基于邊緣的圖像分割在牛體尺測量中的應用

石煒 張帥奇

摘要：圖像分割是圖像處理、分析和理解的基礎，目前它已經成為機器視覺研究領域最活躍的課題之一。邊緣檢測能勾畫出目標物體，蘊含豐富的信息，是圖像分割、識別和分析中抽取圖像特征的重要方法。本文通過常用算子如Sobel、Roberts、Prewitt、Gauss-Laplace和Canny算法對牛體圖像分割的效果進行實驗對比，證明Canny算子總體上優于其他算子。針對Canny算子分割可能產生的斷裂和不完整，運用OR運算結合模糊和邊緣信息去除斷邊，利用數字形態學重新填充圖像中的空洞，增強邊緣輪廓顯示的效果。在此基礎上進行的牛體測量結果與實際結果相比誤差較小，測量精度較高，其通用性較好，能夠滿足日常對于牛體體高和體長的測量要求。

關鍵詞：邊緣檢測;圖像分割;Canny算子;OR運算;牛體尺測量

中圖分類號：TP391.9 文獻標識碼：A 文章編號：1007-9416（2020）02-0048-04

0 引言

邊緣蘊含著豐富的信息，在圖像處理中有著重要的作用。邊緣檢測的目的是獲取目標輪廓。圖像的邊緣檢測是利用圖像的一階導數的極值（梯度算子模板）或二階導數過零點（拉普拉斯算子模板）信息來實現的[1]。對于一些經典的邊緣檢測算子，目前的研究主要集中在兩方面：一是結合經典算子和新思想，尋找新的性能更好的算子;二是將已經成熟的邊緣檢測算子更高效地運用在實際的場景[2]。因此將其運用到不同的領域將會是今后發展的大方向。如彭嘉涵[3]通過圖像處理的方法對近視診斷進行了研究，通過圖像預處理、運用Canny算子進行邊緣檢測、特征提取等步驟對眼睛進行檢測，發現Canny算子能夠較清晰反映出瞳孔的邊緣部分，能夠保證信息的完整度，清晰和連貫。該方法快捷有效，能夠方便地進行近視眼病篩查。劉遠仲等[4]利用二維高斯函數計算梯度幅值，通過四閾值邊緣檢測進行邊緣定位，并用數學形態學對邊緣進行融合的方法，將Canny算子和數學形態學相結合對白酒顯微圖像進行邊緣檢測，檢測出的酒分子結構邊緣較準確，邊緣連續性較好。劉同海等[5]通過對豬體背景去除;經中值濾波后動態確定圖像二值化的閾值，生成豬體二值圖像;并通過Canny算法，準確快速實現了豬體輪廓邊緣提取，經過對豬體的體長、體寬進行了測量，其平均相對誤差分別為0.92%、1.39%，測量精度較高，對豬體體尺的檢測效果較好。將Canny算法運用在牛體征的檢測中，將會促進畜牧業向智能化水平發展，這對現代畜牧中智慧牧場的建設是很有幫助的。

1 常用的邊緣檢測算子

1.1 Sobel算子

Sobel算子提出了一種將差分運算局部平均的方法。它不是簡單求平均再差分，而是加強了中心像素上下左右四個方向像素的權重，運算結果是一幅邊緣圖像。它通過對行、列的變化檢測來檢測邊緣，通過核來完成檢測。Sobel算子所得邊緣較粗，圖像邊緣不止一個像素[6]。Sobel算子通過增加中心點的重要性而實現某種程度的平滑效果。常用在檢測中對精度要求不高的場合。

1.2 Roberts算子

Roberts算子是一種利用局部差分算子尋找邊緣的算子。其對于陡峭的低噪聲圖像效果較好，它可以由兩個2×2的模板共同實現。

1.3 Prewitt算子

Prewitt算子是一種邊緣樣板算子，利用像素點上下左右鄰點灰度差，在邊緣處達到極值檢測邊緣，對噪聲具有平滑作用。在實際應用中通常采用微分算子和模板匹配方法檢測圖像的邊緣。它可以由兩個3×3的模板共同實現。

1.4 LOG算子

拉普拉斯算子雖然性能不錯，由于要進行二階微分的運算，會把圖像中的噪聲擴大。實際應用中，用到的多是LOG算子。即通常先用高斯函數對圖像濾波，然后對濾波后的圖像進行拉普拉斯運算，將算得的值等于零的點作為邊界點，通過拉普拉斯算子找出圖像中的陡峭邊緣。在LOG算子中對邊緣判斷采用的技術是零交叉檢測，該算子能有效檢測邊界，但可能會產生虛假邊界，其定位精度也不高。實際應用中常用的模板大小是5×5。不同微分算子常用模板如表1。

