一種自適應(yīng)的sobel邊緣檢測(cè)方法

一種自適應(yīng)的sobel邊緣檢測(cè)方法

1改進(jìn)的soel邊緣檢測(cè)算法邊緣是圖像的基本特征之一。邊緣檢測(cè)包括圖像捕獲、圖像分析、模式識(shí)別、計(jì)算機(jī)視覺和人類視覺的基本步驟。經(jīng)典的邊緣檢測(cè)是基于檢測(cè)算子的方法,通過考察待測(cè)點(diǎn)在某個(gè)鄰域內(nèi)的灰度變化,然后利用一階或二階方向?qū)?shù)變化規(guī)律,根據(jù)一定的判斷標(biāo)準(zhǔn)檢測(cè)出邊緣。常見的邊緣檢測(cè)算子有Roberts算子、Sobel算子、Prewitt算子、Laplace算子、LOG算子、Canny算子等。近年來隨著數(shù)學(xué)理論及人工智能的發(fā)展,涌現(xiàn)出許多新的邊緣檢測(cè)方法,如基于小波變換和數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)法、基于神經(jīng)網(wǎng)絡(luò)和自適應(yīng)閾值選取的邊緣檢測(cè)法等。本文分析了經(jīng)典Sobel邊緣檢測(cè)算法的優(yōu)缺點(diǎn),針對(duì)其對(duì)噪聲比較敏感而且需要人為指定閾值等缺點(diǎn)對(duì)算法進(jìn)行改進(jìn),增加了梯度計(jì)算的模板,通過計(jì)算四方向梯度合成最終的梯度,然后再根據(jù)待檢測(cè)像素點(diǎn)8鄰域內(nèi)的平均像素值和人眼的視覺特征自適應(yīng)地生成動(dòng)態(tài)閾值,從而在一幅圖像的不同區(qū)域使用不同的閾值來檢測(cè)邊緣,這種方法檢測(cè)出的邊緣圖像比固定閾值法檢測(cè)的邊緣更為接近人的主觀視覺。對(duì)檢測(cè)后的邊緣圖像進(jìn)行形態(tài)學(xué)腐蝕處理,使得算法的抗噪性能更強(qiáng)。改進(jìn)的Sobel邊緣檢測(cè)算法較經(jīng)典算法的時(shí)間復(fù)雜度增加,采用一般的順序計(jì)算難以滿足實(shí)時(shí)性的要求。隨著FPGA技術(shù)的高速發(fā)展,使用FPGA搭建圖像處理平臺(tái)成為圖像處理的發(fā)展趨勢(shì)。本文利用FPGA高速并行處理的特點(diǎn),將改進(jìn)算法嵌入到單片F(xiàn)PGA上,可以實(shí)現(xiàn)高幀頻高分辨率圖像的實(shí)時(shí)采集、檢測(cè)邊緣和顯示。2像素點(diǎn)邊緣檢測(cè)Sobel算子是一階導(dǎo)數(shù)算子,采用水平和豎直方向上相鄰像素之差進(jìn)行梯度幅度計(jì)算,再根據(jù)邊界判斷條件確定邊緣。設(shè)圖像函數(shù)為f(x,y),則梯度定義為一個(gè)向量:在圖像中,計(jì)算方向梯度Gx和Gy往往使用小區(qū)域模板與圖像卷積得到。圖1(a)是目標(biāo)像素點(diǎn)(x,y)的8鄰域的3×3窗口,(b)和(c)分別是水平和垂直方向上的梯度算子。圖像函數(shù)f(x,y)的水平和垂直梯度如公式(5)和(6)所示。計(jì)算出Gx和Gy后,合成梯度g,設(shè)定一個(gè)合適的閾值T,如果g≥T即可確定目標(biāo)像素點(diǎn)(x,y)是邊緣點(diǎn)。