基于改进的Canny算子在火焰图像边缘检测的应用研究

代大春 田思 周书民

摘要：针对火焰图像噪声大、边缘信息模糊等对图像边缘检测的影响，分析了Roberts算子、LoG算子、Prewitt算子、Canny算子等传统边缘检测算子在火焰边缘检测的效果。选用Canny算子对火焰进行边缘检测，并对其进行相应的改进。首先采用自适应中值滤波对图像降噪处理，然后自适应获取阈值的方法对图像进行边缘检测，最后采用模糊判決法对边缘断裂部分进行连接。实验结果表明，改进的Canny算子能够有效检测到边缘，具有很强的阈值自适应能力，极大提高边缘检测的准确性和精确度。

关键词：火焰；边缘检测；中值滤波；自适应；模糊判决

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）21-0204-04

1 引言

图像是人类理解认识世界万物最为清晰、直观的信息来源。图像的边缘包含着图像的重要信息（尖角、圆形度、周长、形状等），因此，边缘被认为是图像的基本特征之一。在图像的处理、分析过程中，边缘检测是比较基础的问题而且也是经典的技术难题，边缘检测结果的好坏对深层次的图像特征提取、图像分割和图像识别、理解等会产生十分重大的影响，在人工智能、机器视觉、模式识别等诸多领域举足轻重。由于噪声、畸变、投影、混合等因素导致成像过程中图像变形和模糊，同时不同环境、不同目标使得图像边缘难以检测。对于不同的边缘检测算法各有适用的领域和优缺点，文章分析了一些常见的边缘检测算子对火焰图像的边缘检测的效果，将改进的Canny算子的应用于火焰图像的边缘检测，对后续的林火图像分割及识别具有重要意义。

2 经典边缘检测算子

2.1 经典边缘检测算子原理

图像边缘是指图像中像素灰度、纹理等特性分布的不连续的地方，呈现出屋脊状或阶跃状变化的像素集合，一边存在于物体与物体之间、物体与背景之间，图像边缘具有方向和幅度（强度）两大属性。像素变化平缓在边缘方向，垂直于边缘方向像素变化剧烈，通过一阶导数或这二阶导数微分算子可以检测出图像边缘的这种特性的变化情况，即可检测边缘，在边缘处对应一阶导数的最大值，二阶导数认为在过零点处对应是边缘位置，如下图所示，图1.1图像灰度变化，图1.2一阶导数，图1.3二阶导数。

微分算子是利用图像灰度边缘的一阶导数的极值和二阶导数过零点的方法检测图像边缘的基本算法。传统的微分算子有Roberts、Sobel、Prewitt等一阶微分算子，Laplacian、Log等二阶微分算子和Canny边缘检测算子。

图像边缘检测既要通过滤波、降噪方法抑制图像中的噪声和去除无关细节，又要求精确地检测到图像边缘，通常边缘检测过程包含四大部分：（1）滤波。由于导数计算对图像噪声比较敏感，需要合理地使用滤波器去噪同时尽可能的保持边缘完整；（2）增强。通过计算梯度幅值来进行边缘增强，是局部（或领域）像素剧烈变化处凸显；（3）边缘检测。通过预定的判据检测是否为边缘；（4）定位。在一些特定应用中需要定位边界点。检测过程如下图2所示。

为验证各微分算子对火焰图像的边缘检测效果，通过matlab软件，对各个边缘检测算子进行试验，如图3示，用边缘检测算子对火焰图像进行边缘检测。

2.2传统微分算子边缘检测结果比较

Prewitt边缘检测算子通过对图像进行差分运算和滤波运算，根据像素点上下左右四个方向的邻点灰度差在边界点处到达极值的方法检测图像边缘，如图3中Prewitt算子检测图所示，火焰图像边缘定位精度不高，部分重要细节丢失，不适于火焰边缘检测。

