基于局部自适应色差阈值的彩色图像边缘检测

合集下载

基于Canny理论的自适应阈值彩色图像边缘检测

图像各个通道自身的梯度直方图和梯度方差作为局部阈值，有效解决彩色图像各个通道之间的差别。实验结果表明，其能充分利用图像的颜色和梯度信息，提高边缘检测的准确性。
关键词：Ｃａｎｎｙ理论；自适应阈值；边缘检测；彩色图像中图分类号：ＴＰ２７文献标识码：Ａｄｏｉ：１０．３９６９／ｉ．ｉｓｓｎ．１００２ — ６６７３．２０１３．０６．０３８
Ａｂｓｔｒａｃｔ：ＴｈｅｒａｔｉｄｏｄｎａｌＣａｎｎｙｅｄｇｅｄｅｔｅｃｉｏｔｎａｌｇｏｉｔｒｈｍｉｓｂａｓｅｄｏｎｇｒａｙｉｍａｇｅ，ａｎｄａｌｌｔｈｅｉｎｆｏｒｍａｉｏｔｎｏｆｃｏｌｏｒｉｍａｇｅｃａｎｎｏｔｂｅｆｕｌｌｙｕｔｉ－ｌｉｚｅｄ，ｎｄａｔｈｅｔｈｒｅｓｈｏｌｄｓｈｏｕｌｄｂｅｓｅｔａｒｔｉｉｆｃｉａｌｙ，ｔｈｅｄｅｒｅｇｅｏｆａｕｔｏｍａｉｏｔｎｉｓｎｏｔｈｉｇｈ．Ａｎｅｗａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｆｏｒｉｍａｇｅａｄａｐｔｉｖｅｔｈｒｅｓｈｏｌｄｐｒｏｃｅｓｓｉｎｇ，ｂａｓｅｄｏｎｍｕｌｉ—ｃｔｈａｎｎｅｌｃｏｌｏｒｉｍａｇｅｆｕｓｉｏｎｔｅｃｈｎｏｌｏｇｙ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｍａｇｅｒａｇｉｅｄｎｔｉｓｈｔｏｇｒａｍ．Ｔｈｅｃａｎｎｙｅｄｇｅｄｅｔｅｃｔｉｏｎｏｐｅｒ — ａｔｏｒｉｓｅｘｔｅｎｄｅｄｔｏｃｏｌｏｒｅｄｇｅｄｅｔｅｃｉｏｔｎ，ｕｓｉｎｇｔｈｅｈｉｓｔｏｒａｇｍｏｆｇｒａｉｅｄｎｔａｎｄｇｒａｄｉｅｎｔｖａｒｉａｎｃｅｏｆｅａｃｈｃｈａｎｎｅｌｉｍａｇｅｏｆｃｏｌｏｒｉｍａｇｅａｎｄａｓｈｅｔｌｏｃｌａｔｈｒｅｓｈｏｌｄ，ａｎｄｔｈｉｓＣｎａｅｆｅｃｔｉｖｅｌｙｓｏｌｖｅｔｈｅｉｆｅｄｒｅｎｃｅｂｅｔｗｅｅｎｅａｃｈｃｈａｎｎｅｌｏｆ．ｔｈｅｃｏｌｏｒｉｍａｇｅ．Ｔｈｅｅｘｐｅｉｍｅｒｎｔａｌｒｅｓｕｌ￣ｓｈｏｗｔｈａｔ，ｍａｋ— ｉｎｇｆｕｌｌｕｓｅｏｆｔｈｅｃｏｌｏｒｉｍａｇｅａｎｄｒａｇｉｅｄｎｔｉｎｆｏｒｍａｔｉｏｎ，ｔｈｉｓｌｇｏａｉｔｒｈｍｃａｎｉｍｐｒｏｖｅｔｈｅ？ａｃｃｕｒａｃｙｏｆｅｄｇｅｄｅｔｅｃｉｏｔｎ．Ｋｅｙｗｏｒｄｓ：Ｃａｎｎｙｔｈｅｏｒｙ；ａｄａｐｉｔｖｅｔｈｒｅｓｈｏｌｄ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ；ｃｏｌｏｒｉａｇｍｅ

场论与自适应彩色图像边缘检测

（ｃｏｌｆＮｔｏｋＥｇｎｅｉＣｅｇｕＵｉｒｔｆｒｔｎＴｃｎｌｙＣｅｇｕ６０２，ｉｕｎ，ｈｎ）Ｓｈｏｅｒｎｉｅｒｇ，ｈｎｄｎｖｓｙｏＩｏｍａｉｅｈｏｏ，ｈｎｄ１２５ＳｃａＣｉａｏｗｎｅｉｆｎｏｇｈ。ＤｐｒｅｔＩｏｍｔｎＡｌｔｏｉｌｆＪｎｓｎｖｒｔ，ｈｎｉｎ１０１ＪａｇｕＣｉ）（ｅａｔｎｏｎｒａｉ，ｆｉｅｍｆｆｏｆａｄＨｓｔｉｇｕＵｉｓｙＺｅｊｇ２２０，ｉｎｓ，ｈｎｉｐａｏａｅｉａａ
张海波田丽媛
（成都信息工程学院网络工程学院四川成都６０２）１２５
（苏大学附属医院信息科江江苏镇江２２０）１０１
摘
要
传统彩色图像灰度化边缘检测方法大都将彩色像素的Ｒ、Ｂ三分量分别乘以固定系数，而将彩色图像转换为灰度图Ｇ、从
ｉａｅｃｎｂｏｓｅｅｓｈｒｃｓｏｌｌｉｇｔｕｃｒｌｎｘｄｒｅｔｇｄｅｔｎｔｅｅｅｇｆｒａｉａｅｏ－ｍｇａｅｃｎｉｒｄａｔｅｐｏｅｓｆａｕａｎｅｆｘｏｖｔａｅｉｆｅｏｃｎｉｃｏ．ｎｔｄｅｎｍｔｎｃｎｂｂｄｃｃｔｈｌｆｅｏｐｎｉｐｊｉｒｉｈｈｉｏｏｔｎｄｔｒｇｎｌｚｇｔｅｄｔｂｔｇｅｓｙｆｌｘｅｄＡａｔｅｐｏｅｔｎｖｃｒｎｃｌｇｌｎａｅｄｅｄｔｔｎａｏｔｍｉａｅｏｈａａｙｉｉｒｕｉｎｉｕｌ．ｄｐｉｒｊｃｏｅｔｏｒｍａｅｐａｅｂｓｄｅｇｅｅｉｌｒｈｉｈｕｎｈｓｉｎｄｔｏｆｆｉｖｉｏｉｏｉｃｏｇｉｓ

