常珈銘 李維軍 石成江（遼寧石油化工大學(xué)，遼寧 撫順 113001）

?

基于MATLAB數(shù)字圖像的邊緣檢測探究

常珈銘 李維軍 石成江
（遼寧石油化工大學(xué)，遼寧 撫順 113001）

摘 要：隨著MATLAB數(shù)字圖像的邊緣檢測技術(shù)不斷發(fā)展，其已廣泛用于國內(nèi)外工程技術(shù)、遙感、林業(yè)、醫(yī)學(xué)等各個領(lǐng)域?；诖?，本文首先介紹了MATLAB軟件的特點，并對基于MATLAB數(shù)字圖像的邊緣檢測的功能、算法及其圖像的處理過程進行相關(guān)探究。

關(guān)鍵詞：MATLAB；數(shù)字圖像；邊緣檢測

一般來說，數(shù)字圖像的邊緣信息是極其重要的，該信息是提取一個圖像特征的重要屬性，同時可更加方便地對數(shù)字圖像的邊緣信息進行比較和量化，適合對圖像中各物體的具體位置進行檢測和確定。因此，對基于MATLAB數(shù)字圖像的邊緣檢測進行相關(guān)的探究是有必要的，有利于我們提取更好、更為精確的圖像特征。

1 MATLAB技術(shù)特點

MATLAB是由Math Works公司開發(fā)出的一種用于可視化圖形處理和數(shù)值計算的程序化設(shè)計語言，這種編程語言操作簡單、高效，且功能強大。MATLAB軟件是一種將矩陣運算、數(shù)值分析、信號處理、圖形圖像處理和仿真集于一體的軟件，也是國際上公認的一種優(yōu)秀的數(shù)學(xué)應(yīng)用軟件。在MATLAB軟件中有功能性工具箱和學(xué)科性工具箱，它的功能性工具箱主要是用來擴充其圖示建模仿真功能、符號計算功能、文字處理功能等內(nèi)容；而它的學(xué)科性工具箱具有較強的專業(yè)性，如統(tǒng)計工具箱、優(yōu)化工具箱、控制工具箱、圖像處理工具箱、小波工具箱及通信工具箱等。

2 圖像邊緣檢測的功能與算法

在MATLAB軟件中，函數(shù)一階導(dǎo)數(shù)的極值點會與函數(shù)二階導(dǎo)數(shù)的拐點和零交叉點的平滑信號相對應(yīng)。目前，常用的圖像邊緣檢測算法主要有高斯-拉普拉斯（LOG）算子、Sobel算子、Canny算子等。

2.1 高斯-拉普拉斯（LOG）算子

高斯-拉普拉斯（LOG）算子是一種既具有圖像平滑功能，又具有邊緣增強功能的二階微分算法。該方法先利用二維的高斯算子對數(shù)字圖像進行最佳的平滑處理，而后再利用二維拉普拉斯算子找出平滑圖像的陡峭邊緣，對平滑數(shù)字圖像的邊緣進行增強處理。高斯算子是利用高斯函數(shù)的形狀對模版權(quán)值進行選擇的線性平滑的濾波處理方法；拉普拉斯算子則是利用一種二階微分算子，找出數(shù)字圖像的陡峭邊緣，結(jié)合高斯算子平滑處理的圖像，利用零灰度值進行二值化，進而產(chǎn)生連通、閉合的圖像邊緣。

2.2 Sobel算子

Sobel算子主要是利用一階導(dǎo)數(shù)對數(shù)字圖像求梯度，并以導(dǎo)數(shù)的極值設(shè)定圖像的邊界，突出數(shù)字圖像的邊緣，如圖1所示。眾所周知，數(shù)字圖像梯度是有方向的，且與數(shù)字圖像邊沿方向總是呈現(xiàn)正交狀態(tài)。在邊緣檢測中，Sobel算子一般分為兩種，一種是用來檢測圖像水平邊沿，而另一種則是用來檢測圖像垂直邊沿。在使用Sobel算子算法對圖像進行邊緣檢測時，可對圖像上下左右四個鄰近像素進行加權(quán)平均來提高邊緣檢測的效果。