1.5 Canny算法

Canny算子是Canny在1986年提出了一種最優化的梯度邊緣檢測算子[7]。它采用高斯函數對圖像進行平滑處理，同時采用雙閾值算法檢測和連接邊緣，因此具有較強的噪聲抑制能力，不容易受噪聲的干擾，能夠檢測到真正的弱邊緣，邊緣的連續性較好。和Sobel等算子相比，其邊緣線性較細、定位精度比較高、邊緣提取較完整且邊緣連接程度最佳[8]。Canny邊緣檢測算法非常復雜，但也很有趣：它有5個步驟，即使用高斯濾波器對圖像進行去噪、計算梯度、在邊緣上使用非最大抑制（NMS）、在檢測到的邊緣上使用雙閾值去除假陽性（fasle positive），最后還會分析所有的邊緣及其之間的連接，以保留真正的邊緣并消除不明顯的邊緣。

2 實驗結果與分析

本文選取了兩幅在內蒙古某草原牧場用相機拍攝的牛的圖像，原始圖像大小為4320×3240，照相機型號為CASIO EX-H15，在MATLAB R2018b平臺上測試上述常用算子的邊緣檢測效果。

由于拍攝過程或多或少都會給圖像帶來一些噪聲，在這種情況下，為了能準確得到物體的邊緣信息，要先進行去噪后提取物體的邊緣，常使用平滑模板和中值濾波的方式消除噪聲;使用Laplace、Sobel等邊緣提取模板突出物體的邊緣，然后進行二值化處理，得到物體的邊緣信息。這里首先將采集到的圖像運用加權法轉換為灰度圖像，接著對圖像進行中值濾波后，選擇合適的閾值用不同的邊緣檢測算子分別對兩幅圖像進行邊緣檢測，通過仿真效果比較上述算子的適用性好壞，圖1和圖2是兩幅圖像邊緣檢測后的效果圖。

從圖中可以看出，在閾值選擇相同時，Sobel算子提取的邊緣較其他兩種算子完整，Sobel算子得到的邊緣會比Prewitt算子得到的邊緣顯得粗而亮， Sobel和Prewitt算子兩者邊緣檢測效果基本一致，產生的邊緣較寬，間斷比較多。Roberts較Sobel和Prewitt邊緣較粗、信息丟失多，其噪聲也比前兩者多。三種一階微分算子檢測邊緣時，易出現“削頂”現象，對圖像頂部檢測困難[9]。一階微分算子普遍對噪聲敏感。二階微分算子中，LoG算子邊緣檢測邊緣保留較為完整，定位準確，LoG算子是這幾種算子里是最容易受噪聲影響的算子，其邊緣連續性較上述三種一階微分算子好，檢測精度高，但會產生偽邊緣[10]。其抑制噪聲的能力相比Canny邊緣算子較差，因此選擇一個既能有好的邊緣又包含噪聲很少的閾值很不容易。Canny算子能夠檢測出一些尖銳和細小的邊緣，并能夠保持所有邊緣的寬度都是一個像素。其檢測出的邊緣線都是單像素寬，邊緣線上僅會存在少量被破壞的邊緣點。Canny算子檢測出的邊緣完整程度是這幾種算子中最好的，線形連接程度好，其邊緣檢測中含有的噪聲也是最少的。其邊緣間斷也最少。Canny算子是將濾波、增強與檢測集一身的基于一階導數的優化算子[11]，因此呈現出的邊緣檢測效果好。

盡管經過Canny邊緣檢測能夠完整檢測出牛體邊緣處的輪廓，然而由于噪聲及光照不均等情況的存在，其結果經常不能完整地勾畫出物體的邊緣，因此邊緣檢測后得到的邊緣像素點集合需要進行連接處理來將其連接成有意義的邊。通過OR運算結合模糊分割和邊緣信息，去除斷邊;利用形態學重新填充圖像中的空洞，從而使其邊緣結果得到了大的改善。

對于Canny邊緣檢測后產生的斷邊，經OR運算后斷裂的邊可以得到很好的連接，其整體輪廓邊緣較Canny邊緣檢測后有了很大的改善，經過對比后可以看出OR運算后得到的輪廓與原始牛體輪廓相似度很高，因此可以將其運用到牛體體征測量的計算中。

3 牛體體征的測量

本文僅對兩個牛體指標體高和體直長進行測量。

體高：由髻甲最高點到地面的垂直距離。

體直長：由肩端到坐骨端之間的水平直線距離。

牛體特征體高、體直長的測量如圖3所示：

在邊緣檢測后的圖像中進行牛體體尺的測量，通過計算得到牛體的實際尺寸。利用歐式公式以像素為單位計算二維兩個測點之間的長度，選用一定的參考物建立像素與實際長度的比例關系，通過與參照物的實際距離比較來計算牛體的實際體高和體直長尺寸，這里選用牛耳標作為標定物，如圖4和圖5所示，已知二維平面上兩點A（x1，y1）與B（x2，y2）之間的歐氏距離公式為：

（1）

由式（1）經計算得牛耳標在圖4中兩平行線間像素距離為122個像素，已知牛耳標實物兩平行線間的距離為74mm，由此，可以確定像素距離與實際距離之間的關系，即1像素=0.6066mm。

3.1 牛體高測量

這里用垂直于X軸的光標直線在牛體邊緣檢測圖像牛體特征位置由左向右開始掃描，光標直線與牛體相交成一條線段，髻甲的位置，我們可以通過牛自然站立時其前肢的最高點來確定，測點位置如圖6所示。這樣牛體體高距離即可轉化為求髻甲最高點到地面這一線段的歐式距離的最大值。