基于动态阈值的彩色图像边缘检测方法

（）．ｏｅｔ１ＬＧＲｂｒｓ于１６９５年提出了Ｒｂｒｏｔ子，用ｅｓ算利
的集合，其描述了灰度函数的局部突变。色图像可用图像彩
色彩函数来描述，彩色边缘可以定义为图像色彩函数在具有边缘特征的下连续点的集合，其描述了色彩函数的局部
ＥｇｅｃｏｄｅＤｔｔｎｅｉ
ＣｎｙＯｅａｒａｎｐｒｔｏ
ｌ彩色图像边缘检测的现状
图像边缘检测是将图像中有意义的特征部分提取出来，这些有意义的特征就是图像的边缘。图像边缘检测是数字图像处理中的关键技术之一，图像分割的重要基础，是同
突变。长期以来人们主要致力于研究灰度边缘，并且也取得
了很好的效果但彩色边缘能比灰度边缘提供更多的信息，且在日常生活当中要处理的图像大多数是彩色图像，因此彩色图像的处理技术尤为重要，彩色边缘检测也越来越受
重视。
时也是纹理分析和模式识别等图像处理技术的基础。一个
ＺａｇＳｎｉｈｎａｍｅＺｎｉｇｅｇＪｔａ ‘
ＡｂｔａｔＢｓｄｏａｎｌｏｔｍａｍｒｖｄｍｅｏｆｃｌｒｌｉｇｄｅｄｔｃｉｎｉｐｏｏｅ，ａｇｕｅｆｅｐｓｒｃ：ａｅｎＣｎｙａｇｒｈ，ｎｉｐｏｅｔｄｏｏｏｆｍａｅｅｇｅｔｓｒｐｓｄａｌｒｅｎｍｂｒｏｘ — ｉｈｕｅｏ
２１车６月Ｏ０
电脑学习

基于局部自适应色差阈值的彩色图像边缘检测

比度视觉阈值与对比灵敏度成倒数关系，对比灵敏
度与色差可视阈值的关系可用式(7)描述：
csf
=1 ct
=
1 ΔELab /
E(Y
)
=
E(Y ) ΔELab
(7)
Lab 空间的对比敏感函数根据调制方向的不同
可分为亮度对比敏感、红绿色对比敏感与黄蓝色对
比敏感，亮度 CSF 一般采用 Kiorpes 和 Movshon
2012-03-02 收到，2012-05-14 改回国家自然科学基金(61105015)，江苏省自然科学基金(BK2010366) 和江苏省科技支撑计划(BE2011747)资助课题 *通信作者：杨娴 yangxian0830@
息对人眼色差感知的影响，使得很多可忽略的边缘被过检测，对噪声的鲁棒性较差。
based on the adaptive perceptual color difference is proposed. A weighting factor including luminance masking
effect and contrast sensitivity function is proposed, which combine the influence of local changes in luminance and
+ 60.59 ⋅ exp(−0.0037 ⋅ ϕ2.1677 )
(9)
CSFyb (ϕ) = 35.0328 ⋅ exp(−0.0004 ⋅ ϕ4.2582 )
+ 40.6910 ⋅ exp(−0.1040 ⋅ ϕ1.6487 ) (10)
其中 ϕ 为 L, a, b 通道的空间角频率 w, u, v 的集合，

