一种改进的Canny图像分割算法
- 格式：pdf
- 大小：1.55 MB
- 文档页数：4
2018年第8期计算机与现代化
JISUANJI YU XIANDAIHUA总第276期
文章编号
:1006 -2475 (2018) 08 -0057-04
一种改进的Canny图像分割算法
杨少令，刁燕，罗华，徐天雄
(四川大学制造科学与工程学院
，四川成都
610065)
摘要
:针对目前图像分割算法普遍存在噪音鲁棒性差
、易发生细小边界信息缺失以及适用范围较窄的缺点
，改进
边緣提取算法中的问题阈值并与原色特征提取加权融合
。首先针对
Canny算子阈值的自适应性问题
，通过计算图像背
景与目标之间的类方差来减少错分概率来决定阈值
。然后
，在具有丰富信息的彩色图像上提
w a、G、B这
8种原色特
征
，通过原色特征提取的分割图像与阈值分割提取的图像加权融合形成全新的分割图像
。该算法不仅克服了传统分割
提取算法边緣信息丟失
、鲁棒性差的问题
，而且提高了细节点的单位精度
，实验结果表明了本文改进
Canny边緣算法的
有效性
。
关键词
：自适应性
；原色特征
；图像融合
中图分类号
:TP391.4 文献标识码
:A doi
： 10. 3969/j. issn. 1006-2475. 2018. 08. 011
An Improved Canny Image Segmentation Algoritlim
YANG Shao-ling，DIAO Yan，LUO Hua，XU Tian-xiong
(School of Manufacturing Science and Engineering，Sichuan University，Chengdu 610065，
China)
Abstract: Aiming at the shortcomings of image segmentation algorithm，
such as poor noise robustness，
small boundary informa
tion easily loss and narow application scopes，
we improve the threshold value of Canny edge extraction algorithm and extract
weighted fusion with chromatic feature. According to the adaptive problem of tlie Canny operator tliresliold，
the thresliold is deter
mined by calculating the class variance bet^veen the image background and the target to reduce the error probability. Then，
we
propose three color features of R，
Gand B on colorful images with rich information. The
thresholding and segmented images extracted by chromaticity feature extraction. The algorithm not only overco
edge information loss and poor robustness of the traditional segmentation and extraction algorithm，
but also improves the unit accu
racy of the detail. The experimental results showthe effectiveness of the improved Canny edge algorithm.
Key words ：
adaptability % chroma features；
image fusion
>引言
图像分割在工业、公共交通、机器人视觉、生物医
学等科学研究与工程技术领域有着广泛的应用。它
既是图像处理中的一项关键技术，也是一个经典难
题，发展至今仍没有找到一个通用的解决方法，更没
有判断分割算法优劣的标准。
常用的边缘检测算子包括Robert算
算子[2]、Prwitt算子[3]以及高斯-拉普拉斯算子[4]等。
这些边缘算子虽然方法简单，但是应用的场景比较
少。Robert算子利用局部差分算法进行边界寻找，其
优点是定位精度高，但缺点是容易丢失部分边缘信息，同时不能有效地抑制图像噪音，因此只能在部分
场景使用。Sobel算子和Prewitt算子都是通过对图
像进行加权平滑处理，然后做微分运算[58]，唯一不同
的是平滑部分的权值有差异，因此对噪音具有一定的
抑制能力，但不能完全排除检测结果中出现的虚假边
缘[9]。虽然这2种算子边缘定位效果不错，检测出的
边缘却容易出现多像素宽带度现象。高斯-拉普拉斯
算子克服了拉普拉斯算子抗噪音能力比较差的缺点，
