棉花图像分割方法的比较与分析

■　李　娟　夏　彬　刘妍妍〔湖北省纤维检验局，武汉　43006〕〔郑州棉麻工程技术设计研究所科研创新中心，郑州450004〕



棉花图像分割方法的比较与分析

■李娟1夏彬2刘妍妍2
〔1湖北省纤维检验局，武汉430061〕〔2郑州棉麻工程技术设计研究所科研创新中心，郑州450004〕

近年来，随着多媒体技术与计算机技术的飞速发展，机器视觉检测系统在棉花加工、检验领域得到应用。该系统通过工业相机以及计算机的方式，采用数字图像处理技术代替人眼对目标进行分析、识别与测量，能够有效克服人工方式的不足，提高生产效率，具有广泛的应用前景。在机器视觉检测系统中，图像分割是基础，而基于边缘的分割方法也是图像分割与模式识别的重要内容，对检测的效果有着重要影响。

本文针对棉花图像分割方法进行研究，分别采用Sobel算子和Canny算子对颜色级为淡点污棉二级棉花图像进行图像分割实验，并对实验结果进行比较与分析，为棉花图像分割方法的选取以及棉花图像目标识别提供参考依据。

一、图像分割与边缘检测

图像分割是指根据灰度、颜色、几何形状以及空间纹理等特征把图像划分成若干互不交迭的区域，使得在同一区域内这些特征呈现出相似性，而在不同区域间呈现出明显的差异性。简而言之，就是在一幅图像中，把要检测或者识别的目标从背景中分离出来，以便进行下一步处理。当前国内外广泛使用的图像分割方法主要可分为基于边缘分割、基于阈值分割、基于特定理论、基于区域生长分割等方法。

边缘是图像最重要的特征之一，在数字图像中，边缘表现为局部范围灰度的剧烈突变，它是由那些周围象素灰度有阶跃变化或屋顶变化的象素点构成的集合。边缘检测的基本思想是首先通过使用边缘增强算子，重点突出图像中的局部边缘，然后定义象素的边缘强度，通过选取阈值的方法提取边缘点集合。常用的边缘检测算法有Sobel算子、Canny算子等。

二、棉花图像分割实验

（一）方法选取

1.Sobel算子

Sobel算子是常用的检测算子，它包括两个方法，一个是检测水平边沿的；另一个是检测垂直平边沿的。与其它梯度算子相比，Sobel算子对于象素的位置的影响做了加权，从而提高了检测效果。

Sobel算子利用象素点上下、左右邻点的灰度加权方法，根据在边缘点处达到极值这一现象进行边缘的检测。该方法不仅能产生较好的边缘检测效果，而且对噪声具有平滑作用，所以可以提供较为精确的边缘方向信息。当使用大的领域时，抗噪声特性更好，但计算量也会随之增大，容易检测出伪边缘，定位精度也不高。

2.Canny算子

Canny算子是通过寻找图像梯度的局部极大值，采用高斯函数的一阶微分来计算梯度。其分割方法的主要步骤是：

（1）首先使用高斯滤对图像进行平滑处理；

（2）然后采用一阶偏导的有限差分来计算梯度的幅值和方向；

（3）最后对梯度的幅值进行非极大值抑制，并且通过双阈值方法进行检测边缘和连接边缘。

下面将对Canny算子检测原理做详细说明。假设采用I［i，j］表示图像，使用可分离滤波方法求图像与高斯平滑滤波器卷积，得到的结果是一个已平滑数据阵列：

其中，σ是高斯函数的散布参数，它影响着平滑程度。

平滑数据阵列S［i，j］的梯度可以采用2×2一阶有限差分近似式来计算x与y偏导数的2个阵列P［i，j］和Q［i，j］：

在这个2×2正方形内求有限差分的均值，以便在图像中的同一点计算x和y的偏导数梯度。幅值和方位角可用直角坐标到极坐标的坐标转化公式来计算：

其中的反正切函数使用两个参量表示一个角度，它的取值范围是整个圆周。梯度的方向和幅度可以根据查找表由偏导数计算。反正切函数的大多数计算使用的是定点运算，很少的几个计算是基本浮点运算，其中的浮点运算是由整数和定点算术通过软件实现的。在计算中尽量不用浮点运算可以提高效率。Canny算法不容易受噪声的干扰，能够在边缘检测和噪声抑制之间取得较好的平衡，更能检测出真正的弱边缘，具有优越的检测性能。

