0 引 言
边缘是图像最基本的特征,图像的轮廓、细节基本都存在于图像的边缘部分,它是图像
的最基本特征,在图像分析中借助它能大大地减少所要处理的信息,又保留了图像中物体的
形状信息
[1-3]
。因此,边界检测在图像处理、模式识别和机器视觉等领域中有很重要的作用,
它是底层视觉处理中最重要的环节之一。边缘能勾画出目标物体,使观察者一目了然, 边缘
蕴含丰富的内在信息(方向、阶跃性质和形状等)。从本质上来说,图像边缘是图像局部特征
不连续性(灰度突变、颜色突变和纹理结构突变等)的反映,它标志着一个区域的终结和另
一个区域的开始。
两个具有不同灰度值的相邻区域之间总存在边缘,边缘是灰度值不连续的结果,这种不
连续性通常可以利用求导数的方法方便地检测到,一般常用一阶导数和二阶导数来检测边缘。
边缘检测的基本思想是首先利用边缘增强算子,突出图像中的局部边缘,然后定义像素的“边
缘强度”,通过设置门限的方法提取边缘点集
[4-5]
。经典的边缘检测方法是对原始图像中像素
的某小邻域来构造边缘检测算子。常用的边缘检测算子有 Sobel 算子、Robert 算子、Prewitt
算子、LOG 算子和 Canny 算子。边缘检测的设计大多基于 Matlab 软件设计的,这与工程化
还有一定的距离。针对这一不足,提出了基于CCS 的数字图像边缘检测的设计,为图像处理
提供了一种硬件设计的方法。
1 Sobel 算子+-+
Sobel 算子是一个梯度算子,一幅数字图像的一阶导数是基于各种二维梯度的近似值
[6-7]
。
图像
f (x, y)
在位置
(x, y)
的梯度由式(1)定义
f
G
x
x
f
(1)
G
y
f
y
该算法是在图像空间利用两个方向模板与图像进行邻域卷积来完成的。这两个方向模板
一个检测垂直边缘,一个检测水平边缘。模板内的数字为模板系数,梯度方向与边缘方向总
是正交垂直的。
1 0 1
(2)
M
A
2 0 2
1 0 1
式(2)为水平梯度方向,用于检测垂直边缘。