基于改进Canny的彩色图像边缘检测算法_安帅帅.pdf

第 22卷 第 2期2023年 2月Vol.22 No.2Feb.2023软 件 导 刊Software Guide基于改进Canny的彩色图像边缘检测算法安帅帅，李庆忠（中国海洋大学 工程学院，山东 青岛 266100）摘要：彩色图像边缘在计算机视觉中起着至关重要的作用，但现存的彩色图像边缘检测算法存在对混合噪声抵抗性差、检测出的边缘连续性差和边缘漏检等问题。通过对彩色图像边缘检测算法的研究，提出一种改进的彩色图像边缘检测算法。该算法首先采用改进小波变换滤波方法在保持图像边缘的同时滤除图像的混合噪声；然后将滤波处理后的彩色图像由RGB颜色空间转换到CLElab颜色空间，并用提出的多方向色差计算公式计算色差幅值和方向，以提高边缘检测的完整性；最后，将以上处理方法与Canny的非极大值抑制和双阈值边缘处理相结合，从而完成彩色图像的边缘检测。实验结果表明，该算法查全率、查准率和整体精度均较高，分别达到了85.9%、96.7%和96.3%，比目前的色差边缘检测算法、亮度与颜色特征融合的边缘检测算法以及基于改进蚁群算法的边缘检测算法分别提高了3.8%14.8%、1.6%8%和1.3%3.7%。基于改进Canny的彩色图像边缘检测算法可以有效去除混合噪声，并能检测出连续性和完整性较高的彩色边缘，有效提高了边缘检测率。关键词：彩色图像边缘检测；Canny；小波变换；边缘保持滤波；色差计算DOI：10.11907/rjdk.221066开 放 科 学（资 源 服 务）标 识 码（OSID）：中图分类号：TP391.41 文献标识码：A文章编号：1672-7800（2023）002-0008-07A Color Image Edge Detection Algorithm Based on Improved Canny MethodAN Shuai-shuai，LI Qing-zhong（College of Engineering，Ocean University of China，Qingdao 266100，China）Abstract：Color image edges play a vital role in computer vision，but the existing detection algorithms have poor resistance to mixed noise，poor continuity of detected edges，and missed edges.Through the research of color image edge detection algorithm，an improved color image edge detection algorithm is proposed.The algorithm first uses the proposed improved wavelet transform filtering method to filter the mixed noise of images while maintaining the edges.Then the color image after filtering is converted from RGB to the CLElab color space，and the multidirectional color difference formula is proposed to calculate color gradient amplitude and phase angle for improving the completeness of the detected edges.Finally，the color image edge detection is accomplished by combining the above processing methods with the non-maximum suppression and double-threshold edge connection of the Canny method.The experimental results show that the proposed algorithm has high recall，accuracy and overall accuracy，reaching 85.9%，96.7%and 96.3%，and compared with the existing color difference edge detection algorithm，brightness and color feature fused edge detection algorithm and improved colony based edge detection algorithm，it is improved by 3.8%to 14.8%，1.6%to 8%，and 1.3%to 3.7%，respectively.The improved Canny-based color image edge detection algorithm can effectively remove mixed noise and detect color edges with high continuity and integrity，thus effectively improving the edge detection rate.Key Words：color image edge detection；Canny；wavelet transform；edge-preserving filtering；color difference calculation0 引言图像边缘检测一直是图像处理和计算机视觉领域的研究热点之一，在图像分割、目标检测与识别等领域有着广泛应用1-3。