曾躍奇（廣西工業(yè)職業(yè)技術學院，廣西南寧 530001）

?

邊緣檢測算子在武夷巖茶圖像處理中的對比分析

曾躍奇
（廣西工業(yè)職業(yè)技術學院，廣西南寧 530001）

在實際圖像處理過程中，作為圖像常規(guī)的特征顯示，邊緣為大家認定與判定圖像給予了非常關鍵的特征參數(shù)。當前，邊緣檢測應用圖像處理中的識別、分割、增強、壓縮等各個范圍都有著非常明確與普遍的應用，除此之外，邊緣檢測它時常被應用至計算機視覺、模式等難度較大的層次較強的圖像處理中。本文結合武夷巖茶的實質特征，通過5種形式的邊緣檢測算子，檢測茶葉的圖像邊緣，并在此實驗基礎上對比各算子的差別。

圖像邊緣；檢測算子；武夷巖茶

引言

關于圖像邊緣檢測的研究歷史已在國內外進行了許多年，如今，邊緣檢測的辦法也各式各樣，然而其研究方法還有一定的不足。在特定的形勢下，尚無法檢測出目標物體的最真實的邊緣，目前還沒有一種普遍適用且具有標準意義的邊緣檢測辦法。所以，對現(xiàn)階段普遍應用的一些檢測方法實施完善，抑或是根據(jù)具體的需求研究出新的辦法，是開展邊緣檢測的研究領域的一個的主要路徑。

1　邊緣檢測的開展步驟

總而言之，一切邊緣檢測都可重點判別為彩色與灰度兩種。前者有8種彩色基，彩色基的滿足使其在檢測的過程中，能夠一一將彩色基本運用其中，進而左右檢測的實時程度、兼容水平以及檢測結果。相較于彩色圖像邊緣檢測，灰度圖像邊緣檢測在目前研究中更為普遍，其操作更加便捷，能夠應用于各個應用場合［1］。

圖像處理中的邊緣檢測往往需要利用求導數(shù)來完成，所謂邊緣定位其本質就是對邊緣圖像展開階段，以獲得分辨率的二值圖像（Binary Image）邊緣，當前應用最多的定位技術是閾值法與零交叉。前者處理算法比較容易掌握，但是所形成的邊緣往往不存在分辨率。為了取得所需分辨率邊緣，Canny第一次于定位法中進行了非最大值抑制，有研究者進一步推廣了這一方法，且引入LBE參數(shù)。后者應用也較為廣泛：Marr、Hildreth利用搜索函數(shù)拉普拉斯變換（Laplace Transform）變化點集實施圖像定位；Haralick通過搜索引入二階導數(shù)和三階導數(shù)的梯度法變化符號屬于負值的點集來定位邊緣。除此以外，也有其他的研究人員通過符號結合法來定位階躍邊緣，也獲得了良好的定位結果。

國內外對邊緣鏈接的研究已有近三十年的歷史，并且發(fā)展出了種種各樣的鏈接算法，重點分成兩大類：即局部邊緣鏈接、全局邊緣鏈接。前者是在某一特定的范圍內實施鏈接步驟，如標注、鏈接，其中像素標注屬于八向連通像素點集分配標號。一旦邊緣像素點的灰度與路徑能夠達到某一相似性準則，那么該標注則是同邊緣段；也能夠通過方向信息進行對像素點的標準，或通過預定義模板實施標注像素。

2　常用邊緣檢測算子

一般意義上，會把邊緣檢測算子分成兩大類：即一階導數(shù)的和二階導數(shù)算法，除此以外，也有Canny算法、統(tǒng)計差別方法等。本質上來說，邊緣檢測目的就是通過某一特定地算法來獲得圖像對象和背景的交界線。人們把邊緣定義成圖像灰度出現(xiàn)變化的區(qū)域邊界。圖像灰度變化水平能夠通過圖像灰度布置梯度來體現(xiàn)，能夠通過特定局部圖像微分技術來得到邊緣檢測算子。最為普遍的邊緣檢測算法，主要是對原始圖像中某一像素的某一鄰域進行構造邊緣檢測算子。