但是它在抑制噪音的同时也将比较尖锐的边缘给平
滑掉，从而造成部分边缘信息缺失[8，10]。
在对传统Canny边缘检测算法深入研究的基础
上，本文提出一种自适应阈值的Canny边缘检测算
收稿日期
:2018-01-30
作者简介
:杨少令（
1990-)，男，河南安阳人，四川大学制造科学与工程学院硕士研究生，研究方向：机器视觉，结枸设计
;
刁燕
（1970-)，女，四川西昌人，副教授，硕士生导师，硕士，研究方向：结枸设计，机器视觉；罗华
（1971-)，男，四川成都人，讲
师，博士，研究方向：机器人；徐天雄
（1993-)，男，北京人，硕士研究生，研究方向
:机器视觉，
机器人控制。58
计算机与现代化2018年第8期
法，根据图像本身的特点自动计算Canny算子的高低
阈值，能够检测较多的细小边缘，检测效果更好。相
对于灰度图像而言，彩色图像具有丰富的数据信息，
在RGB颜色空间提取R、G、B这3种原色特征，并与
Canny边缘检测后的图像进行加权融合，通过实验验
证检测到清晰的图像边缘信息，最后绘制ROC曲线
分析其效果。
1传统Canny
边缘检测算法
传统的Canny边缘检测算法基本可以分为以下
4步:1)用高斯函数平滑图像;2)用一阶偏导的有限
差分公式来计算图像梯度的幅值以及方向；3 )对梯
度的幅值进行非极大值抑制;4)首先用双阈值算法
检测然后再进行边缘连接[11]。
传统的Canny边缘检测算法通过平滑滤波去除
噪音的同时，也增加了边缘定位的不确定性，而提高
边缘检测算子对边缘敏感性[12]的同时，也提高了对
噪音的敏感性，算法的不足之处是其用固定双阈值检
测和连接边缘。它的高低阈值的参数被直接定为一
个固定值或者直接使用图像平均灰度值作为高阈值
参数，从而影响检测效果的真实性。因此需要根据图
像本身的情况综合考虑决定合理的阈值参数。
B
改进Cann
Canny图像分割算法改进的目标是为了找到一
个最佳的边缘检测算法，最佳边缘检测算法的含义
是$ 1 )精准的边缘检测;2 )精准的位置定位精度;3 )
最小的错误响应。
2.1自适应阈值
选择合适的阈值对边缘检测至关重要，而常规获
取的阈值不具有自适应性。最大类间方差法是一种自
适应的阈值确定的方法，它是基于图像的灰度特性，可
以将图像划分为背景和非背景2部分。背景与非背景
之间的类间方差越大，则可以说明图像的2个部分区
-R 0 0 -
分的差别越大。因此，当类间方差0 L 0最大分
-0 0 B-4) 全局灰度均值mg:
L-1
5) 类间方差5!]):
2 ,, ) [m^k) _n(k) ]2
11 Ui(k)[1 -Ui(k)]k =0，
1，
2,…，
L-1(3)
(4)
当类间方差5 (k)取得最大值时即可得到最佳
阈值5，如果最大值5不唯一，则取其平均值作为
最终的5。
2.2原色特征的边缘提取
色 取的 是根据 色 取
离边缘特征。但由于彩色成像设备[1314]具有较宽且
相互覆盖的光谱敏感区，加之图像的染色是变化的，
所以很难从3个分量中将目标边缘提取分离出来，补
算法可 效 不 的颜色通 取不 的
目标边缘。补偿算法描述如下：
1) 在图像上找到主观视角上看纯红、纯蓝、纯
的点。
2) 考虑到补偿后图像的亮度应保持不变，则
R、G、B的计算为：
R =0. 315 x R1 +0. 581 x G1 +0.116 x B1 (5)
G =0.315
xR2 +0.581 x G2 +0.116xB2 (6)
B=0. 315
xR3 +0.581 xG3+0.116
xB3 (7)
3 )构造变换矩阵。将所取点的RGB值分别按照
下构造出的彩色补偿前和补偿后的2 ^巨阵A1和A2。
R
3-R00
*
1 =G
2G
3*
2 =0G0
b2
B
3-00
4)进行彩色补偿。
-Rs(x，y)--Rf(x，y)-
S(x，y)=Gs(x，y)F(x，y)=
Gf(x，y)
-Bs(x，y)--Bf(x，y)-
其中，（“^)、5“^)分别为新、旧图像的像素值，且
S(
x，
y) = C_1 xF(
x，
y)。其中 C =A1 X A:。
原色特征边缘是在彩色图像的层面上依据红、
蓝、绿三原色特征来进行提取的，分别以R、
G、
B这3
颜色通 的 定。
红色的原色分量:
R=r-
0.427(g + Y) (10)
割的时候也就意味着最小错误分概率。
自 适 算法 :
1)图像归一化处理，使用U(
i=0，1，2,…，
L-
1)表示各个灰度的分量。
2 " 全局 之
Ui( k" :
Ui(k) =%:> k:0，1，2,…，L-1(1"
3)累积均值
n(k):
n(k) = %iWi，
k=0，
1，
2,…，
L-1(2"绿色的原色分量:
G=g-0.697(r + Y) (11)
蓝色的原色分量:
B=Y-
0.324(r + g) (12)
其中Tg、
Y分别为补偿后彩色图像中红、绿、蓝3
颜色的 。
在进行图像边缘检测分割提取前，首先需要对图
像进行高斯滤波平滑，去掉图像中的噪声以及部分颜
色突变，减小不必要的干扰。高斯滤波可能会给边缘
检测带来突变[15]，但在彩色图像层面上高斯滤波对
物体边缘的剧烈突变的影响是有限的。
原色特征边
