亚像素检测方法的研究 摘 要 精确的确定数字图像位置，对于图像测量非常的重要。同时，图像的获取过程中受到各种噪声的影响，传统的提取方法的精度有限，且易受参数的影响，必然会引起图像的模糊，因此对图像的定位技术的研究一直是一个热门。对于几种代表性的亚像素边缘提取技术进行了原理分析和性能比较。 关键词：亚像素边缘提取 图像定位 1.引言 关于图像中点与线的定位人们研究并提出了多种定位方法，每种方法都有其特定的应用条件和精度要求，应该根据不同的处理对象选择合适的提取方法 。在对图像进行定位之前，必须进行图像的预处理。 2.图像预处理 在拍照过程中常常因为光照或曝光等因素使得照片产生局部模糊 、 噪声等干扰，严重时会直接影响到亚像素定位的精度及实现，所以在进行定位前先要对所处理的图像进行必要的预处理，一方面可以剔除噪声等干扰，另一方面也是为了提取出含有亚像素的定位信息。为实现以上目的，图像的预处理需要进行图像增强，二值化，边缘 跟踪Hough 变换。 2.1图像增强 这个功能主要是处理照片在拍摄和采集的过程中，因曝光不均而导致的图像的灰度分布集中在较窄的区域，引起图像细节不够清晰。采用直方图修整后可使图像的灰度间距拉开，或者使灰度分布均匀，从而增大反差，使图像的细节清晰，达到增强的目的。 2.2二值化 利用灰度图像直方图选取适当的阈值实现灰度图像的二值化，图像的二值化的阈值方法处理如下： 2.3边缘跟踪 边缘跟踪就是把位于标志内部的所有像素全部移除，仅仅留下在边缘线上的t j i f j i f t j i f j i f >==<=),(;1),(),(;0),({
那些像素，取得标志点的轮廓线。实现方法是对标志区域的每一个像素进行4-邻域或8-邻域的判断，当某个像素4-邻域过8-邻域内所有像素值都是0（黑）时，说明这个像素是区域内部点，则去掉该点，最后仅剩余的即是标准的轮廓线。 2.4 Hough变换提取直线 Hough变化的核心思想是点-线的对偶性，通过变换将图像从空间转换到参数空间。对于直线Y=px+q，在图像空间中为一条过点（x，y）的直线，满足参数方程р=xcosθ+ysinθ,直线方程的极坐标如下图所示。 图1 直线方程的极坐标表示 Hough变换检测直线的算法步骤如下： （1）在р，θ的极值范围内对其分别进行m，n等分，设一个二位数组的下标与（рi，νi）的取值对应； （2）对图像的边缘点作Hough变换，求每一个点在νi（j=0，1，2，......n）变化后рi，判断（рi，νi）与哪个数组元素对应，则让该数组元素值加1； （3）比较数组元素值的大小，最大值所对应的（рi，νi）就是这些共线点对应的直线方程的参数。 （4）Hough变换的抗噪性能强，能将断开的边缘连接起来。很明显，由Hough 变换后（рi，νi）数组最大的两个值对应的（рi，νi）就是标志两条垂直线所对应的参数。 图像预处理如图2所示，其中图（a）为原始图像，（b）为二值化图像，（c）为边缘跟踪图像，（d）为Hough变换后的图像。 图2 图像预处理 3.亚像素边缘检测技术的研究 采用机器视觉技术对工业生产线上的零部件进行尺寸检测，具有完全非接触
Matlab做图像边缘检测的多种方法 1、用Prewitt算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'prewitt',0.04); % 0.04为梯度阈值 figure(1); imshow(I); figure(2); imshow(BW1); 2、用不同σ值的LoG算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'log',0.003); % σ=2 imshow(BW1);title('σ=2') BW1 = edge(I,'log',0.003,3); % σ=3 figure, imshow(BW1);title('σ=3') 3、用Canny算子检测图像的边缘 I = imread('bacteria.BMP'); imshow(I); BW1 = edge(I,'canny',0.2); figure,imshow(BW1); 4、图像的阈值分割 I=imread('blood1.tif'); imhist(I); % 观察灰度直方图，灰度140处有谷，确定阈值T=140 I1=im2bw(I,140/255); % im2bw函数需要将灰度值转换到[0,1]范围内 figure,imshow(I1); 5、用水线阈值法分割图像 afm = imread('afmsurf.tif');figure, imshow(afm); se = strel('disk', 15); Itop = imtophat(afm, se); % 高帽变换 Ibot = imbothat(afm, se); % 低帽变换 figure, imshow(Itop, []); % 高帽变换，体现原始图像的灰度峰值 figure, imshow(Ibot, []); % 低帽变换，体现原始图像的灰度谷值 Ienhance = imsubtract(imadd(Itop, afm), Ibot);% 高帽图像与低帽图像相减，增强图像figure, imshow(Ienhance); Iec = imcomplement(Ienhance); % 进一步增强图像
