基于改進Sobel算子的紅外圖像邊緣提取算法

夏 清，張振鑫，王婷婷，王亞云，石娟娟

(1．中國礦業(yè)大學(北京)土地復墾與生態(tài)重建研究所，北京100083;2.中國礦業(yè)大學(北京)地球科學與測繪工程學院，北京100083)

1 引言

溫度是表征物質狀態(tài)的重要參數，紅外熱像儀具有對溫度探測靈敏度高、測溫準確、可靠性強等特點。因此，近年來，利用紅外熱像儀對溫度進行探測已然成為研究熱點之一。隨著紅外技術的迅速發(fā)展，紅外熱像儀測溫技術已廣泛應用于國民經濟各個部門，它在無損探測、醫(yī)療診斷、故障檢測、森林防火、煤矸石山治理等領域中獲得了越來越多的應用［1－3］。邊緣是圖像的最基本特征，因此，圖像邊緣檢測的好壞直接影響后續(xù)的圖像解譯與識別。目前，經典的邊緣檢測算子有:Sobel算子、Roberts算子、Prewitt算子、GaussLaplace算子和Canny算子等 。但由于紅外熱像儀圖像的成像機理、成像系統(tǒng)特性及圖像顯示多樣性等原因，將經典算子應用到紅外熱像儀圖像(以下稱其為熱紅外圖像)上有一定的局限性，不能將目標區(qū)域更好地提取出來。因此，突出熱紅外圖像中感興趣的溫度區(qū)域、削弱或去除某些不需要的信息、提取熱紅外圖像邊緣信息是圖像處理中必不可少的重要環(huán)節(jié)［6－8］。針對上述特點，本文提出一種基于Sobel算子梯度相乘的熱紅外圖像邊緣提取算法，該算法能夠極大地提高圖像觀測效果。

2 紅外熱像儀測溫原理及圖像特征

自然界中一切溫度高于熱力學零度的物體每時每刻都在以電磁波的形式向外輻射能量，其輻射能包括各種波長，其中波長范圍在0.76～1000 μm之間的稱為紅外光波。紅外光具有很強的溫度效應，紅外熱像儀正是利用這種特性對溫度進行探測的。紅外熱像儀測溫技術是利用傳感器將接收到的紅外波段熱輻射能量轉換成電信號，然后經放大處理、整形、數/模轉換后成為標準視頻信號，經過運算，最后通過屏幕將被測目標的紅外熱像圖以偽彩色形式顯示出來，從而得到被測目標的溫度分布場［9－10］。

熱紅外圖像中每一個點的偽彩色值與被測物體上該點發(fā)出并到達光電轉換器件的輻射能量相對應，因此，紅外熱像儀不僅能夠獲得被測目標表面熱場分布的圖像，而且還可以精確地得出每個像素點對應的溫度測量值［11］。但是，通過紅外熱像儀獲取的熱紅外圖像也有其自身特征:①能夠顯示被測目標區(qū)域的可見光圖像、熱紅外圖像;②熱紅外圖像中的每個像素點均以色彩空間中的RGB值來顯示;③根據感興趣的溫度范圍或目標區(qū)域，調節(jié)顏色顯示條，使目標區(qū)域突出顯示;④能夠導出熱紅外圖像中每個像素點的溫度值表。

3 經典的Roberts和Sobel邊緣檢測算子

Roberts算子是基于一階微分的邊緣檢測算子，任意一對相互垂直方向上的差分可以看成是梯度的近似求解，Roberts算子就是利用上述原理，即用對角線上相鄰像素之差來代替梯度進行求解。

如果 fx=f(i，j)－ f(i+1，j+1)，fy=f(i，j+1)－f(i+1，j)，則fx和fy的卷積算子分別為:

Sobel算子是一個梯度算子，一幅數字圖像的一階導數是基于各種二維梯度的近似值，其定義如下:

