一種改進Canny的熱紅外邊緣檢測方法

李寶磊 李清英 秦乾坤 劉云飛 徐恩松 王嘯偉

摘? 要： 不論制冷還是非制冷熱紅外影儀，其成像機理都會使圖像中存在大量的噪聲，導致邊緣提取困難，而邊緣檢測是圖像特征提取的關鍵技術?；趥鹘yCanny邊緣檢測算法提出了一種改進，利用數學形態學替代高斯濾波對具有隨機噪聲的熱紅外圖像進行形態學去噪，利用Otsu算法替代雙閾值算法自主選擇閾值，最后進行邊緣提取。Matlab仿真結果表明，與傳統的Canny邊緣檢測算法相比，該方法不僅有較強的抗噪性，而且還有較強的自適應性，較好的保持了圖像細節與連續性。

關鍵詞： 邊緣檢測; 熱紅外圖像; Canny; 數學形態學; Otsu算法

中圖分類號：TP751.1? ? ? ? ? 文獻標志碼：A? ? ?文章編號：1006-8228（2019）01-63-04

Abstract： Whether refrigerated or uncooled thermal infrared imagery， its imaging mechanism will cause a lot of noise in the image， resulting in the difficulty of edge extraction， while edge detection is the key technology of image feature extraction. Based on the traditional Canny edge detection algorithm， an improved algorithm is proposed， which uses mathematical morphology instead of Gaussian filter to denoise the thermal infrared image with random noise， and uses Otsu algorithm instead of the double threshold algorithm to select the threshold independently， and finally to extract the edge. the simulation results of MATLAB show that compared with the traditional Canny edge detection algorithm， this method not only has strong noise resistance， but also has strong self-adaptability， and better maintains the image details and continuity.

Key words： edge detection; thermal infrared image; Canny; mathematical morphology; Otsu algorithm

0 引言

紅外圖像的邊緣檢測在特征提取、目標識別等領域有著廣泛的應用，目前，針對紅外圖像的邊緣檢測方法主要有Sobel算子、Prewitt算子、Krisch算子和Canny算子等一階微分算子以及類似LoG算子的二階微分算子[1]。但是，運用上述檢測算子或者檢測方法在紅外熱波圖像處理時會有相應缺陷。對此，大量的科研工作者提出一些改進方案，夏清等人[2]針對邊緣檢測中的噪聲干擾，提出用形態學方法代替高斯濾波以解決濾波尺度無法自適應的問題，許宏科[3]引進Otsu 算法自適應地根據圖像灰度生成高低閾值，避免了人為設定高低閾值的難題。本文針對Canny算法作出一定改進，運用Matlab仿真，取得了一定效果。

1 基本原理概述

1.1 Canny算子邊緣檢測算法

1.1.1 Canny算子基本原理

Canny邊緣檢測算子是一個多級步驟邊緣檢測算法，基于以下三個指標：低誤判率、高定位精度、抑制虛假邊緣，在此基礎上，Canny提出了一種很有效的邊緣檢測算法，該算法的實現主要有四個步驟：

⑴ 使用高斯濾波器對原圖像進行濾波;

⑵ 對濾波后的圖像求梯度幅值以及梯度向量;

⑶ 對梯度圖像進行非最大值抑制操作，剔除非最大值的像素點;

⑷ 確定高、低閾值并結合連接分析方法確定圖像最終的邊緣，高、低閾值大小的選擇，對檢測得到的邊緣質量有著關鍵性影響[3]。

Canny 算法處理流程如圖1所示。

1.1.2 Canny算子缺陷分析

圖像處理之前都要對圖像進行降噪處理，Canny算法的第一步驟也是最影響其檢測效果的主要因素，就是高斯濾波器中開窗寬度σ和高低閾值的選取。σ越小，頻帶越寬，可以保持較好的細節信息，但是不能得到理想的降噪效果，σ越大，頻帶越窄，圖像的降噪效果較好，但是可能會造成過度平滑，丟失圖像細節信息[4]。σ的人為設置導致圖像平滑、去噪和細節保持之間的矛盾。高斯濾波器對服從正態分布的噪聲有很好的抑制效果，但對紅外圖像特有的1/f噪聲的濾波效果較差。而一般閾值的稍微改動，就會引起結果的極大變化，最終得不到好的效果。

1.2 數學形態學

數學形態學誕生于1964年，也被稱為圖像代數，一般被用于表示以形態為基礎對圖像進行分析，其基本思想是具有一定數學形態的結構元素去度量和提取圖像中的對應形狀，以達到對圖像分析和識別的目的[5]。形態學的基本運算有以下四個：腐蝕（或侵蝕）、膨脹（或擴張）、開啟和閉合。假設f（x，y）為灰度圖像，b（m，n）為形態學結構元素，灰度形態學各運算定義如下：

⑴ 膨脹運算：

⑵ 腐蝕運算：

⑶ 開運算：

⑷ 閉運算：

在上述公式中，f（x， y）為圖像的灰度級，b（m， n）為結構元素。⊕、Θ、○、●分別為運算符號。

1.3 Otsu算法

Otsu算法，即最大類間方差法，可以自適應地確定閾值。利用圖像的灰度信息，把圖像分類成目標和背景，目標與背景之間的類間方差越大，那么分類越正確，而當目標和背景存在一定程度的錯分時，相應類間方差會變小，所以當類間方差最大時，目標與背景錯分的概率就最小[6]。假設表示總像素值為N的圖像中的L個不同的灰度級，ni表示灰度級為i的像素數，則存在以下關系：