以上就是經(jīng)典Sobel邊緣檢測(cè)算法的實(shí)現(xiàn)過程,經(jīng)典算法先對(duì)圖像進(jìn)行加權(quán)平均,然后再做微分運(yùn)算,對(duì)噪聲具有一定的抑制能力,其對(duì)在水平和垂直方向的邊緣檢測(cè)性能優(yōu)于其他方向的檢測(cè)性能,而且定位精度也比較高,但是該算法也存在如下缺陷:(1)僅采用水平和垂直方向上相鄰像素之差進(jìn)行梯度幅度計(jì)算,并未考慮其他方向上的相鄰像素情況,易造成部分邊緣信息丟失;(2)算子的閾值參數(shù)需要人為設(shè)定,不具有自適應(yīng)能力,閾值設(shè)置過高,會(huì)導(dǎo)致邊緣間斷,設(shè)置過低則容易產(chǎn)生偽邊緣;3基于視覺特性的算法針對(duì)經(jīng)典Sobel邊緣檢測(cè)算法各方面缺陷,本文從3個(gè)方面對(duì)算法進(jìn)行改進(jìn):(1)增加梯度計(jì)算模板;(2)根據(jù)人眼視覺特性來自適應(yīng)選取動(dòng)態(tài)閾值;(3)對(duì)檢測(cè)后的邊緣圖像形態(tài)學(xué)腐蝕處理,增強(qiáng)算法抗噪性能。3.1和133方向上的梯度改進(jìn)算法在原有梯度計(jì)算方法上增加了對(duì)45°和135°方向上梯度的計(jì)算,圖(1)中(d)和(e)分別是這兩個(gè)方向上的梯度算子,45°和135°梯度為:3.2tvi與環(huán)境粗糙度人眼的主觀視覺是由于物體反射的光線照射到人眼的視網(wǎng)膜上,視覺神經(jīng)受到刺激而獲得的。實(shí)驗(yàn)證明,主觀亮度是與進(jìn)入人眼的光強(qiáng)成對(duì)數(shù)關(guān)系,但主觀亮度并不完全由物體本身的亮度所決定,它還與背景亮度有關(guān)。背景亮度I與在此背景下剛可分辨亮度差ΔI的關(guān)系如圖2(a)所示。將ΔI與I的比值稱為閾值亮度比TVI(ThresholdVersusIntensity),可以看出,在高背景亮度和低背景亮度之間的一個(gè)相當(dāng)寬的亮度范圍內(nèi)TVI滿足韋伯律,即近似一個(gè)常數(shù),約為0.02。當(dāng)背景亮度過高或過低時(shí)TVI具有比較大的值,將背景亮度對(duì)可分辨亮度差的影響效應(yīng)稱之為亮度掩膜效應(yīng)。進(jìn)一步研究表明,TVI的值還與環(huán)境亮度有關(guān),圖2(b)顯示了不同環(huán)境亮度下ΔI/I不同的變化曲線。針對(duì)邊緣檢測(cè)時(shí)設(shè)置固定閾值造成的邊緣間斷和偽邊緣問題,本文在參考和分析人類視覺模型的基礎(chǔ)上,提出了一個(gè)灰度圖像邊緣檢測(cè)的閾值選擇模型:式中a為低暗區(qū)截止灰度,一般取45~81之間的灰度值,b為高亮區(qū)起始灰度,一般取180~210之間的灰度值,I為背景亮度灰度值,ΔI為所設(shè)定閾值,灰度級(jí)為256級(jí)。當(dāng)I≤a或I≥b,可分辨亮度差ΔI近似為一條指數(shù)曲線,用指數(shù)函數(shù)擬合;當(dāng)a<I<b,即為中間區(qū),ΔI/I較為接近一個(gè)常數(shù),為了使曲線更為平滑,這里用一條三次曲線進(jìn)行擬合。根據(jù)經(jīng)驗(yàn)和反復(fù)實(shí)驗(yàn),確定點(diǎn)(0,12)、(255,15)、(50,5),(200,8),則擬合的曲線如圖3所示,曲線函數(shù)為:式中I是待檢像素點(diǎn)的3×3鄰域內(nèi)的灰度平均值,即為,I的物理上表示了待測(cè)點(diǎn)的背景亮度灰度值。在實(shí)際檢測(cè)邊緣選擇閾值時(shí),可以根據(jù)具體情況在ΔI前面乘以一個(gè)系數(shù)ρ(ρ與梯度計(jì)算的方法和環(huán)境亮度有關(guān),本文之后邊緣檢測(cè)中該系數(shù)設(shè)置為14),這樣就可以在一幅圖像的不同區(qū)域使用不同的閾值來檢測(cè)邊緣,使得最終的邊緣圖像更符合人眼主觀視覺。