摘　要：介紹了基于邊緣信息的圖像分割方法及其算法特點(diǎn)，并對(duì)其性能、特點(diǎn)做了分析研究。在此基礎(chǔ)上，對(duì)一階微分算子、roberts算子、sobel算子及canny算子進(jìn)行了設(shè)計(jì)，并通過(guò)matlab6.0進(jìn)行了仿真，經(jīng)調(diào)試得出了較理想的實(shí)驗(yàn)結(jié)果。該圖像分割方法不僅具有較好的理論基礎(chǔ)，而且針對(duì)不同的目標(biāo)對(duì)象和應(yīng)用領(lǐng)域具有實(shí)時(shí)性好、分割精度高等特點(diǎn)，具有十分廣闊的應(yīng)用前景。

　　關(guān)鍵詞：圖像分割；邊緣檢測(cè)；roberts算子；sobel算子；canny算子；matlab

researchofimagesegmentationtechniquebasedonedgeinformation

huangyi,duyuren

(referenceroomofelectronicdepartment,collegeofinformationengineering,
yangzhouuniversity,yangzhou,225009,china)

　　abstract：thispaperintroducesthemethodsofimagesegmentationbasedonedgeinformationandtheirarithmeticcharacteristics,analysesthecapabilityandcharacteristicrobertsoperator,sobeloperatorandcannyoperatoraredesignedandsimulatedbymatlab6.0,theresultsaregiventhemethodnotonlyhasgoodtheoreticbasebutalsohasrealtimeandgoodsegmentationprecisionineveryareatheyhaveterriblycapaciousdevelopedforeground
　　keywords：imagesegmentation;edgedetection;robertsoperator;sobeloperator;cannyoperator;matlab

1引言

　　所謂圖像分割就是根據(jù)目標(biāo)與背景的先驗(yàn)知識(shí)，對(duì)圖像中的目標(biāo)、背景進(jìn)行標(biāo)記、定位，然后將要識(shí)別的目標(biāo)從背景或其他偽目標(biāo)中分離出來(lái)。圖像分割是圖像理解的重要組成部分，其目的是將目標(biāo)和背景分離，為目標(biāo)識(shí)別、精確定位等后續(xù)處理提供依據(jù)，其結(jié)果將直接影響到其后的信息處理過(guò)程。如何快速、有效地將感興趣的目標(biāo)從復(fù)雜的背景中分割出來(lái)一直是國(guó)內(nèi)外研究的熱點(diǎn)。

　　圖像分割一般可分為基于區(qū)域的分割和基于邊緣的分割2種。而采用的方法通常有閾值比較法、區(qū)域生長(zhǎng)法、象素迭代聚類法等。一般邊緣檢測(cè)具有邊緣定位準(zhǔn)確、運(yùn)算速度較快等優(yōu)點(diǎn)，因此是人們研究得比較多的一種方法。本文簡(jiǎn)單介紹了邊緣圖像分割的方法，列舉了一階微分算子、canny算子、roberts算子、sobel算子的設(shè)計(jì)過(guò)程，分別對(duì)他們進(jìn)行邊緣檢測(cè)設(shè)計(jì)仿真，并給出了仿真結(jié)果。

2基于邊緣信息的圖像分割方法

　　圖像的邊緣是圖像最基本的特征。所謂邊緣(或邊沿)是指其周圍象素灰度有階躍變化或“屋頂”變化的那些象素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間。因此,他是圖像分割依賴的重要特征。

　　物體的邊緣是由灰度不連續(xù)性形成的。經(jīng)典的邊緣提取方法是考察圖像的每個(gè)象素在某個(gè)鄰域內(nèi)灰度的變化,利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律,用簡(jiǎn)單的方法檢測(cè)邊緣。這種方法稱為邊緣檢測(cè)局部算子法。如果一個(gè)象素落在圖像中某一個(gè)物體的邊界上,那么他的鄰域?qū)⒊蔀橐粋�(gè)灰度級(jí)的變化帶。對(duì)這種變化最有用的2個(gè)特征：灰度的變化率和方向,他們分別以梯度向量的幅度和方向來(lái)表示。邊緣檢測(cè)算子檢查每個(gè)象素的鄰域并對(duì)灰度變化率進(jìn)行量化,也包括方向的確定。常用的檢測(cè)算子有roerts算子、sobel算子、prewitt算子和kirsh算子等。這些算子由于梯度或一階微分算子通常會(huì)在圖像邊緣附近的區(qū)域內(nèi)產(chǎn)生較寬的響應(yīng)，故采用上述算子檢測(cè)的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高。

　　邊緣檢測(cè)的基本問(wèn)題是檢測(cè)精度與抗噪性能間的矛盾。由于圖像邊緣和噪聲均為頻域中的高頻分量，簡(jiǎn)單的微分運(yùn)算會(huì)增加圖像中的噪聲。因此，在微分運(yùn)算之前應(yīng)采取適當(dāng)?shù)钠交瑸V波以減少高頻分量中噪聲的影響。canny應(yīng)用嚴(yán)格的數(shù)學(xué)方法對(duì)此問(wèn)題進(jìn)行了分析,提出了由4個(gè)指數(shù)函數(shù)線性組合形成的最佳邊緣檢測(cè)算子，其實(shí)質(zhì)是用一個(gè)準(zhǔn)高斯函數(shù)做平滑運(yùn)算，然后以帶方向的一階微分定位導(dǎo)數(shù)最大值，他可用高斯函數(shù)的梯度來(lái)近似，屬于具有平滑功能的一階微分算子。

3常用的邊緣檢測(cè)算子的設(shè)計(jì)

3.1roberts算子和sobel算子的設(shè)計(jì)

　　roberts算子的表達(dá)式：
　　
式（1）中，f(i,j)是數(shù)字圖像中坐標(biāo)為(i,j)的象素值。
　　sobel算子的表達(dá)式：
　　
其中，由于sobel算子是濾波算子的形式，用于提取邊緣�？梢岳每焖倬矸e函數(shù)，簡(jiǎn)單有效，因此應(yīng)用廣泛。
　　上述算子的設(shè)計(jì)步驟如下：
　�。�1）用高斯濾波器對(duì)圖像濾波，去除圖像中的噪聲。
　�。�2）由于導(dǎo)數(shù)算子具有突出灰度變化的作用，對(duì)圖像運(yùn)用導(dǎo)數(shù)算子，灰度變化較大的點(diǎn)處算得的值較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點(diǎn)的邊界強(qiáng)度，通過(guò)設(shè)計(jì)門限的方法，提取邊界點(diǎn)集。
　�。�3）對(duì)提取邊緣后的圖像進(jìn)行連接和細(xì)化，使其形成一條有意義的邊界。

3.2canny算子的設(shè)計(jì)

　　canny把邊緣檢測(cè)問(wèn)題轉(zhuǎn)換為檢測(cè)單元函數(shù)極大值的問(wèn)題。在高斯噪聲中，一個(gè)典型的邊緣代表一個(gè)階躍的強(qiáng)度變化。