基于边缘检测算法对雾霾与失焦图片区分的研究

戴震

摘要：针对在监控系统中无法高效地区分图片的雾霾与失焦，该文提出一种基于Sobel和Canny相结合的边缘检测算法，首先对图片进行Sobel水平方向边缘检测，再运用Canny算法，最后通过计算二值图像中白色像素点个数来区分图片。该算法可以有效区分雾霾与失焦图片，适合运用于道路监控系统中对于雾霾和失焦的判断。

关键词：道路监控;雾霾与失焦;边缘检测

中图分类号：TP311        文献标识码：A        文章编号：1009-3044（2018）35-0182-02

1 概述

图片的边缘是非常重要的视觉信息，图片的边缘检测是图片处理及分析等相关技术处理的基本步骤。边缘检测的准确性会对图片后期处理的结果产生直接的影响，在现今各种边缘检测算法中，较为经典的有Prewit算子、Sobel算以及Canny算子。其中Sobel算子只对垂直和水平有很強的方向性[2]。本文在Sobel和Canny算子的基础上，提出一种检测图片雾霾与失焦的方法。该方法对区分图片雾霾和失焦有较好的鲁棒性。

2 Sobel边缘检测算法

Sobel算子通过一阶微分方程对图片边缘进行提取。其中函数的变化通过梯度来度量，而图片可以表示为灰度连续函数的取样点数组。所以梯度的离散逼近函数可以用来检测灰度值的显著变化。

其中如下数学表达式表示了两个3*3矩阵被用在Sobel算子中来对原图片进行卷积运算，以此来计算不同方向的灰度差分的估计值。

对于图像中的每个点，可以通过如下公式得到最后该点的灰度大小：

最后我们只需设置一个阈值Gmax，如G大于Gmax，则认为它是该图片中的一个边界点。

3 Canny边缘检测算法

Canny边缘检测是一个多级边缘检测算法。对比于其他边缘算子，Canny运算较为复杂，但是图像边缘处理的结果好于其他边缘检测算子。Canny边缘检测算子有几个核心步骤：①使用高斯滤波器对图像进行噪声过滤并消除;②用一阶偏导的有限差分计算梯度的幅值和方向;③应用非极大值抑制来消除边缘检测带来的影响;④用双阈值来检测真实或潜在边缘;⑤采用高斯平滑函数[1]。

其中2个阈值为高阈值和低阈值，高阈值控制图片强边缘的初始分割，低阈值控制图片边缘连接。

4 基于Sobel和Canny算子的雾霾与失焦图片区分

该方法具体过程为：首先对输入图片用Sobel进行水平方向边缘检测，然后再选取合适的阈值对处理后的图像进行Canny边缘检测，最后计算结果的二值图像中白像素点个数来区分图片。

对于Canny检测，第一步为防止图片噪声对边缘产生影响，须对噪声进行滤除，本文采用大小为（2k+1）*（2k+1）的高斯滤波器核的高斯滤波器对图像进行积卷处理，方程式为：

第二步根据平滑后的图像计算水平和竖直方向的一阶导数（梯度），得到边界的梯度和方向。

第三步对梯度图各个像素运用非极大值抑制（对整幅图进行扫描），剔除非边界点。如图所示对每一个像素进行检查。

第四步在运用非极大值抑制之后，剩余的像素可更好地表示图片中的边缘。不过依旧会存在由于噪声等因素引起的边缘像素。所以在实际操作中选择高低阈值来解决杂散响应，其中用弱梯度值过滤边缘像素，并保留具有高梯度值的边缘像素。如其梯度值高于高阈值，则记录为强边缘像素;如其梯度值小于高阈值并且大于低阈值，则记录为弱边缘像素;如其梯度值小于低阈值，则会被抑制。其中双阈值代码思路如下。

if [Gp] ≥ HighThreshold

[Gp] is an strong edge

else if [Gp] ≥ LowThreshold

[Gp] is an weak edge

else [Gp] is suppressed    （7）

为了验证结果，本文采用多幅监控拍摄的图像，并裁剪掉水印部分以消除对结果的影响。下图分别为雾霾及失焦图片，以及在使用Canny边缘检测算法之后的效果图。在本文Canny算子中，Sigma为1.4，EdgeRatio为0.4[3]。

通过Canny边缘检测无法区分雾霾与失焦图片，因而本文在对图片进行Canny算子边缘检测前，加入Sobel水平方向边缘检测，对图片进行处理，结果如下所示。

5 结论

本文针对现实生产生活中对雾霾与失焦图片区分研究不足的情况，提出一种Sobel与Canny算子相结合的边缘检测方法。实验表明，该方法通过选定合适的像素阈值，可有效地区分雾霾与失焦图片，并在阈值60的前提下，对27张图片进行区分，成功率达93.5%。本文的不足在于没有对算法进行优化，也没有着重优化对参数阈值的选取，今后对这方面还需进行进一步研究。

参考文献：

[1] 许宏科，秦严严.一种基于改进Canny的边缘检测算法[J].红外技术，2014（3）：210-214.

[2] 袁春兰，熊宗龙.基于Sobel算子的图像边缘检测研究[J].激光与红外，2009（1）：85-87.

[3] John Canny， A Computational Approach to Edge Detection[J].IEEE，1979（11）：679-698.

[通联编辑：代影]