图像边缘检测算法的设计和研究

图像边缘检测算法的设计和研究

２０１２年６月１日第３５卷第１１期

现代电子技术

ＭｏｄｅｒｎＥｌｅｃｔｒｏｎｉｃｓＴｅｃｈｎｉｕｅ　　ｑ

Ｊｕｎ．２０１２

Ｖｏｌ．３５Ｎｏ．１１

图像边缘检测算法的设计和研究

２３

，王耀文１，陈　强１，张小林１，

（西北工业大学，陕西西安　７西北工业大学第三六五所，陕西西安　７１．１００７２；２．１００７２；

）中国人民解放军９３．６６６９部队，北京　１０２２０８

摘　要：针对经典的边缘检测算法均涉及梯度的运算，存在对噪声敏感、计算量大等缺点的问题，为了找到一种检测效计算量相当的图像边缘算法，提出了只基于对周边像素的灰度比较，完全不涉及梯度运算的Ｓ果好、ＵＳＡＮ算法。主要研究了Ｓ并比较了主流的Ｐ经Ｍ确ＵＳＡＮ算法，ｒｅｗｉｔｔ算子，Ｇａｕｓｓｌａｌａｃｅ算子，Ｃａｎｎａｔｌａｂ仿真实验后，－ｐｙ算子的边缘检测算法，定该算法不需要计算微分，计算量小，进一步减少了噪声的影响，且Ｓ任意性较小，所以ＵＳＡＮ算子控制参数的选择很简单，比较容易实现自动化的选取，是一种非常有效的算法。

关键词：边缘检测；ＳＵＳＡＮ算法；Ｐｒｅｗｉｔｔ算子；Ｇａｕｓｓｌａｌａｃｅ算子；Ｃａｎｎ－ｐｙ算子

）中图分类号：ＴＮ９１１．７３３４　　　　　文献标识码：Ａ　　　　　文章编号：１００４３７３Ｘ（２０１２１１００６１０３－－－－

Ｄｅｓｉｎａｎｄｒｅｓｅａｒｃｈｏｆｉｍａｅｅｄｅｄｅｔｅｃｔｉｎａｌｏｒｉｔｈｍ　　　　　　ｇｇｇｇｇ　

１１２１３

，ＷＡＮＧＣＨＥＮ　ＱｉａｎＺＨＡＮＧＸｉａｏｌｉｎＹａｏｅｎ　－　－ｗｇ，

，

，

（，Ｘ’；，Ｎ，Ｘ’；１．ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｉａｎ７１００７２，Ｃｈｉｎａ２．３６５ＩｎｓｔｉｔｕｔｅｏｒｔｈｗｅｓｔｅｒｎＰｏｌｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｉａｎ７１００７２，Ｃｈｉｎａ　　　　　　ｙｙｙｙ

