提示：文章參考了網(wǎng)絡(luò)上其他作者的文章，以及相關(guān)書籍，如有侵權(quán)，請聯(lián)系作者。

前言

???????除了閾值分割外，也可以通過檢測區(qū)域的邊緣得到目標(biāo)區(qū)域。區(qū)域的邊緣像素的灰度值往往會發(fā)生灰度上的突變，針對這些跳躍性的突變進(jìn)行檢測和計算，可以得到區(qū)域的邊緣輪廓，并作為分割圖像的依據(jù)。Halcon 中有許多邊緣濾波器能計算出邊緣的幅值和方向，用以實現(xiàn)邊緣的提取。本文就以常用的Sobel算子、Laplace 算子和Canny 算子為例，介紹邊緣檢測的常用方法。
???????本文涉及的知識點如下：
???????1）、像素級邊緣提?。簩W(xué)會如何使用邊緣濾波器尋找圖像中梯度變化明顯的部分。
???????2）、亞像素級邊緣提?。簩W(xué)會完成亞像素邊緣提取、輪廓合并以及XLD輪廓輸出。
???????3）、輪廓處理：學(xué)會輪廓的生成、分割、篩選、連接以及擬合操作。

一、像素級邊緣提取

???????像素級邊緣提取，直觀地說，也就是顏色的邊緣提取。傳統(tǒng)的顏色邊緣檢測方法是使用邊緣濾波器，這些濾波器通過尋找較亮和較暗的區(qū)域邊界像素點的方式提取邊緣，即使用這些濾波器尋找圖像中梯度變化明顯的部分。這些梯度一般描述為邊緣的振幅和方向。將邊緣振幅高的所有像素選擇出來，就完成了區(qū)域的邊緣輪廓提取。
???????Halcon也提供了許多標(biāo)準(zhǔn)的邊緣濾波器，如Sobel、Roberts、Robinson和Frei濾波器。此外，還提供了非極大值抑制算子，用于進(jìn)行提取邊緣后的處理。

1.經(jīng)典的邊緣檢測算子

???????關(guān)于邊緣檢測，有許多經(jīng)典的算子，各大圖形處理庫都有各自的邊緣檢測算子，這里簡要介紹幾種。
???????1）、1．Sobel 算子
???????Sobel算子結(jié)合了高斯平滑和微分求導(dǎo)。它是一階導(dǎo)數(shù)的邊緣檢測算子，使用卷積核對圖像中的每個像素點做卷積和運算，然后采用合適的閾值提取邊緣。Soble算子有兩個卷積核，分別對應(yīng)x與y兩個方向。其計算過程如下。
???????a）、分別在x和y兩個方向求導(dǎo)。
???????b）、在圖像的每一個像素點上，結(jié)合以上兩個結(jié)果求出近似梯度。
???????2）、Laplace 算子
???????Laplace算子是一種二階導(dǎo)數(shù)算子。在圖像的邊緣區(qū)域，像素值會發(fā)生比較大的變化，對這些像素求導(dǎo)會出現(xiàn)極值。在這些極值位置，其二階導(dǎo)數(shù)為0，所以也可以用二階導(dǎo)數(shù)來檢測圖像邊緣。
???????3）、Canny 算子
???????Canny算子的基本思想是尋找梯度的局部最大值。首先使用高斯平滑濾波器卷積降噪，再用一對卷積陣列計算邊緣梯度和方向，然后使用非極大值抑制移除非邊緣線條，最后使用滯后閾值（高閾值和低閾值）檢測并連接邊緣。
???????對比上述3種算子，有如下總結(jié)。
???????a）、Sobel算子在邊緣檢測的同時盡量減少了噪聲的影響，比較容易實現(xiàn)。它對像素位置的影響進(jìn)行了加權(quán)，因此效果比較好，是很常用的邊緣檢測方法。
???????b）、Laplace算子是一種各向同性算子，比較適用于只關(guān)心邊緣的位置而不考慮其周圍像素的灰度差值的情況。Laplace算子對孤立像素的響應(yīng)要比對邊緣或線的響應(yīng)更強烈，因此只適用于無噪聲圖像。存在噪聲的情況下，使用Laplace算子進(jìn)行邊緣檢測之前需要先進(jìn)行低通濾波處理。
???????c）、Canny 算子是目前理論上相對最完善的一種邊緣檢測算法，但其也存在不足之處：為了得到較好的邊緣檢測結(jié)果，它通常需要使用較大的濾波尺度，這樣容易丟失一些細(xì)節(jié)。

2.邊緣檢測的一般流程

???????邊緣檢測的一般流程如下。
???????a）、獲取圖像。
???????b）、選擇感興趣區(qū)域。這是為了減少計算量，加快處理速度。
???????c）、圖像濾波。對輸入圖像使用邊緣濾波器是采集后的一個關(guān)鍵步驟，為了獲取圖像的邊緣部分，在讀取了輸入圖像之后，可以使用邊緣濾波器獲取邊緣的梯度和方向。對于像素級邊緣，Halcon中提供了常用算子，如 sobel＿amp、sobel＿dir、edges＿image、derivate＿gauss、edges＿color等。
???????d）、提取邊緣。將符合條件的邊緣提取出來，應(yīng)用濾波器之后，可以使用閾值處理將圖像中的高亮邊緣提取出來。這里可以使用前文介紹的threshold算子，也可以使用hysteresis＿threshold 算子減少非關(guān)鍵的邊緣，將符合條件的邊緣提取出來。還可以進(jìn)一步對結(jié)果進(jìn)行非極大值抑制，然后使用skeleton 算子將邊緣繪制出來。
???????e）、邊緣處理。根據(jù)檢測的需要對提取出的邊緣進(jìn)行處理，有時得到的邊緣可能會比較粗略，往往大于1個像素，需要進(jìn)行一些細(xì)化；有時得到的邊緣并不連續(xù)，因此還需要對邊緣做一些處理，如生成輪廓、合并非連續(xù)的邊緣、分離背景等。
???????f）、顯示結(jié)果。將結(jié)果繪制在窗口中，以表現(xiàn)直觀的邊緣提取效果。