正副圖的灰度值與方差分別為：

對于一幅圖來講，μ和σ2為常量，與t無關。C0類和C1類的類間方差為：

讓t在[0，L-1]范圍依次取值，即求時的對應t值，為最佳閾值。越大，說明圖像分割的效果越好，即最大化分開目標與背景。

2 本文的改進算法與結果分析

2.1 本文改進的邊緣檢測算法

本文在Canny算子中剔除高斯濾波對原始圖像去噪，而是引入形態學濾波，對圖像進行開啟閉合運算，對圖像進行降噪。另采用Otsu算法根據圖像灰度自動生成高低閾值，使算法具有一定的自適應性，避免多次試驗更改閾值的麻煩。改進Canny算法處理流程如圖2所示。

算法具體步驟如下。

⑴ 首先對含有大量噪聲的熱紅外圖像進行形態學去噪，利用開運算能夠消除形狀小于結構元素的目標點，采用不同尺度、不同結構元素對圖像依次進行形態學閉運算，連接相鄰物體以及平滑圖像邊緣。本文分別選用3×3的十字形結構元素A1與2×3的矩形結構元素A2，如下所示：

一般來說，結構元素尺度過大，雖然去噪能力增強，但是會去除掉組多細節;相反尺度較小，保持了圖像邊緣細節，但是降噪能力太差。但是如果將開啟閉合結合起開，即先進行開啟運算，再進行閉合運算，當然，為了使效果更好，可以使用不同的結構元素，這樣既能夠去除噪聲，又能夠保持細節信息。

⑵ 用一階偏導有限差分計算梯度的幅值和方向。

關于圖像灰度值的梯度可使用一階有限差分來進行近似，這樣就可以得圖像在x和y方向上偏導數的兩個矩陣。本文放棄傳統的2×2鄰域內有限差分來計算梯度幅值，使用3×3的卷積模板可以改善環境影響，卷積模板如下：

其中，Gx檢測水平邊緣，Gy檢測垂直邊緣。一階偏導數矩陣的數學表達式為：

圖像中每個像素點（x，y）的梯度幅值M（x，y）和梯度方向θ（x，y）為：

⑶ 對梯度幅值進行非極大值抑制。

圖像梯度幅值矩陣中的元素值越大，說明圖像中該點的梯度值越大，但這僅僅是屬于圖像增強的過程，還不能說明該點就是邊緣點[4]。在Canny 算法中對梯度幅值進行非極大值抑制，遍歷圖像，若某個像素的梯度值與其梯度方向上前后兩個像素的梯度值相比不是最大，那么這個像素就不是邊緣，設置非極大值點梯度為0[7]。

⑷ Otsu算法求取閾值。

利用Otsu算法對非極大值抑制圖像進行全局閾值分割，避免人為設置閾值大小，增強自適應能力。分割后劃分為二值圖像，圖像中邊緣閉合，最后得到邊緣圖像。步驟如圖3所示：

2.2 實驗與結果分析

本文采用的是ThermPulse-S12分體式熱波成像無損檢測系統，此系統搭配非制冷焦平面紅外熱像儀，熱像儀分辨率為384（H）×288（V），熱激勵源為最高能量12000焦耳的閃光燈。利用此設備檢測的是一塊ABS塑料板，其背面有多個深度，半徑不同的孔，用于對比檢測效果。同時為使本文算法仿真效果明顯，對成像增加2%椒鹽噪聲，熱紅外原始圖像，三維圖像及添加噪聲后圖像如圖4～圖6所示。

熱紅外圖像本身存在大量的噪聲，從圖7中可以看到，普通的邊緣檢測算法會呈現出大量的噪聲或者無法檢測出邊緣特征，對于ABS塑料板中的較淺半徑較小的孔洞的缺陷無法檢測，缺陷特征全程被已加的椒鹽噪聲覆蓋，并沒有被很好的去除。圖8中，替代高斯濾波的形態學去噪算法，通過開啟閉合操作后，不僅可以去除掉絕大部分噪聲，而且可以很好的保留邊緣信息為后續步驟提供好的檢測基礎。后期的檢測結果也令人滿意，樣件的缺陷也大多呈現出來，改進的算法檢測結果優于傳統算法的結果。

3 結論

本文針對傳統 Canny 邊緣檢測算法存在的缺陷，通過引入數字形態學以及Otsu最大類間方差法，取得了良好的邊緣檢測效果。實驗表明，改進算法可以在去除噪聲的同時，自主選擇閾值，保留了更多的邊緣細節，有著較好的抗噪性，自適應性，使邊緣特征更具連續性。

參考文獻（References）：

[1] 葉德周，楊風健，貌程浩等.基于Canny算子的紅外圖像邊緣檢測算法[J].激光與紅外，2015.45（9）：1129-1132

[2] 夏清，胡振琪，位蓓蕾等.一種新的紅外熱像儀圖像邊緣檢測方法[J].紅外與激光工程，2014.43（1）：318-322

[3] 許宏科，秦嚴嚴，陳會茹.一種基于改進Canny的邊緣檢測算法[J].紅外技術，2014.36（3）：210-214

[4] 郭慧鑫，牛竹云，郭會兵等.一種基于Canny算子的紅外圖像邊緣檢測算法[J].火力與指揮控制，2014.s1：95-97

[5] 陳愛軍.數學形態學及其在圖像分析中的應用[J].紅外與激光工程，2006.35：465-468

[6] 王雪嬌，陳攀.基于FPGA的自適應閾值邊緣提取的Canny算法的實現[J].電子世界，2014.11：105-106

[7] 周同，鄒麗新，尤金正等.基于改進Canny邊緣檢測算子的電子穩像算法研究[J].計算機應用研究，2010.27（2）：506-508