2.1LoG算子

LoG算子通過圖像的強度二階導數(shù)的零交叉點進而研究出邊緣點的算法對噪聲非常靈敏清晰，也因此，力圖在邊緣出現(xiàn)強化之前濾除噪聲。Marr、Hildreth把高斯濾波、拉普拉斯邊緣檢測相互融合，形成Marr-Hildreth算子，如今也普遍稱之為LoG（Laplacian of Gaussian）算子。其重要特征為：第一，平滑濾波器屬于高斯濾波器；第二，邊緣增強步驟采取拉普拉斯函數(shù)；第三，檢測器為二階導數(shù)零交叉點并對應一階導數(shù)的峰值；第四，通過線性內插辦法于像素分辨率程度中預估邊緣位置；第五，通過線性內插辦法于分辨率水平上預估邊緣的位置。應用LoG算子方法階段，參數(shù)σ至關重要，究其原因，只有擇取模塊，方可達到邊緣維續(xù)與噪聲平滑的重要平衡。當有噪聲時，其檢測到的偽邊緣也相應增多，而且LoG算子的卷該圖像處理的特點是于高斯濾波器實施卷積，基于此，在平滑圖像過程中減少噪聲，獨立點噪聲與小結構組織被過濾清楚。該算子輸出h（x，y）是利用卷積運算所取得［2］，如下：

H（x，y）=▽2［g（x，y）］*f（x，y）

其中，σ為標準差，目的在判定圖像模糊水平，其對圖像處理中的邊緣檢測結果有著很大程度的影響，圖像的不同其參數(shù)值也不一樣。

2.2Canny邊緣檢測算法

LoG邊緣檢測算子操作較為便捷可普遍實現(xiàn)，擁有一定的實效水平，然而其對噪聲相對比較敏感、因為抗干擾水平不強，邊緣缺少精細。Canny［3］在1986年所研究而成的基于邊緣檢測算子有著較為出色的信噪比以及檢測精度，已然成為當前應用最廣泛的邊緣檢測算子之一。該算法是對信噪比和定位精度乘積的最優(yōu)化逼近算子，采取二維高斯函數(shù)一階導數(shù)對圖像處理平滑。設二維高斯函數(shù)為［4］：

梯度向量為：

通過G（x，y）為平滑后圖像，利用G（x，y）對圖像平滑顯示：G（x，y）=f（x，y）*H（x，y）

通過一階偏導有限差分來算出梯度的幅值與方向。

單純地獲取全局梯度還不能明確圖像邊緣，所以，為了明確邊緣，一定要保留局部梯度最大點，換言之，把非局部極大值點置零以得到細化的邊緣。處理行為是把梯度角離散為圓周的四個扇區(qū)之一，方便3*3抑制運算，標號為0至3，對應3*3鄰域的四個可能組合。

3　武夷巖茶在不同邊緣檢測算子中的分析

武夷巖茶是烏龍茶的一種，也是發(fā)現(xiàn)年代最早的茶葉種類，該茶屬于半發(fā)酵青茶，在茶葉制作工藝上，區(qū)于綠茶和紅茶間，依次為：采摘、萎凋、攤晾、搖青、發(fā)酵、殺青、揉捻、烘干、分揀、烘焙、包裝。該茶呈彎條狀，色澤烏褐，或帶墨綠，條索緊結，湯色橙黃至紅茶，清澈明亮。武夷巖茶外形主要呈現(xiàn)彎條條索狀，相較于其他綠茶，其外形有一條彎曲度。

圖像處理過程中邊緣識別的要求往往有著很大的矛盾，基本無法統(tǒng)一，具體為：第一，可以準確檢測出圖像邊緣；第二，單像素的檢測相應；第三，有著比較出色的定位精度；第四，即便尺度邊緣的不同，檢測算子在圖像處理中也能得到不錯的響應且最大程度上降低漏檢；第五，不受噪聲影響；第六，邊緣方向對靈敏度影響不大。

Prewitt邊緣檢測算子是基于3X*3鄰域的有向差分，該算子充分綜合每一像素點的方向鄰點灰度的加權和，邊緣像素方向的權值為1，有著不錯的邊緣，其定位水平也比較精確，完整性較好。