色彩图像边缘检测研究

色彩图像边缘检测研究一、前言色彩图像边缘检测是图像处理领域中的重要研究方向之一，其应用广泛，如人脸识别、物体识别、医学影像分析等领域。

本文将从图像边缘检测的基础理论出发，探讨常见的边缘检测算法，并分析其优缺点。

二、基础理论在介绍边缘检测算法之前，先来看一下边缘的定义。

边缘是指图像中相邻像素灰度值差异较大的位置，是图像中梯度的最大值。

对于灰度图像，可以通过求取像素灰度值的一阶导数来获得边缘信息。

而对于色彩图像，由于其有多个通道，需要综合多个通道的信息来进行边缘检测。

色彩图像边缘检测的基础理论包括以下内容：1. 颜色空间转换在RGB颜色空间中，每个像素由红、绿、蓝三个通道的数值组成。

然而，由于人眼对颜色的感知并不是均匀的，因此在进行色彩图像边缘检测时，常常需要将RGB颜色空间转换到其他颜色空间，如灰度空间、YCbCr空间等。

其中，灰度空间是将红、绿、蓝三个通道的数值按一定比例进行加权平均，得到一个仅有一个通道的灰度值。

对于大部分的图像处理任务，灰度空间已经足够使用。

而将图像转换到YCbCr空间可以将亮度信息和彩色信息进行分离，同时能够使得人眼对图像的变化更为敏感。

2. 梯度计算对于灰度图像，我们可以通过求取像素灰度值的一阶导数来获得图像的梯度信息。

常见的梯度计算算子包括Sobel算子、Prewitt算子、Roberts算子、Laplacian算子等。

而对于色彩图像，由于需要综合多个通道的信息来进行边缘检测，因此需要先将图像转换到另一种颜色空间，再对每个通道分别计算梯度信息，最终将多个通道的梯度信息进行综合。

3. 阈值分割在求取了图像的梯度信息之后，需要根据梯度信息进行阈值分割，得到图像中的边缘。

常见的阈值分割方法包括全局阈值分割、局部自适应阈值分割等。

三、常见的边缘检测算法1. Canny算法Canny算法是目前应用最广泛的边缘检测算法之一。

Canny算法首先对图像进行高斯滤波，然后利用Sobel算子计算梯度信息，进一步进行非极大值抑制和双阈值分割，最终得到边缘信息。

一种彩色图像的边缘检测方法及实现

Computer Knowledge and Technology 电脑知识与技术人工智能及识别技术本栏目责任编辑：唐一东第6卷第20期(2010年7月)一种彩色图像的边缘检测方法及实现王彤（苏州高博软件技术职业学院，江苏苏州215163）摘要：在数字图像处理的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些感兴趣的部分常称为目标或对象（ROI ），它们一般对应图像中特定的，具有独特性质的区域。

图像处理的重要任务就是对图像进行分析和理解，该文讲述了图像边缘检测和边缘跟踪的原由，归纳出了几种图像边缘检测的算子，最后介绍了一种基于RGB 分量直接梯度法的彩色图像图像边缘检测方法以及该方法的C#实现。

关键词：边缘检测；数学算子；C#中图分类号：TP18文献标识码：A 文章编号：1009-3044(2010)20-5579-031灰度图像的边缘检测图像的边缘是图像的最基本特征。

所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，是图像中灰度发生急剧变化的区域。

图像灰度的变化可以用图像的梯度反映，边缘检测就是求连续图像f(x,y)梯度的局部最大值和方向。

f(x,y)沿r 的梯度为：（1）使最大的条件是：（2）梯度最大值及其方向由（1）、（2）式求得：梯度最大值：在离散情况下常用梯度算子来检测边缘，给定图像f （m,n ）在两个正交方向H1和H2上的梯度φ1(m,n)和φ2(m,n)如下：边缘的强度和方向由下式给出：常用边缘检测算子有Roberts 算子、Prewitt 算子和Sobel 算子等。

Roberts 算子的卷积模板是：Prewitt 算子的卷积模板是：Sobel 算子的卷积模板是：Roberts 算子特点是边缘定位准，但对噪声敏感；Sobel 算子的两个模板能够最好地响应图像的垂直边缘和水平边缘，因此能够取得比较好的效果。

另外有一种二阶导数算子拉普拉斯算子(Laplacian)也借助模板来实现，其模板定义有一个基本要求：模板中心的系数为正数，其余相邻系数为负数，所有系数的和应该为零。

基于局部自适应色差阈值的彩色图像边缘检测

基于局部自适应色差阈值的彩色图像边缘检测
杨娴;李勃;丁文;陈启美
【期刊名称】《电子与信息学报》
【年(卷),期】2012(000)009
【摘要】为了使彩色图像的边缘检测器更符合人眼对图像信息的分辨情况，防止视觉不敏感区域的边缘的过检测问题，该文提出一种自适应色差阈值的估计方法并与不同的色彩梯度算子结合应用于彩色图像的边缘检测中。

构建包括亮度掩模与对比灵敏度的局部色差可视阈值的权重因子，结合局部背景亮度以及亮度与色彩的空间频率对人眼视觉的影响。

利用信噪比(SNR)， Pratt 因子与时间复杂度对提出的算法的抗噪性与边缘定位的准确性以及时间代价进行定量评价，表明该算法能准确检测出图像边缘且有效地抵抗噪声对图像的干
扰。

%10.3724/SP.J.1146.2012.00203
【总页数】6页(P2058-2063)
【作者】杨娴;李勃;丁文;陈启美
【作者单位】南京大学电子科学与工程学院南京210093;南京大学电子科学与工程学院南京210093;南京大学电子科学与工程学院南京210093;南京大学电子科学与工程学院南京210093
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于主色色差的彩色图像边缘检测方法 [J], 王岩;许增朴;于德敏;王永强
2.基于Canny理论的自适应阈值彩色图像边缘检测 [J], 关芳芳;程筱胜;崔海华
3.基于自适应局部阈值的彩色图像分割 [J], 冉玉梅;王洪国;杨玉会;许镇
4.一种基于色差的彩色图像的边缘检测方法 [J], 吕明忠;罗鹏;高敦岳
5.一种基于色差的彩色图像的边缘检测方法 [J], 吕明忠;罗鹏;高敦岳
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Canny算子的彩色图像边缘检测算法

