一种改进的Canny边缘检测算法(3)

第１２期

２．１．１算法原理

吕

哲等：一种改进的Ｃａｎｎｙ边缘检测算法

转第４步；

１６８３

如图１所示，在以点０为中心的８邻域内。定⑦继续扫描候选边缘图像Ｎ，寻找新的候选边缘点，若该点未被标记为边缘点，转第２步，否

则继续扫描其他点．直到没有新的未标记为边缘点的候选边缘点，算法结束．

义各点与中心点的连线为Ｓｅｇ。＝｛（０，ｔ）Ｉｔ＝１，…，８｝，称为点ｔ到中心点的连接．显然，当中心点ｔ与邻域内任意一点处于同一边缘上时，其连接Ｓｅｇ，亦处于该边缘上．定义Ａ０４９。为中心点０与

其邻域内任意点ｔ的平均梯度方向与此两者的连

其中，邻域内Ｓｅｇ。＝｛（０，ｔ）ｌ＝ｌ，…，８｝的法

线方向规定为一丌／４，０，耳／４，ｎ／２四个方向之一，同时，对于计算得到的Ａｎｇ。在取绝对值之前需将其归一化到（一ｘ／２。兀／２）之间．２．２改进的Ｃａｎｎｙ边缘检测算法

将传统Ｃａｎｎｙ边缘检测算法中的双阈值方法用本文提出的新的基于梯度方向的边缘点检测

接Ｓｅｇ，的法线方向的夹角的绝对值．由于边缘上

的点的梯度方向应指向该点处边缘的法线方向，

则当中心点０与邻域内任意点ｔ处于同一边缘上时，Ａｎｇ。应小于一个较小值Ｔ．而对于噪声点，由于其与相邻点梯度方向不同，使得Ａｎｇ。值通常较大．因此，依据梯度方向信息能够有效地区分图像中的边缘点和噪声点，从而在抑制噪声的同时

准确地实现边缘点的检测和连接．

和连接方法代替就构成了改进的Ｃａｎｎｙ边缘检

测算法．由于新算法利用了边缘点和噪声点在梯

度方向特性上的差异，避免了传统方法在抑制噪声的同时损坏低强度边缘的缺陷，因此，获得了更

为出色的性能．

Ｑ

④

９

＠…－３翁…ｏ

＼ｌ／

此外，在实际应用过程中，受到光的衍射等因素的影响，部分图像中可能含有一些梯度方向特

性与边缘十分类似的暗纹，可能使碍检测出的图像中存在部分无意义边缘．由于这类暗纹的梯度

／；、＼／；＼０④＠

图１Ｆｉｇ．１

８邻域结构

ａｒｃｈｉｔｅｃｔｕｒｅ

ｓ），ｓｔｅｍ

幅度通常很低，此时，可以在程序中引入一个较小的梯度幅度阈值，将梯度幅度低于该阈值的点直

接标记为非边缘点，避免对其进行基于梯度方向

的检测和连接，从而防止这类无意义边缘的出现．

２．１．２算法实现

根据上述原理，基于梯度方向的检测和连接边缘方法可表述为

①扫描非极大值抑制后获得的候选边缘图像Ｎ；

②对于扫描到的候选边缘点Ｎ（ｉ，Ｊ），判断

３实验结果分析及讨论

针对具有２５６级灰度的Ｃａｍｅｒａｍａｌｌ图像，本

其８邻域内是否有其他候选边缘点，若没有，转第

７步，否则：

文分别应用传统Ｃａｎｎｙ边缘检测算法和本文所提出的改进的Ｃａｎｎｙ边缘检测算法对其进行处

理．为了便于了解图像中低强度边缘的分布情况，本文还给出了对Ｃ８Ｉｎｅｒａｍａｎ图像进行直方图均衡化处理后得到的图像，如图２ｂ所示．改进的Ｃａｎｎｙ算法中涉及到参数Ｔ，由实验可知，过小的Ｔ可能会导致目标边缘不连续，对于不同图像当Ｔ取５。～３０‘之间的值时，有较为理想的检测效果，本文取Ｔ＝２０。．

③根据梯度方向图口计算点Ｎ（ｉ，Ｊ）及其８邻域内扫描到的第一个候选边缘点ｔｌ所对应的Ａｎｇ¨若Ａｎｇ。。＜Ｔ，转第５步，否则：

④继续扫描点Ｎ（ｉ，歹）８邻域内其他未被标记为边缘点ｔ。的候选边缘点，并计算相应的Ａｎｇｆ＾’若找到满足Ａｎｇ，．＜Ｔ的候选点则转第５

步，否则转第７步；

⑤将邻域中心点Ｎ（ｉ，歹）及满足Ａｎｇ，．＜Ｔ的候选边缘点ｔｐ均标记为边缘点，并以点知为种子点进行边缘连接；

如图２ｃ，２ｄ所示，与传统Ｃａｎｎｙ边缘检测算法相比，本文提出的改进算法在保持了传统算法

优点的基础上，检测到了更多的低强度边缘，从而

更全面地反映了图像的细节信息．

此外，本文还进一步对两种算法的抗噪声干

⑥若ｔ。的８邻域内存在候选边缘点，且该点未被标记为边缘点，则将该点标记为边缘点，并

以该点为新的种子点继续连接，直到在所有种子点的８邻域不存在新的未被标记的候选边缘点，

扰性能进行了比较研究．在具有２５６级灰度的

Ｃｅｌｌ图像中引入了１％的椒盐噪声。用改进前后

的两种Ｃａｎｎｙ算法对其进行处理．由图３ｃ，３ｄ可

见，改进的Ｃａｎｎｙ边缘检测算法在保持边缘清晰