）３．Ｕｎｉｔ９６６６９ｏｆＰＬＡ，Ｂｅｉｉｎ１０２２０８，Ｃｈｉｎａ　　ｊｇ　

：，，ｒａｄｉｅｎｔＡｂｓｔｒａｃｔＳｉｎｃｅｔｈｅｃｌａｓｓｉｃｅｄｅｄｅｔｅｃｔｉｏｎａｌｏｒｉｔｈｍｉｓｉｎｖｏｌｖｅｄｉｎｔｈｅｃｏｍｕｔａｔｉｏｎｏｆｔｈｅｉｓｓｅｎｓｉｔｉｖｅｔｏｎｏｉｓｅ　　　　　　　　　　　　　　　　ｇｇｇｐ，，ｉｘｅｌｒａｓｃａｌｅａｎｄｈａｓａｌａｒｅａｍｏｕｎｔｏｆｃｏｍｕｔａｔｉｏｎｔｈｅＳＵＳＡＮａｌｏｒｉｔｈｍｔｈａｔｉｓｏｎｌｂａｓｅｄｏｎｃｏｍａｒｅｄｎｅｉｈｂｏｒｉｎｂｕｔ　　　　　　　　　　　　　　　ｐｇｙｇｐｇｙｐｇｇ　　ｎｏｔｉｎｖｏｌｖｅｄｉｎｏｅｒａｔｉｏｎａｔａｌｌｉｓｔｏｒｅａｌｉｚｅａｎｅｆｆｅｃｔｉｖｅｅｄｅｄｅｔｅｃｔｉｏｎｗｈｉｃｈｈａｓａｓｍａｌｌａｍｏｕｎｔｏｆｃａｌｃｕｌａｉｓｒａｄｉｅｎｔｒｏｏｓｅｄ　　　　　　　　　　　　　　　　　　　　　　－ｐｇｇｐｐｔｉｏｎ．ＴｈｅＳＵＳＡＮａｌｏｒｉｔｈｍｉｓｃｏｍａｒｅｄｗｉｔｈｏｔｈｅｒｍａｉｎｅｄｅｄｅｔｅｃｔｉｎａｌｏｒｉｔｈｍｓｓｕｃｈａｓｔｈｅＰｒｅｗｉｔｔａｌｏｒｉｔｈｍ，ｔｈｅＧａｕｓｓ　　　　　　　　　　　　　　　－ｇｐｇｇｇｇ　ＬａｌａｃｅａｌｏｒｉｔｈｍａｎｄｔｈｅＣａｎｎａｌｏｒｉｔｈｍ．ＴｈｅＭａｔｌａｂｓｉｍｕｌａｔｉｏｎｅｘｅｒｉｍｅｎｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅＳＵＳＡＮａｌｏｒｉｔｈｍｄｏｅｓｎｏｔ　　　　　　　　　　　　　　ｐｇｙｇｐｇ　，ｎｅｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｄｉｆｆｅｒｅｎｔｉａｌｈａｓａｓｍａｌｌａｍｏｕｎｔｏｆｃａｌｃｕｌａｔｉｏｎａｎｄｒｅｄｕｃｅｓｔｈｅｎｏｉｓｅｉｍａｃｔ．ＴｈｅｓｅｌｅｃｔｉｏｎｏｆｔｈｅＳＵＳＡＮ　　　　　　　　　　　　　　　　　　ｐ，ａｌｏｒｉｔｈｍｔｏｃｏｎｔｒｏｌａｒａｍｅｔｅｒｓｉｓｓｉｍｌｅｓｏｉｔｉｓｅａｓｔｏａｃｈｉｅｖｅａｕｔｏｍａｔｉｏｎｓｅｌｅｃｔｉｏｎ．Ｉｔｉｓａｖｅｒｅｆｆｅｃｔｉｖｅａｌｏｒｉｔｈｍ．　　　　　　　　　　　　　　　ｇｐｐｙｙｇ　　

：；；；ＫｅｗｏｒｄｓｅｄｅｄｅｔｅｃｔｉｏｎＳＵＳＡＮａｌｏｒｉｔｈｍ；ＰｒｅｗｉｔｔｏｅｒａｔｏｒＧａｕｓｓａｌａｃｅｏｅｒａｔｏｒＣａｎｎｏｅｒａｔｏｒ　　　－Ｌ　ｇｇｐｐｐｙｐｙ　

，，，ＲｏｂｅｒｔｓＳｏｂｅｌＰｒｅｗｉｔｔ　　经典的边缘检测方法如：

基本都是对原始图像中像素的小邻Ｋｉｒｓｃｈ，Ｌａｌａｃｅ等，ｐ域构造边缘检测算子，进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阈值提取边界。由于这些算法涉及梯度的运算，因此均计算量大等缺点。在实践中，发现存在对噪声敏感、

完全不涉ＳＵＳＡＮ算法只基于对周边像素的灰度比较，

及梯度的运算，因此其抗噪声能力很强，运算量也比较实小。并将ＳＵＳＡＮ算法用于多类图像的边缘检测中，验证明该算法非常适合含噪图像的边缘检测。１　ＳＵＳＡＮ特征检测原理

在图１中图像的上部为亮区域，下部为暗区域，分别代表目标和背景。现在考虑有一个圆形的模板，其中（，心称为“核”用＋标记）其大小由模板边界所限定。图

收稿日期：２０１２０１２０－－

中所示为该模板放在６个典型位置的示意情况，从左边数过去，第１个模板全部在亮区域，第２个模板大部分第３个模板一半在亮区域，第４个模板大部在亮区域，

分在暗区域，第５个模板全部在暗区域，第６个模板的／１４在暗区域

。

图１　圆形模板在图像中的不同位置示意

如果将模板中各个像素的灰度都与模板中心的核像素的灰度进行比较，那么就会发现总有一部分模板区域像素的灰度与核像素的灰度相同或相似。这部分区域可称为核同值区域（ＵｎｉｖａｌｕｅＳｅｍｅｎｔＡｓｓｉｍｉｌａ－　　－ｇ

，，即与核有相同值的区域，可简称ｔｉｎＮｕｃｌｅｕｓＵＳＡＮ）ｇ