图像边缘检测方法比较研究 作者：关琳琳孙媛 来源：《现代电子技术》2008年第22期 摘要：边缘检测在数字图像处理中有着重要的作用。系统分析目前具有代表性的边缘检测方法，并用IDL6.3软件实现各种算法。实验结果表明，各种方法均有各自的优缺点和适用条件，在做图像边缘检测之前，应对图像进行分析，针对图像的特点和应用需求选用合适的方法。 关键词：边缘检测；检测算子；高通滤波；小波变换 中图分类号：TP391文献标识码：A 文章编号：1004-373X(2008)22-096-03 Comparison of Image Edge Detection Methods GUAN Linlin1,SUN Yuan2 (1.Department of Resource Science and Technology,Beijing Normal University,Beijing,100875,China; 2.96656 Unit of Second Artillery F orces,Chinese People′s Liberation Army,Beijing,100820,China) Abstract：Edge detection plays an important role in digital image processing.This paper comprehensively analyze the representative methods of edge detection at present,and realizes each algorithm with the IDL6.3 software.Results indicate that each method has some advantages and limitations.It should be carefully selected according to the characteristics of the image as well as application needs before conducting edge detection. Keywords：edge detection;detective operators;high-pass filtering;wavelet transform 1 引言 边缘检测技术是图像特征提取中的重要技术之一，也是图像分割、目标区域识别、区域形状提取等图像分析方法的基础。近年来，边缘检测技术被广泛地应用在各个领域，例如工程技术中零件检查［1］、医学中器官病变状况观察［2］、遥感图像处理中道路等典型地物的提取［3］以及估算遥感平台的稳定精度［4］等。这使得如何快速、准确地获得边缘信息成为国内外研究的热点。边缘检测方法在空间域和频域中均可以实现，而且不断涌现出新技术新方法。这些方法
几种常用边缘检测算法的比较摘要:边缘是图像最基本的特征，边缘检测是图像分析与识别的重要环节。基于微分算子的边缘检测是目前较为常用的边缘检测方法。通过对Roberts，Sobel，Prewitt，Canny 和Log 及一种改进Sobel等几个微分算子的算法分析以及MATLAB 仿真实验对比，结果表明，Roberts，Sobel 和Prewitt 算子的算法简单，但检测精度不高，Canny 和Log 算子的算法复杂，但检测精度较高，基于Sobel的改进方法具有较好的可调性，可针对不同的图像得到较好的效果，但是边缘较粗糙。在应用中应根据实际情况选择不同的算子。 0 引言 边缘检测是图像分析与识别的第一步，边缘检测在计算机视觉、图像分析等应用中起着重要作用，图像的其他特征都是由边缘和区域这些基本特征推导出来的，边缘检测的效果会直接影响图像的分割和识别性能。边缘检测法的种类很多，如微分算子法、样板匹配法、小波检测法、神经网络法等等，每一类检测法又有不同的具体方法。目前，微分算子法中有Roberts，Sobel，Prewitt，Canny，Laplacian，Log 以及二阶方向导数等算子检测法，本文仅将讨论微分算子法中的几个常用算子法及一个改进Sobel算法。 1 边缘检测 在图像中，边缘是图像局部强度变化最明显的地方，它
主要存在于目标与目标、目标与背景、区域与区域( 包括不同色彩) 之间。边缘表明一个特征区域的终结和另一特征区域的开始。边缘所分开区域的内部特征或属性是一致的，而不同的区域内部特征或属性是不同的。边缘检测正是利用物体和背景在某种图像特征上的差异来实现检测，这些差异包括灰度、颜色或纹理特征，边缘检测实际上就是检测图像特征发生变化的位置。边缘的类型很多，常见的有以下三种: 第一种是阶梯形边缘，其灰度从低跳跃到高; 第二种是屋顶形边缘，其灰度从低逐渐到高然后慢慢减小; 第三种是线性边缘，其灰度呈脉冲跳跃变化。如图1 所示。 (a) 阶梯形边缘(b) 屋顶形边缘 (b) 线性边缘 图像中的边缘是由许多边缘元组成，边缘元可以看作是一个短的直线段，每一个边缘元都由一个位置和一个角度确定。边缘元对应着图像上灰度曲面N 阶导数的不连续性。如果灰度曲面在一个点的N 阶导数是一个Delta 函数，那么就
摘要 边缘指的是图像中像素值有突变的地方。边缘检测是图像处理的重要的一部分。边缘往往携带着一幅图像的大部分信息。在分析对比已有边缘检测算法的基础上，设计了两种边缘检测方法。第一种方法先用Sobel算子粗定位，然后用三次样条插值函数对灰度图像进行插值，使目标达到亚像素级，对插值后的灰度图像，利用最大类间方差确定阈值，实现亚像素级的边缘检测。另一种方法是根据灰度矩算子在目标成像前后的矩不变特性，利用Tabatabai等人提出的前三阶灰度矩，实现了亚像素边缘检测。通过实验对算法有效性和检测精度进行了研究和验证，给出了工件的实测尺寸对比结果。实验表明，基于灰度矩的亚像素边缘检测算法和基于Sobel算子的亚像素级边缘检测法比传统的边缘检测算子具有更高的定位精度。 关键词：亚像素级边缘检测；基于插值法的边缘检测；灰度矩
