像前景掩模的生成，邊緣檢測算法的選取提供了參考。

關(guān)鍵詞：數(shù)字圖像處理；邊緣檢測；算子；TIP；前景掩模

1概述

隨著科技的不斷發(fā)展，數(shù)字圖像處理應(yīng)用越來越廣泛，在工業(yè)生產(chǎn)、天氣預(yù)報、通訊技術(shù)、遙感技術(shù)、公共服務(wù)等方面都有很大發(fā)揮作用。而邊緣作為圖像的一個重要特征也逐步成為人們關(guān)注的焦點。由此人們提出多種檢測圖像邊緣的算子，主要包括一階導(dǎo)數(shù)的邊緣檢測算子roberts算子、sobel算子、prewitt算子、canny算子等，還有二階導(dǎo)數(shù)的邊緣檢測算子拉普拉斯算子、LOG算子等。這些算子都存在優(yōu)缺點及實用性。

而在實際圖像中，邊緣是由多種類型組合而成的，還存在噪聲的干擾，考慮的因素甚多，所以邊緣檢測是數(shù)字圖像處理中的一個難題。加之人們對TIP技術(shù)的虛擬漫游的要求越來越高，但實現(xiàn)過程涉及很多人工操作，如要預(yù)先使用圖像處理軟件PHOTOSHOP來完成前景與背景的區(qū)分，嚴(yán)重影響了TIP實現(xiàn)的靈活性和適應(yīng)性。為了改進(jìn)其缺點，有人提出使用邊緣檢測算法自動提取前景與背景生成前景掩模和背景圖像。

該文闡述了邊緣檢測算法的定義及實現(xiàn)步驟，并通過VC編程實現(xiàn)，分析比較幾種常用邊緣檢測算法的優(yōu)缺點及在TIP技術(shù)中的實用性。

2邊緣檢測

圖像邊緣是一系列連續(xù)像素的集合，這些像素位于圖像中相鄰區(qū)域的交界線。而圖像邊緣的檢測是對灰度變化的度量與定位，通過灰度變化率表示圖像邊緣點灰度的變化信息。在一幅圖像中，邊緣有方向和幅度兩個特性。一般認(rèn)為沿邊緣走向的灰度變化較為平緩，而垂直于邊緣走向的灰度變化劇烈。即灰度梯度指向邊緣的垂直方向。那根據(jù)灰度變化的特點可分為三種：階躍型、房頂型與凸圓型。邊緣檢測一般包括以下四個步驟：濾波、增強、檢測、定位，如圖1為邊緣檢測流程圖。

3邊緣檢測算子

3.1基于一階導(dǎo)數(shù)的邊緣檢測算子

首先用一階導(dǎo)數(shù)來表示梯度，圖像邊緣信息的強度可用一階導(dǎo)數(shù)的大小來表示，圖像邊緣點的方向與導(dǎo)數(shù)的方向垂直。由圖2可知，我們將由暗到亮的邊設(shè)為正，由亮到暗的邊設(shè)為負(fù)，常數(shù)部分為零，則可觀察到其截面圖的變化?；谝浑A導(dǎo)數(shù)的邊緣檢測算子有Robe.s算子、Sobel算子、Prewitt算子。