2.3 Canny算子

Canny算子的算法是利用高斯平滑濾波器對圖像進行平滑，除去噪聲，然后再采用一階偏導(dǎo)的有限差分來計算圖像梯度的方向和幅度值，在對極大值采取抑制的過程后，采用兩個閥值來連接圖像的邊緣，以達到邊緣檢測的目的。

3 基于MATLAB的數(shù)字圖像處理過程

3.1 圖像類型的轉(zhuǎn)換

MATLAB軟件可支持多種不同類型的圖像，如灰度圖像、索引圖像、二進制圖像等，在對一些圖像進行處理操作過的程中，對圖像的處理具有各種不同的要求，故在處理過程中難免會涉及不同類型圖像的轉(zhuǎn)換。在MATLAB軟件圖像處理的工具箱中，提供了各種不同的圖像類型的轉(zhuǎn)換函數(shù)供用戶選擇使用，如rgb2gray（）函數(shù)，該函數(shù)可將彩色圖像轉(zhuǎn)換為灰度圖像，而利用gray2ind（）函數(shù)可將二值圖像或灰度圖像轉(zhuǎn)換為索引圖像。在利用MATLAB軟件對圖像的類型進行轉(zhuǎn)換時，常出現(xiàn)數(shù)據(jù)類型不匹配的情況，對此，MATLAB軟件在其工具箱中又提供了各種可對數(shù)據(jù)類型進行轉(zhuǎn)換的函數(shù)，如double（）函數(shù)，該函數(shù)可將源數(shù)據(jù)轉(zhuǎn)換為雙精度類型的函數(shù)。

3.2 圖像增強

圖像的增強主要是為了在突出數(shù)字圖像中的重要信息的同時對無關(guān)的信息進行減弱或消除。圖像增強技術(shù)可不考慮數(shù)字圖像降質(zhì)的原因，直接衰減掉圖像中無關(guān)的信息。目前，數(shù)字圖像的增強方法主要有：（1）空間域法?？臻g域法就是直接在空間域內(nèi)處理數(shù)字圖像的灰度系數(shù)，這是一種直接的圖像增強的方法，空間域法由灰度級校正、灰度變換、直方圖修正等環(huán)節(jié)完成。（2）頻率域法。頻率域法是先通過在圖像的變化域內(nèi)對圖像的變換系數(shù)值進行一定的修正和調(diào)整，而后借助逆變換的方法使圖像達到增強的效果。頻率域法是一種間接的圖像增強方法，如同態(tài)圖像增強、低通濾波等方法均屬于頻率域法這一類。

圖1 Sobel算子模板

3.3 圖像分析

圖像分析是指對數(shù)字圖像進行描述，用符號或者一組數(shù)對圖像中目標區(qū)域的性質(zhì)、特征及相互之間的關(guān)系進行描述，為圖像的模式識別提供了可靠的基礎(chǔ)。邊緣檢測是進行數(shù)字圖像分析的重要內(nèi)容，在數(shù)字圖像的圖像分割、區(qū)域形狀提取、目標區(qū)域識別等圖像分析領(lǐng)域內(nèi)，邊緣檢測技術(shù)起著十分重要的基礎(chǔ)作用，同時，在影像中提取一個圖像的基本特征是邊緣檢測中圖像識別的基本屬性?；贛ATLAB圖像分析中的邊緣檢測是通過圖像的邊緣提取方法進行分析的，該方法主要包括邊緣連接和邊緣檢測兩個相對獨立的階段。邊緣檢測的實質(zhì)就是對一種像素特性不連續(xù)的影像進行分割，這主要是由于邊緣的存在使圖像像素的灰度值不連續(xù)，而這種不連續(xù)可使用一階或二階導(dǎo)數(shù)求法檢測出來。在邊緣檢測的方法中，最經(jīng)典也是最常見的就是利用原始圖像像素某鄰域考察灰度的階躍性變化，并根據(jù)邊緣鄰近的一階或二階導(dǎo)師的變化方向，構(gòu)造邊緣檢測算子。因此，邊緣檢測的目標就是利用一階或二階導(dǎo)數(shù)的零點或極值點建立邊緣檢測模型，其中一、二階導(dǎo)數(shù)可用微分算子進行計算，根據(jù)數(shù)字影像的特點，導(dǎo)數(shù)可利用差分近似微分進行計算。在圖像的邊緣檢測中，最常用就是微分算子邊緣檢測，主要有以上提到的高斯-拉普拉斯（LOG）算子、Sobel算子、Canny算子等方法。