Sobel算子水平方向和垂直方向的卷積算子分別為:則梯度幅值為，為計算簡便，可近似為選取適當閾值τ并進行判斷，如果 G(i，j)＞ τ，則(i，j)為邊緣點，所得邊緣點的集合即為邊緣提取圖像［14－15］。

4 本文算法的具體實現與結果分析

本文采用的是320×240非制冷焦平面紅外熱像儀TH9100MV/WV獲取的熱紅外圖像，利用該儀器的配套軟件，不僅能夠顯示被測目標的可見光圖像，而且能顯示對應目標的表面溫度場圖像，還能夠導出目標圖像每個像素點對應的溫度測量值。但是，由于測量時熱紅外圖像的整個溫度范圍往往不是被測目標的溫度范圍，而是更大，這樣就會導致被測目標的溫度范圍內的溫度值接近的點顏色差異較小［16］。此時，就要人工手動調節(jié)顏色顯示條，使感興趣的目標區(qū)域或溫度范圍能突出顯示，使其更清晰的突出顯示在圖像上，但每調節(jié)一次顏色顯示條，溫度區(qū)域的顏色顯示改變，而且目標區(qū)域的邊緣也會隨之而改變，此時，若將圖像輸出，利用經典的Sobel算子邊緣檢測算法，直接對整幅熱紅外圖像進行邊緣提取，不能有效地將感興趣的被測目標邊緣從背景中檢測出來，會產生不同的邊緣提取結果。圖1所示為同一幅熱紅外圖像，根據目標區(qū)域不同調節(jié)顏色顯示條，利用經典的Sobel算子對兩幅圖像進行邊緣提取，得出邊緣提取圖像。

圖1 熱紅外圖像及對應的Sobel算子邊緣提取圖像

從圖1中可以看出，不同顏色條顯示的熱紅外圖像如果直接進行邊緣提取，產生了兩種不同的邊緣提取結果，根本無法準確地將感興趣區(qū)域邊緣從背景中檢測出來，沒有統(tǒng)一的標準，這就給后續(xù)的圖像判讀和識別增加了很多不確定性和不精確性。但是，一幅熱紅外圖像不管以何種顏色和色彩模式顯示，其每個像素點的溫度值是固定不變的，導出熱紅外圖像每個像素點的溫度值，然后提取感興趣的溫度區(qū)域，再對其進行邊緣提取，可以有效的解決上述問題。

4.1 改進的Sobel算子邊緣提取算法

Sobel算子提取的圖像邊緣光滑、連續(xù)，對噪聲具有平滑作用，能很好地消除噪聲的影響，但是Sobel算子的缺點是檢測的邊緣較粗，定位不精確，只對水平和垂直2個方向的灰度梯度變化敏感，本文將方向模板由2個增加到8個，這樣就可以更加有效地檢測圖像多個方向的邊緣，使邊緣提取信息更加完整;而Roberts算子定位精度高，但對噪聲敏感，可以用Roberts算子優(yōu)良的定位能力加以彌補，同時Sobel算子對噪聲過于敏感的不足也可以利用Roberts算子的平滑能力來改善。

其算法具體實現如下:

1)導出熱紅外圖像及其溫度信息表，該溫度信息表是一個具有320×240像素，并且每個像素點以溫度值進行顯示的圖表，即f(i，j)=T，其中(0≤i＜320，0≤j＜240)，T為溫度測量值，劃定特定溫度范圍內的溫度閾值，提取感興趣的溫度區(qū)域。這是為了去除圖像中被測目標的背景或其他與被測目標無關且溫度差異不明顯的溫度信息，消除后續(xù)對圖像邊緣檢測的影響。

2)利用Roberts算子兩個模板對圖像f(i，j)逐點進行卷積運算，取2個模板處理結果中的最大值作為該像素點的輸出值，得到一幅梯度幅值圖像G1;

