灰度图像边缘提取方法综述

内蒙古科技大学本科毕业论文

二〇一二年 4 月

摘要

本文先介绍了一般边缘检测的步骤和灰度图像形态学的主要操作。着重讨论基于细胞神经网络的一般灰度图像的边缘提取和图像分割。先陈述了几种传统算法，并比较了各算法的优劣。通过例举介绍CNN 基本知识，详细描述了用CNN 提取图像边缘的过程，给出算法流程，阐述算法实现中的关键步骤。对二值图像和灰度图像，分别采用基于CNN 的算法和传统算子(prewitt、sobel、canny)进行边缘提取，给出提取效果图，定性比较两类算法在性能上的优劣。来直接的了解灰度图像边缘提取的方法。

关键字：灰度图像，边缘提取，分割，CNN算法，传统算子

Abstract

This paper first introduces the general steps of gray image edge detection and morphology of the main operation. Focuses on the cellular neural network based general gray image edge extracting and image segmentation. Through the examples of introduction of basic knowledge of CNN, a detailed description of the CNN image edge extraction process, the algorithm process, the key step in the algorithm implementation. On two value image and the gray scale image, which are based on CNN algorithm and the traditional operator ( Prewitt, Sobel, canny ) edge extraction, given the extraction effect chart, qualitative comparison of two algorithms in performance on the quality of. To direct understanding of gray image edge extraction method.

Keywords: image, edge detection, segmentation, CNN algorithm, the traditional operator

引言 (5)

1、灰度图像边缘检测 (6)

1.1、边缘检测的步骤 (6)

2、几种边缘提取算子 (6)

2.1 Roberts算子 (6)

2.2、Sobel算子 (7)

2.3、Prewitt算子由下式给出 (7)

2.4、Canny算子 (8)

3.传统算子的优缺点 (8)

3.1 Sobel算子 (8)

3.2 Robert算子 (8)

3.3 Prewitt算子 (8)

3.4 Canny算子 (9)

4、基于细胞神经网络的灰度图像边缘提取 (9)

4.1、CNN 基本知识 (9)

4.2、基于CNN 的图像边缘提取 (11)

4.3、图像分割的质量评价 (12)

4.4、实验分析 (14)

结论 (16)

参考文献 (17)

致谢 (18)

图像边缘是图像信息中某种不连续性的表现形式，是图像最基本的特征之一。在图像处理和模式识别中图像的边缘检测是一个重要的研究课题，也是分析和理解图像的第一步，其检测质量直接影响着后续的图像处理及解译。传统的图像边缘检测方法主要有基于空间域和空间频率域算法。基于空间域的典型算法有Robert、Prewitt、Sobel、Canny算子等，图像边缘包含图像的绝大部分有用信息，因而图像识别、匹配等具有很大的研究价值。

灰度图像边缘提取方法综述

1、灰度图像边缘检测

1.1、边缘检测的步骤

1.滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折中。

2.增强:增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。

3.检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。

4.定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。在边缘检测算法中，前三个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向。

边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图像微分技术来获得边缘检测算子。经典的边缘检测方法，是通过对原始图像中像素的某小邻域构造边缘检测算子来达到检测边缘这一目的的。

2、几种边缘提取算子

2.1 Roberts算子

Roberts算子是一种利用局部差分算子寻找边缘算子，它由下式给出：[][]2

2

y

f

x

•

=y

y

x

f

y

x

g (2-1)

y

f

f

x

x

+

(

)1

,1

)

,(

+

)1

(

,1

+

)

+

,(+

•

,(

)

其中)

f和)1

y

x

,1

f分别为4领域的坐标，

(+

x

+y

(+

x

f、)

,

,

,1

(y

f+、)1

x

(y

且是具有整数像素坐标的输入图像；其中的平方根运算使得该处理类似于视觉系统中发生的过程。

Roberts算子是2

2⨯算子模版。图1所示的2个卷积被形成了Roberts算子，图像中的每一个点都用这两个核做卷积。