基于混合滤波器的改进Canny算子图像边缘检测

梁辰　张文博　高鑫

摘 要：经典的Canny算子在边缘检测时，首先会采用高斯滤波对图像进行平滑处理，但该滤波方法并不能很好地去除图片中的椒盐噪声，当图片中椒盐噪声过多时，检测效果不理想。为了解决此问题，文中在图像平滑阶段提出了一种基于均值滤波和中值滤波的混合滤波器，对图像进行平滑处理，在MATLAB环境下仿真实现，仿真结果表明，混合滤波器在平滑图像上表现良好。

关键词：图像平滑;边缘检测;Canny算子;混合滤波;MATLAB;椒盐噪声

中图分类号：TP751.1文献标识码：A文章编号：2095-1302（2020）07-00-03

0 引 言

图像是对客观对象的一种描述，是人类视觉的基础，也是人类在社会生活中最常见的信息载体之一。随着计算机技术的飞速发展，数字图像随之诞生。数字图像是在计算机内存储数据来记录图像，而数字图像处理技术是一种处理数字图像的技术，遍布在我们生活的各个领域。通过研究人类视觉感官可以发现，图像的边界能够帮助人们更好地识别图像，通过图像的轮廓，人们可以快速识别图像所要描绘的物体，而帮助人们识别图像的轮廓，即为图像的边缘。边缘检测作为人类识别物体的重要手段之一，对图像边缘的研究已经有较长的历史。边缘检测技术于1959年被提出，但实际研究是1965年由L.GRoberts着手。至此之后，众多在边缘检测领域的研究者提出了许多新理论和新技术，但直到现在仍然没有一种能够完全符合人们要求的完美算法，因此依然有许多专家、学者在研究这一课题，并且不断有新的理论和方法被提出。

1 边缘检测概念与步骤

图像边缘实质上是图像灰度值变化剧烈的部分，所以图像的边缘检测就意在提取这些灰度变化剧烈的点，然后将这些位置的点连起来构成图像边缘[1-2]。

边缘检测包括滤波、增强、检测、定位，具体过程如图1所示。

（1）滤波：由于图像不可避免地会受到噪声的影响，所以在检测之前需要通过滤波器平滑待检测图像，去除噪声对检测的影响;

（2）图像的边缘增强：图像增强的目的是对待检测图像灰度值相差较大的地方突出强调，从而将图像边缘部分突出;

（3）图像的边缘检测：将图像灰度显著变化的点提取出来，构成边缘图像;

（4）图像边缘定位：连接检测到的边缘点，得到图像边缘。

Canny边缘检测算法于1986年John Canny在其论文《A Computational Approach to Edge Detection》中提出，它的实现主要包括以下几个步骤[1]。

（1）采用高斯滤波器平滑图像，消除噪声对检测的影响。

（2）计算图像中每个像素点的梯度强度和方向。

（3）对图像进行非极大值抑制，将当前像素点和其左右相邻的两个像素点进行比较，若当前像素点大于左右两个相邻像素点，则将该点定为边缘点，否则该点将被抑制为非边缘点。

（4）在对图像进行非极大值抑制处理后，剩余像素点可以准确代表图像的边缘，但由于平滑噪声不彻底，图像中还会存留一些虚假边缘，为了剔除这些虚假边缘，需要进行双阈值检测。首先设定低阈值TL和高阈值TH，然后将边缘像素的梯度幅值G和双阈值进行对比，若G>TH，则将该点设定为强边缘点;若TH >G>TL，则将该点设置为弱边缘点;若TL>G，则将该点剔除，设定为非边缘点。依次遍历剩余像素点，连接左右边缘点，形成边缘图像。

Canny算子边缘检测流程如图2所示。

2 混合滤波器设计及算法实现

2.1 混合滤波器设计

经典的Canny算子在边缘检测时首先会用高斯滤波对图像进行平滑处理，但该滤波方法并不能很好地去除图片中的椒盐噪声，当图片中椒盐噪声过多时，检测效果不佳，为了解决此问题，本文提出了一种基于均值滤波和中值滤波的混合滤波器代替高斯滤波对图像进行平滑处理。