ABSTRACT Edge refers to the value of the pixel in the image mutations. Edge detection is an important part of image processing. The edges tend to carry most of the information of an image. In this paper, the design two edge detection methods, the first method first used Sobel operator rough location, and then grayscale image interpolation, cubic spline interpolation function so that the target to achieve sub-pixel level grayscale images after interpolation, the use of the maximum variance between the threshold is determined to achieve sub-pixel edge detection. Another method is the gray moment operator in the moments before and after the target imaging invariant Tabatabai, who proposed the first three gray moment, to achieve sub-pixel edge detection, through experiments the effectiveness of the algorithm and testing the accuracy of research and validation, given the comparison of measured dimensions of the workpiece. The experiments show that, based on gray-scale operator sub-pixel edge detection algorithm has a higher positioning and accuracy than the traditional operator to meet the image target to achieve sub-pixel edge detection. Key words：Sub-pixel edge detection；Edge Detection based interpolation；Gray Moment；
图像边缘检测算法体验步骤 图像边缘检测算法体验步骤（Photoshop，Matlab）1. 确定你的电脑上已经安装了Photoshop和Matlab2. 使用手机或其他任何方式，获得一张彩色图像（任何格式），建议图像颜色丰富，分辨率比较高，具有比较明显的图像边界（卡通图像，风景图像，桌面图像）3. 将图像保存到一个能够找到的目录中，例如img文件夹（路径上没有汉字）4. 启动Photoshop，打开img文件夹中的图像5. 在工具箱中选择“矩形选择”工具，到图面上选择一个区域（如果分辨率比较高，建议不要太大，否则计算过程比较长）6. 点击下拉菜单【文件】-【新建】，新建一个与矩形选择框同样尺寸的Photoshop图像，不要求保存该图像7. 将该彩色图像转换为亮度图像，即点击下拉菜单【图像】-【模式】-【灰度】，如提示是否合并，选择“Yes”8. 将该单色的亮度图像另存为Windows的BMP文件，点击下拉菜单【文件】-【存储为】，在“存储为”窗口中，为该文件起一个名字，例如test1（保存为test1.bmp）9. 启动Matlab，将当期路径（Current Directory）定位到图像文件夹，例如这里的img文件夹10. 使用imread命令读入该图像，在命令行输入：>> f = imread(test1.bmp);11. 在Matlab中显示该图像，在命令行输入：>> figure, imshow(f)12. 然后，分别使用Matlab图像工具箱中的Edge函数，分别使用Sobel算法，高斯-拉普拉斯（Log）算法和Canny算法得到的边缘图像：在命令行输入：>> g_sobel = edge(f, sobel, 0.05); >> g_log = edge(f, log, 0.003, 2.25); >> g_canny = edge(f, canny, [0.04 0.10], 1.5);13 得到边缘图像计算结果后，显示这些边缘图像： >> figure, imshow(g_sobel) >> figure, imshow(g_log) >> figure, imshow(g_canny)14 可以用不同的图像做对比，后续课程解释算法后，可以变换不同的阈值，得到不同的边缘图像
图像边缘检测方法的研究与实现刘法200832800066
青岛大学专业课程设计 院系: 自动化学院 专业: 电子信息工程 班级: 08级电子信息工程3班学生姓名: 刘法 指导教师: 王汉萍庄晓东 日期: 2011年12月23日