基于Canny算子的彩色图像边缘检测算法【摘要】本文将Canny算子应用于彩色图像，针对单尺度滤波器的缺点，本文采用改进的多尺度滤波器对彩色图像进行平滑。

通过实验证明，本文所采取的彩色图像边缘检测方法对噪声有很好的抑制作用，并且能够提取比较完整的图像边缘，是一种有效的检测方法。

【关键词】彩色图像；Canny算子；多尺度高斯滤波器1、引言边缘检测是图像处理中最基础也是最重要的部分。

其中有关灰度边缘检测的算子众多，有Sobel、Laplace、Roberts、Prewitt、Kisch和Laplacian、Canny等算子[1]，然而，在我们现实生活中的大部分图像是彩色图像，与灰度图像相比，彩色图像能提供更多、更丰富的信息。

经过大量的实验证明，10%的边缘信息通过灰度边缘检测算子是检测不出来的[2]，可能会丢失一些重要信息。

所以彩色图像边缘检测越来越受到人们的关注。

本文选取在RGB颜色空间中进行彩色图像边缘检测，利用Canny算子对彩色图像进行边缘检测，能够继承Canny算子定位准确，单边响应，信噪比高等优点。

然而，Canny算子在进行平滑图像的过程中，采用单尺度高斯滤波器，不能很好的滤除复杂繁多的噪点，针对这些问题，本文采取了一些措施。

2、算法原理2.1 多尺度高斯滤波器平滑图像利用不同尺度的高斯函数对图像进行滤波，在每个尺度下分别对R、G、B 三个分量多维磨光形成新的真彩色图像。

在本文中选取四个不同尺度的滤波器，分别对图像的3个分量进行滤波，然后对三个分量的四个不同结果进行加权求和，最后输出一个滤波图像。

假设，我们选取的四个不同尺度分别是，则利用这四个不同尺度的高斯函数分别对输入图像的R、G、B三分量进行平滑。

对得到的三分量进行加权求和，最后得到一个平滑后的图像，之后对这两个图像进行后续处理。

假设，加权权值，它们的取值与四个不同尺度的选择有关。

在本文中取分别为：（1）最后得到的滤波图像的三分量为公式（2）：其中，分别表示经过四个不同尺度滤波器对三个颜色分量滤波后的三分量图。

一种用于彩色图像目标识别的自适应阈值分割方法

ｎｓｒｕ￣ｅｓｏｓｂ
ｉｏｊｔｅｏｎｉｘｅｍｅｔ．ｎｂｃｇｉｎｅｐｒｎｅｒｃｔｏｉｓ
ＴＰ４２
Ｋｅｒｓａｔｎｍｕｂｔｃｌｒｔｉｎ，ｇｅｍｅｔｔｎ，ｄｐｖｈｅｈｌｙｗｏｄｕｏｏｏｒｏ，ｏｏａｎｇｉｅｓｇｎｉａａｔｅｔｒｓｄｓｏｒｉｍａａｏｉｏ
ｑｉｋｙａｄｒｂｓｙｕｉｇｓｃｆｒｔｎ１ｉｐｐｒｄｓｒｅｏｏａｎｎｂｔｖｓｙｔｍａａｌｆｒａ～ｔｅｏｎｚｎｂｕｃｌｎｕｔｎｕｈｉｏｍａｏ．３ａａｅｅｃｂｓａｃｌｒｔｉｉｇｒｏｉｓｓｏｌｓｎｉｓｉｒｏｉｏｎｅｃｐｂｅｏｌｉｅｍｅｒｃｇｉｇｏ－ｉ
征加以学习＿。４Ｊ
物体，光照光源种类、度、体反射特性等不同在照物条件下，测得的ＲＢ颜色值分布很分散，个分量Ｇ三互相关联变化，以确定目标识别时ＲＢ的阈值难Ｇ
ｍｅｔｔｎｂｓｄｏ￣ａｔｅｔｒｓｏｄ．ＴｅｖｓｏｙｔｍａｕｃｓｆｌｎｅｒｔｄｗｔＵｕｏｏｕｂｔｙｔｍｎｈｗｔｑｉｋｎｉａｅｎ：ｐｉｅｈｌａｏｌｖｈｈｉｓｓｅｈｓｓｃｅｓｌｉｔｇａｅｉＯＴａｎｍｏｒｏｓｉｎｕｙｈｔｓｏｓｅａｄｓｏｎｉｕｃ－ｓ

基于区域一致性测度的彩色图像边缘检测

ｗｅｅｇｔｎｖａｔｉｅｍａｅｓｍｐｅ，ＢｅｒｌｅｗｒａｒｉｅｉｏｉｅｖｃｏｆｔｉｆｕｏｏｅｔｖｃｏｓｒｏｔｉｒｎｄｉｇａｌｓＰｎｕａｔｏｋｗｓｔａｎｄｗｔｓｍｅｅｇｎｅｔｒｏｈｓｏｒｃｍｐｎｎｅｔｒ，ｅａｎｈａｄｉｈｎｈａｎｄＢｅｒｌｅｗｒａｓｄｆｒｅｇｅｅｔｎｄｒｃｌ．ＢｔｅａｃｉｃｕｅａｄｔａｎｎｆｔｅＢｎｎｔｅｅｄｔｅｔｉｅＰｎｕａｔｏｋｗｓｕｅｏｄｅｄｔｃｉｉｔｒｎｏｅｙｏｈｔｒｈｔｔｒｎｒｉｉｇｏＰｈｅｈ
ｎｅａｒｉｌ．Ｍｏｅｖｒｔｏｓｄｅｇｄｔｃｏｒｎｅｄｓｎｈｒｓｏｄｏｒｃｎｖｎｔｏａｄｅｅｅｔｏｎｓｔｏｇｕｒｌａｅｓｍｐｅｒｏｅ，ｈｅｐｒｐｏｅｄｅｅｅｔｅｏｔｅｈｌｆｏｅｉｎｌｅｇｄｔｃｉｎａｄｈａｓｒｎ
Байду номын сангаас
Ｃｏｏｍａｅｅｇｔｃｉｎｗｉｈｒｏｏｏｅｅｕｓｍｅｓｅｌｒｉｇｄｅｄｅｅｔｏｔｅｎｈｍｇｎｏａｕｒ
ＺＮＧＭｅ．ｈ．ＨＡ０Ｊｎ．ｉＨＥｉｕＺｚｉｇｘｕ
（ｏｌｅｏｏｐｔｃｎｅＮｒａｎｖｒｔ，ＲｈｏＳａｄｎ７８６ｈｎ）ＣｌｇＣｍｕｅＳｉｃ，ＱｅｆｒｅｏｍｌＵｉｓｙ￣ａｈｎｏｇ２６２，Ｃｉｅｉａ

