边缘检测算子在武夷岩茶图像处理中的对比分析

曾跃奇（广西工业职业技术学院，广西南宁 530001）



边缘检测算子在武夷岩茶图像处理中的对比分析

曾跃奇
（广西工业职业技术学院，广西南宁 530001）

在实际图像处理过程中，作为图像常规的特征显示，边缘为大家认定与判定图像给予了非常关键的特征参数。当前，边缘检测应用图像处理中的识别、分割、增强、压缩等各个范围都有着非常明确与普遍的应用，除此之外，边缘检测它时常被应用至计算机视觉、模式等难度较大的层次较强的图像处理中。本文结合武夷岩茶的实质特征，通过5种形式的边缘检测算子，检测茶叶的图像边缘，并在此实验基础上对比各算子的差别。

图像边缘；检测算子；武夷岩茶

引言

关于图像边缘检测的研究历史已在国内外进行了许多年，如今，边缘检测的办法也各式各样，然而其研究方法还有一定的不足。在特定的形势下，尚无法检测出目标物体的最真实的边缘，目前还没有一种普遍适用且具有标准意义的边缘检测办法。所以，对现阶段普遍应用的一些检测方法实施完善，抑或是根据具体的需求研究出新的办法，是开展边缘检测的研究领域的一个的主要路径。

1　边缘检测的开展步骤

总而言之，一切边缘检测都可重点判别为彩色与灰度两种。前者有8种彩色基，彩色基的满足使其在检测的过程中，能够一一将彩色基本运用其中，进而左右检测的实时程度、兼容水平以及检测结果。相较于彩色图像边缘检测，灰度图像边缘检测在目前研究中更为普遍，其操作更加便捷，能够应用于各个应用场合［1］。

图像处理中的边缘检测往往需要利用求导数来完成，所谓边缘定位其本质就是对边缘图像展开阶段，以获得分辨率的二值图像（Binary Image）边缘，当前应用最多的定位技术是阈值法与零交叉。前者处理算法比较容易掌握，但是所形成的边缘往往不存在分辨率。为了取得所需分辨率边缘，Canny第一次于定位法中进行了非最大值抑制，有研究者进一步推广了这一方法，且引入LBE参数。后者应用也较为广泛：Marr、Hildreth利用搜索函数拉普拉斯变换（Laplace Transform）变化点集实施图像定位；Haralick通过搜索引入二阶导数和三阶导数的梯度法变化符号属于负值的点集来定位边缘。除此以外，也有其他的研究人员通过符号结合法来定位阶跃边缘，也获得了良好的定位结果。

国内外对边缘链接的研究已有近三十年的历史，并且发展出了种种各样的链接算法，重点分成两大类：即局部边缘链接、全局边缘链接。前者是在某一特定的范围内实施链接步骤，如标注、链接，其中像素标注属于八向连通像素点集分配标号。一旦边缘像素点的灰度与路径能够达到某一相似性准则，那么该标注则是同边缘段；也能够通过方向信息进行对像素点的标准，或通过预定义模板实施标注像素。

2　常用边缘检测算子

一般意义上，会把边缘检测算子分成两大类：即一阶导数的和二阶导数算法，除此以外，也有Canny算法、统计差别方法等。本质上来说，边缘检测目的就是通过某一特定地算法来获得图像对象和背景的交界线。人们把边缘定义成图像灰度出现变化的区域边界。图像灰度变化水平能够通过图像灰度布置梯度来体现，能够通过特定局部图像微分技术来得到边缘检测算子。最为普遍的边缘检测算法，主要是对原始图像中某一像素的某一邻域进行构造边缘检测算子。

2.1LoG算子

LoG算子通过图像的强度二阶导数的零交叉点进而研究出边缘点的算法对噪声非常灵敏清晰，也因此，力图在边缘出现强化之前滤除噪声。Marr、Hildreth把高斯滤波、拉普拉斯边缘检测相互融合，形成Marr-Hildreth算子，如今也普遍称之为LoG（Laplacian of Gaussian）算子。其重要特征为：第一，平滑滤波器属于高斯滤波器；第二，边缘增强步骤采取拉普拉斯函数；第三，检测器为二阶导数零交叉点并对应一阶导数的峰值；第四，通过线性内插办法于像素分辨率程度中预估边缘位置；第五，通过线性内插办法于分辨率水平上预估边缘的位置。应用LoG算子方法阶段，参数σ至关重要，究其原因，只有择取模块，方可达到边缘维续与噪声平滑的重要平衡。当有噪声时，其检测到的伪边缘也相应增多，而且LoG算子的卷该图像处理的特点是于高斯滤波器实施卷积，基于此，在平滑图像过程中减少噪声，独立点噪声与小结构组织被过滤清楚。该算子输出h（x，y）是利用卷积运算所取得［2］，如下：

H（x，y）=▽2［g（x，y）］*f（x，y）

其中，σ为标准差，目的在判定图像模糊水平，其对图像处理中的边缘检测结果有着很大程度的影响，图像的不同其参数值也不一样。

2.2Canny边缘检测算法

LoG边缘检测算子操作较为便捷可普遍实现，拥有一定的实效水平，然而其对噪声相对比较敏感、因为抗干扰水平不强，边缘缺少精细。Canny［3］在1986年所研究而成的基于边缘检测算子有着较为出色的信噪比以及检测精度，已然成为当前应用最广泛的边缘检测算子之一。该算法是对信噪比和定位精度乘积的最优化逼近算子，采取二维高斯函数一阶导数对图像处理平滑。设二维高斯函数为［4］：

