[边缘特性及边缘检测在图像插值算法中的应用研究] 边缘检测是将边缘像元

　　[摘要]首先论述边缘的基本特性,边缘蕴含丰富的内在信息,如方向、阶跃性质、形状等,对于剧烈跳变的边缘,灰度值差变化大,跳变节奏加快,产生阶跃变化或屋顶状变化。然后分析Canny边缘检测,指出其具有很好的边缘强度估计,为提高插值图像质量和插值算法提供理论根据。
　　[关键词]图像插值边缘检测边缘特性
　　中图分类号:TP3文献标识码:A文章编号:1671-7597(2009)1120058-01
　　
　　边缘信息是影响视觉效果的重要因素,它不仅能够传递图像大部分信息,而且能勾勒出物体的基本轮廓。边缘检测能够得到关于边缘有用的结构信息,而且能极大地减少要处理的数据。许多图像处理技术直接或间接地依靠边缘检测算法的性能,而边缘检测用在图像插值方面也能达到很好的效果。对边缘检测算法的研究一直相当活跃,也相继提出了许多实用的边缘检测算子。提取边缘的算法就是检测出符合边缘特性的边缘像素的数学算子,算子的影响能力强,对边缘敏感性越强。
　　
　　一、图像边缘特性
　　
　　图像最基本的特征是边缘,所谓边缘点是指它两边像素的灰度值有显著的不同。在数字图像中,物体和物体之间或物体和背景之间的交界处为边界、边缘或轮廓。在图像中,边界区域的灰度是突变或不连续的。一个像素如果满足下列条件,就认为是边缘点:(1)像素(i,j)的边缘强度大于沿梯度方向的两个相邻像素的边缘强度;(2)与该像素梯度方向上相邻两点的方向差小于45°;(3)以该像素为中心的3X3邻域中的边缘强度极大值小于某个阈值。边缘点也存在于这样一对邻点之间,即一个在较亮的区域内部,另一个在外部。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。因此,它是图像分割所依赖的最重要的特征,也是纹理特征的重要信息源和形状特征的基础;而图像纹理形状特征的提取又常常要依赖于图像分割。
　　物体的图像特征是以轮廓、边缘等形式反映出来的,对图像目标进行机器识别,首要任务就是依据图像边界的灰度特征,对物体、目标、背景进行分割,才能进行分析、识别、检测。实际上,人对目标识别,轮廓边缘是一个极其重要的特征。边缘可以定义为两个具有不同灰度的均匀图像区域的边界,其实,边缘往往具有以下特征:(1)灰度突变;(2)是不同区域的边界;(3)具有方向性。根据边缘的这三个特征,可以判断所关心的区域其特征是否存在差异来判断是否存在边缘的可能性。如果特征没有差异,则认为是平滑区;如果特征有差异,则判断为边缘点。粗略的区分边缘种类可以有两种,其一是阶跃状边缘,它两边像素的灰度值有显著的不同,其二是屋顶状边缘,它位于灰度值从增加到减少的变化转折点。阶跃状边缘位于其两边的像素灰度值有明显不同的地方;脉冲状边缘位于灰度值从增加到减少的转折处。由于人眼对图像边缘特别敏感,边缘部分的分辨率对一幅图像的质量有非常重要的影响,所以边缘具有重要的意义。
　　
　　二、Canny边缘算子法
　　