基于自适应阈值的改进Canny边缘检测方法

（ｏｌｅｆＥｅｔｃｌｎｎｏｍｔｎＥｇｎｅｉｇＣｌｇｌｒａｄＩｒａｉｎｉｅｎ，Ｈｕ，ｎｖｒｔｈｎｓａＨｎｎ４０８，ＣｉａｅｏｃｉａｆｏｒｎｎＵｉｓｙａｅｉ，Ｃａｇｈｕａ１０２ｈｎ）
Ａｂｓｒｃ：ＴｈｔａｉｉｎａＣａｙｏｒｔｒｓｓｈｅｌｂａｈｅｈｌｍｅｈｄ，ｂｕｗｈｅｈｒｙｏｈｅｎｕｍａｅＳｔａｔｅｒｄｔｏｌｎｎｐｅａｏｕｅｔｇｏｌｔｒｓｏｄｔｏｔｎｔｅｇａｆｔｉｐｔｉｇ ’
ｂｃｇｏｎｎｏｅｒｕｄｃａｇａｇｌ，ｔｅｇｏａｔｒｓｏｄｍｅｈｄｗｉｏｅｓｍｅｗａｄｅｏｃｒｉｇｔｉｉｓｅｎａｋｒｕｄａｄｆｒｇｏｎｈｎｅｌｒｅｙｈｌｂｌｈｅｈｌｔｏｌｌｓｏｅｋｅｇ．Ｃｎｅｎｈｓｓｕ，ａｌｎｉｒｖｄａａｔｅＣａｎｐｒｔｒｗｓｐｔｆｒａｄＦｒｔ，ｔｅｉｇａｉｉｅｎｏｂｏｋｃｏｄｎｏｔｅｇａｉｎｍｐｏｅｄｐｉｎｙｏｅａｏａｕｏｗｒ．ｉｌｖｓｙｈｍａｅｗｓｄｖｄｄｉｔｌｃｓａｃｒｉｇｔｈｄｅｔｒ
ＩｐｒｖｄＣａｎｙｅｅｄｅｅｔｏｅｈｄｂｓｄｏｅｆａｐｔｖｈｒｓｏｄｍｏｅｎｄｇｔｃｉｎｍｔｏａｅｎｓｌ－ｄａｉｅｔｅｈｌ

改进的自适应阈值Canny边缘检测

第36卷第11期光电工程V ol.36, No.11 2009年11月Opto-Electronic Engineering Nov, 2009 文章编号：1003-501X(2009)11-0106-06改进的自适应阈值Canny边缘检测雒涛1, 2，郑喜凤1，丁铁夫1( 1. 中国科学院长春光学精密机械与物理研究所，长春130033；2. 中国科学院研究生部，北京100039 )摘要：针对传统Canny边缘检测算法的阈值需要人为设定的缺陷，本文提出了一种新的自适应改进方法。

该方法根据梯度直方图信息，提出梯度差分直方图的概念，同时，对图像进行自适应分类处理，使得算法不仅不需要人工设定阈值参数，而且还能有效地避免Canny算法在边缘寻找中的断边和虚假边缘现象。

对边缘信息丰富程度不同的灰度图和彩色图像运用该方法寻找边缘的实验结果表明，对于在目标与背景交界处的多数像素梯度幅值较大的图片，该算法具有边缘检测能力强、自适应能力强的优点。

关键词：Canny算法；自适应；边缘检测；图像处理中图分类号：TN247；TP391 文献标志码：A doi：10.3969/j.issn.1003-501X.2009.11.022 Improved Self-adaptive Threshold Canny Edge DetectionLUO Tao1, 2，ZHENG Xi-feng1，DING Tie-fu1( 1. Changchun Institute of Optics, Fine Mechanics and Physics,Chinese Academy of Sciences, Changchun 130033, China;2. Graduate School of Chinese Academy of Sciences, Beijing 100039, China )Abstract: The two thresholds of classical Canny operator need to be set manually, which limits the application of this algorithm. Therefore, many researches about how to choose threshold adaptively are done to solve this problem. Based on the gradient histogram, a method of threshold-adaptable edge detection is proposed. This method is on the basis of gradient histogram difference diagram with adaptive image classification techniques. It not only automatically sets the two thresholds, but also avoids disconnected or false edges in detection. Experiments prove that the method is threshold-adaptive and advantageous for edge detection in color image whose pixels of larger gradient amplitude are mainly located in the edge between the target and background.Key words: Canny operator; threshold-adaptive; edge detection; image process0 引言边缘是重要的图像特征。

