圖像邊緣提取
圖像的邊緣時圖像的基本特征，攜帶了圖像的大部分信息。圖像邊緣提取在圖像處理中是十分重要的一環(huán)，是圖像分割、特征提取和圖像識別等圖像處理技術(shù)的重要前提。
圖像邊緣
物體的物理邊界是描述物體特征的一類非常重要的子項，這些邊界可能在成像過程中產(chǎn)生邊緣信息。邊緣是指在起周圍像素灰度有明顯變化的那些像素組合。邊緣時具有幅值和方向的矢量，在起圖像中表現(xiàn)為灰度的突變。因此二維數(shù)字圖像也可以理解為不同的封閉區(qū)域組成，這些封閉區(qū)域在統(tǒng)計意義上滿足某一種一致性原則，而邊緣的作用就是區(qū)分各個區(qū)域以反映重要的景物結(jié)構(gòu)。根據(jù)圖像中邊緣區(qū)域的灰度在空間中的變化形式，邊緣一般可以分為三種類型：階躍型、屋脊型、線條型。
階躍型邊緣，即從一個灰度到比它高好多的另一個灰度。
屋脊型邊緣，灰度逐漸增加到一定程度然后再慢慢減小。
線條型邊緣，灰度從一個級別跳到另一個級別之后然后回來。
邊緣檢測方法
圖像邊緣檢測方法主要包括以下幾類：
1） 微分算子發(fā)：這類方法主要從邊緣點往往對應(yīng)于一階微分幅值大的特點，同時也對應(yīng)于二階微分的零交叉點觸發(fā)，設(shè)計一些一階或二階微分算子，求得起梯度或二階導(dǎo)數(shù)過零點，在選擇一定的閥值或提取邊界。
2） 最優(yōu)算子法：這類方法的目的是根據(jù)信噪比求得檢測邊緣的最優(yōu)
濾波器馬爾希爾德雷斯算子，也被稱為LoG算子。另一種方法是局部曲面最小二乘擬合法，，根據(jù)最小二乘法把圖像的局部區(qū)域近似表示為一組基函數(shù)的線性組合，從而達到消除噪聲的效果。
3） 多尺度方法：此類方法是隨著多分辨率和小波理論的出現(xiàn)而逐漸發(fā)展起來的。
4） 基于自適應(yīng)平滑濾波的邊緣檢測方法：利用一個通用算子對信號進行平衡，該算子能使其本身與信號的局部結(jié)構(gòu)相適應(yīng)，例如根據(jù)窗口中心點及其臨近點的灰度平均值來確定其系數(shù)。還有一種方法是選擇具有與中心點灰度值最接近的鄰近點，并利用這些鄰近點灰度值的平均值取代中心點值。
5） 松弛迭代法：重邊界增強的角度出發(fā)，分為圖像的平滑、邊緣的獲取、松弛迭代三步。它使用邊緣點的位置、梯度矢量、曲率等信息來初始化松弛網(wǎng)絡(luò)像素的標(biāo)記，根據(jù)邊界曲線上點的信息在局部具有一致性和相關(guān)性，而噪聲點的信息是隨機的，無規(guī)律的特點，進行鄰域點信息的相互作用。
一些經(jīng)典邊緣檢測算子
1） Roberts邊緣檢測算子：是一種利用局部差分算子尋找邊緣的算子，邊緣的銳利程度由圖像灰度的梯度決定，并不是沿X軸或Y軸方向微分，而是取旋轉(zhuǎn)±45度兩個方向微分值的和。Roberts簡單的2x2算子檢測出的圖像邊緣線若較短，往往會被忽略，若線較長，就將其延長知道它與其他邊緣線相交于一點。故而會丟失很多細小的邊緣信息，而長線邊緣則保持的比較好。
2） Prewitt算子：該算子使用兩個有向算子（一個水平一個垂直），每一個逼近一個偏導(dǎo)數(shù)，這是一種類似計算偏微分估計值的方法。當(dāng)使用兩個模版組成邊緣檢測器時，通常取較大的幅度作為輸出值。這也使得他們對邊緣走向敏感。取這兩項的平方和的開方可以獲得性能更一致的全方位響應(yīng)，與真實梯度值更接近。
3） Sobel算子：此算子是一種將方向差分運算與局部平均相結(jié)合的方法，在以f(x,y)為中心的3x3鄰域上計算x和y方向的偏導(dǎo)數(shù)。Sobel算子利用像素點上下、左右相鄰點的灰度加權(quán)算法，根據(jù)在邊緣點處達到極值這一現(xiàn)象進行邊緣的檢測。因此對早生具有平滑作用，提供較為精確的邊緣方向信息；但是，由于局部平均的影響，它同時也會檢測出許多的偽邊緣，且邊緣定位精度不夠高。
4） Kirsch算子：這種算子是一個3x3的非線性算子，其基本是盡量使邊緣兩側(cè)的像素各自與自己同類的像素取平均值，以改進求平均值的過程，然后求平均值之差，以減少由于取平均造成的邊緣細節(jié)丟失。它對邊緣信息強的檢測效果比較好，但是運算量比較大，每個像素點需要運算八次來求出最大值。
5） Laplace算子：是二階微分算子，利用邊緣點處二階導(dǎo)函數(shù)出現(xiàn)零交叉原理檢測邊緣。不具有方向性，定位精度高，不但檢測出絕大部分邊緣，同時基本上沒有出現(xiàn)偽邊緣。但它的檢測缺點也比較明顯，如丟失一些邊緣，有一些邊緣不夠連續(xù)，不能夠或的邊緣方向等信息。
Photonfocus高速相機的Convolver卷積計算功能
目前，高速相機發(fā)展迅速，在許多領(lǐng)域中，高速相機的高圖像穩(wěn)定性、高傳輸能力和高抗干擾能力已經(jīng)成為不可替代的重要元素。在使用高速相機的眾多圖像采集情況，邊緣提取通常也是分析所獲取圖像不可或缺的一步。
Photonfocus高速相機軟件PFRemote帶有Convolver卷積計算功能，可以通過它很方便的實現(xiàn)圖像邊緣提取。
在啟動PFRemote軟件后，我們可以在選項卡中找到Convolver，PFReomte軟件使用的是3x3算子，上文中我們提到的Sobel、Kirsch、Laplace等算子都可以將系數(shù)帶入該軟件中非常簡單方便的實現(xiàn)各算子的邊緣提取功能。
例如，我們使用Laplace算子的一種階躍
邊緣計算模版
，啟動Convolver即可實現(xiàn)其邊緣提取功能：
并且也可以實現(xiàn)垂直或水平方向的邊緣提取，例如
此內(nèi)置的Convolver卷積計算對于圖像邊緣提取提供了極大的方便。目前photonfocus高速相機MV1-D1312與MV1-D2080系列高速相機都具有該功能。
邊緣檢測對于圖像理解、圖像分析和圖像識別來說，是一個非常重要的課題。它是圖像分割、視覺匹配的基礎(chǔ)，因此邊緣檢測成為圖像分析和識別領(lǐng)域中一個令人十分關(guān)注的課題，發(fā)展也很迅速。