　　图像边缘是图像局部特性不连续性(灰度突变、颜色突变、纹理结构突变等)的反映。在一幅图像中,图像的边缘线或棱线是信息量最为丰富的区域。边缘提取首先检测出图像局部特性的不连续性,然后再将这些不连续的边缘像素连成完备的边界。边缘的特性是沿边缘走向的像素变化平缓,而垂直于边缘方向的像素变化剧烈;所以,从这个意义上说,提取边缘的算法就是检测出符合边缘特性的边缘像素的数学算子。目前,提取边缘常采用边缘算子法、曲面拟合法、模板匹配法等方法。由于边缘是图像上灰度变化最剧烈的地方,传统的边缘检测就是利用了这个特点,对图像各个像素点进行微分或求二阶微分来确定边缘像素点。一阶微分图像的峰值处对应着图像的边缘点;二阶微分图像的过零点处对应着图像的边缘点。根据数字图像的特点,处理图像过程中常采用差分来代替导数运算,对于图像的简单一阶导数运算,由于具有固定的方向性,只能检测特定方向的边缘,所以不具有普遍性。为了克服一阶导数的缺点。图像梯度的最重要性质是在图像上梯度的方向灰度最大变化率,它恰好可以反映出图像边缘上的灰度变化。考核边缘检测算子的指标是:(1)低误判率,即尽可能少地把边缘点误认为是非边缘点;(2)高定位精度,即准确地把边缘点定位在灰度变化最大的像素上;(3)抑制虚假边缘。
　　经典的图像边缘检测算子法有Canny,Sober,Prewitt,Robter等。最有效的是Canny算子法。该方法与其他边缘检测方法的主要区别在于,它使用两个阈值来检测强边界和弱边界,只有相连时才进行显示。所以,该方法与其他方法相比。受噪声影响的机会更少,并且更有可能找到真实的弱边界。Canny边缘检测是一种比较新的边缘检测算子,边缘检测和定位优于其他算子,具有更好的边缘强度估计。边缘检测的准确度和精度直接影响到本文算法插值的效果。
　　
　　三、基于Canny的图像插值
　　
　　算法思想是:先对低分辨率图像采用传统插值算法放大,生成的高分辨率图像为模板图像;然后利用Canny算子法边缘检测模板图像,提取边缘信息;如果是RGB彩色图像,先进行色融合,再边缘检测;最后根据边缘像素点多方向梯度特征对边缘邻接像素点优化处理,即以边缘像素点为中心向外辐射,包含内、外邻域;以外邻域像素作为参考点,进行内领域像素重新优化插值。这样扩大了边缘与其邻近像素点之间的差值,增强边缘特征,使得插值图像边缘清晰,大大改善插值图像的视觉效果。
　　对模板图像进行边缘检测,获得二值边缘图像W。设以边缘像素点P为中心,则包含P的两个领域,一个3X3的内邻域和另一个5X5的外邻域。内邻域定义为边缘区域,负责确定边缘邻接点的插值方向;外邻域像素作为内邻域中像素优化插值的参考点。下面需解决两个问题:(1)怎样确定边缘邻接点的插值方向;(2)怎样优化插值边缘邻接点区域。
　　在二维空间,根据Canny算子的性质,在边缘产生梯度方向和梯度强度两个信息,分析3X3的窗口局部特征,则P的8个邻接点中,其中有2个点也为边缘像素点。在内邻域中,边缘像素与其相邻像素间灰度值存在突变,即存在灰度不连续性,产生梯度效应。这些具有灰度值突变的像素就是图像中描述对象的轮廓或纹理图像的边缘像素。所以沿着边缘线垂直的方向,灰度值梯度变化最大或梯度突变最强,即确定出内邻域像素优化插值的方向。
　　
　　四、结论
　　
　　本文提出了一种新颖的基于边缘检测的边缘梯度多方向优化插值,通过确定边缘邻接点多方向最大梯度优化插值实现了图像插值,充分挖掘经典插值算法放大后图像自身所包含的信息,克服了模糊和锯齿效应。
　　
　　参考文献:
　　[1]王效灵、江颖、陈涛等,基于边缘检测的图像缩放算法[J].科技通报,2005,9(5):584-588.
　　[2]王立国、张哗、谷延锋,基于自适应边缘保持算法的图像插值[J].哈尔滨工业大学学报,2005(1):18-21.
　　[3]刘晓松、杨新、江进,基于统计特征的彩色图像快速插值方法[J].电子学报,2004,32(1):29-33.