基于自适应阈值分割及边缘检测的虹膜内边缘定位算法

基孑自适应阈值分割及边缘植IIIJB,'J 虹膜内边缘定位算法宁夏大学数学计算机学院赵静【摘要】为了提高虹膜内边缘定位的准确率和速度，本文提出了一种基于自适应阙值分割及边缘检测的虹膜内边缘定位算法。

首先采用自适应的活动窗计算图像灰度，灰度最小值点确定为瞳孔内的任意一．量，以友度最小值作为阁值对原图像进行瞳孔分割=然后使用La pa ci a n 边缘检测算子检测瞳孔区域边缘定位虹膜内边缘．最后根据圆的对称性计算虹膜内边缘的圆心和半径。

仿真结果表明该算法准确定位虹膜内边界的平均时间为o ．73s ，准确率为100％。

在虹膜识别系统中有较高的实际应用价值。

【关键词】虹膜识别虹膜定位边缘检测Laphci an 算子匪-1-1-11．引言虹膜作为重要的身份鉴别特征，具有唯一性，稳定性、可采集性、非侵犯性等优点。

虹膜识别技术主要由虹膜图像采集、虹膜定位、特征提取、匹配与识别等几个环节．组成．虹膜定位是其中的主要环节=虹膜定位是指对人眼图像中的虹膜内边缘(瞳7L )与虹膜外边缘的定位．其中虹膜内边缘的定位及相关参数提取是虹膜外边缘定位的重要前提和基网l Laplaeian 模板础。

La pl ae ia n 模板其实际上是计算某一个像素点同其八邻域内的像素 ’日前，虹膜内边界定位主要有以下相关算法。

J r ．hn Da uB'man 提出点的差值和，可以有效提取图像的边缘纹理等细节信息。

的微积分网形边缘检测算子法m ，其利用微积分算子搜索圆形边界定位 4．计算虹膜内边缘圆心、半径出虹膜的内边界，Wi lde s R P 提出了一种利雕灰度投影先对瞳孔进行粗已经求得r 瞳孔内一点P (x ，y )及瞳孔边缘图A _e dg ．需要根据它们定位，然后再用网灰度梯度检测算子精确定位瞳孔的两步定位算法121。

求出瞳孔边缘的圆心和半径。

根据所求得的圆心和半径可在原图上较中科院自动化研究所王蕴红等利用阈值法分割瞳孔，用C a n n y 算子对为准确的标记出虹膜的内边缘Ⅸ域。

实时图像自适应阈值边缘检测FPGA实现

实时图像自适应阈值边缘检测FPGA实现祁佳;刘紫燕;冯亮【摘要】传统的Sobel边缘检测算子对噪声变化抑制能力较差,并且其使用固定阈值导致适应性差.该方法利用中值滤波思想来确定图像的每一像素点局部边缘阈值来实现自适应阈值Sobel边缘检测,并在FPGA平台实现.实验结果表明,该算法检测出的实时图像边缘更加精细,并且能很好地抑制背景噪声.【期刊名称】《仪表技术与传感器》【年(卷),期】2014(000)009【总页数】3页(P81-83)【关键词】自适应阈值;快速中值滤波;FPGA;Sobel;边缘检测【作者】祁佳;刘紫燕;冯亮【作者单位】贵州大学计算机科学与信息学院,贵州贵阳550025;贵州大学计算机科学与信息学院,贵州贵阳550025;贵州大学计算机科学与信息学院,贵州贵阳550025【正文语种】中文【中图分类】TP216.10 引言图像的边缘含有图像最重要的信息，图像的边缘一般指图像的灰度变化率最大的像素点之间的总和，边缘非常广泛地分布于物体之间、物体与背景之间。

图像的边缘同时也是人眼和计算机识别图像以及获取信息的重要特征，因此，图像的边缘检测在航空、军事、医学、人工智能等领域都有着广泛的应用与研究[1]。

传统的软件方式来实现图像边缘检测运算量大、实时性差[2]，而利用FPGA瞬时并行高速处理数据的特点可以提高图像边缘检测的效率[3]，满足实时性的要求。

Sobel边缘检测算子是传统的图像边缘检测常用的算子[4]，因为其算法简单，同时由于提取边缘清晰并对噪声平滑效果较好，容易在硬件上实现。

文中在对传统的实时图像Sobel自适应阈值的边缘检测进行深入研究的基础上，将中值滤波的思想引入每一像素点的局部边边缘阈值确定中，并在FPGA上实现。

1 系统总体设计系统主要是由TRDB-D5M型的CMOS摄像头、DE2-70型的FPGA芯片、SDRAM存储单元以及TRDB-LTM液晶显示屏构成。

其处理过程主要是将处理得到的灰度图像同时送入梯度计算模块以及自适应阈值计算模块，用计算好的阈值与梯度进行比较得出边缘，并在液晶屏上显示。

一种基于色差的Canny边缘检测算子①

一种基于色差的Canny边缘检测算子①薛东伟;舒欣;李东新;张芳玲【摘要】In order to detect the edge of color image more clearly and accurately, this paper presents an improved Canny edge detection method, that Canny operator based on color difference is used to calculate the color difference and color directions of color image by converting color image from RGB color space to theL*a*b*space of uniform color. The edge detection results of line and curve road color image prove the effectiveness of the improved operator.%为了更加清晰准确地检测出彩色图像的边缘，提出了一种改进的 Canny 边缘检测方法，将彩色图像从RGB颜色空间转换到颜色均匀的L*a*b*空间，用色差Canny算子来计算彩色图像的色差和色差方向。