3.3bi中點(diǎn)的腐蝕數(shù)學(xué)形態(tài)學(xué)的語言是集合論。形態(tài)學(xué)為大量的圖像處理問題提供了一種一致的有力方法。最基本的形態(tài)學(xué)運(yùn)算有腐蝕、膨脹、開和閉。設(shè)X為圖像,B為結(jié)構(gòu)元素,把B平移i后得到Bi,若Bi包含于X(Bi中所有元素bj都有bj∈X,則Bj包含于X記作Biue01bX),則記住這個(gè)i點(diǎn),所有滿足條件的點(diǎn)的結(jié)合即為X被B腐蝕的結(jié)果,可以用公式(13)表示,腐蝕一般用于去掉圖像中小于結(jié)構(gòu)元素的部分,當(dāng)結(jié)構(gòu)元素足夠大時(shí)可以將物體分開,腐蝕對(duì)圖像有很好的去噪功能;若Bi擊中X(Bi中存在點(diǎn)bj使得bj∈X,則Bi擊中X記作Biue809X),記下點(diǎn)i,所有滿足條件的點(diǎn)的集合為被膨脹的結(jié)果,可以用公式(14)表示,膨脹將于物體接觸的所有背景點(diǎn)合并到該物體中,是邊界向外擴(kuò)張,膨脹對(duì)圖像有強(qiáng)化作用,結(jié)構(gòu)元素足夠大可以把圖像中兩個(gè)相鄰的物理連接起來;開閉操作時(shí)基于腐蝕膨脹基本算法演化而來,開操作就是先腐蝕后膨脹,閉操作就是先膨脹后腐蝕。本文使用腐蝕操作對(duì)邊緣檢測(cè)后的圖像進(jìn)行去噪,消除小于結(jié)構(gòu)元素的點(diǎn),包括一些孤立點(diǎn)和偽邊緣。4fpga邊緣檢測(cè)算法設(shè)計(jì)改進(jìn)的Sobel邊緣檢測(cè)從4個(gè)方向計(jì)算梯度,并根據(jù)鄰域像素灰度均值自適應(yīng)確定閾值,然后再對(duì)邊緣圖像進(jìn)行腐蝕運(yùn)算。實(shí)現(xiàn)改進(jìn)的邊緣檢測(cè)算法的計(jì)算量是很龐大的,對(duì)一幅大小為N×N的圖像檢測(cè)邊緣,時(shí)間復(fù)雜度為O(N2),對(duì)于低分辨率的圖像實(shí)時(shí)檢測(cè)比較容易,但是要實(shí)現(xiàn)高分辨率圖像的實(shí)時(shí)邊緣檢測(cè),一般的運(yùn)算器順序執(zhí)行或通過軟件都很難滿足實(shí)時(shí)性的要求。FPGA的高速并行性有助于解決實(shí)時(shí)性的問題,而且Sobel邊緣檢測(cè)算法所涉及的運(yùn)算結(jié)構(gòu)相對(duì)規(guī)律,利用FPGA的硬件處理模式、流水線數(shù)據(jù)處理技術(shù)以及并行信息處理等優(yōu)勢(shì),能夠顯著提高算法的處理速度。本文將改進(jìn)的Sobel算法移植在一片F(xiàn)PGA內(nèi)實(shí)現(xiàn),FPGA使用Xilinx推出的XC5VSX50TFPGA。圖4是實(shí)現(xiàn)邊緣檢測(cè)的系統(tǒng)結(jié)構(gòu)框圖。4.1圖像采集模塊a系統(tǒng)使用的圖像傳感器是基于CameraLink接口的高分辨率CMOS相機(jī),相機(jī)分辨率設(shè)置為1k×1k,幀頻50fps,像素位深度為8,像素時(shí)鐘為80MHz;并且使用MicroEnableIV圖像采集卡實(shí)現(xiàn)圖像的實(shí)時(shí)顯示。CameraLink數(shù)據(jù)傳輸?shù)乃俣雀?采用LVDS格式,抗造性能好。CameraLink信號(hào)包括3個(gè)部分:串行通信信號(hào)、相機(jī)控制信號(hào)及視頻信號(hào),其中視頻信號(hào)是本系統(tǒng)中主要考慮的部分。