邊緣檢測是圖像處理領(lǐng)域中的不可回避的問題，對于邊緣檢測，我們應(yīng)該有所了解。為增進大家對邊緣檢測的認識，本文將對邊緣檢測以及邊緣檢測方案予以介紹。如果你對邊緣檢測具有興趣，不妨一起和小編繼續(xù)往下閱讀哦。
所謂邊緣是指其周圍像素灰度急劇變化的那些象素的集合，它是圖像最基本的特征。邊緣存在于目標(biāo)、背景和區(qū)域之間，所以，它是圖像分割所依賴的最重要的依據(jù)。由于邊緣是位置的標(biāo)志，對灰度的變化不敏感，因此，邊緣也是圖像匹配的重要的特征。
邊緣檢測和區(qū)域劃分是圖像分割的兩種不同的方法，二者具有相互補充的特點。在邊緣檢測中，是提取圖像中不連續(xù)部分的特征，根據(jù)閉合的邊緣確定區(qū)域。而在區(qū)域劃分中，是把圖像分割成特征相同的區(qū)域，區(qū)域之間的邊界就是邊緣。由于邊緣檢測方法不需要將圖像逐個像素地分割，因此更適合大圖像的分割。
邊緣大致可以分為兩種，一種是階躍狀邊緣，邊緣兩邊像素的灰度值明顯不同;另一種為屋頂狀邊緣，邊緣處于灰度值由小到大再到小的變化轉(zhuǎn)折點處。邊緣檢測的主要工具是邊緣檢測模板。我們以一個一維模板為例來考察邊緣檢測模板是如何作用的。
模板的作用是將右鄰點的灰度值減去左鄰點的灰度值作為該點的灰度值。在灰度相近的區(qū)域內(nèi)，這么做的結(jié)果使得該點的灰度值接近于0;而在邊緣附近，灰度值有明顯的跳變，這么做的結(jié)果使得該點的灰度值很大，這樣就出現(xiàn)了上面的結(jié)果。這種模板就是一種邊緣檢測器，它在數(shù)學(xué)上的涵義是一種基于梯度的濾波器，習(xí)慣上又稱邊緣算子。我們知道，梯度是有方向的，和邊緣的方向總是垂直的。模板 是水平方向的，而上面那幅圖像的邊緣恰好是垂直方向的，使用模板 就可以將它檢測出來。如果圖像的邊緣是水平方向的，我們可以用梯度是垂直
方向的模板 檢測它的邊緣。如果圖像的邊緣是45。方向的，我們可以用模板檢測它的邊緣。
常用的邊緣檢測模板有Laplacian算子、Roberts算子、Sobel算子、log(Laplacian-Gauss)算子、Kirsch算子和Prewitt算子等。
邊緣檢測一般是提取輪廓部分梯度變化最大的地方，既然是提取變化最大的地方，那么直接求取二階導(dǎo)數(shù)不就可以了嘛，順著這個思路繼續(xù)思考，如果直接提取圖像像素值的二階導(dǎo)，確實是可以得到圖像邊緣部分的，也就是說求取圖像像素值的二階導(dǎo)會避免只求取一階導(dǎo)而導(dǎo)致圖像輪廓線段雜亂的現(xiàn)象。
但是如果只是求取圖像像素值的二階導(dǎo)數(shù)獲取圖像邊緣的話，其實得到的結(jié)果是不太理想的，最主要問題就是圖像的邊緣部分可能是斷斷續(xù)續(xù)的，或者邊緣連接部分不夠平滑，這主要是由于圖像的噪聲、以及圖像當(dāng)中的漏洞造成的。所以在對圖像進行梯度計算之前，應(yīng)該先進行圖像形態(tài)學(xué)操作，使用開操作和閉操作分別進行去噪和填補漏洞，讓所有的邊緣盡量都連接成完整閉合的線段，這樣提取圖像邊緣的時候才不會出現(xiàn)斷斷續(xù)續(xù)、或者雜亂的線段。
到此，好像能夠影響圖像邊緣檢測的因素都被排除了，但是還有一種情況要說明，就是當(dāng)被檢測的圖像邊緣部分的像素變化不夠明顯的時候，是否還能夠正常的檢測分割出圖像的邊緣呢?以文章后面的人臉CT圖片為例，要檢測出人臉的輪廓部分是有很大難度的。
一般這種情況如果直接按照上面的流程進行檢測，實際上效果是非常不理想的。由于圖像本身應(yīng)該被分割的邊緣部分由于像素差異過小，從而導(dǎo)致計算出來的梯度也非常的小，這種情況求取像素值的二階導(dǎo)會忽略掉這部分，二階導(dǎo)數(shù)求取是圖像像素梯度變化最大的地方，很明顯，在這一點上，我們所要求應(yīng)該被分割的“邊緣”是不符合算法的要求的。
接著這個問題繼續(xù)探討，我們可以從兩方面去思考解決方案，第一種解決方案就是直接拋棄圖像梯度計算的這種方法，使用一種完全按照我們對圖像邊緣要求分割的方法;第二種方案就是繼續(xù)按照圖像像素梯度的計算方法改進當(dāng)前的算法。
如果按照第一種方案的話，就不需要計算圖像像素的梯度了，目前傳統(tǒng)算法對于圖像邊緣分割都是基于像素梯度的計算，而不需要圖像梯度就能實現(xiàn)圖像分割的就只有深度學(xué)習(xí)的算法了，深度學(xué)習(xí)算法是一種基于端到端的學(xué)習(xí)方法，對于算法的設(shè)計難度較低，只需要指定輸入和輸出，以及對于標(biāo)簽的設(shè)定就可以了，深度學(xué)習(xí)方法除了對于設(shè)備的要求較高之外，訓(xùn)練技巧也較多，是需要一定的經(jīng)驗和技術(shù)積累的。
第二種方案是我們要探討的重點，如何按照圖像像素梯度計算的方法對弱邊緣圖像進行分割呢?其實答案的線索就藏在這個問題里面，既然圖像的邊緣較弱，那么意味著這部分圖像的像素梯度也較弱，如果有一種方法能夠增加這部分圖像的像素梯度，那么問題就迎刃而解了。
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!
下載文檔
