边缘提取

图像边缘提取的经典算法及展望

摘要：该文对现有图像边缘提取的经典边缘检测算子方法进行了介绍，对比、分析了各自的优缺点，为了更清楚地看出各种算法的效果，给出了一些常用算法对同一幅标准测试图像的原图像进行边缘提取的实验结果。最后，对图像边缘提取技术所面临的问题和发展方向阐述了自己的观点。

关键词：图像处理，边缘提取，边缘检测算子

中图分类号：TP 314.7 文献标识码：A

The Algorithm for I m age Edge Detection and Prospect

Abstract：The representative algorithms in these days for image edge detection have been presented in this paper.After contrasting and analyzing the advantages and the disadvantages of every algorithm.In order to have a much clearer look at the effect of every algorithm,we give the results of the experiments in which the common algorithms are used to detect image edge of the same standard testing image.At last,we bring forward our viewpoint about the problems the image edge detection technology is facing and where is its developmental direction .

Key words：Image manipulation ；Edge recognition ；Edge recognition arithmetic operators

1 选题背景与研究意义

图像是人们从客观世界获取信息的重要来源，也是人类视觉延伸的重要手段。随着计算机和各个相关研究领域的迅速发展，科学计算的可视化、多媒体技术等研究与应用的兴起，数字图像处理从一个专门领域的学科，发展成为了一种新型的科学研究和人机界面的工具。通过对人类视觉系统的研究表明，图像中的边界特别重要，往往仅凭一些粗略的轮廓线就能够识别出一个物体，而轮廓线就是图像的边缘。图像的边缘是图像区域属性(像素灰度)发生明显变化的地方，也是图像信息最集中的地方，包含了图像的大部分特征信息，这些信息足图像识别中抽取特征的蕈要属性，能勾画出目标物体，是人类判别物体的重要依据。因此，图像的边缘是图像的最基本特征，被应用到较高层次的特征描述、图像识别、图像分割、图像增强以及图像压缩等图像处理和分析技术中，同时边缘提取也作为图像分析与模式识别的主要特征提取手段，应用于计算机视觉、模式识别等研究领域中IlJ。图像的边缘广泛存在于物体与背景之问、物体与物体之间，边缘检测的实质是采用某种算法提取出图像中对象与背景之间的交界线。通过边缘检测，提取出边缘才能将目标和背景区分开来，简化图像分析，突出图像的重要特征，降低后继图像分析处理的数据量，使图像理解及识别更加容易和深刻。因此，边缘提取算法是图像处理问题中经典技术之一，其优劣直接影响整个计算机视觉系统性能的好坏，它的解决对于我们进行高层次的图像特征描述、识别和理解等有着重大的影响。在数字图像处理的研究过程中，图像的边缘提取一直以来都是图像处理与分析领域的研究热点，也一直是机器视觉研究领域中最活跃的课题之一，在工程应用中占有十分重要的地位。因此，研究图像边缘提取方法具有重要的理论意义和现实意义。具有重要的意义。

2 研究现状及发展趋势

图像边缘提取的方法多种多样，但由于其本所具有的难度和深度，研究没有很大的突破性进展，至目前还没有提出一种方法或是理论，能完美地解决边缘提取问题，这也促使研究人员对此问题不断深入研究。

同时，由于目前的边缘提取评价方法都存在很大的局限性，所以对图像边缘提取评价系统的研究得到越来越多的关注。目前，用得较多的还是通过人眼进行主观判断，评价边缘提取方法的优劣。

总之，边缘提取算法主要存在两个问题：一是没有一种可以普遍使用的图像边缘提取算法；二是没有一个较好的通用的边缘提取的评价标准。因此，这两个问题也将成为今后研究解决的重点和研究趋

势。

3几种常用边缘检测算子及检测效果

3.1 Roberts 边缘检测算子

Robert 边缘检测算子是一种利用局部差分算子寻找边缘的算子 。

()()()[]

()()[

]

2

1

22

1,1,1,1,,⎪⎭

⎪

⎬

⎫⎪⎩

⎪

⎨

⎧++-

+++-=y x f y x f y x f y x f y x g 其()y x f ,是具有整数像素坐标的输入图像,平方根使该处理类似于在人 类 视 觉 系 统 中.

3.2 Sobel 边缘检测算子

两个卷积形成Sobel 边缘检测算子（见表1），图像中每个像素都用这两个核作卷积，一个核对垂直边缘影响最大，另一个对水平边缘影响最大。两个卷积的最大值作为该点的输出值。

表1 Sobel 边缘检测算子

3.3 Prewitt 边缘检测算子

两个卷积形成Prewitt 边缘检测算子（见表2） 图像中的每个像素都用这两个核作卷积，个核对垂直边缘影响最大，另一个对水平边缘影响最大。 两个卷积的最大值作为该点的输出值。

表2 Prewitt 边缘检测算子

3.4 Krisdl 边缘检测算子

8个卷积核形成了Kfisch 边缘检测算子(见表 3 )， 图像中的每个像素都用这8个掩模进行卷积，每个掩模都对某个特定边缘方向作出最大响应，所有 8 个方向的最大值作为该点的输出值。最大响应掩模 的序号构成了边缘方向的编码 。

表3 Kfisch 边缘检测算子

3.5 Gauss-Laplace 边缘检测算子

拉普拉斯算子是对二维函数进行运算的二 阶 导数算子。两个卷积形成了高斯一拉普拉斯边缘检测算子(见表 4 ) ，图像中的每个像素都用这两个核作卷积，两个卷积的最大值作为该点的输出值。

表4 高斯一拉普拉斯边缘检测算子

3.6以下边缘摄取算子提取图像边缘的结果对比

分别采用上述几种最常用的经典图像边缘提取算

子对某标准的原图像进行边缘特征提取，其结果如图 l 所示

图1几种边缘提取算子对某图片提取边缘的结果比较。