基于改进Canny算子的图像边缘检测方法

魏晴霞

摘 要:针对Canny算子在图像边缘检测中算法鲁棒性差的问题,提出了一种改进的Canny算子并将其应用于图像边缘检测,新的算子利用平滑后对图像进行灰度拉伸的预处理,利用遗传算法求阈值,从而得到较为理想的图像边缘。仿真实验结果表明,改进后的Canny算子能有效检测到图像中的细节梯度,并去除了伪边缘和噪声边缘。

关键词:Canny算子边缘检测灰度拉伸遗传算法

中图分类号:TP391.4 文献标识码:A 文章编号:1674-098X(2012)06(a)-0028-01

近些年来,随着一些新的数学理论及数学工具在图像处理中的新应用,由此学者们提出了一些新的边缘检测方法,例如:基于小波变换的方法、数学形态学方法、模糊理论和神经网络等边缘检测法[2-3]。

然而,就现有的图像边缘检测算子而言,Canny算子是效果最好且最具实用性的一个边缘检测算子。然而,Canny算子也具有缺陷[4-5],主要表现在对噪声较为敏感,边缘检测鲁棒性较差,检测到的图像边缘常常含有较多的伪边缘。为了克服这一难题,提出了一种改进的Canny边缘检测方法,与经典的Canny算子相比,新的Canny边缘检测算子具有更好的边缘检测结果和较高的鲁棒性。

1 改进后的Canny算子

1.1 图像预处理

图像预处理重要是对图像的滤波,其结果是可以平滑图像中的各种噪声,使图像更清晰,便于后续步骤的处理。然而,图像滤波在平滑噪声的同时也会导致一些边缘细节变得比较模糊,从而导致在后续的图像处理过程中难以深层处理。基于该原因,在图像滤波后,我们需要对图像进行灰度拉伸处理,以使图像的灰度分布范围变宽,从而增强图像对比度和边缘变化速率。具体处理如公式1:

(1)

其中,==255。和均为常数。

1.2 遗传算法求取阈值

由于经典的边缘检测算子中Canny算子是性能最好的,然而,该算子性能受参数和阈值、的影响。对于细节较为粗糙的图像而言,较小可以得到较为平滑的处理效果,而对于细节信息较多的图像而言,取值较大。在本文实验中,取值为1。

在实际的图像处理中,由于受光照影像的图像是一类重要图像,图像特点是灰度分布并不均匀。针对该类型图像而言,如果我们选择的阈值较大,则图像中的部分细节边缘丢失。而如果选择较低的阈值,则会导致较多的伪边缘出现。显然,在Canny边缘检测算子中,尽管双阈值法能够提高边缘检测的鲁棒性,但边缘检测结果受阈值选择的影响较大,而对不同类型的图像选取不同的阈值是一件较为困难的工作。本文中,采用二次寻优的遗传算法,通过反复迭代处理的方法获取最优阈值(,同时低阈值的选择:,),能够得到较为理想的边缘检测结果。

2 仿真实验结果

为了验证本文算法的性能,仿真实验选用“rice”图像作为测试图像。在用遗传算法寻取最优阈值的过程中,我们采用8位长的自然编码方式,参数和分别取0.85和0.02。而第二次尋优初始种群的生成范围为第一次寻优结果的半径为50的邻域内即A=50。

基于本文提出的改进Canny算子的边缘检测方法,我们可以获取更为理想的边缘检测结果。对于阈值的确定,由于采用了遗传算法,因此每次都能给出全局的最优解。与经典的方法相比,本文提出的方法优势在于迭代次数较少(小于7次),且计算复杂度较低,从而保证了边缘检测方法的实时性。

3 结语

图像边缘是图像最基本的特征之一,在图像分析和理解、计算机视觉和模式识别中均具有重要作用,它是图像分析及处理的后续步骤的前提和基础。本文的贡献在于针对传统的Canny边缘检测算子进行了分析,找到了算子存在的问题并给出了新的改进方法,首先利用灰度拉伸方法改善了差分背景图像边缘检测效果,其次通过遗传算法产生了是影响较好的阈值,新的方法不需要过多的人机交互,同时由于二次寻优的遗传算法迭代次数少,从而提高了阈值选取的精度和速度。

参考文献

[1] 章毓晋.图像分割[M].北京:科学出版社,2001:198～267.

[2] 王树文,闫成新,张天序,赵广州.数学形态学在图像处理中的应用[J].计算机工程与应用,2004,32:89～92.

[3] 王忠华,汪胜前,邓承志,等.基于层间相关性的小波边缘检测[J].江西师范大学学报(自然科学版),28(5):379～381.