3)傳統(tǒng)的Sobel算子卷積模板只有垂直和水平兩個方向，其邊緣有很強的方向性，為了能得到全方位的響應，在傳統(tǒng)的Sobel算子基礎上增加6個不同方向的模板，以的間隔依次遞增旋轉，得到分別

為0°、45°、90°、135°、180°、225°、270°、315°8 個方向的模板。模板如下面8個矩陣所示:

利用上述的8個方向模板對圖像f(i，j)進行逐點卷積計算，選擇8個模板處理結果中的最大值作為該像素點的新灰度值，得到一幅梯度幅值圖像G2;

4)將G1和G2內的所有像素點的梯度值逐點對應相乘，得到新的梯度圖像記為Gfinal;

5)為了得到圖像邊緣，選取適當閾值τ，對梯度圖像Gfinal做閾值判決，使得Gfinal(i，j)＞τ，則認為點(i，j)就是邊緣點，取所有邊緣點的集合。采用二值圖像顯示提取的邊緣，灰度值賦為1，顯示為白色，最終得到邊緣提取圖像;若Gfinal(i，j)≤τ，則認為點(i，j)不是邊緣點，灰度值賦為0，顯示為黑色。

4.2 仿真實驗與結果分析

為了對本文提出的邊緣提取算法能夠有一個直觀而準確的認識，下面分別給出熱紅外圖像、對應的可見光圖像、Sobel算子提取圖像及本文改進算法提取的圖像，以方便對比與結果分析。原始圖像為電路元件的一個組成部分，其最高溫度為107.6℃，最低溫度為26.9℃，假定取43℃以上的溫度為感興趣的高溫閾值，提取高溫區(qū)域，基于Matlab程序進行仿真實驗，如圖2所示。

圖2 仿真實驗

在圖2中畫定的橢圓形區(qū)域中，可以明顯地看出:①Sobel算子提取的邊緣輪廓不連續(xù)，出現斷點，定位不精確，而且有些邊緣多像素，邊緣較粗;②用本文改進的算法首先能夠提取出高溫感興趣的區(qū)域，濾除其他低溫區(qū)域對邊緣提取的影響;③由于Roberts算子具有良好的定位性能，通過和Sobel算子相乘，能夠使真正的邊緣像素的梯度值被增大，而其他像素的梯度值則被削弱，因此用基于Sobel算子梯度相乘的邊緣提取算法檢測邊緣，將比Sobel算子提取的邊緣具有更好的精度;④用改進的算法提取的圖像輪廓線清晰，邊界定位精確且連續(xù)性較好，相對于經典的Sobel算子，既包括了Sobel算子的邊緣信息又能提取出更完整的邊緣信息;⑤提取的大部分邊緣為單像素的，邊緣較細，圖像邊緣信息有明顯地提高，極大地改善了圖像質量。

5 結論

本文分析了紅外熱像儀的圖像特點及Roberts算子和Sobel算子各自的優(yōu)缺點，結合熱紅外圖像自身的特點，在此基礎上提出了一種基于Sobel算子梯度相乘的改進算法，該算法克服了Sobel算子進行邊緣提取存在邊緣粗糙、邊緣信息不完整的缺點，仿真實驗結果表明:該算法提取的圖像邊緣清晰、完整，邊界定位準確，抗噪能力強，對熱紅外圖像有較好的檢測精度，是一種簡單有效的邊緣檢測。

［1］ Nijhawan O P．Thermal imaging Technology［J］．The Indian scene．SPIE，1999，3898:97 －103．

［2］ Li Yunhong．Study on temperature measurement and application based on infrared thermal imager［D］．Harbin:Harbin Institute of Technology，2010．(in Chinese)李云紅．基于紅外熱像儀的溫度測量技術及其應用研究［D］．哈爾濱:哈爾濱工業(yè)大學，2010．

