基于邊緣檢測算法對霧霾與失焦圖片區(qū)分的研究

戴震

摘要：針對在監(jiān)控系統(tǒng)中無法高效地區(qū)分圖片的霧霾與失焦，該文提出一種基于Sobel和Canny相結(jié)合的邊緣檢測算法，首先對圖片進行Sobel水平方向邊緣檢測，再運用Canny算法，最后通過計算二值圖像中白色像素點個數(shù)來區(qū)分圖片。該算法可以有效區(qū)分霧霾與失焦圖片，適合運用于道路監(jiān)控系統(tǒng)中對于霧霾和失焦的判斷。

關(guān)鍵詞：道路監(jiān)控;霧霾與失焦;邊緣檢測

中圖分類號：TP311? ? ? ? 文獻標識碼：A? ? ? ? 文章編號：1009-3044（2018）35-0182-02

1 概述

圖片的邊緣是非常重要的視覺信息，圖片的邊緣檢測是圖片處理及分析等相關(guān)技術(shù)處理的基本步驟。邊緣檢測的準確性會對圖片后期處理的結(jié)果產(chǎn)生直接的影響，在現(xiàn)今各種邊緣檢測算法中，較為經(jīng)典的有Prewit算子、Sobel算以及Canny算子。其中Sobel算子只對垂直和水平有很強的方向性[2]。本文在Sobel和Canny算子的基礎(chǔ)上，提出一種檢測圖片霧霾與失焦的方法。該方法對區(qū)分圖片霧霾和失焦有較好的魯棒性。

2 Sobel邊緣檢測算法

Sobel算子通過一階微分方程對圖片邊緣進行提取。其中函數(shù)的變化通過梯度來度量，而圖片可以表示為灰度連續(xù)函數(shù)的取樣點數(shù)組。所以梯度的離散逼近函數(shù)可以用來檢測灰度值的顯著變化。

其中如下數(shù)學表達式表示了兩個3*3矩陣被用在Sobel算子中來對原圖片進行卷積運算，以此來計算不同方向的灰度差分的估計值。

對于圖像中的每個點，可以通過如下公式得到最后該點的灰度大小：

最后我們只需設(shè)置一個閾值Gmax，如G大于Gmax，則認為它是該圖片中的一個邊界點。

3 Canny邊緣檢測算法

Canny邊緣檢測是一個多級邊緣檢測算法。對比于其他邊緣算子，Canny運算較為復雜，但是圖像邊緣處理的結(jié)果好于其他邊緣檢測算子。Canny邊緣檢測算子有幾個核心步驟：①使用高斯濾波器對圖像進行噪聲過濾并消除;②用一階偏導的有限差分計算梯度的幅值和方向;③應(yīng)用非極大值抑制來消除邊緣檢測帶來的影響;④用雙閾值來檢測真實或潛在邊緣;⑤采用高斯平滑函數(shù)[1]。

其中2個閾值為高閾值和低閾值，高閾值控制圖片強邊緣的初始分割，低閾值控制圖片邊緣連接。

4 基于Sobel和Canny算子的霧霾與失焦圖片區(qū)分

該方法具體過程為：首先對輸入圖片用Sobel進行水平方向邊緣檢測，然后再選取合適的閾值對處理后的圖像進行Canny邊緣檢測，最后計算結(jié)果的二值圖像中白像素點個數(shù)來區(qū)分圖片。

對于Canny檢測，第一步為防止圖片噪聲對邊緣產(chǎn)生影響，須對噪聲進行濾除，本文采用大小為（2k+1）*（2k+1）的高斯濾波器核的高斯濾波器對圖像進行積卷處理，方程式為：

第二步根據(jù)平滑后的圖像計算水平和豎直方向的一階導數(shù)（梯度），得到邊界的梯度和方向。

第三步對梯度圖各個像素運用非極大值抑制（對整幅圖進行掃描），剔除非邊界點。如圖所示對每一個像素進行檢查。

第四步在運用非極大值抑制之后，剩余的像素可更好地表示圖片中的邊緣。不過依舊會存在由于噪聲等因素引起的邊緣像素。所以在實際操作中選擇高低閾值來解決雜散響應(yīng)，其中用弱梯度值過濾邊緣像素，并保留具有高梯度值的邊緣像素。如其梯度值高于高閾值，則記錄為強邊緣像素;如其梯度值小于高閾值并且大于低閾值，則記錄為弱邊緣像素;如其梯度值小于低閾值，則會被抑制。其中雙閾值代碼思路如下。

if [Gp] ≥ HighThreshold

[Gp] is an strong edge

else if [Gp] ≥ LowThreshold

[Gp] is an weak edge

else [Gp] is suppressed? ? （7）

為了驗證結(jié)果，本文采用多幅監(jiān)控拍攝的圖像，并裁剪掉水印部分以消除對結(jié)果的影響。下圖分別為霧霾及失焦圖片，以及在使用Canny邊緣檢測算法之后的效果圖。在本文Canny算子中，Sigma為1.4，EdgeRatio為0.4[3]。

通過Canny邊緣檢測無法區(qū)分霧霾與失焦圖片，因而本文在對圖片進行Canny算子邊緣檢測前，加入Sobel水平方向邊緣檢測，對圖片進行處理，結(jié)果如下所示。

5 結(jié)論

本文針對現(xiàn)實生產(chǎn)生活中對霧霾與失焦圖片區(qū)分研究不足的情況，提出一種Sobel與Canny算子相結(jié)合的邊緣檢測方法。實驗表明，該方法通過選定合適的像素閾值，可有效地區(qū)分霧霾與失焦圖片，并在閾值60的前提下，對27張圖片進行區(qū)分，成功率達93.5%。本文的不足在于沒有對算法進行優(yōu)化，也沒有著重優(yōu)化對參數(shù)閾值的選取，今后對這方面還需進行進一步研究。

參考文獻：

[1] 許宏科，秦嚴嚴.一種基于改進Canny的邊緣檢測算法[J].紅外技術(shù)，2014（3）：210-214.

[2] 袁春蘭，熊宗龍.基于Sobel算子的圖像邊緣檢測研究[J].激光與紅外，2009（1）：85-87.

[3] John Canny， A Computational Approach to Edge Detection[J].IEEE，1979（11）：679-698.

[通聯(lián)編輯：代影]