彩色直线和曲线道路图像的边缘检测效果证明了改进算子的有效性。

【期刊名称】《计算机系统应用》【年(卷),期】2013(000)009【总页数】4页(P168-171)【关键词】Canny算子;色差;L*a*b*空间;边缘检测;道路图像【作者】薛东伟;舒欣;李东新;张芳玲【作者单位】河海大学计算机与信息学院,南京,211100;河海大学计算机与信息学院,南京,211100;河海大学计算机与信息学院,南京,211100;河海大学计算机与信息学院,南京,211100【正文语种】中文图像边缘是图像中梯度发生急剧变化的像素的集合, 两个具有不同灰度值的相邻区域之间总存在着边缘. 边缘检测的算子有很多种, 几种常用的算子包括Roberts算子[1]、Sobel算子[2]、Prewitt算子[3]和 Canny边缘检测算子[4,5]等.在现有的这些边缘检测算子中, Canny算子是相对较好的一种, 但是传统的Canny 边缘检测算子在采用基于梯度赋值的双阈值法[6,7]检测和连接边缘时, 尽管抑制了噪声, 但同时也损坏了部分低强度边缘. 为解决这一问题, 本文提出了一种改进的基于色差的 Canny算子[8,9]来计算彩色图像的色差和色差方向, 并利用结构化道路图像的仿真效果验证了改进算子的有效性.1 Canny算子介绍Canny边缘检测算子是一阶微分算子, 对图像进行 Canny边缘检测的原理是: 用准高斯函数对原始图像 f ( x,y)作平滑运算得到处理后的图像fs =f(x,y)×G(x,y ), 用一阶微分算子求取导数的最大值. 二阶导数的零交叉点不仅对应着一阶导数的极大值也对应着一阶导数的极小值, 也就是说, 灰度变化剧烈的点(强边缘)与灰度变化缓慢的点(弱边缘)都对应着二阶导数零交叉点. 通过使用两个阈值来分别检测强边缘和弱边缘, 而且仅当强边缘和弱边缘相连时, 弱边缘才会包含在输出中.平滑处理后图像 ),( yxfs 的梯度可以使用2×2的一阶有限差分近似式:在这个2×2 正方形内求有限差分的均值, 就可求出图像中的点沿x轴方向和沿 y 轴方向的偏导数梯度. 梯度幅值和方向角可用如下公式来计算:式中, ],[jiM表示了图像边缘的强度, ],[jiθ表示了边缘的方向.2 Canny算子的改进传统Canny边缘检测算子只能用于灰度图像的边缘检测, 并且使用高斯滤波器抑制噪声时会平滑图像的边缘细节. 为此, 将灰度 Canny算子扩展到彩色颜色空间, 提出一种彩色 Canny边缘检测方法. 该算法是将彩色图像从 RGB颜色空间转换到颜色均匀的L*a*b*空间, 用色差 Canny算子来计算彩色图像的色差和色差方向. 2.1 彩色空间转换通常, 彩色图像以RGB方式存储. RGB空间不是一种均匀的颜色空间. 本文提出的改进 Canny边缘检测算子将使用L*a*b*颜色空间. L*a*b*颜色空间是一种近似的均匀彩色空间, 也是一个与设备无关的颜色空间, 无论使用何种设备创建或输出图像, 该颜色模型所产生的颜色都是保持一致的.RGB颜色空间可以通过线性转换到 L*a*b*颜色空间.设在 RGB颜色空间中, 某种颜色的颜色值为(R ,G ,B), 则从RGB颜色空间到L*a*b*颜色空间的转换公式如下:式(5)、 (6)中, X、Y、Z分别表示红、绿、蓝三种基色, X0、Y0、Z0是依据国际照明委员会(CIE)标准, 照明体在能完全反射的漫反射物体上照射后, 将反射到人眼中的白色物体刺激的刺激值, 有:式中, L*是米制明度, a*和b*是米制色度.2.2 基于色差的彩色Canny边缘检测算子在 L*a*b*颜色空间中, 区别两个颜色可以通过该两个颜色点间的欧几里德距离表示, 即通过色差来表示. 色差是一种用数值的方法能够使人在色彩感觉上区别两种颜色. L*a*b*空间中计算像素点A和像素点B之间色差CD如下式所示:基于色差的Canny算子的色差分量Dx和色差分量Dy, 计算公式如下:因此, Canny色差幅值和方向为:在 L*a*b*颜色空间中, 两个颜色点之间的色差距离包含了图像的亮度和色度的差异信息, 图像的色差也反映了图像边缘的梯度. 在彩色图像的边缘处图像的亮度和色度都有很大的变化, 从而图像边缘处的梯度幅值很大, 图像边缘处的色差值也很大. 因此利用基于色差的Canny边缘检测算子的方法可以检测出彩色图像的边缘.2.3 实验结果分析图 1是对两幅彩色图像分别用传统 Canny和色差Canny检测边缘的结果. 从图1(a)与图1(b)的边缘检测结果可以看出, 采用传统的Canny对图1(a)待检测图像进行边缘检测, 由于图像中有的地方灰度差别很小, 检测不到清晰的边缘, 而采用色差 Canny之后, 由于其充分利用了颜色信息, 得到的边缘比较清晰. 总之在对图1(a)和图 1(b)各自的边缘检测对比中, 可以明显看出运用色差Canny可以更清晰准确地检测出彩色图像边缘.图1 传统Canny和色差Canny边缘检测效果比较3 改进算子的应用改进的Canny算子广泛用于彩色图像的边缘检测,现以结构化道路的边缘检测为例进一步验证改进算子的有效性. 结构化道路是指高速公路、城市中的重要道路等这类具有清晰的车道线和道路边界的道路. 结构化道路的边缘检测[10]功能, 在技术逐步成熟的智能车载系统中起着很重要的作用.使用基于色差的Canny算子对彩色图像进行边缘检测, 首先将在RGB颜色空间中的彩色图像, 通过颜色空间变换成为 L*a*b*颜色空间中二维彩色图像g ( x ,y). 用坐标 ( x , y)表示彩色图像 g ( x ,y)中一个像素位置, 则在 ( x , y)处沿x轴方向和y轴方向的色差 D x和 D y表达式如下:点 ),( yx 处的色差表达式如下:梯度方向角表达式如下:综上所述, 用式(17)和(18)分别对彩色直线道路和彩色曲线道路图像的边缘进行边缘检测. 检测效果如图2和图3所示:图2 直线道路图像中检测边缘线效果图图3 曲线道路图像中检测边缘线效果图仿真结果表明, 改进的基于色差的 Canny算子准确地检测出直线道路边缘线和曲线道路边缘线, 彩色图像中结构化道路边缘检测性能稳定.4 结语基于色差的Canny边缘检测算法将RGB颜色空间转换到颜色均匀的L*a*b*空间, 计算彩色图像的色差和色差方向, 充分利用了颜色信息, 与传统方法相比,能够得到的更加清晰的图像边缘. 直线道路图像和曲线道路图像边缘线检测的仿真实验, 进一步证明了改进算子的有效性和应用价值.参考文献【相关文献】1 王冰.用 Roberts算子进行边缘处理.甘肃科技,2008,24(10):18-20.2 王康泰,戴文战.一种基于 Sobel算子和灰色关联度的图像边缘检测方法.计算机应用,2006,26(5):1035-1037.3 杨道普,马秋禾,石磊.边缘检测prewitt算子的改进算法.测绘科学,2008,33(5):100-103.4 苏连成,王东卫.一种改进的Canny边缘检测算子.燕山大学学报,2012,36(5):413-416.5 Canny J. A computational approach to edge detection. IEEE Transactions on Parrern Analysis and Machine Intelligence,1986,8(6):690-699.6 赵宏中,张彦超.基于Canny边缘检测算子的图像检索算法.电子设计工程,2010,18(2):75-78.7 万力,易昂,傅明.一种基于 Canny 算法的边缘提取改善算法.计算机技术与自动化,2003,22(1):24-26.8 张朝阳,冯伍法,张俊华.基于色差的遥感影像海岸线提取.测绘学院学报,2005,22(4):259-262.9 Li J, Ding S. A research on improved canny edge detection algorithm. Communications in Computer and Information Science,2011,228(1):102-108.10 刘献如,蔡自兴.结构化道路车道线的鲁棒检测与跟踪.光电子·激光,2010,21(12):1834-1838.。

