前几天学习图像边缘检测,网上有博客介绍了一篇文章,可惜我看不到图片,所以下载了原文,并补充了图片。
几种边缘检测算子的评估
周道炳 朱卫纲 摘 要:对几种经典的边缘检测算子进行了理论分析,并对各自的性能特点作出了比较和评价。 Evaluation of Edge Detection Operator Zhou Daobing Abstract:This paper provides a theoretical analysis of classical edge detection operators. In this paper we compare with the capabilities and characteristics of those operators and give an evaluation about those operators. 图像最基本的特征是边缘,边缘是图像分割所依赖的最重要特征。经典的边缘检测方法,是对原始图像按像素的某领域构造边缘检测算子。本文就这些算子进行理论分析、实际验证并对各自性能特点作出比较和评价,以便实际应用中更好地发挥其长处,为新方法的研究提供衡量尺度和改进依据。 1 经典的边缘检测方法 经典的边缘检测是以原始图像为基础,对图像的各个像素考察它的某个领域内灰度阶跃变化,利用边缘邻近一阶或二阶方向导数变化规律检测边缘。常用的边缘检测方法有:差分边缘检测、梯度边缘检测、Roberts边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子、Laplace边缘检测算子等。 (1) 它们的卷积算子为 有了Δxf,Δyf之后,很容易计算出Roberts的梯度幅值R(i,j),适当取门限TH,作如下判断:R(i,j)>TH ,(i,j)为阶跃状边缘点.{R(i,j)}为边缘图像。 (2) 卷积算子为 适当取门限TH,作如下判断:S(i,j)>TH ,(i,j)为阶跃状边缘点.{S(i,j)}为边缘图像。 (3) 卷积算子为 适当取门限TH,作如下判断:P(i,j)>TH ,(i,j)为阶跃状边缘点.{P(i,j)}为边缘图像。 (4) 由于Laplace是二阶差分运算,因此,在灰度阶跃边缘的两侧均有响应。其值一边为正,一边为负,而对斜坡形边缘响应为零,即值为零,并且在此零值点的两侧也有一正一负两个峰值。不论是阶跃边缘还是斜坡边缘,这一正一负两峰值的大小及走向,反映了边缘的强弱及走向。 2 边缘检测方法性能比较 差分边缘检测方法是最原始、基本的方法。根据灰度迅速变化处一阶导数达到最大(阶跃边缘情况)原理,利用导数算子检测边缘。这种算子具有方向性,要求差分方向与边缘方向垂直,运算繁琐,目前很少采用。 3 实验结果及分析 以图1中的几种典型图形为例,分别用Sobel、Prewitt、Roberts和Laplace算子进行处理后结果如图2所示。 |
可以看出Roberts算子和Laplace算子定位精度较高;Roberts算子检测垂直和水平方向的阶跃边缘、线的效果比检测斜向阶跃边缘、线的效果好,保留住了矩形的角点,而Sobel和Prewitt算子则不及,尤其是Prewitt算子基本丢失了角点信息;Sobel和Prewitt算子检测斜向阶跃边缘、线的效果较好,保留住了三角形的角点;Prewitt算子因其所得幅值相对Sobel算子所得值要小,当选择较大的阈值时(TH=40),丢失了部分边缘信息,如图2(b)下部直角梯形的斜边丢失。
图 2 用Sobel、Prewitt、Roberts和Laplace算子处理的结果
对真实图形(加噪声)的处理:
图3(a)是一幅100×100,256级灰度图像,(b) 为加噪声后图像。分别用Sobel、Prewitt、Roberts和Laplace算子对(b)进行处理后的结果如图4所示。
图 3 原始图像和加噪声图像 |
图 4 分别用Sobel、Prewitt、Roberts和Laplace算子处理的结果 从以上结果可以看出:Roberts算子和Laplace 算子定位精度较高,但对噪声较为敏感;Sobel 算子和Prewitt算子对噪声具有较好的平滑作用. 4 结束语 有效图形边缘检测方法的研究具有特别重要的意义。本文的分析将有助于实际图形处理工作,并为新方法的诞生提供理论依据。 (责任编辑:傅鸿吉)■ 作者简介:周道炳 1966年生 讲师 硕士研究生 101416 北京 参考文献: [1]王润生. 图像理解.长沙: 国防科技大学出版社, 1994 |