Sobel边缘检测算子采用像素点上下左右邻点灰度加权差的极值在图像边缘处这一方法进行边缘检测，如图Sobel检测图像中，细节模糊，定位精度低。

Roberts算子根据对角线方向邻近的两个像素差与梯度幅值近似来检测边缘。在垂直方向和水平方向检测效果较好，而斜向边缘的效果不够理想，对噪声敏感。

二阶微分Log算子首先通过Gaussian函数进行图像平滑处理，之后运用二阶导数过零点进行边缘检测，当算子宽度大于边界距离时，边界的部分细节检测不完整，如图3 Log算子边缘检测图像所示。

相比于上述的算子，Canny算子在火焰图像边缘检测效果最优，如图3所示，图像细节较为完整的检测到，边缘连续性好，定位准确，故选用Canny算子对火焰进行边缘检测，并对其进行相应的改进，更适用于火焰边缘检测。

3 Canny边缘检测算子

在上一节分析了经典边缘检测算子基于火焰的图像边缘检测优缺点，实验证明Canny算子对火焰进行边缘检测效果较好，火焰尖角特征也十分清晰，但是林火图像边缘信息模糊、存在大量噪声、边缘信息难提取、提取的边缘不连续等特点，提出改进Canny边缘检测算子在林火图像边缘检测的应用。

3.1 传统的Canny算子

Canny算子是一种多级边缘检测算法，在1986年Canny J F提出的，还给出了评价边缘检测性能的三个重要指标：（1）最优化检测，检测结果应尽量多的标记图像实际的边缘，误检出非边缘点和漏检的概率尽可能小；（2）最优化定位准则，实际检测到的边缘像素点应该与真正对应的边缘点位置距离最近；（3）检测点与边缘点准确对应：检测算法精确的选择性，对每个边缘仅有唯一的响应。

将图4.1所示[0?～360?]方向角并为4个方向[θ]：[0?，45?，90?，rh]。针对所有边缘，令[0?=180?]，[45?=225?]等。于是，在[[-22.5?，22.5?]]和[[157.5?，202.5?]]区间范围内的方向角归并为[0?]方向角，在[45?，90?，rh]的方向角归并如图4.2所示。

边缘点就是在幅角方向检测得到的模值为极大值的点，对像素点邻近的8个方向上各个像素偏导值和相邻像素点模值进行比较，取其最大值的点为边缘点，像素灰度值1，其他则置为0，即为非边缘点。

（4） 采用双阈值算法检测边缘和连接边缘

首先选取高阈值[Th]和低阈值[Tl]，之后开始扫描图像对候选边缘图像[f（x，y）]中标记的候选边缘点的每一个像素点[（i，j）]进行检测，如果像素点（i，j）的幅值[M（x，y）]大于[Th]，那么该点为边缘点；如果像素点[（i，j）]的幅值[M（x，y）]低于[Tl]，那么该点不是邊缘点；梯度幅值[M（x，y）]处于高低阈值之间的点，视为疑似边缘点，需要进一步根据边缘连通性进行判断。如果该点的相邻像素点中有边缘点，则该点视为边缘点进行连接；否则，该点为非边缘像素点，舍弃。

3.2 改进的Canny边缘检测算子

与其他经典边缘检测算法比较，传统canny算子边缘检测效果较好，但也存在一些不足之处。例如高斯平滑滤波对冲击噪声抑制效果不理想；高低阈值需要人工设定，自适应能力比较差。若阈值太高，会使得检测的边缘不连续，丢失许多图像细节；若阈值太低，可能会产生虚假的边缘。

基于传统Canny算法，引入自适应中值滤波，自适应确定分割阈值和模糊判决法连接提取的边缘断裂的部分。

3.2.1 自适应中值滤波

Canny边缘检测通过高斯函数进行滤波，而在式（1）中分布参数[σ]需要人为设定，高斯滤波使图像模糊。因此，采用中值滤波对算法进行改进，自适应中值滤波可以有效保护边缘。

自适应中值滤波能够通过改变模板窗口大小[7]，对信号点与噪声点使用不同的处理算法，达到去噪的效果。对于一幅[M*N]的图像，设[Sxy]为当前的像素点[（x，y）]去除噪声处理的窗口；[Smax]为准许的最大滤波窗口；[f（x，y）]是像素点[（x，y）]的灰度值；[fmin]，[fmed]和[fmax]分别是最小像素灰度值，中值和最大像素灰度值。自适应中值滤波步骤如下：