梯度向量为：

通过G（x，y）为平滑后图像，利用G（x，y）对图像平滑显示：G（x，y）=f（x，y）*H（x，y）

通过一阶偏导有限差分来算出梯度的幅值与方向。

单纯地获取全局梯度还不能明确图像边缘，所以，为了明确边缘，一定要保留局部梯度最大点，换言之，把非局部极大值点置零以得到细化的边缘。处理行为是把梯度角离散为圆周的四个扇区之一，方便3*3抑制运算，标号为0至3，对应3*3邻域的四个可能组合。

3　武夷岩茶在不同边缘检测算子中的分析

武夷岩茶是乌龙茶的一种，也是发现年代最早的茶叶种类，该茶属于半发酵青茶，在茶叶制作工艺上，区于绿茶和红茶间，依次为：采摘、萎凋、摊晾、摇青、发酵、杀青、揉捻、烘干、分拣、烘焙、包装。该茶呈弯条状，色泽乌褐，或带墨绿，条索紧结，汤色橙黄至红茶，清澈明亮。武夷岩茶外形主要呈现弯条条索状，相较于其他绿茶，其外形有一条弯曲度。

图像处理过程中边缘识别的要求往往有着很大的矛盾，基本无法统一，具体为：第一，可以准确检测出图像边缘；第二，单像素的检测相应；第三，有着比较出色的定位精度；第四，即便尺度边缘的不同，检测算子在图像处理中也能得到不错的响应且最大程度上降低漏检；第五，不受噪声影响；第六，边缘方向对灵敏度影响不大。

Prewitt边缘检测算子是基于3X*3邻域的有向差分，该算子充分综合每一像素点的方向邻点灰度的加权和，边缘像素方向的权值为1，有着不错的边缘，其定位水平也比较精确，完整性较好。

Roberts边缘检测算子边缘的定位准确出众，在检测水平与垂直边缘过程中呈现出的效果更好，不足之处在于受噪声影响较大，因此会出现部分边缘的消失，图像处理的边缘多像素宽度。

Sobel算子与Prewitt算子的算法特征基本一样，然而像素权值大，更加接近模板中心权值大，不仅能够对噪声有着一定的平滑功能，也可以形成出色的边缘效果，降低了对噪声的敏感程度，在检测斜向阶跃边缘过程中表现好，能够给予最精准的边缘方向预估。改进后的Sobel边缘检测算子，就是在水平边缘Sobel算子与垂直边缘Sobel算子的模板的背景下，又增设了6个方向的模板，即45°、135°、180°、225°、270°、315°。这样一来，能够更为科学高效地检测图像处理中多方向边缘，让边缘信息更为精准、完整。虽然改进之后的8方向Sobel算子能够行之有效地获取更为完整的图像边缘信息，然而与没改进时的状态雷同，其抗噪声水平并不好，在叠加噪声图像的图像边缘检测不是很理想。处理这一问题的普遍方法就是设定某一阈值，接着，再经Sobel算子检测，然后对比边缘值，一旦幅值超过闭值定义成边缘，相反则取零。由此不难发现，阈值T的选取非常重要。

Canny算子算法效果较好，图像边缘的定位较为准确，形成的边缘比较细，边缘线性连接程度较好。

在对武夷岩茶图像实施图像边缘的提取阶段，上述5个检测算子都获得了良好的效果，这也是由于所取图像的内容比较简单、层次更加明确，前景并未出现重叠，噪声清除，所以这几种算子的分析结果大体都比较接近，也较为理想，差异不大。对于某一层面不能清除的噪声范围，算子提取边缘也出现不一致，改进后的Sobel边缘检测算子可以去掉较多的假边缘，取得更为清晰、完整性更好的图像处理边缘。整体来说，这一算子在武夷岩茶图像边缘检测过程中取得了更为优异的效果，也获得了更加完整、精确、细腻、光滑的图像边缘，对比之下，传统Sobel算子、Prewitt算子、Roberts算子、Canny算子在含噪声的图像边缘处提取过程中留有一定程度的假边缘。

4　结束语

综上所述，通过以上对集中算法的结果能够发现，8方向Sobel算子检测出的图像边缘信息更为丰富，有着较好的连续性，然而因为噪声干扰较大，边缘也较为模糊，很大程度上影响了视觉效果。而通过增设阈值的设定，很好地完善了这个不足，所获得图像边缘有着出众的图像清晰度与连续性，图像信息也更为完整，呈现效果达到预期，值得推广应用。

［1］Qiucheng Sun，Yueqian Hou，Qingchang Tan.A robust edge detec原tion method with sub-pixel accuracy［J］.Optik-International Journal for Light and Electron Optics，2014.

［2］赵芳，栾晓明，孙越.数字图像几种边缘检测算子检测比较分析［J］.自动化技术与应用，2011，12（03）：68-72.

［3］锋华，刘琪芳，冀金凤.基于MATLAB数字图像边缘检测算子的研究［J］.机械工程与自动化，2011，7（4）：48-50.

［4］欧温暖.几种常见边缘检测算子的分析比较［J］.现代计算机（专业版），2010，21（5）：75-77.

曾跃奇（1964-），男，广西南宁人，学士，讲师，研究方向：计算机应用、网络。