4 基于MATLAB的數(shù)字圖像的邊緣檢方法對比

基于MATLAB的數(shù)字圖像的邊緣檢測技術(shù)一般是通過閥值來確定邊緣點的存在。因此，若圖像梯度的幅度值大于閥值，則可以確定在該點一定存在邊緣點，反之則沒有邊緣點。若出現(xiàn)閥值的選擇性很大，則可能在該點不能檢測出邊緣點；若出現(xiàn)閥值很低，則可能將很多檢測出的噪點誤認為是邊緣點。因此，在進行圖像的邊緣檢測時，應(yīng)選擇合理的閥值。根據(jù)相關(guān)圖像邊緣檢方法的實驗對比顯示，Robert算子在邊緣檢測的結(jié)果定位精度較高，但是圖像邊緣較粗，邊緣定位并不清楚；而Sobel算子對圖像的邊緣定位比較準確與完整，具有一定的抗噪力，但是檢測出的邊緣較寬，可能存在偽邊緣的現(xiàn)象，使其邊緣定位的精度降低，視覺效果較差；高斯-拉普拉斯（LOG）算子先通過高斯低通濾波器對數(shù)字圖像進行提前的平滑處理，然后用拉普拉斯算子找出數(shù)字圖像中的陡峭邊緣區(qū)域，這就可以較好地解決拉普拉斯算子抗噪能力較差的問題；Canny算子則采用高斯函數(shù)對數(shù)字圖像進行平滑處理的技術(shù)，與高斯-拉普拉斯算子一樣具有較強的抗干擾能力，在進行實際圖像邊緣檢測時，能夠較為準確地檢測出圖像的邊緣，獲得豐富的圖像信息，同時檢測出具體的弱邊緣信息。

結(jié)語

數(shù)字圖像的邊緣檢測既是數(shù)字圖像處理中的一個重要環(huán)節(jié)，也是一個較為復(fù)雜的問題。利用MATLAB軟件對數(shù)字圖像進行邊緣檢測，可根據(jù)實際的需求選擇合適的邊緣檢測方法，考慮各種方法的優(yōu)點、缺點以及檢測的效果來保證分析圖像的質(zhì)量。近年來，隨著數(shù)學(xué)理論和計算機技術(shù)的快速發(fā)展，專業(yè)領(lǐng)域內(nèi)逐漸出現(xiàn)了模糊理論、小波變換、神經(jīng)網(wǎng)絡(luò)等新的邊緣檢測方法。在實際運用中，我們應(yīng)根據(jù)實際的需求和工程背景選擇合理的邊緣檢測方法，以達到更好的數(shù)字圖像處理效果。

參考文獻

［1］韋煒.常用圖像邊緣檢測方法及Matlab研究［J］.現(xiàn)代電子技術(shù)，2011（4）：91-94.

［2］王磊.基于MATLAB的數(shù)字圖像處理［J］.蘇州市職業(yè)大學(xué)學(xué)報，2009（2）：53-56.

中圖分類號：TP391

文獻標識碼：A