（1）初始化中值滤波窗口[w=3]；

（2）计算当前窗口内像素灰度的[fmin]，[fmed]和[fmax]；

（3）若[fmin

（4）若[w≤Smax]，转（2）；否则使用模板窗口中的中值[fmed]替换当前像素点，即[f（x，y）=fmed]

（5）若[fmin

3.2.2 自动获取阈值方法对图像进行边缘检测

Canny算子高阈值和低阈值不能根据图像特点自适应确定，需要人为设定，存在较大误差。针对这一缺点，采用Ostu最大类间方差法自动获取高、低阈值。

最大类间方差法根据图像的灰度特性将图像，通过阈值将图像分割成目标和背景两个部分。图像的背景和目标差别越大，Ostu类间方差越大。当背景错分为目标或者目标错分为背景会使得两个部分差别变小。Ostu越小则错分率越小。

3.2.3 模糊判决法连接提取的边缘断裂的部分

边缘检测会产生不连续的边界，需要对断裂部分进行边缘连接处理。在提取的边缘图像中分析每一个像素点的小领域内像素特点，根据预定的准则将认为相似的像素点连接，形成连续的一条边缘。在分析确定边缘像素点相似的三个主要性质：

4 实验结果分析

为了验证改进的Canny算子边缘检测的效果，通过matlab实现算法，对有火焰原图像作为测试图像，与传统的Canny算子边缘检测的效果进行比较，如图5所示。改进的Canny算子检测的边缘更完整、清晰。

由表1得到，改进算法与传统算法边缘检测后类峰值信噪比几乎一样，说明改进前后边缘检测性能一样，具有较高的精确度和准确度，但是改进的算法边缘连接性更好，抗噪性更好。

5 结论

本文分析了传统的边缘检测算子在火焰边缘检测的应用，Canny算子的边缘检测效果较好。但是传统的Canny算子对噪声敏感、需要手动设置阈值且自适应能力较差等问题，本文提出一种改进的图像边缘检测算法：首先在第一步中使用自适应中值滤波对Canny算子改进；然后采用Ostu最大类间方差法自动获取阈值进行边缘检测；最后通过模糊判决法对检测的边缘进行断裂部分的连接。改进的Canny算子能够有效检测到边缘，具有很强的阈值自适应能力，极大提高边缘检测的准确性和精确度。为后续的火焰面积、周长等特征提取，林火识别等提供了坚实的基础。

参考文献：

[1] 邱志成，张祥通.基于视觉的柔性结构振动测量及其控制[J].振动测试与诊断，2012，32（1）：11-16+157-158.

[2] 赵金.大气中纳米级黑碳颗粒物形貌的数字图像处理研究[D].华东理工大学，2014.

[3] 仇王健.柔性印版网点高精度测量算法和系统的设计实现[D].杭州电子科技大学，2017.

[4] 尚长春，马宏伟，安静宇.基于改进Canny算子的煤矿井下物体图像边缘检测方法研究[J].计算机工程与科学，2014，36（03）：491-496.

[5] https：//wenku.baidu.com/view/9eb4b18583d049649b6658a0.html

[6] 马蒙蒙，顾梅花，杨婷婷，等.基于各向同性高斯的Canny边缘检测改进算法[J].电子设计工程，2016，24（08）：131-133+137.

[7] 徐亮，吴海涛，孔银昌.自适应阈值Canny边缘检测算法研究[J].软件导刊，2013，12（08）：62-64.

[8] 陈喜胜，钟菊萍，李军.最大类间方差法在污水排放图像处理中的应用研究[J].现代计算机（专业版），2017（32）：65-70+75.

[9] 于红果，范赛华.利用最大隶属度模糊判别法识别水淹层[J].国外测井技术，2010，30（03）：16-18.

[10] 王敏，周磊，周树道，等.基于峰值信噪比和小波方向特性的图像奇异值去噪技术[J].应用光学，2013，34（1）：85-89.

【通联编辑：朱宝贵】