目前，已有大量关于灰度图像的边缘检测方法，但对于普遍使用的彩色图像仍缺少完善的边缘检测算法。彩色图像的边缘不仅仅是图像中亮度产生突变的区域，还应包括色调和饱和度突变区域4。彩色图像携带有更多信息，在计算机视觉领域具有重要意义。彩色图像收稿日期：2022-01-10基金项目：国家重点研发计划项目（2017YFC1405202）；海洋公益性行业科研专项（201505002）作者简介：安帅帅（1997-），男，中国海洋大学工程学院硕士研究生，研究方向为图像处理；李庆忠（1963-），男，中国海洋大学工程学院教授、硕士生导师，研究方向为图像处理、信号处理与模式识别。本文通讯作者：李庆忠。第 2 期安帅帅，李庆忠：基于改进Canny的彩色图像边缘检测算法与灰度图像相比最重要的一个区别在于彩色图像的像素点由矢量描述，即红、绿、蓝3个通道信息，而灰度图像的像素点是由一个数值描述其亮度信息。某些边缘在灰度图像中不好分辨，在彩色图像中却有着很强的辨识度。Novak等5研究表明，彩色图像经过灰度化后，只保留原图像90%的边缘信息，但有10%的边缘信息在灰度化过程中丢失，这部分边缘由彩色信息决定，因此对于彩色图像的边缘检测不容忽视。此外，目前已有的彩色图像边缘检测算法在兼顾混合噪声抵抗和边缘检测完整性和连续性方面不够完善。因此，寻求一种鲁棒性能强，又能得到完整性、连续性较好的彩色图像边缘检测算法是目前机器视觉领域一个亟需解决的难题之一。目前，彩色图像边缘检测算法可大致分为基于改进Canny的边缘检测算法6-10、非Canny框架下基于颜色梯度的边缘检测算法11-12、基于人工神经网络和群智能的边缘检测算法13-153类。基于改进Canny的边缘检测是目前的一个研究热点，例如Zeng等6首先利用矢量总变分模型代替高斯滤波去除彩色图像中的噪声，然后在 CIE lab颜色空间计算Sobel颜色梯度和方向以用于非极大值抑制等后续处理。该方法虽然能够检测图像的主要边缘，但由于只计算了水平、垂直方向的色差，丢失掉了部分边缘方向信息，不利于后续的边缘精确定位；Chu等7基于双色反射模型提取彩色图像的饱和度、色调两个不变量计算边缘梯度的幅值和方向，并嵌入到Canny框架中实现边缘检测。该方法对混合噪声抵抗性较差，很多重要边缘并未检测出来；Mansoor8将图像的亮度分量和颜色分量加权融合在一起形成一幅新的图像，然后再利用Canny算法对该图像进行边缘检测，实验结果表明该方法在梯度方向的精度和混合噪声鲁棒性方面得到了提高，但边缘检测的完整性较差。为了提高彩色图像的噪声鲁棒性，并保持其边缘探测器的高边缘分辨率，许多学者相继提出不同的解决方案。受各向同性和各向异性方向导数的噪声边缘检测器的启发，Li等10提出基于各向异性形态方向导数矩阵的抗噪声彩色边缘检测算法，利用计算得到的彩色图像的各向异性形态方向导数（Anisotropic Directional Derivatives，ANDD）矩阵，用于检测受高斯噪声或脉冲噪声污染的彩色图像边缘，同时对ANDD矩阵作奇异值分解，提取彩色图像的彩色边缘强度图和彩色边缘方向图，然后将它们嵌入到Canny检测路径中实现彩色图像边缘检测。该算法在噪声抵抗和边缘的检测性能上均有显著提升，但对于一些明显的颜色渐变区产生的边缘仍然会出现漏检问题。关于非Canny框架下基于颜色梯度的边缘检测算法的研究也较多，例如Krishna等11提出对受到噪声污染的彩色图像的R、G、B三分量进行非线性预滤波处理，以减少噪声干扰，然后采用逐块旋转的方式在多个方向上定位边缘，并通过形态学细化处理得到最终边缘；Akinlar等12提出一种彩色边缘绘制（ColorED）的边缘检测算法，该方法的预处理部分与Canny算法类似，也是对彩色图像进行高斯平滑处理，然后计算梯度和方向，并根据梯度图的峰值确定一组稳定的边缘点（称之为锚点）。与 Canny不同的是，其是由智能路由算法以单像素宽度直接连接绘制锚点之间的边缘。该算法的优点是可以保证得到的边缘连续，但抗噪声能力以及弱边缘检测能力较差。随着机器学习技术的不断发展，近年来出现了基于人工神经网络的边缘检测算法。例如，Liu等13通过深度卷积神经网络的学习得到丰富的图像多尺度混合特征以实现边缘检测；Li等14提出基于3层小规模神经网络的边缘检测算法，其输入层为ANDD矩阵，输出层只有一个神经元反映待检测像素是否属于真正边缘，取得了较好的检测结果。虽然该类方法可以得到较好的检测性能，但需要大量样本的训练学习，且边缘检测器性能依赖于学习样本的选取。另一种新颖的基于群智能优化的边缘检测方法是基于蚁群优化的边缘检测算法15，该算法虽然有较高的运行效率和快速反应能力，不需要大量学习样本，但噪声抑制性能较差，对于图像中对比度较低的区域，极易产生边缘漏检现象且对细节边缘的抑制性较差。由以上研究现状可知，非Canny 框架下的边缘检测算法复杂度较高，且具有较低的抗噪声性能；而基于神经网络或群智能计算的边缘检测算法需要进行大量学习样本的训练，学习过程较为复杂和费时。为此，本文在 Canny框架下提出一种改进彩色图像边缘检算法，以解决目前该方向存在的两个问题：检测结果仍然存在有效边缘丢失问题；现有算法对混合噪声鲁棒性差，会导致检测结果中含有大量噪声边缘。该算法首先利用改进的基于小波变换的去噪方法对图像进行滤波处理以去除图像中的混合噪声；然后将处理后的图像转换到ClE lab颜色空间中，并对每个像素分别计算0、45、90以及135 4个方向上的色差变化，由此准确定位彩色边缘的最大梯度和方向；最后进行非极大值抑制等完成彩色图像的边缘检测，并通过对比实验验证了提出算法的有效性。1 改进彩色图像边缘检测算法为在保持Canny边缘检测算子优点的同时提高彩色图像边缘检测的能力和检测算法对混合噪声的抵抗能力，本文在Canny框架下提出一种改进彩色边缘检测算法，其整体流