南春巖

摘 要：伴隨著圖像處理技術的不斷發(fā)展，對于目標圖像的邊緣檢測由像素級向亞像素級轉變，為了能夠得到目標圖像相對比較清晰的邊緣圖像，在本文中首先使用一種改進的數(shù)學形態(tài)學梯度算法對目標圖像進行像素級邊緣檢測，然后通過對已經(jīng)得到的像素級邊緣點進行樣條插值，最終完成亞像素邊緣檢測，通過實驗仿真能夠觀察出使用本文所研究檢測方法能夠得到清晰的邊緣圖像。

關鍵詞：形態(tài)學梯度 亞像素邊緣檢測 樣條插值

中圖分類號：TN911.73 文獻標識碼：A 文章編號：1672-3791（2017）10（a）-0020-02

目前對于圖像邊緣檢測度逐步提高，過去的像素級精度已經(jīng)不能夠滿足目前市場的要求，所以在本文中目標圖像的亞像素級邊緣檢測進行了研究，在本文中首先使用一種改進的形態(tài)學梯度算法對目標圖像進行像素級邊緣檢測處理，其次對像素級邊緣點使用三次樣條插值進行邊緣細化，最終達到目標圖像亞像素邊緣檢測。

1 改進的形態(tài)學梯度

數(shù)學形態(tài)學對于圖像可以達到像素級邊緣檢測，與此同時，數(shù)學形態(tài)學在對原始圖像進行邊緣檢測的同時還可以抑制圖像中的噪聲元素。單尺度形態(tài)學梯度的定義：

式中：為原始圖像；b為結構元素。

由于單尺度的形態(tài)學梯度受限于單一結構元素結構的大小，單尺度的結構元素的選取合適與否對原始圖像的邊緣檢測結果具有非常嚴重的影響，所以對單尺度形態(tài)學梯度進行改進。

式中：C1、C2為權系數(shù)；

為不同的結構元素相對應的改進形態(tài)學梯度。

通過改進后的形態(tài)學梯度能夠對目標圖像的邊緣達到像素級的標準，與此同時使用本文中所研究的算法能夠將目標圖像中的孤立噪聲點濾除掉，減少孤立噪聲點對于目標圖像邊緣檢測的影響。

2 三次樣條插值亞像素邊緣檢測方法

經(jīng)過上面的形態(tài)學梯度檢測算法可以將目標圖像的邊緣定位于像素級，為了能夠更加精確的定位目標圖像的邊緣信息，在本文中對像素級邊緣圖像進行三次樣條插值計算，最終得到目標圖像的亞像素邊緣圖像。

在本文中所使用的三次樣條插值函數(shù)的表達式為：

在本文中通過使用三次樣條插值對目標圖像在二維空間中進行亞像素邊緣檢測，示意圖如圖1所示。

3 實驗效果及結果分析

在本文中通過軟件分析仿真，將本文所使用的邊緣定位算法與傳統(tǒng)邊緣定位算法進行邊緣檢測效果比較，軟件仿真效果圖如圖2所示。

從以上的圖像邊緣定位效果能夠明顯的觀察出，采用本文所研究的邊緣檢測算法效果明顯好于其他兩種算法對目標圖像的邊緣定位。

4 結語

在本文中所研究的基于形態(tài)學梯度樣條插值亞像素邊緣檢測算法能夠精確的識別出目標圖像的邊緣亞像素信息，圖像邊緣檢測效果較好，基本上能夠滿足目前對于圖像邊緣檢測的要求。

參考文獻

[1] 原野，毛志成，肖舟，等.像素級多傳感器圖像融合技術分析[J].電子技術與軟件工程，2015（19）：126.

[2] 吳劍峰.亞像素級的精確測量技術研究[J].電腦知識與技術，2016（3X）：191-192.

[3] 羅秋棠.基于數(shù)學形態(tài)學的圖像處理算法[J].電子技術與軟件工程，2016（6）：80-81.

[4] 周樂前，郭斯羽，溫和，等.大結構元素二值形態(tài)學基本操作改進算法[J].計算機工程與應用，2016（1）：191-194.endprint