3.sobel＿amp 算子

???????Halcon提供了大量的邊緣濾波器，最常用的是Sobel濾波器。它是一種經(jīng)典的邊緣檢測算子，速度和效率都非常令人滿意。其在Halcon中對應(yīng)的算子為sobel＿amp算子和sobel＿dir算子，二者都是使用Sobel算子進(jìn)行邊緣檢測。前者用于計算邊緣的梯度，后者除了能表示梯度外，還能表示邊緣的方向，本小節(jié)主要介紹sobel＿amp算子。
???????下面以一個簡單的例子說明sobel＿amp算子的用法。該例子輸入的是一幅灰度值圖像，讀取圖像后，使用sobel＿amp 算子進(jìn)行邊緣濾波。濾波類型參數(shù)選擇sum＿abs，以獲得細(xì)節(jié)比較多的邊緣；然后通過閾值處理選擇符合梯度閾值的區(qū)域，提取出的區(qū)域?qū)挾却笥?個像素；最后使用skeleton算子將邊緣框架顯示出來，如下圖所示。

???????上述過程的實現(xiàn)代碼如下：

read_image (Image,' data/flower')
rgb1_to_gray (Image,,GrayImage)
sobel_amp (GrayImage,Amp, ' sum_abs',3)
threshold (Amp,Edg,100,255)
skeleton (Edg, Skeleton)
dev clear window ()
dev_display (Skeleton)

???????該例子使用sobel＿amp 算子對灰度圖像進(jìn)行了邊緣檢測，選擇了sum＿abs類型的濾波器，并將帶有邊緣梯度的圖像Amp輸出。第4行通過閾值處理去除一些非關(guān)鍵的輪廓點和線，第5行使用skeleton提取區(qū)域的框架。由上圖可知，前景目標(biāo)的輪廓基本都被提取出來了。
???????sobel＿amp 算子是一種常用的邊緣濾波器，該算子是一階導(dǎo)數(shù)的邊緣檢測算子，使用一個卷積核對圖像中的每個像素點做卷積運算，然后采用合適的閾值提取邊緣。根據(jù)濾波器的不同，卷積核的運算方式也不同。該算子的原型如下：

   sobel_amp(Image : EdgeAmplitude : FilterType, Size : )

???????其各參數(shù)含義如下。
???????參數(shù)1：Image為輸入的圖像，這里是單通道圖像。
???????參數(shù)2：EdgeAmplitude 為輸出參數(shù)，是帶有邊緣梯度的圖像。
???????參數(shù)3：FilterType為輸入?yún)?shù)，表示卷積核或濾波器的類型。
???????參數(shù)4：Size為輸入?yún)?shù)，表示濾波器的尺寸。該參數(shù)值越大，得到的邊緣線條會越粗，細(xì)節(jié)越少。這個值一般為單數(shù)，默認(rèn)為3，也可以根據(jù)圖像的檢測需要選擇合適的奇數(shù)。
???????這里的FilterType是基于兩種濾波器掩膜的，它決定了卷積的計算方式。假設(shè)兩個卷積的濾波掩膜矩陣是A和B，其中
$$\begin{array}{c}A=?\begin{array}{ccc}0& 2& 1\\ 0& 0& 0\\ ?1& ?2& ?1\end{array}?,B=?\begin{array}{ccc}1& 0& ?1\\ 2& 0& ?2\\ 1& 0& ?1\end{array}?\end{array}$$???????掩模矩陣可以理解為內(nèi)核或者結(jié)構(gòu)元素，A和B分別表示圖像與兩種波濾器掩膜進(jìn)行卷積操作的結(jié)果。
???????FilterType有幾種可供選擇的值，如 sum＿abs、sum＿sqrt、sum＿sqrt＿binomial、thin＿max＿abs、thin＿sum＿abs、x、y等。下面在代碼中分別測試了幾種不同類型的濾波器對同一圖像進(jìn)行邊緣檢測的結(jié)果，如下圖所示。輸入圖像仍為上面左圖所示的灰度圖像。下圖（a）～（f）分別為sobel＿amp 算子中的 FilterType參數(shù)值為sum＿abs、thin＿sum＿abs、thin＿max＿abs、sum＿sqrt、x、y時的計算結(jié)果。

???????上面這幾種計算結(jié)果是在掩膜尺寸為3的情況下得到的。對于較大尺寸的濾波器，需要使用二項式濾波器對輸入圖像進(jìn)行平滑處理。如果size為5、7、9、11等尺寸，則要在上述filter后面加上＿binomial來選擇二項式濾波器，如 sum＿abs＿binomial、sum＿sqrt＿binomial、thin＿max＿abs＿binomial、thin＿sum＿abs＿binomial、x＿binomial、y＿binomial 等。
???????注意：在邊緣檢測中可以通過創(chuàng)建感興趣區(qū)域來縮小處理區(qū)域的范圍，以加快檢測速度。

參考文獻(xiàn)

1、Halcon機器視覺算法原理與編程實戰(zhàn)/楊青編著.北京大學(xué)出版社文章來源地址http://www.zghlxwxcb.cn/news/detail-401945.html

到了這里，關(guān)于Halcon邊緣檢測Sobel、Laplace和Canny算子的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！