资源描述：
《采用改进canny算法提取苹果边缘轮廓①》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、采用改进canny算法提取苹果边缘轮廓①摘要:该文分析了canny算法的理论基础和实现原理,针对canny算法提取出的边缘存在过多细节信息的问题,结合苹果图像的特征,提出了改进的canny边缘检测算法。实验结果表明,该算法通过设定链长度的方法,可以有效地减少虚假边缘信息的产生,达到尽可能完整地提取连续闭合边缘的目的。 关键词:canny算法苹果边缘检测链长度 :TP302:A:1007-9416(2010)08-0146-03 水果的大小、形状、颜色以及表面缺陷是水果分级的主要依据。其中,作为水果
2、品质检测与分级的一个重要指标——果实形状[1]的提取,在很大程度上取决于边缘检测提取的水果轮廓。在常用的几种用于边缘检测的算子中,Laplace算子常常会产生双边界,而其他一些算子如Sobel算子又往往会形成不闭合区域。相比传统的微分算子,基于最优化算法的Canny边缘检测算子[2-3]因具有信噪比大和检测精度高的优点而被广泛应用,但Canny边缘检测算子也存在某些不足。本文以苹果为研究对象,分析了传统canny算法的基本原理和实现方法,在分析苹果图像的边缘特征的基础上,提出了一种改进的canny算法。实验
3、结果表明,改进的canny算法可以有效的提取出苹果的闭合边缘轮廓,减少虚假边缘的产生,为后续进一步根据水果的大小、果形、颜色、果面缺陷等指标对其进行分级做准备。 1传统的canny算法 1.1canny边缘检测原理 JohnCanny于1986年提出了一种边缘检测算法,即Canny算子。同时,提出边缘检测的三个判断准则,即信噪比准则、定位精度准则和单边缘响应准则[2]。 (1)信噪比准则:即非边缘点判断为边缘点或边缘点判断为非边缘点的概率要低,这两个概率都随着信噪比提高而下降。信噪比(SNR)的
4、数学表示是: 其中为边界滤波器的脉冲响应,为边缘函数,为高斯噪声的标准差。SNR值越大,正确率越高。 (2)定位精度准则:即检出的边缘点与实际边缘点距离最小[4]。定位精度的数学表示是: 其中和分别为和的一阶导数。Localization值越大,定位精度越高。 (3)单边缘响应准则:即单个边缘产生多个响应的概率要低,最大程度的抑制虚假边缘的响应[5]。要保证单边缘响应,检测算子脉冲响应导数的零交叉点平均距离应满足: (3) 其中为的二阶导数。以上述表达式为基础,利用函数求导的方法,可以导出一个由
5、边缘定位精度和信噪比乘积组成的表达式。 这个表达式近似于高斯函数的一阶导数,I为输入图像。 1.2传统canny算法的实现步骤 在canny边缘检测原理的基础上,传统的canny边缘检测算法主要分四步进行。 第一步:选择合适的一维高斯函数,分别按行和列对图像进行平滑去噪,为后期处理进行准备。即利用滤波器对图像进行卷积操作,得到平滑图像[6]。 第二步:计算梯度的幅值和方向。Canny算法采用邻域一阶偏导的有限差分来计算平滑后图像的梯度的幅值和梯度方向[7]。其中梯度幅值反映了图像上点处的边缘强度,
6、梯度方向为图像上点的法向矢量,垂直于边缘的方向。 第三步:对梯度图像进行非极大值抑制。若像素点的梯度幅值大于或等于沿梯度方向上两个相邻像素点的梯度幅值,则判定该点为可能的边缘点[8],否则肯定不是边缘像素,将其梯度幅值置为0。 第四步:双阈值法检测与连接边缘。对上步判定为边缘点的集合确定上下限阈值,和,对非极大值抑制图像进行双阈值化处理,可得到一个高阈值检测结果和一个低阈值检测结果。再在中连接边缘轮廓,连接到端点时,到寻找弱边缘点,弥补的边缘间隙。 1.3传统canny算法在苹果轮廓提取上的不足 目
7、前已有许多对canny算法的改进[9-11],但是在苹果轮廓提取方面,canny算法仍然存在不足。在canny算法提取的边缘图像中,有些边缘属于弱边缘,存在不闭合的现象,有些边缘属于细节信息,例如许多轮廓内部的纹理被误判断为边缘,边缘与背景非常接近而使边缘易与背景混淆。由于苹果在按大小分级时只关心其边缘轮廓,根据边缘轮廓的大小而对苹果进行分级,因此,需要将由传统canny算法提出的细节边缘去除,只保留其闭合的轮廓边缘。经过大量实验发现,有些提取的边缘虽然细节边缘较少,但是轮廓边缘很不连续,形成轮廓边缘的不闭
8、合;有些轮廓边缘虽然连续,但是细节边缘过多。其原因主要可归结为两点:第一是阈值选取的问题。传统的canny算法采用双阈值法虽然提高了边缘的连续性,但是若其低阈值选择过大,则会导致无法定位全部边缘,边缘出现间断;若低阈值选择过小,又可能出现大量伪边缘,而对苹果图像来说,提取闭合的边缘是非常重要的。如果高、低阈值选取较低,则会提取过多的虚假边缘,造成误分割。在大量实验中发现,不管高低阈值选取的有多高,也避免不了虚假边
