邊緣特性及邊緣檢測(cè)在圖像插值算法中的應(yīng)用研究

趙建新 王 堃

[摘要]首先論述邊緣的基本特性,邊緣蘊(yùn)含豐富的內(nèi)在信息,如方向、階躍性質(zhì)、形狀等,對(duì)于劇烈跳變的邊緣,灰度值差變化大,跳變節(jié)奏加快,產(chǎn)生階躍變化或屋頂狀變化。然后分析Canny邊緣檢測(cè),指出其具有很好的邊緣強(qiáng)度估計(jì),為提高插值圖像質(zhì)量和插值算法提供理論根據(jù)。

[關(guān)鍵詞]圖像插值邊緣檢測(cè)邊緣特性

中圖分類號(hào):TP3文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1671-7597(2009)1120058-01

邊緣信息是影響視覺(jué)效果的重要因素,它不僅能夠傳遞圖像大部分信息,而且能勾勒出物體的基本輪廓。邊緣檢測(cè)能夠得到關(guān)于邊緣有用的結(jié)構(gòu)信息,而且能極大地減少要處理的數(shù)據(jù)。許多圖像處理技術(shù)直接或間接地依靠邊緣檢測(cè)算法的性能,而邊緣檢測(cè)用在圖像插值方面也能達(dá)到很好的效果。對(duì)邊緣檢測(cè)算法的研究一直相當(dāng)活躍,也相繼提出了許多實(shí)用的邊緣檢測(cè)算子。提取邊緣的算法就是檢測(cè)出符合邊緣特性的邊緣像素的數(shù)學(xué)算子,算子的影響能力強(qiáng),對(duì)邊緣敏感性越強(qiáng)。

一、圖像邊緣特性

圖像最基本的特征是邊緣,所謂邊緣點(diǎn)是指它兩邊像素的灰度值有顯著的不同。在數(shù)字圖像中,物體和物體之間或物體和背景之間的交界處為邊界、邊緣或輪廓。在圖像中,邊界區(qū)域的灰度是突變或不連續(xù)的。一個(gè)像素如果滿足下列條件,就認(rèn)為是邊緣點(diǎn):(1)像素(i,j)的邊緣強(qiáng)度大于沿梯度方向的兩個(gè)相鄰像素的邊緣強(qiáng)度;(2)與該像素梯度方向上相鄰兩點(diǎn)的方向差小于45°;(3)以該像素為中心的3X3鄰域中的邊緣強(qiáng)度極大值小于某個(gè)閾值。邊緣點(diǎn)也存在于這樣一對(duì)鄰點(diǎn)之間,即一個(gè)在較亮的區(qū)域內(nèi)部,另一個(gè)在外部。它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間。因此,它是圖像分割所依賴的最重要的特征,也是紋理特征的重要信息源和形狀特征的基礎(chǔ);而圖像紋理形狀特征的提取又常常要依賴于圖像分割。

物體的圖像特征是以輪廓、邊緣等形式反映出來(lái)的,對(duì)圖像目標(biāo)進(jìn)行機(jī)器識(shí)別,首要任務(wù)就是依據(jù)圖像邊界的灰度特征,對(duì)物體、目標(biāo)、背景進(jìn)行分割,才能進(jìn)行分析、識(shí)別、檢測(cè)。實(shí)際上,人對(duì)目標(biāo)識(shí)別,輪廓邊緣是一個(gè)極其重要的特征。邊緣可以定義為兩個(gè)具有不同灰度的均勻圖像區(qū)域的邊界,其實(shí),邊緣往往具有以下特征:(1)灰度突變;(2)是不同區(qū)域的邊界;(3)具有方向性。根據(jù)邊緣的這三個(gè)特征,可以判斷所關(guān)心的區(qū)域其特征是否存在差異來(lái)判斷是否存在邊緣的可能性。如果特征沒(méi)有差異,則認(rèn)為是平滑區(qū);如果特征有差異,則判斷為邊緣點(diǎn)。粗略的區(qū)分邊緣種類可以有兩種,其一是階躍狀邊緣,它兩邊像素的灰度值有顯著的不同,其二是屋頂狀邊緣,它位于灰度值從增加到減少的變化轉(zhuǎn)折點(diǎn)。階躍狀邊緣位于其兩邊的像素灰度值有明顯不同的地方;脈沖狀邊緣位于灰度值從增加到減少的轉(zhuǎn)折處。由于人眼對(duì)圖像邊緣特別敏感,邊緣部分的分辨率對(duì)一幅圖像的質(zhì)量有非常重要的影響,所以邊緣具有重要的意義。