题目：图像边缘检测方法的研究与实现 一、边缘检测以及相关概念 1．1边缘，边缘检测的介绍 边缘(edge)是指图像局部强度变化最显著的部分．边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征和形状特征等图像分析的重要基础．图像分析和理解的第一步常常是边缘检测(edge detection)． 边缘检测是指使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯度大的边、线特征的过程。 在讨论边缘算子之前，首先给出一些术语的定义： 边缘点：图像中具有坐标] ,[j i且处在强度显著变化的位置上的点．边缘段：对应于边缘点坐标] i及其方位 ，边缘的方位可能是梯度角． ,[j 边缘检测器：从图像中抽取边缘(边缘点和边缘段)集合的算法． 轮廓：边缘列表，或是一条表示边缘列表的拟合曲线． 边缘连接：从无序边缘表形成有序边缘表的过程．习惯上边缘的表示采用顺时针方向序． 边缘跟踪：一个用来确定轮廊的图像（指滤波后的图像）搜索过程． 边缘点的坐标可以是边缘位置像素点的行、列整数标号，也可以在子像素分辨率水平上表示．边缘坐标可以在原始图像坐标系上表示，但大多数情况下是在边缘检测滤波器的输出图像的坐标系上表示，因为滤波过程可能导致图像坐标平移或缩放．边缘段可以用像素点尺寸大小的小线段定义，或用具有方位属性的一个点定义．请注意，在实际中，边缘点和边缘段都被称为边缘．边缘连接和边缘跟踪之间的区别在于：边缘连接是把边缘检测器产生的无序边缘集作为输入，输出一个有序边缘集；边缘跟踪则是将一幅图像作为输入，输出一个有序边缘集．另外，边缘检测使用局部信息来决定边缘，而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘． 1．2 边缘检测算子 边缘检测是图像特征提取的重要技术之一, 边缘常常意味着一个区域的终结和另一个区域的开始. 图像的边缘包含了物体形状的重要信息,它不仅在分析图像时大幅度地减少了要处理的信息量,而且还保护了目标的边界结构. 因此,边缘检测可以看做是处理许多复杂问题的关键. 边缘检测的实质是采用某种算法来提取出图像中对对象与背景间的交界线。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获取边缘检测算子。经典的边缘检测方法是对原始图像中的像素的某个邻域来构造边缘检测算子。以下是对几种经典的边缘检测算子进行理论分析，并对各自的性能特点做出比较和评价。 边缘检测的原理是：由于微分算子具有突出灰度变化的作用，对图像进行微分运算，在图像边缘处其灰度变化较大，故该处微分计算值教高，可将这些微分值作为相应点的边缘强度，通过阈值判别来提取边缘点，即如果微分值大于阈值，则为边缘点。
万方数据
万方数据
万方数据
９１４ 上 海交通大学学报 第４１卷 论（２）进行离散化处理． 设＾为，（ｚ）在ｚ；处的采样值，ｚｉ处的微分值利用此处的前向差分和后向差分的均值代替，记为 ｃＩ一＆｛ｔ七飞ｌｔ—ｌｎ一｛＾Ｊ ｉ一 ２ —２ 其中：△，ｉ一厂件，一＾；Ｗ：一厂。一厂ｆ一，．则 ∑ｚ；Ｉ川 ∑ｚ。Ｉ厂计，一，卜。Ｉ一上｝——————一（５） ” 、 ∑Ｉ∥Ｉ ∑ｌ＾。一厂，，Ｉ ｛＝ｌ ｌ＝１ 此算法的具体过程如下： （１）计算差分矩阵．使用行差分模板［一１，ｏ，１］与图像矩阵做卷积运算，然后将其结果取绝对值，得到矩阵Ｄ。．使用列差分模板［一１，ｏ，１］Ｔ与图像矩阵做卷积运算，然后将其结果取绝对值，得到矩阵 Ｄ２． （２）根据图像矩阵的统计特性选取差分阈值Ｔ．一般取Ｔ—Ｋ口，仃为噪声信号的标准差，Ｋ为系数，在无噪声的情况下Ｋ—ｏ． （３）选取计算区间．对矩阵Ｄ，、Ｄ。中的元素小于Ｔ者，置ｏ．矩阵Ｄ，、Ｄ。的非零连续区间即为边缘过渡区间． （４）利用离散算法式（５）计算边缘点值． 对离散算法式（５），进行一次边缘点计算取ｎ＋２个采样值（＾，，，，…，厂。＋。），则计算量为，２＋１次乘除运算和４扎一２次加法（减法）运算．计算量相对其他算法要小得多． 灰度图像实质是一个二维矩阵，其单行或单列均可视为一维数组，故上述算法可以比较容易地推广到二维情况下． ３实验及结果分析 为验证算法的有效性，设计２个实验来验证此算法对无噪和含噪图像的亚像素级定位能力．实验设计为测量多个长方形物体的长和宽．由于物体的放置角度与边缘点的检测无关，而只与边缘点的后 续处理有关，故在本实验中，为简化后续处理，突出算法对边缘点的亚像素级定位能力，长方形物体均是垂直放置．为验证此算法对不同边缘的通用性，每幅图像中均包含不同类型的边缘． 实验１在无噪声的情况下，检验算法的定位能力．具体实验步骤如下． （１）生成一个大小为１ ２８０×１ ２８０像素的图 像，它包括一个实心矩形（含阶跃边缘）和一个线框矩阵（含脉冲边缘），即图像中同时含有阶跃边缘和脉冲边缘，取背景灰度值为１２８，取前景灰度值为２３０．并记录２个矩形的长宽值，作为理论真值． （２）使用二维高斯函数作为点扩散函数与之作卷积运算，其结果可近似为一个从图像采集系统获取的图像．其中，二维高斯函数为 如，ｙ，一去ｅｘｐ（一等） （３）以８为采样周期对图形进行采样，得到的大小为１６０×１６０像素的图像，如图２（ａ）所示． （４）使用本文提出的算法对图２（ａ）所示的图形进行边缘检测，并测量矩形的长、宽值，记录测量结果．检测结果图像如图２（ｂ）所示． 按照上述实验步骤分别对５幅不含噪图像进行测量，结果如表１所示． 由表１可见，此算法对阶跃型边缘更为有效，这主要是因为在相同采样率的情况下，阶跃边缘参与运算的点相对较多．另外当脉冲型边缘较宽时，有可能检测出双边缘．这时需有其他辅助信息以帮助判 （ａ）被检测图像 （ｂ）边缘检测结果 图２ 图像及边缘检测结果 Ｆｉｇ．２ Ｔｈｅｉｍａｇｅａｎｄｒｅｓｕｌｔｏｆｅｄｇｅ ｄｅｔｅｃｔｉｏｎ 表１ 不同边缘类型长宽真值与测量值对照表 Ｔａｂ．１ ＴｈｅｔｒｕｅＶａＩｕｅａｎｄｍｅａｓｕｒｅｖａＩｕｅａｂｏｕｔｓｔｅｐｅｄｇｅａｎｄｐｕｌｓｅ ｅｄｇｅ 万方数据
数字图像处理实验报告 学生姓名王真颖 学生学号L0902150101 指导教师梁毅雄 专业班级计算机科学与技术1501 完成日期2017年11月06日
计算机科学与技术系信息科学与工程学院