由圖6測點信息，計算出圖中紅色體高標記線段共有2192個像素單位，根據像素距離與實際距離的比例，可以計算出牛體體高為2192×0.6066=1329.6672mm，保留兩位小數得其體高為132.97cm。

3.2 體直長測量

即測量牛肩部到其坐骨端后緣垂直線的水平距離。根據牛體體直長的測量定義，在二值圖像中尋找其最大邊緣突變點確定坐骨端后緣的測點位置，這里將邊緣檢測后邊緣的最大突變點定位為測點起始位置，終點位置是過起點位置的垂線與肩端線的交點，其測點位置如圖7所示，通過起始測點的位置，計算出點到直線的距離，確定出線段的歐式距離，即為牛體的體直長的測量尺寸。

通過圖7測點信息，經過像素距離計算，該線段共有2636個像素單位，由像素距離與實際距離的換算關系，可計算出牛體體直長為2636×0.6066=1598.9976mm，保留兩位小數得其體長為159.90cm。

3.3 與實際尺寸的對比

為了檢測該方法所得結果的準確程度，事先通過卷尺等測量工具經人工測量了其牛體的體高和體直長數據，測點位置與上述方法中的位置一致，通過實際測量其體高和體直長各五次后，取其平均值將數據記錄下來作為實際測量值。然后對比分析兩組數據，其結果如表2所示。

由表2中數據的相對誤差可知，利用牛體圖像測量牛體體高和體直長的方法，其測量的相對誤差在±5%的活體動物體尺檢測誤差標準允許范圍內，其測量誤差小于規定的誤差標準，說明該測量方法可用。

4 結論

經過上述的數據對比分析可以得出，牛體圖像經過Canny邊緣檢測后，在其基礎上進行OR分割運算所獲得的輪廓與實際的輪廓已經非常接近，完全能夠滿足后續對牛體體高和體長的測量要求，利用提取到的輪廓進行牛體特征的測量，其測量誤差較小，測量精度較高，能夠避免人工測量中帶來的諸多不便，為現代畜牧中對于牛體體征的測量，提供了一種高效可行的方法。

參考文獻

[1] 謝鳳英.數字圖像處理及應用[M].北京：電子工業出版社，2016：207.

[2] 王潤.圖像邊緣檢測算子的適用場景研究[J].電腦知識與技術，2019，15（13）：211-214.

[3] 彭嘉涵.圖像處理技術在近視眼診斷上的應用[J].電腦編程技巧與維護，2019（01）：129-131.

[4] 劉遠仲，曾黃麟，樊玉梅.基于Canny算子的白酒顯微圖像邊緣提取[J].四川理工學院學報（自然科學版），2011，24（03）：341-344.

[5] 劉同海，滕光輝，付為森，李卓.基于機器視覺的豬體體尺測點提取算法與應用[J].農業工程學報，2013，29（02）：161-168.

[6] 李佳奇，趙文忠.幾種邊緣檢測算子在鐵路圖像中的應用[J].河西學院學報，2012，28（02）：68-72.

[7] Canny.John.A Computational Approach to Edge Detection. IEEE Transactions on Patten Analysis and Machine Intel-ligence，1986，PAMI-8（6）：679-698.

[8] 董云峰.基于MATLAB的圖像邊緣檢測方法的研究[J].大慶師范學院學報，2018，38（03）：30-32.

[9] 王智文.幾種邊緣檢測算子的性能比較研究[J].制造業自動化，2012，34（11）：14-16.

[10] 譚毓銀，陳綺.幾種圖像邊緣檢測算子的比較分析[J].電腦知識與技術，2010，6（29）：8326-8327.

[11] 高美歡，劉玉梅，王剛.基于MATLAB的圖像邊緣檢測算法的比較與分析[J].北京測繪，2018，32（01）：48-51.

Application of? Edge-based Image Segmentation in Cow Body Measurement

SHI Wei，ZHANG Shuai-qi

（School of? Mechanical Engineering， Inner Mongolia University of? Science and Technology， Baotou Inner Mongolia? 014010）

Abstract：Image segmentation is the basis of image processing， analysis and understanding， and it has become one of the most active topics in the field of machine vision. Edge detection can outline the target object and contain rich information. It is an important method to extract image features in image segmentation， recognition and analysis. In this paper， the common operators such as Sobel、Roberts、Prewitt、Gauss-Laplace and Canny algorithms are compared to compare the effects of bovine image segmentation， and it is proved that Canny operator is superior to other operators in general. In view of the possible fracture and incompleteness of Canny operator segmentation， OR operation combined with blur and edge information is used to remove broken edges， and digital morphology is used to refill holes in the image to enhance the effect of edge outline display. On this basis， compared with the actual results， the measurement results of cattle body have smaller error， higher measurement accuracy and better generality， which can meet the daily measurement requirements of body height and body length.

Key words：edge detection; image segmentation; Canny operator; OR operation; cow body measurement