基于八方向Sobel算子的邊緣檢測算法研究.pdf

1、隨著數(shù)字圖像的廣泛應(yīng)用，人們對圖像精度的要求也逐步提高。邊緣是目標圖像與背景圖像的分界，是圖像最基本的特征之一。圖像邊緣蘊含了圖像豐富的內(nèi)在信息（如方向、階躍性質(zhì)與形狀等），因此邊緣提取是圖像分析和識別領(lǐng)域中一個十分重要的課題。邊緣檢測作為一個預處理過程，廣泛應(yīng)用于圖像分割、模式識別和運動分析等領(lǐng)域。傳統(tǒng)的邊緣檢測方法主要是應(yīng)用空域卷積算法，通過模板與圖像的卷積來提取邊緣?？沼蚓矸e算法具有較強的普適性和計算速度快等優(yōu)勢，因此得到了廣泛的

2、應(yīng)用。
　　然而，隨著人們生活水平的不斷提高，對彩色圖像處理的需求不斷增長，彩色圖像的研究越來越受到各界專家學者的重視。到目前為止，大部分彩色圖像邊緣檢測算法是由灰度圖像邊緣檢測算法發(fā)展和衍生而來的。但是彩色圖像不僅包含亮度信息，還包含著在灰度圖像中不存在的色度信息，這樣灰度圖像邊緣檢測理論就不太適用于彩色圖像。研究也表明彩色圖像比灰度圖像提供了更多的邊緣信息，對彩色圖像進行邊緣檢測具有更大的實際意義。
　　本文首先闡述了圖

3、像邊緣檢測的研究背景以及在國內(nèi)外的研究現(xiàn)狀，通過對圖像邊緣檢測研究概況的了解，展開本文的研究。介紹了邊緣檢測的一些基本概念，并討論了傳統(tǒng)灰度圖像邊緣檢測的研究方法和特點。在此基礎(chǔ)上，針對傳統(tǒng)圖像邊緣檢測方法檢測效果不理想的問題，提出一種基于八方向Sobel算子的邊緣檢測算法。由此得到啟發(fā)，將傳統(tǒng)的Prewitt邊緣檢測算法進行了相應(yīng)地改進，并給出了對比分析效果圖。其次，本文進一步對彩色圖像的邊緣檢測進行了研究。彩色圖像在不同的彩色空間表

4、現(xiàn)形式也不同。算法在彩色空間轉(zhuǎn)化技術(shù)的基礎(chǔ)上，提出了基于CIELAB空間的彩色圖像邊緣檢測算法，從而在不丟失彩色圖像信息的前提下，檢測出較真實的邊緣。為圖像邊緣檢測在更廣的范圍內(nèi)應(yīng)用做了一些有意義的嘗試。本文的研究工作主要集中在以下幾個方面:
　　(1)針對傳統(tǒng)圖像邊緣檢測方法檢測效果不理想的問題，提出一種基于八方向Sobel算子的邊緣檢測算法。結(jié)合圖像邊緣的多方向性，將傳統(tǒng)邊緣檢測算法的方向擴展到八個方向。采用0°、22.5°、

5、45°、67.5°、90°、112.5°、135°、157.5°八個方向的模板進行檢測，能較好地檢測出不同方向的邊緣。
　　(2)考慮到鄰域內(nèi)像素到中心像素距離不同，對中心像素的貢獻不同，基于八方向Sobel算子的邊緣檢測算法對鄰域內(nèi)像素根據(jù)該像素到中心像素歐氏距離進行加權(quán)，使得距中心像素越近，其權(quán)值越大。由此推導出數(shù)字圖像中加權(quán)計算公式。
　　(3)將傳統(tǒng)的Prewitt邊緣檢測算法進行了相應(yīng)的改進，提出了一種改進的Pre