視頻信號(hào)通過轉(zhuǎn)換芯片DS90CR288A將四路LVDS信號(hào)轉(zhuǎn)換為28bitCMOS/TTL數(shù)據(jù)和一路時(shí)鐘信號(hào)。FPGA中的圖像采集模塊從這28bit信號(hào)中提取有效圖像數(shù)據(jù)和視頻信號(hào)(FVAL、LVAL、DVAL、SPARE),然后再進(jìn)行圖像的邊緣檢測(cè)。圖像的顯示是采集的相反過程,FPGA中的圖像顯示模塊將邊緣圖像按照規(guī)定格式將信號(hào)輸出,DS90CR287將接收的28bit信號(hào)和時(shí)鐘信號(hào)轉(zhuǎn)換為4路LVDS信號(hào),最后經(jīng)由圖像采集卡對(duì)圖像進(jìn)行顯示。4.2邊緣提取模塊圖5是改進(jìn)的Sobel邊緣檢測(cè)的硬件實(shí)現(xiàn)結(jié)構(gòu)圖,主要分為3個(gè)模塊:窗口提取子模塊、邊緣提取子模塊和時(shí)序調(diào)整子模塊。窗口提取子模塊主要由一片存儲(chǔ)量為兩行圖像的DPRAM構(gòu)成,DPRAM的模式為“ReadFirst”讀延時(shí)為一個(gè)時(shí)鐘周期,根據(jù)圖像列分辨率采用計(jì)數(shù)器生成DPRAM的地址信息addra,同時(shí)將A口輸出賦給B口輸入,addrb較addra延遲一個(gè)時(shí)鐘,這樣既可得到3行圖像緩沖,然后對(duì)行數(shù)據(jù)進(jìn)行時(shí)鐘延遲,從而形成3×3的窗口數(shù)據(jù)z1~z9。邊緣提取子模塊包括了四方向梯度卷積計(jì)算、梯度合成、閾值自適應(yīng)選取和閾值比較。梯度卷積計(jì)算的運(yùn)算方式僅有乘法和加法,考慮到Sobel算子的系數(shù)只為1或2,使用加法代替乘法比較方便。圖6是FPGA內(nèi)實(shí)現(xiàn)水平方向梯度計(jì)算的結(jié)構(gòu)圖,Compareandsubtract操作對(duì)上一層相加結(jié)果進(jìn)行比較后再相減,從而獲得梯度的絕對(duì)值,利用FPGA的并行處理特性,使用多個(gè)加法器同時(shí)進(jìn)行計(jì)算,可以加快算法運(yùn)行速度。4個(gè)方向梯度并行計(jì)算,3個(gè)時(shí)鐘后即可得到計(jì)算結(jié)果,這要比順序計(jì)算快得多。待測(cè)點(diǎn)處最終梯度按照公式(9)給出的方式實(shí)現(xiàn)。閾值自適應(yīng)選取的實(shí)現(xiàn)過程為:將由公式(12)計(jì)算所得的所有數(shù)據(jù)存入ROM中,計(jì)算窗口數(shù)據(jù)的平均值,以該值作為尋址地址從ROM中讀數(shù)據(jù),該數(shù)據(jù)即為待測(cè)像素點(diǎn)邊緣檢測(cè)的閾值。將梯度與閾值進(jìn)行比較,從而得到二進(jìn)制的邊緣圖像。時(shí)序調(diào)整子模塊對(duì)輸入視頻各個(gè)同步信號(hào)進(jìn)行適當(dāng)延遲,以保證在顯示及其他操作時(shí)的時(shí)序正確性。同步信號(hào)延遲以3×3的窗口的中心元素為標(biāo)準(zhǔn),進(jìn)行一次行延時(shí)以及多次計(jì)算延時(shí)。時(shí)序調(diào)整所需要的時(shí)延比較大,使用觸發(fā)器實(shí)現(xiàn)會(huì)消耗比較多的資源,解決方法是使用存儲(chǔ)器(本文算法實(shí)現(xiàn)使用RAM)緩存數(shù)據(jù)然后根據(jù)所需延時(shí)大小控制RAM輸出時(shí)序。4.3圖像x被結(jié)構(gòu)元素b腐蝕的硬件實(shí)現(xiàn)方案算法在硬件中實(shí)現(xiàn)過程中更易受到噪聲的影響,形態(tài)學(xué)中的腐蝕處理是一種有效去除噪聲的方式。