二、Canny邊緣算子法

圖像邊緣是圖像局部特性不連續(xù)性(灰度突變、顏色突變、紋理結(jié)構(gòu)突變等)的反映。在一幅圖像中,圖像的邊緣線或棱線是信息量最為豐富的區(qū)域。邊緣提取首先檢測(cè)出圖像局部特性的不連續(xù)性,然后再將這些不連續(xù)的邊緣像素連成完備的邊界。邊緣的特性是沿邊緣走向的像素變化平緩,而垂直于邊緣方向的像素變化劇烈;所以,從這個(gè)意義上說(shuō),提取邊緣的算法就是檢測(cè)出符合邊緣特性的邊緣像素的數(shù)學(xué)算子。目前,提取邊緣常采用邊緣算子法、曲面擬合法、模板匹配法等方法。由于邊緣是圖像上灰度變化最劇烈的地方,傳統(tǒng)的邊緣檢測(cè)就是利用了這個(gè)特點(diǎn),對(duì)圖像各個(gè)像素點(diǎn)進(jìn)行微分或求二階微分來(lái)確定邊緣像素點(diǎn)。一階微分圖像的峰值處對(duì)應(yīng)著圖像的邊緣點(diǎn);二階微分圖像的過(guò)零點(diǎn)處對(duì)應(yīng)著圖像的邊緣點(diǎn)。根據(jù)數(shù)字圖像的特點(diǎn),處理圖像過(guò)程中常采用差分來(lái)代替導(dǎo)數(shù)運(yùn)算,對(duì)于圖像的簡(jiǎn)單一階導(dǎo)數(shù)運(yùn)算,由于具有固定的方向性,只能檢測(cè)特定方向的邊緣,所以不具有普遍性。為了克服一階導(dǎo)數(shù)的缺點(diǎn)。圖像梯度的最重要性質(zhì)是在圖像上梯度的方向灰度最大變化率,它恰好可以反映出圖像邊緣上的灰度變化。考核邊緣檢測(cè)算子的指標(biāo)是:(1)低誤判率,即盡可能少地把邊緣點(diǎn)誤認(rèn)為是非邊緣點(diǎn);(2)高定位精度,即準(zhǔn)確地把邊緣點(diǎn)定位在灰度變化最大的像素上;(3)抑制虛假邊緣。

經(jīng)典的圖像邊緣檢測(cè)算子法有Canny,Sober,Prewitt,Robter等。最有效的是Canny算子法。該方法與其他邊緣檢測(cè)方法的主要區(qū)別在于,它使用兩個(gè)閾值來(lái)檢測(cè)強(qiáng)邊界和弱邊界,只有相連時(shí)才進(jìn)行顯示。所以,該方法與其他方法相比。受噪聲影響的機(jī)會(huì)更少,并且更有可能找到真實(shí)的弱邊界。Canny邊緣檢測(cè)是一種比較新的邊緣檢測(cè)算子,邊緣檢測(cè)和定位優(yōu)于其他算子,具有更好的邊緣強(qiáng)度估計(jì)。邊緣檢測(cè)的準(zhǔn)確度和精度直接影響到本文算法插值的效果。

三、基于Canny的圖像插值

算法思想是:先對(duì)低分辨率圖像采用傳統(tǒng)插值算法放大,生成的高分辨率圖像為模板圖像;然后利用Canny算子法邊緣檢測(cè)模板圖像,提取邊緣信息;如果是RGB彩色圖像,先進(jìn)行色融合,再邊緣檢測(cè);最后根據(jù)邊緣像素點(diǎn)多方向梯度特征對(duì)邊緣鄰接像素點(diǎn)優(yōu)化處理,即以邊緣像素點(diǎn)為中心向外輻射,包含內(nèi)、外鄰域;以外鄰域像素作為參考點(diǎn),進(jìn)行內(nèi)領(lǐng)域像素重新優(yōu)化插值。這樣擴(kuò)大了邊緣與其鄰近像素點(diǎn)之間的差值,增強(qiáng)邊緣特征,使得插值圖像邊緣清晰,大大改善插值圖像的視覺(jué)效果。

對(duì)模板圖像進(jìn)行邊緣檢測(cè),獲得二值邊緣圖像W。設(shè)以邊緣像素點(diǎn)P為中心,則包含P的兩個(gè)領(lǐng)域,一個(gè)3X3的內(nèi)鄰域和另一個(gè)5X5的外鄰域。內(nèi)鄰域定義為邊緣區(qū)域,負(fù)責(zé)確定邊緣鄰接點(diǎn)的插值方向;外鄰域像素作為內(nèi)鄰域中像素優(yōu)化插值的參考點(diǎn)。下面需解決兩個(gè)問(wèn)題:(1)怎樣確定邊緣鄰接點(diǎn)的插值方向;(2)怎樣優(yōu)化插值邊緣鄰接點(diǎn)區(qū)域。

在二維空間,根據(jù)Canny算子的性質(zhì),在邊緣產(chǎn)生梯度方向和梯度強(qiáng)度兩個(gè)信息,分析3X3的窗口局部特征,則P的8個(gè)鄰接點(diǎn)中,其中有2個(gè)點(diǎn)也為邊緣像素點(diǎn)。在內(nèi)鄰域中,邊緣像素與其相鄰像素間灰度值存在突變,即存在灰度不連續(xù)性,產(chǎn)生梯度效應(yīng)。這些具有灰度值突變的像素就是圖像中描述對(duì)象的輪廓或紋理圖像的邊緣像素。所以沿著邊緣線垂直的方向,灰度值梯度變化最大或梯度突變最強(qiáng),即確定出內(nèi)鄰域像素優(yōu)化插值的方向。

四、結(jié)論

本文提出了一種新穎的基于邊緣檢測(cè)的邊緣梯度多方向優(yōu)化插值,通過(guò)確定邊緣鄰接點(diǎn)多方向最大梯度優(yōu)化插值實(shí)現(xiàn)了圖像插值,充分挖掘經(jīng)典插值算法放大后圖像自身所包含的信息,克服了模糊和鋸齒效應(yīng)。

參考文獻(xiàn):

[1]王效靈、江穎、陳濤等,基于邊緣檢測(cè)的圖像縮放算法[J].科技通報(bào),2005,9(5):584-588.

[2]王立國(guó)、張嘩、谷延鋒,基于自適應(yīng)邊緣保持算法的圖像插值[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2005(1):18-21.

[3]劉曉松、楊新、江進(jìn),基于統(tǒng)計(jì)特征的彩色圖像快速插值方法[J].電子學(xué)報(bào),2004,32(1):29-33.