数字图像中边缘检测方法的研究
1 引言
图像处理,包括图像增强、噪声滤除和边缘检测等部分;图像信息量巨大,
而边缘信息是图像的一种紧描述,是图像最基本的特征,所包含的也是图像中用
于识别的有用信息。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些
像素的集合,为人们描述或识别目标以及解释图像提供了一个有价值的和重要的
特征参数,其算法的优劣直接影响着所研制系统的性能。理想的边缘检测应当正
确解决边缘的有无、真假、和定向定位,长期以来,人们已付出许多努力,设法
利用边界来寻找区域,进而实现物体的识别和景物分析,由于目标边缘、图像纹
理甚至噪声都可能成为有意义的边缘,因此很难找到一种普适性的边缘检测算
法,现有诸多边缘检测的方法各有其特点,同时也都存在着各自的局限性和不足
之处,因此图像的边缘检测这个领域还有待于进一步的改进和发展。而根据具体
应用的要求,设计新的边缘检测方法或对现有的方法进行改进,以得到满意的边
缘检测结果依然是研究的主流方向。
2 边缘检测的分类及方法研究
早在 1965 年就有人提出边缘检测算子,主要分为经典算子、最优算子、多
尺度方法及自适应平滑滤波方法,近年来又提出了将模糊数学、神经元和数学形
态学应用于边缘检测的思想。
2.1 经典算子
传统的边缘检测算法通过梯度算子来实现,在求边缘的梯度时,需要对每个
象素位置计算。在实际中常用小区域模板卷积来近似计算,模板是 N*N 的权值
方阵,经典的梯度算子模板:Sobel 模板、Kirsch 模板、Prewitt 模板、Roberts
模板、Laplacian 模板等,表 2.1 给出了经典算子运算速度的比较。
表 2.1 经典算子运算速度比较