本文算法對(duì)Sobel邊緣檢測(cè)后的圖像進(jìn)行腐蝕操作,從而降低噪聲的影響。如圖7(a)是圖像X被結(jié)構(gòu)元素B腐蝕的示意圖,腐蝕的硬件實(shí)現(xiàn)結(jié)構(gòu)包括3個(gè)模塊:窗口提取子模塊、腐蝕處理子模塊、時(shí)序調(diào)整子模塊。窗口提取子模塊、時(shí)序調(diào)整子模塊與Sobel實(shí)現(xiàn)中的原理相同,對(duì)邊緣圖像進(jìn)行腐蝕時(shí)使用圖7所示的結(jié)構(gòu)元素,為了減少資源消耗,邊緣檢測(cè)模塊生成二進(jìn)制的邊緣圖像,腐蝕時(shí)對(duì)結(jié)構(gòu)元素所在位置的窗口元素進(jìn)行邏輯與操作,然后根據(jù)與操作結(jié)果調(diào)整圖像數(shù)據(jù)(轉(zhuǎn)化為256色灰度圖像),可以使用語句“as-signimage_erosion=logic_and?8’d0:8’d255”實(shí)現(xiàn)。4.4改進(jìn)算法與經(jīng)典算法的對(duì)比在FPGA上實(shí)現(xiàn)經(jīng)典Sobel邊緣檢測(cè)算法(閾值設(shè)置為50)和本文改進(jìn)算法,使用圖像采集卡采集不同光照條件下的邊緣圖像,相機(jī)輸出視頻分辨率為1k×1k,幀頻50fps,表1是采集的圖像邊緣檢測(cè)結(jié)果。改進(jìn)算法優(yōu)于經(jīng)典Sobel邊緣檢測(cè)算法,從表中白色橢圓標(biāo)注的區(qū)域可以看出,改進(jìn)算法能夠?qū)⒈容^暗的區(qū)域的邊緣檢測(cè)出來,隨著光照條件的變化,本文算法提取的邊緣的效果要明顯好于經(jīng)典算法,能夠更靈活得適應(yīng)自然環(huán)境的變化。從表中的圖看以看出,改進(jìn)算法和經(jīng)典算法的抗噪能力都有效,提取邊緣時(shí)會(huì)出現(xiàn)一些偽邊緣點(diǎn),經(jīng)過對(duì)改進(jìn)算法提取的邊緣經(jīng)過腐蝕操作后,邊緣更細(xì),同時(shí)噪聲點(diǎn)也較少。在該系統(tǒng)下實(shí)現(xiàn)邊緣檢測(cè)可以不受相機(jī)分辨率和幀頻的影響,在保證FPGA芯片正常工作條件下,可以實(shí)現(xiàn)更高分辨率和幀頻的圖像的實(shí)時(shí)采集、檢測(cè)邊緣和顯示。而且本文提出的硬件結(jié)構(gòu)相對(duì)靈活,改變梯度計(jì)算過程就可以實(shí)現(xiàn)其他的基于算子的邊緣檢測(cè)算法,如Roberts等。5實(shí)驗(yàn)結(jié)果和分析分析了經(jīng)典Sobel算法的優(yōu)缺點(diǎn),從3個(gè)方面對(duì)算法進(jìn)行了改進(jìn):增加梯度計(jì)算模板,邊緣檢測(cè)更完整;采用基于人眼模型的自適應(yīng)閾值選取,邊緣圖像更符合人眼主觀特性;對(duì)檢測(cè)后的邊緣圖像進(jìn)行腐蝕操作,降低噪聲的影響。將改進(jìn)的算法在FPGA上實(shí)現(xiàn),利用FPGA硬件處理模式、流水線數(shù)據(jù)處理技術(shù)以及并行信息處理等優(yōu)勢(shì),能夠顯著提高上算法執(zhí)行速度,實(shí)驗(yàn)結(jié)果表明改進(jìn)算法較傳統(tǒng)算法檢測(cè)的邊緣更完整、靈活,且硬件實(shí)現(xiàn)靈活可以不受視頻分辨率和幀頻的限制,實(shí)現(xiàn)圖像的實(shí)時(shí)采集、檢測(cè)邊緣和顯示。其中:Gx是水平方向梯度,Gy是垂直方向