目录 实验一.................................................................................................. 错误!未定义书签。 一、实验目的.................................................................................................... 错误!未定义书签。 二、实验基本原理 ........................................................................................... 错误!未定义书签。 三、实验内容与要求....................................................................................... 错误!未定义书签。 四、实验结果与分析....................................................................................... 错误!未定义书签。实验总结............................................................................................... 错误!未定义书签。参考资料.. (3) 实验一图像分割与边缘检测 一．实验目的 1. 理解图像分割的基本概念； 2. 理解图像边缘提取的基本概念； 3. 掌握进行边缘提取的基本方法；
第31卷第3期2005年5月 光学技术 OP T ICA L T ECHN IQ U E V ol.31No.3 M ay 2005 文章编号:1002-1582(2005)03-0415-05 图像边缘检测方法研究综述 段瑞玲,李庆祥,李玉和 (清华大学精密仪器及机械学系,北京 100084) 摘 要:图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。图像分析和理解的第一步常常是边缘检测。边缘检测的目的是去发现图像中关于形状和反射或透射比的信息,是图像处理、图像分析、模式识别、计算机视觉以及人类视觉的基本步骤之一。其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。对一些传统的边缘检测方法和近年来广泛收到关注的边缘检测算法进行了简单介绍。综述中只涉及到检测方面,而没有讨论滤波、边缘定位、算法的复杂程度和边缘检测器性能的评价。 关键词:图像处理;边缘检测;梯度算法;差分边缘检测 中图分类号:T P751 文献标识码:A Summary of image edge detection DU AN Rui_ling,LI Qin g_xiang,LI Yu_he (Department of P recisio n I nstrument and M echanology,Tsing hua University,Beijing 100084,China) Abstract:Edg e is one of the most fundamental and sig nificant features.Edge detection is alw ay s one of the most classical studying projects o f computer vision and image processing field.T he fist step of image analy sis and understanding is edg e de tec-tion.T he g oal of edge detection is to recover information about shapes and reflectance o r transmittance in an image.I t is one of the fundamental steps in image processing,mage analy sis,image patter recognition,and computer vision,as well as in human vision.T he correctness and reliability of its results affect directly the comprehension machine system made fo r objective w orld. T he summary for basic edge de tection metho ds was made.It involv ed the detection methods only but no t filtering,edge loca-tion,analy sis of algorithm complexity and functional evaluation about a detecto r. Key words:image processing;imag e detection;gradient arithmetic; 1 引 言 早在本世纪初,人类为了用图片及时传输世界各地发生的新闻事件,便开始了对图像处理技术的研究。用计算机进行图像处理,改善图像质量的有效应用开始于1964年美国喷气推进实验室对太空传回的大批月球照片进行处理,并收到了明显的效果。然而,图像处理技术的真正发展还是在上世纪60年代末,其原因一方面是由于受到航天技术发展的刺激,另一方面是作为图像处理工具的数字计算机和各种不同类型的数字化仪器及显示器的突飞猛进发展。