基于改进Sobel算子的红外图像边缘提取算法

夏 清，张振鑫，王婷婷，王亚云，石娟娟

(1．中国矿业大学(北京)土地复垦与生态重建研究所，北京100083;2.中国矿业大学(北京)地球科学与测绘工程学院，北京100083)

1 引言

温度是表征物质状态的重要参数，红外热像仪具有对温度探测灵敏度高、测温准确、可靠性强等特点。因此，近年来，利用红外热像仪对温度进行探测已然成为研究热点之一。随着红外技术的迅速发展，红外热像仪测温技术已广泛应用于国民经济各个部门，它在无损探测、医疗诊断、故障检测、森林防火、煤矸石山治理等领域中获得了越来越多的应用［1－3］。边缘是图像的最基本特征，因此，图像边缘检测的好坏直接影响后续的图像解译与识别。目前，经典的边缘检测算子有:Sobel算子、Roberts算子、Prewitt算子、GaussLaplace算子和Canny算子等 。但由于红外热像仪图像的成像机理、成像系统特性及图像显示多样性等原因，将经典算子应用到红外热像仪图像(以下称其为热红外图像)上有一定的局限性，不能将目标区域更好地提取出来。因此，突出热红外图像中感兴趣的温度区域、削弱或去除某些不需要的信息、提取热红外图像边缘信息是图像处理中必不可少的重要环节［6－8］。针对上述特点，本文提出一种基于Sobel算子梯度相乘的热红外图像边缘提取算法，该算法能够极大地提高图像观测效果。

2 红外热像仪测温原理及图像特征

自然界中一切温度高于热力学零度的物体每时每刻都在以电磁波的形式向外辐射能量，其辐射能包括各种波长，其中波长范围在0.76～1000 μm之间的称为红外光波。红外光具有很强的温度效应，红外热像仪正是利用这种特性对温度进行探测的。红外热像仪测温技术是利用传感器将接收到的红外波段热辐射能量转换成电信号，然后经放大处理、整形、数/模转换后成为标准视频信号，经过运算，最后通过屏幕将被测目标的红外热像图以伪彩色形式显示出来，从而得到被测目标的温度分布场［9－10］。

热红外图像中每一个点的伪彩色值与被测物体上该点发出并到达光电转换器件的辐射能量相对应，因此，红外热像仪不仅能够获得被测目标表面热场分布的图像，而且还可以精确地得出每个像素点对应的温度测量值［11］。但是，通过红外热像仪获取的热红外图像也有其自身特征:①能够显示被测目标区域的可见光图像、热红外图像;②热红外图像中的每个像素点均以色彩空间中的RGB值来显示;③根据感兴趣的温度范围或目标区域，调节颜色显示条，使目标区域突出显示;④能够导出热红外图像中每个像素点的温度值表。

3 经典的Roberts和Sobel边缘检测算子

Roberts算子是基于一阶微分的边缘检测算子，任意一对相互垂直方向上的差分可以看成是梯度的近似求解，Roberts算子就是利用上述原理，即用对角线上相邻像素之差来代替梯度进行求解。

如果 fx=f(i，j)－ f(i+1，j+1)，fy=f(i，j+1)－f(i+1，j)，则fx和fy的卷积算子分别为:

Sobel算子是一个梯度算子，一幅数字图像的一阶导数是基于各种二维梯度的近似值，其定义如下:

Sobel算子水平方向和垂直方向的卷积算子分别为:则梯度幅值为，为计算简便，可近似为选取适当阈值τ并进行判断，如果 G(i，j)＞ τ，则(i，j)为边缘点，所得边缘点的集合即为边缘提取图像［14－15］。

4 本文算法的具体实现与结果分析

本文采用的是320×240非制冷焦平面红外热像仪TH9100MV/WV获取的热红外图像，利用该仪器的配套软件，不仅能够显示被测目标的可见光图像，而且能显示对应目标的表面温度场图像，还能够导出目标图像每个像素点对应的温度测量值。但是，由于测量时热红外图像的整个温度范围往往不是被测目标的温度范围，而是更大，这样就会导致被测目标的温度范围内的温度值接近的点颜色差异较小［16］。此时，就要人工手动调节颜色显示条，使感兴趣的目标区域或温度范围能突出显示，使其更清晰的突出显示在图像上，但每调节一次颜色显示条，温度区域的颜色显示改变，而且目标区域的边缘也会随之而改变，此时，若将图像输出，利用经典的Sobel算子边缘检测算法，直接对整幅热红外图像进行边缘提取，不能有效地将感兴趣的被测目标边缘从背景中检测出来，会产生不同的边缘提取结果。图1所示为同一幅热红外图像，根据目标区域不同调节颜色显示条，利用经典的Sobel算子对两幅图像进行边缘提取，得出边缘提取图像。