基于动态阈值的彩色图像边缘检测方法

基于动态阈值的彩色图像边缘检测方法章三妹;曾敬【摘要】本文善于Canny算法,提出了一种改进的彩色图像边缘检测方法,通过大量的实验证明该方法是一种有效的彩色图像边缘检测方法.【期刊名称】《智能计算机与应用》【年(卷),期】2010(000)003【总页数】2页(P145-146)【关键词】数字图像处理;边缘检测;Canny算子【作者】章三妹;曾敬【作者单位】西华师范大学,四川,南充,637009;华师范大学,四川,南充,637009【正文语种】中文【中图分类】TP3911 彩色图像边缘检测的现状图像边缘检测是将图像中有意义的特征部分提取出来，这些有意义的特征就是图像的边缘。

图像边缘检测是数字图像处理中的关键技术之一，是图像分割的重要基础，同时也是纹理分析和模式识别等图像处理技术的基础。

一个好的边缘检测应当正确解决边缘的有无、真假、定向和定位，这也是长期以来人们关心的问题。

边缘是图像的一个基本特征，其携带了图像中的大量信息，边缘检测不仅能得到关于边界的有用的结构信息，而且还能极大地减少要处理的数据，很多图像处理和识别算法都以边缘检测为重要基础。

边缘按其颜色特征分为灰度边缘和彩色边缘。

灰度图像可由图像亮度函数来描述，灰度边缘可以定义为图像亮度函数的具有边缘特征的不连续点的集合，其描述了灰度函数的局部突变。

彩色图像可用图像色彩函数来描述，彩色边缘可以定义为图像色彩函数在具有边缘特征的下连续点的集合，其描述了色彩函数的局部突变。

长期以来人们主要致力于研究灰度边缘，并且也取得了很好的效果。

但彩色边缘能比灰度边缘提供更多的信息，且在日常生活当中要处理的图像大多数是彩色图像，因此彩色图像的处理技术尤为重要，彩色边缘检测也越来越受重视。

2 目前常用边缘检测方法及存在的缺点边缘是图像最基本的特征，是图像后续处理的基础，所以图像边缘的检测结果直接影响后续的工作。

理想的边缘检测是应当正确解决边缘的有无、真假和定位。

长期以来，人们一直在致力于研究好的边缘检测算法，一些学者们也提出了很多具有实际价值的算法，具有代表性的方法有以下几种：（1）L.G Roberts于1965年提出了Roberts算子，利用局部差分算子来寻找图像边缘，其方法为：（2）1970年，J.Priwitt提出Priwitt边缘算子，离散出两个卷积核矩阵，图像中每个象素点与此一个矩阵做卷积。