［3］ Liu Ying．Study on infrared camera image enhancement algorithm［D］．Cangchun:Jilin University，2007．(in Chinese)劉瑩．紅外熱像儀中圖像增強算法的研究［D］．長春:吉林大學，2007．

［4］ Li Xinfu，LIU Jiaomin．Edge detection on arc image of low volt-age apparatus［C］ //IEEE Proceedings of the Second InternationalConference on Machine Learning and Cybernetics，Xi'an，2003:2921 －2925．

［5］ Health A，Sarkar S，Sanocki T，et a．l Comparison of edge detectors:A methodology and initial study［J］．Computer Vision and Image Understanding，1998，69(1):36 －54．

［6］ Zhang Hui，Ma Mingjian．An blade edge-detection method based improved sobel operator［J］．Agricultural Mechanization Research，2012，(5):46 －48．(in Chinese)張輝，馬明建．基于改進Sobel算法的葉片圖像邊緣檢測［J］．農機化研究，2012，(5):46 －48．

［7］ Chen Yuyun．Grayscale image edge detection research［D］．Chengdu:University of Electronic Science and Technology of China，2009．(in Chinese)陳宇云．灰度圖像的邊緣檢測研究［D］．成都:電子科技大學，2009．

［8］ Zhang Y H，Tan，G Y，Liu G J．Thermal imaging experimental research on temperature field for milling insert［J］．Key Engineering Materials，2009:392 －394．

［9］ Mei Yuesong，Yang Shuxing，Mo Bo．Improved edge detection algorithm based on canny operator［J］．Laser＆ Infrared，2006，36(6):501 －503．(in Chinese)梅躍松，楊樹興，莫波．基于Canny算子的改進的圖像邊緣檢測方法［J］．激光與紅外，2006，36(6):501 －503．

［10］ Sun Xiaogang，Li Yunhong．Review of the development of temperature measurement technology with infrared thermal imager［J］．Laser ＆ Infrared，2008，32(8):101 － 104．(in Chinese)孫曉剛，李云紅．紅外熱像儀測溫技術發(fā)展綜述［J］．激光與紅外，2008，32(8):101 －104．

［11］ Zhang Yong，Wang Xinsai，He Ming．The impact of distance on infrared accuracy and error correction［J］．Infrared，2011，32(2):24 －27．(in Chinese)張勇，王新賽，賀明．距離對紅外熱像儀精度的影響及誤差修正［J］．紅外，2011，32(2):24 －27．

［12］ Kang mu，Xu Qinggong，Wang Baoshu．A Roberts’adaptive edge detection method［J］．Journal of Xi'an Jiaotong University，2008，42(10):1240 －1244．(in Chinese)康牧，許慶功，王寶樹．一種Roberts自適應邊緣檢測方法［J］．西安交通大學學報，2008，42(10):1240 －1244．

［13］ Moran M S．Thermal infrared measurement as an indicator of plant ecosystem health．USDA － ARS southwest watershed research center［J］．TusconArizona，2000，21:42 －48．

［14］ Zhang Jianjun，Luo Jing．A surface crack edge detection algorithm based on improved sobel operator［J］．Journal of Hefel University of Technology:Natural Science，2011，34(6):845 －847．(in Chinese)張建軍，羅靜．基于改進Sobel算子的表面裂紋邊緣檢測算法［J］．合肥工業(yè)大學學報:自然科學版，2011，34(6):845－847．

［15］ Zhang Jie．Study on digital image edge detection［D］．Hefei:Hefei University of Technology，2009．(in Chinese)張潔．數字圖像邊緣檢測計算的研究［D］．合肥:合肥工業(yè)大學，2009．

［16］ Fu Guicui，Gao Zexi．Study on infrared thermal image fast processing of infrared TVS －2000［J］．Infrared and Laser Engineering，1998，27(6):12 －15．(in Chinese)付桂翠，高澤溪．TVS－2000紅外熱像儀圖像信息的快速處理研究［J］．紅外與激光工程，1998，27(6):12－15．