邊緣檢測在圖像處理中是非常重要的，通過邊緣檢測，我們能夠區(qū)分一張圖像的邊緣部分。為增進大家對邊緣檢測的認識，本文將對邊緣檢測的步驟以及canny邊緣檢測算法獲取邊緣與輪廓提取的方法予以介紹。如果你對邊緣檢測具有興趣，不妨繼續(xù)往下閱讀哦。

一、邊緣檢測步驟

①濾波：邊緣檢測算法主要是基于圖像強度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計算對噪聲很敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。需要指出，大多數(shù)濾波器在降低噪聲的同時也導(dǎo)致了邊緣強度的損失，因此，增強邊緣和降低噪聲之間需要折中。

②增強:增強邊緣的基礎(chǔ)是確定圖像各點鄰域強度的變化值。增強算法可以將鄰域(或局部)強度值有顯著變化的點突顯出來。邊緣增強一般是通過計算梯度幅值來完成的。

③檢測：在圖像中有許多點的梯度幅值比較大，而這些點在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點是邊緣點。最簡單的邊緣檢測判據(jù)是梯度幅值閾值判據(jù)。

④定位：如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可在子像素分辨率上來估計，邊緣的方位也可以被估計出來。在邊緣檢測算法中，前三個步驟用得十分普遍。這是因為大多數(shù)場合下，僅僅需要邊緣檢測器指出邊緣出現(xiàn)在圖像某一像素點的附近，而沒有必要指出邊緣的精確位置或方向。

邊緣檢測的實質(zhì)是采用某種算法來提取出圖像中對象與背景間的交界線。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，因此我們可以用局部圖像微分技術(shù)來獲得邊緣檢測算子。經(jīng)典的邊緣檢測方法，是通過對原始圖像中像素的某小鄰域構(gòu)造邊緣檢測算子來達到檢測邊緣這一目的的。

二、canny邊緣檢測算法獲取邊緣與輪廓提取

1.獲取邊緣

為了提取單像素寬邊緣，必須細化梯度幅值圖。在梯度幅值圖像中，M[i，j]的極大值所在位置附近會產(chǎn)生屋脊帶，只有細化這些屋脊帶才能精確地確定邊緣的位置，僅保留幅值局部變化最大的點，這一過程叫做非極大值抑制。在非極大值抑制過程中，Canny算子使用3×3大小，包含8個方向的鄰域?qū)μ荻确店嚵蠱[i，j]的所有像素沿梯度方向進行梯度幅值的插值，在每一個點上，鄰域的中心像素M[i，j]與沿梯度方向的2個梯度幅值的插值結(jié)果進行比較，如果鄰域中心點的幅值M[i，j]不比梯度方向上的2個插值結(jié)果大，則將M[i，j]對應(yīng)的邊緣標(biāo)志位賦值為0，這一過程把M[i.j]寬屋脊帶細化為一個像素寬，并且保留了屋脊的梯度幅值。

對經(jīng)過非極大值抑制和梯度直方圖分類的子圖像N[i，j]分別使用高、低2個閾值thrA和thrl，將梯度小于閾值的像素灰度置為0，分割得到2個閾值邊緣圖像TH[i，j]和TL[i，j]。由于圖像TH[i，j]是由高閾值得到，因此偽邊緣很少，但TL[i，j]保留邊緣信息較為全面，但也含有一些偽邊緣。因此以圖像TH[i，j]為基礎(chǔ)，圖像TL[i，j]為補充獲得相對較為全面的邊緣。

2.輪廓跟蹤或輪廓提取

在對圖像進行canny邊緣檢測后，可能會出現(xiàn)某些檢測邊緣斷裂、不連續(xù)的現(xiàn)象，為了解決這個問題，使獲得的目標(biāo)檢測物體的邊緣能夠連續(xù)并且去除多余的偽邊緣，在邊緣檢測后，再對圖像進行邊界跟蹤，便可使這一問題得以很好地改善。

對于二值圖像，輪廓提取的基本方法是掏空內(nèi)部點，即如果原圖像中有一點為黑，且其他相鄰的8個點都為黑，則將該點刪除。

本文借鑒二值圖像輪廓跟蹤方法，即將每一點與其相鄰的8個點作比較。具體方法為：(1)先找到第一個邊界像素。按從左到右、從下到上的順序搜索，找到的第一個白點一定是最左下方的邊界點，記為A0，它的右、右上、上、左上四個相鄰點中至少有一個是邊界點，記為B0，從B0開始找起，按右、右上、上、左上、左、左下、下、右下的順序找8個相鄰點中的邊界點C0，如果C0就是A0點，則表明已經(jīng)轉(zhuǎn)了一圈，結(jié)束;否則從C0點繼續(xù)找，直到找到A0為止;(2)判斷是否邊界點：如果它的8個相鄰點都不是白點，則它即為邊界點。對于邊界跟蹤來說，跟蹤后產(chǎn)生的輪廓邊緣寬度只有一個像素，實現(xiàn)了邊緣像素點單一、清晰，并很好地去除了偽邊緣點。

以上便是此次小編帶來的檢測相關(guān)內(nèi)容，通過本文，希望大家對邊緣檢測具備一定的認知。如果你喜歡本文，不妨持續(xù)關(guān)注我們網(wǎng)站哦，小編將于后期帶來更多精彩內(nèi)容。最后，十分感謝大家的閱讀，have a nice day!