（1）混合滤波器

均值滤波是一种线性平滑技术，算法思想为给定一个目标像素点，在其邻域内（一般为其周边8个像素点），用8个

本文提出的改进算法将均值滤波的输出作为中值滤波的输入。改进算法降噪流程如图3所示。

2.2 算法改进

改进算法的思想在于选用混合滤波器代替经典Canny算法中的高斯滤波器对图像进行平滑处理。算法实现步骤如下：

（1）混合降噪;

（2）计算图像的梯度幅值和方向;

（3）对图像进行非极大值抑制;

（4）双阈值检测，连接边缘;

（5）得到边缘图像。

算法实现流程如图4所示。

2.3 仿真与实验结果分析

本次实验环境：在MATLAB 2016下对同一幅图像在有噪声和无噪声两种条件下运用算法进行检测，对比检测结果，发现密度为0.01的椒盐噪声。

传统的Canny算法与改进算法的实验结果如图5所示。

从实验结果可以看出，在无噪声条件下，改进算法与经典的Canny算法检测结果几乎一致，当加入大量椒盐噪声时，改进算法表现较好，不仅去除了椒盐噪声，边缘检测质量也较为理想。而传统Canny算法由于对椒盐噪声去噪能力欠佳，将大量椒盐噪声误检测为圖像边缘。算法客观评价标准见表1所列。

3 结 语

为了解决传统高斯滤波椒盐噪声去噪能力差的问题，本文在Canny算子的检测步骤中用混合滤波器代替传统的高斯滤波。从实验结果可以看出，改进算法在无噪条件下与传统Canny算子的检测结果近乎一致，当添加椒盐噪声后，改进算法较传统Canny算子呈现出较大优势。

尽管改进算法对椒盐噪声的处理具有很大优势，但在实际检测过程中，图像中的噪声较为复杂，不限于椒盐噪声，如何选取一种滤波器使其能够处理多种复杂噪声是今后研究的方向。

注：本文通讯作者为梁辰。

参考文献

[1] CANNY J F.A Computational approach to edge detection [J]. IEEE trans. pattern analysis and machine intelligence，1986（8）：679-714.

[2] LIU Qingmin，ZHANG Lei，LI Xue. Improved canny image edge detection algorithm for chip image [J]. Computer engineering and design，2016，37（11）：3063-3067.

[3] CHEN X F，GUAN H B，GU J N，et al. A study and improvements on Canny algorithm [J]. Advanced engineering forum，2012，6（9）：205-209.

[4] [US] Rafael C Gonzalez，Richard E Woods. Digital image processing （Third Edition）[M]. Ruan Qiuqi，Ruan Yuzhi，et al.Beijing： Electronic Industry Press，2011.

[5] ZHANG Yujin. Computer vision course [M]. 2nd Edition.Beijing： Peoples post and Telecommunications Press，2017.

[6] Deng Qianwei. Research on the improvement and application of image edge detection algorithm [D]. Changsha： Hunan Normal University，2016.

[7] XU Deming，WAN Changlin. Noise resistant canny improved edge detection algorithm [J]. Computer system application，2017，26（1）：201-205.

[8] DUAN Jun，ZHANG Bo. Research on improved Canny operator edge detection algorithm [J]. Software guide，2018，17（10）：68-71.

[9] DUAN Suolin，YIN Congcong，LI Dawei.Improved adaptive Canny edge detection algorithm [J]. Computer engineering and design，2018，39（6）：1645-1652.

[10]王佐成，刘晓东，薛丽霞.Canny算子边缘检测的一种改进方法

[J].计算机工程与应用，2010，46（34）：202-204.

[11]王植，賀赛先.一种基于Canny理论的自适应边缘检测算法[J].计算机图像图形学报，2004，9（8）：957-962.

[12]薛丽霞，李涛，王佐成.一种自适应的Canny边缘检测算法[J].计算机应用研究，2010，27（9）：3588-3590.