图1 热红外图像及对应的Sobel算子边缘提取图像

从图1中可以看出，不同颜色条显示的热红外图像如果直接进行边缘提取，产生了两种不同的边缘提取结果，根本无法准确地将感兴趣区域边缘从背景中检测出来，没有统一的标准，这就给后续的图像判读和识别增加了很多不确定性和不精确性。但是，一幅热红外图像不管以何种颜色和色彩模式显示，其每个像素点的温度值是固定不变的，导出热红外图像每个像素点的温度值，然后提取感兴趣的温度区域，再对其进行边缘提取，可以有效的解决上述问题。

4.1 改进的Sobel算子边缘提取算法

Sobel算子提取的图像边缘光滑、连续，对噪声具有平滑作用，能很好地消除噪声的影响，但是Sobel算子的缺点是检测的边缘较粗，定位不精确，只对水平和垂直2个方向的灰度梯度变化敏感，本文将方向模板由2个增加到8个，这样就可以更加有效地检测图像多个方向的边缘，使边缘提取信息更加完整;而Roberts算子定位精度高，但对噪声敏感，可以用Roberts算子优良的定位能力加以弥补，同时Sobel算子对噪声过于敏感的不足也可以利用Roberts算子的平滑能力来改善。

其算法具体实现如下:

1)导出热红外图像及其温度信息表，该温度信息表是一个具有320×240像素，并且每个像素点以温度值进行显示的图表，即f(i，j)=T，其中(0≤i＜320，0≤j＜240)，T为温度测量值，划定特定温度范围内的温度阈值，提取感兴趣的温度区域。这是为了去除图像中被测目标的背景或其他与被测目标无关且温度差异不明显的温度信息，消除后续对图像边缘检测的影响。

2)利用Roberts算子两个模板对图像f(i，j)逐点进行卷积运算，取2个模板处理结果中的最大值作为该像素点的输出值，得到一幅梯度幅值图像G1;

3)传统的Sobel算子卷积模板只有垂直和水平两个方向，其边缘有很强的方向性，为了能得到全方位的响应，在传统的Sobel算子基础上增加6个不同方向的模板，以的间隔依次递增旋转，得到分别

为0°、45°、90°、135°、180°、225°、270°、315°8 个方向的模板。模板如下面8个矩阵所示:

利用上述的8个方向模板对图像f(i，j)进行逐点卷积计算，选择8个模板处理结果中的最大值作为该像素点的新灰度值，得到一幅梯度幅值图像G2;

4)将G1和G2内的所有像素点的梯度值逐点对应相乘，得到新的梯度图像记为Gfinal;

5)为了得到图像边缘，选取适当阈值τ，对梯度图像Gfinal做阈值判决，使得Gfinal(i，j)＞τ，则认为点(i，j)就是边缘点，取所有边缘点的集合。采用二值图像显示提取的边缘，灰度值赋为1，显示为白色，最终得到边缘提取图像;若Gfinal(i，j)≤τ，则认为点(i，j)不是边缘点，灰度值赋为0，显示为黑色。

4.2 仿真实验与结果分析

为了对本文提出的边缘提取算法能够有一个直观而准确的认识，下面分别给出热红外图像、对应的可见光图像、Sobel算子提取图像及本文改进算法提取的图像，以方便对比与结果分析。原始图像为电路元件的一个组成部分，其最高温度为107.6℃，最低温度为26.9℃，假定取43℃以上的温度为感兴趣的高温阈值，提取高温区域，基于Matlab程序进行仿真实验，如图2所示。

图2 仿真实验

在图2中画定的椭圆形区域中，可以明显地看出:①Sobel算子提取的边缘轮廓不连续，出现断点，定位不精确，而且有些边缘多像素，边缘较粗;②用本文改进的算法首先能够提取出高温感兴趣的区域，滤除其他低温区域对边缘提取的影响;③由于Roberts算子具有良好的定位性能，通过和Sobel算子相乘，能够使真正的边缘像素的梯度值被增大，而其他像素的梯度值则被削弱，因此用基于Sobel算子梯度相乘的边缘提取算法检测边缘，将比Sobel算子提取的边缘具有更好的精度;④用改进的算法提取的图像轮廓线清晰，边界定位精确且连续性较好，相对于经典的Sobel算子，既包括了Sobel算子的边缘信息又能提取出更完整的边缘信息;⑤提取的大部分边缘为单像素的，边缘较细，图像边缘信息有明显地提高，极大地改善了图像质量。