迄今为止,数字图像作为一门崭新的学科,日益受到人们的重视,并且在科学研究、工农业生产、军事技术和医疗卫生等领域发挥着越来越重要的作用。 机器视觉主要是利用计算机实现人类的视觉功能,对客观世界的三维场景的感知、识别和理解。边缘是图像的最基本特征,边缘检测通常是机器视觉系统处理图像的第一个阶段,是机器视觉领域内经典的研究课题之一,其结果的正确性和可靠性将直接影响到机器视觉系统对客观世界的理解。 2 图像边缘定义 图像的大部分信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,即图像中灰度变化比较剧烈的地方。因此,我们把边缘定义为图像中灰度发生急剧变化的区域边界。根据灰度变化的剧烈程度,通常将边缘划分为阶跃状和屋顶状两种类型[1]。阶跃边缘两边的灰度值变化明显,而屋顶边缘位于灰度值增加与减少的交界处。那么,对阶跃边缘和屋顶边缘分别求取一阶、二阶导数就可以表示边缘点的变化。因此,对于一个阶跃边缘点,其灰度变化曲线的一阶导数在该点达到极大值,二阶导数在该点与零交叉;对于一个屋顶边缘点,其灰 415 收稿日期:2004-06-01;收到修改稿日期:2004-10-20 E-mail:duanrl03@mails.ts https://www.doczj.com/doc/6911409509.html, 作者简介:段瑞玲(1979_),女,山西人,清华大学博士研究生,从事装配系统及微观图像处理研究。
青岛大学 专业课程设计 院系: 自动化学院 专业: 电子信息工程 班级: 08级电子信息工程3班 学生姓名: 刘法 指导教师: 王汉萍庄晓东 日期: 2011年12月23日 题目：图像边缘检测方法的研究与实现 一、边缘检测以及相关概念 1．1边缘，边缘检测的介绍 边缘(edge)是指图像局部强度变化最显著的部分．边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征和形状特征等图像分析的重要基础．图像分析和理解的第一步常常是边缘检测(edge detection)． 边缘检测是指使用数学方法提取图像像元中具有亮度值（灰度）空间方向梯度大的边、线特征的过程。 在讨论边缘算子之前，首先给出一些术语的定义： 边缘点：图像中具有坐标] i且处在强度显著变化的位置上的点． ,[j 边缘段：对应于边缘点坐标] i及其方位 ，边缘的方位可能是梯度角． ,[j 边缘检测器：从图像中抽取边缘(边缘点和边缘段)集合的算法． 轮廓：边缘列表，或是一条表示边缘列表的拟合曲线． 边缘连接：从无序边缘表形成有序边缘表的过程．习惯上边缘的表示采用顺时针方向序． 边缘跟踪：一个用来确定轮廊的图像（指滤波后的图像）搜索过程． 边缘点的坐标可以是边缘位置像素点的行、列整数标号，也可以在子像素分辨率水平上表示．边缘坐标可以在原始图像坐标系上表示，但大多数情况下是在边缘检测滤波器的输出图像的坐标系上表示，因为滤波过程可能导致图像坐标平移或缩放．边缘段可以用像素点尺寸大小的小线段定义，或用具有方位属性的一个点定义．请注意，在实际中，边缘点和边缘段都被称为边缘．
边缘连接和边缘跟踪之间的区别在于：边缘连接是把边缘检测器产生的无序边缘集作为输入，输出一个有序边缘集；边缘跟踪则是将一幅图像作为输入，输出一个有序边缘集．另外，边缘检测使用局部信息来决定边缘，而边缘跟踪使用整个图像信息来决定一个像素点是不是边缘． 1．2 边缘检测算子 边缘检测是图像特征提取的重要技术之一, 边缘常常意味着一个区域的终结和另一个区域的开始. 图像的边缘包含了物体形状的重要信息,它不仅在分析图像时大幅度地减少了要处理的信息量,而且还保护了目标的边界结构. 因此,边缘检测可以看做是处理许多复杂问题的关键. 边缘检测的实质是采用某种算法来提取出图像中对对象与背景间的交界线。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获取边缘检测算子。经典的边缘检测方法是对原始图像中的像素的某个邻域来构造边缘检测算子。以下是对几种经典的边缘检测算子进行理论分析，并对各自的性能特点做出比较和评价。 边缘检测的原理是：由于微分算子具有突出灰度变化的作用，对图像进行微分运算，在图像边缘处其灰度变化较大，故该处微分计算值教高，可将这些微分值作为相应点的边缘强度，通过阈值判别来提取边缘点，即如果微分值大于阈值，则为边缘点。 Roberts,Sobel,Prewwit是基于一阶导数的边缘检测算子，图像的边缘检测是通过2*2或者3*3模板作为核与该图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘。 Laplace边缘检测算子是基于二阶导数的边缘检测算子，该算子对噪声敏感。Laplace算子的改进方式是先对图像进行平滑处理，然后再应用二阶导数的边缘检测算子，其代表是拉普拉斯高斯（LOG）算子。前边介绍的边缘检测算法是基于微分方法的，其依据是图像的边缘对应一阶导数的极大值点和二阶导数过零点。Canny算子是另外一类边缘检测算子，它不是通过微分算子检测边缘，而是在满足一定约束条件下推导出的边缘检测最优化算子。 1．3 边缘检测算法 对于边缘的检测常常借助于空域微分算子进行,通过将其模板与图像卷积完成。两个具有不同灰度值的相邻区域之间总存在灰度边缘。灰度边缘是灰度值不连续(或突变) 的结果,这种不连续常可利用求一阶和二阶导数方便地检测到。已有的局部技术边缘检测方法,主要有一次微分(Sobel 算子、Robert s 算子等) 、二次微分(拉普拉斯算子等)。这些边缘检测器对边缘灰度值过渡比较尖锐且噪声较小等不太复杂的图像,大多数提取算法均可以取得较好的效果。但对于边缘复杂、采光不均匀的图像来说,则效果不太理想。主要表现为边缘模糊、边缘非单像素宽、弱边缘丢失和整体边缘的不连续等方面。 用算子检测图像边缘的方法是用小区域模板对图像进行处理,即采用卷积核作为掩模模板在图像中依次移动,完成图像中每个像素点同模板的卷积运算,最终输出的边缘幅度结果可以检测出图像的边缘。卷积运算是一种邻域运算。图像处理认为:某一点像素的结果不但和本像素灰度有关,而且和其邻域点值有关。运用模板在图像上依此对每一个像素进行卷积, 即模板上每一个点的值与其在图像上当前位置对应的像素点值相乘后再相加,得出的值就是该点处理后的新值。 边缘检测算法有如下四个步骤：