Roberts邊緣檢測算子邊緣的定位準確出眾，在檢測水平與垂直邊緣過程中呈現(xiàn)出的效果更好，不足之處在于受噪聲影響較大，因此會出現(xiàn)部分邊緣的消失，圖像處理的邊緣多像素寬度。

Sobel算子與Prewitt算子的算法特征基本一樣，然而像素權值大，更加接近模板中心權值大，不僅能夠對噪聲有著一定的平滑功能，也可以形成出色的邊緣效果，降低了對噪聲的敏感程度，在檢測斜向階躍邊緣過程中表現(xiàn)好，能夠給予最精準的邊緣方向預估。改進后的Sobel邊緣檢測算子，就是在水平邊緣Sobel算子與垂直邊緣Sobel算子的模板的背景下，又增設了6個方向的模板，即45°、135°、180°、225°、270°、315°。這樣一來，能夠更為科學高效地檢測圖像處理中多方向邊緣，讓邊緣信息更為精準、完整。雖然改進之后的8方向Sobel算子能夠行之有效地獲取更為完整的圖像邊緣信息，然而與沒改進時的狀態(tài)雷同，其抗噪聲水平并不好，在疊加噪聲圖像的圖像邊緣檢測不是很理想。處理這一問題的普遍方法就是設定某一閾值，接著，再經(jīng)Sobel算子檢測，然后對比邊緣值，一旦幅值超過閉值定義成邊緣，相反則取零。由此不難發(fā)現(xiàn)，閾值T的選取非常重要。

Canny算子算法效果較好，圖像邊緣的定位較為準確，形成的邊緣比較細，邊緣線性連接程度較好。

在對武夷巖茶圖像實施圖像邊緣的提取階段，上述5個檢測算子都獲得了良好的效果，這也是由于所取圖像的內容比較簡單、層次更加明確，前景并未出現(xiàn)重疊，噪聲清除，所以這幾種算子的分析結果大體都比較接近，也較為理想，差異不大。對于某一層面不能清除的噪聲范圍，算子提取邊緣也出現(xiàn)不一致，改進后的Sobel邊緣檢測算子可以去掉較多的假邊緣，取得更為清晰、完整性更好的圖像處理邊緣。整體來說，這一算子在武夷巖茶圖像邊緣檢測過程中取得了更為優(yōu)異的效果，也獲得了更加完整、精確、細膩、光滑的圖像邊緣，對比之下，傳統(tǒng)Sobel算子、Prewitt算子、Roberts算子、Canny算子在含噪聲的圖像邊緣處提取過程中留有一定程度的假邊緣。

4　結束語

綜上所述，通過以上對集中算法的結果能夠發(fā)現(xiàn)，8方向Sobel算子檢測出的圖像邊緣信息更為豐富，有著較好的連續(xù)性，然而因為噪聲干擾較大，邊緣也較為模糊，很大程度上影響了視覺效果。而通過增設閾值的設定，很好地完善了這個不足，所獲得圖像邊緣有著出眾的圖像清晰度與連續(xù)性，圖像信息也更為完整，呈現(xiàn)效果達到預期，值得推廣應用。

［1］Qiucheng Sun，Yueqian Hou，Qingchang Tan.A robust edge detec原tion method with sub-pixel accuracy［J］.Optik-International Journal for Light and Electron Optics，2014.

［2］趙芳，欒曉明，孫越.數(shù)字圖像幾種邊緣檢測算子檢測比較分析［J］.自動化技術與應用，2011，12（03）：68-72.

［3］鋒華，劉琪芳，冀金鳳.基于MATLAB數(shù)字圖像邊緣檢測算子的研究［J］.機械工程與自動化，2011，7（4）：48-50.

［4］歐溫暖.幾種常見邊緣檢測算子的分析比較［J］.現(xiàn)代計算機（專業(yè)版），2010，21（5）：75-77.

曾躍奇（1964-），男，廣西南寧人，學士，講師，研究方向：計算機應用、網(wǎng)絡。