甄丽平 司绍伟
石家庄经济学院信息工程系,石家庄 050031
武警石家庄指挥学院通信基础教研室,石家庄 050006
图像滤波及边缘检测技术研究
甄丽平 司绍伟
石家庄经济学院信息工程系,石家庄 050031
武警石家庄指挥学院通信基础教研室,石家庄 050006
主要研究了计算机视觉中的图像滤波、边缘检测技术,首先介绍了图像噪声滤波算法,针对脉冲噪声采用开关中值滤波技术,既能有效去除噪声,又在一定程度上地保护了图像细节;同时研究了边缘检测技术,采用基于梯度直方图的边缘提取法,利用梯度直方图的统计特征实现阈值的选取,并且有效地增强图像边缘,取得满意的视觉效果。
图像滤波;边缘检测;边缘增强;开关中值滤波
人类传递信息的主要媒介是语音和图像。据统计,在人类获取的信息中,视觉信息约占60%。图像边缘是图像最基本的特征之一,往往携带着图像的大部分信息。而边缘存在于图像的不规则结构和不平稳现象中,也即存在于信号的突变点处,这些点给出了图像轮廓的位置,是图像处理时的非常重要的一些特征条件,这就需要我们对一幅图像检测并提取出它的边缘。
数字图像的边缘检测,作为低层视觉的一个重要环节,通常被认为是一个非良态(ill-posed)问题,很难从根本上解决。因为图像边缘和噪声都是图像的高频分量,在检测边缘点的同时噪声点也自然被检测出来,因此不能准确的检测出图像的边缘。所以在进行边缘检测前必须对图像进行平滑滤波,消除噪声。
图像由于受噪声污染而存在差异,其中包含的噪声也不尽相同,实际应用时一幅图像中往往包含多种不同类型的噪声。因此,好的图像平滑算法应该具备对不同类型噪声的处理能力。其中最常见的噪声包括脉冲噪声和高斯噪声或者两者的混合噪声,下面分别对这些噪声进行滤波设计。
对于高斯噪声我们可以采用2D高斯滤波模板进行卷积处理,实现图像平滑。设定σ2=2,n=5时高斯滤波器的模板:
针对脉冲噪声中值滤波的抑制效果比较好。中值滤波是对一个滑动窗口内的诸像素灰度进行排序,用其中值代替窗口中心像素的灰度值的滤波方法。在上述的操作中,所有像素采用统一的处理方法,不但噪声点得到了滤波恢复,其他没有被噪声污染的像素点也受到了滤波处理,引起退化降质,比如细线、边缘、棱角的丢失,甚至破坏图像的主观视觉效果。
所我们用基于开关结构的中值滤波,其算法思想就是通过“不滤波”来保持非噪声像点,而使用标准中值滤波来处理那些脉冲噪声。当图像中噪声点稀疏的分布的时候,已经证明,基于开关结构的中值滤波算法比传统中值滤波更为有效。开光关中值滤波器的结构如图1所示。
图1 开关中值滤波器的基本结构
噪声图像首先经过脉冲噪声检测器,当窗口的中心点被检测为噪声点时,则开关与中值滤波相连,用窗口内像素点的中值取代中心点灰度值;反之,该像素点未受污染,则该点不作任何处理,保留其灰度值不变。此结构,发挥了中值滤波的去噪优势,同时更能保护图像的边缘、细节。
开关中值滤波的过程如图2所示。
图2 开关中值滤波的流程
若yij为像素点xij经过开关中值滤波后的输出值,则有:
其中,T为预先设定的门限值。
本文的混合噪声是指脉冲噪声与高斯噪声的混合。对于混合噪声的滤波过程如图3所示。脉冲噪声检测和消除采用开关中值滤波的方法,高斯噪声采用2D高斯滤波模板卷积处理。
边缘检测包括两部分:首先利用阈值分割法检测出图像边缘点,其次对图像边缘进行细化、增强。
基于微分算子的边缘检测本质上是一个数值导数问题。在图像中,占原图中主体的灰度平滑区域具有较小的梯度值,而变化剧烈的部分梯度幅值比较大,而这些点并不一定都是边缘点,所以应设定阈值T来确定边缘点。
阈值的选取可以利用梯度图的统计特性。作为统计量,均值反映的是主体特征,而标准差则反映了样本与主体的偏离程度。本文中就利用这两个指标,将其应用于阈值选取,具体如下:
图3 混合噪声的处理过程
T =avr +k ×std
式中T表示所选取的阈值,avr和std分别表示梯度均值和标准差,k为经验常数(一般k=0.5)。若想得到较多的边缘细节,k可取较小的值,若只想得到图像中的主要边缘,则k可取较大的值。令图像尺寸为R ×C,则:
式中,grad (i, j)为图像在点(i, j)处的梯度。将梯度大于阈值T的点作为初步选定的边缘点。实现初步的边缘检测。
利用阈值T得到了图像的边缘初选点,但这样的边缘较厚,不满足单边缘响应准则。为了得到具有单像素宽度的边缘,需要对上面得到的初始边缘进行细化,我们采用非极大值抑制技术。
前面已经得到各像素点的梯度值,若该点的梯度值大于其相邻点的梯度值,则认为该点为边缘点,否则认为是非边缘点。
本文首先介绍了图像的平滑方法,可以用高斯模板卷积的方法去除高斯噪声,用开关中值滤波法去除脉冲噪声;在去除噪声的基础上,利用梯度直方图选取分割阈值,提取出边缘点,再利用非极大值抑制法,增强图像边缘。通过该方法分割出来的图像边缘更加精准,效果更好。
[1] 贾永红.数字图像处理.武汉大学出版社.2007
[2] 冈萨雷斯.数字图像处理.电子工业出版社.2003
[3] 周杰.应用于图像处理的中值滤波改进算法.北京邮电大学.2007
[4] 侯仕杰.几种混合滤波器的比较研究.北京邮电大学.2007
10.3969/j.issn.1001-8972.2011.07.016
甄丽平,硕士,讲师,研究方向:数字图像处理。