（二）实验平台

实验选取颜色级为淡点污棉二级的棉花作为样本，通过CMOS工业相机采集图像，图像尺寸为JPEG格式，1960×980像素，位深度24位。

实验硬件平台是在联想计算机上进行的，该计算机配备CORE i5 CPU，4GB内存，1TB硬盘。

实验软件运行于Windows 7操作系统上，采用Visual C++ 2010调用OpenCV的方法进行程序实现。Microsoft Visual C++是微软公司推出的高性能集成开发环境程序，它面向对象的可视化集成编程模式，具有程序框架自动生成、灵活方便的类管理、代码编写以及界面设计集成互操作、可开发多种程序等优点。OpenCV是一个基于开源的跨平台机器视觉库，可以运行在Windows、Linux和Mac OS操作系统之上，具有轻量级、快捷高效等特点，能够实现计算机视觉和图像处理领域的通用算法。

（三）实验内容

1.使用实验程序采集淡点污棉二级棉花图像；

2.使用Sobel边缘检测算子对图像进行分割，并将结果进行反色处理；

3.使用Canny边缘检测算子对图像进行分割，并将结果进行反色处理。

（四）实验结果

实验对淡点污棉二级棉花图像作为样本，采集到的棉样图像如图1所示。

图1　棉花样本原始图像

按照上述实验内容，采用边缘检测算子对所选棉样图像进行分割的结果如下：图2为使用Sobel边缘检测算子图像分割结果，图3为使用Canny边缘检测算子图像分割结果。

图2　 Sobel算子分割结果

图3　 Canny算子分割结果

从分割结果可以看出，Sobel算子会将虚假的边缘检测出来，容易出现误检的情况；而Canny算子能够检测到真实的图像边缘，使虚假边缘得到最大抑制，具有较高的信噪比，同时检测出的边缘点会附着在实际边缘的中心，具有精准的定位。

三、实验结果比较与分析

根据棉花图像分割实验结果并结合边缘算子原理，对棉花图像分割方法比较和分析如下：

1.Sobel算子和Canny算子都属于一阶微分方法，它们都通过计算像的梯度值来增强图像，通过对梯度按阈值取舍的方法检测边缘。

2.Sobel算子产生的边缘较粗，Canny算子产生的边缘较细。Canny算子是通过对梯度方向上的非局部极大值点进行抑制而达到这个效果，而Sobel算子比Canny算子更容易受到噪声的影响。

3.在梯度值的计算中，Canny算子使用了有限差分近似来计算梯度的大小与方向，而Sobel算子只需要知道梯度的大小。Sobel算子所用的梯度阈值比Canny算子中的阈值要高很多。

4.由于Canny算子进行了“非极大值抑制”和形态学连接操作，使其提取的边缘连续性较好，因此，效果明显优于其他算子。

四、结束语

图像分割是数字图像处理的基础，而基于边缘检测的分割方法又是图像分割与模式识别的重要内容。本文针对边缘检测在棉花图像分割和目标识别领域中的重要性，采用边缘检测算法中的Sobel算子、Canny算子分别对淡点污棉二级棉花图像进行研究，在分割实验中对各算子数据进行了比较与分析。实验结果表明，与Sobel算子相比，由于Canny算子采用了“非极大值抑制”和形态学连接操作的方法，更容易获取连续的图像边缘，因此，其分割效果要优于其它算子，特别适用于棉花杂质图像的分割。