基于canny算子的改進邊緣檢測算法

云南民族大學 朱 葉 王嘉梅 趙繼勇 嫣志勇

1.引言

邊緣檢測技術是數字圖像處理中的一項重要技術，邊緣檢測的主要目的就是實現對目標圖像的精確定位。邊緣是圖像的基本特征，是圖像分割的重要依據，也是紋理特征的重要信息源和形狀特征分析的基礎，邊緣檢測的效果將直接影響到圖像理解和識別的性能[1]。經典的邊緣檢測算子，如Robert、Prewitt、Log等，簡單、易于實現，但對噪聲敏感、抗干擾性能差，邊緣不夠精細[2]。相比這些算子，Canny算子具有更好的信噪比和檢測精度，在圖像邊緣檢測領域中具有更加廣泛的應用范圍。

但是，實際圖像中，存在著許多噪聲，這時，若仍采用傳統Canny算子進行邊緣檢測，會將一些噪聲點誤作邊緣點檢測，導致提取的邊緣輪廓模糊、不精確，因此，我們需要對傳統Canny算子加以改進。

本文提出了一種基于Canny算子而改進的邊緣檢測算法，該算法既可以較好地濾除噪聲，又可以提高目標邊緣的定位精度、抑制虛假邊緣和去除冗余弱邊緣，呈現出了一個更為清晰的圖像邊緣檢測結果，比傳統Canny算法具有更好的性能。

2.傳統canny邊緣檢測算法

Canny提出了邊緣檢測性能優劣的3個判斷準則[3]：

高信噪比準則：即輸出信號的信噪比最大，以降低邊緣點判斷為非邊緣點和非邊緣點判為邊緣點的概率。信噪比越大，誤檢率越低。

高定位精度準則：好的定位性能，即檢測出的邊緣點要盡可能在實際邊緣的中心

單邊緣相應準則：即單一邊緣只有惟一響應，并且對虛假邊緣響應應得到最大抑制。

2.1 傳統canny算法邊緣檢測步驟

(1)高斯濾波

用一維高斯函數對原始圖像f(x，y)進行低通濾波、噪聲濾除，該高斯函數為：

δ為高斯濾波函數的標準差，控制著平滑程度：σ較小時，濾波器定位精度高，但信噪比低；σ較大時，濾波器情況正好相反。我們要根據實際情況確定δ的大小。

(2)計算梯度幅值和方向

傳統的Canny算法采用2×2鄰域一階偏導的有限差分來計算平滑后的圖像的梯度幅值和方向：

(3)非極大值抑制

將邊緣的梯度方向按照水平、豎直、45°和135°四個方向，用不同的鄰近像素進行比較，確定局部極大值。若某個像素的灰度值與梯度方向上前后兩個像素的灰度值相比不是最大，該點即為非邊緣點，刪除；否則，即為待選邊緣點，保留。這個過程稱為“非極大值抑制”。

(4)雙閾值法檢測和連接邊緣

用高、低閾值對經非極大值抑制的結果檢測，得到高閾值邊緣圖像Th和低閾值邊緣圖像lT，然后，以圖像Th為基礎，用圖像Tl來補充連接圖像邊緣。

2.2 傳統Canny算法的缺陷

Canny算子因其優越的邊緣檢測性能得到了廣泛應用，但實際中圖像易受噪聲污染，如光照、油漬等，這時，如果仍用傳統Canny算法，一方面不能有效濾除噪聲，另一方面會出現偽邊緣或邊緣丟失。

傳統Canny算子用高斯函數對圖像平滑濾波，有較強的抑制噪聲能力；但會造成邊緣丟失，對高頻細節的保護效果不佳。這是因為，Canny算子在對圖像高斯濾波時，邊緣作為高頻部分易被平滑掉，一些邊緣就變成了緩變邊緣，進行非極大值抑制的時候，緩變邊緣就容易丟失，造成邊緣檢測結果存在較明顯的模糊和邊緣丟失問題，效果欠佳。

3.改進的canny邊緣檢測算子

雙邊濾波，Bilateral filter，既可以較好地濾除圖像噪聲，又可以保持較好的圖像邊緣信息，解決了高斯濾波的圖像模糊和邊緣丟失問題。本文充分結合雙邊濾波和Canny算子的優越性，提出一種新的Canny邊緣檢測算法，該算法用濾波性能較好的雙邊濾波代替傳統Canny邊緣檢測中的高斯濾波，對含噪圖像具有更好的邊緣檢測效果。

雙邊濾波是一種非線性的2D信號濾波方法[4]，是圖像的空間臨近度和像素相似度的一種折衷處理[5]，是通過像素的加權平均而定義的，利用強度的變化來保存圖像邊緣信息。設BF為雙邊濾波的符號，由下式定義[6]：

d( p, q)和 δ (I( p ) ,I( q ))分別為圖像兩像素點的歐氏空間距離和像素的灰度差，δd和δr是基于高斯函數的標準差，決定著雙邊濾波器的濾波效果。

4.實驗結果與結論

以MATLAB(R2008a)為實驗平臺，選取經典Lena圖像，分別采用傳統Canny算法和本文改進的Canny算法進行邊緣檢測。圖1為加入了0.01高斯噪聲的Lena圖像邊緣檢測結果；圖2為加入了0.01椒鹽噪聲的Lena圖像邊緣檢測結果。

從圖1和圖2可以看出：傳統的Canny算法對噪聲較敏感，容易將噪聲點當作邊緣點檢測，檢測出的邊緣輪廓不清楚，精確度較低，提取的邊緣信息過于冗雜，不能較好地顯示圖像的主要輪廓特征，不利于進一步的圖像分析；本文算法對高斯噪聲和椒鹽噪聲的去噪和邊緣檢測效果均優于傳統的Canny算法，能夠獲得更好的邊緣檢測圖像。圖(c)既去除了圖(b)中的大部分虛假邊緣，又避免了丟失很多真邊緣，邊緣輪廓明顯、清晰，連續性較好，提高了Canny算法邊緣檢測的信噪比、改善了噪聲干擾情況下邊緣檢測效果。

5.結論

傳統的Canny邊緣檢測算子并不能得到最優化的邊緣檢測結果，存在許多不足之處。本文提出的改進Canny邊緣檢測算法能夠較好地濾除圖像噪聲、抑制虛假邊緣，保留了較完整和清晰的邊緣輪廓，具有更好的邊緣檢測效果，簡單實用，復雜度低，具備更好的推廣應用價值。

[1]李二森,張保明,等.自適應Canny邊緣檢測算法研究[J].測繪科學,2008,33(6):66,120-121.

[2]陳志強,高磊,等.一種優化的Canny算子邊緣檢測法[J].電子測試,2011(6):43-46.

[3]李紅,胡方明,等.一種改進的Canny邊緣檢測算法[J].微計算機信息,2008,24(12-3):304-305.

[4]靳明,宋建中.一種自適應的圖像雙邊濾波方法[J].光電工程,2004,31(7):65-68.

[5]蔡超,丁明躍,周成平,等.小波域中的雙邊濾波[J].電子學報,2004,32(1):128-131.

[6]王玉靈.基于雙邊濾波的圖像處理算法研究[D].西安電子科技大學,西安電子科技大學,2010.