第 42 卷增刊 1 中南大学学报(自然科学版) V ol.42 Suppl. 1 2011 年 9 月 Journal of Central South University (Science and Technology) Sep. 2011 图像边缘检测技术综述 王敏杰 1 ，杨唐文 1, 3 ，韩建达 2 ，秦勇 3 (1. 北京交通大学 信息科学研究所，北京，100044； 2. 中国科学院沈阳自动化研究所 机器人学国家重点实验室，辽宁 沈阳，110016； 3. 北京交通大学 轨道交通控制与安全国家重点实验室，北京，100044) 摘要：边缘检测是图像处理与分析中最基础的内容之一。首先介绍了几种经典的边缘检测方法，并对其性能进行 比较分析；然后，综述了近几年来出现的一些新的边缘检测方法；最后，对边缘检测技术的发展趋势进行了展望。 关键词：数字图像；边缘检测；综述 中图分类号：TP391.4 文献标志码：A 文章编号：1672?7207(2011)S1?0811?06 Review on image edge detection technologies W ANG Min-jie 1 , Y ANG Tang-wen 1,3 , HAN Jian-da 2 ,QIN Y ong 3 (1.Institute of Information Science，Beijing Jiaotong University, Beijing 100044, China? 2.State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academic of Science,Shenyang 110016, China? 3.State Key Laboratory of Rail Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044, China) Abstract: Edge detection is one of the most fundamental topics in the research area of image processing and analysis. First, several classical edge detection methods were introduced, and the performance of these methods was compared? then, several edge detection methods developed in the latest years were reviewed? finally, the trend of the research of the image edge detection in the future was discussed. Key words:digital image?edge detection?review 图像是人们从客观世界获取信息的重要来源 [1?2] 。 图像信息最主要来自其边缘和轮廓。所谓边缘是指其 周围像素灰度急剧变化的那些象素的集合，它是图像 最基本的特征。边缘存在于目标、背景和区域之 间 [3?4] ，它是图像分割所依赖的最重要的依据。边缘检 测 [5?8] 是图像处理和计算机视觉中的基本问题， 图像边 缘检测是图像处理中的一个重要内容和步骤，是图像 分割、目标识别等众多图像处理的必要基础 [9?10] 。因 此，研究图像边缘检测算法具有极其重要的意义。 边缘检测是计算机视觉和图像处理领域的一项基 本内容。准确、高效地提取出边缘信息一直是该领域 研究的重点内容 [11] 。最初的经典算法可分为边缘算子 法、曲面拟合法、模板匹配法、门限化法等。近年来， 随着数学理论和人工智能的发展，又出现了一些新的 边缘检测的算法 [12?13] ，如基于数学形态学的边缘检 测 [14] 、小波变换和小波包变换的边缘检测法 [15] 、基于 模糊理论的边缘检测法 [16?17] 、基于神经网络的边缘检 测法 [18] 、基于分形几何的边缘检测算法 [19] 、基于遗传 算法的边缘检测法 [20?21] 、漫射边缘的检测方法 [22] 、多 尺度边缘检测技术 [23] 、亚像素边缘的定位技术 [24] 、 收稿日期：2011?04?15；修回日期：2011?06?15 基金项目：轨道交通控制与安全国家重点实验室开放基金资助项目(RCS2010K02)；机器人学国家重点实验室开放基金资助项目(RLO200801)；北 京交通大学基本科研业务费资助项目(2011JBM019) 通信作者：王敏杰(1988－)， 女， 黑龙江五常人， 硕士研究生， 从事图像处理和计算机视觉研究； 电话： 010-51468132； E-mail: wangminjie1118@https://www.doczj.com/doc/6911409509.html,