5 结论

本文分析了红外热像仪的图像特点及Roberts算子和Sobel算子各自的优缺点，结合热红外图像自身的特点，在此基础上提出了一种基于Sobel算子梯度相乘的改进算法，该算法克服了Sobel算子进行边缘提取存在边缘粗糙、边缘信息不完整的缺点，仿真实验结果表明:该算法提取的图像边缘清晰、完整，边界定位准确，抗噪能力强，对热红外图像有较好的检测精度，是一种简单有效的边缘检测。

［1］ Nijhawan O P．Thermal imaging Technology［J］．The Indian scene．SPIE，1999，3898:97 －103．

［2］ Li Yunhong．Study on temperature measurement and application based on infrared thermal imager［D］．Harbin:Harbin Institute of Technology，2010．(in Chinese)李云红．基于红外热像仪的温度测量技术及其应用研究［D］．哈尔滨:哈尔滨工业大学，2010．

［3］ Liu Ying．Study on infrared camera image enhancement algorithm［D］．Cangchun:Jilin University，2007．(in Chinese)刘莹．红外热像仪中图像增强算法的研究［D］．长春:吉林大学，2007．

［4］ Li Xinfu，LIU Jiaomin．Edge detection on arc image of low volt-age apparatus［C］ //IEEE Proceedings of the Second InternationalConference on Machine Learning and Cybernetics，Xi'an，2003:2921 －2925．

［5］ Health A，Sarkar S，Sanocki T，et a．l Comparison of edge detectors:A methodology and initial study［J］．Computer Vision and Image Understanding，1998，69(1):36 －54．

［6］ Zhang Hui，Ma Mingjian．An blade edge-detection method based improved sobel operator［J］．Agricultural Mechanization Research，2012，(5):46 －48．(in Chinese)张辉，马明建．基于改进Sobel算法的叶片图像边缘检测［J］．农机化研究，2012，(5):46 －48．

［7］ Chen Yuyun．Grayscale image edge detection research［D］．Chengdu:University of Electronic Science and Technology of China，2009．(in Chinese)陈宇云．灰度图像的边缘检测研究［D］．成都:电子科技大学，2009．

［8］ Zhang Y H，Tan，G Y，Liu G J．Thermal imaging experimental research on temperature field for milling insert［J］．Key Engineering Materials，2009:392 －394．

［9］ Mei Yuesong，Yang Shuxing，Mo Bo．Improved edge detection algorithm based on canny operator［J］．Laser＆ Infrared，2006，36(6):501 －503．(in Chinese)梅跃松，杨树兴，莫波．基于Canny算子的改进的图像边缘检测方法［J］．激光与红外，2006，36(6):501 －503．

［10］ Sun Xiaogang，Li Yunhong．Review of the development of temperature measurement technology with infrared thermal imager［J］．Laser ＆ Infrared，2008，32(8):101 － 104．(in Chinese)孙晓刚，李云红．红外热像仪测温技术发展综述［J］．激光与红外，2008，32(8):101 －104．

［11］ Zhang Yong，Wang Xinsai，He Ming．The impact of distance on infrared accuracy and error correction［J］．Infrared，2011，32(2):24 －27．(in Chinese)张勇，王新赛，贺明．距离对红外热像仪精度的影响及误差修正［J］．红外，2011，32(2):24 －27．

［12］ Kang mu，Xu Qinggong，Wang Baoshu．A Roberts’adaptive edge detection method［J］．Journal of Xi'an Jiaotong University，2008，42(10):1240 －1244．(in Chinese)康牧，许庆功，王宝树．一种Roberts自适应边缘检测方法［J］．西安交通大学学报，2008，42(10):1240 －1244．

［13］ Moran M S．Thermal infrared measurement as an indicator of plant ecosystem health．USDA － ARS southwest watershed research center［J］．TusconArizona，2000，21:42 －48．

［14］ Zhang Jianjun，Luo Jing．A surface crack edge detection algorithm based on improved sobel operator［J］．Journal of Hefel University of Technology:Natural Science，2011，34(6):845 －847．(in Chinese)张建军，罗静．基于改进Sobel算子的表面裂纹边缘检测算法［J］．合肥工业大学学报:自然科学版，2011，34(6):845－847．

［15］ Zhang Jie．Study on digital image edge detection［D］．Hefei:Hefei University of Technology，2009．(in Chinese)张洁．数字图像边缘检测计算的研究［D］．合肥:合肥工业大学，2009．

［16］ Fu Guicui，Gao Zexi．Study on infrared thermal image fast processing of infrared TVS －2000［J］．Infrared and Laser Engineering，1998，27(6):12 －15．(in Chinese)付桂翠，高泽溪．TVS－2000红外热像仪图像信息的快速处理研究［J］．红外与激光工程，1998，27(6):12－15．