文章编号:167326338(2006)0120076203 Canny 算子对人工标志中心的亚像素精度定位 范生宏1,黄桂平1,2,陈继华1,3,李广云1,周华4 (1.信息工程大学测绘学院,河南郑州 450052;2.天津大学精密测试技术及仪器国家重点实验室,天津 300072; 3.北京航空航天大学仪器科学与光电工程学院,北京 100083; 4.61512部队,北京 100088) 摘要:在使用圆型人工标志的计算机视觉检测中,人工标志的识别率和中心定位精度直接影响到检测的整体精度。传统的中心定位算法对人工标志识别率低、中心定位精度差,已不能满足精密检测的要求。文中采用 Canny 算子对带有圆形人工标志的数字图像进行边缘分割,通过模式识别方法、最小二乘拟合方法计算人工 标志中心。该方法解决了标志识别率低的问题,提高了标志图像中心定位精度。其精度可达到亚像素级,能够满足高精度计算机视觉测量的要求。 关 键 词:视觉检测技术;图像处理;人工标志;亚像素;中心定位中图分类号:P258 文献标识码:A Subpixel Accuracy Artif icial T arget Location Using C anny Operator FAN Sheng 2hong 1,HUAN G Gui 2ping 1,2,C H EN Ji 2hua 1,3,L I Guang 2yun 1,2,ZHOU Hua 4 (1.I nstit ute of S urveying and M ap ping ,I nf ormation Engineering Universit y ,Zhengz hou 450052,China ; 2.S tate Key L aboratory of Precision Measurement Technology and I nst ruments ,Tianj in Universit y , Tianj in 300072,China ; 3.S chool of I nst rument S cience &O ptoelect ronic Engineering ,B ei j ing Universit y of A eronautics &A st ronautics ,B ei j ing 100083,China ; 4.61512T roops ,B ei j i ng 100083,China ) Abstract :The central accuracy of artificial circular targets image and recognition are important factors that have direct effect to the overall precision of three dimensional measurement in vision detection.The traditional oper 2ator cann ’t find targets very well and has poor accuracy.This scheme described in this paper is based on Canny operator ,the ellipse edge recognition by edge tracking ,pattern recognition and the targets center location u 2sing least squares fitting method.The scheme can search targets image with complex background and locate the center of target image with high accuracy.The accuracy of center is subpixel. K ey w ords :computer vision ;artificial targets ;image processing ;subpixel ;central location 视觉检测技术基于数字影像与计算机视觉的基本原理,应用计算机技术、数字图像处理技术、影像匹配模式识别、摄影测量等学科的理论和方法获取空间3维坐标,从而完成对物体的测量[1]。在计算机视觉检测中经常使用圆形人工标志,因此圆形人工标志中心的定位精度影响空间被检测点3维坐标精度。圆形标志经透镜成像后为椭圆[2,3],为了达到对椭圆中心的高精度定位,首先精确提取标志图像的边缘,然后对提取的边缘点进行计算从而确定标志中心的精确位置[4]。经典的边缘检测算子主要有:Sobel 算子、Robert s 算子、Prewitt 算子和K irsch 算子等[5]。这些算子的主要缺点是对噪声敏感,而在实际图像中噪声是难以避免的。Canny J 于1983年提出Canny 算子。由于Canny 算子产生单像素边缘,对噪声 不敏感,适合于提取圆形人工标志边缘。1 C anny 算子简介 Canny 算法是一个多阶段处理过程[6,7],首先 对图像进行高斯平滑,这可通过高斯卷积实现。然后对平滑后的图像进行简单的2维一阶微分操作得到梯度图,采用“非最大抑制”算法寻找图像中的可能边缘点。最后通过双门限值递归寻找图像边缘点得到单像素宽度边缘图像。 Canny 算子的性能主要由3个参数决定:在平滑过程中所用的高斯滤波散布参数σ,以及跟踪过程中所需要的两个门限值h 1和h 2。增加高斯滤波散布参数的宽度可以降低检测过程对噪声的敏感性。但代价是丢失了图像的某些细节信息,并且 收稿日期:2005209207;修回日期:2005212227 作者简介:范生宏(1978-),男,吉林德惠人,助理工程师,硕士生,主要从事精密工程测量、计算机视觉测量研究。 第23卷第1期2006年2月 测绘科学技术学报 Journal of Zhengzhou Institute of Surveying and Mapping Vol.23No.1Feb. 2006